Bias correction in clustered underreported data

Abstract

A qualidade dos dados de regiões pobres e socialmente carentes deu origem a muitos desafios estatísticos. Uma delas é a subnotificação de eventos vitais levando a estimativas enviesadas dos riscos associados. Para lidar com dados de contagem subnotificados, modelos baseados em distribuições compostas de Poisson têm sido comumente assumidos. Para serem identificáveis, tais modelos geralmente requerem informações extras e fortes sobre a probabilidade de relatar o evento em todas as áreas de interesse, o que nem sempre está disponível. Introduzimos uma nova abordagem para o modelo composto de Poisson assumindo que as áreas são agrupadas de acordo com a qualidade de seus dados. Aproveitamos esses clusters para criar uma estrutura hierárquica na qual as probabilidades de relatórios diminuem à medida que passamos do melhor grupo para o pior. Obtemos restrições para a identificabilidade do modelo e provamos que apenas informações prévias sobre a probabilidade de relatórios em áreas com a melhor qualidade de dados são necessárias. Várias abordagens para modelar a incerteza sobre as probabilidades de relatórios são apresentadas, incluindo prioris de referência. Diferentes características da metodologia proposta são estudadas através de simulação. Aplicamos nosso modelo para mapear os riscos de mortalidade neonatal precoce em Minas Gerais, um estado brasileiro que apresenta características heterogêneas e uma desigualdade socioeconômica relevante.