Efeito de prioris objetivas, estratificação da população e tamanho amostral sobre a performance dos parâmetros de desempenho de testes diagnósticos para modelos identificáveis e não identificáveis, considerando a ausência de padrão ouro

O primeiro objetivo foi avaliar, a partir de estudo de simulação, o efeito de três diferentes prioris objetivas e diferentes tamanhos amostrais sobre a probabilidade de cobertura e amplitude dos intervalos de credibilidade e o segundo foi avaliar foi avaliar o efeito dessas mesmas prioris objetivas, da técnica de estratificação da população e de diferentes tamanhos amostrais sobre a performance dos parâmetros de desempenho de múltiplos testes diagnósticos na ausência de padrão ouro, considerando dois e seis testes e duas estruturas para o modelo: primeira, o modelo de Hui e Walter com diferentes taxas de prevalências mas com sensibildades e especificidades semelhantes entre os estratos e segunda, uma extensão a este modelo considerando todos os parâmetros tais como taxas de prevalências, sensibilidades e especificidades diferentes entre os estratos, ambas estruturas consideramos quatro diferentes tamanhos de amostras (n=[50, 100, 500, 1000]) e três diferentes configurações para a taxas de prevalências nos estratos. No primeiro estudo observamos de forma geral, comportamento semelhante dos intervalos de credibilidade USUAL para qualquer valor de theta no intervalo [0,1]$ e amostras grandes (n > 500) para as três prioris, mas para amostras menores $(n < 200) a priori de Jeffreyes apresentou melhor desempenho nos limites de theta e pior nos valores intermediários. No segundo estudo, observamos para o modelo com dois testes e estrutura sem estratificação da população que o aumento do tamanho amostral aumenta a acurácia das estimativas. Considerando o modelo com estrutura estratificada (V=3) quando somente as taxas de prevalências são diferentes entre os estratos, encontramos estimativas mais precisas mesmo para amostras menores. Enquanto que para o segundo modelo, com prevalências, sensibilidades e especificidades diferentes entre os estratos encontramos estimativas mais precisas para amostras maiores, sendo a sensibildade mais acurada nos estratos com maior prevalência e a especificidade nos estratos com menor taxa de prevalência. Para todos os casos particulares a priori de Jeffreys apresentou melhor performance. Concluímos portanto que, para grandes amostras (n> 500) a segunda estrutura de modelo parece ser uma boa alternativa para avaliar a performance de múltiplos testes diagnósticos na ausência de padrão ouro a partir da priori de Jeffreys, principalmente por este estar mais próximo da realiadade do que a primeira (suposição do modelo de Hui e Walter), no entanto, devemos tomar muito cuidado naqueles estratos com taxa de prevalência próximas de 0 ou 1. Para amostras menores (n< 200) sugerimos o uso de prioris informativas. Taxas de prevalências próximas de 50% temos boas estimativas para qualquer tamanho amostral e modelos (dois ou seis testes e estratificado ou não estratificado).