Estudos que consideram variáveis individuais e ambientais para explicar as diferenças no estado de saúde autorreferido de indivíduos vêm paulatinamente crescendo no Brasil, mas ainda são escassos. Por razões de tempo e custo, muitas pesquisas utilizam planos amostrais complexos que envolvem aspectos (estratificação, conglomeração e pesos amostrais distintos) que quando ignorados podem influenciar as medidas de razões de chance e as medidas de precisão das estimativas dos parâmetros de modelos estatísticos. Usando a Pesquisa Nacional por Amostra de Domicílios (PNAD 2008), este artigo avalia o impacto nessas medidas quando não se consideram alguns ou todos os aspectos ao ajustar um modelo logístico ordinal para estabelecer a associação entre o estado de saúde autorreferido de adultos e um conjunto de fatores individuais e ambientais. Observou-se que quando não se considera os três aspectos simultaneamente, ocorrem alterações nas magnitudes das medidas de razões de chance do adulto autorreferir melhor estado de saúde associadas à maioria dos fatores, além de grande subestimação dos erros padrões.

Studies that draw on individual and environmental variables to explain differences in self-rated health status have increased gradually in Brazil, but are still limited in number. Due to time and cost issues, many studies use a complex sample design involving features (stratification, clustering, and different sample weights) that, when ignored, can influence odds ratios and standard errors in the statistical models. Using the National Household Sample Survey (PNAD 2008), this paper assesses the impact on these measurements when some or all of these features are not taken into account in fitting ordinal logistic models to establish associations between adults' self-rated health and various individual and environmental factors. According to this study, failure to take these three features into account simultaneously led to changes in the magnitude of the odds ratio between better self-rated health and most of the factors, besides important underestimation of standard errors.