Avaliação de métodos de calibração para a análise dos exames laboratoriais da Pesquisa Nacional de Saúde de 2013

Abstract

Introdução: A Pesquisa Nacional de Saúde (PNS) é uma pesquisa domiciliar a nível nacional que possui duas edições: 2013 e 2019. Especificamente na PNS de 2013, foram coletadas amostras biológicas através de exames complementares. Devido a dificuldades no trabalho de campo, houve uma perda superior à perda inicialmente prevista e alguns estratos ficaram sem representação amostral. Para contornar esse problema fez-se necessário a utilização de métodos de pós-estratificação para o ajuste dos pesos amostrais. Objetivo: Comparar os métodos de calibração para os pesos amostrais com os pesos disponibilizados juntamente aos dados da PNS 2013, utilizando como métrica de comparação um conjunto de sete indicadores que auxiliam na avaliação de aspectos da calibração. Além disso, identificar as principais diferenças nas estimativas de proporção e total para as variáveis auxiliares, assim como a prevalência de diabetes mellitus na população. Métodos: O conjunto de microdados da subamostra de exames laboratoriais consiste em uma amostra de 8.952 indivíduos adultos, disponível no website da PNS. Para verificar se os objetivos da calibração foram alcançados, foram utilizados sete indicadores que auxiliam na avaliação da calibração. Em adição, os erros relativos (ER) das estimativas dos totais populacionais para as variáveis auxiliares, estimativas de média e coeficiente de variação para um conjunto específico de variáveis também foram estimados. Por fim, para a estimação de diabetes mellitus, foi calculado sua prevalência para algumas características de interesse, juntamente com seu intervalo de confiança de 95% (IC95%). Resultados: Com o método de pós-estratificação foi identificado uma sub-representação de quase todas as categorias. As estimativas do total populacional estimadas através dos pesos laboratoriais diferem bastante da projeção populacional, apesar de não haver diferenças grandes entre as estimativas de proporção, média, prevalências e intervalos de confiança. O raking apresentou melhor desempenho em seis dos sete indicadores. Conclusão: Foi possível observar que os totais populacionais estimados pelos pesos laboratoriais produzem estimativas para o total que não são generalizáveis para a população alvo da PNS. Em termos das comparações com os métodos de calibração, o raking apresentou, no geral, melhor desempenho em relação à pós-estratificação.

Introduction: The National Health Survey (PNS) is a nationwide household survey that has two editions: 2013 and 2019. Specifically, in the 2013 PNS, biological samples were collected through complementary exams. Due to difficulties in the fieldwork, there was a loss greater than the initially predicted loss and, some strata were left without sample representation. To overcome this problem, it was necessary to use post-stratification methods to adjust sample weights. Objective: To compare the calibration methods for the sample weights with the weights available together with the 2013 PNS data, using a set of seven indicators as a comparison metric that helps in the evaluation of calibration aspects. Furthermore, identify the main differences in the proportion and total estimates for the auxiliary variables, as well as the prevalence of diabetes mellitus in the population. Methods: The subsample microdata set of laboratory tests consists of a sample of 8,952 adult individuals, available on the PNS website. To check whether the calibration objectives were achieved, seven indicators were used to help evaluate the calibration. In addition, relative errors (RE) of estimates of population totals for auxiliary variables, mean estimates, and coefficient of variation for a specific set of variables were also estimated. Finally, for the estimation of diabetes mellitus, its prevalence was calculated for some characteristics of interest, along with its 95% confidence interval (95%CI). Results: With the post-stratification method, an underrepresentation of almost all categories was identified. Estimates of the total population estimated through laboratory weights differ significantly from the population projection, although there are no major differences between estimates of proportion, mean, prevalence, and confidence intervals. Raking performed better in six of the seven indicators. Conclusion: It was possible to observe that the population totals estimated by laboratory weights produce estimates for the total that are not generalizable to the target population of the PNS. In terms of comparisons with the calibration methods, raking generally performed better than post-stratification.