Apesar de o número de estudos longitudinais
ter aumentado ao longo do tempo, os procedimentos para a análise desse tipo de
estudo não aumentaram na mesma velocidade. Algumas maneiras de tratar os
dados, que deveriam ter apenas interesse histórico, continuam na prática e
métodos que apenas reduzem estudos longitudinais a estudos transversais também
continuam em uso.
ter aumentado ao longo do tempo, os procedimentos para a análise desse tipo de
estudo não aumentaram na mesma velocidade. Algumas maneiras de tratar os
dados, que deveriam ter apenas interesse histórico, continuam na prática e
métodos que apenas reduzem estudos longitudinais a estudos transversais também
continuam em uso.
O dado
perdido é sempre um grande problema para a análise estatística. Mas dados
perdidos ocorrem principalmente porque alguns participantes se retiram do
estudo (dropouts) antes de o estudo terminar. Já foram propostas diversas
maneiras para resolver o problema.
perdido é sempre um grande problema para a análise estatística. Mas dados
perdidos ocorrem principalmente porque alguns participantes se retiram do
estudo (dropouts) antes de o estudo terminar. Já foram propostas diversas
maneiras para resolver o problema.
Algumas vezes, é
feita uma “análise completa” (complete analysis), isto é, uma análise em que são
considerados somente dados de participantes que completaram o estudo. Na
maioria das vezes, a amostra analisada nesses casos é diferente da amostra de
participantes que iniciaram o estudo. Se apenas pacientes cooperativos
completarem o estudo, os resultados podem ser tendenciosos.
feita uma “análise completa” (complete analysis), isto é, uma análise em que são
considerados somente dados de participantes que completaram o estudo. Na
maioria das vezes, a amostra analisada nesses casos é diferente da amostra de
participantes que iniciaram o estudo. Se apenas pacientes cooperativos
completarem o estudo, os resultados podem ser tendenciosos.
Outra maneira de contornar o problema é
considerar que medidas que seriam obtidas depois que o participante deixou de
comparecer seriam iguais à medida feita em sua última visita. Essa abordagem é
denominada “última observação levada adiante” (last observation carried forward – LOCF). Assumimos
assim que, uma vez que o participante abandonou o estudo, seu nível de resposta
permanecerá inalterado por longo tempo. Mas não há lógica em acreditar nisso.
No entanto, a abordagem LOCF continua a ser usada porque é conservadora. Uma crítica ao
uso da LOCF é a de que ela pode dar a falsa impressão de que essa é a forma
adequada de contornar ao problema dos dados perdidos. Então os pesquisadores
podem deixar de se preocupar com a falta de adesão à pesquisa científica e deixar de trabalhar contra
isso. E, ainda, cumpre lembrar que uma medida da qualidade do trabalho clínico é o número
de participantes que se apresentaram em todas as visitas.
considerar que medidas que seriam obtidas depois que o participante deixou de
comparecer seriam iguais à medida feita em sua última visita. Essa abordagem é
denominada “última observação levada adiante” (last observation carried forward – LOCF). Assumimos
assim que, uma vez que o participante abandonou o estudo, seu nível de resposta
permanecerá inalterado por longo tempo. Mas não há lógica em acreditar nisso.
No entanto, a abordagem LOCF continua a ser usada porque é conservadora. Uma crítica ao
uso da LOCF é a de que ela pode dar a falsa impressão de que essa é a forma
adequada de contornar ao problema dos dados perdidos. Então os pesquisadores
podem deixar de se preocupar com a falta de adesão à pesquisa científica e deixar de trabalhar contra
isso. E, ainda, cumpre lembrar que uma medida da qualidade do trabalho clínico é o número
de participantes que se apresentaram em todas as visitas.
Na
análise de dados longitudinais também é aplicada uma ANOVA de
modelo misto, ou seja, uma análise de variância em que cada participante da
pesquisa é tomado como um critério de classificação de efeitos aleatórios. Esse
tipo de análise é muitas vezes identificado como ANOVA para medidas repetidas.
Aqui, a pressuposição implícita é a de que a variação entre indivíduos é constante
ao longo do tempo. No entanto, parece mais razoável considerar que a variação
entre indivíduos mude ao longo do tempo. Considerando essa observação como
limitação, a ANOVA para medidas repetidas não deve ser usada para análise de
dados longitudinais.
análise de dados longitudinais também é aplicada uma ANOVA de
modelo misto, ou seja, uma análise de variância em que cada participante da
pesquisa é tomado como um critério de classificação de efeitos aleatórios. Esse
tipo de análise é muitas vezes identificado como ANOVA para medidas repetidas.
Aqui, a pressuposição implícita é a de que a variação entre indivíduos é constante
ao longo do tempo. No entanto, parece mais razoável considerar que a variação
entre indivíduos mude ao longo do tempo. Considerando essa observação como
limitação, a ANOVA para medidas repetidas não deve ser usada para análise de
dados longitudinais.
Em
uma tentativa de fornecer um tratamento mais geral aos dados longitudinais, com
suposições mais realistas sobre o processo de resposta longitudinal e com
procedimentos mais adequados para tratar dados ausentes, os pesquisadores
estatísticos desenvolveram uma ampla variedade de abordagens mais rigorosas
para a análise de dados longitudinais. Entre estes, estão os e modelos de
equações de estimativa generalizada (GEE).
VEJA:
1.
Laird NM. Missing data in longitudinal studies. Stat Med. 1988; 7:305–15. [PubMed] [Google Scholar]
Laird NM. Missing data in longitudinal studies. Stat Med. 1988; 7:305–15. [PubMed] [Google Scholar]
2.
Gibbons R D, Hedeker D, DuToit S. Advances in Analysis of Longitudinal Data. Annu Rev Clin Psychol. 2010 Apr 27; 6: 79–107.
Gibbons R D, Hedeker D, DuToit S. Advances in Analysis of Longitudinal Data. Annu Rev Clin Psychol. 2010 Apr 27; 6: 79–107.
