Análise dos dados

Todos os dados da prevalência do AM, variáveis maternas e condições de saúde do prematuro coletados no papel no M1 foram digitados no software Statistical Package for the

Social Sciences (SPSS) 21.0 por duas pessoas independentes e treinadas (dupla digitação). No

M2 estes dados foram coletados eletronicamente pelo aplicativo iForm no tablet e foram transferidos para o banco de dados do SPSS com as mesmas variáveis do M1. Para o controle de qualidade destes dados foi realizado a dupla digitação no SPSS dos dados do M1, uma análise descritiva prévia para identificar erros de digitação e outliers e, por fim, a análise e correções dos dados inconsistentes do banco de dados nos dois momentos (1 e 2).

Para a categorização das variáveis coletadas de forma descritiva no instrumento da prevalência utilizou-se como base as categorias presentes no estudo de Leite (2014), o qual utilizou o mesmo instrumento, com exceção da coleta aos seis meses de idade pós-natal do bebê. As variáveis descritivas relacionadas aos seis meses (facilidades e dificuldades enfrentadas no processo de amamentação) não foram categorizadas segundo o estudo de Leite (2014) por não incluir estas variáveis, sendo categorizadas neste estudo conforme critérios da pesquisadora.

A fim de diminuir a subjetividade da categorização de todos os dados descritivos realizada pela pesquisadora, enviou-se para três enfermeiras com expertise na área de neonatologia e metodologia qualitativa uma tabela contendo as categorias utilizadas e as respostas descritivas que foram inseridas em cada categoria, separados em hospitais intervenção e controle. As enfermeiras convidadas sugeriram algumas mudanças de respostas para outra categoria e de ampliação de algumas categorias, o que foi acatado pela pesquisadora conforme pertinência. Após a adaptação das mudanças sugeridas, a nova categorização foi reenviada às enfermeiras convidadas a fim de concordarem com a versão final.

Nesta pesquisa, optou-se por utilizar o prematuro como a unidade de análise e, portanto, todas as análises descritivas consideraram o número total de prematuros participantes em cada período e em cada hospital. Cada prematuro tinha um instrumento de coleta de dados individual e as informações maternas nos prematuros gemelares e trigemelares foram repetidas nos instrumentos e no banco de dados.

Assim, todos os bebês participantes desta pesquisa foram compilados em um único banco de dados, ou seja, os prematuros do hospital intervenção e do hospital controle em ambos os momentos de coleta (M1 e M2), totalizando 162 prematuros no ponto de coleta da alta hospitalar, 160 prematuros no ponto de coleta durante o primeiro mês após a alta, e 153 prematuros no ponto de coleta aos seis meses de vida.

Foi realizado também a identificação dos dados faltantes no banco de dados e a realização da imputação única desses dados. A realização da imputação de dados foi realizada apenas para as variáveis selecionadas para a análise de regressão logística. Na variável contínua (número de consultas de pré-natal) os valores faltantes foram substituídos pela média do grupo ao qual ele pertencia (intervenção ou controle no M1 ou M2); e para as variáveis categóricas (renda mensal da família e presença de dificuldades para amamentar durante a hospitalização), os valores imputados foram aqueles mais prevalentes no grupo pertencente (moda). Não foi realizado imputação dos dados nas variáveis de desfecho (tipo de AM no primeiro mês após a alta e aos seis meses de vida) deste estudo, considerando perdas de seguimento dos participantes. Estratégias para lidar com os dados faltantes de um estudo podem aumentar o tamanho efetivo do conjunto de dados e permitir a inclusão de mais preditores no modelo (HARREL, 2001). Os métodos de imputação única apresentam ganhos nos resultados em relação à análise de casos completos, apesar desse método poder reduzir a variabilidade amostral por imputarem valores centrais da distribuição para os participantes com dados faltantes (LITTLE; RUBIN, 2002).

Optou-se por utilizar a imputação única de acordo com a proporção de dados faltantes nas variáveis, segundo Harrel (2001), que define o uso da imputação única ou a análise somente dos dados completos se a proporção dos dados faltantes for menor ou igual a 0,05; uso da imputação única sem problemas ou a imputação múltipla para proporção entre 0,05 a 0,15; e uso da imputação múltipla para proporções maiores ou iguais a 0,15. No caso deste estudo, as três variáveis imputadas (número de consultas de pré-natal, renda familiar e complicações no AM durante a hospitalização) apresentaram proporção menor que 0,15 (variando de 0,02 a 0,12), o que justifica o uso da imputação única (HARREL, 2001) para os dados faltantes.

Inicialmente foram examinados a distribuição das principais características sociodemográficas, maternas e neonatais por meio da análise descritiva das variáveis coletadas no instrumento da prevalência do AM, variáveis maternas e condições de saúde dos prematuros. Para a descrição dos resultados das variáveis categóricas foram utilizadas distribuições de frequências e para as variáveis quantitativas, média, mediana, desvio-padrão e valores mínimo e máximo.

Para testar a homogeneidade dos hospitais em relação às variáveis de caracterização (comparações intragrupos e intergrupos) foram realizados teste Qui-quadrado ou teste Exato de Fisher para as variáveis categóricas e teste de Mann-Whitney para as variáveis contínuas.

Para responder os objetivos de comparar hospitais e momentos de coleta em relação à prevalência do AME e ainda identificar os preditores do AME em prematuros, foi realizado modelo de regressão logística com efeitos aleatórios, bruto e ajustado.

A escolha para a regressão logística com efeitos aleatórios se deu pelo fato de se manter todos os bebês gemelares (21 gêmeos) e trigemelares (3 trigêmeos) na amostra. Assim, para controlar as medidas repetidas das mães por razão da gemelaridade dos bebês, foi utilizado o modelo de regressão logística com efeitos aleatórios pertencentes à classe dos modelos GEE (Generalized Estimating Equations). A comparação entre os fatores prognósticos quanto ao AME foi feita através deste modelo, o qual representa a relação não linear entre a variável resposta e as covariáveis (DAVIDIAN; GILTINAN, 1995), com o auxílio do software Statistical Analysis

System (SAS) 9.2.

Além disso, para as análises de regressão logística, o desfecho “tipo de alimentação láctea” foi dicotomizado em AME (incluindo o AMP, o qual não oferece outros tipos de leite além do materno apesar do bebê poder receber água, bebidas à base de água, suco de frutas, medicamentos e xaropes) e não AME (AM ou não AM ou AM com alimentação complementar ou não AM com alimentação complementar) na alta hospitalar, no primeiro mês pós-alta e aos

seis meses de idade pós-natal dos prematuros. Optou-se por manter o AME e o AMP na mesma categoria pois em ambos, os bebês só recebem leite humano e por haver pouca frequência do AME na amostra deste estudo.

A escolha das variáveis neonatais e maternas para a inclusão na regressão bruta foi baseada na prática clínica e na vasta literatura sobre o tema (PINEDA, 2011b; AZEVEDO; CUNHA, 2013; MAMEMOTO et al., 2013; BRIERE et al., 2014; MAASTRUP et al., 2014b; ERICSON et al., 2016; LUZ, 2016; WILSON et al., 2017). As variáveis neonatais selecionadas para a regressão univariada foram idade gestacional (dias); peso ao nascer (gramas); peso na alta hospitalar (gramas); duração da internação (dias) e presença de patologias e/ou complicações de saúde durante o período de hospitalização do bebê. Outras variáveis neonatais como o tempo de uso de suporte ventilatório e oxigenoterapia, idade da primeira alimentação láctea do prematuro, o início da amamentação (primeira mamada no peito para se alimentar), a idade pós-natal e corrigida e o peso na ocasião do início da amamentação não foram incluídos como covariáveis a serem analisadas por se entender que estas variáveis são altamente correlacionadas à idade gestacional, ao peso ao nascer e às patologias e complicações ocorridas durante a hospitalização, optando por utilizar estas últimas três variáveis nas análises. Quanto às variáveis maternas e obstétricas, foram investigadas idade materna; nível de escolaridade da mãe; estado civil; renda familiar; mãe trabalha fora de casa; experiência prévia no AM; tipo de gestação (única ou múltipla); e se houve dificuldades em amamentar seu filho durante o período de hospitalização. Além destas, também foram incluídas as variáveis hospital (intervenção e controle) e momento de coleta (M1 e M2) e a interação entre ambas na regressão logística.

Paralelamente foi realizada a matriz de correlação (coeficiente de correlação de Sperman para as variáveis contínuas e teste Qui-quadrado para as variáveis categóricas) no software SPSS 21.0 para as variáveis previamente escolhidas a fim de avaliar a presença de colinearidade. Nenhuma das variáveis obteve alta correlação nesta amostra e assim, todas as variáveis escolhidas foram mantidas no modelo de regressão logística.

Para a análise ajustada foram escolhidas apenas as variáveis que apresentaram p≤0,25 no modelo de regressão bruta. As regressões bruta e ajustada com efeito aleatório foram realizadas no software SAS 9.2.

Portanto, os softwares utilizados nas análises deste estudo foram o SPSS 21.0 e SAS 9.2. Para todas as análises adotou-se um nível de significância de 5%.

Para responder ao objetivo referente à comparação de adesão às diretrizes da IHAC-Neo nos dois hospitais e nos dois momentos de coleta, foram apresentadas a adesão aos Dez Passos,

Três Princípios Norteadores e ao Código contidos na IHAC-Neo nos dois hospitais e nos dois momentos de coleta no mesmo hospital por meio de gráficos. Os escores de adesão parcial e global dos Dez Passos, escores de adesão parciais e global dos Três Princípios Norteadores e o escore de adesão ao Código são fornecidos pela própria ferramenta de coleta eletrônica (HAIEK, 2012).

O escore global dos Dez Passos é a somatória dos escores parciais; e o escore global dos Três Princípios também é a somatória dos escores dos Princípios 1, 2 e 3. Para se obter o percentual de adesão multiplicou-se o escore obtido por 100, quando o escore máximo é 1 (parciais dos Dez Passos – Passo 1 a 10, parciais dos Três Princípios Norteadores – Princípio 1 a 3 e Código), enquanto que o percentual de adesão global foi calculado pela média desses percentuais parciais.

Devido impossibilidade da realização de testes estatísticos, uma vez que se considera como unidade de análise da adesão às diretrizes da IHAC-Neo o hospital em que está sendo investigado (neste estudo, apenas dois hospitais participantes), foi realizado apenas a comparação descritiva das mudanças nos escores de adesão aos Dez Passos, Três Princípios Norteadores e ao Código entre os momentos 1 e 2 (M1 – M2) no hospital intervenção e no hospital controle.