Imputação múltipla e análise de casos completos em modelos de regressão logística: uma avaliação prática do impacto das perdas em covariáveis

Cadernos de Saúde Pública

Vitor Passos Camargos²  Cibele Comini César¹  Waleska Teixeira Caiaffa²  Cesar Coelho Xavier²  Fernando Augusto Proietti² 

[1] ,Universidade Federal de Minas Gerais Faculdade de Medicina Belo Horizonte,Brasil

关键词: Métodos;    Análise Estatística;    Modelos Logísticos;    Índice de Massa Corporal;    Methods;    Statistical Analysis;    Logistic Models;    Body Mass Index;   

DOI  :  10.1590/S0102-311X2011001200003

来源: SciELO

【 摘 要 】

Pesquisadores da área da saúde lidam frequentemente com o problema das bases de dados incompletas. A Análise de Casos Completos (ACC), que restringe as análises aos indivíduos com dados completos, reduz o tamanho da amostra e pode produzir estimativas viciadas. Baseado em fundamentos estatísticos, o método de Imputação Múltipla (IM) utiliza todos os dados coletados e é recomendado como alternativa à ACC. Dados do estudo Saúde em Beagá, inquérito domiciliar em que participaram 4.048 adultos de dois dos nove distritos sanitários da Cidade de Belo Horizonte no biênio 2008-2009, foram utilizados para avaliar a ACC e diferentes abordagens de IM no contexto de modelos logísticos com covariáveis incompletas. Peculiaridades de algumas variáveis desse estudo permitiram aproximar uma situação em que os dados ausentes de uma covariável são recuperados, e assim os resultados anteriores e posteriores à recuperação são comparados. Verificou-se que mesmo a abordagem mais simplista de IM obteve melhor desempenho que a ACC, já que se aproximou mais dos resultados pós-recuperação.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License