Efficient estimation of relative risk, odds ratio and their logarithms for rare events

Resumo Técnico: Estimação Eficiente de Risco Relativo e Razão de Chances para Eventos Raros

1. Problema e Motivação

O artigo aborda o problema de estimar parâmetros de associação entre duas populações binárias (distribuições de Bernoulli com probabilidades $p_1$ e $p_2$), especificamente:

• Risco Relativo (RR): $p_1/p_2$
• Razão de Chances (Odds Ratio - OR): $p_1(1-p_2) / [p_2(1-p_1)]$
• Suas versões logarítmicas: Log Risco Relativo (LRR) e Log Razão de Chances (LOR).

O foco principal é garantir uma acurácia pré-especificada (definida em termos de Erro Quadrático Médio Relativo para RR/OR ou Erro Quadrático Médio para as versões logarítmicas) utilizando amostragem sequencial. O desafio reside em desenvolver estimadores que sejam eficientes (requerendo o menor número possível de amostras) especialmente quando os eventos de interesse são raros ($p_1, p_2$ pequenos), uma situação comum em epidemiologia e ciências sociais.

2. Metodologia Proposta

A abordagem proposta baseia-se em uma extensão da amostragem inversa binomial (IBS) para duas populações, utilizando um esquema de amostragem em pares (uma observação de cada população por vez). A metodologia consiste em três etapas principais:

1. Transformação de Probabilidade (Fábrica de Bernoulli):
   O autor propõe algoritmos para gerar uma sequência de variáveis de Bernoulli independentes $Y$ com um parâmetro $p$ específico, derivado de $p_1$ e $p_2$, tal que as odds de $Y$ correspondam ao RR ou OR desejado.

   • Para RR/LRR: Utiliza-se o Algoritmo 1, que seleciona aleatoriamente uma das populações e amostra até obter um resultado não nulo, transformando a probabilidade para $p = p_1 / (p_1 + p_2)$.
   • Para OR/LOR: Utiliza-se o Algoritmo 2, uma extensão do método de von Neumann, que amostra pares $(X_1, X_2)$ e descarta casos onde $X_1 = X_2$, gerando $p = p_1(1-p_2) / [p_1(1-p_2) + p_2(1-p_1)]$.

2. Estimação Sequencial (IBS Dupla):
   Uma vez gerada a sequência $Y$, aplica-se um procedimento de amostragem inversa binomial em duas etapas:

   • Coletar amostras de $Y$ até obter $r + \alpha$ sucessos (onde $\alpha=1$ para RR/OR e $\alpha=0$ para LRR/LOR).
   • Coletar amostras de $Y$ (com sucesso/falha trocados) até obter $r - \alpha$ falhas.
   • O estimador $\hat{\zeta}$ é calculado a partir do número total de amostras necessárias ($V'$ e $V''$) usando fórmulas que garantem a inviés (unbiasedness) e controlam a variância.

3. Controle de Acurácia e Eficiência de Amostragem:
   O parâmetro $r$ é escolhido com base no alvo de acurácia $A$ para garantir que o erro quadrático médio (MSE) ou o MSE relativo seja inferior a $A$. O artigo lida com a assimetria no número de amostras necessárias de cada população ($U_1$ e $U_2$) adotando uma abordagem "conservadora": amostras são coletadas em pares, e qualquer excesso de uma população é descartado, definindo o número total de pares como $U = \max(U_1, U_2)$.

3. Contribuições Principais

• Novos Estimadores Sequenciais: Proposta de estimadores que garantem uma acurácia estrita para qualquer $p_1, p_2 \in (0,1)$, sem necessidade de conhecimento prévio dos parâmetros.
• Alta Eficiência para Eventos Raros: Demonstração teórica e empírica de que a eficiência dos estimadores (definida em relação ao limite de Cramér-Rao) se aproxima de 1 (100%) quando $p_1$ e $p_2$ são pequenos. Isso significa que o número de amostras necessárias é quase o mínimo teoricamente possível.
• Análise de Eficiência de Amostragem em Pares: O trabalho quantifica a perda de eficiência causada pela necessidade de amostrar em pares (quando $U_1 \neq U_2$), mostrando que essa perda é insignificante para eventos raros.
• Limites Inferiores Independentes de Parâmetros: Derivação de limites inferiores para a eficiência que não dependem da razão entre as probabilidades ($\theta = p_1/p_2$), apenas da magnitude das probabilidades, o que é crucial para aplicações práticas onde $\theta$ é desconhecido.

4. Resultados Chave

• Eficiência (Figuras 2-5): Simulações de Monte Carlo mostram que, para eventos raros (ex: $\sqrt{p_1 p_2} < 0.01$), a eficiência $\eta$ dos estimadores propostos supera significativamente métodos anteriores (como o de Mendo 2026 adaptado), atingindo valores próximos a 1.
• Comportamento Assintótico:
  • Para RR e LRR, quando $\sqrt{p_1 p_2} \to 0$, a eficiência tende a 1.
  • Para OR e LOR, a eficiência também tende a 1 sob condições de raridade, desde que a maior probabilidade individual ($\rho = \max(p_1, p_2)$) também seja pequena.
• Precisão do Limite Teórico: Os limites teóricos derivados (Teoremas 3 e 4) são mostrados como aproximações muito precisas dos valores simulados, validando a análise matemática.
• Impacto da Acurácia Alvo: A eficiência aumenta à medida que a acurácia alvo $A$ se torna mais rigorosa (menor), pois o parâmetro $r$ aumenta, tornando os termos de correção menos relevantes.

5. Significado e Conclusão

Este trabalho oferece uma solução robusta para a estimativa de medidas de associação em cenários de eventos raros, onde métodos tradicionais de amostragem fixa seriam ineficientes ou exigiriam tamanhos de amostra impraticáveis.

A principal contribuição prática é que os estimadores propostos permitem que pesquisadores garantam um nível de erro específico com um número de amostras quase ótimo, especialmente em estudos epidemiológicos onde a incidência de doenças é baixa. A metodologia é matematicamente elegante, transformando um problema de dois parâmetros em um problema de um parâmetro via "fábrica de Bernoulli", permitindo a aplicação de técnicas de amostragem inversa bem estabelecidas.

Em resumo, o artigo estabelece um novo padrão de eficiência para a estimação sequencial de RR e OR, provando que é possível alcançar a máxima eficiência teórica (limite de Cramér-Rao) na prática, desde que os eventos sejam raros.