Neste estudo, propomos um método diagnóstico baseado em uma nova família de funções de ligação, que permite avaliar a sensibilidade de ligações simétricas (como o logit) em relação a versões assimétricas. Essa abordagem visa melhorar o ajuste de modelos de regressão binária, especialmente em contextos médicos, onde o uso da função logit é comum devido à sua interpretabilidade via razão de chances. O modelo geral proposto, estimado por métodos baseados em verossimilhança, permite substituir a ligação padrão quando inadequada. Também desenvolvemos ferramentas de influência local sob diferentes esquemas de perturbação, com ênfase na sensibilidade da função de ligação e razão de chances. Simulações de Monte Carlo e aplicações com dados médicos ilustram a utilidade da proposta, ressaltando a importância de diagnósticos estatísticos adequados na modelagem.