Modelagem da obesidade adulta nas nações via modelo de regressão quantílica

  • Saul de Azevedo Souza Programa de pós-graduação em Estatística, Universidade Federal de Pernambuco (UFPE), Recife-PE, Brasil
  • Allan Batista Silva Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
  • Ulanna Maria Bastos Cavalcante Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
  • Caliandra Maria Bezerra Luna Lima Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
  • Tatiene Correia de Souza Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
Palavras-chave: Obesidade, Análise de regressão, Estudos epidemiológicos

Resumo

Introdução e Objetivo: A obesidade vem apresentando um importante aumento na sua prevalência e é considerada um grave problema de saúde pública que afeta os países desenvolvidos e em desenvolvimento. O presente trabalho tem como objetivo modelar a obesidade adulta de diferentes nações, por meio do modelo de regressão quantílica. Metodologia: Trata-se de um estudo ecológico com abordagem quantitativa. Foram utilizados os dados referentes à proporção de adultos obesos, pessoas maiores de 18 anos com IMC acima de 30kg/m2, em 78 países no ano de 2014. As bases consultadas para a coleta dos dados foram Word Bank e World Health Organization. Os dados foram submetidos ao software R, onde foram realizados os procedimentos inferenciais por meio do modelo de regressão quantílica. Resultados: Observou-se que as variáveis porcentagem de atividade física insuficiente, porcentagem da população que vivem em áreas urbanas e média do consumo em litros de álcool puro por pessoa em um ano são significativas e apresentam efeito positivo sobre a obesidade adulta nas nações. Discussão e Conclusão: Ao estimar o impacto das taxas de inatividade física sobre o desfecho foi possível verificar um impacto positivo e crescente à medida que aumentamos os valores da inatividade física nos diferentes cenários. Além disso, verifica-se que com o modelo de regressão quantílica os gestores possuem mais uma alternativa para tomada de decisão na realização de medidas de controle/prevenção da doença.

Biografia do Autor

Saul de Azevedo Souza, Programa de pós-graduação em Estatística, Universidade Federal de Pernambuco (UFPE), Recife-PE, Brasil
Doutorando em Estatística, Universidade Federal de Pernambuco, Recife, Pernambuco, Brasil.
Allan Batista Silva, Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
Doutorando em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil
Ulanna Maria Bastos Cavalcante, Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
Doutoranda em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
Caliandra Maria Bezerra Luna Lima, Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
Professora Permanente do Programa de Pós-Graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
Tatiene Correia de Souza, Programa de pós-graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba (UFPB), João Pessoa-PB, Brasil
Professora Permanente do Programa de Pós-Graduação em Modelos de Decisão e Saúde pela Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.

Referências

-Amaral, O.; Pereira, C. Obesidade da genética ao ambiente. Millenium. Num. 34. 2008. p.311-22.

-Anjos, L. Obesidade e saúde pública. Fiocruz. 2006.

-Aranceta-Bartrina, J.; Pérez-Rodrigo C.; Alberdi-Aresti, G.; Ramos-Carrera, N.; Lázaro-

-Bottai, M.; Cai, B.; Mckeown, R. Logistic quantile for bounded outcomes. Statistics in Medicine. Vol.29. Num.2. 2010. p.309-17.

-Buchinsky, M. Recent advances in quantile regression models: a pratical guideline for empirical research. The Journal of Human Resources. Vol.33. Num.1. 1998. p.88-126.

-Callo, G.; Gigante, D.P.; Barros, F.C.; Horta, B.L. Excesso de peso/obesidade no ciclo da vida e composição corporal na idade adulta: coorte de nascimentos de Pelotas, Rio Grande do Sul, Brasil, 1982. Caderno de Saúde Pública. Vol.32. Num.4. 2016. p.e00174014.

-Carvalho, A.R.M.; Belém, M.O.; Oda. J.Y. Sobrepeso e obesidade em alunos de 6-10 anos de escola Estadual de Umuarama/ PR. Arquivos de Ciências da Saúde UNIPAR. Vol.21. Num.1. 2017. p.3-12.

-Cordeiro, J.P.; Dalmaso, S.B.; Anceschi, S.A.; Sá, F.G.S.; Ferreira, L.G.; Cunha, CM.R.H.; Leopoldo, A.S.; Lima-Leopoldo, A.P. Hipertensão em estudantes da rede pública de Vitória/ES: influência do sobrepeso e obesidade. Revista Brasileira de Medicina do Esporte. Vol.22. Num.1. 2016. p.59-65.

-Feizi, A.; Aliyari, R.; Roohafza, H. Association of perceived stress with stressful life events, lifestyle and sociodemographic factors: a large-scale community-based study using logistic quantile regression. Computational and Mathematical Methods in Medicine. Vol.2012. 2012. p.1-12.

-Garcia, B.C.C.; Matos, M.A.; Pinhal, KC.; Oliveira, M.F.A.; Almeida, R.T.; Bento, M.E.; Fernandes, V.O.; Magalhães, F.C.; Esteves, E.A.; Rocha-Vieira, E.; Amorim, F.T. A obesidade na população adulta de Diamantina: orientações para a saúde, caracterização antropométrica, bioquímica e de aptidão cardiorrespiratória. Revista Brasileira de Extensão Universitária. Vol. 7. Num. 2. 2016. p. 129-137.

-Geraci, M. Qrools: a userful package for quantiles. 2016. Disponível em: <https://cran.r-project.org/web/packages/Qtools/vignettes/Qtools.pdf>. Acesso em: 21//11/2018.

-Hao, L.; Naiman, D. Quantile regression. Sage publications. 2007.

-He, X.; Zhu, L. A lack-of-fit test for quantile regression. Journal of the American Statistical Association. Vol.98. Num.464. 2003. p.1013-22.

-Koenker, R. Quantile regression. Cambridge University Pressa. 2005.

-Koenker, R.; Bassett, G. Regression quantiles. Econometrica. Vol.46. Num.1. 1978. p.33-50.

-Koenker, R. Censored quantile regression redux. Journal of Statistical Software. Vol.27. Num.6. 2008. p.1-26.

-Koenker, R.; Machado, J. Goodness of and related inference processes for quantile regression. Journal of the American Statistical Association. Vol.94. Num.448. 1999. p.1296-310.

-Koenker, R.; Bassett, G. Robust tests for heteroscedasticity based on regression quantiles. Econometrica. Vol.50. Num.1. 1982. p.43-61.

-Lima, N.P.; Horta, B.L.; Motta, J.V.S.; Valença, M.S.; Oliveira, V.; Santos, T.V.; Gigante, D.P.; Barros, F.C. Evolução do excesso de peso e obesidade até a idade adulta, Pelotas, Rio Grande do Sul, Brasil, 1982-2012. Caderno de Saúde Pública. Vol.31. Num.9. 2015. p.2017-2025.

-Linhares, R.S.; Horta, B.L.; Gigante, D.P.; Dias-da-Costa, J.S.; Olinto, M.T.A. Distribuição de obesidade geral e abdominal em adultos de uma cidade no Sul do Brasil. Caderno de Saúde Pública. Vol.28. Num.3. 2012. p.438-447.

-Luca, F.D.; Boccuzzo, G. What do healthcareworkers know about sudden infant death syndrome?: The results of the Italian campaing ‘Genitoripiù’. Jounal of the Royal Statistical Society: Series A (Statistics in Society). Vol.177. Num.1. 2014. p.63-82.

-Mccullagh, P.; Nelder, J. Generelized linear models. London. Chapman and Hall. 1989.

-Mua, Y.; Hea, X. Power transformation toward a linear regression quantile. Journal of the American Statistical Association. Vol.102. Num.477. 2007. p.37-41.

-Neyman, J.; Pearson, E. On the use and interpretation of certain test criteria for purposes of statistical inference. Biometrika. Vol.20. 1928. p.175-240.

-Ng, M.; Fleming, T.; Robinson, M.; Thomson, B.; Graetz, N.; Margono, C.; Mullany, E.C.; Biryukov, S.; Abbafati, C.; Abera, S.F.; Abraham, J.P.; Abu-Rmeileh, N.M.; Achoki, T.; AlBuhairan, F.S.; Alemu, Z.A.; Alfonso, R.; Ali, M.K.; Ali, R.; Guzman, N.A.; Ammar, W.; Anwari, P.; Banerjee, A.; Barquera, S.; Basu, S.; Bennett, D.A.; Bhutta, Z.; Blore, J.; Cabral, N.; Nonato, I.C.; Chang, J.C.; Chowdhury, R.; Courville, K.J.; Criqui, M.H.; Cundiff, D.K.; Dabhadkar, K.C.; Dandona, L.; Davis, A.; Dayama, A.; Dharmaratne, S.D.; Ding, E.L.; Durrani, A.M.; Esteghamati, A.; Farzadfar, F.; Fay, D.F.; Feigin, V.L.; Flaxman, A.; Forouzanfar, M.H.; Goto, A.; Green, M.A.; Gupta, R.; Hafezi-Nejad, N.; Hankey, G.J.; Harewood, H.C.; Havmoeller, R.; Hay, S.; Hernandez, L.; Husseini, A.; Idrisov, B.T.; Ikeda, N.; Islami, F.; Jahangir, E.; Jassal, S.K.; Jee, S.H.; Jeffreys, M.; Jonas, J.B.; Kabagambe, E.K.; Khalifa, S.E.; Kengne, A.P.; Khader, Y.S.; Khang, Y.H.; Kim, D.; Kimokoti, R.W.; Kinge, J.M.; Kokubo, Y.; Kosen, S.; Kwan, G.; Lai, T.; Leinsalu, M.; Li, Y.; Liang, X.; Liu, S.; Logroscino, G.; Lotufo, P.A.; Lu, Y.; Ma, J.; Mainoo, N.K.; Mensah, G.A.; Merriman, T.R.; Mokdad, A.H.; Moschandreas, J.; Naghavi, M.; Naheed, A.; Nand, D.; Narayan, K.M.; Nelson, E.L.; Neuhouser, M.L.; Nisar, M.I.; Ohkubo, T.; Oti, S.O.; Pedroza, A.; Prabhakaran, D.; Roy, N.; Sampson, U.; Seo, H.; Sepanlou, S.G.; Shibuya, K.; Shiri, R.; Shiue, I.; Singh, G.M.; Singh, J.A.; Skirbekk, V.; Stapelberg, N.J.; Sturua, L.; Sykes, B.L.; Tobias, M.; Tran, B.X.; Trasande, L.; Toyoshima, H.; Van de Vijver, S.; Vasankari, T.J.; Veerman, J.L.; Velasquez-Melendez, G.; Vlassov, V.V.; Vollset, S.E.; Vos, T.; Wang, C.; Wang, X.; Weiderpass, E.; Werdecker, A.; Wright, J.L.; Yang, Y.C.; Yatsuya, H.; Yoon, J.; Yoon, S.J.; Zhao, Y.; Zhou, M.; Zhu, S.; Lopez, A.D.; Murray, C.J.; Gakidou, E. Global, regional and national prevalence of overweight and obesity in children and adults 1980-2013: A systematic analysis. Lancet. Vol.384. Num.9945. 2014. p.766-81.

-Pereira, M.S.; Schaefer, J.C.F; Dutra, M.C.; Uliano, E.J.M.; Jesus, C.R.; Silvestre, B.C.; Machado, D.F.G.P.; Trevisol, D.J.; Schuelter-Trevisol, F. Prevalência de obesidade geral e central na população adulta na cidade de Tubarão, Santa Catarina: um estudo de base populacional. Scientia Medica. Vol.24. Num.3. 2014. p.245-53.

-Powell, J. Censored regression quantiles. Journal of Econometrics. Vol.32. 1986. p.143-55.

-R Core Team. R: A language and Environment for Statistical Computing. Vienna, Austria. 2013. Disponível em: <http://www.R-project.org/>. Acesso em: 21/11/2018.

-Salas, M.M.; Gómez, L.R.; Martínez, D.E.; Soto, J.J.J.; Martín-Ramiro, J.J. Relacion entre la jornada laboral y las horas de sueno com el sobrepeso y la obesidade em la población adulta española según los datos de la Encuesta Nacional de Salud 2012. Revista Espanhola de Salud Pública. Vol.91. 2017. p.1-10.

-Santos, B. Modelos de regressão quantílica. Dissertação de Mestrado. São Paulo. 2012.

-Souza, S. A. Modelagem da obesidade adulta nas nações: uma análise via modelos de regressão beta e quantílica. Dissertação de Mestrado. Universidade Federal da Paraíba. João Pessoa. 2017.

-Zapata, M.E.; Bibiloni M.M.; Tur, J.A. Prevalence of overweight, obesity, adbominal-obesity and short sature of adult populacion of Rosario, Argentina. Nutrición Hospitalaria. Vol.33. Num.5. 2016. p.1149-1158.

Publicado
2020-05-17
Como Citar
Souza, S. de A., Silva, A. B., Cavalcante, U. M. B., Bezerra Luna Lima, C. M., & de Souza, T. C. (2020). Modelagem da obesidade adulta nas nações via modelo de regressão quantílica. RBONE - Revista Brasileira De Obesidade, Nutrição E Emagrecimento, 13(82), 992-1004. Recuperado de http://www.rbone.com.br/index.php/rbone/article/view/1106
Seção
Artigos Científicos - Original