Correção da prevalência autorreferida em estudos epidemiológicos com grandes amostras.

Resumo: As prevalencias de doencas sao uteis para a formulacao e avaliacao de politicas publicas. A medida autorreferida e comumente utilizada por ser facil de ser coletada e nao exigir treinamento especifico em saude ou custo adicional. Todavia, esse processo de mensuracao pode gerar uma medida enviesada. Objetivou-se apresentar os metodos existentes para ajustar a prevalencia, com base na autorreferida, focando nos problemas computacionais no caso de amostras grandes e propondo uma solucao alternativa. Os metodos foram divididos em: algebrico, de simples execucao, porem nao e aplicavel em qualquer combinacao de prevalencia autorreferida, especificidade e sensibilidade; e Bayesiano, que nao apresenta a restricao da estrategia anterior, mas apresenta problemas computacionais na sua aplicacao em computadores pessoais para amostras grandes. Esses problemas impedem a implantacao direta do metodo ja existente, havendo a necessidade da apresentacao de uma estrategia aproximada que viabilize a estimacao. O metodo empirico proposto para a aplicacao em amostras grandes consiste em reduzir o tamanho da amostra ate o limite maximo possivel de ser calculado pelo software, mantendo a proporcao de doentes. O metodo foi considerado adequado, pois converge para o verdadeiro valor. No exemplo, uma prevalencia autorreferida de 5%, com sensibilidade = 0,4 e especificidade = 0,9 foi corrigida para 0,17% (IC95%: 0,10-0,24). O estudo apresentou os metodos existentes para ajuste de prevalencias, bem como uma nova estrategia para prevalencias oriundas de grandes amostras, permitindo a obtencao de estimativas mais proximas as verdadeiras, sem a necessidade de mensurar diretamente todos os individuos.