Métodos para estimar razón de prevalencia en estudios de cohorte transversal

Resumen

OBJETIVO: Comparar empíricamente las regresiones de Cox, log-binomial, Poisson y logística para estimar razones de prevalencia en estudios de cohorte transversal. MÉTODOS: Fueron utilizados datos de un estudio epidemiológico transversal (n=2.072), de base poblacional, realizado con ancianos en la ciudad de Sao Paulo (Sureste de Brasil), entre mayo de 2003 y abril de 2005. Diagnósticos de demencia, posibles casos de trastorno mental común y autopercepción de salud pésima fueron escogidos como resultados con prevalencia baja, intermedia y alta, respectivamente. Fueron utilizadas variables de confusión con dos o más categorías o valores continuos. Valores de referencia para estimaciones por punto y por intervalo para las razones de prevalencia (RP) fueron obtenidos por el método de estratificación de Mantel-Haenszel. Estimaciones ajustadas fueron calculadas utilizando regresiones de Cox y Poisson con varianza robusta, y regresión log-binomial. Odds ratios (OR) brutos y ajustados fueron obtenidos por la regresión logística. RESULTADOS: Las estimaciones por punto y por intervalo obtenidas por las regresiones de Cox y Poisson fueron semejantes a la obtenida por la estratificación de Mantel-Haenszel, independientemente de la prevalencia del resultado y de las covariables del modelo. El modelo log-binomial presentó dificultad de convergencia cuando el resultado tenía prevalencia alta y había convariable continua en el modelo. La regresión logística produjo estimaciones por punto y por intervalo mayores de las obtenidas por los otros métodos, principalmente para los resultados con mayores prevalencia iniciales. Si se interpretaban como estimaciones de RP, los OR superestimarían las asociaciones para los resultados con prevalencia inicial baja, intermedia y alta en 13%, casi 100% y cuatro veces mas, respectivamente. CONCLUSIONES: En análisis de datos de estudios de cohorte transversal, los modelos Cox y Poisson con varianza robusta son mejores alternativas que la regresión logística. El modelo de regresión log-binomial produjo estimaciones sin sesgo de la RP, pero puede presentar dificultad de convergencia cuando el resultado es muy frecuente y la variable de confusión es continua.