Return to search

Comparação de dois indicadores da desnutrição materna usando regressão e classificação por árvore e logística multinomial / Comparison of two indicators of maternal malnutrition using tree regression and classification and multinomial logistics

As curvas de Rosso e de Siqueira para avaliação do estado nutricional de gestantes foram comparadas, em uma amostra de 565 gestantes. Para que essa comparação fosse feita a contento, utilizaram-se técnicas estatísticas tradicionais como: regressão múltipla por stepwise, coeficientes de associação, de concordância, de especificidade e de sensibilidade, métodos gráficos e técnicas mais atuais de classificação, como logística multinomial, regressão e classificação por árvores do tipo AID. Os resultados indicaram vantagem da curva de Siqueira, em termos de consistência, eficiência e associação, com relação ao prognóstico para a adequação do peso do RN. A análise das interrelações mostraram que a curva de Rosso tem uma tendência em sub-classificar a gestante, com relação ao seu peso e ao peso do seu RN. Para validar e confirmar tais resultados, procurou-se comparar as técnicas de classificação, uma vez que existiam cinco técnicas, cada qual, devido às suas características, com alguns resultados distintos. A comparação entre as técnicas de classificação foi feita por intermédio da taxa de má- classificação, usando validação cruzada em 1 O e 5 partes, obtendo-se vantagem das técnicas CHAID e Logística Multinomial, seguidas de CART, SPLUS, KS. A validação cruzada permitiu também confirmar a vantagem da curva de Siqueira, com o destaque para o fato que o melhor diagnóstico, com relação ao prognóstico da adequação do peso do RN, é na primeira consulta do pré-natal, abrindo o horizonte de diagnóstico precoce, prevenção e intervenção logo no início da gravidez, o que indica o seu uso com maiores chances de bons resultados. / The curves of Rosso and Siqueira, used to evaluate the nutritional state of pregnant women, were compared in a sample of 565 mothers. In order to make this comparison sucessful, traditional statistical techniques were used such as: multiple regression by stepwise, coefficients of association, concordance, specificity and sensibility, and graphical methods, and the updated techniques of classification, such as: multinominal logistic, regression and classification through trees of AID type. The results showed the advantage of the Siqueira curve, in terms of consistency, eficiency and association, related to prognosis of the adequacy of the weight of the newbom. The analysis of the interrelations showed that the curve of Rosso has a tendency to under classify the pregnant women concerning their weight and the weight of the newborn. In order to validate and confirm these results, comparisons of classification of techniques were searched, since there were five techniques and, each one, due to its own characteristics, presented some distinct results. The comparison between the techniques of classification were made by means of misclassification rate, using cross-validation in 10 and 5 parts, where CHAID techniques and Multinominal Logistic showed advantages, followed by CART, SPLUS and KS. The cross-validation also allowed us confirm the advantage of the Siqueira curve, with emphasis on the fact that the best diagnose, concerning the prognosis of the adequacy of the weight of the newborn, is obtained in the first antenatal care appointment. This expands horizons for precocious diagnose, prevention and intervention at the very beginning of pregnancy, which indicates its use with better chances of good results.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-13032018-111857
Date21 October 1996
CreatorsOliveira, Lael Almeida de
ContributorsPanico, Sylvia Rosalina, Siqueira, Arnaldo Augusto Franco de
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeTese de Doutorado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0022 seconds