Modelagem Bayesiana do risco de infecção tuberculosa para estudos com perdas de seguimento / Modelaje Bayesiano del riesgo de infección tuberculosa para estudios con pérdidas de seguimiento / Bayesian model for the risk of tuberculosis infection for studies with individuals lost to follow-up

RESUMO

OBJETIVO: Desenvolver um modelo estatístico baseado em métodos Bayesianos para estimar o risco de infecção tuberculosa em estudos com perdas de seguimento, comparando-o com um modelo clássico determinístico. MÉTODOS: O modelo estocástico proposto é baseado em um algoritmo de amostradores de Gibbs, utilizando as informações de perdas de seguimento ao final de um estudo longitudinal. Para simular o número desconhecido de indivíduos reatores ao final do estudo e perdas de seguimento, mas não reatores no tempo inicial, uma variável latente foi introduzida no novo modelo. Apresenta-se um exercício de aplicação de ambos os modelos para comparação das estimativas geradas. RESULTADOS: As estimativas pontuais fornecidas por ambos os modelos são próximas, mas o modelo Bayesiano apresentou a vantagem de trazer os intervalos de credibilidade como medidas da variabilidade amostral dos parâmetros estimados. CONCLUSÕES: O modelo Bayesiano pode ser útil em estudos longitudinais com baixa adesão ao seguimento.

ABSTRACT

OBJECTIVE: To develop a statistical model based on Bayesian methods to estimate the risk of tuberculosis infection in studies including individuals lost to follow-up, and to compare it with a classic deterministic model. METHODS: The proposed stochastic model is based on a Gibbs sampling algorithm that uses information of lost to follow-up at the end of a longitudinal study. For simulating the unknown number of reactors at the end of the study and lost to follow-up, but not reactors at time 0, a latent variable was introduced in the new model. An exercise of application of both models in the comparison of the estimates of interest was presented. RESULTS: The point estimates obtained from both models are near identical; however, the Bayesian model allowed the estimation of credible intervals as measures of precision of the estimated parameters. CONCLUSIONS: The Bayesian model can be valuable in longitudinal studies with low adherence to follow-up.

RESUMEN

OBJETIVO: Desarrollar un modelo estadístico en basado en métodos Bayesianos para estimar el riesgo de infección tuberculosa en estudios con pérdidas de seguimiento, comparándolo con un modelo clásico deterministico. MÉTODOS: El modelo estocástico propuesto se basa en un algoritmo de muestreadotes de Gibbs, utilizando las informaciones de pérdidas de seguimiento al final de un estudio longitudinal. Para simular el número desconocido de individuos reactores al final del estudio y pérdidas de seguimiento, pero no reactores en el tiempo inicial, una variable latente fue introducida en el nuevo modelo. Se presenta un ejercicio de aplicación de ambos modelos para comparación de las estimaciones generadas. RESULTADOS: Las estimaciones puntuales suministradas por ambos modelos son próximas, pero el modelo Bayesiano presentó la ventaja de traer los intervalos de credibilidad como medidas de variabilidad muestral de los parámetros estimados. CONCLUSIONES: El modelo Bayesiano puede ser útil en estudios longitudinales con baja adhesión al seguimiento.