Tendências e determinantes acerca do conhecimento do HIV/SIDA em Moçambique

Yoann Rodrigues Folha Tendências e determinantes acerca do conhecimento do HIV/SIDA em Moçambique Dissertação de Mestrado Mestrado de Estatística Trabalho efetuado sob a orientação do Professor Doutor Luís Filipe Meira Machado e da Doutora Carla Maria Gonçalves de Macedo Moreira Fevereiro 2021 ii DECLARAÇÃO DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROS Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos. Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada. Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não previstas no licenciamento indicado, deverá contactar o autor, através do RepositóriUM da Universidade do Minho. https://creativecommons.org/licenses/by/4.0/ iii AGRADECIMENTOS Um primeiro agradecimento aos meus orientadores, o professor Luís Machado e a investigadora Carla Moreira pela disponibilidade que tiveram nas sucessivas reuniões e pelas observações que nelas surgiram. Agradeço ao doutor Francisco Mbofana pela disponibilidade das bases de dados através das quais se fez o trabalho. Queria agradecer aos meus pais, simplesmente por tudo. E um último agradecimento aos professores que tive nesta universidade pela transmissão de conhecimento. iv DECLARAÇÃO DE INTEGRIDADE Declaro ter atuado com integridade na elaboração do presente trabalho académico e confirmo que não recorri à prática de plágio nem a qualquer forma de utilização indevida ou falsificação de informações ou resultados em nenhuma das etapas conducentes à sua elaboração. Mais declaro que conheço e que respeitei o Código de Conduta Ética da Universidade do Minho. v RESUMO Moçambique é um dos países mais tocados pelos vírus do HIV/SIDA com cerca de 2,1 milhões de moçambicanos a viverem com ele (Governo de Moçambique, 2008), apresentando uma prevalência significativa entre a população jovem, razões que motivaram para que se fizesse um estudo sobre o HIV/SIDA nesta parte da população. Mais especificamente, um estudo que se concentrasse nas pessoas com idades compreendidas entre os 15 e os 24 anos e que incidisse no conhecimento que elas possuíam acerca da doença. O estudo teve como base inquéritos realizados nos anos de 2009, 2011 e 2015, sendo que inicialmente estava prevista ter resultados dos inquéritos do ano de 2003. Das bases de dados retiveram-se informações acerca da pessoa que estava a ser inquirida, dos conhecimentos que tem sobre HIV/SIDA e dos comportamentos que a pessoa em questão tem como o uso de preservativo, o teste do HIV/SIDA, entre outros. O objetivo deste trabalho é identificar os determinantes que mais influenciam um maior ou menor conhecimento acerca do HIV/SIDA e também tentar observar tendências do mesmo ao longo dos anos em que se realizou o estudo. Foi contruído um modelo de regressão logístico de modo a verificar varáveis com uma influência negativa ou positiva no conhecimento do HIV/SIDA, sendo a variável com esta informação binária fazia mais sentido utilizar este tipo de modelo. Palavras-chave: HIV/SIDA, conhecimento acerca do HIV/SIDA, determinantes, tendências, regressão logística vi ABSTRACT Mozambique is one of the countries most affected by the HIV/AIDS virus with about 2.1 million Mozambicans living with it (Government of Mozambique, 2008), presenting a significant prevalence among the young population, reasons that motivated a study on HIV/AIDS part of the population. More specifically, a study that focuses on people between the age of 15 and 24 and which focused on their age of having about the disease. The study was based on surveys conducted in the years 2009, 2011 and 2015, and initially it was planned to have results of the surveys of the year 2003, the databases withheld information about the person being surveyed, the knowledge he has about HIV/AIDS and the behaviors that the person in which he/she has such as condom use, the HIV/AIDS test, among others. The objective of this work is to identify the determinants that most influence a greater or lesser knowledge about HIV/AIDS and also to try trends of the same over the years in which the study was carried out. It was a logistic regression model in order to verify variables with a negative or positive influence on the knowledge of HIV/AIDS, and the variable with this binary information is more sense to use this type of model. Keywords: HIV/AIDS, knowledge about HIV/AIDS, determinants, trends, logistic regression vii 3 posicionamento em todas as bases de dados e sobretudo que elas tenham interesse no trabalho que se pretende desenvolver. Para a seleção de variáveis a analisar, de entre as centenas de variáveis existentes nas bases de dados originais, as variáveis escolhidas para a base de dados utilizada no trabalho podem ser divididas em três categorias de acordo com as Tabelas 1, 2 e 3. Tabela 1 Lista de variáveis relativas ao respondente. Variável Categorias Idade Idade categorizada 1 – 15-19 anos 2 – 20-24 anos Sexo 1 – Masculino 2 – Feminino Ano da entrevista 2009 2011 2015 Área de residência 1 – Urbano 2 – Rural Nível educacional 0 – Sem escolaridade 1 – Primário 2 – Secundário 3 – Superior Estatuto socioeconómico 1 – Muito pobre 2 – Pobre 3 – Médio 4 – Rico 5 – Muito rico Se o respondente trabalha 0 – Não 1 – Sim Estado civil 0 – Nunca casou 1 – Casado/a 2 – Vive com alguém 3 – Viúvo/a 4 – Divorciado 5 – Vive sozinho/a Teve uma DST no último ano 0 – Não 1 – Sim 4 Tabela 2 Lista de variáveis relativas ao conhecimento do HIV/SIDA. Variável Categorias Conhecimento do HIV/SIDA 0 – Não 1 – Sim Ter apenas 1 parceiro reduz o risco de ter SIDA 0 – Não 1 – Sim O uso de preservativo reduz o risco de ter SIDA 0 – Não 1 – Sim Tabela 3 Lista de variáveis relativas ao comportamento do respondente. Variável Categorias Idade do 1º ato sexual Idade do 1º ato sexual categorizada 0 – Ainda não teve relações sexuais 1 – 8-14 anos 2 – 15-19 anos 3 – 20-24 anos Nº de parceiros/as sexuais, excluindo esposo/a, no último ano 0 – 0 1 – 1 2 – 2 ou mais Uso de preservativos no último ato sexual 0 – Não 1 – Sim Teste do HIV/SIDA 0 – Não 1 – Sim Uso de preservativos no último ato extraconjugal, no último ano 0 – Não 1 – Sim Tampo desde o último ato sexual (em meses) Como referido na introdução, o objetivo do trabalho é descrever tendências do conhecimento e comportamentos dos jovens moçambicanos entre os 15 e os 24 anos relativamente o vírus do HIV/SIDA. Numa primeira parte ela será feita através de estatística descritiva, verificar as proporções de certos comportamentos e do conhecimento em relação ao vírus do HIV/SIDA e analisar as suas diferenças nos anos de estudo, no sexo, na área de residência, entre outras variáveis. Numa segunda parte deste trabalho, as tendências do conhecimento e comportamentos dos jovens moçambicanos será analisada através da construção de modelos estatísticos, nomeadamente plea construção de um modelo de regressão logística e de um modelo de efeitos mistos, onde se procura analisar o efeito das diferentes variáveis explicativas numa variável resposta binária (ter ou não o conhecimento do HIV). Convém salientar que originalmente esta variável resposta continha uma observação cuja resposta a esta pergunta foi “não sabe”, codificada na base de dados aparece com o valor de 9, sendo as correspondentes observações removidas da base de dados. 5 1.3 Metodologia estatística utilizada Nesta Secção serão apresentadas de forma sucinta as diferentes metodologias utilizadas neste trabalho. Nomeadamente, o teste de Kruskal-Wallis para comparar os valores medianos para as idades do primeiro ato sexual nos diferentes anos (Tabela 3), escolheu-se este teste por permitir esta comparação para mais de dois grupos independentes sem recorrer ao pressuposto da normalidade dos dados. O teste de comparação de proporções, utilizado para comparar as proporções nos três anos (Tabelas 3 e 4). Fez-se também uma breve introdução aos modelos lineares generalizados de modo a servir de base para apresentação e discussão dos resultados do modelo de regressão logística, utilizado na Secção 2.2 deste relatório. Finalmente, será efetuada uma breve apresentação ao modelo de efeitos mistos. Teste de Kruskal-Wallis O teste de Kruskal-Wallis é um teste não paramétrico usado para comparar dois ou mais grupos independentes. Este teste pode ser visto como uma generalização do teste de Mann-Whitney. O equivalente teste paramétrico é o teste F usado na análise de variâncias (ANOVA). Por ser um teste não paramétrico ele não assume a distribuição normal dos resíduos, ao contrário do teste F. As hipóteses do teste de Kruskal-Wallis são H0: Não existem diferenças dos valores medianos dos grupos. H1: Nem todas as grupos têm medianas idênticas. Ora, considerando que a amostra contém N observações, g grupos e que os diferentes grupos têm, respetivamente, n1, n2, …, ng observações, a estatística de teste é dada pela seguinte equação (Daniel, Wayne W,1990). H=(𝑁−1) ∑𝑛(𝑟−𝑟)   ∑ ∑ 𝑟−𝑟     Em que, 𝑟 representa é média do grupo i, 𝑟 a média dos g grupos e 𝑟 o valor da j-ésima observação do i-ésimo grupo. 𝑟= ∑𝑟   𝑛 𝑟=1 2(𝑁+1) O valor H tem distribuição qui-quadrado com g-1 graus de liberdade, assumindo um nível de significância igual a α, então P(H > Qα) = α (sob H0), isto é, a probabilidade de H ser superior a determinado valor Qα é igual ao nível de significância, e assim, se o valor obtido de H for efetivamente superior Qα, então rejeita-se a hipótese nula de que os g grupos são igualmente distribuídos. 6 O valor de prova (p-valor) pode ser obtido calculando 𝑃 𝑋 >𝐻  𝐻), ou seja, a probabilidade de distribuição qui-quadrado com g-1 graus de liberdade ser superior a H, assumindo a hipótese nula como verdadeira. Teste de comparação de proporções Neste teste foi-se pela abordagem da estatística de teste de Qui-Quadrado, de seguida serão mostrados alguns exemplos deste teste (Fernandes,1999). 1) Primeiro vai-se considerar uma variável aleatória que segue uma distribuição binomial com parâmetros n e p1 à qual se denominar X1, então a variável aleatória 𝑍=  () ~ 𝑁(0,1) e a distribuição limite de Q = 𝑍 é 𝜒 𝑄= 𝑍= (𝑋1−𝑛𝑝1) 𝑛𝑝1(1−𝑝1) 2) Considerando duas amostras aleatórias independentes e identicamente distribuídas, 𝑋, 𝑋 , …,𝑋 e 𝑌, 𝑌, …, 𝑌, onde cada 𝑋 (i = 1,…, n1) cada 𝑌 (j = 1, …, n2) têm uma distribuição de Bernoulli com parâmetros 𝑝 e 𝑝 respetivamente. 𝑋,𝑋,…,𝑋 ~ 𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑝) 𝑌,𝑌,…,𝑌 ~ 𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑝) Com isto temos que 𝐸[𝑋]=𝑝 𝐸[𝑌]=𝑝 𝑉𝑎𝑟(𝑋)=𝑝(1 − 𝑝) 𝑉𝑎𝑟(𝑌)=𝑝(1 − 𝑝). As variáveis 𝑝e 𝑝 são estimadores de máxima verosimilhança dos parâmetros 𝑝e 𝑝, respetivamente, e eles seguem uma distribuição aproximadamente normal 𝑝 ~ 𝑁󰇧𝑝,𝑝(1 − 𝑝) 𝑛󰇨 𝑝 ~ 𝑁󰇧𝑝,𝑝(1 − 𝑝) 𝑛󰇨 Subtraindo os dois estimadores temos a seguinte distribuição 𝑝−𝑝 ~ 𝑁󰇧𝑝−𝑝,𝑝(1 − 𝑝) 𝑛+𝑝(1 − 𝑝) 𝑛󰇨 Ou seja, (𝑝−𝑝)−(𝑝−𝑝) 𝑝(1 − 𝑝) 𝑛+𝑝(1 − 𝑝) 𝑛 ~ 𝑁(0,1) 7 Para realizarmos o teste para duas proporções com aproximação normal vamos considerar as seguintes hipóteses. H0: 𝑝= 𝑝 vs H1: 𝑝≠𝑝 Considerando a hipótese nula (𝑝= 𝑝=𝑝), 𝑝−𝑝 tem uma distribuição normal com média igual a zero e desvio padrão 𝜎= 𝑝(1 − 𝑝) 𝑛+𝑝(1 − 𝑝) 𝑛 Não conhecendo o valor de 𝑝, é estimado como uma média ponderada de 𝑝 e 𝑝. 𝑝= 𝑛𝑝+ 𝑛𝑝 𝑛+ 𝑛 A estatística de teste é calculada da seguinte forma. 𝑍= 𝑝−𝑝 𝑝(1 − 𝑝) 𝑛+𝑝(1 − 𝑝 ) 𝑛 ~ 𝑁(0,1) Fixando um nível de significância α, se 𝑃󰇡𝑍> 𝑍 󰇢<   ou 𝑃󰇡𝑍<− 𝑍 󰇢<   , então rejeita-se hipótese nula e aceita-se que 𝑝≠𝑝. Modelos lineares generalizados Os modelos lineares podem ser expressos da seguinte forma 𝑦= 𝛽+𝛽𝑋+⋯+𝛽𝑋+ 𝜀 Em que y é a variável resposta, os X’s são as variáveis explicativas, os β’s são os parâmetros do modelo e ε o erro, aleatório e não observável, ao que assumimos E[ε]=0 e Var[ε]=σ2. Uma representação alternativa dos modelos lineares clássicos pode ser feita da seguinte maneira. Considerando 𝜇1, …, 𝜇n em que E[yi|xi] = 𝜇i para i = 1, …, n, então yi|xi ~ N(𝜇i , σ2), e assim 𝐸[𝑦|𝑥]= 𝜇= 𝛽+𝛽𝑋+⋯+𝛽𝑋 No caso dos modelos lineares generalizados, eles são uma extensão dos modelos lineares clássicos em que Y = Xβ + ε 8 Y é o vetor da variável resposta de dimensão n, X é uma matriz de dimensão n x (n+1) associada a um vetor β = (β0,β1,…,βn)T de parâmetros e ε o vetor dos erros aleatórios com distribuição que se supõe ser N(0,σ2I), onde I é uma matriz identidade. Tem-se que E[Y|X] = 𝜇 = Xβ Ou seja, o valor esperado da variável resposta é uma função linear das covariáveis. Um modelo linear generalizado está assente em três componentes fundamentais: - Componente aleatória: a variável resposta Y que se quer modelar - Componente sistemática: preditor linear do modelo, em que são inseridas as covariáveis por meio de combinação linear de parâmetros. O valor esperado 𝜇i está relacionado com o preditor linear 𝜂 𝜂 = 𝑥 𝛽 Através da relação 𝜇=ℎ(𝜂), onde h é uma função monótona e diferencial e g = h-1, onde g é a função de ligação que relaciona a média de yi ao preditor linear, ou seja, 𝑔(𝜇)= 𝜂 - Função de ligação: ligação entre os componentes aleatório e sistemático 𝑔(𝜇)= 𝜂= 𝑥 𝛽 Modelo de regressão logística Os modelos de regressão logística são modelos que, em geral, são utilizados quando a variável resposta é binária, ou seja, só tem dois resultados possíveis (sucesso ou insucesso). Considerando Yi uma variável resposta binária (0 = ausência de sucesso; 1 = presença de sucesso) cuja distribuição de probabilidades é a de Bernoulli (pi) 𝑓(𝑦|𝑝)= 𝑝(1 − 𝑝)() Onde 𝑝=𝑃(𝑌=1)=𝐸(𝑌) Modelando 𝐸[𝑦|𝑥]= 𝑝 e utilizando a função de ligação g(.) temos 𝑔(𝑝)= 𝜂= 𝑥 𝛽 9 A função de ligação a ser escolhida deverá ser contínua, diferenciável, monótona e deverá fazer com que os resultados obtidos estejam dentro do intervalo [0,1]. Das funções de ligação mais utilizadas nos modelos logísticos encontram-se as funções logit, complemento log-log e probit (Barnett,2008). A função logit é definida da seguinte maneira: log 𝑝 1−𝑝= 𝜂 𝑝= 𝑒 1+𝑒= 𝑒  1+𝑒  A função logit é o logaritmo do quociente entre a probabilidade de Y dar em sucesso e a probabilidade de Y não dar sucesso, este quociente é de odds (chance). A função complemento log-log: log(−𝑙𝑜𝑔(1−𝑝))= 𝜂 𝑝=1−𝑒=1−𝑒  E a função probit por Φ(𝑝)= 𝜂 𝑝= Φ(𝜂)=  1 √2𝜋𝑒 𝑑𝑡   A interpretação dos coeficientes nos modelos de regressão logística baseia-se na razão de chances (odds ratio), ela dada pelo quociente entre a odds do acontecimento acontecer (Y=1) nos indivíduos com x=0 e a odds do mesmo acontecer (Y=1) nos indivíduos com x=1. Nas variáveis contínuas, o aumento de uma unidade na variável explicativa j (mantendo as restantes variáveis constantes) traduz-se na multiplicação da odds ratio (OR) num fator igual a exp(βj), para um aumento de k unidades na mesma variável, a multiplicação será de exp(k*βj). No caso de uma variável qualitativa, seja Xj, supondo que ela tem duas categorias, exp(βj) corresponde à razão de chances da resposta para as duas categorias. Se exp(βj) > 1, ou seja, βj > 0, para um variável j contínua, significa que as chances de sucesso aumentam à medida que a variável aumenta. Se a variável j for qualitativa, significa que, para uma determinada categoria, a chance de sucesso é superior relativamente a outra categoria de referência. 10 Se exp(βj) < 1, ou seja, βj < 0, para um variável j contínua, significa que a chance de sucesso diminui à medida que a variável aumenta. Se a variável j for qualitativa, significa que, para uma determinada categoria, a chance de sucesso é inferior relativamente a outra categoria. Para a seleção de variáveis que constituem o melhor modelo logístico usaremos o método stepwise com base nos valores de prova do teste de razão de verosimilhança de Wilks entre modelos que contêm ou não variáveis, ou mesmo as suas interações. O grau de importância de uma variável terá a ver com o valor de prova deste mesmo teste entre modelos que a incluem e que a excluem. Quanto menor for este valor for maior será a importância da variável em causa. Como a importância de uma variável não tem necessariamente a ver com o facto de ela ser ou não estatisticamente significativa, há que impor um limite máximo do valor de prova de modo a atrair variáveis importantes à entrada (Turkman e Silva, 2000). Critério de informação de Akaike (AIC) O AIC estima a quantidade relativa de informações perdidas por um determinado modelo, ou seja, quanto menos informações um modelo perde, maior é a qualidade do mesmo e menor é o valor seu AIC. Dadas duas hipóteses (modelos estatísticos) de igual poder explicativo para determinado fenómeno, a hipótese mais simples é a que tem maior chance de estar correta. O AIC leva em conta e penaliza a complexidade dos modelos e tende a favorecer modelos mais simples. O AIC é prático na escolha do melhor modelo, mesmo sendo pobres ele seleciona aquele estimado para ser o melhor (Burnham e Anderson, 2002) O critério de Akaike é definido por (Akaike,1973) 𝐴𝐼𝐶= −2log(𝐿)+2𝐾 Onde 𝐿 é a função de máxima verosimilhança do modelo e 𝐾 o número de parâmetros a estimar. Teste de razão de verosimilhanças (LRT) O teste de razão de verosimilhanças pode ser utilizado para comparar a qualidade do ajuste de dois modelos estatísticos encaixados. Considerando M0 um modelo com k0 parâmetros e M1 um modelo com k1 (k1 < k0) encaixado com M0, a comparação dos modelos usando a função de verossimilhança é baseada na seguinte expressão: 𝐿𝑅𝑇= −2ln (𝑣𝑒𝑟𝑜𝑠𝑖𝑚𝑖𝑙ℎ𝑎𝑛ç𝑎 𝑑𝑜 𝑚𝑜𝑑𝑒𝑙𝑜 𝑀1 𝑣𝑒𝑟𝑜𝑠𝑖𝑚𝑖𝑙ℎ𝑎𝑛ç𝑎 𝑑𝑜 𝑚𝑜𝑑𝑒𝑙𝑜 𝑀0) Que segue uma distribuição Qui-quadrado com 𝑘−𝑘 graus de liberdade. 11 A análise dos desvios de dois modelos encaixados M0 e M1, é uma medida de diferença do ajuste dos modelos, que pode ser entendida como o ganho de ajuste decorrente da inclusão de 𝑘−𝑘 parâmetros ao modelo mais simples. O valor de prova (p-valor) pode ser obtido calculando 𝑃 𝑋 >𝐸𝑇  𝐻), ou seja, a probabilidade de distribuição qui-quadrado com 𝑘−𝑘 graus de liberdade ser superior à estatística de teste, assumindo a hipótese nula como verdadeira( McCullagh e Nelder, 1990). 12 2 Análise dos dados dos inquéritos sobre o HIV/SIDA 2.1 Análise Estatística na forma descritiva Tabela 4 Informação acerca das características dos respondentes presentes na base de dados. Frequência absoluta(relativa) Ano da entrevista 2009 3788(23,8%) 2011 7056(44,4%) 2015 5061(31,8%) Sexo Feminino 10613(66,7) Masculino 5292(33,3%) Idade 15-19 anos 8681(54,6%) 20-24 anos 7224(45,4%) Área de residência Urbano 8117(51%) Rural 7788(49%) Nível de educação Sem escolaridade 1666(10,5%) Primário 7828(49,2%) Secundário 6125(38,5%) Superior 286(1,8%) Estatuto socioeconómico Muito pobre 1761(11,1%) Pobre 2138(13,4%) Médio 2503(15,7%) Rica 3622(22,8%) Muito rica 5881(37%) Dos dados recolhidos, 44,4% deles são do ano de 2011, dois terços são de respondentes do sexo feminino, quanto á idade e á área de residência a distribuição das duas categorias encontra-se próxima do 50/50. No nível de educação, quase 90% finalizaram o ensino primário ou secundário, por fim, verifica-se que à medida que se sobe no estatuto socioeconómico mais inquiridos se encontra 19 Tabela 11 (continuação) Tabela cruzada com as proporções de jovens moçambicanos que já ouviram falar do HIV/SIDA. Tem conhecimento do HIV Não Sim Nº de parceiros/as sexuais, excluindo esposo/a 0 4 96 1 1,2 98,8 2 ou mais 0,5 99,5 Teve uma DST no último ano Não 3,1 96,9 Sim 0,3 99,7 Uso de preservativo no último ato sexual Não 2,3 97,7 Sim 0,5 99,5 A proporção de respondentes a conhecerem o HIV é inferior no ano 2015 (94,6%) do que nos restantes anos (98,2%), é maior nas zonas urbanas (98,6% contra 95,4% nas rurais), nos que fizeram o teste de HIV (99,6% contra 95,2% nos que não a fizeram), nos que tiveram uma DST (99,7% contra 96,9% nos não tiveram) e nos que utilizaram o preservativo na mais recente relação sexual (99,5% contra 97,7% nos não utilizaram). Esta mesma proporção aumenta à medida que se sobe no nível de escolaridade, de estatuto socioeconómico e à medida que aumenta o número de parceiros sexuais. 20 Figura 1 Distribuição etária dos respondentes que têm conhecimentos acerca do HIV e os que não têm ao longo dos anos. Na parte dos respondentes que têm conhecimentos acerca do HIV a distribuição etária é exatamente a mesma nos três anos do estudo, com uma mediana igual a 19 anos e os primeiros e terceiros quartis a serem de 17 e 22 anos, respetivamente. No outro lado, vemos que a mediana dos respondentes que afirmaram não terem ouvido falar do HIV é, nos três anos, de 17 anos. De resto, observa-se uma maior concentração da distribuição etária no ano de 2015 onde 75% das pessoas que não têm conhecimentos acerca do HIV têm uma idade menor ou igual a 19 anos, quando nos outros anos é menor ou igual a 21 anos. Será interessante verificar os números do conhecimento acerca do HIV ao longo dos anos pelos diferentes níveis de escolaridade. 21 Figura 2 Evolução da frequência absoluta do conhecimento do HIV ao longo dos anos pelos níveis de escolaridade. Na categoria dos respondentes de têm conhecimentos acerca do HIV, em 2015 o número de inquiridos com a escolaridade primária é quase idêntico ao verificado no ano 2009, o mesmo acontece nos que não frequentaram a escola, pelo contrário o número de inquiridos com o ensino secundário aumentou de 2009 para 2015, ultrapassando mesmo a barra do número relativo aos inquiridos com o ensino primário. Na categoria oposta, a predominância está nos inquiridos que tem o ensino primário e nos que não frequentaram a escola, o que pode explicar mediana inferior no gráfico 1, mas o mais relevante até acaba por ser a evolução do número de respondentes a afirmarem não conhecerem o HIV ao longo dos anos, na categoria dos que têm o ensino primário ele passou de cerca de 50 em 2009 para cerca de 200 em 2015, ou seja, 4 vezes mais, o mesmo se verifica nos outros níveis de escolaridade. 22 Figura 3 Evolução da frequência absoluta do conhecimento acerca do HIV ao longo dos anos pelos diferentes estatutos socioeconómicos. Se no lado dos inquiridos que responderam afirmativamente, em todos os anos, vê-se que quanto mais alto é o estatuto maior é a frequência absoluta, no outro lado o mesmo verifica-se uma evolução ao longo dos anos, se em 2009 a predominância estava nas classes médias no ano de 2015 ela está nas classes mais baixas. Outra coisa que é verificada na categoria dos inquiridos que afirmaram não conhecerem o HIV é o aumento significativo desse número em todos os níveis socioeconómicos. Figura 4 Evolução da frequência absoluta, ao longo dos anos, dos inquiridos que têm e os que não têm conhecimentos acerca do HIV nas diferentes áreas residência. 23 O número de inquiridos a não terem conhecerem o HIV conhece um aumento significativo quer eles vivam em zonas rurais ou urbanas. Outra coisa que se verifica é que em qualquer dos anos a maioria dos respondentes que não conhecem o HIV vive nas zonas rurais, no contrário, á exceção de 2011, a maioria dos que conhecem vivem nas zonas urbanas de Moçambique. Figura 5 Distribuição etária dos respondentes que sabem e os que não sabem que o preservativo o risco de ter HIV nos diferentes anos do estudo. No lado dos que responderem de o preservativo reduz o risco de ter HIV, a distribuição etária é a mesma nos três anos do estudo com a mediana a situar-se nos 19 anos e os primeiros e terceiros quartis nos 17 e 22 anos, respetivamente. No outro lado, nota para o aumento da mediana no ano de 2015 em que ela passou de 19 para 20 anos. 24 Figura 6 Evolução, ao longo dos anos, da frequência absoluta, dos inquiridos que sabem e os que não sabem que o preservativo reduz o risco de ter HIV nos diferentes níveis de escolaridade. Nas categorias dos inquiridos com o ensino primário e que não frequentaram a escola, a proporção de inquiridos que sabe que o preservativo reduz o risco de HIV diminuiu de 2009 para 2015 enquanto que essa proporção cresceu entre os inquiridos que desconhecem esse facto. 25 Figura 7 Relação das frequências absolutas dos níveis de educação e de estatuto socioeconómico com a área de residência (1=Urbano, 2=Rural). Estes resultados mostram-nos uma diferença social entre as zonas urbanas e rurais de Moçambique. No que concerne o nível educacional, se nas zonas urbanas predominam os inquiridos com o ensino secundário, nas zonas rurais são inquiridos com o ensino primário que se encontram com maior frequência e ficando nas zonas rurais existam muito mais respondentes que não frequentaram e escola do que nas zonas urbanas e quanto aos inquiridos com o ensino superior quase não existem nas áreas rurais. Na relação com estatuto socioeconómico essa diferença social é mais evidente, se nas zonas urbanas predominam a classes mais elevadas nas zonas rurais são as classes médias, médias baixas que existem com maior frequência. 26 2.2 Análise estatística na forma de modelo de regressão logística Como referido no módulo 1.3 sobre a metodologia utilizada no trabalho, um modelo de regressão requer uma variável resposta, ora escolha datal caiu para a variável que diz respeito ao conhecimento ou não do respondente acerca do sida, primeiro porque ela condiz com o tema do trabalho e segundo porque ela não contém valores omissos, o que ajuda no cálculo do modelo. Esta variável é uma variável binária, e por esta razão o modelo que foi utilizado aqui foi o modelo de regressão logística. - Idade - Sexo - Ano da entrevista - Área de residência - Nível educacional - Estatuto socioeconómico - Se o respondente trabalha - Estado civil - Se o respondente teve uma DST no ano transato - Idade do 1º ato sexual categorizada - Nº de parceiros sexuais no ano transato, excluindo esposo(a) - Se o respondente fez o teste do HIV Começou-se por um modelo contendo todas as variáveis atrás referidas, chamemos este modelo como o modelo completo, de seguida pelo método stepwise ficou-se com um modelo reduzido, ou seja, com menos variáveis explicativas. 27 Tabela 12 Resultados do modelo de regressão logístico. Beta OR(exp(beta)) Std.Error Valor de prova Interceção 2,77869 0,55922 < 0,0001 Idade 0,03660 1,0372 0,02516 0,1458 Sexo (Masculino) Feminino - 0,73911 0,4775 0,12559 < 0,0001 Área de residência (Urbano) Rural - 0,30098 0,7401 0,14418 0,0368 Nível de escolaridade (Sem escolaridade) Primário 0,79339 2,2109 0,12384 < 0,0001 Secundário 2,44132 11,4882 0,22706 < 0,0001 Superior 2,08267 8,0258 1, 03345 0,0439 Estatuto socioeconómico (Muito pobre) Pobre - 0,25253 0,7768 0,15295 0,0987 Médio - 0,31225 0,7318 0,15454 0,0433 Rico - 0,02104 0,9792 0,17468 0,90415 Muito rico 0,24944 1,2833 0,22450 0,26652 Estado Civil (Nunca casou) Casad o/a 0,44901 1,5668 0,25112 0,07378 Vive com alguém 0,68617 1,9861 0,25657 0,0075 Vi ú vo/a 0,09205 1,0964 0,82909 0,9116 Divorciado/a 0,52205 1,6855 0,56412 0,3548 Vive sozinho/a - 0,14936 0,8613 0,30531 0,6247 Idade do 1º ato sexual (Nunca teve) 8 - 14 anos 0,42617 1,5314 0,25635 0,0964 15 - 19 anos 0,45771 1,5804 0,24464 0,0614 20 - 24 anos 0,28079 1,3242 0,57988 0,6282 Nº de parceiros/as sexuais, excluindo esposo/a, no último ano (0) 1 0,66642 1,9472 0,23348 0,0043 2 ou mais 1,07396 2,9269 0,46306 0,0204 28 Tabela 12 (continuação) Resultados do modelo de regressão logístico. Beta OR(exp(beta)) Std.Error Valor de prova Teve alguma DST no último ano (Não) Sim 1,59653 4,9359 0,72259 0,0271 Teste HIV (Não) Sim 2,33103 10,2886 0,20522 < 0,0001 Ano da entrevista (2009) 2011 0,25950 1,2963 0,16788 0,1222 2015 - 1,46536 0,2310 0,14639 < 0,0001 Quanto aos resultados, no que concerne às variáveis que já estavam no modelo obtido anteriormente, chega-se mais ou menos às mesmas conclusões, ou seja, o sexo feminino e as zonas rurais têm um efeito negativo no conhecimento do HIV relativamente á categoria oposta, no sentido contrário, a frequência escolar, o facto de já ter tido relações sexuais, o facto de ter mais parceiros/as sexuais para além do companheiro/a, o ter uma DST e o facto de ter feito o teste de HIV têm efeito positivo. No que diz respeito ao ano da entrevista, se um inquirido do ano 2011 tem maior chance de responder positivamente relativamente a um do ano 2009, para outro do 2015 esta chance corresponde a nem sequer ¼ daquela que se tem em encontrar uma resposta positiva num inquirido do ano 2009, este resultado que se vê no ano 2015 pode explicar em parte o valor de negativo que se verificou no modelo de efeitos fixos, na variável do ano da entrevista em que se podia concluir que o conhecimento diminuía ao longo dos anos. No que diz respeito às restantes variáveis, no estatuto socioeconómico verificase que apenas a classe mais rica tem um efeito positivo no conhecimento do HIV relativamente á classe mais pobre. No estado civil pode-se concluir que o facto de já ter tido uma relação favorece o conhecimento do HIV. Tabela 13 Comparação do valor AIC do modelo obtido pelo método stepwise com o modelo completo. AIC Modelo stepwise 3255,807 Modelo completo 3259 , 295 Comparativamente ao modelo com todas as variáveis (modelo completo), o modelo obtido apresenta um valor AIC menor, o que pode indicar que ele seja o melhor modelo entre os dois.