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