摘要：OBJETIVO: Desenvolver um modelo estatístico baseado em métodos Bayesianos para estimar o risco de infecção tuberculosa em estudos com perdas de seguimento, comparando-o com um modelo clássico determinístico. MÉTODOS: O modelo estocástico proposto é baseado em um algoritmo de amostradores de Gibbs, utilizando as informações de perdas de seguimento ao fi nal de um estudo longitudinal. Para simular o número desconhecido de indivíduos reatores ao fi nal do estudo e perdas de seguimento, mas não reatores no tempo inicial, uma variável latente foi introduzida no novo modelo. Apresenta-se um exercício de aplicação de ambos os modelos para comparação das estimativas geradas. RESULTADOS: As estimativas pontuais fornecidas por ambos os modelos são próximas, mas o modelo Bayesiano apresentou a vantagem de trazer os intervalos de credibilidade como medidas da variabilidade amostral dos parâmetros estimados. CONCLUSÕES: O modelo Bayesiano pode ser útil em estudos longitudinais com baixa adesão ao seguimento.
其他摘要：OBJECTIVE: To develop a statistical model based on Bayesian methods to estimate the risk of tuberculosis infection in studies including individuals lost to follow-up, and to compare it with a classic deterministic model. METHODS: The proposed stochastic model is based on a Gibbs sampling algorithm that uses information of lost to follow-up at the end of a longitudinal study. For simulating the unknown number of reactors at the end of the study and lost to follow-up, but not reactors at time 0, a latent variable was introduced in the new model. An exercise of application of both models in the comparison of the estimates of interest was presented. RESULTS: The point estimates obtained from both models are near identical; however, the Bayesian model allowed the estimation of credible intervals as measures of precision of the estimated parameters. CONCLUSIONS: The Bayesian model can be valuable in longitudinal studies with low adherence to follow-up.
关键词：Tuberculose; epidemiologia; Fatores de Risco; Técnicas de Estimativa; Teorema de Bayes; Modelos Matemáticos.
