Você está na página 1de 12

SERVIO PBLICO FEDERAL

INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA DO PAR


COORDENAO DE MATEMTICA
LICENCIATURA PLENA EM MATEMTICA






EDNEY BARATA PANTOJA
ANTONIO JOS BITTENCOURT








ESTIMANDO A PROBABILIDADE DE CURA DE PACIENTES OBESOS, VIA
REGRESSO LOGSTICA UM ESTUDO DE CASO








BELM-PA
2014
Probabilidade
Matemtica. PIBID/IFPA.
1
1. INTRODUO

Emprega-se esta tcnica, quando se deseja estudar o comportamento de uma
varivel dependente Y (varivel resposta binria) em relao a outras variveis
independentes X
i
(ou variveis preditoras), que so responsveis pela variabilidade
da varivel resposta. As variveis independentes podem ser qualitativas ou
quantitativas, porm o ajuste do modelo logstico mais eficaz quando todas as
variveis explicativas so categorizadas, a fim de evitar muitas freqncias nulas
nas categorias da varivel resposta.




2. OBJETIVO

O objetivo deste trabalho desenvolver um modelo para avaliar a evoluo
de algumas comorbidades relacionadas com a obesidade em pacientes submetidos
cirurgia de reduo de estmago (BARITRICA), com intuito de verificar se essa
evoluo est associada ao resultado na ps-cirurgia.




3. MATERIAIS E MTODOS

Para o desenvolvimento desse trabalho ser utilizado os dados cadastrais de
pacientes de uma Clnica de So Paulo, submetidos Cirurgia Baritrica (Cirurgia
da Obesidade), no perodo de 2003 a 2005, totalizando uma amostra de 105
pacientes, para que se possa estimar e ajustar um modelo que melhor represente a
probabilidade de cura. Para o tratamento dos dados utilizaremos a regresso
logstica mltipla, pelo Software SPSS 13.0 WINDOWS.



Probabilidade
Matemtica. PIBID/IFPA.
2
3.1 - MODELO DE REGRESSO LOGSTICA MLTIPLA

Segundo Cordeiro (1986), a regresso logstica consiste em relacionar,
atravs de um modelo, as probabilidades das categorias de uma varivel resposta
com fatores que influenciam na sua ocorrncia. No caso de uma varivel resposta
binria, assumindo valores 0 (fracasso) e 1 (sucesso), o modelo ajustado pela
regresso logstica, relacionar a probabilidade de sucesso com variveis, que
sejam significativas para a ocorrncia do sucesso.
Considerando a existncia de apenas uma varivel independente

(varivel
explicativa), tem-se o modelo de Regresso Logstica Simples, sendo sua forma
usual dada por:

=

0
+
1

1+
0
+
1

3.1
Onde,

a varivel resposta binria p/ o i-simo individuo;

a varivel independente p/ o i-simo individuo


=
0
,
1
o vetor de coeficientes do modelo.

a Probabilidade de sucesso, dado o conhecimento de

.

O modelo de regresso logstica multivariado uma extenso do modelo
logstico simples, quando se considera duas ou mais variveis explicativas

1
,
2
, ,
1
, sendo que o modelo composto no s por variveis preditoras, mas
tambm dos coeficientes de regresso
0
,
1
, ,
1
, ou seja,

=

,1

,2

,1

1


Logo temos:

=
0
+
1

,1
+
2

,2
++
1

,1



Probabilidade
Matemtica. PIBID/IFPA.
3
E a funo de resposta logstica 3.1 pode ser expressa por

1 +

3.2

Com esta notao, a funo de resposta logstica simples estende-se funo de
resposta logstica mltipla. A varivel dependente

dada por:

3.3
O termo

o erro do modelo e representa a diferena entre o valor observado de


e o valor esperado condicionado de

dado

, sendo

uma varivel dicotmica,


assumindo apenas valores 0 ou 1,
Se

= 1

= 1

, com probabilidade igual a

.
Se

= 0

, com probabilidade igual a 1

.
Assim

tem distribuio com mdia 0 (zero), e varincia

.


3.2 - ESTIMAO DOS PARMETROS:

Os parmetros desconhecidos do modelo so
0
,
1
, ,
1
, esses
parmetros so estimados pelo mtodo de Mxima Verossi milhana (Bolfarine e
Sandoval, 2001).
Cada observao da varivel aleatria

tem uma distribuio de Bernoulli, com:

= 1 =

= 0 = 1

, 3.4

ou seja, a funo de probabilidade de

dada por

, com

= 0 1, = 1, , 3.5

Logo, a funo de verossimilhana ser a seguinte:
, ,

=1
=

=1
1

3.6
Aplicando o logaritmo neperiano na funo de verossimilhana, substituindo (3.2) e
fazendo algumas operaes numricas, obtm-se:
Probabilidade
Matemtica. PIBID/IFPA.
4
, ,

= ln

=1
ln1 +

=1
3.7

Para encontrar as estimativas de
0
,
1
, ,
1
que maximizam a funo (3.7),
devem-se utilizar mtodos numricos, sendo que suas estimativas sero denotadas
por

=
0
,
1
, ,
1
. E a funo resposta logstica ajustada ser dada por:

1 +

3.8

3.3 - TESTE DE BONDADE DE AJUSTE
Aps a estimao dos parmetros deve-se investigar a significncia
estatstica dos mesmos no modelo.

3.3.1 - O teste de Wald (W)

utilizado para avaliar se o parmetro estatisticamente significante, a
estatstica deste teste obtida pela razo do coeficiente pelo seu respectivo erro
padro:
=

3.9

sendo que possui distribuio normal, e seu valor comparado com valores
tabulados, de acordo com o nvel de significncia definido, e sua hiptese nula que
os

so iguais a zero.

3.3.2 - Deviance (D)

uma estatstica de bondade de ajuste muito enfatizada na literatura e baseia-se
nas funes de log-verossimilhana maximizadas, sendo expressa por:
= ; = 2; ; 3.10
onde ; representa a mxima verossimilhana de um ajuste exato, e ;
representa a mxima verossimilhana do modelo sob estudo.

Probabilidade
Matemtica. PIBID/IFPA.
5
3.4 - RESULTADOS

3.4.1 - Resumo Descritivo para os Pacientes com Comorbidades

Na Figura 3.1, observa-se que dentre os pacientes do sexo masculino, 27,8%
tiveram melhora da comorbidade, enquanto que 72,2% saram curados da cirurgia.
Dentre o sexo feminino 55,3% foram curados caracterizando um resultado
satisfatrio em relao ao esperado, quando se submete cirurgia de vdeo ou
aberta.









Figura 3.1 A evoluo da comorbidade, segundo o sexo.

A Tabela 3.1, nos mostra a distribuio dos pacientes que apresentaram
alguma comorbidade, cruzando a evoluo da comorbidade com o tipo de cirurgia.
Ela nos revela que dentre os indivduos que realizaram cirurgia do tipo vdeo a
maioria teve cura, com cerca de 75%, enquanto dentre os que realizaram cirurgia do
tipo aberta a maioria teve melhora, com um percentual de 58,3%.

Tabela 3.1 Distribuio do percentual do tipo de cirurgia segundo a evoluo da
comorbidade

Evoluo da Comorbidade
Total
Curado Melhorado
Tipo de
Cirurgia

Vdeo 75 25 100
Aberta 41,7 58,3 100

72,2
27,8
55,3
44,7
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
%
Masculino Feminino
Curado Melhorado
Probabilidade
Matemtica. PIBID/IFPA.
6
Na Figura 3.2, observa-se o lgico, pois a maioria dos pacientes que
apresentaram cura ou melhora, encontram-se no grupo dos que no apresentaram
nenhum tipo de complicao, o que na prtica isso o esperado, quanto menos
complicao, melhor ser o resultado final. Esse total de 43 equivale a 76,8% dos
pacientes que apresentaram alguma comorbidade.

Figura 3.2 A evoluo das comorbidades, segundo as complicaes cirrgicas.

A Tabela 3.2 mostra que, o peso inicial mdio dos pacientes curados de
128 , dos pacientes melhorados 119 , ou seja, a anlise da mdia sugere que
pacientes curados tm peso superior queles que saram melhorados.
Os valores mnimos e mximos do peso dos pacientes curados correspondem
a 90 e 120 , respectivamente, enquanto que os pesos dos pacientes
melhorados variam de 92 a 173 . Fazendo uma anlise dos quartis, observa-
se que 25% (
1
) dos pacientes curados possuem pesos menores que 110 e 25%
(
3
) dos pacientes curados possuem pesos maiores que 138 . Analisando os
pacientes melhorados, temos que 25% dos pacientes melhorados possuem pesos
menores que 108 e 25% possuem pesos maiores que 130 .

Tabela 3.2 Resumo descritivo do Peso segundo a evoluo da comorbidade
Mdia Moda DP Q
1
Q
2
Q
3
Mnimo Mximo
Curado 128 120 27 110 123 138 90 210
Melhorado 119 110 21 108 111 130 92 173

No Apresentaram Apresentaram
24
19
10
3
0
5
10
15
20
25
Curado Melhorado
Probabilidade
Matemtica. PIBID/IFPA.
7
Observando-se a Tabela 3.3, a idade mdia dos pacientes curados de 39
anos, com idade mnima de 18 anos e a mxima, 59 anos, j a media de idade dos
pacientes melhorados de 40 anos, cujas observaes mnimas e mximas
correspondem a 25 anos e 58 anos, respectivamente.

Tabela 3.3 Resumo descritivo da Idade segundo a evoluo da comorbidade
Mdia Moda DP Q
1
Q
2
Q
3
Mnimo Mximo
Curado 39 32 10 31 36 47 18 59
Melhorado 40 31 10 31 40 47 25 58

A Tabela 3.4, mostra que, o IMC (ndice de Massa Corprea) mdio dos
pacientes curados de 47,36, as observaes mnimas e mximas so de 35,1 e
65,7, respectivamente. J para os clientes melhorados o IMC mdio de 45,13,
cujas observaes mnimas e mximas, correspondem a 38,3 e 63,6,
respectivamente.
Fazendo uma anlise dos quartis, observa-se que 25% dos pacientes curados
possuem um IMC inferior a 42,45 e 25% possuem um IMC acima de 52,13.
Analisando os pacientes melhorados, 25% desses pacientes possuem um IMC
inferior a 39,6 e 50% dos pacientes melhorados possuem um IMC acima e abaixo de
41,85.
Tabela 3.4 Resumo descritivo do IMC segundo a evoluo da comorbidade
Mdia Moda DP Q
1
Q
2
Q
3
Mnimo Mximo
Curado 47,36 46,80 7,84 42,45 45,15 52,13 35,1 65,7
Melhorado 45,13 39,6 7,23 39,6 41,85 50,38 38,3 63,6


3.4.2 - Estimando a Probabilidade de Cura
Tabela 3.5 - Variveis que entraram na Equao.



Coeficiente
Desvio
Padro Wald
Grau de
Liberdade P-valor. Exp(B)
Constante -.435 .274 2.531 1 .112 .647

Probabilidade
Matemtica. PIBID/IFPA.
8
Tabela 3.6 - Variveis que no entraram na Equao.

As tabelas 3.5 e 3.6, acima nos mostram que o mtodo forward inicia-se com
um modelo apenas com a constante. Em cada passo a varivel independente com
maior valor de pontuao (score) escolhida para entrar no modelo, desde que a
probabilidade de significncia do teste seja superior 5%.

Tabela 3.7 - Variveis que entraram na Equao.

A Tabela 3.7, mostra a constante e a varivel Cirurgia que foi includa no
passo anterior.

Tabela 3.8 - Variveis que entraram na Equao.



Score
Grau de
Liberdade p-valor.
Variveis
Cirurgia 6.389 1 .011
Sexo 1.473 1 .225
Complicaes Cirrgicas 1.865 1 .172
Complicaes Clnicas 1.865 1 .172
Idade .774 1 .379
IMC 1.476 1 .224
Overall Statistics
15.575 6 .016




Variveis

Coeficiente

Desvio Padro

Wald

Graus de
liberdade

p-valor.

Exp(B)

Cirurgia
1.435 .581 6.091 1 .014 4.200
Constante
-1.099 .408 7.242 1 .007 .333


Variveis
Coeficiente

Desvio Padro

Wald

Graus de
liberdade

p-valor

Exp(B)

Cirurgia
2.043 .695 8.629 1 .003 7.711

Complicaes Cirrgicas
1.893 .863 4.814 1 .028 6.637

Constante
-2.848 .929 9.388 1 .002 .058

Probabilidade
Matemtica. PIBID/IFPA.
9
A Tabela 3.8, contm a constante, a varivel Cirurgia que foi includa no 1
passo e passou no teste de excluso e a nova varivel includa no passo seguinte,
Complicaes Cirrgicas.

Tabela 3.9 - Variveis e Coeficientes Estimados no Modelo Ajustado.


A Tabela 3.9 mostra o conjunto de variveis que compem o modelo ajustado,
com suas respectivas categorias significativas, testadas pela estatstica Wald (teste
de significncia individual dos parmetros) e, comprovado pelo p-valor dessa
estatstica. As variveis Sexo, Complicaes Clnicas e Idade no foram
estatisticamente significativas para o modelo.

Tabela 3.10 - Teste de ajuste de Pearson, Deviance e Hosmer-Lemeshow.
Mtodo Qui-Quadrado Graus de Liberdade P-valor
Pearson 18,902 19 0,463
Deviance 20,370 19 0,373
Hosmer-Lemeshow 4,577 5 0,470

Observa-se na Tabela 3.10, que as estatsticas de bondade de ajuste so unnimes
na aceitao do modelo, pois os mtodos Deviance, Pearson e Hosmer-Lemeshow
indicam com p-valor

0,05 que h evidncias suficientes para aceitao do modelo.





Variveis

Categorias


Coeficientes
Erro
Padro

Wald

Graus de
liberdade

p-
valor




Cirurgia
Vdeo (0)
Aberta (1) 2.434 .782 9.703 1 .002
Complicaes
Cirrgicas
No (0)
Sim (1) 1.921 .889 4.671 1 .031
IMC*
Acima de
45 (0)

Abaixo de
45 (1)
1.276 .709 3.243 1 .072
Constante -3.748 1.134 10.918 1 .001
* A varivel IMC, s significativa a 10%.
Probabilidade
Matemtica. PIBID/IFPA.
10
Logo, os valores probabilsticos exatos so estimados (P
i
) pela equao:
) 276 , 1 _ 921 , 1 434 , 2 748 , 3 ( exp 1
) 276 , 1 _ 921 , 1 434 , 2 748 , 3 ( exp
) (
imc cirurg complic cirurgia
imc cirurg complic cirurgia
X
i





3.4.3 Validao do modelo ajustado.
A Tabela 3.11 apresenta as propores de acertos de valores previstos com o
modelo ajustado, para diferentes valores do ponto de corte. Observa-se que o corte
45 produz a maior taxa de acerto (75%), e seria escolhido como ponto de corte
otimizado.

Tabela 3.11 - Taxa de acerto de valores previsto com o modelo ajustado
% de corte
Taxa de acerto
do Modelo
30 62,50%
35 62,50%
40 75,00%
45 75,00%
50 73,20%
55 73,20%
60 73,20%

Assim, para fazer a previso de novos pacientes sarem de uma cirurgia
baritrica com a classificao de paciente curado ou paciente melhorado, ser
usada a seguinte regra:
- Se a probabilidade estimada for maior que o Score 45, ento o paciente ser
classificado como curado;
- Se a probabilidade estimada for menor que o Score 45, ento o paciente ser
classificado como melhorado;
Vale lembrar que a probabilidade estimada (em percentual) de cura do
paciente representada pelo valor arredondado da seguinte frao:
= 100

1 +


Probabilidade
Matemtica. PIBID/IFPA.
11
4. CONCLUSO

A concluso que pode ser feita a partir de todos os resultados observados que a
probabilidade estimada de cura das comorbidades dos pacientes, gerada atravs da
regresso logstica, para uma cirurgia de obesidade, um modelo estatisticamente
vlido, cujo poder resultante indica que a aplicao do modelo na prtica ser capaz
de prever corretamente as possibilidades de um paciente se submeter a uma
cirurgia baritrica e sair curado ou no de algumas comorbidades, que possam a
aparecer devido a sua obesidade, esse modelo classifica corretamente cerca de
75% dos casos, ou seja, tem 75% de acerto. Esta probabilidade de acerto baseia-se
na validao realizada com os dados utilizados para o ajuste. O modelo ajustado
abaixo mostra que as variveis que melhor caracterizam o paciente quanto a
evoluo da comorbidade, foram: Tipo de cirurgia; IMC do paciente e
Complicaes cirrgicas.

) 276 , 1 _ 921 , 1 434 , 2 748 , 3 ( exp 1
) 276 , 1 _ 921 , 1 434 , 2 748 , 3 ( exp
) (
imc cirurg complic cirurgia
imc cirurg complic cirurgia
X
i





5. BIBLIOGRAFIA

BOLFARINE, H. e SANDOVAL, M. C. Introduo Inferncia Estatstica, Rio de
Janeiro: SBM, 2001.
CORDEIRO, M. G.,Modelos Lineares Generalizados, VII SINAPE, Campinas, So
Paulo, 1986;
PORIES, W. J. K. Surgical treatment of obesity and its effect on diabetes: 10
year follow-up. 2003.
SORBELLO, A. A., Desmistificando a Obesidade Severa, So Paulo: M. Books,
2005.
SOUZA, G. S. (1998) Introduo aos Modelos Regresso Linear e No-Linear.
Braslia, Embrapa 1 edio.