Resumo em Português:

Resumo: O objetivo deste estudo foi avaliar a estrutura dimensional do instrumento s-EMBU, utilizado para a mensuração de práticas educativas parentais, quando aplicado a adolescentes. A amostra contou com 487 estudantes da Região Metropolitana do Rio de Janeiro, Brasil, no ano de 2013. A média de idade foi 14 anos, sendo 47% meninas. A estrutura dimensional original foi avaliada por análise fatorial do tipo confirmatória (AFC). Também foram implementados modelos de equação estrutural exploratórios (MEEE). O ajuste da AFC foi insatisfatório. À luz dos MEEE, a solução mais parcimoniosa concerniu o modelo de três fatores (RMSEA = 0,03; CFI = 0,97; e TLI = 0,96), porém vários itens da dimensão superproteção apresentaram cargas fatoriais maiores na dimensão Rejeição. Os itens das dimensões rejeição e calor emocional se mostraram mais apropriados. No Brasil, o s-EMBU capta parcialmente as dimensões propostas para aferição das práticas educativas parentais em adolescentes. A dimensão calor emocional teve sua estrutura dimensional confirmada, no entanto, a de rejeição e especialmente a de superproteção requerem aprimoramento.

Resumo em Espanhol:

Resumen: El objetivo fue evaluar la estructura dimensional del instrumento s-EMBU, utilizado para la medida de prácticas educativas parentales, cuando se aplica a adolescentes. La muestra contó con 487 estudiantes de la región metropolitana de Río de Janeiro, Brasil, durante el año 2013. La media de edad era 14 años, siendo un 47% niñas. La estructura dimensional original fue evaluada por análisis factorial del tipo confirmatorio (AFC). También se implementaron modelos de ecuación estructural exploratorios (MEEE). El ajuste de la AFC fue insatisfactorio. A la luz de los MEEE, la solución más parsimoniosa concernió al modelo de tres factores (RMSEA = 0,03, CFI = 0,97 y TLI = 0,96), sin embargo, varios ítems de la dimensión superprotección tuvieron cargas factoriales mayores en la dimensión rechazo. Los ítems de las dimensiones rechazo y calor emocional se mostraron más apropiados. En Brasil, el s-EMBU capta parcialmente las dimensiones propuestas para la estimación de las prácticas educativas parentales en adolescentes. La estructura dimensional de la dimensión calor emocional fue confirmada, no obstante, la de rechazo y, especialmente, la de superprotección requieren un perfeccionamiento.

Resumo em Inglês:

Abstract: The aim of this study was to assess the dimensional structure of the s-EMBU, used to measure parental educational practices in adolescents. The sample included 487 students from Greater Metropolitan Rio de Janeiro, Brazil, in 2013. Mean age was 14 years, and 47% were girls. The original dimensional structure was assessed by confirmatory factor analysis (CFA). The study also applied exploratory structural equation modeling (ESEM). CFA adjustment was unsatisfactory. In light of the ESEM, the most parsimonious solution concerned the three-factor model (RMSEA = 0.03, CFI = 0.97, and TLI = 0.96), but various items in the overprotection dimension showed higher factor loads in the rejection dimension. The items in the rejection and emotional warmth dimensions proved more appropriate. In Brazil, s-EMBU partially captures the proposed dimensions for measuring parental educational practices in adolescents. Emotional warmth had its dimensional structure confirmed, but rejection and especially overprotection require further refinement.

Resumo em Português:

Resumo: Apesar do crescente reconhecimento de seu potencial, os diagramas causais ainda são pouco utilizados na investigação epidemiológica. Uma das possíveis razões é que muitos programas de investigação envolvem temas sobre o qual há certo grau de incerteza sobre os mecanismos dos processos que geram os dados. Neste trabalho, a relação entre estresse ocupacional e obesidade é utilizada como um exemplo de aplicação de diagramas causais em questões relacionadas ao confundimento. São apresentadas etapas da seleção de variáveis para ajuste estatístico e da derivação das implicações estatísticas de um diagrama causal. A principal vantagem dos diagramas causais é tornar explícitas as hipóteses adjacentes ao modelo considerado, permitindo que suas implicações possam ser analisadas criticamente, facilitando, dessa forma, a identificação de possíveis fontes de viés e incerteza nos resultados de um estudo epidemiológico.

Resumo em Espanhol:

Resumen: A pesar del creciente reconocimiento de su potencial, los diagramas causales todavía se utilizan poco en la investigación epidemiológica. Una de las posibles razones es que muchos programas de investigación están involucrados en temas sobre los cuales existe un cierto grado de incertidumbre acerca de los mecanismos de los procesos que generan los datos. En este trabajo, la relación entre estrés ocupacional y obesidad se utiliza como un ejemplo de aplicación de diagramas causales en cuestiones relacionadas con la confusión. Se presentan etapas de la selección de variables para el ajuste estadístico y de la derivación de las implicaciones estadísticas de un diagrama causal. La principal ventaja de los diagramas causales es hacer explícitas las hipótesis adyacentes al modelo considerado, permitiendo que sus implicaciones puedan ser analizadas críticamente, facilitando, de esta forma, la identificación de posibles fuentes de sesgo e incertidumbre en los resultados de un estudio epidemiológico.

Resumo em Inglês:

Abstract: Epidemiological research still rarely uses causal diagrams, despite growing recognition of their explanatory potential. One possible reason is that many research programs involve themes in which there is a certain degree of uncertainty as to mechanisms in the processes that generate the data. In this study, the relationship between occupational stress and obesity is used as an example of the application of causal diagrams to questions related to confounding. The article presents the selection stages for variables in statistical adjustment and the derivation of a causal diagram's statistical implications. The main advantage of causal diagrams is that they explicitly reveal the respective model's underlying hypotheses, allowing critical analysis of the implications and thereby facilitating identification of sources of bias and uncertainty in the epidemiological study's results.

Resumo em Português:

Resumo: A incidência de dengue ocorre predominantemente em áreas urbanas das cidades. Identificar o padrão de distribuição espacial da doença no nível local contribui na formulação de estratégias de controle e prevenção da doença. A análise espacial de dados de contagem para pequenas áreas comumente viola as suposições dos modelos tradicionais de Poisson, devido à quantidade excessiva de zeros. Neste estudo, comparou-se o desempenho de quatro modelos de contagem utilizados no mapeamento de doenças: Poisson, Binomial negativa, Poisson inflacionado de zeros e Binomial negativa inflacionado de zeros. Os métodos foram comparados em um estudo de simulação. Os modelos analisados no estudo de simulação foram aplicados em um estudo ecológico espacial, aos dados de dengue agregados por setores censitários, do Município de Campinas, São Paulo, Brasil, em 2007. A análise espacial foi conduzida por modelos hierárquicos bayesianos. O modelo de Poisson inflacionado de zeros apresentou melhor desempenho para estimar o risco relativo de incidência de dengue nos setores censitários.

Resumo em Espanhol:

Resumen: La incidencia de dengue se produce, predominantemente, en las áreas urbanas de las ciudades. Identificar el patrón de distribución espacial de la enfermedad a nivel local contribuye a la formulación de estrategias de control y prevención de la enfermedad. El análisis espacial de datos de conteo para pequeñas áreas comúnmente transgrede las suposiciones de los modelos tradicionales de Poisson, debido a la cantidad excesiva de ceros. En este estudio, se comparó el desempeño de cuatro modelos de conteo utilizados en el mapeo de enfermedades: Poisson, binomial negativo, Poisson con exceso de ceros y binomial negativo con exceso de ceros. Los métodos fueron comparados en un estudio de simulación. Los modelos analizados en el estudio de simulación fueron aplicados en un estudio ecológico espacial, a los datos de dengue agregados por sectores censales, del Municipio de Campinas, São Paulo, Brasil, 2007. El análisis espacial fue realizado con modelos jerárquicos bayesianos. El modelo de Poisson con exceso de ceros presentó un mejor desempeño para estimar el riesgo relativo de incidencia de dengue en los sectores censales.

Resumo em Inglês:

Abstract: Dengue incidence occurs predominantly within city limits. Identifying spatial distribution of the disease at the local level helps formulate strategies to control and prevent the disease. Spatial analysis of counting data for small areas commonly violates the assumptions of traditional Poisson models due to the excessive amount of zeros. This study compared the performance of four counting models used in mapping diseases: Poisson, negative binomial, zero-inflated Poisson, and zero-inflated negative binomial. The methods were compared in a simulation study. The models analyzed in the simulation were applied to a spatial ecological study of dengue data aggregated by census tracts in the city of Campinas, São Paulo State, Brazil, 2007. Spatial analysis was conducted with Bayesian hierarchical models. The zero-inflated Poisson model showed the best performance for estimating relative risk of dengue incidence in the census tracts.