José Rodrigo de Moraes - Instituto de Estudos em Saúde Coletiva
Transcrição
José Rodrigo de Moraes - Instituto de Estudos em Saúde Coletiva
i UNIVERSIDADE FEDERAL DO RIO DE JANEIRO CENTRO DE CIÊNCIAS DA SAÚDE INSTITUTO DE ESTUDOS DE SAÚDE COLETIVA ESTADO DE SAÚDE AUTORREFERIDO DE ADULTOS NO BRASIL E A ÁREA DE LOCALIZAÇÃO DO DOMICÍLIO SEGUNDO A PNAD 2008: AVALIAÇÃO DO EFEITO DO PLANO AMOSTRAL E USO DE MODELO LOGÍSTICO ORDINAL VIA ABORDAGENS AGREGADA E DESAGREGADA José Rodrigo de Moraes RIO DE JANEIRO 2012 ii José Rodrigo de Moraes ESTADO DE SAÚDE AUTORREFERIDO DE ADULTOS NO BRASIL E A ÁREA DE LOCALIZAÇÃO DO DOMICÍLIO SEGUNDO A PNAD 2008: AVALIAÇÃO DO EFEITO DO PLANO AMOSTRAL E USO DE MODELO LOGÍSTICO ORDINAL VIA ABORDAGENS AGREGADA E DESAGREGADA Tese apresentada ao Programa de Pós-Graduação em Saúde Coletiva, do Instituto de Estudos em Saúde Coletiva da Universidade Federal do Rio de Janeiro, como requisito parcial para obtenção do título de Doutor em Saúde Coletiva na linha de pesquisa “Desenvolvimento de Métodos Estatísticos, Epidemiológicos e Computacionais em Saúde”. Orientador: Ronir Raggio Luiz RIO DE JANEIRO 2012 iii José Rodrigo de Moraes ESTADO DE SAÚDE AUTORREFERIDO DE ADULTOS NO BRASIL E A ÁREA DE LOCALIZAÇÃO DO DOMICÍLIO SEGUNDO A PNAD 2008: AVALIAÇÃO DO EFEITO DO PLANO AMOSTRAL E USO DE MODELO LOGÍSTICO ORDINAL VIA ABORDAGENS AGREGADA E DESAGREGADA Tese apresentada ao Programa de Pós-Graduação em Saúde Coletiva, do Instituto de Estudos em Saúde Coletiva da Universidade Federal do Rio de Janeiro, como requisito parcial para obtenção do título de Doutor em Saúde Coletiva na linha de pesquisa “Desenvolvimento de Métodos Estatísticos, Epidemiológicos e Computacionais em Saúde”. Banca avaliadora: Prof. Dr Ronir Raggio Luiz (IESC/UFRJ) – Orientador Prof. Dr Alexandre dos Santos Brito (IESC/UFRJ) Prof. Dr Guilherme Loureiro Werneck (ENSP/FIOCRUZ) Prof. Dr Antonio Carlos Monteiro Ponce de Leon (IMS/UERJ) Prof. Dr Christovam Barcellos (FIOCRUZ) RIO DE JANEIRO 2012 iv M827 Moraes, José Rodrigo de. Estado de saúde autorreferido de adultos no Brasil e a área de localização do domicílio segundo a PNAD 2008: avaliação do efeito do plano amostral e uso de modelo logístico ordinal via abordagens agregada e desagregada/ José Rodrigo de Moraes. – Rio de Janeiro: UFRJ/ Instituto de Estudos em Saúde Coletiva, 2012. 166 f.; 30cm. Orientador: Ronir Raggio Luiz . Tese (Doutorado) - UFRJ/Instituto de Estudos em Saúde Coletiva, 2012. Inclui Bibliografia 1. Avaliação em saúde. 2. Distribuição espacial da população. 3. Regressão logística . 4. Estatística. 5. Bioestatística. 6. Análise multinível. I. Luiz, Ronir Raggio. II. Universidade Federal do Rio de Janeiro, Instituto de Estudos em Saúde Coletiva. III. Título. CDD 570.15195 v Em primeiro lugar dedico esta tese a Deus por permitir que eu completasse mais essa importante etapa da minha vida; em segundo lugar aos meus pais Vera Lúcia e José Roberto e ao meu irmão José Roberto Júnior por me apoiarem em todos os momentos na realização de mais esse grande sonho: “Ser doutor e assim poder conseguir maior êxito nas minhas atividades profissionais de ensino e pesquisa”. vi Agradecimentos Especialmente ao meu orientador Ronir Raggio Luiz, a quem tenho um grande respeito e admiração, não somente pelo incentivo a produção acadêmica, pela indicação para ser avaliador de artigos científicos e por seu vasto conhecimento em estatística e epidemiologia, mas principalmente pela forma como conduziu o seu trabalho de orientação durante todo esse tempo. Sua pontualidade, paciência, atenção, além da confiança depositada em mim, foram com certeza qualidades fundamentais para a conclusão desta tese. Ao Professor Ponce de Leon, agradeço por ter atendido o meu pedido para assistir as suas aulas de bioestatística no IMS/UERJ sem me conhecer pessoal ou profissionalmente, e sobretudo por ter me comunicado sobre o início do doutorado no IESC e desse modo possibilitado que eu me inscrevesse no processo seletivo ainda em 2009. A todas as pessoas que me incentivaram nesta longa caminhada, em especial a minha namorada Renata Lacerda e aos meus grandes amigos Milton Ferreira e Jorcely Franco pela grande ajuda, atenção e paciência em muitos momentos. Aos meus amigos de turma, em especial Patrícia Guimarães, Fátima Paula, Jéssica Pronestino e Raphael Mendonça, por todas as sugestões e críticas que me fizeram refletir e crescer como pesquisador. Aos professores que sempre me espelhei Inês Costa (ENCE/IBGE) e Frederico Cavalcanti (ENCE/IBGE) por terem me estimulado para a carreira acadêmica. A todos os meus amigos do Departamento de Estatística da Universidade Federal Fluminense, em especial Luz Amanda, Dirley Santos e Licínio Esmeraldo, por me incentivarem durante todo esse período de realização da tese. A todos os meus alunos da Universidade Federal Fluminense, em especial os da graduação de Estatística, Farmácia e Economia, agradeço por continuarem me mostrando por meio de palavras ou por simples gestos que tenho condições de fazê-los compreender as técnicas estatísticas, motivando-me ainda mais a me empenhar na carreira acadêmica. Ao Instituto de Estudos em Saúde Coletiva (IESC/UFRJ), por ter-me acolhido com todo carinho durante todo o período de estudo e pesquisa e por ter me possibilitado conhecer e valorizar ainda mais a área de Saúde Coletiva, além de ter me possibilitado construir laços de amizade e parcerias com diferentes profissionais da área de saúde. A Coordenadora Geral da Escola Nacional de Ciências Estatísticas (ENCE), Denise Britz, por ter me permitido usar o programa SAS nos momentos em que precisei. vii SUMÁRIO Lista de Tabelas....................................................................................................... viii Lista de Quadros...................................................................................................... x Lista de Figuras....................................................................................................... xi Lista de Siglas......................................................................................................... xii 1. Introdução........................................................................................................ 01 2. Saúde Urbana.................................................................................................. 05 2.1. Saúde e urbanização................................................................................... 05 2.2. Saúde e os lugares...................................................................................... 07 2.2.1. Modelos conceituais em Saúde......................................................... 13 2.2.2. Definição de urbano e rural.............................................................. 16 2.2.3. Indicadores de saúde........................................................................ 19 2.2.3.1. Morbidade autorreferida........................................................ 20 2.2.3.2. Mobilidade física autorreferida.............................................. 21 2.2.3.3. Autoavaliação de saúde......................................................... 22 3. Objetivos.......................................................................................................... 24 3.1. Objetivo geral............................................................................................ 24 3.2. Objetivos específicos................................................................................. 24 4. Material e Métodos......................................................................................... 26 4.1. Pesquisa Nacional por Amostra de Domicílios – PNAD...................... 26 4.1.1. Plano amostral da PNAD.................................................................. 27 4.1.1.1. Informações do plano amostral............................................. 29 4.1.1.2. Estrutura hierárquica dos dados............................................. 31 4.2. Modelagem Estatística............................................................................. 35 4.2.1. Autoavaliação do estado global de saúde do indivíduo.................... 35 4.2.2. Variáveis explicativas do modelo..................................................... 38 4.2.3. Modelo logístico ordinal................................................................... 48 4.2.4. Modelo logístico ordinal multinível.................................................. 49 5. Resultados......................................................................................................... 55 5.1. Artigo 1....................................................................................................... 55 5.2. Artigo 2....................................................................................................... 81 5.3. Artigo 3....................................................................................................... 101 5.4. Artigo 4....................................................................................................... 124 6. Considerações finais........................................................................................ 150 Apêndice................................................................................................................. 156 Referências bibliográficas..................................................................................... 161 Anexos viii Lista de Tabelas Artigo 1: Tabela 1: Associações de variáveis demográficas, socioeconômicas, comportamentais e de saúde com o estado de saúde autorreferido – Brasil................................................................ 67 Tabela 2: Modelos logísticos ordinais (multivariados) explicativos do estado de saúde autorreferido de adultos - Brasil...............................................................................................69 Tabela 3: Medidas de razão de chance para as variáveis de interação ................................... 71 Artigo 2: Tabela 1: Modelo logístico ordinal ajustado por MPV considerando todas as informações do plano amostral...........................................................................................................................92 Tabela 2: Modelos logísticos ordinais ajustados por MV considerando apenas os pesos amostrais, e por MV desconsiderando os pesos amostrais e as informações estruturais do plano amostral ..........................................................................................................................95 Artigo 3: Tabela 1: Ajuste de modelos logísticos univariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde .................................................................................................................................................112 Tabela 2: Ajuste de modelos logísticos multivariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde, controlando por um conjunto de variáveis demográficas, socioeconômicas, comportamentais e de saúde...................................................................................................115 Artigo 4: Tabela 1: Distribuição de adultos segundo o desfecho de autoavaliação de saúde, a área de localização do domicílio e as variáveis de controle (categóricas) usadas na análise multinível – Municípios populosos..........................................................................................................134 Tabela 2: Associação entre pesos amostrais e o desfecho de autoavaliação de saúde de adultos nos municípios considerados (análise multinível) .................................................................136 Tabela 3: Resultados do teste de comparabilidade entre o modelo nulo de 4 níveis (adulto, domicílio, setor e município) com outros quatro modelos nulos com menos níveis de hierarquia ...............................................................................................................................137 Tabela 4: Estimativas para os modelo logísticos ordinais de interceptos aleatórios de 4 níveis para o desfecho de autoavaliação de saúde de adultos............................................................138 Tabela 5: Análise multinível da autoavaliação de saúde de adultos: estimativas para o modelo logístico ordinal de interceptos aleatórios de 4 níveis considerando efeitos principais................................................................................................................................ 141 ix Lista de Tabelas (continuação) Apêndice: Tabela 1: Ajustes dos modelos logísticos ordinais univariados (MCP e MCPP) para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde........................................................................................156 Tabela 2: Ajustes dos modelos logísticos ordinais multivariados (MCP e MCPP) para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde........................................................................................158 x Lista de Quadros Quadro 1: Listagem do conjunto inicial de variáveis explicativas consideradas no ajuste dos modelos logísticos (abordagens agregada e desagregada) explicativos do estado global de saúde autorreferido do indivíduo..............................................................................................47 Artigo 3: Quadro 1: Comparações efetuadas no modelo de regressão logística ordinal (modelo de chances proporcionais)...........................................................................................................109 xi Lista de Figuras Figura 1: Modelo Conceitual para Saúde Urbana................................................................... 13 Figura 2: Outro Modelo Conceitual para Saúde Urbana..........................................................14 Figura 3: Estrutura do plano amostral da PNAD..................................................................... 29 Figura 4: Relação entre uma variável latente e uma variável categórica de 3 níveis.............. 37 Figura 5: Níveis de hierarquia das variáveis de controle....................................................... 39 Artigo 1: Figura 1: Distribuição de adultos segundo o estado de saúde autorreferido. Brasil........................................................................................................................................ 66 Apêndice: Figura 1: Probabilidade acumulada do adulto autorreferir melhor estado de saúde por área censitária segundo os modelos de chances proporcionais (MCP) e os modelos de chances proporcionais parciais (MCPP)...............................................................................................160 xii Lista de siglas AR – Municípios autorrepresentativos MB – Modelo (logístico) binário MCP – Modelo de chances proporcionais MCPP – Modelo de chances proporcionais parciais MPV – Método de Máxima Pseudo-Verossimilhança MV – Método de Máxima Verossimilhança NAR – Municípios não autorrepresentativos OMS – Organização Mundial de Saúde OPAS – Organização Pan-Americana de Saúde OR – Razão de chances PNAD – Pesquisa Nacional por Amostra de Domicílios PSF – Programa da Saúde da Família UPA – Unidade primária de amostragem USA – Unidade secundária de amostragem UTA – Unidade terciária de amostragem xiii RESUMO Usando os dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) 2008, com modelos logísticos ordinais (modelos de chances proporcionais), o presente estudo pode ser dividido em quatro partes (artigos). Na parte 1 avaliou a associação entre a área de localização do domicílio (urbana e rural) e o estado de saúde autorreferido da população adulta brasileira, controlando para um conjunto de fatores individuais e do ambiente intradomiciliar e extradomiciliar. Na parte 2 avaliou o impacto nas medidas de razões de chance e nas medidas de precisão das estimativas dos parâmetros quando não se consideram alguns ou todos os aspectos do plano amostral ao ajustar um modelo logístico ordinal para estabelecer a associação entre o estado de saúde autorreferido de adultos e um conjunto de fatores individuais e ambientais. Na parte 3 comparou a associação entre a situação censitária (urbana vs rural) e o desfecho de autoavaliação de saúde de adultos no Brasil considerando os casos em que este desfecho é expresso em escala ordinal (três e cinco categorias) e binária. Na parte 4, ajustando para características do ambiente intradomiciliar (domicílio) e extradomiciliar (setor) e para características individuais (adulto) teve como objetivo avaliar, por meio de modelo de regressão logística ordinal multinível, o efeito da área de localização do domicílio (urbana e rural) na autoavaliação de saúde de adultos residentes em cidades populosas. Quanto aos resultados, observou-se na parte 1 que ao controlar por fatores individuais e ambientais, a associação entre a área de localização do domicílio e o estado de saúde autorreferido dos adultos se modifica (passando de OR=1,51 para OR=0,96) e perde a sua significância estatística (p-valor=0,208). Na parte 2, observou-se que quando não se considera os três aspectos (estratificação, conglomeração e pesos amostrais distintos) simultaneamente, ocorrem alterações nas magnitudes das medidas de razões de chance do adulto autorreferir melhor estado de saúde associadas à maioria dos fatores, além de grande subestimação dos erros padrões. Na parte 3, para as diferentes escalas de autoavaliação de saúde verificaram-se semelhanças no sentido, magnitude e significância estatística da associação entre a situação censitária e a chance (acumulada) de melhor autoavaliação de saúde tanto na análise bruta quanto na análise multivariada. Com relação à parte 4, na análise bruta os resultados mostraram que a área urbana, em comparação a área rural, está associada a melhores níveis de autoavaliação de saúde de adultos, mas na análise ajustada não se evidenciou uma diferença estatisticamente significante nos níveis de autoavaliação de saúde entre áreas urbana e rural de municípios populosos. Palavras-chave: Estado de saúde autorreferido, área de localização do domicílio, modelo de regressão logística ordinal, efeito do plano amostral, escala binária, escala ordinal, modelo regressão logística ordinal multinível. xiv ABSTRACT Using data from the National Household Sampling Survey (PNAD) 2008, with ordinal logistic models (proportional odds models), the present study can be divided into four parts (papers). In part 1 assessed the association between the area where the homes of a Brazilian adult population were located (urban or rural) and these individuals’ self-reported state of health, while controlling for a set of individual and environmental factors within and outside of households. In part 2 assessed the impact on odds ratio and accuracy measurements of the parameters estimates when some or all the features of the sampling plan are not taken into account in fitting ordinal logistic models to establish associations between adults’ selfreported health status and various individual and environmental factors. In part 3 compared the association between census tract location (urban vs rural) and the outcome of self-assessed health among adults in Brazil, considering cases in which this outcome is expressed on an ordinal scale (three and five categories) and on a binary scale. In part 4 evaluated the effect of household location (urban or rural) on self-assessed health among adults living in large cities, by means of a multilevel ordinal logistic regression model, with adjustments for environmental characteristics inside homes (household) and outside homes (census tract) and for characteristics of the individuals (adult). Regarding the results, in part 1 the results indicated that after controlling for individual and environmental factors, the association between the area of home location and individuals’ self-reported state of health became modified (going from OR = 1.51 to OR = 0.96) and lost its statistical significance (p-value = 0.208). In part 2, it was seen that when the three features (stratification, clustering and different sampling weights) were not simultaneously taken into account, there were changes to the magnitudes of the odds ratio measurements, such that adults self-reported a better state of health in relation to most of the factors, along with major underestimation of standard errors. In part 3, for the different self-assessed health scales, similarities in the direction, magnitude and statistical significance of the association between census tract location and the accumulated chance of better self-assessed health, both in crude analysis and in multivariate analysis, were observed. With respect to part 4, in the crude analysis, the results showed that, in comparison with rural areas, urban areas were associated with better self-assessed health levels among adults, but in the adjusted analysis did not show any statistically significant difference in self-assessed health levels between the urban and rural areas of large-population municipalities. Key words: Self-reported state of health, area of home location, ordinal logistic regression model, effect of sampling plan, binary scale, ordinal scale, multilevel ordinal logistic regression model. 1 1. Introdução Na segunda metade do século XX, o Brasil experimentou uma das mais aceleradas transições urbanas da história mundial, transformando-se de um país rural e agrícola em um país urbano e metropolitano (MARTINE e MCGRANAHAN, 2010). Esse rápido processo de urbanização, aliado à intensificação da industrialização após a Segunda Guerra Mundial, provocou a migração de grandes contingentes populacionais de áreas rurais para os centros urbanos na busca de melhores condições de vida, o que conduziu a modificações na ocupação do espaço urbano (NOGUEIRA, 2008). Em grande parte do século XX, a saúde da população urbana não teve a devida atenção de políticos e planejadores, não atuando nos fatores determinantes da saúde urbana que poderiam ser evitados ou modificados com a realização de um planejamento urbano adequado (SANTANA, 2006). Devido à dificuldade de planejamento do crescimento urbano e às grandes desigualdades socioeconômicas ainda existentes no Brasil, o espaço urbano tem se caracterizado por altos níveis de pobreza, crescimento de favelas e aumento da degradação ambiental (MARTINE e MCGRANAHAN, 2010). No século XXI, a urbanização e o crescimento urbano acentuado são ainda considerados fenômenos que mais afetam as condições socioeconômicas e ambientais nos países em desenvolvimento, e com isso a saúde e a qualidade de vida das populações. Com o novo paradigma do processo saúde-doença baseado na promoção e prevenção, cujo resultado esperado é a melhoria da qualidade de vida e bem-estar da população, tem surgido nas últimas décadas, no campo da Saúde Pública, estudos que levam também em conta os atributos (características) do espaço urbano (lugar) para explicar as diferenças de saúde da população urbana. A saúde é entendida como resultado da influência de fatores individuais (características dos indivíduos, tais como sexo, idade, escolaridade, etc.) e fatores composicionais (características do lugar obtidas a partir da agregação das características dos 2 indivíduos que compõem esse lugar) e contextuais (características do ambiente físico e social do lugar) (PROIETTI et al., 2008). Ainda é baixo o número de estudos que visam encontrar associações entre determinantes individuais e contextuais do lugar de moradia e a saúde individual, usando como desfecho do modelo a autoavaliação do estado de saúde levantado em inquéritos populacionais (SANTOS et al., 2007). Além disso, uma grande parte desses estudos dicotomizam este indicador. Nesta tese, a partir dos dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) realizada em 2008, utilizou-se como desfecho a autoavaliação do estado global de saúde, mantendo a natureza ordinal deste indicador; a área de localização do domicílio (urbana e rural) como variável de interesse e um conjunto de dezoito variáveis de controle relacionadas às características dos indivíduos (adultos) e dos ambientes intradomiciliar e extradomiciliar. A PNAD é um estudo secional realizado anualmente pelo Instituto Brasileiro de Geografia e Estatística (IBGE), de abrangência nacional, que utiliza um plano amostral complexo, que envolve estratificação, conglomeração e probabilidades desiguais de seleção das unidades. De modo geral, nesta tese avaliou-se a existência de associação entre a área de localização do domicílio (urbana e rural) e o desfecho de autoavaliação de saúde para dois recortes populacionais: 1) adultos brasileiros que informaram seu próprio estado de saúde e 2) adultos brasileiros que informaram seu próprio estado de saúde residentes em municípios populosos, que englobam os municípios situados nas regiões metropolitanas e os municípios grandes em tamanho populacional. O primeiro recorte populacional foi utilizado nos artigos 1, 2 e 3, enquanto que o segundo recorte foi considerado no artigo 4. Na modelagem estatística foram consideradas basicamente duas abordagens de análise: a agregada (artigos 1, 2 e 3) e a desagregada (artigo 4). Na abordagem agregada, utilizou-se o modelo de regressão logística ordinal, em especial o modelo de chances 3 proporcionais (MCP) que foi ajustado incorporando e não incorporando as informações do plano amostral da pesquisa. Mas ainda na abordagem agregada, foram realizadas algumas análises que incluíram o modelo de chances proporcionais parciais (MCPP) e o modelo de regressão logística binária. Com relação à abordagem desagregada, ajustou-se o modelo de regressão logística ordinal multinível, também considerando o modelo de chances proporcionais. Em termos gerais, pode-se dizer que a abordagem desagregada traz uma complexidade maior na análise estatística, pois além da consideração da estrutura hierárquica dos dados, é preciso incorporar ainda os pesos amostrais e a estrutura do plano amostral adotado na seleção da amostra (PESSOA e SILVA, 1998). A análise multinível (abordagem desagregada de análise) é considerada mais adequada no estudo das características do(s) local(is) de moradia (unidade de contexto) na autoavaliação do estado global de saúde dos indivíduos (SANTANA, 2006), por permitir estudar tanto as variações entre indivíduos quanto entre grupos, além de permitir a estimação do efeito de cada um desses níveis sobre a autoavaliação de saúde (SANTOS et al., 2007). Esta tese foi estruturada em seis capítulos, sendo esta introdução o Capítulo 1. No Capítulo 2 são apresentados aspectos relacionados à temática Saúde Urbana, que inclui uma descrição sobre a relação entre saúde e urbanização, a importância do lugar na análise das diferenças de saúde, a mudança de paradigma do processo saúde-doença, os modelos conceituais em Saúde Urbana, e por fim, são apresentados alguns indicadores de saúde de natureza subjetiva levantados periodicamente nas PNADs, além da definição de urbano-rural utilizada pelo IBGE, bem como uma breve discussão sobre tal definição. No Capítulo 3 são descritos os objetivos gerais e específicos. No Capítulo 4 é apresentada a descrição do plano amostral da PNAD 2008, incluindo aspectos relacionados à estrutura do plano amostral e à estrutura hierárquica dos dados, e a descrição das variáveis (desfecho e variáveis explicativas) 4 que serão usadas nos ajustes dos modelos tanto na abordagem agregada quanto na abordagem desagregada de análise (análise multinível). No Capítulo 5 são apresentados os resultados na forma de artigos (artigos 1, 2, 3 e 4), além de resultados suplementares apresentados no Apêndice. No Capítulo 6 são feitas as considerações finais. Complementam esta tese as referências bibliográficas. 5 2. Saúde Urbana A saúde urbana pode se entendida como um ramo da saúde pública que “estuda os fatores de riscos das cidades, seus efeitos sobre a saúde e as relações sociais urbanas (CAIAFFA et al., 2008)”. A saúde está associada às condições de vida das pessoas e de suas interações com o meio ambiente e não apenas às suas características biológicas ou genéticas (COHEN, 2004). Segundo a OMS, o processo de urbanização é considerado o maior desafio para a saúde pública, estando associado à ocorrência de grandes iniqüidades intra-urbanas. A temática “Saúde Urbana” vem ganhando mais atenção na agenda política com a criação de movimentos sociais, que visam realizar ações de melhoria das condições de vida e saúde da população urbana e, portanto, de incremento na qualidade de vida (SEID e ZANNON, 2004). Entre eles pode-se citar o Movimento de Cidades Saudáveis surgido em 1986 na Europa 2.1. Saúde e urbanização Com a aceleração do processo de industrialização, ocorreu uma rápida urbanização brasileira, com a ampliação no ritmo do crescimento e no número de cidades (BERNARDELLI, 2006). Esses fenômenos promoveram fortes impactos no campo brasileiro, isto é, com a modernização da agricultura iniciado principalmente após 1970 no Brasil, houve aumento da concentração fundiária e a expulsão de expressivo contingente de trabalhadores, intensificando a migração de grandes contingentes populacionais de áreas rurais para áreas urbanas (êxodo rural) (MARTINE e MCGRANAHAN, 2010; MONTE-MÓR, 2006; BERNARDELLI, 2006). 6 Segundo MARTINE e MCGRANAHAN (2010), a não adoção de atitudes proativas em relação à rápida urbanização no Brasil facilita o aparecimento de problemas, como por exemplo, a propagação da pobreza habitacional e da degradação ambiental. Esses problemas, por sua vez, dificultam o aproveitamento do potencial da urbanização precoce no sentido de melhorar o desenvolvimento social e econômico do país e os níveis de saúde da população. Segundo CAMELLO et al. (2009) mais de um bilhão dos habitantes do mundo vivem em habitação em condições inadequadas e sem acesso a serviços básicos, embora todo indivíduo tenha direito a uma vida saudável em consonância com a natureza. Além disso, estes autores chamam atenção para o fato que doenças como cólera, dengue, esquistossomose e leptospirose provenientes da falta ou inadequação de saneamento, sobretudo em áreas pobres, têm agravado a situação epidemiológica no Brasil. Se por um lado a urbanização pode trazer oportunidades positivas, por outro lado também pode trazer efeitos negativos relacionados à falta de organização social, precárias condições urbanas de moradia e de trabalho, de oportunidades, e de capacidade de desenvolver políticas para ações que, por sua vez, tendem a ampliar os efeitos adversos sobre a saúde da população (CAIAFFA et al., 2008). De acordo com MARTINE e MCGRANAHAN (2010), a urbanização se bem orientada com uma governança mais efetiva pode ajudar na redução da pobreza, na estabilização do crescimento urbano e na geração de um futuro ambiental mais seguro. Mas se deixada a mercê das forças de mercado e da especulação imobiliária, a urbanização aumentará a pobreza, a favelização e a degradação ambiental, sobretudo em lugares com maiores desigualdades políticas e sociais. VLAHOV et al., em 2005, já apontavam a ocorrência de uma aceleração no ritmo da urbanização em todo o mundo nas próximas décadas, especialmente na América Latina, Ásia e África, e a maioria da população passará a viver em cidades nos próximos anos. Este fenômeno pode agravar os problemas sociais e ambientes existentes nas cidades brasileiras no 7 século XXI, com conseqüências para a saúde das populações, sobretudo das populações mais pobres, que não tem as suas necessidades atendidas devido à incapacidade dos políticos e planejadores para prever e reagir frente à magnitude, velocidade e importância do crescimento urbano (MARTINE e MCGRANAHAN 2010). COSTA (1986) em seu artigo intitulado “consumo coletivo e a questão urbana: notas para discussão” já salientava a necessidade e importância no Brasil de “políticas sociais voltadas para a provisão dos meios de consumo coletivo essenciais, que devido à sua ausência e/ou precariedade nas áreas urbanas contribuem, juntamente com os baixos salários, para agravar a pobreza nas cidades (COSTA, 1986:167). 2.2. Saúde e os lugares O espaço é considerado como um dos principais elementos na análise de dados epidemiológicos, sendo compreendido, separado do tempo e das pessoas, como o lugar geográfico que predispõe a ocorrência de doenças (CZERESNIA e RIBEIRO, 2000). Os lugares são constituídos por espaço físico e por tudo o que envolve e o que ele contém, por pessoas e por suas atividades, por ambientes físicos e sociais. Embora parte das diferenças nos níveis de saúde possa ser devida a fatores individuais, é possível que indivíduos com os mesmos fatores de risco tenham experiências de saúde diferentes, dependendo do lugar em que vivem (NOGUEIRA, 2008). No modelo biomédico vigente desde o século XVI até os séculos XVIII e XIX era dado mais atenção à doença do que a saúde, e, portanto o foco estava na cura e não na promoção da saúde ou prevenção da doença, configurando assim uma visão reducionista de que saúde é simplesmente ausência de doença (NOGUEIRA, 2008). Em outras palavras, segundo este modelo, a explicação do processo saúde-doença se restringe a seus aspectos 8 anatômicos, bioquímicos e fisiológicos, não considerando assim aspectos funcionais, sociais e culturais (COSTA, 2006). Em 1946, a OMS passou a definir a saúde de forma mais abrangente, como um estado de completo bem-estar físico, mental e social, e não apenas ausência de doença. Ainda assim, tal definição de saúde recebeu críticas devido à não explicitação dos possíveis fatores responsáveis pela produção do “completo estado de bemestar” (AKERMAN, 2008). Embora considerada mais abrangente, mas vaga e imensurável na época, a definição da OMS, surgida na década de 40, tornou-se amplamente aceita devido ao desenvolvimento de novas técnicas para mensuração de conceitos como bem-estar (VERMELHO et al., 2009). Entretanto, somente na década de 70 houve uma mudança de paradigma do conceito de saúde, pautada na promoção de saúde. Em setembro de 1978 foi organizada pela Organização Mundial de Saúde (OMS) e o Fundo das Nações Unidas para a Infância1 (UNICEF) a 1ª Conferência Internacional sobre Cuidados Primários de Saúde, na cidade de Alma-Ata, no Cazaquistão. Esta conferência, cujo tema era “Saúde Para Todos no Ano 2000”, deu origem a elaboração da Declaração de Alma-Ata, que é um documento que reafirmou o significado de saúde – estado de completo bem-estar físico, mental e social e não apenas ausência de doença – como um direito humano fundamental e como uma das mais importantes metas mundiais para a melhoria social (GIOVANELLA, 2008). Conforme a Declaração de Alma-Ata, deveriam ser estimuladas ações de redução das desigualdades sociais em todos os países (os desenvolvidos e em desenvolvimento) para que a meta de saúde universal fosse alcançada. Para isso, essa declaração defende a importância de 1 O Fundo das Nações Unidas para a Infância (em inglês United Nations Children's Fund - UNICEF) é uma agência das Nações Unidas que visa promover a defesa dos direitos das crianças, atender às suas necessidades básicas e contribuir para o seu pleno desenvolvimento. 9 investimentos em atenção primária para uma promoção de saúde mais abrangente, por meio de medidas de prevenção2 e educação em saúde3. De acordo com BUSS (2000), a Declaração de Alma-Ata representou um importante reforço para os defensores da estratégia da promoção da saúde, que culminou com a realização, em novembro de 1986, da 1ª Conferência Internacional sobre Promoção da Saúde em Ottawa, no Canadá, organizada pela OMS, Ministério da Saúde e Bem Estar do Canadá e Associação Canadense de Saúde Pública. Desta conferência, cujo tema era “Promoção da Saúde nos Países Industrializados”, resultou a Carta de Ottawa, considerada como marco fundamental na história da Saúde Pública. A Carta de Ottawa define a promoção da saúde como o processo de capacitação da comunidade para atuar na melhoria de sua qualidade de vida e de sua própria saúde, incluindo uma maior participação no controle deste processo (BUSS, 2000). A Carta de Ottawa reconhece a existência de múltiplos determinantes da saúde, ao destacar como pré-requisitos fundamentais para a saúde, a paz, a habitação, a alimentação, a educação, a renda, um ecossistema estável, e conservação dos recursos naturais e a equidade. Além disso, reforça a questão da intersetorialidade, ao reconhecer que a promoção da saúde é uma atividade intersetorial, ou seja, depende de uma ação conjunta de outros setores (social, econômico, etc.) e não exclusivamente do setor saúde (BECKER, 2001). Segundo a Carta de Ottawa, a saúde é entendida como o maior recurso para o desenvolvimento socioeconômico e pessoal, sendo a qualidade de vida apontada como fator primordial para a manutenção e aumento da saúde da população (WESTPHAL, 2000; NOGUEIRA, 2008). Com a Carta de Ottawa, houve uma ampliação da concepção de promoção da saúde, incorporando a importância e o impacto das dimensões socioeconômicas, políticas e culturais 2 Prevenção primária é o conjunto de ações que visam evitar a doença na população, removendo os fatores causais, ou seja, visam a diminuição da incidência da doença. 3 A educação em saúde pode ser definida como qualquer combinação planejada de aprendizado que predispõe, capacita ou reforça o comportamento voluntário, levando à saúde do indivíduo, do grupo ou da comunidade. 10 sobre as condições de saúde (FERRAZ, 1994 apud BECKER, 2001) dos indivíduos, superando assim o modelo biomédico, focado na doença como fenômeno individual e na assistência médica curativa realizada nos estabelecimentos de saúde como foco essencial de intervenção (BUSS, 2000). De acordo com BUSS (2000), a Carta de Ottawa considera cinco campos principais de ação para a promoção de saúde: 1) elaboração e implementação de políticas públicas saudáveis, que compreendem, sobretudo, ações voltadas para prover equidade em saúde e uma distribuição mais eqüitativa da renda e políticas sociais; 2) criação de ambientes favoráveis à saúde, através da proteção do meio ambiente e da conservação dos recursos naturais, do monitoramento do impacto das mudanças no meio ambiente sobre a saúde, ou mesmo da conquista de ambientes que contribuam para a saúde, como o lar, trabalho, escola e a própria cidade; 3) reforço da ação das comunidades, que através do incremento de seu poder técnico e político, contribuem para a definição de prioridades, na tomada de decisões e na especificação e implementação de estratégias que visam melhores níveis de saúde; 4) desenvolvimento das habilidades pessoais, por meio da divulgação de informações sobre a educação para a saúde em diferentes lugares (casa, escola, trabalho, etc.) e 5) reorientação dos serviços de saúde, no sentido da nova concepção da promoção da saúde, além de serviços assistenciais. Segundo CAMELLO et al. (2009), além de ações de prevenção e assistência, considera-se extremamente importante atuar sobre os fatores determinantes da saúde, entre os quais destacam as condições ambientais como um dos mais importantes. AZEREDO et al. (2007) corroboram dizendo que o conhecimento das condições do meio pertinente à saúde, como saneamento e moradia, é de suma importância para a promoção da qualidade de vida dos indivíduos, famílias e comunidades. 11 A promoção da saúde, cujos princípios estão expressos na Carta de Ottawa, constitui um dos principais objetivos da OMS e da OPAS, sendo a habitação considerada um espaço de construção da saúde e consolidação do seu desenvolvimento. Segundo COHEN et al. (2004), como a família tem seu assento na habitação, pode-se considerar a habitação como espaço principal e como veículo da construção e desenvolvimento da saúde da família e da comunidade. AZEREDO et al. (2007) ressaltam que a inclusão da família como foco da atenção básica em saúde ultrapassa o cuidado individualizado focado somente na doença, contextualizando a saúde produzida num espaço físico, social e relacional, resgatando assim, as múltiplas dimensões do processo saúde-doença. Como prioridade da política de saúde do Brasil e da OPAS, valoriza-se a iniciativa da Habitação Saudável, como instrumento para otimização dos resultados do Programa Saúde da Família (COHEN et al., 2004) criado pelo Ministério de Saúde em 1994. O conceito de habitação saudável, que tem como preocupação central a melhoria da qualidade de vida, está relacionado com o território geográfico e social onde a habitação se assenta, os materiais usados para sua construção, a segurança e qualidade dos elementos combinados, o processo construtivo, a composição espacial, a qualidade dos acabamentos, o contexto global do entorno (comunicações, energia, vizinhança) e a educação em saúde ambiental de seus moradores sobre estilos e condições de vida saudável (COHEN et al., 2004:809). O conceito de ambiente e entorno saudável, por sua vez, incorpora a necessidade de ter equipamentos urbanos básicos com saneamento, espaços físicos limpos e estruturalmente adequados e redes de apoio para se conseguir hábitos psicossociais sãos e seguros, isentos de violência (abuso físico, verbal e emocional). A idéia de municípios/cidades saudáveis só é possível se houver uma política de habitação saudável (COHEN et al., 2004:809). A influência dos lugares na saúde das pessoas residentes deste lugar tem sido objeto de estudos epidemiológicos que consideram o paradigma do ambiente como determinante da saúde. Considerando as propriedades do lugar, entendido como a cidade e seu entorno, e a 12 função do ambiente físico e social (contexto) na saúde das pessoas, é possível entender a cidade (espaço urbano) como fator de exposição, ou melhor, como fator que influência a saúde da população de forma positiva ou negativa (CAIAFFA et al., 2008). NOGUEIRA (2008) chama atenção para o fato que o espaço urbano não é uniforme, e, portanto, não proporciona a toda a sua população oportunidades iguais de acesso aos serviços, de ter uma vida saudável e de promoção de saúde. CAMELLO et al. (2009) apesar de reconhecerem os avanços conquistados pelo Programa (ou Estratégia) da Saúde da Família no que se refere às ações de assistência e aos cuidados médicos, ressaltam a necessidade de ampliação das ações do programa para a questão do meio-ambiente, mais especificamente para os cuidados com a água, lixo e saneamento, apontando para isso a necessidade de formação específica para as equipes. COSTA (1986) já salientava que grande parte dos problemas urbanos deve-se aos obstáculos à “socialização dos meios de consumo co1etivo”, tornando particularmente graves em uma sociedade na qual as áreas urbanas são caracterizadas pela pobreza generalizada, pela retenção de terrenos com fins especulativos e pela inexistência de um planejamento urbano efetivo. Este autor também coloca a habitação no lócus desse consumo coletivo, entendendo a habitação como uma moradia bem localizada em relação aos lugares das atividades diárias de seus moradores e que possui todos os serviços urbanos essenciais, tais como saneamento, de educação e de lazer, de transporte, etc. Do exposto apreende-se que as diferenças nos níveis de saúde parecem depender de quem é a pessoa e do lugar onde ela reside, ressaltando a importância de se considerar variáveis contextuais que capturam as características do lugar onde os indivíduos residem, além de características próprias desses indivíduos. 13 2.2.1. Modelos Conceituais em Saúde Urbana A análise da Saúde Urbana é baseada em um modelo conceitual que tem como característica uma rede interligada de determinantes, tendo como fundamento a proposta de que os ambientes físico e social definem o contexto urbano e são representados por fatores proximais e distais que atuam em diferentes níveis (CAIAFFA et al., 2008). O modelo conceitual de Saúde Urbana (Figura 1) apresentado por CAIAFFA et al. (2008) mostra que a saúde da população urbana é uma função das influências de três níveis: 1) mundiais e nacionais; 2) municipais; 3) condições urbanas de moradia e trabalho, sendo estes últimos considerados como fatores primariamente modificáveis. Figura 1: Modelo Conceitual para Saúde Urbana Fonte: Caiaffa et al. (2008). 14 Um outro modelo conceitual de Saúde Urbana (Figura 2) é apresentado por NOGUEIRA (2008). Este modelo também pode ser dividido em três níveis, sendo o primeiro deles constituído por fatores individuais (sexo, idade e fatores genéticos, por exemplo) e de grupo (comportamentos e estilos de vida), sensíveis ao processo de planejamento urbano; o segundo nível formado por influências comunitárias e condições estruturais locais (organização social e oportunidades sociais); e por fim o terceiro nível formado por fatores ambientais mais gerais que também sofrem influências do processo de planejamento urbano. Figura 2: Modelo Conceitual para Saúde Urbana Fonte: Adaptado de Nogueira (2008). Este modelo reforça a idéia de que atributos físicos e sociais (contexto) do lugar onde se vive (local de moradia), também denominado de unidade de contexto (cidade, bairro, vizinhança, domicílio), podem afetar a saúde dos indivíduos, e que a saúde, também pode estar associada a atributos dos indivíduos aninhados no local de moradia assim como o 15 agregado das características destes indivíduos (composição), para além de suas características puramente individuais (PROIETTI et al., 2008). Os atributos físicos e sociais do local de moradia (ou unidade de contexto), que pode ser uma unidade geográfica administrativa, embora dependente dos indivíduos, são tipicamente externos a eles e potencialmente modificáveis (PROIETTI et al., 2008). Os atributos físicos do lugar de moradia (ambiente físico) representam aspectos compartilhados por todos os residentes de um lugar, como clima, qualidade da água, solo e ar, nível de ruído e estética do lugar. Já os atributos sociais do lugar de moradia (ambiente social), por sua vez, representam um conjunto de fatores relacionados à organização social do lugar/comunidade e à disponibilidade e oferta de oportunidades sociais e recursos necessários à vida cotidiana, tais como: Coesão e capital social, Habitação, Trabalho, Transporte e acessibilidade, Segurança e Disponibilidade de alimentos (NOGUEIRA, 2008). De modo geral, o ambiente social inclui a vizinhança onde se vive e as regras (procedimentos ou políticas) criadas para organização da vida dos moradores (SANTOS et al., 2007). No campo da saúde pública, mais especificamente em Epidemiologia Social, há especial interesse na dimensão social da saúde, onde a saúde, sob a visão neomaterial da vida contemporânea, é compreendida como resultante “de diferentes experiências e exposições, determinadas pelas condições materiais, às quais se juntam, sistematicamente, baixos investimentos nos fatores que promovam a satisfação das necessidades humanas (NOGUEIRA, 2008:57)”. Sendo assim, é de interesse atuar em fatores mais proximais tal como, as “condições de habitação e trabalho” que caracterizam o cotidiano das pessoas que moram em áreas urbanas e que através de sua modificação é possível alcançar melhores condições de saúde (CAIAFFA et al., 2008). Segundo o modelo apresentado, observa-se que comportamentos e estilos de vida, como por exemplo, tabagismo, atividades físicas e hábitos alimentares, também possuem sua 16 parcela de influência na saúde individual, podendo gerar aumento no nível de mortalidade e morbidade das populações, além de gerar uma menor qualidade de vida, sobretudo quando se leva em consideração determinados grupos e/ou lugares. Com relação ao primeiro nível do modelo conceitual de Saúde Urbana, proposto por Nogueira (2008), no que se refere a “comportamentos e estilos de vida”, o Programa da Saúde da Família (PSF), por meio de visitas domiciliares, representa uma importante função de contribuição para mudança de comportamento de risco e, assim para a promoção da qualidade de vida dos moradores e de suas famílias (AZEREDO et al., 2007). O PSF se baseia na educação em saúde, em termos de prevenção de doenças e promoção da saúde, e tem como objetivo a reorganização da atenção básica sendo implantado prioritariamente em áreas de risco em populações excluídas do consumo de serviços. Portanto, para a seleção dos municípios beneficiados pelo PSF são utilizados critérios de natureza socioeconômica além de critérios de natureza epidemiológica (ASSIS et al., 2010). A análise da influência de um conjunto desses fatores na saúde da população da área urbana, seja na comparação ou não com a área rural, é um processo complexo “não só por causa da multiplicidade de fatores envolvidos e pelas inter-relações existentes entre eles (NOGUEIRA, 2008: 69)”, mas também pelas limitações provenientes do tipo de desenho de estudo epidemiológico adotado, independentemente dos cuidados tomados na realização do estudo a fim de minimizar possíveis vieses de seleção e informação. 2.2.2. Definição de urbano e rural No Brasil, assim como em outros países latino-americanos (El Salvador, Equador, Guatemala e República Dominicana), a definição de urbano e rural segue um conceito político-administrativo baseado em leis municipais. Tomando por base a legislação vigente 17 por ocasião da realização do Censo Demográfico 2000, as áreas urbanas abrangem todas as áreas situadas dentro dos limites das cidades (sedes municipais), das vilas (sedes distritais) ou das áreas urbanas isoladas, enquanto que a área rural abrange todas as áreas situadas fora desses limites (IBGE, 2010). Contrapondo a conceituação político-administrativa utilizada pelo IBGE, diferentes critérios são sugeridos para a definição dos limites entre urbano e rural, entre os quais se pode destacar aqueles que se baseiam: 1) no tamanho da população, onde o rural é entendido como dispersão e o urbano como aglomeração; 2) na densidade demográfica, onde o urbano e o rural são definidos em função da quantidade de habitantes por quilômetros quadrados e 3) na ocupação econômica da população, onde o urbano e rural são definidos pela natureza das atividades econômicas (ENDLICH, 2006). VEIGA (2002) defende a adoção da densidade demográfica como novo padrão de classificação dos limites entre urbano e rural, por ser um indicador de fácil operacionalização e compreensão, e por refletir a visão de que áreas rurais são sempre menos densamente povoadas que as urbanas. Baseando-se neste indicador demográfico (com um parâmetro superior a 150 hab./km2 para classificação de localidades urbanas), a taxa de urbanização no Brasil em 2000 deveria ser bem menor do que a divulgada pelo IBGE (ou seja, deveria ser de 57% ao invés de 81%) (VEIGA, 2002). Segundo SILVA et al. (2002), com o surgimento do “novo rural” há uma extrapolação das atividades agropecuárias e agroindustriais que caracterizaram o campo brasileiro, com a diversificação de atividades agrícolas e não agrícolas. Há o aparecimento de novas atividades (de serviços, comércio e indústria) desenvolvidas no campo que fazem com que o espaço rural não possa mais ser classificado como estritamente agrário. Como cada vez menos a população do campo trabalha na agricultura e se inserem em várias atividades terciárias, ABRAMOVAY (2000) propõe que a ruralidade não esteja vinculada a qualquer setor 18 econômico, discordando do terceiro critério. Assim como VEIGA (2002), ABROMOVAY (2000) sugere que o rural assim como o urbano seja entendido como uma questão territorial, defendendo a consideração dos dois primeiros critérios (tamanho da população e densidade demográfica) na definição de seus limites. De acordo com BERNARDELLI (2006), o conceito utilizado na definição de áreas urbanas e rurais no Brasil tem recebido críticas por basear exclusivamente em questões territoriais e por gerar dificuldades em comparações internacionais. Essa autora evidencia que os critérios usados para o processo emancipatório dos municípios no passado e ainda presente hoje estão muitas vezes vinculados a interesses políticos e tributários, servindo para beneficiamento de alguns grupos e partidos, bem como para atingir suas demandas. Além disso, destaca ainda que municípios sem receitas próprias podem ser emancipados, acarretando dificuldades administrativas e não beneficiamento da população residente nestes municípios. Além da abordagem dicotômica de urbano e rural defendida por VEIGA (2002) e ABROMOVAY (2000) usando critérios demográficos e da adotada oficialmente pelo IBGE por meio de critério político-demográfico, há uma outra abordagem para definição de urbano e rural, onde o rural é entendido como um continuum do urbano. A abordagem do continnum rural-urbano admite uma maior relação entre cidade e campo através de diferenças de grau e não de contraste. Na abordagem do continnum há duas visões possíveis: uma que considera o fim do rural, enquanto a outra ao contrário reafirma a existência do rural (WANDERLY, 2001). A primeira visão está centrada no urbano em detrimento do rural, sendo o urbano considerado fonte de progresso e o rural de atraso, onde a realidade rural estaria sujeita ao desaparecimento com a expansão do sistema urbano (WANDERLY, 2001). Essa visão de fim do rural se baseia na idéia de que o espaço rural se urbaniza devido à industrialização da 19 agricultura (“urbanização do campo”), sobretudo com o aparecimento de novas atividades não agrícolas no campo. Entretanto, há críticas quanto essa visão por não poder ser aplicada de forma generalizada para todos os países. No caso do Brasil, poderia ser aplicada apenas para aquelas áreas rurais localizadas próximas dos grandes centros metropolitanos (GIRARD, 2008). A segunda visão, na abordagem do continnum rural-urbano, considera a aproximação entre o urbano e rural, e que mesmo com a expansão do urbano e aproximação de semelhanças entre estes dois espaços as peculiaridades do rural não desaparecem. Essa visão de aproximação entre urbano e rural contrapôs a idéia de urbanização do campo (1ª visão), onde os avanços sociais e econômicos, alcançados primeiramente nas cidades chegam ao campo constituindo mais uma de suas características, sem comprometer as suas particularidades (WANDERLY, 2001). Nesse sentido, tanto o rural influencia o urbano quanto o urbano influencia o rural, e portanto o rural não se urbaniza, mas se transforma (SOBARZO, 2006). Tendo em vista a falta de consenso da definição urbano-rural e da falta de uma definição oficial mais criteriosa e de fácil operacionalização do que é cidade no Brasil, optouse por utilizar nesta tese a definição estritamente político-administrativa adotada pelo IBGE em suas pesquisas até os dias atuais. 2.2.3. Indicadores de saúde A disponibilidade de indicadores de saúde válidos e confiáveis é fundamental para avaliar as condições de saúde no âmbito individual ou populacional e para a formulação de ações na área de saúde. No campo da saúde pública, a procura por medidas do estado de saúde de indivíduos é antiga, sendo as medidas de mortalidade consideradas até o início dos anos 20 1960 os únicos indicadores de saúde que apresentavam boas propriedades. Durante os últimos 50 anos, com a melhor compreensão do conceito de saúde, outros indicadores de saúde que não a mortalidade foram desenvolvidos, como por exemplo: a morbidade, a incapacidade funcional, a avaliação do bem-estar e da satisfação com o próprio estado de saúde de saúde e da qualidade de vida. Nas últimas décadas, diferentes inquéritos populacionais, entre eles podem-se citar a Pesquisa sobre Padrões de Vida – PPV 1996-1997 e as Pesquisas Nacionais por Amostra de Domicílios - PNADs 1998, 2003 e 2008, têm levantado indicadores subjetivos de saúde, que incluem indicadores de morbidade autorreferida, mobilidade física autorreferida e/ou autoavaliação do estado de saúde. 2.2.3.1. Morbidade autorreferida Devido aos altos custos de realização de inquéritos populacionais com medidas objetivas de saúde, tem-se utilizado medidas de morbidade autorreferida, ou seja, medidas baseadas no relato do diagnóstico médico de existência ou não de determinadas doenças (BRASIL, 2004). PINHEIRO et al (2002) acrescentam que é comum a adoção de indicadores de morbidade referida em inquéritos de saúde de base populacional, pois a coleta de informação diagnóstica é mais difícil, apresenta maior custo e requer uma padronização rigorosa. A morbidade autorreferida das doenças crônicas é uma medida aproximada dos resultados obtidos através de exames clínicos, entretanto, estudos de prevalência de doenças crônicas revelam boa concordância entre os seus achados e os registros médicos ou exames clínicos, sobretudo para doenças cardiovasculares e diabetes (THEME-FILHA et al., 2008). 21 A presença de doenças crônicas depende do acesso ao diagnóstico médico, e não apenas baseada na percepção do indivíduo. Sendo assim, o uso de indicadores de morbidade autorreferida tem como limitação a influência do acesso e uso de serviços médicos, podendo estar refletindo a distribuição do acesso ao serviço na população, e não a distribuição real da doença em questão (BRASIL, 2004). Estudos têm mostrado que os indicadores de morbidade referida sofrem influência de características sociodemográficas (sexo, idade, escolaridade), e devem ser levadas em consideração nas análises. No que se refere ao sexo, há índicos de que homens são menos propensos a reportar problemas de saúde do que as mulheres (VERBRUGGE e WINGARD, 1987 apud PINHEIRO et al., 2002). Na PNAD 2008, a caracterização da morbidade autorreferida foi feita por meio da autoavaliação do indivíduo em relação à presença ou não de doze doenças crônicas4 selecionadas: 1) doença de coluna ou costas; 2) artrite ou reumatismo; 3) câncer; 4) diabetes; 5) bronquite ou asma; 6) hipertensão; 7) doença do coração; 8) doença renal crônica; 9) depressão; 10) tuberculose; 11) tendinite ou tenossinovite e 12) cirrose. 2.2.3.2. Mobilidade física autorreferida A mudança de foco da mortalidade para morbidade tem levado a realização de estudos que visam compreender a distribuição, os determinantes e as conseqüências da perda da capacidade funcional, sobretudo de populações idosas (PARAHYBA e VERAS, 2008). A incapacidade funcional é definida como inabilidade ou dificuldade, devido a uma deficiência, para realizar atividades que fazem parte do cotidiano das pessoas e que são indispensáveis para uma vida independente na sociedade (ALVES et al., 2007). 4 Foram pesquisadas doenças crônicas, através do relato da pessoa sobre o diagnostico realizado por médico ou profissional de saúde que consultou. Definiu-se como doença crônica aquela que acompanhava a pessoa por um longo período de tempo, podendo ter fases agudas, momentos de piora ou melhora sensível. 22 De acordo com PARAHYBA e SIMÕES (2010), medidas de mobilidade física elaboradas a partir das questões do questionário da PNAD representam uma boa proxy de incapacidade funcional. Além disso, estes autores acrescentam que medidas de mobilidade física são valiosas no estudo da relação do status funcional com características demográficas, condições crônicas e comportamentos relacionados à saúde. As questões disponíveis nos suplementos de saúde das PNADs 1998, 2003 e 2008 levantam informações sobre “mobilidade física dos moradores de 14 anos ou mais de idade”, cuja avaliação se baseia no grau de dificuldade para realizar determinadas atividades do cotidiano medido através de 4 categorias ordenáveis: “não tem dificuldade”, “tem pequena dificuldade”, “tem grande dificuldade”, “não consegue”. No caso da PNAD 2008, oito quesitos podem ser utilizados para a avaliação do grau de dificuldade das seguintes atividades: 1) alimentar-se, tomar banho ou ir ao banheiro; 2) correr, levantar objetos pesados, praticar esportes ou realizar trabalhos pesados; 3) empurrar mesa ou realizar consertos domésticos; 4) subir ladeira ou escada; 5) abaixar-se, ajoelhar-se ou curvar-se; 6) andar mais do que um quilômetro; 7) andar cerca de 100 metros; 8) fazer compras de alimentos, roupas e medicamentos, sem ajuda. Embora seja no grupo dos idosos onde ainda se verifique maiores prevalências de incapacidade funcional, há destaque de que o elevado grau de morbidade da população idosa é originado ainda na fase adulta, o que prejudica a qualidade de vida dos idosos e sobrecarrega os serviços de saúde (COSTA, 2006). 2.2.3.3. Autoavaliação de saúde A autoavaliação de saúde é um indicador obtido no nível individual que tem sido amplamente utilizada em várias pesquisas que visam estabelecer o estado de saúde do 23 indivíduo, por ser de fácil mensuração e por permitir comparações internacionais (THEMEFILHA et al., 2008). Apesar de sua natureza subjetiva, a autoavaliação do estado de saúde global do indivíduo tem sido apontada na literatura como “um poderoso indicador com alta validade preditiva para mortalidade, independentemente de fatores de riscos médicos, comportamentais ou psicossociais” (IDLER e BENYAMINI, 1997:183), sendo, também, considerado um importante indicador de necessidade em saúde, por refletir uma escala de bem-estar geral dos indivíduos (NERI e SOARES, 2002). Vários estudos têm demonstrado também que a autopercepção de saúde é uma medida que apresenta boa confiabilidade (CAMARGO et al., 2009; MARTIKAINEN et al., 1999; BAILIS et al., 2003). A principal vantagem deste indicador é a sua forte associação com estado real de saúde dos indivíduos, indicando que a autopercepção da saúde pode ser utilizada como uma proxy das condições objetivas de saúde (CARMAGOS et al., 2009). Além disso, NOGUEIRA (2008) chama a atenção para o fato que a subjetividade não é uma limitação e sim um ponto forte deste indicador, tendo em vista que o processo saúde-doença é um processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação variam no tempo e no espaço, em função de fatores individuais e contextuais. Embora o indicador de autoavaliação do estado de saúde seja obtido por meio de uma única pergunta, os indivíduos, ao avaliarem seu estado de saúde, não se baseiam apenas na simples presença ou não de uma doença (NERI e SOARES, 2002), mas procuram ponderar a sua resposta às múltiplas dimensões de saúde (THEME-FILHA et al., 2008). Nesse sentido, está a falta de clareza do que está se medindo, pois os determinantes do estado de saúde são múltiplos, englobando aspectos físicos, cognitivos, emocionais, culturais e socioeconômicos (VIACAVA, 2002). Entretanto existem estudos que obtiveram 80% de concordância entre autoavaliação do estado de saúde e avaliação clínica da presença ou ausência de condição crônica (VIACAVA, 2002). 24 3. Objetivos 3.1. Objetivo geral O objetivo geral desta tese é estudar a associação entre a área de localização do domicílio (urbana e rural) e a autoavaliação do estado global de saúde da população adulta brasileira (20 anos ou mais), controlando para um conjunto de fatores demográficos, socioeconômicos, comportamentais e de saúde que retratam características individuais e dos ambientes intradomiciliar e extradomiciliar, considerando os principais aspectos metodológicos da PNAD 2008. 3.2. Objetivos específicos ■ Descrever a associação entre a área de localização do domicílio e a autoavaliação de saúde de adultos no Brasil usando modelo de regressão logística ordinal (modelo de chances proporcionais) incorporando todas as informações do plano amostral (abordagem agregada – abordagem baseada no plano amostral). ■ Usando a abordagem agregada de análise, avaliar o efeito de ignorar o plano amostral da pesquisa sobre as estimativas das medidas de razão de chance do modelo de regressão logística ordinal (modelo de chances proporcionais) e dos erros padrão associados às estimativas pontuais dos parâmetros desse modelo; ■ Usando abordagem agregada de análise, avaliar o efeito da escala (binária e ordinal) do desfecho de autoavaliação de saúde de adultos no Brasil: 1) no 25 sentido, magnitude e significância da associação entre a área censitária e a chance (acumulada) de melhor autoavaliação de saúde; 2) na seleção dos modelos; 3) nas medidas de qualidade dos modelos selecionados. ■ Descrever a associação entre a área de localização do domicílio e a autoavaliação de saúde de adultos brasileiros residentes em municípios populosos (os situados nas regiões metropolitanas e os grandes em tamanho populacional) usando modelo de regressão logística ordinal multinível (modelo de chances proporcionais) considerando as informações do plano amostral (abordagem desagregada – abordagem baseada no modelo). ■ Comparar a associação entre a situação censitária (urbana e rural) e o desfecho de autoavaliação de saúde (escala ordinal de três categorias) de adultos no Brasil usando o modelo de chances proporcionais e o modelo de chances proporcionais parciais numa abordagem agregada de análise. 26 4. Material e Métodos 4.1. Pesquisa Nacional por Amostra de Domicílios (PNAD) A Pesquisa Nacional por Amostra de Domicílios (PNAD) realizada em 2008 trata-se de um estudo seccional de abrangência nacional, realizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), que coletou informações de uma amostra probabilística de aproximadamente 150.591 domicílios e 391.868 pessoas, no período de 28 de setembro de 2007 a 27 de setembro de 2008 (IBGE, 2010). A PNAD é uma pesquisa, de periodicidade anual, implantada no Brasil a partir de 1967, com o objetivo de produzir informações básicas para análise do desenvolvimento socioeconômico do País. Entre as informações de caráter permanente, estão incluídas as características demográficas, de educação, habitação, trabalho e renda; e as de caráter variável se referem às informações complementares através das quais se tem como objetivo aprofundar os temas permanentes ou investigar tópicos específicos, tais como: trabalho infantil (PNADs 2001 e 2006); saúde (PNADs 1998, 2003 e 2008); segurança alimentar (PNADs 2004 e 2009); acesso à internet e posse de telefone móvel celular para uso pessoal (PNADs 2005 e 2008); educação (PNADs 2004, 2006 e 2007); acesso a transferências de renda de programas sociais (PNADs 2004 e 2006) e vitimização e acesso à justiça (PNAD 2009). O suplemento da PNAD 2008, intitulado “Um Panorama da Saúde no Brasil – Acesso e utilização dos serviços, condições de saúde e fatores de risco e proteção à saúde 2008”, englobou características de saúde da população brasileira devido ao convênio firmado entre o IBGE e o Ministério da Saúde, que compreendem basicamente as necessidades de saúde dos indivíduos (autoavaliação do estado de saúde, restrição de atividades habituais por motivo de saúde, morbidade autorreferida e limitação na realização de atividades físicas) e o acesso e 27 utilização de serviços de saúde (consulta ao médico, cobertura por plano de saúde, cobertura pelo Programa Saúde da Família - PSF, etc.). 4.1.1. Plano amostral da PNAD A pesquisa Nacional por Amostra de Domicílios como mencionado levantou em 2008 informações sobre uma amostra unidades domiciliares, distribuídas por todas as Unidades da Federação. A amostra da PNAD foi planejada para produzir estimativas representativas para o Brasil, Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). A PNAD é uma pesquisa por amostragem probabilística que utiliza uma amostra selecionada usando um plano amostral complexo (Figura 3) que considera conglomeração das unidades em um, dois ou três estágios de seleção, além de estratificação das unidades (municípios) definida separadamente por unidade da federação (SOUZA e SILVA, 2003). Em cada unidade da federação, os municípios primeiramente foram classificados em dois grupos: em municípios autorrepresentativos (AR) e em municípios não autorrepresentativos (NAR). O grupo de municípios AR era constituído pelos municípios situados nas regiões metropolitanas e pelos municípios grandes em termos populacionais não situados em regiões metropolitanas ou pertencentes as unidades da federação sem região metropolitana. Os municípios AR foram incluídos na amostra com certeza e, portanto, cada município AR é considerado como um estrato, e não como unidade de seleção. O grupo de municípios NAR é constituído pelos demais municípios então existentes, que passaram por um processo de estratificação, e em cada estrato formado, foram selecionados com reposição e com probabilidade proporcional à população residente obtida no Censo Demográfico 2000. 28 Desse modo, para os municípios autorrepresentativos, o plano amostral da PNAD é estratificado por município (estrato) e conglomerado em dois estágios, onde os setores censitários são as unidades primárias de amostragem (UPA) e os domicílios são as unidades secundárias de amostragem (USA). Para os municípios não autorrepresentativos, o plano amostral é estratificado (estratos formados por conjuntos de municípios NAR por tamanho e proximidade geográfica) e conglomerado em três estágios de seleção, onde os municípios NAR são as unidades primárias de amostragem (UPA), os setores as unidades secundárias de amostragem (USA) e os domicílios as unidades terciárias de amostragem (UTA). Em cada um dos municípios da amostra, os setores censitários foram selecionados com reposição e com probabilidade proporcional ao tamanho, sendo utilizada como medida de tamanho, neste caso, o número de unidades domiciliares existentes por ocasião do Censo Demográfico 2000. Em seguida, em cada um dos setores censitários da amostra foi realizada uma operação de listagem rápida de todas as unidades residenciais e não residenciais existentes na área com o objetivo de obter um cadastro básico atualizado de unidades domiciliares. A partir do cadastro básico construído após a operação de listagem rápida, as unidades domiciliares foram selecionadas com eqüiprobabilidade para investigação das características habitacionais e de todos os seus moradores. Além desta atualização, visando monitorar o crescimento dos municípios pertencentes à amostra, criou-se um cadastro complementar constituído pelas unidades domiciliares existentes em conjuntos habitacionais com mais de trinta unidades residenciais, que tenham sido construídos após a realização do Censo Demográfico 2000. Para o universo de “Novas Construções” o plano amostral da PNAD é estratificado (por município) e conglomerado em um único estágio de seleção, onde os domicílios são as unidades primárias de amostragem. 29 Unidade da Federação Estrato=Município AR Estrato=Grupo de municípios NAR Universo de novas construções: Estrato=município Unidade Primária de Amostragem (UPA) = Setor Unidade Primária de Amostragem (UPA) = Município NAR Unidade Primária de Amostragem (UPA) = Domicílio Unidade Secundária de Amostragem (USA)=Domicílio Unidade Secundária de Amostragem (USA) = Setor Unidade Terciária de Amostragem (UTA) = Domicílio Figura 3: Estrutura do plano amostral da PNAD Para a seleção dos municípios e setores censitários da PNAD 2008 foram utilizadas a mesma divisão territorial e malha setorial vigentes em 1º de agosto de 2000 usadas para realização do Censo Demográfico 2000 (IBGE, 2010). É importante mencionar ainda que no levantamento das informações do suplemento de saúde foi adotado o mesmo plano amostral descrito anteriormente sem qualquer adaptação. 4.1.2. Informações do plano amostral A inferência estatística clássica pressupõe que os dados amostrais são realizações de variáveis aleatórias independentes e identicamente distribuídas. Este pressuposto só é adequado para dados amostrais obtidos utilizando um plano aleatório simples com reposição. Entretanto, muitas pesquisas amostrais do IBGE e de outros institutos de pesquisa, utilizam planos amostrais complexos que combinam estratificação, conglomeração e probabilidades 30 desiguais de seleção. No que se refere às informações estruturais do plano amostral, a estratificação, que consiste na divisão da população em subgrupos (estratos) mais homogêneos, é utilizada visando à redução da variância dos estimadores dos parâmetros de interesse, enquanto a conglomeração, apesar de geralmente aumentar a variância dos estimadores, é adotada por motivos operacionais ligados ao processo de amostragem. A análise estatística dos dados provenientes de pesquisas amostrais complexas “só se torna possível se forem incluídas no arquivo de dados variáveis que informem a estrutura do plano amostral, identificando ao menos o estrato, a UPA e o peso de cada unidade da amostra” (PESSOA e SILVA,1998:156), uma vez que as estimativas pontuais dos parâmetros de interesse são influenciadas por pesos distintos das observações e as estimativas de variância são influenciadas pela conglomeração, estratificação e pesos amostrais (SZWARCWALD et al., 2008; PESSOA et al., 2002; PESSOA e SILVA, 1998). Além da obtenção de estimativas pontuais corretas, há também uma grande preocupação com o cálculo correto de estimativas de variância, pois são medidas quantitativas utilizadas na avaliação da precisão/qualidade das estimativas pontuais, sendo necessárias no cálculo de intervalos de confianças e na realização de testes de hipóteses para os parâmetros de modelos estatísticos. Conforme ressaltado por ASPAROUHOV (2005) se os conglomerados e os estratos não forem levados em consideração na análise dos dados espera-se uma subestimação e sobrestimação dos erros padrões, respectivamente. Atualmente os bancos de dados das pesquisas realizadas pelo IBGE contem indicação explícita dos pesos amostrais associados aos domicílios e indivíduos da amostra e das informações estruturais do plano de amostral adotado, bastando apenas que informemos tais informações na análise estatística, com fins descritivos ou analíticos, utilizando pacotes estatísticos adequados. 31 4.1.3. Estrutura hierárquica dos dados Dados provenientes de pesquisas amostrais complexas apresentam uma estrutura hierárquica que é caracterizada “quando as unidades elementares de análise estão grupadas em unidades maiores, que por sua vez também podem ou não pertencer a uma estrutura de grupos, numa hierarquia bem definida (PESSOA e SILVA, 1998:139)”. Dados de pesquisas de avaliação educacional em geral apresentam uma estrutura hierárquica, onde os alunos estão agrupados em turmas, que, por sua vez, estão agrupadas em escolas. Este é um exemplo de estrutura hierárquica de 3 níveis, onde os alunos são as unidades de 1º nível, as turmas são as unidades de 2º nível e as escolas as unidades de 3º nível. Alternativamente pode se referir aos alunos como unidades elementares, e as turmas e escolas como unidades de grupos. Da mesma forma, em pesquisas por amostragem domiciliar, os indivíduos representam unidades elementares de análise que estão naturalmente agrupados em domicílios, e os domicílios por sua vez agrupados em setores censitários já configurando assim a existência de uma estrutura populacional hierárquica bem definida. Um outro exemplo de dados com estrutura hierárquica é o caso de dados provenientes de pesquisas longitudinais, onde repetidas observações (unidades de 1º nível ou unidades elementares) são agrupadas dentro dos indivíduos ou sujeitos (unidades de 2º nível ou unidade de grupo). Desse modo, em pesquisas longitudinais os indivíduos são as unidades de grupo, enquanto que em pesquisas amostrais complexas, os indivíduos são as unidades elementares, que estão agrupados em unidades maiores (domicílios, setores ou municípios; turmas ou escolas; hospitais; etc.). Embora as unidades elementares possam ser independentes para grupos distintos, apresentam características semelhantes num mesmo grupo, configurando a existência de dependência das observações dentro de um mesmo grupo. No exemplo do sistema educacional, de acordo com MAIA et al.(2003), embora alunos pertencentes às escolas 32 diferentes, cada uma das quais com as suas respectivas particularidades (em termos de infraestrutura física, didática do professor, material didático utilizado, nível socioeconômico da escola) possam apresentar desempenhos distintos, é de esperar que os alunos de uma mesma escola sejam relativamente homogêneos, por exemplo, quanto ao desempenho escolar (ou seja, as observações de seu desempenho escolar não são independentes, apresentando alguma correlação entre alunos de uma mesma escola). Visando contornar a estrutura de dependência das observações levantadas, alguns analistas procuram concentrar a análise dos dados dessas pesquisas apenas em unidades de nível micro (unidades elementares) ou apenas em alguma unidade do nível macro (unidade de grupo) (MAIA et al., 2003). A análise centrada no nível macro ocorre quando, em pesquisas com estrutura hierárquica, os dados referentes às unidades elementares são agrupados para o nível de grupo (escola), ignorando a variação entre unidades elementares (alunos). Já a análise centrada no nível micro ocorre quando a análise dos dados é efetuada apenas no nível de unidades elementares (nível individual), como comumente se verifica em estudos que utilizam modelos de regressão tradicionais que não levam em conta os efeitos de variação das unidades de grupo (escolas). Ambas as análise ignoram a estrutura hierárquica dos dados. No caso da primeira (análise centrada no nível macro) as relações observadas no nível de grupo podem não ser válidas para o nível de unidades elementares. Desse modo, não se pode fazer inferências para o nível individual a partir dos achados encontrados no nível de grupo, sob pena de ocorrer viés ecológico (ou falácia ecológica). No caso do segundo tipo de análise (análise centrada no nível micro), ignora-se a variação no nível de grupo na explicação do fenômeno em estudo, ao utilizar os modelos de regressão tradicionais, assumindo que o valor de uma determinada variável de grupo é 33 considerado o mesmo para todas as unidades elementares pertencentes a uma mesma unidade de grupo. Embora isso seja uma limitação deste tipo de análise (nível micro), talvez o mais grave esteja no uso de modelos de regressão tradicionais, uma vez que sua utilização pressupõe que as observações amostrais são independentes entre si. A falta de independência pode ser encarada como um problema decorrente do plano amostral adotado (como por exemplo, o caso de um plano amostral complexo) e ignorar este fato pode levar a uma subestimação dos erros padrões dos estimadores dos parâmetros do modelo. Entretanto, o problema de ausência de independência das observações amostrais pode ser resolvido através do ajuste de modelos estatísticos por meio de métodos de estimação adequados, como por exemplo o método de Máxima Pseudo-Verossimilhança (MPV), que permite incorporar no processo de ajuste as informações (características) do plano amostral da pesquisa – abordagem baseada no plano amostral5 – produzindo estimativas corretas de erros padrões, além de estimativas não viciadas para os parâmetros de modelos estatísticos. Ou seja, este procedimento reconheceria a existência da estrutura de correlação dos dados, mas não possibilitaria estudar os efeitos de variação entre grupos. Do exposto, conclui-se que para dados com estrutura hierárquica seria mais adequado utilizar uma análise multinível, considerada de extrema importância na análise de dados epidemiológicos. Segundo DIEZ-ROUX (1998) a análise multinível, também chamada de hierárquica ou contextual, envolve a incorporação de variáveis no nível macro (variáveis contextuais ou ecológicas) dentro de equações no nível micro adequadas para estudos que consideram indivíduos como unidades de análise. Desse modo, os modelos multiníveis6 permitem medir o efeito de variáveis individuais e contextuais sobre os desfechos estudados e explicar as relações existentes entre elas, e ainda possuem a vantagem de controlar 5 Abordagem baseada no plano amostral é comumente aplicada para dados de pesquisas com planos amostrais complexos, que consideram estratos e conglomerados, além de probabilidades desiguais de seleção (ou alternativamente, pesos amostrais distintos). 6 São também chamados de modelos hierárquicos, modelos de efeitos mistos ou modelos de efeitos aleatórios. 34 confundimento (pelo menos os fatores conhecidos) e de avaliar a existência de interação entre as variáveis nos diferentes níveis. Com relação a sua especificação, o modelo multinível se diferencia de um modelo tradicional por apresentar, além de uma parte fixa, uma parte aleatória. Assim, no modelo tradicional tanto o intercepto quanto o coeficiente de inclinação são efeitos fixos, enquanto que no modelo multinível o intercepto, assim como o coeficiente de inclinação se desejado, podem ser considerados efeitos aleatórios. Os interceptos aleatórios indicam a heterogeneidade entre os grupos no desfecho, enquanto os coeficientes aleatórios indicam a heterogeneidade na relação entre o desfecho e as variáveis explicativas (RABE-HESKETH et al., 2004). Do exposto, é importante salientar que se faz uso de modelos multiníveis, quando os dados apresentam alguma estrutura de correlação e quando se tem interesse em que o efeito de uma determinada variável sobre o desfecho estudado varie aleatoriamente entre os grupos considerados. Os modelos multiníveis também são chamados de modelos de efeitos mistos, quando ambos os efeitos (fixos e aleatórios) são considerados na análise (SKRONDAL e RABEHESKETH, 2003). A parte fixa consiste na estimação e realização de testes de hipóteses dos efeitos fixos, enquanto a parte aleatória consiste estimação dos efeitos aleatórios e das componentes de variância (PERRI e IEMMA, 1999). Sabe-se que a análise hierárquica (ou multinível) leva em consideração a dependência das observações entre os membros de um mesmo grupo, medido pelo coeficiente de correlação intra-classe, a qual representa a homogeneidade em um mesmo grupo e, ao mesmo tempo, a heterogeneidade entre grupos distintos (KREFT e LEEUW, 1998). Quanto maior essa dependência maior a necessidade de uso de uma análise hierárquica. O coeficiente de correlação intraclasse é um número compreendido no intervalo [0,1]. Um alto valor deste coeficiente indica que a maior parte da variação total é proveniente das 35 diferenças existentes entre os grupos (logo as unidades pertencentes a estes grupos são muito similares), enquanto um baixo valor deste coeficiente indica, por outro lado, que a maior parte da variação total é decorrente das diferenças entre as unidades pertencentes ao mesmo grupo (grande variação intra-grupo). 4.2. Modelagem Estatística 4.2.1. Autoavaliação do estado global de saúde do indivíduo Na PNAD 2008 a autoavaliação do estado global de saúde do indivíduo foi levantada por meio do quesito “estado de saúde segundo o próprio ponto de vista da pessoa, ou, no caso de criança pequena do ponto de vista do responsável”, com as seguintes alternativas de resposta: muito bom, bom, regular, ruim e muito ruim (IBGE, 2010). Entretanto, nesta tese foram consideradas apenas as pessoas que informaram seu próprio estado global de saúde, por entender que informações prestadas por terceiros (outras pessoas moradoras do domicílio, ou ainda outras pessoas não moradoras do domicílio) aumentaria a chance de ocorrer viés de informação ou classificação do desfecho de saúde utilizado nesta tese. Nesta tese foram ajustados modelos logísticos ordinais (modelo de chances proporcionais) usando o software SPSS for Windows, versão 17.0, considerando como desfecho Y o indicador de autoavaliação do estado de saúde usando a escala original ordinal de cinco categorias (C=5) e a seguinte escala ordinal de três categorias (C=3): 1) muito ruim/ruim, 2) regular, 3) bom/muito bom. O modelo de chances proporcionais é representado pela equação abaixo: P(Y ≤ c / x1 , x 2 ,K , x p ) Logit[ P(Y ≤ c / x1 , x 2 ,K , x p )] = ln = γ c − ( β 1 x1 + β 2 x 2 + K + β p x p ) P(Y > c / x1 , x 2 ,K , x p ) c =1,2,...,C-1 36 onde: Logit[ P (Y ≤ c / x1 , x 2 ,K , x p )] é o logaritmo da razão entre a probabilidade acumulada P (Y ≤ c / x1 , x 2 ,K , x p ) e seu complementar P (Y > c / x1 , x 2 ,K , x p ) . γ c é o ponto de corte para as c=1,2,...,C-1 categorias do desfecho de autoavaliação de saúde. x1, x2,...,xp são as variáveis explicativas do modelo. β1, β2,..., βp são os efeitos das variáveis explicativas. Os parâmetros não dependem de c, pois o modelo de chances proporcionais assume que os efeitos β`s das variáveis explicativas sobre o desfecho de autoavaliação de saúde independe da categoria c. Embora a natureza ordinal do desfecho obrigue a modelagem em termos das probabilidades acumuladas, o modelo de chances proporcionais é derivado da suposição de existência de uma variável latente Y*, não observável, contínua, que varia no intervalo ]-∞, +∞[ e que gera os valores do desfecho observado Y. Neste caso, existem pontos de corte (cuja quantidade depende do número de categorias da variável ordinal observada) que separam os indivíduos em diferentes categorias. A resposta de um determinado indivíduo é determinada em função do intervalo em que sua resposta não observada pertencerá. Assim, um indivíduo está na categoria c (Y=c) quando Y* excede o ponto de corte γC-1, mas não excede o ponto de corte γC. De modo geral, assume-se uma série de pontos de corte γ0, γ1, ...,γC-1, γC, onde C é o número de categorias da variável observada e γ0=-∞, e γC = +∞. Para a escala ordinal de C categorias, a autoavaliação do estado global de saúde Y está relacionada com uma variável latente Y * da seguinte forma geral como mostrado abaixo: Y = c se γ c −1 < Y ∗ ≤ γ c , ∀ c = 1, 2, ..., C 37 No caso particular de C=3 categorias de autoavaliação de saúde, esta relação pode ser representada do seguinte modo: * 1 → muito ruim ou ruim se − ∞ < Y ≤ γ 1 Y = 2 → regular se γ 1 < Y * ≤ γ 2 3 → muito bom ou bom se γ < Y * < +∞ 2 Neste caso, existem dois pontos de corte γ1, e γ2 estritamente crescentes (γ1 < γ2). A Figura 4 abaixo mostra a divisão da reta real pelos pontos de corte em três intervalos, ilustrando a relação entre uma variável latente e uma variável categórica de três níveis. -∞ γ1 γ2 +∞ Y∗ muito ruim/ruim regular muito bom/bom Y Figura 4: Relação entre uma variável latente e uma variável categórica de 3 níveis Um outro modelo logístico ordinal (WILLIAMS, 2006) considerado na tese (apêndice) foi o modelo de chances proporcionais parciais (MCPP) que tem uma parametrização equivalente à equação do modelo de chances proporcionais, mas nem todos os efeitos β`s são iguais para todas as categorias c=1,2,..., C-1 de autoavaliação de saúde, sendo denotados genericamente por: β1c, β2c,..., βpc. Este modelo, representado abaixo, foi ajustado usando o comando gologit2 do software STATA 10.0, incluindo a opção “autofit”. Com esta opção, através de uma série de testes de Wald para cada variável, avalia se os efeitos diferem através das equações, isto é, se a variável encontra a suposição de homogeneidade das inclinações (WILLIAMS, 2006). Se o teste de Wald não for estatisticamente significante para algumas variáveis, os efeitos dessas variáveis são contraídos através das equações. 38 P (Y ≤ c / x1 , x2 ,K , x p ) Logit[ P (Y ≤ c / x1 , x2 ,K , x p )] = ln = γ c − ( β1c x1 + β 2c x2 + K + β pc x p ) P (Y > c / x1 , x2 ,K , x p ) c =1,2,...,C-1 onde: Logit[ P (Y ≤ c / x1 , x 2 ,K , x p )] é o logaritmo da razão entre a probabilidade acumulada P (Y ≤ c / x1 , x 2 ,K , x p ) e seu complementar P (Y > c / x1 , x 2 ,K , x p ) . γ c é o ponto de corte para as c=1,2,...,C-1 categorias do desfecho de autoavaliação de saúde. x1, x2,...,xp são as variáveis explicativas do modelo. β1c, β2c,..., βpc são os efeitos das variáveis explicativas referentes à categoria c do desfecho de autoavaliação de saúde. Nas análises de regressão ordinal (C=3 ou C=5) considerou a suposição de distribuição logística para a variável latente, ao invés da suposição de distribuição normal (RAMAN e HEDEKER, 2005). Segundo SNIJDERS e BOSKER (1999) a diferença entre o uso de uma ou outra distribuição é pequena e a escolha entre elas deve-se apenas a uma questão de conveniência. 4.2.2. Variáveis explicativas do modelo Na análise da associação entre a área de localização do domicílio e o desfecho de autoavaliação do estado geral de saúde do indivíduo, foi levado em consideração um conjunto de dezoito variáveis demográficas, socioeconômicas, comportamentais e de saúde que retratam características individuais e do ambiente intradomiciliar (domicílio) e extradomiciliar (setor) (Figura 5). As características individuais são compostas pelas variáveis: 1) sexo, 2) faixa etária, 3) cor/raça, 4) escolaridade, 5) situação de ocupação, 6) atividade física, 39 7) fumo, 8) morbidade autorreferida, 9) mobilidade física autorreferida, 10) posse de plano de saúde, 11) consulta ao médico nos últimos doze meses e 12) região de residência. As características do ambiente intradomiciliar, por sua vez, são compostas pelas variáveis: 13) domicílio cadastrado no Programa de Saúde da Família (PSF), 14) qualidade de moradia, 15) posse de bens básicos no domicílio, 16) condição de ocupação do domicílio, 17) renda domiciliar mensal per capita. E como característica do ambiente extradomiciliar foi utilizada a variável 18) proporção de domicílios considerados adequados no setor (vizinhança) quanto aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades habitacionais e aos padrões construtivos das moradias (material usado nas paredes e telhado). Níveis de hierarquia das variáveis de controle 1º nível = Adulto 2º nível = Domicílio Sexo, faixa etária, Cor/raça, Escolaridade, Situação de ocupação, Atividade física, Fumo, Morbidade autorreferida, Mobilidade física, Plano de saúde, Consulta ao médico, Região de residência (tratada como variável no nível individual). Qualidade de Moradia, Posse de bens básicos, Condição de ocupação, Renda mensal per capita, Cadastramento no PSF. 3º nível = Setor7 Proporção de domicílios considerados adequados quanto à qualidade da moradia. Figura 5: Níveis de hierarquia das variáveis de controle 7 Área de listagem 40 As variáveis individuais se referem basicamente a características demográficas, socioeconômicas, comportamentais e de saúde, enquanto que as variáveis ecológicas englobam características do ambiente intradomiciliar (domicílio) e extradomiciliar (setor). Em relação às características demográficas, foram consideradas no modelo as variáveis sexo e idade. As variáveis sexo e idade são utilizadas em vários estudos epidemiológicos tendo em vista as possíveis diferenças em termos de saúde entre os grupos de sexo e idade. A existência de tais diferenças pode requerer medidas de controle específicas. Além do sexo e idade, foram consideradas outras características demográficas, como a raça/cor e as grandes regiões brasileiras (região de residência). A raça é considerada uma categoria sociocultural utilizada como um marcador de risco para discriminação social. Segundo VOLOCHKO e VIDAL (2010), no Brasil, os negros são um grupo social vulnerável que possuem mais desvantagens do que os brancos, como menor nível educacional, menor renda, maior desemprego, moradias com maior nível de inadequação, além de maior dificuldade de acesso a bens sociais, inclusive serviços de saúde. Além disso, práticas sociais discriminatórias veladas ou abertas afetam a autoestima e, muitas vezes, causam vulnerabilidade pessoal cognitiva e/ou comportamental, levando os negros à depressão e a comportamentos reacionais como abuso de drogas (VOLOCHKO e VIDAL, 2010). A variável grandes regiões brasileiras foi incluída na modelagem estatística, pois os níveis de saúde dos indivíduos podem ser dependentes do nível de desenvolvimento regional. Quanto às características comportamentais, que se referem aos hábitos e atividades realizadas pelo indivíduo, foram considerados informações sobre a realização de exercício físico e o uso de drogas permitidas (fumo/tabaco). Conforme LIMA-COSTA et al (2003), exercícios físicos são considerados benéficos para a saúde individual, independente da idade, estando relacionado à redução da morbidade e mortalidade por doença coronariana, controle da pressão arterial, da glicemia e do colesterol e adequação do peso corporal. Com relação ao 41 fumo do tabaco (tabagismo), é considerado atualmente o principal e mais disseminado poluente presente no meio interior (que prejudica a qualidade do ar interior) com efeitos negativos para a saúde tanto de fumadores quanto de não-fumadores (CALHEIROS, 2006). Adicionalmente, vale ressaltar que o tabagismo, além de potencializar o aparecimento de carcinomas (ação carcinogênica), aumenta o risco de mortalidade por doenças cardiovasculares e cerebrovasculares e doenças respiratórias crônicas (RODRIGUES et al., 2008), não existindo um nível seguro para a exposição (CALHEIROS, 2006). Em relação às características de saúde foram utilizadas informações sobre morbidade autorreferida, mobilidade física autorreferida, consulta ao médico, além da posse de plano de saúde, onde esta última variável permite distinguir os indivíduos que dependem exclusivamente dos serviços públicos de saúde daqueles que dispõem de outras opções de acesso a serviços de saúde. O plano de saúde é considerado indicativo do grau de capacidade do consumo de saúde no Brasil (SAWYER et al., 2002), ou melhor, é usado como indicador do acesso a serviços de saúde, cujo acesso pode ser entendido como a capacidade do indivíduo obter, quando necessitar, cuidado de saúde, de maneira fácil e conveniente (ACURCIO e GUIMARÃES, 1996). A variável consulta ao médico (“procurou algum lugar, serviço ou profissional de saúde para atendimento relacionado à própria saúde”) é considerada um indicador de utilização aos serviços de saúde importante na explicação da saúde dos indivíduos (VIACAVA, 2002). A morbidade autorreferida, foi levantada na PNAD por meio da seguinte pergunta: “Algum médico ou profissional de saúde já disse que o Sr(a) tem ...?”, com duas alternativas de repostas possíveis (sim ou não). Foi investigada a presença de 12 doenças crônicas: doença de coluna ou costas; artrite ou reumatismo; câncer; diabetes; bronquite ou asma; hipertensão; doença do coração; doença renal crônica; depressão; tuberculose; tendinite ou 42 tenossinovite e cirrose. A variável “morbidade autorreferida”, foi construída a partir das respostas obtidas dessa pergunta para cada doença, resultando numa única medida de morbidade autorreferida que informa se o indivíduo não possui nenhuma destas 12 doenças crônicas ou se possui pelo menos uma destas doenças. As características de mobilidade física dos moradores, por sua vez, foi levantada na PNAD por meio da seguinte pergunta “Normalmente por problema de saúde, você tem dificuldade para ....?” Foi levantado informações sobre o grau de dificuldade (não consegue, tem grande dificuldade, tem pequena dificuldade, não tem dificuldade) na realização de oito atividades: 1) alimentar-se, tomar banho ou ir ao banheiro; 2) correr, levantar objetos pesados, praticar esportes ou realizar trabalhos pesados; 3) empurrar mesa ou realizar consertos domésticos; 4) subir ladeira ou escada; 5) abaixar-se, ajoelhar-se ou curvar-se; 6) andar mais do que um quilômetro; 7) andar cerca de 100 metros; 8) fazer compras de alimentos, roupas e medicamentos, sem ajuda. A partir da combinação das respostas dessas oito perguntas obteve-se a variável “mobilidade física autorreferida”, com quatro níveis: muita limitação, limitação, pouca limitação e sem limitação. Os indivíduos são classificados como tendo muita limitação quando não conseguem ou têm grande dificuldade para realizar as atividades básicas de alimentação e higiene, ou não conseguem realizar pelo menos uma das demais atividades. Como tendo limitação quando os indivíduos têm pequena ou nenhuma dificuldade nas atividades de alimentação e higiene, mas possui grande dificuldade em pelo menos uma das outras atividades. Como tendo pouca limitação, os indivíduos que não têm pequena ou nenhuma dificuldade, mas têm pequena dificuldade em pelo menos uma das outras atividades. E foram classificados como sem limitação, os indivíduos que não apresentaram nenhuma dificuldade em todas as atividades. Quanto às características socioeconômicas individuais, foram considerados os anos de estudo e a situação na ocupação. A importância da consideração dos anos de estudo na 43 análise das diferenças dos níveis de saúde é traduzida pelo fato de que indivíduos com maiores níveis de escolaridade, tendem a apresentar comportamentos mais saudáveis (NOGUEIRA, 2008). Além disso, indivíduos mais escolarizados tendem a apresentar maior capacidade de identificar problema de doença e de necessidade, de procura e utilização de serviços de saúde (NOGUEIRA, 2008; ANDRADE e MAIA, 2009). Destaca-se ainda que indivíduos mais escolarizados tendam a apresentar melhor percepção dos efeitos do tratamento sobre a saúde e um maior conhecimento das diferentes especialidades médicas (NERI e SOARES, 2002). A situação de ocupação do indivíduo é uma outra importante variável socioeconômica, uma vez que o desemprego gera instabilidade emocional e situações de stress com efeitos negativos para a saúde (NOGUEIRA, 2008; POCHMANN, 1999). Por outro lado, a ocupação é considerada como um dos principais meios de acesso à renda e aos serviços sociais básicos (POCHMANN, 1999). As variáveis ecológicas do ambiente intradomiciliar se referem à qualidade da moradia, que será avaliada segundo dois indicadores: indicador de adequação da habitação e indicador das condições de conforto ou padrões de consumo. O indicador de adequação da habitação, utilizado como proxy das condições de moradia da população, foi construído através da combinação ou agrupamento de sete variáveis8 dicotômicas pertencentes a três dimensões distintas: I) a qualidade da infraestrutura física (construção) do domicílio, II) a disponibilidade de serviços sociais básicos (água, luz, esgoto, lixo) e a III) densidade domiciliar. A primeira dimensão “qualidade da infra-estrura física do domicílio” é composta por duas variáveis: 1) material predominante nas paredes do domicílio: adequado (alvenaria ou madeira aparelhada) e inadequado (taipa não revestida, madeira aproveitada, palha, outro material); 2) material predominante no 8 Tais variáveis foram criadas obedecendo os critérios definidos em IBGE (1999). 44 telhado do domicílio: adequado (telha, laje de concreto, madeira aparelhada e zinco) e inadequado (madeira aproveitada, palha, outro material). A segunda dimensão “disponibilidade de serviços sociais básicos”, por sua vez, é composta por quatro variáveis: 1) procedência da água utilizada no domicílio: adequado (rede geral de distribuição) e inadequado (poço ou nascente, ou outra proveniência; e ainda banheiro sem água canalizada); 2) forma de escoadouro do banheiro ou sanitário do domicílio: adequado (rede coletora de esgoto ou pluvial ou fossa séptica ligada ou não ligada á rede coletora de esgoto ou pluvial/ banheiro ou sanitário de uso exclusivo dos moradores do domicílio) e inadequado (fossa rudimentar, vala, direto para o rio, lago ou mar, outra forma de escoadouro/ banheiro de uso comum para mais de um domicílio; e ainda domicílios sem banheiro ou sanitário); 3) destino do lixo domiciliar: adequado (coleta direta ou indireta) e inadequado (queimado ou enterrado na propriedade, jogado em terreno baldio ou logradouro, jogado em rio, lago ou mar, ou outro destino); 4) forma de iluminação do domicílio: adequado (elétrica) e inadequado (óleo, querosene ou gás de botijão, ou outra forma de iluminação). Já a terceira e última dimensão “densidade domiciliar” é representada por uma única variável, taxa de moradores por cômodo: adequado (até dois moradores por cômodo habitável – exclui-se banheiro e cozinha) e inadequado (mais de dois moradores por cômodo habitável). Conforme o agrupamento efetuado, o indicador de adequação da habitação resultante é uma variável binária, onde os domicílios são considerados adequados se foram classificados como adequado em todas as variáveis das três dimensões consideradas (qualidade da construção, disponibilidade de infra-estrutura de serviços sociais e densidade habitacional) e são considerados inadequados se forem classificados como inadequado em pelo menos uma das variáveis de alguma dimensão. O indicador das condições de conforto ou padrões de consumo construído através da combinação de variáveis sobre a posse de bens ou equipamentos domésticos. Na PNAD 2008, 45 são levantados um conjunto de bens de consumo, dos quais o fogão, geladeira, televisão e rádio são considerados bens básicos (IBGE, 1999). O indicador resultante também é uma variável binária, onde os domicílios são considerados adequados se possuírem todos os bens de consumo básicos e são considerados inadequados se não possuírem pelo um dos bens um dos bens básicos. NOGUEIRA (2008) ressalta a importância dos indicadores de qualidade de moradia no que se refere a sua influência na saúde, destacando que as características de habitação/moradia podem influenciar a saúde direta (proteção/segurança/conforto) e indiretamente, devido às situações de stress e ansiedade geradas pela precariedade das habitações. Ressalta ainda que os indicadores habitacionais representem indicadores de privação real e não potencial, ou seja, indicam se o indivíduo ou a família estão efetivamente privados. Com relação ao ambiente intradomiciliar também foi utilizada a característica socioeconômica renda domiciliar per capita. A importância deste indicador na análise das diferenças de estado de saúde também é ressaltada por NOGUEIRA (2008) quando menciona que “o rendimento, condicionando os indivíduos nas suas opções quotidianas – impondo ou não, limitações à quantidade e a qualidade de bens possíveis de adquirir, e restringindo, ou não, a mobilidade e a vida social – afeta a saúde física e mental (NOGUEIRA, 2008:42)”. Para avaliação da exposição a uma situação de insegurança na posse, considerou-se a condição de ocupação do domicílio, sendo classificada em quatro categorias: próprio, alugado, cedido, ou outra condição. A categoria “outra condição” contempla aqueles indivíduos que ocuparam o domicílio por invasão, e, portanto residem em imóvel que não tem garantia de permanência. Segundo ALVES (2010), essa falta de garantia pode ser jurídica, no caso de posse precária de imóveis de terceiros (irregularidade fundiária), ou mesmo “de fato”, nos casos em que a pessoa tem direitos sobre o imóvel, mas também sofre ameaças ou 46 despejos (por exemplo, pessoas que possuem processos judiciais pendentes em relação ao imóvel, como titulares de ação de herança, usucapião, etc.). O indicador “condição de ocupação do domicílio” tem sido usado como proxy de capital social (NOGUEIRA, 2008), ressaltando que aspectos já mencionados como a falta de proteção, segurança, situações de stress e ansiedade da população tem impactos negativos para a saúde individual. A variável “PSF”, disponível na PNAD 2008 e também considerada na modelagem estatística, indica se o domicílio foi cadastrado ou não no Programa Saúde da Família (PSF), designado atualmente de Estratégia Saúde da Família (ESF) que tem como propósito garantir a universalização do acesso aos serviços de saúde. Desse modo, tal variável informa se a família reside em área de atuação do programa que, como já mencionado, tem como objetivo a promoção da saúde e a prevenção de doenças, e com isso melhoria da qualidade de vida dos indivíduos. Com relação às características do ambiente extradomiciliar são utilizadas duas variáveis ecológicas que retratam a qualidade do ambiente extradomiciliar definida pelo percentual de domicílios considerados adequados9 em relação aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades habitacionais e aos padrões construtivos das moradias. Além disso, considerou a área de localização do domicílio como uma outra variável do ambiente extradomiciliar, que pode ser classificada em urbana ou rural, tomando por base a legislação vigente por ocasião da realização do Censo Demográfico 2000. O Quadro 1 resume todas as variáveis explicativas (com suas respectivas categorias) consideradas nos ajustes dos modelos logísticos tanto na abordagem agregada quanto na abordagem desagregada de análise. 9 Percentual construído com base no indicador dicotômico de adequação da habitação (qualidade da moradia) 47 Quadro 1: Listagem do conjunto inicial de variáveis explicativas consideradas no ajuste dos modelos logísticos (abordagens agregada e desagregada) explicativos do estado global de saúde autorreferido do indivíduo. Variáveis explicativas Categorias Características demográficas, socioeconômicas, comportamentais e de saúde (variáveis individuais) Sexo Masculino; feminino Faixa etária De 20 a 29 anos, de 30 a 39 anos, de 40 a 49 anos, de 50 a 59 anos, 60 anos ou mais Cor/raça Branca, não branca (preta, amarela, parda ou indígena) Escolaridade Sem declaração, sem instrução ou menos de 1 ano, 1 a 7 anos, 8 a 14 anos, 15 anos ou mais Situação de ocupação Ocupado, não ocupado Atividade física Sem declaração, pratica, não pratica Fumo Sem declaração, fumante, ex-fumante, nunca fumou Morbidade autorreferida de 12 doenças crônicas Pelo menos 1 doença crônica, nenhuma doença crônica Mobilidade física autorreferida Muita limitação, limitação, pouca limitação, sem limitação Posse de plano de saúde Sim; não Consulta médica nos últimos 12 meses Sim, não Região de residência (Grandes Regiões Brasileiras) Norte, Nordeste, Sudeste, Sul, Centro-Oeste Ambiente intradomiciliar (variáveis domiciliares) Qualidade da moradia Adequada (todos os indicadores adequados), não adequado (pelo menos um indicador inadequado) Posse de bens básicos (geladeira, fogão, televisão e Possui todos os bens básicos, não possui rádio) no domicílio pelo menos um bem básico Condição de ocupação do domicílio Próprio, alugado, cedido, outra condição Renda domiciliar mensal per capita Sem declaração, sem renda ou até 1 s.m, mais de 1 a 5 s.m, mais de 5 s.m Domicílio cadastrado no PSF Sim, não Ambiente extradomiciliar (variáveis do setor) Área de localização do domicílio (área censitária) Urbana; rural Proporção de domicílios considerados adequados quanto a qualidade da moradia (qualidade da construção, disponibilidade de infra-estrutura de serviços e densidade domiciliar)*. *Variável numérica 48 4.2.3. Modelo logístico ordinal Modelo logístico ordinal é um modelo linear generalizado pertencente à classe dos modelos de regressão de efeitos fixos, onde o desfecho é policotômico ordinal, e as variáveis explicativas numéricas ou categóricas. Modelos de efeitos fixos assumem que todas as observações são independentes, não sendo apropriadas para análise de dados provenientes de pesquisas que apresentam algum tipo de estrutura de correlação, seja através de pesquisas longitudinais ou que fazem uso de conglomeração. Assim, no caso de pesquisas amostrais complexas, que violam a suposição de independência das observações, uma alternativa adequada seria utilizar a abordagem agregada (PESSOA e SILVA,1998) no ajuste de modelos estatísticos, que se baseia na incorporação do plano amostral da pesquisa, informando os pesos amostrais e aspectos ligados à estrutura do plano, tais como estratos e unidades de conglomeração. É importante mencionar ainda que esta abordagem agregada de análise, também denominada de abordagem baseada no plano amostral, corresponde segundo THOMAS e HECK (2001) à modelagem em um único nível de análise (ou seja, no nível individual) e pode ser realizada através de procedimentos ou módulos específicos para análise de dados amostrais complexos de pacotes estatísticos como, por exemplo: STATA, SAS e SPSS. Considerando a abordagem agregada de análise (artigos 1, 2 e 3), o modelo logístico ordinal (modelo de chances proporcionais) pode ser representado pela equação abaixo: Y * = β1 x1 + β 2 x 2 + K + β p x p + ε , onde: Y * é a autoavaliação do estado de saúde adulto; x1, x2,...,xp são as variáveis explicativas. β1, β2,...,βp são os parâmetros desconhecidos (efeitos fixos) a serem estimados. ε é o erro do modelo com distribuição logística de média 0 e variância π2/3. 49 Com relação à ponderação dos dados amostrais da pesquisa, foram utilizados na abordagem agregada pesos relativos, ao invés de pesos brutos, para a estimação das estimativas pontuais dos parâmetros (coeficientes) do modelo e de suas medidas de precisão, definidos pela razão entre os referidos pesos brutos e sua média aritmética simples, com o objetivo de preservar o efetivo tamanho da amostra (LEE, 1989; THOMAS e HECK, 2001; WEI e PARSONS, 2009). Embora tanto o uso de pesos brutos quanto de pesos relativos levem as mesmas estimativas pontuais dos parâmetros do modelo, tal ajuste/correção nos pesos amostrais é importante, tendo em vista que a maioria dos pacotes estatísticos trata a soma dos pesos brutos (tamanho da população) como se fosse o tamanho efetivo da amostra, acarretando uma grande subestimação dos erros padrões e levando a decisões equivocadas baseadas na realização de testes estatísticos de hipóteses (THOMAS e HECK, 2001). Uma outra forma de se ajustar modelos estatísticos com base em dados de pesquisas amostrais complexas é através do uso da abordagem desagregada (PESSOA e SILVA,1998), isto é, através de modelos multiníveis, como o descrito na seção 4.2.4. 4.2.4. Modelo logístico ordinal multinível Modelos logísticos ordinais multiníveis pertencem à classe dos Modelos Lineares Generalizados Mistos (MLGM) que, por sua vez, podem ser considerados como uma extensão dos Modelos Lineares Generalizados (MLG) tradicionais, e basicamente diferem destes pela incorporação de efeitos aleatórios no preditor linear. Portanto, na análise multinível, efeitos aleatórios do(s) grupo(s) podem ser adicionados no modelo para considerar a estrutura de dependência (ou correlação) dos dados. O modelo resultante é um modelo misto que inclui tanto efeitos fixos usuais quanto efeitos aleatórios para as variáveis explicativas. Além disso, na análise multinível, para cada 50 indivíduo, o valor do desfecho estudado é decomposto em duas componentes, sendo uma componente individual ou intra-grupo, e a outra componente inter-grupo. A decomposição das variáveis de uma amostra de dados em partes (componentes) é usada para estimar a matriz de variância-covariância dentro dos grupos (ou seja, dos desvios individuais em relação às médias dos grupos) e a matriz de variância-covariância entre grupos (ou seja, dos grupos de médias desagregadas) (THOMAS e HECK, 2001). A análise multinível é considerada uma abordagem desagregada de análise, denominada alternativamente de abordagem baseada no modelo analítico (THOMAS e HECK, 2001), que permite incorporar explicitamente no ajuste do modelo a estrutura hierárquica dos dados (adulto, domicílio, setor, etc.). Entretanto, para a análise de dados da PNAD 2008 é preciso incorporar ainda aspectos do plano amostral efetivamente adotado na seleção da amostra (isto é, estratos, unidade primárias de amostragem e pesos amostrais). THOMAS e HECK (2001) chamam atenção para o fato de que os modelos multiníveis lidam naturalmente com a conglomeração dos dados, mas precisam de “ajustes estatísticos” para acomodar outras características de amostragem, como os pesos de amostragem. Nesta tese (artigo 4) utilizou-se à abordagem desagregada para adultos residentes em municípios populosos (os chamados municípios autorrepresentativos) que informaram seu próprio estado de saúde. Nestes municípios, o plano amostral é estratificado e conglomerado em dois estágios de seleção, onde os municípios são os estratos, e os setores e domicílios são as unidades primárias e secundárias de amostragem, respectivamente. Desse modo, a fim de considerar todas essas informações estruturais do plano amostral da PNAD 2008, ajustou-se um modelo logístico ordinal multinível com quatro níveis hierárquicos, onde os adultos são as unidades de 1º nível, os domicílios (habitações) são as unidades de 2º nível, os setores (vizinhanças) as unidades de 3º nível. Os municípios autorrepresentativos foram considerados no modelo como unidades de 4º nível. 51 Um modelo multinível (modelo de chances proporcionais) de quatro níveis de hierarquia pode ser representado genericamente pela seguinte equação adaptada de SKRONDAL e RABE-HESKETH (2003): Y * ijkh = M1 −1 ∑β x m ijk 1 m1 = 0 142 4 43 4 m1 M 2 −1 ∑θ + ⋅z m2 =0 1442443 parte fixa (2) m2 jkh ( 2) m2ijkh + M 3 −1 ∑θ ⋅ z (m3)ijkh 3 m3 = 0 1 442443 parte aleatória de 2 ºnível ( 3) m3kh parte aleatória de 3ºnível + M 4 −1 ∑θ ⋅ z (m4)ijk + ε ijkh 4 m4 = 0 1 44244 3 ( 4) m4 h parte aleatória de 4º nível que pode ser escrita de forma alternativa usando alguma notação matricial: * ` ( 2 )` ( 2 ) ( 3 )` ( 3 ) ( 4 )` ( 4 ) Yijkh = x ijkh β + z ijkh θ jkh + z ijkh θ kh + z ijkh θ h + ε ijkh ; i=1,2,..., njkh ; j=1,2,..., nkh ; k=1,2,....,nh; h=1,2,....,n onde: * Y ijkh é o estado de saúde autorreferido (variável latente) do i-ésimo indivíduo que reside no j- ésimo domicílio do k-ésimo setor pertencente ao h-ésimo município autorrepresentativo; [ ] x ijk = x 0ijk , x1ijk , K , x M1 −1ijk é o vetor de variáveis explicativas; ββββ [ = β 0 , β1 ,K, β M1 −1 ] ` é o vetor de efeitos fixos; [ ] ` é o vetor de efeitos aleatórios de 2º nível (domicílio); [ ] ` é o vetor de variáveis explicativas com efeitos aleatórios de 2º 2) ) θ (jkh = θ 0( 2jkh , θ1( 2jkh) ,K, θ M( 22) −1 jkh ( 2) ) 2) z ijkh = z 0( 2ijkh , z1(ijkh ,K, z M( 22) −1ijkh nível (domicílio). A coluna de 1`s é usualmente incluída no caso de intercepto aleatório para o 2º nível); [ θ kh(3) = θ0(3kh) , θ1(kh3) ,K, θ M( 32) −1kh ] [ ` é o vetor de efeitos aleatórios de 3º nível (setor); ] ( 3) ) 3) z ijkh = z 0(3ijkh , z1(ijkh ,K, z M(33) −1ijkh ` é o vetor de variáveis explicativas com efeitos aleatórios de 3º nível (setor). [ θ h( 4) = θ 0( 4h) , θ1(h4) ,K, θ M( 44) −1h autorrepresentativo); ] ` é o vetor de efeitos aleatórios de 4º nível (município 52 [ ] ( 4) ) 4) z ijkh = z 0( 4ijkh , z1(ijkh ,K, z M( 44) −1ijkh ` é o vetor de variáveis explicativas com efeitos aleatórios de 4º nível (município autorrepresentativo). Os efeitos aleatórios de cada nível são, por suposição, normalmente distribuídos θ m( 2) jkh ~ N (0,σ (22 ) ), θ m( 3)kh ~ N (0,σ (23) ) e θ m( 4 )h ~ N (0, σ (24 ) ) , além de independentes através dos 3 2 4 níveis. εijkh são os erros do modelo com distribuição logística de média 0 e variância π2/3. No caso de um modelo multinível de quatro níveis apenas com interceptos aleatórios, no qual se adiciona ao preditor linear efeitos aleatórios para as unidades de 2º nível (domicílio), 3º nível (setor) e 4º nível (município AR) tem-se a seguinte representação abaixo ) ) ) =1; M3=1 e z 0(3ijkh =1; M4=1 e z 0( 4ijkh =1). (M2=1 e z 0( 2ijkh ` ) Yijk* = x ijk β + θ 0( 2jkh + θ 0( 3kh) + θ 0( 4h) + ε ijk i=1,2,..., njkh ; j=1,2,..., nkh ; ; k=1,2,....,nh; h=1,2,....,n onde: * Y ijkh é o estado de saúde autorreferido (variável latente) do i-ésimo indivíduo que reside no j- ésimo domicílio do k-ésimo setor pertencente ao h-ésimo município autorrepresentativo; xijkh é o vetor de variáveis explicativas; β é o vetor de efeitos fixos; θ 0( 2jkh) é o efeito aleatório do j-ésimo domicílio do k-ésimo setor pertencente ao h-ésimo município autorrepresentativo (efeito da unidade de 2º nível, ou seja, do domicílio); ) θ 0( 2jkh ~ N (0, σ (22 ) ) 53 θ 0( 3kh) é o efeito aleatório do k-ésimo setor pertencente ao h-ésimo município ( autorrepresentativo (efeito da unidade de 3º nível, ou seja, do setor); θ 0(3kh) ~ N 0, σ (23) ) θ 0( 4h) é o efeito aleatório do h-ésimo município autorrepresentativo (efeito da unidade de 4º ( nível, ou seja, do município autorrepresentativo); θ 0( 4h) ~ N 0, σ (24 ) ) εijk são os erros do modelo com distribuição logística de média 0 e variância π2/3. Destarte, na análise multinível são utilizadas três unidades de contexto, o “domicílio”, o “setor” e o “município AR”. Para os domicílios e setores foi considerado um conjunto de características que retratam o ambiente intradomiciliar e extradomiciliar, respectivamente. Quanto ao “município” foi considerada na análise multinível por representar o estrato no plano amostral da PNAD 2008. Segundo o IBGE, o domicilio é definido como “o local de moradia estruturalmente separado e independente, constituído por um ou mais cômodos”. A separação refere-se à delimitação do local de moradia por paredes, muros, cercas, e por um teto, tornando possível o isolamento de seus moradores, que arcam com parte ou todas as suas despesas de alimentação ou moradia. A independência, por sua vez, refere-se à possibilidade de acesso direto ao local de moradia, ou seja, possibilita a entrada e saída dos moradores sem a necessidade de se passar pelo local de moradia de outros moradores. Para fins de análise foram considerados apenas os domicílios particulares permanentes (DPP) que são aqueles domicílios (casa, apartamento ou cômodo) destinados exclusivamente à moradia de uma pessoa ou de um grupo de pessoas cujo relacionamento fosse ditado por laços de parentesco, dependência doméstica ou, ainda, normas de convivência. Devido a não disponibilidade da identificação dos códigos dos setores censitários para garantir o sigilo ou confidencialidade das informações prestadas pelos respondentes, utilizouse como unidade de contexto a “área de listagem” (referida simplesmente como setor nesta 54 tese) disponível no banco de dados da PNAD, que podem ser os próprios setores censitários ou subdivisões dos setores censitários, ou ainda áreas de novas construções nos casos em que o crescimento de domicílios foi muito espalhado. Embora concebida para fins de controle do processo de amostragem, sabe-se que os domicílios pertencentes a uma certa área de listagem mantêm uma certa proximidade geográfica. 55 5. Resultados 5.1. ARTIGO 1 Associação entre o estado de saúde autorreferido de adultos e a área de localização do domicílio: uma análise de regressão logística ordinal usando a PNAD 2008♦ ♦ Artigo publicado na Revista Ciência & Saúde Coletiva e ligeiramente modificado na tese. 56 Resumo O ambiente urbano influencia a saúde e os comportamentos humanos, sendo necessário um melhor entendimento dos determinantes da saúde das populações que vivem nas cidades. A partir dos dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) 2008, usando modelos logísticos ordinais incorporando o plano amostral, o presente artigo avalia a associação entre a área de localização do domicílio (urbana e rural) e o estado de saúde autorreferido da população adulta brasileira, controlando para um conjunto de fatores individuais e do ambiente intradomiciliar e extradomiciliar. Os resultados indicam que ao controlar por fatores individuais e ambientais, a associação entre a área de localização do domicílio e o estado de saúde autorreferido dos adultos se modifica (passando de OR=1,51 para OR=0,96) e perde a sua significância estatística (p-valor=0,208). Entretanto, foram observadas interações estatisticamente significantes entre a área de localização do domicílio e as seguintes variáveis: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e percentual de domicílios adequados quanto a qualidade de moradia. Palavras-chave: Estado de saúde autorreferido, área de localização do domicílio, modelo de regressão logística ordinal. 57 Abstract: The urban environment influences human health and behavior, and better understanding of the health determinants of populations living in cities is needed. Using data from the National Household Sampling Survey (PNAD) 2008, with ordinal logistic models incorporating the sampling plan, the present study assessed the association between the area where the homes of a Brazilian adult population were located (urban or rural) and these individuals’ self-reported state of health, while controlling for a set of individual and environmental factors within and outside of households. The results indicated that after controlling for individual and environmental factors, the association between the area of home location and individuals’ self-reported state of health became modified (going from OR = 1.51 to OR = 0.96) and lost its statistical significance (p-value = 0.208). However, statistically significant interactions were observed between the area of home location and the following variables: sex, color/race, self-reported morbidity, possession of basic goods and percentage of households with adequate housing quality. Key words: self-reported state of health, area of home location, ordinal logistic regression model. 58 5.1.1. INTRODUÇÃO O ambiente urbano influencia a saúde e os comportamentos humanos, apontando para a necessidade de melhor entendimento dos determinantes da saúde das populações que vivem nas cidades1. No Brasil, houve um aumento na taxa de urbanização, passando de 81,2% em 2000 para 83,8% em 2008, que em termos absolutos significa mais de 159 milhões de pessoas vivendo nas cidades em 20082. Com relação aos múltiplos efeitos da urbanização na saúde da população ainda há divergências entre estudos. Alguns estudos sobre a relação entre o processo de urbanização e a saúde da população apontam como fatores que proporcionam uma melhor saúde dos indivíduos em áreas urbanas, comparativamente a áreas rurais, um maior nível de renda, educação e informação, que lhes proporcionam um melhor acesso a uma alimentação de qualidade3,4 e um maior acesso de serviços de saúde5. Por outro lado, outros estudos apontam que o processo de urbanização, sobretudo quando não planejado, pode trazer uma série de riscos a saúde da população como resultado de residências impróprias, aglomeração humana, poluição ambiental, água para consumo insuficiente ou contaminada, instalações sanitárias inadequadas, esgoto não-tratado, estresses associados com pobreza e desemprego6,7. Segundo Caiaffa et al.1, independente do efeito positivo ou negativo da vida nas cidades contemporâneas (meio urbano), o conceito de saúde deve incorporar o cotidiano dos indivíduos vivendo nas cidades, não ignorando as relações de interdependência que existem entre o indivíduo e o meio físico, social e político onde ele vive e se insere. “Os resultados em saúde parecem, pois depender de quem se é e do lugar onde se vive”4. Apreende-se, portanto que o estudo dos determinantes de saúde não pode se limitar a fatores individuais, devendo ser considerados também fatores ambientais para explicar as diferenças nos níveis de saúde de populações humanas. A importância da consideração de indicadores relativos à qualidade das 59 moradias está no fato deles representarem conceitos de privação real, ou seja, indicam que os indivíduos estão efetivamente privados4. Do ponto de vista da prevenção das doenças e da promoção da qualidade de vida e das condições de saúde no país é fundamental identificar fatores, sobretudo os passíveis de intervenção (modificáveis), que influenciam os níveis de saúde de populações humanas, com objetivo de reduzir as iniqüidades em saúde. Entretanto, o estabelecimento desta relação não é simples, “não só por causa da multiplicidade de fatores envolvidos e pelas inter-relações existentes entre eles (...)”4, mas, sobretudo pelas limitações provenientes do tipo de desenho de estudo epidemiológico adotado e da disponibilidade e qualidade das informações nos níveis geográficos requeridos. Na análise das diferenças nos níveis de saúde de populações humanas considerando variáveis individuais e contextuais, têm sido frequentemente utilizados, como proxy das avaliações objetivas de saúde individual, indicadores de autopercepção do estado global de saúde, por ser de fácil mensuração, confiável e válido8,9,10, além de permitir comparações internacionais11. . Vários autores utilizam o indicador de autopercepação do estado de saúde em seus estudos12,13,14,4, entretanto diferem quanto à forma de tratar o indicador. Por exemplo, Dachs e Santos13, com base nos dados da PNAD 2003, usaram modelos de regressão logística binária para relacionar a autopercepção do estado de saúde dicotomizada em ruim/muito ruim ou não com um conjunto de determinantes individuais. Já Nogueira4 usando modelos de regressão logística ordinal relacionou a autopercepção do estado de saúde com um conjunto de determinantes individuais e contextuais na Área Metropolitana de Lisboa. No presente artigo são analisadas as diferenças no estado de saúde autorreferido dos adultos usando dados mais recentes da PNAD utilizada por Dachs e Santos13 e o mesmo tipo de modelo adotado por Nogueira4, mas incorporando as informações do plano amostral. 60 Considerando a população adulta residente em domicílios particulares permanentes que informou o seu próprio estado de saúde, este artigo tem como objetivo avaliar a associação entre a área de localização do domicílio (urbana e rural) e o estado de saúde autorreferido, controlando para um conjunto de variáveis demográficas, socioeconômicas, comportamentais e de saúde que retratam características individuais e do ambiente intradomiciliar e extradomiciliar. 61 5.1.2. MATERIAL E MÉTODOS Pesquisa Nacional por Amostra de Domicílios A Pesquisa Nacional por Amostra de Domicílios (PNAD) é uma pesquisa de abrangência nacional, realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE), que coletou informações de uma amostra probabilística de 150.591 domicílios e 391.868 pessoas. Tem como finalidade produzir informações básicas para o estudo do desenvolvimento socioeconômico do País. Sua amostra foi planejada para obter estimativas representativas para o Brasil, Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). Com relação ao desenho amostral, a PNAD é um estudo seccional que combina estratificação, conglomeração em dois ou três estágios, com probabilidades desiguais de seleção que resultam em pesos amostrais distintos para os elementos da amostra. Maiores informações sobre o planejamento amostral podem ser obtidos em Silva et al.15 e IBGE2. População de estudo A população-alvo deste estudo compreende os indivíduos adultos (20 anos ou mais de idade) residentes em domicílios particulares permanentes que informaram o seu próprio estado de saúde, o que corresponde a uma seleção de 162.213 registros na amostra da PNAD. Foram consideradas na análise apenas as pessoas que informaram seu próprio estado global de saúde, por entender que informações prestadas por terceiros (outras pessoas moradoras do domicílio, ou ainda outras pessoas não moradoras do domicílio) aumentaria a chance de 62 ocorrer viés de informação ou classificação do desfecho de saúde utilizado neste trabalho. Do total de adultos residentes em domicílios particulares permanentes, 37,2% tiveram seu estado de saúde informado por terceiros. Variáveis de estudo A partir das cinco alternativas de resposta do quesito de autopercepção do estado global de saúde obteve-se um desfecho ordinal com três níveis: muito bom/bom, regular, ruim/muito ruim. A área de localização do domicílio classificada em urbana ou rural de acordo com a legislação vigente na ocasião do Censo Demográfico 2000 é a variável de exposição principal, cuja associação com o estado de saúde autorreferido se deseja avaliar em nível nacional. A área urbana foi definida como agregação de três categorias da variável original “situação censitária” disponível no banco de dados da PNAD 2008: 1) Cidade ou vila, área urbanizada; 2) Cidade ou vila, área não-urbanizada; e 3) Área urbana isolada. A área rural, por sua vez, foi definida como junção de cinco categorias da variável situação censitária: 1) Aglomerado rural de extensão urbana; 2) Aglomerado rural, isolado, povoado; 3) Aglomerado rural, isolado, núcleo; 4) Aglomerado rural, isolado, outros aglomerados; e 5) Zona rural exclusive aglomerado rural. Como variáveis de controle foi utilizado um conjunto de dezoito variáveis demográficas, socioeconômicas, comportamentais e de saúde que retratam características individuais e do ambiente intradomiciliar e extradomiciliar: sexo, faixa etária, cor/raça, escolaridade, situação de ocupação, atividade física, fumo, morbidade autorreferida, mobilidade física, posse de plano de saúde, consulta médica nos últimos 12 meses, domicílio cadastrado no Programa de Saúde da Família (PSF), qualidade de moradia, posse de bens 63 básicos no domicílio, condição de ocupação do domicílio, renda domiciliar mensal per capita, região de residência e proporção de domicílios considerados adequados no setor (vizinhança) quanto aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades habitacionais e aos padrões construtivos das moradias (material usado nas paredes e telhado). As variáveis de controle que foram obtidas através da agregação de variáveis disponíveis no banco de dados da PNAD 2008 são descritas abaixo. A variável “qualidade de moradia” representa uma característica do ambiente intradomiciliar, construída através da combinação de sete variáveis binárias que indicam adequação ou inadequação de três dimensões distintas (qualidade da construção, infraestrutura de serviços sociais e densidade domiciliar) de acordo com os critérios definidos na publicação da Pesquisa sobre Padrões de Vida 1996-199716. As categorias da variável “qualidade da moradia” são: adequado - para os domicílios considerados adequados em todos os indicadores das três dimensões e inadequado - para os domicílios considerados inadequados em pelo menos um dos indicadores de alguma das dimensões. A partir da variável “qualidade de moradia”, foi obtida uma outra variável que retrata uma característica do ambiente extradomiciliar, através do cálculo do percentual de domicílios existentes no setor considerados adequados quanto à qualidade da construção, à infra-estrutura de serviços sociais (água, esgoto, lixo e luz) e à densidade habitacional. A “posse de bens básicos no domicílio” é uma outra variável do ambiente intradomiciliar, com duas categorias que informam se no domicílio existem todos os quatro bens básicos (fogão, geladeira, televisão e rádio) ou se não existe pelo menos um desses bens. A variável “mobilidade física” foi construída a partir do agrupamento das respostas (não consegue, tem grande dificuldade, tem pequena dificuldade ou não tem dificuldade) de oito quesitos de mobilidade física levantados na PNAD 2008, resultando em quatro níveis que retratam os diferentes estados de mobilidade física dos indivíduos ou diferentes graus de 64 limitação na realização de determinadas atividades básicas do cotidiano: muita limitação, limitação, pouca limitação e sem limitação. Os indivíduos são classificados como tendo muita limitação quando não conseguem ou têm grande dificuldade para realizar as atividades básicas de alimentação e higiene, ou não conseguem realizar pelo menos uma das demais atividades. Como tendo limitação quando os indivíduos têm pequena ou nenhuma dificuldade nas atividades de alimentação e higiene, mas possui grande dificuldade em pelo menos uma das outras atividades. Como tendo pouca limitação, os indivíduos que não têm pequena ou nenhuma dificuldade, mas têm pequena dificuldade em pelo menos uma das outras atividades. Finalmente, foram classificados como sem limitação, os indivíduos que não apresentaram nenhuma dificuldade em todas as atividades. A variável “morbidade autorreferida” foi construída a partir das respostas (sim ou não) de doze quesitos que investigam a presença de doze doenças crônicas. As categorias da variável “morbidade autorreferida” informam se o indivíduo não possui nenhuma destas 12 doenças crônicas ou se possui pelo menos uma destas doenças. Análise Estatística Utilizando o software SPSS for Windows, versão 17.0 (SPSS Inc., Chicago, Estados Unidos), foram ajustados modelos logísticos ordinais para o estado de saúde autorreferido, considerando os pesos amostrais e as informações estruturais do plano amostral (estratos e unidades primárias de amostragem) da PNAD 2008. Nos ajustes foram usados pesos amostrais corrigidos definidos pela razão entre os pesos naturais do desenho e a sua média aritmética, para manter o uso do tamanho de amostra na realização das inferências realizadas17. Neste artigo foi utilizado o modelo logístico ordinal, também chamado de modelo de chances proporcionais, cuja forma funcional está representada em Abreu et al18, 65 pois é o mais utilizado por investigadores sociais na área de saúde e está implementado na maioria dos pacotes estatísticos que possuem rotinas para a análise de dados amostrais complexos (SPSS, STATA, SAS, etc.), como os dados da PNAD. Além dos efeitos principais das dezoito variáveis de controle, também foram testados os efeitos de interação das variáveis selecionadas com a área de localização do domicílio. 66 5.1.3. RESULTADOS Quase 70% da população adulta brasileira avaliou o seu estado global de saúde como bom ou muito bom. Apenas 5,6% dos adultos avaliaram o seu estado de saúde como ruim ou muito ruim, enquanto os demais (26,0%) reportaram um estado de saúde regular (Figura 1). Figura 1: Distribuição de adultos segundo o estado de saúde autorreferido - Brasil Percentual de adultos 100% 80% 68,4% 60% 40% 26,0% 20% 5,6% 0% Ruim ou muito ruim Regular Bom ou muito bom Estado de saúde autorreferido A Tabela 1 apresenta os resultados dos modelos logísticos ordinais univariados relacionando todas as variáveis consideradas com a autopercepção do estado de saúde dos adultos, além de suas distribuições de freqüências simples e conjuntas (com a autopercepção do estado de saúde). 67 Tabela 1: Associações de variáveis demográficas, socioeconômicas, comportamentais e de saúde com o estado de saúde autorreferido – Brasil. Distribuição percentual de adultos segundo o estado de saúde autorreferido Variáveis Área de localização do domicílio Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração Renda domiciliar mensal per capita Sem renda ou até 1 salário mínimo Mais de 1 a 5 salários mínimos Mais de 5 salários mínimos Sem declaração Situação de ocupação Ocupada Não ocupada Atividade física Pratica Não pratica Sem declaração Fumo Fumante Ex-fumante Nunca fumou Sem declaração Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica Ruim ou muito ruim Regular 83,3 16,7 5,3 7,3 7,4 27,7 42,0 15,4 Modelos logísticos ordinais univariados Bom ou muito bom Total 24,7 32,3 70,0 60,4 100 100 1,51 1 [1,43; 1,59] - <0,001 - 28,8 30,6 22,8 25,0 25,7 64,9 62,4 72,5 69,3 69,3 100 100 100 100 100 0,82 0,73 1,16 0,99 - [0,75; 0,89] [0,69 0,77] [1,09; 1,23] [0,92; 1,06] - <0,001 <0,001 <0,001 0,701 7,4 6,3 7,0 4,7 5,7 4,9 38,4 61,6 5,3 5,9 23,2 27,7 71,5 66,4 100 100 1,26 1 [1,23; 1,29] - <0,001 - 22,3 22,1 20,6 16,0 18,9 1,4 2,4 5,0 8,6 12,6 13,0 18,6 26,5 34,7 41,9 85,6 79,0 68,5 56,7 45,5 100 100 100 100 100 7,26 4,59 2,64 1,58 1 [6,93; 7,60] [4,41; 4,79] [2,54; 2,74] [1,51; 1,64] - <0,001 <0,001 <0,001 <0,001 - 49,0 51,0 4,9 6,3 23,2 28,7 71,9 65,0 100 100 1,38 1 [1,34; 1,42] - <0,001 - 13,0 36,2 42,1 8,5 0,2 14,9 7,4 2,3 1,2 5,0 40,0 33,8 17,9 10,8 25,5 45,1 58,8 79,8 88,0 69,5 100 100 100 100 100 0,11 0,20 0,54 1 0,31 [0,10; 0,11] [0,18; 0,21] [0,51; 0,58] [0,23; 0,42] <0,001 <0,001 <0,001 <0,001 51,0 40,7 5,4 2,8 7,4 4,1 1,5 4,8 30,3 22,5 12,4 23,6 62,3 73,4 86,1 71,6 100 100 100 100 0,26 0,44 1 0,40 [0,24; 0,28] [0,41; 0,48] [0,36; 0,45] <0,001 <0,001 <0,001 62,2 37,8 3,5 9,2 22,1 32,3 74,4 58,5 100 100 2,12 1 [2,06; 2,17] - <0,001 - 25,2 72,3 2,5 2,0 5,7 40,8 17,5 28,4 41 80,5 65,9 18,2 100 100 100 2,15 1 0,09 [2,08; 2,23] [0,09; 0,10] <0,001 <0,001 15,4 16,7 50,9 17,0 7,2 8,9 4,1 5,7 28,0 33,8 22,9 25,8 64,8 57,3 73,0 68,5 100 100 100 100 0,67 0,49 1 0,79 [0,64; 0,69] [0,48; 0,51] [0,77; 0,82] <0,001 <0,001 <0,001 46,5 53,5 10,9 1,1 41,7 12,3 47,4 86,6 100 100 0,14 [0,13; 0,14] - <0,001 - Distribuição percentual de adultos Razão de chance 1 IC 95% p-valor* - 68 Mobilidade física Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim Não Consulta médica Sim Não PSF Sim Não Condição de ocupação do domicílio Próprio Alugado Cedido Outra Posse de bens básicos Tem todos os quatro bens básicos Não tem pelo menos um bem básico Qualidade da moradia Adequado Não adequado 8,1 12,9 15,6 63,4 29,0 16,0 4,3 0,9 48,2 53,2 39,9 14,1 22,8 30,8 55,8 85,0 100 100 100 100 0,04 0,08 0,23 1 [0,03; 0,04] [0,07; 0,08] [0,22; 0,24] - <0,001 <0,001 <0,001 - 27,2 72,8 3,0 6,6 19,0 28,6 78,0 64,8 100 100 1,94 1 [1,87; 2,01] - <0,001 - 73,9 26,1 6,9 2,0 29,3 16,7 63,8 81,3 100 100 0,40 1 [0,39; 0,41] - <0,001 - 49,4 50,6 6,6 4,7 29,5 22,5 63,9 72,8 100 100 0,66 1 [0,64; 0,69] - <0,001 - 76,1 15,4 8,0 0,5 6,1 3,6 5,1 8,0 27,2 20,2 25,7 28,6 66,7 76,2 69,2 63,4 100 100 100 100 1,17 1,88 1,32 1 [0,97; 1,41] [1,55; 2,28] [1,09; 1,60] - <0,001 0,005 - 82,6 17,4 4,9 9,0 24,9 30,8 70,2 60,2 100 100 1,59 1 [1,53; 1,65] - <0,001 - 54,1 45,9 4,8 6,6 23,4 29,1 71,8 64,3 100 100 1,41 1 [1,36; 1,46] [1,90; 2,11] <0,001 - % domicílios adequados 2,00 0,098 <0,001 *Teste Wald Dos adultos que informaram seu próprio estado de saúde, 83,3% deles residem em domicílios localizados na área urbana. Com relação à distribuição da autopercepção do estado de saúde segundo as categorias das variáveis consideradas, pode-se destacar também que a proporção de adultos com estado de saúde autorreferido bom ou muito bom é maior entre os residentes na área urbana (70,0%), na região Sudeste (72,5%), em domicílios com os quatro bens básicos (70,2%) e adequados com relação à densidade e à infra-estrutura física e de serviços sociais (71,8%). Pode-se destacar ainda que esta proporção também é maior entre indivíduos que nunca fumaram (73,0%), que praticaram atividade física (80,5%), sem nenhuma doença crônica (86,6%), com plano de saúde (78,0%) e que não consultaram médico nos últimos 12 meses (81,3%) (Tabela 1). Analisando os resultados dos modelos logísticos ordinais univariados (Tabela 1), observa-se que todas as características demográficas, socioeconômicas, comportamentais e de 69 saúde (individuais ou dos ambientes intra e extradomiciliar) estão estatisticamente relacionadas com a chance do adulto autorreferir um melhor estado de saúde ao nível de significância de 5%. Na análise univariada (análise bruta) observou-se que a chance do adulto apresentar um melhor estado de saúde autorreferido na área urbana é 51% maior que na área rural (OR= 1,51; IC 95%= [1,43; 1,59]). Tabela 2: Modelos logísticos ordinais (multivariados) explicativos do estado de saúde autorreferido de adultos - Brasil. Variáveis Área de localização do domicílio Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração Renda domiciliar mensal per capita Sem renda ou até 1 salário mínimo Mais de 1 a 5 salários mínimos Mais de 5 salários mínimos Sem declaração Situação de ocupação Ocupada Não ocupada Modelo multivariado 1: inclui os efeitos principais significativos Razão de chance IC 95% 0,96 1 [0,90; 1,02] - 0,75 0,78 1,10 0,99 1 Modelo multivariado 2: inclui os efeitos principais e de interação significativos Razão de chance IC 95% 0,208 - 0,93 1 [0,83; 1,05] - 0,226 - [0,68; 0,83] [0,74; 0,84] [1,04; 1,17] [0,91; 1,07] - <0,001 <0,001 0,002 0,722 - 0,75 0,78 1,10 0,99 1 [0,68; 0,83] [0,73; 0,83] [1,03; 1,17] [0,92; 1,07] - <0,001 <0,001 0,003 0,819 - 0,85 1 [0,83; 0,88] - <0,001 - 0,96 1 [0,90; 1,02] - 0,187 - 1,41 1,19 0,96 0,83 1 [1,33; 1,49] [1,14; 1,25] [0,92; 1,00] [0,80; 0,87] - <0,001 <0,001 0,067 <0,001 - 1,42 1,20 0,96 0,84 1 [1,34; 1,50] [1,14; 1,26] [0,92; 1,01] [0,80; 0,87] - <0,001 <0,001 0,101 <0,001 - 1,16 1 [1,12; 1,20] <0,001 1,02 1 [0,95; 1,10] 0,618 - 0,46 0,47 0,69 [0,42; 0,50] [0,44; 0,51] [0,65; 0,74] [0,33; 0,64] 0,46 0,48 0,70 1 0,47 [0,42; 0,50] [0,45; 0,52] [0,65; 0,75] 0,46 <0,001 <0,001 <0,001 <0,001 [0,34; 0,65] <0,001 <0,001 <0,001 <0,001 0,53 0,71 1 0,69 [0,49; 0,58] [0,65; 0,77] [0,61; 0,78] <0,001 <0,001 0,001 0,53 0,71 1 0,69 [0,49; 0,58] [0,65; 0,77] [0,61; 0,78] <0,001 <0,001 <0,001 1,19 1 [1,15;1,23] - <0,001 - 1,19 1 [1,15;1,23] - <0,001 - p-valor* p-valor* 70 Atividade física Pratica 1,36 Não pratica 1 Sem declaração 0,50 Fumo Fumante 0,86 Ex-fumante 0,88 Nunca fumou 1 Sem declaração 0,95 Morbidade autorreferida Pelo menos uma doença crônica 0,29 Nenhuma doença crônica 1 Mobilidade física Muita limitação 0,13 Limitação 0,18 Pouca limitação 0,42 Sem limitação 1 Posse de plano de saúde Sim 1,32 Não 1 Consulta médica Sim 0,55 Não 1 Posse de bens básicos Tem todos os quatro bens básicos 1,14 Não tem pelo menos um bem básico 1 1,36 % domicílios adequados Área*Sexo Urbana * Masculino Área*Cor/raça Urbana * Branca Área*Morbidade autorreferida Urbana * Pelo menos uma doença Área*Posse de bens básicos Urbana * Todos os bens Área*%domicílios adequados Urbana * %domicílios adequados *Teste Wald Nota: Excluídas as variáveis condição de ocupação do multivariado. [1,31;1,41] [0,46;0,55] <0,001 <0,001 1,36 1 0,50 [1,31;1,41] [0,46;0,56] <0,001 <0,001 [0,82;0,89] [0,85;0,91] [0,92;0,99] <0,001 <0,001 0,012 0,86 0,88 1 0,95 [0,82;0,89] [0,85;0,91] [0,91;0,99] <0,001 <0,001 0,009 [0,28;0,30] - <0,001 - 0,33 1 [0,31;0,36] - <0,001 - [0,12;0,14] [0,17;0,19] [0,40;0,43] - <0,001 <0,001 <0,001 - 0,13 0,18 0,42 1 [0,12;0,14] [0,17;0,19] [0,40;0,43] - <0,001 <0,001 <0,001 - [1,26;1,37] - <0,001 - 1,31 1 [1,26;1,37] - <0,001 - [0,53;0,57] - <0,001 - 0,55 1 [0,53;0,58] - <0,001 - [1,10;1,19] [1,26;1,46] <0,001 <0,001 1,02 1 0,98 [0,95;1,10] [0,78;1,23] 0,540 0,864 0,86 [0,81;0,92] <0,001 1,17 [1,08;1,27] <0,001 0,83 [0,76;0,90] <0,001 1,17 [1,08;1,28] <0,001 1,40 [1,11;1,77] 0,005 domicílio, qualidade da moradia e PSF no ajuste do modelo A Tabela 2 apresenta os resultados do ajuste dos modelos ordinais multivariados para avaliar a associação entre a “área de localização do domicílio” e a “autopercepção do estado de saúde” dos adultos, controlando simultaneamente pelas variáveis ambientais e individuais previamente apresentadas, fixando o nível de significância em 5%. Considerando primeiramente todos os efeitos principais das variáveis no ajuste do modelo explicativo do estado de saúde autorreferido dos indivíduos, apenas as variáveis 71 “condição de ocupação do domicílio”, “qualidade da moradia” e “PSF” foram excluídas do modelo por não apresentarem efeito estatisticamente significante ao nível de 5%. Portanto, baseado no modelo multivariado 1, observa-se que, ao controlar pelas demais variáveis ambientais e individuais, a associação entre a área de localização do domicílio e o estado de saúde autorreferido dos adultos se modifica (passando de OR=1,51 para OR=0,96) e perde a sua significância estatística (p-valor=0,208). Ao incluir todos os efeitos de interação das variáveis selecionadas no modelo multivariado 1 com a área de localização do domicílio, observou-se existência de interação para as seguintes variáveis: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e o percentual de unidades adequadas, no setor de localização do domicílio (vizinhança), quanto à densidade, a infra-estrutura física e de serviços sociais (Tabela 2). Devido à existência de interações no modelo multivariado 2 algumas medidas de associação não estão explicitadas na tabela 2 e precisaram ser calculadas. A tabela 3 apresenta as medidas de razão de chance para as variáveis de interação. Tabela 3: Medidas de razão de chance para as variáveis de interação Variáveis Sexo Masculino Feminino Cor/raça Branca Não branca Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica Posse de bens básicos Tem todos os quatro bens básicos Não tem pelo menos um bem básico % domicílios adequados quanto a qualidade da moradia Área de localização do domicílio Urbana Rural 0,77 0,93 0,96 1 1,11 0,93 1,02 1 0,25 0,93 0,33 1 1,11 0,93 1,28 1,02 1 0,98 Os homens na área urbana (OR=0,93*0,96*0,86=0,77) apresentam níveis de saúde menores que as mulheres na área urbana (OR=0,93*1*1=0,93), ou mesmo, que os homens na 72 área rural (OR=1*0,96*1=0,96), indicando que em áreas urbanas o adulto do sexo masculino tem piores níveis de saúde. Já os brancos apresentam níveis de saúde maiores do que os não brancos, mas na área urbana (OR=0,93*1,02*1,17=1,11) estes níveis são ligeiramente maiores que na área rural (OR=1*1,02*1=1,02). Os adultos que residem em domicílios que possuem todos os bens básicos têm níveis de saúde maiores do que aqueles que residem em domicílios sem pelo menos um dos bens básicos. Entretanto, é na área urbana que os níveis de saúde dos adultos residentes em domicílios com todos os bens são ligeiramente maiores (urbana: OR=0,93*1,02*1,17=1,11 e rural: OR=1*1,02*1=1,02). Com relação aos adultos com pelo menos uma doença crônica, observam-se menores níveis de saúde na área urbana (OR=0,93*0,33*0,83=0,25) do que na área rural (OR=1*0,33*1=0,33). Embora a variável qualidade da moradia (ambiente intradomiciliar) não tenha apresentado significância estatística no ajuste do modelo multivariado, o percentual de unidades adequadas quanto à qualidade da moradia no setor de localização do domicílio (ambiente extradomiciliar) está fortemente associado com uma autopercepção positiva do estado de saúde na área urbana (OR=0,93*0,98*1,40=1,28). Na área rural, este efeito não foi significativo. Entre os resultados do modelo multivariado 2 cabe destacar ainda que as variáveis “faixa-etária”, “escolaridade”, “renda domiciliar mensal per capita” e “mobilidade física” mantêm os gradientes com a chance de autopercepção do estado de saúde de adultos , mas não as magnitudes dos efeitos (Tabela 2), quando comparados com os resultados dos modelos univariados (Tabela 1). 73 5.1.4. DISCUSSÃO Para a análise das diferenças no estado de saúde autorreferido dos indivíduos, os estudos eram mais frequentemente conduzidos no campo da epidemiologia sob a ótica reducionista levando em conta características individuais, em detrimento de características do ambiente19; não predominando, portanto a chamada visão neomaterial20,4. O presente trabalho considera um indicador de autopercepção de saúde como proxy da avaliações objetivas de saúde8, e os resultados evidenciam a existência de associação entre este indicador e fatores do ambiente intradomiciliar e extradomiciliar, além de fatores individuais. Apesar de sua natureza subjetiva, o estado de saúde autorreferido tem sido apontado na literatura como um preditor de alta validade da mortalidade, independentemente de fatores de riscos médicos, comportamentais ou psicossociais21. Além de sua validade, vários estudos têm demonstrado que a autopercepção de saúde é uma medida que apresenta boa confiabilidade8,9,10. Além disso, segundo Nogueira4 a subjetividade não é uma limitação e sim um ponto forte deste indicador, tendo em vista que o processo saúde-doença é um processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação variam no tempo e no espaço, em função de fatores individuais e contextuais. Independentemente da área de localização do domicílio, observou-se que os indivíduos mais escolarizados apresentam melhores níveis de estado global de saúde, assim como os indivíduos residentes em domicílios com maiores rendimentos per capita. As associações das variáveis escolaridade e rendimento per capita com a autopercepção de saúde (dicotomizada) também foram identificadas por Dachs e Santos13 e Kassouf22. A importância da última variável na explicação das diferenças no estado de saúde autorreferido deve-se ao fato do “rendimento, condicionando os indivíduos nas suas opções quotidianas – impondo ou 74 não, limitações à quantidade e à qualidade de bens possíveis de adquirir, e restringindo, ou não, a mobilidade e a vida social – afeta a saúde física e mental”4. A ocupação, considerada como um dos principais meios de acesso à renda e aos serviços sociais básicos22, também está fortemente associada a melhores níveis de saúde. A exclusão do indivíduo do mercado de trabalho, além de gerar privação material, pode levá-lo a restrição de direitos, de segurança socioeconômica e de auto-estima23. Considerando a região Centro-Oeste como referência, observa-se que a região Sudeste é a região brasileira que concentra indivíduos que reportam melhores níveis de saúde. Os indivíduos das regiões Norte e Nordeste reportaram piores estados de saúde do que os da região Centro-oeste. Já a região Sul não apresentou efeito estatisticamente significante. Kassouf22 também observou que, além da Região Sul, indivíduos da região Sudeste apresentam um melhor estado de saúde do que os da região Nordeste, seguido da região Norte. Independente da área ser urbana ou rural, observou-se o efeito prejudicial do fumo na saúde dos indivíduos, indicando que tanto os fumantes quanto os ex-fumantes avaliam piores estados de saúde, comparativamente aos indivíduos que nunca fumaram. Por outro lado, observa-se o efeito benéfico da prática de atividade física no estado geral de saúde, como também verificado no estudo de Höfelmann e Blank14. Indivíduos mais velhos reportaram piores níveis de estado de saúde, assim como os indivíduos que reportaram maior grau de dificuldade na realização de determinadas atividades do cotidiano. A mobilidade física prejudicada, definida como estado no qual a pessoa sofre uma limitação no movimento físico independente e voluntário do corpo ou de uma ou mais extremidades24, é um dos problemas que mais compromete a saúde das pessoas, sendo os idosos considerados o grupo mais suscetível a desenvolvê-la, uma vez que durante o processo de envelhecimento os idosos sofrem modificações importantes na capacidade motora25. 75 Quanto à consulta médica, observou-se também, independentemente da área de localização do domicílio, uma relação negativa com a autoavaliação do estado de saúde, indicando que adultos que consultaram médico nos últimos doze meses avaliam um pior estado de saúde do que aqueles que não consultaram médico neste período. Tal resultado parece estar condizente com a conclusão obtida por Kassouf22 de que indivíduos com melhores níveis de saúde parecem reduzir a procura por atendimento à saúde. Ainda em relação às características de saúde, conclui-se que indivíduos que possuem plano de saúde, médico ou odontológico, particular, de empresa ou órgão público apresentam melhores níveis de estado de saúde do que os indivíduos sem plano de saúde. Esse resultado parece estar relacionado ao fato de que indivíduos portadores de plano de saúde possuem um maior acesso e utilização a serviços de saúde22. Com relação à modelagem estatística, é importante ressaltar que foram considerados os pesos amostrais e as informações estruturais do plano amostral da PNAD 2008. Quando se ignora estas informações, a análise efetuada a partir de dados de amostras complexas pode produzir resultados incorretos tanto para as estimativas pontuais como para as medidas de precisão e p-valores, que, por sua vez, pode comprometer o ajuste de modelos e a interpretação dos resultados obtidos15,17, 26,27. Um outro aspecto que merece destaque é a utilização do modelo logístico ordinal18,28, que considerou a natureza policotômica ordinal do desfecho de saúde utilizado, sem dicotomizá-lo. Além disso, considerou fatores individuais e ambientais (intradomiciliar e extradomiciliar) para explicar as diferenças nos níveis de autopercepção de saúde, embora não se tenha considerado a estrutura hierárquica dos dados, por meio de modelagem multinível29. Através da análise multinível seria incorporado explicitamente os múltiplos níveis de informação (indivíduo, domicílio, setor) no modelo, possibilitando explicar a contribuição de cada nível na variação do desfecho estudado. Entretanto, isso introduziria uma complexidade ainda maior na análise devido 76 à necessidade de se incorporar ainda os diferentes aspectos do plano amostral da PNAD (estratos, unidades primárias de amostragem e pesos amostrais)26. No que se refere à qualidade do ajuste do modelo multivariado 2 (Tabela 2), observase que 42,0% da variação dos níveis de estado de saúde autorreferido (variável latente) é explicada pelo modelo ajustado. Além do valor moderado para a medida de qualidade do ajuste (pseudo R2 de Nagelkerke), observa-se também que o modelo prediz, com diferentes graus de acurácia, os três níveis de estado de saúde considerados, sendo que a porcentagem de previsões corretas é de 90,1% para o nível “bom/muito bom”; 50,3% para o nível “regular” e de 6,6% para o nível “ruim/muito ruim”. Em termos globais, o modelo selecionado classifica corretamente 75,1% dos adultos. Uma das limitações deste estudo pode estar na própria definição políticoadministrativa de urbano-rural baseada em leis municipais como é no caso do Brasil30. Segundo Endlich31 a falta de uma definição oficial mais criteriosa do que é cidade no Brasil provoca grandes discussões a respeito de como distinguir os limites entre urbano e rural. Há críticas quando a definição desses limites baseada apenas no conceito político-administrativo utilizado pelo IBGE, não considerando assim outros critérios31,32. Devido a complexidade relacionada ao tema, que vários critérios são apontados na literatura para definição de cidade, entre os quais pode-se destacar o tamanho geográfico, densidade, aspectos formológicos, atividades econômicas e modo de vida. Segundo Bernardelli32 os critérios usados para o processo emancipatório dos municípios no passado e ainda presente hoje estão muitas vezes meramente associados a interesses políticos e tributários, servindo para beneficiamento de alguns grupos e partidos, bem como para atingir suas demandas. Esta autora acrescenta ainda que muitas vezes municípios sem receitas próprias são emancipados, acarretando dificuldades administrativas e não beneficiamento da população residente neste municípios. 77 Outra limitação deste estudo se refere à impossibilidade de se considerar outras variáveis importantes, tais como variáveis de natureza nutricional33 e de poluição atmosférica34, por não fazerem parte do escopo do suplemento da saúde da PNAD 2008. Conclui-se que a área urbana parece influenciar negativamente o estado de saúde autorreferido, uma vez que nestas áreas adultos com determinadas características (sexo masculino; raça não branca; portador de pelo menos uma doença crônica; residente em domicílios sem pelo menos um dos bens básicos; e residente em setores com menores percentuais de domicílios adequados quanto à qualidade da moradia) reportam piores níveis de estado de saúde. 78 5.1.5. AGRADECIMENTOS Este artigo foi parcialmente financiado com recursos da FAPERJ – Nº dos processos: E-26/100.682/2007 e E-26/101.506/2010. 5.1.6. BIBLIOGRAFIA 1. Caiaffa WT, Ferreira FR, Ferreira AD, Oliveira CDL, Camargos VP, Proietti FA. Saúde urbana: “a cidade e uma estranha senhora, que hoje sorri e amanhã te devora”. Cienc. Saude Colet 2008;13(6): 1785-1786. 2. Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional por Amostra de Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone móvel celular para uso pessoal. Rio de Janeiro: IBGE, 2010. [Acesso em: abr. 2010]. Disponível em: <http://www.ibge.gov.br>. 3. Mcdade T, Adair L. Defining the Urban in Urbanization and Health: A Factor Analysis Approach. Soc. Sci. Med; 2001, 53:55-70. 4. Nogueira H. Os Lugares e a Saúde. Coimbra: Imprensa da Universidade de Coimbra; 2008. 5. Vlahov D, Galea S, Freudenberg N. Perspectives on urban conditions and population health. Cad. Saude Publica 2005; 21(3):949-957. 6. Moore M, Gould P, Keary B. Global urbanization and impact on health. International Journal of Environmental Health 2003; 203:269-278. 7. Azeredo C M, Cotta RMM, Schott M, Maia TM, Marques ES. Avaliação das condições de habitação e saneamento: a importância da visita domiciliar no contexto do Programa de Saúde da Família. Cienc. Saude Colet 2007; 12(3):743-753. 8. Camargos MCS, Rodrigues RN, Machado CJ. Expectativa de vida saudável para idosos brasileiros, 2003. Cienc. Saude Colet 2009; 14 (5):1903-1909. 9. Martikainen P, Aromaa A, Heliövaara M, Klaukka T, Knekt P, Maatela J et al.. Reliability of perceived health by sex and age. Soc Sci Med 1999; 48(8):1117-1122. 10. Bailis DS, Segall A, Chipperfield JG. Two views of selfrated general health status. Soc Sci Med 2003; 56(2):203-217. 11. Souza EM; Abrão FPS; Motta IA, Almeida JO. Autopercepção do estado de saúde: um estudo de prevalência com adolescentes de Ceilândia, Distrito Federal, Brasil. Comun 79 Cienc Saúde 2006;17(1): 9-15. 12. Barros MBA; Zanchetta LM, Moura EC, Malta DC. Auto-avaliação da saúde e fatores associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37. 13. Dachs JNW, Santos APR. Auto-avaliação do estado de saúde no Brasil: análise dos dados da PNAD/2003. Cienc. Saude Colet 2006; 11(4):887-894. 14. Hofelmann DA, Blank N. Auto-avaliação de saúde entre trabalhadores de uma indústria no sul do Brasil. Rev Saude Publica 2007, 41(5): 777-787. 15. Silva PLDN, Pessoa DGC, Lila MF. Análise Estatística de Dados da PNAD: Incorporando a Estrutura do Plano Amostral. Cienc. Saude Colet 2002; 7(4), 659-670. 16. Instituto Brasileiro de Geografia e Estatística. Pesquisa sobre padrões de vida 19961997. Rio de Janeiro: DPIS/IBGE; 1999. 17. Lee ES, Forthofer RN, Lorimor RJ. Analyzing complex survey data. Newbury Park: Sage Publications, 1989. 18. Abreu MNS, Siqueira AL, Caiaffa WT. Regressão logística ordinal em estudos epidemiológicos. Rev. Saude Publica 2009; 43 (1):183-94. 19. Proietti FA, Oliveira CDL, Ferreira FR, Ferreira AD, Caiaffa WT. Unidade de Contexto e Observação Social Sistemática em Saúde: Conceitos e Métodos. Physis Rev Saude Colet 2008; 18 (3): 469-482. 20. Townsend P, Davidson N. The Back Report. In: Townsend P & Davidson N (Eds.). Inequalities in Health. Suffolk: Penguin Books Ltd., 1988. 21. Idler EL, Benyamini Y. Self-rated health and mortality: a review of twenty-seven community studies. J Health Social Brhav, 1997; 38:21-37. 22. Kassouf, AL. Acesso aos serviços de saúde nas áreas urbana e rural do Brasil. Rev. Econ. Sociol. Rural 2005; 43 (1): 29-44. 23. Pochmann M. O trabalho sob fogo cruzado: exclusão, desemprego e precarização no final do século. São Paulo: Contexto, 1999. 24. North American Nursing Diagnosis Association (2000). Diagnósticos de Enfermagem da NANDA. Definições e classificação 1999-2000. (Trad. Jeanne Liliane M. Michel). Porto Alegre: Artmed, 2000. 25. Bachion M.M, Araújo LAO, Santana RF. Validação de conteúdo do diagnóstico de enfermagem “Mobilidade Física Prejudicada” em idosos: uma contribuição. Acta Paul Enf 2002; São Paulo, 15 (4): 66-72. 26. Pessoa DGC, Silva PL. Análise de dados amostrais complexos. São Paulo: ABE, 1998. 27. Szwarcwald CL, Damacena GN. Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados. Rev Bras Epidemiol. 2008; 11 (supl.1): 38-45. 28. Marôco J. Análise Estatística com o PASW Statistics (ex-SPSS). Pêro Pinheiro: 80 ReportNumber, 2010. 29. Diez-roux AV. Bringing context back into epidemiology: Variables and fallacies in multilevel Analysis. Am J Public Health 1998; 88 (2):216. 30. Camello TCF, Garcia VS, Araújo SB, Almeida JR. Gestão e vigilância em saúde ambiental. Rio de Janeiro: Thex, 2009. 31. Endlich, AM. Perspectivas sobre o urbano e o rural. In: Sposito MEB, Whitacker AM (orgs). Cidade e Campo: relações e contradições entre urbano e rural. 1ª Ed. São Paulo: Expressão Popular, 2006. 32. Bernardelli, MLFH. Contribuição ao debate sobre o urbano e o rural. In: Sposito MEB, Whitacker AM (orgs). Cidade e Campo: relações e contradições entre urbano e rural. 1ª Ed. São Paulo: Expressão Popular, 2006. 33. Cuppari L. Guia de Nutrição: Nutrição Clínica no Adulto. 1ª Ed. Unifesp/Escola Paulista de Medicina. São Paulo: Manole, 2002. 34. Esteves GRT, Seixasbarbosa SRC, Silva EP, Duarte P. Estimativas do Efeito da Poluição Atmosférica sobre a Saúde Humana: algumas possibilidades metodológicas e teóricas para cidade de São Paulo. In: Encontro da Associação Nacional de Pós-Graduação e Pesquisa em Ambiente e Sociedade; 2004; São Paulo. p.1-20. 81 5.2. ARTIGO 2 Efeito do plano amostral em modelo de regressão logística ordinal: uma análise do estado de saúde autorreferido de adultos no Brasil usando a PNAD 2008♦ ♦ Artigo publicado nos Cadernos de Saúde Pública (CSP) 82 Resumo Estudos que consideram variáveis individuais e ambientais para explicar as diferenças no estado de saúde autorreferido de indivíduos vêm paulatinamente crescendo, mas ainda são escassos. Por razões de tempo e custo, muitas pesquisas utilizam planos amostrais complexos que envolvem aspectos (estratificação, conglomeração e pesos amostrais distintos) que quando ignorados podem influenciar as medidas de razões de chance e as medidas de precisão das estimativas dos parâmetros de modelos estatísticos. Usando a Pesquisa Nacional por Amostra de Domicílios 2008, este artigo avalia o impacto nessas medidas quando não se consideram alguns ou todos aspectos ao ajustar um modelo logístico ordinal para estabelecer a associação entre o estado de saúde autorreferido de adultos e um conjunto de fatores individuais e ambientais. Observou-se que quando não se considera os três aspectos simultaneamente, ocorrem alterações nas magnitudes das medidas de razões de chance do adulto autorreferir melhor estado de saúde associadas à maioria dos fatores, além de grande subestimação dos erros padrões. Palavras-chave: Estado de saúde autorreferido, modelo logístico ordinal, efeito do plano amostral. 83 Abstract The numbers of studies that take into consideration individual and environmental variables to explain differences in individuals’ self-reported health status have gradually been increasing, but such studies are still scarce. For time and cost reasons, many studies use complex sampling plans involving features (stratification, clustering and different sampling weights) that, when ignored, may influence odds ratio and accuracy measurements on parameter estimates in statistical models. Using the National Household Sampling Survey (PNAD) 2008, this paper assesses the impact on these measurements when some or all of these features are not taken into account in fitting ordinal logistic models to establish associations between adults’ self-reported health status and various individual and environmental factors. It was seen that when these three features were not simultaneously taken into account, there were changes to the magnitudes of the odds ratio measurements, such that adults self-reported a better state of health in relation to most of the factors, along with major underestimation of standard errors. Key words: Self-reported health status, ordinal logistic model, effect of sampling plan. 84 5.2.1. INTRODUÇÃO A inferência estatística clássica pressupõe que os dados amostrais sejam obtidos usando amostragem aleatória simples com reposição, sendo considerados realizações de variáveis aleatórias independentes e identicamente distribuídas. Entretanto, a maioria dos inquéritos nacionais que levantam informações de saúde como, por exemplo, a Pesquisa Nacional por Amostra de Domicílios – PNAD 2008 e a Pesquisa Nacional de Saúde do Escolar – PNSE 2009 realizadas pelo Instituto Brasileiro de Estatística (IBGE) assim como a Pesquisa Mundial de Saúde – PMS 2003 realizada pela Organização Pan-Americana de Saúde (OPS), utilizam planos de amostragem complexa. A PNAD, por exemplo, apresenta todas as características de um plano amostral complexo, como estratificação, conglomeração e probabilidades desiguais de seleção, além de ajustes dos pesos amostrais para calibração com totais conhecidos da população1. Os pesos ajustados (ou calibrados) correspondem ao produto dos pesos naturais do desenho (inversos das probabilidades de seleção em cada estágio) e um fator de ajuste calculado pela razão entre os totais populacionais estimados e conhecidos (ou projetados). A análise estatística de dados de inquéritos amostrais complexos pode ser realizada tanto com fins descritivos ou analíticos usando diferentes pacotes estatísticos (SAS, SUDAAN, STATA, R etc.), cuja escolha depende basicamente se o pacote opera num ambiente computacional familiar ao analista e se contêm as técnicas estatísticas necessárias para executar a análise de interesse1. Cabe ressaltar ainda que para efetuar a análise de dados provenientes de inquéritos amostrais complexos é preciso incorporar as informações do plano amostral da pesquisa, informando os pesos das unidades da amostra e as informações estruturais da pesquisa, identificando o estrato e pelo menos as unidades primárias de amostragem. Segundo Pessoa e Silva1 e Szwarcwald2 as estimativas pontuais são 85 influenciadas por pesos distintos associados às unidades da amostra, enquanto as estimativas de variância são influenciadas pela estratificação, conglomeração e pesos amostrais. Segundo Caiaffa et al.3, o conceito de saúde deve considerar o cotidiano dos indivíduos vivendo nas cidades e as relações de interdependência que existem entre o indivíduo e o meio físico e social onde ele vive. Estudos que consideram variáveis individuais e contextuais do local de moradia para explicar as diferenças no estado de saúde autorreferido de indivíduos vêm paulatinamente crescendo no Brasil, mas ainda são escassos4. Apesar do estado de saúde autorreferido, frequentemente levantado em diferentes pesquisas amostrais, ser um indicador de natureza subjetiva é considerado uma proxy das avaliações objetivas de saúde5 e um preditor de alta validade e sensibilidade da morbidade e mortalidade6,7. Embora seja um indicador policotômico ordinal, em muitas análises o estado de saúde autorreferido é geralmente dicotomizado8,9,10,11. Além disso, há estudos que ainda não explicitam ou não consideram o uso de todas as informações do desenho amostral (estrato, UPA e pesos amostrais) no ajuste do modelo estatístico adotado11,12. Usando os dados da PNAD13,14 2008 este artigo tem como objetivo fazer uma análise comparativa entre as medidas de associação (Odds Ratio - OR), os erros padrão associados as estimativas pontuais dos parâmetros do modelo e a significância estatística dessas estimativas obtidas a partir do ajuste de um modelo logístico ordinal, cujo propósito é estabelecer associação entre a autoavaliação do estado de saúde de adultos no Brasil e a área de localização dos domicílios em que residem (urbana e rural), sob três formas de ajuste: 1) pelo método de Máxima Pseudo-Verossimilhança (MPV) considerando os pesos amostrais e as informações estruturais do plano amostral: essa forma de ajuste se refere a uma situação adequada de modelagem na qual o pesquisador reconhece os aspectos de complexidade do plano amostral da PNAD, como estratificação, conglomeração e probabilidades desiguais de seleção e os incorpora no ajuste do modelo 2) pelo método de Máxima Verossimilhança (MV) 86 considerando os pesos amostrais e desconsiderando as informações estruturais do plano amostral: essa forma de ajuste representa uma situação inadequada de modelagem na qual o pesquisador ignora ou negligência que a amostra é complexa, levando em conta apenas as ponderações associadas as unidades da amostra da PNAD; e 3) pelo método de Máxima Verossimilhança (MV) desconsiderando os pesos amostrais e as informações estruturais do plano amostral: essa forma de ajuste também indica uma situação inadequada de modelagem na qual o pesquisador pressupõe que a amostra da PNAD é uma amostra aleatória simples com reposição, situação na qual não existiria estratificação e conglomeração das unidades e os pesos seriam considerados constantes, e portanto desnecessários. 5.2.2. MATERIAL E MÉTODOS Pesquisa Nacional por Amostra de Domicílios A Pesquisa Nacional por Amostra de Domicílios (PNAD) é um inquérito amostral de abrangência nacional, realizado pelo IBGE, que em 2008 coletou informações de uma amostra probabilística de 150.591 domicílios e 391.868 pessoas. A partir da amostra da PNAD é possível obter estimativas representativas para o Brasil, Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). Embora a PNAD tenha como finalidade básica produzir informações para o estudo do desenvolvimento socioeconômico do País, a PNAD 2008 através de seu suplemento levantou ainda uma série de características de saúde sobre a população brasileira que compreendem: a autoavaliação do estado global de saúde, a morbidade autorreferida, a mobilidade física autorreferida e a necessidade de cuidados médicos e utilização de serviços. 87 No que se refere ao seu planejamento amostral, a PNAD é um estudo seccional (ou transversal) que utiliza um plano amostral complexo13,14 que envolve estratificação, conglomeração, com probabilidades desiguais de seleção que resultam em pesos amostrais distintos para as unidades amostrais. População de estudo A população de estudo trata-se de um domínio de estimação composto por adultos de 20 anos ou mais de idade que residem em domicílios particulares permanentes (DPP), correspondendo à 162.213 registros na amostra da PNAD. Foram consideradas na análise apenas os indivíduos que informaram seu próprio estado global de saúde, por entender que informações prestadas por terceiros (outras pessoas moradoras do domicílio, ou ainda outras pessoas não moradoras do domicílio) aumentaria a chance de ocorrer viés de informação ou classificação do desfecho de saúde utilizado neste artigo. Do total de adultos residentes em DPP, 37,2% tiveram seu estado de saúde informado por terceiros. Modelagem Estatística Modelos de regressão ordinal15,16 são utilizados quando o desfecho do modelo é policotômico ordinal e as variáveis explicativas numéricas ou categóricas. Neste artigo, foi ajustado um modelo de regressão logística ordinal, utilizando como desfecho do modelo a autoavaliação do estado de saúde com três níveis: muito bom/bom, regular, ruim/muito ruim. A autoavaliação de saúde é um indicador obtido no nível individual que tem sido amplamente utilizada em pesquisas que visam estabelecer o estado de saúde do indivíduo, por ser de fácil mensuração e por permitir comparações internacionais17. A principal vantagem deste indicador é a sua forte associação com o estado real de saúde dos indivíduos, indicando que a autoavaliação da saúde pode ser utilizada como uma proxy das avaliações objetivas de 88 saúde5. Além disso, a subjetividade não é uma limitação e sim um ponto forte deste indicador, tendo em vista que o processo saúde-doença é um processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação variam no tempo e no espaço, em função de fatores individuais e contextuais18. Com o objetivo de estabelecer a associação entre a área de localização do domicílio (urbana e rural) e o desfecho de autoavaliação do estado geral de saúde do indivíduo, utilizou como controle um conjunto de dezoito variáveis demográficas, socioeconômicas, comportamentais e de saúde que retratam características individuais e do ambiente intradomiciliar (domicílio) e extradomiciliar (setor): 1) sexo, 2) faixa etária, 3) cor/raça, 4) escolaridade, 5) situação de ocupação, 6) atividade física, 7) fumo, 8) morbidade autorreferida, 9) mobilidade física, 10) posse de plano de saúde, 11) consulta médica nos últimos doze meses, 12) domicílio cadastrado no Programa de Saúde da Família (PSF), 13) qualidade de moradia, 14) posse de bens básicos no domicílio, 15) condição de ocupação do domicílio, 16) renda domiciliar mensal per capita, 17) região de residência e 18) proporção de domicílios considerados adequados no setor (vizinhança) quanto aos serviços sociais básicos (água, esgoto, lixo e luz), às densidades habitacionais e aos padrões construtivos das moradias (material usado nas paredes e telhado). No ajuste do modelo de regressão logística ordinal incorporando o plano amostral da pesquisa, foi utilizado o método de MPV descrito em Pessoa e Silva1 através do módulo Complex Samples do pacote estatístico SPSS for Windows, versão 17.0. No ajuste do modelo multivariado foram testados (teste de Wald) primeiramente todos os efeitos principais das variáveis explicativas (18 variáveis de controle e área de localização do domicílio), a partir do qual se excluiu aquelas variáveis de controle que não apresentavam efeito estatisticamente significativo. Num segundo momento, foram adicionados e testados separadamente os efeitos de interação (duplas) entre cada uma das variáveis de controle selecionadas e a área de 89 localização do domicílio (variável de interesse). Num terceiro momento, foi ajustado um modelo incluindo simultaneamente além da área de localização do domicílio, as variáveis de controle selecionadas e as variáveis de interação que apresentaram efeitos significativos. A representação geral do modelo selecionado pelo método de MPV se encontra na equação abaixo: logit [P(Yk ≤ m )] = τ m - (αa + βb + γc + δd +ϖ e + ξ f + φg + ηh +ψ i + λ j + φl + ς o + π p + ρ q + ϑr + θ X k + + ( αγ )ac + ( αϖ )ae + ( αφ )al + ( απ )ar + (αθ )a X k ) m=1,..., M-1 e k = 1,2, ..., nabcdefghijlopqr , onde: Yk é a autoavaliação do estado de saúde do k-ésimo adulto com M=3 categorias. A autoavaliação do estado de saúde (desfecho observado) do k-ésimo indivíduo associa-se com a variável latente não observável contínua ( Yk* ) da seguinte forma, como mostrado abaixo: Yk* < γ 1 1 → (muito ruim ou ruim) se Yk = 2 → (regular ) se γ 1 ≤ Yk* < γ 2 3 → (muito bom ou bom) se Y * ≥ γ k 2 Os valores γ1, e γ2, denominados pontos de corte, são estritamente crescentes, isto é, γ1 < γ2. Estes pontos de corte permitem que as probabilidades do desfecho em cada classe difiram entre si. αa é o efeito principal do a-ésimo nível do fator área de localização do domicílo; a=1,2 βb é efeito principal do b-ésimo nível do fator região de residência; b=1,2,3,4,5 γc é efeito principal do c-ésimo nível do fator sexo; c=1,2 δd é efeito principal do d-ésimo nível do fator faixa etária ; d=1,2,3,4,5 ϖe é efeito principal do e-ésimo nível do fator cor/raça; e=1,2 ξf é efeito principal do f-ésimo nível do fator escolaridade; f=1,2,3,4,5 90 ϕg é efeito principal do g-ésimo nível do fator renda domiciliar mensal per capita; g=1,2,3,4 ηh é efeito principal do h-ésimo nível do fator situação de ocupação; h=1,2 ψi é efeito principal do i-ésimo nível do fator atividade física ; i=1,2,3 λj é efeito principal do j-ésimo nível do fator fumo; j=1,2,3,4 φl é efeito principal do l-ésimo nível do fator morbidade autorreferida ; l=1,2 ςo é efeito principal do o-ésimo nível do fator mobilidade física autorreferida; o=1,2,3,4 πp é efeito principal do p-ésimo nível do fator posse de plano de saúde; p=1,2 ρq é efeito principal do q-ésimo nível do fator consulta ao médico; q=1,2 ϑr é efeito principal do r-ésimo nível do fator posse de bens básicos; r=1,2 θ é o quanto varia o logito ao aumentar em uma unidade o percentual de domicílios adequados quanto a qualidade da moradia no setor. Xk é o percentual de domicílios adequados quanto a qualidade da moradia no setor em que reside o k-ésimo indivíduo. (αγ )ac é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o c-ésimo nível do fator sexo. (αϖ )ae é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o e-ésimo nível do fator cor/raça. (αφ )al é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o l-ésimo nível do fator morbidade autorreferida. (αϑ )ar é o efeito de interação entre o a-ésimo nível do fator área de localização do domicílio e o r-ésimo nível do fator posse de bens básicos. (αθ )a é o efeito de interação referente a variável percentual de domicílios adequados quanto a qualidade da moradia no setor e devido ao a-ésimo nível do fator área de localização do domicílio. 91 5.2.3. RESULTADOS Ao ajustar o modelo logístico ordinal considerando apenas os efeitos principais das variáveis explicativas, observou-se que as variáveis condição de ocupação do domicílio, qualidade da moradia e PSF não apresentaram efeito estatisticamente significativo. Ao adicionar separadamente no modelo as interações entre cada uma das variáveis de controle selecionadas (15 variáveis) e a área de localização do domicílio (variável de interesse), observou-se que seis interações apresentaram efeito estatisticamente significativo: área*sexo, área*cor, área*morbidade autorreferida, área*plano de saúde, área*posse de bens básicos e área*percentual de domicílios adequados quanto à qualidade da moradia. Em seguida, foi ajustado um modelo incluindo além da área de localização do domicílio, as quinze variáveis de controle e as seis variáveis de interação mencionadas, mas a partir desse ajuste observou-se que a interação entre a área de localização do domicílio e o plano de saúde deixou de apresentar efeito significativo, sendo excluído do modelo. Os resultados do ajuste do modelo (modelo selecionado) pelo método de MPV considerando todas as informações do plano amostral são apresentados na tabela 1. 92 Tabela 1: Modelo logístico ordinal ajustado por MPV considerando todas as informações do plano amostral. Características (variáveis) Modelo 1 ajustado por MPV considerando os pesos amostrais e as informações estruturais do plano amostral ORMPV EPMPV p-valor 0,93 1 0,059 - 0,226 - 0,75 0,78 1,10 0,99 1 0,051 0,032 0,032 0,039 - < 0,001 < 0,001 0,003 0,819 - 0,96 1 0,033 - 0,187 - 1,42 1,20 0,029 0,024 < 0,001 < 0,001 0,96 0,84 1 0,023 0,022 - 0,101 < 0,001 - Cor/raça Branca Não branca 1,02 1 0,039 - 0,618 - Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 0,46 0,48 0,042 0,037 < 0,001 < 0,001 0,70 1 0,47 0,036 0,167 < 0,001 < 0,001 Renda domiciliar mensal per capita Sem renda ou até 1 salário mínimo 0,53 0,046 < 0,001 Mais de 1 a 5 salários mínimos Mais de 5 salários mínimos Sem declaração 0,71 1 0,69 0,044 0,064 < 0,001 < 0,001 Situação de ocupação Ocupada Não ocupada 1,19 1 0,017 - < 0,001 - Atividade física Pratica Não pratica Sem declaração 1,36 1 0,50 0,019 0,050 < 0,001 < 0,001 0,86 0,88 1 0,95 0,021 0,019 0,020 < 0,001 < 0,001 0,009 0,33 1 0,037 - < 0,001 - Área de localização do domicílio Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + 8 a 14 anos 15 anos ou + Sem declaração Fumo Fumante Ex-fumante Nunca fumou Sem declaração Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica 93 Mobilidade física autorreferida Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim 0,13 0,031 < 0,001 0,18 0,42 1 0,023 0,021 - < 0,001 < 0,001 - 1,31 0,021 < 0,001 Não Consulta médica Sim Não 1 - - 0,55 1 0,020 - < 0,001 - Posse de bens básicos Tem todos os quatro bens básicos 1,02 0,039 0,540 1 - % domicílios adequados 0,98 0,116 0,864 Área*Sexo Urbana * Masculino 0,86 0,035 < 0,001 1,17 0,042 < 0,001 0,83 0,041 < 0,001 1,17 0,044 < 0,001 1,40 0,119 0,005 Não tem pelo menos um bem básico Área*Cor/raça Urbana * Branca Área*Morbidade autorreferida Urbana * Pelo menos uma doença Área*Posse de bens básicos Urbana * Todos os bens Área*%domicílios adequados Urbana * %domicílios adequados - Nota: Modelo 1: γ1=-5,961 e γ2=-3,152 Ao comparar os resultados do modelo de regressão logística ordinal ajustado pelo método de MPV considerando todas as informações do plano amostral (Tabela 1) com os resultados do ajuste deste mesmo modelo pelo método de MV considerando as pesos amostrais e ignorando as informações estruturais do plano amostral (estrato e UPA), observase (Tabela 2) que as medidas de razão de chance não sofrem qualquer alteração, uma vez que as estimativas pontuais dos parâmetros do modelo (efeitos principais e de interação) são influenciadas apenas pelos pesos amostrais. Entretanto, ao desconsiderar as informações estruturais do ajuste todas as estimativas dos erros padrão dos estimadores dos parâmetros do modelo ficam subestimadas, dando uma falsa idéia de que as estimativas pontuais obtidas são mais precisas do que na realidade elas são, resultando em p-valores menores. Ao observar, por exemplo, a interação entre as variáveis “área de localização do domicílio” e “sexo”, conclui-se que tanto no ajuste do modelo por MPV quanto por MV2, 94 mulheres residentes em DPP localizados na área rural possuem uma chance 7,5% (1/OR=1/(0,93*1*1)=1/0,93=1,075) maior de reportarem melhores estados de saúde do que mulheres residentes em DPP na área urbana. Todavia, no modelo ajustado por MV2, essa associação é considerada estatisticamente significante ao nível de 10%, enquanto que no modelo ajustado por MPV tal associação não apresenta significância estatística. Ao ajustar o modelo (modelo 3) de regressão logística ordinal pelo método de MV3 desconsiderando os pesos amostrais e as informações estruturais do plano amostral (estrato e UPA) (Tabela 2), observa-se, para quase todos os fatores, que as medidas de razão de chance sofrem alterações. Embora de modo geral o sentido das associações se mantenham, a magnitude dessas associações é de extrema importância, inclusive na análise das interações entre as variáveis. Além disso, é possível observar que os erros padrão dos estimadores dos parâmetros do modelo ficam bem subestimados. Ainda considerando, para fins de exemplificação, a interação entre as variáveis “área de localização do domicílio” e “sexo”, observa-se que quando o modelo é ajustado por MV3, mulheres que moram em DPP localizados na área rural têm 12,4% (1/OR=1/(0,89*1*1)=1/0,89=1,124) de chance de reportarem melhores estados de saúde, comparativamente às mulheres residentes em DPP na área urbana. Tal associação é mais forte, além de ser estatisticamente significante ao nível de 1% (OR=1,124; p-valor=0,002), do que a associação encontrada ao ajustar o modelo por MPV (OR=1,075; p-valor=0,226). Quando se ajusta o modelo por MV3, apesar das estimativas pontuais dos efeitos principais e de interação sofram aparentemente pequenas modificações, as medidas de associação calculadas para efetuar a análise das interações entre determinados níveis de variáveis podem ser bem distintas. Por exemplo, no modelo ajustado por MPV, adultos brancos que residem em DPP localizados na área urbana possuem uma chance 11,0% (OR=0,93*1,02*1,17=1,110) maior de autorreferirem melhores níveis de saúde do que 95 adultos não brancos residentes em DPP na área rural. Enquanto, que no modelo ajustado por MV3, a medida de razão de chance obtida na comparação desses mesmos grupos é de apenas 5,7% (OR=0,89*0,99*1,20=1,057). Tabela 2: Modelos logísticos ordinais ajustados por MV considerando apenas os pesos amostrais, e por MV desconsiderando os pesos amostrais e as informações estruturais do plano amostral. Características (variáveis) Modelo 2 ajustado por MV considerando apenas os pesos amostrais EPMV2 *ORMV2 Área de localização do domicílio Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração Renda domiciliar mensal per capita S/ renda ou até 1 salário mínimo Mais de 1 a 5 salários mínimos Mais de 5 salários mínimos Sem declaração Situação de ocupação Ocupada Não ocupada EPMPV EPMV2 p-valor Modelo 3 ajustado desconsiderando os pesos amostrais e as informações estruturais do plano amostral OR MPV EPMPV OR MV3 EPMV3 ORMV3 EPMV3 p-valor 0,93 1 0,039 - 0,065 - 1,51 - 0,89 1 0,038 - 0,002 - 1,04 - 1,55 - 0,75 0,78 1,10 0,99 1 0,032 0,026 0,026 0,029 - < 0,001 < 0,001 < 0,001 0,761 - 1,59 1,23 1,23 1,34 - 0,78 0,80 1,12 1,06 1 0,026 0,022 0,023 0,026 - < 0,001 < 0,001 < 0,001 0,020 - 0,96 0,98 0,98 0,93 - 1,96 1,45 1,39 1,50 - 0,96 1 0,029 - 0,135 - 1,14 - 0,94 1 0,029 - 0,048 - 1,02 - 1,14 - 1,42 1,20 0,96 0,84 1 0,025 0,023 0,02 0,019 - < 0,001 < 0,001 0,069 < 0,001 - 1,16 1,04 1,15 1,16 - 1,40 1,19 0,97 0,84 1 0,025 0,022 0,021 0,02 - < 0,001 < 0,001 0,135 < 0,001 - 1,01 1,01 0,99 1 - 1,19 1,09 1,10 1,10 - 1,02 1 0,03 - 0,518 - 1,30 - 0,99 1 0,03 - 0,836 - 1,03 - 1,30 - 0,46 0,48 0,70 1 0,47 0,037 0,034 0,033 0,154 < 0,001 < 0,001 < 0,001 < 0,001 1,14 1,09 1,09 1,08 0,45 0,47 0,68 1 0,50 0,037 0,034 0,032 0,147 < 0,001 < 0,001 < 0,001 < 0,001 1,02 1,02 1,03 0,94 1,14 1,09 1,13 1,14 0,53 0,71 1 0,69 0,04 0,039 0,053 < 0,001 < 0,001 < 0,001 1,15 1,13 1,21 0,54 0,71 1 0,68 0,04 0,038 0,053 < 0,001 < 0,001 < 0,001 0,98 1 1,01 1,15 1,16 1,21 1,19 1 0,014 - < 0,001 - 1,21 - 1,17 1 0,014 - < 0,001 - 1,02 - 1,21 - 96 Atividade física Pratica Não pratica Sem declaração Fumo Fumante Ex-fumante Nunca fumou Sem declaração Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica Mobilidade física Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim Não Consulta ao médico Sim Não Posse de bens básicos Tem todos os quatro bens básicos Não tem ao menos um bem básico % domicílios adequados Área*Sexo Urbana * Masculino Área*Cor/raça Urbana * Branca Área*Morbidade autorreferida Urbana * Pelo menos uma doença Área*Posse de bens básicos Urbana * Todos os bens Área*%domicílios adequados Urbana * %domicílios adequados 1,36 1 0,50 0,017 0,037 < 0,001 < 0,001 1,12 1,35 1,36 1 0,52 0,016 0,037 < 0,001 < 0,001 1 0,96 1,19 1,35 0,86 0,88 1 0,95 0,018 0,017 0,018 < 0,001 < 0,001 0,004 1,17 1,12 1,11 0,85 0,87 1 0,95 0,018 0,017 0,018 < 0,001 < 0,001 0,008 1,01 1,01 1 1,17 1,12 1,11 0,33 1 0,029 - < 0,001 - 1,28 - 0,33 1 0,03 - < 0,001 - 1 - 1,23 - 0,13 0,18 0,42 1 0,025 0,018 0,017 - < 0,001 < 0,001 < 0,001 - 1,24 1,28 1,24 - 0,14 0,19 0,42 1 0,025 0,018 0,017 - < 0,001 < 0,001 < 0,001 - 0,93 0,95 1 - 1,24 1,28 1,24 - 1,31 1 0,017 - < 0,001 - 1,24 - 1,33 1 0,018 - < 0,001 - 0,98 - 1,17 - 0,55 1 0,017 - < 0,001 - 1,18 - 0,56 1 0,016 - < 0,001 - 0,98 - 1,25 - 1,02 1 0,98 0,03 0,081 0,431 0,806 1,30 1,43 1,02 1 0,96 0,03 0,085 0,416 0,639 1 1,02 1,30 1,36 0,86 0,032 < 0,001 1,09 0,89 0,032 0,001 0,97 1,09 1,17 0,033 < 0,001 1,27 1,20 0,033 < 0,001 0,98 1,27 0,83 0,032 < 0,001 1,28 0,86 0,032 < 0,001 0,97 1,28 1,17 0,035 < 0,001 1,26 1,18 0,035 < 0,001 0,99 1,26 1,40 0,084 < 0,001 1,42 1,38 0,087 < 0,001 1,01 1,37 Nota: * As razões de chances são iguais as obtidas no ajuste do modelo 1 por MPV. Modelo 2: γ1=-5,961 e γ2=-3,152 e Modelo 3: γ1=-5,971 e γ2=-3,158 97 5.2.4. DISCUSSÃO Os resultados encontrados neste artigo indicam o grande impacto de não se considerar simultaneamente as três informações do plano amostral (peso, estrato e UPA) da PNAD ao ajustar um modelo de regressão logística ordinal para estabelecer a associação entre a área de localização do domicílio (urbana, rural) e o estado de saúde autorreferido de adultos no Brasil, considerando um conjunto de variáveis individuais e contextuais. Este impacto é traduzido por alterações nas magnitudes das medidas de razões de chance (odds ratio) associadas à quase totalidade dos fatores considerados e na grande subestimação das medidas de precisão (erros padrão dos estimadores dos parâmetros do modelo). Neste artigo também se verificou que mesmo ajustando o modelo por MV informando as ponderações referentes aos adultos da amostra (modelo 2), sem contudo considerar as informações estruturais do plano amostral da PNAD, a subestimação dos erros padrão continua expressiva apesar das medidas de associações (odds ratio) estarem corretas, isto é, serem equivalentes as obtidas ao ajustar o modelo pelo método de MPV. Outros estudos foram realizados com o intuito de avaliar o impacto do plano amostral no ajuste de diferentes modelos estatísticos usando dados de pesquisas amostrais complexas, entre eles pode-se citar o trabalho de Leite19 em que foi ajustado um modelo multinomial logístico usando os dados da PNAD 1999 e o de Pessoa e Silva1 que ajustaram um modelo logístico binário com os dados da PNAD 1990. O presente artigo também identificou a necessidade de consideração do planejamento amostral na análise de dados com fins analíticos, mas no contexto de ajuste de um modelo de regressão logística ordinal usando os dados da PNAD 2008. As diferenças observadas nas magnitudes das razões de chance (modelo 3) quanto nos erros padrão dos estimadores (modelos 2 e 3) revelam a importância de se considerar todas as informações do plano amostral (pesos amostrais e informações 98 estruturais) na análise de dados epidemiológicos. Caso contrário, pode comprometer a análise de confundimento e de interação entre as variáveis de extrema importância no campo da Epidemiologia, que por sua vez pode comprometer as conclusões do estudo. Este estudo apresenta limitação com relação ao processo de calibração dos pesos. Embora o processo de calibração adicione uma nova fonte de incerteza nas estimativas, neste artigo foram consideradas apenas duas fontes de incerteza: o modelo de superpopulação e o plano amostral adotado para a seleção da amostra da PNAD. No presente artigo foi utilizado o método de Máxima Pseudo-Verossimilhança (MPV), que se baseia na modelagem de superpopulação, para o ajuste de modelo estatístico que leva em conta estratificação, conglomeração e pesos calibrados que são os pesos gravados no banco de dados da PNAD. Segundo Silva et al14 este método proporciona estimativas consistentes para a amostra completa da PNAD ou mesmo no caso de domínios de estudo com tamanhos amostrais suficientemente grandes. Devido à estrutura hierárquica bem definida dos dados da PNAD, onde os indivíduos estão agrupados em unidades domiciliares, que por sua vez estão grupadas em setores censitários, poderia ser realizado um estudo futuro usando modelo multinível20 (ou hierárquico) visando a avaliar, por exemplo, o impacto de se ignorar tal estrutura nas estimativas pontuais (ou medidas de razões de chance) dos parâmetros do modelo e de suas medidas de precisão. Entretanto, cabe mencionar a maior dificuldade envolvida no ajuste desse tipo de modelo usando grandes bases de dados oriundos de amostragem complexa como a PNAD, devido a necessidade de incorporação não só das informações típicas do desenho amostral da pesquisa (estrato, UPA e peso amostral), mas também da estrutura hierárquica dos dados21. 99 5.2.5. AGRADECIMENTOS Este artigo foi parcialmente financiado com recursos da FAPERJ – Nº dos processos: E-26/100.682/2007 e E-26/101.506/2010. 5.2.6. BIBLIOGRAFIA 1. Pessoa DGC e Silva PL. Análise de dados amostrais complexos. São Paulo: ABE, 1998. 2. Szwarcwald, CL e Damacena GN. Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados. Rev Bras. epidemiol;11(supl.1):38-45, maio 2008. 3. Caiaffa WT, Ferreira FR, Ferreira AD, Oliveira CDL, Camargos VP, Proietti FA. Saúde urbana: “a cidade e uma estranha senhora, que hoje sorri e amanhã te devora”. Cienc. Saude Colet 2008;13(6): 1785-1786. 4. SANTOS, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cad. Saúde Pública, Rio de Janeiro, v.23, n. 11, Nov. 2007. 5. Camargos MCS, Rodrigues RN, Machado CJ. Expectativa de vida saudável para idosos brasileiros, 2003. Ciênc. Saúde Coletiva 2009, 14 (5):1903-1909. 6. Idler EL, Benyamini Y. Self-rated health and mortality: a review of twenty-seven community studies. J Health Social Brhav, 1997; 38:21-37. 7. Bailis DS, Segall A, Chipperfield JG. Two views of selfrated general health status. Soc Sci Med 2003; 56(2):203-217. 8. Barros MBA; Zanchetta LM, Moura EC, Malta DC. Auto-avaliação da saúde e fatores associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37. 9. Hofelmann DA, Blank N. Auto-avaliação de saúde entre trabalhadores de uma indústria no sul do Brasil. Rev Saude Publica 2007, 41(5): 777-787. 10. Peres et al., Auto-avaliação da saúde em adultos no Sul do Brasil. Rev Saúde Pública 2010;44(5):901-11. 11. Sousa et al. Autoavaliação de saúde e fatores associados em adolescentes do Estado de Santa Catarina, Brasil. Rev Paul Pediatr 2010; 28(4):333-9. 12. Romero M., D. E e Sousa Jr., PRB. Determinantes da auto-avaliação da saúde entre adultos e idosos: Uma perspectiva de gênero da inter-relação com as doenças crônicas e as limitações funcionais autorreferidas. Trabalho apresentado no XIV Encontro 100 Nacional de Estudos Populacionais – ABEP, realizado em Caxambú, MG – Brasil, de 20- 24 de Setembro de 2004. 13. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional por Amostra de Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone móvel celular para uso pessoal: Brasil. Rio de Janeiro: IBGE, 2010. Disponível em: <http://www.ibge.gov.br>. Acesso em: abr. 2010. 14. Silva PLDN, Pessoa DGC, Lila MF. Análise Estatística de Dados da PNAD: Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4), 659-670. 15. Abreu MNS; Siqueira AL e Caiaffa WT. Regressão logística ordinal em estudos epidemiológicos. Rev. Saúde Pública, São Paulo, v. 43, n. 1, Feb. 2009. 16. Marôco J. Análise Estatística com o PASW Statistics (ex-SPSS). Pêro Pinheiro: ReportNumber, 2010. 17. Theme Filha MM; Szwarcwald CL e Souza Junior PRB.. Medidas de morbidade referida e inter-relações com dimensões de saúde. Rev. Saúde Pública, São Paulo, v. 42, n. 1, Feb. 2008. 18. Nogueira H. Os Lugares e a Saúde. Coimbra; 2008. 19. Leite PGPG. Análise da situação ocupacional de crianças e adolescentes nas regiões Sudeste e Nordeste do Brasil utilizando informações da PNAD 1999. Escola Nacional de Ciências Estatísticas, dissertação de mestrado em Estudos Populacionais e Pesquisas Sociais. Rio de Janeiro, 2001. 20. Diez-roux AV. Bringing context back into epidemiology: Variables and fallacies in multilevel Analysis. American Journal of Public Health 1998; 88 (2):216. 21. Thomas SL e Hech RH. Analysis of large-scale secondary data in higher education research: Potential Perils Associated with Complex Sampling Designs. Research in Higher Education, Vol. 42, No. 5, 2001. 101 5.3. ARTIGO 3 Autoavaliação de saúde e sua relação com a situação censitária: uma análise do efeito do uso das escalas ordinal e binária, segundo os dados da PNAD 2008 102 Resumo A realização de estudos que fazem uso de indicadores de natureza subjetiva para a mensuração da saúde, frequentemente levantados em pesquisas de base populacional, vem crescendo no Brasil, em especial a autoavaliação de saúde global do indivíduo. Apesar de ser originalmente obtida em escala ordinal, a autoavaliação de saúde é frequentemente reduzida a um indicador dicotômico e em diferentes estudos essa redução é feita sem maiores justificativas podendo acarretar perda de informação e decréscimo de poder estatístico. Além disso, a escolha arbitrária do ponto de corte para dicotomizar a autoavaliação de saúde pode influenciar diretamente os resultados das medidas de associação. Este artigo compara a associação entre a situação censitária (urbana vs rural) e o desfecho de autoavaliação de saúde de adultos no Brasil considerando os casos em que este desfecho é expresso em escala ordinal (três e cinco categorias) e binária usando os dados da PNAD 2008. Para as diferentes escalas de autoavaliação de saúde verificaram-se semelhanças no sentido, magnitude e significância estatística da associação entre a área censitária e a chance (acumulada) de melhor autoavaliação de saúde tanto na análise bruta quanto na análise multivariada. Apesar da escala não influenciar nesta associação, observou-se na análise multivariada que a diferença de escala influencia na seleção do modelo, isto é, três variáveis de controle (condição de ocupação do domicílio, qualidade da moradia e PSF) foram excluídas do modelo logístico ordinal usando uma escala de autoavaliação de saúde com três ou cinco categorias, enquanto que apenas as duas primeiras foram excluídas do modelo logístico binário. Todavia, essa diferença pode ser devida ao não atendimento da hipótese de homogeneidade das inclinações para algumas das variáveis de controle em especial para variável PSF. Nesse sentido, o modelo de chances proporcionais parciais pode ser uma alternativa de modelo logístico ordinal mais adequada que o modelo de chances proporcionais e que o modelo logístico binário. Palavras-chave: Autoavaliação de saúde, situação censitária, escala binária, escala ordinal, modelo de chances proporcionais, modelo logístico binário. 103 Abstract Studies using indicators of subjective nature for measuring health, which is often done in population-based surveys, are being increasingly conducted in Brazil, especially with regard to individuals’ overall self-assessed health. Although originally obtained on an ordinal scale, self-assessed health is frequently reduced to a dichotomous indicator. In many studies, this reduction is done without much justification and may lead to loss of information and decreased statistical power. Moreover, the arbitrary choice of cutoff point for dichotomizing self-assessed health may directly influence the association measurement results. This paper compares the association between census tract location (urban vs rural) and the outcome of self-assessed health among adults in Brazil, considering cases in which this outcome is expressed on an ordinal scale (three and five categories) and on a binary scale, using the PNAD 2008 data. For the different self-assessed health scales, similarities in the direction, magnitude and statistical significance of the association between census tract location and the accumulated chance of better self-assessed health, both in crude analysis and in multivariate analysis, were observed. Although the scale used did not influence this association, multivariate analysis showed that scale differences influenced model selection, such that whereas three control variables (household occupation condition, housing quality and family healthcare program) were excluded from the ordinal logistic model using a selfassessed health scale with three or five categories, only the first two were excluded from the binary logistic model. Nonetheless, this difference might have been due to non-fulfillment of the hypothesis of slope homogeneity, for some of the control variables and especially for the family healthcare program. Hence, the partial proportional odds model may form an alternative ordinal logistic model that is more appropriate than either the proportional odds model or the binary logistic model. Key words: Self-assessment of health, census tract, binary scale, ordinal scale, proportional odds model, binary logistic model. 104 5.3.1. INTRODUÇÃO No campo da saúde urbana, são estudados os múltiplos efeitos da urbanização na saúde da população1. Neste contexto ao mesmo tempo em que levanta a necessidade de se considerar múltiplos determinantes para a explicação do processo saúde-doença, traz o duplo desafio de como mensurar os efeitos desses determinantes e também a saúde individual em grandes inquéritos populacionais. A realização de estudos que fazem uso de indicadores de natureza subjetiva para a mensuração da saúde, frequentemente levantados em pesquisas de base populacional, vem crescendo, em especial a autoavaliação de saúde global do indivíduo2. Este crescimento devese ao fato deste indicador ser uma proxy das avaliações objetivas de saúde3 e apresentar alta validade preditiva da morbidade e mortalidade4. A autoavaliação de saúde é apontada como um melhor indicador para a predição de mortalidade quando comparada a outros indicadores objetivos de saúde individual, por representar a avaliação do estado de saúde global realizada pelo próprio indivíduo ponderada pelas diferentes dimensões da saúde (biológica, psicológica e social). Embora a autoavaliação da saúde possa sofrer influência da idade e cultura5, Anson et al6 reconhecem a importância da autoavaliação da saúde e chamam a atenção para a necessidade dos profissionais de saúde levarem em consideração tal indicador no momento da avaliação médica e da definição dos planos de tratamento. A autoavaliação de saúde vem sendo investigada de diversas formas, usando questões simples. Segundo Eriksson et al.7, as avaliações usando uma única questão podem ser classificadas em três categorias principais: não comparativa (pergunta aos respondentes se eles classificariam a saúde como excelente, boa, regular, ruim ou muito ruim); idade comparativa (pergunta aos respondentes se eles classificariam a saúde como melhor, igual ou 105 pior em comparação a outra pessoa da mesma idade); e tempo-comparativa (os respondentes são questionados sobre como avaliam a saúde comparativamente a um dado tempo passado). Apesar de ser originalmente obtida em escala ordinal, a autoavaliação de saúde é frequentemente reduzida a um indicador dicotômico e em diferentes estudos essa redução é feita sem maiores justificativas3,8-12. Além do uso da escala binária representar perda de informação e decréscimo de poder estatístico13,14, deve-se levar em consideração a situação em que as categorias de “autoavaliação global de saúde” representam uma classificação arbitrária de um fenômeno potencialmente contínuo, mas que por dificuldade ou impossibilidade não foi medido em escala intervalar e sim em escala ordinal14. Nesta situação existem modelos estatísticos mais apropriados que o modelo logístico binário, como o modelo logístico ordinal (modelo de chances proporcionais), que consideram não só a natureza ordinal da autoavaliação de saúde, mas também associa esse desfecho a uma variável latente contínua e não observável15. Um outro ponto que merece destaque é a escolha arbitrária do ponto de corte para dicotomizar a autoavaliação de saúde, que influencia diretamente os resultados das medidas de associação16. Normalmente a dicotomização da autoavaliação de saúde se dá através da transferência da categoria “regular” para a saúde não boa3,11,17. O presente artigo tem como objetivo comparar os resultados da associação entre a situação censitária (urbana vs rural) e o indicador autoavaliação de saúde de adultos no Brasil considerando os casos em que este indicador é expresso em escala ordinal e binária usando os dados da PNAD 2008. Nesta comparação, buscou-se avaliar principalmente: 1) o sentido, a magnitude e a significância da associação entre a área censitária e a chance (acumulada) de melhor autoavaliação de saúde; 2) a influência da escala na seleção dos modelos e 3) a qualidade dos modelos selecionados. 106 5.3.2. MATERIAL E MÉTODOS Pesquisa Nacional por Amostra de Domicílios e População de estudo Neste artigo foi utilizada a Pesquisa Nacional por Amostra de Domicílios (PNAD), inquérito amostral realizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), que selecionou no ano de 2008 uma amostra de 150.091 domicílios e 391.868 indivíduos. Este inquérito utiliza um plano amostral complexo, que considera estratificação das unidades amostrais, conglomeração (seleção da amostra em vários estágios) e probabilidades desiguais de seleção18,19. No Suplemento de Saúde da PNAD realizada em 2008, a autopercepção de saúde é avaliada através de uma única pergunta (avaliação não comparativa) dirigida a todos os moradores do domicílio, formulada da seguinte forma: “De um modo geral, como considera o seu próprio estado de saúde ?”, contendo originalmente cinco alternativas de respostas possíveis: muito ruim, ruim, regular, bom, muito bom. A população alvo deste estudo é composta por adultos brasileiros de 20 anos ou mais de idade residentes em domicílios particulares permanentes que informaram o seu próprio estado de saúde, totalizando 162.213 adultos na amostra (registros). Desfecho, variável de interesse e variáveis de controle O desfecho é o indicador autoavaliação do estado global de saúde individual, considerado neste estudo de duas formas: de forma policotômica com uma escala ordinal original de cinco níveis: “muito ruim”, “ruim”, “regular”, “bom” e “muito bom” e de três níveis: “muito ruim/ ruim”, “regular” e “bom/muito bom”; e de forma dicotômica, dando origem a seguinte escala binária: “regular/ruim/muito ruim” e “bom/muito bom”. 107 A situação censitária considerada como variável de interesse foi classificada em urbana e rural, segundo a definição político-administrativa usada pelo IBGE, baseada em leis municipais. Para estabelecer a associação entre a situação censitária (urbana e rural) e a autoavaliação do estado global de saúde do adulto, utilizou-se como controle variáveis de natureza demográfica, socioeconômica, comportamental e de saúde, listadas a seguir: 1) sexo, 2) faixa etária, 3) cor/raça, 4) escolaridade, 5) situação de ocupação, 6) atividade física, 7) fumo, 8) morbidade autorreferida, 9) mobilidade física, 10) posse de plano de saúde, 11) consulta médica nos últimos doze meses, 12) domicílio cadastrado no Programa de Saúde da Família (PSF), 13) qualidade de moradia, 14) posse de bens básicos no domicílio, 15) condição de ocupação do domicílio, 16) renda domiciliar mensal per capita, 17) região de residência e 18) proporção de domicílios adequados quanto a qualidade da moradia, isto é, a proporção de domicílios adequados no setor (vizinhança) com relação aos serviços sociais básicos (água, esgoto, lixo e luz), às densidades habitacionais e aos padrões construtivos das moradias (material usado nas paredes e telhado). Em Moraes et al20, pode ser obtida uma maior descrição sobre algumas dessas variáveis. Análise estatística As análises foram realizadas através do programa estatístico SPSS 17. Quando a autoavaliação de saúde foi expressa em escala binária utilizou-se o modelo de regressão logística binária21 e quando este indicador foi expresso em escala ordinal ajustou-se o modelo de regressão logística ordinal (modelo de chances proporcionais14,21,22). A seguir são revistos os modelos usados neste artigo para as diferentes escalas de autoavaliação de saúde com o objetivo de comparar seus efeitos nas medidas de associação. 108 Modelo binário Considerando o desfecho de autoavaliação de saúde Y em escala binária (onde o valor Y=1 representa o “estado de saúde regular/ruim/muito ruim” e o valor Y=2 representa o “estado de saúde bom/muito bom”) o modelo de regressão logística binária pode ser definido por: P (Y = 2 / x1 , x 2 ,..., x p ) Logit[ P (Y = 2 / x1 , x 2 ,..., x p )] = ln = β 0 + β 1 x1 + β 2 x 2 + K + β p x p , P (Y = 1 / x1 , x 2 ,..., x p ) onde: Logit[ P (Y = 2 / x 1 , x 2 ,..., x p )] é o logaritmo da razão entre a probabilidade de autorreferir um estado de saúde bom/muito bom P (Y = 2 / x1 , x 2 ,..., x p ) e a probabilidade complementar de autorreferir um estado de saúde regular/ruim/muito ruim P (Y = 1 / x1 , x 2 ,..., x p ) , ou seja, é a chance (em escala logarítmica) da autoavaliação de saúde assumir a categoria “bom/muito bom”, relativamente a categoria “regular/ruim/muito ruim”. x1, x2,...,xp são as variáveis explicativas. β0, β1,...,βp são os efeitos das variáveis explicativas. Modelo ordinal No caso do desfecho de autoavaliação de saúde Y ser expresso em escala ordinal com K categorias (K=3 ou K=5) correspondentes aos valores ordenados de forma crescente Y=1, Y=2, ..., Y=K utilizou-se neste artigo o modelo de regressão logística ordinal (modelo de chances proporcionais10) que permite incorporar a ordem natural da autoavaliação de saúde 10 Essa equação é modelada pela maior parte dos softwares estatísticos (SPSS, STATA, STATISTICA, etc.) 109 como demonstrado no Quadro 1. A equação do modelo de chances proporcionais é apresentada abaixo: Quadro 1: Comparações efetuadas no modelo de regressão logística ordinal (modelo de chances proporcionais). Autoavaliação de saúde em escala ordinal (Comparações) k=1: Muito ruim k=2: Ruim k=3: Regular k=4: Bom k=5: Muito bom K=5 categorias 1 1,2 1,2,3 1,2,3,4 K=3 categorias k=1: Muito ruim / ruim 1 k=2: Regular 1,2 k=3: Bom / muito bom vs vs vs vs - 2,3,4,5 3,4,5 4,5 5 vs vs - 2,3 3 P (Y ≤ k / x1 , x2 ,K , x p ) Logit[ P (Y ≤ k / x1 , x2 ,K , x p )] = ln = α k − ( β1 x1 + β 2 x2 + K + β p x p ) P (Y > k / x1 , x2 ,K , x p ) k =1,2,...,K-1 onde: Logit[ P (Y ≤ k / x1 , x2 ,K , x p )] é o logaritmo da razão entre a probabilidade acumulada P (Y ≤ k / x1 , x2 ,K , x p ) e seu complementar P (Y > k / x1 , x2 ,K , x p ) , ou melhor, é a chance (em escala logarítmica) da autoavaliação de saúde assumir categorias de menor ordem (pior estado de saúde autorreferido), comparativamente às categorias de maior ordem (melhor estado de saúde autorreferido). α k é o ponto de corte para as k=1,2,...,K-1 categorias do desfecho de autoavaliação de saúde. x1, x2,...,xp são as variáveis explicativas do modelo. 110 β1, β2,..., βp são os efeitos das variáveis explicativas. Os parâmetros não dependem de k, pois o modelo de chances proporcionais assume que os efeitos β`s das variáveis explicativas sobre o desfecho de autoavaliação de saúde independe da categoria k. Assim como no modelo logístico binário, no modelo de regressão logística ordinal (modelo de chances proporcionais) pode-se obter uma medida de razão de chance ( OR *k ) do adulto autorreferir um estado de saúde menor ou igual a k, para as categorias k=1,2,.... K-1 da autoavaliação de saúde. Comparando a chance de um adulto autorreferir um estado de saúde menor ou igual a k (Y ≤ k ) para x1=a (sendo a=1 no caso de ter o atributo) com aquela para x1=b (sendo b=0 no caso de não ter o atributo), obtêm-se a seguinte medida de razão de chance (odds ratio): OR *k = OR = * k P (Y ≤ k / x1 = a, x 2 ,K , x p ) / P (Y > k / x1 = a, x 2 ,K , x p ) P (Y ≤ k / x1 = b, x 2 ,K , x p ) / P(Y > k / x1 = b, x 2 ,K , x p ) e e α α − ( β 1 ⋅a + β 2 x2 + K +β p xp ) − ( β 1 ⋅b + k β 2 x2 + K +β p xp ) k =e −( a −b)⋅β 1 =e −(1−0)⋅β 1 , ∀ k=1,2,..., K-1 =e −β1 ∀ k=1,2,..., K-1 Por outro lado, ao invés de OR *k , pode ser preferível interpretar a razão de chance OR *k* de um adulto autorreferir um estado de saúde maior do que k (Y > k ) para x1=a (sendo a=1 no caso de ter o atributo) com aquela para x1=b (sendo b=0 no caso de não ter o atributo). Neste caso após algumas operações matemáticas pode-se calcular a razão de chance OR *k* a partir de OR *k : 111 OR *k* = P (Y > k / x1 = a, x 2 ,K , x p ) / P (Y ≤ k / x1 = a, x 2 ,K , x p ) P (Y > k / x1 = b, x 2 ,K , x p ) / P (Y ≤ k / x1 = b, x 2 ,K , x p ) = 1 β =e 1 * OR k ∀ k=1,2,..., K-1 Embora a natureza ordinal do desfecho obrigue a modelagem em termos das probabilidades acumuladas, o desfecho de autoavaliação de saúde Y pode ser interpretado como operacionalização de uma variável contínua não medida Y* (variável latente)21, resultando na especificação do seguinte modelo estrutural: Y * = β 1 x1 + β 2 x 2 + K + β p x p + ε , onde: x1, x2,...,xp são as variáveis explicativas. β1, β2,...,βp são os efeitos das variáveis explicativas. ε é o erro do modelo com distribuição logística de média 0 e variância π2/3. Os modelos logísticos ordinais e binário foram ajustados considerando o método de Máxima Pseudo-Verossimilhança (MPV), que é um método de estimação que permite incorporar o plano amostral complexo adotado na PNAD 2008, em especial os estratos, as unidades primárias de amostragem e os pesos amostrais. Nos ajustes dos modelos logísticos binário e ordinal para a autoavaliação de saúde foram fornecidas as medidas de razão de chance, os erros padrões dos estimadores dos parâmetros e os p-valores do teste. A comparação e seleção dos modelos usando as três escalas (binária, ordinal de 3 categorias e ordinal de 5 categorias) se basearam em critérios estatísticos, como medida de qualidade global do ajuste (pseudo R2 de Nagelkerke)21, capacidade preditiva do modelo e no nível de significância do teste de Wald fixado em 1% devido ao grande tamanho da amostra. Adicionalmente, para as variáveis de controle selecionadas comparou as medidas de razão de chance estimadas no modelo logístico binário para cada nível das variáveis com as respectivas medidas obtidas através dos modelos logísticos ordinais. 112 5.3.3. RESULTADOS A Tabela 1 apresenta os ajustes dos modelos logísticos univariados considerando o indicador autoavaliação de saúde expresso tanto em escala binária quanto em escala ordinal. Independentemente da escala utilizada, observou-se uma associação estatisticamente significante e positiva entre a situação censitária (urbano vs rural) e a chance acumulada de melhor autoavaliação de saúde. Além da presença de significância estatística, as três escalas usadas para a autoavaliação de saúde levam a medidas de razão de chance próximas. Quando se usa o modelo binário (MB), observa-se que na área urbana a chance do adulto reportar um estado de saúde bom/muito bom é 53% (OR=1,53; p-valor<0,001) maior do que na área rural. Para os modelos de chances proporcionais (MCP), verifica-se que a chance acumulada do adulto reportar melhor estado de saúde é 55% (OR**=1,55; p-valor<0,001) maior na área urbana quando se usa a autoavaliação de saúde com cinco categorias. E esta chance é 51% (OR**=1,51; p-valor<0,001) maior na área urbana quando se usa a autoavaliação de saúde com três categorias. Tabela 1: Ajuste de modelos logísticos univariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde. MCP: Autoavaliação de saúde em escala ordinal de 5 categorias MCP: Autoavaliação de saúde em escala ordinal de 3 categorias MB: Autoavaliação de saúde em escala binária (Y>k), k=1,2,3,4 (Y>k), k=1,2 (Y>1)=(Y=2) Variável principal Área censitária Urbano Rural Razão de chance (OR**) Erro Padrão p-valor Razão de chance (OR**) Erro Padrão p-valor Razão de chance (OR) Erro Padrão p-valor 1,55 1 0,026 - < 0,001 - 1,51 1 0,026 - < 0,001 - 1,53 1 0,026 - < 0,001 - 113 A Tabela 2 fornece os ajustes dos modelos logísticos ordinais multivariados. A primeira observação foi que o uso da escala influencia na seleção do modelo. Usando a escala ordinal com três ou cinco categorias, excluíram-se três variáveis (condição de ocupação do domicílio, qualidade da moradia e PSF) dos modelos de chances proporcionais, enquanto que usando a escala binária apenas as duas primeiras foram excluídas do modelo logístico binário. Ao controlar por variáveis demográficas, socioeconômicas, comportamentais e de saúde (Tabela 2), verificou-se também que a associação entre a situação censitária e a chance do adulto autorreferir melhor estado de saúde deixa de ser estatisticamente significante tanto no caso em que o desfecho de autoavaliação de saúde é usado em escala ordinal com cinco categorias (MCP: OR**=0,95; p-valor=0,129) ou três categorias (MCP: OR**=0,96; pvalor=0,208) quanto no caso em que é usado em escala binária (OR=0,98; p-valor=0,549). Em todos os três modelos multivariados, além da perda de significância estatística da associação entre a situação censitária e os níveis de autoavaliação de saúde, observa-se a proximidade das medidas de razão de chance obtidas para as diferentes escalas de autopercepção de saúde. Na análise multivariada observou-se ainda que as estimativas de razão de chance para a variável “situação censitária” nos três modelos selecionados são praticamente as mesmas estimativas obtidas para esta variável nos modelos completos usando a escala de cinco categorias (MCP: OR**=0,96; p-valor=0,184), de três categorias (MCP: OR**=0,97; pvalor=0,291) ou mesmo de duas categorias (MB: OR=0,98; p-valor=0,681), indicando que as variáveis excluídas não são fatores de confundimento da relação entre situação censitária e os níveis de autoavaliação de saúde. Além disso, nos modelos multivariados (Tabela 2) o sentido das associações se mantém, inclusive continua existindo gradiente no sentido esperado para variáveis de controle faixa etária, renda domiciliar per capita e mobilidade física. Já a escolaridade deixa de 114 apresentar gradiente com a autopercepção da saúde somente no modelo binário. Com relação à magnitude das associações encontradas para as variáveis de controle, observou-se que 91,6% (29/32) das medidas de razão de chance no modelo binário (desconsiderando da contagem a medida referente à variável PSF) são próximas das respectivas medidas estimadas no modelo ordinal usando a escala de três categorias, com uma diferença máxima relativa de aproximadamente 5%. Mantendo a mesma diferença máxima relativa, observa-se que este percentual reduz para 53,1% (17/32) quando se compara com as medidas de razão de chance do modelo de chances proporcionais usando a escala de cinco categorias. Com relação à qualidade do ajuste dos modelos multivariados (Tabela 2), verificou-se que a porcentagem global de adultos classificados corretamente é de 79,7% para o modelo binário e de 75,0% para o modelo de chances proporcionais usando a escala de três categorias, indicando que estes modelos apresentam uma capacidade preditiva razoável. Em contrapartida, quando se usa a autoavaliação de saúde em escala ordinal com as cinco categorias, o modelo de chances proporcionais apresentou uma capacidade preditiva inferior aos demais (57,8% de previsões corretas). Na análise por categoria de autoavaliação de saúde, observou-se que o modelo binário classifica corretamente 88,8% dos adultos que reportaram um estado de saúde “bom/muito bom” (sensibilidade do modelo) e 60,1% para os adultos que reportaram um estado de saúde “regular/ruim/muito ruim” (especificidade do modelo). O modelo de chances proporcionais usando a escala com três categorias, por sua vez, classifica corretamente 90,1% dos adultos para o estado de saúde “bom/muito bom”, 50,3% para o estado de saúde “regular” e 6,3% para o estado de saúde “ruim/muito ruim”. E quando se usa a escala original de cinco categorias, apenas quatro delas são previstas pelo modelo de chances proporcionais, ou melhor, este modelo classifica corretamente: 15,6% para a categoria “muito bom”, 82,3% para a categoria “bom”; 52,0% para a categoria “regular”; 1,2% para a categoria “ruim” e 0% para a categoria “muito ruim”. 115 Tanto o modelo binário quanto o modelo de chances proporcionais quando se usa a autoavaliação de saúde com uma escala de três categorias são obtidas medidas de qualidade do ajuste (pesudo R2 de Nagelkerke) moderadas e próximas (0,43 para o modelo binário e 0,42 para o modelo de chances proporcionais). O modelo de chances proporcionais usando a escala original de cinco categorias apresentou uma medida de qualidade do ajuste ligeiramente menor (igual a 0,40). Tabela 2: Ajuste de modelos logísticos multivariados para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde, controlando por um conjunto de variáveis demográficas, socioeconômicas, comportamentais e de saúde. MCP: Autoavaliação de saúde em escala ordinal de 5 categorias (Y>k), k=1,2,3,4 Variáveis Área censitária Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração MCP: Autoavaliação de saúde em escala ordinal de 3 categorias MB: Autoavaliação de saúde em escala binária (Y>k), k=1,2 (Y>1)=(Y=2) p-valor Razão de chance (OR) Erro Padrão p-valor 0,033 - 0,208 - 0,98 1 0,036 - 0,549 - 0,75 0,78 1,10 0,99 1 0,052 0,033 0,032 0,039 - <0,001 <0,001 0,002 0,722 - 0,75 0,79 1,13 1,03 1 0,058 0,034 0,033 0,040 - <0,001 <0,001 <0,001 0,502 - <0,001 - 0,85 1 0,015 - <0,001 - 0,87 1 0,016 - <0,001 - 0,024 0,022 0,021 0,021 <0,001 <0,001 0,362 <0,001 1,41 1,19 0,96 0,83 1 0,029 0,024 0,023 0,022 - <0,001 <0,001 0,067 <0,001 - 1,49 1,26 1,00 0,86 1 0,031 0,026 0,025 0,025 - <0,001 <0,001 0,982 <0,001 - 1,13 1 0,015 - <0,001 1,16 1 0,017 - <0,001 1,18 1 0,018 - <0,001 - 0,49 0,51 0,71 1 0,54 0,033 0,027 0,024 0,135 <0,001 <0,001 <0,001 <0,001 0,46 0,47 0,69 1 0,46 0,042 0,037 0,036 0,166 <0,001 <0,001 <0,001 <0,001 0,49 0,47 0,69 1 0,47 0,043 0,037 0,036 0,178 <0,001 <0,001 <0,001 <0,001 p-valor Razão de chance (OR**) Erro Padrão 0,031 - 0,129 - 0,96 1 0,72 0,79 1,11 0,98 1 0,041 0,033 0,029 0,033 - <0,001 <0,001 <0,001 0,447 - 0,91 1 0,013 - 1,35 1,16 0,98 0,85 Razão de chance (OR**) Erro Padrão 0,95 1 116 Renda domiciliar mensal per capita Sem renda ou até 1 salário mínimo Mais de 1 a 5 salários mínimos Mais de 5 salários mínimos Sem declaração Situação de ocupação Ocupada Não ocupada Atividade física Pratica Não pratica Sem declaração Fumo Fumante Ex-fumante Nunca fumou Sem declaração Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica Mobilidade física Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim Não Consulta médica Sim Não Posse de bens básicos Tem todos os quatro bens básicos Não tem pelo menos um bem básico % domicílios adequados quanto à qualidade da moradia PSF Domicílio cadastrado no PSF Domicílio não cadastrado no PSF 0,52 0,68 1 0,69 0,033 0,031 0,049 <0,001 <0,001 <0,001 0,53 0,71 1 0,69 0,046 0,044 0,064 <0,001 <0,001 0,001 0,54 0,72 1 0,71 0,046 0,044 0,066 <0,001 <0,001 <0,001 1,15 1 0,014 - <0,001 - 1,19 1 0,017 - <0,001 - 1,16 1 0,018 - <0,001 - 1,44 1 0,48 0,015 0,051 <0,001 <0,001 1,36 1 0,50 0,019 0,050 <0,001 <0,001 1,34 1 0,71 0,020 0,059 <0,001 <0,001 0,91 0,93 1 0,99 0,017 0,016 0,015 <0,001 <0,001 0,500 0,86 0,88 1 0,95 0,021 0,019 0,020 <0,001 <0,001 0,012 0,88 0,88 1 0,96 0,022 0,020 0,021 <0,001 <0,001 0,032 0,33 1 0,016 - <0,001 - 0,29 1 0,018 - <0,001 - 0,29 1 0,018 - <0,001 - 0,13 0,19 0,44 1 0,031 0,022 0,019 - <0,001 <0,001 <0,001 - 0,13 0,18 0,42 1 0,031 0,023 0,021 - <0,001 <0,001 <0,001 - 0,15 0,19 0,40 1 0,032 0,025 0,022 - <0,001 <0,001 <0,001 - 1,26 1 0,017 - <0,001 - 1,32 1 0,021 - <0,001 - 1,32 1 0,022 - <0,001 - 0,62 1 0,015 - <0,001 - 0,55 1 0,020 - <0,001 - 0,56 1 0,020 - <0,001 - 1,15 1 0,018 - <0,001 - 1,14 1 0,020 - <0,001 - 1,09 1 0,022 - <0,001 - 1,27 0,035 <0,001 1,36 0,037 <0,001 1,38 0,040 <0,001 - - - - - - 0,94 1 0,021 - 0,002 - Nota: MCP(5 categorias): α1=-7,534; α2=-5,705; α3=-2,942; α4=0,204 /MCP(3 categorias): α1=-5,968; α2=-3,159 / MB: β0= 3,116 117 5.3.4. DISCUSSÃO O presente artigo procurou avaliar o efeito do uso de escala utilizada para autoavaliação de saúde (desfecho) na seleção dos modelos (modelo logístico binário e modelo logístico ordinal de chances proporcionais) e no sentido, magnitude e significância da associação encontrada entre a situação censitária e a chance acumulada do adulto autorreferir melhor estado de saúde, considerando duas situações: a análise bruta e a análise multivariada usando um conjunto de variáveis de controle que retratam características individuais e do ambiente intradomiciliar e extradomiciliar. Alguns estudos já avaliaram o impacto da dicotomização do desfecho de autoavaliação de saúde (com escala original de quatro categorias) considerando poucas variáveis explicativas na modelagem estatística e uma amostra bem menor do que a utilizada neste artigo16,22. Manor et al22 compararam o ajuste do modelo de regressão logística binária (ruim/regular e boa/excelente) com os ajustes de alguns modelos estatísticos (inclusive o modelo de chances proporcionais) que incorporam a natureza ordinal da autoavaliação de saúde, e encontraram semelhanças em termos de magnitude, significância dos efeitos principais, tipo de associação e efeitos de interação ao estabelecer associação entre algumas variáveis socioeconômicas e a autoavaliação de saúde. Assim como o estudo de Manor et al22, no presente artigo observou-se semelhanças no sentido, magnitude e significância estatística da associação entre a situação censitária (usando a área rural como categoria de referência) e a chance acumulada de melhor autoavaliação de saúde de adultos no Brasil tanto na análise bruta quanto na análise multivariada. Em outras palavras, a proximidade entre as medidas de razão de chance obtidas quando se usa autoavaliação de saúde em escala binária e em escala ordinal (com três ou cinco categorias) indica que o uso da escala não influencia a associação entre situação censitária e os níveis de 118 autoavaliação de saúde de adultos. Entretanto, na análise multivariada, o uso da escala influenciou na seleção do modelo, isto é, fazendo uso da escala ordinal de três ou cinco categorias, excluíram-se três variáveis (condição de ocupação do domicílio, qualidade da moradia e PSF), enquanto que para a escala binária apenas as duas primeiras foram excluídas do modelo. O presente estudo se limitou em avaliar o efeito da escala nas estimativas dos parâmetros do modelo, não avaliando assim a influência do ponto de corte, cuja escolha também pode influenciar diretamente os resultados das medidas de associação. Finnas et al16 dicotomizaram a autoavaliação de saúde de duas formas diferentes (autoavaliação não boa como muito ruim e ruim, e depois como muito ruim, ruim ou regular) e concluíram que a escolha do ponto de corte tem implicações nos efeitos de determinantes de saúde. Mostraram que quando a categoria intermediária do desfecho (regular) é combinada com as categorias de boa saúde autorreferida (“boa” e “muito boa”), os efeitos das covariáveis (nível educacional e estado civil) são altamente dependentes da idade, e quando agrupada com as categorias “ruim” e “muito ruim” (saúde não boa) verificaram que os efeitos dessas covariáveis sobre a autoavaliação de saúde são menos acentuados entre as categorias de idade. Para fins de avaliação do impacto da dicotomização nas medidas de razão de chance optou-se neste artigo por dicotomizar a autoavaliação de saúde em “muito ruim/ruim/regular” e “bom/muito bom”, pois essa escala é usada na maioria dos estudos sobretudo naqueles que usam os dados das PNADs. Embora a categoria regular seja normalmente transferida para a saúde não boa, há estudos em que a categoria regular foi transferida para o lado da saúde boa, entre eles pode-se citar os de Pagotto et al23 e Barros et al10. No primeiro estudo os autores dicotomizaram a autoavaliação de saúde em boa (muito bom, bom e regular) e ruim (fraco e péssimo), enquanto que no segundo dicotomizaram a autoavaliação de saúde em ruim versus demais categorias (excelente, bom, regular). 119 Neste artigo considerou-se o modelo de chances proporcionais por ser o modelo ordinal mais popular, parcimonioso e interpretável24,25, além de estar implementado nos principais pacotes estatísticos inclusive para análise de dados amostrais complexos (SPSS, STATA, SAS, etc.). Mas observou-se que o modelo de chances proporcionais ajustado para a autoavaliação de saúde de cinco categorias apresentou uma capacidade preditiva bem inferior aos demais modelos (MB e MCP com escala de três categorias). Sendo assim, é preferível usar uma escala ordinal com três categorias para obtenção de um modelo de chances proporcionais com melhor poder discriminatório. Outras funções de ligação também foram avaliadas para o modelo de chances proporcionais (escala de três categorias), mas verificouse que foi o modelo logístico ordinal que apresentou medidas de qualidade do ajuste (pseudo R2 de Nagelkerke=0,42 e taxa de classificações corretas=75,0%) iguais ou ligeiramente superiores aos modelos ajustados para as outras funções de ligação, como log-log complementar (R2N = 0,40 e taxa= 74,8%), log-log negativo (R2N =0,41 e taxa= 74,9%) e probit (R2N=0,42 e taxa= 74,9%). Para as três funções de ligação, as variáveis condição de ocupação do domicílio, qualidade da moradia e domicílio cadastrado no PSF continuaram não apresentando efeito estatisticamente significante, e ao excluí-las a associação entre a situação censitária e a autoavaliação de saúde continuou apresentando sinal negativo e ausência de significância estatística assim como no modelo ordinal com função de ligação logística. Uma outra limitação se refere ao fato do teste geral de homogeneidade das inclinações ter sido significativo. Entretanto, segundo Scott et al25, há críticas quanto a adequação desse teste por ser muito sensível a grandes amostras como a utilizada neste artigo. Entretanto, aplicou-se o teste de homogeneidade por variável usando o STATA 10 (teste de Wald individual), e constatou-se que no modelo de chances proporcionais parciais26 (modelo multivariado) o efeito da área censitária (variável de interesse) sobre a chance acumulada de o 120 adulto apresentar melhor estado de saúde é homogêneo para as diferentes categorias da autoavaliação de saúde (escala ordinal de três categorias) e aproximadamente igual ao obtido no modelo de chances proporcionais, além de não ser estatisticamente significante. Uma diferença em relação ao estudo de Manor et al.22 está no tipo de desenho de estudo. Embora o presente estudo seja de natureza transversal, considera-se o plano amostral complexo da PNAD 2008 no ajuste dos modelos logísticos univariados e multivariados para o desfecho de autoavaliação de saúde (binária e ordinal), pois quando ignorado pode levar a resultados incorretos tanto para as estimativas pontuais dos parâmetros do modelo quanto para os erros padrões associados às estimativas pontuais, comprometendo a qualidade do ajuste de modelos e as conclusões do estudo18,19. Além da incorporação do planejamento da amostra nos ajustes dos modelos estatísticos, considerou-se também o mesmo método de estimação dos parâmetros (método de máxima pseudo-verossimilhança - MPV) a fim de manter a comparabilidade dos resultados. Em Moraes et al27, podem ser obtidas maiores informações sobre o impacto do plano amostral sobre as medidas de razão de chance e erros padrões em modelo de regressão logística ordinal (modelo de chances proporcionais). Apesar da variável de interesse “área censitária” ter efeito parecido e não significativo para diferentes escalas de autoavaliação de saúde em todos os modelos logísticos multivariados, o presente artigo trouxe evidências de que a diferença de escala do desfecho (ordinal vs binária) influencia na seleção do modelo. Todavia, essa diferença pode ser devida ao não atendimento da hipótese de homogeneidade das inclinações para algumas das variáveis de controle usadas na modelagem, em especial a variável “Programa da Saúde da Família”. Recomenda-se assim o emprego do modelo de chances proporcionais parciais ao invés do modelo de chances proporcionais ou do modelo logístico binário. Um outro aspecto que deve ser ressaltado na modelagem é o viés de especificação do modelo estrutural que pode levar a estimativas tendenciosas para os efeitos das variáveis28. 121 Segundo Greeland28, a verdadeira relação estrutural entre as variáveis quase nunca é conhecida em estudos epidemiológicos devendo esperar algum grau de erro de especificação do modelo, sobretudo na ausência de amostragem aleatória. Com relação a este aspecto, no presente artigo considerou-se dados obtidos por meio de amostragem complexa cujas características foram incorporadas na modelagem estatística. Adicionalmente, para o ajuste do modelo considerou-se um método de estimação robusto (MPV) que fornece portanto estimativas robustas para os parâmetros mesmo nas situações em que o modelo estrutural não fornece uma boa descrição para a distribuição da variável de estudo29. Apesar do modelo de regressão logística binária não considerar toda a informação disponível do desfecho de saúde considerado, postula-se que o uso mais freqüente da escala binária parece depender não de problemas inerentes aos dados, mas da preferência do pesquisador, em virtude de, muitas vezes, haver maior familiaridade com o modelo logístico binário em investigações na área de saúde. 122 5.3.5. BIBLIOGRAFIA 1. Caiaffa WT, Ferreira FR, Ferreira AD, Oliveira CDL, Camargos VP, Proietti FA. Saúde urbana: “a cidade e uma estranha senhora, que hoje sorri e amanhã te devora”. Cienc. Saude Colet 2008;13(6): 1785-1786 2. Santos, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cad. Saúde Pública, Rio de Janeiro, v.23, n. 11, Nov. 2007. 3. Camargos MCS, Rodrigues RN, Machado CJ. Expectativa de vida saudável para idosos brasileiros, 2003. Ciênc. Saúde Coletiva 2009, 14 (5):1903-1909. 4. Idler EL, Benyamini Y. Self-rated health and mortality: a review of twenty-seven community studies. J Health Social Brhav, 1997; 38:21-37. 5. Jylhä, M. (2009). What is self-rated health and why does it predict mortality? Toward a unified conceptual model. Social Science & Medicine, 69, 307-316. 6. Anson O., Shteingrad J, Paran E. Self-Rated Health and Survival: A Seven-Years Follow-up. Psychology 2011, 2 (9), 987-991 7. Eriksson I, Undén AL, Elofsson S. Self-rated health. Comparisons between three different measures. Results from a population study. International Journal of Epidemiology 2001, 30: 326-333. 8. Traebert J, Bortoluzzi MC, Kehrig RT. Auto-percepção das condições de saúde da população adulta, Sul do Brasil. Rev. saúde pública 2011,45(4):789-793 9. Sousa et al. Autoavaliação de saúde e fatores associados em adolescentes do Estado de Santa Catarina, Brasil. Rev Paul Pediatr 2010; 28(4):333-9. 10. Barros MBA; Zanchetta LM, Moura EC, Malta DC. Auto-avaliação da saúde e fatores associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37. 11. Hofelmann DA, Blank N. Auto-avaliação de saúde entre trabalhadores de uma indústria no sul do Brasil. Rev Saude Publica 2007, 41(5): 777-787. 12. Alves LC e Rodrigues RN. Autopercepção de saúde entre idosos do Município de São Paulo. Rev Panam Salud Publica/Pan Am J Public Health 17(5/6), 2005 13. Ananth CV, Kleinbaum DG. Regression models for ordinal responses: a review of methods and applications. Int J Epidemiol 1997; 26(6):1323–1333 14. Gameroff MJ. Using the Proportional Odds Model for Health-Related Outcomes: Why, When, and How with Various SAS Procedures, New York State Psychiatric Institute, 2005, 205-230 15. McCullagh P. Regression models for ordinal data (with discussion). J R Statis Soc B 1980;42(9):109–142. 16. Finnäs F, Nyqvist F, Saarela J. Some Methodological Remarks on Self-Rated Health. 123 The Open Public Health Journal, 2008, 1, 32-39 17. Peres et al., Auto-avaliação da saúde em adultos no Sul do Brasil. Rev Saúde Pública 2010;44(5):901-11. 18. Silva PLDN, Pessoa DGC, Lila MF. Análise Estatística de Dados da PNAD: Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4), 659-670. 19. Szwarcwald CL, Damacena GN. Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados. Rev Bras. Epidemiol 2008;11(supl.1):38-45. 20. Moraes JR, Moreira JPL, Luiz RR. Associação entre o estado de saúde autorreferido de adultos e a área de localização do domicílio: uma análise de regressão logística ordinal usando a PNAD 2008. Ciênc. saúde coletiva. 2011; 16(9): 3769-3780 21. Marôco J. Análise Estatística com o PASW Statistics (ex-SPSS). Pêro Pinheiro: ReportNumber, 2010. 22. Manor O., Matthews S; Power C. Dichotomous or categorical response? Analysing self-rated health and lifetime social class. International Journal of Epidemiology 2000;29:149–157 23. Pagotto V, Nakatani AYK, Silveira E A. Fatores associados à autoavaliação de saúde ruim em idosos usuários do Sistema Único de Saúde. Cad. Saúde Pública 2011, 27(8): 1593-1602. 24. Yay M; Akıncı ED. Application of Ordinal Logistic Regression and Artifical Neural Networks in a Study of Student Satistaction. Cypriot Journal of Educational Sciences 2009, 4: 58-69. 25. Scott SC, Goldberg MS, May NE, “Statistical assessment of ordinal outcomes in comparative studies,” Journal of Clinical Epidemiology 1997, 50(1), 45-55. 26. Williams R. Generalized ordered logit/partial proportional odds models for ordinal dependent variables. The Stata Journal 2006, , pp. 58–82 27. Moraes JR, Moreira JPL, Luiz RR. Efeito do plano amostral em modelo logístico ordinal: uma análise do estado autorreferido de adultos no Brasil usando a PNAD 2008. Cad. Saúde Pública 2012 [artigo aceito para publicação] 28. Greeland S. Concepts of validity in epidemiological research. In: Holland WW, Detels R, Knox G (Eds.) Oxford Textbook of Public Health. 2ª Ed, Vol 2. New York, Oxford University Press, 1991. 29. Pessoa DGC, Silva PL. Análise de dados amostrais complexos. São Paulo: ABE; 1998. 124 5.4. ARTIGO 4 Área de localização do domicílio e autoavaliação de saúde de adultos brasileiros residentes em cidades populosas: uma análise multinível usando os dados da PNAD 2008 125 Resumo No Brasil a urbanização agravou a pobreza e a exclusão social e contribuiu para manutenção das desigualdades de renda e para proliferação de moradias precárias. Esses problemas tendem a ampliar os efeitos adversos sobre a saúde, sobretudo em lugares onde não há uma atitude proativa em relação às necessidades da população. Este artigo ajustando para características do ambiente intradomiciliar (domicílio) e extradomiciliar (setor) e para características individuais (adulto) teve como objetivo avaliar, por meio de modelo de regressão logística ordinal multinível, o efeito da área de localização do domicílio (urbana e rural) na autoavaliação de saúde de adultos residentes em cidades populosas. Na análise bruta os resultados mostraram que a área urbana (em comparação a área rural) está associada a melhores níveis de autoavaliação de saúde de adultos. Embora na análise ajustada não tenha se evidenciado uma diferença estatisticamente significante nos níveis de autoavaliação de saúde entre áreas urbana e rural dos municípios populosos, as relações encontradas no presente estudo nos remetem as conseqüências da urbanização sobre a saúde da população apontadas por diferentes autores. Desse modo, o estudo mostrou o efeito das condições de vida no ambiente intra e extradomiciliar (qualidade da moradia, posse de bens básicos, renda domiciliar per capita e percentual de domicílios no setor quanto a qualidade de moradia) na variação dos níveis de autoavaliação de saúde de adultos, além da existência de efeito de características individuais, que inclui as sociodemográficas, as de saúde e as relativas a comportamentos e estilos de vida. Palavras-chave: Autoavaliação de saúde, área de localização do domicílio, modelo regressão logística ordinal multinível. 126 Abstract In Brazil, urbanization has worsened poverty and social exclusion, and has contributed towards maintenance of income inequalities and proliferation of poor-quality housing. These problems have tended to amplify adverse effects on health, especially in places where there is no proactive attitude towards the population’s needs. The aim of this study was to evaluate the effect of household location (urban or rural) on self-assessed health among adults living in large cities, by means of a multilevel ordinal logistic regression model, with adjustments for environmental characteristics inside homes (household) and outside homes (census tract) and for characteristics of the individuals (adult). In the crude analysis, the results showed that, in comparison with rural areas, urban areas were associated with better self-assessed health levels among adults. Although the adjusted analysis did not show any statistically significant difference in self-assessed health levels between the urban and rural areas of the large-population municipalities, the relationships found in the present study portrayed the consequences of urbanization on the population’s health that have been demonstrated by several authors. Thus, this study showed the effect of living conditions in environments inside and outside homes (housing quality, possession of basic goods, per capita household income and percentages of households in the census tract according to housing quality), on self-assessed health levels among adults, which include sociodemographic, health-related, behavioral and lifestyle effects. Key words: Self-assessed health, household location, multilevel ordinal logistic regression model. 127 5.4.1. INTRODUÇÃO A urbanização é ainda considerado o fenômeno de maior influência nas condições socioeconômicas e ambientais nos países em desenvolvimento1. As diferentes regiões e estados do país apresentam uma urbanização desigual e contrastes na distribuição da população em áreas urbanas e rurais2. Segundo Nakamura3, o crescimento populacional acentuado, sobretudo nas grandes metrópoles, agravado pela migração, sem a devida adequação das condições de infra-estrutura básica, delimita o espaço urbano em áreas socioeconômicas e ambientais diferenciadas. Geib4 reforça dizendo que a urbanização agravou a pobreza e a exclusão social e contribuiu para manutenção das desigualdades de renda e para proliferação de moradias precárias, impedindo o desenvolvimento do conceito de habitação saudável11. Embora a urbanização possa trazer oportunidades positivas para a população, há uma maior preocupação com os efeitos negativos da urbanização sobre a saúde. Isso pode ser devido ao reconhecimento da urbanização brasileira ser marcada por profundas transformações espaciais e sociais, que são caracterizadas por um conjunto de fatores, entre os quais estão: o desemprego, as precárias condições urbanas de moradia e trabalho, as condições inadequadas de infra-estrutura básica e a violência3,5. Esses problemas tendem a ampliar os efeitos adversos sobre a saúde, sobretudo na ausência de uma atitude proativa em relação às necessidades da população1. Com o novo paradigma do processo saúde-doença baseado na promoção e prevenção, tem surgido nas últimas décadas, no campo da Saúde Pública, estudos que levam também em conta os atributos (características) do espaço urbano (lugar) para explicar as diferenças de saúde da população urbana. Entretanto, ainda é baixo o número de estudos que visam 11 Conceito de habitação saudável inclui agentes promotores da saúde e do bem-estar e controla ou previne fatores de risco no ambiente intra e extradomiciliar 128 encontrar associações entre determinantes individuais e contextuais do local de moradia e a autoavaliação do estado de saúde6. O presente artigo tem como objetivo estabelecer a associação entre a área de localização do domicílio (urbana e rural) e a autoavaliação global de saúde de adultos em cidades populosas (municípios das regiões metropolitanas ou municípios grandes em tamanho populacional) usando análise multinível. Nesta associação utilizou-se como variáveis de controle um conjunto de características individuais e do ambiente intra e extradomiciliar. 5.4.2. MATERIAL E MÉTODOS Pesquisa Nacional por Amostra de Domicílios A Pesquisa Nacional por Amostra de Domicílios (PNAD) é um inquérito amostral complexo de abrangência nacional, realizado pelo IBGE, que coletou no ano de 2008 informações de uma amostra probabilística de 150.591 domicílios e 391.868 pessoas7. A amostra da PNAD foi planejada para obter estimativas representativas para o Brasil, Grandes Regiões, Unidades da Federação e nove Regiões Metropolitanas (Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba e Porto Alegre). Com relação ao seu planejamento amostral, a PNAD é um estudo seccional que utiliza um plano amostral complexo que considera estratificação, probabilidades desiguais de seleção e conglomeração das unidades em dois ou três estágios de seleção dependendo do estrato ser de municípios autorrepresentativos (AR) ou não autorrepresentativos (NAR), respectivamente (Silva et al., 2002). Para os municípios autorrepresentativos situados nas regiões metropolitanas o plano amostral da PNAD é estratificado por município (estrato) e 129 conglomerado em dois estágios, onde os setores censitários são as unidades primárias de amostragem (UPA) e os domicílios são as unidades secundárias de amostragem (USA). Com relação aos municípios não são situados em regiões metropolitanas ou pertencentes as unidades da federação sem região metropolitana, é possível classifica-los também em municípios autorrepresentativos (AR) para os grandes em termos populacionais, e os restantes em municípios não autorrepresentativos (NAR). Para esses municípios autorrepresentativos, o plano amostral também é estratificado e conglomerado em dois estágios de seleção exatamente igual ao adotado para os municípios situados nas regiões metropolitanas, ou seja, cada município AR é o estrato, enquanto os setores e os domicílios são as unidades primárias e secundárias de amostragem, respectivamente. Para os municípios não autorrepresentativos, o plano amostral é estratificado (estratos formados por conjuntos de municípios NAR por tamanho e proximidade geográfica) e conglomerado em três estágios de seleção, onde os municípios NAR são as unidades primárias de amostragem (UPA), os setores as unidades secundárias de amostragem (USA) e os domicílios as unidades terciárias de amostragem (UTA)8. População de estudo A população de estudo é formada por adultos brasileiros (20 anos ou mais) que informaram o seu próprio estado global de saúde, residentes em domicílios particulares permanentes (DPP) localizados em municípios populosos. Na amostra dessa pesquisa, dos 162.213 adultos (registros) brasileiros em DPP que informaram seu próprio estado de saúde, 92.745 deles residem em municípios populosos, isto é, em municípios autorrepresentativos AR (os grandes em tamanho populacional e os situados nas regiões metropolitanas), enquanto os adultos restantes são residentes em municípios não autorrepresentativos - NAR. 130 A opção pela escolha desse recorte populacional (municípios grandes em tamanho populacional e municípios situados em regiões metropolitanas) deveu-se principalmente a dificuldade envolvida no ajuste desse tipo de modelo usando amostras complexas como a da PNAD, devido à necessidade de incorporação não só das informações típicas do plano amostral (estratificação, conglomeração e pesos amostrais), mas também da estrutura hierárquica dos dados (PESSOA e SILVA, 1998). No caso de se considerar na análise multinível (abordagem desagregada) a amostra completa de adultos (mesmo recorte populacional do artigo 1) não bastaria incluir as variáveis identificadores dos grupos de interesse “domicílio” e “setor”, além da variável “estrato”, pois a consideração da estrutura de grupo entre “domicílio” e “setor” não acomodaria toda a estrutura do plano amostral da PNAD. Tal análise seria mais complexa pelo fato dos níveis de hierarquia das variáveis de interesse não coincidirem com os múltiplos estágios de seleção utilizados no plano amostral da PNAD para os diferentes estratos como mostrado na Figura 3 da seção 4.1.1. Por exemplo, no caso de se considerar os estratos dos municípios NAR, seria preciso incorporar mais um outro nível de hierarquia representando as UPAs nesses estratos, tornando a análise menos trivial. Entretanto, a consideração da amostra de adultos residentes em municípios AR fez com que os níveis de hierarquia das variáveis coincidissem com a estrutura de conglomeração da pesquisa adotada nesses municípios AR simplificando a análise multinível. Com relação à estratificação, no ajuste do modelo usando o programa GLLAMM considerou o estrato (município AR) como efeito aleatório de nível mais alto9. Embora as informações estruturais do plano amostral da PNAD tenham sido consideradas, não foi incluída na análise multinível os pesos associados aos adultos da amostra, pois mesmo com a redução do âmbito de inferência para municípios AR, é requerido um modelo multinível com um elevado número de níveis de hierarquia (quatro) para contemplar todas as características estruturais da amostra em municípios AR. Na literatura de 131 análise multinível diferentes métodos de escala são apresentados, particularmente no caso de dois níveis hierárquicos, para considerar os pesos de amostragem no ajuste de modelos multiníveis, mas não há nenhum resultado teórico10, nem consenso11 sobre o melhor método de construção de peso. Além disso, com a inclusão dos pesos amostrais elevaria ainda mais o tempo de processamento para ajuste desse modelo multinível usando o comando GLLAMM do STATA 10. Tal dificuldade foi devida não só a grande quantidade de níveis de hierarquia, mas também devida à quantidade de variáveis usadas na modelagem, aliada ao grande número de registros do banco de dados e a limitação da capacidade de processamento de computadores padrões. Diante desse contexto, efetuou-se uma análise para avaliar se os pesos amostrais são de fato informativos, isto é, se eles estão correlacionados com o desfecho de autoavaliação de saúde12,13. Verificou-se a ausência de relação entre os pesos de amostragem e o desfecho de estudo condicionada a presença das demais variáveis do desenho amostral (estrato e conglomerados) consideradas na análise multinível como níveis hierárquicos, concluindo que os pesos amostrais são não informativos, justificando a sua exclusão. Segundo Asparouhov et al.10, a inclusão de pesos não informativos na análise pode gerar uma perda substancial de eficiência. Carle12 acrescenta que, embora os pesos levem a estimativas populacionais mais representativas, a exclusão de pesos não informativos da análise não vicia as decisões inferenciais. Análise de regressão logística ordinal multinível Neste artigo foi ajustado usando o software STATA 10 o modelo de regressão logística ordinal multinível14 com quatro níveis de hierarquia, onde os adultos são as unidades de 1º nível, os domicílios (habitações) são as unidades de 2º nível, os setores (vizinhança) as unidades de 3º nível e os municípios as unidades de 4ª nível. A estrutura hierárquica dos 132 dados corresponde as características do plano amostral da PNAD para os municípios AR (municípios populosos) considerados neste artigo, com exceção dos pesos amostrais da pesquisa. Para avaliar a necessidade de ajustar um modelo multinível de quatro níveis foi aplicado também testes de comparabilidade de modelos encaixados (teste Qui-quadrado de razão de verossimilhança), resultante da comparação das funções de verossimilhança de um modelo nulo (modelo sem variáveis explicativas) de 4 níveis (adulto, domicílio, setor, município) com outros modelos: 1) o modelo nulo de 3 níveis (adulto, domicílio, setor); 2) o modelo nulo de 2 níveis (adulto, domicílio); 3) modelo nulo de 3 níveis (adulto, setor, município); 4) modelo nulo de 3 níveis (adulto, domicílio, município). Para cada um dos modelos foram calculadas medidas de qualidade do ajuste (critério de informação de Akaike AIC). O desfecho do modelo é a autoavaliação de saúde considerando a seguinte escala ordinal com três categorias: 1) ruim/muito ruim, 2) regular, 3) muito bom/bom. Além da área de localização do domicílio (variável de interesse), foi considerado na estrutura linear do modelo, um conjunto de dezoito variáveis de controle (demográficas, socioeconômicas, comportamentais e de saúde) que retratam características individuais e do ambiente intradomiciliar (domicílio) e extradomiciliar (setor). As características do adulto (unidade de 1º nível) são compostas por doze variáveis: sexo, faixa etária, cor/raça, escolaridade, situação de ocupação, atividade física, fumo, morbidade autorreferida, mobilidade física, posse de plano de saúde, consulta ao médico nos últimos doze meses e região de residência. As características do domicílio (unidade de 2º nível), por sua vez, são compostas por cinco variáveis: domicílio cadastrado no Programa de Saúde da Família (PSF), qualidade de moradia, posse de bens básicos no domicílio, condição de ocupação do domicílio, renda domiciliar mensal per capita. Por último, como 133 característica do setor (unidade de 3º nível) foi utilizada a proporção de domicílios considerados adequados no setor (vizinhança) quanto a qualidade da moradia, isto é, quanto aos serviços sociais básicos (água, esgoto, lixo e luz), as densidades habitacionais e aos padrões construtivos das moradias (material usado nas paredes e telhado). Quanto ao nível municipal, não foi incluída nenhuma variável além da identificação dos municípios a fim de incorporar a estratificação da amostra. Em Moraes et al.15, pode ser obtida uma maior descrição sobre a construção de algumas dessas variáveis usadas numa abordagem agregada de análise. 134 5.4.3. RESULTADOS A Tabela 1 apresenta a distribuição percentual dos adultos segundo os níveis de autoavaliação de saúde, a área de localização do domicílio e cada uma das variáveis de controle (categóricas) usadas na análise multinível. Tabela 1: Distribuição de adultos segundo o desfecho de autoavaliação de saúde, a área de localização do domicílio e as variáveis de controle (categóricas) usadas na análise multinível – Municípios populosos. Variáveis Autoavaliação de saúde Ruim ou muito ruim Regular Bom ou muito bom Área de localização do domicílio Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade Sem instrução ou menos de 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração Renda domiciliar mensal per capita Sem renda ou até 1 salário mínimo Mais de 1 a 5 salários mínimos Distribuição de adultos (%) 4,6 23,1 72,3 96,3 3,7 6,6 19,9 51,7 13,6 8,2 37,3 62,7 21,8 22,6 21,2 16,4 18,0 51,5 48,5 7,3 30,3 50,5 11,8 0,2 40,8 47,2 135 Mais de 5 salários mínimos Sem declaração Situação de ocupação Ocupada Não ocupada Atividade física Pratica Não pratica Sem declaração Fumo Fumante Ex-fumante Nunca fumou Sem declaração Morbidade autorreferida Pelo menos uma doença crônica Nenhuma doença crônica Mobilidade física Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim Não Consulta médica Sim Não PSF Sim Não Condição de ocupação do domicílio Próprio Alugado Cedido Outra Posse de bens básicos Tem todos os quatro bens básicos Não tem pelo menos um bem básico Qualidade da moradia Adequado Não adequado Nota: estimativas ponderadas 8,2 3,8 60,2 39,8 28,5 69,2 2,2 14,0 16,3 52,4 17,2 46,3 53,7 6,9 11,9 15,6 65,6 37,0 63,0 76,3 23,7 33,9 66,1 75,2 18,2 5,9 0,6 89,5 10,5 66,3 33,7 Dos adultos residentes em cidades populosas, 96,3% residem em domicílios localizados na área urbana e a maioria (72,3%) deles reportam um estado de saúde bom/muito bom, enquanto 23,1% reportam estado de saúde regular e 4,6% estado de saúde ruim/muito ruim. Com relação à distribuição das variáveis de controle, pode-se destacar que o percentual 136 de adultos é maior na região Sudeste (51,7%), em domicílios com os quatro bens básicos (89,5%) e adequados quanto a qualidade da moradia (66,3%). Observou-se ainda que nestes municípios há maior predominância de adultos que nunca fumaram (52,4%), que praticam atividade física (28,5%), sem nenhuma doença crônica (53,7%), não portador de plano de saúde (63,0%), sem limitação física (65,6%), que consultaram médico nos últimos 12 meses (76,3%), e que não moram em domicílios cadastrados no PSF (66,1%) (Tabela 1). A Tabela 2 apresenta uma análise prévia de associação entre os pesos amostrais e o desfecho de autoavaliação de saúde de adultos, por meio de modelagem multinível. Observou-se, considerando a estrutura hierárquica dos dados (estratificação e conglomeração das unidades), que os pesos amostrais não estão correlacionados estatisticamente com os níveis de autoavaliação de saúde de adultos, indicando que os pesos amostrais são não informativos, não havendo necessidade de incorporá-los na análise, no caso desse desfecho em particular. Tabela 2: Associação entre pesos amostrais e o desfecho de autoavaliação de saúde de adultos nos municípios considerados (análise multinível). Pesos amostrais de expansão Modelo Parte fixa Peso amostral Estimativa Erro Padrão p-valor* 0,00004 0,00006 0,444 0,92210 0,25135 0,08350 0,04581 0,01243 0,00752 - Parte aleatória – Estimativa da variância dos interceptos aleatórios 2º nível - Domicílio 3º nível - Setor 4º nível - Município A Tabela 3 apresenta os resultados dos testes de comparabilidade de modelos encaixados (teste Qui-quadrado de razão de pseudoverossimilhanças), resultante da comparação das funções de verossimilhança do modelo nulo de 4 níveis (adulto, domicílio, setor, município) com os seguintes modelos: 1) o modelo nulo de 3 níveis (adulto, domicílio, 137 setor); 2) o modelo nulo de 2 níveis (adulto, domicílio); 3) modelo nulo de 3 níveis (adulto, setor, município); 4) modelo nulo de 3 níveis (adulto, domicílio, município). Tabela 3: Resultados do teste de comparabilidade entre o modelo nulo de 4 níveis (adulto, domicílio, setor, município) com outros quatro modelos nulos com menos níveis de hierarquia. Comparações entre quatro diferentes modelos nulos com o modelo nulo de 4 níveis (AIC= 132.256,2) Teste 1) Modelo nulo de 3 níveis (adulto, domicílio, setor) Teste 2) Modelo nulo de 2 níveis (adulto, domicílio) Teste 3) Modelo nulo de 3 níveis (adulto, setor, município) Teste 4) Modelo nulo de 3 níveis (adulto, domicílio, município) Resultados do teste Quiquadrado de razão de pseudoverossimilhanças χ2 p-valor 394,81 1.456,46 678,29 696,87 <0,001 <0,001 <0,001 <0,001 AIC* 132.649,0 133.708,7 132.932,5 132.951,1 *Critério de Informação de Akaike (AIC) Os resultados dos três testes fornecidos na Tabela 3 mostram que o modelo multinível que considera os 4 níveis de hierarquia é o mais adequado, ou seja, conclui-se portanto que os efeitos aleatórios do setor e município, isoladamente (testes 1 e 4) ou conjuntamente (teste 2), contribuem significativamente para a qualidade do modelo. Com base no teste 3, se evidenciou ainda que o efeito aleatório do domicílio é significativamente diferente de zero, quando são mantidos os demais efeitos de grupo (setor e município) no modelo (χ2=678,29; p-valor<0,001). A partir do modelo nulo de 4 níveis, isto é, do modelo logístico ordinal ajustado somente com os interceptos aleatórios nos níveis dos domicílios, setores e municípios (Tabela 4), obteve os coeficientes de partição de variância (CPV). Através do cálculo do CPV para os municípios (4º nível) verificou-se que aproximadamente 2,0% da variação dos níveis do estado de saúde autorreferido é atribuída às diferenças dos municípios. O CPV para os setores (3º nível), por sua vez, indicou que 7,4% da variação dos níveis de autoavaliação de saúde é atribuída as diferenças dos setores (que estão dentro dos mesmos municípios). Já o CPV para os domicílios (2º nível), foi mais elevado mostrando que aproximadamente 28% da 138 variação dos níveis de autoavaliação de saúde é devida as diferenças dos domicílios (que estão dentro dos mesmos setores pertencentes aos mesmos municípios). Embora a parcela de variação explicada pelas diferenças entre os municípios seja baixa (CPV≅2,0%), a consideração do nível municipal na análise dos níveis de autoavaliação de saúde deveu-se também ao fato dos municípios considerados (municípios grandes em termos populacionais e os municípios das Regiões Metropolitanas) representarem os estratos no plano amostral da PNAD. No modelo multinível ajustado somente com a área de localização do domicílio (Tabela 4), observou-se que a área apresenta um efeito estatisticamente significante nos níveis de autoavaliação de saúde de adultos (OR=1,42; p-valor<0,001). A medida de razão de chance de 1,42 indica que a chance dos adultos residentes nos municípios considerados autorreferirem um melhor estado de saúde na área urbana é 42% maior em comparação à área rural. Em comparação a parte aleatória do modelo nulo, pode-se observar que as estimativas de variância dos interceptos aleatórios praticamente permaneceram inalteradas com a introdução da área de localização do domicílio (Tabela 4). Tabela 4: Estimativas para os modelo logísticos ordinais de interceptos aleatórios de 4 níveis para o desfecho de autoavaliação de saúde de adultos. Modelo com a área de localização do domicílio Modelo nulo Modelo Parte fixa Área de localização do domicílio Parte aleatória – Estimativa da variância dos interceptos aleatórios 2º nível – Domicílio 3º nível – Setor 4º nível – Município * Teste de Wald Razão de chance Erro padrão Razão de chance Erro padrão p-valor* - - 1,42 0,083 <0,001 0,923 0,251 0,086 0,046 0,012 0,007 0,920 0,248 0,084 0,046 0,012 0,007 - 139 Ao ajustar o modelo multinível com a área de localização do domicílio e todas as dezoito variáveis de controle que retratam características dos adultos (indivíduos) e do ambiente intradomiciliar (domicílio) e extradomiciliar (setor), observou-se que apenas duas variáveis do ambiente intradomiciliar (condição de ocupação do domicílio e PSF) não apresentaram efeito significativo, e portanto foram excluídas da análise, resultando no modelo fornecido na Tabela 5. Ao controlar pelas demais variáveis, a área de localização do domicílio deixou de ter um efeito estatisticamente significante sobre os níveis de autoavaliação de saúde de adultos (OR=0,92; p-valor=0,186). Além disso, depois de controlar a associação entre a área e o nível de autoavaliação de saúde (variável latente) por variáveis do indivíduo e do ambiente intra e extradomiciliar (Tabela 5), observou-se redução das estimativas das variâncias de todos os interceptos aleatórios do modelo, sendo que esta redução foi: de 6,3% para o nível do domicílio, de 34,3% para o nível do setor e de 35,7% para o nível do município. Esses decréscimos pode ser devida a diferença de composição dos domicílios, setores e/ou municípios com respeito às variáveis adicionadas no modelo. Com relação a parte fixa do modelo ajustado com apenas os efeitos principais (Tabela 5), observou-se que a chance de apresentar um melhor estado de saúde autorreferido é 22,0% maior para os adultos do sexo feminino (OR=1/0,82=1,22; p-valor<0,001) e menor a medida que aumenta a faixa etária do adulto. A chance é 18% maior para os adultos de raça branca (OR= 1,18, p-valor<0,001), 21% maior para adultos ocupados (OR=1,21; pvalor<0,001), 41% maior para os que têm plano de saúde (OR=1,41; p-valor<0,001), 85% maior para os adultos que não consultaram médico nos últimos doze meses (OR=1/0,54=1,85; p-valor<0,001), mais de 4 vezes maior para os adultos sem nenhuma doença crônica (OR=1/0,23=4,3; p-valor<0,001), 44% para os que praticam atividade física (OR=1,44; pvalor=<0,001) e 25% maior para os não fumantes em comparação aos fumantes 140 (OR=1/0,80=1,25; p-valor=<0,001) e 19% maior comparativamente aos ex-fumantes (OR=1/0,84=1,19;p-valor=<0,001). Observa-se ainda que a chance de autorreferir melhor estado de saúde é: 6% maior para os adultos que residem em domicílios adequados quanto a qualidade da moradia (OR=1,06; p-valor=0,027), 28% maior para os adultos residentes em domicílios com todos os bens básicos (OR=1,28; p-valor=<0,001). Além disso, verifica-se que chance do adulto reportar melhor estado de saúde aumenta em 35% ao aumentar em 1 unidade o percentual de domicílios adequados no setor quanto a qualidade da moradia (OR=1,35; p-valor<0,001). Considerando o Centro-Oeste como categoria de referência, observou-se nas regiões Norte (OR=0,86; p-valor=0,007) e Nordeste (OR=0,75; p-valor<0,001) menor chance do adulto autorreferir melhor estado de saúde, enquanto nas regiões Sul (OR=1,10; pvalor=0,076) e Sudeste (OR=1,07; p-valor=0,155) maior chance, embora para as duas últimas regiões a associação encontrada não foi estaticamente significante. Observa-se também um aumento na chance de melhor autoavaliação de saúde para adultos à medida que aumenta a escolaridade, e a renda domiciliar per capita; e uma redução nesta chance a medida que aumenta o problema de mobilidade física. 141 Tabela 5: Análise multinível da autoavaliação de saúde de adultos: estimativas para o modelo logístico ordinal de interceptos aleatórios de 4 níveis considerando efeitos principais. Variáveis Parte fixa Área Urbano Rural Região de residência Norte Nordeste Sudeste Sul Centro-oeste Sexo Masculino Feminino Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + Cor/raça Branca Não branca Escolaridade S/ instrução ou < 1 ano 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração Renda domiciliar per capita Sem renda ou até 1 s.m Mais de 1 a 5 s.m Mais de 5 s.m Sem declaração Situação de ocupação Ocupada Não ocupada Atividade física Pratica Não pratica Sem declaração Fumo Fumante Ex-fumante Nunca fumou Modelo de interceptos aleatórios de 4 níveis, com todos os efeitos principais das variáveis Modelo de interceptos aleatórios de 4 níveis, excluindo a variável “condição de ocupação do domicílio” Modelo selecionado: Modelo de interceptos aleatórios de 4 níveis, excluindo as variáveis “condição de ocupação do domicílio” e “PSF” Razão de chance Erro padrão pvalor* Razão de chance Erro padrão p-valor* Razão de chance Erro padrão p-valor* 0,92 1 0,061 - 0,157 - 0,96 1 0,061 - 0,478 - 0,92 1 0,061 - 0,186 - 0,85 0,74 1,07 1,09 1 0,056 0,047 0,048 0,054 - 0,004 <0,001 0,185 0,096 - 0,86 0,91 1,05 1,09 1 0,057 0,049 0,049 0,054 - 0,007 0,044 0,358 0,133 - 0,86 0,75 1,07 1,10 1 0,055 0,047 0,047 0,053 - 0,007 <0,001 0,155 0,076 - 0,82 1 0,021 - <0,001 - 0,82 1 0,021 - <0,001 - 0,82 1 0,021 - <0,001 - 1,51 1,30 1,02 0,82 1 0,039 0,036 0,033 0,032 - <0,001 <0,001 0,660 <0,001 - 1,49 1,29 1,01 0,82 1 0,039 0,036 0,033 0,032 - <0,001 <0,001 0,785 <0,001 - 1,49 1,29 1,01 0,82 1 0,039 0,036 0,033 0,032 - <0,001 <0,001 0,772 <0,001 - 1,17 1 0,022 - <0,001 - 1,19 1 0,022 - <0,001 - 1,18 1 0,022 - <0,001 - 0,43 0,47 0,68 1 0,41 0,056 0,047 0,044 0,224 <0,001 <0,001 <0,001 <0,001 0,42 0,46 0,68 1 0,41 0,056 0,047 0,044 0,223 <0,001 <0,001 <0,001 <0,001 0,43 0,46 0,68 1 0,41 0,056 0,047 0,044 0,224 <0,001 <0,001 <0,001 <0,001 0,51 0,68 1 0,68 0,056 0,052 0,074 <0,001 <0,001 <0,001 0,51 0,68 1 0,69 0,056 0,052 0,074 <0,001 <0,001 <0,001 0,51 0,68 1 0,68 1,21 1 0,022 - <0,001 - 1,20 1 0,022 - <0,001 - 1,21 1 0,056 0,052 0,074 0,022 - <0,001 <0,001 <0,001 <0,001 - 1,44 1 0,42 0,025 0,062 <0,001 <0,001 1,44 1 0,42 0,025 0,062 <0,001 <0,001 1,44 1 0,42 0,025 0,062 <0,001 <0,001 0,80 0,84 1 0,029 0,027 - 0,80 0,84 1 0,029 0,027 - <0,001 <0,001 - 0,80 0,84 1 0,029 0,027 - <0,001 <0,001 - <0,001 <0,001 - 142 Sem declaração Morbidade autorreferida Pelo menos 1 doença Nenhuma doença Mobilidade física Muita limitação Limitação Pouca limitação Sem limitação Posse de plano de saúde Sim Não Consulta médica Sim Não Qualidade da moradia Adequada Não adequada Posse de bens básicos Tem todos os 4 bens Não tem ao menos 1 bem % domicílios adequados PSF Sim Não Cond. de ocup. domicílio Próprio Alugado Cedido Outra Parte aleatória – Estimativa da variância dos interceptos aleatórios 2º nível – Domicílio 3º nível – Setor 4º nível – Município 0,96 0,027 0,106 0,96 0,027 0,101 0,96 0,027 0,091 0,23 1 0,025 - <0,001 - 0,24 1 0,025 - <0,001 - 0,23 1 0,025 - <0,001 - 0,11 0,14 0,37 1 0,044 0,033 0,028 - 0,11 0,14 0,37 1 0,044 0,033 0,028 - <0,001 <0,001 <0,001 - 0,11 0,14 0,37 1 0,044 0,033 0,028 - <0,001 <0,001 <0,001 - 1,40 1 0,025 - <0,001 - 1,41 1 0,025 - <0,001 - 1,41 1 0,025 - <0,001 - 0,54 1 0,027 - <0,001 - 0,54 1 0,027 - <0,001 - 0,54 1 0,027 - <0,001 - 1,06 1 0,028 - 0,040 - 1,06 1 0,028 - 0,034 - 1,06 1 0,028 - 0,027 1,28 1 1,34 0,030 0,053 <0,001 <0,001 1,29 1 1,30 0,030 0,053 <0,001 <0,001 1,28 1 1,35 0,030 0,052 <0,001 <0,001 0,95 1 0,023 - 0,029 - 0,96 1 0,023 - 0,066 - 1,09 1,03 0,98 1 0,124 0,126 0,130 - 0,503 0,813 0,896 - 0,863 0,053 0,863 0,053 0,862 0,053 0,162 0,054 0,013 0,006 0,162 0,068 0,013 0,008 0,163 0,054 0,013 0,006 <0,001 <0,001 <0,001 - * Teste de Wald Nota: Excluídas as variáveis condição de ocupação do domicílio e PSF no ajuste do modelo multinível. - 143 5.4.4. DISCUSSÃO: Este artigo usando análise multinível buscou estabelecer as relações entre os níveis de autoavaliação de saúde e um conjunto de fatores individuais e ambientais para uma amostra complexa de adultos residentes em municípios populosos (municípios das regiões metropolitanas ou municípios grandes em termos populacionais). Como o estudo de Moraes et al.15 em que foi usado uma abordagem agregada de análise e uma abragência maior (nacional); o presente estudo também verificou, na análise bruta, que a área urbana (em comparação a área rural) está associada a melhores níveis de autoavaliação de saúde dos adultos; e que após controlar para variáveis individuais (adultos) e do ambiente intradomiciliar (domicílios) e extradomiciliar (setores), a associação entre a área de localização do domicílio e a autoavaliação de saúde passou a não apresentar efeito significativo. Adicionalmente, após o controle por tais variáveis, observou-se no presente estudo que as estimativas de variância dos interceptos aleatórios do modelo sofreram reduções, evidenciando existência de efeito composicional do lugar de moradia (município, setor e/ou domicílio) nos níveis de autoavaliação de saúde dos adultos. Embora na análise multivariada (ajustada) não tenha se evidenciado uma diferença estatisticamente significante nos níveis de autoavaliação de saúde de adultos entre áreas urbana e rural de municípios populosos, as relações encontradas no presente estudo nos remetem as conseqüências da urbanização sobre a saúde da população apontadas por e Nakamura3, Geib4 e Caiffa et al.5. Observa-se para estes municípios, o efeito das condições de vida no ambiente intra e extradomiciliar (qualidade da moradia, posse de bens básicos, renda domiciliar per capita e percentual de domicílios no setor quanto a qualidade de moradia) na variação dos níveis de autoavaliação de saúde. Além disso, observa-se a existência de efeito na saúde autorreferida proveniente de fatores individuais, que englobam os aspectos 144 sociodemográficos (sexo, faixa etária, região de residência, raça, escolaridade e ocupação), os de saúde (presença de alguma doença crônica, mobilidade física, posse de plano de saúde e consulta médica), além dos fatores relativos à “comportamentos e estilos de vida” (atividade física e fumo). Quando se considera apenas as cidades populosas incluindo as formadoras das regiões metropolitanas, observou-se uma diferença com relação à análise multivariada (análise dos efeitos principais) desenvolvida por Moraes et al.15. Num ambiente mais metropolitano a qualidade da moradia (característica intradomiciliar) apresentou efeito estatisticamente significante indicando que adultos residentes em moradias adequadas possuem melhores níveis de estado de saúde autorreferido, traduzindo a importância da qualidade de moradia como indicador de privação real que influencia a saúde do indivíduo de forma direta (proteção/segurança/conforto) e de forma indireta (estresse e ansiedade relacionados as inadequadas condições de habitabilidade). Neste estudo foram considerados apenas os adultos que informaram o seu próprio estado de saúde, excluindo-se os adultos cujo estado de saúde foi informado por outras pessoas moradoras da unidade domiciliar ou mesmo por outras pessoas não residentes no domicílio, pois as informações prestadas por terceiros poderia aumentar a chance de ocorrer viés de informação sobre o estado global de saúde. A autoavaliação de saúde é um indicador que vem sendo levantado em diferentes inquéritos populacionais na área de saúde, por várias razões: por ser de fácil mensuração ou aplicação16; por ser uma medida confiável e válida17,18,19, por permitir comparações internacionais20, pela sua própria natureza subjetiva21; por sua forte associação com estado real de saúde22; por ser um preditor sensível de morbidade e mortalidade23,24,25, por captar o bem estar físico, mental e social do indivíduo26 e por permitir o monitoramento das condições de saúde de populações27. 145 A consideração de apenas municípios autorrepresentativos (municípios grandes em tamanho populacional ou municípios situados nas regiões metropolitanas) foi devida, por um lado, a complexidade de se ajustar um modelo multinível usando todas as características do plano amostral da PNAD em nível nacional, aliado ao elevadíssimo tempo de processamento para ajuste de modelos multiníveis com grande quantidade de variáveis explicativas, de níveis hierárquicos e usando grandes amostras. Por outro lado, deveu-se a importância desses municípios, em especial os das regiões metropolitanas, no processo de urbanização brasileira. De acordo com Peres & Zimmermann28, região metropolitana pode ser definida como uma mancha de ocupação contínua ou não diretamente polarizada por uma metrópole, onde se realizam as maiores intensidades de fluxos e as maiores densidades de população e atividades envolvendo municípios fortemente integrados. Estes mesmos autores apontam ainda que municípios que integram regiões metropolitanas têm como principal característica o elevado grau de complementaridade das funções urbanas (habitação, saúde, educação, saneamento e meio ambiente, segurança pública, transporte, defesa civil, etc.), tendo como resultado uma gestão compartilhada e a busca por soluções integradas visando melhoria dos serviços públicos municipais e da qualidade de vida da população. Além disso, uma vantagem de se considerar os referidos municípios se refere ao critério político-administrativo usado pelo IBGE para classificação dos limites de urbano e rural, pois segundo Endlich29 as críticas quanto a esse critério somente são relevantes no caso de se estudar pequenas cidades, uma vez que são justamente em cidades pequenas que os limites estabelecidos entre essas duas áreas ainda são procurados. Devido à estrutura hierárquica dos dados da PNAD, onde os adultos estão agrupados em unidades domiciliares, que estão grupados em setores censitários, que por sua vez, estão agrupados em municípios; utilizou-se neste artigo o modelo de regressão logística ordinal multinível com quatro níveis hierárquicos (1º nível: adulto, 2º nível: domicílio, 3º nível: setor, 146 4º nível: município). Este tipo modelo é o mais adequado, pois ao contrário do modelo linear generalizado (modelo de efeitos fixos) não assume que todas as observações são independentes, sendo portanto apropriado para análise de dados de pesquisas que apresentam algum tipo de estrutura de correlação, como pesquisas longitudinais ou pesquisas que fazem uso de conglomeração, como as PNADs. A análise multinível é um dos tipos de análise de regressão que, simultaneamente, leva em consideração múltiplos níveis de agregação, tornando corretos erros padrão, intervalos de confiança e testes de hipóteses30,31. Além disso, neste tipo de abordagem de análise, além da inclusão de interceptos aleatórios que representam a heterogeneidade entre os grupos no desfecho de interesse, possibilita a consideração de coeficientes aleatórios, que representam, por sua vez, a heterogeneidade na relação entre o desfecho e as variáveis explicativas31. Embora as informações estruturais tenham sido consideradas, o plano amostral da PNAD utiliza ainda probabilidades desiguais de seleção, resultando em diferentes pesos associados aos adultos da amostra. Como bem aponta Souza & Nilza32, embora os pesos de amostragem sejam utilizados para compensar as probabilidades desiguais das unidades amostrais, contribuindo para redução de vícios, estimativas ponderadas tendem a ser menos precisas, apresentando maior variância quando comparadas àquelas não ponderadas. Por este motivo, ressalta-se a importância de se incorporar também os pesos amostrais nas análises sempre que possível e/ou necessário. Além do programa GLLAMM, tentou-se ajustar o mesmo modelo multinível, usando a PROC GLIMMIX do SAS 9.1 e 9.2, mas neste caso o ajuste era interrompido automaticamente devido à insuficiência de recursos computacionais (capacidade de memória insuficiente para o processamento do modelo). 147 5.4.5. BIBLIOGRAFIA: 1. Martine G, Mcgranahan G. População e Cidades: subsídios para o planejamento e para as políticas sociais. In: Baeninger, R.(org.). Campinas: Núcleo de Estudos de População- NEPO / Unicamp; Brasília: UNFPA, 2010. 2. Giffoni M. Urbanização e a Rede de Cidades no Brasil, 2010. Disponível em: http://fichasmarra.wordpress.com/2010/12/21/urbanizacao-e-a-rede-de-cidades-no-brasil/ 3. Nakamura E. Algumas considerações antropológicas sobre o processo de urbanização e suas conseqüências sobre a saúde mental das crianças. Infanto - Rev. Neuropsiq. da Inf. e Adol., 4(1): 52-56, 1996 4. Geib LTC. Determinantes sociais da saúde do idoso. Ciênc. saúde coletiva. 2012, 17(1):123-133 5. Caiaffa WT, Ferreira FR, Ferreira AD, Oliveira CDL, Camargos VP, Proietti FA. Saúde urbana: “a cidade e uma estranha senhora, que hoje sorri e amanhã te devora”. Cienc. Saude Colet 2008; 13(6): 1785-1786. 6. Santos SM, Chor D, Werneck GL, Coutinho ESF. Associação entre fatores contextuais e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cad. Saúde Pública 2007; 23(11): 2533-2554. 7. Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional por Amostra de Domicílios 2008 – Notas Metodológicas: pesquisa básica, pesquisa especial de tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone móvel celular para uso pessoal: Brasil. Rio de Janeiro: IBGE, 2010. Disponível em: <http://www.ibge.gov.br>. 8. Silva PLDN, Pessoa DGC, Lila MF. Análise Estatística de Dados da PNAD: Incorporando a Estrutura do Plano Amostral. Ciência e Saúde Coletiva 2002; 7(4): 659-670 9. Sterba, SK. Alternative model-based and design-based frameworks for inference from samples to populations: From polarization to integration. Multivariate Behavioral Research, 2009, 44, 711-740. 10. Asparouhov T, Muthen & Muthen. Weighting for Unequal Probability of Selection in Multilevel Modeling. Mplus Web Notes: No. 8 Version 3, December 09, 2004. 11. Chantala K, Blanchette D, Suchindran CM. Software to Compute Sampling Weights for Multilevel. Carolina Population Center, UNC at Chapel Hill. Last Update, 2011. 12. Carle AC. Fitting multilevel models in complex survey data with design weights: Recommendations. BMC Medical Research Methodology 2009, 49(9): 1471-2288. 13. Johnson DR. Using weights in the analysis of survey data, 2008. Disponível em: http://help.pop.psu.edu/help-by-statistical- 148 method/weighting/Introduction%20to%20survey%20weights%20pri%20version.ppt 14. Rabe-Hesketh S, Skrondal A: Multilevel and Longitudinal Modeling using Stata College Station: Stata; 2005 15. Moraes JR, Moreira JPL, Luiz RR. Associação entre o estado de saúde autorreferido de adultos e a área de localização do domicílio: uma análise de regressão logística ordinal usando a PNAD 2008. Ciênc. saúde coletiva, 2011, 16(9): 3769-3780 16. Höfelmann DA e Blank N. Auto-avaliação de saúde entre trabalhadores de uma indústria no sul do Brasil. Rev. Saúde Pública, 2007; 41(5): 777-787 17. Barros MBA; Zanchetta LM, Moura EC, Malta DC. Auto-avaliação da saúde e fatores associados, Brasil, 2006. Rev Saude Publica 2009; 43(2): 27-37 18. Freitas, DHM et al. Autopercepção da saúde e desempenho cognitivo em idosos residentes na comunidade. Rev. Psiquiatr. Clín., 2010, 37(1): 32-35 19. Peres MA, Masiero AV, Longo GZ, Rocha GC, Matos I B, Najnie K et al. Autoavaliação da saúde em adultos no Sul do Brasil. Rev. Saúde Pública, 2010, 44(5): 901-911 20. Theme Filha MM, Szwarcwald CL, Souza-Junior PRB. Medidas de morbidade referida e inter-relações com dimensões de saúde. Rev Saude Publica, 2008;42(1):7381. 21. Nogueira H. Os Lugares e a Saúde. Coimbra; 2008 22. Camargos MCS, Rodrigues RN, Machado CJ. Expectativa de vida saudável para idosos brasileiros, 2003. Ciênc. Saúde Coletiva, 2009, 14 (5):1903-1909 23. Bailis DS, Segall A, Chipperfield JG. Two views of self-rated general health status. Soc Sci Med 2003; 56(2):203-217 24. Idler EL, Benyamini Y. Self-rated health and mortality: a review of twenty-seven community studies. J Health Soc Behav. 1997; 38(1): 21–37 25. Silva TR, Menezes PR. Autopercepção de saúde: um estudo com idosos de baixa renda de São Paulo. Rev Med (São Paulo). 2007; 86(1):28-38 26. Lima-Costa MF, Matos DL, Camargos VP, Macinko J. Tendências em dez anos das condições de saúde de idosos brasileiros: evidências da Pesquisa Nacional por Amostra de Domicílios (1998, 2003, 2008). Ciência & Saúde Coletiva, 2011 16(9):3689-3696 27. Agostinho MR, Oliveira MC, Pinto MEB, Balardin GU, Erno H. Autopercepção da saúde entre usuários da Atenção Primária em Porto Alegre, RS, Brasil. R. Bras. Med. Fam e Comun., 2010, 5(17): 9-15 28. Peres RB, Zimmermann G. População e Cidades: subsídios para o planejamento e para as políticas sociais. In: Baeninger, R.(org.). Campinas: Núcleo de Estudos de População- NEPO / Unicamp; Brasília: UNFPA, 2010. 29. Endlich AM. Perspectivas sobre o urbano e o rural. In: Sposito MEB, Whitacker AM 149 (orgs). Cidade e Campo: relações e contradições entre urbano e rural. 1ª Ed. São Paulo: Expressão Popular, 2006. 30. Laros JA; Marciano JLP. Análise multinível aplicada aos dados do NELS:88. Estudos em Avaliação Educacional, 2008, 19(40):263-278. 31. Rabe-Hesketh S., Skrondal A, Zheng X. Multilevel structural equation modeling. In Hoyle, R. (ed.) Handbook of Structural Equation Modeling. New York: Guilford, forthcoming, 2011 32. Sousa MH, Silva NN. Estimativas obtidas de um levantamento complexo. Rev Saúde Pública 2003;37(5):662-70. 150 6. Considerações finais Em termos gerais esta tese avaliou o efeito da área de localização do domicílio (área urbana em comparação a área rural) na autoavaliação de saúde de adultos brasileiros. Utilizou-se a autoavaliação de saúde por ser um indicador fortemente associado com estado real de saúde dos indivíduos, sendo considerado como uma boa proxy das condições objetivas de saúde (CARMAGOS et al., 2009). Além disso, a natureza subjetiva deste indicador de saúde parece não constituir uma limitação quando se leva em conta que o processo saúdedoença é um processo contínuo, relativo e subjetivo, cuja percepção, cognição e interpretação variam no tempo e no espaço, em função de características individuais e contextuais (NOGUEIRA, 2008). Nesse sentido, sob a definição mais ampliada de saúde consolidada pela criação da Comissão Nacional sobre os “Determinantes Sociais da Saúde” no Brasil em 2006, se reconhece que a saúde é influenciada por características do contexto social, que geram desigualdades nas exposições e vulnerabilidades (GEIB, 2012). Desse modo, nesta tese ao estabelecer a associação entre a área de localização do domicílio e os níveis de autoavaliação de saúde, foram consideradas ainda fatores individuais e fatores relacionados a comportamentos e estilos de vida (tabagismo e sedentarismo), além de fatores contextuais do local de moradia de grande importância para a promoção da qualidade de vida dos indivíduos, que incluíram características do ambiente intradomiciliar (qualidade da habitação, posse de bens básicos, rendimento domiciliar per capita, condição de ocupação do domicílio, domicílio cadastrado no Programa da Saúde da Família) e do ambiente extradomiciliar (percentual de domicílios adequados quanto a qualidade da moradia). Entre as mudanças demográficas que o Brasil vem experimentando, destaca-se o processo de urbanização brasileira como uma das mais importantes e como o fenômeno de maior influência nas condições ambientais e socioeconômicas nos países em 151 desenvolvimento. Entretanto, há divergências entre os estudos quanto aos múltiplos efeitos da urbanização na saúde da população. Alguns estudos apontam como fatores que proporcionam uma melhor saúde dos indivíduos em áreas urbanas, comparativamente a áreas rurais, um maior nível de renda, educação e informação, que lhes promovem um melhor acesso a uma alimentação de qualidade e um maior acesso de serviços de saúde (VLAHOV et al., 2005; MCDADE et al., 2001). Enquanto outros estudos apontam que o processo de urbanização, agrava a pobreza e a exclusão social e contribui para manutenção das desigualdades de renda e para proliferação de moradias precárias, que por sua vez tendem a ampliar os efeitos negativos sobre a saúde da população (GEIB, 2012; AZEREDO et al., 2007; MOORE et al., 2003). Independente do efeito (positivo ou negativo) de ser viver nas cidades (espaço urbano), o conceito de saúde deve incorporar o cotidiano dos indivíduos vivendo nas cidades, não ignorando as relações de interdependência que existem entre o indivíduo e o ambiente físico e social onde ele vive (CAIAFFA et al., 2008). Nesse sentido, buscou-se nesta tese avaliar diferenças nos níveis de saúde autorreferida de adultos que vivem em áreas urbana e rural, controlando para características individuais e ambientais. Nesta tese utilizou-se a definição político-administrativa adotada pelo IBGE, devido à falta de consenso da definição urbanorural e da falta de uma definição oficial mais criteriosa e de fácil operacionalização do que é cidade no Brasil. Na avaliação da associação entre a área de localização do domicílio e os níveis de autoavaliação de saúde foram consideradas duas diferentes abordagens de análise: a abordagem agregada e a abordagem desagregada. Independente da abordagem adotada, entre os diferentes modelos usados nas análises desenvolvidas nesta tese destaca-se o modelo de chances proporcionais, por ser: o modelo de regressão logística ordinal mais utilizado na área de saúde, que incorpora a natureza ordinal da autoavaliação de saúde; por estar implementado na maioria dos pacotes estatísticos, inclusive para análise de dados amostrais complexos; e 152 por ser o modelo mais popular, parcimonioso e interpretável. As análises deram origem a quatro artigos cujos objetivos e conclusões são apresentados a seguir de forma resumida, onde o primeiro artigo foi publicado na Revista Ciência & Saúde Coletiva em 2011, o segundo artigo aceito para publicação nos Cadernos de Saúde Pública em 2012 e os dois últimos artigos estão em fase de submissão. O 1º artigo intitulado “Associação entre o estado de saúde autorreferido de adultos e a área de localização do domicílio: uma análise de regressão logística ordinal usando a PNAD 2008” mostrou na análise bruta que a área urbana está associada a melhores níveis de saúde autorreferida em comparação a área rural. Após o controle por variáveis individuais e do ambiente intradomiciliar e extradomiciliar, a associação entre a área de localização do domicílio e os níveis de autoavaliação de saúde perdeu a sua significância estatística. Adicionalmente, ao avaliar as interações duplas com a variável de interesse, observou-se a existência de efeito de interação estatisticamente significante entre a área e cinco variáveis de controle: sexo, cor/raça, morbidade autorreferida, posse de bens básicos e o percentual de domicílios adequados quanto à qualidade da moradia. No 2º artigo intitulado “Efeito do plano amostral em modelo de regressão logística ordinal: uma análise do estado de saúde autorreferido de adultos no Brasil usando a PNAD 2008”, considerando as características inerentes ao plano amostral adotado nesta pesquisa, tais como estratificação, conglomeração e pesos amostrais distintos, comparou-se situações de análise na qual o pesquisador ignora ou negligência alguns ou todos os aspectos do plano amostral, mostrando as suas conseqüências nas medidas de razões de chance e nos erros padrão das estimativas dos coeficientes, no contexto de modelo de regressão logística ordinal (modelo de chances proporcionais) ajustado pelo método de Máxima Verossimilhança (MV). Utilizou-se como parâmetro de comparação às referidas estimativas do modelo de regressão logística ordinal obtidas pelo método de Máxima Pseudo-Verossimilhança (MPV), 153 que representa uma situação adequada de modelagem na qual o pesquisador reconhece os aspectos de complexidade do plano amostral da PNAD e os incorpora na análise. A partir dos resultados obtidos, concluiu-se que quando se considera os pesos amostrais e ignora a estratificação e a conglomeração (UPA), as medidas de razão de chance não sofrem qualquer alteração, mas as estimativas dos erros padrão dos estimadores dos coeficientes do modelo ficam bem subestimadas, dando uma falsa idéia de que os coeficientes estimados são mais precisos, resultando em p-valores menores. Além disso, quando os pesos amostrais e as informações estruturais do plano amostral (estratificação e conglomeração) são simultaneamente ignorados observou-se para quase todos os fatores que as medidas de razão de chance sofreram alterações e que os erros padrão dos estimadores dos coeficientes do modelo também ficam bem subestimados, constituindo-se assim a pior situação de análise. Nesta última situação de modelagem, apesar dos sentidos das associações permaneceram de modo geral os mesmos, a magnitude das associações é de extrema importância na análise de dados epidemiológicos, inclusive na análise das interações entre as variáveis. Devido à autoavaliação de saúde ser comumente reduzida a um indicador dicotômico por meio da transferência da categoria regular para a saúde não boa, e em diferentes estudos essa dicotomização não apresentar maiores justificativas podendo gerar perda de informação e eficiência, desenvolveu-se o 3º artigo intitulado “Autoavaliação de saúde e sua relação com a situação censitária: uma análise do efeito do uso das escalas ordinal e binária, segundo os dados da PNAD 2008”. Este artigo avaliou o efeito da escala binária e ordinal ao estabelecer a associação entre a situação censitária (urbana e rural) e o desfecho de autoavaliação de saúde. Nesta avaliação considerou-se a escala ordinal original da autoavaliação de saúde que contém cinco categorias (1-muito ruim, 2-ruim, 3-regular, 4-bom, 5-muito bom), a escala ordinal com três categorias (1-muito ruim/ruim, 2-regular, 3-bom/muito bom) e a escala binária como adotada em muitos estudos (1-muito ruim/ruim/regular, 2-bom/muito bom), 154 sobretudo naqueles que fazem uso dos dados das PNADs. No caso da escala ordinal utilizouse o modelo de regressão logística ordinal (modelo de chances proporcionais) e no caso da escala binária adotou-se o modelo de regressão logística binária. Os resultados mostraram, por um lado, que o tipo de escala não influenciou no sentido, magnitude e significância estatística da associação de interesse entre a situação censitária e a chance (acumulada) de melhor autoavaliação de saúde nas análises bruta e multivariada. Mas, por outro lado, influenciou na seleção do modelo. Quando se considerou a ordinalidade do desfecho de autoavaliação de saúde por meio de modelo de chances proporcionais, verificou-se que as variáveis de controle “condição de ocupação do domicílio”, “qualidade da moradia” e “Programa da Saúde da Família” foram excluídas por não apresentarem efeito estatisticamente significante, enquanto que para escala binária somente as variáveis “condição de ocupação do domicílio” e “qualidade da moradia” foram excluídas do modelo. No entanto, tal diferença pode ser devida à não verificação da hipótese de homogeneidade das inclinações para algumas das variáveis de controle em particular para variável “Programa da Saúde da Família”. Nesse sentido, o modelo de chances proporcionais parciais pode ser uma alternativa mais adequada que o modelo de chances proporcionais e que o modelo logístico binário. No 4º artigo intitulado “Área de localização do domicílio e autoavaliação de saúde de adultos brasileiros residentes em cidades populosas: uma análise multinível usando os dados da PNAD 2008”, por meio de modelo de regressão logística ordinal multinível com quatro níveis (adulto, domicílio, setor, município AR), verificou-se que os adultos residentes em áreas urbanas de municípios populosos também reportam melhores níveis de estado de saúde em comparação aos adultos residentes em áreas rurais desses municípios. Na análise multinível, ao controlar por características individuais e do ambiente intradomiciliar e extradomiciliar também não se verificou uma diferença estatisticamente significante nos níveis de autoavaliação de saúde entre áreas urbana e rural de municípios populosos. 155 Observou-se a influência das condições de vida (qualidade da moradia, posse de bens básicos, renda domiciliar per capita e percentual de domicílios no setor quanto à qualidade de moradia) nos níveis de autoavaliação de saúde de adultos, além da influência das características individuais, que inclui aspectos demográficos, socioeconômicos, de saúde e comportamentos e estilos de vida. Adicionalmente foram gerados resultados suplementares (Apêndice) que comparam o efeito da área de localização do domicílio nos níveis de autoavaliação de saúde (escala ordinal de três categorias) de adultos que informaram seu próprio estado de saúde usando o modelo de chances proporcionais e o modelo de chances proporcionais parciais para uma abordagem agregada. No MCP univariado verificou-se que a chance acumulada de melhor autoavaliação de saúde na área urbana é 51% maior que na área rural independente da categoria do desfecho. No MCPP univariado observou-se, por sua vez, uma diferença, mas de aproximadamente 10%, na chance acumulada de melhor autoavaliação de saúde dependendo da categoria da autoavaliação de saúde (K=1 ou K=2). No entanto, com relação à análise multivariada (Tabela 2 do apêndice) observou-se que o efeito da área de localização do domicílio na saúde autorreferida é aproximadamente o mesmo e não estatisticamente significante nos dois tipos de modelos de regressão ordinal (MCP e MCPP), mas no MCP multivariado a variável PSF não apresentou efeito estatisticamente significante e foi excluída da análise. Além disso, no MCPP multivariado observou-se que algumas das variáveis de controle não atenderam o pressuposto de homogeneidade das inclinações. Todavia, as estimativas das probabilidades acumuladas de melhor autoavaliação de saúde por área de localização do domicílio são bem semelhantes nos dois tipos de modelo logístico ordinal como mostrado na Figura 1 do apêndice. 156 Apêndice: A Tabela 1 apresenta os resultados dos ajustes do modelo de chances proporcionais e do modelo de chances proporcionais parciais univariado explicativos da autoavaliação de saúde (escala ordinal de K=3 categorias) para a amostra de adultos residentes em municípios das regiões metropolitanas ou em municípios grandes em termos populacionais (autorrepresentativos). No MCPP univariado (análise bruta), embora a associação continue positiva como no MCP univariado ajustado usando a mesma amostra de adultos (artigos 1, 2 e 3) e a mesma escala de autoavaliação de saúde (escala de três categorias), observou-se uma diferença (de aproximadamente 10%) na chance acumulada de melhor autoavaliação de saúde dependendo da categoria da autoavaliação de saúde (K=1 ou K=2). Neste modelo a chance do adulto reportar um estado de saúde regular/bom/muito bom (relativamente a categoria ruim/muito ruim) é 38% (OR1**=1,38; p-valor<0,001) maior na área urbana do que na área rural, enquanto que a chance do adulto reportar um estado de saúde bom/muito bom (relativamente a categoria regular/ruim/muito ruim) é 52% (OR2**=1,52; p-valor<0,001) maior na área urbana. Tabela 1: Ajustes dos modelos logísticos ordinais univariados (MCP e MCPP) para estabelecimento da associação entre área censitária (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde. Variáveis *MCPP: Escala de K=3 categorias MCP: Escala de K=3 categorias (Y>k), k=1,2 OR** EP p-valor 1,51 1 0,026 - <0,001 - (Y>1) (Y>2) OR1** OR2** (Y>1) (Y>2) (Y>1) (Y>2) EP1 EP2 p-valor1 p-valor2 0,056 0,040 <0,001 - <0,001 Área censitária Urbano* Rural 1,38 1 1,52 - 157 A Tabela 2 fornece o ajuste do MCPP e do MCP multivariados. Ao controlar por variáveis demográficas, socioeconômicas, comportamentais e de saúde, verifica-se que a associação entre a área de localização do domicílio e a chance do adulto autorreferir melhor estado de saúde deixa de ser estatisticamente significante (MCPP: OR**=0,97; pvalor=0,297; MCP: OR**=0,96; p-valor=0,208). Além da área de localização do domicílio, observou-se no MCPP que uma grande parte das variáveis de controle satisfez a hipótese de homogeneidade das inclinações ao nível de significância de 1%, como: 1) renda domiciliar per capita (todos as faixas), 2) escolaridade (sem declaração, sem instrução ou menos de 1 ano), 3) cor, 4) grandes regiões brasileiras (Norte, Nordeste), 5) fumo (sem declaração, ex-fumante), 6) morbidade autorreferida, 7) mobilidade física (pouca limitação), 8) consulta médica e 9) posse de plano de saúde. Para as demais variáveis que não satisfizeram a hipótese de homogeneidade, verificou-se de modo geral o mesmo sentido das associações encontradas no MCP, mas a magnitude dessas associações foi diferente dependendo da categoria da autoavaliação de saúde ser muito ruim/ruim (k=1) ou regular (k=2). Quanto à qualidade do ajuste do MCPP multivariado, verificou-se que a porcentagem global de adultos classificados corretamente é de 75,1%, indicando que este modelo também apresenta uma capacidade preditiva razoável assim como no MCP ajustado para a mesma amostra de adultos e usando a mesma escala de autoavaliação de saúde (escala de três categorias). Ao analisar o percentual de classificações corretas por categoria de autoavaliação de saúde, observou-se ainda que o MCPP multivariado ajustado para a autoavaliação de saúde com três categorias apresentou percentuais de classificações corretas para as categorias “regular” (49,5%) e ‘bom/ muito bom” (89,9%) aproximadamente iguais aos obtidos com o MCP (escala de três categorias), sendo que para a categoria “muito ruim/ruim” (13,1%) o 158 percentual de classificações corretas foi aproximadamente duas vezes maior. Além disso, o MCPP usando a escala de três categorias apresentou uma medida de qualidade do ajuste (pseudo R2 de Nagelkerke) moderada e igual a 0,42 assim como o MCP. Tabela 2: Ajustes dos modelos logísticos ordinais multivariados (MCP e MCPP) para estabelecimento da associação entre área de localização do domicílio (urbano vs rural) e a chance acumulada de uma melhor autoavaliação de saúde. Variáveis *MCPP: Escala de K=3 categorias MCP: Escala de K=3 categorias (Y>k), k=1,2 (Y>1) (Y>2) (Y>1) (Y>2) (Y>1) (Y>2) EP1 EP2 p-valor1 p-valor2 OR** EP p-valor OR1** OR2** 0,96 1 0,033 - 0,208 - 0,97 1 0,032 - 0,297 - 0,75 0,78 1,10 0,99 1 0,052 0,033 0,032 0,039 - <0,001 <0,001 0,002 0,722 - 0,75 0,79 0,039 0,026 0,044 0,036 0,046 0,041 - <0,001 <0,001 0,736 <0,001 0,003 0,519 - 0,85 1 0,015 - <0,001 - 0,80 0,022 <0,001 1,41 1,19 0,96 0,83 1 0,029 0,024 0,023 0,022 - <0,001 <0,001 0,067 <0,001 - 1,05 1,01 0,84 0,77 1,16 1 0,017 - 0,46 0,47 0,69 1 0,46 Área censitária Urbano* Rural Região de residência Norte* Nordeste* Sudeste Sul Centro-oeste 0,99 0,85 1,13 1,03 1 Sexo Masculino Feminino 0,87 1 0,014 - <0,001 - Faixa etária 20 a 29 anos 30 a 39 anos 40 a 49 anos 50 a 59 anos 60 anos ou + 1,49 1,25 1,00 0,86 0,068 0,052 0,034 0,027 0,045 0,032 0,024 0,022 0,414 0,786 <0,001 <0,001 <0,001 <0,001 0,919 <0,001 1 - - <0,001 1,16 1 0,019 - <0,001 0,042 0,037 0,036 0,166 <0,001 <0,001 <0,001 <0,001 0,49 1 0,47 0,020 0,029 0,017 0,049 0,024 0,078 <0,001 <0,001 <0,001 0,061 <0,001 <0,001 0,53 0,71 1 0,69 0,046 0,044 0,064 <0,001 <0,001 0,001 0,54 0,72 1 0,70 0,025 0,031 0,044 <0,001 <0,001 <0,001 1,19 1 0,017 - <0,001 - 1,32 1,36 1 0,5 0,019 0,05 <0,001 <0,001 1,56 Cor/raça Branca* Não branca Escolaridade Sem instrução ou < 1 ano* 1 a 7 anos 8 a 14 anos 15 anos ou + Sem declaração* 0,60 0,90 0,47 0,68 Renda domiciliar per capita Sem renda ou até 1 s.m* Mais de 1 a 5 s.m* Mais de 5 s.m* Sem declaração Situação de ocupação Ocupada* Não ocupada 1,16 0,041 1 0,021 <0,001 - <0,001 - Atividade física Pratica* Não pratica Sem declaração* 1,34 0,067 0,71 0,024 1 0,49 0,026 <0,001 0,041 <0,001 - <0,001 <0,001 159 Fumo Fumante Ex-fumante* Nunca fumou Sem declaração 0,86 0,88 1 0,95 0,021 0,019 0,02 <0,001 <0,001 0,012 0,29 1 0,018 - <0,001 - 0,13 0,18 0,42 1 0,031 0,023 0,021 - <0,001 <0,001 <0,001 - 1,32 1 0,021 - 0,55 1 0,75 0,88 1 0,95 0,88 0,027 0,019 0,016 0,019 <0,001 <0,001 <0,001 0,009 0,29 1 0,009 - <0,001 0,40 1 0,004 0,005 0,005 0,005 0,009 - <0,001 <0,001 <0,001 <0,001 <0,001 - <0,001 - 1,31 1 0,027 - <0,001 0,02 - <0,001 - 0,56 1 0,011 - <0,001 1,14 1 1,36 0,02 0,037 <0,001 <0,001 1,34 - - - 1,06 Morbidade autorreferida Pelo menos 1 doença crônica* Nenhuma doença crônica - Mobilidade física Muita limitação Limitação Pouca limitação* Sem limitação 0,08 0,12 0,15 0,19 Posse de plano de saúde Sim Não - Consulta médica Sim* Não - Posse de bens básicos Tem todos os 4 bens básicos Não tem pelo menos 1 bem % domicílios adequados 1,09 0,046 1 1,13 0,024 <0,001 0,053 0,018 0,020 0,052 1,39 0,060 0,94 0,032 <0,001 <0,001 PSF Domicílio cadastrado Domicílio não cadastrado 1 - 0,002 - *Nos casos onde tem apenas um único valor, significa que a hipótese de homogeneidade da inclinação é satisfeita para a variável em questão, logo: OR1**=OR2**=OR; EP1=EP2=EP e p-valor1=p-valor2=p-valor Nota: MCP (5 categorias): α1=-7,534; α2=-5,705; α3=-2,942; α4=0,204 / MCP (3 categorias): α1=-5,968; α2=-3,159 / MCPP (3 categorias): α1=6,134; α2=3,149 A seguir são fornecidos os box-plots por área de localização do domicílio (urbana e rural) para as distribuições das probabilidades acumuladas de melhor autoavaliação de saúde estimadas a partir do MCP e do MCPP (modelos multivariados) para a escala de três categorias (Figura 1). 160 Probabilidade acumulada de autorreferir melhor estrado de saúde Figura 1: Probabilidade acumulada do adulto autorreferir melhor estado de saúde por área censitária segundo os modelos de chances proporcionais (MCP) e os modelos de chances proporcionais parciais (MCPP) A Figura 1 mostra que ambos os modelos multivariados (MCPP e MCP) ajustados para autoavaliação de saúde (escala de K=3 categorias) fornecem probabilidades acumuladas estimadas de melhor de autoavaliação de saúde bem semelhantes tanto na área urbana quanto na área rural. 161 Referências bibliográficas ABROMOVAY, R. Funções e medidas da ruralidade no desenvolvimento contemporâneo. IPEA, n. 702, 2000. Disponível em: <http://www.ipea.gov.br/pub/td/td_2000/td0702.pdf>. Acesso em: 11 jan. 2011. ACURCIO, F. A.; GUIMARÃES, M. D. C. Acessibilidade de indivíduos infectados pelo HIV aos serviços de saúde: uma revisão de literatura. Cadernos de Saúde Pública, Rio de Janeiro, v. 12, n. 2, p.233-242, abr./jun., 1996. AKERMAN, M. Podemos falar de ambiente e saúde problematizando as conexões entre saúde e desenvolvimento?. R. RA´E GA. Curitiba, v. 15, p. 43-53, 2008. ALVES, C. C. N. Direito à moradia: análise da situação no município de Curitiba à luz de indicadores sociais. Dissertação (Mestrado) - Curitiba: Universidade Federal do Paraná, 2010. ALVES, L. C. et al. A influência das doenças crônicas na capacidade funcional dos idosos do município de São Paulo, Brasil. Cadernos de Saúde Pública, Rio de Janeiro, v. 23, n. 8, ago. 2007. ANDRADE, M. V.; MAIA, A. C. Diferenciais de utilização do cuidado de saúde no sistema suplementar brasileiro. Estudos Econômicos, São Paulo, v. 39, n. 1, mar. 2009 ASPAROUHOV, T. Sampling weights in latent variable modeling. Structural Equation Modeling, v. 12, n. 3, p. 411–434, 2005. ASSIS, Marluce Maria Araújo et. al. Acesso ao PSF: garantia para a resolubilidade dos serviços de saúde?. In: ASSIS, Marluce Maria Araújo et. al. (Org.). Produção do cuidado no Programa Saúde da Família: olhares analisadores em diferentes cenários. Salvador: EDUFBA, 2010, v. 1, p. 101-111. AZEREDO, C. M. et al. Avaliação das condições de habitação e saneamento: a importância da visita domiciliar no contexto do programa de saúde da família. Ciência e Saúde Coletiva, v. 12, n. 3, p. 743-753, maio/jun. 2007. BAILIS, D. S.; SEGALL, A.; CHIPPERFIELD, J. G. Two views of selfrated general health status. Social, Science & Medicine, v. 56, n. 2, p. 203-217, 2003. BECKER, D. No seio da família: amamentação e promoção da saúde no Programa de Saúde da Família. Dissertação (Mestrado) - Rio de Janeiro: Fiocruz, Escola Nacional de Saúde Pública, 2001. BERNARDELLI, M. L. F. H. Contribuição ao debate sobre o urbano e o rural. In: SPOSITO, M.; E. B, WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. 162 BERNARDELLI, M. L. F. H. O caráter urbano das pequenas cidades da região canavieira de Catanduva. In: SPOSITO, M. E. B.; WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. BRASIL. Ministério da Saúde. Instituto Nacional de Câncer. Inquérito domiciliar sobre comportamentos de risco e morbidade referida de doenças e agravos não transmissíveis: Brasil, 15 capitais e Distrito Federal, 2002-2003. Rio de Janeiro: Instituto Nacional de Câncer, 2004. BUSS, Paulo Marchiori. Promoção da saúde e qualidade de vida. Ciência e Saúde Coletiva, v. 5, n. 1, p. 163-177, 2000. Disponível em: <http://www.scielo.br/pdf/csc/v5n1/7087.pdf>. Acesso em: 11 jan. 2011. CAIAFFA, W. T. et al. Saúde urbana: a cidade e uma estranha senhora, que hoje sorri e amanhã te devora. Ciência e Saúde Coletiva, v. 13, n. 6, p. 1785-1786, 2008. CALHEIROS, J. M. Fumo ambiental e saúde. Revista Portuguesa de Clínica Geral, v. 22, p. 245-253, 2006 CAMARGOS, M. C. S.; RODRIGUES, R. N.; MACHADO, C. J. Expectativa de vida saudável para idosos brasileiros, 2003. Ciência e Saúde Coletiva, v. 14, n. 5, p. 1903-1909, 2009. CAMELLO, T. C. F. et al. Gestão e vigilância em saúde ambiental. Rio de Janeiro: Thex, 2009. COHEN, S. C. et al.Habitação saudável no programa saúde da família (PSF): uma estratégia para as políticas públicas de saúde e ambiente. Ciência e Saúde Coletiva, Rio de Janeiro, v. 9, n. 3, set. 2004. COSTA, G. M. Consumo coletivo e a questão urbana: notas para discussão. Análise e Conjuntura, Belo Horizonte, v. 1, n. 3, p. 164-174, set./dez.1986. COSTA, A. J. L. Metodologias e indicadores para avaliação da capacidade funcional: análise preliminar do suplemento saúde da pesquisa nacional por amostra de domicílios PNAD, Brasil, 2003. Ciência e Saúde Coletiva, Rio de Janeiro, v. 11, n. 4, dez. 2006. CZERESNIA, D.; RIBEIRO, A. M. O conceito de espaço em epidemiologia: uma interpretação histórica e epistemológica. Cadernos de Saúde Pública, Rio de Janeiro, v. 16, n. 3, set. 2000. DAI, J. et al. Hierarchical logistic regression modeling with SAS GLIMMIX. Disponível em: <http://www.lexjansen.com/wuss/2006/Analytics/ANL-Dai.pdf>. Acesso em: 01 dez. 2011. DIEZ-ROUX, A. V. Bringing context back into epidemiology: variables and fallacies in multilevel analysis. American Journal of Public Health, v. 88, n. 2, p. 216-222, feb. 1998. 163 ENDLICH, A. M. Perspectivas sobre o urbano e o rural. In: SPOSITO, M. E. B.; WHITACKER, A. M. (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. GIOVANELLA, L. et al. (Org). Políticas e sistema de saúde no Brasil. Rio de Janeiro: Fiocruz, 2008. p. 575-623. GEIB, L. T. C. Determinantes sociais da saúde do idoso. Ciência e Saúde Coletiva, v. 17, n. 1, p. 123-133, 2012. IBGE. Pesquisa nacional por amostra de domicílios 2008: notas metodológicas: pesquisa básica, pesquisa especial de tabagismo e pesquisas suplementares de saúde e acesso à internet e posse de telefone móvel celular para uso pessoal. Rio de Janeiro: IBGE, 2010. Disponível em: <http://www.ibge.gov.br>. Acesso em: 01 abr. 2010. IBGE. Pesquisa sobre padrões de vida 1996-1997. Rio de Janeiro: DPIS/IBGE; 1999. IDLER, E. L.; BENYAMINI, Y. Self-rated health and mortality: a review of twenty-seven community studies. Journal of Health Social Behavior, v. 38, n. 1, p. 21-37, 1997. KREFT, I. G. G.; LEEUW, J. Introducing multilevel modeling. London: SAGE Publications, 1998. LAROS, J. A.; MARCIANO, J. L. P. Análise multinível aplicada aos dados do NELS:88. Estudos em Avaliação Educacional, v. 19, n. 40, p. 263-278, 2008. LIMA-COSTA, Maria Fernanda; BARRETO, Sandhi Maria; GIATTI, Luana. Condições de saúde, capacidade funcional, uso de serviços de saúde e gastos com medicamentos da população idosa brasileira: um estudo descritivo baseado na pesquisa nacional por amostra de domicílios. Cadernos de Saúde Pública, v. 19, n. 3, p. 735-743, 2003. LEE, E. S.; FORTHOFER, R. N; LORIMOR, R. J. Analyzing complex survey data. Newbury Park: SAGE Publications, 1989. MAIA, J. A. et al. Modelação hierárquica ou multinível. Uma metodologia estatística e um instrumento útil de pensamento na investigação em ciências do desporto. Revista Portuguesa de Ciências do Desporto, v. 3, n. 1, p. 92-107, 2003. MCDADE, T.; ADAIR, L. Defining the urban in urbanization and health: a factor analysis approach. Social, Science & Medicine, v. 53, n. 1, p. 55-70, 2001. MARTIKAINEN, P. et al. Reliability of perceived health by sex and age. Social, Science & Medicine, v. 48, n. 8, p. 1117-1122, 1999. MARTINE, G.; MCGRANAHAN, G. A transição urbana brasileira: trajetória, dificuldades e lições aprendidas. In: BAENINGER, R. (Org.). População e cidades: subsídios para o planejamento e para as políticas sociais. Campinas: Núcleo de Estudos de PopulaçãoNEPO/Unicamp; Brasília: UNFPA, 2010. 164 MONTE-MÓR, R. L. M. O que é o urbano, no mundo contemporâneo. Belo Horizonte: UFMG/Cedeplar, 2006. MOORE, M.; GOULD, P.; KEARY, B. Global urbanization and impact on health. International Journal of Hygiene and Environmental Health, v. 206, n. 4-5, p. 269-278, 2003. NERI, M; SOARES, W. Desigualdade social e saúde no Brasil. Cadernos de Saúde Pública, Rio de Janeiro, v. 18, supl., 2002. NOGUEIRA, H. Os lugares e a saúde. Coimbra: Imprensa da Universidade de Coimbra, 2008. NORTH AMERICAN DIAGNOSIS ASSOCIATION. Diagnósticos de enfermagem da NANDA: definições e classificação: 2001-2002. Porto Alegre: Artmed, 2004. PARAHYBA, M. I; SIMÕES, C. C. S. A prevalência de incapacidade funcional em idosos no Brasil. Ciência e Saúde Coletiva, v. 11, n. 4, p. 967-974, 2006 PARAHYBA, M. I.; VERAS, R.. Diferenciais sociodemográficos no declínio funcional em mobilidade física entre os idosos no Brasil. Ciência e Saúde Coletiva, v. 13, n. 4, ago. 2008. PERRI, S. H. V.; IEMMA, A. F. Procedimento "MIXED" do SAS para análise de modelos mistos. Scientia Agricola, Piracicaba, v. 56, n. 4, out. 1999. PESSOA, D. G. C.; SILVA, P. L. Análise de dados amostrais complexos. São Paulo: ABE, 1998. PINHEIRO, R. S. et al. Gênero, morbidade, acesso e utilização de serviços de saúde no Brasil. Ciência e Saúde Coletiva, v. 7, n. 4, p. 687-707, 2002. POCHMANN, M. O trabalho sob fogo cruzado: exclusão, desemprego e precarização no final do século. São Paulo: Contexto, 1999. PROIETTI, F. A.; CAIAFFA, W. T. Fórum: o que é saúde urbana?. Cadernos de Saúde Pública, v. 21, n. 3, p. 940-941, 2005. PROIETTI, F. A. et al. Unidade de contexto e observação social sistemática em saúde: conceitos e métodos. Physis: Revista de Saúde Coletiva, v. 18, n. 3, p. 469-482, 2008. PUENTE-PALACIOS, K. E.; LAROS, J. A. Análise multinível: contribuições para estudos sobre efeito do contexto social no comportamento individual. Estudos de Psicologia (Campinas), v. 26, n. 3, 2009. Disponível em: <http://www.scielo.br/pdf/estpsi/v26n3/v26n3a08.pdf>. Acesso em: 01 dez. 2011. RABE-HESKETH, S.; SKRONDAL, A.; PICKLES, A. Generalized Multilevel Structural Equation Modeling. Psychometrika, v. 69, n. 2, p. 167-190, 2004. RAMAN, R.; HEDEKER, D. A mixed-effects regression model for three-level ordinal response data. Statistics in Medicine, v. 24, n. 21, p. 3331-3345, 2005. 165 RIBEIRO, L. C.; NOGUEIRA, M. C. Desigualdades raciais na mortalidade cardiovascular em um município de médio porte. Associação Brasileira de Estudos Populacionais, 2010. RODRIGUES, E. S. R.; CHEIK, N. C.; MAYER, A. F. Nível de atividade física e tabagismo em universitários. Revista de Saúde Pública, v. 42, n. 4, p. 672-678, 2008. SANTANA, P. Saúde urbana/saúde dos urbanistas. O paradigma perdido da urbanidade?. Portugal: Associação Portuguesa para a Promoção da Saúde Pública, 2006. SANTOS, M. A. Urbanização brasileira. São Paulo: Hucitec, 1993. SANTOS, S. M. et al. Associação entre fatores contextuais e auto-avaliação de saúde: uma revisão sistemática de estudos multinível. Cadernos de Saúde Pública, Rio de Janeiro, v. 23, n. 11, nov. 2007. SAWYER, D. O.; LEITE, I. C; ALEXANDRINO, R. Perfis de utilização de serviços de saúde no Brasil. Ciência e Saúde Coletiva, v. 7, n. 4, p. 757-776, 2002. SEID, E. M. F.; ZANNON, C. M. L. C. Qualidade de vida e saúde: aspectos conceituais e metodológicos. Cadernos de Saúde Pública, Rio de Janeiro, v. 20, n. 2, p. 580-588, mar./ abr. 2004 SILVA, J. G.; GROSSI, M. D.; CAMPANHOLA, C. O que há de realmente novo no rural brasileiro?. Cadernos de Ciência e Tecnologia, Brasilia, v. 19, n. 1, 2002. SILVA, P. L. D. N; PESSOA, D. G. C., LILA, M. F. Análise estatística de dados da PNAD: incorporando a estrutura do plano amostral. Ciência e Saúde Coletiva, v. 7, n. 4, p. 659-670, 2002. SKRONDAL, A.; RABE-HESKETH, S. Some applications of generalized linear latent and mixed models in epidemiology. Norsk Epidemiologi, v. 13, n. 2, p. 265-278, 2003. SNIJDERS, T. A. B; BOSKER, R .J. Multilevel analysis: an introduction to basic and advanced multilevel modeling. Londres: SAGE Publications, 1999. SOBARZO, O. O urbano e o rural em Henri Lefebvre. In: SPOSITO, M. E. B; WHITACKER, A. M . (Org.). Cidade e campo: relações e contradições entre urbano e rural. São Paulo: Expressão Popular, 2006. SOUSA, M. H.; SILVA N. N. Estimativas obtidas de um levantamento complexo. Revista de Saúde Pública, v. 37, n. 5, p. 662-70, 2003. SOUZA, E. M. et al. Autopercepção do estado de saúde: um estudo de prevalência com adolescentes de Ceilândia, Distrito Federal, Brasil. Comunicação em Ciências da Saúde, v. 17, n. 1, p. 9-15, 2006. 166 SZWARCWALD, C. L.; DAMACENA, G. N. Amostras complexas em inquéritos populacionais: planejamento e implicações na análise estatística dos dados. Revista Brasileira de Epidemiologia, v. 11, supl. 1, p. 38-45, 2008. THEME FILHA, M. M.; SZWARCWALD, C. L.; SOUZA JUNIOR, P. R. B. Medidas de morbidade referida e inter-relações com dimensões de saúde. Revista de Saúde Pública, São Paulo, v. 42, n. 1, fev. 2008. THOMAS, S. L; HECK, R. H. Analysis of large-scale secondary data in higher education research: potential perils associated with complex sampling designs. Research in Higher Education, v. 42, n. 5, p. 517-540, 2001. VEIGA, J. E. Cidades imaginárias: o Brasil é menos urbano do que se calcula. Campinas: Autores associados, 2002. VERMELHO, L. L.; COSTA, A. J. L; KALE, P. L. Distribuição das doenças no tempo e no espaço. In: MEDRONHO, Roberto A. et al. Epidemiologia. São Paulo: Atheneu, 2009. VIACAVA, F. Informações em saúde: a importância dos inquéritos populacionais. Ciência e Saúde Coletiva, v. 7, n. 4, p. 607-621, 2002. VLAHOV, D.; GALEA, S.; FREUDENBERG, N. Perspectives on urban conditions and population health. Cadernos de Saúde Pública, v. 21, n. 3, p. 949-957, 2005. VOLOCHKO, A.; VIDAL, N. P. Desigualdades raciais na saúde: mortalidade nas regiões de saúde paulistas, 2005. Boletim do Instituto de Saúde, São Paulo, v. 12, n. 2, ago. 2010. WILLIAMS, R. Generalized ordered logit/partial proportional odds models for ordinal dependent variables. The Stata Journal, v. 6, n. 1, p. 58-82, 2006. Disponível em: <http://www.nd.edu/~rwilliam/gologit2/gologit2.pdf>. Acesso em: 12 nov. 2011. WEI, R.; PARSONS, V. Model-based methods in analyzing complex survey data: a case study with national health interview survey data. Section on Survey Research Methods JSM, 2009. WESTPHAL, M. F. O movimento cidades/municípios saudáveis: um compromisso com a qualidade de vida. Ciência e Saúde Coletiva, Rio de Janeiro, v. 5, n. 1, 2000.