Biometria Me 2012 Elen Paulino

ANALISE FATORIAL EXPLORATORIA APLICADA A DADOS DE DO ESTADO NUTRICIONAL DE IDOSOS AVALIAC AO
Elen Daniele Paulino
Disserta c ao apresentada ` a Universidade Estadual Paulista J ulio de Mesquita Filho para a obten c ao do t tulo de Mestre em Biometria.
BOTUCATU S ao Paulo - Brasil Fevereiro - 2012
Elen Daniele Paulino
Orientador: Prof. Dr. Jos e Silvio Govone a Co-orientadora: Profa Dr Maria Rita Marques de Oliveria
Disserta c ao apresentada ` a Universidade Estadual Paulista J ulio de Mesquita Filho para a obten c ao do t tulo de Mestre em Biometria.
BOTUCATU S ao Paulo - Brasil Fevereiro - 2012
FICHA CATALOGRFICA ELABORADA PELA SEO DE AQUIS. E TRAT. DA INFORMAO DIVISO TCNICA DE BIBLIOTECA E DOCUMENTAO - CAMPUS DE BOTUCATU - UNESP BIBLIOTECRIA RESPONSVEL: SULAMITA SELMA CLEMENTE COLNAGO
Paulino, Elen Daniele. Anlise fatorial exploratria aplicada a dados de avaliao do estado nutricional de idosos / Elen Daniele Paulino. Botucatu : [s.n.], 2012 Dissertao (mestrado) Universidade Estadual Paulista, Instituto de Biocincias de Botucatu Orientador: Jos Silvio Govone Co-orientador: Maria Rita Marques de Oliveira Capes: 10202056 1. Nutrio - Avaliao. 2. Idosos.
Palavras-chave: Anlise de componentes principais; Anlise fatorial; Avaliao Nutricional; Idosos.
Dedicat oria
Dedico esta disserta c ao ` a minha av o Benedita Caroli Fregonesi e aos meus pais Jos e Carlos Paulino e Aur elia Aparecida Fregonesi Paulino.
Agradecimentos
Agrade co primeiro a Deus, por n ao me deixar perder a f e. Agrade co ` a minha av o Benedita Caroli Fregonesi, o amor da minha vida, pelo seu imenso amor. Agrade co aos meus pais Aur elia Aparecida Fregonesi Paulino e Jos e Carlos Paulino pela ajuda, incentivo, amor e carinho. Agrade co ao meu irm ao Eder e ` a minha irm azinha Noemi pelo amor, apoio e amizade. Agrade co aos meus tios Araci, Luis Ant onio, Am elia, Ant onio e aos meus padrinhos Ana L ucia e Jo ao pelo incentivo e ajuda. Agrade co ao meu orientador professor Silvio pela ajuda no desenvolvimento do trabalho, pelas palavras de incentivo e por conar no meu trabalho desde a gradua c ao. Agrade co ` a minha co-orientadora professora Maria Rita pela paci encia em me ensinar a parte da nutri c ao e pelo apoio no desenvolvimento da disserta ca o. Agrade co ` a professora Lilian pelos dados e pelo apoio no desenvolvimento do trabalho. Agrade co aos meus amigos L eo, Davi, Marina, Gabriela Dorth, Fabio e a todos os outros que n ao citei, pela contribui c ao que cada um deu ao trabalho e pela amizade. Agrade co aos professores e funcion arios da p os-gradua c ao em Biometria - UNESP - Botucatu. Agrade co ` a CAPES pelo apoio nanceiro para o desenvolvimento desta disserta ca o.
Sum ario
P agina LISTA DE FIGURAS LISTA DE TABELAS RESUMO SUMMARY 1 INTRODUC AO DE LITERATURA 2 REVISAO 2.1 2.1.1 2.2 2.2.1 2.2.2 An alise de componentes principais . . . . . . . . . . . . . . . . . . . . . . Procedimento para a constru ca o das componenetes principais . . . . . An alise fatorial explorat oria . . . . . . . . . . . . . . . . . . . . . . . . . Procedimento para a obten ca o dos fatores . . . . . . . . . . . . . . . . An alise de fatores de componentes principais . . . . . . . . . . . . . . . vii ix xii xiv 1 5 5 7 10 14 16 19 19 20 22 22 25
3 MATERIAL E METODOS 3.1 3.1.1 3.1.2 3.2 3.3 Obten ca o dos dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Antropometria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exames Bioqu micos . . . . . . . . . . . . . . . . . . . . . . . . . . . . Procedimento para uma an alise de componentes principais . . . . . . . . Procedimento para uma an alise de fatores de componentes principais . .
v 4 RESULTADOS 4.1 4.1.1 An alise de componentes principais . . . . . . . . . . . . . . . . . . . . . . An alise de componentes principais realizada com 15 vari aveis, para todos os idosos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.2 An alise de componentes principais realizada com 11 vari aveis, para todos os idosos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.3 An alise de componentes principais realizada para os homens, com 11 vari aveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.4 An alise de componentes principais realizada para as mulheres, com 11 vari aveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.5 An alise de componentes principais realizada para 13 vari aveis, para todos os idosos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.6 An alise de componentes principais realizada com 13 vari aveis, para os idosos de 60-79 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.7 An alise de componentes principais realizada com 13 vari aveis, para os idosos de 80-100 anos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.8 An alise de componentes principais realizada com vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos . . . . . . 4.2 4.2.1 4.2.2 4.2.3 4.2.4 4.2.5 4.2.6 4.2.7 4.2.8 An alise fatorial explorat oria . . . . . . . . . . . . . . . . . . . . . . . . . An alise fatorial realizada com 15 vari aveis, para todos os idosos . . . . An alise fatorial realizada com 11 vari aveis, para todos os idosos . . . . An alise fatorial realizada para os homens, com 11 vari aveis . . . . . . . An alise fatorial realizada para as mulheres, com 11 vari aveis . . . . . . An alise fatorial realizada para 13 vari aveis, para todos os idosos . . . . 48 51 51 54 55 57 58 46 43 40 36 34 31 27 27 27
An alise fatorial realizada com 13 vari aveis, para os idosos de 60-79 anos 60 An alise fatorial realizada com 13 vari aveis, para os idosos de 80-100 anos 62 An alise fatorial realizada com vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos . . . . . . . . . . . . . . . . . . . . . 62 64
4.3
Software R usado nas an alises . . . . . . . . . . . . . . . . . . . . . . . .
vi 5 DISCUSSAO 6 CONCLUSOES REFERENCIAS BIBLIOGRAFICAS 65 69 71
Lista de Figuras
P agina 1 Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. . . . . . . . . . . . . . . . . 2 Correla c oes agrupadas entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 4 30 29
Correla c oes entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. 31 Correla c oes agrupadas entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5 6
Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos. 33 Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos. . . . . . . . . . . . . . . . . 35
Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. . . . . . . . . . 38
Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
10
Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. . . . . . . . . . 41
11
Correla co es agrupadas entre as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12
Correla co es entre as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. 43
viii 13 Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. . . . . . . . . . . . . . . . . 14 Correla co es agrupadas entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 16 46 45
Correla co es entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. 47 Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 60-79 anos. . . . . . . . . . . . 49
17
Correla co es agrupadas entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
18 19
Correla co es entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. 51 Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 80-100 anos. . . . . . . . . . . 53
20
Correla co es agrupadas entre as vari aveis antropom etricas prim arias e as bioqu micas, considerando os todos os idosos. . . . . . . . . . . . . . . . 54
21
Correla co es entre as vari aveis antropom etricas prim arias e as bioqu micas, considerando os todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . 55
22
Scree-plot dos autovalores versus componentes principais para as vari aveis antropom etricas prim arias e as bioqu micas, considerando todos os idosos. 57
Lista de Tabelas
P agina 1 2 Dados com vari aveis X1 , ..., Xp e observa co es em n casos. . . . . . . . . 7
Correla c oes entre escores de testes para meninos de uma escola preparat oria (Spearman, 1904). . . . . . . . . . . . . . . . . . . . . . . . . . . 11 23 24
3 4 5
Dados originais para vari aveis X1 , ..., Xp , com n idosos. . . . . . . . . . . Dados padronizados para vari aveis X1 , ..., Xp , com n idosos. . . . . . . . Matriz de correla co es entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 15 componentes, considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Componentes principais (PC) para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Matriz de correla co es entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , para todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10
11
Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. . . . . . . . . . . . . . . . . . . . . . . . . . . 37
x 12 Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. . . . . . . . . . . . . . . . . . . . . 13 Componentes principais (PC) para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. . . . . . . . . . . . . . . . . . . . . . 14 Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. . . . . . . . . . . . . . . . . . . . . . 16 Componentes principais (PC) para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. . . . . . . . . . . . . . . . . . . . . . . 17 18 41 40 40 38 37
Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X14 , para todos os idosos. 42 Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando todos os idosos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
19
20
Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
21
Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando os idosos de 60-79 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
22
Componentes principais (PC) para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 60-79 anos. . . . . . . . . . . . . . . . . . . . . . . . . 49
23
Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
xi 24 Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando os idosos de 80-100 anos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Componentes principais (PC) para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 80-100 anos. . . . . . . . . . . . . . . . . . . . . . . . . . 26 Matriz de correla c oes entre as vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos. . . . . . . . . . . . . . . . . . . . . . . 27 Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 10 componentes, considerando os todos os idosos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Componentes principais (PC) para as vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos. . . . . . . . . . . . . . . . . . . . 29 Fatores para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . 30 Fatores para as vari aveis X1 , X3 , ..., X12 , para todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . . . . . . . 31 Fatores para as vari aveis X1 , X2 , ..., X15 , para os homens, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . . . . . . . 32 Fatores para as vari aveis X1 , X2 , ..., X15 , para as mulheres, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . . . . . . . 33 Fatores para as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . 34 Fatores para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 60-79 anos, para cada vari avel, assinalado em negrito, o fator de maior peso. 35 Fatores para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 80-100 anos, para cada vari avel, assinalado em negrito, o fator de maior peso. 36 Fatores para as vari aveis antropom etricas prim arias e as bioqu micas, considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 . 63 . 61 61 60 59 59 58 56 56 54 53 52
Autora: ELEN DANIELE PAULINO SILVIO GOVONE Orientador: Prof. Dr. JOSE a Co-orientadora: Profa Dr MARIA RITA MARQUES DE OLIVERIA
RESUMO
Os idosos normalmente tem baixo consumo alimentar, devido o processo de envelhecimento, resultando em um grave problema, a desnutri c ao, que associada a idade elevada merece muita aten c ao. Para um diagn ostico nutricional claro, que possibilite uma interven ca o nutricional adequada, deve ser realizada uma avalia ca o precisa do estado nutricional dos idosos. Essa avalia c ao e feita com os indicadores objetivos e subjetivos. Os indicadores utilizados para o presente trabalho foram os objetivos: antropom etricos e bioqu micos. As vari aveis antropom etricas foram massa corporal total, estatura, circunfer encia do bra co, circunfer encia muscular do bra co, area de gordura do bra co, as dobras cut aneas tricipital, bicipital, subescapular e supra-il aca, porcentagem de gordura corporal, circunfer encia da panturrilha e ndice de massa corp orea; e as bioqu micas foram albumina, transferrina e prote na C reativa. Um grande desao para a nutri ca o e agrupar e interpretar
xiii as vari aveis antropom etricas e bioqu micas conjuntamente. Logo, o objetivo do presente trabalho foi realizar a an alise de componentes principais nos dados de uma amostra de 113 idosos, para explicar com um menor n umero de vari aveis a maior parte das informa c oes no conjunto original de dados, seguida da an alise fatorial explorat oria nos mesmos dados, para obter fatores que agrupem as vari aveis originais em subconjuntos de novas vari aveis mutuamente n ao correlacionadas. As an alises foram realizadas para todos os idosos, com todas as vari aveis, e depois, com a retirada das vari aveis que possuem baixas correla co es com as demais, foram realizadas novas an alises para todos os idosos, para os idosos divididos por faixa et aria, e por sexo. Com a an alise de componentes principais foi poss vel concluir que a vari avel circunfer encia do bra co e a mais importante, ou seja, a que possui o maior peso. Na an alise fatorial, para todos os idosos sem as vari aveis estatura e prote na C reativa, os fatores foram divididos em indicadores de gordura corporal, indicadores de massa muscular e indicadores bioqu micos do estado nutricional.
Palavras-chave:
an alise de componentes principais, an alise fatorial, avalia c ao
nutricional, idosos.
EXPLORATORY FACTOR ANALYSIS APPLIED TO NUTRITIONAL ASSESSMENT STATUS DATA OF ELDERLY
Author: ELEN DANIELE PAULINO SILVIO GOVONE Adviser: Prof. Dr. JOSE a Co-adviser: Profa Dr MARIA RITA MARQUES DE OLIVERIA
SUMMARY
Elderly people usually have low nourishment consumption, due to the aging process, which results in a serious problem, malnutrition, and, when it is associated with age, its certainly an issue that deserves special attention. In order to achieve a clear nutritional diagnosis, that is, one that allows an adequate nutritional intervention, it is necessary to develop a nutritional assessment of the elderly. Such assessment can be carried out using objective and subjective indicators. Some of the objectives indicators, anthropometric and biochemical indicators, were approached in this study. The anthropometric variables considered were total
body mass; height; arm circumference; arm muscular circumference; arm fat area; triceps, biceps, subscapular and suprailiac skinfold thickness; body fat percentage; calf circumference and body mass index. The biochemical variables considered in this study were albumin, transferrin and C-reactive protein. Both grouping and
xv interpreting the biochemical and anthropometric variables taken together constitute a major challenge for nutrition. Thus, the objective of this study was performing a principal component analysis for a sample of 113 elders, in order to maximize the explanation of the original data set using fewer variables as possible and then perform an exploratory factor analysis, over the same data, to extract the factors that group up the original variables in a subset of new, mutually non-correlated variables. The analysis were carried out for all elders using all variables and then new analysis were held for all elders, divided into age and sex classes, using the remaining variables after the removal of the lowest correlated ones. Through the principal component analysis, it was possible to conclude that the arm circumference is the most important, that is, the variable which has the biggest weight. Through the factor analysis, for all elders without using height and C-reactive protein variables, the factors were separated in body fat indicators, muscular mass indicators and biochemical indicators of nutritional status. Keywords: principal component analysis, factorial analysis, nutritional assessment, elderly.
INTRODUC AO
O envelhecimento populacional e um fen omeno global. Considerando
a popula c ao mundial, estima-se que o n umero de pessoas com 60 anos ou mais ir a crescer mais de 300% nos pr oximos 50 anos, indo de 606 milh oes em 2000 para quase dois bilh oes em 2050. O crescimento ser a ainda mais expressivo nos pa ses menos desenvolvidos, onde esta popula c ao dever a aumentar mais do que 4 vezes, de 374 milh oes em 2000 para 1,6 bilh oes em 2050 (Scazufca et al., 2002). Segundo Scazufca et al. (2002) o Brasil e um dos pa ses em que o envelhecimento da popula c ao est a ocorrendo mais rapidamente. Em 1950 o n umero de idosos era de aproximadamente 2 milh oes, e correspondia a 4,1% da popula c ao total, j a no ano 2000 esta popula c ao aumentou para 13 milh oes, equivalente a 7,8% da popula ca o. As estimativas indicam que, em 2025, o pa s ter a mais do que o dobro do n umero de idosos, ou seja, 35 milh oes (15,4% da popula c ao total) versus 16 milh oes (8,8% da popula c ao total) em 2005 (Souza & Guariento, 2009). Nos pr oximos 50 anos estima-se que a popula ca o idosa ser a de 58 milh oes (23,6% da popula ca o total) (Scazufca et al., 2002) e que a expectativa de vida ao nascer chegue a 85 anos de idade (Souza & Guariento, 2009). Junto com o aumento do n umero de idosos, existe a elevada ocorr encia de doen cas cr onicas nesta faixa et aria (Sampaio, 2004). Assim, a maior expectativa de vida associada ` a frequ encia dessas doen cas tem ocasionado um crescimento das taxas de idosos com incapacidades cognitivas e mec anicas (Karsch, 2003). Com o processo de envelhecimento, as mudan cas siol ogicas, metab olicas e a redu ca o da capacidade funcional resultam na altera ca o das necessidades
2 nutricionais dos idosos (Souza & Guariento, 2009), sendo a desnutri ca o um problema preocupante, relacionado ao baixo consumo alimentar, caracter stico do processo de envelhecimento (Galesi, 2010). Nos idosos mais velhos, a desnutri ca o e o dist urbio nutricional que se deve dar mais import ancia, por estar associada ao aumento da mortalidade e da vulnerabilidade a infec co es (Souza & Guariento, 2009). A avalia c ao do estado nutricional do idoso e considerada complexa em consequ encia da inu encia de v arios fatores, os quais necessitam ser investigados para um diagn ostico nutricional preciso, que possibilite uma interven ca o nutricional adequada (Sampaio, 2004). Os indicadores que t em sido propostos para avaliar o estado nutricional s ao antropom etricos, f sicos, laboratoriais e diet eticos (Souza & Guariento, 2009). Os indicadores antropom etricos mais empregados em estudos com idosos s ao as medidas de massa corporal total, estatura, circunfer encia do bra co e dobras cut aneas; os indicadores bioqu micos s ao as prote nas totais, albumina, transferrina, hemat ocrito, hemoglobina, contagem total de linf ocitos e a prote na C reativa. Esta utilizada para excluir a possibilidade de uma inama c ao interferir na interpreta ca o dos valores da albumina (Galesi, 2010). As vantagens da antropometria para a avalia ca o do estado nutricional do idoso s ao a simplicidade, os equipamentos de f acil aquisi c ao e o baixo custo operacional para a realiza ca o das medidas (Cervi et al., 2005). No entanto, com o envelhecimento ocorrem altera co es que podem comprometer a determina c ao de um diagn ostico antropom etrico acurado, caso n ao sejam tomados cuidados espec cos para neutralizar ou amenizar o efeito dessas altera co es sobre a avalia c ao (Sampaio, 2004). A avalia ca o nutricional do idoso apresenta limita co es nos dados dos padr oes de refer encia para as medidas antropom etricas. Nos pa ses desenvolvidos, os estudos para a constru c ao desses padr oes foram realizados a partir de amostras representativas, mas com limite superior de idade (Sampaio, 2004). Nos pa ses em desenvolvimento, n ao h a padr oes para esse grupo et ario (Sampaio, 2004), como eo
3 caso do Brasil, onde n ao existem valores antropom etricos de refer encia para idosos (Rauen et al., 2008). Para os indicadores bioqu micos h a falta de referenciais metodol ogicos espec cos para a avalia c ao do estado nutricional de idosos, e a maioria comp oese apenas dos pontos de corte, sendo poucas as tabelas de distribui ca o percentual disponibilizadas (Galesi, 2010). Um grande desao para a ci encia da nutri c ao e agrupar e interpretar de forma conjunta as vari aveis antropom etricas e bioqu micas, pois essas vari aveis se complementam para um melhor diagn ostico do estado nutricional do idoso (F elix & Souza, 2009). No trabalho de Galesi (2010), realizado com dados de 150 idosos de uma Institui ca o Asilar de Longa Perman encia situada na cidade de Piracicaba SP, foram discutidas algumas das principais quest oes relacionadas ` a nutri ca o no processo de envelhecimento. Este trabalho tinha como objetivo elaborar e validar um instrumento efetivo de vigil ancia nutricional para uso de cuidadores n ao formados, voltado para o idoso residente em institui c oes de longa perman encia, a partir de indicadores objetivos e subjetivos. Para os indicadores objetivos, Galesi (2010) utilizou para a classica ca o do estado nutricional a soma dos par ametros nutricionais em percentual de adequa ca o dividido pelo n umero de par ametros avaliados e, em seguida classicou este percentual conforme proposto por Blackburn et al. (1977), mas somente utilizou-se as vari aveis que foram encontradas refer encia em percentis na literatura, sendo uma das desvantagens dessa classica ca o. Portanto, o objetivo do presente trabalho e realizar uma an alise multivariada nos dados dos indicadores objetivos do trabalho de Galesi (2010) para tentar diagnosticar algumas rela co es importantes, de forma a agrupar as vari aveis envolvidas e colaborar com a avalia ca o do estado nutricional de idosos por nutricionistas ou outros prossionais da area da sa ude que realizem esta avalia ca o. Esta an alise multivariada e composta das aplica c oes: da an alise de componentes principais, para
4 explicar com um menor n umero de vari aveis, que tenham alta correla c ao, a maior parte das informa co es no conjunto original de dados; e da an alise fatorial, para obter fatores que agrupem as vari aveis originais em subconjuntos de novas vari aveis mutuamente n ao correlacionadas.
DE LITERATURA REVISAO
Para a realiza c ao deste trabalho foram revisadas as t ecnicas de an alise
de componentes principais e de an alise fatorial explorat oria, com o objetivo de posterior aplica c ao.
2.1
An alise de componentes principais

A an alise de componentes principais foi inicialmente descrita por Pear-
son (1901), que prop os um m etodo para o c alculo com duas ou tr es vari aveis apenas. Mais tarde Hotelling (1933) descreveu m etodos pr aticos para muitas vari aveis, mas os c alculos eram complexos porque tinham que ser feitos manualmente. Somente com os computadores eletr onicos e que a t ecnica de componentes principais passou a ser amplamente usada (Manly, 2005). Segundo Lattin et al. (2011) a an alise de componentes principais e um m etodo para reexpressar dados multivariados, ela permite que os dados sejam reorganizados de modo que as primeiras poucas dimens oes expliquem o maior n umero poss vel de informa c oes dispon veis. Se houver a presen ca de redund ancia no conjunto de dados, pode ser poss vel explicar com um n umero pequeno de dimens oes a maior parte das informa co es no conjunto original de dados. Essa redu c ao de dimens oes torna a visualiza ca o dos dados mais direta e a facilita uma an alise subsequente. Geometricamente, a an alise de componentes principais consiste em reescrever o sistema de coordenadas da amostra em outro sistema de coordenadas com um eixo mais conveniente para a an alise dos dados (Johnson & Wichern, 1986); essa an alise permite a constru c ao de gr acos bidimensionais contendo maior informa c ao
6 estat stica (Moita & Neto, 1998). O objetivo principal e o de explicar a estrutura de vari ancia e covari ancia de um vetor aleat orio composto de p-vari aveis, atrav es de combina c oes lineares das vari aveis originais; estas combina c oes s ao chamadas de componentes principais e s ao n ao correlacionadas entre si (Mingoti, 2005). Tal an alise toma p vari aveis X1 , X2 , ..., Xp e obt em as combina c oes destas, que s ao as componentes principais Z1 , Z2 , ..., Zp , cuja principal caracter stica e que estas s ao obtidas em ordem decrescente de maior vari ancia, ou seja, a componente principal Z1 tem mais informa c ao estat stica que a componente principal Z2 , e esta tem mais informa c ao estat stica que a componente principal Z3 , e assim por diante (Anderson, 1958). A solu c ao de componentes principais possui a propriedade de que as componentes n ao s ao correlacionadas (Lattin et al., 2011). Essa falta de correla c ao das componentes principais signica que os ndices est ao medindo diferentes dimens oes dos dados, com a propriedade que V ar(Z1 ) V ar(Z2 ) ... V ar(Zp ), sendo que a vari ancia de Zi e denotada por Var(Zi ), com i = 1, 2, ..., p (Manly, 2005). No entanto, deseja-se reduzir o n umero de vari aveis a serem avaliadas e interpretar as combina c oes lineares constru das, ou seja, a informa ca o contida nas p-vari aveis e substitu da pela informa ca o contida em m componentes principais n ao correlacionadas, com m < p. Desta forma, o sistema de variabilidade das p-vari aveis originais e aproximado pelo sistema de variabilidade das m componentes principais (Mingoti, 2005). Se as m primeiras componentes principais explicam uma grande parte da vari ancia total do vetor X, pode-se restringir o foco de aten c ao apenas ao vetor aleat orio (Z1 , Z2 , ..., Zm ). Desta forma um conjunto m-dimensional de vari aveis aleat orias poder a ser examinado sem que, com isto, se perca muita informa c ao sobre a estrutura de vari ancias e covari ancias do vetor X (Mingoti, 2005). Quando as vari aveis originais s ao n ao correlacionadas, nem sempre reduz o n umero de vari aveis originais a um pequeno n umero de vari aveis transforma-
7 das. Os melhores resultados s ao obtidos quando as vari aveis originais s ao altamente correlacionadas, positivamente ou negativamente, ou seja, existe uma quantidade de redund ancia nas vari aveis originais (Manly, 2005). 2.1.1 Procedimento para a constru c ao das componenetes principais Para a an alise de componentes principais, com p vari aveis para n indiv duos, os dados s ao dispostos, inicialmente, na Tabela 1. Tabela 1. Dados com vari aveis X1 , ..., Xp e observa c oes em n casos. Caso 1 2 . . . n X1 x11 x21 . . . xn1 X2 x12 x22 . . . xn2 Xp x1p x2p . . . xnp
Segundo Morrison (1967) e Manly (2005) o procedimento para obter-se as componentes principais e como segue : Calcula-se o primeiro componente principal como uma combina ca o linear das vari aveis X1 , X2 , ..., Xp , logo Z1 = a11 X1 + a12 X2 + ... + a1p Xp e esse varia tanto quanto poss vel para os indiv duos sujeitos ` a condi ca o
2 2 a2 11 + a12 + ... + a1p = 1.
Assim Var(Z1 ) e t ao grande quanto poss vel, dada esta restri ca o sobre as constantes a1j , com j = 1, 2, ..., p. A restri ca o e introduzida, sen ao a Var(Z1 ) pode ser aumentada fazendo crescer qualquer um dos valores a1j .
8 O segundo componente principal e da seguinte forma Z2 = a21 X1 + a22 X2 + ... + a2p Xp e e escolhido de modo que Var(Z2 ) seja t ao grande quanto poss vel, sujeito ` a restri ca o de que
2 2 a2 21 + a22 + ... + a2p = 1
e tamb em ` a condi ca o de que Z1 e Z2 tenham correla ca o zero entre si. O terceiro componente principal e da forma que se segue Z3 = a31 X1 + a32 X2 + ... + a3p Xp e e tal que a Var(Z3 ) seja t ao grande quanto poss vel, sujeito ` a restri c ao de que
2 2 a2 31 + a32 + ... + a3p = 1
e tamb em que Z3 seja n ao correlacionada com ambas Z1 e Z2 . De maneira an aloga obt em-se Z4 , Z5 , ..., Zp . Como s ao p-vari aveis, pode-se obter no m aximo p componentes principais. A an alise de componentes principais envolve encontrar os autovalores da matriz de covari ancia amostral, a qual e sim etrica e tem a forma:
c11 c12 c1p c21 c22 c2p C= . . . . . . . . .
cp1 cp2 cpp
na qual o elemento cii na diagonal e a vari ancia de Xi , e o elemento cij , que n ao est a na diagonal, e a covari ancia entre as vari aveis Xi e Xj . Os autovalores encontrados na matriz C s ao as vari ancias dos componentes principais. Existem p autovalores, alguns dos quais podem ser zero, mas n ao podem ser negativos. Os autovalores s ao ordenados como 1 2 ...p 0, em que i corresponde ao i- esimo componente principal que e da seguinte forma (Manly, 2005): Zi = ai1 X1 + ai2 X2 + ... + aip Xp
9 sujeito ` a restri c ao de que

2 2 a2 i1 + ai2 + ... + aip = 1.
Temos que V ar(Zi ) = i , e as constantes ai1 , ai2 , ..., aip s ao os elementos do autovetor correspondente aos autovalores 1 , 2 , ..., p . Uma propriedade importante e que a soma dos autovalores e igual ` a soma dos elementos da diagonal(tra co) da matriz C. Isto e, 1 + 2 + ... + p = c11 + c22 + ... + cpp . Como cii e a vari ancia de Xi , e i e a vari ancia de Zi , ent ao a soma das vari ancias dos componentes principais e igual a soma das vari ancias das vari aveis originais. Portanto, os componentes principais cont em toda a varia c ao dos dados originais (Manly, 2005). As componentes principais obtidas da matriz de covari ancia C s ao inuenciadas pelas vari aveis de maior vari ancia, n ao sendo de muita utilidade nos casos em que existe uma discrep ancia muito acentuada entre essas vari ancias. A discrep ancia pode ser muitas vezes causada pela diferen ca de unidades de medidas das vari aveis. Este problema pode ser resolvido aplicando-se uma transforma c ao nos dados originais, de modo a equilibrar os valores de vari ancia (Mingoti, 2005). Neste caso e usual codicar ou transformar as vari aveis de modo que cada vari avel tenha m edia zero e vari ancia igual a um (Manly, 2005). Esta padroniza c ao expressa cada observa c ao como o n umero de desvios padr oes da m edia como segue (Moita & Neto, 1998): yij =
1 n n i=1
xij xj sj
em que xj =
xij e sj 2 =
1 n 1
n i=1
(xij xj )2 .
Logo a matriz de covari ancia C e transformada numa matriz de cor-
10 rela ca o D da seguinte forma (Manly, 2005):

1 d12 d1p 1 d2p d21 D= . . . . . . . . .
dp1 dp2
na qual dij = dji e a correla c ao entre Xi e Xj . A an alise de componentes principais envolve encontrar os autovalores da matriz de correla c ao. Neste caso, a soma dos termos da diagonal, e a soma dos autovalores, e igual a p, o n umero de vari aveis X (Manly, 2005). Ap os calcular as componentes Z1 e Z2 pode-se obter o gr aco de Z1 versus Z2 , que fornece informa co es estat sticas para observa c ao dos pontos no espa co bi-dimensional (Moita & Neto, 1998). Para a utiliza ca o das componentes principais para uma outra an alise, por exemplo uma an alise fatorial, deseja-se saber quantas componentes principais devem ser sucientes para explicar grande parte da vari ancia total das vari aveis originais. Para Lattin et al. (2011) o pesquisador deve decidir quantos componentes principais reter para a an alise subsequente, fazendo uma escolha entre a simplicidade (isto e, um pequeno n umero de dimens oes) e completude (isto e, um grande n umero de dimens oes que captam uma quantidade maior de informa co es dispon veis). Segundo Manly (2005) e usual somente os primeiros poucos componentes principais, desde que a soma de suas vari ancias seja uma porcentagem alta (por exemplo, 80% ou mais) das somas das vari ancias para todos os p componentes. Para Moita & Neto (1998) embora a informa ca o estat stica presente nas p-vari aveis originais seja a mesma dos p componentes principais, e comum obter em apenas 2 ou 3 das primeiras componentes principais mais que 90% desta informa c ao.
2.2
An alise fatorial explorat oria

A an alise fatorial surgiu com Spearman (1904), a partir dos esfor cos
do psic ologo em obter uma melhor compreens ao da intelig encia. Os testes de inte-
11 lig encia cont em quest oes que dependem de habilidade verbal, habilidade matem atica, memoriza ca o, etc. Tal t ecnica foi desenvolvida para analisar estes testes, e assim determinar se a intelig encia e medida por um u nico fator principal envolvendo todos os testes ou por diversos fatores, medindo atributos como habilidade matem atica. Em seu trabalho, Spearman (1904) estudava as correla co es entre escores destes testes, e notou que muitas correla co es observadas poderiam estar contidas em um modelo simples. Em um dos casos ele obteve uma matriz de correla co es (Tabela 2) para os escores dos testes em cl assicos, franc es, ingl es, matem atica, dicrimina ca o de tom e m usica, para meninos de uma escola preparat oria . Ele notou que quaisquer duas linhas desta matriz eram quase proporcionais, com exce ca o das diagonais. Para as linhas cl assicos e ingl es na Tabela 2, ele obteve as raz oes: 0, 83 0, 70 0, 66 0, 63 1, 2. 0, 67 0, 64 0, 54 0, 51
Tabela 2. Correla c oes entre escores de testes para meninos de uma escola preparat oria (Spearman, 1904).
Discrimina ca o Cl assicos Cl assicos Franc es Ingl es Matem atica Discrimina c ao de tom M usica 1,00 0,83 0,78 0,70 0,66 0,63 Franc es 0,83 1,00 0,67 0,67 0,65 0,57 Ingl es 0,78 0,67 1,00 0,64 0,54 0,51 Matem atica 0,70 0,67 0,64 1,00 0,45 0,51 de tom 0,66 0,65 0,54 0,45 1,00 0,40 M usica 0,63 0,57 0,51 0,51 0,40 1,00
Com essa observa ca o, Spearman (1904) sugeriu que os seis escores fossem descritos pela equa c ao Xi = ai F + ei
12 em que Xi e o i- esimo escore, sendo que os dados para todos os meninos foram padronizados para ter uma m edia zero e um desvio-padr ao um; o ai e uma constante; F e um valor fator; e ei e a parte de Xi que e espec ca para o i- esimo teste somente. Ele mostrou que a raz ao constante entre as linhas de uma matriz de correla co es segue como uma consequ encia destas suposi co es, e com isso, este e um modelo plaus vel para os dados. A vari ancia de Xi e dada por V ar(Xi ) = V ar(ai F + ei ) = V ar(ai F ) + V ar(ei ) = a2 i V ar (F ) + V ar (ei ) = a2 i + V ar (ei ) pois ai e uma constante, e assume-se que F e ei s ao independentes, e a vari ancia de F e unit aria. Como V ar(Xi ) = 1, segue 1 = a2 i + V ar (ei ). Portanto, o quadrado da constante ai , a qual e chamada de carga de fator, e a propor ca o explicada da vari ancia de Xi . Ent ao, Spearman (1904) formulou a teoria de dois fatores de testes mentais. Nesta teoria, cada resultado do teste e composto de duas partes, uma que e comum a todos os testes (intelig encia geral), e outra que e espec ca para o teste. Isto resulta no modelo de an alise de fatores geral: Xi = ai1 F1 + ai2 F2 + ... + aim Fm + ei no qual Xi e o i- esimo escore do teste com m edia zero e vari ancia unit aria, ai1 , ai2 ,..., aim s ao as cargas dos fatores para o i- esimo teste, F1 , F2 ,..., Fm s ao m fatores comuns n ao correlacionados, cada um com m edia zero e vari ancia unit aria, e ei e um fator espec co somente para o i- esimo teste que n ao e correlacionado com qualquer dos fatores comuns e tem m edia zero.
13 A vari ancia de Xi para esse modelo e:

2 2 V ar(Xi ) = 1 = a2 i1 V ar (F1 ) + ai2 V ar (F2 ) + ... + aim V ar (Fm ) + V ar (ei ) 2 2 = a2 i1 + ai2 + ... + aim + V ar (ei ) 2 2 em que a2 e chamado a comunalidade de Xi , e a parte da vari ancia i1 + ai2 + ... + aim
que est a relacionada aos fatores comuns, e Var(ei ) e chamada a especicidade de Xi , e a parte da vari ancia que n ao e relacionada aos fatores comuns. A correla ca o entre Xi e Xj e dada por rij = ai1 aj 1 + ai2 aj 2 + ... + aim ajm . Assim, dois escores de teste podem ser altamente correlacionados se eles t em altas cargas nos mesmos fatores. Como a comunalidade n ao pode exceder a um, vale que 1 aij +1. A ideia b asica da an alise de fatores e que pode-se descrever um conjunto de p vari aveis X1 , X2 , ..., Xp em termos de um n umero menor de ndices ou fatores, e no processo obter uma melhor compreens ao da rela ca o destas vari aveis (Manly, 2005), essa redu c ao do n umero de dimens oes facilita a visualiza ca o dos dados (Lattin et al., 2011). A diferen ca da an alise de fatores para a an alise de componentes principais e que esta n ao e baseada em um modelo estat stico particular, enquanto que a an alise de fatores e baseada em um modelo (Manly, 2005). No modelo fatorial comum existem os fatores espec cos, esses fatores espec cos s ao mutuamente n ao correlacionados e independentes dos fatores comuns subjacentes (Lattin et al., 2011). A an alise fatorial tem como objetivo principal descrever a variabilidade original do vetor aleat orio X, com um n umero menor m de vari aveis aleat orias, chamadas de fatores comuns, e que est ao relacionadas com o vetor original X atrav es de um modelo linear. Neste modelo, uma parte da variabilidade de X e atribu da aos fatores comuns, e a outra parte e atribu da ` as vari aveis que n ao foram inclu das no modelo, ou seja, ao erro aleat orio. A an alise fatorial encontra fatores que agrupam
14 as vari aveis originais em subconjuntos de novas vari aveis mutuamente n ao correlacionadas (Mingoti, 2005). O modelo de fator comum assume pressupostos expl citos sobre como e medida cada vari avel no conjunto de dados. O modelo sustenta que a vari ancia observada em cada medida pode ser atribu da a um n umero relativamente pequeno de fatores comuns e a um fator espec co. Embora possa haver, mais de um fator espec co para cada vari avel, e imposs vel distinguir estatisticamente entre um e mais de um fator espec co. Assume-se que a vari ancia no fator espec co reete a quantidade de vari ancia no erro, assim quanto menor o erro da vari ancia, mais con avel e a medida (Lattin et al., 2011). Esta t ecnica e utilizada para a obten ca o de ndices que podem preservar de forma relevante a totalidade das informa c oes obtidas por meio das vari aveis originais (Possoli, 1984). 2.2.1 Procedimento para a obten c ao dos fatores Para uma an alise de fatores, com p vari aveis para n indiv duos, os dados s ao dispostos da mesma forma que para a an alise de componentes principais (Manly, 2005). Uma abordagem come ca com uma an alise de componentes principais e os m componentes principais s ao ent ao tomados como sendo os m fatores provis orios. Os fatores encontrados s ao n ao correlacionados entre si, e s ao tamb em n ao correlacionados com os fatores espec cos (Manly, 2005). Se F1 , F2 , ..., Fm s ao os fatores provis orios, ent ao suas combina co es lineares s ao da seguinte forma
F1 = d11 F1 + d12 F2 + ... + d1m Fm F2 = d21 F1 + d22 F2 + ... + d2m Fm . . . = dm1 F1 + dm2 F2 + ... + dmm Fm Fm
eles s ao constru dos n ao sendo correlacionados e explicam os dados t ao bem quanto os
15 fatores provis orios. Logo, h a uma innidade de solu co es alternativas para o modelo de an alise de fatores (Manly, 2005). Isto leva a um pr oximo passo na an alise, em que os fatores provis orios s ao transformados para encontrar novos fatores que sejam mais f aceis de se interpretar, que e chamado de rota c ao de fator. Girar ou transformar neste contexto signica escolher os valores dij . Por u ltimo calcula-se os escores dos fatores, que s ao
os valores dos fatores rotacionados F1 , F2 , ..., Fm para cada um dos n indiv duos
para os quais os dados est ao dispon veis (Manly, 2005). A rota ca o de fatores pode ser ortogonal ou obl qua; na rota c ao ortogonal os novos fatores s ao n ao correlacionados, como os fatores provis orios; j a na rota ca o obl qua, os novos fatores s ao correlacionados (Manly, 2005). A abordagem para encontrar-se uma matriz T de rota c ao baseia-se nos princ pios da estrutura simples desenvolvida por Thurstone (1947). A id eia geral era encontrar agrupamentos de vari aveis na medida do poss vel, com cada um denindo somente um fator (Lattin et al., 2011). Com a rota ca o deseja-se que as cargas de fator para os novos fatores sejam ou pr oximas de zero ou muito diferentes de zero. Isto signica que para um aij pr oximo de zero, ent ao Xi n ao e fortemente relacionada com o fator Fj ; e um aij com um grande valor positivo ou negativo, signica que Xi e determinado em grande parte por Fj . Os fatores s ao identicados mais facilmente quando cada escore de teste e fortemente relacionado com alguns fatores, mas n ao relacionado com outros (Manly, 2005). Um m etodo de rota c ao de fatores ortogonal que e muito usado e chamado de rota c ao varimax, ele e baseado na suposi c ao de que a interpretabilidade do j - esimo fator pode ser medida pela vari ancia dos quadrados de suas cargas de fator,
2 2 ancia for grande, ent ao os valores isto e, a vari ancia de a2 1j , a2j , ..., amj . Se esta vari
aij tendem a ser ou pr oximos de zero ou pr oximos da unidade (Manly, 2005). A rota ca o varimax maximiza a soma destas vari ancias para todos os fatores. Kaiser (1958) foi o primeiro que sugeriu esta rota c ao. Mais tarde, ele
16 modicou-a normalizando as cargas de fator antes de maximizar as vari ancias de seus quadrados, porque isto da melhores resultados (Kaiser, 1958). Logo, a rota c ao varimax pode ser aplicada com ou sem a normaliza ca o de Kaiser. In umeros outros m etodos de rota c ao ortogonal t em sido propostos (Manly, 2005). 2.2.2 An alise de fatores de componentes principais O procedimento que se segue para a realiza ca o da an alise de fatores com p vari aveis, logo tem-se p componentes principais, e da seguinte forma Manly (2005): Z1 = b11 X1 + b12 X2 + ... + b1p Xp Z2 = b21 X1 + b22 X2 + ... + b2p Xp . . . Zp = bp1 X1 + bp2 X2 + ... + bpp Xp em que os valores bij s ao obtidos dos autovetores da matriz de correla co es. Como esta transforma ca o dos valores de X para valores de Z e ortogonal, o relacionamento inverso e dado por X1 = b11 Z1 + b21 Z2 + ... + bp1 Zp X2 = b12 Z1 + b22 Z2 + ... + bp2 Zp . . . Xp = b1p Z1 + b2p Z2 + ... + bpp Zp O pr oximo passo para conduzir a an alise fatorial e a estima c ao de m. Isto consiste em encontrar os autovalores da matriz de correla c ao e orden a-los em ordem decrescente. Observa-se quais autovalores s ao os mais importantes em termos de grandeza num erica, utilizando os seguintes crit erios (Mingoti, 2005): Crit erio 1: a propor ca o da vari ancia total relacionada com cada autovalor i e dado por i /p, com i = 1, 2..., p (Johnson & Wichern, 1986). O valor
17 de m ser a igual ao n umero de autovalores que representam maiores propor co es da vari ancia total; Crit erio 2: o valor de m ser a igual ao n umero de autovalores i maiores ou iguais a 1. Este crit erio foi proposto por Kaiser (1958); Crit erio 3: este crit erio procura no gr aco scree-plot (Cattell, 1966) um ponto de salto, este representa um decr escimo de import ancia em rela ca o ` a vari ancia total. Ent ao, o valor de m e igual ao n umero de autovalores anteriores ao ponto de salto. Os crit erios levam em considera c ao a grandeza num erica dos autovalores. Uma escolha adequada do valor de m deve levar em considera ca o a interpretabilidade dos fatores e a descri c ao da estrutura do vetor aleat orio Z com um n umero pequeno de fatores (Mingoti, 2005). Logo escolhido o valor de m, obtem-se m (m < p) componentes principais, e assim as u ltimas equa c oes tornam-se (Manly, 2005): X1 = b11 Z1 + b21 Z2 + ... + bm1 Zm + e1 X2 = b12 Z1 + b22 Z2 + ... + bm2 Zm + e2 . . . Xp = b1p Z1 + b2p Z2 + ... + bmp Zm + ep em que ei e uma combina c ao linear dos componentes principais Zm+1 a Zp . Os componentes principais Z1 , Z2 , ..., Zm s ao escalonados para terem vari ancias unit arias, como requerido pelos fatores. Isto e feito dividindo Zi pelo seu e a raiz quadrada do correspondente autovalor na matriz desvio-padr ao ( i ), o qual de correla c oes. As equa c oes cam da seguinte forma (Manly, 2005):

X1 = X2 = . . . Xp =
1 b11 F1 + 1 b12 F1 +
2 b21 F2 + ... + 2 b22 F2 + ... +
m bm1 Fm + e1 m bm2 Fm + e2
1 b1p F1 +
2 b2p F2 + ... +
m bmp Fm + ep
18 em que Fi = Zi / i . Obtem-se o modelo de fatores n ao rotacionado X1 = a11 F1 + a12 F2 + ... + a1m Fm + e1 X2 = a21 F1 + a22 F2 + ... + a2m Fm + e2 . . . Xp = ap1 F1 + ap2 F2 + ... + apm Fm + ep na qual aij =
j bji . Os valores do i- esimo fator n ao rotacionado s ao os valores do
i- esimo componente principal ap os eles terem sido escalonados. Ap os uma rota c ao varimax ou outro tipo de rota ca o, tem-se uma nova solu ca o da seguinte forma
X1 = g11 F1 + g12 F2 + ... + g1m Fm + e1 X2 = g21 F1 + g22 F2 + ... + g2m Fm + e2 . . . Xp = gp1 F1 + gp2 F2 + ... + gpm Fm + ep
em que Fi e o novo i- esimo fator. Os valores dos fatores rotacionados s ao dados pela equa ca o matricial F = XG(GG)1 em que F e uma matriz n x m contendo os valores para os m fatores rotacionados em suas colunas, com uma linha para cada uma das n linhas originais de dados; X ea matriz n x p dos dados originais, ap os codicar as vari aveis X1 , X2 , ..., Xp para terem m edia zero e vari ancia um; e G e a matriz p x m das cargas de fatores rotacionados (Manly, 2005). A an alise de fatores n ao e t ao objetiva como muitos dos m etodos estat sticos, pois n ao possui unicidade de solu c oes. Logo, alguns autores como Seber (2004), Hills (1977) e Chateld & Collins (1980) criticam sua aplica ca o. J a Rencher (2002) discute o porque muitas vezes a an alise fatorial n ao funciona. Ele observa que existem dados que a an alise fatorial n ao deveria ser usada, mas que em outros o m etodo e muito u til.
MATERIAL E METODOS
Para a aplica ca o da metodologia descrita foram utilizados os dados
obtidos do trabalho de Galesi (2010), referentes a avalia c ao do estado nutricional de idosos. Nestes dados foi realizada uma an alise de componentes principais, e posteriormente uma an alise fatorial explorat oria.
3.1
Obten c ao dos dados

No trabalho de Galesi (2010) foram analisados dados de idosos de am-
bos os sexos, com idade igual ou superior a 60 anos, de uma Institui ca o Asilar de Longa Perman encia situada na cidade de Piracicaba - SP. Esta institui ca o foi escolhida por apresentar condi co es estruturais e o n umero de idosos necess arios para o desenvolvimento da pesquisa. A amostra calculada foi de 150 idosos. O delineamento amostral utilizado foi o probabil stico estraticado e o tamanho amostral foi calculado segundo Cochran (1977), considerando a popula ca o de 238 internos. Para o c alculo do tamanho amostral, Galesi (2010) utilizou uma pesquisa pr evia realizada na institui c ao no ano de 2005, na qual foi observada a preval encia de desnutri ca o de 20% entre os idosos, utilizando a Mini-Avalia c ao Nutricional (MAN) como m etodo de avalia ca o (Guigoz et al., 1994). O estudo de Galesi (2010) teve um n umero maior de participantes do sexo feminino (52%), o que condiz com a popula c ao brasileira acima de 60 anos, que e composta por 55,1% de mulheres (Brasil, 2003). A m edia de idade da amostra foi de 77 anos; para os homens, a m edia foi de 73 anos e para as mulheres foi de 80 anos,
20 o que mostra que entre os idosos residentes na institui ca o o n umero de mulheres com idade mais avan cada e maior (Galesi, 2010). A avalia c ao do estado nutricional dos idosos foi constitu da pelas vari aveis objetivas antropom etricas e bioqu micas. As antropom etricas s ao massa corporal total (X1 ), estatura (X2 ), a circunfer encia do bra co (CB - X3 ), circunfer encia muscular do bra co (CMB - X4 ), area de gordura do bra co (AGB - X5 ), as dobras cut aneas tricipital (DCT - X6 ), bicipital (DCB - X7 ), subescapular (DCSE - X8 ) e supra-il aca (DCSI - X9 ), porcentagem de gordura corporal (X10 ), circunfer encia da panturrilha (CP - X11 ) e ndice de massa corp orea (IMC - X12 ); e as bioqu micas s ao albumina (X13 ), transferrina (X14 ) e prote na C reativa (X15 ) (Galesi, 2010). A amostra inicial era composta de 150 idosos, mas para a an alise de componentes principais e an alise fatorial explorat otria apenas as observa co es completas s ao utilizadas (Mingoti, 2005), com isso a amostra passou a ter 113 idosos. Destes, 60 s ao mulheres e 53 s ao homens, o que continua com um n umero maior de participantes do sexo feminino. A redu ca o da amostra ocorreu porque alguns idosos se recusaram a participar da retirada de sangue no dia da coleta, ou j a haviam falecido, ou no caso de idosos acamados sem possibilidade de mover-se, houve o comprometimento da mensura ca o da DCSE (Galesi, 2010). 3.1.1 Antropometria Os dados antropom etricos foram obtidos por (Galesi, 2010) da seguinte forma: A massa corporal total foi obtida com a utiliza ca o de uma balan ca eletr onica port atil tipo plataforma com capacidade para 150kg e precis ao de 100g. Os acamados ou utilizadores de cadeiras de rodas foram pesados em cima de suas cadeiras de rodas, em uma balan ca eletr onica digital com capacidade de 300kg adaptada a uma rampa, e depois o peso da cadeira foi descontado. J a para os idosos
21 amputados, seguiu o que sugere Kamimura et al. (2002): acrescentar o peso da extremidade amputada ao peso obtido na balan ca (Galesi, 2010). Para a medida da estatura, Galesi (2010) utilizou um estadi ometro m ovel; j a os idosos impossibilitados de permanecer em p e, a medida da estatura foi tomada com o idoso deitado em posi c ao supina com uma ta m etrica medindo da extremidade da cabe ca ` a base do p e; e nos casos em que a realiza ca o dessa medida n ao foi poss vel, utilizou o c alculo estimado da estatura de acordo com Chumlea et al. (1985); obtendo a medida o comprimento da perna at e a altura do joelho. A medida da estatura e obtida das seguintes f ormulas (Acu na & Cruz, 2004): H = 64, 19 (0, 04.I ) + (0, 02.AJ ) M = 84, 88 (0, 24.I ) + (1, 83.AJ ) em que I = idade, H = estatura homem (cm), M = estatura mulher (cm) e AJ = altura do joelho (cm). O Indice de Massa Corporal foi calculado dividindo a massa corporal total (em kg) pelo quadrado da estatura em metros (Massa corporal total/Estatura2 - kg/m2 ) (Sampaio, 2004). Para a realiza c ao das medidas das circunfer encias do bra co (CB) e da panturrilha (CP) em cm, utilizou-se a ta m etrica inel astica e ex vel com precis ao de 1 mm; e para as dobras cut aneas tricipital (DCT), bicipital (DCB), subescapular (DCSE) e supra-il aca (DCSI) em mm, foi utilizado o adip ometro (Galesi, 2010). A circunfer encia da panturrilha (CP) tem sido considerada um bom indicador de desnutri ca o (Rauen et al., 2008). As dobras cut aneas tricipital (DCT), bicipital (DCB), subescapular (DCSE) e supra-il aca (DCSI) foram mensuradas para a estimativa da porcentagem de gordura corporal (Galesi, 2010). A CB e a DCT foram utilizadas para a obten ca o da circunfer encia muscular do bra co (CMB) em cm e da area de gordura do bra co (AGB) em cm2 . A equa c ao para estimar a CMB e da seguinte forma (Sampaio,
22 2004): CM B = CB (.DCT ) 3.1.2 Exames Bioqu micos Os indicadores bioqu micos para a classica ca o do estado nutricional foram obtidos de exames de sangue, com exce ca o dos idosos que se recusaram a participar da retirada do sangue justamente no dia da coleta, ou que j a haviam falecido (Galesi, 2010). Os idosos zeram um jejum m nimo de 3 horas para a realiza c ao da coleta de amostras de sangue, feita por pessoal t ecnico habilitado. Estas amostras foram transportadas para o laborat orio de an alises, em que foram analisadas utilizando metodologia respaldada com controle de qualidade interno e externo pelos seguintes m etodos: colorim etrico enzim atico para an alise de transferrina e das prote nas totais e fra co es e imunoaglutina ca o direta em l atex para prote na C reativa (Galesi, 2010).
3.2
Procedimento para uma an alise de componentes principais

Para a an alise de componentes principais nos dados de Galesi (2010),
com p vari aveis para n indiv duos, os dados amostrais seguem o esquema da Tabela 3, em que cada xij corresponde a um valor de medida da vari avel Xj realizado em um idoso i, com i = 1, 2, ..., n e j = 1, 2..., p. Existe uma discrep ancia entre as vari ancias das vari aveis originais, pois as unidades de medida n ao s ao as mesmas para todas as vari aveis. Assim, cada componente passa a ser dominada por uma vari avel, o que torna as componentes sem muita utilidade pr atica. Logo, e necess ario que seja feita alguma transforma ca o nos dados, de modo a equilibrar melhor as vari ancias (Mingoti, 2005). Ent ao o primeiro passo para an alise de componentes principais e padronizar os dados com vari ancia um e m edia zero (Manly, 2005). A padroniza ca o
23 Tabela 3. Dados originais para vari aveis X1 , ..., Xp , com n idosos. Idosos X1 1 2 . . . n x11 x21 . . . xn1 X2 x12 x22 . . . xn2 Xp x1p x2p . . . xnp
para cada observa c ao e feita da seguinte forma (Moita & Neto, 1998): yij = em que xj =
1 n n i=1
xij xj sj
xij e sj 2 =
1 n 1
n i=1
(xij xj )2 .
Logo, com a padroniza ca o dos dados dos n indiv duos, as vari aveis X1 , X2 , ...., Xp obt em-se novos dados, que est ao dispostos na Tabela 4, em que cada yij corresponde a um valor de medida da vari avel Xj realizado em um idoso i. A an alise de componentes principais e feita sobre a matriz de correla ca o D, esta e da seguinte forma (Manly, 2005):
1 d21 D= . . .
d12 d1p 1 d2p . . . . . .

dp1 dp2
em que dij = dji e a correla ca o entre Xi e Xj . Logo, a soma dos termos da diagonal, e a soma dos autovalores, e igual a p, que e o n umero de vari aveis X (Manly, 2005). Da matriz de correla ca o encontram-se os autovalores 1 , 2 , ..., p , e seus correspondentes autovetores a1 , a2 , ..., ap .
24 Tabela 4. Dados padronizados para vari aveis X1 , ..., Xp , com n idosos. Idosos X1 1 2 . . . n y11 y21 . . . y n1 X2 y12 y22 . . . yn2 Xp y1 p y2 p . . . ynp
Portanto, obt em-se p = 15 componentes principais, que s ao da seguinte forma: Z1 = a11 X1 + a12 X2 + ... + a1p Xp Z2 = a21 X1 + a22 X2 + ... + a2p Xp . . . Zp = ap1 X1 + ap2 X2 + ... + app Xp em que os valores aij s ao dados pelos autovetores da matriz de correla ca o D. Para a utiliza ca o das componentes principais para a an alise fatorial, deseja-se saber quantas componentes principais devem ser sucientes para serem usadas nesta an alise. Utiliza-se o crit erio de propor c ao da vari ancia total relacionada com cada autovalor i (i /p, com i = 1, 2...p) (Johnson & Wichern, 1986), o valor de m ser a igual ao n umero de autovalores que representam maiores propor co es da vari ancia total; outro crit erio usado e que o valor de m ser a igual ao n umero de autovalores i maiores ou iguais a 1, este crit erio foi proposto por Kaiser (1958); e mais um crit erio e o de procurar no gr aco scree-plot (Cattell, 1966) um ponto de salto, ent ao o valor de m e igual ao n umero de autovalores anteriores ao ponto de salto.
25
3.3
Procedimento para uma an alise de fatores de componentes principais

Com as p componentes principais, dadas da seguinte forma: Z1 = a11 X1 + a12 X2 + ... + a1p Xp Z2 = a21 X1 + a22 X2 + ... + a2p Xp . . . Zp = ap1 X1 + ap2 X2 + ... + app Xp
em que os valores aij s ao dados pelos autovetores da matriz de correla ca o D. Pode-se obter o relacionamento inverso, pois esta transforma c ao dos valores X para valores Z e ortogonal, que e como segue: X1 = b11 Z1 + b21 Z2 + ... + bp1 Zp X2 = b12 Z1 + b22 Z2 + ... + bp2 Zp . . . Xp = b1p Z1 + b2p Z2 + ... + bpp Zp O pr oximo passo para conduzir a an alise fatorial e a estima ca o de m. Observa-se quais autovalores s ao os mais importantes, utilizando os seguintes crit erios (Mingoti, 2005): Crit erio 1: a propor ca o da vari ancia total relacionada com cada autovalor i e dado por i /p, com i = 1, 2 ...p (Johnson & Wichern, 1986). O valor de m ser a igual ao n umero de autovalores que representam maiores propor co es da vari ancia total; Crit erio 2: o valor de m ser a igual ao n umero de autovalores i maiores ou iguais a 1, este crit erio foi proposto por Kaiser (1958); Crit erio 3: este crit erio procura no gr aco scree-plot (Cattell, 1966) um ponto de salto, este representa um decr escimo de import ancia em rela ca o ` a vari ancia total. Ent ao, o valor de m e igual ao n umero de autovalores anteriores ao ponto de salto.
26 Uma escolha adequada do valor de m deve levar em considera c ao a interpretabilidade dos fatores e os crit erios 1, 2 e 3 (Mingoti, 2005). Escolhido o valor de m, obtem-se o modelo de fatores n ao rotacionado (Manly, 2005): X1 = a11 F1 + a12 F2 + ... + a1m Fm + e1 X2 = a21 F1 + a22 F2 + ... + a2m Fm + e2 . . . Xp = ap1 F1 + ap2 F2 + ... + apm Fm + ep em que aij =
j bji .
Ap os uma rota ca o varimax ou outro tipo de rota ca o, uma nova solu ca o tem a forma (Manly, 2005):
X1 = g11 F1 + g12 F2 + ... + g1m Fm + e1 X2 = g21 F1 + g22 F2 + ... + g2m Fm + e2 . . . Xp = gp1 F1 + gp2 F2 + ... + gpm Fm + ep
em que Fi representa o novo i- esimo fator.
4
4.1
4.1.1
RESULTADOS
An alise de componentes principais
An alise de componentes principais realizada com 15 vari aveis, para todos os idosos Aplicou-se a an alise de componentes principais aos dados de 113 idosos
para as vari aveis massa corporal total (X1 ), estatura (X2 ), CB (X3 ), CMB (X4 ), AGB (X5 ), DCT (X6 ), DCB (X7 ), DCSE (X8 ), DCSI (X9 ), porcentagem de gordura corporal (X10 ), CP (X11 ), IMC (X12 ), albumina (X13 ), transferrina (X14 ) e prote na C reativa (X15 ). Os dados foram padronizados porque as vari aveis possuem diferentes unidades de medida. Logo, a an alise de componentes principais foi feita sobre a matriz de correla co es, dada pela Tabela 5. Tabela 5: Matriz de correla co es entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos.
X1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 1.00 0.41 0.76 0.77 0.57 0.41 0.38 0.57 0.53 0.38 0.72 0.80 -0.04 -0.16 -0.20 X2 0.41 1.00 -0.05 0.14 -0.22 -0.27 -0.14 -0.19 -0.24 -0.40 0.14 -0.21 -0.08 -0.20 -0.18 X3 0.76 -0.05 1.00 0.87 0.89 0.74 0.60 0.75 0.71 0.70 0.67 0.85 0.03 -0.00 -0.03 X4 0.77 0.14 0.87 1.00 0.56 0.31 0.34 0.57 0.51 0.35 0.61 0.74 0.00 -0.00 -0.11 X5 0.57 -0.22 0.89 0.56 1.00 0.95 0.70 0.73 0.72 0.85 0.54 0.76 0.06 0.02 0.06 X6 0.41 -0.27 0.74 0.31 0.95 1.00 0.70 0.66 0.66 0.86 0.46 0.62 0.06 -0.00 0.09 X7 0.38 -0.14 0.60 0.34 0.70 0.70 1.00 0.55 0.58 0.70 0.42 0.48 0.00 0.01 0.14 X8 0.57 -0.19 0.75 0.57 0.73 0.66 0.55 1.00 0.72 0.77 0.54 0.74 0.06 -0.01 0.03 X9 0.53 -0.24 0.71 0.51 0.72 0.66 0.58 0.72 1.00 0.83 0.43 0.72 0.01 -0.01 0.10 X10 0.38 -0.40 0.70 0.35 0.85 0.86 0.70 0.77 0.83 1.00 0.44 0.66 0.04 0.05 0.17 X11 0.72 0.14 0.67 0.61 0.54 0.46 0.42 0.54 0.43 0.44 1.00 0.66 0.03 -0.15 -0.26 X12 0.80 -0.21 0.85 0.74 0.76 0.62 0.48 0.74 0.72 0.66 0.66 1.00 0.02 -0.02 -0.09 X13 -0.04 -0.08 0.03 0.00 0.06 0.06 0.00 0.06 0.01 0.04 0.03 0.02 1.00 0.03 -0.05 X14 -0.16 -0.20 -0.00 -0.00 0.02 -0.00 0.01 -0.01 -0.01 0.05 -0.15 -0.02 0.03 1.00 -0.08 X15 -0.20 -0.18 -0.03 -0.11 0.06 0.09 0.14 0.03 0.10 0.17 -0.26 -0.09 -0.05 -0.08 1.00
28 Da matriz de correla co es (Tabela 5) obt em-se os autovalores e a suas porcentagens de vari ancia total explicada, esses valores s ao dados na Tabela 6. Com os autovalores e seus correspondentes autovetores, obt em-se as 15 componentes principais. Nota-se tamb em, que na matriz de correla co es (Tabela 5) as vari aveis X2 , X13 , X14 e X15 possuem baixas correla c oes com as demais vari aveis, fato que inuencia nos resultados, pois a an alise de componentes principais produz melhores resultados quando as vari aveis s ao altamente correlacionadas. Tabela 6. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 15 componentes, considerando todos os idosos.
Autovalores Componente 1 Componente 2 Componente 3 Componente 4 Componente 5 Componente 6 Componente 7 Componente 8 Componente 9 Componente 10 Componente 11 Componente 12 Componente 13 Componente 14 Componente 15 7,4631 2,1495 1,1577 0,9859 0,7853 0,7336 0,4325 0,3853 0,3374 0,2729 0,2151 0,0675 0,0079 0,0062 0 % de vari ancia 49,75% 14,33% 7,72% 6,57% 5,24% 4,89% 2,88% 2,57% 2,25% 1,82% 1,43% 0,45% 0,05% 0,04% 0,00% % de vari ancia acumulada 49,75% 64,08% 71,80% 78,37% 83,61% 88,50% 91,38% 93,95% 96,20% 98,02% 99,46% 99,91% 99,96% 100,00% 100,00%
Da Tabela 6, tem-se que os 3 primeiros autovalores s ao 1 = 7, 4631, 2 = 2, 1495 e 3 = 1, 1577, ou seja, os 3 primeiros autovalores s ao maiores que 1, e eles explicam 49,75%, 14,33% e 7,72% da vari ancia total, respectivamente. Os 3 autovalores juntos explicam 71,80% da vari ancia total. A escolha do n umero de componentes principais sucientes para explicar grande parte da vari ancia total das vari aveis originais, segue o crit erio dos autovalores que s ao maiores que 1. No gr aco scree-plot (Figura 1) pode-se observar que a partir da terceira componente principal, os autovalores decaem mais lenta-
29 mente, o que tamb em contribui para a decis ao do n umero de componentes. As 3 componentes principais s ao dadas na Tabela 7. A primeira componente e dada por: Z1 = 0, 2725X1 0, 054X2 + 0, 346X3 + 0, 2654X4 + 0, 3385X5 + 0, 3039X6 +0, 2609X7 +0, 3099X8 +0, 3028X9 +0, 3103X10 +0, 2585X11 +0, 3265X12 + 0, 0144X13 0, 0093X14 0, 0006X15
Figura 1 - Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos.
A primeira componente principal contrasta as vari aveis massa corporal total, CB, CMB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura, CP, IMC e albumina, com as vari aveis estatura, transferrina e prote na C reativa. Assim, um idoso que possui valores altos para as vari aveis massa corporal total, CB, CMB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura, CP, IMC e albumina, e valores baixos para as vari aveis estatura, transferrina e prote na C reativa, tende a ter um escore alto. E caso inverso, tende a ter um escore baixo. As vari aveis X2 , X13 , X14 e X15 apresentam um peso muito pequeno na componente, o que era de se esperar pelo fato de possu rem baixa correla co es com as outras vari aveis. As vari aveis CB e AGB s ao as que possuem o maior peso nesta componente, sendo as de maior import anca.
30 Tabela 7. Componentes principais (PC) para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos.
Vari avel Massa corporal Estatura CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina Prote na C Reativa PC1 0,2725 -0,054 0,346 0,2654 0,3385 0,3039 0,2609 0,3099 0,3028 0,3103 0,2585 0,3265 0,0144 -0,0093 -0,0006 PC2 -0,4063 -0,5261 -0,0976 -0,3075 0,1253 0,2287 0,1719 0,0547 0,1309 0,2916 -0,2931 -0,0901 0,0655 0,1827 0,1827 PC3 -0,0623 -0,2397 0,0357 0,0896 -0,0034 -0,0528 -0,1491 0,0223 -0,0536 -0,0398 0,0462 0,1017 0,4272 0,6412 -0,5416
As componentes principais 2 e 3 explicam uma porcentagem de vari ancia muito baixa (14,33% e 7,72%, respectivamente), logo n ao apresentam resultados muito bons. Como as vari aveis X2 , X13 , X14 e X15 possuem baixas correla c oes (Tabela 5, Figura 2 e Figura 3) com as demais, foram realizadas outras an alises de componentes principais excluindo essas vari aveis.
Figura 2 - Correla c oes agrupadas entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. Realizou-se a an alise de componentes principais com as todas as
31
Figura 3 - Correla c oes entre as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos. vari aveis separados por sexo. Obteve-se conclus oes semelhantes ` a situa c ao quando considerados todos os idosos. 4.1.2 An alise de componentes principais realizada com 11 vari aveis, para todos os idosos Com a retirada das vari aveis X2 , X13 , X14 e X15 pode-se observar nas Figuras 4 e 5 que as vari aveis X1 , X3 , ..., X12 possuem altas correla c oes entre si. Na Figura 4 n ao observa-se valores de baixas correla co es, ou seja, n ao tem valores da cor rosa; e na Figura 5 pode-se observar uma pequena dispers ao dos pontos ao redor de uma reta inclinada, ou seja, as correla co es s ao altas. Realizou-se uma nova an alise de componentes principais nos dados dos 113 idosos, agora somente com as 11 vari aveis (X1 , X3 , ..., X12 ). Baseada na matriz de correla co es dada pela Tabela 8, obt em-se os 2 primeiros autovalores, que s ao 1 = 7, 4424 e 2 = 1, 4699, e eles explicam 67,66% e 13,36% da vari ancia, respectivamente; e os 2 autovalores juntos explicam 81,02% da
32
Figura 4 - Correla c oes agrupadas entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos. Tabela 8: Matriz de correla co es entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos.
X1 X1 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 1.00 0.76 0.77 0.57 0.41 0.38 0.57 0.53 0.38 0.72 0.80 X3 0.76 1.00 0.87 0.89 0.74 0.60 0.75 0.71 0.70 0.67 0.85 X4 0.77 0.87 1.00 0.56 0.31 0.34 0.57 0.51 0.35 0.61 0.74 X5 0.57 0.89 0.56 1.00 0.95 0.70 0.73 0.72 0.85 0.54 0.76 X6 0.41 0.74 0.31 0.95 1.00 0.70 0.66 0.66 0.86 0.46 0.62 X7 0.38 0.60 0.34 0.70 0.70 1.00 0.55 0.58 0.70 0.42 0.48 X8 0.57 0.75 0.57 0.73 0.66 0.55 1.00 0.72 0.77 0.54 0.74 X9 0.53 0.71 0.51 0.72 0.66 0.58 0.72 1.00 0.83 0.43 0.72 X10 0.38 0.70 0.35 0.85 0.86 0.70 0.77 0.83 1.00 0.44 0.66 X11 0.72 0.67 0.61 0.54 0.46 0.42 0.54 0.43 0.44 1.00 0.66 X12 0.80 0.85 0.74 0.76 0.62 0.48 0.74 0.72 0.66 0.66 1.00
vari ancia total (Tabela 9). Na Figura 6, pode-se visualizar no gr aco scree-plot que a partir da segunda componente principal, os autovalores decaem mais lentamente, o que tamb em contribui para a decis ao do n umero de componentes. As 2 componentes principais s ao dadas na Tabela 10. A primeira componente e dada por:
Z1 = 0, 277X1 + 0, 3473X3 + 0, 268X4 + 0, 3381X5 + 0, 3027X6 + 0, 2608X7 + 0, 3097X8 + 0, 3021X9 + 0, 3083X10 + 0, 2608X11 + 0, 3264X12
33
Figura 5 - Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando todos os idosos.
A primeira componente e um ndice global das vari aveis, em que todas as vari aveis s ao importantes, de acordo com os valores num ericos dos respectivos coecientes na combina c ao linear; a CB e a AGB s ao as vari aveis mais importantes, pois elas possuem os maiores pesos. Essa componente representa os pesos das vari aveis X1 , X3 , ..., X12 , esses pesos podem ser utilizados na classica c ao do estado nutricional do idoso. A segunda componente contrasta massa corporal total, CB, CMB, CP e IMC, com AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura. Assim, um idoso que possui valores altos para as vari aveis massa corporal total, CB, CMB, CP e IMC, e valores baixos para as vari aveis AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura, tende a ter um escore baixo. E caso inverso, tende a ter um escore alto. Na sequ encia, aplicou-se a an alise de componentes principais nas 11 vari aveis considerando os dois sexos separadamente.
34 Tabela 9. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , para todos os idosos.
Autovalores Componente 1 Componente 2 Componente 3 Componente 4 Componente 5 Componente 6 Componente 7 Componente 8 Componente 9 Componente 10 Componente 11 7,4424 1,4699 0,5557 0,4131 0,3942 0,2839 0,2264 0,1362 0,0702 0,0081 0 % de vari ancia 67,66% 13,36% 5,05% 3,76% 3,58% 2,58% 2,06% 1,24% 0,64% 0,07% 0,00% % de vari ancia acumulada 67,66% 81,02% 86,07% 89,83% 93,41% 95,99% 98,05% 99,29% 99,93% 100,00% 100,00%
4.1.3
An alise de componentes principais realizada para os homens, com 11 vari aveis Na Tabela 11 e Figura 7, pode-se observar que as vari aveis
X1 , X3 , ..., X12 s ao altamente correlacionadas entre si, considerando-se somente dados de idosos do sexo masculino. Realizou-se a an alise de componentes principais nos dados dos 53 idosos do sexo masculino para as 11 vari aveis (X1 , X3 , ..., X12 ). Esta an alise foi feita sobre a matriz de correla c oes dada pela Tabela 11. Pode-se observar na Tabela 12 que os 2 primeiros autovalores s ao 1 = 7, 7733 e 2 = 1, 4561, e eles explicam 70,67% e 13,24% da vari ancia total, respectivamente; e os 2 autovalores juntos explicam 83,90% da vari ancia total. O gr aco scree-plot (Figura 8) mostra que a partir da segunda componente principal, os autovalores decaem mais lentamente, logo, tem-se 2 componentes principais, que s ao dadas na Tabela 13. A primeira componente e da seguinte forma:
Z1 = 0, 3287X1 + 0, 3381X3 + 0, 2729X4 + 0, 3196X5 + 0, 2668X6 +
35
aveis X1 , X3 , ..., X12 , consideTabela 10. Componentes principais (PC) para as vari rando todos os idosos.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC PC1 0,277 0,3473 0,268 0,3381 0,3027 0,2608 0,3097 0,3021 0,3083 0,2608 0,3264 PC2 -0,4378 -0,1363 -0,4642 0,1948 0,3664 0,3083 0,0595 0,1564 0,3754 -0,319 -0,191
0, 2261X7 + 0, 3047X8 + 0, 2946X9 + 0, 3398X10 + 0, 2876X11 + 0, 3176X12
A primeira componente e um ndice global das vari aveis, em que todas as vari aveis s ao importantes, de acordo com os valores num ericos dos respectivos coecientes na combina ca o linear; sendo que os maiores valores referem-se a porcentagem de gordura e CB, essas s ao as mais importantes. Essa componente representa os pesos de X1 , X3 , ..., X12 , esses pesos podem ser utilizados na classica c ao do estado nutricional dos idosos do sexo masculino. A segunda componente contrasta massa corporal total, CB, CMB,
36
Figura 7 - Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino. DCSI, CP e IMC, com AGB, DCT, DCB, DCSE e porcentagem de gordura. Assim, um idoso do sexo masculino que possui valores altos para as vari aveis AGB, DCT, DCB, DCSE e porcentagem de gordura, e valores baixos para as vari aveis massa corporal total, CB, CMB, DCSI, CP e IMC, tende a ter um escore alto. E caso contr ario, tende a ter um escore baixo. 4.1.4 An alise de componentes principais realizada para as mulheres, com 11 vari aveis Na Tabela 14 e na Figura 9, pode-se observar que as vari aveis X1 , X3 , ..., X12 possuem altos valores de correla co es para as mulheres. Realizou-se a an alise de componentes principais nos dados das 60 idosas para as 11 vari aveis (X1 , X3 , ..., X12 ). Da matriz de correla c oes (Tabela 14) obt em-se os autovalores e suas porcentagens de vari ancia, que s ao dados na Tabela 15, tem-se que o primeiro autovalor e 1 = 8, 0391, e ele explica 73,08% da vari ancia total. Observa-se no gr aco scree-plot (Figura 10) que a partir da segunda
37 Tabela 11: Matriz de correla co es entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino.
Tabela 12. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino.
componente principal, os autovalores decaem mais lentamente o que tamb em contribui para a decis ao do n umero de componentes. Como o 1 e maior que um, obt em-se 1 componente principal, mas a propor c ao da vari ancia acumulada e 73,08%, logo considera-se 2 componentes principais, como mostra na Tabela 16, e que tem propor c ao da vari ancia acumulada 80,02%. A primeira componente e dada por:
38
Figura 8 - Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino.
Tabela 13. Componentes principais (PC) para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo masculino.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC PC1 0,3287 0,3381 0,2729 0,3196 0,2668 0,2261 0,3047 0,2946 0,3398 0,2876 0,3176 PC2 -0,177 -0,1464 -0,4484 0,3212 0,5006 0,466 0,0096 -0,0769 0,1897 -0,2385 -0,2762
Z1 = 0, 309X1 + 0, 3373X3 + 0, 2971X4 + 0, 3329X5 + 0, 3035X6 + 0, 2576X7 + 0, 2885X8 + 0, 2794X9 + 0, 3272X10 + 0, 2571X11 + 0, 3142X12
A primeira componente e um ndice global das vari aveis, em que todas as vari aveis s ao importantes, de acordo com os valores num ericos dos respectivos coecientes na combina c ao linear; sendo que os maiores valores referem-se CB e AGB, e essas s ao as mais importantes. Para as mulheres as vari aveis mais importantes coincidem com as vari aveis na an alise para todos os idosos com as 11 vari aveis. Essa componente representa os pesos das vari aveis X1 , X3 , ..., X12 , e esses pesos podem
39
Figura 9 - Correla c oes entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino. ser utilizados na classica c ao do estado nutricional das idosas. A segunda componente contrasta massa corporal total, CB, CMB, AGB, CP e IMC, com DCT, DCB, DCSE, DCSI e porcentagem de gordura. Assim, uma idosa que possui valores altos para as vari aveis massa corporal total, CB, CMB, AGB, CP e IMC, e valores baixos para as vari aveis DCT, DCB, DCSE, DCSI e porcentagem de gordura, tende a ter um escore baixo. E no caso inverso, tende a ter um escore alto. Na pr oxima an alise de componentes principais realizada nos dados de todos os idosos foram retiradas as vari aveis estatura (X2 ) e prote na C reativa (X15 ). A vari avel estatura foi retirada porque possui baixa correla ca o com o IMC (Cervi et al., 2005). J a a vari avel prote na C reativa tamb em possui baixos valores de correla co es com as demais vari aveis, e na avalia ca o nutricional dos idosos essa vari avel foi utilizada somente para excluir a possibilidade de uma inama ca o interferir na interpreta ca o dos valores da albumina (Galesi, 2010).
40 Tabela 14: Matriz de correla co es entre as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino.
Tabela 15. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino.
4.1.5
An alise de componentes principais realizada para 13 vari aveis, para todos os idosos Com a retirada das vari aveis X2 e X15 pode-se observar nas Figuras
11 e 12, e na Tabela 17 que as vari aveis X1 , X3 , ..., X12 possuem altos valores de correla co es entre si, e as vari aveis albumina X13 e transferrina X14 n ao possuem valores t ao altos de correla co es. Realizou-se a an alise de componentes principais nos dados de todos os idosos, para as 13 vari aveis (X1 , X3 , ..., X14 ).
41
Figura 10 - Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X12 , considerando os idosos do sexo feminino.
aveis X1 , X3 , ..., X12 , consideTabela 16. Componentes principais (PC) para as vari rando os idosos do sexo feminino.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC PC1 0,309 0,3373 0,2971 0,3329 0,3035 0,2576 0,2885 0,2794 0,3272 0,2571 0,3142 PC2 -0,3316 -0,1897 -0,362 -0,0728 0,127 0,5602 0,1684 0,3472 0,3252 -0,3221 -0,1714
Observa-se na Tabela 18, que os 3 primeiros autovalores s ao 1 = 7, 4445, 2 = 1, 5209 e 3 = 1, 0125, e eles explicam 57,27%, 11,70% e 7,79% da vari ancia total, respectivamente; e os 3 autovalores juntos explicam 76,75% da vari ancia total. Na Figura 13, pode-se visualizar no gr aco scree-plot que a partir da terceira componente principal, os autovalores decaem mais lentamente, o que tamb em contribui para a decis ao do n umero de componentes. As 3 componentes principais s ao dadas na Tabela 19. A primeira componente e dada por:
42
Figura 11 - Correla c oes agrupadas entre as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. Tabela 17: Matriz de correla c oes entre as vari aveis X1 , X3 , ..., X14 , para todos os idosos.
X1 X1 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 1.00 0.76 0.77 0.57 0.41 0.38 0.57 0.53 0.38 0.72 0.80 -0.04 -0.16 X3 0.76 1.00 0.87 0.89 0.74 0.60 0.75 0.71 0.70 0.67 0.85 0.03 -0.00 X4 0.77 0.87 1.00 0.56 0.31 0.34 0.57 0.51 0.35 0.61 0.74 0.00 -0.00 X5 0.57 0.89 0.56 1.00 0.95 0.70 0.73 0.72 0.85 0.54 0.76 0.06 0.02 X6 0.41 0.74 0.31 0.95 1.00 0.70 0.66 0.66 0.86 0.46 0.62 0.06 -0.00 X7 0.38 0.60 0.34 0.70 0.70 1.00 0.55 0.58 0.70 0.42 0.48 0.00 0.01 X8 0.57 0.75 0.57 0.73 0.66 0.55 1.00 0.72 0.77 0.54 0.74 0.06 -0.01 X9 0.53 0.71 0.51 0.72 0.66 0.58 0.72 1.00 0.83 0.43 0.72 0.01 -0.01 X10 0.38 0.70 0.35 0.85 0.86 0.70 0.77 0.83 1.00 0.44 0.66 0.04 0.05 X11 0.72 0.67 0.61 0.54 0.46 0.42 0.54 0.43 0.44 1.00 0.66 0.03 -0.15 X12 0.80 0.85 0.74 0.76 0.62 0.48 0.74 0.72 0.66 0.66 1.00 0.02 -0.02 X13 -0.04 0.03 0.00 0.06 0.06 0.00 0.06 0.01 0.04 0.03 0.02 1.00 0.03 X14 -0.16 -0.00 -0.00 0.02 -0.00 0.01 -0.01 -0.01 0.05 -0.15 -0.02 0.03 1.00
Z1 = 0, 2771X1 + 0, 3472X3 + 0, 268X4 + 0, 3381X5 + 0, 3027X6 + 0, 2607X7 + 0, 3097X8 + 0, 302X9 + 0, 3081X10 + 0, 261X11 + 0, 3264X12 + 0, 0137X13 0, 0112X14
Na primeira componente principal a vari avel transferrina contrasta com as demais, essa vari avel possui baixa correla ca o com as demais. E a albumina, que tamb em possui baixa correla ca o, tem um peso baixo na componente. J a a vari avel mais importante, a que possui o maior peso e a CB, seguida da AGB que possui o
43
Figura 12 - Correla c oes entre as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. segundo maior valor. As componentes principais 2 e 3 explicam uma porcentagem de vari ancia muito baixa, 11,70% e 7,79%, respectivamente, logo os resultados n ao s ao muito bons. Nas duas an alises de componentes principais que seguem o grupo de idosos foi dividido, por faixa et aria, em dois grupos: um de 60-79 anos e o outro de 80-100 anos. Nestas an alises tamb em foram retiradas as vari aveis estatura (X2 ) e prote na C reativa (X15 ). 4.1.6 An alise de componentes principais realizada com 13 vari aveis, para os idosos de 60-79 anos Para os idosos de 60-79 anos, pode-se observar nas Figuras 14 e 15, e na Tabela 20, que com a retirada das vari aveis X2 e X15 as vari aveis X1 , X3 , ..., X12 possuem altos valores de correla c oes, e as vari aveis albumina X13 e transferrina X14 possuem baixos valores de correla c oes. Realizou-se uma an alise de componentes principais nos dados dos ido-
44 Tabela 18. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando todos os idosos
Autovalores Componente 1 Componente 2 Componente 3 Componente 4 Componente 5 Componente 6 Componente 7 Componente 8 Componente 9 Componente 10 Componente 11 Componente 12 Componente 13 7,4445 1,5209 1,0125 0,9824 0,5439 0,3951 0,3899 0,2775 0,2243 0,1318 0,0693 0,0079 0 % de vari ancia 57,27% 11,70% 7,79% 7,56% 4,18% 3,04% 3,00% 2,13% 1,73% 1,01% 0,53% 0,06% 0,00% % de vari ancia acumulada 57,27% 68,96% 76,75% 84,31% 88,49% 91,53% 94,53% 96,67% 98,39% 99,41% 99,94% 100,00% 100,00%
sos de 60-79 anos, com as 13 vari aveis (X1 , X3 , ..., X14 ). Pode-se observar na Tabela 21, que os 2 primeiros autovalores s ao 1 = 7, 4724 e 2 = 1, 8088, e eles explicam 57,48% e 13,91% da vari ancia total, respectivamente; e os 2 autovalores juntos explicam 71,39% da vari ancia total. Na Figura 16, pode-se visualizar no gr aco scree-plot que a partir da segunda componente principal, os autovalores decaem mais lentamente, o que tamb em contribui para a decis ao do n umero de componentes. As 2 componentes principais s ao dadas na Tabela 22. A primeira componente e dada por:
Z1 = 0, 263X1 + 0, 3473X3 + 0, 251X4 + 0, 3392X5 + 0, 3069X6 + 0, 263X7 + 0, 3178X8 + 0, 3033X9 + 0, 3132X10 + 0, 2684X11 + 0, 323X12 + 0, 0004X13 0, 0338X14
A primeira componente contrasta a vari avel transferrina com as demais. Sendo a vari avel mais importante a CB, a que possui o maior peso, seguida da AGB que possui o segundo maior valor. As vari aveis albumina e transferrina,
45
Tabela 19. Componentes principais (PC) para as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina PC1 0,2771 0,3472 0,268 0,3381 0,3027 0,2607 0,3097 0,302 0,3081 0,261 0,3264 0,0137 -0,0112 PC2 -0,4358 -0,1171 -0,4188 0,1918 0,3418 0,2844 0,062 0,1461 0,3601 -0,3242 -0,1743 0,1205 0,2856 PC3 0,0212 0,0877 0,211 -0,0198 -0,1172 -0,156 0,0227 -0,063 -0,0959 0,0143 0,0744 0,7401 0,5845
que possuem baixos valores de correla c oes, s ao as vari aveis que possuem os menores pesos. Para os idosos de 60-79 anos os resultados da primeira componente principal coincidem com os da an alise com 13 vari aveis realizada para todos os idosos. A segunda componente contrasta massa corporal total, CB, CMB, CP e IMC, com AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura, albumina e transferrina. Assim, um idoso que possui valores altos para as vari aveis massa corporal total, CB, CMB, CP e IMC, e valores baixos para as vari aveis AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura albumina e transferrina, tende a ter
46
Figura 14 - Correla c oes agrupadas entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. Tabela 20: Matriz de correla co es entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos.
X1 X1 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 1.00 0.77 0.82 0.52 0.35 0.32 0.49 0.50 0.35 0.74 0.74 -0.14 -0.26 X3 0.77 1.00 0.84 0.87 0.74 0.61 0.76 0.71 0.70 0.71 0.87 -0.00 -0.11 X4 0.82 0.84 1.00 0.47 0.26 0.27 0.50 0.49 0.30 0.60 0.74 -0.10 -0.14 X5 0.52 0.87 0.47 1.00 0.97 0.75 0.80 0.71 0.86 0.60 0.75 0.08 -0.04 X6 0.35 0.74 0.26 0.97 1.00 0.74 0.74 0.65 0.87 0.53 0.63 0.12 -0.02 X7 0.32 0.61 0.27 0.75 0.74 1.00 0.58 0.60 0.73 0.41 0.47 0.00 0.03 X8 0.49 0.76 0.50 0.80 0.74 0.58 1.00 0.78 0.85 0.52 0.75 -0.01 -0.00 X9 0.50 0.71 0.49 0.71 0.65 0.60 0.78 1.00 0.84 0.46 0.71 0.00 -0.06 X10 0.35 0.70 0.30 0.86 0.87 0.73 0.85 0.84 1.00 0.47 0.66 0.08 0.03 X11 0.74 0.71 0.60 0.60 0.53 0.41 0.52 0.46 0.47 1.00 0.65 -0.05 -0.16 X12 0.74 0.87 0.74 0.75 0.63 0.47 0.75 0.71 0.66 0.65 1.00 -0.02 -0.06 X13 -0.14 -0.00 -0.10 0.08 0.12 0.00 -0.01 0.00 0.08 -0.05 -0.02 1.00 0.05 X14 -0.26 -0.11 -0.14 -0.04 -0.02 0.03 -0.00 -0.06 0.03 -0.16 -0.06 0.05 1.00
um escore baixo. E no caso inverso, tende a ter um escore alto. 4.1.7 An alise de componentes principais realizada com 13 vari aveis, para os idosos de 80-100 anos Para os idosos de 80-100 anos, pode-se observar nas Figuras 17 e 18, e na Tabela 23, que com a retirada das vari aveis X2 e X15 as vari aveis X1 , X3 , ..., X12 possuem altos valores de correla c oes, e as vari aveis albumina X13 e transferrina X14 n ao possuem valores t ao altos de correla co es. Realizou-se uma an alise de componentes principais nos dados idosos
47
Figura 15 - Correla c oes entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. de 80-100 anos, com as 13 vari aveis (X1 , X3 , ..., X14 ). Observa-se na Tabela 24 que os 3 primeiros autovalores s ao 1 = 7, 6414, 2 = 1, 1084 e 3 = 1, 0965, e eles explicam 58,78%, 8,53% e 8,43% da vari ancia total, respectivamente; e os 3 autovalores juntos explicam 75,74% da vari ancia total. Na Figura 19, pode-se visualizar no gr aco scree-plot que a partir da terceira componente principal, os autovalores decaem mais lentamente, o que tamb em contribui para a decis ao do n umero de componentes. As 3 componentes principais s ao dadas na Tabela 25. A primeira componente e dada por:
Z1 = 0, 2976X1 + 0, 3436X3 + 0, 2872X4 + 0, 3388X5 + 0, 3053X6 + 0, 2561X7 + 0, 2927X8 + 0, 2939X9 + 0, 3057X10 + 0, 2535X11 + 0, 3265X12 + 0, 0195X13 + 0, 0228X14
A primeira componente e um ndice global das vari aveis, em que todas
48 Tabela 21. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando os idosos de 60-79 anos.
as vari aveis s ao importantes, de acordo com os valores num ericos dos respectivos coecientes na combina c ao linear; sendo que os maiores valores referem-se a CB e a AGB, e essas s ao as mais importantes. As vari aveis albumina e transferrina, que possuem baixos valores de correla c oes, s ao as vari aveis que possuem os menores pesos. Para os idosos de 80-100 anos os resultados da primeira componente principal coincidem com os da an alises com 13 vari aveis realizadas para todos os idosos e para os idosos 60-79 anos. Como as componentes principais 2 e 3 explicam uma porcentagem de vari ancia muito baixa (8,53% e 8,43%, respectivamente), os resultados apresentados por elas n ao s ao muito bons. 4.1.8 An alise de componentes principais realizada com vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos Nesta an alise foram utilizadas as vari aveis antrom etricas prim arias (vari aveis que foram obtidas de forma direta sem f ormula): massa corporal total, estatura, CB, DCT, DCB, DCSE, DCSI e CP, e as bioqu micas: albumina e transferrina.
49
Figura 16 - Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 60-79 anos.
Tabela 22. Componentes principais (PC) para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 60-79 anos.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina PC1 0,263 0,3473 0,251 0,3392 0,3069 0,263 0,3178 0,3033 0,3132 0,2684 0,323 0,0004 -0,0338 PC2 -0,4469 -0,1321 -0,4413 0,1801 0,3089 0,277 0,1227 0,1097 0,3154 -0,2501 -0,1477 0,2693 0,3163
Pode-se observar nas Figuras 20 e 21, e na Tabela 26, que as vari aveis estatura X2 , albumina X13 e transferrina X14 possuem baixos valores de correla co es, e demais vari aveis possuem altos valores de correla c oes. Realizou-se a an alise de componentes principais nos dados de todos os idosos, para as vari aveis antropom etricas prim arias e as bioqu micas. Observa-se na Tabela 27 que os 2 primeiros autovalores s ao 1 = 4, 6219 e 2 = 1, 6552, e eles explicam 46,22% e 16,55% da vari ancia total, respectivamente; e os 2 autovalores juntos explicam 62,77% da vari ancia total.
50
Figura 17 - Correla c oes agrupadas entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. Tabela 23: Matriz de correla co es entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos.
X1 X1 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 1.00 0.76 0.70 0.69 0.58 0.50 0.67 0.57 0.49 0.69 0.88 0.04 0.02 X3 0.76 1.00 0.91 0.93 0.78 0.62 0.74 0.71 0.72 0.64 0.83 0.06 0.13 X4 0.70 0.91 1.00 0.70 0.45 0.47 0.65 0.55 0.48 0.60 0.74 0.07 0.18 X5 0.69 0.93 0.70 1.00 0.94 0.64 0.69 0.75 0.82 0.54 0.79 0.06 0.09 X6 0.58 0.78 0.45 0.94 1.00 0.63 0.61 0.70 0.84 0.47 0.67 0.02 0.00 X7 0.50 0.62 0.47 0.64 0.63 1.00 0.50 0.57 0.65 0.47 0.52 -0.00 -0.01 X8 0.67 0.74 0.65 0.69 0.61 0.50 1.00 0.61 0.68 0.55 0.71 0.11 0.00 X9 0.57 0.71 0.55 0.75 0.70 0.57 0.61 1.00 0.84 0.38 0.72 -0.01 0.06 X10 0.49 0.72 0.48 0.82 0.84 0.65 0.68 0.84 1.00 0.49 0.69 0.03 0.06 X11 0.69 0.64 0.60 0.54 0.47 0.47 0.55 0.38 0.49 1.00 0.67 0.03 -0.12 X12 0.88 0.83 0.74 0.79 0.67 0.52 0.71 0.72 0.69 0.67 1.00 0.01 0.04 X13 0.04 0.06 0.07 0.06 0.02 -0.00 0.11 -0.01 0.03 0.03 0.01 1.00 0.02 X14 0.02 0.13 0.18 0.09 0.00 -0.01 0.00 0.06 0.06 -0.12 0.04 0.02 1.00
Na Figura 22, pode-se visualizar no gr aco scree-plot que a partir da segunda componente principal, os autovalores decaem mais lentamente, o que tamb em contribui para a decis ao do n umero de componentes. As 2 componentes principais s ao dadas na Tabela 28. A primeira componente e dada por: Z1 = 0, 3526X1 0, 0394X2 + 0, 4305X3 + 0, 3832X6 + 0, 3453X7 + 0, 396X8 + 0, 3828X9 + 0, 3438X11 + 0, 0178X13 0, 0289X14
51
Figura 18 - Correla c oes entre as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. Na primeira componente principal as vari aveis estatura e transferrina contrastam com as demais. E a albumina, que tamb em possui baixa correla ca o, tem um peso baixo na componente. A vari avel mais importante, a que possui o maior peso e CB, seguida da DCSE que possui o segundo maior valor. Como a segunda componente principal explica uma porcentagem de vari ancia muito baixa (16,55%), ela n ao apresenta resultado muito bom.
4.2
4.2.1
An alise fatorial explorat oria

An alise fatorial realizada com 15 vari aveis, para todos os idosos O primeiro passo para realizar uma an alise fatorial explorat oria nas
vari aveis X1 , X2 , ..., X15 , para todos os idosos, e a escolha do n umero m de fatores. Esta escolha foi baseada nos crit erios: o autovalor ser maior que 1, o n umero de autovalores que representam uma alta propor ca o de vari ancia total e o n umero das componente principais do gr aco scree-plot, quando os autovalores decaem mais lentamente.
52 Tabela 24. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 13 componentes, considerando os idosos de 80-100 anos.
Como visto na Tabela 6 tem-se que os 3 primeiros autovalores s ao maiores que 1 e os 3 autovalores juntos explicam 71,80% da vari ancia total; e no gr aco scree-plot (Figura 1) observa-se que a partir da terceira componente principal os autovalores decaem mais lentamente. Ent ao, tem-se m e igual a 3 fatores. Na Tabela 29, obt em-se os 3 fatores rotacionados para as vari aveis X1 , X2 , ..., X15 . Estes fatores agrupam as vari aveis da seguinte forma:
Fator 1: CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC.
Fator 2: massa corporal total, estatura, CMB, CP e prote na C reativa.
Fator 3: albumina e transferrina.
O Fator 1 tem cargas positivas altas para as vari aveis CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC; ele ser a chamado de indicadores de gordura corporal.
53
Figura 19 - Scree-plot dos autovalores versus componentes principais para as vari aveis X1 , X3 , ..., X14 , considerando os idosos de 80-100 anos.
Tabela 25. Componentes principais (PC) para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 80-100 anos.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina PC1 0,2976 0,3436 0,2872 0,3388 0,3053 0,2561 0,2927 0,2939 0,3057 0,2535 0,3265 0,0195 0,0228 PC2 -0,1345 -0,1377 -0,3537 0,0327 0,2356 0,2264 -0,0448 0,1376 0,2147 0,0033 -0,0666 -0,4382 -0,683 PC3 -0,3097 -0,0103 -0,1179 0,1581 0,2449 0,1274 -0,1104 0,2697 0,3055 -0,4614 -0,1444 -0,177 0,5726
O Fator 2 tem cargas positivas altas para as vari aveis massa corporal total, estatura, CMB e CP, e carga negativa alta para prote na C reativa; ele ser a chamado de indicadores de massa muscular e bioqu mico. O Fator 3 tem cargas positivas altas para as vari aveis albumina e transferrina; ele ser a chamado de indicadores bioqu micos do estado nutricional.
54
Figura 20 - Correla c oes agrupadas entre as vari aveis antropom etricas prim arias e as bioqu micas, considerando os todos os idosos.
Tabela 26: Matriz de correla c oes entre as vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos.
X1 X1 X2 X3 X6 X7 X8 X9 X11 X13 X14 1.00 0.41 0.76 0.41 0.38 0.57 0.53 0.72 -0.04 -0.16 X2 0.41 1.00 -0.05 -0.27 -0.14 -0.19 -0.24 0.14 -0.08 -0.20 X3 0.76 -0.05 1.00 0.74 0.60 0.75 0.71 0.67 0.03 -0.00 X6 0.41 -0.27 0.74 1.00 0.70 0.66 0.66 0.46 0.06 -0.00 X7 0.38 -0.14 0.60 0.70 1.00 0.55 0.58 0.42 0.00 0.01 X8 0.57 -0.19 0.75 0.66 0.55 1.00 0.72 0.54 0.06 -0.01 X9 0.53 -0.24 0.71 0.66 0.58 0.72 1.00 0.43 0.01 -0.01 X11 0.72 0.14 0.67 0.46 0.42 0.54 0.43 1.00 0.03 -0.15 X13 -0.04 -0.08 0.03 0.06 0.00 0.06 0.01 0.03 1.00 0.03 X14 -0.16 -0.20 -0.00 -0.00 0.01 -0.01 -0.01 -0.15 0.03 1.00
4.2.2
An alise fatorial realizada com 11 vari aveis, para todos os idosos Observa-se na Tabela 9 que os 2 primeiros autovalores s ao maiores que
1 e os 2 autovalores juntos explicam 81,02% da vari ancia total; e no gr aco screeplot (Figura 6) observa-se a partir da segunda componente principal os autovalores decaem mais lentamente . Ent ao, tem-se que m igual 2 fatores. Na Tabela 30, obt em-se os 2 fatores rotacionados para as vari aveis X1 , X3 , ..., X12 , de todos os idosos. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura.
55
Figura 21 - Correla c oes entre as vari aveis antropom etricas prim arias e as bioqu micas, considerando os todos os idosos.
Fator 2: Massa corporal total, CB, CMB, CP e IMC.
O Fator 1 tem cargas positivas altas para as vari aveis AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura; ele ser a chamado de indicadores de gordura corporal. O Fator 2 tem cargas positivas altas para as vari aveis massa corporal total, CB, CMB, CP e IMC; ele ser a chamado de indicadores de massa muscular. 4.2.3 An alise fatorial realizada para os homens, com 11 vari aveis Como visto na Tabela 12 tem-se que os 2 primeiros autovalores s ao maiores que 1 e os 2 autovalores juntos explicam 83,90% da vari ancia total; e no gr aco scree-plot (Figura 8) observa-se que os autovalores decaem mais lentamente na segunda componente principal. Ent ao, tem-se m igual 2 fatores. Na Tabela 31, obt em-se os 2 fatores rotacionados para as vari aveis X1 , X3 , ..., X12 , dos homens. Esses fatores agrupam as vari aveis da seguinte forma:
56 Tabela 27. Autovalores, porcentagem de vari ancia explicada e porcentagem de vari ancia explicada acumulada para as 10 componentes, considerando os todos os idosos.
Autovalores Componente 1 Componente 2 Componente 3 Componente 4 Componente 5 Componente 6 Componente 7 Componente 8 Componente 9 Componente 10 4,6219 1,6552 0,9928 0,891 0,5594 0,4498 0,2961 0,2667 0,1768 0,0901 % de vari ancia 46,22% 16,55% 9,93% 8,91% 5,59% 4,50% 2,96% 2,67% 1,77% 0,90% % de vari ancia acumulada 46,22% 62,77% 72,70% 81,61% 87,20% 91,70% 94,66% 97,33% 99,10% 100,00%
Tabela 28. Componentes principais (PC) para as vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos.
Vari avel Massa corporal Estatura CB DCT DCB DCSE DCSI CP Albumina Transferrina PC1 0,3526 -0,0394 0,4305 0,3832 0,3453 0,396 0,3828 0,3438 0,0178 -0,0289 PC2 -0,4241 -0,6775 -0,0361 0,2239 0,1602 0,1017 0,1617 -0,281 0,1511 0,3818
Fator 1: Massa corporal total, CB, CMB, DCSE, DCSI, CP e IMC.
Fator 2: AGB, DCT, DCB e porcentagem de gordura.
O Fator 1 tem cargas positivas altas para as vari aveis massa corporal total, CB, CMB, DCSE, DCSI, CP e IMC; ele ser a chamado de indicadores de gordura corporal e massa muscular. O Fator 2 tem cargas positivas altas para as vari aveis AGB, DCT, DCB
57
Figura 22 - Scree-plot dos autovalores versus componentes principais para as vari aveis antropom etricas prim arias e as bioqu micas, considerando todos os idosos. e porcentagem de gordura; ele ser a chamado de indicadores de gordura corporal. 4.2.4 An alise fatorial realizada para as mulheres, com 11 vari aveis Como visto na Tabela 15 tem-se que o primeiro autovalor e maior que 1, mas os 2 primeiros autovalores juntos explicam 80,02% da vari ancia total; e no gr aco scree-plot (Figura 10) visualiza que os autovalores decaem mais lentamente na segunda componente principal. Ent ao, tem-se que m igual 2 fatores. Os 2 fatores rotacionados, s ao dados na Tabela 32 para as vari aveis X1 , X3 , ..., X12 , das mulheres. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: Massa corporal total, CB, CMB, AGB, CP e IMC.
Fator 2: DCT, DCB, DCSE, DCSI e porcentagem de gordura.
O Fator 1 tem cargas positivas altas para as vari aveis massa corporal total, CB, CMB, AGB, CP, IMC; ele ser a chamado de indicadores de massa muscular e gordura corporal. O Fator 2 tem cargas positivas altas para as vari aveis DCT, DCB,
58 Tabela 29. Fatores para as vari aveis X1 , X2 , ..., X15 , considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal Estatura CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina Prote na. C Reativa Fator1 0.39 -0.45 0.76 0.42 0.90 0.89 0.76 0.78 0.82 0.95 0.42 0.71 0.03 0.02 0.30 Fator2 0.85 0.55 0.58 0.75 0.28 0.09 0.09 0.33 0.21 0.02 0.71 0.55 0.02 -0.12 -0.54 Fator3 -0.18 -0.42 0.02 0.01 0.05 0.03 -0.09 0.05 -0.01 0.06 -0.03 0.09 0.47 0.73 -0.46
DCSE, DCSI e porcentagem de gordura; ele ser a chamado de indicadores de gordura corporal. 4.2.5 An alise fatorial realizada para 13 vari aveis, para todos os idosos Como visto na Tabela 18 tem-se que os 3 primeiros autovalores s ao maiores que 1 e os 3 autovalores juntos explicam 76,75% da vari ancia total; e no gr aco scree-plot (Figura 13) observa-se que os autovalores decaem mais lentamente na terceira componente principal. Ent ao, tem-se m igual 3 fatores. Na Tabela 33, obt em-se os 3 fatores rotacionados para as vari aveis X1 , X3 , ..., X14 , de todos os idosos. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura.
Fator 2: massa corporal total, CB, CMB, CP e IMC.
Fator 3: albumina e transferrina.
59 Tabela 30. Fatores para as vari aveis X1 , X3 , ..., X12 , para todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Fator1 0.22 0.60 0.18 0.85 0.91 0.78 0.68 0.74 0.93 0.28 0.52 Fator2 0.90 0.75 0.91 0.43 0.21 0.19 0.50 0.40 0.21 0.76 0.76
Tabela 31. Fatores para as vari aveis X1 , X2 , ..., X15 , para os homens, para cada vari avel, assinalado em negrito, o fator de maior peso.
O Fator 1 tem cargas positivas altas para as vari aveis AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura; ele ser a chamado de indicadores de gordura corporal. O Fator 2 tem cargas positivas altas para as vari aveis massa corporal total, CB, CMB, CP e IMC; ele ser a chamado de indicadores de massa muscular. O Fator 3 tem cargas positivas altas para as vari aveis albumina e transferrina; ele ser a chamado de indicadores bioqu micos do estado nutricional.
60 Tabela 32. Fatores para as vari aveis X1 , X2 , ..., X15 , para as mulheres, para cada vari avel, assinalado em negrito, o fator de maior peso.
4.2.6
An alise fatorial realizada com 13 vari aveis, para os idosos de 60-79 anos Observa-se na Tabela 21 que os 2 primeiros autovalores s ao maiores que
1 e os 2 autovalores juntos explicam 71,39% da vari ancia total; e no gr aco screeplot (Figura 16) observa-se a partir da segunda componente principal os autovalores decaem mais lentamente . Ent ao, tem-se que m igual 2 fatores. Na Tabela 34, obt em-se os 2 fatores rotacionados para as vari aveis X1 , X3 , ..., X14 , para os idosos de 60-79 anos. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC.
Fator 2: massa corporal total, CMB, CP, albumina e transferrina.
O Fator 1 tem cargas positivas altas para as vari aveis CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC; ele ser a chamado de indicadores de gordura corporal.
61 Tabela 33. Fatores para as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina Fator1 0.23 0.61 0.19 0.85 0.91 0.79 0.68 0.75 0.93 0.29 0.53 -0.03 0.08 Fator2 0.89 0.74 0.90 0.43 0.21 0.18 0.50 0.39 0.21 0.76 0.75 0.08 -0.14 Fator3 -0.13 0.05 0.05 0.06 0.02 -0.04 0.05 0.00 0.05 -0.10 0.01 0.76 0.67
O Fator 2 tem cargas positivas altas para as vari aveis massa corporal total, CMB e CP, e cargas negativas altas para as vari aveis albumina e transferrina; ele ser a chamado de indicadores de massa muscular e bioqu micos. Tabela 34. Fatores para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 60-79 anos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina Fator1 0.43 0.80 0.40 0.95 0.93 0.81 0.86 0.82 0.95 0.54 0.73 0.14 0.08 Fator2 0.84 0.54 0.82 0.14 -0.05 -0.06 0.19 0.19 -0.05 0.60 0.53 -0.33 -0.43
62 4.2.7 An alise fatorial realizada com 13 vari aveis, para os idosos de 80-100 anos Observa-se na Tabela 24 que os 3 primeiros autovalores s ao maiores que 1 e os 3 autovalores juntos explicam 75,74% da vari ancia total; e no gr aco screeplot (Figura 19) observa-se a partir da terceira componente principal os autovalores decaem mais lentamente . Ent ao, tem-se que m igual 3 fatores. Na Tabela 35, obt em-se os 3 fatores rotacionados para as vari aveis X1 , X3 , ..., X14 , para os idosos de 80-100 anos. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: CB, AGB, DCT, DCB, DCSI e porcentagem de gordura.
Fator 2: massa corporal total, CMB, DCSE, CP, IMC e albumina.
Fator 3: transferrina.
O Fator 1 tem cargas positivas altas para as vari aveis CB, AGB, DCT, DCB, DCSI e porcentagem de gordura; ele ser a chamado de indicadores de gordura corporal. O Fator 2 tem cargas positivas altas para as vari aveis massa corporal total, CMB, DCSE, CP, IMC e albumina; ele ser a chamado de indicadores de massa muscular e bioqu mico. O Fator 3 tem cargas positivas altas para as vari aveis transferrina; ele ser a chamado de indicador bioqu mico. 4.2.8 An alise fatorial realizada com vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos Como visto na Tabela 27 tem-se que os 2 primeiros autovalores s ao maiores que 1 e os 2 autovalores juntos explicam 62,77% da vari ancia total; e no
63 Tabela 35. Fatores para as vari aveis X1 , X3 , ..., X14 , considerando os idosos 80-100 anos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal CB CMB AGB DCT DCB DCSE DCSI % G CP IMC Albumina Transferrina Fator1 0.43 0.69 0.40 0.83 0.88 0.71 0.56 0.83 0.91 0.31 0.61 -0.22 0.09 Fator2 0.78 0.66 0.77 0.45 0.24 0.25 0.60 0.25 0.21 0.75 0.69 0.36 -0.04 Fator3 -0.05 0.13 0.22 0.08 -0.04 -0.11 -0.01 0.06 0.01 -0.26 -0.01 0.28 0.93
gr aco scree-plot (Figura 22) observa-se que os autovalores decaem mais lentamente na segunda componente principal. Ent ao, tem-se m igual 2 fatores. Na Tabela 36, obt em-se os 2 fatores rotacionados para as vari aveis antropom etricas prim arias e as bioqu micas, para todos os idosos. Esses fatores agrupam as vari aveis da seguinte forma:
Fator 1: massa corporal total, CB , DCT, DCB, DCSE, DCSI e CP.
Fator 2: estatura, albumina e transferrina.
O Fator 1 tem cargas positivas altas para as vari aveis massa corporal total, CB , DCT, DCB, DCSE, DCSI e CP; ele ser a chamado de indicadores de gordura corporal. O Fator 2 tem cargas positivas altas para as vari aveis estatura, e carga negativa alta para albumina e transferrina; ele ser a chamado de indicadores bioqu micos e estatura.
64 Tabela 36. Fatores para as vari aveis antropom etricas prim arias e as bioqu micas, considerando todos os idosos, para cada vari avel, assinalado em negrito, o fator de maior peso.
Vari avel Massa corporal Estatura CB DCT DCB DCSE DCSI CP Albumina Transferrina Fator1 0.73 -0.12 0.92 0.84 0.75 0.86 0.83 0.72 0.05 -0.04 Fator2 0.58 0.87 0.09 -0.25 -0.17 -0.09 -0.17 0.39 -0.19 -0.49
4.3
Software R usado nas an alises

As an alises de componentes principais e as an alises fatorial foram rea-
lizadas pelo software R (Husson et al., 2010).
DISCUSSAO
Na an alise de componentes principais para as 15 vari aveis e todos os
idosos, algumas dessas vari aveis possuem baixas correla c oes com as demais, fato que inuencia nos resultados. Ent ao essas vari aveis foram retiradas e as an alises foram realizadas novamente, para 11 vari aveis e todos os idosos. Mas como todas as bioqu micas foram retiradas, realizou-se uma nova an alise para 13 vari aveis e todos os idosos, em que foram retiradas as vari aveis prote na C reativa e a estatura. Na an alise com 15 vari aveis, as vari aveis estatura, transferrina e prote na C reativa, contrastam com as demais vari aveis; e as vari aveis que possuem baixas correla co es com as demais, s ao as que tem os menores pesos na primeira componente principal (Tabela 7). Tem-se resultado semelhante na an alise com 13 vari aveis, na primeira componente principal a vari avel transferrina contrasta com as demais; e as vari aveis transferrina e a albumina s ao as que apresentam os menores pesos (Tabela 19). Quando a an alise e realizada para as 11 vari aveis, na primeira componente principal obtem-se um ndice global, em que as vari aveis s ao ponderadas de acordo com a sua import ancia; j a a segunda componente principal contrasta massa corporal total, CB, CMB, CP e IMC, que s ao indicadores de massa muscular, com AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura, que s ao indicadores de massa de gordura (Tabela 10). Nas 3 an alises as vari aveis que possuem os maiores s ao CB e AGB, ou seja, s ao as mais importantes. Na an alise fatorial para as 15 vari aveis, obtem-se 3 fatores, no fator 1 (CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC) al em dos indicadores de gordura, tem as vari aveis CB e IMC; e a vari avel prote na C reativa aparece no fator 2 (massa corporal total, estatura, CMB, CP e prote na C reativa), e
66 n ao no fator 3 (albumina e transferrina), que tem os indicadores bioqu micos (Tabela 29). Mas na an alise fatorial para 13 vari aveis, tem-se no fator 1 (AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura) apenas os indicadores de gordura, no fator 2 (massa corporal total, CB, CMB, CP e IMC) os indicadores de massa muscular e no fator 3 (albumina e transferrina) todos os bioqu mcos (Tabela 33). Na an alise fatorial para 11 vari aveis, como n ao tem as vari aveis bioqu micas, n ao tem mais o indicador bioqu mico, e os fatores 1 e 2 s ao iguais aos da an alise com 13 vari aveis (Tabela 30). Retiradas as vari aveis estatura, albumina, transferrina e prote na C reativa, al em da an alise para todos os idosos tamb em foram realizadas an alises por sexo. Para as mulheres a primeira componente principal tamb em obtem um ndice global, sendo as vari aveis CB e AGB as que possuem o maior peso, o que coincide com a an alise realizada para todos os idosos; mas na segunda componente principal as vari aveis massa corporal total, CB, CMB, AGB, CP e IMC, contrastam com DCT, DCB, DCSE, DCSI e porcentagem de gordura, nessa componente o que difere da an alise para todos os idosos e a AGB que passa a contrastar com os indicadores de gordura, deixando o outro grupo de vari aveis com indicadores mistos, tanto de massa muscular quanto de gordura (Tabela 16). J a para os homens a primeira componente principal tamb em apresenta um ndice global, mas as vari aveis mais importantes s ao porcentagem de gordura e CB; e na segunda componente principal a massa corporal total, CB, CMB, DCSI, CP e IMC, contrasta com AGB, DCT, DCB, DCSE e porcentagem de gordura, diferenciando na vari avel DCSI, neste caso o segundo grupo de vari aveis apresenta indicadores de gordura e o primeiro grupo indicadores mistos, ou seja, indicadores de massa muscular e indicador de gordura (Tabela 13). Na an alise fatorial para homens, o fator 1 (Massa corporal total, CB, CMB, DCSE, DCSI, CP e IMC) passa a ter as vari aveis DCSE e DCSI que para todos os idosos pertencia ao fator 2, deixando o fator 1 com indicadores de massa muscular e gordura; e o fator 2 (AGB, DCT, DCB e porcentagem de gordura) continua tendo apenas indicadores de gordura (Tabela 31). No caso da an alise fatorial para as
67 mulheres, o fator 1 (Massa corporal total, CB, CMB, AGB, CP e IMC) passa a ter a vari avel AGB, fato que diferencia do fator 1 para todos os idosos, e tamb em ca com indicadores de massa muscular e de gordura; e o fator 2 (DCT, DCB, DCSE, DCSI e porcentagem de gordura) tamb em continua com somente indicadores de gordura (Tabela 32). Para as 13 vari aveis foram realizadas an alises para todos os idosos, e para os idosos divididos por faixa et aria, em dois grupos, um com idosos de 60-79 anos e o outro com idosos de 80-100 anos. Na an alise de componentes principais para os idosos de 60-79 anos, a primeira componente principal e semelhante a primeira componente principal para todos os idosos; e nesta an alise a segunda componente principal contrasta massa corporal total, CB, CMB, CP e IMC, que s ao indicadores de massa mucular, com AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura, albumina e transferrina, que possui os indicadores de gordura e o bioqu micos (Tabela 22). Para os idosos de 80-100 anos, na primeira componente principal obtem-se um ndice global (Tabela 25). Nas 3 an alises, as vari aveis albumina e transferrina s ao as vari aveis que possuem os menores pesos, e as vari aveis CB e AGB as que possuem o maiores pesos. Para os idosos de 60-79 anos obtem-se 2 fatores, o fator 1 (CB, AGB, DCT, DCB, DCSE, DCSI, porcentagem de gordura e IMC) tem al em dos indicadores de gordura as vari aveis CB e IMC; j a o fator 2 (massa corporal total, CMB, CP, albumina e transferrina) tem a mais as vari aveis albumina e transferrina (Tabela 34). Para os idosos de 80-100 anos, tem-se 3 fatores, o mesmo n umero de fator da an alise para todos os idosos, o fator 1 (CB, AGB, DCT, DCB, DCSI e porcentagem de gordura) diferencia pela presen ca da vari avel CB e aus encia da vari avel DCSE, j a o fator 2 (massa corporal total, CMB, DCSE, CP, IMC e albumina) al em da presen ca da DCSE, tem a vari avel albumina, deixando o fator com indicadores de massa muscular, de gordura e bioqu micos, e o fator 3 (transferrina) possui apenas um indicador bioqu mico (Tabela 35). Na an alise para as vari aveis antropom etricas prim arias, que s ao apenas
68 as vari aveis obtidas de forma direta sem f ormulas, e as bioqu micas, para todos os idosos, obtem-se na primeira componente principal que as vari aveis estatura e transferrina contrastam com as demais (Tabela 28). As vari aveis que possuem baixas correla co es continuam tendo os menores pesos, e a vari avel que possui o maior peso e a CB, seguida da DCSE com o segundo maior valor. J a na an alise fatorial, o fator 1 (massa corporal total, CB , DCT, DCB, DCSE, DCSI e CP) tem as vari aveis que possuem alta correla c oes entre si e o fator 2 (estatura, albumina e transferrina) as que possuem baixas correla c oes (Tabela 36). Para as an alises de componentes principais a CB e a vari avel que possui o maior peso, ou seja, e a vari avel mais importante, isso acontece porque combina ca o com a medida da dobra cut anea do tr ceps (DCT) permite, atrav es da aplica ca o de f ormulas, calcular a circunfer encia muscular do bra co (CMB) e a area de gordura do bra co (AGB) que s ao correlacionadas com a massa muscular total, sendo utilizadas para diagnosticar altera co es da massa muscular corporal total e, assim, o estado nutricional prot eico (Acu na & Cruz, 2004). Com a aplica ca o da an alises de componentes principais, obtem-se peso para todas as vari aveis, fato importante para a realiza c ao da avalia ca o nutricional. J a a aplica c ao da an alise fatorial possibilitou ver como que os fatores se agrupam para cada caso.
CONCLUSOES
Conclui-se, que com a an alise de componentes principais, obt em-se pe-
sos para todas as vari aveis, de acordo com a import ancia das mesmas na avalia c ao do estado nutricional, fato que contribui para o trabalho de Galesi (2010), j a que nesse trabalho utilizou-se apenas as vari aveis que possuem refer encia em percentis na literatura, atribuindo o mesmo peso para todas as vari aveis. Nas an alises de componentes principais realizadas, foi poss vel concluir que a vari avel circunfer encia do bra co obteve o maior peso, ou seja, e a vari avel mais importante. Com os pesos das componentes principais pode-se obter um escore para cada idoso, e com o valor de cada escore e poss vel ordena-los. Mas n ao e poss vel fazer uma classica ca o do estado nutricional com esses escores, pois n ao temos crit erios para classicar os idosos em eutr ocos, levemente desnutridos, moderadamente desnutridos e gravemente desnutridos. Como sugest ao, num pr oximo estudo, seria uma avalia ca o do estado nutricional, com as mesmas vari aveis antropom etricas e bioqu micas, para uma popula ca o de idosos homog enea, com base em uma amostra representativa e que contenha somente idosos considerados bem nutridos. Com a aplica ca o da an alise de componentes principais nestes dados, seria poss vel calcular um escore para cada um destes idosos, e utilizando o conjunto de escores, construir um intervalo que ` seguir, para qualseria considerado o padr ao- aureo para idosos bem nutridos. A quer amostra representativa de idosos, como a de Galesi (2010), aplicar a an alise de componentes principais e encontrar o escore de cada um destes idosos, vericando a posi c ao do mesmo em rela ca o ao intervalo padr ao- aureo constru do. O estado
70 nutricional de cada idoso seria classicado de acordo com a posi ca o do escore em rela ca o ao intervalo. A an alise fatorial possibilitou agrupar as vari aveis em fatores, mostrando como que os indicadores de gordura, de massa muscular e os bioqu micos se agrupam. Na an alise fatorial, para todos os idosos sem as vari aveis estatura e prote na C reativa, apresenta os fatores divididos em indicadores de gordura corporal, indicadores de massa muscular e indicadores bioqu micos do estado nutricional.
REFERENCIAS BIBLIOGRAFICAS
ACUNA, K.; CRUZ, T. Avalia ca o do Estado Nutricional de Adultos e Idosos e Situa ca o Nutricional da Popula c ao Brasileira. Arquivos Brasileiros de Endocrinologia e Metabologia, v.48, n.3, p.345361, 2004. ANDERSON, T. W. An Introduction to Multivariate Statistical Analysis. New York: John Wiley and Sons, 1958. 374p. BLACKBURN, G. L.; BISTRION, B. R.; MOINI, B. S.; SCHULAMN, H. T.; SMITH, M. F. Nutritional and metabolic assessment of the hospitalized patient. Journal of Parenteral and Enteral Nutrition, v.1, p.1122, 1977. BRASIL. Censo demogr aco 2000: caracter sticas gerais da popula c ao Brasil 2000. Rio de Janeiro: Instituto Brasileiro de Geograa e Estat stica, 2003. CATTELL, R. B. The scree test for the number of factors. Multivariate Behavioral Research, v.1, p.245276, 1966. CERVI, A.; FRANCESCHINI, S. C. C.; PRIORE, S. E. An alise cr tica do uso do ndice de massa corporal para idosos. Revista de Nutri c ao, v.18, n.6, p.765775, 2005. CHATFIELD, C.; COLLINS, A. J. Introduction to multivariate analysis. London: Chapman and Hall, 1980. CHUMLEA, W. C.; ROCHE, A. F.; STEINBAUGH, M. L. Estimating stature from knee height for persons 60 to 90 years of age. Journal of the American Geriatric Society, v.33, n.2, p.116120, 1985.
72 COCHRAN, W. G. The estimation of sample size. In: COCHRAN, W. G. (Ed.). Sampling techniques. New York: John Willey, 1977. p.7290. FELIX, L. N.; SOUZA, E. M. T. Avalia ca o nutricional de idosos em uma institui c ao por diferentes instrumentos. Revista de Nutri c ao, v.22, n.4, p.571580, 2009. GALESI, L. F. Vigil ancia Nutricional em Idosos: Proposta para Cuidadores sem Forma c ao espec ca. Araraquara, 2010. 105p. Tese (Doutorado) - Faculdade de Ci encias Farmac euticas, UNESP. GUIGOZ, Y.; VELLAS, B. J.; GARRY, P. J. Mini Nutritional Assessment: A Practical Assessment Tool for Grading the Nutritional State of Elderly Patients. Facts and Research in Gerontology, v.4, n.2, p.1559, 1994. HILLS, M. Applied Statistics. Book Review, v.26, p.339340, 1977. HOTELLING, H. Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, v.24, n.7, p.498520, 1933. S.; PAGES, ` J. Exploratory multivariate analysis by example HUSSON, F.; LE, using R. CRC Press, 2010. 240p. JOHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. New Jersey: Prentice Hall, 1986. 594p. KAISER, H. F. The varimax criterion for analytic rotation in factor analysis. Psychometrika, v.23, n.3, p.187200, 1958. KAMIMURA, M. A.; BAXMANN, A.; SAMPAIO, L. R.; CUPPARI, L. Avalia ca o Nutricional. In: CUPPARI, L. (Ed.). Nutri c ao Cl nica no Adulto. Guias de Medicina Ambulatorial e Hospitalar UNIFESP/ Escola Paulista de Medicina. Barueri: Manole, 2002. p.71109. KARSCH, U. M. Idosos dependentes: fam lias e cuidadores. Cadernos de Sa ude P ublica, v.19, n.3, p.861866, 2003.
73 LATTIN, J. M.; CARROLL, J. D.; GREEN, P. E. An alise de dados multivariados. S ao Paulo: CENGAGE Learning, 2011. 455p. MANLY, B. J. F. Multivariate statistical methods: a pimer. Boca Raton: Chapman and Hall, 2005. 214p. MINGOTI, S. A. An alise de dados atrav es de m etodos de estat stica multivariada: uma abordagem aplicada. Belo Horizonte: UFMG, 2005. 297p. MOITA, G. C.; NETO, J. M. M. Uma introdu ca o ` a an alise explorat oria de dados multivariados. Qu mica Nova, v.21, n.4, p.467469, 1998. MORRISON, D. F. Multivariate statistical methods. EUA: McGraw-Hill, 1967. 338p. PEARSON, K. On lines and planes of closest t to a system of points in space. Philosophical Magazine, v.2, n.6, p.559572, 1901. POSSOLI, S. T ecnicas de an alise multivariada para avalia ca o das condi c oes de sa ude dos munic pios do Rio Grande do Sul, Brasil. Revista Sa ude P ublica, v.18, p.288 300, 1984. RAUEN, M. S.; MOREIRA, E. A. M.; CALVO, M. C. M.; LOBO, A. S. Avalia ca o do estado nutricional de idosos institucionalizados. Revista de Nutri c ao, v.21, n.3, p.303310, 2008. RENCHER, A. C. Methods of multivariate analysis. New York: John Wiley, 2002. 708p. SAMPAIO, L. R. Avalia ca o Nutricional e Envelhecimento. Revista de Nutri c ao, v.17, n.4, p.507514, 2004. SCAZUFCA, M.; CERQUEIRA, A. T. A. R.; MENEZES, P. R. Investiga co es epidemiol ogicas sobre dem encia nos pa ses em desenvolvimento. Revista de Sa ude P ublica, v.36, n.6, p.773778, 2002.
74 SEBER, G. A. F. Multivariate observations. New York: John Wiley, 2004. 686p. SOUZA, V. M. C.; GUARIENTO, M. E. Avalia c ao do idoso desnutrido. Revista Brasileira de Cl nica M edica, v.7, p.4649, 2009. SPEARMAN, C. General intelligence, objectively determined and measured.
American Journal of Psychology, v.15, p.201293, 1904. THURSTONE, L. L. Multiple factor analysis. Chicago: University of Chicago Press, 1947. 535p.

Biometria Me 2012 Elen Paulino

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Biometria Me 2012 Elen Paulino

Enviado por

Direitos autorais:

Formatos disponíveis

ANALISE FATORIAL EXPLORATORIA APLICADA A DADOS DE DO ESTADO NUTRICIONAL DE IDOSOS AVALIAC AO

Elen Daniele Paulino

BOTUCATU S ao Paulo - Brasil Fevereiro - 2012

ANALISE FATORIAL EXPLORATORIA APLICADA A DADOS DE DO ESTADO NUTRICIONAL DE IDOSOS AVALIAC AO

Elen Daniele Paulino

BOTUCATU S ao Paulo - Brasil Fevereiro - 2012

Palavras-chave: Anlise de componentes principais; Anlise fatorial; Avaliao Nutricional; Idosos.

Software R usado nas an alises . . . . . . . . . . . . . . . . . . . . . . . .

vi 5 DISCUSSAO 6 CONCLUSOES REFERENCIAS BIBLIOGRAFICAS 65 69 71

Correla co es entre as vari aveis X1 , X3 , ..., X14 , considerando todos os idosos. 43

ANALISE FATORIAL EXPLORATORIA APLICADA A DADOS DE DO ESTADO NUTRICIONAL DE IDOSOS AVALIAC AO

an alise de componentes principais, an alise fatorial, avalia c ao

EXPLORATORY FACTOR ANALYSIS APPLIED TO NUTRITIONAL ASSESSMENT STATUS DATA OF ELDERLY

An alise de componentes principais

cp1 cp2 cpp

9 sujeito ` a restri c ao de que

Logo a matriz de covari ancia C e transformada numa matriz de cor-

10 rela ca o D da seguinte forma (Manly, 2005):

An alise fatorial explorat oria

13 A vari ancia de Xi para esse modelo e:

eles s ao constru dos n ao sendo correlacionados e explicam os dados t ao bem quanto os

2 b21 F2 + ... + 2 b22 F2 + ... +

j bji . Os valores do i- esimo fator n ao rotacionado s ao os valores do

Obten c ao dos dados

Procedimento para uma an alise de componentes principais

d12 d1p 1 d2p . . . . . .

Procedimento para uma an alise de fatores de componentes principais

em que Fi representa o novo i- esimo fator.

Z1 = 0, 3287X1 + 0, 3381X3 + 0, 2729X4 + 0, 3196X5 + 0, 2668X6 +

0, 2261X7 + 0, 3047X8 + 0, 2946X9 + 0, 3398X10 + 0, 2876X11 + 0, 3176X12

A primeira componente e um ndice global das vari aveis, em que todas

An alise fatorial explorat oria

Fator 2: massa corporal total, estatura, CMB, CP e prote na C reativa.

Fator 3: albumina e transferrina.

Fator 1: AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura.

Fator 2: Massa corporal total, CB, CMB, CP e IMC.

Fator 1: Massa corporal total, CB, CMB, DCSE, DCSI, CP e IMC.

Fator 2: AGB, DCT, DCB e porcentagem de gordura.

Fator 1: Massa corporal total, CB, CMB, AGB, CP e IMC.

Fator 2: DCT, DCB, DCSE, DCSI e porcentagem de gordura.

Fator 1: AGB, DCT, DCB, DCSE, DCSI e porcentagem de gordura.

Fator 2: massa corporal total, CB, CMB, CP e IMC.

Fator 3: albumina e transferrina.

Fator 2: massa corporal total, CMB, CP, albumina e transferrina.

Fator 1: CB, AGB, DCT, DCB, DCSI e porcentagem de gordura.

Fator 2: massa corporal total, CMB, DCSE, CP, IMC e albumina.

Fator 1: massa corporal total, CB , DCT, DCB, DCSE, DCSI e CP.

Fator 2: estatura, albumina e transferrina.

Software R usado nas an alises

lizadas pelo software R (Husson et al., 2010).

Você também pode gostar