Associação em tabelas de contingência de dupla entrada com dados amostrais complexos de Covid-19

• Ano de defesa: 2022
• Autor(a) principal: LIMA, Noemir dos Santos Sousa
• Orientador(a): FERRAZ, Cristiano
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Estatistica
• País: Brasil
• Palavras-chave em Português: Estatística aplicada; Pesquisa sorológica; Covid-19
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/46612

A análise de dados epidemiológicos é essencial para o planejamento estratégico de ações de combate a surtos, epidemias e pandemias. Durante a sindemia de COVID-19 a importância de tais análises ganhou evidência devido a gravidade dos efeitos do vírus SARS-CoV-2 no Brasil e no mundo. Neste contexto, a analise estatistica de tabelas de contingencia e um dos recursos importantes para investigar relacoes entre variaveis, com destaque para estudos de associacao de fatores de risco e diagnosticos de diversos testes para a COVID-19. Em dados provenientes de amostras aleatorias simples com reposicao, ou provenientes de populacoes consideradas infinitas, a estatistica do teste qui-quadrado de Pearson, comumente usada para testar associação, converge para uma distribuicao qui-quadrado para tamanhos de amostras relativamente moderados. Todavia, em estudos nos quais os dados sao provenientes de planos amostrais complexos, a estatistica do teste de Pearson precisa de ajuste para convergir satisfa- toriamente. Nao considerar essas caracteristicas de planos complexos nos testes de hipoteses pode gerar estimativas incorretas tanto dos parametros como das variancias dessas estimati- vas. Nesta tese, utilizamos dados de COVID-19 relativos ao estado da Paraíba, gerados pela Pesquisa Sorológica Continuar Cuidando, com o intuito de apresentar os testes de Rao-Scott e de Wald para investigar a associacao em tabelas de contingencia de dupla entrada, enfatizando a importancia de considerar corretamente o plano amostral. As analises mostraram que nao considerar os conglomerados no estudo pode levar a mudanças de decisões nos testes.