Inference from multivariate differential recruitment in respondent-driven sampling data

1. O Problema

O Amostragem Dirigida por Respondentes (RDS - Respondent-Driven Sampling) é um desenho de amostragem em cadeia utilizado para acessar populações ocultas ou de difícil acesso, onde não existem quadros de amostragem convencionais. Neste método, os participantes recrutam seus pares.

A inferência estatística no RDS tradicional depende fortemente da suposição de recrutamento aleatório, onde se assume que os participantes selecionam seus contatos com probabilidade igual. No entanto, a literatura recente demonstra que essa suposição é frequentemente irrealista, pois os indivíduos tendem a recrutar com base em preferências pessoais (ex: gênero, idade, status socioeconômico). Esse comportamento é conhecido como Recrutamento Diferencial (DR).

Problemas identificados:

• Viés de Estimação: Quando o recrutamento não é aleatório, as estimativas de prevalência (ex: proporção de uma doença ou característica) podem ser substancialmente enviesadas.
• Limitação dos Métodos Atuais: Trabalhos recentes corrigiram o viés considerando o DR, mas apenas para uma única variável categórica de cada vez (DR Univariado). Na realidade, o recrutamento é influenciado simultaneamente por múltiplos fatores (variáveis contínuas e categóricas), como idade, gênero, distância geográfica e natureza da relação. Ignorar essa multivariabilidade leva a erros de inferência.

2. Metodologia Proposta: Recrutamento Diferencial Multivariado (MDR)

O objetivo central do artigo é introduzir o Recrutamento Diferencial Multivariado (MDR), um novo quadro teórico que incorpora múltiplas covariáveis simultâneas no processo de amostragem.

A. Modelagem Estocástica

• Cadeia de Markov (MC): O processo de amostragem RDS é modelado como uma Cadeia de Markov onde os estados são os nós da rede social.
• Probabilidades de Transição: Diferente dos modelos anteriores, as probabilidades de transição $P_{ij}$ (probabilidade de o nó $i$ recrutar o nó $j$) dependem de um vetor de covariáveis $x_{ij}$.
  • $x_{ij}$ inclui atributos do nó alvo (ex: idade, gênero) e atributos simétricos do laço (ex: diferença de idade entre recrutador e recrutado).
  • A probabilidade é modelada como:
    $$P_{ij}^{MDR} = \frac{y_{ij} e^{x_{ij}^\top \beta}}{\sum_{l=1}^N y_{il} e^{x_{il}^\top \beta}}$$
    Onde $y_{ij}$ indica a existência do laço e $\beta$ são coeficientes desconhecidos que ponderam a influência de cada covariável.

B. Distribuição Estacionária e Estimadores

• Distribuição Estacionária: Os autores provam que, sob certas condições, essa MC possui uma distribuição estacionária única ($\pi_i^{MDR}$), que depende das covariáveis do nó e de seus vizinhos. Esta distribuição é usada para derivar as probabilidades de amostragem ponderadas.
• Estimadores Estendidos: Com base nas probabilidades de amostragem estimadas ($\hat{\pi}_i^{MDR}$), os autores estendem dois estimadores de prevalência existentes:
  1. $\hat{\mu}_{MDR}^{II}$: Uma extensão do estimador de Volz-Heckathorn (tipo II).
  2. $\hat{\mu}_{MDR}^{ego}$: Uma extensão do estimador de Lu (tipo ego), que utiliza a composição local da rede.
• Estimação de Parâmetros: Os coeficientes $\beta$ são estimados via Máxima Verossimilhança (MLE) utilizando a estrutura observada de recrutamento.

C. Estimativa de Variância

• Foi proposta uma modificação no método de Bootstrap de Vizinhança (Neighborhood Bootstrap - NB) de Yauck et al. (2022).
• Ajuste: O algoritmo original foi modificado para garantir que o tamanho da réplica bootstrap seja fixo e igual ao tamanho da amostra original ($n$), resolvendo problemas de variabilidade no tamanho da réplica que poderiam afetar a estimativa de erro padrão.

3. Contribuições Chave

1. Generalização do DR: Transição de modelos de DR univariado para multivariado, permitindo a inclusão de variáveis contínuas (ex: idade, distância) e categóricas simultaneamente.
2. Novos Estimadores: Desenvolvimento de estimadores de prevalência ($\hat{\mu}_{MDR}^{II}$ e $\hat{\mu}_{MDR}^{ego}$) que corrigem o viés de recrutamento baseado em múltiplas características.
3. Validação Teórica e Prática: Prova da existência de distribuição estacionária única para o modelo MDR e implementação de um procedimento de bootstrap ajustado para variância.
4. Aplicação Real: Implementação do método em um estudo real com imigrantes venezuelanos no Chile, demonstrando a viabilidade do método com dados reais (incluindo imputação de dados faltantes de contatos).

4. Resultados (Estudo de Simulação e Aplicação)

Estudo de Simulação

Foram simuladas 15 redes sociais com 1000 indivíduos, variando níveis de homofilia (tendência de conectar-se a semelhantes) e força do MDR.

• Viés: Na ausência de MDR, todos os estimadores são aproximadamente não viesados. Na presença de MDR, os estimadores tradicionais (como Volz-Heckathorn) e os de DR univariado apresentam viés crescente. Os novos estimadores MDR ($\hat{\mu}_{MDR}^{II}$ e $\hat{\mu}_{MDR}^{ego}$) mantêm-se quase não viesados.
• Erro Quadrático Médio (RMSE): O estimador $\hat{\mu}_{MDR}^{ego}$ apresentou consistentemente o menor RMSE, especialmente em cenários com alta homofilia e alto MDR.
• Cobertura de Intervalos de Confiança: Os estimadores MDR mantiveram taxas de cobertura de 95% próximas do nominal, enquanto estimadores tradicionais falharam (subcobertura) sob MDR. O estimador $\hat{\mu}_{MDR}^{II}$ tendeu a ser conservador (intervalos mais largos) em alguns cenários, enquanto $\hat{\mu}_{MDR}^{ego}$ foi mais preciso.

Aplicação Real (Venezuelanos no Chile)

• Dados: Estudo com 375 participantes venezuelanos em Santiago.
• Cenário Original: Com os dados originais (MDR moderado), as estimativas de prevalência de gênero foram similares entre os métodos, mas os estimadores do tipo ego ($\hat{\mu}_{MDR}^{ego}$) apresentaram menores erros padrão.
• Análise de Sensibilidade: Foi criado um cenário artificial com MDR forte (alterando dados de contatos para aumentar o viés de recrutamento por gênero e idade).
  • Neste cenário, as estimativas tradicionais e de DR univariado sofreram grandes alterações.
  • O estimador $\hat{\mu}_{MDR}^{ego}$ manteve-se robusto e apresentou o menor erro padrão, demonstrando superioridade na correção de viés complexo.

5. Significado e Conclusão

O artigo estabelece um avanço significativo na inferência estatística para populações de difícil acesso. Ao reconhecer que o recrutamento é um processo complexo influenciado por múltiplas dimensões (idade, gênero, relação), o modelo MDR oferece uma correção de viés mais precisa do que os métodos anteriores.

• Implicação Prática: Pesquisadores que utilizam RDS devem buscar coletar informações detalhadas sobre os contatos (alters) dos participantes (não apenas sobre os recrutados), pois isso permite a aplicação do modelo MDR e reduz erros não amostrais.
• Recomendação: O estimador $\hat{\mu}_{MDR}^{ego}$ é recomendado como a melhor opção geral, oferecendo o melhor equilíbrio entre viés reduzido e variância, especialmente em redes com homofilia e recrutamento não aleatório.

Em suma, a metodologia proposta transforma o RDS de uma ferramenta que assume recrutamento aleatório para um modelo que explicitamente quantifica e corrige os padrões de recrutamento preferencial, aumentando a confiabilidade das estimativas de saúde pública e sociológicas.