Estimating Association Between Paired Outcomes in Clustered Data with Informative Subgroup Size

Resumo Técnico: Estimativa de Associação entre Resultados Pareados em Dados Agrupados com Tamanho de Subgrupo Informativo

Declaração do Problema
Na pesquisa biomédica e em saúde pública, particularmente em epidemiologia odontológica, os dados frequentemente exibem uma estrutura agrupada onde as unidades observacionais (por exemplo, dentes) estão aninhadas dentro de agrupamentos (por exemplo, pacientes). Um desafio crítico na análise desses dados é o Tamanho de Agrupamento Informativo (ICS), onde o número de unidades dentro de um agrupamento está associado ao resultado. Métodos padrão frequentemente falham em distinguir entre inferências médias por participante e médias por agrupamento, levando a estimativas marginais enviesadas quando agrupamentos maiores (por exemplo, pacientes com mais dentes) são implicitamente ponderados com maior peso.

Embora a literatura existente tenha abordado o ICS por meio de métodos como Reamostragem Dentro do Agrupamento (WCR) e Equações de Estimação Generalizadas Ponderadas por Agrupamento (CWGEE), uma lacuna específica permanece em relação ao Tamanho de Subgrupo Informativo (ISS). O ISS ocorre não apenas quando o tamanho total do agrupamento é informativo, mas também quando a composição de subgrupos dentro de um agrupamento (por exemplo, a distribuição de dentes através de estratos de gravidade periodontal) está associada ao resultado. Trabalhos anteriores desenvolveram métodos ponderados por subgrupo para médias marginais e efeitos de regressão, mas havia uma falta de metodologia especificamente projetada para estimar associação bivariada (por exemplo, correlação entre cárie e doença periodontal) quando tanto o tamanho total do agrupamento quanto a composição de subgrupos dentro do agrupamento são informativos.

Metodologia
Os autores propõem uma estrutura para estimar medidas de associação (coeficientes de Pearson, Spearman e Phi) entre resultados pareados em dados agrupados sob condições de ICS e ISS. O núcleo da metodologia envolve a definição de três esquemas de ponderação específicos derivados de desenhos hipotéticos de reamostragem dentro do agrupamento. Esses pesos são construídos substituindo estimadores de reamostragem aleatória por suas expectativas condicionais dadas os dados observados.

Seja $M$ o número de agrupamentos, $n_i$ o tamanho do agrupamento $i$, e $(X_{ij}, Y_{ij})$ os resultados pareados. Os resultados são mapeados para representações categóricas $K_{ij}$ e $L_{ij}$. Os pesos propostos $\omega_{ij}$ são:

1. Pesos de Par Populacional (PPW): Assume que todas as categorias pareadas possíveis na população-alvo são relevantes. O peso é inversamente proporcional ao número de unidades no agrupamento que compartilham a categoria pareada específica ($n_{iP}$).
   $$\omega_{ij}^{PPW} = \frac{1}{n_{iP}}$$
   Isso visa uma população onde cada categoria de par possível é igualmente representada, independentemente de um agrupamento específico realizar todos os pares.

2. Pesos de Par Observado (OPW): Restringe a inferência às categorias pareadas distintas realmente observadas dentro de um agrupamento. O peso é inversamente proporcional ao produto do número de categorias pareadas observadas no agrupamento ($N_{iP}$) e a contagem de unidades naquela categoria específica ($n_{iP}$).
   $$\omega_{ij}^{OPW} = \frac{1}{N_{iP} n_{iP}}$$
   Isso equaliza a contribuição das categorias pareadas observadas dentro de cada agrupamento.

3. Pesos de Par Marginalmente Observado (MOPW): Visa a cruzamento induzido pelas categorias marginais observadas para cada resultado. Considera todas as combinações de categorias $K$ e $L$ observadas, mesmo que alguns pares não sejam observados (resultando em um "sorteio nulo"). O peso é:
   $$\omega_{ij}^{MOPW} = \frac{1}{N_{iK} N_{iL} n_{iP}}$$
   Esta abordagem equilibra a estrutura da categoria marginal sem renormalizar apenas sobre os pares observados.

Para determinar se o ISS está presente, os autores adaptam um procedimento de teste de Anyaso-Samuel e Datta. Eles empregam um método de combinação inversa-normal de Stouffer para particionar grandes conjuntos de dados em subconjuntos disjuntos, calcular estatísticas baseadas em postos no nível do subconjunto e combinar valores $p$. Esta modificação aborda o ônus computacional de testes de permutação de amostra completa em grandes conjuntos de dados odontológicos.

A variância dos estimadores é calculada usando uma forma de sanduíche com o método delta aplicado aos funcionais de correlação.

Resultados da Simulação
Um estudo de simulação foi conduzido usando um modelo Gaussiano latente para gerar resultados pareados agrupados com mecanismos controláveis de ICS e ISS. O estudo avaliou o desempenho dos pesos propostos contra estimadores padrão não ponderados e CWGEE (ponderação inversa pelo tamanho do agrupamento).

• Teste de ISS: O teste de ISS combinado por Stouffer performou conforme o previsto, identificando corretamente estruturas de subgrupos informativos quando associações no nível da unidade induziam membresia de subgrupo correlacionada (produzindo valores $p$ muito pequenos) e permanecendo não rejeitador em configurações sem tal informatividade.
• Desempenho de Estimação: Os resultados foram mistos em relação aos pesos de subgrupo propostos. A ponderação padrão CW (inversa pelo tamanho do agrupamento) permaneceu a mais estável e confiável em todas as configurações de simulação. Em contraste, o estimador PPW frequentemente exibiu viés substancial e probabilidades de cobertura empírica pobres. Os estimadores OPW e MOPW mostraram desempenho variável, às vezes melhorando a cobertura, mas frequentemente falhando em superar uniformemente o CW.
• Conclusão da Simulação: Os pesos de subgrupo propostos não melhoram uniformemente a estimação da correlação-alvo em comparação com o CW. Consequentemente, são melhor interpretados como esquemas alternativos de marginalização para análise de sensibilidade, em vez de estimadores primários definitivos.

Aplicação aos Dados do NHANES
A metodologia foi aplicada a dados ao nível do dente do Inquérito Nacional de Saúde e Nutrição (NHANES), analisando a associação entre resultados periodontais (Perda de Aderência Clínica e Profundidade de Bolso) e resultados de cárie (Superfícies Cariadas e Restauradas).

• Detecção de ISS: Os testes de ISS revelaram que a informatividade do tamanho do subgrupo não era uniforme. Evidência significativa de ISS foi encontrada para pares envolvendo superfícies restauradas (FS e FSI), provavelmente refletindo a influência do histórico de tratamento na retenção dentária. Pares envolvendo superfícies cariadas (DS e DSI) mostraram pouca evidência de ISS.
• Estimativas de Associação: Todas as associações estimadas foram positivas, mas modestas (geralmente abaixo de 0,20). As associações foram mais fortes para medidas de cárie de dente inteiro em comparação com medidas apenas interproximais.
• Impacto da Ponderação: A escolha do esquema de ponderação alterou materialmente as correlações estimadas. Para resultados de superfícies restauradas, as estimativas ponderadas por subgrupo foram frequentemente menores do que as estimativas não ponderadas ou CW. Para superfícies cariadas, a direção da mudança foi menos uniforme.
• Interpretação: Os autores concluem que a dentição observada não deve ser tratada como uma coleção intercambiável de dentes. A associação periodontal-cárie estimada é sensível ao esquema de marginalização induzido pela escolha da ponderação.

Significância e Alegações
O artigo alega preencher uma lacuna metodológica ao estender tradições de estimação ponderada (WCR, CWGEE, DWGEE) para o contexto específico de associação bivariada pareada sob ICS e ISS.

• Contribuição Primária: O desenvolvimento de três pesos específicos (PPW, OPW, MOPW) que permitem aos pesquisadores definir e estimar associação sob diferentes alvos populacionais marginais quando a composição do subgrupo é informativa.
• Utilidade Prática: A introdução do teste de ISS combinado por Stouffer fornece uma maneira computacionalmente viável de detectar estruturas de subgrupos informativos em dados agrupados em grande escala.
• Conclusão Modesta: Os autores afirmam explicitamente que os resultados da simulação não suportam os pesos de subgrupo propostos como substitutos uniformemente superiores ao CW. Em vez disso, eles posicionam esses pesos como ferramentas para análise de sensibilidade. A recomendação primária é usar o CW como o estimador principal, enquanto utiliza as estimativas ponderadas por subgrupo para avaliar a robustez das conclusões a diferentes pressupostos de marginalização. O artigo enfatiza que, em aplicações odontológicas, onde a presença do dente é uma consequência do histórico de doença, distinguir entre estimação primária e análise de sensibilidade é central para uma inferência válida.