Submitted by Israel Vieira Neto (israel.vieiraneto@ufpe.br) on 2015-03-04T14:13:21Z No. of bitstreams: 2 sammara_dissertacao.pdf: 1933363 bytes, checksum: 3948f7476054b8942a7b9c663ee83684 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-04T14:13:21Z (GMT). No. of bitstreams: 2 sammara_dissertacao.pdf: 1933363 bytes, checksum: 3948f7476054b8942a7b9c663ee83684 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-08-10 / O primeiro ensaio propõe uma nova abordagem para estimar desigualdades socioeconômicas na Saúde Auto Avaliada. O método baseia-se em uma aplicação alternativa do Coeficiente de Gini, preservando a natureza categórica da variável e evitando incorrer nas dificuldades e limitações de cardinalizar tal indicador de saúde para análises de desigualdade. O proposto “Index-D” aplica as probabilidades preditas de um Modelo Probit Ordinal, sob a equação de Gini formatada para funções densidade discretas, permitindo-nos estimar variações na Saúde Auto Avaliada segundo subjacentes variações socioeconômicas e demográficas. Usamos dados da Pesquisa Nacional por Amostra de Domicílio (PNAD) para os anos de 1998, 2003 e 2008, apenas referente à população feminina, a fim de ilustrar a aplicabilidade do método. Os resultados mostram que a desigualdade em Saúde Auto Avaliada no Brasil decresceu de 1998 a 2008 entre as mulheres, independentemente do perfil socioeconômico considerado. Ainda, os grupos femininos com melhores condições financeiras apresentaram índices de desigualdade menores, enquanto que os mais pobres obtiveram os maiores escores. Considerando a desigualdade entre as Regiões, sudeste apresentou os resultados mais favoráveis, enquanto o Norte e o Nordeste reportaram as mais altas desigualdades, independentemente do ano e do perfil socioeconômico considerado. O segundo ensaio visa identificar o quanto da variância observada na Saúde Auto Avaliada (SAH) no Brasil é resultado do contexto onde as pessoas vivem. Dessa forma, através do Random-Intercept Ordered Probity Model, aplicamos uma amostra de municípios, retirada da Pesquisa Nacional por Amostra de Domicílios (PNAD), 2008, para representar as unidades do segundo nível, juntamente com as informações socioeconômicas dos indivíduos, a fim de controlar apropriadamente o efeito composição. Apesar de pequeno, o coeficiente de variação mostra a existência de variação sistemática na Saúde Auto Reportada entre os municípios urbanos do Brasil que persistiram mesmo após o controle do nível individual. As evidências sugerem que políticas de saúde no Brasil não devem investir apenas nas circunstâncias a nível individual, mas também sobre os ambientes sociais e físicos do coletivo, tais como segurança, espaços para lazer e infraestrutura urbana.

Objetivos: Identificar a distribuição do índice de massa corporal (IMC), da circunferência da cintura (Ccintura), da razão cintura-quadril (RCQ) e do índice de conicidade (IC), segundo variáveis demográficas, socioeconômicas, relacionadas à saúde e comportamentais na população de 30 anos e mais, residente no município de Ribeirão Preto - SP, em 2006; avaliar o efeito modulador das regiões geográficas do município sobre os fatores associados aos indicadores antropométricos e estimar a contribuição do nível agregado para esses desfechos. Métodos: Estudo epidemiológico transversal, de base populacional, com amostragem em três estágios de sorteio. Pesos amostrais foram calculados para a recomposição do total de elegíveis e correção da taxa de não-resposta, em cada setor censitário, originando amostra ponderada de 2.197 participantes. Médias e intervalos de confiança (95%) dos indicadores antropométricos foram calculados, segundo sexo, nas categorias das variáveis independentes. Análise de variância, com um critério de classificação foi utilizada para a comparação das médias dos desfechos nas categorias das variáveis independentes. Testes de tendência linear foram aplicados para variáveis com mais de duas categorias. O nível de significância adotado foi ?=5%. Para a identificação de fatores associados aos indicadores antropométricos foram construídos modelos lineares multinível de efeitos fixos com dois níveis. Os 81 setores censitários sorteados foram agrupados em quatro regiões geográficas do município (nível agregado). A análise multinível seguiu modelo conceitual hierarquizado para avaliação do efeito direto de variáveis de nível individual e a contribuição do nível agregado sobre os desfechos (rho). Medidas de efeito (?) foram estimadas por pontos e por intervalos com 95% de confiança para as variáveis independentes. As medidas de associação foram calculadas, inicialmente, em modelos parciais que incluíram as variáveis de cada bloco hierárquico, ajustadas para as de blocos precedentes. Nos modelos finais, permaneceram as variáveis que mantiveram significância estatística (p < 0,05), após ajustamento simultâneo para os blocos precedentes. Para cada um dos desfechos considerados, calcularam-se médias ajustadas nas categorias das variáveis independentes, segundo regiões geográficas do município. Diferenças das médias ajustadas entre os extremos das categorias das variáveis independentes foram calculadas para avaliar o efeito modulador das regiões geográficas. Todas as estimativas calculadas levaram em consideração o efeito de desenho amostral. Resultados: Em relação ao IMC e em ambos os sexos, médias de maior magnitude foram detectadas entre os que referiram antecedentes familiares de excesso de peso, história pessoal de obesidade, utilizaram medicamentos nos últimos 15 dias e seguiram dieta alimentar para perda de peso. No sexo feminino, médias mais elevadas de IMC foram detectadas entre as mais velhas, com menor escolaridade, maior tempo de residência no município e que referiram antecedentes familiares de acidente vascular cerebral (AVC). O elenco de fatores associados ao IMC foi constituído por: sexo (?= -0,814; IC95% : -1,514 - -0,113), idade (?= 0,050; IC95% : 0,014 - 0,086), escolaridade (?= -0,101; IC95% : -0,206 - -0,005) , antecedentes familiares de excesso de peso (?= 1,214; IC95% : 0,468 - 1,961), história pessoal de obesidade (?= 6,422; IC95%: 5,724 - 7,119) e consumo de lipídios (?= 0,029; IC95% : 0,008 - 0,051), considerando-se a contribuição de 11% do nível agregado. As menores diferenças entre as médias ajustadas do IMC foram detectadas, principalmente, nos extremos das categorias das variáveis: sexo, faixas etárias, escolaridade e consumo de lipídios nas regiões Norte e Oeste do município. Médias de maior magnitude para os três indicadores de obesidade central (Ccintura, RCQ e IC), foram observadas entre os participantes mais velhos, com menor escolaridade, classificados nos estratos mais baixos de renda, com maior tempo de residência no município, com antecedentes familiares de excesso de peso, história pessoal de obesidade e entre aqueles classificados como \"pré-obesos\" e \"obesos\". O elenco de fatores associados à Ccintura foi constituído por: sexo (?= -8,686; IC95% : -9,439 - -7,932), idade (?= 0,169; IC95% : 0,122 - 0,216), antecedentes familiares de AVC (?= 0,689; IC95% : 0,051 - 1,327), história pessoal de obesidade (?= 2,363; IC95% : 0,320 - 4,410), IMC (?= 1,689; IC95% : 1,437 - 1,941), nº de medicamentos (?= 0,259; IC95% : 0,078 - 0,440), tempo de tabagismo (?= 0,035; IC95% : 0,008 - 0,061) e energia total da dieta (?= 0,084; IC95% : 0,012 - 0,157), considerando-se a contribuição de 12,4% do nível agregado. As menores diferenças entre as médias ajustadas da Ccintura foram detectadas nos extremos das categorias das variáveis: antecedentes familiares de AVC, tempo de tabagismo e energia total da dieta nas regiões Norte e Oeste. Em relação à RCQ, permaneceram associadas as variáveis: sexo (?= -0,099; IC95% : -0,107 - -0,090), idade (?= 0,002; IC95% : 0,001 - 0,003), IMC (?= 0,004; IC95% : 0,003 - 0,005), nº de medicamentos (?= 0,004; IC95% : 0,001 - 0,007), tempo de tabagismo (?= 0,0006; IC95% : 0,0004 - 0,0009), dependência de álcool (?= 0,013; IC95% : 0,003 - 0,022), dieta para perder peso (?= 0,017; IC95% : 0,004 - 0,030) e consumo de carboidratos (?= 0,0001; IC95% : 0,0001 - 0,0002). A contribuição do nível agregado foi equivalente a 12%. As menores diferenças entre as médias ajustadas da RCQ foram detectadas nos extremos das categorias das variáveis: nº de medicamentos e consumo de carboidratos na região Oeste. O elenco de fatores associados ao IC foi composto por: sexo (?= -0,068; IC95% : -0,076 - -0,056), idade (?= 0,003; IC95% : 0,002 - 0,004), antecedentes familiares de AVC (?= 0,008; IC95% : 0,001 - 0,016), IMC (?= 0,005; IC95% : 0,004 - 0,006), acesso a serviços de saúde (?= -0,011; IC95% : -0,020 - -0,002), nº de medicamentos (?= 0,004; IC95% : 0,002 - 0,007), tempo de tabagismo (?= 0,0004; IC95% : 0,0001 - 0,0007), dependência de álcool (?= 0,011; IC95% : 0,001 - 0,020), dieta para perder peso (?= 0,015; IC95% : 0,002 - 0,030) e consumo de ácidos graxos monoinsaturados (?= -0,0005; IC95% : -0,0010 - -0,0001), com contribuição do nível agregado equivalente a 14,1%. As menores diferenças entre as médias ajustadas do IC foram detectadas nos extremos das categorias das variáveis: acesso a serviços de saúde e dependência de álcool, na região Norte. Conclusões: No município de Ribeirão Preto, as regiões Norte e Oeste foram identificadas como regiões obesogênicas. Medidas de promoção de hábitos saudáveis, bem como de prevenção da obesidade, no município, não devem ser direcionadas apenas para mudanças de hábitos individuais, visto que o impacto de tais intervenções pode ser minimizado ou refreado pelo efeito de contexto destas regiões. / Objectives: To identify the distribution of the body mass index (BMI), waist circumference (waistC), waist-to-hip ratio (WHR) and conicity index (CI), according to demographic, socioeconomic, health-related and behavioral variables, in the population aged 30 years and older, living in Ribeirão Preto - SP, Brazil, in 2006; to assess shaping effect of geographical regions on associated factors related to anthropometric indexes as well as to estimate the contribution of the ecological level to the outcomes. Methods: Population-based cross-sectional epidemiological study with multistage sampling. Sampling weights were calculated to compose the total number of eligible participants and correct for the non-response rate, in each census tract, resulting in a weighted sample of 2,197 participants. Means and confidence intervals (95%) were calculated for the anthropometric indexes, according to gender, in the categories of the independent variables. To compare the mean outcomes in the categories of the independent variables, ANOVA (one criterion) was used. Linear trend tests were applied for variables with more than two categories. Significance level was 5%. To identify anthropometric indexes correlates, two-level fixed-effects multilevel linear models were applied. The 81 census tracts drawn were grouped in four geographical regions of the city (ecological level). Multilevel analysis followed a hierarchical conceptual model to assess the direct effect of individual variables and the contribution of the ecological level to the outcomes (rho). Point and confidence intervals (95%) for the effect measures (?) were calculated for independent variables. Firstly, these effect measures were calculated in partial models that included the variables of each hierarchical block, adjusted for the preceding blocks\' variables. In the final models, statistically significant variables (p< 0.05) were kept, after adjusting for the preceding blocks. For the outcomes, the adjusted means were calculated in the categories of the independent variables, according to geographical regions. Adjusted means differences between extreme categories of independent variables were calculated to assess the shaping effect of the geographical regions. All estimates took into account the design effect. Results: Higher mean of BMI were detected, in both gender, among those who reported familial antecedents of overweight, personal history of obesity, took medicines in the last 15 days, and adopted a weight loss diet. Among women, higher mean of BMI were found among the older, those with lower education level, who had lived in the city for longer time and reported familial antecedents of stroke (STR). The BMI correlates were: gender (?= -0.814; CI95% : -1.514 - -0.113), age (?= 0.050; CI95% : 0.014 - 0.086), education (?= -0.101; CI95% : -0.206 - -0.005), familial antecedents of overweight (?= 1.214; CI95% : 0.468 - 1.961), personal antecedents of overweight (?= 6.422; CI95% : 5.724 - 7.119) and total fat consumption (?= 0.029; CI95% : 0.008 - 0.051), considering the 11% contribution of the ecological level. The smallest adjusted means differences of BMI were mainly detected at the extreme categories of the following variables: gender, age strata, education and total fat consumption in the North and West regions. Higher means for the three central obesity indexes (waistC, WHR and CI) were observed among the older, with a lower education level, classified in the lowest income groups, who had lived in the city for longer time, with familial antecedents of overweight, personal antecedents of obesity, and among those classified as \"pre-obese\" and \"obese\". The waistC correlated included: gender (?= -8.686; CI95% : -9.439 - -7.932), age (?= 0.169; CI95% : 0.122 - 0.216), familial antecedents of STR (?= 0.689; CI95% : 0.051 - 1.327), personal antecedents of obesity (?= 2.363; CI95% : 0.320 - 4.410), BMI (?= 1.689; CI95% : 1.437 - 1.941), nº of medicines taken (?= 0.259; CI95% : 0.078 - 0.440), smoking time (?= 0.035; CI95% : 0.008 - 0.061), and total energy of diet (?= 0.084; CI95% : 0.012 - 0.157), considering the 12.4% contribution of the ecological level. The smallest adjusted means differences of waistC were detected at the extreme categories of the following variables: familial antecedents of STR, smoking time, and total energy of diet in the North and West. The correlates of WHR were: gender (?= -.099; CI95% : -0.107 - -0.090), age (?= 0.002; CI95%: 0.001 - 0.003), BMI (?= 0.004; CI95% : 0.003 - 0.005), nº of medicines taken (?= 0.004; CI95% : 0.001 - 0.007), smoking time (?= 0.0006; CI95% : 0.0004 - 0.0009), alcohol addiction (?= 0.013; CI95% : 0.003 - 0.022), weight loss diet (?= 0.017; CI95% : 0.004 - 0.030) and carbohydrate consumption (?= 0.0001; CI95% : 0.0001 - 0.0002). The ecological level contributed with 12%. The smallest adjusted means differences of WHR were detected at the extreme categories of the variables: nº of medicines taken and carbohydrate consumption in the West of the city. The CI correlates included: gender (?= -0.068; CI95% : -0.076 - -0.056), age (?= 0.003; CI95% : 0.002 - 0.004), familial antecedents of STR (?= 0.008; CI95% : 0.001 - 0.016), BMI (?= 0.005; CI95% : 0.004 - 0.006), access to health services (?= -0.011; CI95% : -0.020 - -0.002), nº of medicines taken (?= 0.004; CI95% : 0.002 - 0.007), smoking time (?= 0.0004; CI95% : 0.0001 - 0.0007), alcohol addiction (?= 0.011; CI95% : 0.001 - 0.020), weight loss diet (?= 0.015; CI95% : 0.002 - 0.030) and MUFA´s consumption (?= -0.0005; CI95% : -0.0010 - -0.0001), with 14.1% of contribution from the ecological level. The smallest adjusted means differences of CI were detected at the extreme categories of the variables: access to health services and alcohol addiction, in the North region. Conclusions: In the Ribeirão Preto city, the North and West regions were identified as obesogenic areas. Thus to promoting health behaviors and preventing the obesity in the city it should be taken into account that interventions might be applied not only for changing individual behaviors, since the impact of those interventions may be minimized or constrained by the contextual effect imposed by those regions.

Objetivos: Identificar a distribuição do índice de massa corporal (IMC), da circunferência da cintura (Ccintura), da razão cintura-quadril (RCQ) e do índice de conicidade (IC), segundo variáveis demográficas, socioeconômicas, relacionadas à saúde e comportamentais na população de 30 anos e mais, residente no município de Ribeirão Preto - SP, em 2006; avaliar o efeito modulador das regiões geográficas do município sobre os fatores associados aos indicadores antropométricos e estimar a contribuição do nível agregado para esses desfechos. Métodos: Estudo epidemiológico transversal, de base populacional, com amostragem em três estágios de sorteio. Pesos amostrais foram calculados para a recomposição do total de elegíveis e correção da taxa de não-resposta, em cada setor censitário, originando amostra ponderada de 2.197 participantes. Médias e intervalos de confiança (95%) dos indicadores antropométricos foram calculados, segundo sexo, nas categorias das variáveis independentes. Análise de variância, com um critério de classificação foi utilizada para a comparação das médias dos desfechos nas categorias das variáveis independentes. Testes de tendência linear foram aplicados para variáveis com mais de duas categorias. O nível de significância adotado foi ?=5%. Para a identificação de fatores associados aos indicadores antropométricos foram construídos modelos lineares multinível de efeitos fixos com dois níveis. Os 81 setores censitários sorteados foram agrupados em quatro regiões geográficas do município (nível agregado). A análise multinível seguiu modelo conceitual hierarquizado para avaliação do efeito direto de variáveis de nível individual e a contribuição do nível agregado sobre os desfechos (rho). Medidas de efeito (?) foram estimadas por pontos e por intervalos com 95% de confiança para as variáveis independentes. As medidas de associação foram calculadas, inicialmente, em modelos parciais que incluíram as variáveis de cada bloco hierárquico, ajustadas para as de blocos precedentes. Nos modelos finais, permaneceram as variáveis que mantiveram significância estatística (p < 0,05), após ajustamento simultâneo para os blocos precedentes. Para cada um dos desfechos considerados, calcularam-se médias ajustadas nas categorias das variáveis independentes, segundo regiões geográficas do município. Diferenças das médias ajustadas entre os extremos das categorias das variáveis independentes foram calculadas para avaliar o efeito modulador das regiões geográficas. Todas as estimativas calculadas levaram em consideração o efeito de desenho amostral. Resultados: Em relação ao IMC e em ambos os sexos, médias de maior magnitude foram detectadas entre os que referiram antecedentes familiares de excesso de peso, história pessoal de obesidade, utilizaram medicamentos nos últimos 15 dias e seguiram dieta alimentar para perda de peso. No sexo feminino, médias mais elevadas de IMC foram detectadas entre as mais velhas, com menor escolaridade, maior tempo de residência no município e que referiram antecedentes familiares de acidente vascular cerebral (AVC). O elenco de fatores associados ao IMC foi constituído por: sexo (?= -0,814; IC95% : -1,514 - -0,113), idade (?= 0,050; IC95% : 0,014 - 0,086), escolaridade (?= -0,101; IC95% : -0,206 - -0,005) , antecedentes familiares de excesso de peso (?= 1,214; IC95% : 0,468 - 1,961), história pessoal de obesidade (?= 6,422; IC95%: 5,724 - 7,119) e consumo de lipídios (?= 0,029; IC95% : 0,008 - 0,051), considerando-se a contribuição de 11% do nível agregado. As menores diferenças entre as médias ajustadas do IMC foram detectadas, principalmente, nos extremos das categorias das variáveis: sexo, faixas etárias, escolaridade e consumo de lipídios nas regiões Norte e Oeste do município. Médias de maior magnitude para os três indicadores de obesidade central (Ccintura, RCQ e IC), foram observadas entre os participantes mais velhos, com menor escolaridade, classificados nos estratos mais baixos de renda, com maior tempo de residência no município, com antecedentes familiares de excesso de peso, história pessoal de obesidade e entre aqueles classificados como \"pré-obesos\" e \"obesos\". O elenco de fatores associados à Ccintura foi constituído por: sexo (?= -8,686; IC95% : -9,439 - -7,932), idade (?= 0,169; IC95% : 0,122 - 0,216), antecedentes familiares de AVC (?= 0,689; IC95% : 0,051 - 1,327), história pessoal de obesidade (?= 2,363; IC95% : 0,320 - 4,410), IMC (?= 1,689; IC95% : 1,437 - 1,941), nº de medicamentos (?= 0,259; IC95% : 0,078 - 0,440), tempo de tabagismo (?= 0,035; IC95% : 0,008 - 0,061) e energia total da dieta (?= 0,084; IC95% : 0,012 - 0,157), considerando-se a contribuição de 12,4% do nível agregado. As menores diferenças entre as médias ajustadas da Ccintura foram detectadas nos extremos das categorias das variáveis: antecedentes familiares de AVC, tempo de tabagismo e energia total da dieta nas regiões Norte e Oeste. Em relação à RCQ, permaneceram associadas as variáveis: sexo (?= -0,099; IC95% : -0,107 - -0,090), idade (?= 0,002; IC95% : 0,001 - 0,003), IMC (?= 0,004; IC95% : 0,003 - 0,005), nº de medicamentos (?= 0,004; IC95% : 0,001 - 0,007), tempo de tabagismo (?= 0,0006; IC95% : 0,0004 - 0,0009), dependência de álcool (?= 0,013; IC95% : 0,003 - 0,022), dieta para perder peso (?= 0,017; IC95% : 0,004 - 0,030) e consumo de carboidratos (?= 0,0001; IC95% : 0,0001 - 0,0002). A contribuição do nível agregado foi equivalente a 12%. As menores diferenças entre as médias ajustadas da RCQ foram detectadas nos extremos das categorias das variáveis: nº de medicamentos e consumo de carboidratos na região Oeste. O elenco de fatores associados ao IC foi composto por: sexo (?= -0,068; IC95% : -0,076 - -0,056), idade (?= 0,003; IC95% : 0,002 - 0,004), antecedentes familiares de AVC (?= 0,008; IC95% : 0,001 - 0,016), IMC (?= 0,005; IC95% : 0,004 - 0,006), acesso a serviços de saúde (?= -0,011; IC95% : -0,020 - -0,002), nº de medicamentos (?= 0,004; IC95% : 0,002 - 0,007), tempo de tabagismo (?= 0,0004; IC95% : 0,0001 - 0,0007), dependência de álcool (?= 0,011; IC95% : 0,001 - 0,020), dieta para perder peso (?= 0,015; IC95% : 0,002 - 0,030) e consumo de ácidos graxos monoinsaturados (?= -0,0005; IC95% : -0,0010 - -0,0001), com contribuição do nível agregado equivalente a 14,1%. As menores diferenças entre as médias ajustadas do IC foram detectadas nos extremos das categorias das variáveis: acesso a serviços de saúde e dependência de álcool, na região Norte. Conclusões: No município de Ribeirão Preto, as regiões Norte e Oeste foram identificadas como regiões obesogênicas. Medidas de promoção de hábitos saudáveis, bem como de prevenção da obesidade, no município, não devem ser direcionadas apenas para mudanças de hábitos individuais, visto que o impacto de tais intervenções pode ser minimizado ou refreado pelo efeito de contexto destas regiões. / Objectives: To identify the distribution of the body mass index (BMI), waist circumference (waistC), waist-to-hip ratio (WHR) and conicity index (CI), according to demographic, socioeconomic, health-related and behavioral variables, in the population aged 30 years and older, living in Ribeirão Preto - SP, Brazil, in 2006; to assess shaping effect of geographical regions on associated factors related to anthropometric indexes as well as to estimate the contribution of the ecological level to the outcomes. Methods: Population-based cross-sectional epidemiological study with multistage sampling. Sampling weights were calculated to compose the total number of eligible participants and correct for the non-response rate, in each census tract, resulting in a weighted sample of 2,197 participants. Means and confidence intervals (95%) were calculated for the anthropometric indexes, according to gender, in the categories of the independent variables. To compare the mean outcomes in the categories of the independent variables, ANOVA (one criterion) was used. Linear trend tests were applied for variables with more than two categories. Significance level was 5%. To identify anthropometric indexes correlates, two-level fixed-effects multilevel linear models were applied. The 81 census tracts drawn were grouped in four geographical regions of the city (ecological level). Multilevel analysis followed a hierarchical conceptual model to assess the direct effect of individual variables and the contribution of the ecological level to the outcomes (rho). Point and confidence intervals (95%) for the effect measures (?) were calculated for independent variables. Firstly, these effect measures were calculated in partial models that included the variables of each hierarchical block, adjusted for the preceding blocks\' variables. In the final models, statistically significant variables (p< 0.05) were kept, after adjusting for the preceding blocks. For the outcomes, the adjusted means were calculated in the categories of the independent variables, according to geographical regions. Adjusted means differences between extreme categories of independent variables were calculated to assess the shaping effect of the geographical regions. All estimates took into account the design effect. Results: Higher mean of BMI were detected, in both gender, among those who reported familial antecedents of overweight, personal history of obesity, took medicines in the last 15 days, and adopted a weight loss diet. Among women, higher mean of BMI were found among the older, those with lower education level, who had lived in the city for longer time and reported familial antecedents of stroke (STR). The BMI correlates were: gender (?= -0.814; CI95% : -1.514 - -0.113), age (?= 0.050; CI95% : 0.014 - 0.086), education (?= -0.101; CI95% : -0.206 - -0.005), familial antecedents of overweight (?= 1.214; CI95% : 0.468 - 1.961), personal antecedents of overweight (?= 6.422; CI95% : 5.724 - 7.119) and total fat consumption (?= 0.029; CI95% : 0.008 - 0.051), considering the 11% contribution of the ecological level. The smallest adjusted means differences of BMI were mainly detected at the extreme categories of the following variables: gender, age strata, education and total fat consumption in the North and West regions. Higher means for the three central obesity indexes (waistC, WHR and CI) were observed among the older, with a lower education level, classified in the lowest income groups, who had lived in the city for longer time, with familial antecedents of overweight, personal antecedents of obesity, and among those classified as \"pre-obese\" and \"obese\". The waistC correlated included: gender (?= -8.686; CI95% : -9.439 - -7.932), age (?= 0.169; CI95% : 0.122 - 0.216), familial antecedents of STR (?= 0.689; CI95% : 0.051 - 1.327), personal antecedents of obesity (?= 2.363; CI95% : 0.320 - 4.410), BMI (?= 1.689; CI95% : 1.437 - 1.941), nº of medicines taken (?= 0.259; CI95% : 0.078 - 0.440), smoking time (?= 0.035; CI95% : 0.008 - 0.061), and total energy of diet (?= 0.084; CI95% : 0.012 - 0.157), considering the 12.4% contribution of the ecological level. The smallest adjusted means differences of waistC were detected at the extreme categories of the following variables: familial antecedents of STR, smoking time, and total energy of diet in the North and West. The correlates of WHR were: gender (?= -.099; CI95% : -0.107 - -0.090), age (?= 0.002; CI95%: 0.001 - 0.003), BMI (?= 0.004; CI95% : 0.003 - 0.005), nº of medicines taken (?= 0.004; CI95% : 0.001 - 0.007), smoking time (?= 0.0006; CI95% : 0.0004 - 0.0009), alcohol addiction (?= 0.013; CI95% : 0.003 - 0.022), weight loss diet (?= 0.017; CI95% : 0.004 - 0.030) and carbohydrate consumption (?= 0.0001; CI95% : 0.0001 - 0.0002). The ecological level contributed with 12%. The smallest adjusted means differences of WHR were detected at the extreme categories of the variables: nº of medicines taken and carbohydrate consumption in the West of the city. The CI correlates included: gender (?= -0.068; CI95% : -0.076 - -0.056), age (?= 0.003; CI95% : 0.002 - 0.004), familial antecedents of STR (?= 0.008; CI95% : 0.001 - 0.016), BMI (?= 0.005; CI95% : 0.004 - 0.006), access to health services (?= -0.011; CI95% : -0.020 - -0.002), nº of medicines taken (?= 0.004; CI95% : 0.002 - 0.007), smoking time (?= 0.0004; CI95% : 0.0001 - 0.0007), alcohol addiction (?= 0.011; CI95% : 0.001 - 0.020), weight loss diet (?= 0.015; CI95% : 0.002 - 0.030) and MUFA´s consumption (?= -0.0005; CI95% : -0.0010 - -0.0001), with 14.1% of contribution from the ecological level. The smallest adjusted means differences of CI were detected at the extreme categories of the variables: access to health services and alcohol addiction, in the North region. Conclusions: In the Ribeirão Preto city, the North and West regions were identified as obesogenic areas. Thus to promoting health behaviors and preventing the obesity in the city it should be taken into account that interventions might be applied not only for changing individual behaviors, since the impact of those interventions may be minimized or constrained by the contextual effect imposed by those regions.