Tese (doutorado)—Universidade de Brasília, Faculdade de Ciências da Saúde, 2009. / Submitted by Raquel Viana (tempestade_b@hotmail.com) on 2010-05-10T18:25:41Z
No. of bitstreams: 1
2009_MurielBauermannGubert_2.pdf: 2281225 bytes, checksum: 2fb116eed56d3ada777cf1b94e1d9ef5 (MD5) / Approved for entry into archive by Lucila Saraiva(lucilasaraiva1@gmail.com) on 2010-05-11T00:39:01Z (GMT) No. of bitstreams: 1
2009_MurielBauermannGubert_2.pdf: 2281225 bytes, checksum: 2fb116eed56d3ada777cf1b94e1d9ef5 (MD5) / Made available in DSpace on 2010-05-11T00:39:01Z (GMT). No. of bitstreams: 1
2009_MurielBauermannGubert_2.pdf: 2281225 bytes, checksum: 2fb116eed56d3ada777cf1b94e1d9ef5 (MD5)
Previous issue date: 2009 / Em 2004 a Pesquisa Nacional por Amostras de Domicílios (PNAD) aplicou a Escala Brasileira de Insegurança Alimentar (EBIA), permitindo estimativas de prevalência de Insegurança Alimentar e Nutricional no país. Entretanto a PNAD não permite desagregação dos dados ao nível municipal. O objetivo deste trabalho foi construir um modelo estatístico de predição de Insegurança Alimentar Grave (IAG) para o Brasil e estimar as prevalências municipais da IAG no país. A modelagem iniciou-se pela seleção das variáveis relacionadas com a IAG, por regressão logística univariada. Posteriormente foi realizada regressão logística multivariada, retirando-se as variáveis não significativas com razões de chance ajustadas por regressão logística múltipla, utilizando-se o Teste de Wald. O modelo final incluiu as variáveis: renda per capita; escolaridade, cor e sexo do chefe do domicílio; situação urbana ou rural; presença de água encanada; presença de crianças, total de moradores e estado da federação. A adequação do modelo foi aferida pelos testes de Pseudo-R2 (0.25), teste de Hosmer-Lemershow (p=0,561) e Curva ROC, com área de 0.823. O modelo foi então aplicado aos microdados do Censo Demográfico de 2000, gerando estimativas municipais de IAG para aquele ano. Optou-se por corrigir as prevalências estimadas para o ano de 2004. A região com maiores estimativas de IAG foi a nordeste, onde a média municipal de IAG foi de 14,5%, contra 3,6% na região sul. Analisando-se a variação intraregional observa-se que a região sul é a mais uniforme, ao contrário da região nordeste que se revelou muito díspare. A Região Nordeste apresenta a pior situação do país (65,3% dos municípios com estimativa muito alta de IAG). Na Região Norte 46,1% dos municípios apresenta estimativas muito altas de IAG. Predominam na Região Sudeste municípios com baixa exposição à IAG enquanto que na Região Centro-Oeste a maior parte dos municípios mostram estimativas médias de IAG. Dentre as cinco regiões brasileiras, a região sul é aquela que apresenta situação de IAG mais favorável. Conclui-se que o modelo proposto modelo tem bom poder de predição, o que viabilizou seu uso para estimar a IAG domiciliar nos municípios brasileiros. Quanto às estimativas de IA observa-se que o Brasil apresenta grandes variações na ocorrência da insegurança alimentar grave. Observa-se que a prevalência municipal de insegurança alimentar grave é reflexo das características socioeconômicas domiciliares apresentadas por sua população. ________________________________________________________________________________________ ABSTRACT / In 2004, the Brazilian National Household Survey (Pesquisa Nacional por Amostras de Domicílios - PNAD) employed the Brazilian Food Insecurity Scale, providing estimates for the prevalence of food and nutrition insecurity in the country. However, PNAD data cannot be disaggregated at the municipal level. The aim of this study was to build a statistical model to predict severe food (SFI) insecurity in Brazil and estimate SFI at Brazilian municipalities. The modeling started with the selection of variables related to food insecurity using univariate logistic regression. Multivariate logistic regression was then initiated, removing the non-significant variables with odds ratios adjusted by multiple logistic regression, using the Wald Test. The final model included the variables: per capita income; years of schooling; race and gender of the head of household; urban or rural residence; access to public water supply; presence of children; total number of people in the household and state of residence. The adequacy of the model was tested using the Pseudo-R2 test (0.25), Hosmer- Lemeshow test (p=0.561), and ROC curve, with an area of 0.823. Subsequently the model was applied to the 2000 Census database, and generated SFI estimates for that year. The SFI estimates were then adjusted for 2004. The largest prevalence of SFI was found at the Northeast Region (municipal average 14.5%), against 3.6% average for the South Region. The intra-regional variation was most pronounced at the Northeast region, and the South region showed the smallest variations. The Northeast Region showed the worst situation, with 65.5% of the municipalities with very high SFI. At the North Region 46.1% of municipalities showed very high estimate of SFI At the Southeast most of the municipalities have low SFI , whereas in the MidWest region municipalities in general present a median occurrence of SFI. The South Region has the best situation in Brazil. This study concluded that the model has strong predictive power and can be used to estimate household food insecurity in Brazilian municipalities. Analyzing the SFI estimates, we conclude that Brazil presents great variation of SFI. The municipal prevalence of SFI is a consequence of household socioeconomic characteristics of its population.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/4530 |
| Date | January 2009 |
| Creators | Gubert, Muriel Bauermann |
| Contributors | Santos, Leonor Maria Pacheco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds