O banco de dados público de notificações do SIVEP-GRIPE foi utilizado para estimar a associação entre renda salarial e mortes por Covid-19. O banco apresentou 20% de dados faltantes (missing data) para a variável renda. É correto afirmar que
- A)não vão influenciar o resultado, uma vez que o estudo é randomizado.
Errada: o fato de o estudo não ser randomizado faz diferença, e dados faltantes podem sim influenciar o resultado e introduzir viés.
- B)a melhor estratégia para análise é a imputação da variável renda utilizando outras variáveis disponíveis no banco.
Certa: a imputação usando outras variáveis do banco é a estratégia mais adequada para lidar com 20% de missing em renda.
- C)a melhor estratégia é descartar os registros com missing em renda.
Errada: descartar todos os registros com missing pode reduzir a amostra e gerar viés de seleção, então não costuma ser a melhor opção.
- D)não vão influenciar o resultado uma vez que renda é, provavelmente, uma perda aleatória (missing at random).
Errada: não se deve presumir que o missing é, necessariamente, aleatório; além disso, mesmo se fosse MAR, isso não significa ausência de impacto.
- E)a melhor estratégia é imputar com um valor médio de renda.
Errada: imputar pela média é uma solução pobre, porque distorce a variabilidade da renda e pode enviesar as estimativas.
Gabarito: B
Quando um banco de dados tem faltantes, o primeiro impulso de muita gente é pensar: “ah, tudo bem, depois eu vejo isso”. Só que em epidemiologia isso pode mudar o resultado da análise, principalmente quando a variável faltante é importante para a exposição ou para o ajuste do modelo, como renda aqui. O ponto central é entender por que os dados sumiram: se o mecanismo de missing não for completamente aleatório, simplesmente ignorar os registros pode enviesar a estimativa. A melhor conduta, em geral, é usar métodos que aproveitem a informação disponível, como imputação baseada em outras variáveis do banco. Isso é especialmente útil quando há variáveis correlacionadas com renda, como escolaridade, idade, ocupação, região ou acesso ao serviço de saúde. Assim, você reduz a perda de informação e preserva melhor o poder estatístico da análise. Por que a alternativa B está correta? Porque a imputação, quando bem feita, costuma ser preferível à exclusão pura e simples dos casos com missing, sobretudo quando o percentual faltante não é desprezível, como 20%. A imputação múltipla é a abordagem clássica em muitos cenários epidemiológicos, pois leva em conta a incerteza da estimativa e evita o viés que a exclusão pode gerar. Importante: não dá para assumir, sem mais, que o missing é “aleatório” e pronto. Na prática, dados de renda costumam ter padrão de não resposta, e isso pede cuidado metodológico. Em prova, a lógica é simples: faltantes relevantes pedem estratégia analítica inteligente, não fuga do problema.