Montando o Quebra-Cabeça a Promoção de
Transcrição
Montando o Quebra-Cabeça a Promoção de
Journal of Physical Activity and Health, 2010, 7(Suppl 2), S242-S253 © 2010 Human Kinetics, Inc. Montando o Quebra-Cabeça a Promoção de Atividade Física no Brasil: Uma Análise da Rede Social Ross C. Brownson, Diana C. Parra, Marsela Dauti, Jenine K. Harris, Pedro C. Hallal, Christine Hoehner, Deborah Carvalho Malta, Rodrigo S. Reis, Luiz Roberto Ramos, Isabela C. Ribeiro, Jesus Soares, e Michael Pratt Conhecimentos: A inatividade física é um problema de saúde publica significante no Brasil, que pode ser endereçada através de parcerias e redes de comunicação. Em conjunção com o Projeto Guia (Guia Útil de Intervenção para Atividade Física no Brasil e América Latina), o objetivo deste estudo foi conduzir uma análise da rede social de Atividade Física no Brasil. Métodos: Uma pesquisa online foi concluída por 28 das 35 organizações contatadas entre Dezembro de 2008 a Março de 2009. Métodos analíticos de Rede analisaram medidas de colaboração, importância, liderança e atributos do respondente e da organização. Resultados: As nomeações da liderança as organizações estudadas variaram entre 0 a 23. Preditores positivas de colaboração incluíram: a região sul, ser membro do Projeto GUIA, anos de trabalho em atividade física, e pesquisa, educação e promoção/pratica das áreas de atividade física. Foi relatado que a barreira mais frequente a colaboração foi a burocracia. Conclusão: A análise da rede social identificou os fatores que, provavelmente, melhoram a colaboração entre as organizações no Brasil. Palavras-chave: colaboração, exercício, parcerias, América Latina Nas últimas décadas, tem havido uma mudança importante no perfil epidemiologico de doença na América Latina, com uma redução nas doenças infecciosas e um aumento de doenças relacionadas com o estilo de vida, tais como aquelas associadas com a inatividade física e dietas não saudáveis.1,2 A prevalência de fatores de risco de doenças crônicas são, provavelmente, responsáveis pela mudança e crescimentos dessas doenças. Por Brownson, Parra e Dauti são do Prevention Research Center em St. Louis, George Warren Brown School of Social Work, Washington University em St. Louis. Brownson e Hoehner e são do J. Alvin Siteman Cancer Center, Washington University School of Medicine, Washington University em St. Louis. Harris é da School of Public Health da St.Louis University, em St. Louis, MO. Hallal é do Programa de Pós-graduação em Epidemiologia da Universidade Federal de Pelotas, Brasil. Malta é do Departamento de Analise da Situação e Coordenação Geral de Vigilância e Prevenção de Doenças Não-transmissiveis, do Ministério de Saúde do Brasil, Brasília, Brasil. Reis é da Pontifícia Universidade Católica do Paraná, Brasil e a Universidade Federal do Paraná, Brasil. Ramos é do Departamento de Medicina Preventiva da Universidade Federal de São Paulo, São Paulo, Brasil. Ribeiro é do Air Pollution and Respiratory Health Branch, National Center for Environmental Health, Center for Disease Control and Prevention, Atlanta, GA. Soares e Pratt são do Physical Activity and Health Branch, Division of Nutrition and Physical, Centers for Disease Control and Prevention, Atlanta, GA. S242 exemplo, uma recente pesquisa nacional, coordenada pelo Ministério da Saúde do Brasil, entre adultos, descobriu que apenas 15% da população adulta segue as recomendações de atividade física durante o lazer.3 O nível de taxas de atividade física da população no Brasil, parece estar em declínio ao longo do tempo, particularmente entre grupos de baixa renda.4 Para mudar os padrões de inatividade física, a implementação de abordagens baseadas em evidencias requer 2 etapas fundamentais. Primeiro, informação cientifica é essencial aos programas e para terem uma maior probabilidade de serem eficazes na promoção da atividade física (ex., decisão feita com base em evidencia).5-7 Segundo, intervenções comprovadas cientificamente necessitam ser implementadas a nível nacional, de estado e locais.8 Parcerias e redes de comunicação são importantes para o cumprimento de ambas as etapas deste processo.9 Parcerias de pesquisas cultivam descobertas cientificas e envolvem relações interorganizacionais, onde recursos são compartilhados para avançar um propósito coletivo (ex., pesquisa aplicada).10 Ao aplicar descobertas da pesquisa, parcerias e redes estão bem estabelecidas como mecanismos para a resolução de problemas urgentes de saúde publica.11,12 Exemplos de abordagens de parceria para promover a actividade física na América Latina incluem o Programa Agita São Paulo, no Brasil,13,14 Muevete Bogota, na Colombia,15 e VIDA CHILE.16 Grande parte da literatura sobre as parcerias tem se concentrado em nível de organizações locais (ex., bairros, municípios).17 Rede de Atividade Física no Brasil S243 Embora existam várias redes a compreensão e promoção da actividade física na América Latina,18 os conhecimentos sobre como os parceiros estão trabalhando juntos e como a colaboração pode ser melhorada, ainda são escassos. Além disso, informações específicas, sobre redes de comunicação, como a frequência de contato e o tipo de colaboração, bem como as caracteristicas estruturais das organizações são desconhecidas. Uma analise de abordagem da rede social foi usada para compreender as relações colaborativas entre organizações promovendo atividade física no Brasil. Um pequeno sub-sistema desta rede de atividade física mais ampla no Brasil, tem sido desenvolvida como parte do Projeto Guia (Guia Útil de Intervenção para Atividade Física no Brasil e América Latina). 6 GUIA foi criado para construir relações colaborativas, entre nações, com pesquisadores, profissionais e organizações no Brasil para aumentar a capacidade para identificar e implementar as intervenções baseadas em evidencias, que promovam a atividade física na América Latina, com um foco particular no Brasil. Uma melhor compreensão das redes pode permitir pesquisadores e profissionais e reforçar as relações, construir capacidades e reduzir a duplicação de esforços.19,20 Atualmente, no Brasil, existem varias iniciativas locais e regionais para promover a atividade física, apoiadas pelo Ministério da Saúde.3 Esta estratégia de apoio e sustentabilidade também está incentivando a promoção da atividade física em rede nacional, e pode servir de modelo para outros países na América Latina. Os objetivos do atual estudo foram três: 1) compreender a estrutura de uma rede de atividade física no Brasil, 2) identificar o papel do Projeto Guia e outras organizações em facilitar a colaboração às pesquisas e práticas de atividade física e 3 ) descrever lacunas e barreiras na rede, a fim de identificar oportunidades para desenvolver novas relações e melhorar os esforços de promoção da atividade física. Métodos Amostragem Foram selecionadas 35 organizações que tem foco e entendimento na promoção da atividade física no Brasil. Treze dessas organizações estão, atualmente, envolvidas no projeto GUIA e 22 não. As organizações foram selecionadas utilizando um processo reputacional de uma etapa modificado, de acumulação da amostragem.21,22 Começamos com alguns pessoas-chaves que tínhamos conhecimento, incluindo ambos participantes e não participantes do GUIA, e pedimos que identificassem seus principais parceiros e outros que eles consideravam importantes na área de promoção da atividade física no Brasil. Um e-mail individualizado (incluindo uma declaração de recrutamento) foi enviado às organizações, convidando-as a completar um questionario online, contendo 22 questões. Todos os materiais foram traduzidos para o Português e sua exatidão foi verificada. Um lembrete por e-mail (com uma declaração de recrutamento) foi enviado aos participantes que não responderam ao e-mail original. Finalmente, aqueles que não concluíram a pesquisa online, após o segundo lembrete de e-mail, foram convidados a concluir a pesquisa por meio do telefone com um dos pesquisadores. Aos participantes foram dados 14 a 21 dias para concluir a pesquisa pela internet. Entre Dezembro de 2008 e Março de 2009, recebemos 33 respostas da pesquisa, representando 28 das 35 organizações desde que algumas organizações tiveram mais de um entrevistado, tomou-se a média das respostas. Isto representa uma taxa de 80% de resposta das organizações. O tempo médio para concluir a pesquisa na internet foi de 20 minutos. Medidas da Rede Usando métodos analiticos tradicionais de rede,23 examinamos diversas variáveis essenciais, incluindo medidas de colaboração, importância, liderança e os atributos do respondente e da organização. Colaboração. A medida de colaboração (o resultado primário) foi adaptada do trabalho de Slonim e colegas.24,25 Participantes foram convidados a escolher a resposta que melhor descrevessem a relação atual entre sua organização e cada uma das outras organizações na lista. As opções de resposta variaram de não relacionado (não trabalhar em equipe de forma nenhuma), comunicação (somente compartilha informações), cooperação (trabalhar em conjunto com um grupo de trabalho informal para alcançar objetivos comuns), colaboração (trabalha em conjunto como uma equipe formal para atingir objetivos comuns), e parceria (trabalha como uma equipe formal lado a lado em vários projetos para atingir objetivos comuns). Importância. As seguintes perguntas foram feitas aos participantes: “Em sua opinião, qual a importância de cada uma das seguintes organizações/ instituições/ organizações de atividade física da rede no Brasil?” As respostas variaram 1-5 (“não importante” ou “extremamente importante”). Liderança. Os participantes tambem foram solicitados a identificar organizações que consideram um líder da rede física de atividade no Brasil. Contato. Os participantes também foram solicitados a relatar a frequência de contato com outras organizações: sem contato (0), anualmente (1), trimestral (2) mensalmente (3), semanalmente (4), diariamente (5). Atributos Individuais e Organizacionais. Medimos a participação no projeto GUIA, número de anos envolvidos em atividade física pelo individuo, área de atividade física (pesquisa, educação, políticas públicas de promoção/ prática) e a localização da sua Instituição nas regiões do país (ex., sudeste, centro oeste, sul e nordeste) de acordo com o Instituto Brasileiro de Geografia e Estatística. Os Estados Unidos também foram incluídos, uma vez que algumas das instituições incluídas na amostra estavam localizadas nos E.U.A. S244 Brownson et al Análise de Dados Os seguintes programas de software foram utilizados para a analise de dados, para calcular a estatística descritiva, para a visualização da rede, e modelagem de rede estatística-aleatória, buscando criar modelos logísticos prevendo a colaboração entre organizações: SPSS, Excel, Pajek, UCINET, R. A colaboração em rede foi simetrizada na UCINET, substituindo arcos (uma linha direcionada, que representa uma relação entre 2 organizações que não são reciprocas) com limites (uma linha sem direção que representa uma relação entre duas organizações que são reciprocas). A reconstrução foi usada para lidar com as respostas não encontradas (substituindo os valores não encontrados com contrapartes simétricas).24 Estimamos os parâmetros do modelo aleatório gráfico exponencial (ERGM) ou P * modelo usando cadeias de Markov métodos Monte Carlo (MCMC). O modelo ERGM permite a previsão de um laço de colaboração entre 2 organizações com base na organização e caracteristicas da rede.26 A descrição detalhada do ERGM esta disponível em outros lugares.26,27 O gráfico do modelo aleatório exponencial foi simulado usando amostragem de Metrópolis aceleradas. Modelo adequado foi avaliado com base na comparação da pontuação do AIC, por meio da estatística do modelo de desenvolvimento e boa forma para distribuições comuns de rede: grau de distribuição (distribuição de linhas de incidente com cada nó no gráfico), a distribuição lateral compartilhada entre parceiros (número de margens em que 2 parceiros tem k sócios em comum para cada valor de k), a distribuição geodésica (número de pares para que o caminho mais curto entre os parceiros e do comprimento de k ), e triplo Censo (contagem dos diferentes tipos do trio, ou grupos de 3 nos, que surgem na rede).28 Ocorreram 3 fases para a construção do modelo. Primeiro, foi desenvolvido um modelo nulo (modelo 1), que é um modelo de parâmetro único que assume igual probabilidade para todas as margens da rede.28 Acrescentamos atributo para o Modelo 2 e previsões estruturais para o Modelo 3. Carteira de sócio do GUIA, anos trabalhando na atividade física, região (Sudeste, Centro Oeste, Sul, Nordeste, E.U.A.) e área de atividade física (pesquisa, educação, desenvolvimento de politicas, promoção ou prática) foram incluídos como atributos preditores de colaboração entre as organizações. A importância da organização de pares (variando de 1 = não importante, para 5 = muito importante) e frequência de contato (sem contato, anual, trimestral, mensal, semanal e diário) foram incluídos como preditores estruturais. Para os modelos logísticos nós dicotomizamos (dichotomized) as variáveis de colaboração como 0 = não relacionado e comunicação, e 1 = cooperação, colaboração e parceria. Esse ponto de corte foi escolhido com base na distribuição das respostas. Modelo de Atributos. Este modelo captura a influência das caracteristicas das organizações, em colaboração entre as organizações. A carteira de membro do Guia foi uma variável dicotómica que indica se as organizações participam no projeto GUIA ou não, nenhum membro do Projeto GUIA foi utilizada como categoria de referência. Os anos envolvidos na atividade física foram tratados como uma variável continua. A região foi uma variável categórica, refletindo a localização das organizações (ex., Sudeste, Centro Oeste, Sul, Nordeste, E.U.A.), a região Sudeste teve o maior número de organizações e foi selecionada como categoria de referência. A área da atividade física foi uma variável categórica que indica a área de atividade física que a organização esta envolvida em (pesquisa, educação, políticas, e promoção/ pratica), incluída no modelo como um fator que captura o efeito do diferencial de homofilia (ex., a tendência das organizações a colaborar com outras organizações na mesma área de atividade física trabalhando na atividade física no Brasil). Modelo de Atributos e Preditor Estrutural. Este modelo captura os efeitos de ambos os atributos e previsões estruturais. Nós adicionamos 2 outras relações de rede: importância e frequência de contato. Estas previsões estruturais nos permitem responder as perguntas: Qual é a relação entre a importância relatada das organizações (1 “sem importância,” a 5 “extremamente importante”) e a possibilidade de colaboração? E qual é a relação entre a frequência relatada de contato (sem contato, anual, trimestral, mensal, semanal e diária) e da probabilidade de colaboração? Nossa hipótese é que quanto maior a frequência de contato, maior a probabilidade de colaboração. Foram incluídos 3 termos geometricamente ponderados (GWESP, GWDegree e GWDSP).29,30 Estes termos ponderados tem uma dupla função. Eles descobrem aspectos importantes da configuração da rede (veja abaixo uma breve explicação de cada termo) e superam o problema do modelo de generação, isto é, “o fenomeno em que um modelo aparentemente razoável pode realmente ser uma péssima especificação para um conjunto de dados observado, como para tornar os dados observados virtualmente impossíveis sob o modelo.28” GWESP (geometrically weighted edgewise shared partner) é uma medida da transitividade da estrutura da rede.31 Captura a tendência para duas (2) organizações que compartilham um laço de colaboração para formar triângulos completos com outras organizações na rede. A relação entre três (3) organizações é transitiva se, quando a organização A colabora com organização B e organização B colabora com a organização C, então, a organização A colabora com a organização C.23 GWDegree (grau ponderado de estatística geométrica) captura a tendência das organizações com graus mais elevados para formar relações colaborativas uns com os outros.32 GWDSP (geometrically weighted dyad-wise shared partner) é uma medida de equivalencia estrutural da rede. Captura a tendência dos pares (um par de organizações) de ter laços idênticos com outras organizações na rede.23 Rede de Atividade Física no Brasil S245 Resultados A maioria dos entrevistados representaram organizações de pesquisa (64%) seguidos por aqueles que promovem a atividade física na atuação (46%), desenvolvem e implementam políticas (39%), e conduzem atividades educativas (36%). Houveram mais entrevistados do sexo masculino (n = 21) que do feminino (n = 14). A média do número de anos trabalhando na atividade física foi de 9.7 (intervalo: 2-20). O tempo médio trabalhando em suas respectivas organizações foram de 10.2 anos (variação: 2-35). Caracterisitcas da Rede O tamanho da rede foi de 35 (35 organizações). A densidade da rede (numero de laços existentes de todas as ligações possíveis na rede) antes da rede ser dicotomizada era de 0.31. Isso significa que, nessa rede, 31% de todos os laços possíveis estão presentes. A densidade da rede e tipicamente de modo inverso, relacionada ao tamanho da rede (quanto maior a rede, menor a sua densidade). Podemos desenhar a conclusão a partir desses dados, que a rede de colaboração e um pouco coesa.A centralidade de proximidade ou a distancia total de uma organização para todas as outras organizações varia de 0.40-0.85 (Secretaria Municipal de Saúde de Curitiba-SMSCuritiba). Isso indica que SMSCuritiba é a organização mais central na rede. Outras organizações que estão no centro da rede, em termos de proximidade, são o Ministério da Saúde (MS) (0.80), CELAFISCS (0.75), e o Centro de Controle e Prevenção de Doenças (CDC) (0.77). A centralidade de proximidade da rede global é de 0.47, que devem ser interpretados em comparação com outras redes.33 A centralidade intermediária ou a medida em que uma organização serve como um elo para facilitar o contato com outras organizações na rede variam de 0 a 0.09. A centralidade intermediária de 0 indica que a organização não media as outras organizações. A organização com maior centralidade intermediária é a CELAFISCS (0.09), o que indica que é uma chave intermediária na rede. A centralidade intermediária da rede global e de 0.08, que deveriam ser interpretados em comparação com outras redes.33 Também realizamos uma análise para identificar organizações que foram percebidas como sendo lideres no campo da atividade física no Brasil (Figura 1). O numero de nomeações de liderança variou de 0 a 23, indicando que algumas instituições foram percebidas como lideres por 0 organizações, enquanto outras foram percebidas como lideres em até 23 organizações. A Figura 1 mostra os nós que representam cada organização rotulada com um único número. O tamanho do nó varia de acordo com o número de nomeações de liderança que cada organização recebeu, maior o nó, maior o número de nomeações de liderança recebidas (Para uma lista de todas as organizações com o seu número de nó correspondente favor consultar o Apêndice). Todas as organizações GUIA tiveram pelo menos um número moderado de nomeações de liderança, sendo 3 para o Projeto GUIA, (CELAFISCS-nó # 1, MS-no´# 9, e do CDC nó # 5) tiveram o maior número de nomeações de liderança. Figura 1 — Rede com tamanho baseado no número de nominações de lideranca (veja Apêndice). S246 Brownson et al O in-degree para a rede de colaboração (ex., o número de vezes que uma organização recebeu nomeações para colaborar com outras organizações) variou de 1 a 23. As 5 empresas top empresas in-degree de colaboração, foram os membros do projeto GUIA, incluindo o Ministério da Saúde (no #9), CELAFISCS (no #1), Universidade Federal de Pelotas (UFPEL, nó #24), o Pontificia Universidade Católica do Paraná (PUCPR, nó #32) e CDC (nó n#5). As organizações na rede com o menor numero de nomeações para colaboração pelo resto das organizações incluíram 2 universidades federais e secretaria municipal de saúde. Uma análise do out-degree para a rede de colaboração (ex.,o número de vezes que uma organização nomeou outras organizações) mostra que as organizações com maior out-degree para colaboração eram organizações GUIA, incluindo a SMSCuritiba, UFPEL, PUCPR, CDC e MS. Figura 2 visualiza a colaboração baseada em in-degree. As organizações com os maiores in-degree e out-degree para colaboração, foram MS, CDC, UFPEL, e SMSCuritiba. Ambos CDC e Ministério da Saúde têm grande popularidade dentro da rede, demonstrado pelo elevado in-degree, bem como elevado out-degree (Figura 3). Modelagem em Estatística Aleatória Abaixo, nós interpretamos somente o modelo final (modelo 3), que incluí ambos atributos e previsões estruturais. No modelo final, os seguintes atributos premeditores de colaboração foram estatisticamente significativas: região Sul, membro do Projeto GUIA, anos trabalhando na atividade física, e pesquisa, educação, e áreas de promoção/práticas de atividade física (Tabela 1). As probabilidades de uma organização GUIA formar um laço colaborativo foram 2.45 vezes das chances de uma organização não-GUIA. As chances de formar um laço colaborativo aumentou 0.03 a cada ano adicional de respondente trabalhando na área de atividade física. As probabilidades de uma organização da região Sul formar um laço de colaborativo com outra organização foi 2.01 vezes mais de que as chances de uma organização do Sudeste. Se 2 membros da rede foram as duas organizações de pesquisa, então houve uma chance maior de que eles iriam colaborar. Da mesma forma, se 2 organizações eram ambos organizações de promoção/prática, então houve uma maior chance de que elas iriam colaborar. Se 2 organizações em rede foram ambas organizações de ensino, então, houve uma menor chance de colaborarem entre si. Todas as previsões estruturais foram estatisticamente significativas. A importância da organização, como classificado pelas organizações, foi positivamente relacionada com a probabilidade de colaboração. Frequência de contatos foi positivamente relacionada com a probabilidade de colaboração (ex., organizações que contatam entre si com mais frequência eram mais propensas a colaborar). Houve também uma tendência positiva para a transitividade, o que significa que os membros da rede tendem a formar triângulos completos (GWESP) com outros membros da rede. Além disso, nessa rede, houve Figura 2 — Rede com tamanho baseado no número de vezes que uma organização foi identificada como um colaborador (indegree) (veja Apêndice). Rede de Atividade Física no Brasil S247 Figura 3 — Rede com tamanho baseado no número de colaboradores na organização identificada (out-degree) (veja Apêndice). uma forte tendência para as organizações com alto grau (GWDegree), para colaborar com outras organizações que também tem alto grau. Além disso, o valor negativo de GWDSP indica pouca equivalencia estrutural dentro da rede, ou seja, os membros das duplas dentro da rede tendem a não compartilhar laços com os mesmos conjuntos de parceiros. Modelo Adequado Foram estimados os parâmetros do modelo gráfico aleatório exponencial ou P * modelo e boa forma usando métodos MCMC. Testes de boa forma foram conduzidos para a distribuição de rede comum.23,28 Comparamos redes observadas e simuladas em 4 caracteristicas—parceiros compartilhados lateralmente, distancia geodésica mínima, grau e triplo censo—para avaliar a adequação do modelo, seguindo o exemplo fornecido pelo Goodreau e colegas.34 A Figura 4 mostra os resultados, que indicam boa adequação do modelo (no caso de um excelente ajuste do modelo, as linhas pretas devem caber dentro das cinza 95% intervalo de confiança limitado). Como mencionamos acima, os problemas de convergencia são comuns em ERGMs e eles tem sido mais conhecidos na rede de dados caracterizada por altos níveis de transitividade.26,28 Também comparamos a pontuação AIC entre um modelo 1 (AIC = 808.22), modelo 2 (AIC = 666.23 ), e modelo 3 (AIC = 398.75), que indicaram que o modelo 3 melhor se ajusta aos dados. (Figura 4) Barreiras Entrevistados relataram varias barreiras que limitam a colaboração. A barreira mais frequentemente relatada foi a burocracia (relatada por 58% dos entrevistados). Outras barreiras importantes incluíram a regras interorganizacionais (36%), falta de tempo (33%), objetivos diferentes das organizações (30%), e a incapacidade de encontrar colaboradores (24%). As barreiras menos comuns foram que os custos de colaboração eram mais importantes que os benefícios (12%) e experiência anterior inadequada (6%). Uma análise separada das barreiras entre organizações Guia e organizações não GUIA apresentaram diferenças significativas. Discussão O movimento voltado a abordagem baseada em evidencias a promoção de atividade física no Brasil, foi acelerado nos últimos 10 anos.35,36 As informações sobre a organização (rede) estruturas que facilitem a colaboração e execução do programa ainda são escassas. Este estudo é o primeiro exame quantitativo das redes para pesquisa e promoção da atividade física na América Latina. O papel de parcerias fortes e os laços de colaboração na promoção da saúde publica e apoiado dentro da literatura,11,12,37 incluindo a necessidade de compreender as caracteristicas e processos que conduzem a parcerias bem sucedidas a S248 Logit SE CI d.f. 0.74–0.66 Logit Ref –2.83*** 0.61** 0.11 Nordeste E.U.A. –403.10 * P < 0.05; ** P < 0.01; *** P < 0.001. AIC 808.22 Probabilidade 812.6 1 –322.11 Probabilidade AIC 666.23 BIC 714.51 11 d.f. –183.37 Probabilidade –0.25*** GWDSP (Equivalencia estrutural) Adequação do Modelo 6.33*** 0.32** GWDegree (grau) 1.23–2.85 0.24 2.96*** 1.87 0.87–3.22 –1.58* 0.44*** –0.61 0.29 0.70* 0.83 – 0.03* 0.89*** – GWESP (Agrupamento) 0.34 1.68 3.45–0.03 1.34–3.92 1.04–1.18 1.46–2.30 2.07–5.31 1.20–2.04 – 1.02–1.03 2.13–4.86 – Logit –8.08*** 2.99*** 0.63 Promoção/Pratica 0.64 0.33 2.29 1.11 1.84 3.32 1.56 – 1.03 3.22 – CI 0.36–0.00 Contato 0.52 Políticas Públicas 1.09 0.33 0.29 0.19 0.20 0.30 – 0.00 0.18 – OR 0.05 1.48*** –1.09 Educação SE 0.33 398.75 AIC 0.01 0.64 0.02 0.15 0.08 0.12 0.31 0.70 0.13 0.36 0.27 0.28 0.47 – 0.01 0.05 – 0.39 SE 468.97 BIC 0.77 561.15 19.29 19.88 4.39 1.37 1.27 0.20 1.55 0.54 1.33 2.01 2.29 – 1.03 2.43 – 0.00 OR 16 d.f. 0.78–0.77 0.19–1575923 17.18–21.67 8.25–47.89 3.48–5.54 1.27–1.48 1.09–1.47 0.02–1.80 1.38–1.73 0.35–0.83 1.14–1.55 1.37–2.95 1.06–4.92 – 1.02–1.03 2.23–2.65 – 0.14–0.00 CI Modelo 3: Premeditores de Atributos e Estruturas Importancia 0.83* Pesquisa Áreas de Atividade Física (diff homophily) 1.20*** 0.45 Centroeste Sul Ref Sudeste Regiões (efeitos principais) 0.03** BIC 0.7 OR Anos trabalhando em AF 0.08 1.17*** –0.35*** Modelo 2: Premeditores de Atributos Sim Não (Referência) Carteira de membro do GUIA Margens Coeficiente Modelo 1: modelo nulo Tabela 1 Modelos Estocasticos Prevendo a Probabilidade de uma Ligação Colaborativa entre 2 Agências que trabalham na Promoção da Atividade Física no Brasil Rede de Atividade Física no Brasil S249 Figura 4 — Modelo estrutural da boa forma. nível da comunidade.11,12,38-40 Os dados na construção de alianças mostram vários fatores que predizem a eficácia, incluindo: aumento da participação dos membros, diversidade, colaboração e a coesão do grupo.41 Existe menos evidência direta sobre os métodos para construção de parcerias viáveis e longo período de parcerias dentro e entre países para enfrentar os principais problemas de saúde pública (ex., promoção da atividade física). Um estudo de 30 países das prioridades estratégicas, colaboração e desenvolvimento das políticas de prevenção de doenças cronicas foi publicada pela Organização Mundial da Saúde.42 Alguns dos principais benefícios da colaboração incluiu (em ordem de classificação) 1) intercâmbio de informação; 2) o acesso a experiência, conhecimento, especialidade e 3) acesso as redes; 4) acesso a tecnologia e metodologia; 5) regras, desenvolvimento e apoio, e 6) oportunidade de participar de pesquisas, publicações e estudos internacionais. Vários resultados importantes da nossa análise de redes são contruído com base nessa literatura. Ambos atributos e indicadores estruturais foram essenciais na determinação da chance de colaboração entre organizações envolvidas na pesquisa e promoção da atividade física no Brasil. Por exemplo, a probabilidade de colabo- ração era maior se os membros da rede fossem organizações de pesquisas e uma organização é vista como importante. Outros indicadores chaves da colaboração foram longevidade na rede de atividade física e localização nas regiões sul do Brasil. A região sul do Brasil é o lar de várias instituições acadêmicas e de pesquisas que são reconhecidas no âmbito nacional e internacional. Muitas das organizações membras do GUIA estão localizadas na região sul do pais, incluindo a Pontifícia Universidade Católica do Paraná e a Universidade Federal de Pelotas, ambas as instituições são lideres de pesquisa no pais na área de Atividade Física. Além disso, uma organização GUIA, em comparação com uma organização não-GUIA, é mais provável para formar um laço de colaboração, provavelmente devido a este ser um dos objetivos do projeto GUIA. As organizações de pesquisa eram mais prováveis a colaborar e organizações de educação eram menos prováveis a formar parcerias. A importância da Organização, como classificado pelas organizações, foi positivamente relacionada com a probabilidade de colaboração. A frequência de contatos foi positivamente relacionada com a probabilidade de colaboração. Organizações que estão em contato entre si com mais frequência, foram mais propensas a colaborar. Houve S250 Brownson et al também uma tendência positiva para a transitividade, o que significa que os membros da rede tendem a formar triângulos completos com outros membros da rede. A tendência a transitividade indica uma tendência das organizações na rede em colaborar no grupo ao invés de nível individual. Transitividade mostra que 3 agências estão totalmente conectadas, compartilham informações, normas e valores, fornecendo feedback e facilitando a resolução de problemas entre 2 organizações pela terceira parte.33 Nossos resultados de análise de rede também ligam ao crescimento do trabalho academico do time de ciência, que muitas vezes é realizado através de pesquisa transdisciplinar. A pesquisa transdisciplinar oferece oportunidades valiosas para colaborar com as intervenções para melhorar a saúde e o bem-estar de ambos indivíduos e comunidades43,44 Esforços de pesquisa do tabaco tem sido bem sucedidas para facilitar cooperação entre disciplinas, tais como publicidade, regras, negócios, ciências médicas e ciências comportamentais. As atividades de pesquisa no âmbito destas redes multidisciplinar de tabaco, tentam preencher as lacunas entre a descoberta cientifica e da tradução de pesquisa, envolvendo uma variedade de aplicadores.45,47 A abordagem transdisciplinar tem também mostrado evidências de eficácia na prevenção da obesidade.48,49 Como redes de promoção de atividade física madura no Brasil, será importante envolver novas disciplinas e organizações. E particularmente importante envolver “não tradicionais” parceiros (ex., aqueles cuja missão não esta diretamente voltadas para a saúde), tais como o comércio e indústria, departamento de transporte local e estaduais, planejadores da cidade, midia local e estadual. Os conhecimentos adquiridos com a nossa analise de rede tem implicações para profissionais, pesquisadores e formuladores de políticas públicas. Porque organizações de pesquisas tendem a colaborar com outras organizações de pesquisa e organizações de promoção/prática tendem a colaborar com organizações similares, e importante construir mais esforços cooperativos entre profissionais e pesquisadores. Um possível caminho para preencher esta lacuna e através do pessoal de pesquisa, pois a maioria dos pesquisadores no Brasil trabalham com instituições de ensino (que tem a missão de aplicar o conhecimento). Membros experientes e de confiança das organizações, podem servir como recursos, desde que eles possam construir conexões sociais entre as pessoas. Muitas vezes, há uma desconectividade na geração de novos conhecimentos, através de pesquisa e uso de evidência para informar sobre regras.50-52 Nossa análise da rede sugere a necessidade de envolver políticas de audiência no início da descoberta do processo, como observado por outros.53,54 As barreiras comuns em destaque parecem ser mais típicas de “práticas de promoção organizacionais” (“setor publico”) do que as “organizações de pesquisas.” Tipicamente no Brasil, ao referir-se a “organizações de investigação” existe apenas um pequeno grupo de pessoas envolvidas, enquanto que “ organizações de pro- moção/prática “ envolvem um grande grupo de pessoas. Organizações de promoção/prática podem beneficiar da colaboração com organizações de pesquisa, a fim de ultrapassar algumas das barreiras comuns. Além disso, organizações de pesquisa podem apoiar as organizações de promoção/prática para estabelecer e fortalecer as normatizações da atividade física, através da partilha e divulgação de estratégias baseadas em evidencias, a promoção da atividade física (ex., por meio de treinamentos, reuniões locais, em parceria de eventos). A centralidade de redes de atividade física no Brasil das principais organizações, tais como CELAFISCS (nó #1), CDC (nó #5), e do Ministério da Saúde (nó #9) não é uma surpresa. No entanto, esta análise destaca o papel limitado que outras poderosas organizações de saúde publica no Brasil, como FioCruz (nó #8) e a Associação Médica Paulista (nó #31) tem desempenhado, com relação a atividade física. A integração extensiva da promoção da atividade física e programas em saúde pública e medicina clínica no Brasil, pode exigir envolvimento destes tipos de parceiros na rede atual. O momento para tal integração, e ilustrado no trabalho do Ministério da Saúde, que expandiu a estratégia de promoção da atividade física de 25 cidades em 2005 para 450 cidades em 2008.3 Algumas limitações do nosso estudo merecem nota. A principal limitação e a nossa estratégia de amostragem. Para a maioria das organizações, o questionário de rede social foi concluído por um único individuo. Também e provável que os indivíduos mais idosos completaram o instrumento. Os profissionais mais jovens e pesquisadores podem relatar estruturas de rede diferentes e representam grande parte, desde que eles representam os esforços futuros, suas perspectivas são importantes. Além disso, desde que o estudo foi originado pelo Projeto GUIA, e possível que os resultados foram em favor dos membros do Guia (ex., nomeações de liderança para organizações da Guia). E importante suplementar estes análises com instrumentos como modelo lógico que pode ilustrar a dinâmica natural da promoção do programa de atividade física.55 Os dados são auto-relatados e nenhuma tentativa foi feita para validar os dados com outras ferramentas de objetivos ou resultados (ex. cálculos de publicações ou doações com representada por múltiplas organizações). Finalmente, esta análise de rede e um snapshot a 1 ponto de tempo 1 (2008-2009) e não reivindica ter incluído todas as possíveis organizações que promove atividade física no Brasil (em parte devido o nosso método de amostragem). Para resolver isto, nos planejamos conduzir outras analises em pouco anos, para examinar mudanças para rede e relações e para incluir uma base de amostragem mais completa. Ao longo do tempo, isto ajudaria informar ciência sobre a forma madura da bem sucedida atividade física na rede. O atual estudo contribui para nosso entendimento de previsão de colaboração entre organizações e irá informar os esforços de planejamento estratégicos a endereçar intervalos e identificar oportunidades para expandir intervenções baseadas em evidências a promover atividade fisica. Fomos capazes de identificar instituições com mais Rede de Atividade Física no Brasil S251 experiência em trabalho colaborativo. Esse e um recurso fundamental para os novo criadores de regras e pesquisadores, por que eles podem aprender da experiência de tal instituição. Como esforços para entender e promover atividade física no Brasil e em outros países da América Latina continuam a amadurecer, análises social da rede fornece um método relativamente simples e econômico para examinar atual conexões e áreas para aprimoramento. Agradecimentos Este estudo foi fundado pelo Centro de Controle e Prevenção de Doenças contrato U48/DP000060-01 (Prevention Research Centers Program). O estudo foi aprovado pelo quadro institucional de análise da Washington University em St. Louis. Os autores são gratos ao investimento de Mario Bracco, Branka Legetic, Victor Matsudo, Marcia Munk, e Eduardo Simões. Referências 1. Murray CJ, Lopez AD. Mortality by cause for eight regions of the world: Global Burden of Disease Study. Lancet. 1997;349(9061):1269–1276. 2. Rivera JA, Barquera S, Gonzalez-Cossio T, Olaiz G, Sepulveda J. Nutrition transition in Mexico and in other Latin American countries. Nutr Rev. 2004;62(7 Pt 2):S149– S157. 3. Malta D, Castro A, Gosh C, et al. National policy of health promotion and the motor activity agenda in the context of the national Health System in Brazil. Epidemiologia Servicios de Saude. 2009;18:79–86. 4. Knuth A, Bacchieri G, Victora C, Hallal P. Changes in physical activity among Brazilian adults over a five-year period. J Epidemiol Community Health. In press. 5. Brownson RC, Fielding JE, Maylahn CM. Evidence-based public health: A fundamental concept for public health practice. Annu Rev Public Health. 2009;30:175–201. 6. Hoehner CM, Soares J, Perez DP, et al. Physical activity interventions in Latin America: a systematic review. Am J Prev Med. 2008;34(3):224–233. 7. Zaza S, Briss PA, Harris KW, eds. The Guide to Community Preventive Services: What Works to Promote Health? New York: Oxford University Press; 2005. 8. Kerner J, Rimer B, Emmons K. Introduction to the special section on dissemination: dissemination research and research dissemination: how can we close the gap? Health Psychol. 2005;24(5):443–446. 9. Matsudo SM, Matsudo VR. Coalitions and networks: facilitating global physical activity promotion. Promot Educ. 2006;13(2):133–138, 158–163. 10. Savitz LA. Managing effective participatory research partnerships. Jt Comm J Qual Patient Saf. 2007;33(12, Suppl):7–15. 11. Israel BA, Schulz AJ, Parker EA, Becker AB. Review of community-based research: assessing partnership approaches to improve public health. Annu Rev Public Health. 1998;19:173–202. 12. Roussos ST, Fawcett SB. A review of collaborative partnerships as a strategy for improving community health. Annu Rev Public Health. 2000;21:369–402. 13. Matsudo SM, Matsudo VR, Araujo TL, et al. The Agita Sao Paulo Program as a model for using physical activity to promote health. Rev Panam Salud Publica. 2003;14(4):265–272. 14. Matsudo V, Matsudo S, Andrade D, et al. Promotion of physical activity in a developing country: the Agita Sao Paulo experience. Public Health Nutr. 2002;5(1A):253– 261. 15. Gamez R, Parra D, Pratt M, Schmid TL. Muevete Bogota: promoting physical activity with a network of partner companies. Promot Educ. 2006;13(2):138–143, 164–139. 16. Salinas J, Vio F. [Promoting health and physical activity in Chile: a policy priority.] Rev Panam Salud Publica. 2003;14(4):281–288. 17. Padgett S, Bekemeier B, Berkowitz B. Collaborative partnerships at the state level: promoting systems changes in public health infrastructure. J Public Health Manag Pract. 2004;10(3):251–257. 18. Center for Physical Aptitude Laboratory Studies from Caetano do Sul (CELAFISCS). Best Practices for Physical Activity Promotion Around the World. Atlanta, GA: International Union for Health Promotion and Education; 2006. 19. Provan KG, Veazie MA, Staten LK, Teufel-Shone NI. The use of network analysis to strengthen community partnerships. Public Adm Rev. 2005;65(5):603–613. 20. Provan KG, Veazie MA, Teufel-Shone NI, Huddleston C. Network analysis as a tool for assessing and building community capacity for provision of chronic disease services. Health Promot Pract. 2004;5(2):174–181. 21. Doreian KL, Woodard K. Fixed list versus snowball selection of social networks. Soc Sci Res. 1992;21:216–233. 22. Farquharson K. A different kind of snowball: identifying key policymakers. Int J Soc Res Methodol. 2005;8(4):345– 353. 23. Wasserman S, Faust K. Social Network Analysis: Methods and Applications. Cambridge, UK: Cambridge University Press; 1994. 24. Harris JK, Luke DA, Burke RC, Mueller NB. Seeing the forest and the trees: using network analysis to develop an organizational blueprint of state tobacco control systems. Soc Sci Med. 2008;67(11):1669–1678. 25. Slonim AB, Callaghan C, Daily L, et al. Recommendations for integration of chronic disease programs: are your programs linked? Prev Chronic Dis. 2007;4(2):A34. 26. Robins G, Snijders T, Wang P, Handcock M, Pattison P. Recent developments in exponential random graph (p*) models for social networks. Soc Networks. 2007;29:192– 215. 27. Robins G, Pattison P, Kalish Y, Lusher D. An introduction to exponential random graph (p*) models for social networks. Soc Networks. 2007;29(2):173–191. 28. Goodreau SM. Advances in Exponential Random Graph (p*) Models Applied to a Large Social Network. Soc Networks. 2007;29(2):231–248. S252 Brownson et al 29. Hunter D, Goodreau S, Handcock M. Goodness of Fit of Social Network Models. Seattle, WA: Center for Statistics and the Social Sciences, University of Washington; 2005. 30. Hunter D, Handcock M, Butts C, Goodreau S, Morris M. ERGM: A Package to Fit, Simulate and Diagnose Exponential-Family Models for Networks. J Stat Softw. 2008;24(3):1–29. 31. van Duijn M, Gile K, Handcock M. A framework for the comparison of maximum pseudo-likelihood and maximum likelihood estimation of exponential family random graph models. Soc Networks. 2009;31(1):52–62. 32. Luke DA, Harris JK, Shelton S, et. al. When is a network a network? Systems science approaches to exploring collaboration among tobacco control organizations. Am J Public Health. In review. 33. de Nooy W, Mrvar A, Batagelj V. Exploratory Social Network Analysis with Pajek. New York, NY: Structural Analysis in the Social Sciences; 2005. 34. Goodreau SM, Handcock MS, Hunter DR, Butts CT, Morris M. A statnet Tutorial. J Stat Softw. 2008;24(9):nihpa54863. 35. Pratt M, Jacoby ER, Neiman A. Promoting physical activity in the Americas. Food Nutr Bull. 2004;25(2):183–193. 36. Shilton T, Bauman A, Bull F, et al. Effectiveness and challenges for promoting physical activity. In: McQueen D, Jones C, eds. Global Perspectives on Health Promotion Effectiveness. New York, NY: Springer; 2007:87–106. 37. Cargo M, Mercer SL. The value and challenges of participatory research: strengthening its practice. Annu Rev Public Health. 2008;29:325–350. 38. Butterfoss FD, Goodman RM, Wandersman A. Community coalitions for prevention and health promotion. Health Educ Res. 1993;8(3):315–330. 39. Lasker RD, Weiss ES. Creating partnership synergy: the critical role of community stakeholders. J Health Hum Serv Adm. 2003;26(1):119–139. 40. Lasker RD, Weiss ES. Broadening participation in community problem solving: a multidisciplinary model to support collaborative practice and research. J Urban Health. 2003;80(1):14–47, discussion 48–60. 41. Zakocs RC, Edwards EM. What explains community coalition effectiveness? A review of the literature. Am J Prev Med. 2006;30(4):351–361. 42. WHO Regional Office for Europe. Policy Development and Implementation Processes in the CINDI and CARMEN Noncommunicable Disease Intervention Programmes. A Comparative Study. Copenhagen: WHO Europe; 2004. 43. Harper GW, Neubauer LC, Bangi AK, Francisco VT. Transdisciplinary research and evaluation for community health initiatives. Health Promot Pract. 2008;9(4):328– 337. 44. Stokols D. Toward a science of transdisciplinary action research. Am J Community Psychol. 2006;38(1-2):63–77. 45. Kobus K, Mermelstein R. Bridging basic and clinical science with policy studies: the Partners with Transdisciplinary Tobacco Use Research Centers experience. Nicotine Tob Res. 2009;11(5):467–474. 46. Kobus K, Mermelstein R, Ponkshe P. Communications strategies to broaden the reach of tobacco use research: examples from the Transdisciplinary Tobacco Use Research Centers. Nicotine Tob Res. 2007;9(Suppl 4):S571–S582. 47. Morgan GD, Kobus K, Gerlach KK, et al. Facilitating transdisciplinary research: the experience of the transdisciplinary tobacco use research centers. Nicotine Tob Res. 2003;5(Suppl 1):S11–S19. 48. Byrne S, Wake M, Blumberg D, Dibley M. Identifying priority areas for longitudinal research in childhood obesity: Delphi technique survey. Int J Pediatr Obes. 2008;3(2):120–122. 49. Russell-Mayhew S, Scott C, Stewart M. The Canadian Obesity Network and interprofessional practice: members’ views. J Interprof Care. 2008;22(2):149–165. 50. Brownson RC, Chriqui JF, Stamatakis KA. Understanding evidence-based public health policy. Am J Public Health. 2009;99(9):1576–1583. 51. Choi B, Pang T, Lin V, et al. Can scientists and policy makers work together? J Epidemiol Community Health. 2005;59:632–637. 52. Davis P, Howden-Chapman P. Translating research findings into health policy. Soc Sci Med. 1996;43(5):865–872. 53. Brownson RC, Royer C, Ewing R, McBride TD. Researchers and policymakers: travelers in parallel universes. Am J Prev Med. 2006;30(2):164–172. 54. Sweet M, Moynihan R. Improving Population Health: The Uses of Systematic Reviews. New York: Milbank Memorial Fund; 2007. 55. Ribeiro IC, Torres A, Parra DC, et al. Using logic models as iterative tools for planning and evaluating physical activity promotion programs in Curitiba, Brazil. J Phys Act Health. 2010;7(suppl 2):S155–S162. Apêndice Organizações Participante para Figuras 1–3 1. CELAFISCS (Centro Estudos Laboratorios para Aptidão Física de Caetano do Sul) 2. USP (Universidade Estadual de São Paulo) 3. UNIFESP (Universidade Federal de São Paulo) 4. INCOR (Institudo do Coração do Brasil) 5. CDC (Centro Para Controle e Prevenção de Doenças) 6. CONASS (Conselho National de Secretarios de Saúde) 7. CONASEMS (Conselho National de Secretarias Municipais de Saúde) 8. FIOCRUZ (Fundação Osvaldo Cruz) 9. MOH (Ministério da Saúde do Brasil) 10. PAHO (Organização de Saúde Pan Americana) 11. PRC (Prevention Research Center em St. Louis) 12. ADC (Academia da Cidade, “City gyms” Programa de atividade física comunitário) 13. CURITIBATIVA (CuritibAtiva Programa de atividade comunitaria) Rede de Atividade Física no Brasil S253 14. SMSARACAJU (Secretaria Municipal da Saúde de Aracaju) 15. SMSCURITIBA (Secretaria Municipal da Saúde de Curitiba) 16. SMSGUARULHOS (Secretaria Municipal da Saúde de Guarulhos) 17. SMSRECIFE (Secretaria Municipal da Saúde de Recife) 18. SMEL (Secretaria Municipal do Esporte e Lazer de Curitiba) 19. SBAFS (Sociedade Brasileira de Atividade Física e Saúde) 20. UFBA (Universidade Federal da Bahia) 21. UFF (Universidade Federal Fluminense) 22. UFPR (Universidade Federal do Paraná) 23. UFSC (Universidade Federal de Santa Catarina) 24. UFPEL (Universidade Federal de Pelotas) 25. UPE (Universidade Estadual de Pernambuco) 26. UNICAMP (Univerdade Estadual de Campinas) 27. ANAD (Associação National de Assistência de Diabético) 28. IIRSAE (Instituto Israelita de Responsabilidade Social Albert Einstein) 29. UFSCAR (Universidade Federal de São Carlos) 30. SMSSAOCARL (Secretaria Municipal da Saúde de São Carlos) 31. APM (Associação Paulista de Medicina) 32. PUCPR (Pontificia Universidade Catolica do Parana) 33. SMSBELO (Secretaria Municipal da Saúde de Belo Horizonte) 34. SMSVITORIA (Secretaria Municipal da Saúde de Vitoria) 35. NUPAF (Núcleo de Pesquisa em Atividade Fisica e Saúde)