Análise e discussão dos resultados – Tipo de Envolvimento

A regressão logística multinomial foi utilizada para estimar a probabilidade para cada uma das classes do tipo de envolvimento (peão, passageiro e condutor) em função de um conjunto de variáveis preditoras, sendo o modelo ajustado estatisticamente significativo (G² (16) = 1272,962 e p <0,001). As estimativas dos coeficientes do modelo preditivo para as variáveis X1 a X8, relativamente a classe de referência (peão), foram apresentadas nas tabelas (38) e (39). Os resultados para esse modelo devem ser interpretados de forma cuidada uma vez que a variável codificada como referência (peão) obteve um percentual de acerto de 4,8 % (ver tabela 40).

Apesar do modelo responder aos critérios estatísticos, sugere-se que um modelo de condutores (um condutor envolvido ou mais condutores envolvidos), deve ser efectuado isoladamente, uma vez que são identificados percentuais baixos de classificação em passageiros e peões, sugere- se um modelo isolado para essas variáveis, pois apresentam um alto número de vítimas fatais em especial os peões nos acidentes de natureza atropelamento de peões.

Na tabela (38), constata-se as variáveis preditoras que influenciaram a ocorrência do envolvimento de um sujeito (7052) como passageiro (1225 – 17,4 %) relativo a um peão (544 – 7,7 %) nas zonas em obras ou com obstáculos.

As chances de estar envolvido como um passageiro relativamente a um peão para a variável número total de envolvidos nos acidentes selecionados é 2,182. O que corresponde a uma variação percentual das chances de 118,2 % (2,182-1=1, 182 x 100 = 118,2 %) por cada envolvido. Relativamente as lesões, descreve-se que estar envolvido com danos materiais (ou ilesos) e lesões do tipo graves e leves (2493 + 239 + 4250 = 6982), ver tabela (3 e 21), comparativamente a uma vítima fatal (70), ver tabela (3 e 21), variável X2 (vítima fatal – não (0)), apresenta um

126

rácio de chances de estar envolvido como um passageiro relativamente a um peão de 8,588. Comparativamente as chances de estar envolvido como um passageiro aumenta em 758,8 % (8,588-1=7, 588 x 100 = 758,8 %), considerando-se que o primeiro grupo é maior frente ao número de vítimas fatais como passageiro.

Enquanto, estar envolvido como vítima fatal, ferido leve e danos materiais (ou ilesos) (70+4250+2493=6813), ver tabela (3 e 21), comparativamente a um ferido grave (239), ver tabela (3 e 21), variável X3 (ferido grave – não (0)), apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 4,197. Comparativamente as chances de estar envolvido como um passageiro aumenta em 319,7 % (4,197-1=3, 197 x 100 = 319,7 %), considerando-se que o primeiro grupo é maior frente ao número de feridos graves com envolvimento em despistes.

No que diz respeito a um sujeito estar envolvido no ambiente rural (fora das localidades - 2650), ver tabela (21), comparativamente a um sujeito no ambiente urbano (dentro das localidades - 4402), ver tabela (21), variável X4 (localização – dentro das localidades – Não (0)), apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 6,782. Comparativamente um sujeito no ambiente rural (fora das localidades) versus no ambiente urbano (dentro das localidades) aumenta as chances de um passageiro em 578,2% (6,782- 1=5,782 x 100 = 578,2%).

Relativamente, estar envolvido como um sujeito no desenvolvimento de um acidente no traçado em planta (curva - 1884) ver tabela (21), comparativamente a um sujeito no desenvolvimento de um acidente em traçado em planta (reta - 5168), ver tabela (21), variável X5 (traçado em planta (reta) – não (0)) apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 2,084. Enquanto, o envolvimento no desenvolvimento de um acidente no traçado em planta (curva) comparativamente a um sujeito no desenvolvimento de um acidente no traçado em planta (reta) aumenta as chances de um passageiro em 108,4 % (2,084-1=1, 084 x 100 = 108,4 %).

Ao mesmo tempo que, estar envolvido como um sujeito, em um ambiente com más condições de aderência (903+1038+55+16+39+344+36=2431), ver tabela (9 e 21), comparativamente a um sujeito em boas condições de aderência (4621), ver tabela (9 e 21), variável X6 (condições de aderência (seco e limpo), – não (0)) apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 1,535. As chances de envolvimento de um sujeito, em más condições de aderência comparativamente a um sujeito em boas condições de aderência aumenta as chances de um passageiro em 53,5 % (1,535-1=0, 535 x 100 = 53,5 %).

Estar envolvido como um sujeito nos demais veículos intervenientes no BEAV (D1) (6704), ver tabela (14 e 21), comparativamente a um automóvel pesado (348), ver tabela (14 e 21), X7 (automóvel pesado – não (0)), apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 5,983. As chances de um envolvimento nos demais

127

veículos intervenientes no BEAV comparativamente a um automóvel pesado aumenta as chances de um passageiro em 498,3 % (598,3-1=4,983 x 100 = 498,3 %).

Por fim, estar envolvido como um sujeito, em acidente durante o fim de semana (1813), ver tabela (5 e 21), comparativamente a um sujeito envolvido em um acidente durante a semana laboral (5239), ver tabela (5 e 21), variável X8 (durante a semana, – não (0)) apresenta um rácio de chances de estar envolvido como um passageiro relativamente a um peão de 2,763. As chances de envolvimento de um sujeito, durante o fim de semana comparativamente a um sujeito durante a semana laboral aumenta as chances de um passageiro em 176,3 % (2,763-1=1, 763 x 100 = 176,3 %).

Na tabela (39), constata-se as variáveis preditoras que influenciaram a ocorrência do envolvimento de um sujeito (7052) como condutor (5283 – 74,9 %) relativo a um peão (544 – 7,7 %) nas zonas em obras ou com obstáculos.

De acordo com o modelo preditivo a probabilidade de estar envolvido em um acidente, como um condutor relativamente a um peão, não é afectada significativamente pela variável número total de envolvidos nos acidentes selecionados (β = -0,030; P = 0,556), uma vez que essa variável apresenta um número significativo de um condutor (1167) envolvidos nos acidentes selecionados, ver tabela (4), em acidentes nas zonas obras. Sugere um modelo isolado para os acidentes envolvendo apenas um condutor por apresentar um número expressivo comparado com os outros envolvidos.

Relativamente as lesões, descreve-se que estar envolvido com danos materiais (ou ilesos) e lesões do tipo graves e leves (2493 + 239 + 4250 = 6982), ver tabela (3 e 21), comparativamente a uma vítima fatal (70), ver tabela (3 e 21), variável X2 (vítima fatal – não (0)), apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 7,243. Comparativamente as chances de estar envolvido como um condutor aumenta em 624,3 % (7,243-1=6,243x 100 = 624,3%), considerando-se que o primeiro grupo é maior frente ao número de vítimas fatais como condutor.

Enquanto, estar envolvido como vítima fatal, ferido leve e danos materiais (ou ilesos) (70+4250+2493=6813), ver tabela (3 e 21), comparativamente a um ferido grave (239), ver tabela (3 e 21), variável X3 (ferido grave – não (0)), apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 7,712. Comparativamente as chances de estar envolvido como um condutor aumenta em 671,2% (7,712-1= 6,712 x 100 = 671,2 %), considerando-se que o primeiro grupo é maior frente ao número de feridos graves com envolvimento em despistes.

No que diz respeito a um sujeito estar envolvido no ambiente rural (fora das localidades - 2650), ver tabela (21), comparativamente a um sujeito no ambiente urbano (dentro das localidades - 4402), ver tabela (21), variável X4 (localização – dentro das localidades – não (0)), apresenta um

128

rácio de chances de estar envolvido como um condutor relativamente a um peão de 6,124. Comparativamente um sujeito no ambiente rural (fora das localidades) versus no ambiente urbano (dentro das localidades) aumenta as chances de um condutor em 512,4% (6, 124-1=5, 124 x 100 = 512,4%).

Relativamente, estar envolvido como um sujeito no desenvolvimento de um acidente no traçado em planta (curva - 1884) ver tabela (21), comparativamente a um sujeito no desenvolvimento de um acidente no traçado em planta (reta - 5168), ver tabela (21), variável X5 (traçado em planta (reta) – não (0)) apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 1,592. Enquanto, o envolvimento no desenvolvimento de um acidente traçado em planta (curva) comparativamente a um sujeito no desenvolvimento em um traçado em planta (reta) aumenta as chances de um condutor em 59,2 % (1,592-1=0,592 x 100 = 59,2%).

Ao mesmo tempo que, estar envolvido como um sujeito, em um ambiente com más condições de aderência (903+1038+55+16+39+344+36=2431), ver tabela (9 e 21), comparativamente a um sujeito em boas condições de aderência (4621), ver tabela (9 e 21), variável X6 (condições de aderência (seco e limpo), – não (0)) apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 1,358. As chances de envolvimento de um sujeito, em más condições de aderência comparativamente a um sujeito em boas condições de aderência aumenta as chances de um condutor em 35,8 % (1,358-1=0,358x 100 = 35,8%).

Estar envolvido como um sujeito nos demais veículos intervenientes no BEAV (D1) (6704), ver tabela (14 e 21), comparativamente a um automóvel pesado (348), ver tabela (14 e 21), X7 (automóvel pesado – não (0)), apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 1,735. As chances de um envolvimento nos demais veículos intervenientes no BEAV comparativamente a um automóvel pesado aumenta as chances de um condutor em 73,5 % (1-1,735=0,735x 100 = 73,5%).

Estar envolvido como um sujeito, em acidente durante o fim de semana (1813), ver tabela (5 e 21), comparativamente a um sujeito envolvido em um acidente durante a semana laboral (5239), ver tabela (5 e 21), variável X8 (durante a semana, – não (0)) apresenta um rácio de chances de estar envolvido como um condutor relativamente a um peão de 1,833. As chances de envolvimento de um sujeito, durante o fim de semana comparativamente a um sujeito durante a semana laboral aumenta as chances de um condutor em 83,3 % (1,833-1=0,833x 100 = 83,3 %).

Por fim, para analisar o poder preditivo do modelo final, é possível calcular a curva de ROC para o modelo tipo de envolvimento.

Na figura (43) encontra-se o gráfico da curva de ROC para a probabilidade de célula estimada na categoria de resposta peão do modelo preditivo anteriormente desenvolvido.

129

O gráfico apresenta uma área abaixo da curva de 0,741, o que significa que há uma discriminação de sujeitos aceitável.

Figura 43- Curva ROC – Probabilidade de resposta da categoria peão.

Na figura (44), encontra-se o gráfico da curva ROC para a probabilidade de célula estimada na categoria de resposta passageiro do modelo preditivo desenvolvido.

130

O gráfico apresenta uma área abaixo da curva ROC de 0,641, o que significa que há uma discriminação de sujeitos.

Na figura (45), encontra-se o gráfico da curva ROC para a probabilidade estimada na categoria de resposta condutor do modelo preditivo anteriormente desenvolvido.

Figura 45- Curva ROC – Probabilidade de resposta da categoria condutor.

O gráfico apresenta uma área abaixo da curva de ROC de 0,541 o que significa que há uma discriminação de sujeitos.