Repositório Digital

A- A A+

Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos

.

Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos

Mostrar registro completo

Estatísticas

Título Uso da imputação múltipla de dados faltantes : uma simulação utilizando dados epidemiológicos
Outro título Multiple imputations for missing data : a simulation with epidemiological data
Autor Nunes, Luciana Neves
Kluck, Mariza Machado
Fachel, Jandyra Maria Guimarães
Resumo Em situações com dados faltantes, é comum restringirse à análise dos sujeitos com dados completos. Porém, as estimativas com apenas esses sujeitos podem tornar- se viesadas. A prática de preenchimento de dados faltantes é a chamada técnica de imputação. Este trabalho tem como objetivo divulgar o método de imputação múltipla. Em um conjunto de dados de 470 pacientes cirúrgicos, foram ajustados modelos logísticos para o desfecho óbito. Foram gerados dois conjuntos de dados incompletos: um com 5% e outro com 20% de dados faltantes para uma variável. Foram ajustados modelos para o conjunto completo, com dados faltantes e para o conjunto completado por imputação múltipla. As estimativas obtidas pela análise dos conjuntos com dados faltantes e com o conjunto completo foram diferentes, principalmente as do conjunto com 20% de dados faltantes. A imputação múltipla utilizada pareceu eficiente, pois os resultados conseguidos com o banco completado por imputações foram próximos dos obtidos com o conjunto completo. Porém, um coeficiente deixou de ser estatisticamente significativo. A imputação múltipla se mostrou superior à análise do conjunto com dados faltantes, que desconsiderou os casos incompletos.
Abstract In situations with missing data, statistical analyses are usually limited to subjects with complete data. However, such estimates may be biased. The method of "filling in" missing data is called imputation. This article aimed to present a multiple imputation method. From a data set of 470 surgical patients, logistic models were developed for death as the outcome. Two incomplete data sets were generated: one with 5% and another with 20% of missing data in a single variable. Logistic models were fitted for the complete and incomplete data sets and for the data set completed by multiple imputations. Estimates obtained for the data set with missing data were different from those observed in the complete data set, mainly in the situation with 20% of missing data. The multiple imputation used here appeared efficient, producing very similar results to those obtained with the complete data set. However, one coefficient became non-significant. The analysis using multiple imputations was considered superior to using the data sets that excluded incomplete cases from the analysis.
Contido em Cadernos de saúde pública. Rio de Janeiro. Vol. 25, no. 2 (fev. 2009), p. 268 - 278.
Assunto Estatística aplicada : Biologia : Medicina : Ciencias biomedicas : Bioestatistica : Estatistica medica
[en] Database
[en] Statistical data interpretation
[en] Statistical models
Origem Nacional
Tipo Artigo de periódico
URI http://hdl.handle.net/10183/49589
Arquivos Descrição Formato
000681230.pdf (111.2Kb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.