Métodos para estimar razão de prevalência em estudos de corte transversal

Abstract

OBJETIVO: Comparar empiricamente as regressões de Cox, log-binomial, Poisson e logística para estimar razões de prevalência em estudos de corte transversal. MÉTODOS: Foram utilizados dados de um estudo epidemiológico transversal (n=2.072), de base populacional, realizado com idosos na cidade de São Paulo (SP), entre maio de 2003 e abril de 2005. Diagnósticos de demência, possíveis casos de transtorno mental comum e autopercepção de saúde ruim foram escolhidos como desfechos com prevalência baixa, intermediária e alta, respectivamente. Foram utilizadas variáveis de confusão com duas ou mais categorias ou valores contínuos. Valores de referência para estimativas por ponto e por intervalo para as razões de prevalência (RP) foram obtidos pelo método de estratificação de Mantel-Haenszel. Estimativas ajustadas foram calculadas utilizando regressões de Cox e Poisson com variância robusta, e regressão log-binomial. Odds ratios (OR) brutos e ajustados foram obtidos pela regressão logística. RESULTADOS: As estimativas por ponto e por intervalo obtidas pelas regressões de Cox e Poisson foram semelhantes à obtida pela estratificação de Mantel-Haenszel, independentemente da prevalência do desfecho e das covariáveis do modelo. O modelo log-binomial apresentou dificuldade de convergência quando o desfecho tinha prevalência alta e havia covariável contínua no modelo. A regressão logística produziu estimativas por ponto e por intervalo maiores do que as obtidas pelos outros métodos, principalmente para os desfechos com maiores prevalências iniciais. Se interpretados como estimativas de RP, os OR superestimariam as associações para os desfechos com prevalência inicial baixa, intermediária e alta em 13%, quase 100% e quatro vezes mais, respectivamente. CONCLUSÕES: Em análise de dados de estudos de corte transversal, os modelos de Cox e Poisson com variância robusta são melhores alternativas que a regressão logística. O modelo de regressão log-binomial produz estimativas não enviesadas da RP, mas pode apresentar dificuldade de convergência quando o desfecho é muito freqüente e a variável de confusão é contínua.