0
Percepção do estado de saúde nas regiões Metropolitanas de Campinas e da
Baixada Santista
.
Tirza Aidar - IFCH e NEPO - UNICAMP Stella M.B.S. Telles - Pesquisadora do Nepp/Unicamp
Resumo:
O trabalho analisou a resposta quanto à percepção do estado de saúde das pessoas residentes em duas Regiões Metropolitanas através dos dados da pesquisa de campo realizada no âmbito do projeto “Dinâmica Intrametropolitana e Vulnerabilidade Sócio-demográfica nas Metrópoles do Interior Paulista: Campinas e Santos” de 2007 que contemplou uma série de variáveis demográficas, ambientais e socioeconômicas. Foram utilizadas técnicas estatísticas baseadas nos modelos de regressão multinível para investigar a existência de diferenças em relação à percepção individual do estado de saúde associadas a indicadores de vulnerabilidade social em nível agregado, referentes a grandes áreas identificadas de acordo com diferentes níveis de vulnerabilidade, e de agrupamentos de domicílios.
Palavras Chaves: saúde, vulnerabilidade e região metropolitana
Trabalho apresentado no XVII Encontro Nacional de Estudos Populacionais, ABEP, realizado em Caxambú- MG – Brasil, de 20 a 24 de setembro de 2010.
A pesquisa tem o apoio do CNPq, no âmbito do projeto “Vulnerabilidade sociodemográfica e a saúde em ambiente metropolitano paulista”, desenvolvido no NEPO.
1
Percepção do estado de saúde nas regiões Metropolitanas de Campinas e da Baixada Santista
Tirza Aidar Stella M.B.S. Telles
Introdução
O objetivo deste trabalho é analisar a relação entre a percepção do estado de saúde individual e variáveis socioeconômicas e demográficas nas Regiões Metropolitanas de Campinas e da Baixada Santista no ano de 2007.
A metodologia aplicada neste trabalho utiliza técnicas estatísticas baseadas nos modelos de regressão multinível. Optou-se por estas técnicas por se supor que as informações individuais podem estar estruturadas hierarquicamente. Nesse sentido, a hipótese levantada é que existem diferenças em relação à percepção do estado de saúde por grupos de pessoas, as quais podem sofrer a influencia do grupo. Tais diferenças, se de fato existirem, podem ser estimadas através da análise estatística.
Para esta investigação utilizou-se a base de dados gerada pela pesquisa de campo desenvolvida no NEPO no ano de 2007 que contempla uma série de variáveis demográficas, ambientais e socioeconômicas. Em uma etapa anterior a este trabalho, a equipe da pesquisa do NEPO/Unicamp buscou identificar e mapear zonas de vulnerabilidade dentro das áreas urbanas das Regiões Metropolitanas de Campinas e Santos. Para tanto, foi desenvolvida uma variável sintética designada pelo nome de zona de vulnerabilidade que combina três dimensões relativas aos capitais físico-financeiro, humano e social. (Veja notas
metodológicas no sumário de dados disponibilizado em:
http://www.nepo.unicamp.br/publicacoes/sumarios.html).
Para o processamento das informações foi utilizado o software SAS 9.2., tanto na fase inicial para realização das tabelas de freqüências quanto na fase subseqüente relativa à elaboração dos modelos utilizando o PROC MIXED.
Assim, este trabalho de pesquisa tem como objetivos específicos:
1 – Verificar se existem diferenciais intra-regionais sobre a percepção da qualidade da saúde; 2 – Aprender e aplicar técnicas de modelagem multinível em informações que podem se constituir fatores de riscos associados à percepção da qualidade da saúde.
1 - Metodologia
Em geral utilizam-se modelos de regressão hierárquicos quando se quer explicar a resposta de uma variável em função de outras variáveis para um conjunto de dados que, acredita-se, possa apresentar uma estrutura hierárquica. Nesse caso, a relação entre as variáveis preditoras é mais complexa de forma que os modelos de regressão clássicos não são capazes de representar o fenômeno com tanta fidelidade quanto os modelos de regressão hierárquicos (HLM) ou, também chamados modelos multiníveis.
Com respeito à homogeneidade das variáveis intra-grupos Moraes, 2004, afirma que:
Nas ciências humanas e sociais, o processo de socialização torna os sujeitos semelhantes e as suas respostas interdependentes, já que os indivíduos interagem em grupo e, a equipe
2
afeta o indivíduo. Nesse sentido é razoável encontrar homogeneidade entre as respostas entre os indivíduos de um mesmo setor e, entre os indivíduos de uma mesma organização.
Os modelos HLM respeitam a forma de agrupamento dos dados e permitem a utilização de dados de níveis distintos. Por níveis distintos de análise, entendemos que normalmente as variáveis de uma pesquisa são dispostas em estruturas diferentes. No caso do presente estudo a variável relativa a uma pessoa residente em uma zona de vulnerabilidade está ancorada no nível individual, nível I. A percepção do estado de saúde de uma zona de vulnerabilidade está estabelecida no nível do grupo, nesse caso no nível da zona (nível II). Assim cada zona de vulnerabilidade tem uma única percepção geral da saúde. Faz-se necessário, portanto ter claro qual é o instrumento de análise do contexto e como se dá a sua interação no nível individual (Ferrão, 2003).
Um dos problemas enfrentados quando não se considera a estrutura hierárquica dos dados, uma vez que ela existe, é que se agregamos dados individuais, as informações individuais são perdidas na análise e, se ao contrário desagregamos informações de natureza de grupo, como por exemplo, atribuir aos indivíduos o valor do nível de renda médio da região a que ele pertence, estamos introduzindo um viés na análise ao não garantir a independência das informações.
Diferentemente dos modelos clássicos de regressão linear, nos modelos HLM tanto o intercepto quanto os coeficientes de inclinação são tratados como variáveis aleatórias, permitindo assim a variabilidade das estimativas entre os grupos.
Os modelos hierárquicos ao considerar a estrutura de agrupamento permitem que cada grupo tenha o seu modelo de regressão próprio. Esses modelos podem sofrer a influencia de variáveis no mesmo nível de agregação ou em níveis superiores.
No nosso caso, por exemplo, é possível que variáveis como a renda média da zona de vulnerabilidade ou a escolaridade média possam afetar a percepção da saúde de maneiras diferentes. Isto pode acontecer de maneiras distintas, seja diretamente afetando a percepção da qualidade da saúde quanto indiretamente quando atenua ou incrementa o efeito de uma variável como, por exemplo, idade ou sexo.
Vale ressaltar que na modelagem multinível cada nível de agregação é representado pelo seu modelo específico e esses submodelos apresentam o relacionamento entre as variáveis contextuais dentro do nível de agregação e, influenciam o efeito de outras variáveis nos níveis inferiores. (Soares, Tufi 2005).
Um dos processos de construção do modelo hierárquico pode ser, partindo-se do modelo nulo, incluir variáveis uma a uma e ir analisando a significância estatística dos parâmetros fixos e aleatórios para cada novo modelo.
A estatística deviance pode ser utilizada como um critério de escolha do modelo. Na verdade, trata-se de uma medida que dá o grau de ajuste dos dados ao modelo. Assim, é possível utilizá-la para comparar modelos mais simples com modelos mais complexos. O critério de seleção do modelo é escolher aquele que apresenta deviance mais baixa. Além da deviance também existe o critério AIC (Akaike Information Criterion).
Ainda de acordo com Ferrão, 2003, as vantagens dos modelos HLM podem ser brevemente resumidas:
1 – possibilidade de obter estimativas eficientes dos coeficientes de regressão; 2 – incorpora a informação sobre o agrupamento das informações
3
3 – possibilita a utilização de variáveis explicativas que foram mensuradas em cada nível da hierarquia. Assim, é possível ao investigador realizar uma análise mais eficiente do impacto e da participação de cada nível na explicação fornecida pela variável resposta em termos de sua variabilidade.
Entre os modelos de regressão multinível mais usados destacam-se o modelo de componentes da variância e o modelo de coeficientes aleatórios.
2 – Descrição do Banco de Dados e Variáveis
A base de dados utilizada provém da pesquisa de campo realizada no âmbito do projeto “Dinâmica Intrametropolitana e Vulnerabilidade Sócio-demográfica nas Metrópoles do Interior Paulista: Campinas e Santos”, desenvolvido pelos pesquisadores do Nepo/Unicamp com financiamento da FAPESP e do CNPq.
De acordo com as notas do sumário de dados já citado na introdução, a amostra foi desenhada de maneira a representar a totalidade das Regiões Metropolitanas e, também estratos homogêneos (zonas de vulnerabilidade) criados a partir de pressuposições teóricas do projeto que consideram o conceito de vulnerabilidade (Cunha, 2006). É necessário dizer que as entrevistas foram realizadas apenas nos domicílios urbanos, o que significa dizer que a amostra é representativa da população urbana da região metropolitana. Entretanto a zona rural das Regiões Metropolitanas de Campinas e da Baixada Santista correspondiam respectivamente a 2,93% e 0,41% da população total segundo o censo demográfico do ano 2000.
Para o estudo utilizamos inicialmente as variáveis explicativas:
Variáveis Associadas ao Nível individual (nível I): Sexo: feminino e masculino,
Idade: em anos,
Escolaridade: em anos de estudo,
Cor: 1 para não negros e 0 para negros. (Agregações: Negros: pretos e pardos e Não negros:
brancos e amarelos).
Unido: 1 para unido e 0 para não unido. (Agregações: não unido: „já viveu‟ e „não viveu‟;
unido: vive atualmente).
Classe: classificação social através do nível socioeconômico com variação de atributos de 1 a
7. O nível socioeconômico foi proposto pelo Sistema de pontuação atribuído ao grau de escolaridade do chefe de família e a itens de posse (número de televisores em cores, rádios, automóveis, banheiros, máquina de lavar roupa, geladeira, videocassete e aspirador de pó) e conforto familiar (empregada doméstica). (Ver Critério ABA/ABIPEME Associação Brasileira de Anunciantes-Associação Brasileira dos Institutos de Pesquisa de Mercado. Critério de classificação socioeconômica), a saber:
1 = E ( 0-5 pontos ) 2 = D (6-10 pontos) 3 = C (11-16 pontos) 4 = B2 (17-20 pontos) 5 = B1 (21-24 pontos) 6 = A2 (25-29 pontos) 7 = A1 (30-45 pontos)
4
Devido ao fato da distribuição de freqüência da variável classe estar um pouco rarefeita, decidiu-se criar uma nova variável para classe, designada novaclasse que agregou os grupos das classes 1 e 2 em novaclasse 1, a classe 3 passou a ser a novaclasse 2, a classe 4 para novaclasse 3 e as classes 5, 6 e 7 passaram a ser a novaclasse 4. Assim, a nova variável „novaclasse‟ apresenta categorias que tem pontuação que varia de 1 a 4 representando as situações do mais baixo ao mais alto potencial ou padrão de consumo.
Renda per capita
Foi utilizada a variável „YPC‟ que representa o Rendimento domiciliar per capita.
Variáveis Associadas ao Nível contextual (nível II):
Escolaridade Média da Zona de Vulnerabilidade: cálculo realizado através da soma dos
valores da variável escolaridade para cada zona de vulnerabilidade e dividido pelo total de pessoas residentes em cada zona de vulnerabilidade.
Rendimento Médio domiciliar per capita da Zona de Vulnerabilidade: cálculo realizado
através da soma dos valores da variável renda per capita para cada zona de vulnerabilidade e dividido pelo total de pessoas residentes em cada zona de vulnerabilidade.
Variável Dependente
A variável dependente é uma medida da percepção do estado de saúde auto avaliado, no nível individual. De acordo com Noronha, 2007, essa medida, ainda que subjetiva, é bastante usada na literatura, pois possibilita uma medida ampla do estado de saúde, além de considerar todos os tipos de morbidade. Nesse sentido, utilizamos a variável B058 do banco de dados:
“De um modo geral, o (a) Sr.(a) considera o estado de saúde de [NOME] como”: 1. Muito bom 2. Bom 3. Regular 4. Ruim 5. Muito Ruim 9. Não sabe Para a análise inverteu-se o sentido da variável, ou seja, trabalhou-se com esta variável como se fosse uma nota para a percepção do estado de saúde variando de 1 a 5 (de muito ruim a muito bom).
Variável de Agrupamento
A variável “zona” que representa a zona de vulnerabilidade onde o indivíduo reside foi a escolhida para definir os agrupamentos no nível 2. A variável zona de vulnerabilidade foi construída em estudo anterior usando técnicas de análise multivariada. O conceito de vulnerabilidade em que se baseia a criação das zonas refere-se à capacidade que um individuo ou família tem de aproveitar-se de oportunidades em distintos âmbitos para melhorar sua situação de bem estar ou impedir sua deterioração. Assim, foram realizadas análises multivariadas utilizando o método de análise fatorial onde foram consideradas três dimensões de indicadores denominadas: capital físico, capital humano e capital social. Para maior detalhamento, ver http://www.nepo.unicamp.br/publicacoes/sumarios.html e, Cunha, 2006. No quadro 1 do anexo é possível verificar quais variáveis e de que forma contribuíram para a consolidação da variável sintética “zona de vulnerabilidade”.
No caso da Região Metropolitana de Campinas foram criadas 4 zonas de vulnerabilidade e, no caso da Região Metropolitana da Baixada Santista 3. Tanto para a Região Metropolitana de Campinas como para a Baixada Santista há um sentido de ordenamento das zonas mais
5
vulneráveis para as menos vulneráveis (Para maiores esclarecimentos ver quadros 2 A e 2B do Anexo).
3 - Resultados
Para o estudo utilizou-se uma amostra representativa da Região Metropolitana de Campinas na qual foram entrevistadas 5902 pessoas. A zona 1 e a zona 2 concentraram maiores proporções da população. A amostra da Região Metropolitana da Baixada Santista contemplou 4761 entrevistas (tabelas 1 e 2).
Tabela 1 – População residente na RMC por zonas de vulnerabilidade (Amostra)
zona Frequencia Percentual
1 1841 31,2 2 1722 29,2 3 1519 25,7 4 820 13,9 Total 5902 100,0 R. Metropolitana de Campinas
Tabela 2 – População residente na RMBS por zonas de vulnerabilidade (Amostra)
zona Frequencia Percentual
1 1704 35,8
2 1663 34,9
3 1394 29,3
Total 3367 70,7
R. Metropolitana da Baixada Santista
A variável dependente, ou seja, a auto-avaliação do estado de saúde no nível individual apresentou ligeiras diferenças de uma região para a outra. Os dados mostram que a RMC apresenta uma distribuição um pouco mais homogênea do que a RMBS. A RMC avaliou um pouco melhor o estado de saúde apresentando menor proporção de resposta “regular” e maior proporção da resposta “muito boa”.
Gráficos 1A e 1B – Auto-avaliação do estado de saúde
0,4 2,0
14,7
54,3
28,7
Muito Ruim Ruim Regular Bom Muito bom
Região Metropolitana de Campinas Como Avalia o seu estado de saúde?
0,4 1,8
15,8
64,5
17,6
Muito Ruim Ruim Regular Bom Muito bom Região Metropolitana da B. Santista
6
A seguir apresenta-se a proporção de pessoas que avaliaram sua saúde como boa ou muito boa segundo variáveis explicativas utilizadas no estudo.
A percepção do estado de saúde é melhor para os homens tanto na RMC quanto na RMBS. No caso dos homens, em ambas as regiões metropolitanas, e das mulheres da RMC, as zonas menos vulneráveis (zona 4 da RMC e zona 3 da RMBS) apresentaram percentuais mais elevados de avaliação de saúde boa ou muito boa do que nas zonas mais vulneráveis, (Gráficos 2A e 2B).
Gráfico 2A e 2B Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e sexo.
81,5 84,9 78,3 82,3 80,4 84,2 85,2 88,6 1 2 3 4 mulher homem RMC 79,2 82,0 80,2 83,2 79,8 87,3 1 2 3 mulher homem RMBS
À medida que a idade avança há uma tendência de se perceber uma deterioração da saúde, sobretudo depois dos 45 anos de idade. O fato de a pessoa residir em zonas de maior vulnerabilidade também intensifica a probabilidade dela auto-avaliar sua saúde como pior do que as pessoas residentes em áreas mais privilegiadas (Gráficos 3A e 3B).
Gráfico 3A e 3B – Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e faixa etária.
0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 0-14 15-29 30-44 45-59 60+ 1 2 3 4 RMC 0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0 100,0 0-14 15-29 30-44 45-59 60+ 1 2 3 RMBS
7
Quanto maior o nível de escolaridade, maiores são as chances do individuo ter uma saúde melhor. Na RMC, dentro do grupo de mais baixa escolaridade, as pessoas que residem em zonas de maior vulnerabilidade avaliaram melhor sua saúde do que aquelas residentes em zonas de menor vulnerabilidade. Entre as pessoas mais escolarizadas na RMC, aquelas residentes em zonas de menor vulnerabilidade foram as que melhor avaliaram sua saúde (Gráficos 4A e 4B).
Gráfico 4A e 4B– Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e escolaridade (anos de estudo)
60,0 65,0 70,0 75,0 80,0 85,0 90,0 95,0 100,0 0-4 5-8 9-11 12+ 1 2 3 4 RMC 60,0 65,0 70,0 75,0 80,0 85,0 90,0 95,0 100,0 1-4 5-8 9-11 12+ 1 2 3 RMBS
Os dados mostram que não existem grandes diferenciais por a cor no percentual de pessoas que avaliaram positivamente seu estado de saúde quando se analisam pelas distintas zonas de vulnerabilidade. A exceção ocorre na zona de menor vulnerabilidade da RMC onde as pessoas auto-declaradas como não brancas avaliaram melhor seu estado de saúde do que as pessoas auto-declaradas brancas provenientes da mesma zona (Gráficos 5A e 5B).
Gráfico 5A e 5B – Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e cor
82,0 78,7 81,8
94,6 84,7
81,0 82,2 85,8
1 2 3 4
não branco branco RMC
80,7 80,0 80,0 82,3 84,7 82,8
1 2 3
não branco branco RMBS
Não há diferenciais substantivos com relação ao percentual de pessoas unidas e não unidas que avaliaram seu estado de saúde como bom ou muito bom nas zonas mais vulneráveis em ambas as Regiões Metropolitanas. No entanto, nas zonas menos vulneráveis nas duas regiões,
8
as pessoas unidas em geral avaliaram melhor seu estado de saúde do que as não unidas (Gráficos 6A e 6B).
Gráfico 6A e 6B – Proporção de pessoas maiores de 18 anos que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e estado conjugal (unido, não unido)
0,0 20,0 40,0 60,0 80,0 100,0 1 2 3 4
não unido unido
RMC 0,0 20,0 40,0 60,0 80,0 100,0 1 2 3
não unido unido
RMBS
Nas duas Regiões Metropolitanas, os dados sugerem a existência de uma relação positiva entre a percepção do estado de saúde e a classe socioeconômica.
Além disso, somente na Região Metropolitana de Campinas as pessoas pertencentes à classe socioeconômica menos favorecida, ou seja, à classe 1 que agrega as classes D e E da classificação segundo critério da ABIPEME, avaliaram seu estado de saúde de forma distinta com relação à zona de vulnerabilidade em que residem. Entre os que se encontram na classe socioeconômica mais baixa, aqueles residentes em zonas mais vulneráveis avaliam melhor sua saúde do que aqueles residentes em zonas menos vulneráveis.
Nas classes mais favorecidas, 3 e 4, que são as classes que concentram os indivíduos pertencentes às classes socioeconômicas pelo critério ABIPEME, B1, B2, A1 e A2 existe pouca variação na probabilidade da pessoa avaliar seu estado de saúde como bom ou muito bom. Essa probabilidade já é alta para as pessoas dessas classes nas duas regiões metropolitanas e com pouca variação por zona de vulnerabilidade. Isto significa dizer que, se o indivíduo tem mais recursos, isto é, pertence às classes socioeconômicas mais privilegiadas, as chances dele considerar sua saúde boa ou muito boa vão ser altas independente da zona de vulnerabilidade onde ele reside. (Gráficos 7A e 7B).
Gráfico 7A e 7B – Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e classificação social
0,0 20,0 40,0 60,0 80,0 100,0
classe 1 : D+E classe 2: C classe 3: B2 classe 4: B1+A2+A1 1 2 3 4 RMC 0,0 20,0 40,0 60,0 80,0 100,0
classe 1 : D+E classe 2: C classe 3: B2 classe 4: B1+A2+A1
1 2 3
9
Ao contrário da variável classe social, a variável renda domiciliar per capita não apresenta uma relação crescente e positiva com a percepção do estado de saúde. À medida que a renda domiciliar per capita aumenta não se observa em nenhuma das regiões um acréscimo substantivo na probabilidade de se perceber a saúde como boa ou muito boa.
Os dados mostram que na RMC, há uma tendência das pessoas no grupo de rendimentos domiciliares per capita mais baixos terem uma percepção melhor do seu estado de saúde na medida em vivem em zonas de maior vulnerabilidade. O grupo de pessoas com rendimentos per capita mais elevados nas duas regiões metropolitanas em geral avaliam melhor seu estado de saúde na medida em que vivem em zonas menos vulneráveis (Gráfico 8A e 8B).
Gráfico 8A e 8B – Proporção de pessoas que avaliaram sua saúde como boa ou muito boa por zona de vulnerabilidade e renda domiciliar per capita em salários mínimos
0 20 40 60 80 100
até 0,4 sm >0,4 até 0,75 sm>0,75 até 1,5 sm > 1,5 sm
1 2 3 4 RMC 0 20 40 60 80 100
até 0,4 sm >0,4 até 0,75 sm>0,75 até 1,5 sm > 1,5 sm
1 2 3
RMBS
Descrição e Análise dos Modelos Hierárquicos Modelo Nulo
Os modelos de regressão hierárquicos foram testados para a população adulta, onde foram consideradas as pessoas com 18 anos ou mais de idade. O primeiro modelo é o modelo nulo, o qual considera apenas o intercepto (preditor linear), sem variáveis explicativas.
Especificação do modelo:
Equação de nível 1 : Saudeij = ßoj + eij
Equação de nível 2 : ßoj = γ00 + uoj
eij ~ NID ( 0, σe2) – distribuição normal, com média 0 e variância σe2.
uoj ~ NID ( 0, σu02) – distribuição normal, com média 0 e variância σu02.
onde saúdeij = avaliação da saúde individual. A variância da percepção do estado de saúde
entre as zonas de vulnerabilidade é dada pela variância de uoj e, a variância da percepção do
estado de saúde entre os indivíduos é dada pela variância de eij .
O modelo nulo é particularmente importante para o estudo da distribuição da variância total segundo níveis de agrupamento, pois é com base neste modelo que se estima o efeito de grupo, portanto, o efeito da zona de vulnerabilidade.
10
Pelas estimativas do modelo nulo verificamos que o estado de saúde médio global, γ00, é de
4,01 para a RMC e de 3,90 para a RMBS. Como já foi dito, o estado de saúde pode receber atributos de 1 a 5, onde 5 representa que o indivíduo considerou sua saúde como muito boa.
Tabela 3A e 3B
Estimativas do modelo nulo para as Regiões Metropolitanas de Campinas e da Baixada Santista RMC Estimativa (e.p) Intercepto 4,0107* (0,03758) Nível 2 - Zona Intercepto (σu02) 0,0051 (0,0047) Nível 1 - Pessoa Intercepto (σe 2 ) 0,5845* (0,0125) -2 log verossimilhança 10095,8
No. Casos usados 4382
* p 0,05
Parametros Fixos
Parametros Aleatórios
O efeito da zona de vulnerabilidade
Se, por hipótese, σu02 for estatisticamente igual a zero, isto significa que toda a variância da
avaliação do estado de saúde seria atribuída à variabilidade entre as pessoas. Isto significa que não existe efeito da zona de vulnerabilidade sobre o estado de saúde percebido pelas pessoas.
Assim, de acordo com os resultados do modelo nulo para a RMC, o efeito da zona de vulnerabilidade é de apenas 0,86%. No caso da RMBS a zona de vulnerabilidade explicaria 0,78% da variabilidade total da avaliação do estado de saúde. Entretanto, não podemos afirmar que esta pequena participação na explicação da variância seja estatisticamente significativa. Isso nos leva a concluir que não existe efeito da zona de vulnerabilidade ou, se existe, sua contribuição na percepção da saúde é muito pequena, menos de 1% para ambas as regiões.
Criação de nova variável de agrupamento
Considerando-se que também foi objetivo do trabalho, além de verificar a existência de efeito da zona de vulnerabilidade na avaliação da saúde, realizar um exercício metodológico de verificação de possíveis efeitos que afetam a avaliação da saúde, foi criada uma nova variável para um agrupamento alternativo.
A variável nova de agrupamento foi pensada a partir da observação do comportamento da probabilidade de auto-avaliação da saúde ser boa ou muito boa segundo a classe social (gráfico 5 A e 5B). Foi pensado, portanto, em uma nova variável de agrupamento que conjugasse a situação socioeconômica do domicílio e a zona de vulnerabilidade onde se localiza o domicílio. Nesse sentido, a análise adquiriu um novo sentido, ou seja, a dimensão
11
de grupo, ou o nível 2, refere-se agora ao domicílio e, o que se pretende é verificar se existem diferenciais segundo tipos de domicílios na percepção do estado de saúde. Dito de outra maneira, o objetivo nesta etapa é investigar se as condições mais ou menos favoráveis do domicílio tem algum efeito substantivo na percepção do estado de saúde. Assim, a nova variável será designada por GSEV e, discrimina os domicílios pelos estratos socioeconômicos e pela condição de vulnerabilidade. Nesse sentido, acredita-se que os novos grupos sejam mais homogêneos.
Através da nova variável, para a Região Metropolitana de Campinas foram criados 16 novos grupos (4 categorias de classe X 4 categorias da zona de vulnerabilidade) e, para a Região Metropolitana da Baixada Santista, 12 grupos (4 categorias de classe X 3 categorias da zona de vulnerabilidade).
Para se ter uma idéia da constituição dos novos grupos, as tabelas 4 A e 4B apresentam as médias do rendimento per capita em reais.
Tabela 4A e 4B - Rendimento per capita médio em R$ por classe e zona de vulnerabilidade
Estimativas do Modelo Nulo considerando a nova variável de agrupamento (GSEV)
De acordo com os resultados do ajuste do modelo aos dados conclui-se que o estado de saúde médio global, γ00, é de 4,03 para a RMC e de 3,91 para a RMBS.
A proporção da variância explicada pelos grupos de domicílios, expresso pelo coeficiente de correlação intra-grupo, foi de 6,6% para a RMC e de 2,24% para a RMBS e, ambas as estimativas foram estatisticamente significativas (Tabela 5 A e 5B). Assim, fica constatada a existência do efeito de grupo na avaliação do estado de saúde. O efeito, ou seja, a estimativa dos resíduos associados à equação do nível 2 (uoj ), embora pequeno, foi maior na RMC do
que na RMBS.
Cada estimativa uoj representa a distância (positiva ou negativa) da avaliação média do estado
de saúde no grupo GSEV j à média global da avaliação do estado de saúde em todos os agrupamentos, γ00. (Ferrão, 2003). O que garante que os resíduos ûoj sejam diferentes de zero
12
Tabelas 5 A e 5B - Estimativas do novo modelo nulo para a Região Metropolitana de Campinas e da Baixada Santista. (Para agrupamentos por GSEV)
RMBS Estimativa (e.p) Intercepto 3,9133* (0,0338) Nível 2 - GSEV Intercepto (σu02) 0,0109* (0,0060) Nível 1 - Pessoa Intercepto (σe2) 0,4762* (0,0114) var.(%) GSEV 2,24 -2 log verossimilhança 7345,0
No. Casos usados 3492
* p 0,05
Parametros Aleatórios Parametros Fixos
Estimativas de Modelos que consideram Efeitos fixos individuais
Especificação do modelo quando uma variável X é incluída: Equação de nível 1 : Saudeij = ßoj + ß1Xij + eij
Equação de nível 2 : ßoj = γ00 + uoj
eij ~ NID ( 0, σe2) – distribuição normal, com média 0 e variância σe2.
uoj ~ NID ( 0, σu02) – distribuição normal, com média 0 e variância σu02.
As estimativas de alguns modelos com efeitos fixos individuais para cada uma das Regiões Metropolitanas estão dadas nas tabelas 6 A e 6B.
No modelo 1 foram consideradas as variáveis: idade, sexo, escolaridade, cor, condição de união da pessoa e a renda per capita da pessoa. Foi utilizado o logaritmo do rendimento domiciliar per capita, com o objetivo de se estabilizar a variância desta variável. No modelo 2 foi retirada a variável sexo e, no modelo 3 foi retirada a variável cor, pois no primeiro modelo estas não foram estatisticamente significativas. A diferença entre o modelo 12 e o modelo 3 é o fato do modelo 3 considerar a variável renda.
Tomando-se por base o modelo 12, conclui-se que a estimativa da avaliação do estado de saúde das pessoas na RMC é de 4,35 quando se controla pelas variáveis: idade, escolaridade e condição conjugal. Nesse caso, para cada unidade adicional na idade a avaliação do estado de saúde sofre um decréscimo de 0,013 unidade e, se a pessoa passa do estado não unida para unida há um decréscimo na avaliação do estado de saúde de 0,14 unidades. Também para cada ano adicional na escolaridade há um acréscimo de 0,035 unidade na pontuação da avaliação da saúde. Analisando a explicação da variância da avaliação do estado de saúde segundo o modelo 12 conclui-se que a proporção explicada devido a efeitos dos grupos GSEV, ou pelo coeficiente de correlação intra-grupo, foi de 1,25% para a RMC.
13 Especificação do modelo 12:
Equação de nível 1 : Saudeij = ßoj + ß1Idadeij + ß2Escolaridadeij + ß3unidoij + eij
Equação de nível 2 : ßoj = γ00 + uoj
eij ~ NID ( 0, σe2) – distribuição normal, com média 0 e variância σe2.
uoj ~ NID ( 0, σu02) – distribuição normal, com média 0 e variância σu02. Tabelas 6 A
RM CAMPINAS modelo 1 modelo 2 modelo 3 modelo 12
No. Casos usados 3006 3006 3006 4382
Intercepto 4,015 * 4,0024 * 3,9825 * 4,3452 * NB005 (idade) -0,0133* -0,0132* -0,0133* -0,0126* Sex -0,0290 -0,0289 Estudoed 0,0368* 0,0368* 0,0369* 0,0346* cor -0,0147 unido -0,1452* -0,1457* -0,1486* -0,1422*
renda per capita (log) 0,0603* 0,0615* 0,0625*
UN(1,1): σu0 2 0,0110* 0,0114* 0,0113* 0,0061* UN(2,1) UN(2,2) res: σe 2 0,4717* 0,4716* 0,4716* 0,4798* var.(%) GSEV 2,28 2,36 2,33 1,25
-2 Res Log Likelihood 6337,4 6332,4 6328,2 9268,0
* p 0,05
Parametros Fixos
Parametros Aleatórios
De forma análoga analisando o modelo 12 para a RMBS, conclui-se que a estimativa da avaliação do estado de saúde das pessoas é de 4,34 quando se controla pelas variáveis: idade, escolaridade e condição conjugal. Para cada unidade adicional na idade a avaliação do estado de saúde sofre um decréscimo de 0,014 unidade e, se a pessoa passa do estado não unida para unida há um decréscimo na avaliação do estado de saúde de 0,10 unidades. Também para cada ano adicional na escolaridade há um acréscimo de 0,0225 unidade na pontuação da avaliação da saúde. Da análise da explicação da variância da avaliação do estado de saúde segundo o modelo 12, conclui-se que a proporção explicada pelo novo grupo, ou pelo coeficiente de correlação intra-grupo, foi de 1,28% para a RMBS.
14
Tabelas 6
B
Estimativas de Modelos que consideram Efeitos fixos contextuais
Em seguida apresentam-se modelos que consideram efeitos contextuais na equação do nível 2. Neste tipo de modelo testam-se os efeitos exercidos pelo grupo na avaliação individual do estado de saúde.
Os modelos com efeitos fixos e contextuais, em geral são especificados assim: Equação de nível 1 : Saudeij = ßoj + ß1Xij + eij
Equação de nível 2 : ßoj = γ00 + γ01Zj + uoj
Onde:
Xij: Variável individual
Zj: Variável de grupo (contextual)
eij ~ NID ( 0, σe2) – distribuição normal, com média 0 e variância σe2.
uoj ~ NID ( 0, σu02) – distribuição normal, com média 0 e variância σu02.
Em nosso estudo, criamos 2 variáveis contextuais por agregação, ou seja, foram consideradas as médias dessas variáveis para cada grupo (GSEV). As variáveis contextuais criadas foram: estmed, através da média da escolaridade por grupo e, ypcmed, média da renda domiciliar per capita por grupo.
As variáveis contextuais estmed e ypcmed incluídas nos modelos “novo 13” e “novo 14”, não se mostraram estatisticamente significativas, tanto no modelo para a RMC quanto para a RMBS. As interações entre: idade X escolaridade média do grupo no modelo “novo 13”, assim como entre idade X rendimento médio per capita e, escolaridade média X rendimento médio per capita no modelo “novo 14” foram estatisticamente significativas, somente no caso da RMC, mas com efeito ínfimo.
15
Modelos com coeficientes aleatórios
Ao se considerar que o efeito de uma variável individual na variável resposta é igual em todos os grupos, é o mesmo que afirmar que a estimativa do coeficiente de inclinação é fixa para todos os grupos. Nem sempre é isto que ocorre. Às vezes, a influência de uma variável individual na variável resposta pode ser maior em alguns grupos do que em outros. Para se testar se existem diferenças de efeitos nos grupos, devemos considerar o modelo em que o coeficiente de inclinação associado à variável individual que, acredita-se possa estar influenciando a variável resposta diferentemente nos grupos, é uma variável aleatória.
Especificação geral do modelo com efeitos aleatórios:
Equação de nível 1 : Saudeij = ßoj + ß1jXij + eij
Equações de nível 2 : ßoj = γ00 + uoj
ß1j = γ10 + u1j
Onde:
Xij: Variável individual
eij ~ NID ( 0, σe2) – distribuição normal, com média 0 e variância σe2.
uoj ~ NID ( 0, σu02) – distribuição normal, com média 0 e variância σu02.
16 cov (ßoj,ß1j) = σu01
cov (uoj ,eij ) = cov (u1j ,eij ) = 0
Vale notar que o coeficiente de inclinação ß1j tem um termo aleatório. ( o “ j “ indica que
será calculada uma estimativa de coeficiente de inclinação para cada grupo).
Apresentamos para a Região Metropolitana de Campinas os resultados de dois modelos onde foi testado se existe efeito aleatório da escolaridade (individual) na avaliação do estado de saúde por grupo.
No modelo 7 foi considerado o efeito aleatório da escolaridade. Podemos observar, através deste modelo que a variância entre os grupos do coeficiente de inclinação, σu12, é 0,0001 e, a
covariância entre intercepto e o coeficiente de inclinação, σu01, é negativa e com o valor
estimado de -0,001. Entretanto, tanto a variância σu12, quanto a covariância σu01 não são
estatisticamente significativas. Se a variância σu12 tivesse significância estatística ocorreria
que a influencia da escolaridade das pessoas na percepção do estado de saúde estaria variando de grupo para grupo. Caso a covariância σu01 fosse positiva, isto significaria que haveria uma
tendência para que os grupos melhores avaliados quanto ao estado de saúde também tivessem uma escolaridade média mais elevada.
O modelo novo10 foi gerado de maneira similar ao modelo 7, apenas foi retirada a variável referente ao rendimento individual per capita para ver se, ao incluirmos mais observações e, deixando de controlar pela renda, os resultados poderiam ficar mais consistentes. Os resultados em geral apontam para o mesmo sentido, e a influência do nível de escolaridade no grupo continua sem ter significância estatística. No entanto, a proporção da variabilidade total explicada pelo grupo diminui quase pela metade (no caso da RMC), mas com significância estatística apenas para p=0,10.
(Obs: No modelo novo10 foi incluída a variável contextual: estmed – escolaridade média do grupo. Em modelos anteriores a este, foram incluídas além da variável estmed, suas interações com as demais variáveis, mas os modelos não se mostraram consistentes).
Também foram criados modelos para testar a existência de efeito do rendimento domiciliar per capita individual na percepção do estado de saúde por grupo, ou seja, o efeito aleatório da renda, mas nesse caso a variabilidade explicada pelo grupo não tem significância estatística. No caso da RMBS, a inclusão da escolaridade do indivíduo como efeito aleatório não se comprovou na medida em que a variância explicada pelo grupo não foi estatisticamente significativa.
Tabelas 8 A e 8B
17
Consideramos que o melhor modelo explicativo para a Região Metropolitana de Campinas foi o modelo 3, pois esse modelo apresentou valor relativamente baixo para a deviance (teste da razão da log-verossimilhança) levando-se em conta os demais modelos. Os fatores associados aos grupos (GSEV) são responsáveis por 2,33% da variância total. Neste modelo a estimativa da média da avaliação do estado de saúde das pessoas na RMC é de 3,99 quando se controla pelas variáveis: idade, escolaridade, condição conjugal e renda domiciliar per capita. De acordo com o modelo, para cada unidade adicional na idade, a avaliação do estado de saúde sofre um decréscimo de 0,013 unidade. Pessoas unidas, segundo o modelo, provocam um decréscimo na avaliação do estado de saúde de 0,15 unidade.
Para cada ano adicional na escolaridade há um acréscimo de 0,036 unidade na pontuação da auto-avaliação média da saúde. Analogamente, para cada unidade adicional de logaritmo da renda domiciliar per capita, há um aumento de 0,0625 unidade na pontuação da auto-avaliação média da saúde.
No caso da Região Metropolitana da Baixada Santista o modelo 2 parece explicar melhor. Neste modelo a variância devido ao novo agrupamento (GSEV) explica apenas 0,23% da variância total, no entanto, esta estimativa não foi estatisticamente significativa p=0,05, ou seja, o efeito do agrupamento é muito pequeno ou não existe. Neste modelo a estimativa da média da avaliação do estado de saúde das pessoas é de 3,76, controlando-se para as mesmas variáveis do modelo para a RMC além da variável cor. Assim como na RMC, acréscimos na idade e o fato de estar unido acarretam decréscimos na auto-avaliação do estado de saúde e, aumento na escolaridade e na renda domiciliar per capita, assim como o fato de se auto-declarar branco ou amarelo, implicam em maiores chances de auto-declarar um melhor estado de saúde.
4 – Considerações Finais
Verificamos que após a análise para as duas Regiões Metropolitanas as variáveis que afetam a avaliação do estado de saúde coincidem com as apontadas na literatura, no sentido de que avanços na idade e o fato das pessoas estarem unidas contribuem para uma pior avaliação do
18
estado de saúde. De maneira inversa, incrementos na renda domiciliar per capita e na escolaridade, assim como o fato da pessoa se auto-declarar de cor branca ou amarela acarretam melhor avaliação de seu estado de saúde.
O estudo constatou que não houve efeito da zona de vulnerabilidade na percepção do estado de saúde. Além disso, verificou-se também a pouca e relativamente baixa explicação nos modelos quando se consideram os grupos de domicílios que englobam, além do conceito de vulnerabilidade, a classificação socioeconômica. Esta constatação pode ser devida ao fato de que a percepção do estado de saúde seja realmente pouco sensível aos efeitos de fatores associados aos domicílios, sendo fortemente explicado pelos fatores associados aos indivíduos.
Referencias Bibliográficas
Cunha, J.M.P.da ; JAKOB, A. A. E. ; HOGAN, Daniel Joseph ; CARMO, R.L. . A vulnerabilidade social no contexto metropolitano: o caso de Campinas. In: José Marcos Pinto da Cunha. (Org.). Novas metrópoles paulistas: População, vulnerabilidade e segregação. Campinas: NEPO/UNICAMP, 2006, v. , p. 143-168.
Ferrão, M. E. (2003). Introdução aos Modelos de Regressão Multinível em Educação. Série Avaliação: construindo o campo e a crítica. Campinas: Komedi, 2003. 106p.
Goldstein, H.,(1995). Multilevel Statistical Models. 2ª. Ed. New York: John Wiley & Sons.
Morais, J. H. M. (2004). Comprometimento e Desempenho Organizacional – Um estudo hierárquico multinível (HLM) no Sistema Público de Ensino da Bahia. Dissertação de Mestrado. Salvador, 2004.
NORONHA, K. V. M. S. ; ANDRADE, Monica Viegas . O efeito da distribuicao de renda sobre o estado de saude individual no Brasil. Pesquisa e Planejamento Econômico (Rio de Janeiro) , v. 37, p. 521-556, 2007.
Singer, J. (1998). Using SAS PROC MIXRD to Fit Multilevel Models, Hierarchical Models, and Individual Growth Models. Journal of Educational and Behavioral Statistics. Winter 1998, Vol. 24, No. 4, PP. 323-355.
Soares, T. M. (2005). MODELO DE 3 NÍVEIS HIERÁRQUICOS PARA A PROFICIËNCIA DOS ALUNOS DE 4a SÉRIE AVALIADOS NO TESTE DE LÍNGUA PORTUGUESA DO SIMAVE/PROEB-2002. Revista Brasileira de Educação, São Paulo, v. 29, p. 73-87, 2005.
Anexo Quadro 1
19
Quadro 2A
Região Metropolitana de Campinas
Zona de Vulnerabilidade do tipo 1 (ZV1): Abrange, de maneira geral, as áreas mais
periféricas (tanto social e geograficamente) da região metropolitana, menos consolidadas do ponto de vista urbanístico, são caracterizadas pela pior infra-estrutura da região, cujos habitantes apresentam grandes carências em termos econômicos e educacionais. Também abriga a população da região com o mais alto grau de desproteção social relativa;
Zona de Vulnerabilidade do tipo 2 (ZV2): também contempla áreas predominantemente
localizadas nas franjas municipais, mais distantes do centro, muito embora, do ponto de vista urbanístico, mais consolidadas e, portanto, com melhor infra-estrutura e acesso a serviços públicos. Apresenta grandes concentrações de populações de baixa renda, sendo que se diferencia da ZV1 não apenas pela maior escolaridade de seus habitantes, mas também pelos níveis mais elevados de proteção social destes;
Zona de Vulnerabilidade do tipo 3 (ZV3): inclui áreas em geral de localização
intermediária entre o centro e as periferias municipais, com boa infra-estrutura urbana e amplo acesso aos serviços públicos, baixa carência de capital humano, níveis socioeconômicos médios e com população apresentando, em geral, um dos mais elevados graus de proteção social da região.
20
Zona de Vulnerabilidade do tipo 4 (ZV4): abrange basicamente as áreas mais centrais do
município de Campinas, com boa infra-estrutura, com maior autonomia relativa com relação à proteção social e elevado capital humano. Trata-se de áreas onde se registram as maiores concentrações de riqueza da região e onde são mais prevalentes os domicílios menores, com a presença de pessoas idosas, ou mesmo domicílios unipessoais.
Extraído de: http://www.nepo.unicamp.br/publicacoes/sumarios.html
Quadro 2B
Região Metropolitana da Baixada Santista
Zona de Vulnerabilidade do tipo 1 (ZV1): Abrange as áreas mais periféricas (tanto social
como geograficamente) da Região Metropolitana, localizadas nas franjas municipais. Menos consolidadas do ponto de vista urbanístico, são caracterizadas pela pior infra-estrutura da região, cujos habitantes apresentam grandes carências em termos econômicos e educacionais. Também abriga a população com o mais alto grau de desproteção social da região;
Zona de Vulnerabilidade do tipo 2 (ZV2): contempla as áreas localizadas entre a orla e a
periferia mais distante tratando, portanto, de locais mais consolidados do ponto de vista da infra-estrutura, muito embora ainda apresente grandes concentrações de população de baixa renda. Além disso, diferencia-se da ZV1 em função da maior incidência de proteção social entre os seus habitantes;
Zona de Vulnerabilidade do tipo 3 (ZV3): áreas mais centrais da cidade,
predominantemente localizadas nos municípios de Santos e São Vicente e em zonas próximas ou lindeiras à orla marítima, com grande incidência da população de alta renda e com maior prevalência de domicílios menores, unipessoais e com pessoas idosas.
