A utilização de métodos de regressão para respostas ordinais no estudo de coorte das crianças nascidas em 1993 em Pelotas, RS, Brasil

• Autor(a) principal: Nunes, Luciana Neves
• Data de Publicação: 1999
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/122657
• topic: Métodos de regressão; Pacote estatístico SAS; Epidemiologia; Desnutrição proteico-calórica; Models; Statistical; Logistic models; Epidemiology; Protein-energy malnutrition

Em estudos epidemiológicos. Os desfechos são freqüentemente medidos em escalas ordinais, entretanto são analisados por técnicas tradicionais. como a reg ressão logística que requer desfecho binário. Consequentemente. informações importantes podem ser perdidas devido a arbitrariedade na escolha do ponto de corte. Modelos de regressão para respostas ordinais têm sido desenvolvidos e têm vantagens de reter a ordinalidade dos dados e fornecer estimativas interpretáveis para os epidemiologistas. Esse artigo descreve o modelo de odds proporcionais proposto por McGullagh e o aplica aos dados da coorte de cnanças nascidas em Pelotas em 1993. usando o pacote estatístico SAS. O objetivo desse artigo foi comparar os resultados do modelo de odds proporcionais e da regressão logística tradicional usando diferentes pontos de corte. O desfecho foi déficit de estatura para idade expressa em escore-z. com três níveis ordinais. Concluiu-se que o modelo de odds proporcionais produz uma estimativa interpretável. similar a uma razão de odds. que sumariza o efeito sobre todos pontos de corte. Na presente análise. as estimativas pontuais resultantes da regressão ordinal foram similares ás obtidas através da regressão logística tradicional usando o ponto de corte do escore-z em -1. Entretanto, a regressão ordinal produziu intervalos de confiança menores (e, portanto, aumento do poder estatístico), evitando a arbitrariedade de ter um único ponto de corte. Uma limitação para uso mais amplo do modelo ordinal é a falta de pacotes estatísticos que o incluam.