ABSTRACT
OBJETIVOS: En el presente trabajo se discuten las particularidades de tres métodos de estimación de parámetros simples -medias, totales y porcentajes, y sus respectivos errores estándar-, así como de los modelos de regresión logística, en el análisis de los datos de muestras complejas. MÉTODOS: Se tomaron los datos de la Segunda Encuesta Nacional de Factores de Riesgo y Afecciones Crónicas No Transmisibles, realizada en Cuba en el año 2001. Se usó un diseño muestral complejo estratificado y por conglomerados polietápicos. Los estratos estuvieron conformados por las 14 provincias de Cuba y el municipio especial Isla de la Juventud, mientras que los conglomerados fueron las áreas geográficas muestrales (AGEM), manzanas y secciones. Las muestras se ponderaron en proporción inversa a las probabilidades de selección y para la estimación se realizó una estratificación por sexo y grupo de edad (15-34, 35-54, 55-74 y 75 años o más). Las varianzas se estimaron mediante las aproximaciones de Taylor. Se compararon tres métodos estadísticos: el análisis convencional, que da por sentado que los datos provienen de un muestreo simple aleatorio; el análisis ponderado, que solo toma en consideración los pesos muestrales para obtener las estimaciones; y el análisis con ajustes, que toma en cuenta la desigualdad en las probabilidades de selección y el efecto de la conglomeración en los datos. RESULTADOS: Las estimaciones puntuales obtenidas mediante las tres estrategias de análisis fueron similares. Los errores estándar estimados para la prevalencia de sobrepeso obtenidos por el análisis convencional se subestimaron en 19,3 por ciento y para la prevalencia de hipertensión en más de 11,5 por ciento en relación con los otros métodos. El análisis ponderado generó valores de los errores estándar mucho menores que los calculados por otros métodos. Resultados similares se encontraron al estimar los valores de la razón de posibilidades. CONCLUSIONES: Los métodos de análisis que toman en cuenta la estructura de los datos y las características del diseño ofrecen una visión más realista del problema estudiado. Con ellos se obtienen estimaciones más precisas de los parámetros y de sus errores estándar. La frecuencia con que se encuentran datos procedentes de diseños muestrales complejos en estudios epidemiológicos y de salud pública exige una mayor utilización de estos métodos y de los paquetes estadísticos que los contemplan.