📊 statistics

Two-Phase Sampling Designs and Analysis Approaches for Ordinal Outcomes

Este artigo estende os planos de amostragem em duas fases para estudos com resultados ordinais, propondo três estratégias de amostragem informadas pelo resultado e desenvolvendo métodos de análise correspondentes que melhoram significativamente a eficiência da estimativa em relação à amostragem aleatória simples, conforme demonstrado por meio de simulações e de uma aplicação real em um ensaio clínico sobre sepse.

Autores originais: Yunbi Nam, Nathan I. Shapiro, Eric P. Schmidt, Wesley H. Self, Ran Tao, Jonathan S. Schildcrout

Publicado 2026-05-27

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yunbi Nam, Nathan I. Shapiro, Eric P. Schmidt, Wesley H. Self, Ran Tao, Jonathan S. Schildcrout

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 detetive tentando resolver um mistério sobre como uma pista específica e cara (vamos chamá-la de "Pista Dourada") afeta o resultado de saúde de um paciente. Você tem uma lista enorme de suspeitos (uma coorte de estudo) e, para todos nessa lista, já conhece algumas informações básicas e baratas, como idade, sexo e histórico geral de saúde. No entanto, encontrar a "Pista Dourada" para cada pessoa individualmente é caro demais e consome muito tempo. Você só tem orçamento para testá-la em um pequeno punhado de pessoas.

Este artigo é um guia sobre como escolher esse pequeno punhado de pessoas de forma inteligente e como analisar os resultados corretamente para não chegar à resposta errada.

O Problema: A Armadilha do "Tudo ou Nada"

No passado, se pesquisadores tivessem que escolher um pequeno grupo para testar a pista cara, poderiam simplesmente escolher nomes de um chapéu (Amostragem Aleatória Simples). Mas isso é ineficiente. Se você escolher um grupo aleatório, pode acabar perdendo os casos mais interessantes.

Por exemplo, se você está estudando uma doença que piora em estágios (leve, moderado, grave, crítico), escolher uma pessoa aleatória pode resultar em alguém com sintomas "moderados", o que não diz muito sobre os extremos. Você quer encontrar as pessoas no topo e no fundo da escala de gravidade para ver como a "Pista Dourada" se comporta em situações extremas.

A Solução: Três Maneiras Inteligentes de Escolher Sua Equipe

Os autores propõem três novas estratégias para escolher seu pequeno grupo (Fase 2) a partir da lista grande (Fase 1), tornando seu trabalho de detetive mais eficiente:

Amostragem Dependente do Resultado (ODS): "A Estratégia dos Extremos"
- A Metáfora: Imagine que você está procurando os melhores e os piores alunos de uma escola. Em vez de escolher alunos aleatoriamente, você olha especificamente para os 10% superiores e os 10% inferiores dos boletins.
- Como funciona: Você observa o resultado de saúde que todos já possuem (o boletim). Você escolhe deliberadamente mais pessoas com resultados muito leves e muito graves, e menos pessoas com resultados médios. Isso oferece uma visão "mais ampla" dos dados sem testar todos.
ODS Estratificada por Covariáveis (CSODS): "A Estratégia dos Extremos Agrupados"
- A Metáfora: Às vezes, o "boletim" é fortemente influenciado por algo mais, como o nível de série do aluno. Se você apenas escolher os alunos do topo e do fundo de toda a escola, pode acabar escolhendo acidentalmente apenas alunos do 1º e do 12º ano, perdendo as séries intermediárias.
- Como funciona: Primeiro, você divide seus suspeitos em grupos com base em um fator conhecido (como idade ou uma pontuação específica de saúde). Então, dentro de cada grupo, você escolhe os extremos. Isso garante que você obtenha uma visão equilibrada da "Pista Dourada" através de todos os diferentes tipos de pessoas, e não apenas dos extremos do grupo total.
Amostragem Dependente de Resíduos (RDS): "A Estratégia do Fator Surpresa"
- A Metáfora: Imagine que você tem uma bola de cristal que prevê a nota de um aluno com base em seus hábitos de estudo. A maioria dos alunos se encaixa bem na previsão. Mas alguns alunos são "surpresas" — estudaram muito mas tiraram nota baixa, ou não estudaram e tiraram A. Essas "surpresas" são as mais interessantes.
- Como funciona: Você usa os dados baratos para construir um modelo de previsão. Depois, você procura as pessoas cujo resultado de saúde real foi muito diferente do que o modelo previu (os "resíduos"). Você escolhe esses casos de "surpresa" porque eles contêm a maior quantidade de novas informações sobre a "Pista Dourada".

A Análise: Como Resolver o Quebra-Cabeça Sem Trapacear

Uma vez que você escolhe seu grupo inteligente, não pode simplesmente analisá-lo como um grupo normal. Se ignorar o fato de que você os escolheu especificamente, sua matemática será enviesada (como um juiz que ouve apenas as testemunhas mais barulhentas).

Os autores desenvolveram três "ferramentas" matemáticas para corrigir isso:

ACML (A Ferramenta de "Correção"): Este método olha apenas para as pessoas que você escolheu, mas adiciona um "fator de correção" matemático para levar em conta o fato de que você as escolheu de propósito. É como dizer: "Sei que escolhi mais casos extremos, então vou ajustar minha matemática para fingir que vi os casos médios também."
Imputação Múltipla (A Ferramenta de "Preencher os Espaços em Branco"): Este método é mais inteligente. Usa os dados das pessoas que você não escolheu (que ainda têm suas informações baratas) para adivinhar qual poderia ter sido o valor da "Pista Dourada" delas. Preenche as peças faltantes do quebra-cabeça várias vezes para criar uma imagem completa e depois faz a média dos resultados.
Verossimilhança Máxima Sieve (A Ferramenta de "Rede Flexível"): Este é um método sofisticado que não assume que a "Pista Dourada" segue uma forma específica. Em vez disso, usa uma "rede" flexível (splines matemáticos) para capturar a forma verdadeira dos dados, tornando-o muito robusto mesmo se os dados estiverem bagunçados.

O Que Eles Encontraram

Os autores realizaram milhares de simulações computacionais para testar essas ideias. Eles descobriram:

Eficiência: Usar essas estratégias inteligentes de escolha (ODS, CSODS, RDS) foi muito melhor do que escolher aleatoriamente. Você obtém respostas mais precisas com a mesma quantidade de dinheiro.
A Melhor Combinação: Quando um fator conhecido (como idade ou pontuação de saúde) prevê fortemente o resultado, as estratégias "Extremos Agrupados" (CSODS) e "Fator Surpresa" (RDS) funcionaram melhor.
A Melhor Matemática: Os métodos "Preencher os Espaços em Branco" (Imputação Múltipla) e "Rede Flexível" (Sieve) geralmente forneceram respostas mais precisas do que o método simples de "Correção", especialmente quando você tinha dados sobre as pessoas que não escolheu.

Teste do Mundo Real: O Ensaio CLOVERS

Para provar que isso funciona na vida real, eles aplicaram esses métodos a dados de um ensaio médico real chamado CLOVERS. Este ensaio analisou pacientes com sepse (uma infecção grave).

O Objetivo: Eles queriam ver se uma proteína específica no sangue (Interleucina-6, ou IL-6) estava ligada a quão doente o paciente estaria 14 dias depois.
O Resultado: Eles trataram o grupo completo de 1.351 pacientes como a lista da "Fase 1". Depois, simularam a escolha de apenas 400 pacientes para testar a IL-6 usando suas novas estratégias.
A Conclusão: As estratégias inteligentes (especialmente CSODS e RDS) permitiram que eles reconstruíssem a relação entre a proteína e a doença quase tão bem quanto se tivessem testado todos. Eles obtiveram uma imagem mais clara com menos dados.

Resumo

Este artigo fornece um novo regulamento para pesquisadores que têm dinheiro limitado para testar coisas caras. Em vez de adivinhar quem testar, você pode usar os dados que já possui para escolher as pessoas mais informativas. Depois, usa matemática especial para garantir que suas conclusões sejam precisas. Isso economiza dinheiro e tempo enquanto obtém melhores respostas científicas.

Resumo Técnico: Desenhos de Amostragem em Duas Fases e Abordagens de Análise para Resultados Ordinais

Enunciação do Problema
Ensaios clínicos modernos e estudos de coorte coletam rotineiramente dados de baixo custo (por exemplo, covariáveis basais, desfechos) em todos os participantes e armazenam biospecimens para análise futura. No entanto, medir exposições caras (por exemplo, biomarcadores, dados genômicos) para toda a coorte é frequentemente inviável devido a restrições de recursos. Desenhos de amostragem em duas fases abordam isso utilizando dados da Fase 1 para orientar a seleção direcionada de um subconjunto para medições da Fase 2. Embora desenhos de amostragem eficientes e métodos válidos de inferência baseados em verossimilhança tenham sido bem estabelecidos para resultados binários, contínuos e de tempo até o evento, eles ainda não foram estendidos a resultados ordinais. Desfechos ordinais são cada vez mais comuns na pesquisa clínica (por exemplo, escalas de gravidade da doença, progressão do estado clínico), mas as estruturas existentes de duas fases não acomodam sua natureza categórica ordenada.

Metodologia
Os autores propõem uma estrutura unificada para estudos em duas fases com resultados ordinais sob o modelo de Odds Proporcionais (PO). A estrutura consiste em dois componentes principais: desenhos de amostragem e métodos de análise.

Desenhos de Amostragem da Fase 2:
Os autores desenvolvem três estratégias de amostragem informadas pelo desfecho, projetadas para enriquecer a amostra da Fase 2 com sujeitos informativos, aproveitando a estrutura ordenada do desfecho:
- Amostragem Dependente do Desfecho (ODS): Superamostra sujeitos com valores extremos de desfecho (por exemplo, as categorias mais baixas e mais altas).
- ODS Estratificada por Covariável (CSODS): Define estratos de amostragem conjuntamente no desfecho e em uma covariável basal ( $Z_1$ ) para aumentar a variabilidade do desfecho dentro dos níveis de covariável, abordando casos em que covariáveis predizem fortemente o desfecho.
- Amostragem Dependente do Resíduo (RDS): Alvo da variabilidade no componente residual do desfecho após o ajuste por covariáveis de baixo custo. Para lidar com os múltiplos interceptos inerentes ao modelo PO, os autores utilizam o Resíduo na Escala de Probabilidade (PSR), que fornece um único valor residual por sujeito, capturando a direção e a magnitude do desvio entre os desfechos observados e ajustados.
Abordagens de Análise:
Para garantir inferência válida sob esses esquemas de amostragem enviesada, são desenvolvidos três métodos baseados em verossimilhança:
- Verossimilhança Máxima Corrigida pela Ascensão (ACML): Uma abordagem de caso completo que restringe a análise aos sujeitos da Fase 2, mas corrige o viés de amostragem incorporando probabilidades de amostragem na verossimilhança condicional. Isso é aplicável a ODS e CSODS.
- Imputação Múltipla (MI): Uma abordagem de dados completos que trata as exposições não medidas em sujeitos da Fase 1 não amostrados como ausentes. Imputa esses valores usando um modelo paramétrico que combina o modelo de resposta (modelo PO) e um modelo de exposição, preservando informações de toda a coorte da Fase 1. Isso é aplicável a ODS e CSODS.
- Estimação de Verossimilhança Máxima com Peneira (SMLE): Uma abordagem semiparamétrica de dados completos que estima a distribuição da exposição de forma não paramétrica usando peneiras de B-splines. Este método integra sobre a exposição não observada para sujeitos não amostrados, oferecendo robustez contra má especificação do modelo de exposição. SMLE é aplicável a todos os desenhos, incluindo RDS.

Principais Contribuições
O artigo faz três contribuições distintas para a literatura:

Desenhos de Amostragem Novos: Deriva os primeiros desenhos de amostragem da Fase 2 eficientes especificamente adaptados para resultados ordinais sob o modelo PO (ODS, CSODS e RDS), explorando a estrutura ordenada para concentrar recursos em sujeitos informativos.
Procedimentos de Inferência Válidos: Desenvolve três métodos complementares de inferência baseados em verossimilhança (ACML, MI, SMLE) que produzem estimativas válidas e eficientes sob esses desenhos de amostragem específicos.
Avaliação Abrangente: Avalia as características operacionais de amostras finitas de todas as combinações de desenho-análise por meio de estudos de simulação extensivos e um estudo plasmode usando dados do mundo real.

Resultados

Estudos de Simulação: Simulações extensas (3.000 replicatas) em cenários com diferentes forças de associação entre covariável e desfecho demonstraram que todas as combinações de desenho-análise propostas produziram viés negligenciável e cobertura de intervalo de confiança de aproximadamente 95%.
- Ganhos de Eficiência: Os desenhos propostos melhoraram substancialmente a eficiência em relação à Amostragem Aleatória Simples (SRS) com Verossimilhança Máxima (ML) padrão.
- Impacto das Covariáveis: Quando as covariáveis estavam fracamente associadas ao desfecho, ODS, CSODS e RDS forneceram ganhos de eficiência semelhantes. Quando as covariáveis estavam fortemente associadas, CSODS e RDS superaram ODS. Especificamente, RDS alcançou os maiores ganhos de eficiência (Eficiência Relativa de até 2,56) quando múltiplos preditores fortes estavam presentes.
- Métodos de Análise: Abordagens de dados completos (MI e SMLE) geralmente superaram a abordagem de caso completo ACML, particularmente para estimar efeitos de covariáveis. MI consistentemente melhorou a eficiência sobre ACML sob ODS e CSODS.
Estudo Plasmode (Ensaio CLOVERS): Os métodos foram aplicados a dados do ensaio CLOVERS para avaliar a associação entre os níveis de Interleucina-6 (IL-6) e um desfecho de estado clínico de quatro níveis. Os resultados espelharam as simulações: desenhos informados pelo desfecho (ODS, CSODS, RDS) combinados com estimadores de dados completos (MI, SMLE) produziram incerteza significativamente menor (maior D-eficiência, áreas de intervalo de confiança integradas menores) em comparação com SRS, enquanto recuperavam com precisão a tendência de associação subjacente.

Significado
O artigo aborda uma lacuna crítica na pesquisa epidemiológica e clínica ao fornecer a primeira estrutura unificada para estudos em duas fases com resultados ordinais. Oferece aos investigadores uma estratégia custo-efetiva para estudar exposições caras quando os desfechos são ordinais, um cenário comum em pesquisa de cuidados críticos e gravidade da doença. A estrutura proposta permite que os pesquisadores adaptem seu desenho de estudo e análise às suas restrições de dados específicas (por exemplo, disponibilidade de covariáveis basais) e objetivos científicos, garantindo estimativa válida e eficiente de associações exposição-desfecho sem exigir medições caras para toda a coorte. Os autores observam que, embora a abordagem atual de MI não seja compatível com RDS, a estrutura abre caminhos para trabalhos futuros, como a extensão de modelos de exposição condicional para RDS e a investigação de robustez sob má especificação do modelo.