Comparação de métodos de imputação única e múltipla usando como exemplo um modelo de risco para mortalidade cirúrgica

Revista Brasileira de Epidemiologia

Luciana Neves Nunes¹  Mariza Machado Klück¹  Jandyra Maria Guimarães Fachel¹ 

[1] ,Universidade Federal do Rio Grande do Su Faculdade de Medicina Programa de Pós-Graduação em EpidemiologiaPorto Alegre,Brasil

关键词: Métodos de imputação;    Imputação múltipla;    Dados faltantes;    Não-resposta ao acaso;    Imputation methods;    Multiple imputation;    Missing data;    Missing at random;   

DOI  :  10.1590/S1415-790X2010000400005

来源: SciELO

【 摘 要 】

INTRODUÇÃO: A perda de informações é um problema frequente em estudos realizados na área da Saúde. Na literatura essa perda é chamada de missing data ou dados faltantes. Através da imputação dos dados faltantes são criados conjuntos de dados artificialmente completos que podem ser analisados por técnicas estatísticas tradicionais. O objetivo desse artigo foi comparar, em um exemplo baseado em dados reais, a utilização de três técnicas de imputações diferentes. MÉTODO: Os dados utilizados referem-se a um estudo de desenvolvimento de modelo de risco cirúrgico, sendo que o tamanho da amostra foi de 450 pacientes. Os métodos de imputação empregados foram duas imputações únicas e uma imputação múltipla (IM), e a suposição sobre o mecanismo de não-resposta foi MAR (Missing at Random). RESULTADOS: A variável com dados faltantes foi a albumina sérica, com 27,1% de perda. Os modelos obtidos pelas imputações únicas foram semelhantes entre si, mas diferentes dos obtidos com os dados imputados pela IM quanto à inclusão de variáveis nos modelos. CONCLUSÕES: Os resultados indicam que faz diferença levar em conta a relação da albumina com outras variáveis observadas, pois foram obtidos modelos diferentes nas imputações única e múltipla. A imputação única subestima a variabilidade, gerando intervalos de confiança mais estreitos. É importante se considerar o uso de métodos de imputação quando há dados faltantes, especialmente a IM que leva em conta a variabilidade entre imputações para as estimativas do modelo.

【 授权许可】

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