Análise de dados longitudinais utilizando a linguagem SAS.

Abstract

Os chamados Dados Longitudinais consistem, em uma pesquisa científica, de observações que correspondem a diferentes avaliações feitas em um mesmo indivíduo, ou mesmas unidades experimentais. Tais dados permitem decompor a variação residual em componentes entre e dentro de indivíduos. Geralmente estas avaliações correspondem a medições feitas em diferentes momentos do tempo, mas não necessariamente, e daí tais dados também serem por vezes chamados de dados de medidas repetidas. Dados longitudinais surgem em pesquisas de diversas áreas do conhecimento, tais como Ciências da Saúde, Ciências Econômicas e Ciências Agrárias. Este trabalho teve como objetivo uma apresentação e caracterização da análise de dados longitudinais, considerando diferentes possibilidades de ajustamento, e utilizando a linguagem SAS. Embora seja uma linguagem comercial, desde há alguns anos o Instituto SAS disponibilizou uma versão \textit{online}, gratuita, destinada a fins acadêmicos. Neste trabalho, optou-se por ilustrar o ajuste de modelos de dados longitudinais através de dois exemplos básicos, que poderiam ser considerados típicos em uma grande variedade de situações. O primeiro exemplo correspondeu a um conjunto de dados simulados, emulando uma situação de dados pareados. Com este exemplo, é discutida a relação que existe entre o teste $t$ pareado e a análise de dados longitudinais. É apresentado o seu ajustamento com a linguagem SAS, ilustrando duas possibilidades quanto ao modelo estatístico, no que se refere à dependência existente dentro de cada par. Esta dependência pode ser modelada tanto a partir dos resíduos, admitindo uma dependência residual, como também por um modelo misto, admitindo que o efeito dos indivíduos seja de natureza aleatória. O segundo exemplo se referiu a um experimento longitudinal, realizado no LABIIN-UFOP, em que cobaias (camundongos) infectadas por \textit{Trypanosoma cruzi} foram submetidas a duas dietas, uma dieta regular, e uma dieta rica em gordura. Entre os dias 9 e 29 após a infecção, cada cobaia teve o seu nível de parasitemia avaliado, diariamente. A parasitemia consiste na concentração de parasitas por unidade de volume de sangue. O fato de serem avaliações diárias é que caracteriza o experimento como longitudinal, e o fato de o número de tempos ser bem maior, isto possibilitou a consideração de diferentes estruturas de covariância residual. O Critério de Informação de Akaike indicou que a estrutura autorregressiva de ordem 1 propiciou o melhor ajuste. A linguagem SAS mostrou-se uma ferramenta versátil e eficaz, com uma codificação simples. Uma vez que os códigos também são aqui fornecidos, espera-se que este trabalho possa servir de material de consulta para iniciantes na análise de dados longitudinais que estejam interessados na linguagem SAS.