A amostra final do presente estudo está apresentada na seção dos resultados e foi composta por 1.085 estudantes. Esse tamanho amostral tem um poder estatístico que permite identificar tamanhos do efeito maiores ou iguais a 0,08 em escores nas comparações entre intervenção e controle vs. tempo (linha de base e acompanhamento), considerando uma conservadora correlação intramedida de 0,1 (DE BOCK et al., 2013). Todas as estimativas de poder estatístico do tamanho amostral foram efetuadas utilizando o programa GPower® v.3.1 (http://www.gpower.hhu.de/) e consideram um poder estatístico aceitável quando maior ou igual a 80%, para um nível de significância de 5% em testes bicaudais.
3.8.2 Análises descritivas e inferenciais
As variáveis contínuas foram descritas com média e desvio padrão. Também, as diferenças médias e seus IC95% entre as medidas na linha de base e no acompanhamento ou entre intervenção e controle foram apresentados para essas variáveis. Estimativas do tamanho do efeito (effect size) foram realizadas para as variáveis contínuas, utilizando o programa Review Manager (http://tech.cochrane.org/revman). Variáveis categóricas foram descritas em frequências absolutas e relativas. As diferenças (linha de base vs. acompanhamento) nas prevalências e os IC95% para cada grupo também foram apresentadas.
Antes de aplicar os testes de hipóteses, a normalidade dos dados contínuos foi analisada mediante a combinação entre inspeção visual dos dados e avaliação da kurtosis e skewness (elevada quando ± 2) (GEORGE; MALLERY, 2002). O tempo semanal em AF total e por tipos de AF foram as variáveis dependentes com distribuição não- normal (kurtosis e skewness > ±2), e os dados dessas variáveis foram
log-transformados antes das análises inferenciais. Os valores brutos do tempo semanal em AF foram utilizados para fins descritivos.
As diferenças entre os grupos intervenção e controle para as variáveis na linha de base foram testadas por meio dos testes t de Student para amostras independentes e Qui-quadrado para dados contínuos e categóricos, respectivamente.
Para responder aos objetivos sobre o efeito do programa na AF e fatores associados à AF, modelos lineares generalizados foram construídos para identificar as diferenças intragrupos (acompanhamento vs. linha de base) e intergrupos (intervenção vs. controle) para as variáveis contínuas (como o tempo semanal em AF). Essas análises foram ajustadas pela escola, gênero, idade, classe econômica e IMC. O papel moderador do gênero (rapazes e moças) e da idade (11-13 anos e 14-18 anos de idade) foi testado. Caso houvesse interação entre gênero e o efeito da intervenção, ou entre grupo etário e efeito da intervenção (considerando p<0,10 para a possibilidade de interação) (LUBANS; MORGAN; CALLISTER, 2012), as análises por subgrupos dessas variáveis seriam efetuadas.
O teste de McNemar para amostras pareadas foi utilizado para identificação do efeito da intervenção, quando consideradas variáveis categóricas. Ainda, calculou-se o odds ratio de um estudante do grupa intervenção deixar de ser inativo fisicamente (passar nenhum minutos por semana de AF para um ou mais minutos de AF) e de passar a atender às recomendações de AF à saúde (passar a realizar 420 minutos ou mais de AF) após o acompanhamento, em comparação aos estudantes do grupo controle. Essa estimativa foi efetuada utilizando modelo de regressão logística, ajustada para os fatores de confusão previamente mencionados, bem como pelo desfecho na linha de base.
As análises de mediação simples e múltiplas foram efetuadas usando a extensão PROCESS v.2.12 macro para Windows (HAYES, 2013). O aspecto conceitual das análises está ilustrado na Figura 7. Os procedimentos estatísticos da abordagem do produto dos coeficientes a e b (MACKINNON; FAIRCHILD; FRITZ, 2007; MACKINNON; FAIRCHILD, 2009) foram adotados para identificar as variáveis mediadoras no presente estudo. O uso das variáveis em dados longitudinais foi realizado conforme recomendações de Cerin (2010). Esses procedimentos foram detalhados previamente, na revisão da literatura. O efeito direto total da intervenção no tempo semanal em AF no acompanhamento (controlado pelo tempo semanal em AF na linha de base e demais variáveis de controle) foi analisado inicialmente (coeficiente c). O efeito da intervenção no potencial mediador (ex.,
atitude para AF) no acompanhamento, controlado por essa variável na linha de base e demais variáveis de controle foi testada (coeficiente a). Testou-se a associação do potencial mediador com tempo semanal em AF no acompanhamento, controlado pela intervenção, pelas duas variáveis na linha de base e demais variáveis de controle (coeficiente b). O produto dos coeficientes a e b e o erro padrão desse produto (usando a técnica de bootstrapping resampling de 5000 vezes) foram estimados. Caso o valor do produto dos coeficientes a e b for estatisticamente significativo (ou seja, o IC95% não incluir zero), a mediação foi confirmada (CERIN, 2010). Os escores não padronizados dos coeficientes e a proporção mediada (razão do efeito indireto sobre o efeito total; ab/c) foram apresentados (CERIN, 2010).
Figura 7. Modelo conceitual da análise de mediação do presente estudo. Nota: AF: atividade física; INT vs. CON: grupo intervenção vs. grupo controle; IP potenciais mediadores intrapessoais (atitude para AF, autoeficácia para AF); EP: potenciais mediadores interpessoais (apoio dos amigos para AF, apoio dos pais para AF, apoio dos professores para AF); AMB: potenciais mediadores ambientais (segurança do bairro para AF, locais/equipamentos do bairro para AF, locais/equipamentos da escola para AF).
Fonte: próprio autor.
Essas etapas foram realizadas em modelos de mediação simples – um potencial mediador testado por vez. As variáveis que tiveram evidências de um papel mediador no efeito da intervenção na AF durante as análises de mediação simples foram inseridas em um modelo combinado (todos os mediadores com significância estatística nos modelos simples) (MACKINNON; FAIRCHILD, 2009). Não houve correlações elevadas entre os escores das escalas de fatores associados à
AF (valores de correlação de Spearman entre 0,10 e 0,20 entre a maioria das escalas), o que indicou não haver problemas de colinearidade e permitiu a inclusão das variáveis em modelos múltiplos, quando necessário (CERIN et al., 2010).
As análises foram realizadas nos programas IMB SPSS® v.21.0 (SPSS IBM Inc., Chicago, Estados Unidos) ou Stata® v.8.0 (Stata Corp LP, Estados Unidos). O nível de significância foi fixado em 5% para testes bicaudais.