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)