Sampling methods to reach hard populations: appraising and comparing different statistical methods with an application to an HIV prevalence study

Abstract

Os dados de saúde, e especialmente os relacionados com o VIH, são menos robustos para populações de difícil acesso, também chamadas populações-chave ou populações de maior risco, do que para a população em geral e tendem a ser subestimados devido principalmente a problemas relacionados com estigma, discriminação e complexidade na amostragem dos elementos da população. O estigma e a discriminação desencorajam as populações-chave e, especialmente, os indivíduos VIH positivos a frequentar os serviços de saúde, a participarem em inquéritos e a revelarem os seus comportamentos de risco. As complexidades da amostragem ocorrem porque nos países onde essas populações são discriminadas, elas tendem a permanecer ocultas e, consequentemente, é mais difícil identificá-las e recolher informação. Ou seja, não é possível garantir amostras representativas dos elementos da população. O uso de estratégias de amostragem não probabilística tem sido o mais utilizado para rastrear as populações-chave mas os resultados obtidos correm o risco de serem enviesados, o que significa que, por exemplo, as estimativas de prevalência de VIH obtidas para essas populações podem não ser precisas. Nos últimos anos, no entanto, vários métodos não probabilísticos foram utilizados. Extensões desses métodos foram desenvolvidas para evitar que os elementos amostrados sejam escolhidos de maneira casual, o que deu origem aos métodos semi-probabilísticos. Focando num dos métodos semi-probabilísticos mais utilizados, o método de amostragem local-tempo (TLS), desenvolvemos uma abordagem para melhorar a precisão das estimativas de prevalência do VIH. O novo método, chamado CARES, que significa calibração pelos resíduos, consiste em imputar pesos aos entrevistados, considerando o percentil ao qual seus resíduos de regressão logística pertencem. Usando duas bases de dados de HSH de Portugal e Espanha, começámos por as ajustar o mais próximo possível de universos TLS e dos quais várias amostras TLS foram simuladas. Para cada amostra simulada, foi registada a prevalência do VIH, não ponderada e ponderada pelos pesos amostrais. Um modelo de regressão logística foi aplicado e os resíduos foram registados. O método CARES foi aplicado e a prevalência do VIH foi novamente calculada. A prevalência estimada de VIH obtida pelo método CARES foi comparada com as estimativas de prevalência calculadas usando apenas o método de amostragem TLS. Os resultados mostraram que o método CARES melhora as estimativas de prevalência do VIH obtidas quando o método de amostragem local-tempo é usado para recrutar os entrevistados. Este método é uma nova abordagem que visa fornecer melhores estimativas de prevalência do VIH e pode ser muito útil sempre que técnicas de amostragem mais confiáveis não possam ser aplicadas.

Health data and especially HIV related data is less robust for hard-to-reach populations, also called key-populations or most-at-risk populations, than for general population and tend to be underestimated mainly due to issues related to stigma, discrimination and complexities in sampling the population elements. Stigma and discrimination discourages key-populations and specially HIV positive individuals to frequent health care facilities, take part in surveys and reveal their risk behaviours. Complexities in sampling happen because in countries where these populations are discriminated they tend to remain hidden and consequently it is more difficult to identify them and collect data. Therefore, it is not possible to assure representative samplings of the population elements. The use of non-probability sampling strategies have been the most used to screen key-populations but results obtained have the risk of being biased, this means that, for instance, HIV prevalence estimates obtained for these populations might not be accurate. In the last years however, several non-probabilistic methods have been used. Extensions of those methods have been developed in order to avoid that the sampled elements are chosen in a casual way, which gave rise to the semi-probabilistic methods. Focusing on one of the most used semi-probabilistic methods, the time-location sampling method (TLS), we developed an approach to improve accuracy of HIV prevalence estimates. The new method, called CARES, which means Calibration on Residuals, consists in imputing weights to respondents, considering the percentile to which their logistic regression residues belong. Using two MSM databases from Portugal and Spain, we began by adjusting the databases as close as possible to a TLS universe and from which several TLS samples were drawn. For each simulated sample HIV prevalence, unweighted and weighted by the sampling weights was recorded. A logistic regression model was run and residues were recorded. The CARES method was applied and HIV prevalence was again calculated. The estimated HIV prevalence obtained by CARES method was compared to HIV prevalence estimates calculated using the TLS method only. Results showed that CARES method improves HIV prevalence estimates obtained when time location sampling method is used to recruit respondents. This method is a new approach that aims to provide better HIV prevalence estimates and might be very useful whenever more reliable sampling techniques cannot be applied.