Cálculo da Dimensão Amostral em Estudos Seroepidemiológicos: da Teoria ao Desenvolvimento de uma Ferramenta Computacional

Abstract

Este trabalho explora o cálculo da dimensão amostral, com foco em estudos transversais seroepidemiológicos sobre a malária, uma doença infeciosa transmitida pela picada do mosquito Anopheles. O trabalho inicia com a apresentação de métodos para a construção de intervalos de confiança para proporções e o respetivo cálculo da dimensão amostral. Em seguida, são explorados os modelos catalíticos reversíveis (RCM). Estes modelos são baseados numa cadeia de Markov com dois estados (seronegativo e seropositivo), nos quais os indivíduos podem transitar entre os estados segundo um processo de seroconversão e serorreversão, respetivamente. Com base na teoria dos RCM, desenvolveu-se uma ferramenta computacional com recurso ao software R, projetada para calcular a dimensão amostral necessária, considerando a estrutura etária e as características seroepidemiológicas da população. A ferramenta demonstrou um bom desempenho nos diferentes cenários testados. Os resultados indicam que a dimensão amostral necessária varia com a intensidade de transmissão e a correspondente seroprevalência (SP), sendo também influenciada pela distribuição etária, que afeta a inclinação da curva que relaciona a taxa de seroconversão (SCR) com a SP. Nomeadamente, valores de SP próximos de 0 ou 1 necessitam de maiores dimensões amostrais, em comparação com valores de SP intermédios. Para SCR ≤ 0.058 ano–1, estudos sobre populações africanas requerem maiores dimensões amostrais do que as do Sudeste Asiático e América do Sul para obter o mesmo nível de precisão. Observou-se também que a aplicação da correção de continuidade ao método de Wald melhora a sua cobertura. O método de Wilson demonstrou ser o melhor em diversos cenários, apresentando uma boa probabilidade de cobertura (perto ou acima do nível de confiança nominal) e uma das menores dimensões amostrais necessárias. O método de Agresti-Coull apresentou melhores resultados no Sudeste Asiático e América do Sul em comparação com África.

This work explores sample size calculation, with a specific focus on cross-sectional seroepidemiological studies of malaria, an infectious disease transmitted by the bite of the Anopheles mosquito. The study begins by presenting methods for constructing confidence intervals for proportions and the corresponding sample size calculation. It then delves into the application of Reversible Catalytic Models (RCM). These models are based on a Markov chain with two states (seronegative and seropositive), in which individuals can transition between states through the processes of seroconversion and seroreversion, respectively. Building upon RCM theory, a computational tool was developed using R software to calculate the required sample size, accounting for the age structure and seroepidemiological characteristics of the target population. The tool demonstrated good performance in the tested scenarios. The results indicate that the required sample size varies with the transmission intensity and the corresponding seroprevalence (SP), and is also influenced by the age structure of the population, which affects the slope of the seroconversion rate (SCR) vs. SP curve. In particular, SP values close to 0 or 1 require larger sample sizes compared to intermediate SP values. It was also observed that for SCR ≤ 0.058 year–1, studies on African populations require larger sample sizes than those in Southeast Asia and South America to achieve the same level of precision. Furthermore, applying a continuity correction to the Wald method resulted in improved coverage compared to the uncorrected approach. The Wilson method was found to be the best in several scenarios, providing good coverage (close to or above the nominal confidence level) and one of the smallest required sample sizes. On the other hand, the Agresti-Coull method performed better in Southeast Asian and South American populations compared to African populations.