https://repositorio.ufjf.br/jspui/handle/ufjf/12728
File | Description | Size | Format | |
---|---|---|---|---|
isabelaqueiroscastro.pdf | isabelaqueiroscastro | 1.46 MB | Adobe PDF | ![]() View/Open |
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Vieira, Marcel de Toledo | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1980385021266418 | pt_BR |
dc.contributor.referee1 | Vieira, Marcel de Toledo | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1980385021266418 | pt_BR |
dc.contributor.referee2 | Chaoubah, Alfredo | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/1454907350838588 | pt_BR |
dc.contributor.referee3 | Coelho, Ângela Mello | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/7852258351076500 | pt_BR |
dc.creator | Castro, Isabela Queirós | - |
dc.creator.Lattes | http://lattes.cnpq.br/0182326975174519 | pt_BR |
dc.date.accessioned | 2021-05-24T20:00:52Z | - |
dc.date.available | 2021-01-01 | - |
dc.date.available | 2021-05-24T20:00:52Z | - |
dc.date.issued | 2014-07-16 | - |
dc.identifier.uri | https://repositorio.ufjf.br/jspui/handle/ufjf/12728 | - |
dc.description.abstract | Non-response in large databases is a common problem in most, cross-sectional and longitudinal studies. This phenomenon results in the presence of missing data which, depending on their proportion and nature, may affect the estimation of the parameters of interest in the study and lead to wrong conclusions. There are proper techniques to handle missing data, such as imputation. Proposed by Rubin (1987), imputation is a methodology based upon the substitution of plausible values for missing data, populating the database and allowing the researcher to use the traditional statistical methods for complete data. Our aim is to study different methods of imputation and to evaluate the effect of ignoring the existence of missing data in the analysis of a database of real data from the Brazilian 2006 National Demographic and Health Survey (PNDS). Moreover, a secondary objective is to evaluate factors associated with low birth weight, from this database. Low birth weight is an important indicator of health, and a risk factor for infant morbidity and mortality. The World Health Organization defines as low birth weight, less than the 2,500 kg weights. Logistic Regression models were proposed, considering maternal, gestational and newborn variables as predictors and models to both imputed and incomplete bases were compared. Our results confirm the importance of proper consideration of the problem of non-response. We hope that the study will assist researchers to be more aware of the need for adequate treatment to missing data before the phases of analysis and conclusion. | pt_BR |
dc.description.resumo | A ocorrência de não resposta em grandes bases de dados é um problema comum na grande maioria dos estudos, transversais ou longitudinais. Este fenômeno tem como consequência a presença de dados faltantes que, dependendo da sua proporção, pode causar impactos na estimação dos parâmetros de interesse do estudo e levar a conclusões erradas. Existem técnicas apropriadas para tratar esses dados faltantes, como por exemplo, a imputação. Proposta por Rubin (1987), a imputação consiste na substituição de dados faltantes por valores plausíveis, preenchendo a base de dados e possibilitando que o pesquisador utilize os métodos estatísticos tradicionais para dados completos. Nosso objetivo é estudar diferentes métodos de imputação e sobretudo o efeito de ignorar a existência de dados faltantes na análise de uma base de dados reais, provenientes da Pesquisa Nacional de Demografia e Saúde (PNDS) de 2006. Além disso, um objetivo secundário é avaliar fatores associados ao baixo peso ao nascer, a partir dessa base de dados. O baixo peso é um importante indicador de saúde, além de um fator de risco para a morbi-mortalidade infantil. A Organização Mundial de Saúde define como baixo peso ao nascer, pesos inferiores à 2,500 Kg. Foram propostos modelos de Regressão Logística, considerando variáveis maternas, gestacionais e do recém-nascido como preditoras e o modelos das bases imputadas e incompletas foram comparados. Nossos resultados confirmam a importância da consideração adequada do problema da não resposta. Esperamos que o estudo desperte nos pesquisadores a atenção para a necessidade de realizar um tratamento adequado aos dados faltantes, antes das fases de análise e conclusão. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICE – Instituto de Ciências Exatas | pt_BR |
dc.publisher.initials | UFJF | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Imputação de dados | pt_BR |
dc.subject | Regressão Logística Binária | pt_BR |
dc.subject | Baixo peso ao nascer | pt_BR |
dc.subject | Imputation of data | pt_BR |
dc.subject | Binary Logistic Regression | pt_BR |
dc.subject | Low birthweight | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA | pt_BR |
dc.title | Uma aplicação de métodos de imputação no estudo de fatores associados ao baixo peso ao nascer | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
Appears in Collections: | Estatística - TCC Graduação |
This item is licensed under a Creative Commons License