Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados Complex Sampling Design in Population Surveys: Planning and effects on statistical data analysis

A avaliação do desempenho dos sistemas de saúde das nações vem ganhando importância crescente entre os gestores do setor saúde. Entre os instrumentais de avaliação do desempenho de saúde, destacam-se os inquéritos nacionais de saúde, cada vez mais utilizados para avaliar o estado de saúde da população e a assistência de saúde prestada do ponto de vista do usuário. A maioria dos inquéritos nacionais de saúde não usa amostragem aleatória simples, em parte por restrições orçamentárias, em parte por limites de tempo associado à coleta de dados. Em geral, utiliza-se combinação de vários métodos probabilísticos de amostragem para seleção de uma amostra representativa da população, chamada de desenho complexo de amostragem. Entre os métodos de amostragem mais utilizados conjuntamente, destacam-se a amostra aleatória simples, a amostragem estratificada, e a amostragem por conglomerados. Resultante desse processo, a preocupação subseqüente é a análise de dados provenientes de amostras complexas. Este artigo trata de questões relacionadas à análise estatística de dados obtidos através de pesquisas com desenhos complexos de amostragem. Apresentam-se os problemas que ocorrem quando a análise estatística não incorpora a estrutura do plano amostral. Ao ignorar o desenho de amostragem, a análise estatística tradicional, sob a suposição de amostragem aleatória simples, pode produzir incorreções tanto para as estimativas médias como para as respectivas variâncias, comprometendo os resultados, os testes de hipóteses e as conclusões da pesquisa. Para a exemplificação dos métodos, é utilizada a Pesquisa Mundial de Saúde (PMS), realizada no Brasil em 2003.The evaluation of the health systems of nations has been gaining increasing importance among health managers. Among the evaluation tools for the performance of health systems, nationwide health surveys have been more and more used to evaluate the health status of the population and satisfaction with healthcare from the user's point of view. Most national health surveys do not use simple random sampling, either due to budget restrictions or because time constraints associated with data collection. In general, a combination of several probabilistic sampling methods is used to select a representative sample of the population, which is called complex sampling design. Among the several sampling techniques, the most frequently used are simple random sampling, stratified sampling and cluster sampling. As a result of this process, the next concern is the statistical analysis of the data from complex samples. This paper deals with issues related to data analysis obtained from surveys using complex sampling designs. It discusses the problems that arise when the statistical analysis does not incorporate the sampling design. When the design is neglected, traditional statistical analysis, based on the assumption of simple random sampling, might produce improper results not only for the mean estimates but also for standard errors, thus compromising results, hypothesis testing, and survey conclusions. The World Health Survey (WHS) carried out in Brazil, in 2003, is used to exemplify complex sampling methods.