Modelos estatísticos para análise de dados longitudinais categorizados ordinais

Abstract

Modelos para dados longitudinais são modelos de regressão com respostas correlacionadas no tempo, observadas da mesma unidade amostral, podendo estas respostas serem consideradas de alguma forma grupos (clusters). A correlação existente deve ser levada em consideração. Uma forma de modelar esta correlação entre as observações ao longo do tempo é através das Equações de Estimação Generalizadas (GEEs). Liang & Zeger (1986) propuseram uma forma relativamente simples de tratar dados longitudinais através de Modelos Lineares Generalizados (MLG). O objetivo deste trabalho é estudar este tipo de modelo estatístico e seus métodos de estimação associados para análise de dados longitudinais categorizados ordinais e fazer uma análise de um conjunto de dados longitudinais considerando que os dados são correlacionados. Foi realizada uma aplicação com dados reais proveniente de um estudo de coorte de 477 crianças residentes nos municípios da zona da mata meridional de Pernambuco acompanhadas ao nascer e aos 2, 4, 6, 9, 12,15 e 18 meses de vida, estimando-se as probabilidades de desnutrição em relação a certas condições sócio-demográficas e biológicas, aqui denominada ?condição geral? e mais a situação de aleitamento da criança. Foram construídos modelos marginais nos quais a resposta é uma variável aleatória categorizada ordinal. Através dos modelos encontrados foi verificado a importância do aleitamento materno no estado nutricional da criança. Para as análises foram utilizados os pacotes estatísticos SAS e R. Os resultados indicam que as probabilidades estimadas utilizando os dois pacotes computacionais são bastantes próximas, apesar do pacote SAS utilizar o método GEE1, e o R utilizar o método GEE2, que são métodos diferentes provenientes de extensões do GEE. As estimativas oferecidas pelo R são sempre um pouco menores que as oferecidas pelo SAS