Estimando o tamanho de populações de difícil acesso usando o método network scale-up

Abstract

Para promover políticas de saúde pública, há uma grande necessidade em conhecer o tamanho de populações de difícil acesso, tais como profissionais do sexo, usuários de drogas, homens que fazem sexo com outros homens, entre outras. Populações essas, muitas vezes, estigmatizadas e até mesmo criminalizadas, mas que têm um papel muito grande na dinâmica de várias doenças transmissíveis. O método Network Scale-up (NSUM) usa informações indiretas obtidas da população geral para estimar o tamanho de tais populações. Para ilustrar este método, pode-se pensar no seguinte exemplo: pergunta-se a uma pessoa aleatoriamente selecionada da população geral "quantos dos seus amigos pertencem à população X?". Além da população de difícil acesso de interesse, pergunta-se também sobre outras populações conhecidas. Essas perguntas são usadas, em um primeiro passo, para estimar o total de "amigos" de cada indivíduo, também chamado de grau do indivíduo, e, em um segundo passo, estima-se o tamanho da população de difícil acesso. Neste trabalho, foram simuladas populações conectadas em rede, usando um modelo de rede aleatória, e, para cada nó gerado, características foram aleatoriamente alocadas, conhecendo-se assim tanto as características dos indivíduos quanto de seus contatos. Amostras foram selecionadas dessas populações e estimativas para o tamanho dessas populações foram calculadas usando as abordagens frequentista e bayesiana dando indícios de que o método Network Scale-up tem se mostrado eficiente. Além disso, foram avaliados o tamanho da amostra, a prevalência de uma dada subpopulação, e outros parâmetros associados à modelagem. Nesse trabalho, foi possível validar o método NSUM em condições totalmente controladas e, em seguida, discutidos os problemas e vieses na aplicação aos dados reais