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

Título: Ancoragem de Amostras de Inquéritos de Conveniência a um Censo Baseline para Monitoramento de Cobertura Vacinal na Saúde Global

1. O Problema

O monitoramento da cobertura vacinal é um indicador crucial para a saúde global, mas os métodos padrão-ouro (inquéritos probabilísticos) são frequentemente inviáveis em contextos de recursos limitados devido aos altos custos e desafios logísticos, especialmente em áreas rurais remotas.

• Desafio Atual: Há uma tendência crescente de substituir inquéritos probabilísticos por inquéritos de conveniência (não probabilísticos) para reduzir custos. No entanto, esses métodos sofrem de viés de seleção significativo, pois a amostra não é representativa da população.
• Limitação da Correção: Métodos estatísticos para corrigir viés de seleção geralmente assumem "ignorabilidade" (o viés depende apenas de covariáveis observadas). Em cenários do mundo real, o viés pode ser "não ignorável" (depende de fatores não observados), tornando as correções estatísticas arriscadas sem uma base de referência robusta.
• Necessidade: Existe uma lacuna na literatura sobre a validade de métodos de ajuste estatístico para inquéritos de conveniência ancorados a um censo baseline no contexto de monitoramento de vacinas infantis em países de baixa renda.

2. Metodologia

Os autores realizaram um estudo de simulação motivado por um programa real de monitoramento de vacinas em áreas rurais de Ngouri (Chade) e Mirriah (Níger).

• Desenho do Estudo (Híbrido):
  • Fase 1 (Baseline): Um censo probabilístico exaustivo foi realizado em todas as aldeias (381 aldeias no total), coletando dados demográficos e status vacinal (MCV1) de crianças de 12 a 24 meses.
  • Fase 2 (Follow-up): Um inquérito de conveniência foi simulado, onde apenas cuidadores que compareciam a treinamentos de grupo sobre circunferência do braço (MUAC) eram entrevistados.
• Métodos de Ajuste Avaliados:
  1. Calibração de Pesos (Baseada em Propensão): Ajusta os pesos de amostragem para que as covariáveis da amostra coincidam com os totais populacionais conhecidos do censo.
  2. Imputação baseada em Regressão Logística (Modelo): Usa um modelo de regressão logística ajustado na amostra de conveniência para prever/imputar o status vacinal para toda a população do censo.
• Mecanismo de Geração de Dados (DGM):
  • Simularam 54 cenários combinando:
    • Taxas de participação no inquérito de conveniência: 50%, 65%, 80%.
    • Proporção de aldeias amostradas: 25%, 50%, 75%.
    • Grau de viés de seleção não ignorável (Odds Ratio - OR): 1.0 (ignorado) a 1.5 (alto).
  • Utilizaram modelos de efeitos mistos logísticos para gerar o status vacinal e a probabilidade de inclusão na amostra.
• Métricas de Desempenho: Viés, Cobertura de Intervalo de Confiança (95%) e Tolerância de Equivalência (Teste TOST com margens de 5% e 7,5%).

3. Principais Contribuições

• Validação Prática: É um dos primeiros estudos a avaliar empiricamente a eficácia de métodos de correção de viés em inquéritos de conveniência ancorados a um censo específico de uma população-alvo (e não apenas um censo nacional amplo).
• Análise de Sensibilidade ao Viés Não Ignorável: O estudo vai além da teoria da ignorabilidade, testando a robustez dos métodos sob condições de viés de seleção não ignorável (OR até 1.5), que é comum em cenários reais onde a participação depende de fatores não medidos.
• Guia para Planejamento de Inquéritos: Fornece evidências quantitativas para que gestores de saúde decidam entre aumentar o tamanho da amostra (mais aldeias) ou aumentar a taxa de participação dentro das aldeias.

4. Resultados

• Desempenho Geral: Ambos os métodos (Calibração e Regressão Logística) apresentaram desempenho aceitável em cenários realistas.
  • Viés: Em cenários piores (OR 1.5, 25% de aldeias, 50% de participação), o viés empírico foi de 2,1% ou menos.
  • Cobertura: Em cenários mais realistas (OR ≤ 1.2), a cobertura foi próxima de 95%.
• Fator Crítico: Taxa de Participação: A taxa de participação dos cuidadores nas aldeias amostradas foi o fator mais influente.
  • Uma alta taxa de participação (80%) compensou significativamente o viés de seleção e a baixa cobertura de aldeias.
  • Baixas taxas de participação (50%) degradaram o desempenho, reduzindo a cobertura do IC para ~70% e aumentando o viés.
• Impacto do Número de Aldeias: Aumentar o número de aldeias amostradas reduziu a variância do estimador, mas não corrigiu o viés inerente à seleção. Em alguns casos de alto viés, aumentar as aldeias sem aumentar a participação levou a intervalos de confiança mais estreitos, mas centrados em estimativas enviesadas, reduzindo a cobertura.
• Comparação de Métodos:
  • O método de Calibração mostrou-se mais robusto e conservador, especialmente quando o número de aldeias amostradas era baixo (25%), pois leva em conta a estrutura de cluster de forma mais adequada.
  • O método de Regressão Logística teve desempenho inferior em cenários com poucas aldeias, pois ignorou a correlação intra-classe (agrupamento) na estimação da variância.
• Equivalência: Sob a maioria dos cenários, incluindo viés extremo, a proporção de estimativas dentro da margem de equivalência de 7,5% foi superior a 90%.

5. Significado e Conclusão

O estudo conclui que a abordagem híbrida de ancorar inquéritos de conveniência a um censo baseline é uma opção viável e eficaz para o monitoramento de cobertura vacinal em saúde global, desde que certas condições sejam atendidas.

• Recomendação Prática: Os pesquisadores e formuladores de políticas devem priorizar recursos para maximizar a taxa de participação dentro das unidades amostradas (aldeias) em vez de focar apenas em aumentar o número total de aldeias ou o tamanho da amostra bruta.
• Escolha do Método: Recomenda-se o uso do método de calibração de pesos como análise primária devido à sua simplicidade, robustez sob viés não ignorável e menor dependência de suposições sobre a estrutura de correlação dos dados.
• Impacto: Esta abordagem oferece uma alternativa custo-efetiva ao inquérito probabilístico completo, permitindo que organizações de saúde global (como a ALIMA e a OMS) monitorem vacinas com precisão aceitável em ambientes de difícil acesso, utilizando simulações para guiar o desenho do estudo antes da coleta de dados.

Em suma, o trabalho valida estatisticamente que, com um censo de base robusto e estratégias de alta participação, é possível corrigir viéses significativos em inquéritos de conveniência, tornando-os uma ferramenta prática para a vigilância de saúde pública.