Analysis Of Longitudinal Data
Analysis Of Longitudinal Data - P. L. Diggle, K.-L. Liang, & S. L. Zeger
(1994). Oxford: Clarendon Press.
Este livro aborda modelos estatísticos e métodos de análise de dados
longitudinais usando fundamental-mente ilustrações no campo da biologia e das
ciências da saúde. Dados longitudinais são aqui considerados como consistindo
num número elevado de séries curtas, uma correspondente a cada um dos sujeitos
envolvidos, resultados da mesma quantidade medida numa sequência de tempos de
observação.
O livro demarca-se do tratamento de outro tipo de informação muitas vezes
associado a problemas de dados repetidos. Assim, estudos transversais, ensaios
clínicos, análises de sobrevivência e séries temporais não são aqui abordados.
A questão fundamental nesta obra é a de modelar o conjunto de observações de
cada sujeito tendo em atenção que estas medidas tendem a estar
intercorrelacionadas. Os estudos exemplificados são formulados como problemas
de regressão em que se descreve a dependência da variável de resposta das
variáveis explanatórias. O tratamento de cada um dos exemplos tem em conta o
tipo de variável de resposta, o número de unidades de experimentação e de
observação por unidade e, finalmente, também os objectivos específicos de cada
estudo.
Esta obra começa por incluir a abordagem da escolha do design tendo em vista os
objectivos a atingir incidindo, fundamentalmente no problema da dimensão da
amostra requerida para se conseguir um poder estatístico previamente
especificado. Seguem-se métodos de análise de cariz mais exploratório - a
representação gráfica das medidas no tempo, o ajustamento de curvas aos dados
longitudinais e a exploração da sua estrutura correlacional. A abordagem de
modelos lineares (GLM) para este tipo de dados é aqui extensivamente
apresentada e é também estabelecido o contraste deste tipo de modelos com a
popular análise de variância (ANOVA) para medidas repetidas. O tratamento
estatístico de variáveis de resposta de tipo binário e frequencial é
exemplificado nas situações correspondentes a modelos marginais, de efeitos
aleatórios e de transição (cadeias de Markov). O livro termina com a discussão
do problema dos dados omissos ("missing values") frequentes e de
inquestionável relevância em estudos longitudinais.
Através da exploração de um conjunto de 6 exemplos apresentados logo no início
e que cobrem problemas no âmbito da biologia e das ciências da saúde, Digg e
colaboradores concretizam a aplicação dos mo-delos estatísticos teoricamente
apresentados ao longo dos vários capítulos.
Sem perder o rigor e a elegância na apresentação dos modelos estatísticos em
jogo, os autores conseguem comunicar ao leitor um sentido de interiorização dos
mateirais expostos, fundamentalmente através da estrutura adoptada: ela
constitui-se numa sequência de pequenas introduções que anunciam apresentações
teóricas mais detalhadas posteriormente exemplificadas através de situações
concretas. A linguagem utilizada está completamente descodificada ao longo da
própria obra, não pressupondo do leitor grandes conhecimentos matemáticos. A
noção básica de mo-delos de regressão e o domínio de cálculo matricial
elementar parecem ser os requisitos mínimos para uma boa compreensão do texto.
Para nós, que nos interessamos mais por temáticas da Psicologia, fica-nos a
pena de não terem sido escolhidas situações exemplificativas correspondentes a
este domínio do conhecimento. Mas a transposição não nos parece difícil e a
pertinência de uma reflexão mais aprofundada sobre o desenvolvimento deste tipo
de modelos, correspondentes a medidas repetidas, no âmbito da Psicologia
parece-nos justificar o esforço exigido nesta transposição.
Glória Ramalho
