Chance ≠ Probabilidade
Uma moeda foi lançada 5 vezes e os resultados foram:
cara
cara
cara
cara
coroa
Probabilidade (ou proporção)
Uma moeda foi lançada 5 vezes e os resultados foram:
cara
cara
cara
cara
sucesso
probabilid ade 
total
Probabilidade de sair cara:
Pcara  
4
 0,80  80%
5
Interpretação: A probabilidade de sair cara é 4/5 ou 0,80 (80%)
coroa
Chance
Uma moeda foi lançada 5 vezes e os resultados foram:
cara
cara
cara
cara
sucesso
chance
fracasso
chance de sair cara: chance cara 
4
4
1
Interpretação: A chance de sair cara é 4 vezes maior do que sair coroa
coroa
CHANCE é a probabilidade de algo acontecer dividida pela probabilidade
de não acontecer.
cara
Psucesso  
cara
cara
cara
4
5
P fracasso  
coroa
1
5
sucesso
chance
fracasso
Então:
chancecara 
4
5
1
5
4
Conversão de Chance em
Probabilidade (ou proporção)
A chance de um desfecho em particular (o desfecho X) pode ser convertida para a
probabilidade desse desfecho ou vice-versa, usando-se a seguinte fórmula:
Chance do desfecho X
Pr obabilidad e do desfecho X 
1  chance
Exemplo
Chance → Probabilidade (ou proporção)
Exemplo: A proporção de sucesso de caras em lançamentos de uma moeda é 4/5
(uma média de 0,80). Isso significa que há 4 sucessos (X) para uma falha (Y).
A chance de sucesso (número de sucesso para o número de caras) é, portanto, 4:1
ou 4.
Neste caso, para converter a chance em proporção coloca-se 4 no numerador
da fração, e no denominador 1+ 4. Resulta:

4
4
  0,80
1 4 5
Razão de Risco ou Risco Relativo (RR) e
Razão de Chances ou Odds Ratio (OR)
Os fatores de risco para as doenças (como também os fatores de proteção)
podem ser avaliados de forma quantitativa através de recursos estatísticos
semelhantes entre si como:
• Risco relativo (RR);
• Razão de chances (ou .odds ratio. ou OR).
ODDS RATIO (OR)
ou
Razão de Chances (RC)
Exemplo 1:
Exemplo:
doença
Fator de risco
grupo controle ou REFERÊNCIA:
é denominado o grupo não exposto ao fator de risco,
nesse exemplo dado pelo hábito de fumar.
Observações:
Definir o que será Sucesso e Fracasso para escrever as conclusões.
Sucesso: neste exemplo é a presença de câncer nos grupos expostos ao
fator de risco.
O SIM SEMPRE representa o SUCESSO.
SUCESSO neste exemplo é TER CANCER
Proporção (neste contexto) =
PROBABILIDADE
Exemplo:
Proporção de câncer
entre fumantes
50
1000
Proporção de câncer
entre Não fumantes
Proporção de ter câncer
entre FUMANTES
Chance de câncer entre fumantes
50
1000  50  0,052633...
950 950
1000
Proporção de Não ter câncer
entre FUMANTES
Proporção de ter câncer
Chance de câncer entre Não-fumantes
5
entre NÃO FUMANTES
955  5  0,0052...
950 950
955
Proporção de Não ter câncer
entre NÃO FUMANTES
5
955
Exemplo:
Proporção de câncer
entre fumantes
50
1000
Proporção de câncer
entre Não fumantes
Chance de câncer entre fumantes
5
955
50
1000  50  0,052633...
950 950
1000
a chance de câncer entre fumantes é ≈ 0,053
Interpretação:
Chance menor do que 1 → significa que é mais provável ocorrer o fracasso, que neste exemplo é NÃO TER CANCER
5
Chance de câncer entre Não-fumantes 955  5  0,0052...
950 950
a chance de câncer entre não-fumantes é ≈ 0,0052
955
Exemplo:
Proporção de câncer
entre fumantes
50
1000
Proporção de câncer
entre Não fumantes
Chance de câncer entre fumantes
50
1000  50
950 950
1000
Chance de câncer entre Não-fumantes
5
955  5
950 950
955
RC / ODDS RATIO
Razão de chances:
5
955
50
950  50  10
5
5
950
Interpretação: O grupo de fumantes tem 10 vezes mais chance de ter câncer no pulmão em relação
ao grupo de não fumantes
Observações sobre a
Razão de Chances (RC) – Odds Ratio (OR)
Igual a 1 → não existe associação
(entre fator de risco e a doença)
RC
quanto mais próximo de 1, menor associação
quanto mais distante de 1, maior associação
Conclusão da RC em Porcentagem
Uma alternativa para é apresentar a RC em porcentagem, através da
fórmula:
(RC – 1) x 100
A % é mais utilizada quando RC é menor do que 1, pois facilitar a
compreensão.
No exemplo 1, obtivemos RC = 10.
Assim, (10 – 1) x 100 = 900%.
Interpretação: O grupo de fumantes tem 900% mais chance de ter câncer no pulmão em
relação ao grupo de não fumantes.
Resumo do Exemplo 1:
Interpretação:
RC > 1
(RC -1 ) x 100
(10-1) x 100
= 900%
• O grupo de fumantes tem 10 vezes mais chance de ter câncer no pulmão em relação ao grupo de
não fumantes
• O grupo de fumantes tem 900% mais chance de ter câncer no pulmão em relação ao grupo
de não fumantes.
Regra prática para cálculo OR em tabelas 2 x 2
OR 
OR 
50  950 50

 10
950  5
5
ad
bc
Exemplo 2
RC < 1
Interpretação:
( RC -1 ) x 100
(0,7149 -1) x 100
= -28,57%
• O grupo de fumantes tem 28,57% menos de chance de ter câncer no pulmão em relação ao
grupo de não fumantes..
Exemplo 3
RC > 1
Interpretação:
( RC -1 ) x 100
(1,08696-1) x 100
= 8,7%
• O grupo de fumantes tem 1,087 vezes mais chance de ter câncer no pulmão em relação ao
grupo de não fumantes
ou
• O grupo de fumantes tem 8,7% mais chance de ter câncer no pulmão em relação ao grupo
de não fumantes.
Exemplo 4
Exemplo 4 - interpretação
de cada 12 pessoas que não têm
a doença, a chance é a de que
apenas uma tenha alteração
genética.
30
1
  0,09091 ...
330 11
controle
casos
180
1
180
de cada duas pessoas com a
doença (casos), a chance é de
que uma tenha alteração genética.
Exemplo 4 – Interpretação
(Odds Ratio)
controle
casos
1
 11
1
11
11 é uma estimativa do risco
relativo
da
.doença,
para
portadores x não-portadores.
Observação: O valor esperado se a alteração genética estudada não fosse um fator de risco para a
doença seria 1.
Risco Relativo ou
Razão de Risco (RR)
Risco Relativo - RR
RISCO RELATIVO ou RAZÃO DE RISCO é a razão (ou fração) entre o risco do
grupo exposto (numerador) e o risco em um grupo não exposto (numerador)
quando ambos são expressos em termos de proporções (ou percentuais, NÃO em
termos de chances)
a
Risco (expostos)
RR 
 ab
c
Risco (não expostos)
cd
Se o estudo é prospectivo, as proporções calculadas devem ser vistas como estimativas de
probabilidade. A probabilidade de perigo, geralmente como ameaça física ou psicológica para
o homem e/ou meio ambiente, é chamada de risco. (VIEIRA, p.69)
Risco Relativo (RR) - Exemplo 1
a
Risco (expostos)
RR 
 ab
c
Risco (não expostos)
cd
a
ab
c
cd
RR 
0,0500
 9,55
0,0052
Interpretação: O risco de uma pessoa vir a ter câncer é 9,55 vezes maior se ele for fumante.
RR refere-se a estudos prospectivos.
Comparativo entre
Odds Ratio (OR) e Risco Relativo (RR)
Odds Ratio (OR)
Proporções de pessoas que
foram expostas ao fator, entre
casos e controles
(estudos retrospectivos)
Risco Relativo (RR)
Estimativas de riscos
(estudos prospectivos)
Regressão Logística
(não linear)
• binária
Variável dependente
(somente duas categorias de respostas
para a VD)
• multinomial
(mais de duas categorias
de resposta para a VD)
nominal
ordinal
Regressão Logística - binária
• Variável resposta (Y) é qualitativa
com dois resultados possíveis
Interpretação da função de resposta quando a
variável resposta é binária
Na Regressão Linear Simples tem-se:
A resposta é dada por: E(Yi )  0  1Xi
Yi   0  1 X i   i
1
Yi  
0
Modelo Geral
Graficamente
E(Yi )  0  1Xi é uma reta
O gráfico da função E(Yi )  0  1Xi é
uma reta (crescente β+ e decrescente
β-) podendo Y assumir valores no
intervalo  ,
 1
FUNÇÃO LOGÍSTICA
A variável resposta é analisada em termos de probabilidade
Modelo inicial:
p  0  1 X
e para isso
 1
FUNÇÃO LOGÍSTICA
p  0  1 X
p é uma
probabilidade
e deve estar
entre 0 e 1
Para isso
Essa transformação garante que
Y será sempre positivo
y  e 0  1 X
FUNÇÃO LOGÍSTICA
ye
 0  1 X
A transformação
garante que Y será
positivo, porém não garante o limita no intervalo (0,1)
A transformação
e0 1x
p
1  e0 1x
garante que 0 < p < 1
Exemplo: Situação 1 Análise de variáveis independente numérica
Bebês, ao nascer, abaixo de 1750 gramas estão confinados em uma
UTI neonatal. Em uma amostra de 223 bebês, 76 apresentaram
diagnóstico com displasia broncopulmonar (BPD).
A probabilidade de uma criança, nessas condições ter BPD é

Análise gráfica:
76
 0,341
223
Exemplo:
Bebês, ao nascer, abaixo de 1750 gramas estão confinados em uma
UTI neonatal. Em uma amostra de 223 bebês, 76 apresentaram
diagnóstico com displasia broncopulmonar (BPD).
A probabilidade de uma criança, nessas condições ter BPD é

Análise gráfica:
1 = tem a doença
76
 0,341
223
Se fosse igualmente
distribuído no 0 e 1, seria
indicativo de não
associação entre o Peso
ao nascer e BPD
0 = não tem a doença
No baixo peso está
mais associado ao 1 (ter a doença)
Para pesos maiores está
mais associado ao 0 (não ter a doença)
Exemplo: Arquivo 1_bpd.sav
independente
variáveis
dependente
(resposta)
peso = peso em g
bpd (displasia broncopulmonar)
0 = não tem a doença
1 = tem a doença
peso é uma variável quantitativa, em gramas
bpd é categórica: tem a doença (1) ou não tem a doença (0)
Analyze
Regression
Binary Logistic ...
Opções a serem selecionadas:
Informar a variável dependente
Informar a variável
independente
solicitar o Intervalo de
confiança para a
razão de chances exp(B)
Interpretação dos outputs
Total de casos analisados
Sig 0,000 para peso: O peso é
significativo para BPD
parâmetros estimados
β0 = 3,991
e β1= -0,043
significância de
cada parâmetros estimado
Exp(B) é a razão de chance
e0,004  0,996
Intervalo de confiança
para a razão de chance
e  0  1 X
p
 0  1 X
1 e

FUNÇÃO LOGÍSTICA
e3,9910,0043 X
p
1  e3,9910,0043 X

e  0  1 X
p
 0  1 X
1 e

FUNÇÃO LOGÍSTICA
1.00
BPD
0.90
0.80
0.70

p
3, 9910, 004 X
e
1  e3,9910,004 X
0.60
probabilidade 0.50
0.40
0.30
0.20
0.10
0.00
0
200
400
600
800
1000
1200
1400
1600
Peso ao nascer (gramas)
Interpretação: Uma criança com 600g ao nascer tem uma probabilidade de aproximadamente
80% de ter desenvolver a displasia broncopulmonar BPD
1800
2000
Para calcular a probabilidade de que uma criança que pesa 700g
no nascimento desenvolva BPD, substitui-se o valor x = 700 na
função: 
e3,9910,004 X
p
1  e3,9910,004 X
e3,9910,004 700 
p
 0,72735
3, 9910, 004 700 
1 e

INTERPRETAÇÃO: Uma criança que pesa 700g no nascimento tem 72,7% de
desenvolver BPD.
Interpretação da razão de chances / odds ratio
Exp(B) é a razão de chance
e0,004  0,996
Razão de chance em percentual:
(RC -1) x 100
(0,996 -1) x 100
-0,4%
INTERPRETAÇÃO: A cada grama a mais, a chance de apresentar BPD diminui 0,4%
A interpretação da razão de chances deve ser feita na unidade em que a
variável foi observada
Uma interpretação da razão de chances / Odds ratio
para cada 100g
A relação não é linear. Então não é correto fazer 0,4 * 100 = 40%
Iremos criar uma variável (peso100), que é o peso em gramas dividido por 100, e estimar
novamente os coeficientes
Criação da variável peso100
Transform
Compute Variable
Variável peso100
Executar novamente, com as seguintes opções:
Analyze
Regression
Binary Logistic ...
Interpretação dos outputs
Exp(B) é a razão de chance
e0, 430  0,650
parâmetros estimados
β0 = 3,991
e β1= -0,430
significância de
cada parâmetros estimado
Razão de chance em percentual:
(RC -1) x 100
Intervalo de confiança
para a razão de chance
(0,650 -1) x 100
-35%
INTERPRETAÇÃO: A cada 100 gramas a mais, a chance de apresentar BPD diminui 35%
FUNÇÃO LOGÍSTICA
e3,9910, 430 X
p
1  e3,9910, 430 X

β1 ficou multiplicado
por 100
Exemplo: Situação 2
Análise de variáveis independente categóricas
Categorizando o Peso em 3 categorias
Faixa peso
categoria
0 a 949g
=1
950 a 1349g
=2
1350 a 1750g
=3
Fator: o peso do bebê nas 3 categorias
Variável resposta: o bebê está (1) ou não está doente (0)
Categoria 0 é a referência na logística
0 = não está doente (REFERÊNCIA NA LOGÍSTICA)
1 = está doente
Exemplo: Situação 2
Transform
Recode into Different Variables ...
Nome para a nova
variável categorizada
Para criar as faixas de referência
Criação da 1ª categoria: Faixa de valores: 0 a 949
Informar a faixa
de valores da
primeira categoria
Criação da 2ª categoria: Faixa de valores: 950 a 1349
Criação da 3ª categoria: Faixa de valores: 1350 ou mais
Resultado da recodificação:
Variável peso
categorizada
Estatística descritiva para observar a categorização do peso
Analyze
Descriptive Statistics
Crosstabs ...
output
A finalidade de utilizar a tabela cruzada é
identificar a categoria com menor chance
para ser a referência.
Chances calculadas a partir da Tabela cruzada:
49
68  49  2,58
19 19
68
a chance de ter BPD no grupo 1
é muito maior em relação as
demais
Devemos escolher uma das categorias para ser a referência de comparação.
Usualmente, toma-se para referência a categoria que tem menor chance
(menor problema com a doença)
3 categorias = terei duas razões de chances
2,58
 18,91
0,14
0,29
 2,13
0,14
Na categoria de referência
escolhida para comparação é
colocado 1 para RC
RC é sempre entre duas categorias comparadas (uma é a referência - nesse exemplo é
a última - acima de 1350g)
Faixa peso
categoria
0 a 949g
=1
950 a 1349g
=2
1350 a 1750g
=3
Interpretação da Razão de Chances:
Crianças abaixo de 950g têm 18,91 chance de ter a doença quando comparadas a crianças acima de 1350g
Crianças na faixa de 950 a 1349 têm 2,13 chance de ter a doença quando comparadas a crianças acima de 1350g
Executar a Regressão com a variável Peso Categorizada (cat_peso)
Analyze
Regression
Binary Logistic ...
Faixa peso
categoria
0 a 949g
=1
950 a 1349g
=2
1350 a 1750g
=3
Informar a categoria
que será a referência
para comparação:
LAST
Categoria de referência
Interpretação dos outputs
Interpretação dos outputs
Existe uma associação entre o peso e a
displasia B. P. (similar ao Qui-Quadrado)
parâmetros estimados
β0 = -1,992
β1= 2,940 e
β2= 0,756
e 0  1X1  2 X 2
p
1  e 0  1X1 2 X 2

significância de
cada parâmetro estimado
(ver complemento
próximo slide)
Exp(B) é a razão de chance
e 2 ,940  18,912
e 0 , 756  2,129
e 1,992  2,940 X1 0,756 X 2
p
1  e 1,992  2,940 X1 0,756 X 2

X1 representa o peso de 0 a 950 gramas
X2 representa o peso de 950 a 1350 gramas
Interpretação da Razão de Chances / OR é a coluna Exp(B)
Crianças abaixo de 950g têm 18,91 chance de ter a doença quando comparadas a crianças acima de 1350g
Crianças na faixa de 950 a 1349 têm 2,13 chance de ter a doença quando comparadas a crianças acima de 1350g
Interpretação dos outputs - Significância
Existe uma associação entre o peso e a
displasia B. P. (similar ao Qui-Quadrado)
Exp(B) é a razão de chance
As categorias 1 e 2 são
comparadas à categoria 3
(foi escolhida para ser a
referência)
Existe uma diferença na
razão de chance na
categoria 1 e a 3 no peso
Não existe uma diferença na
razão de chance na categoria
2 e a 3 no peso
Faixa peso
categoria
0 a 949g
=1
950 a 1349g
=2
1350 a 1750g
=3
(referência)
Observar que o IC (0,890 ; 5,092) para a
RC contém o 1.
Quando o 1 está incluído na RC é um
indicativo que as chances são iguais.
Por isso não deu significativo (p-valor =
0,089)

p
1, 992  2 , 940 X 1  0 , 756 X 2
e
1  e 1,992  2,940 X1 0,756 X 2
X1 representa o peso de 0 a 950 gramas
X2 representa o peso de 950 a 1350 gramas
X1
1
0
0
X2
0
1
0
0 a 949g
950 a 1349g
1350 ou mais
Regressão Logística
Bruta
Somente uma variável independente
é considerada na análise
Ajustada
Mais de uma variável independente
é considerada na análise
Análise Bruta
Exemplo 2: Arquivo 2_pressão.sav
Pressao
0 = pressão normal
1 = pressão alta
Sexo
1 = masculino
2 = feminino
Peso
(em kg)
tabagismo
1 = não fuma
2 = fumante
Variáveis independentes
Variável dependente
Análise Bruta
(é a análise de cada variável independente com a dependente)
1º) PRESSÃO x SEXO
Informar a categoria
que será a referência
para comparação:
LAST
escolher categoria referência para comparação
Sexo
1 = masculino
2 = feminino
Interpretação dos outputs
Interpretação dos outputs
Existe uma associação (significativa)
entre o sexo e a pressão
Exp(B) é a razão de chance
Sexo
1 = masculino
2 = feminino
Razão de chance em percentual:
(RC -1) x 100
= (0,426 -1) x 100
= -57,4%
Interpretação: A chance de um homem ter
pressão arterial alta é 57,4% menor do que
quando comparado com o grupo feminino.
Tabela cruzada para analisar a prevalência
Através da estatística descritiva construir uma tabela cruzada
de sexo e pressão:
Analyze
Descriptive Statistics
Crosstabs ...
Incluir a porcentagem por linha (por gênero)
A
prevalência
de
pressão alta é menor
no sexo masculino.
Chances de
pressão alta em
cada gênero:
128
 0,98462
130
199
 2,31395
86
a chance de ter pressão alta no sexo feminino é maior em relação ao sexo
masculino.
Devemos escolher uma das categorias para ser a referência de comparação.
Usualmente, toma-se para referência a categoria que tem menor chance
(menor problema com a doença)
199
Razão de chances: 86  2,31395 2,350
128 0,98462
130
2,35 é a RC (razão de chances) no
SPSS apresentado como Exp(B)
Interpretação: A chance de um mulher ter pressão arterial alta é 2,35 vezes maior
do que um homem. (ou 135% maior)
Aqui foi considerado como referência o sexo MASCULINO
Execução no SPSS
considerando o sexo Masculino (1) como referência para comparação
Informar a categoria
que será a referência
para comparação:
FIRST
escolher categoria referência para comparação
Sexo
1 = masculino
2 = feminino
Interpretação dos outputs
Existe uma associação (significativa)
entre o sexo e a pressão
Exp(B) é a razão de chance
Razão de chance em percentual:
(RC -1) x 100
= (2,350 -1) x 100
= 135%
A significância da associação
independe de qual categoria
é usada como referência.
Sexo
1 = masculino
2 = feminino
Interpretação: A chance de um mulher ter pressão arterial alta
é 2,35 vezes maior do que um homem. (ou 135% maior)
2º) PRESSÃO x PESO
Interpretação dos outputs
Existe uma associação (significativa)
entre o peso e a pressão
Razão de chance em percentual:
(RC -1) x 100
= (1,094 -1) x 100
= 9,4%
Interpretação: A cada kg a mais que a pessoa tem,
a chance de ter pressão alta aumenta 9,4%.
OU
A cada kg a mais que a pessoa tem, a chance de ter
pressão alta aumenta 1,094 vezes.
A INTERPRETAÇÃO DA RAZÃO DE CHANCE SÓ PODE SER FEITA QUANDO FOR
SIGNIFICATIVA (ver p-valor e Intervalo de Confiança da RC – O número 1 não
deve fazer parte do IC. Obs.: 1 na RC representa a MESMA CHANCE)
3º) PRESSÃO x TABAGISMO
tabagismo
1 = não fuma
2 = fumante
Categoria referência
É usual o grupo não exposto ao problema, ou o que
não recebeu o tratamento, chamado grupo controle,
ser considerado o grupo de referência para
comparação.
Interpretação dos outputs
3º) PRESSÃO x TABAGISMO
Interpretação dos outputs
A associação entre tabagismo e pressão
não é significativa.
O 1 está incluído no IC
da razão de chances.
Razão de chance em percentual:
(RC -1) x 100
= (0,755 -1) x 100
= 24,5%
Interpretação: A chance de um fumante ter pressão
arterial alta é 24,5% menor do que quando
comparado ao grupo de não-fumantes.
A INTERPRETAÇÃO DA RAZÃO DE CHANCE SÓ PODE SER FEITA QUANDO FOR
SIGNIFICATIVA (ver p-valor e Intervalo de Confiança da RC – O número 1 não deve
fazer parte do IC. Obs.: 1 na RC representa a MESMA CHANCE)
Sobre o teste de Hipótese:
H0: não existe associação
H1: existe associação
Relembrando:
A associação entre tabagismo e pressão
não é significativa.
Se eu rejeitar H0 (dizer que existe associação entre tabagismo e pressão), a probabilidade de
eu errar minha conclusão é de 0,40 (p-valor).
Quando este valor é alto (usualmente acima de 0,05 – nível de significância arbitrado, Aceitase H0.
Conclusão: Os dados da amostra não mostraram evidência estatística de que há uma
associação significativa entre tabagismo e a pressão.
A variação encontrada foi casual, justificada pelo processo de amostragem.
Apresentação do Resultado da Análise Bruta
Apresentação do Resultado da Análise Bruta
associação significativa
pressão x sexo
associação significativa
pressão x peso
associação não significativa
pressão x tabagismo
O 1 indica a categoria de referência
usada na comparação.
Análise Ajustada
A partir da análise bruta, constatamos que apenas as variáveis Sexo e Peso
estão associadas significativamente com a pressão.
associação significativa
pressão x sexo
associação significativa
pressão x peso
associação não significativa
pressão x tabagismo
O 1 indica a categoria de referência
usada na comparação.
O próximo passo é analisar conjuntamente as variáveis sexo e peso que foram
significativas na análise bruta.
Analyze
Regression
Binary Logistic ...
Informar a categoria
que será a referência
para comparação:
FIRST
Importante clicar em change
para a alteração ser realizada
Sexo
escolher categoria referência para comparação
1 = masculino
2 = feminino
Options
Marcar o Intervalo de Confiança
para a razão de chances exp(B)
Interpretação dos outputs
A associação entre sexo e pressão é
significativa e TAMBÉM associação
significativa entre Peso e pressão.
RC - Razão de Chances para sexo e peso
Coeficientes do modelo (β estimados)
CONFIRMAR
Interpretação: A cada kg a mais que a pessoa tem, a chance de ter pressão alta aumenta 10,5% OU A cada
kg a mais que a pessoa tem, a chance de ter pressão alta aumenta 1,105 vezes controlando o sexo.
A chance de um mulher ter pressão arterial alta é 2,98 vezes maior do que um homem. (ou 198% maior)
controlando o peso.
Interpretação dos outputs
Sexo
Coeficientes do modelo (β estimados)

p
6 , 472 1, 090 X 1  0 ,100 X 2
e
1  e 6, 472 1,090 X1 0,100 X 2
X1 representa o sexo
CONFIRMAR
1 = masculino
2 = feminino
X2 representa o peso (em gramas)
Apresentação do Resultado da Análise Ajustada
CONFIRMAR
Interpretação: A cada kg a mais que a pessoa tem, a chance de ter pressão alta aumenta 11% OU A cada
kg a mais que a pessoa tem, a chance de ter pressão alta aumenta 1,11 vezes controlando o sexo.
A chance de um mulher ter pressão arterial alta é 2,98 vezes maior do que um homem. (ou 198% maior)
controlando o peso.
Exercício: realizar uma regressão logística binária na base
de dados nutrição.sav
Variável dependente
0 = normal
1 = excesso peso
consumo consumo
leite
frutas
consumo
vegetais
consumo
chips
consumo
chocolate
Variáveis independentes
categorizadas como:
1 = baixo consumo
2 = consumo elevado
consumo
açúcar
consumo
Café manhã
Construir uma tabela cruzada para decidir qual categoria
será a referência (para comparação)
Analyze
Descriptive Statistics
Crosstabs ...
A prevalência de excesso de peso
é menor no consumo elevado
Chances de excesso
de peso em cada
consumo:
277
 0,401
691
85
 0,227
375
A não exposição ao problema geralmente é referência. Neste caso, para o consumo de
leite, o BAIXO CONSUMO seria a não exposição.
Isto diverge quando analisamos o consumo de frutas, pois a não exposição seria o
CONSUMO ELEVADO.
Optaremos para ser a referência o BAIXO CONSUMO em todas as variáveis
independentes.
Análise Bruta
(é a análise de cada variável independente com a dependente)
Variáveis
independentes
Consumo leite
Consumo frutas
Consumo vegetais
Chips
Chocolate
Açúcar
Café da manhã
Variável
dependente
IMC
categorizadas como:
1 = baixo consumo
2 = consumo elevado
categoria referência para comparação
Analyze
Regression
Binary Logistic ...
categorizadas como:
1 = baixo consumo
referência
2 = consumo elevado
Options
Output para a variável Consumo leite
A associação entre consumo de leite e IMC
é significativa.
(maior consumo aumenta o IMC)
RC - Razão de Chances para consumo de
leite e IMC
Razão de chance em percentual:
(RC -1) x 100
(0,565 -1) x 100
-43,5%
Interpretação: Uma pessoa que tem consumo de leite
elevado tem 43% menos de chance de excesso de peso
quando comparada a uma pessoa com baixo consumo.
Output para cada variável Independente
Frutas
associação não
significativa entre
consumo de frutas e IMC
Vegetais
associação não
significativa entre
consumo de vegetais e
IMC
Chips
associação significativa
entre chips e IMC
Output para cada variável Independente
Chocolate
associação significativa
entre consumo de
chocolate e IMC
Açúcar
associação significativa
entre consumo de açúcar
e IMC
Café da manhã
associação significativa
entre café da manhã e
IMC
Apresentação do Resultado da Análise Bruta
A partir da análise bruta, ao nível de 20% de significância (p-valor ≤ 0,20), constatamos que as
variáveis consumo de leite, chips, chocolate, açúcar e café da manhã estão associadas
significativamente com o aumento de IMC. CONFIRMAR
Análise Ajustada
(é a análise de todas as variáveis que foram significativas na análise bruta.
(p-valor ≤ 0,20)
O próximo passo é analisar conjuntamente as variáveis consumo de leite, chips,
chocolate, açúcar e café da manhã que foram significativas na análise bruta.
(p-valor ≤ 0,20)
Analyze
Regression
Binary Logistic ...
Consumo leite
Chips
Chocolate
Açúcar
Café da manhã
(significativas
pelo critério
p-valor ≤ 0,20)
1 = baixo consumo
2 = consumo elevado
Apresentação do Resultado da Análise Ajustada
Observa-se que na análise ajustada apenas o consumo de leite foi significativo no aumento do
IMC, ao nível de significância de 0,05.