Seminários de Epidemiologia J Epidemiol Community Health 2008; 62: 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)

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 nível individual

 Dados do ARIC (Atherosclerosis Risc in Communities): coorte de pessoas ( ): 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: o Duncan C, et al. Health-related behaviour in context: a multilevel modelling approach. Soc Sci Med. 1996; Vol. 42, No. 6, pp o Roux AVC, et al. Neighborhood Environments and Coronary Heart Disease: A Multilevel Analysis. American Journal of Epidemiology 1997; Vol. 146, No. 1: o Roux AVC, et al. Multilevel analysis in public health research. Annual Review of Public Health Vol. 2000; 21:

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