Comparação por simulação de metodologias para estimar risco relativo em dados correlacionados

Abstract

Com a crescente utilização de ensaios aleatorizados por cluster, onde há dependência entre os indivíduos do mesmo grupo, vem a necessidade de estudar a performance dos modelos que estimam o risco relativo (RR), no contexto de dados correlacionados. Sendo que há predominância destas análises de desempenho para dados independentes. Neste artigo, serão comparados quatro métodos que permitem estimar RR em dados correlacionados. Os modelos analisados foram o log-binomial GEE, Poisson GEE, log-binomial de efeitos mistos frequentista e log-binomial de efeitos bayesiano. Ressaltamos que até o momento não se tem conhecimento sobre estudos que comparam os métodos mistos por simulação. Desta maneira, os métodos foram comparados utilizando bancos de dados simulados, com as principais características controladas. A performance foi comparada com relação a convergência, vício relativo, erro quadrático médio, poder, cobertura e amplitude do intervalo de confiança/credibilidade. Percebe-se que os resultados mostraram uma superioridade dos modelos mistos, sendo que, em geral, o modelo bayesiano obteve desempenho superior ao frequentista. O modelo Bayesiano obteve menor EQM para 10 dos 12 cenários para a variável confundidora e em 11 dos 12 cenários para a variável de tratamento.