Estatística Aplicada em Ciências Médicas, Saúde e Meio Ambiente

A análise de sobrevivência consiste numa coleção de procedimentos usados para descrever e analisar dados relacionados ao tempo. Um complicador presente neste tipo de análise é a presença de observações censuradas ou observação parcial da resposta. Motivados pelos dados referente ao estudo dos tempos de internação de pacientes viciados em heroína (ver Kleinbaum (1995)), um estudo nesta área foi realizado. Ao analisar os dados, nos deparamos com a presença de longa-duração, além da presença de covariáveis. Para modelagem dos dados, usamos do modelo proposto por Berkson & Gage (1952). Assim, conseguimos incorporar a heterogeneidade da
população, através de um parâmetro de longa-duração. Além disso, utilizamos do modelo exponencial com regressão no parâmetro de escala para incorporar, além da longa-duração, as covariáveis em estudo.

Palavras-chave: Análise de Sobrevivência, longa-duração, regressão, exponencial.

Um dos parâmetros farmacocinéticos mais importantes a serem comparados em estudos de bioequivalência é a Área Sob a Curva de Concentração plasmática (ASC). Geralmente estas áreas são obtidas através de aproximações em que métodos numéricos são utilizados para estimá-las. Neste trabalho, quatro métodos numéricos foram apresentados, dentre eles o do trapézio que é o mais utilizado em estudos de bioequivalência, além do log-linear trapezoidal, Lagrange polinomial e Purve. Estes métodos foram comparados a partir de 171 curvas de concentração geradas do modelo teórico comportamental gama em que seus parâmetros foram sendo determinados de tal forma que a maioria dos casos fossem previstos. Comparando as ASCs estimadas por todos os métodos com as ASCs teórica obtidas a partir da integração das curvas geradas pelo modelo comportamental gama, todos apresentaram alto coeficiente de Lin (0,99). Utilizando o gráfico de Bland-Altman, o método dos trapézios log-linear apresentou uma melhor aproximação (embora favorecido pelo modelo gama), seguido dos métodos do trapézio e Purve. O método de Lagrange superestima a aproximação para todos os valores de ASC considerados.

O objetivo deste trabalho é analisar a percepção quanto ao ruído urbano no cotidiano dos habitantes no bairro do Umarizal localizado na cidade de Belém, no estado do Para em 2009. Execultou-se um estudo Transversal em uma amostra probabilística de 200 moradores selecionados pelo método de amostragem sistemática por meio de avaliações objetivas dos níveis sonoras a partir de questionários sobre dados pessoais, econômicos, demográficos do ambiente residencial urbano e desconforto causado pelo ruído. Inicialmente, utilizou-se a Analise Exploratória e verificou-se que, a maioria dos moradores que moram a mais de 7 anos perceberam um aumento do ruído no bairro, classificando o nível do barulho como muito intenso e se sentindo muito incomodados, identificando o período noturno o mais ruidoso e, o tráfego de veículos e pessoas conversando como as principais fontes de ruídos, acarretando em algumas reações psicossociais como: Irritabilidade, Insônia e Estresse. Posteriormente, aplicou-se a Analise Fatorial para sintetizar as informações mais importantes, com o Método das Componentes Principais via Rotação Ortogonal do tipo Varimax com Normalização de Kaiser para Extração dos Fatores e o Coeficiente Alfa de Cronbach para testar a contabilidade dos dados antes e apos a obtenção dos fatores. O modelo determinado apresentou-se de fácil interpretação e utilização, usando-se 5 fatores e proporcionando um bom ajuste aos dados com 84% de Explicação da variabilidade. Ele atendeu a todas as suposições teóricas para sua existência e utilização. A população do bairro estudado indicou um aumento no nível de ruído percebido ao passar dos anos. Os fatores gerados podem servir como parâmetros para caracterizar a percepção a exposição continua ao ruído pela população.

Este trabalho apresenta estudos envolvendo dados espaço-temporais. O primeiro envolve matrizes de covariância de modelos bayesianos com efeitos de interação espaço-tempo. Nele, apresentamos possíveis efeitos aleatórios espaciais e temporais, aos quais atribuímos distribuições a priori comuns. Construímos efeitos aleatórios espaço-temporais a partir da interação entre um efeito temporal e um espacial. Calculamos as matrizes de covariância a priori para os modelos com interação e as escrevemos na forma de produto de Kronecker entre as matrizes de covariância a priori dos efeitos temporal e espacial. Relacionamos essas matrizes com as estruturas de dependência espacial e/ou temporal envolvidas e aplicamos o estudo a dois modelos existentes na literatura. O segundo envolve dados de área. Nele, buscamos modelos a serem ajustados às taxas de incidência de Leishmaniose Visceral (LV) na cidade de Belo Horizonte entre os anos de 2000 e 2008. Ajustamos três modelos aos dados, um deles seguindo o procedimento clássico e os outros dois, o bayesiano. Comparamos os resultados e selecionamos o modelo que parece acompanhar melhor a evolução espaço-temporal das taxas de incidência de LV. Concluímos que este modelo pode ser útil para classificar áreas prioritárias em ações de combate e prevenção. O terceiro envolve dados nos quais a localização dos eventos é aleatória (padrões pontuais). Neste, apresentamos a função K12, cujo objetivo é testar independência espacial entre dois processos pontuais estacionários observados dentro de um mesmo polígono. Baseados na K12, desenvolvemos uma nova função para lidar com dados espaço-temporais, a Função Kt12. Apresentamos a definição matemática, o algoritmo, os testes realizados em dados gerados computacionalmente e uma aplicação a dados reais de Leishmaniose Visceral na cidade de Belo Horizonte.

O PAC de Humanidades FMUSP
Início de um estudo com a TRI.
Regina Albanese Pose(1), Dalton de Andrade (2),
Izabel Cristina Rios(1), Joaquim Édson Vieira(1), Milton de Arruda Martins (1)
FMUSP – CEDEM (1)
UFSC – CT – DIE (2)
CENÁRIO:
O PAC é o sistema de avaliação das 131 disciplinas da FMUSP que foi implantado em 1988, no CEDEM, com a finalidade de acompanhar e promover o aprimoramento contínuo do curso de graduação. Esse estudo pretende construir uma metodologia fundamentada na Análise Clássica de Medidas e na TRI [modelo de resposta gradual de Samejima/Andrich] e compará-los. Estimar escores com a inclusão/exclusão de itens, até que se encontre um escore favorável, padronizado, referente ao desempenho dessas disciplinas, a fim de obter melhores estimativas dos parâmetros frente às reformas curriculares discutidas nos cursos de medicina do Brasil e com análises retrospectivas desde 2004.
REFERÊNCIAS:
1. RIOS, IC. Humanidades Médicas: Razão e Sensibillidade na Formação Médica. Ciência & Saúde Coletiva, 2008. Ver em http://www.abrasco.org.br/cienciaesaudecoletiva/artigos/artigo_int.php?i...
2. Andrade, DF; Tavares, HR; Valle, RC. Teoria da Resposta ao Item: conceitos e aplicações. São Paulo: Associação Brasileira de estatística, 2000.

Em aplicações na área de análise de sobrevivência é frequente a ocorrência de função de taxa de falha em forma de U. As distribuições tradicionalmente usadas não apresentam essa propriedade. Considerando dados censurados, é proposto utilizar a distribuição beta Weibull modificada, que apresenta função de taxa de falha em forma de U, para descrever o comportamento do tempo de sobrevivência e é apropriada na discriminação entre alguns modelos probabilísticos alternativos, tais como, a distribuição Weibull, a distribuição Weibull exponenciada, a distribuição Rayleigh generalizada, distribuição Weibull modificada e a distribuição Weibull modificada generalizada. O método de máxima verossimilhança será usado para estimar os parâmetros dos modelos. Para selecionar um modelo que melhor se ajusta aos dados será usado o teste da razão de verossimilhança e os critérios AIC e BIC. Conjunto de dados real será usado para ilustrar a aplicação da nova distribuição. O software R foi usado para análise dos dados. Para ilustrar o uso desta distribuição, foi usado conjunto de dados com 148 crianças contaminadas pelo HIV por via vertical do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto.

Neste trabalho, introduzimos um estudo sobre a contagem de hospitalizações diárias na cidade de Ribeirão Preto no período de 01/01/2000 a 31/12/2007, devido à pneumonia. Essa contagem diária pode estar relacionada com algumas covariáveis como temperatura, precipitação, estações do ano e finais de semana. Considerando os dados diários de contagem classificados em diferentes faixas etárias, assumimos um modelo de regressão de Poisson na presença de um fator aleatório que captura a correlação e variabilidade extra-Poisson entre as contagens para um mesmo dia. Uma análise Bayesiana é desenvolvida para os dados usando métodos de simulação MCMC (Monte Carlo em Cadeias de Markov).

Todo este desenvolvimento foi feito para estudos onde a resposta é binomial (casos e controles). Porém, existem circunstâncias onde se deseja categorizar a resposta de interesse em mais do que dois grupos, exigindo assim uma abordagem multinomial.
Nos últimos anos muitos estudos epidemiológicos do tipo caso-controle têm utilizado o formato multinomial em suas análises Quando aplicável, a categorização dos casos em mais níveis de resposta enriquece a análise e traz informações discriminadas para cada tipo específico de caso.
Os modelos multinomiais podem ser ajustados de diversas maneiras e pode-se averiguar se a resposta é nominal ou ordinal e enquadrar o estudo no formato mais adequado, porém Mafra et. al ressaltam a importância de conduzir as análises de estudos do tipo caso-controle comparando cada tipo de caso com os controles, para assim poder ter medidas de risco.
Neste trabalho, define-se o risco relativo espacial de forma bivariada, permitindo a inclusão de outras covariáveis na análise e mostra-se a maneira de estimar tal risco através de modelos aditivos generalizados e obter áreas de significância por meio de simulações de Monte Carlo.

Nesse artigo são apresentados diferentes modelos de "fragilidade" para a análise de dados longitudinais de Poisson na presença de uma covariável. Esses modelos incorporam a variabilidade extra-Poisson e a possível correlação entre as medidas repetidas para cada indivíduo. Uma análise Bayesiana hierárquica foi utilizada para a análise dos dados de contagem considerando o método MCMC (Markov Chain Monte Carlo). Considerando um banco de dados real da área clínica, são discutidos alguns aspectos de discriminação Bayesiana para a escolha do melhor modelo. Dados de contagem longitudinal na presença de uma ou mais covariáveis são muito comuns, especialmente em estudos médicos. Para a análise deste tipo de banco de dados, normalmente é necessário utilizar modelos que capturam a correlação entre os dados de contagem e a presença de superdispersão. Diferentes modelos de "fragilidade" são introduzidos na literatura para analisar dados de contagem de Poisson, e o uso de métodos Bayesianos Hierárquicos são muito utilizados na analise deste tipo de dados.

Em estudos com gêmeos e trigêmeos é esperado que exista correlação entre os dados dos irmãos. Desse modo, modelos de regressão tradicionais, como GLM, podem levar à inferências incorretas, uma vez que a suposição de independência entre os sujeitos não é mais satisfeita. Para solucionar este problema, Zeger e Liang propuseram uma classe de Equações de Estimação Generalizadas (GEE) que incluem uma estrutura de correlação de trabalho na estimação dos parâmetros do modelo. Ainda hoje, poucos estudos utilizam esta metodologia. Este trabalho apresenta o GEE, através de aplicação na análise de dados de mortalidade neonatal em gemelares. Foram utilizados dados de gêmeos e trigêmeos provenientes do SIM e do SINASC, nos quais todas as crianças que constituem o par ou o trio nasceram vivas em Porto Alegre, com peso superior a 500g entre 1995 e 2007. Verificou-se associação de fatores perinatais, como peso ao nascer e índice de Apgar, com o desfecho. Comparando resultados obtidos no GEE com os do GLM foram encontradas pequenas diferenças nas estimativas pontuais dos parâmetros do modelo. Entretanto, ao comparar erros padrões, as diferenças foram maiores, interferindo na significância de uma das variáveis (tipo de hospital). Maiores diferenças entre os modelos não foram encontradas, provavelmente porque o tamanho da amostra utilizado era grande. Desse modo, recomenda-se a utilização do GEE quando houver agrupamento de indivíduos, já que este modelo considera a correlação entre sujeitos do mesmo grupo e está implementado nos programas estatísticos.