Un estimador de riesgo para datos longitudinales con base en un modelo marginal para datos binarios

Abstract

Introducción: en el trabajo se propone un estimador de asociación para datos longitudinales, con base en el riesgo. Se presenta una propuesta tanto para el caso de asociación bruta entre un factor y un evento con su respectivo intervalo de confianza, como para el caso de asociación en presencia de variables de confusión. Objetivo: proponer un estimador de asociación para desenlaces dicotómicos, que tenga en cuenta el comportamiento del tiempo anterior, en estudios que involucran datos longitudinales. Métodos: se propone el estimador con base en la definición clásica de riesgo, haciendo uso de probabilidades condicionales. La construcción del intervalo de confianza se cimenta en el método Delta, por serie de Taylor de primer orden y se evalúan sus propiedades por medio de simulación. Finalmente, cuando existen variables de confusión, se hace uso de las Ecuaciones de Estimación Generalizadas (EEG). Resultados: el estimador propuesto tiene una interpretación razonable tanto desde el punto de vista epidemiológico como estadístico, la probabilidad de cobertura del intervalo de confianza es cercana al nivel de confiabilidad en la mayoría de los casos estudiados. Discusión: aunque en algunos casos la conclusión sobre asociación es similar con el estimador tradicional y con los estimadores propuestos; en la mayoría puede llegar a ser totalmente distinta. De otra parte, aún existen bastantes interrogantes por resolver en el campo de la estimación de asociación con datos longitudinales, especialmente cuando se tienen variables de confusión y se trabaja con otros tipos de modelos como los de efectos aleatorios o los de transición (Texto proporcionado por el autor).

Introduction: in this paper, an estimator of association based on risk for longitudinal data is proposed. Also, a proposal for the gross association between a factor and an event with its respective confidence interval, and the association in presence of confounding variables is presented. Objective: in studies involving longitudinal data, to propose an estimator for binary outcomes, which taking into account the behavior of the previous time. Methods: using conditional probabilities, an estimator based on the traditional definition of relative risk is proposed. The construction of the confidence interval is built by Taylor series of first-order (Delta method), and its properties are evaluated by simulation. Results: the proposed estimator has a reasonable interpretation both from the epidemiological and statistical. In most cases studied, the coverage probability of the confidence interval is close to the level of reliability. Discussion: there are still many questions unanswered in the field of the estimate of association with longitudinal data, especially when there are confounding variables, and models such as random effects or transitions are used.