Please use this identifier to cite or link to this item:
https://www.arca.fiocruz.br/handle/icict/33931
OBTAINING ADJUSTED PREVALENCE RATIOS FROM LOGISTIC REGRESSION MODELS IN CROSS-SECTIONAL STUDIES
La obtención de las prevalencias ajustadas a partir de los modelos de regresión logística en los estudios transversales
Alternative title
Obtendo razões de chance prevalentes de modelos de regressão logística em estudos transversaisLa obtención de las prevalencias ajustadas a partir de los modelos de regresión logística en los estudios transversales
Author
Affilliation
Fundação Oswaldo Cruz. Presidência. Programa de Computação Científica. Rio de Janeiro, RJ, Brasil.
Fundação Oswaldo Cruz. Instituto de Pesquisa Clínica Evandro Chagas. Rio de Janeiro, RJ, Brasil.
Universidade Federal do Estado do Rio de Janeiro. Departamento de Matemática e Estatística. Rio de Janeiro, RJ, Brasil.
Fundação Oswaldo Cruz. Instituto de Pesquisa Clínica Evandro Chagas. Rio de Janeiro, RJ, Brasil.
Universidade Federal do Estado do Rio de Janeiro. Departamento de Matemática e Estatística. Rio de Janeiro, RJ, Brasil.
Abstract in Portuguese
Nas últimas décadas, tem sido discutido o uso da razão de prevalência (RP) ao invés da razão de chance como a medida de associação a ser estimada em estudos transversais. Discute-se as principais dificuldades no uso de modelos estatísticos para o cálculo da RP: problemas de convergência, disponibilidade de ferramentas e pressupostos não apropriados. O objetivo deste estudo é implementar uma abordagem direta para estimar a RP com base em modelos logísticos binários baseados em dois métodos propostos por Wilcosky & Chamblers, e comparar com outros métodos. Utilizou-se três exemplos e comparou-se as estimativas bruta e ajustada da RP obtidas pela função com as estimativas obtidas pelos modelos log-binomial, Poisson e razão de chance prevalente (RCP). As RP da abordagem proposta resultaram em valores próximos aos obtidos pelos modelos log-binomial e Poisson, e a RCP superestimou a RP. O modelo aqui implementado apresentou as seguintes vantagens: não apresenta instabilidade numérica; assume a distribuição de probabilidades adequada; e está disponível no programa estatístico R.
Abstract
In the last decades, the use of the epidemiological prevalence ratio (PR) instead of the odds ratio has been debated as a measure of association in cross-sectional studies. This article addresses the main difficulties in the use of statistical models for the calculation of PR: convergence problems, availability of tools and inappropriate assumptions. We implement the direct approach to estimate the PR from binary regression models based on two methods proposed by Wilcosky & Chambless and compare with different methods. We used three examples and compared the crude and adjusted estimate of PR, with the estimates obtained by use of log-binomial, Poisson regression and the prevalence odds ratio (POR). PRs obtained from the direct approach resulted in values close enough to those obtained by log-binomial and Poisson, while the POR overestimated the PR. The model implemented here showed the following advantages: no numerical instability; assumes adequate probability distribution and, is available through the R statistical package.
xmlui.dri2xhtml.METS-1.0.item-abstractes
En las últimas décadas, se ha discutido el uso de la razón de prevalencia (RP), en lugar del odds ratio como medida de asociación que se estima en estudios transversales. Se analizan las principales dificultades en el uso de modelos estadísticos para el cálculo de la RP: problemas de convergencia, disponibilidad de herramientas y supuestos no apropiados. El objetivo es realizar un enfoque directo para estimar la RP desde modelos logísticos binarios, basados en dos métodos propuestos por Wilcosky y Chamblers y compararlos con otros métodos. Se han utilizado 3 ejemplos y comparamos las estimaciones crudas y ajustadas de RP con las estimaciones obtenidas por log-binomial, Poisson y odds ratio de prevalencia (ORP). Los RP obtenidos del enfoque directo dieron como resultado valores cercanos a los obtenidos mediante el log- binomial y de Poisson, mientras que la RCP sobreestimó la RP. El modelo que aquí se presenta implementó las siguientes ventajas: no presenta inestabilidad numérica, toma una distribución de probabilidad apropiada y está disponible en software estadístico libre R.
Share