Modelagem conjunta e univariada: Uma aplicação para dados longitudinais de crescimento infantil
Carregando...
Data
2022-08-01
Autores
Orientador
Tsunemi, Miriam Harumi 
Coorientador
Pós-graduação
Biometria - IBB
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O crescimento infantil é um importante indicador de saúde desde a primeira infância até a puberdade, pois pode determinar o estado de saúde na idade adulta. O monitoramento das medidas de peso e altura pode auxiliar nas ações da gestão de políticas públicas para a prevenção da desnutrição e obesidade, voltada à promoção da saúde e nutrição adequada ao crescimento na infância. O acompanhamento dessas medidas antropométricas, através de medidas coletadas repetidamente no mesmo indivíduo, torna possível responder as questões relativas às mudanças que ocorrem na dinâmica do crescimento, como a trajetória do crescimento de cada indivíduo ao longo do tempo e as diferenças que ocorrem no crescimento médio entre o grupo de indivíduos. Entendendo que o monitoramento dessas medidas são importantes índices de saúde na infância e a forma mais adequada de avaliar seu estado nutricional e de saúde geral, o objetivo principal desta tese foi estimar trajetórias de crescimento com modelagem conjunta e univariada (marginal) para as medidas antropométricas de peso e altura, na população menor de dois anos de idade de uma coorte eletrônica de base populacional linkados com dados de rotina de nascidos vivos (SINASC) e do Sistema de Vigilância Alimentar e Nutricional (SISVAN), entre os anos 2008 a 2017. Foram utilizadas duas abordagens para lidar com dados longitudinais multivariados. Na primeira abordagem sugerimos uma comparação de modelos comumente usados para caracterizar as trajetórias de crescimento infantil como os Modelos de Efeitos Mistos, Brokenstick e o SITAR. Na segunda abordagem, o principal interesse foi estudar a evolução conjunta de duas variáveis respostas para o mesmo indivíduo, que exige métodos mais complexos e desafiadores, pois além da existência da dependência entre as medidas repetidas no mesmo indivíduo considera-se a correlação entre as variáveis respostas que pode mudar com o tempo e, além disso, a correlação natural existente em dados longitudinais. Dessa forma, explorou-se a modelagem via funções de cópulas bivariadas, com intuito de melhorar a modelagem de dados bivariados com formas mais flexíveis de se estimar a dependência no padrão de crescimento infantil.
Resumo (inglês)
Child growth is an important health indicator from early childhood to puberty, as childhood can determine health status in adulthood. The monitoring of weight and height measurements can help public policies management actions to prevent malnutrition, obesity, and help promoting adequate nutrition for childhood growth. The monitoring of these anthropometric measurements repeatedly in the same individual along time makes it possible to answer questions regarding the changes that occur in the dynamics of growth, such as the trajectory of each individual’s growth over time and the differences that can occur in the average growth between the group of individuals. Understanding that monitoring these measures are important indices of childhood health and the most appropriate way to assess their nutritional status and general health, the main objective of this thesis was to estimate growth trajectories with joint and univariate (marginal) modeling for anthropometric measurements of weight and height, in the population under two years of age of a population-based electronic cohort linked with routine live birth data (SINASC) and the Food and Nutrition Surveillance System (SISVAN), between the years 2008 to 2017. Two approaches were used to deal with multivariate longitudinal data. In the first approach, we suggest a comparison of models commonly used to characterize child growth trajectories, such as the Mixed Effects Models, Brokenstick and SITAR. In the second approach, the main interest was to study the joint evolution of two response variables for the same individual, which requires more complex and challenging methods, as the existence of dependence between repeated measurements in the same individual, the correlation between the variables is considered responses that can change over time and, in addition, the natural correlation existing in longitudinal data. Thus, modeling via bivariate copula functions was explored, in order to improve the modeling of bivariate data with more flexible ways of estimating dependence on the pattern of child growth.
Descrição
Palavras-chave
Idioma
Português