Estimação robusta para o modelo de regressão logística

Desfechos dicotômicos são muito comuns em várias áreas do conhecimento, particularmente, na pesquisa clínica e epidemiológica. O modelo de regressão logística tem sido amplamente utilizado para identificar fatores associados com o desfecho, bem como para estimar associações por meio da medida de razão de chances. Quando existem preditores quantitativos, relativamente comuns em alguns contextos, são necessários cuidados adicionais na etapa de diagnóstico do modelo para minimizar potenciais vieses decorrentes de observações influentes usualmente associadas a observações com valores extremos nos preditores contínuos. O objetivo do trabalho é apresentar aspectos do diagnóstico do modelo de regressão logística, métodos robustos e procedimentos computacionais para o ajuste do modelo de regressão logística robusta, visando minimizar vieses nas estimativas de associação. A macro robust do programa SAS e as funções glmrob e glmRob do programa R incorporam estimadores robustos para regressão logística e são ferramentas úteis para minimizar o impacto de valores extremos nos preditores. A partir de exemplos, sintaxes SAS e R mostram, passo a passo, etapas para ajuste do modelo e interpretação dos resultados