Anchoring Convenience Survey Samples to a Baseline Census for Vaccine Coverage Monitoring in Global Health

Resumen Técnico: Anclaje de Encuestas de Conveniencia a un Censo Base

1. Planteamiento del Problema

El monitoreo de la cobertura de vacunación es un indicador crítico para la salud global, pero las encuestas probabilísticas tradicionales (el estándar de oro recomendado por la OMS) son costosas, logísticamente complejas y a menudo inviables en áreas rurales remotas o con recursos limitados. Como resultado, existe una tendencia creciente hacia el uso de encuestas de conveniencia (muestreo no probabilístico).

Sin embargo, las encuestas de conveniencia sufren de sesgo de selección (bias), ya que los participantes no representan aleatoriamente a la población objetivo. Si no se corrige este sesgo, las estimaciones de cobertura vacunal pueden ser inexactas. El desafío principal es desarrollar un método viable y económico que utilice encuestas de conveniencia pero que pueda corregir estadísticamente el sesgo de selección para obtener estimaciones válidas de la población.

2. Metodología

Los autores diseñaron un estudio de simulación basado en un programa real de monitoreo de vacunas en áreas rurales de Ngouri (Chad) y Mirriah (Níger). El objetivo fue evaluar la viabilidad de un enfoque híbrido que ancla una encuesta de seguimiento de conveniencia a un censo probabilístico base previo.

• Diseño de Muestreo Simulado:

  • Etapa 1 (Base): Un censo exhaustivo de covariables poblacionales y estado de vacunación en todos los pueblos.
  • Etapa 2 (Seguimiento): Una encuesta de conveniencia donde los cuidadores asisten a capacitaciones grupales (sobre medición de circunferencia del brazo medio o MUAC).
  • Mecanismo de Sesgo: Se modeló un sesgo de selección no ignorable, donde la probabilidad de participar en la encuesta de conveniencia depende del estado de vacunación y otras covariables, controlado por un Odds Ratio (OR) de selección que varió de 1.0 (sesgo ignorable) a 1.5 (sesgo extremo).

• Métodos de Ajuste Evaluados:
  Se compararon dos enfoques estadísticos para corregir el sesgo utilizando los datos del censo base:

  1. Ponderación por Calibración (Calibration Weights): Un método basado en propensión (diseño). Ajusta los pesos de la muestra de conveniencia para que las totales de las covariables coincidan con las totales de la población del censo. No requiere un modelo funcional específico entre la covariable y el resultado.
  2. Imputación basada en Regresión Logística (Model-Based Prediction): Un método basado en modelos. Se ajusta un modelo de regresión logística en la muestra de conveniencia y se utiliza para imputar (predecir) el estado de vacunación para toda la población del censo, asumiendo transportabilidad del modelo.

• Parámetros de Simulación:

  • Factores variáveis: Tasa de participación (50%, 65%, 80%), proporción de pueblos muestreados (25%, 50%, 75%) y grado de sesgo de selección (OR 1.0 a 1.5).
  • Métricas de Rendimiento: Sesgo (Bias), Cobertura del 95% del intervalo de confianza, y Tolerancia de Equivalencia (proporción de estimaciones dentro de márgenes de error del 5% y 7.5%).

3. Contribuciones Clave

• Validación de un Enfoque Híbrido: El estudio demuestra empíricamente que es posible utilizar encuestas de conveniencia para monitorear la cobertura de vacunas si se anclan a un censo base y se aplican ajustes estadísticos adecuados.
• Evaluación de Sesgo No Ignorable: A diferencia de la literatura previa que asume a menudo que el sesgo es ignorable, este estudio prueba la robustez de los métodos bajo condiciones de sesgo no ignorable (cuando la participación está correlacionada con el resultado de vacunación).
• Guía Práctica para la Salud Global: Proporciona evidencia cuantitativa para que los diseñadores de encuestas prioricen la tasa de participación sobre el tamaño total de la muestra o el número de pueblos muestreados.

4. Resultados Principales

Los resultados de las 1000 repeticiones de simulación mostraron lo siguiente:

• Rendimiento General: Ambos métodos (Calibración y Regresión Logística) mostraron un rendimiento aceptable, con sesgos bajos (≤ 2.1%) y coberturas cercanas al 95% en escenarios realistas (OR ≤ 1.2).
• Impacto de la Tasa de Participación: Este fue el factor más influyente.
  • Con una alta tasa de participación (80%), ambos métodos funcionaron bien incluso con sesgos altos (OR 1.5).
  • Con bajas tasas de participación (50%), el rendimiento se deterioró significativamente (cobertura bajó a ~70% y el sesgo aumentó), independientemente del tamaño de la muestra.
• Impacto del Muestreo de Pueblos: Aumentar el porcentaje de pueblos muestreados (de 25% a 75%) redujo la varianza del estimador y mejoró la cobertura, pero no corrigió el sesgo si la tasa de participación individual era baja.
• Comparación de Métodos:
  • El modelo de Calibración mostró un rendimiento más robusto y conservador en la estimación de la varianza, especialmente cuando el número de pueblos muestreados era bajo, ya que el método de regresión logística ignoraba la estructura de agrupamiento (clustering) a nivel de pueblo.
  • Bajo el peor escenario simulado (OR 1.5, 25% de pueblos, 50% de participación), ambos métodos mantuvieron un sesgo bajo (<2.1%), aunque la cobertura de los intervalos de confianza disminuyó.
• Equivalencia: En la mayoría de los escenarios, la proporción de estimaciones que caían dentro de un margen de equivalencia de ±7.5% fue superior al 90%.

5. Significado e Implicaciones

Este estudio ofrece una solución práctica y rentable para el monitoreo de vacunas en entornos de recursos limitados:

1. Viabilidad Operativa: Confirma que las encuestas de conveniencia, cuando se combinan con un censo base y ajustes estadísticos, pueden proporcionar estimaciones de cobertura de vacunas lo suficientemente precisas para la toma de decisiones en salud pública.
2. Estrategia de Recursos: Se recomienda que las organizaciones de salud global (como ALIMA o la OMS) inviertan sus recursos limitados en maximizar la tasa de participación de los cuidadores en las encuestas de conveniencia, en lugar de intentar aumentar el número de pueblos o el tamaño total de la muestra. Una alta participación es más crítica para la validez que un tamaño de muestra masivo con baja participación.
3. Selección del Método: Se recomienda el uso de la ponderación por calibración como método principal para análisis futuros debido a su simplicidad, menor dependencia de supuestos de modelo y robustez ante la estructura de agrupamiento de los datos.
4. Futuras Investigaciones: El estudio sugiere que se deben explorar métodos "doble robusto" (doubly robust) y el uso de índices para aproximar la magnitud del sesgo no medible en tiempo real.

En conclusión, el artículo valida un marco metodológico que permite superar las limitaciones de costos y logística de las encuestas probabilísticas tradicionales, ofreciendo una vía viable para el monitoreo preciso de la cobertura vacunal en comunidades rurales remotas.