José Rodrigo de Moraes - posgraduacao.iesc.ufrj.br · Usando os dados da Pesquisa Nacional por...

i

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO

CENTRO DE CIÊNCIAS DA SAÚDE

INSTITUTO DE ESTUDOS DE SAÚDE COLETIVA

ESTADO DE SAÚDE AUTORREFERIDO DE ADULTOS NO BRASIL E A

ÁREA DE LOCALIZAÇÃO DO DOMICÍLIO SEGUNDO A PNAD 2008:

AVALIAÇÃO DO EFEITO DO PLANO AMOSTRAL E USO DE MODELO LOGÍSTICO

ORDINAL VIA ABORDAGENS AGREGADA E DESAGREGADA

José Rodrigo de Moraes

RIO DE JANEIRO

2012

ii






Tese apresentada ao Programa de Pós-Graduação em Saúde Coletiva, do Instituto de Estudos em Saúde Coletiva da Universidade Federal do Rio de Janeiro, como requisito parcial para obtenção do título de Doutor em Saúde Coletiva na linha de pesquisa “Desenvolvimento de Métodos Estatísticos, Epidemiológicos e Computacionais em Saúde”.

Orientador: Ronir Raggio Luiz

RIO DE JANEIRO

2012

iii






Tese apresentada ao Programa de Pós-Graduação em Saúde Coletiva, do Instituto de Estudos em Saúde Coletiva da Universidade Federal do Rio de Janeiro, como requisito parcial para obtenção do título de Doutor em Saúde Coletiva na linha de pesquisa “Desenvolvimento de Métodos Estatísticos, Epidemiológicos e Computacionais em Saúde”.

Banca avaliadora: Prof. Dr Ronir Raggio Luiz (IESC/UFRJ) – Orientador Prof. Dr Alexandre dos Santos Brito (IESC/UFRJ) Prof. Dr Guilherme Loureiro Werneck (ENSP/FIOCRUZ) Prof. Dr Antonio Carlos Monteiro Ponce de Leon (IMS/UERJ) Prof. Dr Christovam Barcellos (FIOCRUZ)

RIO DE JANEIRO

2012

iv

M827 Moraes, José Rodrigo de. Estado de saúde autorreferido de adultos no Brasil e a área de localização do domicílio segundo a PNAD 2008: avaliação do efeito do plano amostral e uso de modelo logístico ordinal via abordagens agregada e desagregada/ José Rodrigo de Moraes. – Rio de Janeiro: UFRJ/ Instituto de Estudos em Saúde Coletiva, 2012. 166 f.; 30cm. Orientador: Ronir Raggio Luiz . Tese (Doutorado) - UFRJ/Instituto de Estudos em Saúde Coletiva, 2012. Inclui Bibliografia 1. Avaliação em saúde. 2. Distribuição espacial da população. 3. Regressão logística . 4. Estatística. 5. Bioestatística. 6. Análise multinível. I. Luiz, Ronir Raggio. II. Universidade Federal do Rio de Janeiro, Instituto de Estudos em Saúde Coletiva. III. Título. CDD 570.15195

v

Em primeiro lugar dedico esta tese a Deus

por permitir que eu completasse mais essa

importante etapa da minha vida; em segundo

lugar aos meus pais Vera Lúcia e José

Roberto e ao meu irmão José Roberto Júnior

por me apoiarem em todos os momentos na

realização de mais esse grande sonho: “Ser

doutor e assim poder conseguir maior êxito

nas minhas atividades profissionais de ensino

e pesquisa”.

vi

Agradecimentos

Especialmente ao meu orientador Ronir Raggio Luiz, a quem tenho um grande respeito

e admiração, não somente pelo incentivo a produção acadêmica, pela indicação para ser

avaliador de artigos científicos e por seu vasto conhecimento em estatística e epidemiologia,

mas principalmente pela forma como conduziu o seu trabalho de orientação durante todo esse

tempo. Sua pontualidade, paciência, atenção, além da confiança depositada em mim, foram

com certeza qualidades fundamentais para a conclusão desta tese.

Ao Professor Ponce de Leon, agradeço por ter atendido o meu pedido para assistir as

suas aulas de bioestatística no IMS/UERJ sem me conhecer pessoal ou profissionalmente, e

sobretudo por ter me comunicado sobre o início do doutorado no IESC e desse modo

possibilitado que eu me inscrevesse no processo seletivo ainda em 2009.

A todas as pessoas que me incentivaram nesta longa caminhada, em especial a minha

namorada Renata Lacerda e aos meus grandes amigos Milton Ferreira e Jorcely Franco pela

grande ajuda, atenção e paciência em muitos momentos. Aos meus amigos de turma, em

especial Patrícia Guimarães, Fátima Paula, Jéssica Pronestino e Raphael Mendonça, por

todas as sugestões e críticas que me fizeram refletir e crescer como pesquisador.

Aos professores que sempre me espelhei Inês Costa (ENCE/IBGE) e Frederico

Cavalcanti (ENCE/IBGE) por terem me estimulado para a carreira acadêmica.

A todos os meus amigos do Departamento de Estatística da Universidade Federal

Fluminense, em especial Luz Amanda, Dirley Santos e Licínio Esmeraldo, por me

incentivarem durante todo esse período de realização da tese.

A todos os meus alunos da Universidade Federal Fluminense, em especial os da

graduação de Estatística, Farmácia e Economia, agradeço por continuarem me mostrando por

meio de palavras ou por simples gestos que tenho condições de fazê-los compreender as

técnicas estatísticas, motivando-me ainda mais a me empenhar na carreira acadêmica.

Ao Instituto de Estudos em Saúde Coletiva (IESC/UFRJ), por ter-me acolhido com

todo carinho durante todo o período de estudo e pesquisa e por ter me possibilitado conhecer e

valorizar ainda mais a área de Saúde Coletiva, além de ter me possibilitado construir laços de

amizade e parcerias com diferentes profissionais da área de saúde.

A Coordenadora Geral da Escola Nacional de Ciências Estatísticas (ENCE), Denise

Britz, por ter me permitido usar o programa SAS nos momentos em que precisei.

vii

SUMÁRIO

Lista de Tabelas....................................................................................................... viii

Lista de Quadros...................................................................................................... x

Lista de Figuras....................................................................................................... xi

Lista de Siglas......................................................................................................... xii

1. Introdução........................................................................................................ 01

2. Saúde Urbana.................................................................................................. 05

2.1. Saúde e urbanização................................................................................... 05

2.2. Saúde e os lugares...................................................................................... 07

2.2.1. Modelos conceituais em Saúde......................................................... 13

2.2.2. Definição de urbano e rural.............................................................. 16

2.2.3. Indicadores de saúde........................................................................ 19

2.2.3.1. Morbidade autorreferida........................................................ 20

2.2.3.2. Mobilidade física autorreferida.............................................. 21

2.2.3.3. Autoavaliação de saúde......................................................... 22

3. Objetivos.......................................................................................................... 24

3.1. Objetivo geral............................................................................................ 24

3.2. Objetivos específicos................................................................................. 24

4. Material e Métodos......................................................................................... 26

4.1. Pesquisa Nacional por Amostra de Domicílios – PNAD...................... 26

4.1.1. Plano amostral da PNAD.................................................................. 27

4.1.1.1. Informações do plano amostral............................................. 29

4.1.1.2. Estrutura hierárquica dos dados............................................. 31

4.2. Modelagem Estatística............................................................................. 35

4.2.1. Autoavaliação do estado global de saúde do indivíduo.................... 35

4.2.2. Variáveis explicativas do modelo..................................................... 38

4.2.3. Modelo logístico ordinal................................................................... 48

4.2.4. Modelo logístico ordinal multinível.................................................. 49

5. Resultados......................................................................................................... 55

5.1. Artigo 1....................................................................................................... 55

5.2. Artigo 2....................................................................................................... 81

5.3. Artigo 3....................................................................................................... 101

5.4. Artigo 4....................................................................................................... 124

6. Considerações finais........................................................................................ 150

Apêndice................................................................................................................. 156

Referências bibliográficas..................................................................................... 161 Anexos

viii

Lista de Tabelas

Artigo 1:

Tabela 1: Associações de variáveis demográficas, socioeconômicas, comportamentais e de

saúde com o estado de saúde autorreferido – Brasil................................................................ 67

Tabela 2: Modelos logísticos ordinais (multivariados) explicativos do estado de saúde

autorreferido de adultos - Brasil...............................................................................................69

Tabela 3: Medidas de razão de chance para as variáveis de interação ................................... 71

Artigo 2:

Tabela 1: Modelo logístico ordinal ajustado por MPV considerando todas as informações do

plano amostral...........................................................................................................................92

Tabela 2: Modelos logísticos ordinais ajustados por MV considerando apenas os pesos

amostrais, e por MV desconsiderando os pesos amostrais e as informações estruturais do

plano amostral ..........................................................................................................................95

Artigo 3:

Tabela 1: Ajuste de modelos logísticos univariados para estabelecimento da associação entre

área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde

.................................................................................................................................................112

Tabela 2: Ajuste de modelos logísticos multivariados para estabelecimento da associação

entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de

saúde, controlando por um conjunto de variáveis demográficas, socioeconômicas,

comportamentais e de saúde...................................................................................................115

Artigo 4:

Tabela 1: Distribuição de adultos segundo o desfecho de autoavaliação de saúde, a área de

localização do domicílio e as variáveis de controle (categóricas) usadas na análise multinível

– Municípios populosos..........................................................................................................134

Tabela 2: Associação entre pesos amostrais e o desfecho de autoavaliação de saúde de adultos

nos municípios considerados (análise multinível) .................................................................136

Tabela 3: Resultados do teste de comparabilidade entre o modelo nulo de 4 níveis (adulto,

domicílio, setor e município) com outros quatro modelos nulos com menos níveis de

hierarquia ...............................................................................................................................137

Tabela 4: Estimativas para os modelo logísticos ordinais de interceptos aleatórios de 4 níveis

para o desfecho de autoavaliação de saúde de adultos............................................................138

Tabela 5: Análise multinível da autoavaliação de saúde de adultos: estimativas para o modelo

logístico ordinal de interceptos aleatórios de 4 níveis considerando efeitos

principais................................................................................................................................ 141

ix

Lista de Tabelas

(continuação)

Apêndice:

Tabela 1: Ajustes dos modelos logísticos ordinais univariados (MCP e MCPP) para

estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de

uma melhor autoavaliação de saúde........................................................................................156

Tabela 2: Ajustes dos modelos logísticos ordinais multivariados (MCP e MCPP) para

estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de

uma melhor autoavaliação de saúde........................................................................................158

x

Lista de Quadros

Quadro 1: Listagem do conjunto inicial de variáveis explicativas consideradas no ajuste dos

modelos logísticos (abordagens agregada e desagregada) explicativos do estado global de

saúde autorreferido do indivíduo..............................................................................................47

Artigo 3:

Quadro 1: Comparações efetuadas no modelo de regressão logística ordinal (modelo de

chances proporcionais)...........................................................................................................109

xi

Lista de Figuras

Figura 1: Modelo Conceitual para Saúde Urbana................................................................... 13

Figura 2: Outro Modelo Conceitual para Saúde Urbana..........................................................14

Figura 3: Estrutura do plano amostral da PNAD..................................................................... 29

Figura 4: Relação entre uma variável latente e uma variável categórica de 3 níveis.............. 37

Figura 5: Níveis de hierarquia das variáveis de controle....................................................... 39

Artigo 1:

Figura 1: Distribuição de adultos segundo o estado de saúde autorreferido.

Brasil........................................................................................................................................ 66

Apêndice:

Figura 1: Probabilidade acumulada do adulto autorreferir melhor estado de saúde por área

censitária segundo os modelos de chances proporcionais (MCP) e os modelos de chances

proporcionais parciais (MCPP)...............................................................................................160

xii

Lista de siglas

AR – Municípios autorrepresentativos

MB – Modelo (logístico) binário

MCP – Modelo de chances proporcionais

MCPP – Modelo de chances proporcionais parciais

MPV – Método de Máxima Pseudo-Verossimilhança

MV – Método de Máxima Verossimilhança

NAR – Municípios não autorrepresentativos

OMS – Organização Mundial de Saúde

OPAS – Organização Pan-Americana de Saúde

OR – Razão de chances

PNAD – Pesquisa Nacional por Amostra de Domicílios

PSF – Programa da Saúde da Família

UPA – Unidade primária de amostragem

USA – Unidade secundária de amostragem

UTA – Unidade terciária de amostragem

xiii

RESUMO

Usando os dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) 2008,

com modelos logísticos ordinais (modelos de chances proporcionais), o presente estudo pode ser dividido em quatro partes (artigos). Na parte 1 avaliou a associação entre a área de localização do domicílio (urbana e rural) e o estado de saúde autorreferido da população adulta brasileira, controlando para um conjunto de fatores individuais e do ambiente intradomiciliar e extradomiciliar. Na parte 2 avaliou o impacto nas medidas de razões de chance e nas medidas de precisão das estimativas dos parâmetros quando não se consideram alguns ou todos os aspectos do plano amostral 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. Na parte 3 comparou a associação entre a situação censitária (urbana vs rural) e o desfecho de autoavaliação de saúde de adultos no Brasil considerando os casos em que este desfecho é expresso em escala ordinal (três e cinco categorias) e binária. Na parte 4, ajustando para características do ambiente intradomiciliar (domicílio) e extradomiciliar (setor) e para características individuais (adulto) teve como objetivo avaliar, por meio de modelo de regressão logística ordinal multinível, o efeito da área de localização do domicílio (urbana e rural) na autoavaliação de saúde de adultos residentes em cidades populosas. Quanto aos resultados, observou-se na parte 1 que ao controlar por fatores individuais e ambientais, a associação entre a área de localização do domicílio e o estado de saúde autorreferido dos adultos se modifica (passando de OR=1,51 para OR=0,96) e perde a sua significância estatística (p-valor=0,208). Na parte 2, observou-se que quando não se considera os três aspectos (estratificação, conglomeração e pesos amostrais distintos) 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. Na parte 3, para as diferentes escalas de autoavaliação de saúde verificaram-se semelhanças no sentido, magnitude e significância estatística da associação entre a situação censitária e a chance (acumulada) de melhor autoavaliação de saúde tanto na análise bruta quanto na análise multivariada. Com relação à parte 4, na análise bruta os resultados mostraram que a área urbana, em comparação a área rural, está associada a melhores níveis de autoavaliação de saúde de adultos, mas na análise ajustada não se evidenciou uma diferença estatisticamente significante nos níveis de autoavaliação de saúde entre áreas urbana e rural de municípios populosos.

Palavras-chave: Estado de saúde autorreferido, área de localização do domicílio, modelo de regressão logística ordinal, efeito do plano amostral, escala binária, escala ordinal, modelo regressão logística ordinal multinível.

xiv

ABSTRACT

Using data from the National Household Sampling Survey (PNAD) 2008, with ordinal

logistic models (proportional odds models), the present study can be divided into four parts (papers). In part 1 assessed the association between the area where the homes of a Brazilian adult population were located (urban or rural) and these individuals’ self-reported state of health, while controlling for a set of individual and environmental factors within and outside of households. In part 2 assessed the impact on odds ratio and accuracy measurements of the parameters estimates when some or all the features of the sampling plan are not taken into account in fitting ordinal logistic models to establish associations between adults’ self-reported health status and various individual and environmental factors. In part 3 compared the association between census tract location (urban vs rural) and the outcome of self-assessed health among adults in Brazil, considering cases in which this outcome is expressed on an ordinal scale (three and five categories) and on a binary scale. In part 4 evaluated the effect of household location (urban or rural) on self-assessed health among adults living in large cities, by means of a multilevel ordinal logistic regression model, with adjustments for environmental characteristics inside homes (household) and outside homes (census tract) and for characteristics of the individuals (adult). Regarding the results, in part 1 the results indicated that after controlling for individual and environmental factors, the association between the area of home location and individuals’ self-reported state of health became modified (going from OR = 1.51 to OR = 0.96) and lost its statistical significance (p-value = 0.208). In part 2, it was seen that when the three features (stratification, clustering and different sampling weights) were not simultaneously taken into account, there were changes to the magnitudes of the odds ratio measurements, such that adults self-reported a better state of health in relation to most of the factors, along with major underestimation of standard errors. In part 3, for the different self-assessed health scales, similarities in the direction, magnitude and statistical significance of the association between census tract location and the accumulated chance of better self-assessed health, both in crude analysis and in multivariate analysis, were observed. With respect to part 4, in the crude analysis, the results showed that, in comparison with rural areas, urban areas were associated with better self-assessed health levels among adults, but in the adjusted analysis did not show any statistically significant difference in self-assessed health levels between the urban and rural areas of large-population municipalities.

Key words: Self-reported state of health, area of home location, ordinal logistic regression model, effect of sampling plan, binary scale, ordinal scale, multilevel ordinal logistic regression model.

1

1. Introdução

Na segunda metade do século XX, o Brasil experimentou uma das mais aceleradas

transições urbanas da história mundial, transformando-se de um país rural e agrícola em um

país urbano e metropolitano (MARTINE e MCGRANAHAN, 2010). Esse rápido processo de

urbanização, aliado à intensificação da industrialização após a Segunda Guerra Mundial,

provocou a migração de grandes contingentes populacionais de áreas rurais para os centros

urbanos na busca de melhores condições de vida, o que conduziu a modificações na ocupação

do espaço urbano (NOGUEIRA, 2008).

Em grande parte do século XX, a saúde da população urbana não teve a devida

atenção de políticos e planejadores, não atuando nos fatores determinantes da saúde urbana

que poderiam ser evitados ou modificados com a realização de um planejamento urbano

adequado (SANTANA, 2006). Devido à dificuldade de planejamento do crescimento urbano e

às grandes desigualdades socioeconômicas ainda existentes no Brasil, o espaço urbano tem se

caracterizado por altos níveis de pobreza, crescimento de favelas e aumento da degradação

ambiental (MARTINE e MCGRANAHAN, 2010).

No século XXI, a urbanização e o crescimento urbano acentuado são ainda

considerados fenômenos que mais afetam as condições socioeconômicas e ambientais nos

países em desenvolvimento, e com isso a saúde e a qualidade de vida das populações.

Com o novo paradigma do processo saúde-doença baseado na promoção e prevenção,

cujo resultado esperado é a melhoria da qualidade de vida e bem-estar da população, tem

surgido nas últimas décadas, no campo da Saúde Pública, estudos que levam também em

conta os atributos (características) do espaço urbano (lugar) para explicar as diferenças de

saúde da população urbana. A saúde é entendida como resultado da influência de fatores

individuais (características dos indivíduos, tais como sexo, idade, escolaridade, etc.) e fatores

composicionais (características do lugar obtidas a partir da agregação das características dos

2

indivíduos que compõem esse lugar) e contextuais (características do ambiente físico e social

do lugar) (PROIETTI et al., 2008).

Ainda é baixo o número de estudos que visam encontrar associações entre

determinantes individuais e contextuais do lugar de moradia e a saúde individual, usando

como desfecho do modelo a autoavaliação do estado de saúde levantado em inquéritos

populacionais (SANTOS et al., 2007). Além disso, uma grande parte desses estudos

dicotomizam este indicador. Nesta tese, a partir dos dados da Pesquisa Nacional por Amostra

de Domicílios (PNAD) realizada em 2008, utilizou-se como desfecho a autoavaliação do

estado global de saúde, mantendo a natureza ordinal deste indicador; a área de localização do

domicílio (urbana e rural) como variável de interesse e um conjunto de dezoito variáveis de

controle relacionadas às características dos indivíduos (adultos) e dos ambientes

intradomiciliar e extradomiciliar. A PNAD é um estudo secional realizado anualmente pelo

Instituto Brasileiro de Geografia e Estatística (IBGE), de abrangência nacional, que utiliza um

plano amostral complexo, que envolve estratificação, conglomeração e probabilidades

desiguais de seleção das unidades.

De modo geral, nesta tese avaliou-se a existência de associação entre a área de

localização do domicílio (urbana e rural) e o desfecho de autoavaliação de saúde para dois

recortes populacionais: 1) adultos brasileiros que informaram seu próprio estado de saúde e

2) adultos brasileiros que informaram seu próprio estado de saúde residentes em municípios

populosos, que englobam os municípios situados nas regiões metropolitanas e os municípios

grandes em tamanho populacional. O primeiro recorte populacional foi utilizado nos artigos 1,

2 e 3, enquanto que o segundo recorte foi considerado no artigo 4.

Na modelagem estatística foram consideradas basicamente duas abordagens de

análise: a agregada (artigos 1, 2 e 3) e a desagregada (artigo 4). Na abordagem agregada,

utilizou-se o modelo de regressão logística ordinal, em especial o modelo de chances

3

proporcionais (MCP) que foi ajustado incorporando e não incorporando as informações do

plano amostral da pesquisa. Mas ainda na abordagem agregada, foram realizadas algumas

análises que incluíram o modelo de chances proporcionais parciais (MCPP) e o modelo de

regressão logística binária. Com relação à abordagem desagregada, ajustou-se o modelo de

regressão logística ordinal multinível, também considerando o modelo de chances

proporcionais.

Em termos gerais, pode-se dizer que a abordagem desagregada traz uma complexidade

maior na análise estatística, pois além da consideração da estrutura hierárquica dos dados, é

preciso incorporar ainda os pesos amostrais e a estrutura do plano amostral adotado na seleção

da amostra (PESSOA e SILVA, 1998). A análise multinível (abordagem desagregada de

análise) é considerada mais adequada no estudo das características do(s) local(is) de moradia

(unidade de contexto) na autoavaliação do estado global de saúde dos indivíduos

(SANTANA, 2006), por permitir estudar tanto as variações entre indivíduos quanto entre

grupos, além de permitir a estimação do efeito de cada um desses níveis sobre a autoavaliação

de saúde (SANTOS et al., 2007).

Esta tese foi estruturada em seis capítulos, sendo esta introdução o Capítulo 1. No

Capítulo 2 são apresentados aspectos relacionados à temática Saúde Urbana, que inclui uma

descrição sobre a relação entre saúde e urbanização, a importância do lugar na análise das

diferenças de saúde, a mudança de paradigma do processo saúde-doença, os modelos

conceituais em Saúde Urbana, e por fim, são apresentados alguns indicadores de saúde de

natureza subjetiva levantados periodicamente nas PNADs, além da definição de urbano-rural

utilizada pelo IBGE, bem como uma breve discussão sobre tal definição. No Capítulo 3 são

descritos os objetivos gerais e específicos. No Capítulo 4 é apresentada a descrição do plano

amostral da PNAD 2008, incluindo aspectos relacionados à estrutura do plano amostral e à

estrutura hierárquica dos dados, e a descrição das variáveis (desfecho e variáveis explicativas)

4

que serão usadas nos ajustes dos modelos tanto na abordagem agregada quanto na abordagem

desagregada de análise (análise multinível). No Capítulo 5 são apresentados os resultados na

forma de artigos (artigos 1, 2, 3 e 4), além de resultados suplementares apresentados no

Apêndice. No Capítulo 6 são feitas as considerações finais. Complementam esta tese as

referências bibliográficas.

5

2. Saúde Urbana

A saúde urbana pode se entendida como um ramo da saúde pública que “estuda os

fatores de riscos das cidades, seus efeitos sobre a saúde e as relações sociais urbanas

(CAIAFFA et al., 2008)”. A saúde está associada às condições de vida das pessoas e de suas

interações com o meio ambiente e não apenas às suas características biológicas ou genéticas

(COHEN, 2004). Segundo a OMS, o processo de urbanização é considerado o maior desafio

para a saúde pública, estando associado à ocorrência de grandes iniqüidades intra-urbanas.

A temática “Saúde Urbana” vem ganhando mais atenção na agenda política com a

criação de movimentos sociais, que visam realizar ações de melhoria das condições de vida e

saúde da população urbana e, portanto, de incremento na qualidade de vida (SEID e

ZANNON, 2004). Entre eles pode-se citar o Movimento de Cidades Saudáveis surgido em

1986 na Europa

2.1. Saúde e urbanização

Com a aceleração do processo de industrialização, ocorreu uma rápida urbanização

brasileira, com a ampliação no ritmo do crescimento e no número de cidades

(BERNARDELLI, 2006). Esses fenômenos promoveram fortes impactos no campo brasileiro,

isto é, com a modernização da agricultura iniciado principalmente após 1970 no Brasil, houve

aumento da concentração fundiária e a expulsão de expressivo contingente de trabalhadores,

intensificando a migração de grandes contingentes populacionais de áreas rurais para áreas

urbanas (êxodo rural) (MARTINE e MCGRANAHAN, 2010; MONTE-MÓR, 2006;

BERNARDELLI, 2006).

6

Segundo MARTINE e MCGRANAHAN (2010), a não adoção de atitudes proativas

em relação à rápida urbanização no Brasil facilita o aparecimento de problemas, como por

exemplo, a propagação da pobreza habitacional e da degradação ambiental. Esses problemas,

por sua vez, dificultam o aproveitamento do potencial da urbanização precoce no sentido de

melhorar o desenvolvimento social e econômico do país e os níveis de saúde da população.

Segundo CAMELLO et al. (2009) mais de um bilhão dos habitantes do mundo vivem

em habitação em condições inadequadas e sem acesso a serviços básicos, embora todo

indivíduo tenha direito a uma vida saudável em consonância com a natureza. Além disso,

estes autores chamam atenção para o fato que doenças como cólera, dengue, esquistossomose

e leptospirose provenientes da falta ou inadequação de saneamento, sobretudo em áreas

pobres, têm agravado a situação epidemiológica no Brasil.

Se por um lado a urbanização pode trazer oportunidades positivas, por outro lado

também pode trazer efeitos negativos relacionados à falta de organização social, precárias

condições urbanas de moradia e de trabalho, de oportunidades, e de capacidade de

desenvolver políticas para ações que, por sua vez, tendem a ampliar os efeitos adversos sobre

a saúde da população (CAIAFFA et al., 2008). De acordo com MARTINE e

MCGRANAHAN (2010), a urbanização se bem orientada com uma governança mais efetiva

pode ajudar na redução da pobreza, na estabilização do crescimento urbano e na geração de

um futuro ambiental mais seguro. Mas se deixada a mercê das forças de mercado e da

especulação imobiliária, a urbanização aumentará a pobreza, a favelização e a degradação

ambiental, sobretudo em lugares com maiores desigualdades políticas e sociais.

VLAHOV et al., em 2005, já apontavam a ocorrência de uma aceleração no ritmo da

urbanização em todo o mundo nas próximas décadas, especialmente na América Latina, Ásia

e África, e a maioria da população passará a viver em cidades nos próximos anos. Este

fenômeno pode agravar os problemas sociais e ambientes existentes nas cidades brasileiras no

7

século XXI, com conseqüências para a saúde das populações, sobretudo das populações mais

pobres, que não tem as suas necessidades atendidas devido à incapacidade dos políticos e

planejadores para prever e reagir frente à magnitude, velocidade e importância do crescimento

urbano (MARTINE e MCGRANAHAN 2010). COSTA (1986) em seu artigo intitulado

“consumo coletivo e a questão urbana: notas para discussão” já salientava a necessidade e

importância no Brasil de “políticas sociais voltadas para a provisão dos meios de consumo

coletivo essenciais, que devido à sua ausência e/ou precariedade nas áreas urbanas

contribuem, juntamente com os baixos salários, para agravar a pobreza nas cidades

(COSTA, 1986:167).

2.2. Saúde e os lugares

O espaço é considerado como um dos principais elementos na análise de dados

epidemiológicos, sendo compreendido, separado do tempo e das pessoas, como o lugar

geográfico que predispõe a ocorrência de doenças (CZERESNIA e RIBEIRO, 2000). Os

lugares são constituídos por espaço físico e por tudo o que envolve e o que ele contém, por

pessoas e por suas atividades, por ambientes físicos e sociais. Embora parte das diferenças nos

níveis de saúde possa ser devida a fatores individuais, é possível que indivíduos com os

mesmos fatores de risco tenham experiências de saúde diferentes, dependendo do lugar em

que vivem (NOGUEIRA, 2008).

No modelo biomédico vigente desde o século XVI até os séculos XVIII e XIX era

dado mais atenção à doença do que a saúde, e, portanto o foco estava na cura e não na

promoção da saúde ou prevenção da doença, configurando assim uma visão reducionista de

que saúde é simplesmente ausência de doença (NOGUEIRA, 2008). Em outras palavras,

segundo este modelo, a explicação do processo saúde-doença se restringe a seus aspectos

8

anatômicos, bioquímicos e fisiológicos, não considerando assim aspectos funcionais, sociais e

culturais (COSTA, 2006). Em 1946, a OMS passou a definir a saúde de forma mais

abrangente, como um estado de completo bem-estar físico, mental e social, e não apenas

ausência de doença. Ainda assim, tal definição de saúde recebeu críticas devido à não

explicitação dos possíveis fatores responsáveis pela produção do “completo estado de bem-

estar” (AKERMAN, 2008).

Embora considerada mais abrangente, mas vaga e imensurável na época, a definição

da OMS, surgida na década de 40, tornou-se amplamente aceita devido ao desenvolvimento

de novas técnicas para mensuração de conceitos como bem-estar (VERMELHO et al., 2009).

Entretanto, somente na década de 70 houve uma mudança de paradigma do conceito de saúde,

pautada na promoção de saúde. Em setembro de 1978 foi organizada pela Organização

Mundial de Saúde (OMS) e o Fundo das Nações Unidas para a Infância1 (UNICEF) a

1ª Conferência Internacional sobre Cuidados Primários de Saúde, na cidade de Alma-Ata, no

Cazaquistão. Esta conferência, cujo tema era “Saúde Para Todos no Ano 2000”, deu origem a

elaboração da Declaração de Alma-Ata, que é um documento que reafirmou o significado de

saúde – estado de completo bem-estar físico, mental e social e não apenas ausência de doença

– como um direito humano fundamental e como uma das mais importantes metas mundiais

para a melhoria social (GIOVANELLA, 2008).

Conforme a Declaração de Alma-Ata, deveriam ser estimuladas ações de redução das

desigualdades sociais em todos os países (os desenvolvidos e em desenvolvimento) para que a

meta de saúde universal fosse alcançada. Para isso, essa declaração defende a importância de

1 O Fundo das Nações Unidas para a Infância (em inglês United Nations Children's Fund - UNICEF) é uma agência das Nações Unidas que visa promover a defesa dos direitos das crianças, atender às suas necessidades básicas e contribuir para o seu pleno desenvolvimento.

9

investimentos em atenção primária para uma promoção de saúde mais abrangente, por meio

de medidas de prevenção2 e educação em saúde3.

De acordo com BUSS (2000), a Declaração de Alma-Ata representou um importante

reforço para os defensores da estratégia da promoção da saúde, que culminou com a

realização, em novembro de 1986, da 1ª Conferência Internacional sobre Promoção da Saúde

em Ottawa, no Canadá, organizada pela OMS, Ministério da Saúde e Bem Estar do Canadá e

Associação Canadense de Saúde Pública. Desta conferência, cujo tema era “Promoção da

Saúde nos Países Industrializados”, resultou a Carta de Ottawa, considerada como marco

fundamental na história da Saúde Pública. A Carta de Ottawa define a promoção da saúde

como o processo de capacitação da comunidade para atuar na melhoria de sua qualidade de

vida e de sua própria saúde, incluindo uma maior participação no controle deste processo

(BUSS, 2000).

A Carta de Ottawa reconhece a existência de múltiplos determinantes da saúde, ao

destacar como pré-requisitos fundamentais para a saúde, a paz, a habitação, a alimentação, a

educação, a renda, um ecossistema estável, e conservação dos recursos naturais e a equidade.

Além disso, reforça a questão da intersetorialidade, ao reconhecer que a promoção da saúde é

uma atividade intersetorial, ou seja, depende de uma ação conjunta de outros setores (social,

econômico, etc.) e não exclusivamente do setor saúde (BECKER, 2001). Segundo a Carta de

Ottawa, a saúde é entendida como o maior recurso para o desenvolvimento socioeconômico e

pessoal, sendo a qualidade de vida apontada como fator primordial para a manutenção e

aumento da saúde da população (WESTPHAL, 2000; NOGUEIRA, 2008).

Com a Carta de Ottawa, houve uma ampliação da concepção de promoção da saúde,

incorporando a importância e o impacto das dimensões socioeconômicas, políticas e culturais

2 Prevenção primária é o conjunto de ações que visam evitar a doença na população, removendo os fatores causais, ou seja, visam a diminuição da incidência da doença. 3 A educação em saúde pode ser definida como qualquer combinação planejada de aprendizado que predispõe, capacita ou reforça o comportamento voluntário, levando à saúde do indivíduo, do grupo ou da comunidade.

10

sobre as condições de saúde (FERRAZ, 1994 apud BECKER, 2001) dos indivíduos,

superando assim o modelo biomédico, focado na doença como fenômeno individual e na

assistência médica curativa realizada nos estabelecimentos de saúde como foco essencial de

intervenção (BUSS, 2000).

De acordo com BUSS (2000), a Carta de Ottawa considera cinco campos principais

de ação para a promoção de saúde: 1) elaboração e implementação de políticas públicas

saudáveis, que compreendem, sobretudo, ações voltadas para prover equidade em saúde e

uma distribuição mais eqüitativa da renda e políticas sociais; 2) criação de ambientes

favoráveis à saúde, através da proteção do meio ambiente e da conservação dos recursos

naturais, do monitoramento do impacto das mudanças no meio ambiente sobre a saúde, ou

mesmo da conquista de ambientes que contribuam para a saúde, como o lar, trabalho, escola e

a própria cidade; 3) reforço da ação das comunidades, que através do incremento de seu

poder técnico e político, contribuem para a definição de prioridades, na tomada de decisões e

na especificação e implementação de estratégias que visam melhores níveis de saúde;

4) desenvolvimento das habilidades pessoais, por meio da divulgação de informações sobre a

educação para a saúde em diferentes lugares (casa, escola, trabalho, etc.) e 5) reorientação

dos serviços de saúde, no sentido da nova concepção da promoção da saúde, além de serviços

assistenciais.

Segundo CAMELLO et al. (2009), além de ações de prevenção e assistência,

considera-se extremamente importante atuar sobre os fatores determinantes da saúde, entre os

quais destacam as condições ambientais como um dos mais importantes. AZEREDO et

al. (2007) corroboram dizendo que o conhecimento das condições do meio pertinente à saúde,

como saneamento e moradia, é de suma importância para a promoção da qualidade de vida

dos indivíduos, famílias e comunidades.

11

A promoção da saúde, cujos princípios estão expressos na Carta de Ottawa, constitui

um dos principais objetivos da OMS e da OPAS, sendo a habitação considerada um espaço de

construção da saúde e consolidação do seu desenvolvimento. Segundo COHEN et al. (2004),

como a família tem seu assento na habitação, pode-se considerar a habitação como espaço

principal e como veículo da construção e desenvolvimento da saúde da família e da

comunidade. AZEREDO et al. (2007) ressaltam que a inclusão da família como foco da

atenção básica em saúde ultrapassa o cuidado individualizado focado somente na doença,

contextualizando a saúde produzida num espaço físico, social e relacional, resgatando assim,

as múltiplas dimensões do processo saúde-doença.

Como prioridade da política de saúde do Brasil e da OPAS, valoriza-se a iniciativa da

Habitação Saudável, como instrumento para otimização dos resultados do Programa Saúde da

Família (COHEN et al., 2004) criado pelo Ministério de Saúde em 1994. O conceito de

habitação saudável, que tem como preocupação central a melhoria da qualidade de vida,

está relacionado com o território geográfico e social onde a habitação se assenta, os materiais usados para sua construção, a segurança e qualidade dos elementos combinados, o processo construtivo, a composição espacial, a qualidade dos acabamentos, o contexto global do entorno (comunicações, energia, vizinhança) e a educação em saúde ambiental de seus moradores sobre estilos e condições de vida saudável (COHEN et al., 2004:809).

O conceito de ambiente e entorno saudável, por sua vez,

incorpora a necessidade de ter equipamentos urbanos básicos com saneamento, espaços físicos limpos e estruturalmente adequados e redes de apoio para se conseguir hábitos psicossociais sãos e seguros, isentos de violência (abuso físico, verbal e emocional). A idéia de municípios/cidades saudáveis só é possível se houver uma política de habitação saudável (COHEN et al., 2004:809).

A influência dos lugares na saúde das pessoas residentes deste lugar tem sido objeto de

estudos epidemiológicos que consideram o paradigma do ambiente como determinante da

saúde. Considerando as propriedades do lugar, entendido como a cidade e seu entorno, e a

12

função do ambiente físico e social (contexto) na saúde das pessoas, é possível entender a

cidade (espaço urbano) como fator de exposição, ou melhor, como fator que influência a

saúde da população de forma positiva ou negativa (CAIAFFA et al., 2008).

NOGUEIRA (2008) chama atenção para o fato que o espaço urbano não é uniforme, e,

portanto, não proporciona a toda a sua população oportunidades iguais de acesso aos serviços,

de ter uma vida saudável e de promoção de saúde. CAMELLO et al. (2009) apesar de

reconhecerem os avanços conquistados pelo Programa (ou Estratégia) da Saúde da Família no

que se refere às ações de assistência e aos cuidados médicos, ressaltam a necessidade de

ampliação das ações do programa para a questão do meio-ambiente, mais especificamente

para os cuidados com a água, lixo e saneamento, apontando para isso a necessidade de

formação específica para as equipes.

COSTA (1986) já salientava que grande parte dos problemas urbanos deve-se aos

obstáculos à “socialização dos meios de consumo co1etivo”, tornando particularmente graves

em uma sociedade na qual as áreas urbanas são caracterizadas pela pobreza generalizada, pela

retenção de terrenos com fins especulativos e pela inexistência de um planejamento urbano

efetivo. Este autor também coloca a habitação no lócus desse consumo coletivo, entendendo a

habitação como uma moradia bem localizada em relação aos lugares das atividades diárias de

seus moradores e que possui todos os serviços urbanos essenciais, tais como saneamento, de

educação e de lazer, de transporte, etc.

Do exposto apreende-se que as diferenças nos níveis de saúde parecem depender de

quem é a pessoa e do lugar onde ela reside, ressaltando a importância de se considerar

variáveis contextuais que capturam as características do lugar onde os indivíduos residem,

além de características próprias desses indivíduos.

13

2.2.1. Modelos Conceituais em Saúde Urbana

A análise da Saúde Urbana é baseada em um modelo conceitual que tem como

característica uma rede interligada de determinantes, tendo como fundamento a proposta de

que os ambientes físico e social definem o contexto urbano e são representados por fatores

proximais e distais que atuam em diferentes níveis (CAIAFFA et al., 2008).

O modelo conceitual de Saúde Urbana (Figura 1) apresentado por CAIAFFA et al.

(2008) mostra que a saúde da população urbana é uma função das influências de três níveis:

1) mundiais e nacionais; 2) municipais; 3) condições urbanas de moradia e trabalho, sendo

estes últimos considerados como fatores primariamente modificáveis.

Figura 1: Modelo Conceitual para Saúde Urbana

Fonte: Caiaffa et al. (2008).

14

Um outro modelo conceitual de Saúde Urbana (Figura 2) é apresentado por

NOGUEIRA (2008). Este modelo também pode ser dividido em três níveis, sendo o primeiro

deles constituído por fatores individuais (sexo, idade e fatores genéticos, por exemplo) e de

grupo (comportamentos e estilos de vida), sensíveis ao processo de planejamento urbano; o

segundo nível formado por influências comunitárias e condições estruturais locais

(organização social e oportunidades sociais); e por fim o terceiro nível formado por fatores

ambientais mais gerais que também sofrem influências do processo de planejamento urbano.

Figura 2: Modelo Conceitual para Saúde Urbana

Fonte: Adaptado de Nogueira (2008).

Este modelo reforça a idéia de que atributos físicos e sociais (contexto) do lugar onde

se vive (local de moradia), também denominado de unidade de contexto (cidade, bairro,

vizinhança, domicílio), podem afetar a saúde dos indivíduos, e que a saúde, também pode

estar associada a atributos dos indivíduos aninhados no local de moradia assim como o

15

agregado das características destes indivíduos (composição), para além de suas características

puramente individuais (PROIETTI et al., 2008). Os atributos físicos e sociais do local de

moradia (ou unidade de contexto), que pode ser uma unidade geográfica administrativa,

embora dependente dos indivíduos, são tipicamente externos a eles e potencialmente

modificáveis (PROIETTI et al., 2008).

Os atributos físicos do lugar de moradia (ambiente físico) representam aspectos

compartilhados por todos os residentes de um lugar, como clima, qualidade da água, solo e ar,

nível de ruído e estética do lugar. Já os atributos sociais do lugar de moradia (ambiente

social), por sua vez, representam um conjunto de fatores relacionados à organização social do

lugar/comunidade e à disponibilidade e oferta de oportunidades sociais e recursos necessários

à vida cotidiana, tais como: Coesão e capital social, Habitação, Trabalho, Transporte e

acessibilidade, Segurança e Disponibilidade de alimentos (NOGUEIRA, 2008). De modo

geral, o ambiente social inclui a vizinhança onde se vive e as regras (procedimentos ou

políticas) criadas para organização da vida dos moradores (SANTOS et al., 2007).

No campo da saúde pública, mais especificamente em Epidemiologia Social, há

especial interesse na dimensão social da saúde, onde a saúde, sob a visão neomaterial da vida

contemporânea, é compreendida como resultante “de diferentes experiências e exposições,

determinadas pelas condições materiais, às quais se juntam, sistematicamente, baixos

investimentos nos fatores que promovam a satisfação das necessidades humanas

(NOGUEIRA, 2008:57)”. Sendo assim, é de interesse atuar em fatores mais proximais tal

como, as “condições de habitação e trabalho” que caracterizam o cotidiano das pessoas que

moram em áreas urbanas e que através de sua modificação é possível alcançar melhores

condições de saúde (CAIAFFA et al., 2008).

Segundo o modelo apresentado, observa-se que comportamentos e estilos de vida,

como por exemplo, tabagismo, atividades físicas e hábitos alimentares, também possuem sua

16

parcela de influência na saúde individual, podendo gerar aumento no nível de mortalidade e

morbidade das populações, além de gerar uma menor qualidade de vida, sobretudo quando se

leva em consideração determinados grupos e/ou lugares.

Com relação ao primeiro nível do modelo conceitual de Saúde Urbana, proposto por

Nogueira (2008), no que se refere a “comportamentos e estilos de vida”, o Programa da Saúde

da Família (PSF), por meio de visitas domiciliares, representa uma importante função de

contribuição para mudança de comportamento de risco e, assim para a promoção da qualidade

de vida dos moradores e de suas famílias (AZEREDO et al., 2007). O PSF se baseia na

educação em saúde, em termos de prevenção de doenças e promoção da saúde, e tem como

objetivo a reorganização da atenção básica sendo implantado prioritariamente em áreas de

risco em populações excluídas do consumo de serviços. Portanto, para a seleção dos

municípios beneficiados pelo PSF são utilizados critérios de natureza socioeconômica além de

critérios de natureza epidemiológica (ASSIS et al., 2010).

A análise da influência de um conjunto desses fatores na saúde da população da área

urbana, seja na comparação ou não com a área rural, é um processo complexo “não só por

causa da multiplicidade de fatores envolvidos e pelas inter-relações existentes entre eles

(NOGUEIRA, 2008: 69)”, mas também pelas limitações provenientes do tipo de desenho de

estudo epidemiológico adotado, independentemente dos cuidados tomados na realização do

estudo a fim de minimizar possíveis vieses de seleção e informação.

2.2.2. Definição de urbano e rural

No Brasil, assim como em outros países latino-americanos (El Salvador, Equador,

Guatemala e República Dominicana), a definição de urbano e rural segue um conceito

político-administrativo baseado em leis municipais. Tomando por base a legislação vigente

17

por ocasião da realização do Censo Demográfico 2000, as áreas urbanas abrangem todas as

áreas situadas dentro dos limites das cidades (sedes municipais), das vilas (sedes distritais) ou

das áreas urbanas isoladas, enquanto que a área rural abrange todas as áreas situadas fora

desses limites (IBGE, 2010).

Contrapondo a conceituação político-administrativa utilizada pelo IBGE, diferentes

critérios são sugeridos para a definição dos limites entre urbano e rural, entre os quais se pode

destacar aqueles que se baseiam: 1) no tamanho da população, onde o rural é entendido como

dispersão e o urbano como aglomeração; 2) na densidade demográfica, onde o urbano e o

rural são definidos em função da quantidade de habitantes por quilômetros quadrados e 3) na

ocupação econômica da população, onde o urbano e rural são definidos pela natureza das

atividades econômicas (ENDLICH, 2006).

VEIGA (2002) defende a adoção da densidade demográfica como novo padrão de

classificação dos limites entre urbano e rural, por ser um indicador de fácil operacionalização

e compreensão, e por refletir a visão de que áreas rurais são sempre menos densamente

povoadas que as urbanas. Baseando-se neste indicador demográfico (com um parâmetro

superior a 150 hab./km2 para classificação de localidades urbanas), a taxa de urbanização no

Brasil em 2000 deveria ser bem menor do que a divulgada pelo IBGE (ou seja, deveria ser de

57% ao invés de 81%) (VEIGA, 2002).

Segundo SILVA et al. (2002), com o surgimento do “novo rural” há uma extrapolação

das atividades agropecuárias e agroindustriais que caracterizaram o campo brasileiro, com a

diversificação de atividades agrícolas e não agrícolas. Há o aparecimento de novas atividades

(de serviços, comércio e indústria) desenvolvidas no campo que fazem com que o espaço rural

não possa mais ser classificado como estritamente agrário. Como cada vez menos a população

do campo trabalha na agricultura e se inserem em várias atividades terciárias,

ABRAMOVAY (2000) propõe que a ruralidade não esteja vinculada a qualquer setor

18

econômico, discordando do terceiro critério. Assim como VEIGA (2002),

ABROMOVAY (2000) sugere que o rural assim como o urbano seja entendido como uma

questão territorial, defendendo a consideração dos dois primeiros critérios (tamanho da

população e densidade demográfica) na definição de seus limites.

De acordo com BERNARDELLI (2006), o conceito utilizado na definição de áreas

urbanas e rurais no Brasil tem recebido críticas por basear exclusivamente em questões

territoriais e por gerar dificuldades em comparações internacionais. Essa autora evidencia que

os critérios usados para o processo emancipatório dos municípios no passado e ainda presente

hoje estão muitas vezes vinculados a interesses políticos e tributários, servindo para

beneficiamento de alguns grupos e partidos, bem como para atingir suas demandas. Além

disso, destaca ainda que municípios sem receitas próprias podem ser emancipados,

acarretando dificuldades administrativas e não beneficiamento da população residente nestes

municípios.

Além da abordagem dicotômica de urbano e rural defendida por VEIGA (2002) e

ABROMOVAY (2000) usando critérios demográficos e da adotada oficialmente pelo IBGE

por meio de critério político-demográfico, há uma outra abordagem para definição de urbano

e rural, onde o rural é entendido como um continuum do urbano. A abordagem do continnum

rural-urbano admite uma maior relação entre cidade e campo através de diferenças de grau e

não de contraste. Na abordagem do continnum há duas visões possíveis: uma que considera o

fim do rural, enquanto a outra ao contrário reafirma a existência do rural (WANDERLY,

2001).

A primeira visão está centrada no urbano em detrimento do rural, sendo o urbano

considerado fonte de progresso e o rural de atraso, onde a realidade rural estaria sujeita ao

desaparecimento com a expansão do sistema urbano (WANDERLY, 2001). Essa visão de fim

do rural se baseia na idéia de que o espaço rural se urbaniza devido à industrialização da

19

agricultura (“urbanização do campo”), sobretudo com o aparecimento de novas atividades não

agrícolas no campo. Entretanto, há críticas quanto essa visão por não poder ser aplicada de

forma generalizada para todos os países. No caso do Brasil, poderia ser aplicada apenas para

aquelas áreas rurais localizadas próximas dos grandes centros metropolitanos (GIRARD,

2008).

A segunda visão, na abordagem do continnum rural-urbano, considera a aproximação

entre o urbano e rural, e que mesmo com a expansão do urbano e aproximação de

semelhanças entre estes dois espaços as peculiaridades do rural não desaparecem. Essa visão

de aproximação entre urbano e rural contrapôs a idéia de urbanização do campo (1ª visão),

onde os avanços sociais e econômicos, alcançados primeiramente nas cidades chegam ao

campo constituindo mais uma de suas características, sem comprometer as suas

particularidades (WANDERLY, 2001). Nesse sentido, tanto o rural influencia o urbano

quanto o urbano influencia o rural, e portanto o rural não se urbaniza, mas se transforma

(SOBARZO, 2006).

Tendo em vista a falta de consenso da definição urbano-rural e da falta de uma

definição oficial mais criteriosa e de fácil operacionalização do que é cidade no Brasil, optou-

se por utilizar nesta tese a definição estritamente político-administrativa adotada pelo IBGE

em suas pesquisas até os dias atuais.

2.2.3. Indicadores de saúde

A disponibilidade de indicadores de saúde válidos e confiáveis é fundamental para

avaliar as condições de saúde no âmbito individual ou populacional e para a formulação de

ações na área de saúde. No campo da saúde pública, a procura por medidas do estado de saúde

de indivíduos é antiga, sendo as medidas de mortalidade consideradas até o início dos anos

20

1960 os únicos indicadores de saúde que apresentavam boas propriedades. Durante os últimos

50 anos, com a melhor compreensão do conceito de saúde, outros indicadores de saúde que

não a mortalidade foram desenvolvidos, como por exemplo: a morbidade, a incapacidade

funcional, a avaliação do bem-estar e da satisfação com o próprio estado de saúde de saúde e

da qualidade de vida.

Nas últimas décadas, diferentes inquéritos populacionais, entre eles podem-se citar a

Pesquisa sobre Padrões de Vida – PPV 1996-1997 e as Pesquisas Nacionais por Amostra de

Domicílios - PNADs 1998, 2003 e 2008, têm levantado indicadores subjetivos de saúde, que

incluem indicadores de morbidade autorreferida, mobilidade física autorreferida e/ou

autoavaliação do estado de saúde.

2.2.3.1. Morbidade autorreferida

Devido aos altos custos de realização de inquéritos populacionais com medidas

objetivas de saúde, tem-se utilizado medidas de morbidade autorreferida, ou seja, medidas

baseadas no relato do diagnóstico médico de existência ou não de determinadas doenças

(BRASIL, 2004). PINHEIRO et al (2002) acrescentam que é comum a adoção de indicadores

de morbidade referida em inquéritos de saúde de base populacional, pois a coleta de

informação diagnóstica é mais difícil, apresenta maior custo e requer uma padronização

rigorosa.

A morbidade autorreferida das doenças crônicas é uma medida aproximada dos

resultados obtidos através de exames clínicos, entretanto, estudos de prevalência de doenças

crônicas revelam boa concordância entre os seus achados e os registros médicos ou exames

clínicos, sobretudo para doenças cardiovasculares e diabetes (THEME-FILHA et al., 2008).

21

A presença de doenças crônicas depende do acesso ao diagnóstico médico, e não

apenas baseada na percepção do indivíduo. Sendo assim, o uso de indicadores de morbidade

autorreferida tem como limitação a influência do acesso e uso de serviços médicos, podendo

estar refletindo a distribuição do acesso ao serviço na população, e não a distribuição real da

doença em questão (BRASIL, 2004). Estudos têm mostrado que os indicadores de morbidade

referida sofrem influência de características sociodemográficas (sexo, idade, escolaridade), e

devem ser levadas em consideração nas análises. No que se refere ao sexo, há índicos de que

homens são menos propensos a reportar problemas de saúde do que as mulheres

(VERBRUGGE e WINGARD, 1987 apud PINHEIRO et al., 2002).

Na PNAD 2008, a caracterização da morbidade autorreferida foi feita por meio da

autoavaliação do indivíduo em relação à presença ou não de doze doenças crônicas4

selecionadas: 1) doença de coluna ou costas; 2) artrite ou reumatismo; 3) câncer;

4) diabetes; 5) bronquite ou asma; 6) hipertensão; 7) doença do coração; 8) doença renal

crônica; 9) depressão; 10) tuberculose; 11) tendinite ou tenossinovite e 12) cirrose.

2.2.3.2. Mobilidade física autorreferida

A mudança de foco da mortalidade para morbidade tem levado a realização de estudos

que visam compreender a distribuição, os determinantes e as conseqüências da perda da

capacidade funcional, sobretudo de populações idosas (PARAHYBA e VERAS, 2008). A

incapacidade funcional é definida como inabilidade ou dificuldade, devido a uma deficiência,

para realizar atividades que fazem parte do cotidiano das pessoas e que são indispensáveis

para uma vida independente na sociedade (ALVES et al., 2007).

4 Foram pesquisadas doenças crônicas, através do relato da pessoa sobre o diagnostico realizado por médico ou profissional de saúde que consultou. Definiu-se como doença crônica aquela que acompanhava a pessoa por um longo período de tempo, podendo ter fases agudas, momentos de piora ou melhora sensível.

22

De acordo com PARAHYBA e SIMÕES (2010), medidas de mobilidade física

elaboradas a partir das questões do questionário da PNAD representam uma boa proxy de

incapacidade funcional. Além disso, estes autores acrescentam que medidas de mobilidade

física são valiosas no estudo da relação do status funcional com características demográficas,

condições crônicas e comportamentos relacionados à saúde.

As questões disponíveis nos suplementos de saúde das PNADs 1998, 2003 e 2008

levantam informações sobre “mobilidade física dos moradores de 14 anos ou mais de idade”,

cuja avaliação se baseia no grau de dificuldade para realizar determinadas atividades do

cotidiano medido através de 4 categorias ordenáveis: “não tem dificuldade”, “tem pequena

dificuldade”, “tem grande dificuldade”, “não consegue”. No caso da PNAD 2008, oito

quesitos podem ser utilizados para a avaliação do grau de dificuldade das seguintes

atividades: 1) alimentar-se, tomar banho ou ir ao banheiro; 2) correr, levantar objetos

pesados, praticar esportes ou realizar trabalhos pesados; 3) empurrar mesa ou realizar

consertos domésticos; 4) subir ladeira ou escada; 5) abaixar-se, ajoelhar-se ou curvar-se; 6)

andar mais do que um quilômetro; 7) andar cerca de 100 metros; 8) fazer compras de

alimentos, roupas e medicamentos, sem ajuda.

Embora seja no grupo dos idosos onde ainda se verifique maiores prevalências de

incapacidade funcional, há destaque de que o elevado grau de morbidade da população idosa é

originado ainda na fase adulta, o que prejudica a qualidade de vida dos idosos e sobrecarrega

os serviços de saúde (COSTA, 2006).

2.2.3.3. Autoavaliação de saúde

A autoavaliação de saúde é um indicador obtido no nível individual que tem sido

amplamente utilizada em várias pesquisas que visam estabelecer o estado de saúde do

23

indivíduo, por ser de fácil mensuração e por permitir comparações internacionais (THEME-

FILHA et al., 2008). Apesar de sua natureza subjetiva, a autoavaliação do estado de saúde

global do indivíduo tem sido apontada na literatura como “um poderoso indicador com alta

validade preditiva para mortalidade, independentemente de fatores de riscos médicos,

comportamentais ou psicossociais” (IDLER e BENYAMINI, 1997:183), sendo, também,

considerado um importante indicador de necessidade em saúde, por refletir uma escala de

bem-estar geral dos indivíduos (NERI e SOARES, 2002). Vários estudos têm demonstrado

também que a autopercepção de saúde é uma medida que apresenta boa confiabilidade

(CAMARGO et al., 2009; MARTIKAINEN et al., 1999; BAILIS et al., 2003).

A principal vantagem deste indicador é a sua forte associação com estado real de

saúde dos indivíduos, indicando que a autopercepção da saúde pode ser utilizada como uma

proxy das condições objetivas de saúde (CARMAGOS et al., 2009). Além disso,

NOGUEIRA (2008) chama a atenção para o fato que a subjetividade não é uma limitação e

sim um ponto forte deste indicador, tendo em vista que o processo saúde-doença é um

processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação variam no

tempo e no espaço, em função de fatores individuais e contextuais.

Embora o indicador de autoavaliação do estado de saúde seja obtido por meio de uma

única pergunta, os indivíduos, ao avaliarem seu estado de saúde, não se baseiam apenas na

simples presença ou não de uma doença (NERI e SOARES, 2002), mas procuram ponderar a

sua resposta às múltiplas dimensões de saúde (THEME-FILHA et al., 2008). Nesse sentido,

está a falta de clareza do que está se medindo, pois os determinantes do estado de saúde são

múltiplos, englobando aspectos físicos, cognitivos, emocionais, culturais e socioeconômicos

(VIACAVA, 2002). Entretanto existem estudos que obtiveram 80% de concordância entre

autoavaliação do estado de saúde e avaliação clínica da presença ou ausência de condição

crônica (VIACAVA, 2002).

24

3. Objetivos

3.1. Objetivo geral

O objetivo geral desta tese é estudar a associação entre a área de localização do

domicílio (urbana e rural) e a autoavaliação do estado global de saúde da população adulta

brasileira (20 anos ou mais), controlando para um conjunto de fatores demográficos,

socioeconômicos, comportamentais e de saúde que retratam características individuais e dos

ambientes intradomiciliar e extradomiciliar, considerando os principais aspectos

metodológicos da PNAD 2008.

3.2. Objetivos específicos

■ Descrever a associação entre a área de localização do domicílio e a

autoavaliação de saúde de adultos no Brasil usando modelo de regressão

logística ordinal (modelo de chances proporcionais) incorporando todas as

informações do plano amostral (abordagem agregada – abordagem baseada

no plano amostral).

■ Usando a abordagem agregada de análise, avaliar o efeito de ignorar o plano

amostral da pesquisa sobre as estimativas das medidas de razão de chance do

modelo de regressão logística ordinal (modelo de chances proporcionais) e dos

erros padrão associados às estimativas pontuais dos parâmetros desse modelo;

■ Usando abordagem agregada de análise, avaliar o efeito da escala (binária e

ordinal) do desfecho de autoavaliação de saúde de adultos no Brasil: 1) no

25

sentido, magnitude e significância da associação entre a área censitária e a

chance (acumulada) de melhor autoavaliação de saúde; 2) na seleção dos

modelos; 3) nas medidas de qualidade dos modelos selecionados.

■ Descrever a associação entre a área de localização do domicílio e a

autoavaliação de saúde de adultos brasileiros residentes em municípios

populosos (os situados nas regiões metropolitanas e os grandes em tamanho

populacional) usando modelo de regressão logística ordinal multinível (modelo

de chances proporcionais) considerando as informações do plano amostral

(abordagem desagregada – abordagem baseada no modelo).

■ Comparar a associação entre a situação censitária (urbana e rural) e o desfecho

de autoavaliação de saúde (escala ordinal de três categorias) de adultos no

Brasil usando o modelo de chances proporcionais e o modelo de chances

proporcionais parciais numa abordagem agregada de análise.

26

4. Material e Métodos

4.1. Pesquisa Nacional por Amostra de Domicílios (PNAD)

A Pesquisa Nacional por Amostra de Domicílios (PNAD) realizada em 2008 trata-se

de um estudo seccional de abrangência nacional, realizado pelo Instituto Brasileiro de

Geografia e Estatística (IBGE), que coletou informações de uma amostra probabilística de

aproximadamente 150.591 domicílios e 391.868 pessoas, no período de 28 de setembro de

2007 a 27 de setembro de 2008 (IBGE, 2010).

A PNAD é uma pesquisa, de periodicidade anual, implantada no Brasil a partir de

1967, com o objetivo de produzir informações básicas para análise do desenvolvimento

socioeconômico do País. Entre as informações de caráter permanente, estão incluídas as

características demográficas, de educação, habitação, trabalho e renda; e as de caráter variável

se referem às informações complementares através das quais se tem como objetivo aprofundar

os temas permanentes ou investigar tópicos específicos, tais como: trabalho infantil (PNADs

2001 e 2006); saúde (PNADs 1998, 2003 e 2008); segurança alimentar (PNADs 2004 e

2009); acesso à internet e posse de telefone móvel celular para uso pessoal (PNADs 2005 e

2008); educação (PNADs 2004, 2006 e 2007); acesso a transferências de renda de

programas sociais (PNADs 2004 e 2006) e vitimização e acesso à justiça (PNAD 2009).

O suplemento da PNAD 2008, intitulado “Um Panorama da Saúde no Brasil – Acesso

e utilização dos serviços, condições de saúde e fatores de risco e proteção à saúde 2008”,

englobou características de saúde da população brasileira devido ao convênio firmado entre o

IBGE e o Ministério da Saúde, que compreendem basicamente as necessidades de saúde dos

indivíduos (autoavaliação do estado de saúde, restrição de atividades habituais por motivo de

saúde, morbidade autorreferida e limitação na realização de atividades físicas) e o acesso e

27

utilização de serviços de saúde (consulta ao médico, cobertura por plano de saúde, cobertura

pelo Programa Saúde da Família - PSF, etc.).

4.1.1. Plano amostral da PNAD

A pesquisa Nacional por Amostra de Domicílios como mencionado levantou em 2008

informações sobre uma amostra unidades domiciliares, distribuídas por todas as Unidades da

Federação. A amostra da PNAD foi planejada para produzir estimativas representativas para o

Brasil, Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém,

Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto

Alegre).

A PNAD é uma pesquisa por amostragem probabilística que utiliza uma amostra

selecionada usando um plano amostral complexo (Figura 3) que considera conglomeração das

unidades em um, dois ou três estágios de seleção, além de estratificação das unidades

(municípios) definida separadamente por unidade da federação (SOUZA e SILVA, 2003). Em

cada unidade da federação, os municípios primeiramente foram classificados em dois grupos:

em municípios autorrepresentativos (AR) e em municípios não autorrepresentativos (NAR).

O grupo de municípios AR era constituído pelos municípios situados nas regiões

metropolitanas e pelos municípios grandes em termos populacionais não situados em regiões

metropolitanas ou pertencentes as unidades da federação sem região metropolitana. Os

municípios AR foram incluídos na amostra com certeza e, portanto, cada município AR é

considerado como um estrato, e não como unidade de seleção. O grupo de municípios NAR é

constituído pelos demais municípios então existentes, que passaram por um processo de

estratificação, e em cada estrato formado, foram selecionados com reposição e com

probabilidade proporcional à população residente obtida no Censo Demográfico 2000.

28

Desse modo, para os municípios autorrepresentativos, o plano amostral da PNAD é

estratificado por município (estrato) e conglomerado em dois estágios, onde os setores

censitários são as unidades primárias de amostragem (UPA) e os domicílios são as unidades

secundárias de amostragem (USA).

Para os municípios não autorrepresentativos, o plano amostral é estratificado (estratos

formados por conjuntos de municípios NAR por tamanho e proximidade geográfica) e

conglomerado em três estágios de seleção, onde os municípios NAR são as unidades

primárias de amostragem (UPA), os setores as unidades secundárias de amostragem (USA) e

os domicílios as unidades terciárias de amostragem (UTA).

Em cada um dos municípios da amostra, os setores censitários foram selecionados

com reposição e com probabilidade proporcional ao tamanho, sendo utilizada como medida

de tamanho, neste caso, o número de unidades domiciliares existentes por ocasião do Censo

Demográfico 2000. Em seguida, em cada um dos setores censitários da amostra foi realizada

uma operação de listagem rápida de todas as unidades residenciais e não residenciais

existentes na área com o objetivo de obter um cadastro básico atualizado de unidades

domiciliares. A partir do cadastro básico construído após a operação de listagem rápida, as

unidades domiciliares foram selecionadas com eqüiprobabilidade para investigação das

características habitacionais e de todos os seus moradores.

Além desta atualização, visando monitorar o crescimento dos municípios pertencentes

à amostra, criou-se um cadastro complementar constituído pelas unidades domiciliares

existentes em conjuntos habitacionais com mais de trinta unidades residenciais, que tenham

sido construídos após a realização do Censo Demográfico 2000. Para o universo de “Novas

Construções” o plano amostral da PNAD é estratificado (por município) e conglomerado em

um único estágio de seleção, onde os domicílios são as unidades primárias de amostragem.

29

Unidade da Federação

Estrato=Município AR

Estrato=Grupo de municípios NAR

Universo de novas construções:

Estrato=município

Unidade Primária de Amostragem (UPA) = Setor

Unidade Primária de Amostragem

(UPA) = Município NAR

Unidade Primária de Amostragem

(UPA) = Domicílio

Unidade Secundária de Amostragem

(USA)=Domicílio

Unidade Secundária de Amostragem (USA) = Setor

Unidade Terciária de Amostragem

(UTA) = Domicílio

Figura 3: Estrutura do plano amostral da PNAD

Para a seleção dos municípios e setores censitários da PNAD 2008 foram utilizadas a

mesma divisão territorial e malha setorial vigentes em 1º de agosto de 2000 usadas para

realização do Censo Demográfico 2000 (IBGE, 2010). É importante mencionar ainda que no

levantamento das informações do suplemento de saúde foi adotado o mesmo plano amostral

descrito anteriormente sem qualquer adaptação.

4.1.2. Informações do plano amostral

A inferência estatística clássica pressupõe que os dados amostrais são realizações de

variáveis aleatórias independentes e identicamente distribuídas. Este pressuposto só é

adequado para dados amostrais obtidos utilizando um plano aleatório simples com reposição.

Entretanto, muitas pesquisas amostrais do IBGE e de outros institutos de pesquisa, utilizam

planos amostrais complexos que combinam estratificação, conglomeração e probabilidades

30

desiguais de seleção. No que se refere às informações estruturais do plano amostral, a

estratificação, que consiste na divisão da população em subgrupos (estratos) mais

homogêneos, é utilizada visando à redução da variância dos estimadores dos parâmetros de

interesse, enquanto a conglomeração, apesar de geralmente aumentar a variância dos

estimadores, é adotada por motivos operacionais ligados ao processo de amostragem.

A análise estatística dos dados provenientes de pesquisas amostrais complexas “só se

torna possível se forem incluídas no arquivo de dados variáveis que informem a estrutura do

plano amostral, identificando ao menos o estrato, a UPA e o peso de cada unidade da

amostra” (PESSOA e SILVA,1998:156), uma vez que as estimativas pontuais dos parâmetros

de interesse são influenciadas por pesos distintos das observações e as estimativas de

variância são influenciadas pela conglomeração, estratificação e pesos amostrais

(SZWARCWALD et al., 2008; PESSOA et al., 2002; PESSOA e SILVA, 1998). Além da

obtenção de estimativas pontuais corretas, há também uma grande preocupação com o cálculo

correto de estimativas de variância, pois são medidas quantitativas utilizadas na avaliação da

precisão/qualidade das estimativas pontuais, sendo necessárias no cálculo de intervalos de

confianças e na realização de testes de hipóteses para os parâmetros de modelos estatísticos.

Conforme ressaltado por ASPAROUHOV (2005) se os conglomerados e os estratos não

forem levados em consideração na análise dos dados espera-se uma subestimação e

sobrestimação dos erros padrões, respectivamente.

Atualmente os bancos de dados das pesquisas realizadas pelo IBGE contem indicação

explícita dos pesos amostrais associados aos domicílios e indivíduos da amostra e das

informações estruturais do plano de amostral adotado, bastando apenas que informemos tais

informações na análise estatística, com fins descritivos ou analíticos, utilizando pacotes

estatísticos adequados.

31

4.1.3. Estrutura hierárquica dos dados

Dados provenientes de pesquisas amostrais complexas apresentam uma estrutura

hierárquica que é caracterizada “quando as unidades elementares de análise estão grupadas

em unidades maiores, que por sua vez também podem ou não pertencer a uma estrutura de

grupos, numa hierarquia bem definida (PESSOA e SILVA, 1998:139)”. Dados de pesquisas

de avaliação educacional em geral apresentam uma estrutura hierárquica, onde os alunos estão

agrupados em turmas, que, por sua vez, estão agrupadas em escolas. Este é um exemplo de

estrutura hierárquica de 3 níveis, onde os alunos são as unidades de 1º nível, as turmas são as

unidades de 2º nível e as escolas as unidades de 3º nível. Alternativamente pode se referir aos

alunos como unidades elementares, e as turmas e escolas como unidades de grupos.

Da mesma forma, em pesquisas por amostragem domiciliar, os indivíduos representam

unidades elementares de análise que estão naturalmente agrupados em domicílios, e os

domicílios por sua vez agrupados em setores censitários já configurando assim a existência de

uma estrutura populacional hierárquica bem definida. Um outro exemplo de dados com

estrutura hierárquica é o caso de dados provenientes de pesquisas longitudinais, onde

repetidas observações (unidades de 1º nível ou unidades elementares) são agrupadas dentro

dos indivíduos ou sujeitos (unidades de 2º nível ou unidade de grupo). Desse modo, em

pesquisas longitudinais os indivíduos são as unidades de grupo, enquanto que em pesquisas

amostrais complexas, os indivíduos são as unidades elementares, que estão agrupados em

unidades maiores (domicílios, setores ou municípios; turmas ou escolas; hospitais; etc.).

Embora as unidades elementares possam ser independentes para grupos distintos,

apresentam características semelhantes num mesmo grupo, configurando a existência de

dependência das observações dentro de um mesmo grupo. No exemplo do sistema

educacional, de acordo com MAIA et al.(2003), embora alunos pertencentes às escolas

32

diferentes, cada uma das quais com as suas respectivas particularidades (em termos de infra-

estrutura física, didática do professor, material didático utilizado, nível socioeconômico da

escola) possam apresentar desempenhos distintos, é de esperar que os alunos de uma mesma

escola sejam relativamente homogêneos, por exemplo, quanto ao desempenho escolar (ou

seja, as observações de seu desempenho escolar não são independentes, apresentando alguma

correlação entre alunos de uma mesma escola).

Visando contornar a estrutura de dependência das observações levantadas, alguns

analistas procuram concentrar a análise dos dados dessas pesquisas apenas em unidades de

nível micro (unidades elementares) ou apenas em alguma unidade do nível macro (unidade de

grupo) (MAIA et al., 2003).

A análise centrada no nível macro ocorre quando, em pesquisas com estrutura

hierárquica, os dados referentes às unidades elementares são agrupados para o nível de grupo

(escola), ignorando a variação entre unidades elementares (alunos). Já a análise centrada no

nível micro ocorre quando a análise dos dados é efetuada apenas no nível de unidades

elementares (nível individual), como comumente se verifica em estudos que utilizam modelos

de regressão tradicionais que não levam em conta os efeitos de variação das unidades de

grupo (escolas).

Ambas as análise ignoram a estrutura hierárquica dos dados. No caso da primeira

(análise centrada no nível macro) as relações observadas no nível de grupo podem não ser

válidas para o nível de unidades elementares. Desse modo, não se pode fazer inferências para

o nível individual a partir dos achados encontrados no nível de grupo, sob pena de ocorrer

viés ecológico (ou falácia ecológica).

No caso do segundo tipo de análise (análise centrada no nível micro), ignora-se a

variação no nível de grupo na explicação do fenômeno em estudo, ao utilizar os modelos de

regressão tradicionais, assumindo que o valor de uma determinada variável de grupo é

33

considerado o mesmo para todas as unidades elementares pertencentes a uma mesma unidade

de grupo. Embora isso seja uma limitação deste tipo de análise (nível micro), talvez o mais

grave esteja no uso de modelos de regressão tradicionais, uma vez que sua utilização

pressupõe que as observações amostrais são independentes entre si. A falta de independência

pode ser encarada como um problema decorrente do plano amostral adotado (como por

exemplo, o caso de um plano amostral complexo) e ignorar este fato pode levar a uma

subestimação dos erros padrões dos estimadores dos parâmetros do modelo. Entretanto, o

problema de ausência de independência das observações amostrais pode ser resolvido através

do ajuste de modelos estatísticos por meio de métodos de estimação adequados, como por

exemplo o método de Máxima Pseudo-Verossimilhança (MPV), que permite incorporar no

processo de ajuste as informações (características) do plano amostral da pesquisa –

abordagem baseada no plano amostral5 – produzindo estimativas corretas de erros padrões,

além de estimativas não viciadas para os parâmetros de modelos estatísticos. Ou seja, este

procedimento reconheceria a existência da estrutura de correlação dos dados, mas não

possibilitaria estudar os efeitos de variação entre grupos.

Do exposto, conclui-se que para dados com estrutura hierárquica seria mais adequado

utilizar uma análise multinível, considerada de extrema importância na análise de dados

epidemiológicos. Segundo DIEZ-ROUX (1998) a análise multinível, também chamada de

hierárquica ou contextual, envolve a incorporação de variáveis no nível macro (variáveis

contextuais ou ecológicas) dentro de equações no nível micro adequadas para estudos que

consideram indivíduos como unidades de análise. Desse modo, os modelos multiníveis6

permitem medir o efeito de variáveis individuais e contextuais sobre os desfechos estudados e

explicar as relações existentes entre elas, e ainda possuem a vantagem de controlar

5 Abordagem baseada no plano amostral é comumente aplicada para dados de pesquisas com planos amostrais complexos, que consideram estratos e conglomerados, além de probabilidades desiguais de seleção (ou alternativamente, pesos amostrais distintos). 6 São também chamados de modelos hierárquicos, modelos de efeitos mistos ou modelos de efeitos aleatórios.

34

confundimento (pelo menos os fatores conhecidos) e de avaliar a existência de interação entre

as variáveis nos diferentes níveis.

Com relação a sua especificação, o modelo multinível se diferencia de um modelo

tradicional por apresentar, além de uma parte fixa, uma parte aleatória. Assim, no modelo

tradicional tanto o intercepto quanto o coeficiente de inclinação são efeitos fixos, enquanto

que no modelo multinível o intercepto, assim como o coeficiente de inclinação se desejado,

podem ser considerados efeitos aleatórios. Os interceptos aleatórios indicam a

heterogeneidade entre os grupos no desfecho, enquanto os coeficientes aleatórios indicam a

heterogeneidade na relação entre o desfecho e as variáveis explicativas (RABE-HESKETH et

al., 2004). Do exposto, é importante salientar que se faz uso de modelos multiníveis, quando

os dados apresentam alguma estrutura de correlação e quando se tem interesse em que o efeito

de uma determinada variável sobre o desfecho estudado varie aleatoriamente entre os grupos

considerados.

Os modelos multiníveis também são chamados de modelos de efeitos mistos, quando

ambos os efeitos (fixos e aleatórios) são considerados na análise (SKRONDAL e RABE-

HESKETH, 2003). A parte fixa consiste na estimação e realização de testes de hipóteses dos

efeitos fixos, enquanto a parte aleatória consiste estimação dos efeitos aleatórios e das

componentes de variância (PERRI e IEMMA, 1999).

Sabe-se que a análise hierárquica (ou multinível) leva em consideração a dependência

das observações entre os membros de um mesmo grupo, medido pelo coeficiente de

correlação intra-classe, a qual representa a homogeneidade em um mesmo grupo e, ao mesmo

tempo, a heterogeneidade entre grupos distintos (KREFT e LEEUW, 1998). Quanto maior

essa dependência maior a necessidade de uso de uma análise hierárquica.

O coeficiente de correlação intraclasse é um número compreendido no intervalo [0,1].

Um alto valor deste coeficiente indica que a maior parte da variação total é proveniente das

35

diferenças existentes entre os grupos (logo as unidades pertencentes a estes grupos são muito

similares), enquanto um baixo valor deste coeficiente indica, por outro lado, que a maior parte

da variação total é decorrente das diferenças entre as unidades pertencentes ao mesmo grupo

(grande variação intra-grupo).

4.2. Modelagem Estatística

4.2.1. Autoavaliação do estado global de saúde do indivíduo

Na PNAD 2008 a autoavaliação do estado global de saúde do indivíduo foi levantada

por meio do quesito “estado de saúde segundo o próprio ponto de vista da pessoa, ou, no caso

de criança pequena do ponto de vista do responsável”, com as seguintes alternativas de

resposta: muito bom, bom, regular, ruim e muito ruim (IBGE, 2010). Entretanto, nesta tese

foram consideradas apenas as pessoas que informaram seu próprio estado global de saúde, por

entender que informações prestadas por terceiros (outras pessoas moradoras do domicílio, ou

ainda outras pessoas não moradoras do domicílio) aumentaria a chance de ocorrer viés de

informação ou classificação do desfecho de saúde utilizado nesta tese.

Nesta tese foram ajustados modelos logísticos ordinais (modelo de chances

proporcionais) usando o software SPSS for Windows, versão 17.0, considerando como

desfecho Y o indicador de autoavaliação do estado de saúde usando a escala original ordinal

de cinco categorias (C=5) e a seguinte escala ordinal de três categorias (C=3): 1) muito

ruim/ruim, 2) regular, 3) bom/muito bom. O modelo de chances proporcionais é representado

pela equação abaixo:

( )ppcp21

p21p21 xxx

x,,x,xcYP

x,,x,xcYPx,,x,xcYPLogit βββγ +++−=

>

≤=≤ K

K

KK 2211)/(

)/(ln)]/([

c =1,2,...,C-1

36

onde:

)]/([ p21 x,,x,xcYPLogit K≤ é o logaritmo da razão entre a probabilidade acumulada

)/( p21 x,,x,xcYP K≤ e seu complementar )/( p21 x,,x,xcYP K> .

cγ é o ponto de corte para as c=1,2,...,C-1 categorias do desfecho de autoavaliação de saúde.

x1, x2,...,xp são as variáveis explicativas do modelo.

β1, β2,..., βp são os efeitos das variáveis explicativas. Os parâmetros não dependem de c, pois

o modelo de chances proporcionais assume que os efeitos β`s das variáveis explicativas sobre

o desfecho de autoavaliação de saúde independe da categoria c.

Embora a natureza ordinal do desfecho obrigue a modelagem em termos das

probabilidades acumuladas, o modelo de chances proporcionais é derivado da suposição de

existência de uma variável latente Y*, não observável, contínua, que varia no intervalo

]-∞, +∞[ e que gera os valores do desfecho observado Y. Neste caso, existem pontos de corte

(cuja quantidade depende do número de categorias da variável ordinal observada) que

separam os indivíduos em diferentes categorias. A resposta de um determinado indivíduo é

determinada em função do intervalo em que sua resposta não observada pertencerá. Assim,

um indivíduo está na categoria c (Y=c) quando Y* excede o ponto de corte γC-1, mas não

excede o ponto de corte γC. De modo geral, assume-se uma série de pontos de corte γ0, γ1,

...,γC-1, γC, onde C é o número de categorias da variável observada e γ0=-∞, e γC = +∞.

Para a escala ordinal de C categorias, a autoavaliação do estado global de saúde Y está

relacionada com uma variável latente *Y da seguinte forma geral como mostrado abaixo:

CcYsecY cc ...,,2,1,1 =∀≤<= ∗− γγ

37

No caso particular de C=3 categorias de autoavaliação de saúde, esta relação pode ser

representada do seguinte modo:

+∞<<

≤<

≤<∞−

→

→

→

=*

2

2*

1

1*

3

2

1

Y

Y

Y

se

se

se

bomoubommuito

regular

ruimouruimmuito

Y

γγγ

γ

Neste caso, existem dois pontos de corte γ1, e γ2 estritamente crescentes (γ1 < γ2). A

Figura 4 abaixo mostra a divisão da reta real pelos pontos de corte em três intervalos,

ilustrando a relação entre uma variável latente e uma variável categórica de três níveis.

-∞ γ1 γ2 +∞

∗Y

muito ruim/ruim regular muito bom/bom Y

Figura 4: Relação entre uma variável latente e uma variável categórica de 3 níveis

Um outro modelo logístico ordinal (WILLIAMS, 2006) considerado na tese (apêndice)

foi o modelo de chances proporcionais parciais (MCPP) que tem uma parametrização

equivalente à equação do modelo de chances proporcionais, mas nem todos os efeitos β`s são

iguais para todas as categorias c=1,2,..., C-1 de autoavaliação de saúde, sendo denotados

genericamente por: β1c, β2c,..., βpc. Este modelo, representado abaixo, foi ajustado usando o

comando gologit2 do software STATA 10.0, incluindo a opção “autofit”. Com esta opção,

através de uma série de testes de Wald para cada variável, avalia se os efeitos diferem através

das equações, isto é, se a variável encontra a suposição de homogeneidade das inclinações

(WILLIAMS, 2006). Se o teste de Wald não for estatisticamente significante para algumas

variáveis, os efeitos dessas variáveis são contraídos através das equações.

38

( )ppccccp21

p21p21 xxx

x,,x,xcYP

x,,x,xcYPx,,x,xcYPLogit βββγ +++−=

>

≤=≤ K

K

KK 2211)/(

)/(ln)]/([

c =1,2,...,C-1 onde:

)]/([ p21 x,,x,xcYPLogit K≤ é o logaritmo da razão entre a probabilidade acumulada

)/( p21 x,,x,xcYP K≤ e seu complementar )/( p21 x,,x,xcYP K> .

cγ é o ponto de corte para as c=1,2,...,C-1 categorias do desfecho de autoavaliação de saúde.


β1c, β2c,..., βpc são os efeitos das variáveis explicativas referentes à categoria c do desfecho de

autoavaliação de saúde.

Nas análises de regressão ordinal (C=3 ou C=5) considerou a suposição de distribuição

logística para a variável latente, ao invés da suposição de distribuição normal (RAMAN e

HEDEKER, 2005). Segundo SNIJDERS e BOSKER (1999) a diferença entre o uso de uma

ou outra distribuição é pequena e a escolha entre elas deve-se apenas a uma questão de

conveniência.

4.2.2. Variáveis explicativas do modelo

Na análise da associação entre a área de localização do domicílio e o desfecho de

autoavaliação do estado geral de saúde do indivíduo, foi levado em consideração um conjunto

de dezoito variáveis demográficas, socioeconômicas, comportamentais e de saúde que

retratam características individuais e do ambiente intradomiciliar (domicílio) e extradomiciliar

(setor) (Figura 5). As características individuais são compostas pelas variáveis: 1) sexo,

2) faixa etária, 3) cor/raça, 4) escolaridade, 5) situação de ocupação, 6) atividade física,

39

7) fumo, 8) morbidade autorreferida, 9) mobilidade física autorreferida, 10) posse de plano

de saúde, 11) consulta ao médico nos últimos doze meses e 12) região de residência. As

características do ambiente intradomiciliar, por sua vez, são compostas pelas variáveis:

13) domicílio cadastrado no Programa de Saúde da Família (PSF), 14) qualidade de

moradia, 15) posse de bens básicos no domicílio, 16) condição de ocupação do domicílio,

17) renda domiciliar mensal per capita. E como característica do ambiente extradomiciliar foi

utilizada a variável 18) proporção de domicílios considerados adequados no setor

(vizinhança) quanto aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades

habitacionais e aos padrões construtivos das moradias (material usado nas paredes e

telhado).

Níveis de hierarquia das variáveis de

controle

1º nível = Adulto

Sexo, faixa etária, Cor/raça, Escolaridade, Situação de

ocupação, Atividade física, Fumo, Morbidade

autorreferida, Mobilidade física, Plano de saúde, Consulta

ao médico, Região de residência (tratada como variável no

nível individual).

2º nível = Domicílio

Qualidade de Moradia, Posse de bens básicos, Condição

de ocupação, Renda mensal per capita, Cadastramento no

PSF.

3º nível = Setor7

Proporção de domicílios considerados adequados quanto à qualidade da moradia.

Figura 5: Níveis de hierarquia das variáveis de controle

7 Área de listagem

40

As variáveis individuais se referem basicamente a características demográficas,

socioeconômicas, comportamentais e de saúde, enquanto que as variáveis ecológicas

englobam características do ambiente intradomiciliar (domicílio) e extradomiciliar (setor).

Em relação às características demográficas, foram consideradas no modelo as

variáveis sexo e idade. As variáveis sexo e idade são utilizadas em vários estudos

epidemiológicos tendo em vista as possíveis diferenças em termos de saúde entre os grupos de

sexo e idade. A existência de tais diferenças pode requerer medidas de controle específicas.

Além do sexo e idade, foram consideradas outras características demográficas, como a

raça/cor e as grandes regiões brasileiras (região de residência). A raça é considerada uma

categoria sociocultural utilizada como um marcador de risco para discriminação social.

Segundo VOLOCHKO e VIDAL (2010), no Brasil, os negros são um grupo social vulnerável

que possuem mais desvantagens do que os brancos, como menor nível educacional, menor

renda, maior desemprego, moradias com maior nível de inadequação, além de maior

dificuldade de acesso a bens sociais, inclusive serviços de saúde. Além disso, práticas sociais

discriminatórias veladas ou abertas afetam a autoestima e, muitas vezes, causam

vulnerabilidade pessoal cognitiva e/ou comportamental, levando os negros à depressão e a

comportamentos reacionais como abuso de drogas (VOLOCHKO e VIDAL, 2010). A

variável grandes regiões brasileiras foi incluída na modelagem estatística, pois os níveis de

saúde dos indivíduos podem ser dependentes do nível de desenvolvimento regional.

Quanto às características comportamentais, que se referem aos hábitos e atividades

realizadas pelo indivíduo, foram considerados informações sobre a realização de exercício

físico e o uso de drogas permitidas (fumo/tabaco). Conforme LIMA-COSTA et al (2003),

exercícios físicos são considerados benéficos para a saúde individual, independente da idade,

estando relacionado à redução da morbidade e mortalidade por doença coronariana, controle

da pressão arterial, da glicemia e do colesterol e adequação do peso corporal. Com relação ao

41

fumo do tabaco (tabagismo), é considerado atualmente o principal e mais disseminado

poluente presente no meio interior (que prejudica a qualidade do ar interior) com efeitos

negativos para a saúde tanto de fumadores quanto de não-fumadores (CALHEIROS, 2006).

Adicionalmente, vale ressaltar que o tabagismo, além de potencializar o aparecimento de

carcinomas (ação carcinogênica), aumenta o risco de mortalidade por doenças

cardiovasculares e cerebrovasculares e doenças respiratórias crônicas (RODRIGUES et al.,

2008), não existindo um nível seguro para a exposição (CALHEIROS, 2006).

Em relação às características de saúde foram utilizadas informações sobre morbidade

autorreferida, mobilidade física autorreferida, consulta ao médico, além da posse de plano

de saúde, onde esta última variável permite distinguir os indivíduos que dependem

exclusivamente dos serviços públicos de saúde daqueles que dispõem de outras opções de

acesso a serviços de saúde. O plano de saúde é considerado indicativo do grau de capacidade

do consumo de saúde no Brasil (SAWYER et al., 2002), ou melhor, é usado como indicador

do acesso a serviços de saúde, cujo acesso pode ser entendido como a capacidade do

indivíduo obter, quando necessitar, cuidado de saúde, de maneira fácil e conveniente

(ACURCIO e GUIMARÃES, 1996).

A variável consulta ao médico (“procurou algum lugar, serviço ou profissional de

saúde para atendimento relacionado à própria saúde”) é considerada um indicador de

utilização aos serviços de saúde importante na explicação da saúde dos indivíduos

(VIACAVA, 2002).

A morbidade autorreferida, foi levantada na PNAD por meio da seguinte pergunta:

“Algum médico ou profissional de saúde já disse que o Sr(a) tem ...?”, com duas alternativas

de repostas possíveis (sim ou não). Foi investigada a presença de 12 doenças crônicas: doença

de coluna ou costas; artrite ou reumatismo; câncer; diabetes; bronquite ou asma;

hipertensão; doença do coração; doença renal crônica; depressão; tuberculose; tendinite ou

42

tenossinovite e cirrose. A variável “morbidade autorreferida”, foi construída a partir das

respostas obtidas dessa pergunta para cada doença, resultando numa única medida de

morbidade autorreferida que informa se o indivíduo não possui nenhuma destas 12 doenças

crônicas ou se possui pelo menos uma destas doenças.

As características de mobilidade física dos moradores, por sua vez, foi levantada na

PNAD por meio da seguinte pergunta “Normalmente por problema de saúde, você tem

dificuldade para ....?” Foi levantado informações sobre o grau de dificuldade (não consegue,

tem grande dificuldade, tem pequena dificuldade, não tem dificuldade) na realização de oito

atividades: 1) alimentar-se, tomar banho ou ir ao banheiro; 2) correr, levantar objetos

pesados, praticar esportes ou realizar trabalhos pesados; 3) empurrar mesa ou realizar

consertos domésticos; 4) subir ladeira ou escada; 5) abaixar-se, ajoelhar-se ou curvar-se;

6) andar mais do que um quilômetro; 7) andar cerca de 100 metros; 8) fazer compras de

alimentos, roupas e medicamentos, sem ajuda. A partir da combinação das respostas dessas

oito perguntas obteve-se a variável “mobilidade física autorreferida”, com quatro níveis:

muita limitação, limitação, pouca limitação e sem limitação. Os indivíduos são classificados

como tendo muita limitação quando não conseguem ou têm grande dificuldade para realizar

as atividades básicas de alimentação e higiene, ou não conseguem realizar pelo menos uma

das demais atividades. Como tendo limitação quando os indivíduos têm pequena ou nenhuma

dificuldade nas atividades de alimentação e higiene, mas possui grande dificuldade em pelo

menos uma das outras atividades. Como tendo pouca limitação, os indivíduos que não têm

pequena ou nenhuma dificuldade, mas têm pequena dificuldade em pelo menos uma das

outras atividades. E foram classificados como sem limitação, os indivíduos que não

apresentaram nenhuma dificuldade em todas as atividades.

Quanto às características socioeconômicas individuais, foram considerados os anos de

estudo e a situação na ocupação. A importância da consideração dos anos de estudo na

43

análise das diferenças dos níveis de saúde é traduzida pelo fato de que indivíduos com

maiores níveis de escolaridade, tendem a apresentar comportamentos mais saudáveis

(NOGUEIRA, 2008). Além disso, indivíduos mais escolarizados tendem a apresentar maior

capacidade de identificar problema de doença e de necessidade, de procura e utilização de

serviços de saúde (NOGUEIRA, 2008; ANDRADE e MAIA, 2009). Destaca-se ainda que

indivíduos mais escolarizados tendam a apresentar melhor percepção dos efeitos do

tratamento sobre a saúde e um maior conhecimento das diferentes especialidades médicas

(NERI e SOARES, 2002).

A situação de ocupação do indivíduo é uma outra importante variável socioeconômica,

uma vez que o desemprego gera instabilidade emocional e situações de stress com efeitos

negativos para a saúde (NOGUEIRA, 2008; POCHMANN, 1999). Por outro lado, a ocupação

é considerada como um dos principais meios de acesso à renda e aos serviços sociais básicos

(POCHMANN, 1999).

As variáveis ecológicas do ambiente intradomiciliar se referem à qualidade da

moradia, que será avaliada segundo dois indicadores: indicador de adequação da habitação e

indicador das condições de conforto ou padrões de consumo.

O indicador de adequação da habitação, utilizado como proxy das condições de

moradia da população, foi construído através da combinação ou agrupamento de sete

variáveis8 dicotômicas pertencentes a três dimensões distintas: I) a qualidade da infra-

estrutura física (construção) do domicílio, II) a disponibilidade de serviços sociais básicos

(água, luz, esgoto, lixo) e a III) densidade domiciliar. A primeira dimensão “qualidade da

infra-estrura física do domicílio” é composta por duas variáveis: 1) material predominante

nas paredes do domicílio: adequado (alvenaria ou madeira aparelhada) e inadequado (taipa

não revestida, madeira aproveitada, palha, outro material); 2) material predominante no

8 Tais variáveis foram criadas obedecendo os critérios definidos em IBGE (1999).

44

telhado do domicílio: adequado (telha, laje de concreto, madeira aparelhada e zinco) e

inadequado (madeira aproveitada, palha, outro material). A segunda dimensão

“disponibilidade de serviços sociais básicos”, por sua vez, é composta por quatro variáveis:

1) procedência da água utilizada no domicílio: adequado (rede geral de distribuição) e

inadequado (poço ou nascente, ou outra proveniência; e ainda banheiro sem água canalizada);

2) forma de escoadouro do banheiro ou sanitário do domicílio: adequado (rede coletora de

esgoto ou pluvial ou fossa séptica ligada ou não ligada á rede coletora de esgoto ou pluvial/

banheiro ou sanitário de uso exclusivo dos moradores do domicílio) e inadequado (fossa

rudimentar, vala, direto para o rio, lago ou mar, outra forma de escoadouro/ banheiro de uso

comum para mais de um domicílio; e ainda domicílios sem banheiro ou sanitário); 3) destino

do lixo domiciliar: adequado (coleta direta ou indireta) e inadequado (queimado ou enterrado

na propriedade, jogado em terreno baldio ou logradouro, jogado em rio, lago ou mar, ou outro

destino); 4) forma de iluminação do domicílio: adequado (elétrica) e inadequado (óleo,

querosene ou gás de botijão, ou outra forma de iluminação). Já a terceira e última dimensão

“densidade domiciliar” é representada por uma única variável, taxa de moradores por

cômodo: adequado (até dois moradores por cômodo habitável – exclui-se banheiro e cozinha)

e inadequado (mais de dois moradores por cômodo habitável).

Conforme o agrupamento efetuado, o indicador de adequação da habitação resultante é

uma variável binária, onde os domicílios são considerados adequados se foram classificados

como adequado em todas as variáveis das três dimensões consideradas (qualidade da

construção, disponibilidade de infra-estrutura de serviços sociais e densidade habitacional) e

são considerados inadequados se forem classificados como inadequado em pelo menos uma

das variáveis de alguma dimensão.

O indicador das condições de conforto ou padrões de consumo construído através da

combinação de variáveis sobre a posse de bens ou equipamentos domésticos. Na PNAD 2008,

45

são levantados um conjunto de bens de consumo, dos quais o fogão, geladeira, televisão e

rádio são considerados bens básicos (IBGE, 1999). O indicador resultante também é uma

variável binária, onde os domicílios são considerados adequados se possuírem todos os bens

de consumo básicos e são considerados inadequados se não possuírem pelo um dos bens um

dos bens básicos.

NOGUEIRA (2008) ressalta a importância dos indicadores de qualidade de moradia

no que se refere a sua influência na saúde, destacando que as características de

habitação/moradia podem influenciar a saúde direta (proteção/segurança/conforto) e

indiretamente, devido às situações de stress e ansiedade geradas pela precariedade das

habitações. Ressalta ainda que os indicadores habitacionais representem indicadores de

privação real e não potencial, ou seja, indicam se o indivíduo ou a família estão efetivamente

privados.

Com relação ao ambiente intradomiciliar também foi utilizada a característica

socioeconômica renda domiciliar per capita. A importância deste indicador na análise das

diferenças de estado de saúde também é ressaltada por NOGUEIRA (2008) quando menciona

que “o rendimento, condicionando os indivíduos nas suas opções quotidianas – impondo ou

não, limitações à quantidade e a qualidade de bens possíveis de adquirir, e restringindo, ou

não, a mobilidade e a vida social – afeta a saúde física e mental (NOGUEIRA, 2008:42)”.

Para avaliação da exposição a uma situação de insegurança na posse, considerou-se a

condição de ocupação do domicílio, sendo classificada em quatro categorias: próprio,

alugado, cedido, ou outra condição. A categoria “outra condição” contempla aqueles

indivíduos que ocuparam o domicílio por invasão, e, portanto residem em imóvel que não tem

garantia de permanência. Segundo ALVES (2010), essa falta de garantia pode ser jurídica, no

caso de posse precária de imóveis de terceiros (irregularidade fundiária), ou mesmo “de fato”,

nos casos em que a pessoa tem direitos sobre o imóvel, mas também sofre ameaças ou

46

despejos (por exemplo, pessoas que possuem processos judiciais pendentes em relação ao

imóvel, como titulares de ação de herança, usucapião, etc.). O indicador “condição de

ocupação do domicílio” tem sido usado como proxy de capital social (NOGUEIRA, 2008),

ressaltando que aspectos já mencionados como a falta de proteção, segurança, situações de

stress e ansiedade da população tem impactos negativos para a saúde individual.

A variável “PSF”, disponível na PNAD 2008 e também considerada na modelagem

estatística, indica se o domicílio foi cadastrado ou não no Programa Saúde da Família (PSF),

designado atualmente de Estratégia Saúde da Família (ESF) que tem como propósito garantir

a universalização do acesso aos serviços de saúde. Desse modo, tal variável informa se a

família reside em área de atuação do programa que, como já mencionado, tem como objetivo

a promoção da saúde e a prevenção de doenças, e com isso melhoria da qualidade de vida dos

indivíduos.

Com relação às características do ambiente extradomiciliar são utilizadas duas

variáveis ecológicas que retratam a qualidade do ambiente extradomiciliar definida pelo

percentual de domicílios considerados adequados9 em relação aos serviços sociais básicos

(água, esgoto, lixo e luz), as densidades habitacionais e aos padrões construtivos das

moradias. Além disso, considerou a área de localização do domicílio como uma outra

variável do ambiente extradomiciliar, que pode ser classificada em urbana ou rural, tomando

por base a legislação vigente por ocasião da realização do Censo Demográfico 2000.

O Quadro 1 resume todas as variáveis explicativas (com suas respectivas categorias)

consideradas nos ajustes dos modelos logísticos tanto na abordagem agregada quanto na

abordagem desagregada de análise.

9 Percentual construído com base no indicador dicotômico de adequação da habitação (qualidade da moradia)

47

Quadro 1: Listagem do conjunto inicial de variáveis explicativas consideradas no ajuste dos modelos logísticos (abordagens agregada e desagregada) explicativos do estado global de

saúde autorreferido do indivíduo.

Variáveis explicativas Categorias Características demográficas, socioeconômicas, comportamentais e de saúde

(variáveis individuais) Sexo Masculino; feminino Faixa etária De 20 a 29 anos, de 30 a 39 anos, de 40 a 49

anos, de 50 a 59 anos, 60 anos ou mais Cor/raça Branca, não branca (preta, amarela, parda

ou indígena) Escolaridade Sem declaração, sem instrução ou menos de

1 ano, 1 a 7 anos, 8 a 14 anos, 15 anos ou mais

Situação de ocupação Ocupado, não ocupado Atividade física Sem declaração, pratica, não pratica Fumo Sem declaração, fumante, ex-fumante,

nunca fumou Morbidade autorreferida de 12 doenças crônicas Pelo menos 1 doença crônica, nenhuma

doença crônica Mobilidade física autorreferida Muita limitação, limitação, pouca limitação,

sem limitação Posse de plano de saúde Sim; não Consulta médica nos últimos 12 meses Sim, não Região de residência (Grandes Regiões Brasileiras) Norte, Nordeste, Sudeste, Sul, Centro-Oeste

Ambiente intradomiciliar (variáveis domiciliares) Qualidade da moradia

Adequada (todos os indicadores adequados), não adequado (pelo menos um indicador inadequado)

Posse de bens básicos (geladeira, fogão, televisão e rádio) no domicílio

Possui todos os bens básicos, não possui pelo menos um bem básico

Condição de ocupação do domicílio Próprio, alugado, cedido, outra condição Renda domiciliar mensal per capita Sem declaração, sem renda ou até 1 s.m,

mais de 1 a 5 s.m, mais de 5 s.m Domicílio cadastrado no PSF Sim, não

Ambiente extradomiciliar (variáveis do setor) Área de localização do domicílio (área censitária) Urbana; rural Proporção de domicílios considerados adequados quanto a qualidade da moradia (qualidade da construção, disponibilidade de infra-estrutura de serviços e densidade domiciliar)*.

-

*Variável numérica

48

4.2.3. Modelo logístico ordinal

Modelo logístico ordinal é um modelo linear generalizado pertencente à classe dos

modelos de regressão de efeitos fixos, onde o desfecho é policotômico ordinal, e as variáveis

explicativas numéricas ou categóricas.

Modelos de efeitos fixos assumem que todas as observações são independentes, não

sendo apropriadas para análise de dados provenientes de pesquisas que apresentam algum tipo

de estrutura de correlação, seja através de pesquisas longitudinais ou que fazem uso de

conglomeração. Assim, no caso de pesquisas amostrais complexas, que violam a suposição de

independência das observações, uma alternativa adequada seria utilizar a abordagem

agregada (PESSOA e SILVA,1998) no ajuste de modelos estatísticos, que se baseia na

incorporação do plano amostral da pesquisa, informando os pesos amostrais e aspectos

ligados à estrutura do plano, tais como estratos e unidades de conglomeração. É importante

mencionar ainda que esta abordagem agregada de análise, também denominada de

abordagem baseada no plano amostral, corresponde segundo THOMAS e HECK (2001) à

modelagem em um único nível de análise (ou seja, no nível individual) e pode ser realizada

através de procedimentos ou módulos específicos para análise de dados amostrais complexos

de pacotes estatísticos como, por exemplo: STATA, SAS e SPSS.

Considerando a abordagem agregada de análise (artigos 1, 2 e 3), o modelo logístico

ordinal (modelo de chances proporcionais) pode ser representado pela equação abaixo:

εβββ ++++= pp xxxY K2211* , onde:

*Y é a autoavaliação do estado de saúde adulto;

x1, x2,...,xp são as variáveis explicativas.

β1, β2,...,βp são os parâmetros desconhecidos (efeitos fixos) a serem estimados.

ε é o erro do modelo com distribuição logística de média 0 e variância π2/3.

49

Com relação à ponderação dos dados amostrais da pesquisa, foram utilizados na

abordagem agregada pesos relativos, ao invés de pesos brutos, para a estimação das

estimativas pontuais dos parâmetros (coeficientes) do modelo e de suas medidas de precisão,

definidos pela razão entre os referidos pesos brutos e sua média aritmética simples, com o

objetivo de preservar o efetivo tamanho da amostra (LEE, 1989; THOMAS e HECK, 2001;

WEI e PARSONS, 2009). Embora tanto o uso de pesos brutos quanto de pesos relativos

levem as mesmas estimativas pontuais dos parâmetros do modelo, tal ajuste/correção nos

pesos amostrais é importante, tendo em vista que a maioria dos pacotes estatísticos trata a

soma dos pesos brutos (tamanho da população) como se fosse o tamanho efetivo da amostra,

acarretando uma grande subestimação dos erros padrões e levando a decisões equivocadas

baseadas na realização de testes estatísticos de hipóteses (THOMAS e HECK, 2001).

Uma outra forma de se ajustar modelos estatísticos com base em dados de pesquisas

amostrais complexas é através do uso da abordagem desagregada (PESSOA e SILVA,1998),

isto é, através de modelos multiníveis, como o descrito na seção 4.2.4.

4.2.4. Modelo logístico ordinal multinível

Modelos logísticos ordinais multiníveis pertencem à classe dos Modelos Lineares

Generalizados Mistos (MLGM) que, por sua vez, podem ser considerados como uma extensão

dos Modelos Lineares Generalizados (MLG) tradicionais, e basicamente diferem destes pela

incorporação de efeitos aleatórios no preditor linear.

Portanto, na análise multinível, efeitos aleatórios do(s) grupo(s) podem ser

adicionados no modelo para considerar a estrutura de dependência (ou correlação) dos dados.

O modelo resultante é um modelo misto que inclui tanto efeitos fixos usuais quanto efeitos

aleatórios para as variáveis explicativas. Além disso, na análise multinível, para cada

50

indivíduo, o valor do desfecho estudado é decomposto em duas componentes, sendo uma

componente individual ou intra-grupo, e a outra componente inter-grupo. A decomposição das

variáveis de uma amostra de dados em partes (componentes) é usada para estimar a matriz de

variância-covariância dentro dos grupos (ou seja, dos desvios individuais em relação às

médias dos grupos) e a matriz de variância-covariância entre grupos (ou seja, dos grupos de

médias desagregadas) (THOMAS e HECK, 2001).

A análise multinível é considerada uma abordagem desagregada de análise,

denominada alternativamente de abordagem baseada no modelo analítico (THOMAS e

HECK, 2001), que permite incorporar explicitamente no ajuste do modelo a estrutura

hierárquica dos dados (adulto, domicílio, setor, etc.). Entretanto, para a análise de dados da

PNAD 2008 é preciso incorporar ainda aspectos do plano amostral efetivamente adotado na

seleção da amostra (isto é, estratos, unidade primárias de amostragem e pesos amostrais).

THOMAS e HECK (2001) chamam atenção para o fato de que os modelos multiníveis lidam

naturalmente com a conglomeração dos dados, mas precisam de “ajustes estatísticos” para

acomodar outras características de amostragem, como os pesos de amostragem.

Nesta tese (artigo 4) utilizou-se à abordagem desagregada para adultos residentes em

municípios populosos (os chamados municípios autorrepresentativos) que informaram seu

próprio estado de saúde. Nestes municípios, o plano amostral é estratificado e conglomerado

em dois estágios de seleção, onde os municípios são os estratos, e os setores e domicílios são

as unidades primárias e secundárias de amostragem, respectivamente. Desse modo, a fim de

considerar todas essas informações estruturais do plano amostral da PNAD 2008, ajustou-se

um modelo logístico ordinal multinível com quatro níveis hierárquicos, onde os adultos são as

unidades de 1º nível, os domicílios (habitações) são as unidades de 2º nível, os setores

(vizinhanças) as unidades de 3º nível. Os municípios autorrepresentativos foram considerados

no modelo como unidades de 4º nível.

51

Um modelo multinível (modelo de chances proporcionais) de quatro níveis de

hierarquia pode ser representado genericamente pela seguinte equação adaptada de

SKRONDAL e RABE-HESKETH (2003):

ijkh

l

ijkm

M

mhm

l

ijkhm

M

mkhm

l

ijkhm

M

mjkhmijkm

M

mmijkh

nívedealeatóriaparte



fixaparte

zzzxY εθθθβ +⋅+⋅+⋅+= ∑∑∑∑−

=

−

=

−

=

−

=44 344 2144 344 2144 344 214434421

º4º3º2

)4(

4

14

04

)4(

4

)3(

3

13

03

)3(

3

)2(

2

12

02

)2(

21

11

011

*

que pode ser escrita de forma alternativa usando alguma notação matricial:

ijkhhijkhkhijkhjkhijkhijkhijkhY ε++++= )4()`4()3()`3()2()`2(`*

θzθzθzβx ;

i=1,2,..., njkh ; j=1,2,..., nkh ; k=1,2,....,nh; h=1,2,....,n

onde:

*

ijkhY é o estado de saúde autorreferido (variável latente) do i-ésimo indivíduo que reside no j-

ésimo domicílio do k-ésimo setor pertencente ao h-ésimo município autorrepresentativo;

[ ]ijkMijkijkijk xxx 1110 ,,, −= Kx é o vetor de variáveis explicativas;

[ ] `1110 ,,, −= Mβββ K

ββββ é o vetor de efeitos fixos;

[ ] `)2(12

)2(1

)2(0

)2( ,,, jkhMjkhjkhjkh θθ −= Kθθ é o vetor de efeitos aleatórios de 2º nível (domicílio);

[ ] `)2(12

)2(1

)2(0

)2( ,,, ijkhMijkhijkhijkh zzz −= Kz é o vetor de variáveis explicativas com efeitos aleatórios de 2º

nível (domicílio). A coluna de 1`s é usualmente incluída no caso de intercepto aleatório para o

2º nível);

[ ] `)3(12

)3(1

)3(0

)3( ,,, khMkhkhkh θθθ −= Kθ é o vetor de efeitos aleatórios de 3º nível (setor);

[ ] `)3(13

)3(1

)3(0


nível (setor).

[ ] `)4(14

)4(1

)4(0

)4( ,,, hMhhh θθθ −= Kθ é o vetor de efeitos aleatórios de 4º nível (município

autorrepresentativo);

52

[ ] `)4(14

)4(1

)4(0


nível (município autorrepresentativo).

Os efeitos aleatórios de cada nível são, por suposição, normalmente distribuídos

( )( )22

)2(

2,0~ σθ N

jkhm, ( )( )2

3)3(

3,0~ σθ N

khm e ( )( )2

4)4(

4,0~ σθ N

hm, além de independentes através dos

níveis.

εijkh são os erros do modelo com distribuição logística de média 0 e variância π2/3.

No caso de um modelo multinível de quatro níveis apenas com interceptos aleatórios,

no qual se adiciona ao preditor linear efeitos aleatórios para as unidades de 2º nível

(domicílio), 3º nível (setor) e 4º nível (município AR) tem-se a seguinte representação abaixo

(M2=1 e )2(

0ijkhz =1; M3=1 e )3(

0ijkhz =1; M4=1 e )4(

0ijkhz =1).

ijkhkhjkhijkijkY εθθθ ++++= )4(

0

)3(

0

)2(

0

`*βx ;

i=1,2,..., njkh ; j=1,2,..., nkh ; k=1,2,....,nh; h=1,2,....,n

onde:

*

ijkhY é o estado de saúde autorreferido (variável latente) do i-ésimo indivíduo que reside no j-

ésimo domicílio do k-ésimo setor pertencente ao h-ésimo município autorrepresentativo;

xijkh é o vetor de variáveis explicativas;

ββββ é o vetor de efeitos fixos;

)2(

0 jkhθ é o efeito aleatório do j-ésimo domicílio do k-ésimo setor pertencente ao h-ésimo

município autorrepresentativo (efeito da unidade de 2º nível, ou seja, do domicílio);

( )( )22

)2(

0,0~ σθ N

jkh

53

)3(

0khθ é o efeito aleatório do k-ésimo setor pertencente ao h-ésimo município

autorrepresentativo (efeito da unidade de 3º nível, ou seja, do setor); ( )( )23

)3(

0,0~ σθ N

kh

)4(

0hθ é o efeito aleatório do h-ésimo município autorrepresentativo (efeito da unidade de 4º

nível, ou seja, do município autorrepresentativo); ( )( )24

)4(

0,0~ σθ N

h

εijk são os erros do modelo com distribuição logística de média 0 e variância π2/3.

Destarte, na análise multinível são utilizadas três unidades de contexto, o “domicílio”,

o “setor” e o “município AR”. Para os domicílios e setores foi considerado um conjunto de

características que retratam o ambiente intradomiciliar e extradomiciliar, respectivamente.

Quanto ao “município” foi considerada na análise multinível por representar o estrato no

plano amostral da PNAD 2008. Segundo o IBGE, o domicilio é definido como “o local de

moradia estruturalmente separado e independente, constituído por um ou mais cômodos”. A

separação refere-se à delimitação do local de moradia por paredes, muros, cercas, e por um

teto, tornando possível o isolamento de seus moradores, que arcam com parte ou todas as suas

despesas de alimentação ou moradia. A independência, por sua vez, refere-se à possibilidade

de acesso direto ao local de moradia, ou seja, possibilita a entrada e saída dos moradores sem

a necessidade de se passar pelo local de moradia de outros moradores.

Para fins de análise foram considerados apenas os domicílios particulares permanentes

(DPP) que são aqueles domicílios (casa, apartamento ou cômodo) destinados exclusivamente

à moradia de uma pessoa ou de um grupo de pessoas cujo relacionamento fosse ditado por

laços de parentesco, dependência doméstica ou, ainda, normas de convivência.

Devido a não disponibilidade da identificação dos códigos dos setores censitários para

garantir o sigilo ou confidencialidade das informações prestadas pelos respondentes, utilizou-

se como unidade de contexto a “área de listagem” (referida simplesmente como setor nesta

54

tese) disponível no banco de dados da PNAD, que podem ser os próprios setores censitários

ou subdivisões dos setores censitários, ou ainda áreas de novas construções nos casos em que

o crescimento de domicílios foi muito espalhado. Embora concebida para fins de controle do

processo de amostragem, sabe-se que os domicílios pertencentes a uma certa área de listagem

mantêm uma certa proximidade geográfica.

55

5. Resultados

5.1. ARTIGO 1

Associação entre o estado de saúde autorreferido de adultos e a

área de localização do domicílio: uma análise de regressão

logística ordinal usando a PNAD 2008♦♦♦♦

♦ Artigo publicado na Revista Ciência & Saúde Coletiva e ligeiramente modificado na tese.

56

Resumo

O ambiente urbano influencia a saúde e os comportamentos humanos, sendo necessário um

melhor entendimento dos determinantes da saúde das populações que vivem nas cidades. A

partir dos dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) 2008, usando

modelos logísticos ordinais incorporando o plano amostral, o presente artigo avalia a

associação entre a área de localização do domicílio (urbana e rural) e o estado de saúde

autorreferido da população adulta brasileira, controlando para um conjunto de fatores

individuais e do ambiente intradomiciliar e extradomiciliar. Os resultados indicam que ao

controlar por fatores individuais e ambientais, a associação entre a área de localização do

domicílio e o estado de saúde autorreferido dos adultos se modifica (passando de OR=1,51

para OR=0,96) e perde a sua significância estatística (p-valor=0,208). Entretanto, foram

observadas interações estatisticamente significantes entre a área de localização do domicílio e

as seguintes variáveis: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e

percentual de domicílios adequados quanto a qualidade de moradia.

Palavras-chave: Estado de saúde autorreferido, área de localização do domicílio, modelo de

regressão logística ordinal.

57

Abstract:

The urban environment influences human health and behavior, and better understanding of the

health determinants of populations living in cities is needed. Using data from the National

Household Sampling Survey (PNAD) 2008, with ordinal logistic models incorporating the

sampling plan, the present study assessed the association between the area where the homes of

a Brazilian adult population were located (urban or rural) and these individuals’ self-reported

state of health, while controlling for a set of individual and environmental factors within and

outside of households. The results indicated that after controlling for individual and

environmental factors, the association between the area of home location and individuals’

self-reported state of health became modified (going from OR = 1.51 to OR = 0.96) and lost

its statistical significance (p-value = 0.208). However, statistically significant interactions

were observed between the area of home location and the following variables: sex, color/race,

self-reported morbidity, possession of basic goods and percentage of households with

adequate housing quality.

Key words: self-reported state of health, area of home location, ordinal logistic regression

model.

58

5.1.1. INTRODUÇÃO

O ambiente urbano influencia a saúde e os comportamentos humanos, apontando para

a necessidade de melhor entendimento dos determinantes da saúde das populações que vivem

nas cidades1. No Brasil, houve um aumento na taxa de urbanização, passando de 81,2% em

2000 para 83,8% em 2008, que em termos absolutos significa mais de 159 milhões de pessoas

vivendo nas cidades em 20082.

Com relação aos múltiplos efeitos da urbanização na saúde da população ainda há

divergências entre estudos. Alguns estudos sobre a relação entre o processo de urbanização e

a saúde da população apontam como fatores que proporcionam uma melhor saúde dos

indivíduos em áreas urbanas, comparativamente a áreas rurais, um maior nível de renda,

educação e informação, que lhes proporcionam um melhor acesso a uma alimentação de

qualidade3,4 e um maior acesso de serviços de saúde5. Por outro lado, outros estudos apontam

que o processo de urbanização, sobretudo quando não planejado, pode trazer uma série de

riscos a saúde da população como resultado de residências impróprias, aglomeração humana,

poluição ambiental, água para consumo insuficiente ou contaminada, instalações sanitárias

inadequadas, esgoto não-tratado, estresses associados com pobreza e desemprego6,7.

Segundo Caiaffa et al.1, independente do efeito positivo ou negativo da vida nas

cidades contemporâneas (meio urbano), o conceito de saúde deve incorporar o cotidiano dos

indivíduos vivendo nas cidades, não ignorando as relações de interdependência que existem

entre o indivíduo e o meio físico, social e político onde ele vive e se insere. “Os resultados em

saúde parecem, pois depender de quem se é e do lugar onde se vive”4. Apreende-se, portanto

que o estudo dos determinantes de saúde não pode se limitar a fatores individuais, devendo

ser considerados também fatores ambientais para explicar as diferenças nos níveis de saúde de

populações humanas. A importância da consideração de indicadores relativos à qualidade das

59

moradias está no fato deles representarem conceitos de privação real, ou seja, indicam que os

indivíduos estão efetivamente privados4.

Do ponto de vista da prevenção das doenças e da promoção da qualidade de vida e das

condições de saúde no país é fundamental identificar fatores, sobretudo os passíveis de

intervenção (modificáveis), que influenciam os níveis de saúde de populações humanas, com

objetivo de reduzir as iniqüidades em saúde. Entretanto, o estabelecimento desta relação não é

simples, “não só por causa da multiplicidade de fatores envolvidos e pelas inter-relações

existentes entre eles (...)”4, mas, sobretudo pelas limitações provenientes do tipo de desenho

de estudo epidemiológico adotado e da disponibilidade e qualidade das informações nos

níveis geográficos requeridos.

Na análise das diferenças nos níveis de saúde de populações humanas considerando

variáveis individuais e contextuais, têm sido frequentemente utilizados, como proxy das

avaliações objetivas de saúde individual, indicadores de autopercepção do estado global de

saúde, por ser de fácil mensuração, confiável e válido8,9,10, além de permitir comparações

internacionais11. .

Vários autores utilizam o indicador de autopercepação do estado de saúde em seus

estudos12,13,14,4, entretanto diferem quanto à forma de tratar o indicador. Por exemplo, Dachs e

Santos13, com base nos dados da PNAD 2003, usaram modelos de regressão logística binária

para relacionar a autopercepção do estado de saúde dicotomizada em ruim/muito ruim ou não

com um conjunto de determinantes individuais. Já Nogueira4 usando modelos de regressão

logística ordinal relacionou a autopercepção do estado de saúde com um conjunto de

determinantes individuais e contextuais na Área Metropolitana de Lisboa.

No presente artigo são analisadas as diferenças no estado de saúde autorreferido dos

adultos usando dados mais recentes da PNAD utilizada por Dachs e Santos13 e o mesmo tipo

de modelo adotado por Nogueira4, mas incorporando as informações do plano amostral.

60

Considerando a população adulta residente em domicílios particulares permanentes que

informou o seu próprio estado de saúde, este artigo tem como objetivo avaliar a associação

entre a área de localização do domicílio (urbana e rural) e o estado de saúde autorreferido,

controlando para um conjunto de variáveis demográficas, socioeconômicas, comportamentais

e de saúde que retratam características individuais e do ambiente intradomiciliar e

extradomiciliar.

61

5.1.2. MATERIAL E MÉTODOS

Pesquisa Nacional por Amostra de Domicílios

A Pesquisa Nacional por Amostra de Domicílios (PNAD) é uma pesquisa de

abrangência nacional, realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE),

que coletou informações de uma amostra probabilística de 150.591 domicílios e 391.868

pessoas. Tem como finalidade produzir informações básicas para o estudo do

desenvolvimento socioeconômico do País. Sua amostra foi planejada para obter estimativas

representativas para o Brasil, Grandes Regiões, Unidades da Federação e nove Regiões

Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São

Paulo, Curitiba e Porto Alegre). Com relação ao desenho amostral, a PNAD é um estudo

seccional que combina estratificação, conglomeração em dois ou três estágios, com

probabilidades desiguais de seleção que resultam em pesos amostrais distintos para os

elementos da amostra. Maiores informações sobre o planejamento amostral podem ser obtidos

em Silva et al.15 e IBGE2.

População de estudo

A população-alvo deste estudo compreende os indivíduos adultos (20 anos ou mais de

idade) residentes em domicílios particulares permanentes que informaram o seu próprio

estado de saúde, o que corresponde a uma seleção de 162.213 registros na amostra da PNAD.

Foram consideradas na análise apenas as pessoas que informaram seu próprio estado global de

saúde, por entender que informações prestadas por terceiros (outras pessoas moradoras do

domicílio, ou ainda outras pessoas não moradoras do domicílio) aumentaria a chance de

62

ocorrer viés de informação ou classificação do desfecho de saúde utilizado neste trabalho. Do

total de adultos residentes em domicílios particulares permanentes, 37,2% tiveram seu estado

de saúde informado por terceiros.

Variáveis de estudo

A partir das cinco alternativas de resposta do quesito de autopercepção do estado

global de saúde obteve-se um desfecho ordinal com três níveis: muito bom/bom, regular,

ruim/muito ruim.

A área de localização do domicílio classificada em urbana ou rural de acordo com a

legislação vigente na ocasião do Censo Demográfico 2000 é a variável de exposição principal,

cuja associação com o estado de saúde autorreferido se deseja avaliar em nível nacional. A

área urbana foi definida como agregação de três categorias da variável original “situação

censitária” disponível no banco de dados da PNAD 2008: 1) Cidade ou vila, área urbanizada;

2) Cidade ou vila, área não-urbanizada; e 3) Área urbana isolada. A área rural, por sua vez,

foi definida como junção de cinco categorias da variável situação censitária: 1) Aglomerado

rural de extensão urbana; 2) Aglomerado rural, isolado, povoado; 3) Aglomerado rural,

isolado, núcleo; 4) Aglomerado rural, isolado, outros aglomerados; e 5) Zona rural exclusive

aglomerado rural.

Como variáveis de controle foi utilizado um conjunto de dezoito variáveis

demográficas, socioeconômicas, comportamentais e de saúde que retratam características

individuais e do ambiente intradomiciliar e extradomiciliar: sexo, faixa etária, cor/raça,

escolaridade, situação de ocupação, atividade física, fumo, morbidade autorreferida,

mobilidade física, posse de plano de saúde, consulta médica nos últimos 12 meses, domicílio

cadastrado no Programa de Saúde da Família (PSF), qualidade de moradia, posse de bens

63

básicos no domicílio, condição de ocupação do domicílio, renda domiciliar mensal per

capita, região de residência e proporção de domicílios considerados adequados no setor

(vizinhança) quanto aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades

habitacionais e aos padrões construtivos das moradias (material usado nas paredes e

telhado). As variáveis de controle que foram obtidas através da agregação de variáveis

disponíveis no banco de dados da PNAD 2008 são descritas abaixo.

A variável “qualidade de moradia” representa uma característica do ambiente

intradomiciliar, construída através da combinação de sete variáveis binárias que indicam

adequação ou inadequação de três dimensões distintas (qualidade da construção, infra-

estrutura de serviços sociais e densidade domiciliar) de acordo com os critérios definidos na

publicação da Pesquisa sobre Padrões de Vida 1996-199716. As categorias da variável

“qualidade da moradia” são: adequado - para os domicílios considerados adequados em todos

os indicadores das três dimensões e inadequado - para os domicílios considerados

inadequados em pelo menos um dos indicadores de alguma das dimensões. A partir da

variável “qualidade de moradia”, foi obtida uma outra variável que retrata uma característica

do ambiente extradomiciliar, através do cálculo do percentual de domicílios existentes no

setor considerados adequados quanto à qualidade da construção, à infra-estrutura de serviços

sociais (água, esgoto, lixo e luz) e à densidade habitacional.

A “posse de bens básicos no domicílio” é uma outra variável do ambiente

intradomiciliar, com duas categorias que informam se no domicílio existem todos os quatro

bens básicos (fogão, geladeira, televisão e rádio) ou se não existe pelo menos um desses bens.

A variável “mobilidade física” foi construída a partir do agrupamento das respostas

(não consegue, tem grande dificuldade, tem pequena dificuldade ou não tem dificuldade) de

oito quesitos de mobilidade física levantados na PNAD 2008, resultando em quatro níveis que

retratam os diferentes estados de mobilidade física dos indivíduos ou diferentes graus de

64

limitação na realização de determinadas atividades básicas do cotidiano: muita limitação,

limitação, pouca limitação e sem limitação. Os indivíduos são classificados como tendo muita

limitação quando não conseguem ou têm grande dificuldade para realizar as atividades

básicas de alimentação e higiene, ou não conseguem realizar pelo menos uma das demais

atividades. Como tendo limitação quando os indivíduos têm pequena ou nenhuma dificuldade

nas atividades de alimentação e higiene, mas possui grande dificuldade em pelo menos uma

das outras atividades. Como tendo pouca limitação, os indivíduos que não têm pequena ou

nenhuma dificuldade, mas têm pequena dificuldade em pelo menos uma das outras atividades.

Finalmente, foram classificados como sem limitação, os indivíduos que não apresentaram

nenhuma dificuldade em todas as atividades.

A variável “morbidade autorreferida” foi construída a partir das respostas (sim ou não)

de doze quesitos que investigam a presença de doze doenças crônicas. As categorias da

variável “morbidade autorreferida” informam se o indivíduo não possui nenhuma destas 12

doenças crônicas ou se possui pelo menos uma destas doenças.

Análise Estatística

Utilizando o software SPSS for Windows, versão 17.0 (SPSS Inc., Chicago, Estados

Unidos), foram ajustados modelos logísticos ordinais para o estado de saúde autorreferido,

considerando os pesos amostrais e as informações estruturais do plano amostral (estratos e

unidades primárias de amostragem) da PNAD 2008. Nos ajustes foram usados pesos

amostrais corrigidos definidos pela razão entre os pesos naturais do desenho e a sua média

aritmética, para manter o uso do tamanho de amostra na realização das inferências

realizadas17. Neste artigo foi utilizado o modelo logístico ordinal, também chamado de

modelo de chances proporcionais, cuja forma funcional está representada em Abreu et al18,

65

pois é o mais utilizado por investigadores sociais na área de saúde e está implementado na

maioria dos pacotes estatísticos que possuem rotinas para a análise de dados amostrais

complexos (SPSS, STATA, SAS, etc.), como os dados da PNAD.

Além dos efeitos principais das dezoito variáveis de controle, também foram testados

os efeitos de interação das variáveis selecionadas com a área de localização do domicílio.

66

5.1.3. RESULTADOS

Quase 70% da população adulta brasileira avaliou o seu estado global de saúde como

bom ou muito bom. Apenas 5,6% dos adultos avaliaram o seu estado de saúde como ruim ou

muito ruim, enquanto os demais (26,0%) reportaram um estado de saúde regular (Figura 1).

Figura 1: Distribuição de adultos segundo o estado de saúde autorreferido - Brasil

68,4%

5,6%

26,0%

0%

20%

40%

60%

80%

100%

Ruim ou muito ruim Regular Bom ou muito bom

Estado de saúde autorreferido

Percentual de adultos

A Tabela 1 apresenta os resultados dos modelos logísticos ordinais univariados

relacionando todas as variáveis consideradas com a autopercepção do estado de saúde dos

adultos, além de suas distribuições de freqüências simples e conjuntas (com a autopercepção

do estado de saúde).

67

Tabela 1: Associações de variáveis demográficas, socioeconômicas, comportamentais e de saúde com o estado de saúde autorreferido – Brasil.

Distribuição percentual de adultos segundo o estado de saúde autorreferido

Modelos logísticos ordinais univariados

Variáveis Distribuição percentual de adultos

Ruim ou muito ruim

Regular Bom ou muito bom

Total Razão de chance

IC 95% p-valor*

Área de localização do domicílio

Urbano 83,3 5,3 24,7 70,0 100 1,51 [1,43; 1,59] <0,001

Rural 16,7 7,3 32,3 60,4 100 1 - -

Região de residência

Norte 7,4 6,3 28,8 64,9 100 0,82 [0,75; 0,89] <0,001

Nordeste 27,7 7,0 30,6 62,4 100 0,73 [0,69 0,77] <0,001

Sudeste 42,0 4,7 22,8 72,5 100 1,16 [1,09; 1,23] <0,001

Sul 15,4 5,7 25,0 69,3 100 0,99 [0,92; 1,06] 0,701

Centro-oeste 7,4 4,9 25,7 69,3 100 - - -

Sexo

Masculino 38,4 5,3 23,2 71,5 100 1,26 [1,23; 1,29] <0,001

Feminino 61,6 5,9 27,7 66,4 100 1 - -

Faixa etária

20 a 29 anos 22,3 1,4 13,0 85,6 100 7,26 [6,93; 7,60] <0,001

30 a 39 anos 22,1 2,4 18,6 79,0 100 4,59 [4,41; 4,79] <0,001

40 a 49 anos 20,6 5,0 26,5 68,5 100 2,64 [2,54; 2,74] <0,001

50 a 59 anos 16,0 8,6 34,7 56,7 100 1,58 [1,51; 1,64] <0,001

60 anos ou + 18,9 12,6 41,9 45,5 100 1 - -

Cor/raça

Branca 49,0 4,9 23,2 71,9 100 1,38 [1,34; 1,42] <0,001

Não branca 51,0 6,3 28,7 65,0 100 1 - -

Escolaridade

Sem instrução ou menos de 1 ano 13,0 14,9 40,0 45,1 100 0,11 [0,10; 0,11] <0,001

1 a 7 anos 36,2 7,4 33,8 58,8 100 0,20 [0,18; 0,21] <0,001

8 a 14 anos 42,1 2,3 17,9 79,8 100 0,54 [0,51; 0,58] <0,001

15 anos ou + 8,5 1,2 10,8 88,0 100 1 - -

Sem declaração 0,2 5,0 25,5 69,5 100 0,31 [0,23; 0,42] <0,001

Renda domiciliar mensal per capita

Sem renda ou até 1 salário mínimo 51,0 7,4 30,3 62,3 100 0,26 [0,24; 0,28] <0,001

Mais de 1 a 5 salários mínimos 40,7 4,1 22,5 73,4 100 0,44 [0,41; 0,48] <0,001

Mais de 5 salários mínimos 5,4 1,5 12,4 86,1 100 1 - -

Sem declaração 2,8 4,8 23,6 71,6 100 0,40 [0,36; 0,45] <0,001

Situação de ocupação

Ocupada 62,2 3,5 22,1 74,4 100 2,12 [2,06; 2,17] <0,001

Não ocupada 37,8 9,2 32,3 58,5 100 1 - -

Atividade física

Pratica 25,2 2,0 17,5 80,5 100 2,15 [2,08; 2,23] <0,001

Não pratica 72,3 5,7 28,4 65,9 100 1 - -

Sem declaração 2,5 40,8 41 18,2 100 0,09 [0,09; 0,10] <0,001

Fumo

Fumante 15,4 7,2 28,0 64,8 100 0,67 [0,64; 0,69] <0,001

Ex-fumante 16,7 8,9 33,8 57,3 100 0,49 [0,48; 0,51] <0,001

Nunca fumou 50,9 4,1 22,9 73,0 100 1 - -

Sem declaração 17,0 5,7 25,8 68,5 100 0,79 [0,77; 0,82] <0,001

Morbidade autorreferida

Pelo menos uma doença crônica 46,5 10,9 41,7 47,4 100 0,14 [0,13; 0,14] <0,001

Nenhuma doença crônica 53,5 1,1 12,3 86,6 100 1 - -

68

Mobilidade física

Muita limitação 8,1 29,0 48,2 22,8 100 0,04 [0,03; 0,04] <0,001

Limitação 12,9 16,0 53,2 30,8 100 0,08 [0,07; 0,08] <0,001

Pouca limitação 15,6 4,3 39,9 55,8 100 0,23 [0,22; 0,24] <0,001

Sem limitação 63,4 0,9 14,1 85,0 100 1 - -

Posse de plano de saúde

Sim 27,2 3,0 19,0 78,0 100 1,94 [1,87; 2,01] <0,001

Não 72,8 6,6 28,6 64,8 100 1 - -

Consulta médica

Sim 73,9 6,9 29,3 63,8 100 0,40 [0,39; 0,41] <0,001

Não 26,1 2,0 16,7 81,3 100 1 - -

PSF

Sim 49,4 6,6 29,5 63,9 100 0,66 [0,64; 0,69] <0,001

Não 50,6 4,7 22,5 72,8 100 1 - -

Condição de ocupação do domicílio

Próprio 76,1 6,1 27,2 66,7 100 1,17 [0,97; 1,41] 0,098

Alugado 15,4 3,6 20,2 76,2 100 1,88 [1,55; 2,28] <0,001

Cedido 8,0 5,1 25,7 69,2 100 1,32 [1,09; 1,60] 0,005

Outra 0,5 8,0 28,6 63,4 100 1 - -

Posse de bens básicos

Tem todos os quatro bens básicos 82,6 4,9 24,9 70,2 100 1,59 [1,53; 1,65] <0,001

Não tem pelo menos um bem básico 17,4 9,0 30,8 60,2 100 1 - -

Qualidade da moradia

Adequado 54,1 4,8 23,4 71,8 100 1,41 [1,36; 1,46] <0,001

Não adequado 45,9 6,6 29,1 64,3 100 1 - -

% domicílios adequados 2,00 [1,90; 2,11] <0,001

*Teste Wald

Dos adultos que informaram seu próprio estado de saúde, 83,3% deles residem em

domicílios localizados na área urbana. Com relação à distribuição da autopercepção do estado

de saúde segundo as categorias das variáveis consideradas, pode-se destacar também que a

proporção de adultos com estado de saúde autorreferido bom ou muito bom é maior entre os

residentes na área urbana (70,0%), na região Sudeste (72,5%), em domicílios com os quatro

bens básicos (70,2%) e adequados com relação à densidade e à infra-estrutura física e de

serviços sociais (71,8%). Pode-se destacar ainda que esta proporção também é maior entre

indivíduos que nunca fumaram (73,0%), que praticaram atividade física (80,5%), sem

nenhuma doença crônica (86,6%), com plano de saúde (78,0%) e que não consultaram médico

nos últimos 12 meses (81,3%) (Tabela 1).

Analisando os resultados dos modelos logísticos ordinais univariados (Tabela 1),

observa-se que todas as características demográficas, socioeconômicas, comportamentais e de

69

saúde (individuais ou dos ambientes intra e extradomiciliar) estão estatisticamente

relacionadas com a chance do adulto autorreferir um melhor estado de saúde ao nível de

significância de 5%. Na análise univariada (análise bruta) observou-se que a chance do adulto

apresentar um melhor estado de saúde autorreferido na área urbana é 51% maior que na área

rural (OR= 1,51; IC 95%= [1,43; 1,59]).

Tabela 2: Modelos logísticos ordinais (multivariados) explicativos do estado de saúde autorreferido de adultos - Brasil.

Modelo multivariado 1: inclui os efeitos principais

significativos

Modelo multivariado 2: inclui os efeitos principais e de

interação significativos Variáveis

Razão de chance

IC 95% p-valor* Razão de chance

IC 95% p-valor*


Urbano 0,96 [0,90; 1,02] 0,208 0,93 [0,83; 1,05] 0,226

Rural 1 - - 1 - -


Norte 0,75 [0,68; 0,83] <0,001 0,75 [0,68; 0,83] <0,001

Nordeste 0,78 [0,74; 0,84] <0,001 0,78 [0,73; 0,83] <0,001

Sudeste 1,10 [1,04; 1,17] 0,002 1,10 [1,03; 1,17] 0,003

Sul 0,99 [0,91; 1,07] 0,722 0,99 [0,92; 1,07] 0,819

Centro-oeste 1 - - 1 - -

Sexo

Masculino 0,85 [0,83; 0,88] <0,001 0,96 [0,90; 1,02] 0,187

Feminino 1 - - 1 - -

Faixa etária

20 a 29 anos 1,41 [1,33; 1,49] <0,001 1,42 [1,34; 1,50] <0,001

30 a 39 anos 1,19 [1,14; 1,25] <0,001 1,20 [1,14; 1,26] <0,001

40 a 49 anos 0,96 [0,92; 1,00] 0,067 0,96 [0,92; 1,01] 0,101

50 a 59 anos 0,83 [0,80; 0,87] <0,001 0,84 [0,80; 0,87] <0,001

60 anos ou + 1 - - 1 - -

Cor/raça

Branca 1,16 [1,12; 1,20] <0,001 1,02 [0,95; 1,10] 0,618

Não branca 1 1 -

Escolaridade

Sem instrução ou menos de 1 ano 0,46 [0,42; 0,50] <0,001 0,46 [0,42; 0,50] <0,001

1 a 7 anos 0,47 [0,44; 0,51] <0,001 0,48 [0,45; 0,52] <0,001

8 a 14 anos 0,69 [0,65; 0,74] <0,001 0,70 [0,65; 0,75] <0,001

15 anos ou + - 1 -

Sem declaração 0,46 [0,33; 0,64] <0,001 0,47 [0,34; 0,65] <0,001


Sem renda ou até 1 salário mínimo 0,53 [0,49; 0,58] <0,001 0,53 [0,49; 0,58] <0,001

Mais de 1 a 5 salários mínimos 0,71 [0,65; 0,77] <0,001 0,71 [0,65; 0,77] <0,001

Mais de 5 salários mínimos 1 - - 1 - -

Sem declaração 0,69 [0,61; 0,78] 0,001 0,69 [0,61; 0,78] <0,001


Ocupada 1,19 [1,15;1,23] <0,001 1,19 [1,15;1,23] <0,001

Não ocupada 1 - - 1 - -

70

Atividade física

Pratica 1,36 [1,31;1,41] <0,001 1,36 [1,31;1,41] <0,001

Não pratica 1 - - 1 - -

Sem declaração 0,50 [0,46;0,55] <0,001 0,50 [0,46;0,56] <0,001

Fumo

Fumante 0,86 [0,82;0,89] <0,001 0,86 [0,82;0,89] <0,001

Ex-fumante 0,88 [0,85;0,91] <0,001 0,88 [0,85;0,91] <0,001

Nunca fumou 1 - - 1 - -

Sem declaração 0,95 [0,92;0,99] 0,012 0,95 [0,91;0,99] 0,009


Pelo menos uma doença crônica 0,29 [0,28;0,30] <0,001 0,33 [0,31;0,36] <0,001

Nenhuma doença crônica 1 - - 1 - -

Mobilidade física

Muita limitação 0,13 [0,12;0,14] <0,001 0,13 [0,12;0,14] <0,001

Limitação 0,18 [0,17;0,19] <0,001 0,18 [0,17;0,19] <0,001

Pouca limitação 0,42 [0,40;0,43] <0,001 0,42 [0,40;0,43] <0,001

Sem limitação 1 - - 1 - -


Sim 1,32 [1,26;1,37] <0,001 1,31 [1,26;1,37] <0,001

Não 1 - - 1 - -

Consulta médica

Sim 0,55 [0,53;0,57] <0,001 0,55 [0,53;0,58] <0,001

Não 1 - - 1 - -


Tem todos os quatro bens básicos 1,14 [1,10;1,19] <0,001 1,02 [0,95;1,10] 0,540

Não tem pelo menos um bem básico 1 - - 1 - -

% domicílios adequados 1,36 [1,26;1,46] <0,001 0,98 [0,78;1,23] 0,864

Área*Sexo

Urbana * Masculino 0,86 [0,81;0,92] <0,001

Área*Cor/raça

Urbana * Branca 1,17 [1,08;1,27] <0,001

Área*Morbidade autorreferida

Urbana * Pelo menos uma doença 0,83 [0,76;0,90] <0,001

Área*Posse de bens básicos

Urbana * Todos os bens 1,17 [1,08;1,28] <0,001

Área*%domicílios adequados

Urbana * %domicílios adequados 1,40 [1,11;1,77] 0,005 *Teste Wald Nota: Excluídas as variáveis condição de ocupação do domicílio, qualidade da moradia e PSF no ajuste do modelo multivariado.

A Tabela 2 apresenta os resultados do ajuste dos modelos ordinais multivariados para

avaliar a associação entre a “área de localização do domicílio” e a “autopercepção do estado

de saúde” dos adultos, controlando simultaneamente pelas variáveis ambientais e individuais

previamente apresentadas, fixando o nível de significância em 5%.

Considerando primeiramente todos os efeitos principais das variáveis no ajuste do

modelo explicativo do estado de saúde autorreferido dos indivíduos, apenas as variáveis

71

“condição de ocupação do domicílio”, “qualidade da moradia” e “PSF” foram excluídas do

modelo por não apresentarem efeito estatisticamente significante ao nível de 5%. Portanto,

baseado no modelo multivariado 1, observa-se que, ao controlar pelas demais variáveis

ambientais e individuais, a associação entre a área de localização do domicílio e o estado de

saúde autorreferido dos adultos se modifica (passando de OR=1,51 para OR=0,96) e perde a

sua significância estatística (p-valor=0,208).

Ao incluir todos os efeitos de interação das variáveis selecionadas no modelo

multivariado 1 com a área de localização do domicílio, observou-se existência de interação

para as seguintes variáveis: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e

o percentual de unidades adequadas, no setor de localização do domicílio (vizinhança),

quanto à densidade, a infra-estrutura física e de serviços sociais (Tabela 2).

Devido à existência de interações no modelo multivariado 2 algumas medidas de

associação não estão explicitadas na tabela 2 e precisaram ser calculadas. A tabela 3 apresenta

as medidas de razão de chance para as variáveis de interação.

Tabela 3: Medidas de razão de chance para as variáveis de interação

Área de localização do domicílio Variáveis

Urbana Rural

Sexo

Masculino 0,77 0,96

Feminino 0,93 1

Cor/raça

Branca 1,11 1,02

Não branca 0,93 1


Pelo menos uma doença crônica 0,25 0,33

Nenhuma doença crônica 0,93 1


Tem todos os quatro bens básicos 1,11 1,02

Não tem pelo menos um bem básico 0,93 1

% domicílios adequados quanto a qualidade da moradia 1,28 0,98

Os homens na área urbana (OR=0,93*0,96*0,86=0,77) apresentam níveis de saúde

menores que as mulheres na área urbana (OR=0,93*1*1=0,93), ou mesmo, que os homens na

72

área rural (OR=1*0,96*1=0,96), indicando que em áreas urbanas o adulto do sexo masculino

tem piores níveis de saúde. Já os brancos apresentam níveis de saúde maiores do que os não

brancos, mas na área urbana (OR=0,93*1,02*1,17=1,11) estes níveis são ligeiramente

maiores que na área rural (OR=1*1,02*1=1,02).

Os adultos que residem em domicílios que possuem todos os bens básicos têm níveis

de saúde maiores do que aqueles que residem em domicílios sem pelo menos um dos bens

básicos. Entretanto, é na área urbana que os níveis de saúde dos adultos residentes em

domicílios com todos os bens são ligeiramente maiores (urbana: OR=0,93*1,02*1,17=1,11 e

rural: OR=1*1,02*1=1,02). Com relação aos adultos com pelo menos uma doença crônica,

observam-se menores níveis de saúde na área urbana (OR=0,93*0,33*0,83=0,25) do que na

área rural (OR=1*0,33*1=0,33).

Embora a variável qualidade da moradia (ambiente intradomiciliar) não tenha

apresentado significância estatística no ajuste do modelo multivariado, o percentual de

unidades adequadas quanto à qualidade da moradia no setor de localização do domicílio

(ambiente extradomiciliar) está fortemente associado com uma autopercepção positiva do

estado de saúde na área urbana (OR=0,93*0,98*1,40=1,28). Na área rural, este efeito não foi

significativo.

Entre os resultados do modelo multivariado 2 cabe destacar ainda que as variáveis

“faixa-etária”, “escolaridade”, “renda domiciliar mensal per capita” e “mobilidade física”

mantêm os gradientes com a chance de autopercepção do estado de saúde de adultos , mas não

as magnitudes dos efeitos (Tabela 2), quando comparados com os resultados dos modelos

univariados (Tabela 1).

73

5.1.4. DISCUSSÃO

Para a análise das diferenças no estado de saúde autorreferido dos indivíduos, os

estudos eram mais frequentemente conduzidos no campo da epidemiologia sob a ótica

reducionista levando em conta características individuais, em detrimento de características do

ambiente19; não predominando, portanto a chamada visão neomaterial20,4. O presente trabalho

considera um indicador de autopercepção de saúde como proxy da avaliações objetivas de

saúde8, e os resultados evidenciam a existência de associação entre este indicador e fatores do

ambiente intradomiciliar e extradomiciliar, além de fatores individuais. Apesar de sua

natureza subjetiva, o estado de saúde autorreferido tem sido apontado na literatura como um

preditor de alta validade da mortalidade, independentemente de fatores de riscos médicos,

comportamentais ou psicossociais21. Além de sua validade, vários estudos têm demonstrado

que a autopercepção de saúde é uma medida que apresenta boa confiabilidade8,9,10. Além

disso, segundo Nogueira4 a subjetividade não é uma limitação e sim um ponto forte deste

indicador, tendo em vista que o processo saúde-doença é um processo contínuo, relativo e

subjetivo, cuja percepção, cognição e interpretação variam no tempo e no espaço, em função

de fatores individuais e contextuais.

Independentemente da área de localização do domicílio, observou-se que os

indivíduos mais escolarizados apresentam melhores níveis de estado global de saúde, assim

como os indivíduos residentes em domicílios com maiores rendimentos per capita. As

associações das variáveis escolaridade e rendimento per capita com a autopercepção de saúde

(dicotomizada) também foram identificadas por Dachs e Santos13 e Kassouf22. A importância

da última variável na explicação das diferenças no estado de saúde autorreferido deve-se ao

fato do “rendimento, condicionando os indivíduos nas suas opções quotidianas – impondo ou

74

não, limitações à quantidade e à qualidade de bens possíveis de adquirir, e restringindo, ou

não, a mobilidade e a vida social – afeta a saúde física e mental”4.

A ocupação, considerada como um dos principais meios de acesso à renda e aos

serviços sociais básicos22, também está fortemente associada a melhores níveis de saúde. A

exclusão do indivíduo do mercado de trabalho, além de gerar privação material, pode levá-lo

a restrição de direitos, de segurança socioeconômica e de auto-estima23.

Considerando a região Centro-Oeste como referência, observa-se que a região Sudeste

é a região brasileira que concentra indivíduos que reportam melhores níveis de saúde. Os

indivíduos das regiões Norte e Nordeste reportaram piores estados de saúde do que os da

região Centro-oeste. Já a região Sul não apresentou efeito estatisticamente significante.

Kassouf22 também observou que, além da Região Sul, indivíduos da região Sudeste

apresentam um melhor estado de saúde do que os da região Nordeste, seguido da região

Norte.

Independente da área ser urbana ou rural, observou-se o efeito prejudicial do fumo na

saúde dos indivíduos, indicando que tanto os fumantes quanto os ex-fumantes avaliam piores

estados de saúde, comparativamente aos indivíduos que nunca fumaram. Por outro lado,

observa-se o efeito benéfico da prática de atividade física no estado geral de saúde, como

também verificado no estudo de Höfelmann e Blank14.

Indivíduos mais velhos reportaram piores níveis de estado de saúde, assim como os

indivíduos que reportaram maior grau de dificuldade na realização de determinadas atividades

do cotidiano. A mobilidade física prejudicada, definida como estado no qual a pessoa sofre

uma limitação no movimento físico independente e voluntário do corpo ou de uma ou mais

extremidades24, é um dos problemas que mais compromete a saúde das pessoas, sendo os

idosos considerados o grupo mais suscetível a desenvolvê-la, uma vez que durante o processo

de envelhecimento os idosos sofrem modificações importantes na capacidade motora25.

75

Quanto à consulta médica, observou-se também, independentemente da área de

localização do domicílio, uma relação negativa com a autoavaliação do estado de saúde,

indicando que adultos que consultaram médico nos últimos doze meses avaliam um pior

estado de saúde do que aqueles que não consultaram médico neste período. Tal resultado

parece estar condizente com a conclusão obtida por Kassouf22 de que indivíduos com

melhores níveis de saúde parecem reduzir a procura por atendimento à saúde.

Ainda em relação às características de saúde, conclui-se que indivíduos que possuem

plano de saúde, médico ou odontológico, particular, de empresa ou órgão público apresentam

melhores níveis de estado de saúde do que os indivíduos sem plano de saúde. Esse resultado

parece estar relacionado ao fato de que indivíduos portadores de plano de saúde possuem um

maior acesso e utilização a serviços de saúde22.

Com relação à modelagem estatística, é importante ressaltar que foram considerados os

pesos amostrais e as informações estruturais do plano amostral da PNAD 2008. Quando se

ignora estas informações, a análise efetuada a partir de dados de amostras complexas pode

produzir resultados incorretos tanto para as estimativas pontuais como para as medidas de

precisão e p-valores, que, por sua vez, pode comprometer o ajuste de modelos e a interpretação

dos resultados obtidos15,17, 26,27.

Um outro aspecto que merece destaque é a utilização do modelo logístico ordinal18,28, que

considerou a natureza policotômica ordinal do desfecho de saúde utilizado, sem dicotomizá-lo.

Além disso, considerou fatores individuais e ambientais (intradomiciliar e extradomiciliar) para

explicar as diferenças nos níveis de autopercepção de saúde, embora não se tenha considerado a

estrutura hierárquica dos dados, por meio de modelagem multinível29. Através da análise

multinível seria incorporado explicitamente os múltiplos níveis de informação (indivíduo,

domicílio, setor) no modelo, possibilitando explicar a contribuição de cada nível na variação do

desfecho estudado. Entretanto, isso introduziria uma complexidade ainda maior na análise devido

76

à necessidade de se incorporar ainda os diferentes aspectos do plano amostral da PNAD (estratos,

unidades primárias de amostragem e pesos amostrais)26.

No que se refere à qualidade do ajuste do modelo multivariado 2 (Tabela 2), observa-

se que 42,0% da variação dos níveis de estado de saúde autorreferido (variável latente) é

explicada pelo modelo ajustado. Além do valor moderado para a medida de qualidade do

ajuste (pseudo R2 de Nagelkerke), observa-se também que o modelo prediz, com diferentes

graus de acurácia, os três níveis de estado de saúde considerados, sendo que a porcentagem de

previsões corretas é de 90,1% para o nível “bom/muito bom”; 50,3% para o nível “regular” e

de 6,6% para o nível “ruim/muito ruim”. Em termos globais, o modelo selecionado classifica

corretamente 75,1% dos adultos.

Uma das limitações deste estudo pode estar na própria definição político-

administrativa de urbano-rural baseada em leis municipais como é no caso do Brasil30.

Segundo Endlich31 a falta de uma definição oficial mais criteriosa do que é cidade no Brasil

provoca grandes discussões a respeito de como distinguir os limites entre urbano e rural. Há

críticas quando a definição desses limites baseada apenas no conceito político-administrativo

utilizado pelo IBGE, não considerando assim outros critérios31,32. Devido a complexidade

relacionada ao tema, que vários critérios são apontados na literatura para definição de cidade,

entre os quais pode-se destacar o tamanho geográfico, densidade, aspectos formológicos,

atividades econômicas e modo de vida. Segundo Bernardelli32 os critérios usados para o

processo emancipatório dos municípios no passado e ainda presente hoje estão muitas vezes

meramente associados a interesses políticos e tributários, servindo para beneficiamento de

alguns grupos e partidos, bem como para atingir suas demandas. Esta autora acrescenta ainda

que muitas vezes municípios sem receitas próprias são emancipados, acarretando dificuldades

administrativas e não beneficiamento da população residente neste municípios.

77

Outra limitação deste estudo se refere à impossibilidade de se considerar outras variáveis

importantes, tais como variáveis de natureza nutricional33 e de poluição atmosférica34, por não

fazerem parte do escopo do suplemento da saúde da PNAD 2008.

Conclui-se que a área urbana parece influenciar negativamente o estado de saúde

autorreferido, uma vez que nestas áreas adultos com determinadas características (sexo

masculino; raça não branca; portador de pelo menos uma doença crônica; residente em

domicílios sem pelo menos um dos bens básicos; e residente em setores com menores

percentuais de domicílios adequados quanto à qualidade da moradia) reportam piores níveis

de estado de saúde.

78

5.1.5. AGRADECIMENTOS

Este artigo foi parcialmente financiado com recursos da FAPERJ – Nº dos processos:

E-26/100.682/2007 e E-26/101.506/2010.

5.1.6. BIBLIOGRAFIA

1. Caiaffa WT, Ferreira FR, Ferreira AD, Oliveira CDL, Camargos VP, Proietti FA.

Saúde urbana: “a cidade e uma estranha senhora, que hoje sorri e amanhã te devora”.

Cienc. Saude Colet 2008;13(6): 1785-1786.

2. Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional por Amostra de

Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de

tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de

telefone móvel celular para uso pessoal. Rio de Janeiro: IBGE, 2010. [Acesso em:

abr. 2010]. Disponível em: <http://www.ibge.gov.br>.

3. Mcdade T, Adair L. Defining the Urban in Urbanization and Health: A Factor

Analysis Approach. Soc. Sci. Med; 2001, 53:55-70.

4. Nogueira H. Os Lugares e a Saúde. Coimbra: Imprensa da Universidade de Coimbra;

2008.

5. Vlahov D, Galea S, Freudenberg N. Perspectives on urban conditions and population

health. Cad. Saude Publica 2005; 21(3):949-957.

6. Moore M, Gould P, Keary B. Global urbanization and impact on health. International

Journal of Environmental Health 2003; 203:269-278.

7. Azeredo C M, Cotta RMM, Schott M, Maia TM, Marques ES. Avaliação das

condições de habitação e saneamento: a importância da visita domiciliar no contexto

do Programa de Saúde da Família. Cienc. Saude Colet 2007; 12(3):743-753.

8. Camargos MCS, Rodrigues RN, Machado CJ. Expectativa de vida saudável para

idosos brasileiros, 2003. Cienc. Saude Colet 2009; 14 (5):1903-1909.

9. Martikainen P, Aromaa A, Heliövaara M, Klaukka T, Knekt P, Maatela J et al..

Reliability of perceived health by sex and age. Soc Sci Med 1999; 48(8):1117-1122.

10. Bailis DS, Segall A, Chipperfield JG. Two views of selfrated general health status.

Soc Sci Med 2003; 56(2):203-217.

11. Souza EM; Abrão FPS; Motta IA, Almeida JO. Autopercepção do estado de saúde: um

estudo de prevalência com adolescentes de Ceilândia, Distrito Federal, Brasil. Comun

79

Cienc Saúde 2006;17(1): 9-15.

12. Barros MBA; Zanchetta LM, Moura EC, Malta DC. Auto-avaliação da saúde e fatores

associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37.

13. Dachs JNW, Santos APR. Auto-avaliação do estado de saúde no Brasil: análise dos

dados da PNAD/2003. Cienc. Saude Colet 2006; 11(4):887-894.

14. Hofelmann DA, Blank N. Auto-avaliação de saúde entre trabalhadores de uma

indústria no sul do Brasil. Rev Saude Publica 2007, 41(5): 777-787.

15. Silva PLDN, Pessoa DGC, Lila MF. Análise Estatística de Dados da PNAD:

Incorporando a Estrutura do Plano Amostral. Cienc. Saude Colet 2002; 7(4), 659-670.

16. Instituto Brasileiro de Geografia e Estatística. Pesquisa sobre padrões de vida 1996-

1997. Rio de Janeiro: DPIS/IBGE; 1999.

17. Lee ES, Forthofer RN, Lorimor RJ. Analyzing complex survey data. Newbury Park:

Sage Publications, 1989.

18. Abreu MNS, Siqueira AL, Caiaffa WT. Regressão logística ordinal em estudos

epidemiológicos. Rev. Saude Publica 2009; 43 (1):183-94.

19. Proietti FA, Oliveira CDL, Ferreira FR, Ferreira AD, Caiaffa WT. Unidade de

Contexto e Observação Social Sistemática em Saúde: Conceitos e Métodos. Physis

Rev Saude Colet 2008; 18 (3): 469-482.

20. Townsend P, Davidson N. The Back Report. In: Townsend P & Davidson N (Eds.).

Inequalities in Health. Suffolk: Penguin Books Ltd., 1988.

21. Idler EL, Benyamini Y. Self-rated health and mortality: a review of twenty-seven

community studies. J Health Social Brhav, 1997; 38:21-37.

22. Kassouf, AL. Acesso aos serviços de saúde nas áreas urbana e rural do Brasil. Rev.

Econ. Sociol. Rural 2005; 43 (1): 29-44.

23. Pochmann M. O trabalho sob fogo cruzado: exclusão, desemprego e precarização no

final do século. São Paulo: Contexto, 1999.

24. North American Nursing Diagnosis Association (2000). Diagnósticos de Enfermagem

da NANDA. Definições e classificação 1999-2000. (Trad. Jeanne Liliane M. Michel).

Porto Alegre: Artmed, 2000.

25. Bachion M.M, Araújo LAO, Santana RF. Validação de conteúdo do diagnóstico de

enfermagem “Mobilidade Física Prejudicada” em idosos: uma contribuição. Acta Paul

Enf 2002; São Paulo, 15 (4): 66-72.

26. Pessoa DGC, Silva PL. Análise de dados amostrais complexos. São Paulo: ABE,

1998.

27. Szwarcwald CL, Damacena GN. Amostras complexas em inquéritos populacionais:

planejamento e implicações na análise estatística dos dados. Rev Bras Epidemiol.

2008; 11 (supl.1): 38-45.

28. Marôco J. Análise Estatística com o PASW Statistics (ex-SPSS). Pêro Pinheiro:

80

ReportNumber, 2010.

29. Diez-roux AV. Bringing context back into epidemiology: Variables and fallacies in

multilevel Analysis. Am J Public Health 1998; 88 (2):216.

30. Camello TCF, Garcia VS, Araújo SB, Almeida JR. Gestão e vigilância em saúde

ambiental. Rio de Janeiro: Thex, 2009.

31. Endlich, AM. Perspectivas sobre o urbano e o rural. In: Sposito MEB, Whitacker AM

(orgs). Cidade e Campo: relações e contradições entre urbano e rural. 1ª Ed. São

Paulo: Expressão Popular, 2006.

32. Bernardelli, MLFH. Contribuição ao debate sobre o urbano e o rural. In: Sposito

MEB, Whitacker AM (orgs). Cidade e Campo: relações e contradições entre urbano

e rural. 1ª Ed. São Paulo: Expressão Popular, 2006.

33. Cuppari L. Guia de Nutrição: Nutrição Clínica no Adulto. 1ª Ed. Unifesp/Escola

Paulista de Medicina. São Paulo: Manole, 2002.

34. Esteves GRT, Seixasbarbosa SRC, Silva EP, Duarte P. Estimativas do Efeito da

Poluição Atmosférica sobre a Saúde Humana: algumas possibilidades

metodológicas e teóricas para cidade de São Paulo. In: Encontro da Associação

Nacional de Pós-Graduação e Pesquisa em Ambiente e Sociedade; 2004; São Paulo.

p.1-20.

81

5.2. ARTIGO 2

Efeito do plano amostral em modelo de regressão logística

ordinal: uma análise do estado de saúde autorreferido de adultos

no Brasil usando a PNAD 2008♦♦♦♦

♦ Artigo publicado nos Cadernos de Saúde Pública (CSP)

82

Resumo

Estudos que consideram variáveis individuais e ambientais para explicar as diferenças

no estado de saúde autorreferido de indivíduos vêm paulatinamente crescendo, 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 2008, este artigo avalia o impacto nessas medidas quando não se

consideram alguns ou todos 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.

Palavras-chave: Estado de saúde autorreferido, modelo logístico ordinal, efeito do plano

amostral.

83

Abstract

The numbers of studies that take into consideration individual and environmental

variables to explain differences in individuals’ self-reported health status have gradually been

increasing, but such studies are still scarce. For time and cost reasons, many studies use

complex sampling plans involving features (stratification, clustering and different sampling

weights) that, when ignored, may influence odds ratio and accuracy measurements on

parameter estimates in statistical models. Using the National Household Sampling 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-reported health status and various individual and

environmental factors. It was seen that when these three features were not simultaneously

taken into account, there were changes to the magnitudes of the odds ratio measurements,

such that adults self-reported a better state of health in relation to most of the factors, along

with major underestimation of standard errors.

Key words: Self-reported health status, ordinal logistic model, effect of sampling plan.

84

5.2.1. INTRODUÇÃO

A inferência estatística clássica pressupõe que os dados amostrais sejam obtidos

usando amostragem aleatória simples com reposição, sendo considerados realizações de

variáveis aleatórias independentes e identicamente distribuídas. Entretanto, a maioria dos

inquéritos nacionais que levantam informações de saúde como, por exemplo, a Pesquisa

Nacional por Amostra de Domicílios – PNAD 2008 e a Pesquisa Nacional de Saúde do

Escolar – PNSE 2009 realizadas pelo Instituto Brasileiro de Estatística (IBGE) assim como a

Pesquisa Mundial de Saúde – PMS 2003 realizada pela Organização Pan-Americana de Saúde

(OPS), utilizam planos de amostragem complexa. A PNAD, por exemplo, apresenta todas as

características de um plano amostral complexo, como estratificação, conglomeração e

probabilidades desiguais de seleção, além de ajustes dos pesos amostrais para calibração com

totais conhecidos da população1. Os pesos ajustados (ou calibrados) correspondem ao produto

dos pesos naturais do desenho (inversos das probabilidades de seleção em cada estágio) e um

fator de ajuste calculado pela razão entre os totais populacionais estimados e conhecidos (ou

projetados).

A análise estatística de dados de inquéritos amostrais complexos pode ser realizada

tanto com fins descritivos ou analíticos usando diferentes pacotes estatísticos (SAS,

SUDAAN, STATA, R etc.), cuja escolha depende basicamente se o pacote opera num

ambiente computacional familiar ao analista e se contêm as técnicas estatísticas necessárias

para executar a análise de interesse1. Cabe ressaltar ainda que para efetuar a análise de dados

provenientes de inquéritos amostrais complexos é preciso incorporar as informações do plano

amostral da pesquisa, informando os pesos das unidades da amostra e as informações

estruturais da pesquisa, identificando o estrato e pelo menos as unidades primárias de

amostragem. Segundo Pessoa e Silva1 e Szwarcwald2 as estimativas pontuais são

85

influenciadas por pesos distintos associados às unidades da amostra, enquanto as estimativas

de variância são influenciadas pela estratificação, conglomeração e pesos amostrais.

Segundo Caiaffa et al.3, o conceito de saúde deve considerar o cotidiano dos

indivíduos vivendo nas cidades e as relações de interdependência que existem entre o

indivíduo e o meio físico e social onde ele vive. Estudos que consideram variáveis individuais

e contextuais do local de moradia para explicar as diferenças no estado de saúde autorreferido

de indivíduos vêm paulatinamente crescendo no Brasil, mas ainda são escassos4.

Apesar do estado de saúde autorreferido, frequentemente levantado em diferentes

pesquisas amostrais, ser um indicador de natureza subjetiva é considerado uma proxy das

avaliações objetivas de saúde5 e um preditor de alta validade e sensibilidade da morbidade e

mortalidade6,7. Embora seja um indicador policotômico ordinal, em muitas análises o estado

de saúde autorreferido é geralmente dicotomizado8,9,10,11. Além disso, há estudos que ainda

não explicitam ou não consideram o uso de todas as informações do desenho amostral

(estrato, UPA e pesos amostrais) no ajuste do modelo estatístico adotado11,12.

Usando os dados da PNAD13,14 2008 este artigo tem como objetivo fazer uma análise

comparativa entre as medidas de associação (Odds Ratio - OR), os erros padrão associados as

estimativas pontuais dos parâmetros do modelo e a significância estatística dessas estimativas

obtidas a partir do ajuste de um modelo logístico ordinal, cujo propósito é estabelecer

associação entre a autoavaliação do estado de saúde de adultos no Brasil e a área de

localização dos domicílios em que residem (urbana e rural), sob três formas de ajuste: 1) pelo

método de Máxima Pseudo-Verossimilhança (MPV) considerando os pesos amostrais e as

informações estruturais do plano amostral: essa forma de ajuste se refere a uma situação

adequada de modelagem na qual o pesquisador reconhece os aspectos de complexidade do

plano amostral da PNAD, como estratificação, conglomeração e probabilidades desiguais de

seleção e os incorpora no ajuste do modelo 2) pelo método de Máxima Verossimilhança (MV)

86

considerando os pesos amostrais e desconsiderando as informações estruturais do plano

amostral: essa forma de ajuste representa uma situação inadequada de modelagem na qual o

pesquisador ignora ou negligência que a amostra é complexa, levando em conta apenas as

ponderações associadas as unidades da amostra da PNAD; e 3) pelo método de Máxima

Verossimilhança (MV) desconsiderando os pesos amostrais e as informações estruturais do

plano amostral: essa forma de ajuste também indica uma situação inadequada de modelagem

na qual o pesquisador pressupõe que a amostra da PNAD é uma amostra aleatória simples

com reposição, situação na qual não existiria estratificação e conglomeração das unidades e os

pesos seriam considerados constantes, e portanto desnecessários.



A Pesquisa Nacional por Amostra de Domicílios (PNAD) é um inquérito amostral de

abrangência nacional, realizado pelo IBGE, que em 2008 coletou informações de uma

amostra probabilística de 150.591 domicílios e 391.868 pessoas. A partir da amostra da

PNAD é possível obter estimativas representativas para o Brasil, Grandes Regiões, Unidades

da Federação e nove Regiões Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo

Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). Embora a PNAD tenha como

finalidade básica produzir informações para o estudo do desenvolvimento socioeconômico do

País, a PNAD 2008 através de seu suplemento levantou ainda uma série de características de

saúde sobre a população brasileira que compreendem: a autoavaliação do estado global de

saúde, a morbidade autorreferida, a mobilidade física autorreferida e a necessidade de

cuidados médicos e utilização de serviços.

87

No que se refere ao seu planejamento amostral, a PNAD é um estudo seccional (ou

transversal) que utiliza um plano amostral complexo13,14 que envolve estratificação,

conglomeração, com probabilidades desiguais de seleção que resultam em pesos amostrais

distintos para as unidades amostrais.


A população de estudo trata-se de um domínio de estimação composto por adultos de

20 anos ou mais de idade que residem em domicílios particulares permanentes (DPP),

correspondendo à 162.213 registros na amostra da PNAD. Foram consideradas na análise

apenas os indivíduos que informaram seu próprio estado global de saúde, por entender que

informações prestadas por terceiros (outras pessoas moradoras do domicílio, ou ainda outras

pessoas não moradoras do domicílio) aumentaria a chance de ocorrer viés de informação ou

classificação do desfecho de saúde utilizado neste artigo. Do total de adultos residentes em

DPP, 37,2% tiveram seu estado de saúde informado por terceiros.

Modelagem Estatística

Modelos de regressão ordinal15,16 são utilizados quando o desfecho do modelo é

policotômico ordinal e as variáveis explicativas numéricas ou categóricas. Neste artigo, foi

ajustado um modelo de regressão logística ordinal, utilizando como desfecho do modelo a

autoavaliação do estado de saúde com três níveis: muito bom/bom, regular, ruim/muito ruim.

A autoavaliação de saúde é um indicador obtido no nível individual que tem sido

amplamente utilizada em pesquisas que visam estabelecer o estado de saúde do indivíduo, por

ser de fácil mensuração e por permitir comparações internacionais17. A principal vantagem

deste indicador é a sua forte associação com o estado real de saúde dos indivíduos, indicando

que a autoavaliação da saúde pode ser utilizada como uma proxy das avaliações objetivas de

88

saúde5. Além disso, a subjetividade não é uma limitação e sim um ponto forte deste indicador,

tendo em vista que o processo saúde-doença é um processo contínuo, relativo e subjetivo, cuja

percepção, cognição e interpretação variam no tempo e no espaço, em função de fatores

individuais e contextuais18.

Com o objetivo de estabelecer a associação entre a área de localização do domicílio

(urbana e rural) e o desfecho de autoavaliação do estado geral de saúde do indivíduo, utilizou

como controle um conjunto de dezoito variáveis demográficas, socioeconômicas,

comportamentais e de saúde que retratam características individuais e do ambiente

intradomiciliar (domicílio) e extradomiciliar (setor): 1) sexo, 2) faixa etária, 3) cor/raça, 4)

escolaridade, 5) situação de ocupação, 6) atividade física, 7) fumo, 8) morbidade

autorreferida, 9) mobilidade física, 10) posse de plano de saúde, 11) consulta médica nos

últimos doze meses, 12) domicílio cadastrado no Programa de Saúde da Família (PSF),

13) qualidade de moradia, 14) posse de bens básicos no domicílio, 15) condição de ocupação

do domicílio, 16) renda domiciliar mensal per capita, 17) região de residência e

18) proporção de domicílios considerados adequados no setor (vizinhança) quanto aos

serviços sociais básicos (água, esgoto, lixo e luz), às densidades habitacionais e aos padrões

construtivos das moradias (material usado nas paredes e telhado).

No ajuste do modelo de regressão logística ordinal incorporando o plano amostral da

pesquisa, foi utilizado o método de MPV descrito em Pessoa e Silva1 através do módulo

Complex Samples do pacote estatístico SPSS for Windows, versão 17.0. No ajuste do modelo

multivariado foram testados (teste de Wald) primeiramente todos os efeitos principais das

variáveis explicativas (18 variáveis de controle e área de localização do domicílio), a partir do

qual se excluiu aquelas variáveis de controle que não apresentavam efeito estatisticamente

significativo. Num segundo momento, foram adicionados e testados separadamente os efeitos

de interação (duplas) entre cada uma das variáveis de controle selecionadas e a área de

89

localização do domicílio (variável de interesse). Num terceiro momento, foi ajustado um

modelo incluindo simultaneamente além da área de localização do domicílio, as variáveis de

controle selecionadas e as variáveis de interação que apresentaram efeitos significativos.

A representação geral do modelo selecionado pelo método de MPV se encontra na

equação abaixo:

( )[ ] (

)kaaralaeac

krqpoljihgfedcbamk

X)(α)()()(+)(

X+η+φ+ξ++δ+γ+β+α-=mYPlogit

θαπαφαϖαγ

θϑρπςφλψϖτ

++++

++++++++≤

m=1,..., M-1 e k = 1,2, ..., nabcdefghijlopqr , onde:

kY é a autoavaliação do estado de saúde do k-ésimo adulto com M=3 categorias. A

autoavaliação do estado de saúde (desfecho observado) do k-ésimo indivíduo associa-se com

a variável latente não observável contínua ( *kY ) da seguinte forma, como mostrado abaixo:

2*

2*

1

1*

)(

)(

)(

3

2

1

γγγ

γ

≥

<≤

<

→

→

→

=

k

k

k

k

Y

Y

Y

se

se

se

bomoubommuito

regular

ruimouruimmuito

Y

Os valores γ1, e γ2, denominados pontos de corte, são estritamente crescentes, isto é, γ1

< γ2. Estes pontos de corte permitem que as probabilidades do desfecho em cada classe

difiram entre si.

aα é o efeito principal do a-ésimo nível do fator área de localização do domicílo; a=1,2

bβ é efeito principal do b-ésimo nível do fator região de residência; b=1,2,3,4,5

cγ é efeito principal do c-ésimo nível do fator sexo; c=1,2

dδ é efeito principal do d-ésimo nível do fator faixa etária ; d=1,2,3,4,5

eϖ é efeito principal do e-ésimo nível do fator cor/raça; e=1,2

fξ é efeito principal do f-ésimo nível do fator escolaridade; f=1,2,3,4,5

90

gϕ é efeito principal do g-ésimo nível do fator renda domiciliar mensal per capita; g=1,2,3,4

hη é efeito principal do h-ésimo nível do fator situação de ocupação; h=1,2

iψ é efeito principal do i-ésimo nível do fator atividade física ; i=1,2,3

jλ é efeito principal do j-ésimo nível do fator fumo; j=1,2,3,4

lφ é efeito principal do l-ésimo nível do fator morbidade autorreferida ; l=1,2

oς é efeito principal do o-ésimo nível do fator mobilidade física autorreferida; o=1,2,3,4

pπ é efeito principal do p-ésimo nível do fator posse de plano de saúde; p=1,2

qρ é efeito principal do q-ésimo nível do fator consulta ao médico; q=1,2

rϑ é efeito principal do r-ésimo nível do fator posse de bens básicos; r=1,2

θ é o quanto varia o logito ao aumentar em uma unidade o percentual de domicílios adequados

quanto a qualidade da moradia no setor.

kX é o percentual de domicílios adequados quanto a qualidade da moradia no setor em que

reside o k-ésimo indivíduo.

( )acαγ é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o

c-ésimo nível do fator sexo.

( )aeαϖ é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o

e-ésimo nível do fator cor/raça.

( )alαφ é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o

l-ésimo nível do fator morbidade autorreferida.

( )arαϑ é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o

r-ésimo nível do fator posse de bens básicos.

( )aαθ é o efeito de interação referente a variável percentual de domicílios adequados quanto a

qualidade da moradia no setor e devido ao a-ésimo nível do fator área de localização do domicílio.

91

5.2.3. RESULTADOS

Ao ajustar o modelo logístico ordinal considerando apenas os efeitos principais das

variáveis explicativas, observou-se que as variáveis condição de ocupação do domicílio,

qualidade da moradia e PSF não apresentaram efeito estatisticamente significativo.

Ao adicionar separadamente no modelo as interações entre cada uma das variáveis de

controle selecionadas (15 variáveis) e a área de localização do domicílio (variável de

interesse), observou-se que seis interações apresentaram efeito estatisticamente significativo:

área*sexo, área*cor, área*morbidade autorreferida, área*plano de saúde, área*posse de

bens básicos e área*percentual de domicílios adequados quanto à qualidade da moradia. Em

seguida, foi ajustado um modelo incluindo além da área de localização do domicílio, as

quinze variáveis de controle e as seis variáveis de interação mencionadas, mas a partir desse

ajuste observou-se que a interação entre a área de localização do domicílio e o plano de saúde

deixou de apresentar efeito significativo, sendo excluído do modelo.

Os resultados do ajuste do modelo (modelo selecionado) pelo método de MPV

considerando todas as informações do plano amostral são apresentados na tabela 1.

92

Tabela 1: Modelo logístico ordinal ajustado por MPV considerando todas as informações do plano amostral.

Modelo 1 ajustado por MPV considerando os pesos amostrais e as informações estruturais do plano amostral Características (variáveis)

ORMPV EPMPV p-valor


Urbano 0,93 0,059 0,226

Rural 1 - -


Norte 0,75 0,051 < 0,001

Nordeste 0,78 0,032 < 0,001

Sudeste 1,10 0,032 0,003

Sul 0,99 0,039 0,819

Centro-oeste 1 - -

Sexo

Masculino 0,96 0,033 0,187

Feminino 1 - -

Faixa etária

20 a 29 anos 1,42 0,029 < 0,001

30 a 39 anos 1,20 0,024 < 0,001

40 a 49 anos 0,96 0,023 0,101

50 a 59 anos 0,84 0,022 < 0,001

60 anos ou + 1 - -

Cor/raça

Branca 1,02 0,039 0,618

Não branca 1 - -

Escolaridade

Sem instrução ou menos de 1 ano 0,46 0,042 < 0,001

1 a 7 anos 0,48 0,037 < 0,001

8 a 14 anos 0,70 0,036 < 0,001

15 anos ou + 1 - -

Sem declaração 0,47 0,167 < 0,001


Sem renda ou até 1 salário mínimo 0,53 0,046 < 0,001

Mais de 1 a 5 salários mínimos 0,71 0,044 < 0,001

Mais de 5 salários mínimos 1 - -

Sem declaração 0,69 0,064 < 0,001


Ocupada 1,19 0,017 < 0,001

Não ocupada 1 - -

Atividade física

Pratica 1,36 0,019 < 0,001

Não pratica 1 - -

Sem declaração 0,50 0,050 < 0,001

Fumo

Fumante 0,86 0,021 < 0,001

Ex-fumante 0,88 0,019 < 0,001

Nunca fumou 1 - -

Sem declaração 0,95 0,020 0,009


Pelo menos uma doença crônica 0,33 0,037 < 0,001

Nenhuma doença crônica 1 - -

93

Mobilidade física autorreferida

Muita limitação 0,13 0,031 < 0,001

Limitação 0,18 0,023 < 0,001

Pouca limitação 0,42 0,021 < 0,001

Sem limitação 1 - -


Sim 1,31 0,021 < 0,001

Não 1 - -

Consulta médica

Sim 0,55 0,020 < 0,001

Não 1 - -


Tem todos os quatro bens básicos 1,02 0,039 0,540

Não tem pelo menos um bem básico 1 - -

% domicílios adequados 0,98 0,116 0,864

Área*Sexo

Urbana * Masculino 0,86 0,035 < 0,001

Área*Cor/raça

Urbana * Branca 1,17 0,042 < 0,001


Urbana * Pelo menos uma doença 0,83 0,041 < 0,001


Urbana * Todos os bens 1,17 0,044 < 0,001


Urbana * %domicílios adequados 1,40 0,119 0,005

Nota: Modelo 1: γ1=-5,961 e γ2=-3,152

Ao comparar os resultados do modelo de regressão logística ordinal ajustado pelo

método de MPV considerando todas as informações do plano amostral (Tabela 1) com os

resultados do ajuste deste mesmo modelo pelo método de MV considerando as pesos

amostrais e ignorando as informações estruturais do plano amostral (estrato e UPA), observa-

se (Tabela 2) que as medidas de razão de chance não sofrem qualquer alteração, uma vez que

as estimativas pontuais dos parâmetros do modelo (efeitos principais e de interação) são

influenciadas apenas pelos pesos amostrais. Entretanto, ao desconsiderar as informações

estruturais do ajuste todas as estimativas dos erros padrão dos estimadores dos parâmetros do

modelo ficam subestimadas, dando uma falsa idéia de que as estimativas pontuais obtidas são

mais precisas do que na realidade elas são, resultando em p-valores menores.

Ao observar, por exemplo, a interação entre as variáveis “área de localização do

domicílio” e “sexo”, conclui-se que tanto no ajuste do modelo por MPV quanto por MV2,

94

mulheres residentes em DPP localizados na área rural possuem uma chance 7,5%

(1/OR=1/(0,93*1*1)=1/0,93=1,075) maior de reportarem melhores estados de saúde do que

mulheres residentes em DPP na área urbana. Todavia, no modelo ajustado por MV2, essa

associação é considerada estatisticamente significante ao nível de 10%, enquanto que no

modelo ajustado por MPV tal associação não apresenta significância estatística.

Ao ajustar o modelo (modelo 3) de regressão logística ordinal pelo método de MV3

desconsiderando os pesos amostrais e as informações estruturais do plano amostral (estrato e

UPA) (Tabela 2), observa-se, para quase todos os fatores, que as medidas de razão de chance

sofrem alterações. Embora de modo geral o sentido das associações se mantenham, a

magnitude dessas associações é de extrema importância, inclusive na análise das interações

entre as variáveis. Além disso, é possível observar que os erros padrão dos estimadores dos

parâmetros do modelo ficam bem subestimados. Ainda considerando, para fins de

exemplificação, a interação entre as variáveis “área de localização do domicílio” e “sexo”,

observa-se que quando o modelo é ajustado por MV3, mulheres que moram em DPP

localizados na área rural têm 12,4% (1/OR=1/(0,89*1*1)=1/0,89=1,124) de chance de

reportarem melhores estados de saúde, comparativamente às mulheres residentes em DPP na

área urbana. Tal associação é mais forte, além de ser estatisticamente significante ao nível de

1% (OR=1,124; p-valor=0,002), do que a associação encontrada ao ajustar o modelo por

MPV (OR=1,075; p-valor=0,226).

Quando se ajusta o modelo por MV3, apesar das estimativas pontuais dos efeitos

principais e de interação sofram aparentemente pequenas modificações, as medidas de

associação calculadas para efetuar a análise das interações entre determinados níveis de

variáveis podem ser bem distintas. Por exemplo, no modelo ajustado por MPV, adultos

brancos que residem em DPP localizados na área urbana possuem uma chance 11,0%

(OR=0,93*1,02*1,17=1,110) maior de autorreferirem melhores níveis de saúde do que

95

adultos não brancos residentes em DPP na área rural. Enquanto, que no modelo ajustado por

MV3, a medida de razão de chance obtida na comparação desses mesmos grupos é de apenas

5,7% (OR=0,89*0,99*1,20=1,057).

Tabela 2: Modelos logísticos ordinais ajustados por MV considerando apenas os pesos amostrais, e por MV desconsiderando os pesos amostrais e as informações estruturais do plano amostral.

Modelo 2 ajustado por MV considerando apenas os

pesos amostrais

Modelo 3 ajustado desconsiderando os pesos amostrais e as

informações estruturais do plano amostral

Características (variáveis)

*ORMV2 EPMV2 p-valor

MV2

MPV

EP

EP

ORMV3 EPMV3 p-valor

MV3

MPVOR

OR

MV3

MPV

EP

EP


Urbano 0,93 0,039 0,065 1,51 0,89 0,038 0,002 1,04 1,55

Rural 1 - - - 1 - - - -


Norte 0,75 0,032 < 0,001 1,59 0,78 0,026 < 0,001 0,96 1,96

Nordeste 0,78 0,026 < 0,001 1,23 0,80 0,022 < 0,001 0,98 1,45

Sudeste 1,10 0,026 < 0,001 1,23 1,12 0,023 < 0,001 0,98 1,39

Sul 0,99 0,029 0,761 1,34 1,06 0,026 0,020 0,93 1,50

Centro-oeste 1 - - - 1 - - - -

Sexo

Masculino 0,96 0,029 0,135 1,14 0,94 0,029 0,048 1,02 1,14

Feminino 1 - - - 1 - - - -

Faixa etária

20 a 29 anos 1,42 0,025 < 0,001 1,16 1,40 0,025 < 0,001 1,01 1,19

30 a 39 anos 1,20 0,023 < 0,001 1,04 1,19 0,022 < 0,001 1,01 1,09

40 a 49 anos 0,96 0,02 0,069 1,15 0,97 0,021 0,135 0,99 1,10

50 a 59 anos 0,84 0,019 < 0,001 1,16 0,84 0,02 < 0,001 1 1,10

60 anos ou + 1 - - - 1 - - - -

Cor/raça

Branca 1,02 0,03 0,518 1,30 0,99 0,03 0,836 1,03 1,30

Não branca 1 - - - 1 - - - -

Escolaridade

Sem instrução ou menos de 1 ano 0,46 0,037 < 0,001 1,14 0,45 0,037 < 0,001 1,02 1,14

1 a 7 anos 0,48 0,034 < 0,001 1,09 0,47 0,034 < 0,001 1,02 1,09

8 a 14 anos 0,70 0,033 < 0,001 1,09 0,68 0,032 < 0,001 1,03 1,13

15 anos ou + 1 - - - 1 - - - -

Sem declaração 0,47 0,154 < 0,001 1,08 0,50 0,147 < 0,001 0,94 1,14


S/ renda ou até 1 salário mínimo 0,53 0,04 < 0,001 1,15 0,54 0,04 < 0,001 0,98 1,15

Mais de 1 a 5 salários mínimos 0,71 0,039 < 0,001 1,13 0,71 0,038 < 0,001 1 1,16

Mais de 5 salários mínimos 1 - - - 1 - - - -

Sem declaração 0,69 0,053 < 0,001 1,21 0,68 0,053 < 0,001 1,01 1,21


Ocupada 1,19 0,014 < 0,001 1,21 1,17 0,014 < 0,001 1,02 1,21

Não ocupada 1 - - - 1 - - - -

96

Atividade física

Pratica 1,36 0,017 < 0,001 1,12 1,36 0,016 < 0,001 1 1,19

Não pratica 1 - - - 1 - - - -

Sem declaração 0,50 0,037 < 0,001 1,35 0,52 0,037 < 0,001 0,96 1,35

Fumo

Fumante 0,86 0,018 < 0,001 1,17 0,85 0,018 < 0,001 1,01 1,17

Ex-fumante 0,88 0,017 < 0,001 1,12 0,87 0,017 < 0,001 1,01 1,12

Nunca fumou 1 - - - 1 - - - -

Sem declaração 0,95 0,018 0,004 1,11 0,95 0,018 0,008 1 1,11


Pelo menos uma doença crônica 0,33 0,029 < 0,001 1,28 0,33 0,03 < 0,001 1 1,23

Nenhuma doença crônica 1 - - - 1 - - - -

Mobilidade física

Muita limitação 0,13 0,025 < 0,001 1,24 0,14 0,025 < 0,001 0,93 1,24

Limitação 0,18 0,018 < 0,001 1,28 0,19 0,018 < 0,001 0,95 1,28

Pouca limitação 0,42 0,017 < 0,001 1,24 0,42 0,017 < 0,001 1 1,24

Sem limitação 1 - - - 1 - - - -


Sim 1,31 0,017 < 0,001 1,24 1,33 0,018 < 0,001 0,98 1,17

Não 1 - - - 1 - - - -

Consulta ao médico

Sim 0,55 0,017 < 0,001 1,18 0,56 0,016 < 0,001 0,98 1,25

Não 1 - - - 1 - - - -


Tem todos os quatro bens básicos 1,02 0,03 0,431 1,30 1,02 0,03 0,416 1 1,30

Não tem ao menos um bem básico 1 - - - 1 - - - -

% domicílios adequados 0,98 0,081 0,806 1,43 0,96 0,085 0,639 1,02 1,36

Área*Sexo

Urbana * Masculino 0,86 0,032 < 0,001 1,09 0,89 0,032 0,001 0,97 1,09

Área*Cor/raça

Urbana * Branca 1,17 0,033 < 0,001 1,27 1,20 0,033 < 0,001 0,98 1,27


Urbana * Pelo menos uma doença 0,83 0,032 < 0,001 1,28 0,86 0,032 < 0,001 0,97 1,28


Urbana * Todos os bens 1,17 0,035 < 0,001 1,26 1,18 0,035 < 0,001 0,99 1,26


Urbana * %domicílios adequados 1,40 0,084 < 0,001 1,42 1,38 0,087 < 0,001 1,01 1,37 Nota: * As razões de chances são iguais as obtidas no ajuste do modelo 1 por MPV. Modelo 2: γ1=-5,961 e γ2=-3,152 e Modelo 3: γ1=-5,971 e γ2=-3,158

97

5.2.4. DISCUSSÃO

Os resultados encontrados neste artigo indicam o grande impacto de não se considerar

simultaneamente as três informações do plano amostral (peso, estrato e UPA) da PNAD ao

ajustar um modelo de regressão logística ordinal para estabelecer a associação entre a área de

localização do domicílio (urbana, rural) e o estado de saúde autorreferido de adultos no Brasil,

considerando um conjunto de variáveis individuais e contextuais. Este impacto é traduzido

por alterações nas magnitudes das medidas de razões de chance (odds ratio) associadas à

quase totalidade dos fatores considerados e na grande subestimação das medidas de precisão

(erros padrão dos estimadores dos parâmetros do modelo).

Neste artigo também se verificou que mesmo ajustando o modelo por MV informando

as ponderações referentes aos adultos da amostra (modelo 2), sem contudo considerar as

informações estruturais do plano amostral da PNAD, a subestimação dos erros padrão

continua expressiva apesar das medidas de associações (odds ratio) estarem corretas, isto é,

serem equivalentes as obtidas ao ajustar o modelo pelo método de MPV.

Outros estudos foram realizados com o intuito de avaliar o impacto do plano amostral

no ajuste de diferentes modelos estatísticos usando dados de pesquisas amostrais complexas,

entre eles pode-se citar o trabalho de Leite19 em que foi ajustado um modelo multinomial

logístico usando os dados da PNAD 1999 e o de Pessoa e Silva1 que ajustaram um modelo

logístico binário com os dados da PNAD 1990. O presente artigo também identificou a

necessidade de consideração do planejamento amostral na análise de dados com fins

analíticos, mas no contexto de ajuste de um modelo de regressão logística ordinal usando os

dados da PNAD 2008. As diferenças observadas nas magnitudes das razões de chance

(modelo 3) quanto nos erros padrão dos estimadores (modelos 2 e 3) revelam a importância de

se considerar todas as informações do plano amostral (pesos amostrais e informações

98

estruturais) na análise de dados epidemiológicos. Caso contrário, pode comprometer a análise

de confundimento e de interação entre as variáveis de extrema importância no campo da

Epidemiologia, que por sua vez pode comprometer as conclusões do estudo.

Este estudo apresenta limitação com relação ao processo de calibração dos pesos.

Embora o processo de calibração adicione uma nova fonte de incerteza nas estimativas, neste

artigo foram consideradas apenas duas fontes de incerteza: o modelo de superpopulação e o

plano amostral adotado para a seleção da amostra da PNAD. No presente artigo foi utilizado o

método de Máxima Pseudo-Verossimilhança (MPV), que se baseia na modelagem de

superpopulação, para o ajuste de modelo estatístico que leva em conta estratificação,

conglomeração e pesos calibrados que são os pesos gravados no banco de dados da PNAD.

Segundo Silva et al14 este método proporciona estimativas consistentes para a amostra

completa da PNAD ou mesmo no caso de domínios de estudo com tamanhos amostrais

suficientemente grandes.

Devido à estrutura hierárquica bem definida dos dados da PNAD, onde os indivíduos

estão agrupados em unidades domiciliares, que por sua vez estão grupadas em setores

censitários, poderia ser realizado um estudo futuro usando modelo multinível20 (ou

hierárquico) visando a avaliar, por exemplo, o impacto de se ignorar tal estrutura nas

estimativas pontuais (ou medidas de razões de chance) dos parâmetros do modelo e de suas

medidas de precisão. Entretanto, cabe mencionar a maior dificuldade envolvida no ajuste

desse tipo de modelo usando grandes bases de dados oriundos de amostragem complexa como

a PNAD, devido a necessidade de incorporação não só das informações típicas do desenho

amostral da pesquisa (estrato, UPA e peso amostral), mas também da estrutura hierárquica dos

dados21.

99

5.2.5. AGRADECIMENTOS

Este artigo foi parcialmente financiado com recursos da FAPERJ – Nº dos processos:

E-26/100.682/2007 e E-26/101.506/2010.

5.2.6. BIBLIOGRAFIA

1. Pessoa DGC e Silva PL. Análise de dados amostrais complexos. São Paulo: ABE,

1998.

2. Szwarcwald, CL e Damacena GN. Amostras complexas em inquéritos populacionais:

planejamento e implicações na análise estatística dos dados. Rev Bras.

epidemiol;11(supl.1):38-45, maio 2008.



Cienc. Saude Colet 2008;13(6): 1785-1786.

4. SANTOS, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde:

uma revisão sistemática de estudos multinível. Cad. Saúde Pública, Rio de Janeiro,

v.23, n. 11, Nov. 2007.


idosos brasileiros, 2003. Ciênc. Saúde Coletiva 2009, 14 (5):1903-1909.



7. Bailis DS, Segall A, Chipperfield JG. Two views of selfrated general health status.

Soc Sci Med 2003; 56(2):203-217.





10. Peres et al., Auto-avaliação da saúde em adultos no Sul do Brasil. Rev Saúde Pública

2010;44(5):901-11.

11. Sousa et al. Autoavaliação de saúde e fatores associados em adolescentes do Estado de

Santa Catarina, Brasil. Rev Paul Pediatr 2010; 28(4):333-9.

12. Romero M., D. E e Sousa Jr., PRB. Determinantes da auto-avaliação da saúde entre

adultos e idosos: Uma perspectiva de gênero da inter-relação com as doenças crônicas

e as limitações funcionais autorreferidas. Trabalho apresentado no XIV Encontro

100

Nacional de Estudos Populacionais – ABEP, realizado em Caxambú, MG – Brasil, de

20- 24 de Setembro de 2004.

13. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional por Amostra

de Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de

tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone

móvel celular para uso pessoal: Brasil. Rio de Janeiro: IBGE, 2010. Disponível em:

<http://www.ibge.gov.br>. Acesso em: abr. 2010.


Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4),

659-670.

15. Abreu MNS; Siqueira AL e Caiaffa WT. Regressão logística ordinal em estudos

epidemiológicos. Rev. Saúde Pública, São Paulo, v. 43, n. 1, Feb. 2009.


ReportNumber, 2010.

17. Theme Filha MM; Szwarcwald CL e Souza Junior PRB.. Medidas de morbidade

referida e inter-relações com dimensões de saúde. Rev. Saúde Pública, São Paulo, v.

42, n. 1, Feb. 2008.

18. Nogueira H. Os Lugares e a Saúde. Coimbra; 2008.

19. Leite PGPG. Análise da situação ocupacional de crianças e adolescentes nas regiões

Sudeste e Nordeste do Brasil utilizando informações da PNAD 1999. Escola Nacional

de Ciências Estatísticas, dissertação de mestrado em Estudos Populacionais e

Pesquisas Sociais. Rio de Janeiro, 2001.

20. Diez-roux AV. Bringing context back into epidemiology: Variables and fallacies in

multilevel Analysis. American Journal of Public Health 1998; 88 (2):216.

21. Thomas SL e Hech RH. Analysis of large-scale secondary data in higher education

research: Potential Perils Associated with Complex Sampling Designs. Research in

Higher Education, Vol. 42, No. 5, 2001.

101

5.3. ARTIGO 3

Autoavaliação de saúde e sua relação com a situação censitária:

uma análise do efeito do uso das escalas ordinal e binária, segundo

os dados da PNAD 2008

102

Resumo

A realização de estudos que fazem uso de indicadores de natureza subjetiva para a

mensuração da saúde, frequentemente levantados em pesquisas de base populacional, vem

crescendo no Brasil, em especial a autoavaliação de saúde global do indivíduo. Apesar de ser

originalmente obtida em escala ordinal, a autoavaliação de saúde é frequentemente reduzida a

um indicador dicotômico e em diferentes estudos essa redução é feita sem maiores

justificativas podendo acarretar perda de informação e decréscimo de poder estatístico. Além

disso, a escolha arbitrária do ponto de corte para dicotomizar a autoavaliação de saúde pode

influenciar diretamente os resultados das medidas de associação.

Este artigo compara a associação entre a situação censitária (urbana vs rural) e o

desfecho de autoavaliação de saúde de adultos no Brasil considerando os casos em que este

desfecho é expresso em escala ordinal (três e cinco categorias) e binária usando os dados da

PNAD 2008. Para as diferentes escalas de autoavaliação de saúde verificaram-se semelhanças

no sentido, magnitude e significância estatística da associação entre a área censitária e a

chance (acumulada) de melhor autoavaliação de saúde tanto na análise bruta quanto na análise

multivariada. Apesar da escala não influenciar nesta associação, observou-se na análise

multivariada que a diferença de escala influencia na seleção do modelo, isto é, três variáveis

de controle (condição de ocupação do domicílio, qualidade da moradia e PSF) foram

excluídas do modelo logístico ordinal usando uma escala de autoavaliação de saúde com três

ou cinco categorias, enquanto que apenas as duas primeiras foram excluídas do modelo

logístico binário. Todavia, essa diferença pode ser devida ao não atendimento da hipótese de

homogeneidade das inclinações para algumas das variáveis de controle em especial para

variável PSF. Nesse sentido, o modelo de chances proporcionais parciais pode ser uma

alternativa de modelo logístico ordinal mais adequada que o modelo de chances proporcionais

e que o modelo logístico binário.

Palavras-chave: Autoavaliação de saúde, situação censitária, escala binária, escala ordinal,

modelo de chances proporcionais, modelo logístico binário.

103

Abstract

Studies using indicators of subjective nature for measuring health, which is often done

in population-based surveys, are being increasingly conducted in Brazil, especially with

regard to individuals’ overall self-assessed health. Although originally obtained on an ordinal

scale, self-assessed health is frequently reduced to a dichotomous indicator. In many studies,

this reduction is done without much justification and may lead to loss of information and

decreased statistical power. Moreover, the arbitrary choice of cutoff point for dichotomizing

self-assessed health may directly influence the association measurement results.

This paper compares the association between census tract location (urban vs rural) and

the outcome of self-assessed health among adults in Brazil, considering cases in which this

outcome is expressed on an ordinal scale (three and five categories) and on a binary scale,

using the PNAD 2008 data. For the different self-assessed health scales, similarities in the

direction, magnitude and statistical significance of the association between census tract

location and the accumulated chance of better self-assessed health, both in crude analysis and

in multivariate analysis, were observed. Although the scale used did not influence this

association, multivariate analysis showed that scale differences influenced model selection,

such that whereas three control variables (household occupation condition, housing quality

and family healthcare program) were excluded from the ordinal logistic model using a self-

assessed health scale with three or five categories, only the first two were excluded from the

binary logistic model. Nonetheless, this difference might have been due to non-fulfillment of

the hypothesis of slope homogeneity, for some of the control variables and especially for the

family healthcare program. Hence, the partial proportional odds model may form an

alternative ordinal logistic model that is more appropriate than either the proportional odds

model or the binary logistic model.

Key words: Self-assessment of health, census tract, binary scale, ordinal scale, proportional

odds model, binary logistic model.

104

5.3.1. INTRODUÇÃO

No campo da saúde urbana, são estudados os múltiplos efeitos da urbanização na

saúde da população1. Neste contexto ao mesmo tempo em que levanta a necessidade de se

considerar múltiplos determinantes para a explicação do processo saúde-doença, traz o duplo

desafio de como mensurar os efeitos desses determinantes e também a saúde individual em

grandes inquéritos populacionais.

A realização de estudos que fazem uso de indicadores de natureza subjetiva para a

mensuração da saúde, frequentemente levantados em pesquisas de base populacional, vem

crescendo, em especial a autoavaliação de saúde global do indivíduo2. Este crescimento deve-

se ao fato deste indicador ser uma proxy das avaliações objetivas de saúde3 e apresentar alta

validade preditiva da morbidade e mortalidade4. A autoavaliação de saúde é apontada como

um melhor indicador para a predição de mortalidade quando comparada a outros indicadores

objetivos de saúde individual, por representar a avaliação do estado de saúde global realizada

pelo próprio indivíduo ponderada pelas diferentes dimensões da saúde (biológica, psicológica

e social). Embora a autoavaliação da saúde possa sofrer influência da idade e cultura5, Anson

et al6 reconhecem a importância da autoavaliação da saúde e chamam a atenção para a

necessidade dos profissionais de saúde levarem em consideração tal indicador no momento da

avaliação médica e da definição dos planos de tratamento.

A autoavaliação de saúde vem sendo investigada de diversas formas, usando questões

simples. Segundo Eriksson et al.7, as avaliações usando uma única questão podem ser

classificadas em três categorias principais: não comparativa (pergunta aos respondentes se

eles classificariam a saúde como excelente, boa, regular, ruim ou muito ruim); idade

comparativa (pergunta aos respondentes se eles classificariam a saúde como melhor, igual ou

105

pior em comparação a outra pessoa da mesma idade); e tempo-comparativa (os respondentes

são questionados sobre como avaliam a saúde comparativamente a um dado tempo passado).

Apesar de ser originalmente obtida em escala ordinal, a autoavaliação de saúde é

frequentemente reduzida a um indicador dicotômico e em diferentes estudos essa redução é

feita sem maiores justificativas3,8-12. Além do uso da escala binária representar perda de

informação e decréscimo de poder estatístico13,14, deve-se levar em consideração a situação

em que as categorias de “autoavaliação global de saúde” representam uma classificação

arbitrária de um fenômeno potencialmente contínuo, mas que por dificuldade ou

impossibilidade não foi medido em escala intervalar e sim em escala ordinal14. Nesta situação

existem modelos estatísticos mais apropriados que o modelo logístico binário, como o modelo

logístico ordinal (modelo de chances proporcionais), que consideram não só a natureza

ordinal da autoavaliação de saúde, mas também associa esse desfecho a uma variável latente

contínua e não observável15.

Um outro ponto que merece destaque é a escolha arbitrária do ponto de corte para

dicotomizar a autoavaliação de saúde, que influencia diretamente os resultados das medidas

de associação16. Normalmente a dicotomização da autoavaliação de saúde se dá através da

transferência da categoria “regular” para a saúde não boa3,11,17.

O presente artigo tem como objetivo comparar os resultados da associação entre a

situação censitária (urbana vs rural) e o indicador autoavaliação de saúde de adultos no Brasil

considerando os casos em que este indicador é expresso em escala ordinal e binária usando os

dados da PNAD 2008. Nesta comparação, buscou-se avaliar principalmente: 1) o sentido, a

magnitude e a significância da associação entre a área censitária e a chance (acumulada) de

melhor autoavaliação de saúde; 2) a influência da escala na seleção dos modelos e 3) a

qualidade dos modelos selecionados.

106


Pesquisa Nacional por Amostra de Domicílios e População de estudo

Neste artigo foi utilizada a Pesquisa Nacional por Amostra de Domicílios (PNAD),

inquérito amostral realizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), que

selecionou no ano de 2008 uma amostra de 150.091 domicílios e 391.868 indivíduos. Este

inquérito utiliza um plano amostral complexo, que considera estratificação das unidades

amostrais, conglomeração (seleção da amostra em vários estágios) e probabilidades desiguais

de seleção18,19.

No Suplemento de Saúde da PNAD realizada em 2008, a autopercepção de saúde é

avaliada através de uma única pergunta (avaliação não comparativa) dirigida a todos os

moradores do domicílio, formulada da seguinte forma: “De um modo geral, como considera o

seu próprio estado de saúde ?”, contendo originalmente cinco alternativas de respostas

possíveis: muito ruim, ruim, regular, bom, muito bom.

A população alvo deste estudo é composta por adultos brasileiros de 20 anos ou mais

de idade residentes em domicílios particulares permanentes que informaram o seu próprio

estado de saúde, totalizando 162.213 adultos na amostra (registros).

Desfecho, variável de interesse e variáveis de controle

O desfecho é o indicador autoavaliação do estado global de saúde individual,

considerado neste estudo de duas formas: de forma policotômica com uma escala ordinal

original de cinco níveis: “muito ruim”, “ruim”, “regular”, “bom” e “muito bom” e de três

níveis: “muito ruim/ ruim”, “regular” e “bom/muito bom”; e de forma dicotômica, dando

origem a seguinte escala binária: “regular/ruim/muito ruim” e “bom/muito bom”.

107

A situação censitária considerada como variável de interesse foi classificada em

urbana e rural, segundo a definição político-administrativa usada pelo IBGE, baseada em leis

municipais.

Para estabelecer a associação entre a situação censitária (urbana e rural) e a

autoavaliação do estado global de saúde do adulto, utilizou-se como controle variáveis de

natureza demográfica, socioeconômica, comportamental e de saúde, listadas a seguir: 1) sexo,

2) faixa etária, 3) cor/raça, 4) escolaridade, 5) situação de ocupação, 6) atividade física, 7)

fumo, 8) morbidade autorreferida, 9) mobilidade física, 10) posse de plano de saúde, 11)

consulta médica nos últimos doze meses, 12) domicílio cadastrado no Programa de Saúde da

Família (PSF), 13) qualidade de moradia, 14) posse de bens básicos no domicílio,

15) condição de ocupação do domicílio, 16) renda domiciliar mensal per capita, 17) região

de residência e 18) proporção de domicílios adequados quanto a qualidade da moradia, isto

é, a proporção de domicílios adequados no setor (vizinhança) com relação aos serviços

sociais básicos (água, esgoto, lixo e luz), às densidades habitacionais e aos padrões

construtivos das moradias (material usado nas paredes e telhado). Em Moraes et al20, pode

ser obtida uma maior descrição sobre algumas dessas variáveis.

Análise estatística

As análises foram realizadas através do programa estatístico SPSS 17. Quando a

autoavaliação de saúde foi expressa em escala binária utilizou-se o modelo de regressão

logística binária21 e quando este indicador foi expresso em escala ordinal ajustou-se o modelo

de regressão logística ordinal (modelo de chances proporcionais14,21,22). A seguir são revistos

os modelos usados neste artigo para as diferentes escalas de autoavaliação de saúde com o

objetivo de comparar seus efeitos nas medidas de associação.

108

Modelo binário

Considerando o desfecho de autoavaliação de saúde Y em escala binária (onde o valor

Y=1 representa o “estado de saúde regular/ruim/muito ruim” e o valor Y=2 representa o

“estado de saúde bom/muito bom”) o modelo de regressão logística binária pode ser definido

por:

ppp21

p21

p21 xxxx,...,x,xYP

x,...,x,xYPx,...,x,xYPLogit ββββ ++++=

=

=== K22110)/1(

)/2(ln)]/2([ ,

onde:

)]/2([ p21 x,...,x,xYPLogit = é o logaritmo da razão entre a probabilidade de autorreferir um

estado de saúde bom/muito bom )/2( p21 x,...,x,xYP = e a probabilidade complementar de

autorreferir um estado de saúde regular/ruim/muito ruim )/1( p21 x,...,x,xYP = , ou seja, é a

chance (em escala logarítmica) da autoavaliação de saúde assumir a categoria

“bom/muito bom”, relativamente a categoria “regular/ruim/muito ruim”.


β0, β1,...,βp são os efeitos das variáveis explicativas.

Modelo ordinal

No caso do desfecho de autoavaliação de saúde Y ser expresso em escala ordinal com

K categorias (K=3 ou K=5) correspondentes aos valores ordenados de forma crescente Y=1,

Y=2, ..., Y=K utilizou-se neste artigo o modelo de regressão logística ordinal (modelo de

chances proporcionais10) que permite incorporar a ordem natural da autoavaliação de saúde

10 Essa equação é modelada pela maior parte dos softwares estatísticos (SPSS, STATA, STATISTICA, etc.)

109

como demonstrado no Quadro 1. A equação do modelo de chances proporcionais é

apresentada abaixo:

Quadro 1: Comparações efetuadas no modelo de regressão logística ordinal (modelo de chances proporcionais).

Autoavaliação de saúde em escala ordinal (Comparações)

K=5 categorias k=1: Muito ruim 1 vs 2,3,4,5 k=2: Ruim 1,2 vs 3,4,5 k=3: Regular 1,2,3 vs 4,5 k=4: Bom 1,2,3,4 vs 5 k=5: Muito bom -

K=3 categorias k=1: Muito ruim / ruim 1 vs 2,3 k=2: Regular 1,2 vs 3 k=3: Bom / muito bom -

( )ppkp21

p21p21 xxx

x,,x,xkYP

x,,x,xkYPx,,x,xkYPLogit βββα +++−=

>

≤=≤ K

K

KK 2211)/(

)/(ln)]/([

k =1,2,...,K-1

onde:

)]/([ p21 x,,x,xkYPLogit K≤ é o logaritmo da razão entre a probabilidade acumulada

)/( p21 x,,x,xkYP K≤ e seu complementar )/( p21 x,,x,xkYP K> , ou melhor, é a chance

(em escala logarítmica) da autoavaliação de saúde assumir categorias de menor ordem (pior

estado de saúde autorreferido), comparativamente às categorias de maior ordem (melhor

estado de saúde autorreferido).

kα é o ponto de corte para as k=1,2,...,K-1 categorias do desfecho de autoavaliação de saúde.


110

β1, β2,..., βp são os efeitos das variáveis explicativas. Os parâmetros não dependem de k, pois

o modelo de chances proporcionais assume que os efeitos β`s das variáveis explicativas sobre

o desfecho de autoavaliação de saúde independe da categoria k.

Assim como no modelo logístico binário, no modelo de regressão logística ordinal

(modelo de chances proporcionais) pode-se obter uma medida de razão de chance ( *OR k ) do

adulto autorreferir um estado de saúde menor ou igual a k, para as categorias k=1,2,.... K-1 da

autoavaliação de saúde. Comparando a chance de um adulto autorreferir um estado de saúde

menor ou igual a k )( kY ≤ para x1=a (sendo a=1 no caso de ter o atributo) com aquela para

x1=b (sendo b=0 no caso de não ter o atributo), obtêm-se a seguinte medida de razão de

chance (odds ratio):

)/(/)/(

)/(/)/(OR *

p21p21

p21p21

k x,,xb,xkYPx,,xb,xkYP

x,,xa,xkYPx,,xa,xkYP

KK

KK

=>=≤

=>=≤= , ∀ k=1,2,..., K-1

111)221(

)221()01()(*OR

ββββββ

βββ

α

α−⋅−−⋅−−

====+++⋅−

+++⋅−

eeee

e baxxb

xxa

ppk

ppk

k K

K

∀ k=1,2,..., K-1

Por outro lado, ao invés de *OR k , pode ser preferível interpretar a razão de chance

**OR k de um adulto autorreferir um estado de saúde maior do que k )( kY > para x1=a (sendo

a=1 no caso de ter o atributo) com aquela para x1=b (sendo b=0 no caso de não ter o atributo).

Neste caso após algumas operações matemáticas pode-se calcular a razão de chance **OR k a

partir de *OR k :

111

1*

**

OR

1

)/(/)/(

)/(/)/(OR

βe

x,,xb,xkYPx,,xb,xkYP

x,,xa,xkYPx,,xa,xkYP

kp21p21

p21p21

k ===≤=>

=≤=>=

KK

KK

∀ k=1,2,..., K-1

Embora a natureza ordinal do desfecho obrigue a modelagem em termos das

probabilidades acumuladas, o desfecho de autoavaliação de saúde Y pode ser interpretado

como operacionalização de uma variável contínua não medida Y* (variável latente)21,

resultando na especificação do seguinte modelo estrutural:

εβββ ++++= pp xxxY K2211* , onde:


β1, β2,...,βp são os efeitos das variáveis explicativas.

ε é o erro do modelo com distribuição logística de média 0 e variância π2/3.

Os modelos logísticos ordinais e binário foram ajustados considerando o método de

Máxima Pseudo-Verossimilhança (MPV), que é um método de estimação que permite

incorporar o plano amostral complexo adotado na PNAD 2008, em especial os estratos, as

unidades primárias de amostragem e os pesos amostrais.

Nos ajustes dos modelos logísticos binário e ordinal para a autoavaliação de saúde

foram fornecidas as medidas de razão de chance, os erros padrões dos estimadores dos

parâmetros e os p-valores do teste. A comparação e seleção dos modelos usando as três

escalas (binária, ordinal de 3 categorias e ordinal de 5 categorias) se basearam em critérios

estatísticos, como medida de qualidade global do ajuste (pseudo R2 de Nagelkerke)21,

capacidade preditiva do modelo e no nível de significância do teste de Wald fixado em 1%

devido ao grande tamanho da amostra. Adicionalmente, para as variáveis de controle

selecionadas comparou as medidas de razão de chance estimadas no modelo logístico binário

para cada nível das variáveis com as respectivas medidas obtidas através dos modelos

logísticos ordinais.

112

5.3.3. RESULTADOS

A Tabela 1 apresenta os ajustes dos modelos logísticos univariados considerando o

indicador autoavaliação de saúde expresso tanto em escala binária quanto em escala ordinal.

Independentemente da escala utilizada, observou-se uma associação estatisticamente

significante e positiva entre a situação censitária (urbano vs rural) e a chance acumulada de

melhor autoavaliação de saúde.

Além da presença de significância estatística, as três escalas usadas para a

autoavaliação de saúde levam a medidas de razão de chance próximas. Quando se usa o

modelo binário (MB), observa-se que na área urbana a chance do adulto reportar um estado

de saúde bom/muito bom é 53% (OR=1,53; p-valor<0,001) maior do que na área rural. Para

os modelos de chances proporcionais (MCP), verifica-se que a chance acumulada do adulto

reportar melhor estado de saúde é 55% (OR**=1,55; p-valor<0,001) maior na área urbana

quando se usa a autoavaliação de saúde com cinco categorias. E esta chance é 51%

(OR**=1,51; p-valor<0,001) maior na área urbana quando se usa a autoavaliação de saúde

com três categorias.

Tabela 1: Ajuste de modelos logísticos univariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde.

MCP: Autoavaliação de saúde em escala ordinal de 5

categorias


categorias

MB: Autoavaliação de saúde em escala binária

(Y>k), k=1,2,3,4 (Y>k), k=1,2 (Y>1)=(Y=2) Variável principal

Razão de chance (OR**)

Erro Padrão

p-valor Razão de chance (OR**)

Erro Padrão

p-valor Razão de chance (OR)

Erro Padrão

p-valor

Área censitária

Urbano 1,55 0,026 < 0,001 1,51 0,026 < 0,001 1,53 0,026 < 0,001

Rural 1 - - 1 - - 1 - -

113

A Tabela 2 fornece os ajustes dos modelos logísticos ordinais multivariados. A

primeira observação foi que o uso da escala influencia na seleção do modelo. Usando a escala

ordinal com três ou cinco categorias, excluíram-se três variáveis (condição de ocupação do

domicílio, qualidade da moradia e PSF) dos modelos de chances proporcionais, enquanto que

usando a escala binária apenas as duas primeiras foram excluídas do modelo logístico binário.

Ao controlar por variáveis demográficas, socioeconômicas, comportamentais e de

saúde (Tabela 2), verificou-se também que a associação entre a situação censitária e a chance

do adulto autorreferir melhor estado de saúde deixa de ser estatisticamente significante tanto

no caso em que o desfecho de autoavaliação de saúde é usado em escala ordinal com cinco

categorias (MCP: OR**=0,95; p-valor=0,129) ou três categorias (MCP: OR**=0,96; p-

valor=0,208) quanto no caso em que é usado em escala binária (OR=0,98; p-valor=0,549).

Em todos os três modelos multivariados, além da perda de significância estatística da

associação entre a situação censitária e os níveis de autoavaliação de saúde, observa-se a

proximidade das medidas de razão de chance obtidas para as diferentes escalas de

autopercepção de saúde.

Na análise multivariada observou-se ainda que as estimativas de razão de chance para

a variável “situação censitária” nos três modelos selecionados são praticamente as mesmas

estimativas obtidas para esta variável nos modelos completos usando a escala de cinco

categorias (MCP: OR**=0,96; p-valor=0,184), de três categorias (MCP: OR**=0,97; p-

valor=0,291) ou mesmo de duas categorias (MB: OR=0,98; p-valor=0,681), indicando que as

variáveis excluídas não são fatores de confundimento da relação entre situação censitária e os

níveis de autoavaliação de saúde.

Além disso, nos modelos multivariados (Tabela 2) o sentido das associações se

mantém, inclusive continua existindo gradiente no sentido esperado para variáveis de controle

faixa etária, renda domiciliar per capita e mobilidade física. Já a escolaridade deixa de

114

apresentar gradiente com a autopercepção da saúde somente no modelo binário. Com relação

à magnitude das associações encontradas para as variáveis de controle, observou-se que

91,6% (29/32) das medidas de razão de chance no modelo binário (desconsiderando da

contagem a medida referente à variável PSF) são próximas das respectivas medidas estimadas

no modelo ordinal usando a escala de três categorias, com uma diferença máxima relativa de

aproximadamente 5%. Mantendo a mesma diferença máxima relativa, observa-se que este

percentual reduz para 53,1% (17/32) quando se compara com as medidas de razão de chance

do modelo de chances proporcionais usando a escala de cinco categorias.

Com relação à qualidade do ajuste dos modelos multivariados (Tabela 2), verificou-se

que a porcentagem global de adultos classificados corretamente é de 79,7% para o modelo

binário e de 75,0% para o modelo de chances proporcionais usando a escala de três

categorias, indicando que estes modelos apresentam uma capacidade preditiva razoável. Em

contrapartida, quando se usa a autoavaliação de saúde em escala ordinal com as cinco

categorias, o modelo de chances proporcionais apresentou uma capacidade preditiva inferior

aos demais (57,8% de previsões corretas). Na análise por categoria de autoavaliação de saúde,

observou-se que o modelo binário classifica corretamente 88,8% dos adultos que reportaram

um estado de saúde “bom/muito bom” (sensibilidade do modelo) e 60,1% para os adultos que

reportaram um estado de saúde “regular/ruim/muito ruim” (especificidade do modelo). O

modelo de chances proporcionais usando a escala com três categorias, por sua vez, classifica

corretamente 90,1% dos adultos para o estado de saúde “bom/muito bom”, 50,3% para o

estado de saúde “regular” e 6,3% para o estado de saúde “ruim/muito ruim”. E quando se usa

a escala original de cinco categorias, apenas quatro delas são previstas pelo modelo de

chances proporcionais, ou melhor, este modelo classifica corretamente: 15,6% para a

categoria “muito bom”, 82,3% para a categoria “bom”; 52,0% para a categoria “regular”;

1,2% para a categoria “ruim” e 0% para a categoria “muito ruim”.

115

Tanto o modelo binário quanto o modelo de chances proporcionais quando se usa a

autoavaliação de saúde com uma escala de três categorias são obtidas medidas de qualidade

do ajuste (pesudo R2 de Nagelkerke) moderadas e próximas (0,43 para o modelo binário e

0,42 para o modelo de chances proporcionais). O modelo de chances proporcionais usando a

escala original de cinco categorias apresentou uma medida de qualidade do ajuste

ligeiramente menor (igual a 0,40).

Tabela 2: Ajuste de modelos logísticos multivariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde, controlando por um conjunto de variáveis demográficas, socioeconômicas, comportamentais e de saúde.


categorias


categorias

MB: Autoavaliação de saúde em escala binária

(Y>k), k=1,2,3,4 (Y>k), k=1,2 (Y>1)=(Y=2) Variáveis

Razão de chance (OR**)

Erro Padrão

p-valor Razão de chance (OR**)

Erro Padrão

p-valor Razão de chance (OR)

Erro Padrão

p-valor

Área censitária

Urbano 0,95 0,031 0,129 0,96 0,033 0,208 0,98 0,036 0,549

Rural 1 - - 1 - - 1 - -


Norte 0,72 0,041 <0,001 0,75 0,052 <0,001 0,75 0,058 <0,001

Nordeste 0,79 0,033 <0,001 0,78 0,033 <0,001 0,79 0,034 <0,001

Sudeste 1,11 0,029 <0,001 1,10 0,032 0,002 1,13 0,033 <0,001

Sul 0,98 0,033 0,447 0,99 0,039 0,722 1,03 0,040 0,502

Centro-oeste 1 - - 1 - - 1 - -

Sexo

Masculino 0,91 0,013 <0,001 0,85 0,015 <0,001 0,87 0,016 <0,001

Feminino 1 - - 1 - - 1 - -

Faixa etária

20 a 29 anos 1,35 0,024 <0,001 1,41 0,029 <0,001 1,49 0,031 <0,001

30 a 39 anos 1,16 0,022 <0,001 1,19 0,024 <0,001 1,26 0,026 <0,001

40 a 49 anos 0,98 0,021 0,362 0,96 0,023 0,067 1,00 0,025 0,982

50 a 59 anos 0,85 0,021 <0,001 0,83 0,022 <0,001 0,86 0,025 <0,001

60 anos ou + 1 - - 1 - -

Cor/raça

Branca 1,13 0,015 <0,001 1,16 0,017 <0,001 1,18 0,018 <0,001

Não branca 1 - 1 - 1 - -

Escolaridade

Sem instrução ou menos de 1 ano 0,49 0,033 <0,001 0,46 0,042 <0,001 0,49 0,043 <0,001

1 a 7 anos 0,51 0,027 <0,001 0,47 0,037 <0,001 0,47 0,037 <0,001

8 a 14 anos 0,71 0,024 <0,001 0,69 0,036 <0,001 0,69 0,036 <0,001

15 anos ou + 1 - - 1 - - 1 - -

Sem declaração 0,54 0,135 <0,001 0,46 0,166 <0,001 0,47 0,178 <0,001

116


Sem renda ou até 1 salário mínimo 0,52 0,033 <0,001 0,53 0,046 <0,001 0,54 0,046 <0,001

Mais de 1 a 5 salários mínimos 0,68 0,031 <0,001 0,71 0,044 <0,001 0,72 0,044 <0,001

Mais de 5 salários mínimos 1 - - 1 - - 1 - -

Sem declaração 0,69 0,049 <0,001 0,69 0,064 0,001 0,71 0,066 <0,001


Ocupada 1,15 0,014 <0,001 1,19 0,017 <0,001 1,16 0,018 <0,001

Não ocupada 1 - - 1 - - 1 - -

Atividade física

Pratica 1,44 0,015 <0,001 1,36 0,019 <0,001 1,34 0,020 <0,001

Não pratica 1 - - 1 - - 1 - -

Sem declaração 0,48 0,051 <0,001 0,50 0,050 <0,001 0,71 0,059 <0,001

Fumo

Fumante 0,91 0,017 <0,001 0,86 0,021 <0,001 0,88 0,022 <0,001

Ex-fumante 0,93 0,016 <0,001 0,88 0,019 <0,001 0,88 0,020 <0,001

Nunca fumou 1 - - 1 - - 1 - -

Sem declaração 0,99 0,015 0,500 0,95 0,020 0,012 0,96 0,021 0,032


Pelo menos uma doença crônica 0,33 0,016 <0,001 0,29 0,018 <0,001 0,29 0,018 <0,001

Nenhuma doença crônica 1 - - 1 - - 1 - -

Mobilidade física

Muita limitação 0,13 0,031 <0,001 0,13 0,031 <0,001 0,15 0,032 <0,001

Limitação 0,19 0,022 <0,001 0,18 0,023 <0,001 0,19 0,025 <0,001

Pouca limitação 0,44 0,019 <0,001 0,42 0,021 <0,001 0,40 0,022 <0,001

Sem limitação 1 - - 1 - - 1 - -


Sim 1,26 0,017 <0,001 1,32 0,021 <0,001 1,32 0,022 <0,001

Não 1 - - 1 - - 1 - -

Consulta médica

Sim 0,62 0,015 <0,001 0,55 0,020 <0,001 0,56 0,020 <0,001

Não 1 - - 1 - - 1 - -


Tem todos os quatro bens básicos 1,15 0,018 <0,001 1,14 0,020 <0,001 1,09 0,022 <0,001

Não tem pelo menos um bem básico 1 - - 1 - - 1 - -

% domicílios adequados quanto à qualidade da moradia 1,27 0,035 <0,001 1,36 0,037 <0,001 1,38 0,040 <0,001

PSF

Domicílio cadastrado no PSF - - - - - - 0,94 0,021 0,002

Domicílio não cadastrado no PSF - - - - - - 1 - -

Nota: MCP(5 categorias): α1=-7,534; α2=-5,705; α3=-2,942; α4=0,204 /MCP(3 categorias): α1=-5,968; α2=-3,159 / MB: β0= 3,116

117

5.3.4. DISCUSSÃO

O presente artigo procurou avaliar o efeito do uso de escala utilizada para

autoavaliação de saúde (desfecho) na seleção dos modelos (modelo logístico binário e modelo

logístico ordinal de chances proporcionais) e no sentido, magnitude e significância da

associação encontrada entre a situação censitária e a chance acumulada do adulto autorreferir

melhor estado de saúde, considerando duas situações: a análise bruta e a análise multivariada

usando um conjunto de variáveis de controle que retratam características individuais e do

ambiente intradomiciliar e extradomiciliar.

Alguns estudos já avaliaram o impacto da dicotomização do desfecho de autoavaliação

de saúde (com escala original de quatro categorias) considerando poucas variáveis

explicativas na modelagem estatística e uma amostra bem menor do que a utilizada neste

artigo16,22. Manor et al22 compararam o ajuste do modelo de regressão logística binária

(ruim/regular e boa/excelente) com os ajustes de alguns modelos estatísticos (inclusive o

modelo de chances proporcionais) que incorporam a natureza ordinal da autoavaliação de

saúde, e encontraram semelhanças em termos de magnitude, significância dos efeitos

principais, tipo de associação e efeitos de interação ao estabelecer associação entre algumas

variáveis socioeconômicas e a autoavaliação de saúde.

Assim como o estudo de Manor et al22, no presente artigo observou-se semelhanças no

sentido, magnitude e significância estatística da associação entre a situação censitária (usando

a área rural como categoria de referência) e a chance acumulada de melhor autoavaliação de

saúde de adultos no Brasil tanto na análise bruta quanto na análise multivariada. Em outras

palavras, a proximidade entre as medidas de razão de chance obtidas quando se usa

autoavaliação de saúde em escala binária e em escala ordinal (com três ou cinco categorias)

indica que o uso da escala não influencia a associação entre situação censitária e os níveis de

118

autoavaliação de saúde de adultos. Entretanto, na análise multivariada, o uso da escala

influenciou na seleção do modelo, isto é, fazendo uso da escala ordinal de três ou cinco

categorias, excluíram-se três variáveis (condição de ocupação do domicílio, qualidade da

moradia e PSF), enquanto que para a escala binária apenas as duas primeiras foram excluídas

do modelo.

O presente estudo se limitou em avaliar o efeito da escala nas estimativas dos

parâmetros do modelo, não avaliando assim a influência do ponto de corte, cuja escolha

também pode influenciar diretamente os resultados das medidas de associação. Finnas et al16

dicotomizaram a autoavaliação de saúde de duas formas diferentes (autoavaliação não boa

como muito ruim e ruim, e depois como muito ruim, ruim ou regular) e concluíram que a

escolha do ponto de corte tem implicações nos efeitos de determinantes de saúde. Mostraram

que quando a categoria intermediária do desfecho (regular) é combinada com as categorias de

boa saúde autorreferida (“boa” e “muito boa”), os efeitos das covariáveis (nível educacional e

estado civil) são altamente dependentes da idade, e quando agrupada com as categorias

“ruim” e “muito ruim” (saúde não boa) verificaram que os efeitos dessas covariáveis sobre a

autoavaliação de saúde são menos acentuados entre as categorias de idade.

Para fins de avaliação do impacto da dicotomização nas medidas de razão de chance

optou-se neste artigo por dicotomizar a autoavaliação de saúde em “muito ruim/ruim/regular”

e “bom/muito bom”, pois essa escala é usada na maioria dos estudos sobretudo naqueles que

usam os dados das PNADs. Embora a categoria regular seja normalmente transferida para a

saúde não boa, há estudos em que a categoria regular foi transferida para o lado da saúde boa,

entre eles pode-se citar os de Pagotto et al23 e Barros et al10. No primeiro estudo os autores

dicotomizaram a autoavaliação de saúde em boa (muito bom, bom e regular) e ruim (fraco e

péssimo), enquanto que no segundo dicotomizaram a autoavaliação de saúde em ruim versus

demais categorias (excelente, bom, regular).

119

Neste artigo considerou-se o modelo de chances proporcionais por ser o modelo

ordinal mais popular, parcimonioso e interpretável24,25, além de estar implementado nos

principais pacotes estatísticos inclusive para análise de dados amostrais complexos (SPSS,

STATA, SAS, etc.). Mas observou-se que o modelo de chances proporcionais ajustado para a

autoavaliação de saúde de cinco categorias apresentou uma capacidade preditiva bem inferior

aos demais modelos (MB e MCP com escala de três categorias). Sendo assim, é preferível

usar uma escala ordinal com três categorias para obtenção de um modelo de chances

proporcionais com melhor poder discriminatório. Outras funções de ligação também foram

avaliadas para o modelo de chances proporcionais (escala de três categorias), mas verificou-

se que foi o modelo logístico ordinal que apresentou medidas de qualidade do ajuste (pseudo

R2 de Nagelkerke=0,42 e taxa de classificações corretas=75,0%) iguais ou ligeiramente

superiores aos modelos ajustados para as outras funções de ligação, como log-log

complementar (R2N = 0,40 e taxa= 74,8%), log-log negativo (R2

N =0,41 e taxa= 74,9%) e

probit (R2N=0,42 e taxa= 74,9%). Para as três funções de ligação, as variáveis condição de

ocupação do domicílio, qualidade da moradia e domicílio cadastrado no PSF continuaram

não apresentando efeito estatisticamente significante, e ao excluí-las a associação entre a

situação censitária e a autoavaliação de saúde continuou apresentando sinal negativo e

ausência de significância estatística assim como no modelo ordinal com função de ligação

logística.

Uma outra limitação se refere ao fato do teste geral de homogeneidade das inclinações

ter sido significativo. Entretanto, segundo Scott et al25, há críticas quanto a adequação desse

teste por ser muito sensível a grandes amostras como a utilizada neste artigo. Entretanto,

aplicou-se o teste de homogeneidade por variável usando o STATA 10 (teste de Wald

individual), e constatou-se que no modelo de chances proporcionais parciais26 (modelo

multivariado) o efeito da área censitária (variável de interesse) sobre a chance acumulada de o

120

adulto apresentar melhor estado de saúde é homogêneo para as diferentes categorias da

autoavaliação de saúde (escala ordinal de três categorias) e aproximadamente igual ao obtido

no modelo de chances proporcionais, além de não ser estatisticamente significante.

Uma diferença em relação ao estudo de Manor et al.22 está no tipo de desenho de

estudo. Embora o presente estudo seja de natureza transversal, considera-se o plano amostral

complexo da PNAD 2008 no ajuste dos modelos logísticos univariados e multivariados para o

desfecho de autoavaliação de saúde (binária e ordinal), pois quando ignorado pode levar a

resultados incorretos tanto para as estimativas pontuais dos parâmetros do modelo quanto para

os erros padrões associados às estimativas pontuais, comprometendo a qualidade do ajuste de

modelos e as conclusões do estudo18,19. Além da incorporação do planejamento da amostra

nos ajustes dos modelos estatísticos, considerou-se também o mesmo método de estimação

dos parâmetros (método de máxima pseudo-verossimilhança - MPV) a fim de manter a

comparabilidade dos resultados. Em Moraes et al27, podem ser obtidas maiores informações

sobre o impacto do plano amostral sobre as medidas de razão de chance e erros padrões em

modelo de regressão logística ordinal (modelo de chances proporcionais).

Apesar da variável de interesse “área censitária” ter efeito parecido e não significativo

para diferentes escalas de autoavaliação de saúde em todos os modelos logísticos

multivariados, o presente artigo trouxe evidências de que a diferença de escala do desfecho

(ordinal vs binária) influencia na seleção do modelo. Todavia, essa diferença pode ser devida

ao não atendimento da hipótese de homogeneidade das inclinações para algumas das variáveis

de controle usadas na modelagem, em especial a variável “Programa da Saúde da Família”.

Recomenda-se assim o emprego do modelo de chances proporcionais parciais ao invés do

modelo de chances proporcionais ou do modelo logístico binário.

Um outro aspecto que deve ser ressaltado na modelagem é o viés de especificação do

modelo estrutural que pode levar a estimativas tendenciosas para os efeitos das variáveis28.

121

Segundo Greeland28, a verdadeira relação estrutural entre as variáveis quase nunca é

conhecida em estudos epidemiológicos devendo esperar algum grau de erro de especificação

do modelo, sobretudo na ausência de amostragem aleatória. Com relação a este aspecto, no

presente artigo considerou-se dados obtidos por meio de amostragem complexa cujas

características foram incorporadas na modelagem estatística. Adicionalmente, para o ajuste do

modelo considerou-se um método de estimação robusto (MPV) que fornece portanto

estimativas robustas para os parâmetros mesmo nas situações em que o modelo estrutural não

fornece uma boa descrição para a distribuição da variável de estudo29.

Apesar do modelo de regressão logística binária não considerar toda a informação

disponível do desfecho de saúde considerado, postula-se que o uso mais freqüente da escala

binária parece depender não de problemas inerentes aos dados, mas da preferência do

pesquisador, em virtude de, muitas vezes, haver maior familiaridade com o modelo logístico

binário em investigações na área de saúde.

122

5.3.5. BIBLIOGRAFIA



Cienc. Saude Colet 2008;13(6): 1785-1786

2. Santos, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde:

uma revisão sistemática de estudos multinível. Cad. Saúde Pública, Rio de Janeiro,

v.23, n. 11, Nov. 2007.


idosos brasileiros, 2003. Ciênc. Saúde Coletiva 2009, 14 (5):1903-1909.



5. Jylhä, M. (2009). What is self-rated health and why does it predict mortality? Toward

a unified conceptual model. Social Science & Medicine, 69, 307-316.

6. Anson O., Shteingrad J, Paran E. Self-Rated Health and Survival: A Seven-Years

Follow-up. Psychology 2011, 2 (9), 987-991

7. Eriksson I, Undén AL, Elofsson S. Self-rated health. Comparisons between three

different measures. Results from a population study. International Journal of

Epidemiology 2001, 30: 326-333.

8. Traebert J, Bortoluzzi MC, Kehrig RT. Auto-percepção das condições de saúde da

população adulta, Sul do Brasil. Rev. saúde pública 2011,45(4):789-793

9. Sousa et al. Autoavaliação de saúde e fatores associados em adolescentes do Estado de

Santa Catarina, Brasil. Rev Paul Pediatr 2010; 28(4):333-9.





12. Alves LC e Rodrigues RN. Autopercepção de saúde entre idosos do Município de São

Paulo. Rev Panam Salud Publica/Pan Am J Public Health 17(5/6), 2005

13. Ananth CV, Kleinbaum DG. Regression models for ordinal responses: a review of

methods and applications. Int J Epidemiol 1997; 26(6):1323–1333

14. Gameroff MJ. Using the Proportional Odds Model for Health-Related Outcomes:

Why, When, and How with Various SAS Procedures, New York State Psychiatric

Institute, 2005, 205-230

15. McCullagh P. Regression models for ordinal data (with discussion). J R Statis Soc B

1980;42(9):109–142.

16. Finnäs F, Nyqvist F, Saarela J. Some Methodological Remarks on Self-Rated Health.

123

The Open Public Health Journal, 2008, 1, 32-39

17. Peres et al., Auto-avaliação da saúde em adultos no Sul do Brasil. Rev Saúde Pública

2010;44(5):901-11.


Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4),

659-670.

19. Szwarcwald CL, Damacena GN. Amostras complexas em inquéritos populacionais:

planejamento e implicações na análise estatística dos dados. Rev Bras. Epidemiol

2008;11(supl.1):38-45.

20. Moraes JR, Moreira JPL, Luiz RR. Associação entre o estado de saúde autorreferido

de adultos e a área de localização do domicílio: uma análise de regressão logística

ordinal usando a PNAD 2008. Ciênc. saúde coletiva. 2011; 16(9): 3769-3780


ReportNumber, 2010.

22. Manor O., Matthews S; Power C. Dichotomous or categorical response? Analysing

self-rated health and lifetime social class. International Journal of Epidemiology

2000;29:149–157

23. Pagotto V, Nakatani AYK, Silveira E A. Fatores associados à autoavaliação de saúde

ruim em idosos usuários do Sistema Único de Saúde. Cad. Saúde Pública 2011,

27(8): 1593-1602.

24. Yay M; Akıncı ED. Application of Ordinal Logistic Regression and Artifical Neural

Networks in a Study of Student Satistaction. Cypriot Journal of Educational Sciences

2009, 4: 58-69.

25. Scott SC, Goldberg MS, May NE, “Statistical assessment of ordinal outcomes in

comparative studies,” Journal of Clinical Epidemiology 1997, 50(1), 45-55.

26. Williams R. Generalized ordered logit/partial proportional odds models for ordinal

dependent variables. The Stata Journal 2006, , pp. 58–82

27. Moraes JR, Moreira JPL, Luiz RR. Efeito do plano amostral em modelo logístico

ordinal: uma análise do estado autorreferido de adultos no Brasil usando a PNAD

2008. Cad. Saúde Pública 2012 [artigo aceito para publicação]

28. Greeland S. Concepts of validity in epidemiological research. In: Holland WW, Detels

R, Knox G (Eds.) Oxford Textbook of Public Health. 2ª Ed, Vol 2. New York,

Oxford University Press, 1991.

29. Pessoa DGC, Silva PL. Análise de dados amostrais complexos. São Paulo: ABE;

1998.

124

5.4. ARTIGO 4

Área de localização do domicílio e autoavaliação de saúde de

adultos brasileiros residentes em cidades populosas: uma análise

multinível usando os dados da PNAD 2008

125

Resumo

No Brasil a urbanização agravou a pobreza e a exclusão social e contribuiu para

manutenção das desigualdades de renda e para proliferação de moradias precárias. Esses

problemas tendem a ampliar os efeitos adversos sobre a saúde, sobretudo em lugares onde não

há uma atitude proativa em relação às necessidades da população.

Este artigo ajustando para características do ambiente intradomiciliar (domicílio) e

extradomiciliar (setor) e para características individuais (adulto) teve como objetivo avaliar,

por meio de modelo de regressão logística ordinal multinível, o efeito da área de localização

do domicílio (urbana e rural) na autoavaliação de saúde de adultos residentes em cidades

populosas.

Na análise bruta os resultados mostraram que a área urbana (em comparação a área

rural) está associada a melhores níveis de autoavaliação de saúde de adultos. Embora na

análise ajustada não tenha se evidenciado uma diferença estatisticamente significante nos

níveis de autoavaliação de saúde entre áreas urbana e rural dos municípios populosos, as

relações encontradas no presente estudo nos remetem as conseqüências da urbanização sobre

a saúde da população apontadas por diferentes autores. Desse modo, o estudo mostrou o efeito

das condições de vida no ambiente intra e extradomiciliar (qualidade da moradia, posse de

bens básicos, renda domiciliar per capita e percentual de domicílios no setor quanto a

qualidade de moradia) na variação dos níveis de autoavaliação de saúde de adultos, além da

existência de efeito de características individuais, que inclui as sociodemográficas, as de

saúde e as relativas a comportamentos e estilos de vida.

Palavras-chave: Autoavaliação de saúde, área de localização do domicílio, modelo regressão

logística ordinal multinível.

126

Abstract

In Brazil, urbanization has worsened poverty and social exclusion, and has contributed

towards maintenance of income inequalities and proliferation of poor-quality housing. These

problems have tended to amplify adverse effects on health, especially in places where there is

no proactive attitude towards the population’s needs.

The aim of this study was to evaluate the effect of household location (urban or rural)

on self-assessed health among adults living in large cities, by means of a multilevel ordinal

logistic regression model, with adjustments for environmental characteristics inside homes

(household) and outside homes (census tract) and for characteristics of the individuals (adult).

In the crude analysis, the results showed that, in comparison with rural areas, urban

areas were associated with better self-assessed health levels among adults. Although the

adjusted analysis did not show any statistically significant difference in self-assessed health

levels between the urban and rural areas of the large-population municipalities, the

relationships found in the present study portrayed the consequences of urbanization on the

population’s health that have been demonstrated by several authors. Thus, this study showed

the effect of living conditions in environments inside and outside homes (housing quality,

possession of basic goods, per capita household income and percentages of households in the

census tract according to housing quality), on self-assessed health levels among adults, which

include sociodemographic, health-related, behavioral and lifestyle effects.

Key words: Self-assessed health, household location, multilevel ordinal logistic regression

model.

127

5.4.1. INTRODUÇÃO

A urbanização é ainda considerado o fenômeno de maior influência nas condições

socioeconômicas e ambientais nos países em desenvolvimento1. As diferentes regiões e

estados do país apresentam uma urbanização desigual e contrastes na distribuição da

população em áreas urbanas e rurais2. Segundo Nakamura3, o crescimento populacional

acentuado, sobretudo nas grandes metrópoles, agravado pela migração, sem a devida

adequação das condições de infra-estrutura básica, delimita o espaço urbano em áreas

socioeconômicas e ambientais diferenciadas. Geib4 reforça dizendo que a urbanização

agravou a pobreza e a exclusão social e contribuiu para manutenção das desigualdades de

renda e para proliferação de moradias precárias, impedindo o desenvolvimento do conceito de

habitação saudável11.

Embora a urbanização possa trazer oportunidades positivas para a população, há uma

maior preocupação com os efeitos negativos da urbanização sobre a saúde. Isso pode ser

devido ao reconhecimento da urbanização brasileira ser marcada por profundas

transformações espaciais e sociais, que são caracterizadas por um conjunto de fatores, entre os

quais estão: o desemprego, as precárias condições urbanas de moradia e trabalho, as

condições inadequadas de infra-estrutura básica e a violência3,5. Esses problemas tendem a

ampliar os efeitos adversos sobre a saúde, sobretudo na ausência de uma atitude proativa em

relação às necessidades da população1.

Com o novo paradigma do processo saúde-doença baseado na promoção e prevenção,

tem surgido nas últimas décadas, no campo da Saúde Pública, estudos que levam também em

conta os atributos (características) do espaço urbano (lugar) para explicar as diferenças de

saúde da população urbana. Entretanto, ainda é baixo o número de estudos que visam

11 Conceito de habitação saudável inclui agentes promotores da saúde e do bem-estar e controla ou previne fatores de risco no ambiente intra e extradomiciliar

128

encontrar associações entre determinantes individuais e contextuais do local de moradia e a

autoavaliação do estado de saúde6.

O presente artigo tem como objetivo estabelecer a associação entre a área de

localização do domicílio (urbana e rural) e a autoavaliação global de saúde de adultos em

cidades populosas (municípios das regiões metropolitanas ou municípios grandes em tamanho

populacional) usando análise multinível. Nesta associação utilizou-se como variáveis de

controle um conjunto de características individuais e do ambiente intra e extradomiciliar.



A Pesquisa Nacional por Amostra de Domicílios (PNAD) é um inquérito amostral

complexo de abrangência nacional, realizado pelo IBGE, que coletou no ano de 2008

informações de uma amostra probabilística de 150.591 domicílios e 391.868 pessoas7.

A amostra da PNAD foi planejada para obter estimativas representativas para o Brasil,

Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém, Fortaleza,

Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). Com

relação ao seu planejamento amostral, a PNAD é um estudo seccional que utiliza um plano

amostral complexo que considera estratificação, probabilidades desiguais de seleção e

conglomeração das unidades em dois ou três estágios de seleção dependendo do estrato ser de

municípios autorrepresentativos (AR) ou não autorrepresentativos (NAR), respectivamente

(Silva et al., 2002). Para os municípios autorrepresentativos situados nas regiões

metropolitanas o plano amostral da PNAD é estratificado por município (estrato) e

129

conglomerado em dois estágios, onde os setores censitários são as unidades primárias de

amostragem (UPA) e os domicílios são as unidades secundárias de amostragem (USA).

Com relação aos municípios não são situados em regiões metropolitanas ou

pertencentes as unidades da federação sem região metropolitana, é possível classifica-los

também em municípios autorrepresentativos (AR) para os grandes em termos populacionais, e

os restantes em municípios não autorrepresentativos (NAR). Para esses municípios

autorrepresentativos, o plano amostral também é estratificado e conglomerado em dois

estágios de seleção exatamente igual ao adotado para os municípios situados nas regiões

metropolitanas, ou seja, cada município AR é o estrato, enquanto os setores e os domicílios

são as unidades primárias e secundárias de amostragem, respectivamente. Para os municípios

não autorrepresentativos, o plano amostral é estratificado (estratos formados por conjuntos de

municípios NAR por tamanho e proximidade geográfica) e conglomerado em três estágios de

seleção, onde os municípios NAR são as unidades primárias de amostragem (UPA), os setores

as unidades secundárias de amostragem (USA) e os domicílios as unidades terciárias de

amostragem (UTA)8.


A população de estudo é formada por adultos brasileiros (20 anos ou mais) que

informaram o seu próprio estado global de saúde, residentes em domicílios particulares

permanentes (DPP) localizados em municípios populosos. Na amostra dessa pesquisa, dos

162.213 adultos (registros) brasileiros em DPP que informaram seu próprio estado de saúde,

92.745 deles residem em municípios populosos, isto é, em municípios autorrepresentativos -

AR (os grandes em tamanho populacional e os situados nas regiões metropolitanas), enquanto

os adultos restantes são residentes em municípios não autorrepresentativos - NAR.

130

A opção pela escolha desse recorte populacional (municípios grandes em tamanho

populacional e municípios situados em regiões metropolitanas) deveu-se principalmente a

dificuldade envolvida no ajuste desse tipo de modelo usando amostras complexas como a da

PNAD, devido à necessidade de incorporação não só das informações típicas do plano

amostral (estratificação, conglomeração e pesos amostrais), mas também da estrutura

hierárquica dos dados (PESSOA e SILVA, 1998). No caso de se considerar na análise

multinível (abordagem desagregada) a amostra completa de adultos (mesmo recorte

populacional do artigo 1) não bastaria incluir as variáveis identificadores dos grupos de

interesse “domicílio” e “setor”, além da variável “estrato”, pois a consideração da estrutura de

grupo entre “domicílio” e “setor” não acomodaria toda a estrutura do plano amostral da

PNAD. Tal análise seria mais complexa pelo fato dos níveis de hierarquia das variáveis de

interesse não coincidirem com os múltiplos estágios de seleção utilizados no plano amostral

da PNAD para os diferentes estratos como mostrado na Figura 3 da seção 4.1.1. Por exemplo,

no caso de se considerar os estratos dos municípios NAR, seria preciso incorporar mais um

outro nível de hierarquia representando as UPAs nesses estratos, tornando a análise menos

trivial. Entretanto, a consideração da amostra de adultos residentes em municípios AR fez

com que os níveis de hierarquia das variáveis coincidissem com a estrutura de conglomeração

da pesquisa adotada nesses municípios AR simplificando a análise multinível. Com relação à

estratificação, no ajuste do modelo usando o programa GLLAMM considerou o estrato

(município AR) como efeito aleatório de nível mais alto9.

Embora as informações estruturais do plano amostral da PNAD tenham sido

consideradas, não foi incluída na análise multinível os pesos associados aos adultos da

amostra, pois mesmo com a redução do âmbito de inferência para municípios AR, é requerido

um modelo multinível com um elevado número de níveis de hierarquia (quatro) para

contemplar todas as características estruturais da amostra em municípios AR. Na literatura de

131

análise multinível diferentes métodos de escala são apresentados, particularmente no caso de

dois níveis hierárquicos, para considerar os pesos de amostragem no ajuste de modelos

multiníveis, mas não há nenhum resultado teórico10, nem consenso11 sobre o melhor método

de construção de peso. Além disso, com a inclusão dos pesos amostrais elevaria ainda mais o

tempo de processamento para ajuste desse modelo multinível usando o comando GLLAMM

do STATA 10. Tal dificuldade foi devida não só a grande quantidade de níveis de hierarquia,

mas também devida à quantidade de variáveis usadas na modelagem, aliada ao grande número

de registros do banco de dados e a limitação da capacidade de processamento de

computadores padrões.

Diante desse contexto, efetuou-se uma análise para avaliar se os pesos amostrais são

de fato informativos, isto é, se eles estão correlacionados com o desfecho de autoavaliação de

saúde12,13. Verificou-se a ausência de relação entre os pesos de amostragem e o desfecho de

estudo condicionada a presença das demais variáveis do desenho amostral (estrato e

conglomerados) consideradas na análise multinível como níveis hierárquicos, concluindo que

os pesos amostrais são não informativos, justificando a sua exclusão. Segundo Asparouhov et

al.10, a inclusão de pesos não informativos na análise pode gerar uma perda substancial de

eficiência. Carle12 acrescenta que, embora os pesos levem a estimativas populacionais mais

representativas, a exclusão de pesos não informativos da análise não vicia as decisões

inferenciais.

Análise de regressão logística ordinal multinível

Neste artigo foi ajustado usando o software STATA 10 o modelo de regressão

logística ordinal multinível14 com quatro níveis de hierarquia, onde os adultos são as unidades

de 1º nível, os domicílios (habitações) são as unidades de 2º nível, os setores (vizinhança) as

unidades de 3º nível e os municípios as unidades de 4ª nível. A estrutura hierárquica dos

132

dados corresponde as características do plano amostral da PNAD para os municípios AR

(municípios populosos) considerados neste artigo, com exceção dos pesos amostrais da

pesquisa.

Para avaliar a necessidade de ajustar um modelo multinível de quatro níveis foi

aplicado também testes de comparabilidade de modelos encaixados (teste Qui-quadrado de

razão de verossimilhança), resultante da comparação das funções de verossimilhança de um

modelo nulo (modelo sem variáveis explicativas) de 4 níveis (adulto, domicílio, setor,

município) com outros modelos: 1) o modelo nulo de 3 níveis (adulto, domicílio, setor); 2) o

modelo nulo de 2 níveis (adulto, domicílio); 3) modelo nulo de 3 níveis (adulto, setor,

município); 4) modelo nulo de 3 níveis (adulto, domicílio, município). Para cada um dos

modelos foram calculadas medidas de qualidade do ajuste (critério de informação de Akaike -

AIC).

O desfecho do modelo é a autoavaliação de saúde considerando a seguinte escala

ordinal com três categorias: 1) ruim/muito ruim, 2) regular, 3) muito bom/bom. Além da área

de localização do domicílio (variável de interesse), foi considerado na estrutura linear do

modelo, um conjunto de dezoito variáveis de controle (demográficas, socioeconômicas,

comportamentais e de saúde) que retratam características individuais e do ambiente

intradomiciliar (domicílio) e extradomiciliar (setor).

As características do adulto (unidade de 1º nível) são compostas por doze variáveis:

sexo, faixa etária, cor/raça, escolaridade, situação de ocupação, atividade física, fumo,

morbidade autorreferida, mobilidade física, posse de plano de saúde, consulta ao médico nos

últimos doze meses e região de residência. As características do domicílio (unidade de 2º

nível), por sua vez, são compostas por cinco variáveis: domicílio cadastrado no Programa de

Saúde da Família (PSF), qualidade de moradia, posse de bens básicos no domicílio, condição

de ocupação do domicílio, renda domiciliar mensal per capita. Por último, como

133

característica do setor (unidade de 3º nível) foi utilizada a proporção de domicílios

considerados adequados no setor (vizinhança) quanto a qualidade da moradia, isto é, quanto

aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades habitacionais e aos

padrões construtivos das moradias (material usado nas paredes e telhado). Quanto ao nível

municipal, não foi incluída nenhuma variável além da identificação dos municípios a fim de

incorporar a estratificação da amostra. Em Moraes et al.15, pode ser obtida uma maior

descrição sobre a construção de algumas dessas variáveis usadas numa abordagem agregada

de análise.

134

5.4.3. RESULTADOS

A Tabela 1 apresenta a distribuição percentual dos adultos segundo os níveis de

autoavaliação de saúde, a área de localização do domicílio e cada uma das variáveis de

controle (categóricas) usadas na análise multinível.

Tabela 1: Distribuição de adultos segundo o desfecho de autoavaliação de saúde, a área de localização do domicílio e as variáveis de controle (categóricas) usadas na análise multinível – Municípios populosos.

Variáveis Distribuição de adultos (%)

Autoavaliação de saúde

Ruim ou muito ruim 4,6

Regular 23,1

Bom ou muito bom 72,3


Urbano 96,3

Rural 3,7


Norte 6,6

Nordeste 19,9

Sudeste 51,7

Sul 13,6

Centro-oeste 8,2

Sexo

Masculino 37,3

Feminino 62,7

Faixa etária

20 a 29 anos 21,8

30 a 39 anos 22,6

40 a 49 anos 21,2

50 a 59 anos 16,4

60 anos ou + 18,0

Cor/raça

Branca 51,5

Não branca 48,5

Escolaridade

Sem instrução ou menos de 1 ano 7,3

1 a 7 anos 30,3

8 a 14 anos 50,5

15 anos ou + 11,8

Sem declaração 0,2


Sem renda ou até 1 salário mínimo 40,8

Mais de 1 a 5 salários mínimos 47,2

135

Mais de 5 salários mínimos 8,2



Ocupada 60,2

Não ocupada 39,8

Atividade física

Pratica 28,5

Não pratica 69,2


Fumo

Fumante 14,0

Ex-fumante 16,3

Nunca fumou 52,4



Pelo menos uma doença crônica 46,3

Nenhuma doença crônica 53,7

Mobilidade física

Muita limitação 6,9

Limitação 11,9

Pouca limitação 15,6

Sem limitação 65,6


Sim 37,0

Não 63,0

Consulta médica

Sim 76,3

Não 23,7

PSF

Sim 33,9

Não 66,1

Condição de ocupação do domicílio

Próprio 75,2

Alugado 18,2

Cedido 5,9

Outra 0,6


Tem todos os quatro bens básicos 89,5

Não tem pelo menos um bem básico 10,5


Adequado 66,3

Não adequado 33,7

Nota: estimativas ponderadas

Dos adultos residentes em cidades populosas, 96,3% residem em domicílios

localizados na área urbana e a maioria (72,3%) deles reportam um estado de saúde bom/muito

bom, enquanto 23,1% reportam estado de saúde regular e 4,6% estado de saúde ruim/muito

ruim. Com relação à distribuição das variáveis de controle, pode-se destacar que o percentual

136

de adultos é maior na região Sudeste (51,7%), em domicílios com os quatro bens básicos

(89,5%) e adequados quanto a qualidade da moradia (66,3%). Observou-se ainda que nestes

municípios há maior predominância de adultos que nunca fumaram (52,4%), que praticam

atividade física (28,5%), sem nenhuma doença crônica (53,7%), não portador de plano de

saúde (63,0%), sem limitação física (65,6%), que consultaram médico nos últimos 12 meses

(76,3%), e que não moram em domicílios cadastrados no PSF (66,1%) (Tabela 1).

A Tabela 2 apresenta uma análise prévia de associação entre os pesos amostrais e o

desfecho de autoavaliação de saúde de adultos, por meio de modelagem multinível.

Observou-se, considerando a estrutura hierárquica dos dados (estratificação e conglomeração

das unidades), que os pesos amostrais não estão correlacionados estatisticamente com os

níveis de autoavaliação de saúde de adultos, indicando que os pesos amostrais são não

informativos, não havendo necessidade de incorporá-los na análise, no caso desse desfecho

em particular.

Tabela 2: Associação entre pesos amostrais e o desfecho de autoavaliação de saúde de adultos nos municípios considerados (análise multinível).

Pesos amostrais de expansão Modelo

Estimativa Erro

Padrão p-valor*

Parte fixa

Peso amostral 0,00004 0,00006 0,444 Parte aleatória – Estimativa da

variância dos interceptos aleatórios

2º nível - Domicílio 0,92210 0,04581 -

3º nível - Setor 0,25135 0,01243 -

4º nível - Município 0,08350 0,00752 -

A Tabela 3 apresenta os resultados dos testes de comparabilidade de modelos

encaixados (teste Qui-quadrado de razão de pseudoverossimilhanças), resultante da

comparação das funções de verossimilhança do modelo nulo de 4 níveis (adulto, domicílio,

setor, município) com os seguintes modelos: 1) o modelo nulo de 3 níveis (adulto, domicílio,

137

setor); 2) o modelo nulo de 2 níveis (adulto, domicílio); 3) modelo nulo de 3 níveis (adulto,

setor, município); 4) modelo nulo de 3 níveis (adulto, domicílio, município).

Tabela 3: Resultados do teste de comparabilidade entre o modelo nulo de 4 níveis (adulto, domicílio, setor, município) com outros quatro modelos nulos com menos níveis de hierarquia.

Resultados do teste Qui-quadrado de razão de pseudoverossimilhanças

AIC*

Comparações entre quatro diferentes modelos nulos com o modelo nulo de 4 níveis (AIC= 132.256,2)

χ2 p-valor

Teste 1) Modelo nulo de 3 níveis (adulto, domicílio, setor) 394,81 <0,001 132.649,0

Teste 2) Modelo nulo de 2 níveis (adulto, domicílio) 1.456,46 <0,001 133.708,7

Teste 3) Modelo nulo de 3 níveis (adulto, setor, município) 678,29 <0,001 132.932,5

Teste 4) Modelo nulo de 3 níveis (adulto, domicílio, município) 696,87 <0,001 132.951,1

*Critério de Informação de Akaike (AIC)

Os resultados dos três testes fornecidos na Tabela 3 mostram que o modelo multinível

que considera os 4 níveis de hierarquia é o mais adequado, ou seja, conclui-se portanto que os

efeitos aleatórios do setor e município, isoladamente (testes 1 e 4) ou conjuntamente (teste 2),

contribuem significativamente para a qualidade do modelo. Com base no teste 3, se

evidenciou ainda que o efeito aleatório do domicílio é significativamente diferente de zero,

quando são mantidos os demais efeitos de grupo (setor e município) no modelo (χ2=678,29;

p-valor<0,001).

A partir do modelo nulo de 4 níveis, isto é, do modelo logístico ordinal ajustado

somente com os interceptos aleatórios nos níveis dos domicílios, setores e municípios

(Tabela 4), obteve os coeficientes de partição de variância (CPV). Através do cálculo do CPV

para os municípios (4º nível) verificou-se que aproximadamente 2,0% da variação dos níveis

do estado de saúde autorreferido é atribuída às diferenças dos municípios. O CPV para os

setores (3º nível), por sua vez, indicou que 7,4% da variação dos níveis de autoavaliação de

saúde é atribuída as diferenças dos setores (que estão dentro dos mesmos municípios). Já o

CPV para os domicílios (2º nível), foi mais elevado mostrando que aproximadamente 28% da

138

variação dos níveis de autoavaliação de saúde é devida as diferenças dos domicílios (que

estão dentro dos mesmos setores pertencentes aos mesmos municípios).

Embora a parcela de variação explicada pelas diferenças entre os municípios seja

baixa (CPV≅2,0%), a consideração do nível municipal na análise dos níveis de autoavaliação

de saúde deveu-se também ao fato dos municípios considerados (municípios grandes em

termos populacionais e os municípios das Regiões Metropolitanas) representarem os estratos

no plano amostral da PNAD.

No modelo multinível ajustado somente com a área de localização do domicílio

(Tabela 4), observou-se que a área apresenta um efeito estatisticamente significante nos níveis

de autoavaliação de saúde de adultos (OR=1,42; p-valor<0,001). A medida de razão de

chance de 1,42 indica que a chance dos adultos residentes nos municípios considerados

autorreferirem um melhor estado de saúde na área urbana é 42% maior em comparação à área

rural. Em comparação a parte aleatória do modelo nulo, pode-se observar que as estimativas

de variância dos interceptos aleatórios praticamente permaneceram inalteradas com a

introdução da área de localização do domicílio (Tabela 4).

Tabela 4: Estimativas para os modelo logísticos ordinais de interceptos aleatórios de 4 níveis para o desfecho de autoavaliação de saúde de adultos.

Modelo nulo Modelo com a área de localização do

domicílio Modelo

Razão de chance

Erro padrão

Razão de chance

Erro padrão

p-valor*

Parte fixa

Área de localização do domicílio - - 1,42 0,083 <0,001 Parte aleatória – Estimativa da

variância dos interceptos aleatórios

2º nível – Domicílio 0,923 0,046 0,920 0,046 -

3º nível – Setor 0,251 0,012 0,248 0,012 -

4º nível – Município 0,086 0,007 0,084 0,007 - * Teste de Wald

139

Ao ajustar o modelo multinível com a área de localização do domicílio e todas as

dezoito variáveis de controle que retratam características dos adultos (indivíduos) e do

ambiente intradomiciliar (domicílio) e extradomiciliar (setor), observou-se que apenas duas

variáveis do ambiente intradomiciliar (condição de ocupação do domicílio e PSF) não

apresentaram efeito significativo, e portanto foram excluídas da análise, resultando no modelo

fornecido na Tabela 5. Ao controlar pelas demais variáveis, a área de localização do domicílio

deixou de ter um efeito estatisticamente significante sobre os níveis de autoavaliação de saúde

de adultos (OR=0,92; p-valor=0,186).

Além disso, depois de controlar a associação entre a área e o nível de autoavaliação de

saúde (variável latente) por variáveis do indivíduo e do ambiente intra e extradomiciliar

(Tabela 5), observou-se redução das estimativas das variâncias de todos os interceptos

aleatórios do modelo, sendo que esta redução foi: de 6,3% para o nível do domicílio, de

34,3% para o nível do setor e de 35,7% para o nível do município. Esses decréscimos pode ser

devida a diferença de composição dos domicílios, setores e/ou municípios com respeito às

variáveis adicionadas no modelo.

Com relação a parte fixa do modelo ajustado com apenas os efeitos principais

(Tabela 5), observou-se que a chance de apresentar um melhor estado de saúde autorreferido é

22,0% maior para os adultos do sexo feminino (OR=1/0,82=1,22; p-valor<0,001) e menor a

medida que aumenta a faixa etária do adulto. A chance é 18% maior para os adultos de raça

branca (OR= 1,18, p-valor<0,001), 21% maior para adultos ocupados (OR=1,21; p-

valor<0,001), 41% maior para os que têm plano de saúde (OR=1,41; p-valor<0,001), 85%

maior para os adultos que não consultaram médico nos últimos doze meses (OR=1/0,54=1,85;

p-valor<0,001), mais de 4 vezes maior para os adultos sem nenhuma doença crônica

(OR=1/0,23=4,3; p-valor<0,001), 44% para os que praticam atividade física (OR=1,44; p-

valor=<0,001) e 25% maior para os não fumantes em comparação aos fumantes

140

(OR=1/0,80=1,25; p-valor=<0,001) e 19% maior comparativamente aos ex-fumantes

(OR=1/0,84=1,19;p-valor=<0,001).

Observa-se ainda que a chance de autorreferir melhor estado de saúde é: 6% maior

para os adultos que residem em domicílios adequados quanto a qualidade da moradia

(OR=1,06; p-valor=0,027), 28% maior para os adultos residentes em domicílios com todos os

bens básicos (OR=1,28; p-valor=<0,001). Além disso, verifica-se que chance do adulto

reportar melhor estado de saúde aumenta em 35% ao aumentar em 1 unidade o percentual de

domicílios adequados no setor quanto a qualidade da moradia (OR=1,35; p-valor<0,001).

Considerando o Centro-Oeste como categoria de referência, observou-se nas regiões

Norte (OR=0,86; p-valor=0,007) e Nordeste (OR=0,75; p-valor<0,001) menor chance do

adulto autorreferir melhor estado de saúde, enquanto nas regiões Sul (OR=1,10; p-

valor=0,076) e Sudeste (OR=1,07; p-valor=0,155) maior chance, embora para as duas últimas

regiões a associação encontrada não foi estaticamente significante. Observa-se também um

aumento na chance de melhor autoavaliação de saúde para adultos à medida que aumenta a

escolaridade, e a renda domiciliar per capita; e uma redução nesta chance a medida que

aumenta o problema de mobilidade física.

141

Tabela 5: Análise multinível da autoavaliação de saúde de adultos: estimativas para o modelo logístico ordinal de interceptos aleatórios de 4 níveis considerando efeitos principais.

Modelo de interceptos aleatórios de 4 níveis, com

todos os efeitos principais das variáveis

Modelo de interceptos aleatórios de 4 níveis, excluindo a variável

“condição de ocupação do domicílio”

Modelo selecionado: Modelo de interceptos aleatórios de 4

níveis, excluindo as variáveis “condição de ocupação do

domicílio” e “PSF” Variáveis

Razão de

chance

Erro padrão

p-valor*

Razão de chance

Erro padrão

p-valor* Razão de chance

Erro padrão

p-valor*

Parte fixa

Área

Urbano 0,92 0,061 0,157 0,96 0,061 0,478 0,92 0,061 0,186

Rural 1 - - 1 - - 1 - -


Norte 0,85 0,056 0,004 0,86 0,057 0,007 0,86 0,055 0,007

Nordeste 0,74 0,047 <0,001 0,91 0,049 0,044 0,75 0,047 <0,001

Sudeste 1,07 0,048 0,185 1,05 0,049 0,358 1,07 0,047 0,155

Sul 1,09 0,054 0,096 1,09 0,054 0,133 1,10 0,053 0,076

Centro-oeste 1 - - 1 - - 1 - -

Sexo

Masculino 0,82 0,021 <0,001 0,82 0,021 <0,001 0,82 0,021 <0,001

Feminino 1 - - 1 - - 1 - -

Faixa etária

20 a 29 anos 1,51 0,039 <0,001 1,49 0,039 <0,001 1,49 0,039 <0,001

30 a 39 anos 1,30 0,036 <0,001 1,29 0,036 <0,001 1,29 0,036 <0,001

40 a 49 anos 1,02 0,033 0,660 1,01 0,033 0,785 1,01 0,033 0,772

50 a 59 anos 0,82 0,032 <0,001 0,82 0,032 <0,001 0,82 0,032 <0,001

60 anos ou + 1 - - 1 - - 1 - -

Cor/raça

Branca 1,17 0,022 <0,001 1,19 0,022 <0,001 1,18 0,022 <0,001

Não branca 1 - - 1 - - 1 - -

Escolaridade

S/ instrução ou < 1 ano 0,43 0,056 <0,001 0,42 0,056 <0,001 0,43 0,056 <0,001

1 a 7 anos 0,47 0,047 <0,001 0,46 0,047 <0,001 0,46 0,047 <0,001

8 a 14 anos 0,68 0,044 <0,001 0,68 0,044 <0,001 0,68 0,044 <0,001

15 anos ou + 1 - - 1 - - 1 - -

Sem declaração 0,41 0,224 <0,001 0,41 0,223 <0,001 0,41 0,224 <0,001

Renda domiciliar per capita

Sem renda ou até 1 s.m 0,51 0,056 <0,001 0,51 0,056 <0,001 0,51 0,056 <0,001

Mais de 1 a 5 s.m 0,68 0,052 <0,001 0,68 0,052 <0,001 0,68 0,052 <0,001

Mais de 5 s.m 1 - - 1 - - 1 - -

Sem declaração 0,68 0,074 <0,001 0,69 0,074 <0,001 0,68 0,074 <0,001

Situação de ocupação - -

Ocupada 1,21 0,022 <0,001 1,20 0,022 <0,001 1,21 0,022 <0,001

Não ocupada 1 - - 1 - - 1 - -

Atividade física

Pratica 1,44 0,025 <0,001 1,44 0,025 <0,001 1,44 0,025 <0,001

Não pratica 1 - - 1 - - 1 - -

Sem declaração 0,42 0,062 <0,001 0,42 0,062 <0,001 0,42 0,062 <0,001

Fumo

Fumante 0,80 0,029 <0,001 0,80 0,029 <0,001 0,80 0,029 <0,001

Ex-fumante 0,84 0,027 <0,001 0,84 0,027 <0,001 0,84 0,027 <0,001

Nunca fumou 1 - - 1 - - 1 - -

142

Sem declaração 0,96 0,027 0,106 0,96 0,027 0,101 0,96 0,027 0,091


Pelo menos 1 doença 0,23 0,025 <0,001 0,24 0,025 <0,001 0,23 0,025 <0,001

Nenhuma doença 1 - - 1 - - 1 - -

Mobilidade física

Muita limitação 0,11 0,044 <0,001 0,11 0,044 <0,001 0,11 0,044 <0,001

Limitação 0,14 0,033 <0,001 0,14 0,033 <0,001 0,14 0,033 <0,001

Pouca limitação 0,37 0,028 <0,001 0,37 0,028 <0,001 0,37 0,028 <0,001

Sem limitação 1 - - 1 - - 1 - -


Sim 1,40 0,025 <0,001 1,41 0,025 <0,001 1,41 0,025 <0,001

Não 1 - - 1 - - 1 - -

Consulta médica

Sim 0,54 0,027 <0,001 0,54 0,027 <0,001 0,54 0,027 <0,001

Não 1 - - 1 - - 1 - -


Adequada 1,06 0,028 0,040 1,06 0,028 0,034 1,06 0,028 0,027

Não adequada 1 - - 1 - - 1 - -


Tem todos os 4 bens 1,28 0,030 <0,001 1,29 0,030 <0,001 1,28 0,030 <0,001

Não tem ao menos 1 bem 1 - - 1 - - 1 - -

% domicílios adequados 1,34 0,053 <0,001 1,30 0,053 <0,001 1,35 0,052 <0,001

PSF

Sim 0,95 0,023 0,029 0,96 0,023 0,066

Não 1 - - 1 - -

Cond. de ocup. domicílio

Próprio 1,09 0,124 0,503

Alugado 1,03 0,126 0,813

Cedido 0,98 0,130 0,896

Outra 1 - - Parte aleatória – Estimativa

da variância dos interceptos

aleatórios

2º nível – Domicílio 0,863 0,053 0,863 0,053 0,862 0,053

3º nível – Setor 0,162 0,013 0,162 0,013 0,163 0,013

4º nível – Município 0,054 0,006 0,068 0,008 0,054 0,006 * Teste de Wald Nota: Excluídas as variáveis condição de ocupação do domicílio e PSF no ajuste do modelo multinível.

143

5.4.4. DISCUSSÃO:

Este artigo usando análise multinível buscou estabelecer as relações entre os níveis de

autoavaliação de saúde e um conjunto de fatores individuais e ambientais para uma amostra

complexa de adultos residentes em municípios populosos (municípios das regiões

metropolitanas ou municípios grandes em termos populacionais).

Como o estudo de Moraes et al.15 em que foi usado uma abordagem agregada de

análise e uma abragência maior (nacional); o presente estudo também verificou, na análise

bruta, que a área urbana (em comparação a área rural) está associada a melhores níveis de

autoavaliação de saúde dos adultos; e que após controlar para variáveis individuais (adultos) e

do ambiente intradomiciliar (domicílios) e extradomiciliar (setores), a associação entre a área

de localização do domicílio e a autoavaliação de saúde passou a não apresentar efeito

significativo. Adicionalmente, após o controle por tais variáveis, observou-se no presente

estudo que as estimativas de variância dos interceptos aleatórios do modelo sofreram

reduções, evidenciando existência de efeito composicional do lugar de moradia (município,

setor e/ou domicílio) nos níveis de autoavaliação de saúde dos adultos.

Embora na análise multivariada (ajustada) não tenha se evidenciado uma diferença

estatisticamente significante nos níveis de autoavaliação de saúde de adultos entre áreas

urbana e rural de municípios populosos, as relações encontradas no presente estudo nos

remetem as conseqüências da urbanização sobre a saúde da população apontadas por e

Nakamura3, Geib4 e Caiffa et al.5. Observa-se para estes municípios, o efeito das condições de

vida no ambiente intra e extradomiciliar (qualidade da moradia, posse de bens básicos, renda

domiciliar per capita e percentual de domicílios no setor quanto a qualidade de moradia) na

variação dos níveis de autoavaliação de saúde. Além disso, observa-se a existência de efeito

na saúde autorreferida proveniente de fatores individuais, que englobam os aspectos

144

sociodemográficos (sexo, faixa etária, região de residência, raça, escolaridade e ocupação), os

de saúde (presença de alguma doença crônica, mobilidade física, posse de plano de saúde e

consulta médica), além dos fatores relativos à “comportamentos e estilos de vida” (atividade

física e fumo).

Quando se considera apenas as cidades populosas incluindo as formadoras das regiões

metropolitanas, observou-se uma diferença com relação à análise multivariada (análise dos

efeitos principais) desenvolvida por Moraes et al.15. Num ambiente mais metropolitano a

qualidade da moradia (característica intradomiciliar) apresentou efeito estatisticamente

significante indicando que adultos residentes em moradias adequadas possuem melhores

níveis de estado de saúde autorreferido, traduzindo a importância da qualidade de moradia

como indicador de privação real que influencia a saúde do indivíduo de forma direta

(proteção/segurança/conforto) e de forma indireta (estresse e ansiedade relacionados as

inadequadas condições de habitabilidade).

Neste estudo foram considerados apenas os adultos que informaram o seu próprio

estado de saúde, excluindo-se os adultos cujo estado de saúde foi informado por outras

pessoas moradoras da unidade domiciliar ou mesmo por outras pessoas não residentes no

domicílio, pois as informações prestadas por terceiros poderia aumentar a chance de ocorrer

viés de informação sobre o estado global de saúde. A autoavaliação de saúde é um indicador

que vem sendo levantado em diferentes inquéritos populacionais na área de saúde, por várias

razões: por ser de fácil mensuração ou aplicação16; por ser uma medida confiável e

válida17,18,19, por permitir comparações internacionais20, pela sua própria natureza subjetiva21;

por sua forte associação com estado real de saúde22; por ser um preditor sensível de

morbidade e mortalidade23,24,25, por captar o bem estar físico, mental e social do indivíduo26 e

por permitir o monitoramento das condições de saúde de populações27.

145

A consideração de apenas municípios autorrepresentativos (municípios grandes em

tamanho populacional ou municípios situados nas regiões metropolitanas) foi devida, por um

lado, a complexidade de se ajustar um modelo multinível usando todas as características do

plano amostral da PNAD em nível nacional, aliado ao elevadíssimo tempo de processamento

para ajuste de modelos multiníveis com grande quantidade de variáveis explicativas, de níveis

hierárquicos e usando grandes amostras. Por outro lado, deveu-se a importância desses

municípios, em especial os das regiões metropolitanas, no processo de urbanização brasileira.

De acordo com Peres & Zimmermann28, região metropolitana pode ser definida como uma

mancha de ocupação contínua ou não diretamente polarizada por uma metrópole, onde se

realizam as maiores intensidades de fluxos e as maiores densidades de população e atividades

envolvendo municípios fortemente integrados. Estes mesmos autores apontam ainda que

municípios que integram regiões metropolitanas têm como principal característica o elevado

grau de complementaridade das funções urbanas (habitação, saúde, educação, saneamento e

meio ambiente, segurança pública, transporte, defesa civil, etc.), tendo como resultado uma

gestão compartilhada e a busca por soluções integradas visando melhoria dos serviços

públicos municipais e da qualidade de vida da população. Além disso, uma vantagem de se

considerar os referidos municípios se refere ao critério político-administrativo usado pelo

IBGE para classificação dos limites de urbano e rural, pois segundo Endlich29 as críticas

quanto a esse critério somente são relevantes no caso de se estudar pequenas cidades, uma vez

que são justamente em cidades pequenas que os limites estabelecidos entre essas duas áreas

ainda são procurados.

Devido à estrutura hierárquica dos dados da PNAD, onde os adultos estão agrupados

em unidades domiciliares, que estão grupados em setores censitários, que por sua vez, estão

agrupados em municípios; utilizou-se neste artigo o modelo de regressão logística ordinal

multinível com quatro níveis hierárquicos (1º nível: adulto, 2º nível: domicílio, 3º nível: setor,

146

4º nível: município). Este tipo modelo é o mais adequado, pois ao contrário do modelo linear

generalizado (modelo de efeitos fixos) não assume que todas as observações são

independentes, sendo portanto apropriado para análise de dados de pesquisas que apresentam

algum tipo de estrutura de correlação, como pesquisas longitudinais ou pesquisas que fazem

uso de conglomeração, como as PNADs.

A análise multinível é um dos tipos de análise de regressão que, simultaneamente, leva

em consideração múltiplos níveis de agregação, tornando corretos erros padrão, intervalos de

confiança e testes de hipóteses30,31. Além disso, neste tipo de abordagem de análise, além da

inclusão de interceptos aleatórios que representam a heterogeneidade entre os grupos no

desfecho de interesse, possibilita a consideração de coeficientes aleatórios, que representam,

por sua vez, a heterogeneidade na relação entre o desfecho e as variáveis explicativas31.

Embora as informações estruturais tenham sido consideradas, o plano amostral da

PNAD utiliza ainda probabilidades desiguais de seleção, resultando em diferentes pesos

associados aos adultos da amostra. Como bem aponta Souza & Nilza32, embora os pesos de

amostragem sejam utilizados para compensar as probabilidades desiguais das unidades

amostrais, contribuindo para redução de vícios, estimativas ponderadas tendem a ser menos

precisas, apresentando maior variância quando comparadas àquelas não ponderadas. Por este

motivo, ressalta-se a importância de se incorporar também os pesos amostrais nas análises

sempre que possível e/ou necessário.

Além do programa GLLAMM, tentou-se ajustar o mesmo modelo multinível, usando

a PROC GLIMMIX do SAS 9.1 e 9.2, mas neste caso o ajuste era interrompido

automaticamente devido à insuficiência de recursos computacionais (capacidade de memória

insuficiente para o processamento do modelo).

147

5.4.5. BIBLIOGRAFIA:

1. Martine G, Mcgranahan G. População e Cidades: subsídios para o planejamento e para

as políticas sociais. In: Baeninger, R.(org.). Campinas: Núcleo de Estudos de

População- NEPO / Unicamp; Brasília: UNFPA, 2010.

2. Giffoni M. Urbanização e a Rede de Cidades no Brasil, 2010. Disponível em:

http://fichasmarra.wordpress.com/2010/12/21/urbanizacao-e-a-rede-de-cidades-no-brasil/

3. Nakamura E. Algumas considerações antropológicas sobre o processo de urbanização

e suas conseqüências sobre a saúde mental das crianças. Infanto - Rev. Neuropsiq. da

Inf. e Adol., 4(1): 52-56, 1996

4. Geib LTC. Determinantes sociais da saúde do idoso. Ciênc. saúde coletiva. 2012,

17(1):123-133



Cienc. Saude Colet 2008; 13(6): 1785-1786.

6. Santos SM, Chor D, Werneck GL, Coutinho ESF. Associação entre fatores contextuais

e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cad. Saúde

Pública 2007; 23(11): 2533-2554.

7. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional por Amostra

de Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de

tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone

móvel celular para uso pessoal: Brasil. Rio de Janeiro: IBGE, 2010. Disponível em:

<http://www.ibge.gov.br>.


Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4):

659-670

9. Sterba, SK. Alternative model-based and design-based frameworks for inference from

samples to populations: From polarization to integration. Multivariate Behavioral

Research, 2009, 44, 711-740.

10. Asparouhov T, Muthen & Muthen. Weighting for Unequal Probability of Selection in

Multilevel Modeling. Mplus Web Notes: No. 8 Version 3, December 09, 2004.

11. Chantala K, Blanchette D, Suchindran CM. Software to Compute Sampling Weights

for Multilevel. Carolina Population Center, UNC at Chapel Hill. Last Update, 2011.

12. Carle AC. Fitting multilevel models in complex survey data with design weights:

Recommendations. BMC Medical Research Methodology 2009, 49(9): 1471-2288.

13. Johnson DR. Using weights in the analysis of survey data, 2008. Disponível em:

http://help.pop.psu.edu/help-by-statistical-

148

method/weighting/Introduction%20to%20survey%20weights%20pri%20version.ppt

14. Rabe-Hesketh S, Skrondal A: Multilevel and Longitudinal Modeling using Stata

College Station: Stata; 2005

15. Moraes JR, Moreira JPL, Luiz RR. Associação entre o estado de saúde autorreferido

de adultos e a área de localização do domicílio: uma análise de regressão logística

ordinal usando a PNAD 2008. Ciênc. saúde coletiva, 2011, 16(9): 3769-3780

16. Höfelmann DA e Blank N. Auto-avaliação de saúde entre trabalhadores de uma

indústria no sul do Brasil. Rev. Saúde Pública, 2007; 41(5): 777-787


associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37

18. Freitas, DHM et al. Autopercepção da saúde e desempenho cognitivo em idosos

residentes na comunidade. Rev. Psiquiatr. Clín., 2010, 37(1): 32-35

19. Peres MA, Masiero AV, Longo GZ, Rocha GC, Matos I B, Najnie K et al. Auto-

avaliação da saúde em adultos no Sul do Brasil. Rev. Saúde Pública, 2010, 44(5):

901-911

20. Theme Filha MM, Szwarcwald CL, Souza-Junior PRB. Medidas de morbidade

referida e inter-relações com dimensões de saúde. Rev Saude Publica, 2008;42(1):73-

81.

21. Nogueira H. Os Lugares e a Saúde. Coimbra; 2008


idosos brasileiros, 2003. Ciênc. Saúde Coletiva, 2009, 14 (5):1903-1909

23. Bailis DS, Segall A, Chipperfield JG. Two views of self-rated general health status.

Soc Sci Med 2003; 56(2):203-217


community studies. J Health Soc Behav. 1997; 38(1): 21–37

25. Silva TR, Menezes PR. Autopercepção de saúde: um estudo com idosos de baixa

renda de São Paulo. Rev Med (São Paulo). 2007; 86(1):28-38

26. Lima-Costa MF, Matos DL, Camargos VP, Macinko J. Tendências em dez anos das

condições de saúde de idosos brasileiros: evidências da Pesquisa Nacional por

Amostra de Domicílios (1998, 2003, 2008). Ciência & Saúde Coletiva, 2011

16(9):3689-3696

27. Agostinho MR, Oliveira MC, Pinto MEB, Balardin GU, Erno H. Autopercepção da

saúde entre usuários da Atenção Primária em Porto Alegre, RS, Brasil. R. Bras. Med.

Fam e Comun., 2010, 5(17): 9-15

28. Peres RB, Zimmermann G. População e Cidades: subsídios para o planejamento e para

as políticas sociais. In: Baeninger, R.(org.). Campinas: Núcleo de Estudos de

População- NEPO / Unicamp; Brasília: UNFPA, 2010.

29. Endlich AM. Perspectivas sobre o urbano e o rural. In: Sposito MEB, Whitacker AM

149

(orgs). Cidade e Campo: relações e contradições entre urbano e rural. 1ª Ed. São

Paulo: Expressão Popular, 2006.

30. Laros JA; Marciano JLP. Análise multinível aplicada aos dados do NELS:88. Estudos

em Avaliação Educacional, 2008, 19(40):263-278.

31. Rabe-Hesketh S., Skrondal A, Zheng X. Multilevel structural equation modeling. In

Hoyle, R. (ed.) Handbook of Structural Equation Modeling. New York: Guilford,

forthcoming, 2011

32. Sousa MH, Silva NN. Estimativas obtidas de um levantamento complexo. Rev Saúde

Pública 2003;37(5):662-70.

150

6. Considerações finais

Em termos gerais esta tese avaliou o efeito da área de localização do domicílio (área

urbana em comparação a área rural) na autoavaliação de saúde de adultos brasileiros.

Utilizou-se a autoavaliação de saúde por ser um indicador fortemente associado com estado

real de saúde dos indivíduos, sendo considerado como uma boa proxy das condições objetivas

de saúde (CARMAGOS et al., 2009). Além disso, a natureza subjetiva deste indicador de

saúde parece não constituir uma limitação quando se leva em conta que o processo saúde-

doença é um processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação

variam no tempo e no espaço, em função de características individuais e contextuais

(NOGUEIRA, 2008). Nesse sentido, sob a definição mais ampliada de saúde consolidada pela

criação da Comissão Nacional sobre os “Determinantes Sociais da Saúde” no Brasil em 2006,

se reconhece que a saúde é influenciada por características do contexto social, que geram

desigualdades nas exposições e vulnerabilidades (GEIB, 2012). Desse modo, nesta tese ao

estabelecer a associação entre a área de localização do domicílio e os níveis de autoavaliação

de saúde, foram consideradas ainda fatores individuais e fatores relacionados a

comportamentos e estilos de vida (tabagismo e sedentarismo), além de fatores contextuais do

local de moradia de grande importância para a promoção da qualidade de vida dos indivíduos,

que incluíram características do ambiente intradomiciliar (qualidade da habitação, posse de

bens básicos, rendimento domiciliar per capita, condição de ocupação do domicílio, domicílio

cadastrado no Programa da Saúde da Família) e do ambiente extradomiciliar (percentual de

domicílios adequados quanto a qualidade da moradia).

Entre as mudanças demográficas que o Brasil vem experimentando, destaca-se o

processo de urbanização brasileira como uma das mais importantes e como o fenômeno de

maior influência nas condições ambientais e socioeconômicas nos países em

151

desenvolvimento. Entretanto, há divergências entre os estudos quanto aos múltiplos efeitos da

urbanização na saúde da população. Alguns estudos apontam como fatores que proporcionam

uma melhor saúde dos indivíduos em áreas urbanas, comparativamente a áreas rurais, um

maior nível de renda, educação e informação, que lhes promovem um melhor acesso a uma

alimentação de qualidade e um maior acesso de serviços de saúde (VLAHOV et al., 2005;

MCDADE et al., 2001). Enquanto outros estudos apontam que o processo de urbanização,

agrava a pobreza e a exclusão social e contribui para manutenção das desigualdades de renda

e para proliferação de moradias precárias, que por sua vez tendem a ampliar os efeitos

negativos sobre a saúde da população (GEIB, 2012; AZEREDO et al., 2007; MOORE et al.,

2003). Independente do efeito (positivo ou negativo) de ser viver nas cidades (espaço urbano),

o conceito de saúde deve incorporar o cotidiano dos indivíduos vivendo nas cidades, não

ignorando as relações de interdependência que existem entre o indivíduo e o ambiente físico e

social onde ele vive (CAIAFFA et al., 2008). Nesse sentido, buscou-se nesta tese avaliar

diferenças nos níveis de saúde autorreferida de adultos que vivem em áreas urbana e rural,

controlando para características individuais e ambientais. Nesta tese utilizou-se a definição

político-administrativa adotada pelo IBGE, devido à falta de consenso da definição urbano-

rural e da falta de uma definição oficial mais criteriosa e de fácil operacionalização do que é

cidade no Brasil.

Na avaliação da associação entre a área de localização do domicílio e os níveis de

autoavaliação de saúde foram consideradas duas diferentes abordagens de análise: a

abordagem agregada e a abordagem desagregada. Independente da abordagem adotada, entre

os diferentes modelos usados nas análises desenvolvidas nesta tese destaca-se o modelo de

chances proporcionais, por ser: o modelo de regressão logística ordinal mais utilizado na área

de saúde, que incorpora a natureza ordinal da autoavaliação de saúde; por estar implementado

na maioria dos pacotes estatísticos, inclusive para análise de dados amostrais complexos; e

152

por ser o modelo mais popular, parcimonioso e interpretável. As análises deram origem a

quatro artigos cujos objetivos e conclusões são apresentados a seguir de forma resumida, onde

o primeiro artigo foi publicado na Revista Ciência & Saúde Coletiva em 2011, o segundo

artigo aceito para publicação nos Cadernos de Saúde Pública em 2012 e os dois últimos

artigos estão em fase de submissão.

O 1º artigo intitulado “Associação entre o estado de saúde autorreferido de adultos e

a área de localização do domicílio: uma análise de regressão logística ordinal usando a

PNAD 2008” mostrou na análise bruta que a área urbana está associada a melhores níveis de

saúde autorreferida em comparação a área rural. Após o controle por variáveis individuais e

do ambiente intradomiciliar e extradomiciliar, a associação entre a área de localização do

domicílio e os níveis de autoavaliação de saúde perdeu a sua significância estatística.

Adicionalmente, ao avaliar as interações duplas com a variável de interesse, observou-se a

existência de efeito de interação estatisticamente significante entre a área e cinco variáveis de

controle: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e o percentual de

domicílios adequados quanto à qualidade da moradia.

No 2º artigo intitulado “Efeito do plano amostral em modelo de regressão logística

ordinal: uma análise do estado de saúde autorreferido de adultos no Brasil usando a

PNAD 2008”, considerando as características inerentes ao plano amostral adotado nesta

pesquisa, tais como estratificação, conglomeração e pesos amostrais distintos, comparou-se

situações de análise na qual o pesquisador ignora ou negligência alguns ou todos os aspectos

do plano amostral, mostrando as suas conseqüências nas medidas de razões de chance e nos

erros padrão das estimativas dos coeficientes, no contexto de modelo de regressão logística

ordinal (modelo de chances proporcionais) ajustado pelo método de Máxima Verossimilhança

(MV). Utilizou-se como parâmetro de comparação às referidas estimativas do modelo de

regressão logística ordinal obtidas pelo método de Máxima Pseudo-Verossimilhança (MPV),

153

que representa uma situação adequada de modelagem na qual o pesquisador reconhece os

aspectos de complexidade do plano amostral da PNAD e os incorpora na análise. A partir dos

resultados obtidos, concluiu-se que quando se considera os pesos amostrais e ignora a

estratificação e a conglomeração (UPA), as medidas de razão de chance não sofrem qualquer

alteração, mas as estimativas dos erros padrão dos estimadores dos coeficientes do modelo

ficam bem subestimadas, dando uma falsa idéia de que os coeficientes estimados são mais

precisos, resultando em p-valores menores. Além disso, quando os pesos amostrais e as

informações estruturais do plano amostral (estratificação e conglomeração) são

simultaneamente ignorados observou-se para quase todos os fatores que as medidas de razão

de chance sofreram alterações e que os erros padrão dos estimadores dos coeficientes do

modelo também ficam bem subestimados, constituindo-se assim a pior situação de análise.

Nesta última situação de modelagem, apesar dos sentidos das associações permaneceram de

modo geral os mesmos, a magnitude das associações é de extrema importância na análise de

dados epidemiológicos, inclusive na análise das interações entre as variáveis.

Devido à autoavaliação de saúde ser comumente reduzida a um indicador dicotômico

por meio da transferência da categoria regular para a saúde não boa, e em diferentes estudos

essa dicotomização não apresentar maiores justificativas podendo gerar perda de informação e

eficiência, desenvolveu-se o 3º artigo intitulado “Autoavaliação de saúde e sua relação com a

situação censitária: uma análise do efeito do uso das escalas ordinal e binária, segundo os

dados da PNAD 2008”. Este artigo avaliou o efeito da escala binária e ordinal ao estabelecer

a associação entre a situação censitária (urbana e rural) e o desfecho de autoavaliação de

saúde. Nesta avaliação considerou-se a escala ordinal original da autoavaliação de saúde que

contém cinco categorias (1-muito ruim, 2-ruim, 3-regular, 4-bom, 5-muito bom), a escala

ordinal com três categorias (1-muito ruim/ruim, 2-regular, 3-bom/muito bom) e a escala

binária como adotada em muitos estudos (1-muito ruim/ruim/regular, 2-bom/muito bom),

154

sobretudo naqueles que fazem uso dos dados das PNADs. No caso da escala ordinal utilizou-

se o modelo de regressão logística ordinal (modelo de chances proporcionais) e no caso da

escala binária adotou-se o modelo de regressão logística binária. Os resultados mostraram, por

um lado, que o tipo de escala não influenciou no sentido, magnitude e significância estatística

da associação de interesse entre a situação censitária e a chance (acumulada) de melhor

autoavaliação de saúde nas análises bruta e multivariada. Mas, por outro lado, influenciou na

seleção do modelo. Quando se considerou a ordinalidade do desfecho de autoavaliação de

saúde por meio de modelo de chances proporcionais, verificou-se que as variáveis de controle

“condição de ocupação do domicílio”, “qualidade da moradia” e “Programa da Saúde da

Família” foram excluídas por não apresentarem efeito estatisticamente significante, enquanto

que para escala binária somente as variáveis “condição de ocupação do domicílio” e

“qualidade da moradia” foram excluídas do modelo. No entanto, tal diferença pode ser devida

à não verificação da hipótese de homogeneidade das inclinações para algumas das variáveis

de controle em particular para variável “Programa da Saúde da Família”. Nesse sentido, o

modelo de chances proporcionais parciais pode ser uma alternativa mais adequada que o

modelo de chances proporcionais e que o modelo logístico binário.

No 4º artigo intitulado “Área de localização do domicílio e autoavaliação de saúde de

adultos brasileiros residentes em cidades populosas: uma análise multinível usando os dados

da PNAD 2008”, por meio de modelo de regressão logística ordinal multinível com quatro

níveis (adulto, domicílio, setor, município AR), verificou-se que os adultos residentes em

áreas urbanas de municípios populosos também reportam melhores níveis de estado de saúde

em comparação aos adultos residentes em áreas rurais desses municípios. Na análise

multinível, ao controlar por características individuais e do ambiente intradomiciliar e

extradomiciliar também não se verificou uma diferença estatisticamente significante nos

níveis de autoavaliação de saúde entre áreas urbana e rural de municípios populosos.

155

Observou-se a influência das condições de vida (qualidade da moradia, posse de bens básicos,

renda domiciliar per capita e percentual de domicílios no setor quanto à qualidade de

moradia) nos níveis de autoavaliação de saúde de adultos, além da influência das

características individuais, que inclui aspectos demográficos, socioeconômicos, de saúde e

comportamentos e estilos de vida.

Adicionalmente foram gerados resultados suplementares (Apêndice) que comparam o

efeito da área de localização do domicílio nos níveis de autoavaliação de saúde (escala ordinal

de três categorias) de adultos que informaram seu próprio estado de saúde usando o modelo

de chances proporcionais e o modelo de chances proporcionais parciais para uma abordagem

agregada. No MCP univariado verificou-se que a chance acumulada de melhor autoavaliação

de saúde na área urbana é 51% maior que na área rural independente da categoria do

desfecho. No MCPP univariado observou-se, por sua vez, uma diferença, mas de

aproximadamente 10%, na chance acumulada de melhor autoavaliação de saúde dependendo

da categoria da autoavaliação de saúde (K=1 ou K=2). No entanto, com relação à análise

multivariada (Tabela 2 do apêndice) observou-se que o efeito da área de localização do

domicílio na saúde autorreferida é aproximadamente o mesmo e não estatisticamente

significante nos dois tipos de modelos de regressão ordinal (MCP e MCPP), mas no MCP

multivariado a variável PSF não apresentou efeito estatisticamente significante e foi excluída

da análise. Além disso, no MCPP multivariado observou-se que algumas das variáveis de

controle não atenderam o pressuposto de homogeneidade das inclinações. Todavia, as

estimativas das probabilidades acumuladas de melhor autoavaliação de saúde por área de

localização do domicílio são bem semelhantes nos dois tipos de modelo logístico ordinal

como mostrado na Figura 1 do apêndice.

156

Apêndice:

A Tabela 1 apresenta os resultados dos ajustes do modelo de chances proporcionais e

do modelo de chances proporcionais parciais univariado explicativos da autoavaliação de

saúde (escala ordinal de K=3 categorias) para a amostra de adultos residentes em municípios

das regiões metropolitanas ou em municípios grandes em termos populacionais

(autorrepresentativos).

No MCPP univariado (análise bruta), embora a associação continue positiva como no

MCP univariado ajustado usando a mesma amostra de adultos (artigos 1, 2 e 3) e a mesma

escala de autoavaliação de saúde (escala de três categorias), observou-se uma diferença (de

aproximadamente 10%) na chance acumulada de melhor autoavaliação de saúde dependendo

da categoria da autoavaliação de saúde (K=1 ou K=2). Neste modelo a chance do adulto

reportar um estado de saúde regular/bom/muito bom (relativamente a categoria ruim/muito

ruim) é 38% (OR1**=1,38; p-valor<0,001) maior na área urbana do que na área rural,

enquanto que a chance do adulto reportar um estado de saúde bom/muito bom (relativamente

a categoria regular/ruim/muito ruim) é 52% (OR2**=1,52; p-valor<0,001) maior na área

urbana.

Tabela 1: Ajustes dos modelos logísticos ordinais univariados (MCP e MCPP) para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde.

MCP: Escala de K=3 categorias

*MCPP: Escala de K=3 categorias

(Y>k), k=1,2 (Y>1) (Y>2) (Y>1) (Y>2) (Y>1) (Y>2) Variáveis

OR** EP p-valor OR1** OR2** EP1 EP2 p-valor1 p-valor2

Área censitária

Urbano* 1,51 0,026 <0,001 1,38 1,52 0,056 0,040 <0,001 <0,001

Rural 1 - - 1 - -

157

A Tabela 2 fornece o ajuste do MCPP e do MCP multivariados. Ao controlar por

variáveis demográficas, socioeconômicas, comportamentais e de saúde, verifica-se que a

associação entre a área de localização do domicílio e a chance do adulto autorreferir melhor

estado de saúde deixa de ser estatisticamente significante (MCPP: OR**=0,97; p-

valor=0,297; MCP: OR**=0,96; p-valor=0,208).

Além da área de localização do domicílio, observou-se no MCPP que uma grande

parte das variáveis de controle satisfez a hipótese de homogeneidade das inclinações ao nível

de significância de 1%, como: 1) renda domiciliar per capita (todos as faixas), 2) escolaridade

(sem declaração, sem instrução ou menos de 1 ano), 3) cor, 4) grandes regiões brasileiras

(Norte, Nordeste), 5) fumo (sem declaração, ex-fumante), 6) morbidade autorreferida, 7)

mobilidade física (pouca limitação), 8) consulta médica e 9) posse de plano de saúde. Para as

demais variáveis que não satisfizeram a hipótese de homogeneidade, verificou-se de modo

geral o mesmo sentido das associações encontradas no MCP, mas a magnitude dessas

associações foi diferente dependendo da categoria da autoavaliação de saúde ser muito

ruim/ruim (k=1) ou regular (k=2).

Quanto à qualidade do ajuste do MCPP multivariado, verificou-se que a porcentagem

global de adultos classificados corretamente é de 75,1%, indicando que este modelo também

apresenta uma capacidade preditiva razoável assim como no MCP ajustado para a mesma

amostra de adultos e usando a mesma escala de autoavaliação de saúde (escala de três

categorias).

Ao analisar o percentual de classificações corretas por categoria de autoavaliação de

saúde, observou-se ainda que o MCPP multivariado ajustado para a autoavaliação de saúde

com três categorias apresentou percentuais de classificações corretas para as categorias

“regular” (49,5%) e ‘bom/ muito bom” (89,9%) aproximadamente iguais aos obtidos com o

MCP (escala de três categorias), sendo que para a categoria “muito ruim/ruim” (13,1%) o

158

percentual de classificações corretas foi aproximadamente duas vezes maior. Além disso, o

MCPP usando a escala de três categorias apresentou uma medida de qualidade do ajuste

(pseudo R2 de Nagelkerke) moderada e igual a 0,42 assim como o MCP.

Tabela 2: Ajustes dos modelos logísticos ordinais multivariados (MCP e MCPP) para estabelecimento da associação entre área de localização do domicílio (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde.

MCP: Escala de K=3 categorias

*MCPP: Escala de K=3 categorias

(Y>k), k=1,2 (Y>1) (Y>2) (Y>1) (Y>2) (Y>1) (Y>2) Variáveis

OR** EP p-valor OR1** OR2** EP1 EP2 p-valor1 p-valor2

Área censitária

Urbano* 0,96 0,033 0,208 0,97 0,032 0,297

Rural 1 - - 1 - -


Norte* 0,75 0,052 <0,001 0,75 0,039 <0,001

Nordeste* 0,78 0,033 <0,001 0,79 0,026 <0,001

Sudeste 1,10 0,032 0,002 0,99 1,13 0,044 0,036 0,736 <0,001

Sul 0,99 0,039 0,722 0,85 1,03 0,046 0,041 0,003 0,519

Centro-oeste 1 - - 1 - -

Sexo

Masculino 0,85 0,015 <0,001 0,80 0,87 0,022 0,014 <0,001 <0,001

Feminino 1 - - 1 - -

Faixa etária

20 a 29 anos 1,41 0,029 <0,001 1,05 1,49 0,068 0,045 0,414 <0,001

30 a 39 anos 1,19 0,024 <0,001 1,01 1,25 0,052 0,032 0,786 <0,001

40 a 49 anos 0,96 0,023 0,067 0,84 1,00 0,034 0,024 <0,001 0,919

50 a 59 anos 0,83 0,022 <0,001 0,77 0,86 0,027 0,022 <0,001 <0,001

60 anos ou + 1 - - 1 - -

Cor/raça

Branca* 1,16 0,017 <0,001 1,16 0,019 <0,001

Não branca 1 - 1 -

Escolaridade

Sem instrução ou < 1 ano* 0,46 0,042 <0,001 0,49 0,020 <0,001

1 a 7 anos 0,47 0,037 <0,001 0,60 0,47 0,029 0,017 <0,001 <0,001

8 a 14 anos 0,69 0,036 <0,001 0,90 0,68 0,049 0,024 0,061 <0,001

15 anos ou + 1 - - 1 - -

Sem declaração* 0,46 0,166 <0,001 0,47 0,078 <0,001

Renda domiciliar per capita

Sem renda ou até 1 s.m* 0,53 0,046 <0,001 0,54 0,025 <0,001

Mais de 1 a 5 s.m* 0,71 0,044 <0,001 0,72 0,031 <0,001

Mais de 5 s.m* 1 - - 1 - -

Sem declaração 0,69 0,064 0,001 0,70 0,044 <0,001


Ocupada* 1,19 0,017 <0,001 1,32 1,16 0,041 0,021 <0,001 <0,001

Não ocupada 1 - - 1 - -

Atividade física

Pratica* 1,36 0,019 <0,001 1,56 1,34 0,067 0,026 <0,001 <0,001

Não pratica 1 - - 1 - -

Sem declaração* 0,5 0,05 <0,001 0,49 0,71 0,024 0,041 <0,001 <0,001

159

Fumo

Fumante 0,86 0,021 <0,001 0,75 0,88 0,027 0,019 <0,001 <0,001

Ex-fumante* 0,88 0,019 <0,001 0,88 0,016 <0,001

Nunca fumou 1 - - 1 - -

Sem declaração 0,95 0,02 0,012 0,95 0,019 0,009


Pelo menos 1 doença crônica* 0,29 0,018 <0,001 0,29 0,009 <0,001

Nenhuma doença crônica 1 - - 1 - -

Mobilidade física

Muita limitação 0,13 0,031 <0,001 0,08 0,15 0,004 0,005 <0,001 <0,001

Limitação 0,18 0,023 <0,001 0,12 0,19 0,005 0,005 <0,001 <0,001

Pouca limitação* 0,42 0,021 <0,001 0,40 0,009 <0,001

Sem limitação 1 - - 1 - -


Sim 1,32 0,021 <0,001 1,31 0,027 <0,001

Não 1 - - 1 - -

Consulta médica

Sim* 0,55 0,02 <0,001 0,56 0,011 <0,001

Não 1 - - 1 - -


Tem todos os 4 bens básicos 1,14 0,02 <0,001 1,34 1,09 0,046 0,024 <0,001 <0,001

Não tem pelo menos 1 bem 1 - - 1 - -

% domicílios adequados 1,36 0,037 <0,001 1,13 1,39 0,060 0,053 0,018 <0,001

PSF

Domicílio cadastrado - - - 1,06 0,94 0,032 0,020 0,052 0,002

Domicílio não cadastrado - - - 1 - -

*Nos casos onde tem apenas um único valor, significa que a hipótese de homogeneidade da inclinação é satisfeita para a variável em questão, logo: OR1**=OR2**=OR; EP1=EP2=EP e p-valor1=p-valor2=p-valor Nota: MCP (5 categorias): α1=-7,534; α2=-5,705; α3=-2,942; α4=0,204 / MCP (3 categorias): α1=-5,968; α2=-3,159 / MCPP (3 categorias): α1=6,134; α2=3,149

A seguir são fornecidos os box-plots por área de localização do domicílio (urbana e

rural) para as distribuições das probabilidades acumuladas de melhor autoavaliação de saúde

estimadas a partir do MCP e do MCPP (modelos multivariados) para a escala de três

categorias (Figura 1).

160

Figura 1: Probabilidade acumulada do adulto autorreferir melhor estado de saúde por área censitária segundo os modelos de chances proporcionais (MCP) e os modelos de chances proporcionais parciais (MCPP)

A Figura 1 mostra que ambos os modelos multivariados (MCPP e MCP) ajustados

para autoavaliação de saúde (escala de K=3 categorias) fornecem probabilidades acumuladas

estimadas de melhor de autoavaliação de saúde bem semelhantes tanto na área urbana quanto

na área rural.

Proba

bilida

de acu

mulad

a de

autorreferir melho

r estrad

o de

saú

de

161

Referências bibliográficas

ABROMOVAY, R. Funções e medidas da ruralidade no desenvolvimento contemporâneo. IPEA, n. 702, 2000. Disponível em: <http://www.ipea.gov.br/pub/td/td_2000/td0702.pdf>. Acesso em: 11 jan. 2011. ACURCIO, F. A.; GUIMARÃES, M. D. C. Acessibilidade de indivíduos infectados pelo HIV aos serviços de saúde: uma revisão de literatura. Cadernos de Saúde Pública, Rio de Janeiro, v. 12, n. 2, p.233-242, abr./jun., 1996. AKERMAN, M. Podemos falar de ambiente e saúde problematizando as conexões entre saúde e desenvolvimento?. R. RA´E GA. Curitiba, v. 15, p. 43-53, 2008. ALVES, C. C. N. Direito à moradia: análise da situação no município de Curitiba à luz de indicadores sociais. Dissertação (Mestrado) - Curitiba: Universidade Federal do Paraná, 2010. ALVES, L. C. et al. A influência das doenças crônicas na capacidade funcional dos idosos do município de São Paulo, Brasil. Cadernos de Saúde Pública, Rio de Janeiro, v. 23, n. 8, ago. 2007. ANDRADE, M. V.; MAIA, A. C. Diferenciais de utilização do cuidado de saúde no sistema suplementar brasileiro. Estudos Econômicos, São Paulo, v. 39, n. 1, mar. 2009 ASPAROUHOV, T. Sampling weights in latent variable modeling. Structural Equation Modeling, v. 12, n. 3, p. 411–434, 2005. ASSIS, Marluce Maria Araújo et. al. Acesso ao PSF: garantia para a resolubilidade dos serviços de saúde?. In: ASSIS, Marluce Maria Araújo et. al. (Org.). Produção do cuidado no Programa Saúde da Família: olhares analisadores em diferentes cenários. Salvador: EDUFBA, 2010, v. 1, p. 101-111. AZEREDO, C. M. et al. Avaliação das condições de habitação e saneamento: a importância da visita domiciliar no contexto do programa de saúde da família. Ciência e Saúde Coletiva, v. 12, n. 3, p. 743-753, maio/jun. 2007. BAILIS, D. S.; SEGALL, A.; CHIPPERFIELD, J. G. Two views of selfrated general health status. Social, Science & Medicine, v. 56, n. 2, p. 203-217, 2003. BECKER, D. No seio da família: amamentação e promoção da saúde no Programa de Saúde da Família. Dissertação (Mestrado) - Rio de Janeiro: Fiocruz, Escola Nacional de Saúde Pública, 2001. BERNARDELLI, M. L. F. H. Contribuição ao debate sobre o urbano e o rural. In: SPOSITO, M.; E. B, WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006.

162

BERNARDELLI, M. L. F. H. O caráter urbano das pequenas cidades da região canavieira de Catanduva. In: SPOSITO, M. E. B.; WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. BRASIL. Ministério da Saúde. Instituto Nacional de Câncer. Inquérito domiciliar sobre comportamentos de risco e morbidade referida de doenças e agravos não transmissíveis: Brasil, 15 capitais e Distrito Federal, 2002-2003. Rio de Janeiro: Instituto Nacional de Câncer, 2004. BUSS, Paulo Marchiori. Promoção da saúde e qualidade de vida. Ciência e Saúde Coletiva, v. 5, n. 1, p. 163-177, 2000. Disponível em: <http://www.scielo.br/pdf/csc/v5n1/7087.pdf>. Acesso em: 11 jan. 2011. CAIAFFA, W. T. et al. Saúde urbana: a cidade e uma estranha senhora, que hoje sorri e amanhã te devora. Ciência e Saúde Coletiva, v. 13, n. 6, p. 1785-1786, 2008. CALHEIROS, J. M. Fumo ambiental e saúde. Revista Portuguesa de Clínica Geral, v. 22, p. 245-253, 2006 CAMARGOS, M. C. S.; RODRIGUES, R. N.; MACHADO, C. J. Expectativa de vida saudável para idosos brasileiros, 2003. Ciência e Saúde Coletiva, v. 14, n. 5, p. 1903-1909, 2009. CAMELLO, T. C. F. et al. Gestão e vigilância em saúde ambiental. Rio de Janeiro: Thex, 2009. COHEN, S. C. et al.Habitação saudável no programa saúde da família (PSF): uma estratégia para as políticas públicas de saúde e ambiente. Ciência e Saúde Coletiva, Rio de Janeiro, v. 9, n. 3, set. 2004. COSTA, G. M. Consumo coletivo e a questão urbana: notas para discussão. Análise e Conjuntura, Belo Horizonte, v. 1, n. 3, p. 164-174, set./dez.1986. COSTA, A. J. L. Metodologias e indicadores para avaliação da capacidade funcional: análise preliminar do suplemento saúde da pesquisa nacional por amostra de domicílios PNAD, Brasil, 2003. Ciência e Saúde Coletiva, Rio de Janeiro, v. 11, n. 4, dez. 2006. CZERESNIA, D.; RIBEIRO, A. M. O conceito de espaço em epidemiologia: uma interpretação histórica e epistemológica. Cadernos de Saúde Pública, Rio de Janeiro, v. 16, n. 3, set. 2000. DAI, J. et al. Hierarchical logistic regression modeling with SAS GLIMMIX. Disponível em: <http://www.lexjansen.com/wuss/2006/Analytics/ANL-Dai.pdf>. Acesso em: 01 dez. 2011. DIEZ-ROUX, A. V. Bringing context back into epidemiology: variables and fallacies in multilevel analysis. American Journal of Public Health, v. 88, n. 2, p. 216-222, feb. 1998.

163

ENDLICH, A. M. Perspectivas sobre o urbano e o rural. In: SPOSITO, M. E. B.; WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. GIOVANELLA, L. et al. (Org). Políticas e sistema de saúde no Brasil. Rio de Janeiro: Fiocruz, 2008. p. 575-623. GEIB, L. T. C. Determinantes sociais da saúde do idoso. Ciência e Saúde Coletiva, v. 17, n. 1, p. 123-133, 2012. IBGE. Pesquisa nacional por amostra de domicílios 2008: notas metodológicas: pesquisa básica, pesquisa especial de tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone móvel celular para uso pessoal. Rio de Janeiro: IBGE, 2010. Disponível em: <http://www.ibge.gov.br>. Acesso em: 01 abr. 2010. IBGE. Pesquisa sobre padrões de vida 1996-1997. Rio de Janeiro: DPIS/IBGE; 1999. IDLER, E. L.; BENYAMINI, Y. Self-rated health and mortality: a review of twenty-seven community studies. Journal of Health Social Behavior, v. 38, n. 1, p. 21-37, 1997. KREFT, I. G. G.; LEEUW, J. Introducing multilevel modeling. London: SAGE Publications, 1998. LAROS, J. A.; MARCIANO, J. L. P. Análise multinível aplicada aos dados do NELS:88. Estudos em Avaliação Educacional, v. 19, n. 40, p. 263-278, 2008. LIMA-COSTA, Maria Fernanda; BARRETO, Sandhi Maria; GIATTI, Luana. Condições de saúde, capacidade funcional, uso de serviços de saúde e gastos com medicamentos da população idosa brasileira: um estudo descritivo baseado na pesquisa nacional por amostra de domicílios. Cadernos de Saúde Pública, v. 19, n. 3, p. 735-743, 2003. LEE, E. S.; FORTHOFER, R. N; LORIMOR, R. J. Analyzing complex survey data. Newbury Park: SAGE Publications, 1989. MAIA, J. A. et al. Modelação hierárquica ou multinível. Uma metodologia estatística e um instrumento útil de pensamento na investigação em ciências do desporto. Revista Portuguesa de Ciências do Desporto, v. 3, n. 1, p. 92-107, 2003. MCDADE, T.; ADAIR, L. Defining the urban in urbanization and health: a factor analysis approach. Social, Science & Medicine, v. 53, n. 1, p. 55-70, 2001. MARTIKAINEN, P. et al. Reliability of perceived health by sex and age. Social, Science & Medicine, v. 48, n. 8, p. 1117-1122, 1999. MARTINE, G.; MCGRANAHAN, G. A transição urbana brasileira: trajetória, dificuldades e lições aprendidas. In: BAENINGER, R. (Org.). População e cidades: subsídios para o planejamento e para as políticas sociais. Campinas: Núcleo de Estudos de População- NEPO/Unicamp; Brasília: UNFPA, 2010.

164

MONTE-MÓR, R. L. M. O que é o urbano, no mundo contemporâneo. Belo Horizonte: UFMG/Cedeplar, 2006. MOORE, M.; GOULD, P.; KEARY, B. Global urbanization and impact on health. International Journal of Hygiene and Environmental Health, v. 206, n. 4-5, p. 269-278, 2003. NERI, M; SOARES, W. Desigualdade social e saúde no Brasil. Cadernos de Saúde Pública, Rio de Janeiro, v. 18, supl., 2002. NOGUEIRA, H. Os lugares e a saúde. Coimbra: Imprensa da Universidade de Coimbra, 2008. NORTH AMERICAN DIAGNOSIS ASSOCIATION. Diagnósticos de enfermagem da NANDA: definições e classificação: 2001-2002. Porto Alegre: Artmed, 2004. PARAHYBA, M. I; SIMÕES, C. C. S. A prevalência de incapacidade funcional em idosos no Brasil. Ciência e Saúde Coletiva, v. 11, n. 4, p. 967-974, 2006 PARAHYBA, M. I.; VERAS, R.. Diferenciais sociodemográficos no declínio funcional em mobilidade física entre os idosos no Brasil. Ciência e Saúde Coletiva, v. 13, n. 4, ago. 2008. PERRI, S. H. V.; IEMMA, A. F. Procedimento "MIXED" do SAS para análise de modelos mistos. Scientia Agricola, Piracicaba, v. 56, n. 4, out. 1999. PESSOA, D. G. C.; SILVA, P. L. Análise de dados amostrais complexos. São Paulo: ABE, 1998.

PINHEIRO, R. S. et al. Gênero, morbidade, acesso e utilização de serviços de saúde no Brasil. Ciência e Saúde Coletiva, v. 7, n. 4, p. 687-707, 2002.

POCHMANN, M. O trabalho sob fogo cruzado: exclusão, desemprego e precarização no final do século. São Paulo: Contexto, 1999.

PROIETTI, F. A.; CAIAFFA, W. T. Fórum: o que é saúde urbana?. Cadernos de Saúde Pública, v. 21, n. 3, p. 940-941, 2005. PROIETTI, F. A. et al. Unidade de contexto e observação social sistemática em saúde: conceitos e métodos. Physis: Revista de Saúde Coletiva, v. 18, n. 3, p. 469-482, 2008. PUENTE-PALACIOS, K. E.; LAROS, J. A. Análise multinível: contribuições para estudos sobre efeito do contexto social no comportamento individual. Estudos de Psicologia (Campinas), v. 26, n. 3, 2009. Disponível em: <http://www.scielo.br/pdf/estpsi/v26n3/v26n3a08.pdf>. Acesso em: 01 dez. 2011. RABE-HESKETH, S.; SKRONDAL, A.; PICKLES, A. Generalized Multilevel Structural Equation Modeling. Psychometrika, v. 69, n. 2, p. 167-190, 2004. RAMAN, R.; HEDEKER, D. A mixed-effects regression model for three-level ordinal response data. Statistics in Medicine, v. 24, n. 21, p. 3331-3345, 2005.

165

RIBEIRO, L. C.; NOGUEIRA, M. C. Desigualdades raciais na mortalidade cardiovascular em um município de médio porte. Associação Brasileira de Estudos Populacionais, 2010. RODRIGUES, E. S. R.; CHEIK, N. C.; MAYER, A. F. Nível de atividade física e tabagismo em universitários. Revista de Saúde Pública, v. 42, n. 4, p. 672-678, 2008. SANTANA, P. Saúde urbana/saúde dos urbanistas. O paradigma perdido da urbanidade?. Portugal: Associação Portuguesa para a Promoção da Saúde Pública, 2006. SANTOS, M. A. Urbanização brasileira. São Paulo: Hucitec, 1993. SANTOS, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cadernos de Saúde Pública, Rio de Janeiro, v. 23, n. 11, nov. 2007. SAWYER, D. O.; LEITE, I. C; ALEXANDRINO, R. Perfis de utilização de serviços de saúde no Brasil. Ciência e Saúde Coletiva, v. 7, n. 4, p. 757-776, 2002. SEID, E. M. F.; ZANNON, C. M. L. C. Qualidade de vida e saúde: aspectos conceituais e metodológicos. Cadernos de Saúde Pública, Rio de Janeiro, v. 20, n. 2, p. 580-588, mar./ abr. 2004 SILVA, J. G.; GROSSI, M. D.; CAMPANHOLA, C. O que há de realmente novo no rural brasileiro?. Cadernos de Ciência e Tecnologia, Brasilia, v. 19, n. 1, 2002. SILVA, P. L. D. N; PESSOA, D. G. C., LILA, M. F. Análise estatística de dados da PNAD: incorporando a estrutura do plano amostral. Ciência e Saúde Coletiva, v. 7, n. 4, p. 659-670, 2002. SKRONDAL, A.; RABE-HESKETH, S. Some applications of generalized linear latent and mixed models in epidemiology. Norsk Epidemiologi, v. 13, n. 2, p. 265-278, 2003. SNIJDERS, T. A. B; BOSKER, R .J. Multilevel analysis: an introduction to basic and advanced multilevel modeling. Londres: SAGE Publications, 1999. SOBARZO, O. O urbano e o rural em Henri Lefebvre. In: SPOSITO, M. E. B; WHITACKER, A. M . (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. SOUSA, M. H.; SILVA N. N. Estimativas obtidas de um levantamento complexo. Revista de Saúde Pública, v. 37, n. 5, p. 662-70, 2003. SOUZA, E. M. et al. Autopercepção do estado de saúde: um estudo de prevalência com adolescentes de Ceilândia, Distrito Federal, Brasil. Comunicação em Ciências da Saúde, v. 17, n. 1, p. 9-15, 2006.

166

SZWARCWALD, C. L.; DAMACENA, G. N. Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados. Revista Brasileira de Epidemiologia, v. 11, supl. 1, p. 38-45, 2008. THEME FILHA, M. M.; SZWARCWALD, C. L.; SOUZA JUNIOR, P. R. B. Medidas de morbidade referida e inter-relações com dimensões de saúde. Revista de Saúde Pública, São Paulo, v. 42, n. 1, fev. 2008. THOMAS, S. L; HECK, R. H. Analysis of large-scale secondary data in higher education research: potential perils associated with complex sampling designs. Research in Higher Education, v. 42, n. 5, p. 517-540, 2001. VEIGA, J. E. Cidades imaginárias: o Brasil é menos urbano do que se calcula. Campinas: Autores associados, 2002. VERMELHO, L. L.; COSTA, A. J. L; KALE, P. L. Distribuição das doenças no tempo e no espaço. In: MEDRONHO, Roberto A. et al. Epidemiologia. São Paulo: Atheneu, 2009. VIACAVA, F. Informações em saúde: a importância dos inquéritos populacionais. Ciência e Saúde Coletiva, v. 7, n. 4, p. 607-621, 2002. VLAHOV, D.; GALEA, S.; FREUDENBERG, N. Perspectives on urban conditions and population health. Cadernos de Saúde Pública, v. 21, n. 3, p. 949-957, 2005. VOLOCHKO, A.; VIDAL, N. P. Desigualdades raciais na saúde: mortalidade nas regiões de saúde paulistas, 2005. Boletim do Instituto de Saúde, São Paulo, v. 12, n. 2, ago. 2010. WILLIAMS, R. Generalized ordered logit/partial proportional odds models for ordinal dependent variables. The Stata Journal, v. 6, n. 1, p. 58-82, 2006. Disponível em: <http://www.nd.edu/~rwilliam/gologit2/gologit2.pdf>. Acesso em: 12 nov. 2011. WEI, R.; PARSONS, V. Model-based methods in analyzing complex survey data: a case study with national health interview survey data. Section on Survey Research Methods JSM, 2009. WESTPHAL, M. F. O movimento cidades/municípios saudáveis: um compromisso com a qualidade de vida. Ciência e Saúde Coletiva, Rio de Janeiro, v. 5, n. 1, 2000.

José Rodrigo de Moraes - posgraduacao.iesc.ufrj.br · Usando os dados da Pesquisa Nacional por...

Documents

Transcript of José Rodrigo de Moraes - posgraduacao.iesc.ufrj.br · Usando os dados da Pesquisa Nacional por...