Aplicação da Regressão por Redução de Posto para Identificação de Padrões Alimentares

Abstract

A regressão por redução de posto (RRR) é uma técnica que vem sendo empregada na epidemiologia nutricional desde 2004. O objetivo dela é encontrar padrões alimentares associados a algum desfecho. Assim, ela é considerada uma técnica que combina informações a priori e a posteriori. A informação a priori é um conhecimento prévio da associação entre as variáveis intermediárias (biomarcadores, nutrientes) e o desfecho (doença), e a posteriori é a combinação entre as variáveis intermediárias e o consumo alimentar. A RRR tenta explicar o máximo possível da variação das variáveis resposta através das variáveis preditoras. Este trabalho fornece uma breve revisão teórica da técnica e rotinas computacionais em SAS. Uma análise ilustrativa também é abordada, utilizando-se dados do estudo “Condições de saúde das mulheres: estudo de base populacional na região do Vale do Rio dos Sinos”. Neste estudo o desfecho considerado foi a hipertensão arterial; as variáveis intermediárias consideradas foram os nutrientes sódio, potássio e gordura saturada; as variáveis preditoras foram a frequência de consumo de 70 tipos de alimentos. Uma das suposições do método é que as variáveis intermediárias sejam normais multivariadas. O número máximo de fatores que a técnica encontra é igual ao número de variáveis resposta existentes.

The reduced rank regression (RRR) is a technique that has been used in nutritional epidemiology since 2004. Its goal is to find some food patterns associated with outcome. Thus, it is considered a technique that combines prior and posterior information. The prior information is a prior knowledge of the association between the intermediate variables (biomarkers, nutrients) and the outcome (disease), and subsequently is the combination of the intermediate variables and food consumption. The RRR tries to explain as much as possible of the variation in responses across the predictors. This work provides a brief theoretical review of the technical and computational routines in SAS. An illustrative analysis is also addressed, using data from the study "Health conditions women: population-based study in the Vale do Rio dos Sinos." In this study the outcome was hypertension, the intermediate variables considered were the nutrients sodium, potassium and saturated fat; predictor variables were the frequency of consumption of 70 foods. One of the assumptions of the method is that the intermediate variables are multivariate normal. The maximum number of factors that the technique finds is equal to the number of variables response.