Aplicación de la regresión logística en el análisis de factores de riesgo asociados a la hipertensión arterial
DOI:
https://doi.org/10.33448/rsd-v10i16.22964Palabras clave:
Asociación; Factores de riesgo; Modelo de ajuste.Resumen
La regresión logística es una técnica importante para el modelado de datos cuando desea analizar la relación entre una variable de respuesta y una o más variables independientes. La técnica permite estimar las posibilidades relacionadas con la probabilidad de que ocurra un evento de interés. La regresión logística se diferencia de la lineal por la naturaleza dicotómica de la variable dependiente y se ha utilizado en varias áreas del conocimiento, incluidos estudios en el área de la salud. Este estudio utilizó la técnica de regresión logística para analizar la asociación entre Hipertensión y ciertos factores de riesgo. Los datos utilizados provienen de la Encuesta Nacional de Salud (PNS) del año 2019, realizada por el Instituto Brasileño de Geografía y Estadística (IBGE) en el país. Se ajustaron dos modelos, estando el modelo final compuesto por siete variables con una significancia estadística del 5%. Las técnicas de diagnóstico indicaron un ajuste adecuado del modelo, así como su precisión para las predicciones. Los resultados muestran que factores como la edad avanzada, el índice de masa corporal (IMC) alto y un diagnóstico positivo de diabetes aumentan las posibilidades de que una persona sea hipertensa.
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Maria Beatriz Galdino da Silveira; Nyedja Fialho Morais Barbosa; Ana Patrícia Bastos Peixoto; Érika Fialho Morais Xavier; Sílvio Fernando Alves Xavier Júnior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
