Como podem ser analisados dados pareados de ... - IESC/UFRJ

C ARLA JORGE MACHADO
forma como é freqüentemente utilizado até os dias de hoje. A metodologia
formulada por estes autores pode ser resumida da seguinte forma: em primeiro
lugar, utilizando conceitos estatísticos, os autores demonstraram que, para que se
pudessem somar os escores individuais de pareamento de cada identificador, estes
deveriam ser estatisticamente independentes; em segundo lugar, argumentaram
que nem sempre é possível considerar um par formado, inequivocamente, como
um par falso ou verdadeiro e, desta forma, uma terceira categoria, a de pares
possíveis ou potenciais, deveria ser considerada na classificação de pares. Ou seja,
pares abaixo de um certo escore limiar geral, e acima de um outro limiar geral
deveriam ser manualmente revistos (Scheuren & Young, 1999). Em terceiro lugar,
os autores utilizaram a teoria de teste de hipótese e definiram que existem probabilidades
de erro envolvidas na decisão de se classificar um par como um par verdadeiro
ou falso. Finalmente, reconheceram que um mecanismo era necessário na comparação
de dois bancos de dados, com o objetivo de se evitar que todos os registros
de um banco de dados fossem confrontados com todos outros registros do segundo
banco, através da exigência de que, para que os registros fossem comparáveis,
teriam que concordar exatamente em uma determinada variável. Esse mecanismo
é chamado de blocagem e nada mais é do que a partição estatística, ou uma mera
divisão dos espaços a serem comparados. Esta divisão deve ser feita nos dois
bancos de dados, cujos registros devem ser pareados entre si. Além destes
postulados básicos que constituem a idéia geral do relacionamento probabilístico,
observa-se que, se um indivíduo em um banco de dados é representado por
apenas um outro registro em um outro banco de dados o pareamento probabilístico
se torna uma tarefa menos complexa (Newcombe et al., 1995; Kendrick et al.,
1998; MacLeod et al., 1998). Nestes casos, uma vez que um par tenha sido formado
e considerado o melhor (mais provável de ser correto) com base no maior escore
geral de pareamento, considera-se o processo de procura como terminado para
ambos os registros que formaram o par. Assim, o conhecimento prévio desta
relação unívoca facilita o pareamento probabilístico. No entanto, podem ainda
existir pares considerados incertos, pois pode haver, para um determinado registro,
mais de um par possível, e esse conjunto de pares necessitaria de revisão manual,
o que é viável quando se possuem bancos de dados de tamanho moderado, mas
difícil no caso de uma enorme quantidade de pares. Os pares que necessitam de
revisão manual englobam pares errôneos. Pares errôneos seriam aqueles formados
pela combinação de um registro em um banco de dados com outro registro em
outro banco de dados que, de fato, não correspondem ao mesmo indivíduo.
Poderiam surgir mais comumente, quando se tem ausência de informações para
um indivíduo em um ou outro banco de dados (dados não declarados), o que
torna o relacionamento mais impreciso, por ser baseado em um menor número
236 – CADERNOS SAÚDE COLETIVA, RIO DE JANEIRO, 14 (2): 233 - 250, 2006