seminários de epidemiologia j epidemiol community health 2008; 62: 957-959 next steps in...
Post on 22-Apr-2015
107 Views
Preview:
TRANSCRIPT
Seminários de Epidemiologia
J Epidemiol Community Health 2008; 62: 957-959
Next steps in understanding the multilevel determinants of health
Ana V. Diez-Roux
Dr. Herlon Saraiva Martins
Tópicos do Artigo Introdução e conceitos
Ultrapassar “bairros” para investigar outros contextos
Melhorar a medição de “construtos” do nível de grupo
Nível de grupo: aplicação de novos métodos que podem
aumentar a capacidade de extrair inferências causais a
partir de dados observacionais
Aproveitando os experimentos naturais
Contabilização das dependências entre os grupos
Utilizando métodos adequados para o estudo de sistemas
dinâmicos
Novos rumos na investigação dos determinantes
multiníveis
Pré-Introdução Século XIX: primeira pesquisa que aplicou
desenho de agregados (Émile Durkhein)
Década de 30: Chicago – Aperfeiçoaram o método (Park, Faris, Dunham)
Até década de 90: desvalorização do método (“meramente descritivo”, “sem poder analítico”)
Pré-Introdução Últimos 10 anos: reconhecimento da
importância de fatores contextuais e análises
multiníveis:
“Estudos ecológicos aparecem como uma das
metodologias mais dinâmicas / adequadas
para pesquisa na área, sobretudo,
epidemiologia social, doenças infecciosas e na
avaliação de intervenções populacionais”
(Rouquayrol, Rothman)
Níveis de Medida
Por exemplo: PA, idade, colesterol =
observação direta de indivíduos (Nível
Individual)
Por exemplo: grupos, organizações,
locais (poluição, desigualdade social) =
medir variáveis no grupo (Nível de
Grupo)
Tipos de Medidas de Estudos Ecológicos
Medidas Agregadas: médias ou proporções
derivadas dos indivíduos por grupos (proporção de
tabagistas, renda média da família)
Medidas Ambientais: características físicas dos
locais (nível de poluição, horas de sol)
Medidas Globais: atributos de grupos, locais,
organizações sem que haja análogo individual (tipo
de cuidado do sistema de saúde, existência de leis
específicas, densidade populacional)
Níveis de Análise de Estudos Ecológicos
Análise Ecológica (Nível de Grupo): unidade de
análise = grupo (região, trabalho, escola, intervalo de
tempo, estrato demográfico)
Análise Parcialmente Ecológica: incidência de câncer
por cidade, mas se conhece, por exemplo, a idade em
algumas cidades (pelo censo ou pelo registro de câncer)
= estima-se a incidência de câncer pela idade / por
cidade.
Análise Nível Individual: por exemplo, nível de poluição
(medida ecológica) para cada indivíduo de uma cidade
Níveis de Análise de Estudos Ecológicos
Análise Multinível: combina dados coletados de
dois ou mais níveis. Por exemplo: uma análise de
nível individual pode ser conduzida em cada grupo
(amostragem), seguido da análise ecológica de
todos os grupos usando os resultados das análises
individuais
Multinível (Regressão Hierárquica)
Multinível (Regressão Hierárquica)Regressão: consumo de cigarro/ idade
Consumo de cigarro / idade: em cada bairro
Consumo de cigarro / idade com mais um fator (por ex. escolaridade, criminalidade)
Consumo de cigarro / idade com mais um fator (por ex. escolaridade, criminalidade)
Consumo de cigarro / idade: Com características de nívelindividual
Dados do ARIC (Atherosclerosis Risc in Communities): coorte de 12.601 pessoas (1987-1989): Nível Individual
Dados do censo de 1990: Nível de Grupo
Existe alguma característica socioeconômica
de grupo (de bairro) que se associa com a
prevalência de DAC e dos fatores de risco?
Essa associação persiste após ajuste para
indicadores de classe social de nível
individual?
Os efeitos dos indicadores de nível individual
variam através dos diversos grupos
(“bairros”)?
Grupo (bairro): Educação (porcentagem de adultos > 25 anos
com escolaridade incompleta)
Média de renda por família
Características ocupacionais de trabalho (piores)
Estratificado por sexo / local
Individuais
Primeiro passo: Modelo de regressão de nível individual foi feito para
cada bairro, incluindo idade, classe social
Segundo passo: Modelo de regressão de nível agregado para cada
bairro em função de variáveis coletivas e local
Terceiro passo: modelo final ajustado pelas
características para cada medida de prognóstico
do estudo, estratificadas por cada bairro, sexo,
renda familiar, colesterol
Introdução
Análise “multinível” (modelo estatístico
multinível) em epidemiologia e saúde
pública:oDuncan C, et al. Health-related behaviour in context: a
multilevel modelling approach. Soc Sci Med. 1996; Vol. 42, No. 6,
pp. 817-830
oRoux AVC, et al. Neighborhood Environments and Coronary
Heart Disease: A Multilevel Analysis. American Journal of
Epidemiology 1997; Vol. 146, No. 1: 48-63.
oRoux AVC, et al. Multilevel analysis in public health
research. Annual Review of Public Health Vol. 2000; 21: 171-192.
Introdução
Inicialmente recebido com grande
entusiasmo
Investigação empírica e quantitativa do
efeito de (nível) grupo em estudos
ecológicos, contra o tradicional manejo
baseado no indivíduo
Introdução Análise multinível permite estudar a contribuição
individual e de nível de grupo na variabilidade
tanto de um como do outro, transcendendo a
artificial dicotomia de indivíduos e grupos
Possibilita estudar diversos fatores contribuindo
para a variabilidade dentro do grupo e entre
grupos
Permite estimar o efeito (de nível) de grupo após
a contabilização de composição de diferenças
entre os grupos
Aplicações (1)
Na grande maioria (campo da saúde),
centrados em
contextos geográficos definidos (países,
estados, municípios e bairros (definidos de
várias formas, mais comumente através de
menores áreas administrativas)
Aplicações (2)
Os tipos de “constructos” (de nível) de grupo
investigados: a desigualdade de renda, o
capital social,
segregação residencial, características de
“bairro” (“desvantagem de vizinhança”
ambiente físico e social)
Aplicações (3)
A maioria dos estudos têm utilizado a análise
multinível
para isolar as associações de fatores (de
nível) de grupo de prognósticos de saúde de
nível individual, após a contabilização de
fatores de confusão de nível individual (ou
seja, variáveis de nível individual associadas
com desfechos de saúde e com o grupo
membro, e portanto, com características do
grupo)
Aplicações (4)
Um número menor centraram-se sobre o
objetivo complementar de variância em
decomposição, entre e dentro dos grupos de
componentes
Opinião do Autor (1)
Análise multinível tem estimulado e
promovido um pensamento global dentro de
epidemiologia, desafiando
pesquisadores a começar a pensar muito
concretamente sobre os vários níveis da
organização, e as “construções” em cada
nível que são relevantes para a saúde
Opinião do Autor (2)
Análise multinível tem desafiado
epidemiologistas para mover além da teoria
e especulação e operacionalizar e
empiricamente testar aspectos específicos
do modelo teórico
Ultrapassar “bairros” para investigar outros contextos
Devido a razões práticas (facilidade de
dados), estudos de “bairros” tem sido um
dos mais comuns contextos estudados por
estatística multinível
Necessidade de expansão de estudos (para
os efeitos na saúde) em outros contextos,
tais como, nações, escolas, trabalho etc
Melhorar a medição de “constructs” de nível de grupo
Na ausência do uso de medidas adequadas,
não existe solução estatística
Efeitos de Grupo: aplicação de novos métodos que podem aumentar a capacidade de extrair inferências causais a partir de dados observacionais
Dificuldade na extração de inferências
causais, em relação aos efeitos de grupo,
através da análise de dados observacionais
Grande dificuldade de contabilizar
características não medidas
Aproveitando os experimentos naturais
Estudar o impacto na saúde ocasionado por
mudanças nas características contextuais
que ocorrem no mundo real
Contabilização das dependências entre os grupos
Estudar como as diversas áreas (grupos)
interagem e como achados de áreas
adjacentes afetam moradores de uma
determinada área
Cita como exemplo: a violência e atividade
física, ou seja, a atividade física pode ser
reduzida devido a violência daquela
comunidade, mas também, pela violência de
comunidades adjacentes
Utilizando métodos adequados para o estudo de sistemas dinâmicos
Estudar sistemas dinâmicos
Novos rumos na investigação dos determinantes multiníveis
Examinar efeitos em contextos diferentes
(não só os de “bairro”)
Melhorar a mensuração de variáveis (de
nível) de grupo
Aplicar técnicas que possam extrair
inferências causais de dados observacionais
Procurar e analisar dados de experimentos
naturais
Desenvolver manejos metodológicos que
melhorem a análise das dependências entre
e intra grupos
top related