Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/17/17139/tde-25032011-122803/ |
Resumo: | O presente estudo tem por objetivo estudar a aplicabilidade de modelos de regressão binária com resposta contínua na análise de dados do SINASC (Sistema de Informações de Nascidos Vivos), analisando suas vantagens, limitações e estratégias na estimação de parâmetros ao identi car os fatores de riscos para baixo peso ao nascer. Muitos autores vêm utilizando os dados do SINASC para estudar as variáveis que estão associadas ao baixo peso ao nascer. Estes autores geralmente utilizam o modelo usual de regressão logística, o qual analisa somente respostas binárias (a variável resposta é codi cada como 1: baixo peso ao nascer, 0: caso contrário). O modelo de regressão com resposta contínua foi utilizado para estudar as variáveis associadas aos recém-nascidos com maior propensão a um peso ao nascer inferior ao ponto de corte 2500g, ou seja, a resposta é expressa em uma variável contínua. Nesta situação, uma extensão do modelo tradicional foi utilizada visando a possibilidade de obter-se estimativas mais precisas. Para a estimação de parâmetros do modelo de regressão binária com resposta contínua, foi utilizado o método da máxima verossimilhança. Os resultados obtidos a partir da metodologia proposta possui as seguintes vantagens em relação ao modelo usual: (a) o modelo de regressão proposto foi capaz de predizer o baixo peso ao nascer com maior precisão; (b) o modelo proposto evita problemas de separação persistentes em modelos usuais. Desta forma, o modelo estudado poderá oferecer signi cativas contribuições à Saúde Coletiva, ao trazer uma nova possibilidade de análise de dados desta área. |
id |
USP_51c2e654a8f32d193e6ef3e575ed44d8 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-25032011-122803 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascerA propose of a binary regression model with continuous response applied to data analysis from SINASC: identification of risk factors for low birth weightbioestatísticabiostatisticsbirth weightestimaçãoestimationmodelos de regressãopeso ao nascerregression modelsSINASCSINASCO presente estudo tem por objetivo estudar a aplicabilidade de modelos de regressão binária com resposta contínua na análise de dados do SINASC (Sistema de Informações de Nascidos Vivos), analisando suas vantagens, limitações e estratégias na estimação de parâmetros ao identi
car os fatores de riscos para baixo peso ao nascer. Muitos autores vêm utilizando os dados do SINASC para estudar as variáveis que estão associadas ao baixo peso ao nascer. Estes autores geralmente utilizam o modelo usual de regressão logística, o qual analisa somente respostas binárias (a variável resposta é codi
cada como 1: baixo peso ao nascer, 0: caso contrário). O modelo de regressão com resposta contínua foi utilizado para estudar as variáveis associadas aos recém-nascidos com maior propensão a um peso ao nascer inferior ao ponto de corte 2500g, ou seja, a resposta é expressa em uma variável contínua. Nesta situação, uma extensão do modelo tradicional foi utilizada visando a possibilidade de obter-se estimativas mais precisas. Para a estimação de parâmetros do modelo de regressão binária com resposta contínua, foi utilizado o método da máxima verossimilhança. Os resultados obtidos a partir da metodologia proposta possui as seguintes vantagens em relação ao modelo usual: (a) o modelo de regressão proposto foi capaz de predizer o baixo peso ao nascer com maior precisão; (b) o modelo proposto evita problemas de separação persistentes em modelos usuais. Desta forma, o modelo estudado poderá oferecer signi
cativas contribuições à Saúde Coletiva, ao trazer uma nova possibilidade de análise de dados desta área.The objective of this dissertation is to study the applicability of binary regression models for continuous outcomes in the data analysis from SINASC (Brazilian Live Births Information System), analyzing its advantages, limitations and strategies in the estimation of parameters, when identifying the risk factors for low-birth-weight. Many authors have been using data from SINASC to study the variables that are associated with the low-birth-weight. These authors typically use the usual logistic regression model, which analyzes only binary responses (the dependent variable is coded as 1 for low-birth-weight and 0 for otherwise). The regression model with continuous response was proposed and used to study the variables associated with the newborns with higher propensity to a birth weight below the cutoff point of 2500 g, that is, the answer is expressed as a continuous variable. In this situation, an extension method of the traditional model was used in order to enable obtaining more accurate estimates. For the estimation of the parameters from binary regression model with continuous response, the maximum likelihood method was used. The results obtained from the proposed methodology brought these following advantages comparing with the usual model: (A) the proposed regression model was capable for predicting low birth weight with a bettter precision; (B) the proposed model can process the persistent problems of separation present in the conventional models. Thus, the studied method may offer significant contributions to the Public Health, bringing new possibilities for data analysis in this area.Biblioteca Digitais de Teses e Dissertações da USPMartinez, Edson ZangiacomiZhuofan, Wu2011-01-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/17/17139/tde-25032011-122803/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-22T13:41:03Zoai:teses.usp.br:tde-25032011-122803Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-22T13:41:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer A propose of a binary regression model with continuous response applied to data analysis from SINASC: identification of risk factors for low birth weight |
title |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
spellingShingle |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer Zhuofan, Wu bioestatística biostatistics birth weight estimação estimation modelos de regressão peso ao nascer regression models SINASC SINASC |
title_short |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
title_full |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
title_fullStr |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
title_full_unstemmed |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
title_sort |
Proposta de um modelo de regressão binária com resposta contínua aplicado à análise dos dados do SINASC: identificação de fatores de risco para o baixo peso ao nascer |
author |
Zhuofan, Wu |
author_facet |
Zhuofan, Wu |
author_role |
author |
dc.contributor.none.fl_str_mv |
Martinez, Edson Zangiacomi |
dc.contributor.author.fl_str_mv |
Zhuofan, Wu |
dc.subject.por.fl_str_mv |
bioestatística biostatistics birth weight estimação estimation modelos de regressão peso ao nascer regression models SINASC SINASC |
topic |
bioestatística biostatistics birth weight estimação estimation modelos de regressão peso ao nascer regression models SINASC SINASC |
description |
O presente estudo tem por objetivo estudar a aplicabilidade de modelos de regressão binária com resposta contínua na análise de dados do SINASC (Sistema de Informações de Nascidos Vivos), analisando suas vantagens, limitações e estratégias na estimação de parâmetros ao identi
car os fatores de riscos para baixo peso ao nascer. Muitos autores vêm utilizando os dados do SINASC para estudar as variáveis que estão associadas ao baixo peso ao nascer. Estes autores geralmente utilizam o modelo usual de regressão logística, o qual analisa somente respostas binárias (a variável resposta é codi
cada como 1: baixo peso ao nascer, 0: caso contrário). O modelo de regressão com resposta contínua foi utilizado para estudar as variáveis associadas aos recém-nascidos com maior propensão a um peso ao nascer inferior ao ponto de corte 2500g, ou seja, a resposta é expressa em uma variável contínua. Nesta situação, uma extensão do modelo tradicional foi utilizada visando a possibilidade de obter-se estimativas mais precisas. Para a estimação de parâmetros do modelo de regressão binária com resposta contínua, foi utilizado o método da máxima verossimilhança. Os resultados obtidos a partir da metodologia proposta possui as seguintes vantagens em relação ao modelo usual: (a) o modelo de regressão proposto foi capaz de predizer o baixo peso ao nascer com maior precisão; (b) o modelo proposto evita problemas de separação persistentes em modelos usuais. Desta forma, o modelo estudado poderá oferecer signi
cativas contribuições à Saúde Coletiva, ao trazer uma nova possibilidade de análise de dados desta área. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-01-25 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/17/17139/tde-25032011-122803/ |
url |
http://www.teses.usp.br/teses/disponiveis/17/17139/tde-25032011-122803/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815257323625512960 |