Modelo de regressão logística

As análises univariadas foram realizadas a fim de identificar os potenciais preditores que possuem associação com a ocorrência do abandono, para que possam contribuir com a construção de um modelo capaz de explicar o desfecho investigado, o abandono do acompanhamento clínico ambulatorial especializado, a partir de um conjunto de variáveis independentes as quais os indivíduos estão expostos.

Para a construção do modelo de regressão logística foram selecionadas as variáveis que apresentaram um p valor menor que 0,20 e aquelas consideradas relevantes para o evento de interesse de acordo com a literatura científica. A partir desse critério foram selecionadas as seguintes variáveis independentes: idade na 1º consulta, estado civil, uso de álcool, uso de drogas ilícitas, uso de tabaco, antecedentes psiquiátricos, provável modo de transmissão,

motivo que levou a procura do diagnóstico, registros de acompanhamento irregular ou má adesão aos cuidados de saúde, última carga viral, contagem de linfócito T CD4+ inicial, tempo de TARV, uso exclusivo da TARV, uso regular da TARV, número de drogas no esquema e quantidade de comprimidos diários.

Para seleção das variáveis na regressão logística foi utilizado o método Backward, que é o procedimento de retirar, uma por vez, a variável de maior p valor, sendo esse procedimento repetido até que restem no modelo somente variáveis significativas, obtendo um modelo que seja capaz de explicar o evento de interesse. Para a seleção das variáveis foi adotado um nível de 5% de significância (α=0,05).

Na tabela 10, encontramos o modelo de regressão logística obtido a partir das considerações anteriores com as variáveis que foram significativas, especificando seus coeficientes, erros padrões, razões de chance (odds ratio - OR), intervalos de confiança e os valores p de cada variável significativa ao nível de 5%. O modelo de regressão logística final incluiu na análise 230 indivíduos, 10 foram retirados pela falta de informações (missing) e por esse motivo poderiam inviabilizar o modelo.

A partir do coeficiente das variáveis observou-se que a presença de antecedentes psiquiátricos é a única variável que aumentou o risco para a ocorrência do abandono, as demais variáveis, idade na primeira consulta, tomar menos de 4 comprimidos/dia e uso regular da TARV atuaram como fatores protetores para o desfecho, ou seja, evita a ocorrência do abandono.

Tabela 10 – Modelo de regressão logística para os fatores associados à ocorrência do abandono do acompanhamento clínico ambulatorial especializado por pessoas vivendo com HIV/Aids. João Pessoa, Paraíba, Brasil, 2015

Variáveis Coeficiente _padrão Erro Odds

ratio

Intervalo de Confiança

95% p valor* Idade na 1ª consulta (anos) -0,038 0,373 0,963 [0,933; 0,993] 0,018 Registro de antecedentes

psiquiátricos 1,092 0,357 2,981 [1,434; 6,196] 0,003 Tomar menos de 4

comprimidos/dia -0,655 0,301 0,520 [0,288; 0,937] 0,030 Uso regular da TARV -1,281 0,016 0,278 [0,138; 0,559] 0,000

R2 _{(Nagelkerke) 44,6%}

Teste de Hosmer-Lemeshow (p valor) 0,688

Fonte: Dados da pesquisa. João Pessoa, Paraíba, Brasil, 2015. *p valor significativo < 0,05

De acordo com o modelo encontrado, quanto mais jovem for o indivíduo na 1º consulta maior é a chance deste abandonar o acompanhamento clínico ambulatorial especializado, a odds ratio para a idade na 1º consulta aponta que para cada ano a mais de idade o risco de ocorrer o abandono dos cuidados em saúde reduz em aproximadamente 4%. No que se refere ao tratamento medicamentoso com a TARV observou-se que a terapia com menos de 4 comprimidos diários diminui em 48% o risco de abandono quando comparados aqueles que tomam um esquema com 4 comprimidos ou mais diariamente. Outro fator intrínseco à terapia medicamentosa que contribui para evitar a ocorrência do desfecho é a regularidade no uso da TARV, o modelo estima que esse uso regular diminua em 72,2% o risco para o usuário abandonar o acompanhamento clínico.

Um agravo incluído no modelo que foi considerado como fator de risco para a ocorrência do abandono do acompanhamento clínico ambulatorial são os casos em que há registro de antecedentes psiquiátricos, onde os indivíduos que apresentaram antecedentes psiquiátricos têm, aproximadamente, 3,0 vezes mais chances de abandonar o acompanhamento clínico quando comparados aqueles que não têm na sua história clínica antecedente de problemas psiquiátricos.

O R2 de Nagelkerke mostra que as variáveis incluídas no modelo alcançado (idade na 1º consulta, registros de antecedentes psiquiátricos, tomar menos de 4 comprimidos diários e uso regular da TARV) foram capazes de explicar aproximadamente 45% dos casos de abandono. Apesar de indicar um poder razoável de explicação do modelo, isso não o invalida. Corroborando para avaliar a qualidade do modelo adquirido o Teste de Hosmer- Lemeshow apresentou um p valor de 0,688 indicando que o modelo está bem ajustado, uma vez que não rejeitou a hipótese de nulidade.

O modelo pode ser avaliado, ainda, através da tabela de classificação e da área da curva ROC. De acordo com a tabela de classificação (Tabela 11) o modelo apresenta uma boa acurácia equivalente a 73,9% (Tabela 12). Quanto à curva ROC (Gráfico 2) observa-se que sua área foi igual a 0,714, considerado um valor razoável, sendo um importante indicador da precisão do modelo.

Tabela 11 – Tabela de classificação do modelo de acordo com a ocorrência do abandono do acompanhamento clínico ambulatorial especializado por pessoas vivendo com HIV/Aids. João Pessoa, Paraíba, Brasil, 2015

Classificação do modeloa

Classificação da amostra (real)

Total

Abandono Sim Não

Sim 36* 42 78

Não 18 134* 152

Total 54 176 230

Total de acertos 170

*Diagonal principal contendo os acertos do modelo, totalizando 170 (73,9%) indivíduos classificados corretamente.

a _{ponto de corte 0,260}

Tabela 12 – Indicadores de qualidade do ajuste do modelo de acordo com a curva ROC Qualidade do ajuste do modelo

Acurácia 73,9%

Sensibilidade 66,7%

Especificidade 76,1%

Área sob a curva ROC 0,714

I.C. a 95% para área sob a curva ROC [0,632; 0,796]

Legenda: I.C. (Intervalo de confiança)

Gráfico 2 – Área sob a Curva ROC para o modelo de regressão logística