Em estudos epidemiológicos. Os desfechos são freqüentemente medidos em escalas ordinais, entretanto são analisados por técnicas tradicionais. como a reg ressão logística que requer desfecho binário. Consequentemente. informações importantes podem ser perdidas devido a arbitrariedade na escolha do ponto de corte. Modelos de regressão para respostas ordinais têm sido desenvolvidos e têm vantagens de reter a ordinalidade dos dados e fornecer estimativas interpretáveis para os epidemiologistas. Esse artigo descreve o modelo de odds proporcionais proposto por McGullagh e o aplica aos dados da coorte de cnanças nascidas em Pelotas em 1993. usando o pacote estatístico SAS. O objetivo desse artigo foi comparar os resultados do modelo de odds proporcionais e da regressão logística tradicional usando diferentes pontos de corte. O desfecho foi déficit de estatura para idade expressa em escore-z. com três níveis ordinais. Concluiu-se que o modelo de odds proporcionais produz uma estimativa interpretável. similar a uma razão de odds. que sumariza o efeito sobre todos pontos de corte. Na presente análise. as estimativas pontuais resultantes da regressão ordinal foram similares ás obtidas através da regressão logística tradicional usando o ponto de corte do escore-z em -1. Entretanto, a regressão ordinal produziu intervalos de confiança menores (e, portanto, aumento do poder estatístico), evitando a arbitrariedade de ter um único ponto de corte. Uma limitação para uso mais amplo do modelo ordinal é a falta de pacotes estatísticos que o incluam. / Outcomes in epidemiological studies are often measured using ordinal scales, but are nevertheless analyzed through traditional techniques such as logistic regression that require a single dychotomous outcome. Therefore, important information may be lost due to arbitrariness in the choice of a cut-off point. Regression models for ordinal responses have been developed and have the advantages of nr.aking full use of the ordinality of the data, while still providing interpretable estimates for epidemiologists. This paper describes the proportional odds model proposed by McGulla~h and applies it to data from a birth cohort in Southern Brazil. using the statistical package SAS. The objective of this paper was to compare the results of the proportional odds model and of traditional logistic regression using different cut-offs. The outcome was heighUage deficit. expressed in z-scores, with three ordinal leveis. We conclude that the proportional odds model produces an interpretable estimate. similar to an odds ratio, that summarizes the effect over ali leveis of the outcome In the present analysis, the point estimates resulting from ordinal regression were similar to those obtained through traditional logistic regression using a cut-off of -1 z-score. However, ordinal regression lead to smaller confidence intervals (and therefore increased study power), avoiding the arbitrariness of having a single cut-off point. A restriction to the wider use of the ordinal model is the lack of statistical packages that include it.

Em estudos epidemiológicos. Os desfechos são freqüentemente medidos em escalas ordinais, entretanto são analisados por técnicas tradicionais. como a reg ressão logística que requer desfecho binário. Consequentemente. informações importantes podem ser perdidas devido a arbitrariedade na escolha do ponto de corte. Modelos de regressão para respostas ordinais têm sido desenvolvidos e têm vantagens de reter a ordinalidade dos dados e fornecer estimativas interpretáveis para os epidemiologistas. Esse artigo descreve o modelo de odds proporcionais proposto por McGullagh e o aplica aos dados da coorte de cnanças nascidas em Pelotas em 1993. usando o pacote estatístico SAS. O objetivo desse artigo foi comparar os resultados do modelo de odds proporcionais e da regressão logística tradicional usando diferentes pontos de corte. O desfecho foi déficit de estatura para idade expressa em escore-z. com três níveis ordinais. Concluiu-se que o modelo de odds proporcionais produz uma estimativa interpretável. similar a uma razão de odds. que sumariza o efeito sobre todos pontos de corte. Na presente análise. as estimativas pontuais resultantes da regressão ordinal foram similares ás obtidas através da regressão logística tradicional usando o ponto de corte do escore-z em -1. Entretanto, a regressão ordinal produziu intervalos de confiança menores (e, portanto, aumento do poder estatístico), evitando a arbitrariedade de ter um único ponto de corte. Uma limitação para uso mais amplo do modelo ordinal é a falta de pacotes estatísticos que o incluam. / Outcomes in epidemiological studies are often measured using ordinal scales, but are nevertheless analyzed through traditional techniques such as logistic regression that require a single dychotomous outcome. Therefore, important information may be lost due to arbitrariness in the choice of a cut-off point. Regression models for ordinal responses have been developed and have the advantages of nr.aking full use of the ordinality of the data, while still providing interpretable estimates for epidemiologists. This paper describes the proportional odds model proposed by McGulla~h and applies it to data from a birth cohort in Southern Brazil. using the statistical package SAS. The objective of this paper was to compare the results of the proportional odds model and of traditional logistic regression using different cut-offs. The outcome was heighUage deficit. expressed in z-scores, with three ordinal leveis. We conclude that the proportional odds model produces an interpretable estimate. similar to an odds ratio, that summarizes the effect over ali leveis of the outcome In the present analysis, the point estimates resulting from ordinal regression were similar to those obtained through traditional logistic regression using a cut-off of -1 z-score. However, ordinal regression lead to smaller confidence intervals (and therefore increased study power), avoiding the arbitrariness of having a single cut-off point. A restriction to the wider use of the ordinal model is the lack of statistical packages that include it.

Em estudos epidemiológicos. Os desfechos são freqüentemente medidos em escalas ordinais, entretanto são analisados por técnicas tradicionais. como a reg ressão logística que requer desfecho binário. Consequentemente. informações importantes podem ser perdidas devido a arbitrariedade na escolha do ponto de corte. Modelos de regressão para respostas ordinais têm sido desenvolvidos e têm vantagens de reter a ordinalidade dos dados e fornecer estimativas interpretáveis para os epidemiologistas. Esse artigo descreve o modelo de odds proporcionais proposto por McGullagh e o aplica aos dados da coorte de cnanças nascidas em Pelotas em 1993. usando o pacote estatístico SAS. O objetivo desse artigo foi comparar os resultados do modelo de odds proporcionais e da regressão logística tradicional usando diferentes pontos de corte. O desfecho foi déficit de estatura para idade expressa em escore-z. com três níveis ordinais. Concluiu-se que o modelo de odds proporcionais produz uma estimativa interpretável. similar a uma razão de odds. que sumariza o efeito sobre todos pontos de corte. Na presente análise. as estimativas pontuais resultantes da regressão ordinal foram similares ás obtidas através da regressão logística tradicional usando o ponto de corte do escore-z em -1. Entretanto, a regressão ordinal produziu intervalos de confiança menores (e, portanto, aumento do poder estatístico), evitando a arbitrariedade de ter um único ponto de corte. Uma limitação para uso mais amplo do modelo ordinal é a falta de pacotes estatísticos que o incluam. / Outcomes in epidemiological studies are often measured using ordinal scales, but are nevertheless analyzed through traditional techniques such as logistic regression that require a single dychotomous outcome. Therefore, important information may be lost due to arbitrariness in the choice of a cut-off point. Regression models for ordinal responses have been developed and have the advantages of nr.aking full use of the ordinality of the data, while still providing interpretable estimates for epidemiologists. This paper describes the proportional odds model proposed by McGulla~h and applies it to data from a birth cohort in Southern Brazil. using the statistical package SAS. The objective of this paper was to compare the results of the proportional odds model and of traditional logistic regression using different cut-offs. The outcome was heighUage deficit. expressed in z-scores, with three ordinal leveis. We conclude that the proportional odds model produces an interpretable estimate. similar to an odds ratio, that summarizes the effect over ali leveis of the outcome In the present analysis, the point estimates resulting from ordinal regression were similar to those obtained through traditional logistic regression using a cut-off of -1 z-score. However, ordinal regression lead to smaller confidence intervals (and therefore increased study power), avoiding the arbitrariness of having a single cut-off point. A restriction to the wider use of the ordinal model is the lack of statistical packages that include it.