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.

Introdução: A poluição atmosférica é um problema de saúde pública em todo o mundo. Os efeitos adversos produzidos pelos poluentes do ar estão fortemente associados com as doenças respiratórias e cardiovasculares e, com magnitude inferior, aos desfechos da gestação. Objetivo: estimar a relação entre os poluentes PM10 e O3 e o baixo peso ao nascer em crianças nascidas na cidade de Santo André. Casuística e métodos: este é um estudo de coorte histórica. Foram incluídos todos os bebês nascidos de mães que vivem no município de Santo André - São Paulo Brasil, entre 2000 e 2006 com declarações de nascimento de vivos concluído. A Companhia de Tecnologia de Saneamento Ambiental Cetesb forneceu dados diários do material particulado (PM10), ozônio (O3), temperatura e umidade. Foram realizadas análises descritivas e de regressão logística. Resultados: Dos 58.114 nascimentos ocorridos entre 2000 e 2006, 5,91 % dos bebês apresentaram baixo peso ao nascer. Houve uma relação dosedependente entre as concentrações de PM10 e o baixo peso ao nascer. Concentrações de PM10 no quarto quartil no terceiro trimestre aumentaram o risco de baixo peso ao nascer em 32% (Razão de Chance: 1,32; IC95%: 1,15 1,50) quando comparado com os valores do primeiro quartil. Comportamentos semelhantes foram observados nos demais trimestres. Não foram observados riscos para o O3. Conclusão: o aumento na concentração de PM10, na cidade de Santo André, no período estudado, produziu um aumento na chance de ocorrência de baixo peso ao nascer Este efeito foi observado mesmo não ocorrendo ultrapassagem dos padrões de qualidade do ar / Introduction: The atmospheric pollution is a public health problem worldwide. The adverse effects related to air pollutants are robustly associated with respiratory and cardiovascular diseases and, in a lesser extent, with pregnancy adverse outcomes. Objective: estimating the relationship between air pollutants PM10 and O3 and low birth weight of children were borne in the city of Santo André, São Paulo. Casuistic and methods: This is a crossectional study. We included in the study all newborns of mothers that were inhabitants of Santo André, São Paulo, Brazil, and that were born from 2000 to 2006. The São Paulo State Environmental Agency (CETESB) provided daily records of particulate matter (PM10), temperature, and humidity. We performed descriptive analysis and logistic regressions. Results: Among the 58,114 newborns it was observed a low birth weight rate of 5.9%. There was a dose-response relationship between PM10 concentrations and low birth weight. Particles concentrations in the highest quartile in the third trimester of pregnancy increased the risk of low birth weight in 32% ((Odds Ratio: 1,32; 95% CI: 1,15 1,50) when compared with the first quartile. The same pattern of effect was observed in the other trimesters. For the O3 not were detected risks. Conclusion: The increase in PM10 concentrations, in Santo André, during the studied period, lead to an increase in the odds of low birth weight. This effect was observed even though there was no surpassing of air quality standards

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.

Objetivos: (a) Validar externamente os nomogramas de Crippa e Srougi que combinam antígeno prostático específico (PSA) sérico, porcentagem de fragmentos positivos na biópsia prostática (PFPB) e escore de Gleason da biópsia prostática para predição de doença órgão-confinada (DOC), em prostatectomias radicais realizadas entre 1988 e 2002, em uma população contemporânea de instituição de ensino terciária de assistência pública; (b) Re-derivar as variáveis e ajustá-las para produzir dois nomogramas de predição para DOC e invasão de vesículas seminais (IVS), resultando nos nomogramas da USP. Método: A acurácia (discriminação e calibração) dos nomogramas de Crippa e Srougi foi examinada em 1.002 pacientes submetidos a prostatectomia radical retropúbica (PRR) entre 2005 e 2010 na Universidade de São Paulo. Curvas ROC com as respectivas áreas sob a curva (ASC) e escores de Brier foram usados para quantificar as propriedades discriminativas das predições dos nomogramas de Crippa e Srougi para DOC. Gráficos LOESS de calibração foram usados para expressar visualmente a relação entre as probabilidades preditas e as taxas de desfecho observadas. Na sequência, rederivação das variáveis incluindo PSA, PFPB, escore de Gleason da biópsia prostática e estádio clínico foi realizada para os desfechos DOC e IVS. Modelos finais de regressão logística originaram os nomogramas de predição para DOC e IVS (intervalos de confiança de 95% em 1.000 amostras bootstrap). Os procedimentos de validação acima descritos foram aplicados na validação interna dos nomogramas da USP. Resultados: Os nomogramas de Crippa e Srougi para predição de DOC apresentaram ROC ASC=0,68 (IC: 0,65-0,70), escore de Brier de 0,17 e considerável subestimação nos gráficos LOESS. Os nomogramas da USP apresentaram ROC ASC=0,73 (IC: 0,70- 0,76) e escore de Brier de 0,16 para DOC e ROC ASC=0,77 (IC: 0,73-0,79) e escore de Brier de 0,08 para IVS. Os gráficos LOESS mostraram excelente calibração para DOC e considerável superestimação de desfecho para IVS em todas as faixas de predição acima de 2%. Conclusões: Os nomogramas de Crippa e Srougi foram validados externamente apresentando discriminação moderada e considerável subestimação de desfecho para DOC. Os nomogramas da USP apresentaram boa discriminação para DOC e IVS, excelente calibração para DOC e considerável superestimação de desfecho para IVS / Purposes: (a) To externally validate the Crippa and Srougi nomograms that combine serum prostate-specific antigen (PSA), percent of positive biopsy cores (PPBC), and biopsy Gleason score to provide the likelihood of organ-confined disease (OCD) in radical prostatectomy performed between 1988 and 2002 in a contemporary cohort of a public health environment of a teaching institution; (b) To re-derivate the variables and adjust them to produce two predictive nomograms for OCD and seminal vesicle invasion (SVI), the USP nomograms. Material and Methods: The discrimination and calibration properties of the nomograms from Crippa and Srougi in 1002 men who underwent radical prostatectomy between 2005 and 2010 at the University of Sao Paulo (USP) were examined. The ROC derived area under the curve (AUC) and the Brier score were used to quantify the discriminant properties of the predictions of that nomograms for OCD. LOESS based calibration plots were used to examine the relationship between the predicted and observed rates of OCD. Furthermore, variables re-derivation including PSA, PPBC, biopsy Gleason score and clinical stage was done for OCD and SVI outcomes. Logistic regression final models resulted in predictive nomograms for OCD and SVI (1000 bootstrap 95% confidence intervals). The abovementioned validation procedures were applied in USP nomograms internal validation. Results: The OCD prediction nomograms from Crippa and Srougi showed ROC AUC = 0.68 (CI:0.65-0.70) and Brier score of 0.17; and considerable underestimation in LOESS plots. The USP nomograms showed ROC AUC=0.73 (CI:0.70-0.76) and Brier score of 0,16 for OCD and ROC AUC=0.77 (CI: 0.73-0.79) and Brier score of 0,08 for SVI. The LOESS plots showed excellent calibration for OCD and overestimation for SVI in all prediction ranges over 2%. Conclusions: The nomograms from Crippa and Srougi were externally validated showing moderate discrimination and considerable OCD underestimation. The USP nomograms showed good discrimination for both, OCD and SVI, excellent calibration for OCD and considerable overestimation for SVI

Introdução: Em estudos de corte transversal com desfechos binários, a associação entre a exposição e o desfecho é estimada pela razão de prevalência (RP). Os modelos de regressão de Cox, log-binomial e Poisson têm sido sugeridos como bons métodos estatísticos para obter estimativas da RP ajustadas para variáveis de confusão. Objetivo: Comparar empiricamente as regressões de Cox, log-binomial, Poisson e logística para desfechos com alta prevalência, prevalência intermediária e baixa prevalência. Metodologia: Os dados foram obtidos de um estudo epidemiológico de corte transversal, de base populacional, sobre prevalência de demência e outros transtornos mentais em idosos residentes em aéreas de baixa renda da cidade de São Paulo. O diagnóstico de demência (prevalência baixa), a ocorrência de transtorno mental comum (prevalência intermediária) e a auto-percepção de saúde ruim (alta prevalência) foram escolhidos como desfechos para o estudo. Valores de referência da estimativa da razão de prevalência (RP) foram obtidos pela estratificação de Mantel-Haenszel. Estimativas da RP ajustada foram calculadas usando modelos de regressão de Cox, log-binomial e Poisson, além do OR bruto e do OR ajustado pela regressão logística. Resultados: As estimativas do ponto e do intervalo obtidas com as regressões de Poisson e Cox, com variância robusta, se aproximaram muito bem dos resultados obtidos pela estratificação de Mantel-Haenszel, independentemente da prevalência inicial do desfecho, e permitiram controlar para covariáveis contínuas. O modelo log-binomial se comportou ligeiramente pior que os modelos de Cox e Poisson quando o desfecho teve uma prevalência alta, com dificuldade de convergência. A regressão logística produziu estimativas do ponto e do intervalo sempre mais elevadas do que aquelas obtidas pelos outros métodos, e estas estimativas eram particularmente mais elevadas quando o desfecho era freqüente. Conclusão: Os modelos de regressão de Cox e Poisson, com variância robusta, são boas alternativas à regressão logística. Quanto ao modelo de regressão log-binomial, deve-se ficar atento às restrições referentes ao seu uso, pois apresenta estimativas um pouco mais distantes das geradas pelos demais métodos quando o risco inicial do desfecho de interesse é alto e apresenta também dificuldade de convergência quando temos uma covariável contínua no modelo. Ao analisar as associações em estudos de corte-transversal, os pesquisadores devem usar métodos de regressão que forneçam estimativas do ponto e do intervalo adequadas independente da prevalência do desfecho em estudo. / Introduction: In cross-sectional studies with binary outcomes, the association between exposure and outcome is estimated with the prevalence ratio (PR). Cox, log-binomial and Poisson regression models have been suggested as statistical methods that yield correct estimates of PR adjusted for confounding variables. Aim: To compare empirically Cox, log-binomial, Poisson and logistic regressions for outcomes with low, intermediate and high prevalence. Methodology: The data came from an epidemiologic population-based cross-sectional study about prevalence of dementia and other mental health problems among older persons from an economically deprived area in the city of Sao Paulo. The diagnosis of dementia (low prevalence), caseness for common mental disorders (intermediate prevalence) and poor self-rated health (high prevalence) were chosen as outcomes of the study. Reference values for point and interval estimates of PR were obtained with the Mantel-Haenszel stratification. Adjusted estimates of PR were then calculated using Cox, log-binomial and Poisson regression models. Crude and adjusted Odds Ratios (OR) were obtained with logistic regression. Results: The point and interval estimates obtained with Poisson and Cox regressions, with robust variance, approximated very well to those obtained with Mantel-Haenszel stratification, independently of the outcome base prevalence, and allowed to control for continuous covariates. The log-binomial model performed slightly worse than the Poisson and Cox models when the outcome had a high prevalence, with difficulty in convergence. Logistic regression produced point and interval estimates that were always higher than those obtained by the other methods, and were particularly higher when the outcome was frequent. Conclusion: The Cox and Poisson models, with robust variance, are good alternatives to logistic regression. Regarding the log-binomial regression model, it is necessary to be alert to restrictions in its use, since it may yield estimates slightly different from those generated by the others methods when the outcome has a high prevalence and also presents difficulty in convergence with the continuous covariate in the model. When analyzing associations in cross-sectional studies, investigators should use regression methods that yield adequate point and interval estimates regardless of the base prevalence of the outcome investigated

Orientador: Paulo Roberto de Madureira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas / Made available in DSpace on 2018-08-22T21:12:11Z (GMT). No. of bitstreams: 1 Nascimento_PauloVictorFernandesSouza_D.pdf: 2007565 bytes, checksum: e01eda41bcffc893c044e9ae75f35532 (MD5) Previous issue date: 2013 / Resumo: As infecções relacionadas à assistência à saúde são responsáveis pela elevação do custo assistencial, aumento da morbimortalidade hospitalar e aumento do tempo de internação. Uma característica peculiar dessas infecções diz respeito à resistência dos microrganismos envolvidos. Protocolos de tratamento de infecções graves, como pneumonia e sepse, indicam o uso inicial de associações antimicrobianas de largo espectro, caso o paciente apresente fatores de risco para resistência. Posteriormente, com o resultado das culturas, o esquema terapêutico inicial seria readequado. Entretanto, esse processo conhecido como "descalonamento" ocorre de forma infrequente. Assim, no momento da escolha inicial dos antimicrobianos para o tratamento de síndromes infecciosas graves, os profissionais se deparam com um dilema: Utilizar um esquema de amplo espectro para a maior proteção do paciente, mas que raramente será revisto e contribuir para o aumento da resistência da microbiota hospitalar, ou tentar o uso de esquemas menos abrangentes? Com o objetivo de auxiliar o médico nesse momento da prescrição, procurou-se identificar possíveis características dos pacientes que pudessem servir como fatores preditores para infecção ou colonização para microrganismos multirresistentes. Em um hospital geral de 90 leitos, na cidade de São José dos Campos, no Estado de São Paulo, Brasil, foi conduzido um estudo de caso-coorte, entre junho de 2009 e junho de 2011, em que todos os pacientes que realizaram pelo menos um exame de cultura foram incluídos (753 pacientes). Os casos foram definidos como todos os pacientes que apresentaram culturas clínicas com o isolamento de pelo menos um microrganismo multirresistente (146 pacientes). A multirresistência foi definida conforme o consenso do Centro de Controle de Infecções e Doenças dos Estados Unidos da América em associação com o Centro Europeu para Prevenção e Controle de Doenças. Os controles foram todos os pacientes que se submeteram a culturas as quais não demonstraram crescimento de um agente multirresistente. Foram avaliadas quatorze variáveis demográficas e clínicas, comumente identificadas como fatores de risco. Foram construídos três modelos de predição clínica: regressão logística, árvore de classificação e floresta aleatória. No modelo de regressão logística, em função de intensa colinearidade, optou-se pela eliminação das variáveis pelo método backward. Na validação interna deste modelo, foi utilizada a técnica de reamostragem por bootstrap. O novo modelo foi calibrado com um fator de shrinkage de 0,91. Os modelos de árvore de classificação e floresta aleatória identificaram, de maneira semelhante, as variáveis mais importantes para predição que foram: história de internação nos últimos 180 dias, tempo de internação até a realização da cultura, Índice de comorbidades de Charlson, presença de cateter nasoentérico, traqueostomia e cateter venoso central. Foi realizada a validação externa temporal com uma nova amostra coletada entre julho e dezembro de 2011, num total de 342 pacientes. As acurácias dos modelos de regressão logística, árvore de classificação e floresta aleatória foram avaliadas por curvas ROC (Receiver operating characteristic). As áreas sobre a curva foram respectivamente: 72,4%, 66,2% e 69,2%. O modelo final da regressão logística com o total de pacientes estudados (1092) apresentou uma área sob a curva ROC corrigida do otimismo de 77,1% / Abstract: Healthcare-associated infections are responsible for rising health care costs, increasing morbidity, mortality, and longer hospital stays. A peculiar characteristic of such infections is the resistance of the involved microorganisms. The presence of infectious agents resistant to multiple classes of antimicrobials is increasing in such infections. Thus, multidrug resistance brings a real challenge to everyday clinical practice. Protocols for treatment of severe infections such as pneumonia and sepsis indicate the use of broad-spectrum antimicrobial associations as the initial therapy if the patient has a risk factor for resistance. Later, with the result of cultures, an adjustment of the initial therapeutic regimen would be expected. However, this process, known as de-escalation, occurs infrequently. Thus, at the moment of choosing the initial antibiotics for treating serious infectious syndromes, physicians are challenged with a dilemma: either to prescribe broad-spectrum antibiotics and contribute to increasing antibiotic resistance or to use a narrow spectrum of antimicrobials and put patients' prognosis at risk. The aim of this study was to identify potential predictors for the harboring of multidrug-resistant bacteria and to build a clinical prediction model that could help physicians to recognize patients with different risks for infection or colonization by these microorganisms. We conducted a case-cohort study in a 90-bed general hospital, at São José dos Campos, São Paulo State, Brazil, with all patients that performed at least one culture (753 patients). Cases were defined as patients that had had a culture demonstrating a multi-resistant agent (146 patients). Controls were all other patients that had had at least one culture. The consensus definition from the Center for Disease Control and the European Centre for Disease Prevention and Control was used to describe antibiotic multi-resistance. Fourteen traditional risk factors were evaluated as predictors. We constructed three clinical prediction models: logistical regression, classification tree, and random forest. In the logistical regression model, due to severe collinearity, we chose to eliminate variables by the backward method. In this model, for internal validation, we used the bootstrap resampling procedure. The new model was calibrated with the use of a shrinkage factor of 0.91. Similarly, the classification tree and random forest models identified that the most important variables for prediction were: admission history of 180 days, tube feeding, and length of hospital stay before culture, Charlson comorbidity index, central venous catheter, and tracheostomy. A temporal external validation was performed with a new sample collected between July and December 2011, with 342 patients. The accuracies of logistic regression, classification tree and random forest models were evaluated by ROC (Receiver operating characteristic) curves. The areas under the curve were 72.4%, 66.2% and 69.2%, respectively. The final logistical regression model with the overall study population (1092 patients) is described and shows an optimism-corrected area under the ROC curve of 77.1% / Doutorado / Epidemiologia / Doutor em Saude Coletiva

Objetivos: (a) Validar externamente os nomogramas de Crippa e Srougi que combinam antígeno prostático específico (PSA) sérico, porcentagem de fragmentos positivos na biópsia prostática (PFPB) e escore de Gleason da biópsia prostática para predição de doença órgão-confinada (DOC), em prostatectomias radicais realizadas entre 1988 e 2002, em uma população contemporânea de instituição de ensino terciária de assistência pública; (b) Re-derivar as variáveis e ajustá-las para produzir dois nomogramas de predição para DOC e invasão de vesículas seminais (IVS), resultando nos nomogramas da USP. Método: A acurácia (discriminação e calibração) dos nomogramas de Crippa e Srougi foi examinada em 1.002 pacientes submetidos a prostatectomia radical retropúbica (PRR) entre 2005 e 2010 na Universidade de São Paulo. Curvas ROC com as respectivas áreas sob a curva (ASC) e escores de Brier foram usados para quantificar as propriedades discriminativas das predições dos nomogramas de Crippa e Srougi para DOC. Gráficos LOESS de calibração foram usados para expressar visualmente a relação entre as probabilidades preditas e as taxas de desfecho observadas. Na sequência, rederivação das variáveis incluindo PSA, PFPB, escore de Gleason da biópsia prostática e estádio clínico foi realizada para os desfechos DOC e IVS. Modelos finais de regressão logística originaram os nomogramas de predição para DOC e IVS (intervalos de confiança de 95% em 1.000 amostras bootstrap). Os procedimentos de validação acima descritos foram aplicados na validação interna dos nomogramas da USP. Resultados: Os nomogramas de Crippa e Srougi para predição de DOC apresentaram ROC ASC=0,68 (IC: 0,65-0,70), escore de Brier de 0,17 e considerável subestimação nos gráficos LOESS. Os nomogramas da USP apresentaram ROC ASC=0,73 (IC: 0,70- 0,76) e escore de Brier de 0,16 para DOC e ROC ASC=0,77 (IC: 0,73-0,79) e escore de Brier de 0,08 para IVS. Os gráficos LOESS mostraram excelente calibração para DOC e considerável superestimação de desfecho para IVS em todas as faixas de predição acima de 2%. Conclusões: Os nomogramas de Crippa e Srougi foram validados externamente apresentando discriminação moderada e considerável subestimação de desfecho para DOC. Os nomogramas da USP apresentaram boa discriminação para DOC e IVS, excelente calibração para DOC e considerável superestimação de desfecho para IVS / Purposes: (a) To externally validate the Crippa and Srougi nomograms that combine serum prostate-specific antigen (PSA), percent of positive biopsy cores (PPBC), and biopsy Gleason score to provide the likelihood of organ-confined disease (OCD) in radical prostatectomy performed between 1988 and 2002 in a contemporary cohort of a public health environment of a teaching institution; (b) To re-derivate the variables and adjust them to produce two predictive nomograms for OCD and seminal vesicle invasion (SVI), the USP nomograms. Material and Methods: The discrimination and calibration properties of the nomograms from Crippa and Srougi in 1002 men who underwent radical prostatectomy between 2005 and 2010 at the University of Sao Paulo (USP) were examined. The ROC derived area under the curve (AUC) and the Brier score were used to quantify the discriminant properties of the predictions of that nomograms for OCD. LOESS based calibration plots were used to examine the relationship between the predicted and observed rates of OCD. Furthermore, variables re-derivation including PSA, PPBC, biopsy Gleason score and clinical stage was done for OCD and SVI outcomes. Logistic regression final models resulted in predictive nomograms for OCD and SVI (1000 bootstrap 95% confidence intervals). The abovementioned validation procedures were applied in USP nomograms internal validation. Results: The OCD prediction nomograms from Crippa and Srougi showed ROC AUC = 0.68 (CI:0.65-0.70) and Brier score of 0.17; and considerable underestimation in LOESS plots. The USP nomograms showed ROC AUC=0.73 (CI:0.70-0.76) and Brier score of 0,16 for OCD and ROC AUC=0.77 (CI: 0.73-0.79) and Brier score of 0,08 for SVI. The LOESS plots showed excellent calibration for OCD and overestimation for SVI in all prediction ranges over 2%. Conclusions: The nomograms from Crippa and Srougi were externally validated showing moderate discrimination and considerable OCD underestimation. The USP nomograms showed good discrimination for both, OCD and SVI, excellent calibration for OCD and considerable overestimation for SVI

OBJECTIVES: We examined the association between exclusive breastfeeding, early introduction of feeding formula, early weaning, and asthma in children aged six months to five years in a sample of non-institutionalized US children using a propensity score approach. METHODS: Our study used data from the National Survey of Children's Health (2012-2018) of 3,820 children with physician-diagnosed asthma aged 6 months to 5 years. Propensity score matching (PSM) was applied to control selection bias with age, sex, race, birth weight, Federal Poverty Level, parent's education, and parent smoking history used as covariates in PSM. The total number in the matched sample was 6,904 (3,452 non-asthmatics; 3,452 asthmatics). Matched and unmatched samples were analysed using the χ test and multiple logistic regression. RESULTS: Exclusive breastfeeding was protective against asthma in the pre-matching (AOR 0.72; 95% CI: 0.54-0.97; p = 0.03) and post-matching (AOR 0.66; 95% CI: 0.55-0.81; p < 0.001) samples. Formula feeding before 6 months was associated with asthma in unmatched (AOR 1.38; 95% CI: 1.15-1.66; p < 0.001) and matched (AOR 1.31; 95% CI: 1.16-1.47; p < 0.001) sample. Early weaning before 6 months was associated with asthma in unmatched (AOR 1.62; 95% CI: 1.35-1.54; p < 0.001) and matched sample (AOR 1.37; 95% CI: 1.23-1.54; p < 0.001). CONCLUSION: Public health systems should continue to recommend the implementation of the World Health Organization exclusive breastfeeding guideline in developed countries. Asthma interventions in children under two years should continue to emphasize exclusive breastfeeding to reduce the incidence of infant asthma.

Introdução - Grande parte das cintilografias das paratiróides realizadas antes da primeira cirurgia (paratiroidectomia) resulta negativa, podendo sugerir uma inadequação na solicitação do exame. Objetivo - Desenvolver e comparar dois modelos matemáticos baseados em teoria de conjuntos fuzzy e regressão logística para tomada de decisão na realização de cintilografia das paratiróides, a partir de valores séricos de Cálcio (Ca) e Paratormônio (PTH). Métodos - Da base de registros de cintilografia de paratiróides realizadas no Centro de Medicina Diagnóstica Fleury, em São Paulo, foram identificados 194 pacientes (grupo desenvolvimento) que no período de janeiro de 2000 a dezembro de 2004 tinham Ca e PTH séricos medidos. Foram desenvolvidos dois modelos matemáticos, um deles baseado em regressão logística e o outro em teoria de conjuntos fuzzy, com a finalidade de definir uma medida de indicação para a realização do exame cintilográfico. O desempenho dos modelos foi comparado utilizando curvas ROC pelo teste de Hanley e McNeil. Utilizou-se o grupo teste de 139 pacientes registrados de 2005 a 2006 para avaliar os modelos e verificar sua acurácia. Resultados - No grupo desenvolvimento, a área sob a curva ROC do modelo de regressão logística foi de 0,86 (IC 95%: 0,81-0,91) e do modelo fuzzy foi 0,89 (IC 95%: 0,84-0,93), avaliadas como estatisticamente distintas (p=0,026). O modelo fuzzy se destacou como particularmente útil porque, ao contrário do modelo logístico, mostrou capacidade de utilizar informações de PTH em intervalo em que os valores de Ca mostraram-se pouco discriminantes. No grupo teste, a área para o modelo logístico foi de 0,89 (IC 95%: 0,83-0,95) e para o modelo fuzzy foi de 0,91 (IC 95%: 0,85-0,96) (p=0,128). Conclusões - O modelo fuzzy apresentou desempenho igual ou superior ao modelo de regressão logística. O modelo matemático baseado em teoria de conjuntos fuzzy, no contexto deste estudo, obteve desempenho mais adequado do que o modelo baseado em regressão logística como método para decisão da realização de cintilografia das paratiróides. Por pertinente, destaque-se que, resultado de um exercício metodológico, inferências sobre o comportamento do objeto podem ser impróprias, dada a não representatividade populacional dos dados. / Introduction - A great number of parathyroid scintigraphies performed before the first surgery (parathyroidectomy) results negative suggesting an inadequate use of this test. Objective - The aim of this study was to develop and compare two mathematical models based on logistic regression analysis and fuzzy sets theory to select patients to be submitted to parathyroid scintigraphy based on serum calcium and parathormone values. Methods - From the data registrered on parathyroid scintigrafy database from Fleury - Medical Diagnostic Center, São Paulo, within the period between January 2000 to December 2004, 194 patients with available serum calcium and parathormone were identified. Two mathematical models based on logistic regression analysis and fuzzy sets theory were developed to recognize patients for parathyroid scintigraphy on the basis of laboratorial exams. The logistic regression model was developed using SPSS and the fuzzy model using MatLab. The performances of the models were compared using ROC curves with the test of Hanley e McNeil. The accuracies of both models were also analyzed and compared using a new database (test database) of 139 parathyroid scintigraphies performed between 2005 and 2006. Results - The performances of the models were statistically different (p=0.026). The area under the ROC curves were 0.86 (CI 95%: 0.81-0.91) for the logistic regression model and 0.89 (CI 95%: 0.84-0.93) for the fuzzy model. As an advantage over the logistic model, the latter has shown the ability to draw decision from parathormone information within a not discriminating interval of calcium values. In the test database the ROC area for the logistic regression model the ROC curve area was 0.89 (CI 95%: 0.83-0.95) and for the fuzzy model was 0.91 (CI 95%: 0.85-0.96) (p=0.128). Conclusions - The mathematical model based on fuzzy sets theory fared better than the logistic model in decision making for scintigraphy indication. Nevertheless, one should take heed that inferences should be kept to what concerns model comparison and not the parathyroid scintigraphy itself, once the data analysed was not representative of any population.