Salud Pública de México (Aug 2006)
Tratamiento estadístico de la falta de respuesta en estudios epidemiológicos transversales Statistical processing of non-response in transversal epidemiological studies
Abstract
En los estudios epidemiológicos, la falta de respuestas constituye una gran limitación por la pérdida de validez y el poder estadístico que implica, sea que se produzca en forma de participación parcial (el sujeto deja alguna pregunta sin contestar) o como ausencia de participación (el individuo no contesta ninguna pregunta). En este trabajo se realiza una revisión de la bibliografía científica sobre los distintos métodos para realizar un tratamiento estadístico de los datos cuando no se obtienen respuestas; la finalidad es contrarrestar las limitaciones de la información, siempre en el caso de estudios epidemiológicos no longitudinales. La mayor parte de los métodos estadísticos se centra en el tratamiento de la participación parcial (datos faltantes) y puede clasificarse en dos grandes grupos: de asignación y de datos completos. La elección correcta del método para un estudio requiere un análisis previo de la matriz de los datos, en relación con el mecanismo de generación de datos faltantes y el porcentaje del total de los datos que representa.In epidemiological surveys, non-response constitutes a great limitation due to the loss of validity and statistical power it represents, whether such a loss occurs due to partial participation (the individual fails to answer certain variables) or due to total lack of participation (the individual does not answer any variable). This paper reviews the scientific literature on the different methods to process statistic data when non-response has occurred in non-longitudinal studies, so as to counteract their effect in such studies. Most statistical methods focus on dealing with partial participation (missing data). These methods, of which there is a great variety, can be classified into two large groups: imputation and complete data. For accurate selection of the study method, it is necessary to study the data matrix beforehand, observing the missing data generation mechanism, as well as the proportion they represent of the total data.
