Medidas de associação em estudo transversal com delineamento complexo: razão de chances e razão de prevalência

O objetivo deste estudo foi apresentar e discutir a utilização das medidas de associação: razão de chances e razão de prevalências, em dados obtidos de estudo transversal realizado em 2001-2002, utilizando-se amostra estratificada por conglomerados em dois estágios (n=1.958). As razões de chances e razões de prevalências foram estimadas por meio de regressão logística não condicional e regressão de Poisson, respectivamente, utilizando-se o pacote estatístico Stata 7.0. Intervalos de confiança e efeitos do desenho foram considerados na avaliação da precisão das estimativas. Dois desfechos do estudo transversal com diferentes níveis de prevalência foram avaliados: vacinação contra influenza (66,1%) e doença pulmonar referida (6,9%). Na situação em que a prevalência foi alta, as estimativas das razões de prevalência foram mais conservadoras com intervalos de confiança menores. Na avaliação do desfecho de baixa prevalência, não se observaram grandes diferenças numéricas entre as estimações das razões de chances e razões de prevalência e erros-padrão obtidos por uma ou outra técnica. O efeito do desenho maior que a unidade indicou que a amostragem complexa, em ambos os casos, aumentou da variância das estimativas. Cabe ao pesquisador a escolha da técnica e do estimador mais adequado ao seu objeto de estudo, permanecendo a escolha no âmbito epidemiológico.

The objective for this paper was to present and discuss the use of odds ratios and prevalence ratios using real data with a complex sampling design. We carried out a cross-sectional study using data obtained from a two-stage stratified cluster sample from a study conducted in 2001-2002 (n = 1,958). Odds ratios and prevalence ratios were obtained by unconditional logistic regression and Poisson regression, respectively, for later comparison using the Stata statistical package (v. 7.0). Confidence intervals and design effects were considered in the evaluation of the precision of estimates. Two outcomes of a cross-sectional study with different prevalences were evaluated: vaccination against influenza (66.1%) and self-referred lung disease (6.9%). In the high-prevalence scenario, using prevalence ratios the estimates were more conservative and we found narrower confidence intervals. In the low-prevalence scenario, we found no important numeric differences between the estimates and standard errors obtained using the two techniques. A design effect greater than one indicates that the sample design has increased the variance of the estimate. However, it is the researcher's task to choose which technique and measure to use for each data set, since this choice must remain within the scope of epidemiology.