Comparación de cuatro modelos de regresión para el estudio de factores de riesgo de hato para datos binomiales correlacionados

Los objetivos de este estudio fueron comparar cuatro modelos de regresión lineal o logística y determinar sus efectos sobre los niveles de significancia y parámetros, utilizando los datos de un estudio de seroprevalencia de brucelosis en cabras. Se utilizó la información de 5 114 cabras en 79 hatos de la región del Bajío, en Michoacán, México, durante 2002-2003. Los modelos fueron: la prevalencia de animales seropositivos por hato (V1), analizados mediante un modelo lineal general (MLG); hatos con al menos un animal seropositivo, analizados mediante regresión logística estándar (RLEH), V1 analizada mediante RLE, suponiendo independencia entre resultados dentro de un mismo hato (RLEA) y V1 analizada mediante RL mixta, considerando al hato como efecto aleatorio (RLM). Los factores de riesgo incluidos en los cuatro modelos fueron: presencia de abortos el año anterior al estudio, limpieza del corral (higiene) y duración de la lactancia. La variable V1 transformada a arcoseno-raíz cuadrada no mostró distribución normal. El modelo RLEH (RL estándar considerando al hato como la unidad de interés) y RLM no se compararon por no ser modelos anidados. El modelo RLM ajustó mejor los datos que el modelo RLEA. La deviance (-2LL) del modelo RLEH (70.6) fue similar a sus grados de libertad (75), ello sugiere que este modelo ajustó estadísticamente bien los datos. Se encontraron niveles de significancia diferentes para los factores de riesgo, según el modelo estadístico utilizado. Los modelos MLG y RLEH mostraron efectos significativos (P < 0.02) sólo de presencia de abortos; el modelo RLEA mostró efecto significativo (P < 0.05) para los tres factores de riesgo, y el RLM, efectos de presencia de abortos y duración de la lactancia, pero no de higiene. Los valores de la razón de momios (OR) para los modelos RLEA y RLM fueron diferentes; los intervalos de confianza más estrechos correspondieron al modelo RLEA, y los más amplios, al RLEH.