SciELO - Scientific Electronic Library Online

 
vol.10 issue3Sick leaves among nursing professionals in basic healthcare centers of the Brazilian National Unified Healthcare System - SUS - in the city of CampinasSingle lesion as an indicator to monitor the leprosy trend to elimination in hyperendemic areas author indexsubject indexarticles search
Home Page  

Services on Demand

Article

Indicators

Related links

Share


Revista Brasileira de Epidemiologia

Print version ISSN 1415-790X

Rev. bras. epidemiol. vol.10 n.3 São Paulo Sep. 2007

http://dx.doi.org/10.1590/S1415-790X2007000300012 

ARTIGOS ORIGINAIS

 

Redução de lista de alimentos para questionário de freqüência alimentar: questões metodológicas na construção

 

Food list reduction for a food frequency questionnaire: methodological issues

 

 

Vera Lucia Chiara; Maria-Elisa Barros; Luciane Pires Costa; Patrícia Dias Martins

Instituto de Nutrição da Universidade Estadual do Rio de Janeiro DNS/INU/UERJ

Correspondência

 

 


RESUMO

OBJETIVO: Reduzir lista de alimentos de um questionário de freqüência alimentar semiquantitativo através de diversas estratégias metodológicas, mantendo-se a capacidade de análise do consumo de energia, proteínas, glicídios, lipídeos, cálcio e ferro.
MÉTODOS:
Utilizou-se um questionário de freqüência semiquantitativo com 80 itens alimentares respondidos por 224 meninas (12-19 anos). Reduziu-se a lista por regressão linear múltipla, freqüência de consumo e composição nutricional dos alimentos. Analisou-se por teste t de Student, sensibilidade de distribuição das adolescentes por quartis de consumo, coeficiente Kappa e modelos de regressão.
RESULTADOS: Os alimentos incluídos apresentaram coeficiente de regressão positivo, com valor de F significativo (P<0,001). As variâncias totais dos modelos foram superiores a 0,87, com alguns alimentos não apresentando plausibilidade nos modelos. Selecionaram-se 32 alimentos dos modelos e 37 dentre os freqüentemente consumidos. Os dois critérios apresentaram alguns alimentos distintos; quando os mesmos foram integrados, obtiveram-se 40 alimentos para lista reduzida. As médias de consumo não diferiram entre a lista integral e a reduzida. As análises de sensibilidade variaram entre 85% e 100%. O grau de concordância foi significativo para todos os fatores dietéticos. Os modelos de regressão com a lista reduzida mantiveram variâncias totais acima de 0,85 e alimentos semelhantes aos anteriores.
CONCLUSÃO: Os critérios estabelecidos foram apropriados para reduzir a lista de 80 alimentos em 40, mantendo-se a capacidade de predição e de avaliação do consumo alimentar dos componentes investigados para o grupo populacional utilizado.

Palavras-chave: Questionário de freqüência alimentar. Inquéritos alimentares. Consumo alimentar. Epidemiologia nutricional.


ABSTRACT

OBJECTIVE: To reduce the food list of a semi-quantitative food frequency questionnaire, through several methodological strategies, maintaining the ability to assess energy, proteins, glycids, lipids, calcium, and iron consumption.
METHODS: A semi-quantitative 80-item food frequency questionnaire, answered by 224 female adolescents (aged 12-19 years) was used. The list was reduced through multiple linear regressions, frequency of consumption and food nutritional composition. It was assessed through Student's t-test, sensitivity of adolescents' distribution according to consumption quartiles, Kappa coefficient and regression models.
RESULTS: Food included in the analysis showed a positive regression coefficient, with a significant F value (P<0.001). The models' total variances were over 0.87, and some food types did not show plausible models. Thirty-two food types were selected among the models, and 37 among the most commonly consumed ones. Both criteria included some different foods and, when these were merged, 40 food types formed the abridged list. Consumption averages did not vary between the complete list and the reduced one. Sensitivity analyses ranged from 85% to 100%. The agreement level was significant for all diet factors. Regression models in the reduced list kept total variances over 0.85 and similar food types as compared to the previous ones.
CONCLUSION: The established criteria were appropriate to reduce the food list from 80 to 41 items, keeping the predictive ability and food intake assessment of the components investigated in this population group.

Keywords: Food frequency questionnaire. Food inquiry. Food intake. Nutritional epidemiology.


 

 

Introdução

O crescente interesse em avaliar a associação entre exposição dietética e condições de saúde vem refletindo no desenvolvimento de questionários de freqüência de consumo alimentar1-4. Diferentemente dos métodos de inquérito dietético que avaliam a dieta atual, como o recordatório de 24 horas e o registro alimentar, o questionário de freqüência alimentar é muito útil para retratar a dieta habitual, identificando características do consumo quanto aos fatores nutricionais da dieta e tipos de alimentos freqüentemente consumidos por períodos de tempo mais longos. É essa peculiaridade dos questionários de freqüência alimentar que possibilita o desenvolvimento de estudos de associação entre a dieta e saúde/doença5,6.

Outra vantagem do instrumento diz respeito à possibilidade de discriminação dos indivíduos, em razão da variabilidade de consumo entre os mesmos, que é captada com o questionário. Além disso, permite a caracterização de consumo segundo a classificação relativa, com relação à distribuição de determinado fator dietético no grupo1-5.

Existem três modalidades distintas de questionários de freqüência de consumo alimentar. Em uma opção de modelo, o pesquisador não especifica a quantidade, detendo-se apenas na definição do número de vezes em que o alimento ou grupo de alimentos é consumido. Trata-se, essencialmente, do questionário de freqüência alimentar qualitativo. Em outra modalidade, já entendida como quantitativa, o próprio entrevistado relata a porção e a freqüência de consumo dos alimentos. Outra proposta definida como questionário semiquantitativo de freqüência apresenta uma lista estruturada de alimentos com porções pré-estabelecidas e várias categorias de freqüência de consumo. As escolhas dos alimentos e de categorias de freqüência de consumo para compor são as bases principais no desenho do instrumento e estão diretamente relacionadas ao objetivo do estudo dietético1,4-6.

Diversas estratégias são empregadas para definir a lista de alimentos do questionário de freqüência, sobressaindo a utilização de tabela de composição de alimentos e resultados de aplicação de outros métodos na população de interesse1,4,6.

O uso da composição nutricional dos alimentos para dirigir a formação da lista pode contribuir para a redução do erro de subestimação relativo a determinado consumo, por inclusão de alimentos que sejam importantes fontes para o mesmo, sem, contudo, garantir a ausência do erro de superestimação por excesso de alimentos na lista para atender à ampla variedade de interesses. Outra questão relevante quanto ao uso de tabelas de composição de alimentos se refere à possibilidade de incluir alimentos que, embora sejam importantes fontes de algum nutriente de interesse, podem não ser habituais no grupo de estudo, elevando de forma inadequada a extensão da lista1,4,7.

A aplicação de resultados oriundos de outra pesquisa permite direcionar a lista para alimentos referidos como os mais habituais e, ainda, incluir aqueles já apontados como associados à condição de interesse1,7.

Atualmente, tem sido proposto reduzir a extensão da lista de alimentos dos questionários de freqüência alimentar para simplificá-los, facilitando a aplicabilidade, compreensão e análise. Sugere-se que questionários extensos tendem a apresentar maior índice de não-resposta, elevando o tempo e custo dos estudos1,7-9. Dentre as estratégias apontadas para a redução da lista de alimentos, técnicas estatísticas vêm sendo amplamente utilizadas, sobressaindo-se a correlação, regressão e percentual de contribuição do(s) nutriente(s) de interesse por alimentos1,7,9.

O uso dessas técnicas facilita a identificação de alimentos que explicam o consumo de fatores nutricionais de interesse na pesquisa. No entanto, alerta-se para a possibilidade de erro na seleção de alimentos a partir de modelos matemáticos, em função da capacidade de explicação do modelo, do ajuste por variáveis de confusão, por influência de multicolineraridade entre os alimentos e o cuidado com a plausibilidade entre a composição nutricional do alimento frente à variável dependente1,9-12.

É dentro desse contexto que o presente trabalho se desenvolve, reduzindo a lista de alimentos de um questionário de freqüência alimentar semiquantitativo, através de diversas estratégias metodológicas e mantendo-se a capacidade de análise do consumo de energia, proteínas, glicídios, lipídeos, cálcio e ferro.

 

Metodologia

O presente estudo utilizou os resultados da Pesquisa de Nutrição e Saúde, desenvolvida no município do Rio de Janeiro (PNS/RJ), incluída em estudo multicêntrico do Ministério da Saúde realizado em 1996. Todos os detalhes sobre a PNS/RJ já foram publicados no trabalho de Sichieri13.

No estudo atual, optou-se por selecionar desse banco de dados as respostas de 224 adolescentes do sexo feminino, com idade entre 12 a 19 anos, que responderam ao questionário de freqüência alimentar semiquantitativo da PNS/RJ. O referido questionário integrou 80 itens alimentares; oito categorias de freqüência de consumo; porções estabelecidas a priori para cada item e definidas em medidas caseiras e regionais 13. Este questionário é encontrado com acesso livre on-line14.

Do questionário de freqüência alimentar foram extraídas as variáveis dependentes: consumo per capita/pessoa/dia para energia (kcal), proteínas (g), glicídios (g), lipídeos (g), cálcio (mg) e ferro (mg). As variáveis independentes foram os alimentos, enquanto a idade (anos) e o índice de massa corporal (kg/m2) foram definidas como variáveis de controle. A renda foi excluída do conjunto de variáveis de controle, por ter sido observada similaridade de freqüência do consumo nessa população7.

Para redução da lista de alimentos, empregaram-se as seguintes estratégias: (a) regressão linear múltipla stepwise forward em resultados obtidos a partir do questionário de freqüência alimentar para cada variável dependente; (b) listagem de alimentos referidos no mesmo instrumento como de consumo freqüente na população selecionada; (c) e a composição nutricional dos alimentos.

Analisou-se a distribuição dos dados por meio de medidas de dispersão (desvio padrão e amplitude dos dados), normalizando-se as variáveis (transformação em logaritmo na base 10). Desenvolveram-se correlação de Pearson e regressão linear múltipla stepwise forward. Da matriz de correlação selecionaram-se as variáveis que apresentaram coeficiente de correlação positivo e significativo ao nível de P < 0,05 com r > 0,10, para entrada nos modelos de regressão.

A entrada e permanência das variáveis nos modelos de regressão basearam-se no valor de P < 0,10 no teste F, enquanto a seleção dos alimentos desses modelos para a lista reduzida considerou os seguintes critérios: limite de variância total (R2 total) de 0,85, definido a partir da menor variância dos modelos; coeficiente de regressão (b) positivo; coeficiente de determinação > 0,01; e plausibilidade dos alimentos em cada modelo, baseada na composição nutricional dos mesmos como fontes de energia, proteínas, glicídios, lipídeos, cálcio ou ferro.

Foram definidos como alimentos freqüentemente consumidos aqueles que apresentaram percentuais iguais ou superiores a 50% de consumidores da população utilizada.

A composição nutricional foi empregada para analisar a plausibilidade dos alimentos incluídos nos modelos de regressão e entre aqueles mais freqüentes no consumo, tendo em vista os fatores dietéticos de interesse15.

Para análise preliminar da lista reduzida, empregaram-se quatro técnicas: (1) comparação entre médias de consumo de energia, proteínas, glicídios, lipídeos, cálcio e ferro com as duas listas (integral e reduzida) de alimentos, usando-se o teste t de Student; (2) cálculo de sensibilidade; e (3) coeficiente Kappa. Para determinar a sensibilidade, considerou-se a distribuição de freqüência das adolescentes por quartis de consumo em cada nutriente com as duas listas de alimentos. A lista integral de alimentos deu origem a distribuição esperada, enquanto da lista reduzida obteve-se a distribuição observada. A sensibilidade foi estabelecida dividindo-se a distribuição observada pela distribuição esperada. O coeficiente Kappa foi empregado para avaliar o grau de concordância entre as distribuições em uma mesma unidade amostral, estabelecendo-se que valores iguais ou superiores a 0,75 representariam concordância excelente, sendo:

As análises foram desenvolvidas utilizando-se o programa estatístico SAS versão7.1217. A pesquisa original que serviu de base de dados para este artigo foi aprovada pelo Ministério da Saúde do Brasil. Não há qualquer tipo de conflito de interesses, real ou potencial, relacionado ao presente trabalho.

 

Resultados

Os mais elevados coeficientes de correlação foram observados entre cálcio e leite (r = 0,66 e P = 0,0001), seguidos de ferro e feijão (r = 0,61 e P = 0,0001). Entre os alimentos, correlações significativas destacaram-se para: arroz, feijão, farinha de mesa, batata frita, bife, frango, hambúrguer, lingüiça, peixe, leite, queijo, requeijão, iogurte, pizza, bolo, biscoito salgado, pão doce, pão francês, chocolate, bebida achocolatada, sorvete, maionese, pêra, maçã, laranja, uva, abacaxi, suco, alface e refrigerante.

Para inclusão nos modelos de regressão a partir da matriz de correlação, foram selecionados: 65 alimentos para energia; 62 para proteínas e glicídios; 60 para ferro; 59 para lipídeos e 56 para cálcio. Os modelos com estas variáveis dependentes apresentaram os seguintes resultados quanto às variâncias totais (R2) e números de alimentos: energia com R2 = 0,94 e 34 alimentos; proteína com R2 = 0,93 e 34 alimentos; glicídios R2 = 0,93 e 31 alimentos; lipídeos R2 = 0,87 e 22 alimentos; ferro com R2 = 0,93 e 30 alimentos; e cálcio com R2 = 0,92 e 23 alimentos.

Destes modelos, o mais elevado valor de R2 parcial foi encontrado para leite que explicou 0,43% da variação total do consumo de cálcio, seguido do feijão, com 0,37% no modelo de ferro. Os alimentos (variáveis independentes) incluídos para cada variável dependente apresentaram o coeficiente de regressão (b) positivo com valor de F significativo e P<0,001.

Foram selecionados dos modelos de regressão 32 alimentos, a partir de variância total de R2 total > 0,85 e R2 parcial >0,01: arroz, feijão, macarrão, bife, carne de segunda, vísceras, peixe, hambúrguer, frango, lingüiça, ovo, açúcar, pão francês, pão doce, biscoito doce, biscoito salgado, bolo, pizza, salgadinhos, bebida achocolatada, leite, iogurte, queijo, manteiga/margarina, batata frita/chips, maçã, manga, pêra, laranja, sorvete, suco e refrigerante (Tabela 1).

Através da composição nutricional, observou-se que diversos alimentos não se justificavam como preditores em alguns modelos, enquanto em outros surgiam com plausibilidade. Este dado foi mais evidente nos modelos para proteínas, apresentando a variável "farinha de mesa" com R2 parcial de 0,05. No modelo para o ferro foram incluídos o abacaxi, com R2 parcial = 0,04, e o tomate, com R2 parcial = 0,02. Esta última variável também esteve presente no modelo para o cálcio, com R2 parcial de 0,01.

Partindo-se da lista integral (L1), 37 alimentos foram referidos como mais freqüentemente consumidos por mais de 50% das adolescentes (Tabela 2). Desta relação, oito (8) alimentos não haviam sido selecionados dos modelos de regressão: banana, batata inglesa, cenoura, alface, maionese, pipoca, chuchu e chocolate.

 

 

Por outro lado, dentre os 32 alimentos selecionados dos modelos de regressão, quatro (04) não fizeram parte deste consumo freqüente: vísceras, pão doce, iogurte e pêra.

Consolidando os diversos resultados, obtiveram-se 40 alimentos para a lista reduzida, originados da lista de 80 do questionário da pesquisa utilizada. A integração dos resultados para compor a lista reduzida foi constituída da seguinte forma: alimentos comuns nos modelos de regressão e consumo – 28; alimentos selecionados dos modelos de regressão, mas ausentes do consumo – 4; e alimentos selecionados do consumo e ausentes dos modelos – 8.

A lista reduzida (L2) foi composta por: arroz, feijão, macarrão, bife, carne de segunda, peixe, hambúrguer, frango, lingüiça, vísceras, ovo, açúcar, pão francês, pão doce, biscoito doce, biscoito salgado, bolo, pizza, leite, queijo, iogurte, manteiga/margarina, batata inglesa, batata frita/chips, cenoura, chuchu, alface, maionese, maçã, manga, laranja, banana, pêra, pipoca, salgadinhos, sorvete, chocolate, bebida achocolatada, suco e refrigerante.

A capacidade da lista reduzida foi analisada preliminarmente através de comparações entre as médias de consumo per capita/dia de energia, proteínas, glicídios, lipídeos, cálcio e ferro com a lista integral (L1) e lista reduzida (L2). Os resultados não revelaram diferenças significativas, conforme os valores demonstrados com teste t de Student na Tabela 3.

Foi analisada posteriormente a sensibilidade entre as distribuições de freqüências da população por proporção em quartis de consumo de energia, proteínas, glicídios, lipídeos, cálcio e ferro, com as duas listas de alimentos (L1 e L2). O menor valor de sensibilidade (85%) ocorreu no segundo quartil para lipídeos, enquanto os demais quartis atingiram o valor máximo (100%). O grau de concordância verificado para o coeficiente Kappa foi significativo para todos os grupos, variando de 0,97 a 0,99 (Tabela 4).

 

 

A análise dos modelos de regressão a partir da lista de alimentos reduzida apresentou variâncias totais de: 0,90 para energia e ferro; 0,88 para proteínas, glicídios e cálcio; e 0,87 para lipídeos. Os modelos novamente apresentaram variáveis sem plausibilidade frente à composição nutricional.

Dentre as 40 variáveis selecionadas para a lista reduzida, 23 estiveram presentes nos primeiros modelos e nos segundos. De modo geral, as variáveis que apresentaram elevado valor de coeficiente de determinação nos primeiros modelos com a lista integral de alimentos se mantiveram nos segundos com a lista reduzida, destacando-se apenas o modelo de proteína, no qual o feijão e o hambúrguer elevaram o valor deste coeficiente de forma importante (Tabela 5).

 

 

Discussão

De modo geral, estudos que objetivam reduzir listas de alimentos de questionários de freqüência são desenvolvidos para avaliação do consumo de nutrientes específicos ou grupo de alimentos. A redução de lista de alimentos precisa estar intrinsecamente relacionada ao objetivo do estudo. Esta questão é essencial para aplicação de toda modalidade de questionários de freqüência alimentar porque estes instrumentos propiciam avaliar a associação entre fatores da dieta e a resposta sobre a condição de saúde/doença7,9,10,18-20.

Para avaliar o consumo de lipídeos totais da dieta, o estudo de Coates et al.19 considerou necessária a utilização de apenas 13 alimentos em um breve questionário de freqüência para aplicação por telefone. Já no estudo de Kennedy et al.(20), os autores reduziram para 15 uma relação de alimentos, com a finalidade de caracterizar o padrão da alimentação consumida, enquanto Block et al.9 desenvolveram e validaram uma lista simplificada em 60 alimentos de outra com 98, demonstrando que o tempo requerido para resposta, que foi de 30 a 35 minutos, reduziu-se para 17 minutos.

Listas reduzidas de alimentos trazem maior complexidade quando se pretende avaliar o consumo de energia total, porque podem afetar o valor calórico total da dieta com a restrição de alimentos expressivos em teores calóricos21. Dependendo do estudo de associação, a energia altera os resultados, tanto quando for um fator determinante da condição de interesse ou enquanto variável de confusão associando-se à exposição e resposta. Para as duas situações, a associação entre o(s) nutriente(s) ou alimento e o resultado sobre a saúde poderá ser interpretado erroneamente1, 21.

No presente trabalho, a redução de lista de alimentos demonstrou, através dos dois modelos de regressão para energia, que não houve prejuízo em predizê-la a partir dos alimentos selecionados. A variância total para energia com a lista reduzida também apresentou bom desempenho. O resultado quanto à variável energia se afirmou ao se observar a comparação entre as médias de consumo com as duas listas de alimentos.

O uso preliminar de correlação para a seleção dos alimentos da lista integral facilitou o direcionamento das variáveis independentes, além de minimizar o efeito de multicolinearidade nos modelos11,12. Segundo Kleimbaum et al.11, essa prática permite maior refinamento para escolha de variáveis e minimização do efeito de multicolinearidade. Para Abramson12, a multicolinearidade é de difícil controle e pode promover efeito expressivo sobre os achados.

A multicolinearidade é comumente observada em estudos dietéticos aplicando-se modelos de regressão. Contribui para isto, o fato de o consumo alimentar integrar diversos alimentos ao mesmo tempo, que inúmeras vezes são consumidos em combinações de forma dependente uns dos outros1,11.

No presente estudo, a correlação entre os alimentos permitiu verificar nos modelos, a entrada de alguns que não apresentavam plausibilidade frente à composição nutricional e a variável dependente. O conhecimento sobre a composição nutricional dos alimentos ao se analisar modelos de regressão para compor questionários de freqüência alimentar permite identificar alimentos que podem ser discriminantes específicos para algum nutriente frente à variabilidade de consumo no grupo9.

Estudiosos11 defendem que o emprego simultâneo de correlação e regressão contribui de forma importante quando dentre os objetivos do estudo se apresenta a seleção de variáveis, acreditando que esta estratégia passa a integrar no conjunto as vantagens próprias a cada uma das técnicas em particular.

Tendo em vista estes preceitos, a análise de composição dos alimentos como estratégias foi importante, uma vez que se buscou obter de modelos matemáticos um conjunto de variáveis capazes de predizer um processo biológico22, ou seja, a associação entre alimentos consumidos e os teores de energia, proteína, glicídio, lipídeo, cálcio e ferro da dieta.

Dentro deste contexto sobressai o necessário conhecimento biológico da associação entre variável dependente e independente ganhando espaço a plausibilidade. Em estudos epidemiológicos assegura-se que decisões sobre associação podem ser tomadas baseadas em análise de plausibilidade1,23.

A construção de questionários de freqüência alimentar semiquantitativos deve considerar a composição nutricional do alimento quanto à sua representatividade para os nutrientes de interesse nos estudos. Block et al.24, apresentaram fórmula matemática que permite analisar esta representatividade.

A literatura aponta que a escolha do instrumento dietético a ser aplicado precisa também considerar as características da população alvo a qual se destina. Na importância desta questão, surgem alguns aspectos como idade, escolaridade e necessidade de maior participação do entrevistado25. Em se tratando de estudos aplicando questionários de freqüência alimentar, Willett1 alerta que listas de alimentos extensas contribuem para elevar a ausência de respostas em inúmeros itens. Esse fenômeno foi observado em pesquisas com adultos1 e em outros grupos populacionais2,8,9. Estudos com adolescentes, por exemplo, precisam considerar as próprias características do processo de desenvolvimento que ocorre nessa fase, quando se evidenciam aspectos como a disponibilidade de tempo integrado ao imediatismo26-28.

O presente estudo analisou a manutenção da capacidade de avaliação do consumo alimentar de energia, macronutrientes, cálcio e ferro, com a lista de alimentos reduzida frente à lista integral, obtendo-se resultados satisfatórios quanto à comparação de médias e a concordância coeficiente Kappa. Para Willett1, esta análise pode ser considerada como teste piloto sobre a composição da lista. Estes testes são também empregados em estudos de validade, indispensáveis para aplicação de todo questionário de freqüência alimentar1,5,9,14,29.

 

Conclusão

Tendo em vista o objetivo do estudo, considerou-se que a lista reduzida atendeu à exigência de manter a capacidade de predição de energia, macronutrientes, cálcio e ferro, empregando menor número de alimentos do que o instrumento original.

As estratégias metodológicas adotadas para a construção da lista integraram técnicas retratadas na qualidade da seleção dos alimentos preditores desses fatores da dieta e na análise do consumo dos mesmos.

Embora o reduzido número de alimentos alcançado tenha diminuído para metade a lista do instrumento original, não se desvincula deste resultado que a proposta do presente trabalho esteve voltada exclusivamente para a redução do instrumento, e que todos os questionários de freqüência alimentar, sejam originais ou mesmo reduzidos, devem se apoiar necessariamente em estudos de validação para qualquer grupo populacional.

 

Referências

1. Willett WC. Nutritional Epidemiology. 2nd ed. Oxford: Oxford University Press; 1998.        [ Links ]

2. Furlan-Viebig R, Pastor-Valero M. Desenvolvimento de um questionário de freqüência alimentar para o estudo de dieta e doenças não transmissíveis. Rev Saude Publica 2004; 38(4): 581-4.        [ Links ]

3. Dehghan M, Hamad NA, Yusufali A, Nusrath F, Yusuf S, Merchant A. Development of a semi-quantitative food frequency questionnaire for use in United Arab Emirates and Kuwait based on local foods. Nutr J 2005; 4: 18. Disponível em http://www.nutritionj.com/content/4/1/18. Acessado em 27 de maio de 2005.        [ Links ]

4. Fisberg RM, Martini LA, Slater B. Métodos de Inquéritos Alimentares In: Fisberg RM, Slater B, Marchioni DML, Martini LA. Inquéritos alimentares: métodos e bases científicas. São Paulo: Manole; 2005.        [ Links ]

5. Chiara VL. Avaliação nutricional de adolescentes como instrumento na prevenção de doenças cardiovasculares [tese de doutorado]. Rio de Janeiro: Instituto de Medicina Social da UERJ; 2000.        [ Links ]

6. Margetts BM, Nelson M. Design concepts in nutritional epidemiology. New York: Oxford University Press; 1996.        [ Links ]

7. Chiara VL, Sichieri R. Food consumption of adolescents. A simplified questionnaire for evaluating cardiovascular risk. Arq Bras Cardiol 2001; 77(4): 337-41.        [ Links ]

8. Block G; Hartman AM; Naughton D. A reduced dietary questionnaire: development and validation. Epidemiology 1990; 1(1): 58-64.        [ Links ]

9. Burley V, Cade J, Margetts B, Thompson R, Warm D. Consensus Document On The Development, Validation And Utilisation Of Food Frequency Questionnaires. England: Ministry of Agriculture Fisheries and Food; 2000.        [ Links ]

10. Nelson M, Margetts BM. Design, planning, and evaluation of nutritional epidemiological studies In: Margetts BM, Nelson M. Design concepts in nutritional epidemiology. New York: Oxford University Press; 1996: 39-63.        [ Links ]

11. Kleinbaum DV, Kupper LL, Muller KE. Applied regression analysis and other multivariable methods. Boston: PWS-Kent Publishing Company; 1988.        [ Links ]

12. Abramson JH. Making sense of data: a self-Instruction manual on the interpretation of epidemiologic data. 2nd. New York: Oxford University Press; 1994.        [ Links ]

13. Sichieri R. Epidemiologia da obesidade. Rio de Janeiro: UERJ; 1998.        [ Links ]

14. Disponível em http://www.ims.uerj.br. Acessado em 29 de setembro de 2006.        [ Links ]

15. Hands ES. Nutrients in food. Philadelphia: Lippincott Williams & Wilkins; 2000.        [ Links ]

16. Thompson JR. Estimating equations for kappa statistics. Stat Med 2001; 20(19): 2895-906.        [ Links ]

17. SAS. The SAS System. Versão 7.12. SAS Institute Inc. Cary: USA; 1999-2001.        [ Links ]

18. Nimsakul S, Collumbien M, Likit-Ekaraj V, Suwanarach C, Tansuhaj A, Fuchs GJ. Simplified dietary assessment to detect vitamin a deficiency. Nutrition Research 1994; 14: 325-36.        [ Links ]

19. Coates RJ, Serdula MK, Byers T, Mokdad A, Jewell S, Leonard SB, Ritenbaugh C, Newcomb P, Mares-Perlman J, Chavez N. A brief telephone-administered food frequency questionnaire can be useful for surveillance of dietary fat intakes. J Nutr 1995; 125(6): 1473-83.        [ Links ]

20. Kennedy ET, Ohls J, Carlson S, Fleming K. The Healthy Eating Index: design and applications. J Am Diet Assoc 1996; 95: 1103-8.        [ Links ]

21. Willett C, Stampfer MJ. Total energy intake: implications for epidemiologic analyses. Am J Epidem 1986; 124(1): 17-27.        [ Links ]

22. Clayton D, Gill C. Covariate measurement errors in nutritional epidemiology: effects and remedies In: Margetts BM, Nelson M. Design concepts in nutritional epidemiology. New York: Oxford University Press; 1996: 87-104.        [ Links ]

23. Weed DL, Hursting SD. Biologic Plausibility in Causal Inference: Current Method and Practice. Amer J Epidem 1998; 147(15): 17-27.        [ Links ]

24. Block G, Dresser CM, Hartman NA, Carrol MD. Nutrient sources in the American diet: quantitative data from the NHANES II survey. I. Vitamins and minerals. Amer J Epidemiol 1985; 122(1): 13-26.        [ Links ]

25. Marchioni DML. Estudos Epidemiológicos em exposições nutricionais In: Fisberg RM, Slater B, Marchioni DML, Martini LA. Inquéritos alimentares: métodos e bases científicas. São Paulo: Manole; 2005. p. 83-107.        [ Links ]

26. Lyra J, Medrado B, Nascimento P, Galindo D, Moraes M, Pedrosa C. "A gente não pode fazer nada, só pode decidir sabor de sorvete". Adolescentes: de sujeito de necessidades a um sujeito de direitos. Cad Cedes 2002; 22(57): 9-21. Disponível em http://www.cedes.unicamp.br. Acessado em 10 de dezembro de 2005.        [ Links ]

27. Rockett HRH, Colditz GA. Assessing diets of children and adolescents. Amer J Clin Nutr 1997; 65(4): 1116-22.        [ Links ]

28. Word Health Organization. Discussion papers on adolescence. Nutrition in adolescence issues and challenges for the health sector: issues in adolescent health and development. Geneva; 2005.        [ Links ]

29. Taylor RW, Goulding A. Validation of a short food frequency questionnaire to assess calcium intake in children aged 3 to 6 years. Eur J Clin Nutr 1998; 52(6): 464-5.        [ Links ]

 

 

Correspondência:
Vera Lucia Chiara
Rua São Francisco Xavier, 524 - 12 andar - sala 1201-07. Bloco D
Instituto de Nutrição/UERJ
Rio de Janeiro, RJ, BR. CEP: 20559-900
E-mail: vchiara@bighost.com.br

Recebido em: 06/07/06
Versão final reapresentada em: 08/03/07
Aprovado em: 30/05/07