Universidade de São Paulo Faculdade de Saúde Pública

(1)

Universidade de São Paulo

Faculdade de Saúde Pública

Ingestão Habitual de Alimentos Entre Indivíduos do

Município de São Paulo – Estudo de Base

Populacional

Eliseu Verly Junior

Tese apresentada ao Programa de Pós-Graduação em Nutrição em Saúde Pública da Faculdade de Saúde para obtenção do título de Doutor em Ciências

Área de Concentração: Nutrição em Saúde Pública

Orientadora: Profª. Assoc. Dirce Maria Lobo Marchioni

São Paulo

2012

(2)

Ingestão Habitual de Alimentos Entre Indivíduos do

Município de São Paulo – Estudo de Base

Populacional

Eliseu Verly Junior

Tese apresentada ao Programa de Pós-Graduação em Nutrição em Saúde Pública da Faculdade de Saúde Pública da Universidade de São Paulo para obtenção do título de Doutor em Ciências

Área de concentração: Nutrição em Saúde Pública.

Orientadora: Profª. Assoc. Dirce Maria Lobo Marchioni

São Paulo

2012

(3)

É expressamente proibida a comercialização deste documento tanto na sua forma impressa como eletrônica. Sua reprodução total ou parcial é permitida exclusivamente para fins acadêmicos e científicos, desde que na reprodução figure a identificação do autor, título, instituição e ano da dissertação.

(4)

(5)

Aos meus pais Deolinda e Eliseu, que nunca me negaram a confiança e o respeito, sempre apoiando na busca de meus objetivos.

Ao pessoal do GAC (salinha) que se dedicaram incansável e elegantemente no trabalho de campo deste e de inúmeros projetos

À Fábia, cujos sorrisos e olhares me motivaram a querer fazer sempre melhor

À Prof. Dirce Marchioni pela consideração, respeito, competência e incentivo, características que a tornam uma orientadora de inestimável valor profissional e pessoal.

(6)

(7)

À Profª. Dirce Maria Lobo Marchioni, nesse momento, por tudo.

À Profª. Regina Mara Fisberg, pelo carinho, momentos de descontração e contribuições preciosas para os diversos trabalhos do grupo.

Aos professores Édna Massae Yokoo, José Eduardo Corrente, Valéria Troncoso Baltar e Rafael Claro pela colaboração e disposição em ler e participar da banca de defesa.

À Fábia Evangelista, que toma conta direitinho do meu coração!

À Josiane Steluti, por sua culpa tomei uma das cervejas mais saborosas do mundo. À Bruna Bronhara e sua família, cujo apoio foi fundamental.

À turma da Salinha: Josiane, Michelle, Roberta, Ágatha, Bartira, Aline Martins, Soraya, Jackie, Gabi, Aline Mendes, colegas de pós que riram fielmente às minhas piadas.

Ao pessoal da iniciação científica (e também da salinha), atuais e passados: Keny, Cibele, Andréia, Raíssa, Bel, Naty, Paula e Wellington.

Aos amigos Tatê, Moacyr e Marina, pelos cafés, cervejas e conversas fiadas. À turma da cerveja na Vila Madalena: Tileone, Nat, Eve, Ivy, Paty, Flávia, aeeeeee Aos amigos de Viçosa e Ouro Preto, pelos anos de convívio, carnavais, e pelo conforto de saber que posso contar sempre com vocês.

À COSEAS, pela moradia.

Ao cara que inventou o Stata e SAS. Valeoo!!

À Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) pelo apoio financeiro concedido.

(8)

RESUMO

Verly Jr, E. Ingestão habitual de alimentos entre residentes do município de São

Paulo – Estudo de base populacional. [tese de doutorado]. São Paulo: Faculdade de

Saúde Pública da USP; 2012.

Introdução: A estimativa da ingestão habitual de alimentos requer o uso de técnicas

estatísticas apropriadas. Para alguns alimentos, é possível observar consumo igual a zero em um ou vários dias de coleta, mesmo em indivíduos que os consomem periodicamente. Assim, os métodos devem ser capazes de tratar duas questões: 1) a distribuição com zero inflacionado; e 2) a correlação existente entre a probabilidade de consumir um alimento e a quantidade (tamanho da porção) consumida do mesmo.

Objetivo: Investigar aspectos metodológicos do um método para estimar o consumo

habitual de alimentos, bem como sua aplicação em estudo na população. Métodos: Inicialmente, utilizando amostra do National Health and Nutrition Examination

Survey 2007-2008, foram estimadas distribuição do consumo habitual de vegetais

verdes escuros a partir de amostras de diferentes tamanhos e diferentes percentuais de indivíduos com dois recordatórios de 24 horas (R24h). Posteriormente, foram utilizados dados do Inquérito de Saúde de São Paulo, estudo transversal, de base populacional, (n=725), cujos participantes responderam dois R24 horas e um questionário de freqüência alimentar (QFA). Verificou-se o efeito da inclusão do QFA como co-variável na melhora da predição do modelo do consumo de alimentos. Por fim, utilizando modelagem bivariada, estimou-se a ingestão habitual de porções de grupos alimentares recomendado pelo Guia Alimentar para População Brasileira, e calculou-se o percentual de indivíduo que não atingiram a recomendação. Para os três propósitos, a ingestão habitual foi estimada pelo método do National Cancer

Institute. Resultados: A precisão das estimativas de consumo habitual reduziu

quando menores taxas de replicação foram utilizadas. Para estudos que objetivam o cálculo da média ou o percentual de indivíduos com consumo abaixo de um dado ponto de corte, a redução da precisão pode não representar um importante viés. Para alimentos com elevado percentual de não consumidores, a inclusão simultânea do

(9)

QFA e de uma variável indicadora de consumo resultou em melhor predição, ressaltando que a inclusão de somente a variável indicadora já se mostrou satisfatória. O percentual de indivíduos com consumo habitual das porções dos grupos de alimentos abaixo do recomendado pelo Guia Alimentar foi: 88% para cereais, tubérculos, raízes e derivados; 43% para feijões; 11% para carnes e ovos; 100% para leite e derivados; 95% para frutas e sucos de frutas naturais; 72% para legumes e verduras; 83% para açúcares e doces; e 93% para óleos, gorduras e sementes oleaginosas.

(10)

ABSTRACT

Verly Jr, E. Habitual food intake among individual from São Paulo-Brazil – a

population-based survey. [Doctor’s degree thesis]. São Paulo: School of Public

Health, São Paulo University; 2012.

Introduction: The estimation of the habitual food intake requires the use of proper

statistical techniques. For some foods, it is possible to find consumption equal to zero in one or several days, even for individuals who usually consume them. Then, methods must be able to deal with two concerns: the zero-inflated distribution; and the correlation between probability and amount of consumption. Objective: To investigate methodological issues of a method to estimate habitual food intake to use it to analyze dietary data from a population survey. Methods: First, using the National Health and Nutrition Examination Survey 2007-2008, it was estimated the habitual dark green vegetable intake from a samples with different size and percentual of individuals with two 24-hour recall (24hr). After, it was used a subsample of the “Inquérito de Saúde de São Paulo”, a population-based cross-sectional study (n=725), in which the participants answered two 24hr and one food frequency questionnaire (FFQ). It was verified the effect of the FFQ as covariate on the prediction improvement of the models to estimate habitual food intake. Finally, using a bivariate modeling, it was estimated the habitual serving consumption of the food groups with recommendation of consumption in the Brazilian Food Guide. The percentual of individuals who did not meet the recommendations was calculated as well. In all purposes, the habitual food consumptions were estimated using the National Cancer Institute method. Results: The precision of the usual intake estimates decreases when low replication rates are used. For studies that aim to estimate the average or the percentual of individual with consumption bellow the cut-offs, the loss of precision may not represent an important bias. Considering foods with moderate to high percentual of non consumers, the simultaneously inclusion of the FFQ and a indicator of consumption variable (consume yes or not) was enough. The percentual of individuals with consumption bellow the recomandation were:

(11)

88% for cereals, tubers and roots; 43% for beans; 95% for fruits, including fresh juices; 72% for vegetables; 100% for milk and dairy products; 11% for meat and egg; 93% for oils, fats and oil seeds; and 83% for sugar and sweets.

(12)

1

Sumário

1. INTRODUÇÃO 6

1.1 Consumo habitual e variabilidade da dieta 6

1.2 Métodos para remoção da variabilidade intrapessoal 8

1.3 Consumo habitual de alimentos 10

1.4 Consumo habitual da razão de dois componentes 13

1.5 Justificativa 14 2. OBJETIVOS 15 2.1 Objetivo geral 15 2.2 Objetivos específicos 15 3. METODOLOGIA 16 4. ASPECTOS ÉTICOS 16 5. FINANCIAMENTO DO ESTUDO 17 6. RESULTADOS 18 6.1 Primeiro artigo 18 6.2 Segundo artigo 30 6.3 Terceiro artigo 40 7. REFERÊNCIAS 61 8. ANEXOS 66

(13)

2

Lista de tabelas Artigo 2

Tabela 1 – Distribuição habitual da ingestão de alimentos e grupos de alimentos

segundo modelos de predição. 35

Artigo 3

Tabela 1-A – Média e percentis do consumo habitual, em porções, de cereais, tubérculos, raízes e derivados, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

48

Tabela 1-B – Média e percentis do consumo habitual, em porções, de feijões, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

49

Tabela 1-C – Média e percentis do consumo habitual, em porções, de frutas e sucos de frutas naturais, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

50

Tabela 1-D – Média e percentis do consumo habitual, em porções, de legumes e verduras, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

51

Tabela 1-E – Média e percentis do consumo habitual, em porções, de leite e derivados, e percentual de indivíduos com consumo habitual abaixo do

recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

52

Tabela 1-F – Média e percentis do consumo habitual, em porções, de carnes e ovos, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

53

Tabela 1-G – Média e percentis do consumo habitual, em porções, de óleos, gorduras e sementes oleaginosas, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

54

Tabela 1-H – Média e percentis do consumo habitual, em porções, de açúcares e doces, e percentual de indivíduos com consumo habitual abaixo do recomendo, segundo sexo, faixa etária, renda e escolaridade do chefe da família.

(14)

3

Lista de figuras

Figura 1 – Efeito da variação intrapessoal na distribuição da freqüência dos

valores de ingestão 9

Figura 2 – Viés nos percentis de consumo estimados por diferentes métodos, comparados à ingestão de 365 dias de cereais integrais, simulada a partir do estudo

Eating at America’s Table Study

12

Artigo 1

Figura 1 – Percentis de consumo habitual de vegetais verde escuros e os intervalos de confiança estimados nas amostras contendo 1304, 1000, 750, 500 e 250

indivíduos de acordo com a taxa de replicação: 100%, 80%, 60%, 40% e 20%.

24

Figura 2 – Percentual de indivíduos com ingestão abaixo dos pontos de corte e os intervalos de confiança estimados nas amostras contendo 1304, 1000, 750, 500 e 250 indivíduos de acordo com a taxa de replicação: 100%, 80%, 60%, 40% e 20%.

(15)

4

Lista de quadros Artigo 3

Quadro 1 – Recomendação calórica média, número de porções diárias e valor

(16)

5

Lista de abreviaturas

NHANES – National Health and Nutrition Examination Survey IOM – Institute of Medicine/Instituto de Medicina

EAR – Estimated Average Requirement/Necessidade Média Estimada WHO/OMS – World Health Organization/Organização Mundial da Saúde QFA – Questionário de Freqüência Alimentar

R24h – Recordatório de 24 horas

ISA-Capital – Inquérito de Saúde de São Paulo

FAPESP – Fundação de Amparo à Pesquisa do Estado de São Paulo CNPq – Conselho Nacional de Desenvolvimento Científico e Tecnológico

USDA – United States Department of Agriculture/Departamento de Agricultura dos Estados Unidos

PC-SIDE – Software for Intake Distribution Estimation NCI – National Cancer Institute

(17)

6

1. INTRODUÇÃO

A avaliação e o monitoramento do consumo alimentar de uma população é um dado importante para o estabelecimento de políticas de saúde pública. Neste e em outros propósitos da avaliação dietética, o interesse está em relação à ingestão habitual, definida como a ingestão medida por um longo período de tempo, e não somente o consumo de um dia ou curto período específico (IOM, 2000). A avaliação precisa e acurada da ingestão habitual, entretanto, é um dos grandes desafios para pesquisadores da área de nutrição (DWYER et al, 2003). Um dos métodos usualmente empregados na estimativa da ingestão habitual tem sido o questionário de freqüência alimentar (QFA) (NAJAS et al, 1994; ANDRADE et al, 2003; XIANGLAN et al, 2003). Contudo, trabalhos recentes sugerem elevado grau de erro na medida deste instrumento, e conseqüentemente falham ao estimar a ingestão habitual, seja de nutrientes, seja de alimentos. DAY et al (2001) e KIPNIS et al, (2003) discutem que a presença do erro, nestes casos, é uma possível razão para um evento comum em estudos de coorte: a falta de associação entre a exposição dietética e doenças.

Por outro lado, a aplicação múltipla de recordatórios de 24 horas (R24H) tem se mostrado mais adequada na estimativa da ingestão habitual. BINGHAM et al (2003) e FREEDMAN et al (2006) observaram melhor performance do R24H, aplicado repetidas vezes, no cálculo de medidas de associação entre ingestão de gordura e câncer de mama, e argumentam ainda sobre as vantagens do R24H em estudos desta natureza. No entanto, a medida do R24H é fortemente influenciada pela presença da variação do dia-a-dia do consumo, ou seja, a variação intrapessoal, tornando necessária a repetição da coleta várias vezes em cada indivíduo do estudo (CARRIQUIRY, 2003).

1.1 CONSUMO HABITUAL E VARIABILIDADE DA DIETA

Uma questão importante na estimativa da ingestão habitual é a variabilidade da dieta, já que as pessoas não consomem todos os dias os mesmos alimentos, e

(18)

7 conseqüentemente as mesmas quantidades de nutrientes. As fontes de variabilidade da dieta (componentes de variância) são várias, e as mais importantes têm sido atribuídas ao componente intrapessoal ou residual, que representa a variação no consumo de um mesmo indivíduo ao longo dos dias; e ao componente interpessoal, que representa a variação no consumo de um indivíduo para o outro (BEATON et al., 1979; WILLETT, 1998).

A presença da variabilidade intrapessoal pode distorcer as estimativas dos percentis abaixo ou acima da média por aumentar a variabilidade total da distribuição, podendo, desta forma, subestimar ou superestimar o percentual de indivíduos com inadequação da ingestão, tanto por excesso como por deficiência (SEMPOS et al., 1991).

Outro efeito da presença da variabilidade intrapessoal é o enfraquecimento de medidas de associação, como coeficientes de regressão ou risco relativo, entre dieta e doença. A negligência deste fato pode omitir verdadeiras associações entre dieta e doença, e deve ser uma questão importante nas análises e nos desenhos de estudo (BEATON et al., 1979, PAERATAKUL et al., 1998). Neste sentido, devem-se considerar também estudos de validação de questionários de freqüência alimentar (QFA), que comumente utilizam 3 ou mais recordatórios de 24 horas (R24h) como método comparativo. Igualmente, o efeito da variância intrapessoal, presente nas medidas dos R24h, pode subestimar o desempenho do QFA por reduzir, por exemplo, os coeficientes de correlação entre os dois métodos.

Este viés pode ser reduzido pelo aumento do número de observações do consumo dietético em cada indivíduo da amostra, ou seja, replicações de R24h ou número de dias do registro alimentar. Entretanto, em estudos epidemiológicos, esta alternativa pode ser impraticável, tanto em termos de custos, como de dedicação e tempo exigidos aos participantes do estudo. Embora existam recursos tecnológicos que facilitem a aplicação de múltiplos R24H, como o aplicativo via internet ASA24 desenvolvido pelo National

Cancer Institute 1, o acesso ainda não é universal, especialmente em áreas pouco desenvolvidas ou de baixa renda, e estratos da população com baixa escolaridade.

1

(19)

8 Uma alternativa para os pesquisadores é aplicar técnicas estatísticas que buscam remover a variabilidade intrapessoal (NUSSER et al, 1996; HOFFMAN et al., 2002; CARRIQUIRY, 2003).

1.2 MÉTODOS

PARA

REMOÇÃO

DA

VARIABILIDADE

INTRAPESSOAL

O uso de métodos estatísticos para estimar a distribuição da ingestão habitual permite que esta reflita somente a variação que existe entre os indivíduos do grupo. A aplicação destes métodos requer pelo menos duas medidas independentes, em dias não consecutivos, em pelo menos uma amostra representativa dos indivíduos avaliados. Contudo, é importante que os dias cubram todas as estações do ano e dias da semana (CARRIQUIRY, 1999). Embora a média ou a mediana da ingestão do grupo possa ser estimada pela aplicação de apenas um recordatório de 24 horas (HOFFMAN et al., 2002), somente por meio de medidas repetidas é possível estimar a variabilidade do consumo diário de nutrientes (SEMPOS, et al., 1991; BARR et al., 2002).

Os efeitos da correção e da presença da variabilidade intrapessoal podem ser visualizados na figura 1, em que a curva pontilhada representa a média do consumo de 3 dias, e a curva contínua representa a distribuição do consumo ajustada pela aplicação de método para remoção da variabilidade intrapessoal. Pode-se observar que, embora a média de ambas as curvas sejam próximas, a variabilidade total da distribuição sem o ajuste é maior. Assim, a abordagem que avalia a ingestão dietética sem levar em consideração a presença da variabilidade intrapessoal é passível de obtenção de resultados enviesados (HEGSTED, 1982).

(20)

9

Figura 1 – Efeito da variação intrapessoal na distribuição da freqüência dos

valores de ingestão.

Fonte: Adaptado de IOM, 2000.

Um dos primeiros métodos que se tem conhecimento é o método desenvolvido pelo National Research Council (NRC,1986). Este método é baseado em procedimentos estatísticos simples, como transformação logaritmica para aproximar a distribuição para normalidade, estimativas dos componentes de variância através a análise de variância e aplicação de um modelo de erro de medida para remover a variância intrapessoal. Um outro método proposto, conhecido como método da Iowa State University (método ISU) (NUSSER et al, 1996) traz algumas propriedades estatísticas mais sofisticadas, que tornam vantajoso o uso deste em relação aos até então propostos. O método ISU ainda permite ajuste inicial pelo dia da semana e estação do ano, bem como o cálculo do erro padrão quando são analisadas amostras de desenho complexo.

O método ISU foi aplicado na estimativa da ingestão habitual de nutrientes em adolescentes do município de São Paulo (VERLY-JR et al, 2011) Neste estudo, foram observadas prevalências de inadequação elevadas para vários nutrientes, especialmente vitaminas E, A, C e B6, e magnésio e fósforo.

(21)

10 A avaliação da prevalência de inadequação da ingestão de nutrientes, embora seja um dado relevante para epidemiologia nutricional, não permite uma avaliação global da dieta. Isto porque os nutrientes não são ingeridos isoladamente. Fazem parte de um complexo de componentes alimentares, interagindo entre si e com o meio, modulando sua absorção e atividade dentro do organismo (ROCK e SWENDSEID, 1992). Além disso, alimentos que são fontes de determinados nutrientes essenciais podem também carrear componentes cuja ingestão excessiva pode ser prejudicial à saúde, como gordura saturada e sódio (PRENTICE, 2006). Desta forma, muitas vezes o interesse é direcionado à ingestão habitual de alimentos e grupos de alimentos.

1.3 CONSUMO HABITUAL DE ALIMENTOS

Diferentemente dos nutrientes, que são consumidos todos ou quase todos os dias, boa parte dos alimentos são consumidos episodicamente. É possível, portanto, observar consumo igual a zero em um ou vários dias de coleta para uma variedade alimentos, mesmo para indivíduos que os consomem periodicamente (DODD et al, 2006). A implicação disto é que, métodos empregados para o ajuste da ingestão de nutrientes não são aplicáveis para a correção de dados de consumo de alimentos. Estes métodos devem ser capazes de tratar duas questões adicionais: 1) a distribuição inflacionada de zero; e 2) a correlação existente entre a probabilidade de consumir um alimento e a quantidade (tamanho da porção) consumida do mesmo (TOOZE et al, 2006).

A distribuição inflacionada de zero inviabiliza a normalização dos dados, pressuposto comum a todos os métodos propostos (NRC, 1986; NUSSER et al, 1996; NUSSER et al, 1997). Esta questão foi considerada em uma extensão do método ISU, tornando-o viável para a estimativa de ingestão habitual de alimentos (NUSSER et al, 1997). Neste caso, os zeros são tratados separadamente das demais observações.

A segunda questão foi inicialmente relatada por DODD et al (1996), que demonstraram que, para um grande número de alimentos, a quantidade consumida em um dia específico, relatada no recordatório de 24 horas, pode ser correlacionada com a probabilidade de consumir o mesmo alimento. Este fenômeno também foi observado

(22)

11 por SUBAR et al (2006) analisando dados de consumo do Eating at America’s Table

Study. Para a maioria dos alimentos e grupos de alimentos, houve associação entre a

freqüência relatada do consumo no questionário de história dietética (QHD), instrumento similar ao QFA que mede somente a freqüência de consumo, e a quantidade consumida, relatada no R24H. Assim, o método ISU, apesar de reconhecida suas vantagens, pode introduzir um viés superestimando a quantidade consumida nos indivíduos com baixa probabilidade de consumir um determinado alimento, e subestimando a quantidade consumida pelos indivíduos com elevada probabilidade de consumir o alimento (DODD et al, 2006).

Considerando este fato, pesquisadores do National Cancer Institute (NCI) desenvolveram uma nova proposta para estimativa da ingestão habitual de alimentos e grupos de alimentos. Este método, além de considerar a questão da inflação de zeros, assume a correlação entre probabilidade de consumo e quantidade consumida e permite, assim, que esta informação seja incluída na predição da ingestão habitual (TOOZE et al, 2006). O método requer a aplicação de pelo menos dois R24H para cada indivíduo, e a informação obtida pelo QFA pode ser uma covariável útil na estimativa, não somente da probabilidade de consumo, mas também da quantidade consumida, conforme relatado no estudo de SUBAR et al (2006).

O melhor desempenho do método do NCI foi observado no estudo de simulação conduzido por TOOZE et al (2006). Foram comparadas quatro variações do método do NCI (assumindo correlação entre probabilidade de consumo e quantidade consumida, com e sem o QHD como covariável; e não assumindo esta correlação, com e sem o QHD como covariável) e também o método ISU e o método das médias intrapessoais, com a simulação de 365 dias de consumo para cada indivíduo representando a verdadeira ingestão habitual. Esta simulação foi baseada na ingestão de cereais integrais a partir do estudo Eating at America’s Table Study.

(23)

12

Figura 2 – Viés nos percentis de consumo estimados por diferentes métodos,

comparados à ingestão de 365 dias de cereais integrais, simulada a partir do estudo

Eating at America’s Table Study (Tooze et al, 2006).

A figura 1 ilustra o viés obtido em cada método, definido como a diferença entre o consumo estimado por cada método e o simulado verdadeiro consumo habitual. Observou-se que o método do NCI em que probabilidade e quantidade de consumo são independentes produziu resultado similar ao do método ISU. Para ambos, a distribuição mostrou-se enviesada, e a inclusão da freqüência de consumo obtida pelo QHD melhorou modestamente a distribuição. Já o método do NCI que considera a correlação entre probabilidade e quantidade consumida, independente da informação adicional do QHD, produziu estimativas próximas do valor simulado para todos os percentis.

A utilização deste método traz a vantagem de estimar a distribuição da ingestão de alimentos em uma população, levando em consideração não somente uma das principais fontes de erro, a variância intrapessoal, mas também as propriedades da distribuição da ingestão de alimentos discutidas acima. Assim é possível calcular com maior acurácia: 1) a proporção de indivíduos com ingestão de alimentos abaixo de um dado critério de

(24)

13 adequação; 2) a comparação da distribuição do consumo segundo determinados estratos (ex. socioeconômicos, demográficos).

1.4 CONSUMO HABITUAL DA RAZÃO DE DOIS COMPONENTES

Em estudos epidemiológicos, um dos interesses pode estar em estimar a distribuição do consumo habitual da razão de dois componentes dietéticos. Por exemplo, a distribuição do consumo habitual de gordura saturada, ou gordura total, expressa como percentual do total calórico.

A literatura traz duas formas de descrever a distribuição da razão de dois componentes (KREBS-SMITH et al, 1989; FREEDMAN et al, 2008). Uma forma é calcular, para cada indivíduo, a razão dos dois componentes e estimar a distribuição habitual da razão. A outra forma é estimar a distribuição habitual para cada componente e em seguida calcular a razão. Estudo de FREEDMAN et al (2009) comparou as duas formas de análise e encontrou diferenças mínimas entre as distribuições. Entretanto, o artigo em questão trata da distribuição da razão cujos componentes são nutrientes ou alimentos consumidos todos os dias. Quando o numerador da razão é um alimento consumido episodicamente, há necessidade de modelagem estatística mais complexa. Por exemplo, o Guia Alimentar para População Brasileira recomenda ingestão de grupos de alimentos em porções. As porções são definidas por quantidade calórica de cada grupo de alimento em função da quantidade de calorias consumida. Assim, o cálculo a distribuição do consumo habitual das porções implica na razão entre o valor calórico do grupo alimentar pela energia consumida. Neste caso, pelo excesso de zeros relatados para muitos grupos de alimentos, o cálculo, à priori da razão dos dois componentes seguida da distribuição da razão (primeira forma) resultaria em razão igual a zero na mesma proporção em que o zero aparece para os alimentos. Neste caso, a forma apropriada é estimar a distribuição habitual de cada componente e calcular a razão entre eles. Entretanto, o calculo desta razão não é trivial, e exige modelagem bivariada, considerando os dois componentes ao mesmo tempo. FREEDMAN et al (2010) descrevem metodologia para estimar a distribuição da razão do consumo

(25)

14 habitual de alimento ou grupo consumido episodicamente pelo consumo habitual de energia.

Vista a necessidade da utilização de métodos para estimativa da ingestão habitual de alimentos, algumas questões metodológicas ainda merecem especial consideração, pois se referem ao planejamento do estudo. Primeiro, não há informações claras sobre o percentual de indivíduos que devam responder a dois R24h. Retornar em todos os indivíduos da amostra pode acarretar e aumento de custo e tempo de campo do projeto. Segundo, a utilização do QFA como covariável é suposta de melhorar a predição do modelo. No entanto, dois estudos que comparam resultados de estimativas com e sem o QFA (SUBAR et al, 2006; SOUVEREIN et al, 2011) revelam diferenças mínimas, colocando em dúvida a relação custo/benefício de se aplicar mais um instrumento de coleta.

1.5 JUSTIFICATIVA

A estimativa acurada da ingestão habitual de alimentos ou grupos têm sido um dos grandes desafios para pesquisadores da área de nutrição. Estudos metodológicos nesta área ainda são recentes, e necessitam de esforços no sentido de superar lacunas ainda existentes. Dadas as dificuldades e limitações, há, até o momento, poucos estudos publicados com a estimativa do consumo habitual de alimentos, o que caracteriza uma lacuna de informações no que diz respeito ao consumo de alimentos em uma população, muitas vezes necessário para o planejamento e avaliação de política de nutrição. Assim, o presente estudo visa contribuir com parte destas lacunas, tanto em questões metodológicas, quanto em informações de consumo na população.

(26)

15

2. OBJETIVOS

2.1.

OBJETIVO GERAL

 Investigar aspectos metodológicos do método NCI para estimar o consumo habitual de alimentos, bem como sua aplicação em estudo na população.

2.2.

OBJETIVOS ESPECÍFICOS

 Artigo 1: Calcular a precisão da estimativa da ingestão habitual segundo percentual de indivíduos com mais de uma medida dietética.

 Artigo 2: Verificar o uso do questionário de freqüência alimentar na definição de não consumidores de alimentos.

 Artigo 3: Estimar a ingestão habitual de alimentos e grupos alimentares segundo recomendação de consumo.

(27)

16

3. METODOLOGIA

Nesta tese, as respostas aos objetivos apresentados foram fornecidas pelos três artigos que a compõe. Por se tratarem de artigos independentes, com base de dados e análises estatísticas diferentes, os detalhamentos de cada um dos métodos, resultados e conclusões estão incluídos no texto dos respectivos artigos. A descrição mais detalhada do processo de amostragem utilizada para dois dos objetivos, bem como descrição da metodologia para estimar o consumo habitual encontra-se no ANEXO I. Os formulários utilizados para coleta dos dados (QFA e questionário socioeconômico) também são mostrados neste anexo.

4. ASPECTOS ÉTICOS

As duas pesquisas das quais serão utilizados os dados, bem como o presente projeto de pesquisa foram aprovados pelo Comitê de Ética da Faculdade de Saúde Pública, atendendo às exigências da resolução n 196 de 10 de outubro de 1996 do Conselho Nacional de Saúde que regulamenta pesquisas envolvendo seres humanos (ANEXO II). A participação dos sujeitos foi feita mediante consentimento do responsável legal ou pelo próprio indivíduo, quando maior de 18 anos.

(28)

17

5 FINANCIAMENTO DO ESTUDO

O presente estudo foi financiado, por meio de concessão de bolsa de doutorado, pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), processo nº 2009/11239-9.

(29)

18

6. RESULTADOS

6.1 PRIMEIRO ARTIGO

Precisão da estimativa da distribuição do consumo habitual de acordo com percentual de indivíduos com segunda medida dietética

Precision of the estimation of usual food intake distributions according to the percentage of individuals with a second dietary measurement

(30)

19

Resumo

Introdução: Métodos estatísticos para estimativa do consumo habitual requerem pelo

menos 2 medidas dietéticas em uma subamostra da população de estudo. Entretanto, o percentual de indivíduos com a segunda medida (taxa de replicação) pode influenciar na precisão das estimativas, tais como a média, percentis e percentual de indivíduos com consumo abaixo ou acima de um dado critério de adequação. Objetivo: Investigar a precisão da estimativa da distribuição do consumo utilizando diferentes taxas de replicação. Métodos: Foram utilizados 2 recordatórios de 24 horas (R24h) de 1304 adolescentes participantes do Continuous National Health and Nutrition Examination

Survey 2007-2008. O método do National Cancer Institute foi utilizado para estimar o

consumo habitual de vegetais verde escuros na amostra com 100% de taxa de replicação. Foram então geradas 100 reamostragens bootstrap para estimar o intervalo de confiança da média, percentis e percentual de indivíduos abaixo dos pontos de corte. Utilizando a mesma reamostragem bootstrap, amostras com 80%, 60%, 40% e 20% de taxa de replicação foram sorteadas. Para cada taxa de replicação foi estimado o consumo habitual e os intervalos de confiança das estimativas. Estes foram então comparados com aqueles obtidos a partir da amostra com 100% de taxa de replicação. Para verificar o efeito das diferentes taxas de replicação em relação ao tamanho da amostra, foram amostrados bancos de dados com 1000, 750, 500 e 250 indivíduos, e executados, em cada um destes, os mesmos procedimentos para comparação.

Resultados: A média e os percentis de consumo não variaram substancialmente com as

taxas de replicação, mas os intervalos de confiança para todos os percentis aumentaram com a redução da taxa de replicação. O percentual de indivíduos com consumo abaixo dos pontos de corte também foi similar com diferentes taxas de replicação, porém com intervalos de confiança mais amplos para taxas entre 40% e 20%. Conclusão: A precisão da estimativa do consumo habitual reduziu quando menores taxas de replicação foram utilizadas.

(31)

20

Introdução

Um importante tópico na avaliação do consumo dietético em populações é como descrever o consumo habitual de alimentos e nutrientes, isto é, a média a longo prazo do consumo (1). Métodos de curto prazo, como recordatório de 24 horas (R24h) e diários alimentares são úteis ao fornecer detalhadamente tipos e quantidades de alimentos consumidos, bem como preparações, marcas comerciais e medidas caseiras (2,3).

Entretanto, um único R24h não é suficiente para reproduzir o consumo habitual de indivíduos ou grupos em função da variação intrapessoal. De fato, para muitos itens dietéticos, a elevada variação intrapessoal pode conduzir a sérios problemas nas análises dos dados (2,4,5). Por exemplo, usando um único R24h, ou mesmo a média de poucos R24h, a variância do consumo se apresenta inflada, levando a um percentual enviesado de indivíduos com consumo abaixo ou acima de um dado critério de adequação (6).

A aplicação de vários R24h por indivíduo em estudos epidemiológicos é de difícil implementação em funções de custo, logística e disposição do entrevistado em relatar detalhadamente seu consumo por várias ocasiões. Assim, o uso de métodos estatísticos, como o método desenvolvido por pesquisadores do National Cancer

Institute (NCI) é uma alternativa para remover a variação intrapessoal e estimar o

consumo habitual (6).

O método NCI é adequado para estimar o consumo habitual de alimentos consumidos episodicamente, isto é, alimentos que exibem elevado percentual de consumo igual a zero em um dado dia de inquérito (6,7). O método permite a correlação entre probabilidade de consumir um alimento com quantidade consumida (8,9), e fornece a média e percentis de consumo na população, bem como o percentual de indivíduos com consumo abaixo de um valor de recomendação.

Não há informações disponíveis sobre os efeitos de se utilizar diferentes percentuais de indivíduos com mais de um R24h (aqui chamado de taxa de replicação).

O presente estudo tem como objetivo investigar o efeito de utilizar diferentes taxas de replicação sobre a estimativa do consumo habitual de um alimento consumido episodicamente. Considerando a potencial influência do tamanho da amostra na escolha

(32)

21 da taxa de replicação adequada, foi estimado e comparado o consumo habitual, a partir de diferentes taxas de replicação, em diferentes tamanhos amostrais.

Métodos

População de estudo

As analises foram baseadas em dados do National Health and

Nutrition Examination Survey 2007 – 2008 (NHANES), com amostra probabilistica da

população Norte-americana (10). O NHANES foi conduzido pelo National Center for

Health Statistics, Centers for Disease Control and Prevention (NCHS), cujo protocolo

de pesquisa foi aprovado pelo NCHS institutional review board. A participação dos indivíduos foi mediante leitura e assinatura do termo de consentimento livre. Participantes menores de 18 anos tiveram autorização consentida pelos pais ou responsável a participarem do estudo.

Coleta dos dados dietéticos

Dois R24h não consecutivos foram aplicados em um total de 7838 participantes a partir de 3 anos de idade. Ambos R24h foram coletados utilizando o método

Automated Multiple-Pass Method (AMPM), desenvolvido pelo departamento de

agricultura dos Estados Unidos (USDA) (11).

Análise estatística

Foram selecionados somente adolescentes (10-19 anos) que responderam a 2 R24h, totalizando 1304 participantes. O consumo habitual de vegetais verde escuros foi estimado para esta amostra (com 100% de taxa de replicação) ajustando pela covariáveis: renda familiar, sexo e idade, e ponderado pelo peso amostral. Este grupo de alimento foi escolhido em função de seu elevado percentual de consumo igual a zero (25%), cenário também esperado para muitos outros alimentos ou grupos de alimentos (12).

(33)

22 Os percentis estimados, o percentual de indivíduos com consumo abaixo dos pontos de corte (50, 75, 100 e150 gramas), e os intervalos de confiança foram utilizados como valores referência para comparação com os valores obtidos utilizando diferentes taxas de replicação. Os erros-padrão foram calculados partir de 100 reamostragens

bootstrap. Estes pontos de corte foram escolhidos por cobrirem toda distribuição do

consumo.

A seguir, foram utilizadas as mesmas 100 reamostragens para criar 4 banco de dados com diferentes taxas de replicação: 80%, 60%, 40% e 20%. Todos os participantes que responderam ao primeiro R24h (n=1304) foram mantidos, e foram selecionados aleatoriamente indivíduos que responderam ao segundo R24h. Estes bancos de dados foram gerados utilizando a rotina SAMPLE do pacote estatístico Stata (Stat Corp, v. 10.1).

Para cada taxa de replicação foi estimado o consumo habitual de vegetais verde escuros com as mesmas covariáveis (renda familiar, sexo e idade), ponderado pelo peso amostral. Foram então calculados os intervalos de confiança da média, percentis e percentual de consumo abaixo dos pontos de corte para cada taxa de replicação. Por fim, para verificar a precisão das estimativas, foram comparados os intervalos de confiança a partir de cada taxa de replicação com os intervalos de confiança obtidos da amostra com 100% de taxa de replicação.

Para o segundo objetivo, foram amostrados 4 novos bancos de dados contendo 1000, 750, 500 e 250 indivíduos (com 2 R24h cada) a partir da amostra inicial de 1304 indivíduos. A partir de cada um destes 4 banco de dados foram geradas 100 reamostragens bootstrap e executados os mesmos procedimentos analíticos feitos anteriormente. Foram construídos gráficos comparando os intervalos de confiança para cada taxa de replicação e tamanho amostral.

As estimativas do consumo habitual foram feitas no pacote estatístico SAS (SAS Corp, v. 9.2) utilizando as rotinas MIXTRAN e DISTRIB*.

*

(34)

23

Resultados

A figura 1 mostra percentis de consumo habitual de vegetais verde escuros e os intervalos de confiança estimados nas amostras contendo 1304, 1000, 750, 500 e 250 indivíduos de acordo com a taxa de replicação: 100%, 80%, 60%, 40% e 20%.

Os percentis de consumo não variaram substancialmente com as taxas de replicação e tamanhos de amostra. Entretanto, os intervalos de confiança de todos os percentis aumentaram com a redução da taxa de replicação, sugerindo perda de precisão quando a taxa de replicação é inferior a 100% é adotada. Por exemplo, usando uma taxa de replicação de 60% na amostra de 1000 indivíduos, o erro padrão de todos os percentis foi em torno de 25% maior que o erro padrão com 100% de taxa de replicação, resultando em intervalos de confiança mais amplos. Para as amostras menores (750, 500 e 250), o incremento no erro padrão foi menor: 11%, 6% e 3%, respectivamente.

É importante notar, entretanto, que os intervalos de confiança dos percentis aumentaram substancialmente quando empregadas taxas de replicação de 40% ou 20%. Independentemente da taxa de replicação utilizada e do tamanho da amostra, a perda de precisão da média foi menor que a observada para os percentis (dados não mostrados). Em relação ao percentual de indivíduos com consumo abaixo de pontos de cortes, a precisão também reduziu nas menores taxas de replicação (figura 2). Apesar da redução, os intervalos de confiança se mantiveram similares em quase todos os cenários, exceto nas taxas de replicação de 40% e 20%.

(35)

24

Figura 1 – Percentis de consumo habitual de vegetais verde escuros e os intervalos de

confiança estimados nas amostras contendo 1304, 1000, 750, 500 e 250 indivíduos de acordo com a taxa de replicação: 100%, 80%, 60%, 40% e 20%.

(36)

25

Figura 2 – Proporção de indivíduos com ingestão abaixo dos pontos de corte e os

intervalos de confiança estimados nas amostras contendo 1304, 1000, 750, 500 e 250 indivíduos de acordo com a taxa de replicação: 100%, 80%, 60%, 40% e 20%.

(37)

26

Discussão

O presente artigo aborda um importante tema para planejamento de estudos que objetivam estimar o consumo habitual em populações, isto é, o número de indivíduos que devem ser amostrados para coleta do segundo R24h.

Os achados indicam que reduzindo a taxa de replicação, o intervalo de confiança das estimativas aumenta, e conseqüentemente a precisão reduz. A perda de precisão é mais notável nos extremos da distribuição, isto é, nos percentis iniciais e finais com valores de consumo maiores que zero. Isto significa que, para um dado alimento em que seu consumo seja maior que zero somente a partir do percentil 25 (como no caso deste estudo), a precisão da estimativa deste e de percentis adjacentes será menor que a precisão de percentis intermediários, tais como os percentis 50 e 75. Assim, deve-se considerar, nas análises dos resultados, que percentis no extremo da distribuição podem ser estimados ainda com menor precisão.

Igualmente, a precisão da estimativa do percentual de indivíduos com consumo abaixo de pontos de cortes reduziu com a redução da taxa de replicação. Deve-se notar, entretanto, que os intervalos de confiança obtidos a partir das diferentes taxas de replicação não foram tão mais amplos que os intervalos de confiança obtidos a partir da amostra com 100% de replicação. Tendo como exemplo a amostra com 1000 indivíduos, para o qual o percentual de indivíduos com consumo abaixo de 100g foi 53% (IC 95%: 45%; 61%), o intervalo de confiança de 41% a 61% obtido a partir da taxa de replicação de 60% representaria um viés quase que irrelevante do ponto de vista da saúde pública. No entanto, considerando uma taxa de replicação de 20%, o intervalo de confiança seria de 32% a 64%, o que resultaria em importante perda na precisão.

Deve ser notado, entretanto, que somente o uso de uma apropriada taxa de replicação não garante bom ajuste ao modelo. Para alguns alimentos ou grupos de alimentos, especialmente aqueles com baixa freqüência de consumo, a coleta de mais que dois R24h para cada participante, bem como a inclusão da freqüência de consumo como covariável pode ser necessária (7). Entretanto, esta questão está além do escopo deste artigo.

O presente manuscrito apresenta algumas considerações metodológicas. Primeiro, foi estimado o consumo habitual usando um modelo com covariáveis, em vez

(38)

27 de um modelo nulo. Argumenta-se, que, em estudos epidemiológicos, variáveis socioeconômicas ou outras variáveis de interesse são usualmente coletadas e utilizadas em análises estatísticas referentes ao consumo dietético. Assim, buscou-se reproduzir um cenário esperado de análise dos dados.

Segundo, para cada tamanho de amostra e taxa de replicação, foram criadas 100 reamostragens utilizando a técnica de bootstrap, e estimado o consumo habitual em cada uma das replicações. Este procedimento foi feito para calcular o erro padrão e intervalo de confiança necessário para comparar as distribuições a partir de cada taxa de replicação dentro de cada tamanho amostral. Isto implica que o percentual de indivíduos com consumo abaixo dos pontos de corte poderia ser maior ou menor que a distribuição de referencia estimada (com 100% de taxa de replicação), dependendo da amostra sorteada. Este conhecimento é útil na escolha da taxa de replicação com um desejável nível de precisão.

Terceiro, considerando que o tamanho da amostra pode exercer uma influência na estimativa do consumo, foram amostrados bancos de dados contendo 1000, 750, 500 e 250 indivíduos. O objetivo foi verificar se a precisão para uma dada taxa de replicação mudaria com a redução do tamanho da amostra.

Por fim, vegetais verde escuros foram escolhidos como objeto de análise por apresentarem distribuição do consumo inflacionada de zero (25% neste caso). Distribuições inflacionadas de zero são comuns para muitos itens alimentares e caracteriza um problema em análise da dieta (12). É possível que a perda de precisão também ocorra em diferente magnitude em outros itens alimentares com diferentes percentuais de consumo igual a zero. Entretanto, este estudo não forneceu evidências de quanto a perda de precisão varia de acordo com o percentual de não consumidores.

Conclusão

A precisão das estimativas de consumo habitual reduziu quando menores taxas de replicação foram utilizadas. Para estudos que objetivam o cálculo da média ou o percentual de indivíduos com consumo abaixo de um dado ponto de corte, a redução da precisão pode não representar um importante viés. Entretanto, para a descrição do

(39)

28 consumo habitual em percentis, a redução da precisão com a utilização de baixa taxa de replicação pode caracterizar um viés importante. Futuros estudos com diferentes cenários podem sugerir uma apropriada taxa de replicação para estimar a ingestão habitual de alimentos.

Referências

1. Nusser SM, Carriquiry AL, Dodd KW, Fuller WA. A semiparametric transformation approach to estimating usual daily intake distributions. J Am Stat

Assoc 1996;91(436):1440-49.

2. Dodd KW, Guenther PM, Freedman LS, Subar AF, Kipnis V, Midthune D, Tooze JA, Krebs-Smith SM. Statistical methods for estimating usual intake of nutrients and foods: a review of the theory. J Am Diet Assoc. 2006;106(10):1640-1650.

3. Subar A, Dodd KW, Guenther PM, Kipnis V, Midthune D, McDowell M, Tooze JA, Freedman LS, Krebs-Smith SM. The Food Propensity Questionnaire: concept, development, and validation for use as a covariate in a model to estimate usual food intake. J Am Diet Assoc. 2006;106(10) :1556-1563.

4. Carriquiry AL. Estimation of usual intake distributions of nutrients and foods. J

Nutr. 2003;133(2):601S-608S.

5. Freedman LS, Midthune D, Carroll RJ, Krebs-Smith S, Subar AF, Troiano RP, Dodd K, Schatzkin A, Ferrari P et al. Adjustments to improve the estimation of usual dietary intake distributions in the population. J Nutr. 2004;134(7):1836-1843.

6. Tooze JA, Midthune D, Dodd KW, Freedman LS, Krebes-Smith SM, Subar AF, Guenther PM, Carroll RJ, Kipnis V. A new statistical method for estimating the usual intake of episodically consumed foods with application to their distribution. J

Am Diet Assoc. 2006;106(10):1575-1587.

7. Tooze JA, Kipnis V, Buckman DW, et al. A mixed-effects model approach for estimating the distribution of usual intake of nutrients: the NCI method. Stat Med. 2010;29(27):2857-2868.

(40)

29 8. Krebs-Smith SM, Guenther PM, Subar AF, Kirkpatrick SI. Americans do not meet

federal recommendations. J Nutr. 2010;140:1832-1838.

9. National Cancer Institute. Usual dietary intakes: the NCI method. 2010 [cited 2011 Oct 27]. Available from: http://riskfactor.cancer.gov/diet/usualintakes/method.html

10. National Center for Health Statistics. About the National Health and Nutrition Examination Survey. 2009 [cited 2011 Mar 11]. Available from:

http://www.cdc.gov/nchs/nhanes/about_nhanes.htm

11. Moshfegh AJ, Rhodes DG, Baer DJ, Murayi T, Clemens JC, Rumpler WV, Paul DR, Sebastian RS, Kuczynski KJ et al. The US Department of Agriculture Automated Multiple-Pass Method reduces bias in the collection of energy intakes.

Am J Clin Nutr. 2008;88(2):324-332.

12. Kipnis V, Midthune D, Buckman DW, et al. Modeling data with excess zeros and measurement error: application to evaluating relationships between episodically consumed foods and health outcomes. Biometrics. 2009;65(4):1003-1010.

(41)

30

5.2 SEGUNDO ARTIGO:

Questionário de Frequência Alimentar como covariável na predição da ingestão habitual de alimentos

(42)

31

Resumo:

Introdução: A informação de freqüência de consumo, coletada por um questionário de

freqüência alimentar (QFA) pode melhorar a predição do consumo de modelos estatísticos que utilizam recordatórios de 24 horas. O QFA, como covariável no modelo, é usado para identificar consumidores habituais de um dado alimento, mesmo que o consumo relatado no R24h tenha sido zero; e para diferenciar consumidores de não consumidores. Objetivo: verificar o desempenho da inclusão do QFA e uma variável indicadora de consumo habitual na estimativa da ingestão habitual de alimentos.

Métodos: A amostra foi composta por 725 indivíduos que responderam a um R24h e

um QFA. Um segundo R24h foi coleta em 93% dos participantes. O consumo habitual foi estimado pelo método desenvolvido pelo National Cancer Institute. Foram definidos como não consumidores usuais de um dado item aqueles que não relataram seu consumo em nenhum dos R24h e relataram freqüência de consumo igual a zero partir do QFA. Foi criada, uma variável indicadora (consome sim ou não) para cada alimento. Os modelos para estimar o consumo foram: a) sem covariáveis; b) um QFA como covariável; c) QFA mais variável indicadora de consumo como covariável; e d) somente com variável indicadora de consumo como covariável. Resultados: Em todos os alimentos analisados, a inclusão somente do QFA não resultou em melhora na predição, e não foi capaz de distinguir entre consumidores e não consumidores dos alimentos. Isto foi contornado com a inclusão simultânea da variável indicadora de consumo. Entretanto, a inclusão da variável indicadora de consumo, por si só, já se mostrou satisfatória mesmo nos modelos sem o QFA.

(43)

32

Introdução

Métodos para estimar a ingestão habitual de alimentos a partir de recordatórios de 24 horas apresentam limitações quando se trata de alimentos consumidos episodicamente. Isto se deve ao fato de que os indivíduos não consomem todos os alimentos todos os dias, resultando em consumo igual a zero para um dado dia de aplicação, mesmo se este alimento for de consumo usual do indivíduo ou população (Dodd et al, 2006).

Com a aplicação de dois R24h, o consumo habitual destes alimentos pode não ser estimado com acurácia. Assim, a informação adicional de freqüência de consumo, coletada por um questionário de freqüência alimentar (QFA) pode melhorar a predição do consumo (Kipnis et al, 2009). A informação de freqüência é usada para identificar consumidores habituais de um dado alimento, mesmo que o consumo relatado no R24h tenha sido zero, diferenciando consumidores de não consumidores. Além disso, a correlação entre a freqüência de consumo e a quantidade consumida observada para alguns alimentos pode também resultar em melhor ajuste dos modelos (Subar et al, 2006). Neste sentido, a aplicação do QFA em estudos epidemiológicos tem sido recomendada, uma vez que recentes métodos para estimar o consumo habitual de alimentos permitem a inclusão da freqüência de consumo como covariável (Souverein et al, 2011).

Entretanto, em função do viés de memória decorrente da aplicação do QFA, indivíduos estão sujeitos a relatarem o não consumo de um dado alimento a partir do QFA (não consumidores habituais), porém relatam consumo do mesmo alimento quando respondem ao R24h. Isto pode resultar em menor capacidade de predição dos modelos de consumo. Nestes casos, a presença de uma covariável que identifique consumidores e não consumidores habituais de uma dado alimento poderia ser útil na predição do consumo.

O presente artigo objetiva comparar as distribuições de consumo habitual a partir de modelos com e sem a freqüência de consumo como covariável. Adicionalmente, será criada uma variável indicadora de consumo e inclusa nos modelos para predição do consumo habitual.

(44)

33

Metodologia

População de estudo e coleta dos dados

Foram utilizados dados do estudo Inquérito de Saúde no município de São Paulo 2008 (ISA-Capital 2008). O ISA-Capital foi um estudo transversal, com amostra representativa do município, coletado entre 2008 e 2009, cujos detalhes são obtidos em outra publicação (Sousa et al, 2011). Para o presente estudo, foi utilizada uma subamostra participante do módulo de consumo alimentar. Nesta etapa, foram contatados e convidados todos os participantes do ISA-Capital a responderem aos inquéritos dietéticos: dois recordatórios de 24 horas (R24h) e um questionário de freqüência alimentar (QFA). Ao final, 725 responderam aos inquéritos, dos quais 93% responderam ao segundo R24h.

Análise estatística

O consumo habitual dos alimentos e grupos de alimentos foi estimado pelo método do National Cancer Institute (NCI) (Tooze et al, 2006). Utilizou-se modelo correlacionado para todas as análises, que permite a correlação entre a probabilidade de consumo e a quantidade consumida. Para verificar a correlação entre a frequência diária de consumo, obtida pelo QFA, e a quantidade de consumo, obtida pelos R24hs, utilizou-se o teste de correlação de Spearman. Foram definidos como não consumidores usuais de um dado alimento ou grupo aqueles que não relataram consumo em nenhum dos R24h e relataram, ao mesmo tempo, freqüência de consumo igual a zero a partir do QFA. Foi criada, então, uma variável indicadora (consome sim ou não) para cada alimento. A seguir foi estimado o consumo habitual para cada alimento: a) a partir de um modelo sem covariáveis – modelo nulo; b) um modelo com o QFA como covariável; c) um modelo com QFA mais variável indicadora de consumo como covariáveis; e d) um modelo somente com variável indicadora de consumo como covariável. O QFA e a variável indicadora de consumo foram inclusas nas duas partes do modelo (probabilidade e quantidade). O valor de AIC obtido em cada um dos modelos foi utilizado como parâmetro na escolha do melhor ajuste: quanto menor o

(45)

34 AIC, melhor o ajuste. O método NCI foi executado utilizando as macros DISTRIB e MIXTRAN para o programa estatístico SAS (SAS Corp, v. 9.2).

O presente estudo foi aprovado pelo Comitê de Ética em Pesquisa da Faculdade de Saúde Pública da Universidade de São Paulo. A participação dos indivíduos foi mediante leitura e assinatura do termo de consentimento livre e esclarecido. Participantes menores de 18 anos tiveram autorização consentida pelos pais ou responsável a participarem do estudo.

Resultados

Os percentuais de indivíduos que relataram consumo igual a zero nos R24hs e QFA, bem como os percentuais de não consumidores, são mostrados na figura 1. Nota-se que, em todos os alimentos, o percentual de não consumidores é menor que o percentual de freqüência de consumo igual a zero relatado no QFA. Esta figura traz também os coeficientes de correlação de Spearman entre a freqüência diária de consumo obtida pelo QFA e a quantidade de consumo obtida pelos R24hs. Todos os coeficientes apresentaram significância estatística (p<0,05).

A tabela 2 mostra a distribuição do consumo habitual dos alimentos e grupos de alimentos para cada modelo de predição. Para alimentos com baixo percentual de não consumidores (arroz, carne bovina, embutidos, frutas e verduras e legumes) a inclusão do QFA e/ou da variável indicadora não caracterizou em melhora na predição, vista similaridade com modelo nulo. Para os demais alimentos, a inclusão da variável indicadora, com ou sem a presença do QFA foi capaz de estimar consumo habitual igual a zero na mesma proporção de não consumidores. Em todos os casos, entretanto, o AIC se alterou minimamente, observando-se valores muito próximos entre os diferentes modelos para cada alimento.

(46)

35

Tabela 1 – Percentual de consumo igual a zero nos R24hs e QFA, e coeficientes de

correlação de Spearman entre freqüência diária de consumo e quantidade consumida.

Alimento Consumo igual a zero Não

consumidor Corr 1 1º R24h 2º R24h QFA Arroz 17% 22% 1.1% 0.2% 0.27 Carne bovina 58% 62% 6.3% 4.0% 0.11 Embutidos 70% 79% 4.7% 4.0% 0.17 Café 30% 30% 32.0% 14.0% 0.43 Frutas 52% 65% 3.7% 3.0% 0.25 Legumes e verduras 37% 45% 3.1% 2.0% 0.25 Leite 33% 37% 14.0% 9.7% 0.46 Queijo 81% 80% 21.0% 16.0% 0.29 Refrigerante 64% 68% 23.0% 17.0% 0.39 1

coeficientes de correlação de Spearman entre freqüência diária de consumo obtida pelo

QFA e quantidade consumida obtida pelos R24hs.

Tabela 2 – Distribuição da ingestão habitual de alimentos e grupos de alimentos

segundo modelos de predição.

Arroz média (g) Percentis de consumo AIC

5 10 25 50 75 90 95

nulo 170.24 60.07 76.34 108.84 154.78 214.27 282.97 332.58 15280 QFA 169.83 56.62 73.50 107.80 155.31 214.40 281.45 330.56 15163 QFA + indicadora 170.05 56.51 74.01 108.35 155.67 214.72 281.81 331.03 15153 indicadora 170.47 59.58 76.45 109.40 155.43 214.76 283.29 332.88 15259

Carne bovina média (g) Percentis de consumo AIC

5 10 25 50 75 90 95

Embutidos média (g) Percentis de consumo AIC

5 10 25 50 75 90 95

(47)

36

Café média (ml) Percentis de consumo AIC

5 10 25 50 75 90 95

Frutas média (g) Percentis de consumo AIC

5 10 25 50 75 90 95 nulo 87.27 3.67 7.17 20.93 59.05 129.22 209.85 261.90 8535 QFA 86.74 3.90 7.48 21.07 58.30 127.27 207.93 261.37 8495 QFA + indicadora 87.12 2.07 5.95 20.19 58.78 129.06 210.12 263.50 8465 indicadora 87.61 1.95 5.75 20.13 59.44 130.63 211.74 263.92 8498 Legumes e Verduras média (g) Percentis de consumo AIC 5 10 25 50 75 90 95 nulo 76.68 14.60 22.14 40.78 69.73 104.83 139.94 162.88 11614 QFA 76.70 15.61 22.95 40.95 69.16 104.12 139.91 163.75 11549 QFA + indicadora 77.03 13.82 22.90 42.43 70.87 104.77 138.98 161.54 11514 indicadora 76.98 12.99 22.05 41.83 70.77 105.24 139.82 162.45 11563

Leite média (ml) Percentis de consumo AIC

5 10 25 50 75 90 95

Queijo média (g) Percentis de consumo AIC

5 10 25 50 75 90 95

Refrigerante média (g) Percentis de consumo AIC

5 10 25 50 75 90 95 nulo 150.87 5.72 11.04 31.76 90.97 211.93 374.35 493.22 8413 QFA 151.74 8.50 14.71 35.94 89.85 196.53 352.23 484.22 8316 QFA + indicadora 154.39 0.00 0.00 19.35 95.94 221.28 376.65 496.65 8107 indicadora 153.57 0.00 0.00 16.80 95.50 230.07 392.67 507.59 8164

(48)

37

Discussão

A utilização do QFA na estimativa da ingestão habitual de alimentos, especialmente aqueles consumidos episodicamente, é recomendada como uma estratégia importante, dada a correlação existente entre freqüência e quantidade de consumo, resultando em potencial melhora na predição da distribuição do consumo (Kipnis et al, 2009). Isto exige a coleta da freqüência de consumo em todos os participantes do estudo, circunstância que pode elevar os custos da execução do projeto, uma vez que já estão previstas a coleta de 2 R24h. Além disso, a perda amostral por não localização do indivíduo ou recusa em responder a mais uma coleta pode ser um fator limitante.

Os resultados do presente estudo sugerem duas importantes implicações para estimativa da ingestão habitual de alimentos. Primeiro, a inclusão do QFA não garante a melhora no ajuste e conseqüentemente na predição do consumo, mesmo em casos em que a correlação entre freqüência e consumo é significante. Os percentis de consumo obtidos a partir do modelo nulo bem como o AIC foram semelhantes aos obtidos a partir do modelo com o QFA. Isto pode ter ocorrido pelo fato de que um percentual de indivíduos relatou não consumir um dado alimento no QFA, porém relatou seu consumo nos R24hs, o que aumenta os resíduos e reduz a capacidade de predição do modelo. Além disso, a inclusão do QFA, por si só, não foi suficiente para estimar distribuição com consumo igual a zero para o percentual da população que não é consumidora de um dado alimento. É o caso do refrigerante, em que 17% da amostra é considerada não consumidora, mas no modelo com o QFA foi estimado consumo de 8,5g e 14,7g para os percentis 5 e 10 respectivamente. A inclusão simultânea de uma variável indicadora de consumo não melhorou substancialmente o ajuste, dada similaridade entre percentis de consumo com os obtidos a partir do modelo nulo, bem como redução modesta do AIC. No entanto, as distribuições do consumo estimadas apresentaram percentual de consumo igual a zero semelhante ao número de não consumidores para um dado alimento, fato observado para o café, leite, queijo e refrigerante. Assim, a presença da variável indicadora de consumo não permitiu que fosse atribuído algum valor de consumo para as parcelas da população que relataram ser não consumidores para um dado alimento.