Rev Sade Pblica 2008;42(6):992-8

Leticia M S CoutinhoI,II Marcia ScazufcaII,III Paulo R MenezesI,II

Mtodos para estimar razo de prevalncia em estudos de corte transversal

Methods for estimating prevalence ratios in cross-sectional studies

RESUMO
OBJETIVO: Comparar empiricamente as regresses de Cox, log-binomial, Poisson e logstica para estimar razes de prevalncia em estudos de corte transversal. MTODOS: Foram utilizados dados de um estudo epidemiolgico transversal (n=2.072), de base populacional, realizado com idosos na cidade de So Paulo (SP), entre maio de 2003 e abril de 2005. Diagnsticos de demncia, possveis casos de transtorno mental comum e autopercepo de sade ruim foram escolhidos como desfechos com prevalncia baixa, intermediria e alta, respectivamente. Foram utilizadas variveis de confuso com duas ou mais categorias ou valores contnuos. Valores de referncia para estimativas por ponto e por intervalo para as razes de prevalncia (RP) foram obtidos pelo mtodo de estraticao de Mantel-Haenszel. Estimativas ajustadas foram calculadas utilizando regresses de Cox e Poisson com varincia robusta, e regresso log-binomial. Odds ratios (OR) brutos e ajustados foram obtidos pela regresso logstica. RESULTADOS: As estimativas por ponto e por intervalo obtidas pelas regresses de Cox e Poisson foram semelhantes obtida pela estraticao de Mantel-Haenszel, independentemente da prevalncia do desfecho e das covariveis do modelo. O modelo log-binomial apresentou diculdade de convergncia quando o desfecho tinha prevalncia alta e havia covarivel contnua no modelo. A regresso logstica produziu estimativas por ponto e por intervalo maiores do que as obtidas pelos outros mtodos, principalmente para os desfechos com maiores prevalncias iniciais. Se interpretados como estimativas de RP, os OR superestimariam as associaes para os desfechos com prevalncia inicial baixa, intermediria e alta em 13%, quase 100% e quatro vezes mais, respectivamente. CONCLUSES: Em anlise de dados de estudos de corte transversal, os modelos de Cox e Poisson com varincia robusta so melhores alternativas que a regresso logstica. O modelo de regresso log-binomial produz estimativas no enviesadas da RP, mas pode apresentar diculdade de convergncia quando o desfecho muito freqente e a varivel de confuso contnua. DESCRITORES: Estudos Transversais. Tcnicas de Estimativa. Razo de Prevalncias. Modelos Logsticos. Estudo Comparativo.

Departamento de Medicina Preventiva. Faculdade de Medicina Universidade de So Paulo. So Paulo, SP, Brasil Ncleo de Epidemiologia. Hospital Universitrio. Universidade de So Paulo. So Paulo, SP, Brasil Departamento de Psiquiatria. Faculdade de Medicina Universidade de So Paulo. So Paulo, SP, Brasil

II

III

Correspondncia | Correspondence: Paulo Rossi Menezes Departamento de Medicina Preventiva Faculdade de Medicina da Universidade de So Paulo Av. Dr. Arnaldo 455 01246-903 So Paulo, SP, Brasil E-mail: pmenezes@usp.br Recebido: 27/11/2007 Revisado: 13/5/2008 Aprovado: 4/6/2008

Rev Sade Pblica 2008;42(6):992-8

993

ABSTRACT
OBJECTIVE: To empirically compare the Cox, log-binomial, Poisson and logistic regressions to obtain estimates of prevalence ratios (PR) in crosssectional studies. METHODS: Data from a population-based cross-sectional epidemiological study (n = 2072) on elderly people in Sao Paulo (Southeastern Brazil), conducted between May 2003 and April 2005, were used. Diagnoses of dementia, possible cases of common mental disorders and self-rated poor health were chosen as outcomes with low, intermediate and high prevalence, respectively. Confounding variables with two or more categories or continuous values were used. Reference values for point and interval estimates of prevalence ratio (PR) were obtained by means of the Mantel-Haenszel stratication method. Adjusted PR estimates were calculated using Cox and Poisson regressions with robust variance, and using log-binomial regression. Crude and adjusted odds ratios (ORs) were obtained using logistic regression. RESULTS: The point and interval estimates obtained using Cox and Poisson regressions were very similar to those obtained using Mantel-Haenszel stratication, independent of the outcome prevalence and the covariates in the model. The log-binomial model presented convergence difculties when the outcome had high prevalence and there was a continuous covariate in the model. Logistic regression produced point and interval estimates that were higher than those obtained using the other methods, particularly when for outcomes with high initial prevalence. If interpreted as PR estimates, the ORs would overestimate the associations for outcomes with low, intermediate and high prevalence by 13%, almost by 100% and fourfold, respectively. CONCLUSIONS: In analyses of data from cross-sectional studies, the Cox and Poisson models with robust variance are better alternatives than logistic regression is. The log-binomial regression model produces unbiased PR estimates, but may present convergence difculties when the outcome is very prevalent and the confounding variable is continuous. DESCRIPTORS: Cross-Sectional Studies. Estimation Techniques. Prevalence Ratio. Logistic Models. Comparative Study.

INTRODUO Em estudos de corte transversal com desfechos binrios, a associao entre exposio e desfecho estimada pela razo de prevalncia (RP). Quando necessrio ajustar para potenciais variveis de confuso, normalmente so usados modelos de regresso logstica. Este tipo de modelo produz estimativas de odds ratios (OR), freqentemente interpretado como uma estimativa da RP. Entretanto, o OR no se aproxima muito bem da RP quando o risco inicial alto, e nessas situaes, interpretar o OR como se fosse a RP inadequado.1,2,9,12 Alguns modelos estatsticos alternativos que podem estimar diretamente a RP e seu intervalo de conana vm sendo discutidos na literatura.1,4,6,10,12,14 Modelos de regresso de Cox, log-binomial e Poisson tm sido sugeridos como boas alternativas para obter estimativas da RP ajustadas para variveis de confuso. Usando dados adaptados de um estudo de corte transversal, Barros & Hirakata1 (2003) mostraram que estes modelos produzem estimativas ajustadas da RP muito similares quelas obtidas pelo mtodo de Mantel-Haenszel (MH). O objetivo do presente estudo foi comparar empiricamente os modelos de regresso de Cox, log-binomial, Poisson e logstico para estimar a RP ajustada, cotejando seus resultados com os obtidos pelo mtodo de MH. MTODOS Os dados utilizados foram obtidos de um estudo de corte transversal, de base populacional, cujo objetivo foi estimar a prevalncia de demncia e outros problemas de sade mental em idosos (65 anos ou mais),

994

Mtodos para estimar razo de prevalncia

Coutinho LMS et al

residentes em uma rea economicamente precria do distrito do Butant, na cidade de So Paulo (SP), entre maio de 2003 e abril de 2005.8 Procedimentos padronizados foram utilizados para avaliar funcionamento cognitivo e sintomas psiquitricos. Foram coletadas informaes de caractersticas sociodemogrcas e socioeconmicas. Um total de 2.072 participantes foi includo no estudo. Trs desfechos foram escolhidos: diagnstico de demncia, possveis casos de transtorno mental comum (TMC), e autopercepo de sade ruim. O diagnstico de demncia foi obtido por um procedimento desenvolvido pelo Grupo de Pesquisa em Demncia 10/66, para ser usado em estudos de base populacional em pases em desenvolvimento, com uma avaliao detalhada do incio e curso da demncia.7 A classicao dos participantes como possveis casos de TMC foi obtida com o Self Report Questionnaire (SRQ-20), um questionrio desenvolvido pela Organizao Mundial da Sade para estudos em pases em desenvolvimento.11 O ponto de corte utilizado foi 4/5, de acordo com a validao da verso brasileira do SRQ-20.9 Autopercepo de sade foi avaliada com uma simples questo (No geral, como voc classicaria sua sade nos ltimos 30 dias?), com as opes de respostas (muito boa, boa, regular, ruim, e muito ruim) agrupadas para classicar os participantes como tendo autopercepo de sade boa (muito boa e boa) ou ruim (regular, ruim e muito ruim). A escolha dos trs desfechos foi baseada em suas prevalncias (baixa para demncia, intermediria para TMC e alta para autopercepo de sade ruim). Cada desfecho foi associado a uma exposio principal e dois potenciais fatores de confuso. Tanto para o desfecho demncia como para TMC, a exposio principal foi nvel educacional e as variveis de confuso foram idade e sexo; para autopercepo de sade ruim, a exposio principal foi presena de episdios depressivos, diagnosticados de acordo com critrio para depresso da CID-10, e as variveis de confuso foram renda e sexo. Em relao a estudos anteriores, ampliamos a aplicao destes mtodos para situaes com duas variveis de confuso, sendo algumas com dois ou mais nveis de exposio ou com valores contnuos, para vericar as estimativas por ponto e por intervalo da RP geradas por cada modelo multivariado. Desfechos de diferentes freqncias foram analisados, para examinar como os modelos de Cox, log-binomial, Poisson e logstico comportam-se para estimar a RP, medida que a prevalncia do desfecho aumenta. Valores de referncia para as estimativas ajustadas das RP e respectivos intervalos de 95% de conana (IC 95%), para as associaes entre cada desfecho e respectiva exposio principal, foram obtidos pela estraticao de Mantel-Haenszel, controlando para o efeito das potenciais variveis confundidoras. Estimativas da

RP com respectivos IC 95% foram calculadas usando modelos de regresso de Cox, log-binomial e Poisson, e os OR brutos e ajustados (IC 95%) tambm foram calculados pela regresso logstica. Em seguida, para cada desfecho de interesse, uma varivel de confuso foi testada com valores contnuos. As regresses de Cox e Poisson foram realizadas xando tempo de seguimento igual unidade para todos os participantes e utilizando estimadores de varincia robusta. O software estatstico usado para este estudo foi o Stata verso 9.0. O modelo de regresso de Poisson geralmente usado em epidemiologia para analisar estudos longitudinais onde a resposta o nmero de episdios de um evento ocorridos em um determinado perodo de tempo. Para estudos de coorte onde todos os indivduos tm tempo de seguimento igual, a regresso de Poisson pode ser usada com o valor de tempo sob risco igual a 1 para cada indivduo. Se o modelo ajustar corretamente os dados, esta aproximao fornece uma estimativa correta do risco relativo ajustado.4 Em estudos de corte transversal possvel atribuir o valor unitrio ao tempo de seguimento de cada participante, como estratgia para obteno da estimativa por ponto da razo de prevalncia, pois no h seguimento real dos participantes nesse tipo de estudo epidemiolgico. No entanto, quando a regresso de Poisson aplicada a dados binomiais, o erro para o risco relativo superestimado, pois a varincia da distribuio de Poisson aumenta progressivamente, enquanto a varincia da distribuio binomial tem seu valor mximo quando a prevalncia 0,5. Este problema pode ser corrigido usando o procedimento de varincia robusta, conforme proposto por Lin & Wei (1989).3 A regresso de Poisson com varincia robusta no tem diculdade para convergir e produz resultados semelhantes queles obtidos pelo uso do procedimento de Mantel-Haenszel quando a covarivel de interesse categrica.6,14 O modelo de regresso de Cox geralmente usado para analisar o tempo at um evento. Em estudos de corte transversal nenhum perodo de tempo observado, mas se um perodo de risco constante for atribudo a todos os indivduos no estudo, a razo de risco estimada pela regresso de Cox igual RP, similarmente regresso de Poisson. Entretanto, o uso da regresso de Cox sem qualquer ajuste para anlise de estudos de corte transversal pode tambm levar a erros na estimativa do intervalo de conana, que pode ser maior do que deveria. O mtodo de varincia robusta tambm pode ser utilizado nessas situaes.3 O modelo de regresso log-binomial um modelo linear generalizado onde a funo de ligao o logaritmo da proporo em estudo e a distribuio do erro binomial. Ele estima diretamente a razo de prevalncia para variveis dicotmicas. No entanto, pode ocorrer falta de convergncia ao tentar fornecer estimativas do parmetro. Normalmente este problema devido ao

Rev Sade Pblica 2008;42(6):992-8

995

mtodo de Newton, usado para encontrar um mnimo ou um mximo dessa funo, que pode no ser capaz de encontrar a estimativa de mxima verossimilhana quando a soluo est nas margens do restrito intervalo do parmetro. Petersen & Deddens6 (2003) sugeriram o mtodo COPY, um macro para o software SAS, que pode gerar uma estimativa e erros padres aproximados quando o comando Proc Genmod geralmente usado no SAS para distribuio binomial com funo de ligao logartmica no consegue convergir. A regresso logstica tem sido usada amplamente em estudos epidemiolgicos com desfechos binrios para obter estimativas no enviesadas do OR ajustado para uma ou mais variveis de confuso. possvel calcular a RP a partir da estimativa do OR, com IC 95%, mas o clculo complexo e requer programas computacionais para calcular estimativas de varincia usando mdulos de matriz.5

RESULTADOS O desfecho demncia (baixa prevalncia: 5,1%) mostrou associaes estaticamente signicativas com nvel de escolaridade e faixa etria, mas no se associou com sexo (Tabela 1). O fator de risco nvel de escolaridade tambm mostrou associao estatisticamente signicativa com faixa etria (p<0,01) e sexo (p<0,01). Houve confuso relativa faixa etria na estimativa da associao entre nvel educacional e prevalncia de demncia, como mostra a estraticao de MH (Tabela 2). Comparando os resultados dos diferentes modelos com a exposio principal e uma varivel de confuso com quatro nveis de exposio, as estimativas do ponto e respectivos IC 95% obtidos pelos modelos de Poisson, Cox e log-binomial aproximaram-se da estimativa obtida pela estraticao de MH (Tabela 2), com diferena de uma ou duas unidades no segundo dgito decimal. Os resultados observados ao adicionar mais uma potencial varivel de confuso (sexo) aos modelos

Tabela 1. Prevalncia de autopercepo de sade ruim, demncia e transtorno mental comum segundo exposio principal e variveis de confuso. So Paulo, SP, maio/2003 a abril/2005. Desfecho Caracterstica Escolaridade (anos) Nenhuma 1 ou mais anos p-valor Faixa etria (anos) 65 a 69 70 a 74 75 a 79 80 anos ou mais p-valor Sexo Feminino Masculino p-valor Episdio depressivo No caso Caso p-valor Renda At R$240 ** R$241 a R$360 R$361 a R$700 R$701 ou mais p-valor 643 (31,0) 402 (19,4) 515 (24,9) 512 (24,7) 409 (63,6) 230 (57,2) 257 (49,9) 217 (42,4) <0,01* 1925 (92,9) 99 (4,8) 993 (51,6) 87 (87,9) <0,01* 1255 (60,6) 817 (39,4) 726 (57,9) 387 (47,4) <0,01* 68 (5,4) 37 (4,5) 0,37 580 (46,2) 204 (25,0) <0,01* 889 (42,9) 556 (26,8) 346 (16,7) 281 (13,6) 20 (2,3) 11 (2,0) 27 (7,8) 47 (16,7) <0,01* 311 (35,0) 211 (38,0) 141 (40,8) 121 (43,1) <0,01* 793 (38,3) 1279 (61,7) 59 (7,4) 46 (3,6) <0,01* 334 (42,1) 450 (35,2) <0,01* n (%) Autopercepo de sade ruim Demncia Transtorno mental comum

* Diferena entre os grupos testada pelo qui-quadrado, signicativa se p<0,05 ** 1 USD = R$2,86

996

Mtodos para estimar razo de prevalncia

Coutinho LMS et al

Tabela 2. Estimativas da razo de prevalncia e intervalos de 95% de conana (IC 95%) para a associao entre nvel educacional e demncia, controlando para faixa etria, faixa etria e sexo, e idade e sexo, usando estraticao de MantelHaenszel e modelos de regresso de Cox, Poisson, log-binomial e logstica. So Paulo, SP, maio/2003 a abril/2005. (Demncia, escolaridade e faixa etria) Estimativas por ponto 1,47 1,47 1,47 1,48 1,53 IC 95% 1,01;2,15 1,01;2,13 1,01;2,13 1,02;2,15 1,01;2,30 (Demncia, escolaridade e faixa etria) + sexo Estimativas por ponto 1,50 1,46 1,46 1,47 1,52 IC 95% 1,02;2,19 1,01;2,12 1,01;2,12 1,01;2,13 1,00;2,29 (Demncia, escolaridade e idade (contnua)) + sexo Estimativas por ponto 1,43 1,43 1,43 1,49 IC 95% 0,98;2,09 0,98;2,09 0,97;2,10 0,98;2,25

Modelo

RP Mantel-Haenszel RP Cox robusto RP Poisson robusto RP log-binomial OR regresso logstica

Estimativa bruta: 2,07 (IC 95%: 1,42;3,01). RP: Razo de prevalncia

de Cox, Poisson e log-binomial produziram estimativas por ponto com 2 ou 3 unidades na segunda casa decimal menores que o ponto estimado por MH, e o IC 95% foi mais estreito que o intervalo de conana de MH. Ao colocar a varivel idade como contnua, a confuso foi mais bem ajustada pelos modelos, e a estimativa para a associao entre nvel educacional e demncia deixou de ser signicativa. A regresso logstica produziu uma estimativa por ponto aproximadamente 13% maior e IC 95% mais amplo que o obtido pelos outros modelos de regresso em todas as situaes. O desfecho TMC (prevalncia intermediria: 37,8%) mostrou associaes estatisticamente signicativas com nvel educacional, sexo e faixa etria (Tabela 1). Houve confuso devido a sexo e faixa etria na estimativa da associao entre nvel educacional e risco de TMC, como mostra a estraticao de MH (Tabela 3). Comparando os resultados dos diferentes modelos, ambos na situao com a exposio principal e uma varivel de confuso (sexo) com dois nveis de exposio e quando adicionada uma potencial varivel de confuso extra (faixa etria) com quatro nveis de exposio, as estimativas do ponto e respectivos IC 95% obtidos pelos modelos de Poisson, Cox e log-binomial foram idnticos aos obtidos pela estraticao de MH

(Tabela 3). Quando a varivel idade foi usada na forma contnua, os modelos de Cox, Poisson e log-binomial produziram estimativas por ponto e respectivos IC 95% quase idnticos. A regresso logstica produziu estimativas por ponto quase 100% maiores que as obtidas pelos outros modelos de regresso, com intervalos de 95% de conana maiores. O desfecho autopercepo de sade ruim (alta prevalncia: 53,8%) mostrou associaes estatisticamente signicativas com episdio depressivo, sexo e renda (Tabela 1). A varivel de exposio principal episdio depressivo tambm esteve associada com renda (p=0,04). Quase no houve confuso devido renda ou sexo na estimativa da associao entre episdio depressivo e autopercepo de sade ruim, como mostrou a estraticao de MH (Tabela 4). Quando comparados os resultados dos diferentes modelos com a exposio principal e uma varivel de confuso (renda) com quatro nveis de exposio, ou quando adicionada uma outra potencial varivel de confuso (sexo) a cada modelo, as estimativas por ponto obtidas pelos modelos de Poisson e Cox e respectivos IC 95% foram idnticas s obtidas pela estraticao de MH. As estimativas por ponto obtidas pelo modelo log-binomial foram prximas da unidade do que aquelas obtidas pelos outros dois modelos.

Tabela 3. Estimativas da razo de prevalncia e intervalos de 95% de conana (IC95%) para a associao entre nvel educacional e transtorno mental comum , controlando para sexo, sexo e faixa etria, e sexo e idade, usando estraticao de Mantel-Haenszel e modelos de regresso de Cox, Poisson, log-binomial e logstica. So Paulo, SP, maio/2003 a abril/2005. (TMC, escolaridade e sexo) Modelo Estimativas por ponto 1,16 1,16 1,16 1,16 1,30 IC 95% 1,04;1,29 1,04;1,29 1,04;1,29 1,04;1,29 1,07;1,57 (TMC, escolaridade e sexo) + faixa etria Estimativas por ponto 1,12 1,12 1,12 1,12 1,23 IC 95% 1,01;1,25 1,01;1,25 1,01;1,25 1,01;1,25 1,01;1,49 (TMC, escolaridade e sexo) + idade (contnua) Estimativas por ponto 1,12 1,12 1,12 1,22 IC 95% 1,01;1,25 1,01;1,25 1,00;1,24 1,00;1,48

RP Mantel-Haenszel RP Cox robusto RP Poisson robusto RP log-binomial OR regresso logstica

Estimativa bruta: 1,22 (IC 95%: 1,10;1,36). TMC: Transtorno mental comum

Rev Sade Pblica 2008;42(6):992-8

997

Tabela 4. Estimativas da razo de prevalncia e intervalos de 95% de conana (IC95%) para a associao entre episdio depressivo e autopercepo de sade ruim, controlando para faixa de renda, faixa de renda e sexo, e renda e sexo, usando estraticao de MH, modelos de regresso de Cox, Poisson e log-binomial e regresso logstica. So Paulo, SP, maio/2003 a abril/2005. (Autopercepo da sade ruim, episdios depressivos, renda) Estimativas por ponto RP Mantel-Haenszel RP Cox robusto RP Poisson robusto RP log-binomial OR regresso logstica 1,65 1,65 1,65 1,57 6,99 IC 95% 1,52;1,79 1,52;1,79 1,52;1,79 1,46;1,69 3,69;13,21 (Autopercepo da sade ruim, episdios depressivos, renda) + sexo Estimativas por ponto 1,67 1,66 1,66 1,56 7,10 IC 95% 1,53;1,81 1,52;1,81 1,52;1,81 1,45;1,67 3,8;13,4 (Autopercepo da sade ruim, episdios depressivos, renda [contnua]) + sexo Estimativas por ponto 1,64 1,66 1,61 7,03 IC 95% 1,52;1,80 1,52;1,80 1,49;1,74 3,7;13,3

Modelo

Estimativa bruta: 1,72 (IC 95%: 1,58;1,87)

Quando a varivel renda foi usada na forma contnua, os resultados dos modelos de Cox e Poisson foram semelhantes. No entanto, foi difcil atingir convergncia usando o modelo log-binomial. A regresso logstica produziu estimativas por ponto que, se interpretadas como estimativas de RP, seriam mais de quatro vezes maiores que as estimativas obtidas pelos outros modelos de regresso, e seus IC 95% foram maiores. DISCUSSO Estudo prvio1 mostrou que em estudos de corte transversal os modelos de regresso de Cox e Poisson, com varincia robusta, e o modelo de regresso log-binomial geram estimativas adequadas da razo de prevalncia e seus intervalos de conana, independentemente da prevalncia de base. Em estudo recente sobre essa questo, Petersen & Deddens6 (2008) defendem, com base em dados reais e simulados, que a regresso de Poisson estima melhor a RP para desfechos muito freqentes, quando comparada ao modelo de regresso log-binomial. Entretanto, os autores sugerem a regresso log-binomial para prevalncias intermedirias como o melhor mtodo. Ns exploramos o desempenho desses mtodos para diferentes prevalncias de desfechos de interesse, para mais de uma varivel de confuso, e para covariveis contnuas, mostrando que os trs mtodos geraram estimativas corretas por ponto e por intervalo em todas as situaes, embora os modelos log-binomial tivessem diculdade de convergir na situao de um desfecho muito prevalente e covarivel contnua. Para os trs desfechos investigados, os modelos de regresso de Cox e Poisson apresentaram estimativas da RP e IC 95% idnticos e muito similares quelas obtidas pela referncia (estraticao de MH). O uso de mtodos robustos para a estimativa da varincia nos modelos de Cox e de Poisson corrigiu para a superestimao da varincia, e produziu intervalos de conana adequados. Os modelos de Cox e Poisson tambm se comportaram bem com a presena de covariveis contnuas.

Os modelos de regresso log-binomial tambm se comportaram bem na maioria das situaes testadas, gerando estimativas por ponto e por intervalo prximas s obtidas pela estraticao de MH. Entretanto, quando a prevalncia do desfecho foi alta, o modelo log-binomial produziu estimativas mais prximas da unidade que aquelas obtidas pela estraticao de MH e pelas regresses de Cox e Poisson. Tambm, quando uma das covariveis foi contnua, o modelo log-binomial apresentou diculdade de convergncia, como descrito previamente.1,6 As estimativas de OR obtidas pelos modelos de regresso logstica foram prximas s estimativas da RP quando a prevalncia do desfecho era baixa (demncia), embora j fosse observada uma tendncia do OR ser maior que a RP. Na situao da prevalncia intermediria (TMC), o OR foi quase duas vezes a RP. Em outras palavras, se interpretarmos o OR como a RP, pareceria que o aumento relativo no risco de TMC para aqueles com menor nvel educacional seria 23% maior que o risco para aqueles com melhor nvel educacional, no lugar de 12% de aumento, como mostrado pela RP. O OR obtido quando a prevalncia era alta (autopercepo de sade ruim) foi quatro vezes maior que as estimativas de RP obtidas pela estraticao de MH, pelos modelos de Cox, Poisson e log-binomial, mostrando a inadequao de interpretar as estimativas de OR como se fossem estimativas da RP nestas situaes. O presente estudo tem algumas limitaes. As associaes nas trs situaes examinadas no eram fortes, fazendo com que as estimativas obtidas pelos vrios mtodos testados cassem prximas. Tambm, os efeitos de confuso no foram acentuados, a no ser para o efeito da idade no risco de demncia. No entanto, o presente estudo d suporte adicional para o uso das tcnicas dos modelos testados como alternativas regresso logstica, disponveis na maioria dos pacotes estatsticos utilizados para anlise de estudos epidemiolgicos.

998

Mtodos para estimar razo de prevalncia

Coutinho LMS et al

REFERNCIAS
1. Barros AJ, Hirakata VN. Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio. BMC Med Res Methodol. 2003;3:21. DOI: 10.1186/1471-2288-3-21 2. Davies HT, Crombie IK, Tavakoli M. When can odds ratios mislead? BMJ. 1998;316(7136):989-991. 3. Lin DY, Wei LJ. The robust Inference for the Cox Proportional Hazards Model. J Am Stat Assoc. 1989;84(408):1074-8. DOI: 10.2307/2290085 4. McNutt LA, Wu C, Xue X, Hafner JP. Estimating the relative risk in cohort studies and clinical trials of common outcomes. Am J Epidemiol. 2003;157(10):940-3. DOI: 10.1093/aje/kwg074 5. Oliveira NF, Santana VS, Lopes AA. Razes de propores e uso do mtodo delta para intervalos de conana em regresso logstica. Rev Saude Publica. 1997;31(1):90-9. 6. Petersen MR, Deddens JA. A comparison of two methods for estimating prevalence ratios. BMC Med Res Methodol. 2008;8:9. DOI: 10.1186/1471-22888-9 7. Prince M, Acosta D, Chiu H, Scazufca M, Varghese M, Dementia diagnosis in developing countries: a crosscultural validation study. Lancet. 2003;361(9361):90917. DOI: 10.1016/S0140-6736(03)12772-9 8. Scazufca M, Menezes PR, Vallada HP, Crepaldi AL, Pastor-Valero M, Coutinho LMS, et al. High prevalence of dementia among older adults from poor socioeconomic backgrounds in So Paulo, Brazil. Int Psychogeriatrics. 2008;20(2):394-405. DOI: 10.1017/ S1041610207005625 9. Scazufca M, Menezes PR, Vallada H, Araya R. Validity of the self reporting questionnaire-20 in epidemiological studies with older adults. Soc Psychiatry Psychiatr Epidemiol. 2008; Sep 8. [Epub ahead of print]. 10. Thompson ML, Myers JE, Kriebel D. Prevalence odds ratio or prevalence ratio in the analysis of cross sectional data: what is to be done? Occup Environ Med. 1998;55(4):272-7. 11. World Health Organization. A users guide to the SelfReporting Questionnaire (SRQ). Geneva; 1994. 12. Zhang J, Yu KF. Whats the relative risk? A method of correcting the odds ratio in cohort studies of common outcomes. JAMA. 1998;280(19):1690-1. DOI: 10.1001/jama.280.19.1690 13. Zocchetti C, Consonni D, Bertazzi PA. Relationship between prevalence rate ratios and odds ratios in cross-sectional studies. Int J Epidemiol. 1997;26(1):220-3. DOI: 10.1093/ije/26.1.220 14. Zou G. A modied poisson regression approach to prospective studies with binary data. Am J Epidemiol. 2004;159(7):702-6. DOI: 10.1093/aje/kwh090

Pesquisa nanciada pela Wellcome Trust, UK. PRMenezes e MScazufca so parcialmente nanciados pelo Conselho Nacional de Desenvolvimento Cientco e Tecnolgico (CNPq bolsa produtividade em pesquisa). Artigo baseado na dissertao de mestrado de LMS Coutinho, apresentada ao Programa de Ps-Graduao em Cincias da Faculdade de Medicina da Universidade de So Paulo, em 2007.