Applying Inverse Probability Weighting to Measure Contraceptive Prevalence Using Data from a Community-Based Reproductive Health Intervention in Pakistan

Ece Amber Özçelik, Harvard T.H. Chan School of Public Health Julia Rohr, Harvard T.H. Chan School of Public Health Kristy Hackett, Harvard T.H. Chan School of Public Health Iqbal Shah, Harvard T.H. Chan School of Public Health David Canning, Harvard T.H. Chan School of Public Health

First published online:

| DOI: https://doi.org/10.1363/46e8520
Abstract / Summary

Contexto: Muchos programas comunitarios de salud reproductiva usan los datos de su programa para monitorear el progreso hacia sus metas. Sin embargo, el uso de tales datos para evaluar el impacto programático en resultados tales como el uso de anticonceptivos plantea desafíos metodológicos. La ponderación de probabilidad inversa (PPI) podría ayudar a superar estos problemas.

Métodos: Se usaron datos de 33,162 mujeres recolectados entre 2013 y 2015 como parte de una iniciativa comunitaria de salud reproductiva a gran escala para producir estimaciones de la tasa de prevalencia de anticonceptivos (TPA) y la tasa de prevalencia de anticonceptivos modernos (TPAm) a nivel de la población, entre mujeres casadas de 15 a 49 años de edad en el distrito de Korangi, Pakistán. Para tener en cuenta la inclusión no aleatoria de mujeres en la muestra, se hicieron estimaciones de la prevalencia del uso de anticonceptivos durante los cuatro períodos de siete meses de intervención del estudio utilizando PPI; estas estimaciones se compararon con las estimaciones realizadas utilizando el análisis de caso completo (ACC) y el método de la última observación llevada adelante (UOLA)–dos enfoques cuyos supuestos de modelado son menos flexibles.

Resultados: De conformidad con los protocolos de intervención, la probabilidad de que las mujeres fueran visitadas por el personal de intervención y por lo tanto incluidas en la muestra difería de acuerdo con su uso anticonceptivo pasado y actual. Las estimaciones realizadas con la PPI sugieren que, durante el estudio, la TPA aumentó del 51% al 64%; y que la TPAm aumentó del 34% al 53%. Para ambos resultados, las estimaciones fueron más altas que las estimaciones de ACC, en general fueron similares a las estimaciones de UOLA y produjeron intervalos de confianza más amplios.

Conclusiones: La PPI ofrece una metodología poderosa para superar los desafíos relacionados con las estimaciones, cuando se utilizan datos de programas que no son representativos de la población en entornos donde el costo impide la recolección de datos de resultados para un grupo de control apropiado.

Author's Affiliations

Ece Amber Özçelik is a doctoral candidate, Julia Rohr and Kristy Hackett are research associates, Iqbal Shah is principal research scientist and David Canning is Richard Saltonstall Professor of Population Sciences, Deputy Director of the Program on the Global Demography of Aging and professor of economics and international health—all at the Department of Global Health and Population, Harvard T.H. Chan School of Public Health, Boston, MA, USA.

Disclaimer

The views expressed in this publication do not necessarily reflect those of the Guttmacher Institute.