Descrevendo desigualdades em saúde sem distorção: AMIHDA simples vs Efeitos Aleatórios AMIHDA

O que aconteceu

Análise multinível de heterogeneidade individual e precisão discriminativa (MAIHDA) descreve desigualdades em saúde através de três componentes: (i) efeitos contextuais específicos (SCE), (ii) efeitos contextuais gerais (GCE) e (iii) acurácia discriminatória do contexto. Apresentamos Simple-Means MAIHDA (S-MAIHDA), que estima cada estrato diretamente de seus indivíduos observados, sem pressuposto distribucional. As proporções observadas são imparciais seja qual for o tamanho do estrato, e seus intervalos de confiança relatam honestamente a incerteza. S-MAIHDA operacionaliza os três componentes na escala de probabilidade. As SCE são as prevalências brutas e padronizadas de composição, e a divisão exata de cada prevalência observada de estrato em uma referência, a diferença de risco absoluto (DRA) de sua área, a ARD de seu estrato sociodemográfico comum a todas as áreas, e a modificação dessa ARD pela área. O GCE é o coeficiente de partição de variância (VPC), a área contextual padronizada sob a curva ROC (coAUC*), que permite comparação entre desfechos, e a estruturação contextual da desigualdade entre estratos, expressa como o agrupamento contextual de desigualdades, as diferenças sociodemográficas aditivas e a modificação contextual das desigualdades (CMI). A acurácia discriminatória contextual é expressa pela área contextual sob a curva ROC (coAUC), e a sensibilidade e especificidade na prevalência populacional como o limiar para uma possível intervenção. Como suas estimativas são os próprios dados observados, o S-MAIHDA é a descrição canônica, e a comparação diagnóstica quantifica como o Random-Effects MAIHDA (RE-MAIHDA), a implementação usual, parte dele: O RE encolhimento puxa pequenos estratos para a média geral e pode esconder as próprias desigualdades que a análise busca. Cada medida é calculada a partir de uma tabela de contagens por estrato, de modo que os registros individuais não precisam ser compartilhados. A abordagem é implementada no comando smaihda Stata e reproduzida em código livre Python e R. Ilustramos S-MAIHDA em uma análise transversal de dados de registro de 2006 de Malmö, Suécia (43.291 indivíduos; 300 estratos sociodemográficos de área), mostrando como os três componentes separam dois desfechos contrastantes: uso de medicamentos psicotrópicos, quase puramente sociodemográficos, estáveis entre áreas, com estruturação contextual fraca (VPC {aprox} 4%, coAUC* {aprox} 63%, CMI {aprox} 0%); e escolha de um profissional geral privado, fortemente geográfico (VPC {aprox} 11%, coAUC* {aprox} 72%, CMI {aprox} 17%), com as diferenças sociodemográficas remodeladas e amplificadas em áreas ricas. A RE-MAIHDA atenuava as desigualdades. Para descrever desigualdades, S-MAIHDA preserva o que os dados mostram.