📊 statistics

Sample Size Determination Under Selection Bias: Robust Tolerance Limits for Prevalent Cohort Data

Este artigo deriva e valida fórmulas modificadas de limites de tolerância livres de distribuição que acomodam vários esquemas de amostragem enviesados, como viés de peso e censura, para abordar as limitações dos métodos tradicionais quando amostras representativas não enviesadas não estão disponíveis, demonstrando sua aplicação com dados de demência do Estudo Canadense de Saúde e Envelhecimento.

Autores originais: James H. McVittie, Martin Lysy, Masoud Asgharian

Publicado 2026-05-20

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: James H. McVittie, Martin Lysy, Masoud Asgharian

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um padeiro tentando descobrir quantos biscoitos assar para garantir que, se você pegar dois biscoitos específicos da bandeja (digamos, o 3º menor e o 10º maior), o espaço entre eles contenha pelo menos 80% de todos os tamanhos de biscoitos que você poderia ter feito.

No mundo da estatística, isso é chamado de encontrar um limite de tolerância. Há décadas, os estatísticos têm uma receita famosa e simples (a fórmula de Scheffé-Tukey) para responder a essa pergunta. A receita funciona perfeitamente se sua bandeja de biscoitos for uma amostra aleatória e justa de todo o lote. Se você escolher os biscoitos às cegas, a matemática se sustenta.

O Problema: A Bandeira "Viciada"
No entanto, na vida real — especialmente em estudos médicos como o acompanhamento de pacientes com demência —, muitas vezes você não consegue obter uma bandeja justa e aleatória. Você pode acabar apenas com biscoitos que são "mais longos" ou "mais pesados" devido à forma como os coletou.

A Analogia: Imagine que você está estudando quanto tempo as pessoas vivem com uma doença. Se você só começar a observar as pessoas depois de elas já terem estado doentes por um tempo (uma "coorte prevalente"), é mais provável que encontre as pessoas que sobrevivem por mais tempo. Os pacientes de vida curta já faleceram e são invisíveis para você.
O Resultado: Sua amostra está viciada. É como uma bandeja onde apenas os biscoitos maiores foram permitidos a permanecer. Se você usar a receita antiga e simples nessa bandeja viciada, calculará que precisa de muito poucos biscoitos para obter sua cobertura de 80%. Mas, na realidade, você estará muito longe da verdade. Você achará que tem dados suficientes, mas não terá.

A Solução: Novas Receitas para um Mundo Viciado
Os autores deste artigo, James McVittie, Martin Lysy e Masoud Asgharian, perceberam que a receita antiga falha quando os dados são viciados. Eles criaram duas novas "receitas" (métodos) para corrigir a matemática para que funcione mesmo quando sua amostra for distorcida.

O Método da "Desigualdade" (O Preparador Excessivo):
Este método tenta ser seguro usando uma série de regras lógicas do tipo "se-então". É como um padeiro que, preocupado com a bandeja viciada, decide assar muito mais biscoitos do que o necessário apenas para ter certeza absoluta.
- O Problema: Funciona, mas é desperdiçador. Ele diz para você coletar uma quantidade massiva de dados (uma amostra enorme) para estar seguro, frequentemente superestimando o que você realmente precisa.
O Método "FFT" (O Chef de Precisão):
Este é o destaque do artigo. "FFT" significa Transformada Rápida de Fourier, que é uma ferramenta matemática sofisticada que atua como um liquidificador de alta velocidade para curvas de probabilidade.
- Como funciona: Em vez de adivinhar ou usar regras soltas, este método pega a forma dos seus dados viciados e matematicamente "des-liquidifica" para ver como era a distribuição original e justa. Em seguida, calcula o número exato de biscoitos (tamanho da amostra) necessário.
- O Resultado: É incrivelmente preciso. Ele diz o número exato de pessoas que você precisa estudar para obter sua cobertura de 80%, nem mais nem menos.

A Prova: A Simulação e o Teste Real
Os autores testaram essas novas receitas de duas maneiras:

A Simulação: Eles criaram dados falsos de computador onde conheciam a resposta "verdadeira". Quando usaram a receita antiga em dados viciados, ela falhou miseravelmente (prevendo que precisavam de poucas pessoas). O método da "Desigualdade" foi excessivamente cauteloso (prevendo muitas pessoas demais). O método FFT acertou o alvo todas as vezes.
O Teste do Mundo Real: Eles aplicaram isso a dados reais do Estudo Canadense de Saúde e Envelhecimento (CSHA), que acompanha pessoas com demência. Como este estudo só captura pessoas que já foram diagnosticadas (uma amostra viciada), a matemática antiga teria dado a resposta errada. Usando seu novo método FFT, eles calcularam exatamente quantos participantes a mais seriam necessários para ter confiança estatística.

A Conclusão
Se você estiver fazendo um estudo onde seus dados são naturalmente "viciados" (como observar pessoas que já sobreviveram a uma doença por um tempo), não use a antiga e simples fórmula matemática. Ela mentirá para você.

Em vez disso, use o novo método FFT proposto neste artigo. É como fazer a transição de uma estimativa grosseira para uma calculadora guiada a laser. Ele garante que você não desperdice dinheiro e tempo coletando muitos dados, nem arrisque falhar em seu estudo coletando poucos dados. É a maneira mais eficiente de lidar com dados desordenados do mundo real.

Resumo Técnico: Determinação do Tamanho da Amostra Sob Viés de Seleção

Declaração do Problema
A determinação de tamanhos de amostra suficientes para estudos estatísticos é crítica para garantir a potência do teste de hipóteses e capturar a maioria da distribuição da população. O quadro clássico para este problema, estabelecido por Scheffé e Tukey (1944), fornece uma fórmula livre de distribuição que relaciona o tamanho da amostra à cobertura da população usando estatísticas de ordem. No entanto, esta fórmula depende da suposição estrita de uma amostra aleatória e não viesada da população-alvo. Em aplicações biológicas e médicas, restrições logísticas frequentemente impedem tal amostragem, levando a desenhos viesados, como estudos de coorte prevalente, amostragem enviesada por comprimento e dados de tempo de falha censurados. Quando a fórmula clássica de Scheffé-Tukey é aplicada a essas amostras viesadas, ela produz estimativas de tamanho de amostra incorretas e probabilidades de cobertura inadequadas. Abordagens recentes existentes para dados censurados frequentemente dependem de suposições restritivas, como distribuições exponenciais de tempo de falha. Este artigo aborda a necessidade de fórmulas de tamanho de amostra robustas que acomodem esquemas gerais de amostragem viesada sem se restringir a formas paramétricas específicas, como a distribuição exponencial.

Metodologia
Os autores propõem extensões à fórmula de Scheffé-Tukey para lidar com uma grande classe de esquemas de amostragem viesada, incluindo viés de peso e censura. Diferentemente do caso não viesado, as fórmulas modificadas não são livres de distribuição; elas requerem conhecimento a priori (ou estimação) tanto da distribuição da população-alvo ( $F$ ) quanto da distribuição de amostragem viesada ( $G$ ). O artigo descreve duas abordagens principais para resolver a desigualdade do problema de cobertura $P[F(Y_{n-m+1}) - F(Y_r) \geq q] \geq 1 - \alpha$ , onde $Y$ representa estatísticas de ordem da distribuição viesada:

Abordagem de Desigualdade Analítica: Este método aproxima o problema de cobertura bilateral tratando as estatísticas de ordem como aproximadamente independentes e utilizando uma sequência de desigualdades unilaterais. Emprega uma aproximação linear por partes do mapeamento de quantis $\Phi^{-1} = F \circ G^{-1}$ . Embora isso produza uma solução analítica, os autores observam que a sequência de desigualdades fornece limites frouxos, frequentemente levando a uma superestimação do tamanho de amostra necessário.
Abordagem Computacional FFT: Para evitar a superestimação inerente ao método de desigualdade, os autores propõem uma abordagem computacional baseada na Transformada Rápida de Fourier (FFT). Assumindo independência entre estatísticas de ordem para tamanhos de amostra moderados, a função densidade de probabilidade (PDF) da diferença entre estatísticas de ordem é derivada via convolução de suas PDFs individuais. Esta convolução é calculada eficientemente usando a FFT. O método aproxima a integral da PDF resultante usando uma soma de Riemann em uma grade, permitindo a estimação numérica da probabilidade de cobertura e a subsequente busca de raiz para o tamanho da amostra $n$ .

O artigo detalha como os mapeamentos de quantis necessários ( $\Phi$ e $\Phi^{-1}$ ) podem ser obtidos em vários cenários: analiticamente para distribuições específicas, via simulação de Monte Carlo quando as distribuições são intratáveis, ou através de estimadores de máxima verossimilhança não paramétricos (EMVNP) usando dados de estudo piloto.

Principais Resultados
Os métodos propostos foram validados por meio de um extenso estudo de simulação e uma aplicação a dados do mundo real:

Estudo de Simulação: Usando populações-alvo distribuídas conforme a distribuição Gama com taxas de risco variáveis e amostragem enviesada por comprimento com censura à direita, o estudo comparou a fórmula clássica de Scheffé-Tukey, a abordagem de Desigualdade e a abordagem FFT.
- A fórmula de Scheffé-Tukey consistentemente subestimou o tamanho de amostra necessário, resultando em probabilidades de cobertura empíricas significativamente inferiores ao nível nominal de 95%.
- A abordagem de Desigualdade tendeu a superestimar o tamanho da amostra, produzindo probabilidades de cobertura próximas a 100%, o que se torna menos eficiente à medida que as taxas de censura aumentam.
- A abordagem FFT identificou com sucesso o tamanho de amostra correto, alcançando probabilidades de cobertura empíricas próximas ao nível nominal de 0,95 em todos os cenários. O custo computacional foi encontrado como negligenciável (tipicamente abaixo de 0,1 segundos).
Aplicação aos Dados do CSHA: Os métodos foram aplicados a dados do Canadian Study of Health and Aging (CSHA), um estudo de coorte prevalente de pacientes com demência com tempos de falha enviesados por comprimento e censurados à direita. Usando os dados do CSHA como estudo piloto para estimar as distribuições, os autores calcularam tamanhos de amostra necessários para várias configurações de estatísticas de ordem.
- Os resultados espelharam as descobertas da simulação: Scheffé-Tukey produziu os menores tamanhos de amostra, a abordagem de Desigualdade produziu os maiores, e a abordagem FFT produziu valores intermediários.
- Os autores observam que, embora os tamanhos de amostra calculados fossem menores que o tamanho da coorte existente do CSHA, a comparação destaca a divergência substancial nas estimativas entre os métodos quando há viés presente.

Significado e Alegações
O artigo alega que a fórmula clássica de Scheffé-Tukey é inválida para regimes de amostragem viesada, levando a desenhos de estudo estatisticamente insustentáveis. A contribuição principal é a derivação e validação de fórmulas de tamanho de amostra modificadas que contabilizam o viés de seleção e a censura. Os autores enfatizam que, embora esses métodos requeiram conhecimento das distribuições subjacentes (ou a capacidade de estimá-las por meio de estudos piloto), eles oferecem uma correção necessária à prática padrão.

Os autores concluem modestamente que a abordagem baseada em FFT é o método recomendado para calcular tamanhos de amostra de limites de tolerância sob amostragem viesada. Eles argumentam que o custo computacional negligenciável do método FFT é justificado pelo aumento significativo na precisão em comparação tanto com a fórmula clássica quanto com a abordagem conservadora de desigualdade. O trabalho fornece um quadro prático para pesquisadores lidando com dados de coorte prevalente, garantindo que os cálculos de tamanho de amostra reflitam as complexidades dos desenhos de amostragem viesada, em vez de depender de suposições idealizadas de não viés.

Resumo Técnico: Determinação do Tamanho da Amostra Sob Viés de Seleção

Mais como este