Modelos para dados binários longitudinais com superdispersão

Problemas de análise de dados binários são bastante recorrentes em diversas áreas da ciência, em especial na Medicina. Modelos para dados binários, baseados em modelos lineares generalizados são convenientes, porém restritos, em função da relação limitada da média e variância. Modelos para superdispersão podem ser utilizados para tentar captar a variação não acomodada pelo modelo probabilístico Bernoulli. Quando estes dados surgem como medidas repetidas ao longo do tempo, modelos baseados em efeitos aleatórios podem ser utilizados para acomodar a dependência temporal ou a correlação de elementos de um mesmo grupo, mas não necessariamente a variação extra-Bernoulli. Seguindo a abordagem de Molenberghs, Verbeke e Demétrio (2007), propõe-se neste trabalho uma extensão do modelo linear generalizado misto, que acomoda dois efeitos aleatórios: um que modela a correlação das medidas repetidas de cada elemento e outro que ajusta o efeito de superdispersão. Serão discutidas duas propostas de modelos, descrito o processo de estimação, a aplicação a um estudo clínico em Dermatologia e os resultados serão comparados com modelos onde a variação longitudinal e da superdispersão são tratados separadamente.