• Nenhum resultado encontrado

Efeitos do tabagismo na demanda por consultas médicas

N/A
N/A
Protected

Academic year: 2018

Share "Efeitos do tabagismo na demanda por consultas médicas"

Copied!
51
0
0

Texto

(1)

UNIVERSIDADE FEDERAL DO CEARÁ - UFC

PÓS-GRADUAÇÃO EM ECONOMIA

CAEN

MESTRADO PROFISSIONAL EM ECONOMIA

SÉRGIO BASTOS DE CASTRO

EFEITOS DO TABAGISMO NA DEMANDA POR CONSULTAS

MÉDICAS

(2)

SÉRGIO BASTOS DE CASTRO

EFEITOS DO TABAGISMO NA DEMANDA POR CONSULTAS

MÉDICAS

Dissertação apresentada ao curso de Mestrado Profissional em Economia da Universidade Federal do Ceará como parte dos requisitos para a obtenção do título de mestre em economia. Orientador: Prof. Dr. Ricardo Brito Soares

(3)

Dados Internacionais de Catalogação na Publicação Universidade Federal do Ceará

Biblioteca de Pós Graduação em Economia - CAEN

C353e Castro, Sérgio Bastos de

Efeitos do tabagismo na demanda por consultas médicas / Sérgio Bastos de Castro. – 2012. 49f. il. color., enc. ; 30 cm.

Dissertação (Mestrado Profissional) – Universidade Federal do Ceará, Programa de Pós Graduação em Economia, CAEN, Fortaleza, 2012.

Orientação: Prof. Dr. Ricardo Brito Soares

1. Tabagismo 2. Consultas médicas 3. Economia da saúde I. Título.

(4)

SÉRGIO BASTOS DE CASTRO

EFEITOS DO TABAGISMO NA DEMANDA POR CONSULTAS

MÉDICAS

Aprovada em ___/___/_____

BANCA EXAMINADORA

_________________________________________

Prof. Dr. Ricardo Brito Soares (Orientador)

Universidade Federal do Ceará

UFC

_________________________________________

Prof. Dr. Sérgio Aquino de Souza

Universidade Federal do Ceará - UFC

_________________________________________

Prof. Dr. Marcelo de Castro Callado

(5)

À minha mãe, Sandra, por sempre acreditar em mim.

À minha esposa, Adriana, pelo seu amor e companheirismo.

(6)

AGRADECIMENTOS

À minha mãe, por sempre ter sido zelosa para com seus filhos, sempre incentivando nossos estudos.

Ao Prof. Dr. Ricardo Brito, orientador desta dissertação, por todo empenho, sabedoria, e disponibilidade.

A todos os meus amigos e amigas que sempre estiveram presentes e me incentivando.

Aos meus familiares que sempre me deram força, valorizando meus potenciais.

À Secretaria do Planejamento e Gestão por incentivar a formação contínua do seu quadro de funcionários.

À minha esposa, Adriana, por tudo. Pelo seu companheirismo, apoio, amizade e amor. Te amo!

(7)

RESUMO

Este estudo tem como objetivo avaliar os efeitos do tabagismo na demanda por consultas médicas. Foram utilizados os dados da Pesquisa Nacional por Amostra de Domicílios – PNAD de 2008 realizada pelo Instituto Brasileiro de Geografia e Estatística – IBGE. No presente trabalho, os indivíduos foram separados em categorias: fumantes (estes, em duas subcategorias: intensivos e não intensivos), ex-fumantes e nunca fumantes, buscando-se investigar a relação entre consumo de tabaco e a quantidade de consultas médicas realizadas no período de um ano. Foi utilizado o número de consultas médicas realizadas como variável dependente e variáveis de natureza socioeconômicas, variáveis relacionadas à saúde e outras associadas ao tabagismo como independentes. Foi possível verificar pela análise descritiva e pelo modelo de contagem Binomial Negativo Inflacionado de Zeros que não houve diferença significativa entre fumantes e nunca fumantes quanto ao número de consultas médicas demandadas e que, em relação aos ex-fumantes, observou-se que estes demandam mais consultas médicas do que aqueles que nunca fumaram. Além disso, foi analisada a influência de outros fatores no número de consultas.

(8)

ABSTRACT

This study aims to evaluate the effects of smoking on the medical appointments demand, it was used the data of Household Sample Survey - PNAD 2008 by the Brazilian Institute of Geography and Statistics - IBGE. In this work, subjects were separated into different categories: smokers (which were separated in two subcategories: intensive and non-intensive), former smokers and never smokers. It was investigated the relationship between tobacco consumption and the number of medical appointments in one year. It was used the number of medical consultations as dependent variable and variable of socioeconomic kind, health related outcomes associated with smoking and other independents. It was noted by analysis and Zero-Inflated Negative Binomial count model that was not found significant difference between smokers and never smokers on the number of medical appointments. In relation to former smokers, it was observed that these require more medical visits than those who never smoked. In addition, it was analyzed the influence of other factors in the number of queries.

(9)

LISTA DE GRÁFICOS

Gráfico 1 - Distribuição do número de consultas realizadas pelos indivíduos da

amostra ... ... 32

Gráfico 2 - Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de renda per capita (salários mínimos) ... ... 33

Gráfico 3 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por sexo, zona de residência e cor de pele ... ... 34

Gráfico 4 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por variáveis associadas à saúde ... ... 35

Gráfico 5 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de idade... ... 36

Gráfico 6 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por fatores associados ao tabagismo ... ... 37

Gráfico 7 - Comparação entre os Modelos de Contagem através do Teste entre o Observado e Estimado – Modelo 1 ... ... 39

Gráfico 8 – Comparação entre os Modelos de Contagem através do Teste entre o Observado e Estimado – Modelo 2 ... ... 39

(10)

LISTA DE TABELAS

Tabela 1 – Percentual de indivíduos com 15 anos ou mais de idade, conforme o uso de tabaco fumado, por sexo – Brasil 2008. ... 28

Tabela 2 – Distribuição de fumantes por faixa etária ... 29

Tabela 3 – Percentual de fumantes por classes de renda familiar per capita ... 29

Tabela 4 – Distribuição de características dos indivíduos quanto ao uso de cigarro por zona de residência, estado de saúde, plano de assistência médica, doença

crônica e uso de remédio diário ... 30

Tabela 5 – Percentual de fumantes, ex-fumantes, e nunca fumantes com plano de assistência médica, doença crônica e uso de medicamento diário ... 31

Tabela 6 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de renda per capita (salários mínimos) ... 32

Tabela 7 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por sexo, zona de residência e cor de pele ... 33

Tabela 8 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por variáveis associadas à saúde ... 34

Tabela 9 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de idade... 36

Tabela 10 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por fatores associados ao tabagismo ... 37

Tabela 11 – Teste Akaike (AIC) e Bayesian (BIC) entre os Modelos de Contagem 40

Tabela 12 – Teste de Vuong ... 41

Tabela 13 – Demanda por Consultas Médicas – Modelo Binomial Negativo

(11)

LISTA DE FIGURAS

(12)

LISTA DE ABREVIATURAS

AIC – Akaike Information Criterion BIC – Bayes Information Criterion

IBGE – Instituto Brasileiro de Geografia e Estatística

NBRM – Negative Binomial (Modelo de Regressão Binomial Negativo) OMS – Organização Mundial da Saúde

PETab – Pesquisa Especial de Tabagismo

PMR – Poisson (Modelo de Regressão de Poisson) PNAD – Pesquisa Nacional por Amostra de Domicílios

ZINB – Zero Inflated Negative Binomial (Modelo Binomial Negativo Inflacionado de Zeros)

(13)

SUMÁRIO

1. INTRODUÇÃO ... 12

2. ESTUDOS RELACIONADOS AO TEMA ... 15

3. METODOLOGIA ... 18

3.1 Modelos de Contagem ... 18

3.2 O Modelo de Regressão de Poisson (PRM) ... 18

3.3 O Modelo de Regressão Binomial Negativo (NBRM) ... 19

3.4 Excesso de zeros ... 20

3.5 O Modelo de Poisson Inflacionado de Zeros (Zero Inflated Poisson - ZIP) .... 21

3.6 O Modelo Binomial Negativo Inflacionado de Zeros (Zero Inflated Negative Binomial - ZINB) ... 22 3.7 Escolha de Modelos ... 23

4. DESCRIÇÃO DOS DADOS E VARIÁVEIS ... 25

5. ESTATÍSTICAS DESCRITIVAS ... 28

6. RESULTADOS ... 38

6.1 Escolha do Modelo ... 38

6.2 Análise dos Resultados ... 41

7. CONSIDERAÇÕES FINAIS ... 46

(14)

1. INTRODUÇÃO

São diversos os estudos que se preocupam em estimar os custos relacionados ao tabagismo. O relatório da Organização Mundial da Saúde – OMS sobre a epidemia global de tabagismo, de 2008, elenca alguns desses custos, classificando-os como tangíveis e intangíveis.

Na categoria de custos tangíveis, segundo o relatório da OMS, tem-se: assistência à saúde (serviços médicos, prescrição de medicamentos, serviços hospitalares, etc.); perda de produção devido à morte e adoecimento e à redução da produtividade; aposentadorias precoces e pensões; incêndios e outros tipos de acidentes; poluição e degradação ambiental; e pesquisa e educação e, como custos intangíveis: a morte de fumantes e não fumantes; e o sofrimento dos fumantes, não fumantes e seus familiares.

CHALOUPKA & WARNER (1999), em uma análise do custo social provocado pelo tabaco, citam que a comunidade de saúde pública tem argumentado que o tabagismo impõe altos custos para a sociedade e que os fumantes devem arcar com o ônus destas despesas. Classifica ainda tais custos em três categorias: custos médicos diretos (prevenção, diagnóstico e tratamento de doenças decorrentes do fumo); custos médicos indiretos (redução de produtividade de trabalho associada ao tabagismo); e mortalidade (relacionada com a perda de ganhos futuros devido a mortes prematuras).

Discorrem ainda acerca de outros custos, como tratamento de vítimas de queimaduras de incêndios provocados por cigarros; cuidados extras pré-natais de gestantes tabagistas; doenças decorrentes do fumo passivo; o fumo como potencializador de problemas para fumantes que possuem alguns tipos de doenças (diabetes e HIV, por exemplo), recuperação mais lenta após algum tipo de cirurgia, uso precoce dos benefícios previdenciários e assistenciais, dentre outros.

(15)

prática em alguns setores dos EUA, onde companhias punem financeiramente os indivíduos que possuem hábitos tabagistas.

Em notícia veiculada em 1 de dezembro de 2011 pelo sítio eletrônico do jornal Estadão1, sobre a maior taxação para fumantes em seguro saúde, pode-se

confirmar este fato:

“A imposição de penalidades financeiras a empregados dobrou nos últimos

anos, chegando a 19% de 248 grandes empresas americanas pesquisadas. Segundo a consultoria Towers Watson, responsável pelo levantamento, a prática deve dobrar novamente no ano que vem entre as companhias que têm mil ou mais funcionários.

Empresas como Home Depot, PepsiCo e General Mills já tomaram a decisão de cobrar prêmios de seguro maiores de alguns grupos de trabalhadores. A varejista Walmart adicionou uma cobrança extra de até US$ 2 mil por ano no seguro-saúde para os funcionários fumantes.”

Esse número crescente de empregadores privados e públicos estão exigindo dos funcionários que fazem uso de tabaco uma cobrança de prêmios maiores em seguros de saúde, na esperança de que isto vai motivar que alguns deles parem de fumar e, com isto, os custos de cuidados de saúde possam ser reduzidos. Dentre outras companhias que adotam tal prática, ou que estão em fase de projeto, destacam-se Meijer, Gannett, American Financial, Pepsi e General Mills.

Além dessas, alguns estados norte-americanos estão também sobretaxando os seus funcionários públicos fumantes, segurados das respectivas operadoras de seguro saúde por eles mantidos. Cita-se como exemplo os estados: Carolina do Norte, Kentucky, Virgínia Ocidental, Alabama e Geórgia.

Essa preocupação com custos excessivos decorrentes do consumo do tabaco, no que se refere à demanda por serviços de assistência médica, deve também estar presente na gestão de risco das companhias de seguro-saúde, no que se refere aos custos decorrentes de uma maior utilização de serviços de assistência médica.

(16)

A preocupação da gestão de risco dessas companhias pode focar nas seguintes perguntas: fumantes demandam mais consultas médicas, ou qualquer tipo de serviço de assistência à saúde, do que aqueles que nunca fumaram? Em que nível de intensidade? E quanto aos ex-fumantes, o mesmo ocorre?

Com isso, este trabalho tem como objetivo avaliar os efeitos do tabagismo na demanda por consultas médicas, utilizando-se, como base, a Pesquisa Nacional por Amostra de Domicílios – PNAD de 2008, realizada pelo Instituto Brasileiro de Geografia e Estatística – IBGE. No estudo, os indivíduos foram separados em categorias: fumantes, diários (estes, em subcategorias: intensivos e não intensivos) e não diários; ex-fumantes, diários e não diários; e nunca fumantes.

Por meio de modelos econométricos, buscou-se investigar a relação entre consumo de tabaco e a quantidade de consultas médicas realizadas no período de um ano. Foi escolhido como variável dependente o número de consultas médicas realizadas no último ano por cada indivíduo, e, como variáveis independentes, além daquelas relacionadas ao consumo de cigarros, outras variáveis socioeconômicas que, possivelmente, influenciam na demanda por consultas médicas.

Desta forma, a presente dissertação encontra-se subdividida da seguinte maneira:

(17)

2. ESTUDOS RELACIONADOS AO TEMA

Dentre os trabalhos que tiveram como objetivo relacionar fatores individuais à utilização de serviços de saúde, verificou-se, em alguns deles, a existência de variável explicativa associada ao tabagismo. Faz-se uma breve exposição de alguns desses estudos.

JEE et al. (1993) observaram a utilização por serviços médicos entre fumantes, não fumantes e ex-fumantes por meio de dados coletados da Pesquisa de Saúde Nacional da Coréia, a partir de 1989. Concluíram que a utilização de serviços hospitalares e ambulatoriais entre os ex-fumantes foram maiores, não havendo, no entanto, diferença significativa em utilização de serviços hospitalares e ambulatoriais entre fumantes e não fumantes.

IZUME et al. (2001) se propuseram a quantificar o excesso de uso de serviços médicos associados ao tabagismo através de dados de beneficiários do Seguro Nacional de Saúde do Japão. No estudo verificaram que fumantes do sexo masculino tiveram custos médicos 11% maior do que os que nunca fumaram, mas para mulheres fumantes e não fumantes os custos foram quase os mesmos.

BERTAKIS & AZARI (2006) buscaram associar os fatores de risco comportamentais individuais e os respectivos custos médicos relacionados, examinando os efeitos relativos à obesidade, abuso de álcool e tabagismo sobre a utilização de cuidados de saúde e os encargos financeiros decorrentes. Utilizaram como variáveis independentes: IMC, álcool (Alcoolismo), tabaco (Tabagismo), Estado de Saúde e, como variáveis dependentes, o número de atendimentos ambulatoriais, consultas médicas especializadas, visitas ao departamento de emergência, internações e exames laboratoriais. Concluíram os autores que a carga econômica decorrente do consumo de cigarros é significativa e sugeriram que os gestores de instituições de saúde deveriam investir em programas de prevenção e abandono do hábito tabagista.

(18)

Pesquisa Nacional de Saúde e de Exames de 1999-2004, de uma amostra de 15.332 adultos. Confirmaram que os ex-fumantes que pararam de fumar nos últimos dois anos têm mais visitas médicas-hospitalares do que os que nunca fumaram. Por meio de uma regressão logística encontraram que os atuais fumantes e os ex-fumantes que pararam de fumar a menos de dois anos ou a mais de dez anteriores à pesquisa tem uma probabilidade maior de ter internação em relação aos que nunca fumaram. Não houve diferença significativa quanto às consultas ambulatoriais entre os fumantes e os não fumantes, embora, para os fumantes, haja uma probabilidade maior de se ter quatro ou mais visitas ambulatoriais (super utilização). Quanto aos ex-fumantes, observou-se uma maior probabilidade de consultas do que os não fumantes, observado o mesmo para a super utilização.

No âmbito nacional, destacam-se os seguintes estudos:

CAPILHEIRA & SANTOS (2006), por meio de um estudo de base populacional, na cidade de Pelotas-RS, buscaram identificar características individuais associadas à maior probabilidade de consultar o médico e o fazer em excesso. Constataram, por meio de regressão de Poisson, que, quanto ao tabagismo, os ex-fumantes apresentaram uma probabilidade 12% maior de se realizar uma consulta médica, para o período em análise, em comparação aos que nunca fumaram e que não houve diferença significativa entre os fumantes atuais e os não fumantes.

COSTA et al. (2008) também objetivaram analisar os fatores associados à realização de consultas médicas na cidade de Pelotas-RS. Na análise, consideraram fatores socioeconômicos, demográficos, presença de doenças crônicas e distúrbios psiquiátricos, estado nutricional, tabagismo, consumo de bebidas alcoólicas, e internação. Por meio de regressão de Poisson, verificaram que os homens fumantes tinham uma probabilidade maior de se realizar consultas médicas. No entanto, quanto às mulheres fumantes, esta probabilidade era 10% menor em relação às mulheres que nunca fumaram.

(19)
(20)

3. METODOLOGIA

3.1 Modelos de Contagem

Os modelos de Regressão Lineares são projetados para lidarem com variáveis dependentes contínuas pertencentes ao intervalo ( , ). Infelizmente

este padrão raramente é aplicado com dados de natureza qualitativa e categórica, muito comuns no campo da Economia da Saúde, onde, por exemplo, poderia ter-se como variável dependente, para um determinado indivíduo, o número de: consultas médicas, internações, cigarros fumados, acidentes, em um determinado período de tempo.

Os modelos de contagem são mais apropriados para estes tipos de dados cuja variável dependente é um número inteiro não negativo.

Os modelos de contagem possuem diversas aplicações no âmbito da economia, especialmente na economia da saúde. A estimação da demanda por serviços de saúde é um exemplo da utilização destes modelos, que tem como finalidade entender os determinantes socioeconômicos que levam indivíduos a consultarem um profissional de saúde. (URIBE, 2008)

3.2 O Modelo de Regressão de Poisson (PRM)

Conforme JONES (2005), a distribuição de Poisson é uma distribuição univariada e fundamental para se compreender os Modelos de Contagem. Destaca-se que a média da sua distribuição é igual a sua variância, característica esta chamada de equidispersão.

Seja y uma variável aleatória que indica o número de vezes que um

determinado evento ocorreu. Se y possui uma distribuição de Poisson, então

!

|

Pr

y

e

y

y

, para

y

0

,

1

,

2

,

...

, (1)

(21)

Pode-se entender o Modelo de Regressão de Poisson como a distribuição

de Poisson na qual cada observação pode assumir um valor diferente para ,

'

exp

|

i i

i

i

E

y

X

X

, ou seja,

!

|

i y i i i

y

e

x

y

f

i i

, para

y

i

0

,

1

,

2

,

...

. (2)

Apesar de o PRM ter uma estrutura bastante simples, o que facilita sua estimação, SILVA (2009) observa que, em dados de contagem, a hipótese de igualdade entre média e variância condicionais raramente é verificada, sendo mais comum a situação na qual a variância excede a média, ocasionada pela superdispersão dos dados, devidos à sua heterogeneidade decorrente das observações. Outra observação, feita pelo autor, é o problema denominado como excesso de zeros2, também causador de superdispersão. Os dois problemas justificam a busca por modelos alternativos que não imponham tais restrições.

3.3 O Modelo de Regressão Binomial Negativo (NBRM)

Conforme dito anteriormente, a distribuição de Poisson dificilmente ajusta-se aos dados de contagem devido à frequente ocorrência de superdispersão dos dados, isto é, da variância condicional ser superior à média condicional, subestimando assim a quantidade de dispersão.

Conforme JONES (2005), o Modelo de Regressão Binomial Negativo supera essa deficiência adicionando um parâmetro , que reflete a heterogeneidade não observada. Então,

y i

y

y

X

y

f

1 1

1 1

1

1

!

|

, para

0

,

1

,

2

,

...

i

y

, (3)

onde '

exp

i

i X

y e (.) é a função Gamma.

(22)

SILVA (2009) destaca que, embora o modelo de regressão Binomial Negativo seja adequado para modelar a superdispersão decorrente da heterogeneidade dos dados, ele nem sempre se mostra adequado para o mesmo quando à superdispersão é decorrente do excesso de zeros. Para este tipo de limitação tem-se como alternativa os Modelos de Regressão Inflacionados de Zeros.

3.4 Excesso de zeros

FUMES (2009) revela que o excesso de zeros provenientes de contagens nulas tem duas origens distintas. A primeira delas ocorre quando há falta de uma determinada característica presente na população, denominados zeros estruturais. Contextualizando com o presente estudo, seria o caso de se contabilizar zero no número de consultas médicas demandadas por uma determinada pessoa, nos últimos k meses, pelo fato de ela não ir nunca ao médico.

A segunda ocorre devido à ausência de determinada característica no período de estudo, denominados zeros amostrais. Paralelamente, seria o caso de se contabilizar zero para o número de consultas, agora pelo fato de essa pessoa não ter realizado nenhuma consulta médica nos últimos k meses, mesmo ela tendo o

hábito.

(23)

3.5 O Modelo de Poisson Inflacionado de Zeros (Zero Inflated Poisson - ZIP)

Para tratar a superdispersão gerada pelo excesso de zeros, o modelo ZIP atribui uma probabilidade pi para os zeros estruturais e uma probabilidade 1 – pi para os zeros amostrais. Assim, compondo estes dois processos:

,

1

,

,

0

~

|

i i i i i

p

ade

probabilid

com

Poisson

p

ade

probabilid

com

x

y

ou seja: i i

e

p

p

e

p

p

Y

P

i i i

i i

1

!

0

1

0

0 (4) e

.

!

1

)

(

i y i i i

y

e

p

y

Y

P

i i (5) Portanto,

.

1

,

!

1

0

,

1

|

y

para

y

e

p

y

para

e

p

p

x

y

f

i y i i i i i i i i i (6)

A esperança e a variância de yi são, respectivamente,

E(Y) = (1 -

p

i

)

i e

Var(Y) = i

(1

p

i

)(1 +

p

i i

).

Os estimadores i e

p

i são obtidos pelo método da máxima

(24)

3.6 O Modelo Binomial Negativo Inflacionado de Zeros (Zero Inflated Negative Binomial - ZINB)

O modelo ZINB, conforme disserta KOYAMA & NAKANE (2008), trata o problema da superdispersão combinando o duplo processo de geração dos valores nulos do ZIP com a inclusão de efeitos aleatórios.

De forma idêntica ao modelo ZIP, o modelo ZINB atribui uma probabilidade pi para os zeros estruturais e uma probabilidade 1 – pi para os zeros amostrais. Desta forma, o modelo também respeita a distinção entre os zeros estruturais e amostrais. Desta forma,

,

1

,

,

,

0

~

|

2 i i i i i

p

ade

probabilid

com

Negativa

Binomial

p

ade

probabilid

com

x

y

ou seja: k i i i i i

k

k

k

k

k

p

p

Y

P

0

0

1

0

k i i i

k

k

p

p

1

(7)

e

.

1

)

(

k i y i i i i i

k

k

k

k

k

y

p

y

Y

P

i (8) Portanto,

.

1

,

1

0

,

1

|

y

para

k

k

k

k

k

y

p

y

para

k

k

p

p

x

y

f

k i y i i i i k i i i i

i i (9)

A esperança e a variância de yi são, respectivamente,

E(Y) = (1 -

p

i

)

i e

Var(Y) = i

(1

p

i

)(1 +

p

i i +

k

i

(25)

Os estimadores i,

p

i e

k são obtidos pelo método da máxima

verossimilhança.

3.7 Escolha de Modelos

Para que seja adotado um modelo que melhor se ajuste aos dados é preciso levar em consideração a natureza dos mesmos. Caso não haja superdispersão dos dados, o modelo adequado é o de Poisson, devido a sua característica de igualdade entre média e variância. Mas, mesmo não havendo superdispersão, se é observado um excesso de zeros, prefere-se o modelo de Poisson Inflacionado de zeros.

No caso de se verificar superdispersão nos dados, a hipótese de igualdade entre média e variância não pode mais ser adotada, sendo a segunda superior à primeira. Prefere-se, neste caso, o modelo Binomial Negativo, mas, havendo excesso de zeros, o Modelo Binomial Negativo Inflacionado de Zeros é mais adequado. A figura 1 apresenta um fluxograma que ilustra esse processo de escolha do modelo.

Figura 1: Fluxograma para a seleção de um modelo de regressão de contagem

Fonte: Adaptado de Souza (2011)

Não Não

Existe excesso de zeros?

Utilizar o Modelo Binomial Negativo

Inflacionado de Zeros

Variável dependente apresenta superdispersão?

Existe excesso de zeros?

Utilizar o Modelo de Poisson Inflacionado de

Zeros Utilizar o Modelo

de Regressão Binomial Negativo

Utilizar o Modelo de Regressão

Poisson

Sim

Sim Sim

(26)

Alguns testes estatísticos auxiliam na tomada de decisão de escolha do modelo. Para essa a escolha, LONG & FREESE (2006) indicam a utilização de dois testes: 1) comparação gráfica entre observado e estimado; e 2) os critérios de informação AIC - Akaike Information Criterion e BIC –Bayes Information Criterion.

O método AIC consiste em examinar a qualidade do ajuste do modelo, levando em consideração também a sua complexidade – punindo-o pelo número de parâmetros – produzindo uma medida que pondera ambos. A estatística será melhor quanto menor for o seu valor, e é calculada por,

AIC = – 2 ln (L) + 2k,

onde L é o valor da função de máxima verossimilhança para o modelo estimado e k é o número de parâmetros no modelo.

O método BIC é semelhante ao anterior e também penaliza pelo número de parâmetros do modelo. É calculado por,

BIC = – 2 ln (L) + 2k ln (N),

onde N é o número de observações da amostra.

(27)

4. DESCRIÇÃO DOS DADOS E VARIÁVEIS

A base de dados utilizada neste trabalho foi extraída da Pesquisa Nacional por Amostra de Domicílios (PNAD) de 2008, realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE). A PNAD é uma pesquisa cuja base abrange todo o território brasileiro e reúne características gerais da população tendo por finalidade a coleta de informações para o suporte no estudo e desenvolvimento socioeconômico do país.

Trata-se de um sistema de pesquisas por amostra de domicílios que, por ter propósitos múltiplos, investiga diversas características socioeconômicas, umas de caráter permanente nas pesquisas, como as características gerais da população, de educação, trabalho, rendimento e habitação, e outras com periodicidade variável, como as características sobre migração, fecundidade, nupcialidade, saúde, nutrição e outros temas que são incluídos no sistema de acordo com as necessidades de informação para o País. (IBGE, 2009)

A PNAD vem sendo realizada ao longo de vários anos e, a cada ano, traz um suplemento sobre um tema específico. No ano de 2008, a saúde da população foi abordada como suplemento (conduzido também em 1998 e 2003) e, além disso, foi realizada uma pesquisa especial sobre o tabagismo, a Pesquisa Especial de Tabagismo – PETab. Na PNAD de 2008 foram pesquisadas 391.868 pessoas e 150.591 unidades domiciliares.

A PETab foi realizada em um terço dos domicílios da PNAD e, para estes, foi selecionada uma amostra de pessoas com 15 anos ou mais para responder a questões relacionadas ao uso do tabaco.

(28)

Embora a PETab contemplasse, suplementarmente, alguns itens voltados exclusivamente ao tabagismo, a pesquisa global abordava vários relacionados à saúde e alguns ao tabagismo, como: se a pessoa havia consultado algum médico nos últimos 12 meses, quantas vezes o havia feito, se possuía plano de saúde, se tinha contraído alguma doença grave e qual tipo, se era fumante, ex-fumante ou nunca havia fumado, se fumava diariamente e o número de cigarros fumados por dia, dentre diversos outros.

Para que seja estudada a influência das características individuais relacionadas ao número de consultas médicas realizadas nos últimos doze meses anteriores à pesquisa, adotou-se como variável dependente o número de vezes que o indivíduo foi ao médico no período citado (N_consult).

Como variáveis independentes estão aquelas associadas às características individuais. Como variáveis binárias, tem-se: possuir plano de saúde (Plano_saude), ter alguma doença crônica3 (doenca_cronic), fazer uso de remédio diário (Remedio_diar), sexo (homem), ser da raça branca (branco), ser da raça negra (negro), trabalhar (Trabalha), ser chefe de família (chefe_fam), residir em zona urbana (Urbana), como avalia seu estado de saúde, 1 para bom ou muito bom e 0 para regular, ruim ou muito ruim (Auto_BMb). Tem-se outras variáveis binárias associadas ao fumo: ser fumante, diário ou não diário (Fumant); ser ex-fumante, diário ou não diário (Ex_Fuma); ser fumante diário (Fuma_d), ser fumante não diário (Fuma_nd), ser ex-fumante diário (Ex_Fum_d), ser ex-fumante não diário (Ex_Fum_nd), ser fumante diário intensivo, definido como aquele que fuma mais de 10 cigarros por dia (Fuma_d_i), e ser fumante diário não intensivo, definido como aquele que fuma até 10 cigarros por dia (Fuma_d_ni). Outras três variáveis discretas são definidas no estudo: idade (Idade), anos de estudos (anos_estudos), renda familiar per capita (renda_fam_pc). Observe-se que, no presente estudo, considerou-se fumante aquele que faz uso de cigarro industrializado ou enrolado à mão (cigarro de palha), ex-fumante aquele que fez uso, no passado, de um desses dois tipos de cigarros, e nunca fumante, aquele que nunca fez uso de nenhum tipo de produto derivado do tabaco.

(29)
(30)

5. ESTATÍSTICAS DESCRITIVAS

Apresentam-se neste capítulo algumas estatísticas no tocante às relações das variáveis relacionadas ao fumo e das correspondentes à quantidade de visitas médicas com as demais variáveis do estudo. No tratamento dos dados, algumas linhas foram eliminadas por conterem campos vazios de informação (missing value)

relativo a qualquer variável utilizada no estudo4. Foram eliminadas também as linhas correspondentes às idades dos entrevistados inferiores a 15 anos e superiores a 99 anos, restando apenas aqueles com 15 a 99 anos de idade e as linhas correspondentes à renda familiar maior que R$ 100.000,00. Em seguida eliminaram-se as linhas correspondentes a usuários de tabaco distinto de cigarro industrializado e enrolado à mão5. Após esse tratamento restaram 275.875 observações.

De acordo com os dados da pesquisa, após o tratamento, 16,7% das pessoas de 15 a 99 anos de idade faziam uso do tabaco fumado (industrializado ou enrolado à mão), diariamente ou não, sendo desses 14,5% fumantes diários e 2,2%, ocasionais, conforme pode ser observado com mais detalhes na tabela 1.

Tabela 1 Percentual de indivíduos com 15 anos ou mais de idade, conforme o uso de tabaco fumado, por sexo Brasil 2008.

Condição de uso de tabaco fumado

Percentual de indivíduos de 15 anos ou mais de idade

Total Sexo

Homem Mulher

Fumante 16,7% 21% 12,5%

Fumante diário 14,5% 18,1% 10,8%

Fumante ocasional 2,2% 2,8% 1,7%

Nunca fumante 66,7% 59,6% 73,2%

Ex-fumante 16,8% 19,4% 14,3%

Ex-fumante diário 13,4% 16,1% 10,9%

Ex-fumante ocasional 3,4% 3,4% 3,4%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

4

Refere-se a qualquer campo de informação “em branco” em relação à condição de usuário de tabaco, ao número de cigarros fumados por dia, em casso de fumante diário, ao número de consultas médicas realizadas, se possui plano de saúde ou alguma das doenças crônicas descritas na nota de rodapé nº 3, cor de pele, se faz uso de medicamento diário, se trabalha, é chefe de família, reside em zona urbana ou rural, declaração de como avalia seu estado de saúde, idade, renda familiar, número de membros da família, e número de anos estudados.

(31)

A distribuição de fumantes, diários e ocasionais, segundo faixas etárias, pode ser observada na tabela 2, na qual se verifica que a maior parte dos fumantes (67,4%) está entre os que possuem de 25 a 54 anos de idade.

Tabela 2 Distribuição de fumantes por faixa etária

Faixa Etária Distribuição de fumantes

por faixa etária

15 a 24 anos 13,8%

25 a 34 anos 21,5%

35 a 44 anos 23,3%

45 a 54 anos 22,6%

55 a 64 anos 11,7%

65 a 74 anos 5,2%

75 a 84 anos 1,7%

85 a 99 anos 0,3%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Dentre as pessoas que se declararam de cor de pele ou raça branca, 15,1% eram fumantes contra 17,8% dos que se declararam de outra cor.

Em relação a renda per capita, quanto maior a for, menor o percentual de fumantes, diários e ocasionais, como pode ser verificado à Tabela 3.

Tabela 3 Percentual de fumantes por classes de renda familiar per capita

Rendimento (salários mínimos)6 Percentual

0 a 1/4 22,4%

Mais de 1/4 a 1/2 19,0%

Mais de 1/2 a 1 17,2%

Mais de 1 a 2 15,6%

Mais de 2 a 3 13,0%

Mais de 3 12,1%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Na distribuição dos dados, 83,6% correspondem a habitantes de zona urbana, dentre os quais 16,1% são fumantes com 16,6% de ex-fumantes, e 16,4%

(32)

são os residentes em zona rural, prevalecendo um percentual de 19,1% de fumantes com um de 17,7% para ex-fumantes.

No quesito estado de saúde, 27,6% declararam seu estado de saúde como regular, ruim ou muito ruim e 72,4% como bom ou muito bom. Nos que consideram sua saúde regular, ruim ou muito ruim, 19,7% são fumantes e 25,4% ex-fumantes. Para os que a declararam como boa ou muito boa, observa-se um percentual menor, com 15,4% de fumantes e 13,5% de ex-fumantes.

Em relação ao fato de possuir plano de saúde, verificou-se que 26,5% possuíam algum plano de assistência médica, observando-se, dentre estes, que 11,5% são fumantes e 16,7%, ex-fumantes. Quanto aos que não possuem plano de saúde (73,5%), 18,4% eram fumantes e 16,8%, ex-fumantes.

Daqueles que possuíam algum tipo de doença crônica (35,7%), 17,9% eram fumantes e 25,4% ex-fumantes. Dos que não tinham algum tipo destas doenças (64,3%), 15,8% eram fumantes e 11,9%, ex-fumantes.

Quanto aos que fazem uso de algum tipo de medicamento diário (24,8%) 14,9% estavam na categoria de fumante e 27,5% de ex-fumantes, enquanto os que não o faziam (75,2%), 17,1% eram fumantes e 13,2%, ex-fumantes.

Tabela 4 – Distribuição de características dos indivíduos quanto ao uso de cigarro por zona de residência, estado de saúde, plano de assistência médica, doença crônica e uso de remédio

diário

Classe

Tabagística Populacional

Zona de

residência Estado de Saúde

Plano de Assistência

Médica Doença Crônica Uso de Remédio Diário

Rural Urbana

Regular, Ruim, ou

Muito ruim

Bom ou Muito

bom Sem Com Sem Com Não Sim

Fumante 16,7% 19,1% 16,1% 19,7% 15,4% 18,4% 11,5% 15,8% 17,9% 17,1% 14,9%

Ex-fumante 16,8% 17,7% 16,6% 25,4% 13,5% 16,8% 16,7% 11,9% 25,4% 13,2% 27,5%

Nunca

fumante 66,7% 63,2% 67,4% 55,0% 71,2% 64,8% 71,8% 72,2% 56,7% 69,7% 57,7%

(33)

Observou-se que entre os fumantes 18,4% possuíam plano de assistência médica, 38,6% possuíam algum tipo de doença crônica e 22,2% faziam uso diário de algum tipo de medicamento. Para os ex-fumantes, 26,4%, 54,2% e 40,6% e, para os nunca fumantes, 28,6%, 30,4% e 21,4%, respectivamente.

Tabela 5 – Percentual de fumantes, ex-fumantes, e nunca fumantes com plano de assistência médica, doença crônica e uso de medicamento diário

Populacional Fumante Ex-fumante Nunca fumante Plano de Assistência Médica

Sem 73,5% 81,6% 73,6% 71,4%

Com 26,5% 18,4% 26,4% 28,6%

Doença Crônica

Sem 64,3% 61,4% 45,8% 69,6%

Com 35,7% 38,6% 54,2% 30,4%

Uso de Remédio Diário

Não 75,2% 77,8% 59,4% 78,6%

Sim 24,8% 22,2% 40,6% 21,4%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Quanto ao foco de interesse deste trabalho, influência dos fatores individuais na demanda por consultas médicas, principalmente aqueles relacionados ao uso do tabaco, destaca-se, a seguir, a descrição de algumas variáveis relacionadas com o número de visitas ao médico.

Segundo levantamento da PNAD, 67,7% dos entrevistados realizou consultas médicas nos últimos 12 meses anteriores à pesquisa, dentre os quais observou-se que, entre as mulheres, 76,1% se consultaram com médicos e, entre os homens, 58,8%.

(34)

Gráfico 1 - Distribuição do número de consultas realizadas pelos indivíduos da amostra 32.3 16.8 16.4 10.7 6.5 4.8 3.6 5.6 5.4 0 5 10 15 20 25 30 35

0 1 2 3 4 5 6 7 a 10 11 ou

mais

Número de consultas

P o rc en ta g em

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Como o objetivo deste estudo se baseia em identificação de características individuais que influenciam na frequência em que se realizam consultas médicas, procedeu-se um comparativo de diversos fatores individuais com essa quantidade de consultas.

Pode-se perceber que, em relação ao nível de renda per capita, há uma

tendência crescente para o número de consultas médicas realizada nos últimos 12 meses à medida que cresce o nível de renda, conforme pode ser observado na tabela 6 no gráfico 2.

Tabela 6 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de renda per capita (salários mínimos)

Número de Consultas 1 a 2 3 a 5 6 a 12 13 ou mais

Renda per capita (salários mínimos)

0 a ¼ 29,8% 17,4% 9,4% 2,2%

Mais de 1/4 a 1/2 31,2% 19,0% 10,5% 2,3%

Mais de 1/2 a 1 32,1% 20,6% 11,2% 2,8%

Mais de 1 a 2 33,3% 22,5% 11,6% 2,9%

Mais de 2 a 3 34,6% 23,8% 12,4% 3,4%

Mais de 3 34,4% 27,2% 14,5% 3,6%

Populacional 32,7% 21,3% 11,1% 2,5%

(35)

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

0 a 1/4 mais de 1/4 a 12 mais de 1/2 a 1 mais de 1 a 2 mais de 2 a 3 mais de 3 Populacional

Renda per capita(salários mínimos)

1 a 2 consultas 3 a 5 consultas 6 a 12 consultas 13 ou mais consultas

Gráfico 2 - Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de renda per capita (salários mínimos)

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Em relação a sexo, zona de residência, e cor de pele, observou-se, por análise gráfica, que há uma tendência de as mulheres demandarem mais consultas que os homens, os residentes de zona urbana superarem os de zona rural nesse número, não se percebendo diferença significativa entre brancos e negros.

Tabela 7 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por sexo, zona de residência e cor de pele

Número de Consultas 1 a 2 3 a 5 6 a 12 13 ou mais

Sexo

Homens 32,0% 17,2% 7,9% 1,7% Mulheres 33,4% 25,3% 14,2% 3,2%

Zona de Residência

Urbana 32,9% 22,0% 11,6% 2,7%

Rural 31,6% 17,6% 8,8% 1,5%

Cor de pele, raça

Branco 33,0% 22,6% 12,2% 3,1% Negro 31,5% 22,1% 12,0% 3,0%

Populacional 32,7% 21,3% 11,1% 2,5%

(36)

Gráfico 3 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por sexo, zona de residência e cor de pele

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

Homens Mulheres Urbana Rural Branco Negro Populacional

Características Individuais

1 a 2 consultas 3 a 5 consultas 6 a 12 consultas 13 ou mais consultas

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Em relação às variáveis associadas à saúde dos entrevistados, nota-se uma demanda por um maior número de consultas para os que possuem plano de assistência médica e doença crônica, os que fazem uso diário de algum tipo de medicamento, e os que declararam seu estado de saúde como regular, ruim ou muito ruim.

Tabela 8 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por variáveis associadas à saúde

Número de Consultas 1 a 2 3 a 5 6 a 12 13 ou mais Plano de Assistência Médica

Com Plano de Saúde 34,2% 27,7% 15,3% 4,0% Sem Plano de Saúde 31,9% 19,4% 10,1% 2,4%

Doença Crônica

Com Doença Crônica 29,0% 29,1% 20,0% 5,8% Sem Doença Crônica 34,5% 17,4% 6,7% 1,2%

Uso de Remédio Diário

Uso de Remédio Diário 25,3% 32,0% 26,0% 7,7% Sem Uso de Remédio Diário 34,9% 18,1% 6,7% 1,1%

Autoavaliação do Estado de Saúde

Regular, Ruim ou Muito ruim 26,7% 27,9% 21,2% 6,6% Bom ou Muito bom 34,8% 19,1% 7,8% 1,4%

Populacional 32,7% 21,3% 11,1% 2,5%

(37)

Note-se que dentre os que possuem doença crônica, os que tomam remédio diariamente e os que declararam seu estado de saúde como regular, ruim ou muito ruim, percebe-se uma baixa frequência em relação a um pequeno número de consultas (1 ou 2), mas essa frequência se eleva quando se tem quantidades maiores de consultas médicas.

Gráfico 4 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por variáveis associadas à saúde

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

Com Plano de Saúde

Sem Plano de Saúde

Com Doença Crônica

Sem Doença Crônica

Uso de Remédio

Diário

Sem Uso de Remédio

Diário

Regular, Ruim ou Muito ruim

Bom ou Muito bom

Populacional

Fatores relacionados à saúde

1 a 2 consultas 3 a 5 consultas 6 a 12 consultas 13 ou mais consultas

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

(38)

Tabela 9 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de idade

Número de Consultas 1 a 2 3 a 5 6 a 12 13 ou mais

Idades (anos)

15 a 24 32,1% 16,1% 7,1% 1,6%

25 a 34 35,5% 19,8% 9,2% 2,1%

35 a 44 34,6% 21,8% 10,3% 21,2% 45 a 54 32,1% 24,5% 13,3% 3,5% 55 a 64 29,4% 26,7% 16,9% 4,5% 65 a 74 27,4% 28,2% 20,3% 5,1% 75 a 84 25,3% 29,1% 23,2% 7,1% 85 a 99 25,1% 30,2% 23,0% 5,8%

Populacional 32,7% 21,3% 11,1% 2,5%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Gráfico 5 – Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por classes de idade

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% 40,0%

15 a 24 25 a 34 35 a 44 45 a 54 55 a 64 65 a 74 75 a 84 85 a 99 Popula-cional Idade (anos)

1 a 2 consultas 3 a 5 consultas 6 a 12 consultas 13 ou mais consultas

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

(39)

Tabela 10 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por fatores associados ao tabagismo

Número de Consultas 1 a 2 3 a 5 6 a 12 13 ou mais

Fatores relacionados ao tabagismo

Fumante 31,2% 18,6% 9,9% 2,4%

Fumante diário 31,0% 18,4% 10,0% 2,4% Fumante diário intensivo 30,2% 17,9% 9,8% 2,5% Fumante diário não intensivo 31,9% 18,9% 10,2% 2,3% Fumante ocasional 32,0% 19,8% 9,5% 2,4% Ex-fumante 30,8% 25,0% 15,8% 4,4% Ex-fumante diário 30,3% 25,3% 16,3% 4,7% Ex-fumante ocasional 32,7% 23,9% 13,7% 3,4% Nunca Fumante 33,3% 21,4% 10,8% 4,2%

Populacional 32,7% 21,3% 11,1% 2,5%

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008.

Gráfico 6 Percentuais dos números de consultas (em classes) realizadas pelos indivíduos da amostra por fatores associados ao tabagismo

0,0% 5,0% 10,0% 15,0% 20,0% 25,0% 30,0% 35,0% Fumante Fumante diário Fumante diário intensivo Fumante diário não intensivo Fumante ocasional

Ex fumante Ex fumante diário Ex fumante ocasional Nunca Fumante Populacional

Fatores associados ao tabagismo

1 a 2 consultas 3 a 5 consultas 6 a 12 consultas 13 ou mais consultas

(40)

6. RESULTADOS

6.1 Escolha do Modelo

Fora fixado um conjunto variáveis7 constantes a cada um dos três modelos, acrecsentando-se, os seguintes grupos de variáveis:

a) ao modelo 1, acrescentou-se as variáveis indicativas de uso de tabaco (Fumant) e ex-usuário (Ex_Fuma), objetivando verificar o efeito dessas variáveis na

demanda por consultas médicas;

b) ao modelo 2, acrescentou-se as variáveis indicativas de ser fumante diário intensivo – mais de 10 cigarros por dia (Fum_d_I), fumante diário não

intensivo – até 10 cigarros por dia (Fum_d_NI), fumante não diário (Fuma_d),

ex-fumante diário (Ex_fum_d) e ex-fumante não diário (Ex_fum_nd), com o fim de se

medir a influência desses subgrupos de classes relacionadas ao tabagismo no tocante aos efeitos de intensidade de uso;

c) ao modelo 3, acrescentou-se as mesmas variáveis adicionadas ao modelo 2 além dos cruzamentos destas variáveis com aquela indicativa de autodeclaração do estado de saúde como bom ou muito bom – Auto_BMb

(Fum_d_i_bmb, Fum_d_ni_bmb, fuma_nd_bmb, ex_fum_d_bmb e ex_fum_nd_bmb)

buscando, assim, uma combinação de fatores relacionados ao tabagismo com o fato de se autoavaliar como tendo ou não bom estado de saúde.

Para a escolha do modelo que melhor se ajusta aos dados, realizou-se análise comparativa gráfica, testes AIC e BIC, e o teste de Voung8.

Os gráficos 7, 8 e 9 ilustram uma análise comparativa entre as contagens observadas e estimadas. Por default, no eixo das abscissas são realizadas dez

contagens e no eixo das ordenadas a diferença entre o número de consultas médicas observadas e estimadas pelos modelos. A distribuição cuja curva das diferenças mais rapidamente se aproximar de zero será a que melhor se ajustará

7

Plano_saude, doenca_cronic, Remedio_diar, homem, branco, negro, Idade, idade_2, Trabalha, Auto_BMb, anos_estudos, renda_fam_pc, chefe_fam e Urbana.

(41)

-.1

-.05

0

.05

.1

0 1 2 3 4 5 6 7 8 9

Count

PRM NBRM

ZIP ZINB

Note: positive deviations show underpredictions.

-.1

-.05

0

.05

.1

0 1 2 3 4 5 6 7 8 9

Count

PRM NBRM

ZIP ZINB

Note: positive deviations show underpredictions.

aos dados. Pode-se verificar, portanto, que o melhor ajuste corresponde ao modelo de regressão Binomial Negativo Inflacionado de Zeros – ZINB.

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008 e com auxílio do software Stata 9.1.

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008 e com auxílio do software Stata 9.1.

Contagem

Contagem

Gráfico 7 - Comparação entre os Modelos de Contagem através do Teste entre o Observado e Estimado Modelo 1

(42)

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008 e com auxílio do software Stata 9.1.

Em adição, realiza-se um comparativo entre os modelos por meio dos critérios AIC e BIC, cujas estatísticas podem ser observadas na tabela 11.

Tabela 11 – Teste Akaike (AIC) e Bayesian (BIC) entre os Modelos de Contagem

Critérios

Modelo 1 Modelo 2 Modelo 3

AIC BIC AIC BIC AIC BIC

Modelos

PRM 5,688 -1,887 106 5,687 -1,887 106 5,689 -1,886 106 NBRM 4,150 -2,311 106 4,150 -2,311 106 4,150 -2,311 106 ZIP 5,189 -2,024 106 5,188 -2,024 106 5,188 -2,024 106

ZINB 4,120 -2,319 106 4,120 -2,319 106 4,120 -2,319 106

Fonte: Elaborado pelo autor com dados da Pesquisa Nacional por Amostra de Domicílios de 2008 e com auxílio do software Stata 9.1.

Nota-se que, tanto pelo critério de informação AIC quanto pelo BIC, prevalece como melhor modelo o de regressão Binomial Negativo Inflacionado de Zeros – ZINB.

-.1

-.05

0

.05

.1

0 1 2 3 4 5 6 7 8 9

Count

PRM NBRM

ZIP ZINB

Note: positive deviations show underpredictions.

Contagem

(43)

Ratificando a escolha, foi realizado o teste de Vuong, sendo superiores os modelos inflacionados de zeros em comparação com os modelos usuais, Poisson e Binomial Negativo.

Tabela 12 Teste de Vuong

(Vuong, p-value) Melhor ajuste

Modelo 1

PRM vs ZIP v = 110,18, p < 0,001 ZIP

NBRM vs ZINB v = 42,12, p < 0,001 ZINB

Modelo 2

PRM vs ZIP v = 110,11, p < 0,001 ZIP

NBRM vs ZINB v = 42,11, p < 0,001 ZINB

Modelo 3

PRM vs ZIP v = 110,59, p < 0,001 ZIP

NBRM vs ZINB v = 42,20, p < 0,001 ZINB

6.2 Análise dos Resultados

Uma vez definido o modelo de regressão, foram estimados três modelos de contagem do tipo Binomial Negativo Inflacionado de Zeros, uma para cada conjunto de variáveis. Na Tabela 13 podem ser observados seus coeficientes e efeitos marginais. As inferências (efeitos marginais) para as variáveis não relacionadas ao fumo serão dadas pelo modelo 3, dado que ele apresentou o melhor ajuste.

Conforme os resultados obtidos, verificou-se que a variável indicativa de cor de pele branca (branco) e a variável idade ao quadrado (idade2) não

apresentaram significância em nenhuma modelagem realizada para cada um dos três conjuntos de variáveis.

(44)

Tabela 13 Demanda por Consultas Médicas Modelo Binomial Negativo Inflacionado de zeros

VARIÁVEIS

MODELO DE CONTAGEM BINOMIAL NEGATIVO INFLACIONADO DE ZEROS

Conjunto 1 Conjunto 2 Conjunto 3

Coeficiente Marginal Efeito Coeficiente Marginal Efeito Coeficiente Marginal Efeito

Plano_saude 0,2717** 0,7169 0,2718** 0,7175 0,2717** 0,7214

(45,02) (45,05) (45,03)

doenca_cronic 0,2359** 0,6069 0,2361** 0,6078 0,2360** 0,6117

(38,5) (38,53) (38,55)

Remedio_diar 0,5755** 1,6915 0,5750** 1,6912 0,5750** 1,6991

(89,79) (89,72) (89,79)

homem -0,3625** -0,9404 -0,3634** -0,9397 -0,3648** -0,9437

(65,48) (65,54) (65,71)

branco 0,0042 0,0021 0,0044 0,0028 0,0048 0,0034

(0,82) (0,85) (0,94)

negro 0,0454** 0,0847 0,0457** 0,0851 0,0454** 0,0847

(4,98) (5,00) (4,97)

Idade -0,0040** -0,4405 -0,0040** -0,4344 -0,0039** -0,4195

(5,42) (5,42) (5,31)

idade_2 0,0000 -0,1195 0,0000 -0,153 0,0000 -0,1735

(0,83) (0,79) (0,69)

Trabalha -0,1067** -0,1613 -0,1068** -0,1612 -0,1069** -0,1603

(19,43) (19,45) (19,46)

Auto_BMb -0,4565** -1,1695 -0,4564** -1,1701 -0,4496** -1,1738

(78,37) (78,37) (63,67)

anos_estudos 0,0074** 0,3391 0,0074** 0,3383 0,0073** 0,3402

(10,61) (10,59) (10,47)

renda_fam_pc 0,00001** 6,9185 0,00001** 6,8053 0,00001** 7,0285

(4,4) (4,36) (4,43)

chefe_fam 0,0381** 0,1111 0,0381** 0,1111 0,0384** 0,1124

(6,81) (6,81) (6,86)

Urbana 0,0524** 0,1141 0,0526** 0,1152 0,0530** 0,1162

(7,41) (7,44) (7,5)

Fumant -0,0041 -0,0373

(0,58)

Ex_Fuma 0,1253** 0,2748

(19,27)

Fum_d_I -0,0085 -0,0664 0,0162 -0,112

(0,82 (1,05)

Fum_d_NI -0,0167+ -0,0494 -0,0114 -0,0945

(1,7) (0,77)

Fuma_nd 0,0548** 0,0936 0,035 0,0193

(3,21) (1,26)

Ex_Fum_d 0,1351** 0,2973 0,1617** 0,3192

(19,04) (16,1)

Ex_fum_nd 0,0854** 0,1883 0,0023 0,0026

(6,71) (0,12)

Fum_d_i_bmb -0,0419* -0,0225

(2,05)

Fum_d_ni_bmb -0,0068 0,0297

(0,35)

fuma_nd_bmb 0,0332 0,0921

(0,95)

ex_fum_d_bmb -0,0526** -0,0589

(3,87)

ex_fum_nd_bmb 0,1446** 0,3086

(5,63)

Constant 1,2737** 1,2749** 1,2691**

(72,19) (72,16) (70,68)

Número de

observações 275.875 275.875 275.875

AIC 1136803 1136759 1136697

Desvio Padrão robusto entre parênteses . Constante omitida na tabela, mas incluída no modelo. + Significante a 10%; * Significante a 5%; ** Significante a 1%

(45)

A variável correspondente à idade dos entrevistados (idade), nos três

modelos estimados, mostrou-se com sinal contrário ao esperado, no entanto destaque-se que o seu valor em módulo é bem próximo de zero.

O fato de o indivíduo possuir cobertura de plano de assistência médica, representado pela variável Plano_saude, influencia positivamente na quantidade de

consultas realizadas, realizando estes, em média 0,72 consultas a mais, por ano, em relação aos que não possuem cobertura.

O mesmo ocorre em relação aos que possuem algum tipo de doença crônica (doenca_cronic) e aos que fazem uso diário de algum tipo de medicamento

(Remedio_diar), realizando em média 0,61 e 1,69 consultas por ano, a mais, em

relação aos que não possuem estes tipos de doenças e aos que não usam medicamento diário, respectivamente.

Pessoas do sexo masculino (homem), que trabalham (Trabalha) e que

auto avaliaram seu estado de saúde como bom ou muito bom (Auto_BMb), vão, em

média, menos ao médico do que mulheres, pessoas que não trabalham e pessoas que auto avaliaram sua saúde como regular, ruim ou muito ruim (-0,94, -0,16 e -1,17, respectivamente).

As variáveis correspondentes à quantidade de anos de estudo (anos_estudos), à renda familiar per capita (renda_fam_pc), ao fato de ser chefe de

família (chefe_fam) e ao fato de ser residente em zona urbana (Urbana) tiveram

coeficientes positivos, significando que quanto mais tempo de estudo e maior renda, maior o número de visitas ao médico e que chefes de família e residentes em zona urbana também vão mais ao médico do que aqueles que não são chefes de família e os que residem em zona rural, respectivamente.

Quanto às variáveis associadas ao fumo, observa-se que:

a) No modelo 1, a variável Fumant, associada aos fumantes diários e não

(46)

A variável Ex_Fuma, correspondente aos ex-fumantes diários e não

diários, apresentou significância e sinal positivo, significando que os ex-fumantes demandam, anualmente, 0,13 consultas, em média, a mais comparando-os com os nunca fumantes.

b) No modelo 2, a variável Fum_d_I, correspondente aos tabagistas que

fumam mais de 10 cigarros por dia, não apresentou significância e a variável

Fum_d_NI, fumante diários que fumam até 10 cigarros por dia, somente apresentou

significância ao nível de 10%. Nas duas variáveis foram observados efeitos marginais negativos.

Em relação à variável Fuma_nd, fumante não diário, verifica-se que esta é

significante e apresenta coeficiente positivo, indicando que estes vão mais ao médico que os nunca fumantes.

O mesmo ocorre com as variáveis Ex_Fum_d (ex-fumante diário) e

Ex_fum_nd (ex-fumante não diário), ambas com coeficientes positivos.

c) No modelo 3, foram inseridas as mesmas variáveis descritas acima para o modelo 2, além de seus cruzamentos com a variável de autoavaliação do estado de saúde bom ou muito bom.

Em relação aos fumantes (Fum_d_I, , Fum_d_NI e Fuma_nd) nenhuma

variável apresentou significância e, entre elas, somente a correspondente a fumantes não diários apresentou efeito marginal positivo.

Quanto aos ex-fumantes, a variável correspondente aos ex-fumantes diários obteve significância e coeficiente positivo, significando que ex-fumantes vão mais vezes ao médico do que os que nunca fumaram.

Nos cruzamentos das variáveis relacionadas ao tabagismo com autoavaliação do estado de saúde, verificou-se que:

(47)

Fumantes diários não intensivos e fumantes não diários que declararam positivamente seu estado de saúde não foram significantes.

(48)

7. CONSIDERAÇÕES FINAIS

Este trabalho procurou estudar a influência de fatores individuais na demanda por consultas médicas, quanto ao número de consultas médicas, em âmbito nacional, tendo como objetivo verificar o comportamento das variáveis associadas ao tabagismo em relação à tal demanda. Para tanto, utilizou-se como variável dependente o número de consultas relatadas nos últimos 12 meses anteriores à pesquisa (PNAD 2008).

Como variáveis dependentes foram incluídas variáveis socioeconômicas, outras relacionadas à saúde, e, obviamente, aquelas relacionadas ao tabagismo, classificando os indivíduos em fumantes, ex-fumantes e nunca fumantes, com suas subdivisões de frequência e intensidade.

Em concordância com a literatura investigada, constatou-se, por meio de análise descritiva e econométrica, que alguns fatores tiveram efeito positivo quanto ao número de consultas médicas, dentre os quais têm-se: plano de saúde, doença crônica, remédio diário, raça negra, anos de estudo, renda per capita, chefe de

família e zona urbana.

Quanto ao efeito redutor no número de consultas, este pode ser influenciado pelas características sexo masculino, trabalhar e autoavaliação positiva da saúde.

As características raça branca, em quadrado da idade não foram significantes. A característica idade, de forma não esperada, teve efeito negativo, embora, em valor absoluto, bem próximo a zero.

Não foi verificada diferença significativa entre fumantes diários e não fumantes quanto ao número de consultas. Quanto aos fumantes não diários, observou-se que estes superam os nunca fumantes.

(49)

CAPILHEIRA & SANTOS (2006) argumentam que, possivelmente, indivíduos que pararam de fumar foram motivados por uma maior preocupação com a própria saúde, ou em decorrência de um problema de saúde, o que, dos dois casos poderia gerar um maior número de idas ao médico.

Talvez isso seja confirmado pela análise descritiva, na qual, dentre os que possuíam algum tipo de doença crônica, 17,9% eram fumantes e 25,4% ex-fumantes e, quanto aos que fazem uso de algum tipo de medicamento diário, 14,9% estavam na categoria de fumante e 27,5% de ex-fumantes.

Observe-se que entre os fumantes 18,4% possuíam plano de assistência médica, enquanto que, para os ex-fumantes, esse percentual é de 26,4%.

Portanto, conforme os resultados deste estudo, não foi encontrada diferença significativa no número de consultas médicas realizadas pelos fumantes e os que nunca fumaram, a não ser para aqueles fumantes intensivos que se auto-avaliam como tendo uma boa saúde. Estes procuram menos os consultórios do que os não fumantes. Por outro lado, o custo maior do tabagismo é compensado pelos ex-fumantes que realizam mais consultas em relação aos nunca fumaram, sendo este custo ainda maior para aqueles que fumavam diariamente.

(50)

REFERÊNCIAS BIBLIOGRÁFICAS

BERTAKIS Klea D & AZAR, Rahman. The influence of obesity, alcohol abuse, and smoking on utilization of health care services. Family Medicine 2006; 38:427-434. Disponível em: <http://www.stfm.org/fmhub/fm2006/june/klea427.pdf>.

BOING, Antonio Fernando et al. Prevalência de consultas médicas e fatores associados: um estudo de base populacional no sul do Brasil. Rev. Assoc. Med. Bras. [online]. 2010, vol.56, n.1, pp. 41-46. ISSN 0104-4230. Disponível em: <http://dx.doi.org/10.1590/S0104-42302010000100014>.

CAPILHEIRA, Marcelo F. & SANTOS, Iná da S. Fatores individuais associados à utilização de consultas médicas por adultos. Rev Saude Publica.

2006;40(3):436-43. DOI: 10.1590/S0034-89102006000300011. Disponível em:

<http://www.scielo.br/scielo.php?pid=S003489102006000300011&script=sci_arttext>

CHALOUPKA, Frank J. & WARNER, Kenneth E., The Economics of Smoking, National Bureau of Economic Research Working Paper 7047, 2009, Disponível em: <http://www.nber.org/papers/w7047>.

COSTA, Juvenal S. D.; REIS, Mauri C.; SILVEIRA FILHO, Claudio V.; LINHARES, Rogério da S.; PICCININI, Fábio. Prevalência de consultas médicas e fatores associados, Pelotas (RS), 1999-2000. Rev Saúde Pública. 2008;42(6):1074-84. Disponível em: < http://www.scielo.br/pdf/rsp/2008nahead/7217.pdf>.

DEISE, Deodolindo P. Classe de distribuições série de potências inflacionadas. 2009. Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Disponível em: <http://www.dominiopublico.gov.br/pesquisa/DetalheObraForm.do? select_action=&co_obra=161675>.

FUMES, Giovana. Uso de modelos inflacionados de zeros na análise de questionários de frequência alimentar. Botucatu; s.n; 2009. 76 p. 612.3 179

Disponível em: <http://www.dominiopublico.gov.br/pesquisa/DetalheObraForm.do? select_ action=&co_obra=182176>

IBGE, Instituto Brasileiro de Geografia e Estatística, 2008. Pesquisa Nacional por Amostra de Domicílios (PNAD). Tabagismo, 2008.

JEE, Sun H.; KIM, Il S.; SUH, Il. The effect of smoking on health service utilization. Yonsei Med J. 1993;34(3):223-33. Disponível em: < http://www.eymj.org/ Synapse/Data/PDF Data/0069YMJ/ymj-34-223.pdf>

Imagem

Figura 1: Fluxograma para a seleção de um modelo de regressão de contagem
Tabela 1  –  Percentual de indivíduos com 15 anos ou mais de idade, conforme o uso de tabaco  fumado, por sexo  –  Brasil 2008
Tabela 3  –  Percentual de fumantes por classes de renda familiar per capita Rendimento (salários mínimos) 6 Percentual
Tabela 4  –  Distribuição de características dos indivíduos quanto ao uso de cigarro por zona de  residência, estado de saúde, plano de assistência médica, doença crônica e uso de remédio
+7

Referências

Documentos relacionados

3.40 Evolução da velocidade: à esquerda encontra-se a solução exata de referência e à direita a solução obtida pelo Método de Godunov com o resolucionador de problemas de

Os resultados obtidos na campanha de coleta de dados, que compreendeu o período de chuvas entre novembro de 2006 e abril de 2007, revelaram que tempestades que

2 - OBJETIVOS O objetivo geral deste trabalho é avaliar o tratamento biológico anaeróbio de substrato sintético contendo feno!, sob condições mesofilicas, em um Reator

São elas: Análise de materiais educativos; Campanhas e estratégias de comunicação e saúde; Audiovisual e saúde; Comunicação e divulgação científica;

Para Souza (2004, p 65), os micros e pequenos empresários negligenciam as atividades de planejamento e controle dos seus negócios, considerando-as como uma

Desse modo, a escola e a mídia são significadas como um lugar de consolidação de imagens sobre a língua, através do ensino de língua portuguesa, estabilizando-as a

No Estado do Pará as seguintes potencialidades são observadas a partir do processo de descentralização da gestão florestal: i desenvolvimento da política florestal estadual; ii

plantarum ST8SH were more effective in biofilm inhibition, and sim- ilar results were observed for vancomycin and propolis; however, all tested EDTA concentrations had similar effect