Análise da saúde e a ocupação das mulheres no Brasil
Jussiane Gonçalves da Silva∗ Bernardo Lanza Queiroz†
Resumo
O trabalho foi desenvolvido a fim de verificar a relação entre o perfil de saúde, por meio da saúde auto-referida, e a posição no mercado de trabalho das mulheres brasileiras, com idades entre 18 e 60 anos. A base de dados utilizada foi a Pesquisa Nacional por Amostra de Domicílios (PNAD) de 2008, que fornece características ge-rais sobre a população brasileira e um suplemento sobre saúde. Para a realização da análise utilizou-se na modelagem a regressão logística, que é amplamente utili-zada para respostas categóricas, sendo aplicável ao caso em estudo, onde a resposta (saúde auto-referida) apresenta dois níveis (0-boa, 1-ruim) e assume-se ser proveni-ente da distribuição de Bernoulli(π).Em análise a literatura existproveni-ente, observamos que fatores, além da ocupação, como a idade, o sexo, a escolaridade, a renda, o estado civil, o local de residência e a cor/raça também influenciam na condição de saúde dos indivíduos. Logo, faz-se necessário o controle do estudo por essas variáveis, di-tas determinantes sociais da saúde. A hipótese central do trabalho é que a melhor condição de saúde está associada positivamente com os tipos de ocupação “mais ele-vados”. Acrescenta-se ainda que, apesar da inclusão dos determinantes sociais de saúde a título de controle, é possível captar a correlação entre o trabalho e a saúde, que apresenta variação de acordo com um setor ocupacional específico e o setor ocu-pacional de referência, como se observa por meio dos resultados e da conclusão final.
Palavras-chave: saúde, mulheres, mercado de trabalho, regressão logística, deter-minantes sociais de saúde.
∗Departamento de Estatística - UFMG
1
Introdução
A maior participação feminina no mercado de trabalho no Brasil intensifica-se a partir da década de 1970, caracterizando-se por mulheres jovens, geralmente solteiras e com baixo nível de escolaridade. Esse quadro se modifica ao longo das décadas de 1980 e 1990, dando espaço a mulheres mais adultas, casadas e com maior nível de educação. (Hoffmann e Leone, 2004). Alguns fatores justificam esse crescimento da população feminina no mercado de trabalho como, por exemplo, o advento da pílula, a queda das taxas de fecundidade, o maior nível de educacional, o crescimento econômico do país e, até mesmo, as mudanças de valores sociais e pessoais (Melo, 2004).
Os movimentos feministas no Brasil alteraram os padrões de comportamento e, con-sequentemente, introduziram uma nova identidade feminina, cada vez mais voltada para os trabalhos ditos produtivos; essa redefinição dos papéis sócio-familiares foi ainda fa-vorecida pelo maior acesso feminino ao ensino superior e pela redução da fecundidade, graças à adoção generalizada de métodos contraceptivos. Isto porque as mulheres mais escolarizadas e com nível socioeconômico mais elevado passaram a ter menos filhos, o que aumentou sua disponibilidade para o exercício de atividades econômicas (Costa, 1990; Bruschini e Lombardi, 1996; Wajnman, Queiroz e Liberato, 1998). Sob a ótica da demanda do mercado, a maior capacidade de absorção do mercado proporcionada pela crescente industrialização e urbanização dos anos de 1970, parece ter favorecido a in-corporação das mulheres como força de trabalho. Nos anos de 1980, por outro lado, a expansão dos guetos ocupacionais e das atividades do setor terciário impediu a exclusão das mulheres do mercado de trabalho a despeito das sucessivas crises ocorridas naquela década (Costa, 1990; Bruschini e Lombardi, 1996; Wajnman, Queiroz e Liberato, 1998).
Apesar desse aumento considerável da participação das mulheres no mercado de trabalho no Brasil, pouco se sabe sobre as consequências na saúde dessa população (Aquino et al., 1995). Do nosso conhecimento, não há grande número de trabalhos sobre o tema, bem como o fato de que a grande maioria dos estudos sobre a saúde feminina leva em conta somente aspectos sobre reprodução e/ou doenças ginecológicas. Burke (2002) argumenta que a maior parte da pesquisa sobre estresse e saúde no trabalho envolveu mulheres gerenciais e profissionais. Entretanto, há uma literatura emergente examinando a classe social e a saúde, às vezes incluindo medidas de status ocupacional e estresse no trabalho, que abrange uma maior variedade de ocupações. Burke (2002) ainda argumenta que as mulheres em empregos de status ocupacional menor tem menos satisfação no trabalho e mais custos emocionais e físicos saúde. Uma explicação reside nas experiências de trabalho relatadas por mulheres em empregos de baixo status.
A ocupação tem um grande efeito sobre a saúde das pessoas. A evidência empí-rica sobre isso é bem ampla, mas ainda há vários gaps na literatura para serem discuti-dos, em especial no caso do Brasil. O status ocupacional pode ter efeitos assimétricos nas transições de saúde - por exemplo, algumas ocupações podem estar associadas a probabilidades elevadas de piora de saúde, mas sem um aumento correspondente nas melhorias de saúde. Considere o extremo caso de mudanças de saúde irreversíveis. Os investimentos em saúde influenciados pelo trabalho profissional podem proteger ou mitigar a probabilidade de tais choques ocorrerem (e, assim, reduzir a probabilidade de transições de saúde para baixo), mas não terão efeito uma vez que tais choques ocorram (e, portanto, não estarão relacionados com a probabilidade de melhorias na saúde).
No caso do Brasil, Giatti e Barreto (2003) analisaram as idosas que permanecem no mercado de trabalho e verificam que essas tem condições de saúde melhores do que as aposentadas. Todavia, esse pode ser o fator que explica a permanência dessas mulhe-res no mercado de trabalho. Não há uma discussão detalhada sobre como a inserção no mercado de trabalho está associada a condição de saúde das mulheres. Outros pontos agregam valor ao estudo, como o fato de que as mulheres representam mais da me-tade da população brasileira e são as maiores responsáveis pelas utilizações do Sistema Único de Saúde (SUS), além de possuírem expectativa de vida mais elevada (que pode ser marcada por uma condição de saúde mais frágil), sendo que tais fatores estão direta-mente ligados ao desenvolvimento de políticas públicas no que tange a saúde da mulher e sua condição no mercado de trabalho.
Dessa forma, levando-se em consideração os apontamentos feitos anteriormente, este estudo foi desenvolvido a fim de verificar, de modo amplo, como se dá o impacto da ocupação na condição de saúde das mulheres brasileiras, levando-se em considera-ção, também, outros determinantes sociais de saúde.
2
Dados e Metodologia
Dados
Com o intuito de avaliar como o estado de saúde das mulheres brasileiras adultas varia de acordo com o setor ocupacional no qual a mulher está alocada, utilizou-se os dados fornecidos pela PNAD - Pesquisa Nacional por Amostra de Domicílios de 2008 do IBGE.
A PNAD é uma pesquisa realizada com periodicidade anual, dispondo de caracte-rísticas socioeconômicas e demográficas da população brasileira, englobando aspectos
sobre o trabalho, a educação, os rendimentos, a habitação, entre outros. A PNAD de 2008 disponibiliza também um suplemento sobre os acessos e utilizações dos serviços de saúde.
A amostra é composta de um total de 49910 mulheres, com idades entre 18 e 60 anos, que estavam ocupadas no período de referência de 365 dias, considerando somente os casos em que a própria mulher respondeu o questionário de saúde.
Entre as variáveis utilizadas neste estudo, considerou-se como resposta a saúde auto-referida (0 - boa; 1 - ruim). Quanto às covariáveis, considerou-se grupamentos ocupacio-nais do trabalho, com nove subcategorias:
Ocup. A: serviços em geral (baseline);
Ocup. B: dirigentes em geral;
Ocup. C: profissionais das ciências e das artes;
Ocup. D: técnicas de nível médio;
Ocup. E: serviços administrativos;
Ocup. F: vendedoras e prestadoras de serviço do comércio;
Ocup. G: trabalhadoras agrícolas;
Ocup. H: trabalhadoras da produção de bens e serviços e de reparação e manutenção;
Ocup. I: membros das forças armadas e auxiliares.
Outros determinantes sociais da saúde foram utilizados como preditores da condição de saúde, sendo eles as regiões do Brasil, onde o baseline é a região norte, a idade, a cor/raça, que é composta de brancas (baseline), negras, amarelas, pardas e indígenas, os grupamentos de escolaridade (baseline: menos de um ano de estudo), as horas traba-lhadas por semana no trabalho principal, a renda mensal do trabalho principal, o arranjo familiar, onde o baseline são as casadas e as outras categorias representam as mães e outros tipos de família, e o acesso a plano de saúde, onde o baseline é ter acesso a plano de saúde.
Dessa forma, a figura 1 apresenta algumas características dos dados utilizados no estudo, sendo possível verificar que a saúde auto-referida como boa está associada às idades mais jovens (onde a regressão logística se ajusta de modo bastante satisfatório), ao maior nível de escolaridade, à maior renda percebida por hora trabalhada e ao acesso a planos de saúde. Além disso, verifica-se um percentual mais acentuado da saúde auto-referida como boa para as mulheres do sudeste, sul e centroeste, em comparação com as mulheres das regiões norte e nordeste. Esse mesmo comportamento é observado para as mulheres brancas em relação às demais. Porém, a princípio não é possível verificar divergências relevantes entre as mulheres casadas, mães e outros tipos de família.
● ●● ● ● ●● ● ●●● ●●● ●● ● ●● ●● ● ●● ● ● ● ●● ● ●●● ● ●● ● ● ● ●● ●● 20 30 40 50 60 0.15 0.25 0.35 0.45 Idade % saúde a v aliada como r uim
% Saúde Auto−Referida como Ruim
● % saúde ruim ajuste reg. logística
A B C D E F G H I Saúde Ruim
Saúde Boa
% Saúde por Ocupação
Ocupação Proporção 0.0 0.2 0.4 0.6 0.8 1.0
Norte Sudeste Sul Saúde Ruim Saúde Boa
% Saúde por Região
Regiões do Brasil Proporção 0.0 0.2 0.4 0.6 0.8 1.0
Branca Amarela Indígena Saúde Ruim
Saúde Boa
% Saúde por Raça/Cor
Raça/Cor Proporção 0.0 0.2 0.4 0.6 0.8 1.0 1.2
0 anos 09−11 anos Sem Def. Saúde Ruim
Saúde Boa
% Saúde por Escolaridade
Escolaridade Proporção 0.0 0.2 0.4 0.6 0.8 1.0 P10 P30 P50 P70 P90 Saúde Ruim Saúde Boa
% Saúde por Percentis do Salário/Hr
Percentis Salário/Hr Proporção 0.0 0.2 0.4 0.6 0.8 1.0 Casadas Mães Saúde Ruim Saúde Boa
% Saúde por Arranjo Familiar
Arranjo Familiar Proporção 0.0 0.2 0.4 0.6 0.8 1.0
Possui Pl. Saúde Não Possui Pl. Saúde Saúde Ruim
Saúde Boa
% Saúde pelo Acesso a Pl. Saúde
Acesso a Plano Saúde
Proporção 0.0 0.2 0.4 0.6 0.8 1.0
Figura 1: Características do dados
Ao avaliar a saúde em relação aos grupos ocupacionais, verifica-se que, de modo geral, a maioria das mulheres de cada subclasse reportou a saúde como boa, sendo as proporções mais acentuadas para os grupos ocupacionais B, C, E e I. No sentido oposto, a proporção de mulheres que auto-referiram a saúde como ruim não se destoa tanto das que reportaram a saúde como boa para os grupos A (baseline), F, G e H.
Metodologia
A regressão logística revela-se um método muito utilizado para a modelagem de dados com resposta binária, inclusive, alguns pesquisadores dicotomizam suas respostas de modo a possibilitar a utilização da regressão logística na modelagem. A razão de muito se recorrer à regressão logística reside-se no fato de que os parâmetros do modelo possuem fácil interpretação, diferentemente dos outros modelos generalizados. Seguindo Paula (2004), a estrutura de um modelo de regressão logística múltipla é representada por:
log π(x) 1 − π(x) = β1+ β2x2+ · · · + βpxp, (1)
onde x = (1, x2, · · · , xp)T contém os valores observados de variáveis explicativas. Para
3
Resultados e Discussão
Considerando as descrições da seção anterior, ajustou-se inicialmente dois modelos para avaliar a relação entre a condição de saúde e ocupação das mulheres brasileiras. O primeiro modelo foi ajustado considerando todas as covariáveis já descritas.
Conforme é possível ver na tabela 1, a variável HrT/Sem. (número de horas traba-lhadas por semana) mostra-se não significativa, adotando-se um nível de 10% de sig-nificância, para explicar o perfil de saúde. Porém, sabe-se que a quantidade de horas trabalhadas influencia a qualidade da saúde dos indivíduos e, por essa razão, buscou-se uma forma de incorporar essa variável no estudo.
Então, para contornar a situação descrita no parágrafo anterior, ajustou-se um se-gundo modelo, onde foram retiradas as variáveis de renda e horas trabalhadas e incluiu-se um novo preditor, criado a partir desincluiu-ses dois últimos, que repreincluiu-senta o salário/hora (Salário/Hr) das mulheres dessa pesquisa, de modo a incorporar tanto o efeito da renda quanto do tempo no trabalho no estado de saúde das mulheres.
Ao se apurar o AIC para os dois modelos, apesar do AIC (52187.15) do segundo modelo ser maior do que o AIC (52092.26) do primeiro, é possível verificar o ganho obtido para a principal covariável do estudo, ou seja, a variável Ocupação, onde é possível perceber que, com a incorporação da variável Salário/Hr, algumas categorias tornam-se significativas. Logo, foi possível captar a diferença entre as diversas categorias em relação ao baseline (Ocup. A: trabalhadoras de serviços em geral), não sendo possível essa detecção na modelagem anterior.
Assim, em análise à tabela 2 que se refere ao segundo modelo ajustado, observa-se que não há diferença entre o perfil de saúde das mulheres que ocupam as categorias Ocup. F, Ocup. H e Ocup. I em relação à categoria base (Ocup. A), uma vez que os respectivos p-valores ultrapassam o nível de 10% de significância e, dessa forma, optou-se por incorporá-las ao baoptou-seline e ajustar um novo modelo.
A mesma estratégia foi adotada quanto às regiões do país, onde é possível verificar que não exite diferença entre o perfil de saúde das mulheres do nordeste em comparação com as mulheres do norte (baseline), fato já esperado, dado que essas duas regiões são as menos desenvolvidas do país.
Para a variável escolaridade, assim como ocorrido acima, não foi possível verificar diferenças relevantes entre as mulheres com escolaridade mal definida em comparação com as mulheres com menos de um ano de estudo e, por essa razão, optou-se por agrupá-las ao baseline.
Tabela 1: Model 1: Estimates, standard errors, z value and p value Estimate Std. Er. z value p value
Intercept -2.169 0.083 -26.08 0.000 Ocup. B -0.178 0.071 -2.52 0.012 Ocup. C -0.222 0.061 -3.62 0.000 Ocup. D -0.173 0.050 -3.45 0.001 Ocup. E -0.356 0.047 -7.52 0.000 Ocup. F -0.022 0.036 -0.62 0.537 Ocup. G 0.050 0.035 1.43 0.151 Ocup. H -0.021 0.039 -0.53 0.594 Ocup. I -0.394 0.476 -0.83 0.408 Nordeste -0.044 0.035 -1.27 0.205 Sudeste -0.469 0.038 -12.49 0.000 Sul -0.310 0.043 -7.25 0.000 Centroeste -0.176 0.044 -4.02 0.000 Idade 0.043 0.001 39.98 0.000 Negra 0.272 0.040 6.76 0.000 Amarela 0.512 0.149 3.45 0.001 Parda 0.215 0.025 8.54 0.000 Indígena 0.393 0.162 2.42 0.015 01-04 anos 0.077 0.043 1.81 0.071 05-08 anos -0.131 0.044 -2.99 0.003 09-11 anos -0.501 0.046 -10.83 0.000 12-14 anos -0.752 0.071 -10.61 0.000 15 anos + -0.838 0.072 -11.62 0.000 Sem Def. -0.131 0.143 -0.92 0.358 HrT/Sem. -0.000 0.001 -0.07 0.945 Renda -0.000 0.000 -12.19 0.000 Mães -0.076 0.027 -2.84 0.005 OTFam -0.093 0.040 -2.32 0.020 S/ P. Saúde 0.160 0.030 5.30 0.000
Apresentar-se-á, para o terceiro ajuste, a tabela com as estimativas e os desvios-padrão, a análise de resíduos e medidas de diagnóstico, a fim de avaliar a suposição da distribuição da resposta, outliers e a influência que possa ser exercida por pontos discrepantes, ou seja, em linhas gerais busca-se avaliar a performance do modelo.
Em análise à tabela 3, observa-se significância de todas as variáveis para explicar a condição de saúde das mulheres brasileiras, bem como todas as subcategorias mostram-se estatisticamente diferentes dos respectivos bamostram-selines, considerando qualquer nível de significância acima de 3.5%. Importante ressaltar também que o AIC desse modelo foi de 52181.31, apresentando redução em comparação com o segundo modelo ajustado.
Tabela 2: Model 2: Estimates, standard errors, z value and p value Estimate Std. Er. z value p value
Intercept -2.210 0.080 -27.71 0.000 Ocup. B -0.321 0.069 -4.65 0.000 Ocup. C -0.237 0.061 -3.87 0.000 Ocup. D -0.198 0.050 -3.95 0.000 Ocup. E -0.385 0.047 -8.15 0.000 Ocup. F -0.018 0.036 -0.51 0.607 Ocup. G 0.070 0.034 2.06 0.039 Ocup. H -0.029 0.039 -0.75 0.454 Ocup. I -0.566 0.475 -1.19 0.233 Nordeste -0.035 0.035 -1.00 0.318 Sudeste -0.476 0.038 -12.69 0.000 Sul -0.318 0.043 -7.45 0.000 Centroeste -0.188 0.044 -4.32 0.000 Idade 0.043 0.001 39.71 0.000 Negra 0.278 0.040 6.90 0.000 Amarela 0.493 0.148 3.33 0.001 Parda 0.221 0.025 8.76 0.000 Indígena 0.407 0.162 2.51 0.012 01-04 anos 0.078 0.043 1.82 0.069 05-08 anos -0.139 0.044 -3.17 0.002 09-11 anos -0.522 0.046 -11.30 0.000 12-14 anos -0.780 0.071 -11.03 0.000 15 anos + -0.936 0.072 -13.03 0.000 Sem Def. -0.138 0.143 -0.96 0.335 Mães -0.087 0.027 -3.24 0.001 OTFam -0.113 0.040 -2.82 0.005 S/ P. Saúde 0.187 0.030 6.23 0.000 Salário/Hr -0.025 0.003 -9.08 0.000
Precedente à análise de resíduos e diagnóstico, buscou-se avaliar a possível exis-tência de multicolinearidade entres os preditores por meio do VIF (Fator de Inflação da Variância) e, conforme se observa na tabela 4, o VIF para todas as covariáveis gira em torno de 1, excluindo a existência de indícios de multicolinearidade.
Quanto à análise de resíduos para o Modelo 3, verifica-se por meio da figura 2 que os resíduos componentes da função desvio não apresentam nenhum tipo de tendência, com variabilidade constante em torno de valores próximos de zero, indicando adequabilidade do modelo, com exceção apenas de alguns pontos que destoam da massa total.
Tabela 3: Model 3: Estimates, standard errors, z value and p value Estimate Std. Er. z value p value
Intercept -2.261 0.073 -30.97 0.000 Ocup. B -0.309 0.068 -4.56 0.000 Ocup. C -0.225 0.060 -3.76 0.000 Ocup. D -0.186 0.048 -3.88 0.000 Ocup. E -0.373 0.045 -8.24 0.000 Ocup. G 0.080 0.032 2.46 0.014 Sudeste -0.450 0.028 -16.13 0.000 Sul -0.293 0.034 -8.54 0.000 Centroeste -0.161 0.036 -4.51 0.000 Idade 0.043 0.001 39.93 0.000 Negra 0.279 0.040 6.95 0.000 Amarela 0.496 0.148 3.35 0.001 Parda 0.223 0.025 8.89 0.000 Indígena 0.412 0.162 2.54 0.011 01-04 anos 0.088 0.042 2.11 0.035 05-08 anos -0.128 0.043 -3.02 0.003 09-11 anos -0.513 0.045 -11.54 0.000 12-14 anos -0.773 0.070 -11.12 0.000 15 anos + -0.928 0.071 -13.13 0.000 Mães -0.086 0.027 -3.23 0.001 OTFam -0.113 0.040 -2.83 0.005 S/ P. Saúde 0.190 0.030 6.34 0.000 Salário/Hr -0.025 0.003 -9.12 0.000
Tabela 4: Fator de inflação da variância - VIF GVIF Df GVIF^(1/(2*Df)) Oucupação 2.74 5.00 1.11 Regiões 1.26 3.00 1.04 Idade 1.17 1.00 1.08 Raça/Cor 1.22 4.00 1.03 Escolaridade 2.95 5.00 1.11 Arranjo Familiar 1.06 2.00 1.01 Plano Saúde 1.30 1.00 1.14 Salário/Hora 1.55 1.00 1.24
Por meio da figura 3 é possível avaliar os candidatos a pontos de alavanca. Contudo, faz-se necessário esclarecer que, no caso de modelos lineares generalizados, os resí-duos e as medidas de diagnóstico perdem, de um modo geral, a essência atribuída no caso de modelos lineares, sendo todas essas medidas aproximações na busca de avaliar a performance do modelo.
Assim, caso a avaliação dos elementos hii seja realizada de modo análogo aos
mo-delos lineares, como todos os valores da diagonal da matriz de projeção H são inferiores a 0.2, chega-se à conclusão de que nenhuma das observações são pontos de alavanca.
Figura 2: Resíduos componentes da função desvio - M3
Entretanto, em uma análise do comportamento do gráfico, é possível observar que três valores, 0.1271 (h16660), 0.0768 (h20867)e 0.0544 (h32418), destoam-se dos demais. Assim,
ao se avaliar a possível influência dessas observações, por meio da distância de Cook generalizada, verifica-se que, de fato, elas não exercem impacto no modelo ajustado.
A última medida de diagnóstico é apresentada na figura 4, que representa a distância de Cook generalizada para a identificação de pontos influentes. De modo análogo aos esclarecimentos anteriores, tomando-se como referência os modelos lineares, chegar-se-ia à conclusão de que não há pontos influentes, uma vez que todos os valores estão abaixo de 0.8.
Entretanto, ao se avaliar o comportamento do gráfico apresentado na figura 4, fica evi-denciado que alguns pontos claramente destoam-se dos demais. Assim, observa-se dez pontos que mais se distanciam dos restantes, com valores acima de 0.002, sendo eles 0.0169, 0.0063, 0.0051, 0.0049, 0.0031, 0.0026, 0.0024, 0.0024, 0.0022 e 0.0022 repre-sentando, respectivamente, as observações 35405, 9252, 12251, 34322, 3004, 38131, 20608, 39542, 3738 e 28763 do banco de dados.
Figura 3: Pontos de Alavanca (hii)- M3
A tabela 5 apresenta as características dessas mulheres, em que a idade mínima foi de 23 anos e idade máxima de 55 anos, a maioria são mulheres brancas e casadas que possuem plano de saúde, sendo que todas declararam a saúde como ruim. Além disso, as mulheres que possuem, respectivamente, o menor e o maior salário/hora estão en-quadradas em cargos de dirigente em geral.
Tabela 5: Características observações influentes
Obs. Saúde Ocup. Região Idade Raça
35405 Ruim B Sudeste 53 Branca
9252 Ruim B Nordeste 55 Parda
12251 Ruim D Nordeste 42 Branca
34322 Ruim B Sudeste 48 Branca
3004 Ruim C Norte 54 Branca
38131 Ruim A Sul 50 Branca
20608 Ruim A Nordeste 52 Negra
39542 Ruim B Sul 23 Branca
3738 Ruim C Norte 39 Branca
28763 Ruim C Sudeste 26 Branca
Obs. Escol. A. Fam. Pl. Saúde Salário/Hora
35405 09-11 Casada Sim 233.33 9252 09-11 Casada Sim 145.83 12251 09-11 Casada Sim 130.67 34322 15 + OTFam Sim 132.58 3004 15 + OTFam Sim 108.89 38131 05-08 Casada Sim 96.83 20608 01-04 Casada Não 96.83 39542 09-11 Casada Não 87.50 3738 15 + Mãe Sim 93.33 28763 15 + OTFam Sim 90.74
Levando-se em consideração que essas mulheres de fato influenciam a modelagem, optou-se por realizar novamente o ajuste do modelo 3, com a exclusão dessas observa-ções, sendo que na tabela 7 observa-se a mudança percentual entre as estimativas dos modelos 3 e 4, onde é possível verificar mudanças de até 37% e, importante ressaltar também que, o AIC se reduz de 52181.31 para 52083.55.
A tabela 6 demonstra que todas as covariáveis são significativas para explicar a con-dição de saúde das mulheres brasileiras. Fato que se comprova ao se calcular o p-valor para os resíduos de Pearson, considerando a distribuição qui-quadrado, que foi de 0.6013, fornecendo evidências estatísticas de que o modelo está adequado, ao nível de
10% de significância.Além disso, o teste da razão de verossimilhança (TRV) conduz à mesma conclusão do parágrafo anterior, sendo que no TRV realiza-se a comparação entre o modelo completo com o modelo onde a resposta é explicada somente pelo inter-cepto.
A análise de resíduos para o Modelo 4 indica, por meio da figura 5, que os resíduos componentes da função desvio não apresentam nenhum tipo de tendência, com varia-bilidade constante em torno de valores próximos de zero, indicando adequavaria-bilidade do modelo, com exceção apenas de alguns pontos que destoam da massa total.
Tabela 6: Model 4: Estimates, standard errors, z value and p value, without influential points
Estimate Std. Er. z value p value
Intercept -2.248 0.073 -30.77 0.000 Ocup. B -0.294 0.068 -4.32 0.000 Ocup. C -0.208 0.060 -3.48 0.001 Ocup. D -0.176 0.048 -3.65 0.000 Ocup. E -0.369 0.045 -8.16 0.000 Ocup. G 0.067 0.032 2.08 0.038 Sudeste -0.447 0.028 -16.01 0.000 Sul -0.289 0.034 -8.43 0.000 Centroeste -0.155 0.036 -4.32 0.000 Idade 0.043 0.001 40.07 0.000 Negra 0.278 0.040 6.93 0.000 Amarela 0.500 0.148 3.38 0.001 Parda 0.223 0.025 8.86 0.000 Indígena 0.411 0.162 2.53 0.011 01-04 anos 0.088 0.042 2.12 0.034 05-08 anos -0.126 0.043 -2.97 0.003 09-11 anos -0.508 0.045 -11.43 0.000 12-14 anos -0.757 0.070 -10.88 0.000 15 anos + -0.891 0.071 -12.59 0.000 Mães -0.085 0.027 -3.16 0.002 OTFam -0.114 0.040 -2.84 0.005 S/ P. Saúde 0.182 0.030 6.08 0.000 Salário/Hr -0.032 0.003 -10.72 0.000
A figura 6 busca avaliar os possíveis candidatos a pontos de alavanca, chegando-se às mesmas conclusões quando da avaliação do modelo 3, ou seja, dados os esclareci-mento anteriores, conclui-se que nenhuma das observações são pontos de alavanca. Em relação à figura 7 e levando-se em conta os esclarecimentos anteriores, verifica-se para o modelo 4, em que já se excluiu os pontos influentes detectados na avaliação do modelo
3, que não existem pontos que venham a exercer influência relevante na modelagem, sendo possível notar somente dois pontos que estão próximos, mas abaixo de 0.02. A tabela 8 apresenta a razão de chances para cada covariável do modelo 4, bem como os respectivos intervalos de 95% de confiança. Um fator interessante referente à regressão logística reside na interpretação dos parâmetros.
Tabela 7: Influência de pontos discrepantes sobre os parâmetros Estimates Modelo 3 Modelo 4 Diferença %
Intercept -2.2611 -2.2441 -1% Ocup. B -0.3085 -0.2866 -7% Ocup. C -0.2246 -0.203 -10% Ocup. D -0.1864 -0.1701 -9% Ocup. E -0.3727 -0.3673 -1% Ocup. G 0.0796 0.0619 -22% Sudeste -0.4497 -0.4452 -1% Sul -0.2926 -0.2877 -2% Centroeste -0.1614 -0.1521 -6% Idade 0.0431 0.0435 1% Negra 0.2792 0.2771 -1% Amarela 0.4961 0.5026 1% Parda 0.2232 0.2226 0% Indígena 0.412 0.4101 0% 01-04 anos 0.0876 0.0881 1% 05-08 anos -0.1284 -0.1247 -3% 09-11 anos -0.5132 -0.5056 -1% 12-14 anos -0.7731 -0.7483 -3% 15 anos + -0.9281 -0.8754 -6% Mães -0.0862 -0.0843 -2% OTFam -0.1132 -0.1139 1% S/ P. Saúde 0.19 0.1781 -6% Salário/Hr -0.0252 -0.0345 37%
Dessa forma, em análise às razões de chances, pode-se argumentar, por exemplo, que a cada aumento de um ano na idade representa um aumento de 4% da chance da mulher brasileira reportar a saúde como ruim. De modo semelhante, observa-se que o aumento de uma unidade no salário/hora representa uma redução de 3% da chance da mulher no Brasil reportar uma saúde ruim. Em análise às mulheres que não pos-suem plano de saúde, verifica-se que essas pospos-suem 19% mais chances de auto-referir a saúde como ruim em relação àquelas mulheres que possuem plano de saúde. Quanto às regiões do Brasil, verifica-se que as mulheres das regiões sudeste, sul e centroeste detêm, respectivamente, 36%, 25% e 14% menos chances de reportar a saúde como
ruim em comparação com as mulheres do norte e nordeste do país.
Figura 5: Resíduos componentes da função desvio - M4
A análise entre raças permite observar que todas as categorias apresentam mais chances de auto-referir a saúde como ruim em relação às mulheres brancas, sendo os percentuais de 32% para as mulheres negras, 65% para as mulheres amarelas, 25% para as mulheres pardas e, finalmente, 51% para as mulheres indígenas. Logo, verifica-se que as indígenas e as negras possuem chances superiores a 50% de reportar a saúde como ruim, quando comparadas às mulheres brancas.
Quanto aos níveis de escolaridade, verifica-se que somente às mulheres que possuem entre um e quatro anos de estudos têm 9% mais chances de reportar a saúde como ruim em relação às mulheres com menos de um ano de estudo ou sem definição, enquanto que as demais possuem chances menores que as mulheres no baseline. Porém, para as mulheres entre um e quatro anos de estudo, essa comparação fica comprometida, pois não é possível saber o real nível de escolaridade das mulheres que não tinham a definição certa da quantidade de anos de estudo, bem como o intervalo de confiança da odds dessa subclasse quase abrange um.
Para o arranjo familiar, verifica-se que as famílias compostas por mães e outros tipos de família possuem, respectivamente, 8% e 11% menos chances de auto-referir a saúde como ruim em comparação com as mulheres casadas.
Figura 6: Pontos de Alavanca (hii)- M4
Tabela 8: Odds Ratio and 95% Confidence Interval Odds Ratio 2.5 % 97.5 % Intercept 0.11 0.09 0.12 Ocup. B 0.75 0.66 0.86 Ocup. C 0.82 0.73 0.92 Ocup. D 0.84 0.77 0.93 Ocup. E 0.69 0.63 0.76 Ocup. G 1.06 1.00 1.13 Sudeste 0.64 0.61 0.68 Sul 0.75 0.70 0.80 Centroeste 0.86 0.80 0.92 Idade 1.04 1.04 1.05 Negra 1.32 1.22 1.43 Amarela 1.65 1.23 2.20 Parda 1.25 1.19 1.31 Indígena 1.51 1.09 2.06 01-04 anos 1.09 1.01 1.18 05-08 anos 0.88 0.81 0.96 09-11 anos 0.60 0.55 0.66 12-14 anos 0.47 0.41 0.54 15 anos + 0.42 0.36 0.48 Mães 0.92 0.87 0.97 OTFam 0.89 0.82 0.96 S/ P. Saúde 1.19 1.13 1.27 Salário/Hr 0.97 0.96 0.97
Por fim, a comparação entre os grupos ocupacionais aponta que todos os grupos de ocupação possuem menos chances de reportar a saúde como ruim em comparação com o baseline, com exceção apenas da Ocup. G, que apresentou 6% mais chances de reportar a saúde como ruim. Entretanto, assim como esclarecido anteriormente, o intervalo de confiança da odds contém o valor um, ou seja, pode ser que não exista diferença entre esse grupo e o baseline ao se reportar a condição de saúde.
Então, após todas as análises realizada neste trabalho, considerando o modelo final adequado, pode-se utilizá-lo para estimar a probabilidade de uma mulher brasileira auto-referir a saúde como ruim, da seguinte maneira:
b
π = exp{ bβ
0X}
1 + exp{ bβ0X} (2)
onde X representa as covariáveis do modelo 4 e bβ são as estimativas dos parâmetros associados a X, que são apresentadas na tabela 6.
4
Considerações Finais
O trabalho desenvolvido nas páginas anteriores tinha como objetivo principal realizar uma análise da relação entre o estado de saúde e ocupação das mulheres no Brasil por meio da regressão logística, onde a condição de saúde foi medida pela saúde auto-referida, que é considerado um bom indicador do perfil de saúde dos indivíduos (Barros et al., 2009), e a ocupação foi reportada por meio de alguns subgrupos que abrangem diversos tipos de cargos, tendo como baseline as ocupações de serviços em geral, tendo sido agrupado também as trabalhadoras de serviços do comércio, da produção de bens e serviços de reparação e manutenção, das forças armadas e, também, apenas três casos de atividades mal definidas.
Em linhas gerais, foi possível verificar que, de fato, existem diferenças no perfil de saúde das mulheres de acordo com a função exercida no mercado de trabalho como, por exemplo, as mulheres que exercem serviços administrativos (Ocup. E ) ou são dirigentes em geral (Ocup. B) possuem, respectivamente, 31% e 25% menos chances de auto-referir a saúde como ruim se comparadas ao baseline.
Além de avaliar as divergências do perfil de saúde de acordo com o setor ocupacional, foi possível mensurar também o efeito de outras variáveis socioeconômicas no perfil de saúde das mulheres brasileiras, como a idade, a região do país, a raça, o arranjo familiar, a escolaridade, bem como o impacto da renda e a jornada de trabalho, medidas conjun-tamente por meio do salário/hora, e também o fato da mulher ter ou não um plano de saúde.
Em adição às contribuições deste estudo, citadas nos parágrafos anteriores, é impor-tante ressaltar que ainda que este trabalho tenha sido desenvolvido de modo muito amplo, já é possível ter uma noção do perfil de saúde da mulher brasileira que, atualmente, está mais inserida no mercado de trabalho, bem como este estudo pode ser visto como uma porta inicial para o desenvolvimento de pesquisas futuras mais aprofundados e acuradas neste campo.
Por fim, mas não menos importante, verifica-se que a regressão logística apresentou boa performance para a modelagem do conjunto de dados, principalmente após a de-tecção/exclusão de pontos influentes (mas que são passíveis de maiores investigações), conseguindo mensurar os efeitos das covariáveis e suas respectivas categorias para a avaliação do perfil de saúde das mulheres no Brasil.
5
Referências
Aquino, E. M., Menezes, G. M., & Amoedo, M. B. (1992). Gênero e saúde no Brasil: con-siderações a partir da Pesquisa Nacional por Amostra de Domicílios. Rev Saúde Pública, 26(3), 195-202.
Barros, M. B. D. A., Zanchetta, L. M., Moura, E. C. D., & Malta, D. C. (2009). Self-rated health and associated factors, Brazil, 2006. Revista de Saúde Pública, 43, 27-37.
Brant Morefield David C. Ribar Christopher J. Ruhm, 2012. "Occupational Status and Health Transitions,"The B.E. Journal of Economic Analysis Policy, Berkeley Electronic Press, vol. 11(3)
Burke, Ronald J. "Work stress and women’s health: Occupational status effects."Journal of Business Ethics 37, no. 1 (2002): 91-102.
Bruschini, Cristina, and María Rosa Lombardi. "O trabalho da mulher brasileira nos pri-meiros anos da década de noventa."Anais (2016): 483-516.
Chou, Yiing-Jenq, and Douglas Staiger. "Health insurance and female labor supply in Taiwan."Journal of Health Economics 20, no. 2 (2001): 187-211.
Giatti, Luana, and Sandhi M. Barreto. "Trabalho feminino e saúde na terceira idade."Ciência Saúde Coletiva 7 (2002): 825-839.
Hoffmann, R., & Leone, E. T. (2004). Participação da mulher no mercado de trabalho e desigualdade da renda domiciliar per capita no Brasil: 1981-2002. Nova economia, 14(2), 35-58.
IBGE, PNAD, and IBGE. "Pesquisa nacional por amostra de domicilios."(2008).
Paula, G. A. (2004). Modelos de regressão: com apoio computacional (pp. 28-55). São Paulo: IME-USP.
Ravesteijn, Bastian, Hans van Kippersluis, and Eddy van Doorslaer. "The contribution of occupation to health inequality."Health and inequality. Emerald Group Publishing Limited,
2013. 311-332.
Ravesteijn, Bastian, Hans van Kippersluis, and Eddy van Doorslaer. "The wear and tear on health: What is the role of occupation?."Health economics (2013).
Scorzafave, Luiz Guilherme, and Naércio Menezes-Filho. "Caracterização da participa-ção feminina no mercado de trabalho: uma análise de decomposiparticipa-ção."Economia Aplicada 10.1 (2006): 41-55.
Vidal, Renata de Queiroz Santana, and Annibal Muniz Silvany Neto. "Trabalhadoras brasileiras: características socioeconômicas e ocupacionais e perfil de saúde, Brasil, 2003."Rev Bras Saúde Ocup 34 (2009): 115-27.
Wajnman, Simone, Bernardo Lanza Queiroz, and Vânia Cristina Liberato. "O crescimento da atividade feminina nos anos noventa no Brasil."Anais (2016): 2429-2454.
