Aplicação da regressão logística na análise dos dados dos fatores de risco associados à hipertensão arterial
DOI:
https://doi.org/10.33448/rsd-v10i16.22964Palavras-chave:
Associação; Fatores de risco; Modelo ajustado.Resumo
A regressão logística é uma técnica importante para modelagem de dados quando se deseja analisar a relação entre uma variável resposta e uma ou mais variáveis independentes. A técnica permite que se estime as chances relacionadas à probabilidade da ocorrência de um evento de interesse. A regressão logística diferencia-se da regressão linear devido à natureza dicotômica da variável dependente e vem sendo utilizada em diversas áreas do conhecimento, incluindo estudos na área da saúde. O presente trabalho utilizou a técnica da regressão logística com o objetivo de analisar a associação entre Hipertensão Arterial e determinados fatores de risco. Os dados utilizados provém da Pesquisa Nacional de Saúde (PNS) do ano de 2019, realizada pelo Instituto Brasileiro de Geografia e Estatística (IBGE) em território nacional. Foram ajustados dois modelos, sendo o modelo final composto por sete variáveis com significância estatística de 5%. As técnicas de diagnóstico indicaram um ajuste adequado do modelo, bem como sua precisão para predições. Os resultados apontam que fatores como o aumento da idade, índice de massa corporal (IMC) alto e o diagnóstico positivo para diabetes aumentam as chances de um indivíduo ser hipertenso.
Referências
Alves, J. M. S. (2016). Dos mínimos quadrados à regressão linear: atividades históricas sobre função afim e estatística usando planilhas eletrônicas (Dissertação de Mestrado, Universidade Federal do Rio Grande do Norte).
Ahmad, W. M. A. W., Nawi, M. A. B. A., Aleng, N., Halim, N., Mamat, M., Hamzah, M., & Ali, Z. (2014). Association of hypertension with risk factors using logistic regression. Applied Mathematical Sciences, 8(52), 2563-2572.
Andriani, P., & Chamidah, N. (2019, August). Modelling of Hypertension Risk Factors Using Logistic Regression to Prevent Hypertension in Indonesia. In Journal of Physics: Conference Series 1306(1), 012027. IOP Publishing.
Barroso, W. K. S., Rodrigues, C. I. S., Bortolotto, L. A., Mota-Gomes, M. A., Brandão, A. A., Feitosa, A. D. D. M., ... & Nadruz, W. (2021). Diretrizes Brasileiras de Hipertensão Arterial–2020. Arquivos Brasileiros de Cardiologia, 116, 516-658.
Borges, A. C. do N., Bezerra, J. B., Alencar, V. Y. C., Silva, K. de A., Costa, A. A. A., Oliveira, B. G. S., Costa, A. L., Portela, J. V. F., & Bezerra, F. das C. L. (2020). Vitamin D linked to high blood pressure. Research, Society and Development, 9(1), e110911691. https://doi.org/10.33448/rsd-v9i1.1691
Bozpolat, E. (2016). Investigation of the Self-Regulated Learning Strategies of Students from the Faculty of Education Using Ordinal Logistic Regression Analysis. Educational Sciences: Theory and Practice, 16(1), 301-318.
Cabral, C. I. S. (2013). Aplicação do modelo de regressão logística num estudo de mercado (Dissertação de Mestrado). Universidade de Lisboa, Lisboa, Portugal.
Christensen, R. (1997). Logistic Regression, Logit Models, and Logistic Discrimination. Log-Linear Models and Logistic Regression, 116-177.
Constantin, C. (2015). Using the Logistic Regression model in supporting decisions of establishing marketing strategies. Bulletin of the Transilvania University of Brasov. Economic Sciences. Series 8(2), 4.
Cox, D. R., & Snell, E. J. (2018). Analysis of binary data. Routledge.
Cruz, C. J. F., & Mapa, D. (2013). An early warning system for inflation in the Philippines using Markov-switching and logistic regression models. Theoretical and Practical Research in Economic Fields, 2, 137-152.
Dunn, P. K., & Smyth, G. K. (1996). Randomized quantile residuals. Journal of Computational and Graphical Statistics, 5(3), 236-244.
Fawcett, T. (2006). An introduction to ROC analysis. Pattern recognition letters, 27(8), 861-874.
Figueira, C. V. (2006). Modelos de regressão logística (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul, Porto Alegre, Brasil.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Bookman editora.
Heo, B. M., & Ryu, K. H. (2018). Prediction of Prehypertenison and Hypertension Based on Anthropometry, Blood Parameters, and Spirometry. International journal of environmental research and public health, 15(11), 2571. https://doi.org/10.3390/ijerph15112571.
Hosmer Jr, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (Vol. 398). John Wiley & Sons.
Johnson, S., Corsten, M. J., McDonald, J. T., & Chun, J. (2010). Socio-economic factors and stage at presentation of head and neck cancer patients in Ottawa, Canada: A logistic regression analysis. Oral oncology, 46(5), 366-368.
Koç, A. A., & Yeniay, Ö. (2013). A comparative study of artificial neural networks and logistic regression for classification of marketing campaign results. Mathematical and Computational Applications, 18(3), 392-398.
Marques, A. P., Szwarcwald, C. L., Pires, D. C., Rodrigues, J. M., Almeida, W. D. S. D., & Romero, D. (2020). Fatores associados à hipertensão arterial: uma revisão sistemática. Ciência & Saúde Coletiva, 25, 2271-2282.
Mesquita, P. S. B. (2014). Um modelo de Regressão Logística para Avaliação de Programas de Pós-Graduação no Brasil (Dissertação de Mestrado). Universidade Estadual do Norte Fluminense, Campos dos Goytacazes, Brasil.
Nascimento, R. L. do, Carvalho, F. O.., Araujo, F. de S.., Melo-Marins, D. de., Carneiro, M. V. O., Saraiva, L. C., Moreira, S. R., & Nascimento Junior, J. R. A. (2021). Anthropometric and hemodynamic indicators associated with arterial hypertension in sedentary people. Research, Society and Development, 10(7), e25310716603. https://doi.org/10.33448/rsd-v10i7.16603.
Pereira, M. A. A. (2019). Modelos não lineares assimétricos com efeitos mistos (Tese de Doutorado). Universidade Federal de São Carlos, São Carlos, Brasil.
Pregibon, D. (1981). Logistic regression diagnostics. The annals of statistics, 9(4), 705-724.
Souza, É. C. D. (2006). Análise de influência local no modelo de regressão logística (Tese de Doutorado). Universidade de São Paulo, São Paulo, Brasil.
Vital, T. G., Silva, I. de O., & Paz, F. A. do N. (2020). Arterial hypertension and work-related risk factors: a literature review. Research, Society and Development, 9(7), e905975085. https://doi.org/10.33448/rsd-v9i7.5085.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Maria Beatriz Galdino da Silveira; Nyedja Fialho Morais Barbosa; Ana Patrícia Bastos Peixoto; Érika Fialho Morais Xavier; Sílvio Fernando Alves Xavier Júnior

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.