Padrões alimentares de adolescentes brasileiros: resultados da Pesquisa Nacional de Saúde do Escolar (PeNSE)

Padrões alimentares de adolescentes brasileiros: resultados da Pesquisa Nacional de Saúde do Escolar (PeNSE)

Autores:

Letícia Ferreira Tavares,
Inês Rugani Ribeiro de Castro,
Renata Bertazzi Levy,
Letícia de Oliveira Cardoso,
Rafael Moreira Claro

ARTIGO ORIGINAL

Cadernos de Saúde Pública

versão impressa ISSN 0102-311Xversão On-line ISSN 1678-4464

Cad. Saúde Pública vol.30 no.12 Rio de Janeiro dez. 2014

http://dx.doi.org/10.1590/0102-311x00016814

Introdução

A alimentação inadequada é um fator de risco para o desenvolvimento de doenças crônicas não transmissíveis (DCNT)1 , 2 , 3 , 4 , 5 que vem sendo observado entre jovens em diversos países, inclusive o Brasil. Em nosso país, os hábitos alimentares entre os adolescentes têm sido caracterizados pelo alto consumo de produtos ultraprocessados6, que são ricos em gorduras, açúcares e sódio, e baixo consumo de frutas e hortaliças7 , 8 , 9 , 10 , 11 , 12 , 13.

Tradicionalmente, os estudos de epidemiologia nutricional avaliam a relação da saúde com a ingestão de nutrientes ou alimentos. Na perspectiva da saúde pública, é fundamental estudar padrões alimentares, pois as pessoas não consomem nutrientes ou um único tipo de alimento isoladamente, mas, sim, a combinação de vários alimentos e nutrientes. Desta forma, a identificação de padrões alimentares surgiu como alternativa à avaliação do consumo alimentar baseada apenas em alimentos e nutrientes e a sua implementação em políticas públicas pode ser útil por facilitar a compreensão da alimentação da população14 , 15 , 16 , 17.

Entre as atividades que revelam o empenho mundial para prevenção e controle das DCNT está a implementação bem sucedida de sistemas de vigilância de fatores de risco e de proteção à saúde em diversos países18 , 19 , 20. Com objetivo de subsidiar políticas de saúde voltadas aos jovens, a Organização Mundial da Saúde (OMS) propôs a criação de sistemas de vigilância de fatores comportamentais de risco e de proteção para DCNT específicos para os adolescentes a serem desenvolvidos no ambiente escolar21.

Seguindo esta recomendação da OMS e baseando-se em experiências prévias de sistemas internacionais 18 , 19 , 20 e nacionais10 , 22 , 23, o Brasil estruturou um sistema de vigilância de fatores de risco e proteção à saúde de adolescentes baseado em inquéritos regulares realizados em escolas, denominado Pesquisa Nacional de Saúde Escolar(PeNSE) 24. Até o momento, foram realizadas duas edições dessa pesquisa: uma em 2009 e outra em 201224 , 25.

Assim como ocorre com os sistemas de vigilância dirigidos a adolescentes em outros países26 , 27 , 28 , 29 , 30 , 31 , 32 , 33 as análises sobre consumo alimentar realizadas com a base de dados gerada pelo sistema brasileiro têm sido restritas ao exame, em separado, de alimentos e práticas marcadores de alimentação saudável e não saudável24 , 25 , 34. O presente estudo tem como objetivo identificar e descrever, com base na PeNSE 2009, a prevalência de padrões alimentares nas 26 capitais brasileiras e no Distrito Federal e analisar sua associação com o Índice de Desenvolvimento Humano Municipal (IDH-M).

Métodos

Desenho, população do estudo e

amostragem

Os dados utilizados nesse estudo são de acesso público (Instituto Brasileiro de Geografia e Estatística. Banco de dados agregados. Pesquisa Nacional de Saúde Escolar - PeNSE 2009. http://loja.ibge.gov.br/pesquisa-nacional-de-saude-do-escolar-2009.html, acessado em 02/Fev/2013) e oriundos da PeNSE 2009, um estudo seccional cuja população foi composta por alunos do 9o ano do Ensino Fundamental de escolas públicas e privadas nas 26 capitais de estados brasileiros e do Distrito Federal. O Censo Escolar 2007, realizado pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, do Ministério da Educação, serviu como base para o cálculo da amostra 24.

Foi realizada amostragem complexa por estratificação e conglomeração em dois estágios para representar o conjunto de estudantes do 9º ano de escolas públicas e privadas das 26 capitais brasileiras e do Distrito Federal. Os 27 estratos amostrais são representados pelas capitais das Unidades da Federação (UF) e pelo Distrito Federal. No primeiro estágio foi feita a seleção das escolas (unidade primária de amostragem) por amostragem sistemática com probabilidade proporcional ao número de escolas nos estratos. O segundo estágio correspondeu à seleção das turmas (unidade secundária de amostragem) dentro de cada escola selecionada. Todos os alunos das turmas selecionadas foram convidados a participar da pesquisa. Dos 63.411 estudantes presentes nas turmas selecionadas na data da pesquisa, 501 se recusaram a participar do estudo. A amostra estudada foi composta, então, por 62.910 alunos que preencheram os questionários. Uma descrição mais detalhada do desenho amostral pode ser encontrada no relatório da PeNSE 2009 publicado pelo Instituto Brasileiro de Geografia e Estatística (IBGE)24.

Dos alunos avaliados, aproximadamente a metade tinha 14 anos de idade e 72,9% estudavam em escolas públicas. Cerca de 1/3 das mães dos escolares apresentavam Ensino Fundamental incompleto e a mesma proporção foi encontrada para o Ensino Superior completo 24.

Para as análises do presente artigo, foram utilizadas informações dos escolares que concordaram em participar, que responderam a pergunta referente a sexo e pelo menos uma pergunta sobre consumo alimentar, totalizando 60.954 escolares distribuídos em 1.453 escolas e 2.175 turmas.

Coleta de dados

A coleta de dados foi realizada por meio de computador de mão (personal digital assistant - PDA), contendo questionário estruturado e autoaplicável dividido em módulos por assunto: características sociodemográficas, alimentação, imagem corporal, atividade física, tabagismo, consumo de álcool e outras drogas, saúde bucal, comportamento sexual, violência, acidentes e segurança. O trabalho de campo ocorreu entre os meses de março e junho de 2009.

Análise dos dados

O consumo alimentar foi avaliado por meio de questionário referente à semana que antecedeu ao estudo. O aluno registrou o número de dias em que havia consumido os seguintes alimentos (ou grupos de alimentos): feijão; hortaliças cruas; hortaliças cozidas; frutas frescas; leite; guloseimas; biscoitos doces ou bolachas doces; biscoitos salgados ou bolachas salgadas; batata frita (incluindo batata de pacote); salgados fritos; embutidos (hambúrguer, salsicha, mortadela, salame, presunto, empanados de frango tipo nuggets ou linguiça); refrigerante. Os cinco primeiros foram considerados alimentos marcadores de alimentação saudável (MAS) e os sete últimos, marcadores de alimentação não saudável (MANS). Esta divisão foi baseada em evidências que sugerem a associação dessas variáveis com fatores de risco para doenças crônicas não transmissíveis1 , 2 , 3 , 4 , 5. Além disso, o leite foi incluído como alimento MAS tendo em vista que, no Guia Alimentar para População Brasileira: Promovendo a Alimentação Saudável 35, leites e derivados são apresentados como alimentos recomendados. Classificação similar foi adotada nas duas edições da PeNSE24 , 25 e em publicação anterior que se baseou nos dados do primeiro inquérito 34.

Embora o percentual de dados faltantes para cada uma das variáveis referentes ao consumo alimentar tenha variado entre 1,4 e 1,8%, quando elas foram combinadas para realização da análise de padrão alimentar, esse percentual aumentou para 12,9%. Optou-se por imputar os dados faltantes referentes ao consumo alimentar, pois a indisponibilidade de informação de pelo menos uma das 12 variáveis avaliadas excluiria o indivíduo da análise de cluster utilizada para identificação do padrão alimentar. Os procedimentos de imputação de dados faltantes empregados foram aqueles utilizados em análises anteriores da PeNSE para a variável escolaridade materna e para criação do escore de bens34. Foi utilizado modelo de regressão logística para identificação das variáveis auxiliares que não apresentavam nenhum dado faltante e que fossem capazes de predizer a variável de consumo alimentar de interesse (ex.: sexo, dependência administrativa da escola, UF, escore de bens e escolaridade materna). Em seguida, foram construídas árvores de classificação, que consistem em uma técnica não paramétrica de regressão multivariada, que permitiram predizer os valores a serem imputados aos dados faltantes36 , 37 , 38 , 39. A imputação dos dados foi realizada em ambiente e linguagem R, versão 2.15 (The R Foundation for Statistical Computing, Viena, Áustria; http://www.r-project.org), utilizando-se a biblioteca rpart.

A identificação dos padrões alimentares foi realizada levando-se em conta a frequência de consumo (nenhum dia a todos os dias nos últimos sete dias) dos 12 alimentos avaliados. Para classificação dos padrões alimentares foi utilizada a análise de cluster, pelo método não hierárquico k-means. Este método requer definição prévia do número de agrupamentos que será adotado. Por esse motivo, foi realizada análise de cluster fixando-se diferentes números de agrupamentos40.

A identificação de três padrões alimentares foi a solução que melhor se adequou levando-se em conta a interpretação e tamanho dos clusters e a consistência interna dos padrões por meio do cálculo do alfa de Cronbach (consideraram-se satisfatórios valores maiores que 0,640 , 41 , 42). A determinação dos itens que compõem cada padrão foi realizada de acordo com o valor do centroide de cada alimento ou grupo alimentar. Os alimentos incluídos nos padrões saudável e não saudável (detalhados na seção Resultados) foram os que apresentaram maior valor do centroide. O padrão misto foi representado por alimentos que apresentaram valores de centroides intermediários, ou seja, nenhum alimento apresentou o valor máximo de frequência de consumo quando comparado com os outros dois padrões identificados. Os valores da estatística F foram avaliados para identificação dos alimentos que mais contribuíram para discriminação dos clusters 40 , 43. Para facilitar a interpretação e discussão, cada padrão alimentar identificado foi nomeado com base nos alimentos neles retidos. Os pressupostos definidos por Hair et al.40 para realização da análise de cluster foram atendidos.

Para avaliar a confiabilidade da análise de cluster, foram selecionadas randomicamente duas subamostras da amostra original e as análises foram replicadas. A análise de cluster é considerada satisfatória quando os resultados obtidos nas subamostras são similares ao encontrado para o total da amostra estudada40.

Foi realizada análise de variância (ANOVA) com teste post hoc Scheffé para comparar a frequência semanal média de consumo de cada alimento avaliado de acordo com o padrão alimentar. Também foi estimada a proporção (e seu respectivo intervalo de 95% de confiança - IC95%) de adolescentes classificados em cada padrão alimentar em cada uma das 26 capitais e no Distrito Federal. Em caráter complementar, essas estimativas foram também geradas para o conjunto de capitais de cada uma das cinco regiões do país para facilitar a comparação entre elas, ainda que se saiba que esses dados não expressam cada região como um todo, já que, na PeNSE 2009, não foram incluídos na amostra os municípios do interior de cada estado.

Para avaliar a correlação entre os padrões alimentares e o IDH-M em cada um dos municípios estudados, foi determinado o coeficiente de correlação de Pearson. O IDH-M compreende as seguintes dimensões: longevidade, educação e renda e varia de 0 a 1 (Programa das Nações Unidas para o Desenvolvimento Brasil. Atlas do desenvolvimento humano no Brasil 2013: IDH-M. http://atlasbrasil.org.br/2013/o_atlas/idhm, acessado em 02/Dez/2013). No presente estudo, foram utilizadas as estimativas de IDH-M referentes a 2010 (Programa das Nações Unidas para o Desenvolvimento Brasil. Ranking IDHM. Unidades da Federação 2010. http://www.pnud.org.br/atlas/ranking/Ranking-IDHM-UF-2010.aspx, acessado em 02/Dez/2013).

A ANOVA também foi realizada para comparar a prevalência média dos padrões alimentares segundo terços do IDH-M. O nível crítico para identificar diferenças estatisticamente significativas foi de 5%.

Em caráter complementar, foi construído um gráfico tipo scatterplotsadotando-se o IDH-M como variável independente e cada um dos três padrões alimentares como variável dependente. Uma linha suavizada, obtida pela função loess, foi então incluída no gráfico para cada um dos padrões para facilitar a visualização da direção da relação entre as variáveis. Outras duas linhas demarcando os terços da distribuição do IDH-M também foram incluídas, permitindo ao leitor identificar as diferenças entre as proporções dos três padrões nesses três terços.

As análises foram realizadas levando-se em conta o desenho da amostra e com auxílio dos programas R versão 3.0 (The R Foundation for Statistical Computing, Viena, Áustria; http://www.r-project.org), Stata SE, versão 12.1 (Stata Corp., College Station, Estados Unidos), SPSS versão 17 (SPSS Inc., Chicago, Estados Unidos) e Microsoft Office Excel 2007 (Microsoft Corp., Estados Unidos).

Resultados

A análise de cluster produziu os três padrões alimentares descritos a seguir. O primeiro padrão, nomeado saudável (com 16.117 casos), foi caracterizado pelo consumo mais frequente de todos os alimentos MAS (hortaliças cozidas, frutas, leite, hortaliças cruas e feijão) e menos frequente de todos os alimentos MANS (biscoitos doces, biscoitos salgados, guloseimas, refrigerante, salgados fritos, embutidos e batata frita). O segundo padrão, não saudável (n = 20.202), foi caracterizado pelo consumo mais frequente de todos os alimentos MANS e menos frequente de todos os alimentos MAS. O terceiro padrão, misto (n = 24.635), foi caracterizado pela menor discrepância entre o consumo semanal dos alimentos avaliados, ou seja: por uma frequência de consumo de alimentos MAS mais próxima da de alimentos MANS. Nesse padrão, o consumo de alimentos MAS foi menos frequente que o observado entre os adolescentes classificados como apresentando padrão saudável e consumo de alimentos MANS foi menos frequente que o observado entre os adolescentes classificados como apresentando padrão não saudável.

A Figura 1 expressa a frequência semanal média de consumo dos alimentos selecionados de acordo com o padrão alimentar. Foi observada diferença estatisticamente significativa entre a frequência semanal média de consumo de todos os alimentos avaliados entre os três padrões alimentares identificados (valor de p < 0,001). Sendo que os alimentos biscoitos doces, biscoitos salgados e hortaliças cozidas foram os que apresentaram valores superior de estatística F e mais contribuíram para discriminar os três padrões alimentares (dados não apresentados). Em geral, a consistência interna observada para os padrões saudável, misto e não saudável foi considerada satisfatória, com valores de alfa de Cronbach, respectivamente, 0,56, 0,65 e 0,75.

Figura 1  Frequência semanal média de consumo dos alimentos selecionados de acordo com o padrão alimentar de escolares do 9(o) ano do Ensino Fundamental das capitais brasileiras e do Distrito Federal. Pesquisa Nacional de Saúde do Escolar, 2009 (PeNSE 2009). 

Para o conjunto de alunos estudados, a distribuição observada para os padrões saudável, misto e não saudável foi de, respectivamente, 27,7%, 37,7% e 34,6%. Essa distribuição não foi homogênea nem entre as Regiões nem dentro de cada uma delas (Table 1).

Tabela 1 Índice de Desenvolvimento Humano Municipal (IDH-M) e proporção de adolescentes classificados em cada um dos três padrões alimentares nos municípios das capitais, Distrito Federal e Regiões do Brasil *. Pesquisa Nacional de Saúde do Escolar, 2009 (PeNSE 2009). 

Regiões do Brasil/ Municípios das capitais (Estado) e Distrito Federal IDH-M Saudável Padrão alimentar Misto Não saudável
% IC95% % IC95% % IC95%
Região Norte 20,6 19,5-21,7 50,5 49,0-52,0 28,9 27,9-30,0
Palmas (Tocantins) 0,788 31,9 29,1-34,8 37,0 32,8-41,3 31,2 28,3-34,1
Boa Vista (Roraima) 0,752 29,1 26,8-31,4 42,9 40,0-45,9 28,0 25,6-30,6
Belém (Pará) 0,746 17,4 15,7-19,2 54,5 51,0-58,0 28,2 25,6-30,8
Manaus (Amazonas) 0,737 19,5 17,3-22,0 53,2 50,4-56,0 27,3 25,5-29,1
Porto Velho (Rondônia) 0,736 28,7 26,6-31,0 39,5 37,3-41,6 31,8 29,5-34,2
Macapá (Amapá) 0,733 16,2 14,6-17,9 55,4 52,5-58,3 28,4 26,2-30,8
Rio Branco (Acre) 0,727 22,7 19,8-23,9 41,0 37,9-44,2 37,3 34,4-40,3
Região Nordeste 18,6 17,8-19,5 46,2 45,0-47,4 35,2 34,1-36,3
Recife (Pernambuco) 0,772 14,8 13,5-16,2 38,2 35,4-41,1 47,0 44,2-49,8
Aracaju (Sergipe) 0,770 23,3 21,0-25,8 42,8 40,3-45,4 33,9 31,5-36,4
São Luís (Maranhão) 0,768 19,1 17,4-20,8 55,6 53,5-57,9 25,3 23,1-27,6
Natal (Rio Grande do Norte) 0,763 21,2 19,4-23,2 43,5 41,1-45,8 35,3 33,2-37,5
João Pessoa (Paraíba) 0,763 19,1 17,4-20,9 42,2 39,5-44,8 38,7 36,0-41,6
Salvador (Bahia) 0,759 19,4 16,9-22,2 50,5 47,3-53,7 30,1 28,2-32,2
Fortaleza (Ceará) 0,754 17,3 15,4-19,4 48,3 45,2-51,5 34,4 31,5-37,4
Teresina (Piauí) 0,751 25,7 23,7-27,9 45,3 42,8-47,8 29,0 26,7-31,4
Maceió (Alagoas) 0,721 17,4 15,7-19,2 42,7 40,2-45,4 39,9 37,1-42,7
Região Sudeste 31,5 30,0-33,1 31,8 30,5-33,2 36,7 35,1-38,3
Vitória (Espírito Santo) 0,845 33,6 31,3-35,9 32,8 30,6-35,2 33,6 31,1-36,3
Belo Horizonte (Minas Gerais) 0,810 34,5 32,3-36,7 28,5 26,8-30,4 37,0 34,6-39,4
São Paulo (São Paulo) 0,805 32,9 30,7-35,2 31,4 29,5-33,4 35,7 33,3-38,2
Rio de Janeiro (Rio de Janeiro) 0,799 27,1 24,3-30,0 34,1 31,8-36,5 38,9 36,7-41,2
Região Sul 33,9 32,3-35,5 35,7 34,0-37,4 30,5 28,8-32,1
Florianópolis (Santa Catarina) 0,847 34,5 32,5-42,3 40,0 37,7-42,3 25,5 23,2-28,0
Curitiba (Paraná) 0,823 34,7 32,6-36,9 32,9 30,7-35,1 32,4 30,2-34,8
Porto Alegre (Rio Grande do Sul) 0,805 32,0 29,0-35,0 40,0 36,6-43,4 28,1 25,3-31,0
Região Centro-oeste 34,5 33,3-35,7 33,0 31,6-34,4 32,5 31,2-33,9
Brasília (Distrito Federal) 0,824 36,1 34,1-38,2 32,0 29,4-34,7 37,9 29,5-34,4
Goiânia (Goiás) 0,799 36,6 34,5-38,7 31,5 29,4-33,7 31,9 20,1-33,7
Cuiabá (Mato Grosso) 0,785 27,8 25,7-30,0 36,0 32,6-39,5 36,2 32,7-39,9
Campo Grande (Mato Grosso do Sul) 0,784 30,2 28,0-32,4 36,7 34,0-39,5 33,1 30,6-35,7
Total 27,7 26,9-28,5 37,7 37,0-38,5 34,6 33,7-35,4

* Regiões do Brasil: dados referentes ao conjunto das capitais (estados) de cada uma das regiões do país.

Analisando a média obtida para o conjunto das capitais de cada uma das regiões do país, a proporção de adolescentes classificados como pertencentes ao padrão saudável nas regiões Sudeste (31,5%), Sul (33,9%) e Centro-oeste (34,5%) é superior à observada para o total de alunos avaliados (27,7%). Já as regiões Norte e Nordeste apresentaram proporção inferior para esse padrão alimentar (20,6 e 18,6%, respectivamente). O padrão misto foi mais frequente nas regiões Norte (50,5%) e Nordeste (46,2%) e menos frequente nas regiões Centro-oeste (33%) e Sudeste (31,8%). Os adolescentes das regiões Norte e Sul apresentaram proporção inferior ao conjunto de adolescentes estudados (34,6%) para o padrão não saudável (respectivamente 28,4 e 30,5%).

Destaca-se a diferença nas prevalências do padrão saudável entre os municípios das Regiões Norte [16,2% em Macapá (Amapá) a 31,9% em Palmas (Tocantins)] e Nordeste [de 14,8% em Recife (Pernambuco) a 25,7% em Teresina (Piauí)]. Em relação ao padrão não saudável, as diferenças mais marcantes também foram encontradas nessas duas regiões brasileiras, com prevalências variando, respectivamente, de 37,3% [em Rio Branco (Acre)] a 27,3% [em Manaus (Amazonas)] e de 47% (em Recife) a 25,3% [em São Luiz (Maranhão)]. Os sete municípios classificados como muito alto desenvolvimento humano [valor de IDH-M entre 0,8 e 1, a saber, Florianópolis (Santa Catarina), Vitória (Espírito Santo), Brasília (Distrito Federal), Curitiba (Paraná), Belo Horizonte (Minas Gerais), Porto Alegre (Rio Grande do Sul) e São Paulo] estavam entre os oito com maiores prevalências do padrão saudável e entre os cinco com menores prevalências do padrão misto.

O IDH-M apresentou correlação positiva (coeficiente de correlação de Pearson = 0,773) com o padrão alimentar saudável e negativa (coeficiente de correlação de Pearson = 0,676) para o padrão alimentar misto (valor de p < 0,001). Não houve correlação entre IDH-M e padrão não saudável (Figura 2). Resultados similares também foram observados para os componentes do IDH-M: renda, educação e longevidade (resultados não apresentados). Ainda que não seja muito largo o espectro de variação do IDH-M nos municípios estudados (de 0,721 a 0,847), podem ser observadas três situações distintas quanto à relação entre os padrões alimentares e o IDH-M. No primeiro terço da distribuição de IDH-M (até 0,756), foi observada estabilidade dos três padrões alimentares, sendo que os padrões misto e saudável apresentaram, respectivamente, a maior e a menor prevalências. No segundo terço, que abarca municípios com IDH-M entre 0,757 e 0,795, observou-se aumento da prevalência do padrão saudável e redução da prevalência do padrão misto com o aumento do IDH-M. Já no terceiro terço, (IDH-M maior que 0,795) os municípios apresentaram proporções similares dos padrões saudável e misto. Somente nesse último terço, em que estão os municípios com IDH-M classificados como muito alto (≥ 0,800), as prevalências do padrão saudável superam aquelas do padrão não saudável.

Figura 2  Proporção de escolares do 9o ano do Ensino Fundamental em cada padrão alimentar segundo Índice de Desenvolvimento Humano Municipal (IDH-M) das capitais brasileiras e do Distrito Federal. Pesquisa Nacional de Saúde do Escolar, 2009 (PeNSE 2009). 

A análise de variância corroborou os resultados apresentados na Figura 2: apontou que os municípios do terceiro terço da distribuição do IDH-M apresentaram maior proporção de adolescentes pertencentes ao padrão saudável e menor proporção daqueles pertencentes ao padrão misto quando comparados com aqueles do primeiro e segundo terços de IDH-M. Também segundo essa análise não foi observada correlação entre o padrão não saudável e IDH-M (Table 2).

Tabela 2 Proporção * de adolescentes classificados em cada um dos três padrões alimentares segundo terço do Índice de Desenvolvimento Humano Municipal (IDH-M). Pesquisa Nacional de Saúde do Escolar, 2009 (PeNSE 2009). 

Padrão alimentar IDH-M Valor de p **
1 o terço 2 o terço 3 o terço
Saudável 21,6a 23,0b 33,6a,b < 0,001
Misto 47,0c 42,5d 33,7c,d < 0,001
Não saudável 31,6 34,5 33,4 0,477

* Valor médio das prevalências de cada padrão alimentar nos municípios alocados em cada terço de IDH-M.

** Análise de variância (ANOVA), com teste post hoc Scheffé.

a,b,c Valor de p < 0,001;

d Valor de p = 0,012;

a,b,c,d Valor p correspondente ao teste post hoc Scheffé utilizado para identificar entre quais terços do IDH-M foi observada diferença de proporção de adolescentes classificados em cada um dos padrões alimentares. O valor de p sinalizado com as letras "a", "b", "c" e "d" representa a comparação dois a dois da prevalência dos padrões.

Discussão

Os padrões alimentares observados caracterizam o consumo alimentar de estudantes do 9º ano de escolas públicas e privadas das capitais brasileiras e do Distrito Federal. Foram identificados três padrões alimentares: saudável, não saudável e misto. Em geral, o padrão alimentar dos adolescentes avaliados não é satisfatório. Foram observadas baixas proporções do padrão saudável entre os municípios avaliados. Observaram-se diferenças nas prevalências dos padrões tanto inter quanto intrarregionais, com maior heterogeneidade nas regiões Norte e Nordeste. Maiores proporções do padrão saudável foram observadas entre adolescentes das capitais das regiões Sudeste, Sul e Centro-oeste. O IDH-M apresentou associação direta com a prevalência do padrão saudável e inversa com a do padrão misto, não sendo observada associação entre este índice e o padrão não saudável. Diferenças na relação entre as prevalências dos padrões alimentares foram observadas em cada terço da distribuição do IDH-M.

As diferenças das proporções dos padrões alimentares identificados tanto intra e inter-regionalmente quanto segundo o IDH-M apontam para a necessidade de se conhecer melhor cada contexto local, seja no tocante à magnitude dos eventos, seja no exame dos determinantes dessas diferentes realidades. Estudos adicionais são necessários para que se possam compreender melhor essas diferenças. Ainda assim, tendo e vista a associação positiva entre padrão alimentar saudável e IDH-M, é razoável supor que o efeito sinérgico entre escolaridade, renda e condições de saúde (que se expressam sinteticamente no indicador de longevidade) contribua para a determinação das práticas alimentares mais saudáveis. Por outro lado, a não associação das prevalências do padrão não saudável com o aumento do IDH-M sugerem a uniformização do acesso a alimentos como guloseimas, biscoitos e refrigerantes.

A comparação dos nossos achados com os de outros estudos deve ser realizada com cautela em função das diferenças nas características da população estudada e nos instrumentos utilizados para avaliação do consumo alimentar. Adicionalmente, existem inúmeros modos empregados para extração dos padrões o que limita ainda mais a comparabilidade entre os estudos.

Por esse motivo, não foi realizado um cotejamento com dados pontuais de estudos específicos, mas, sim, a comparação com os resultados gerais - tais como a metodologia utilizada para identificação dos padrões, o número de padrões identificados e suas características centrais - de pesquisas realizadas em diferentes partes do mundo que buscaram identificar o padrão alimentar de adolescentes. Até o momento, os dois principais métodos empregados para identificação dos padrões alimentares nesta faixa etária têm sido a análise fatorial42 , 44 , 45 , 46 , 47 , 48 e a análise de cluster 42 , 49 , 50.

Em geral, são identificados dois ou três padrões alimentares, sendo um representado pelo consumo de alimentos saudáveis (protetor)44 , 45 , 46 , 48 outro, por alimentos não saudáveis (fast food ou ocidental)42 , 44 , 45 , 46 , 47 , 50 e o terceiro, por uma alimentação tradicional do local avaliado 46 , 47 , 48 , 49.

Em consonância com os trabalhos realizados com adolescentes que utilizaram análise de cluster, o presente estudo observou elevada prevalência do padrão alimentar caracterizado pelo consumo frequente de alimentos MANS e baixo consumo de alimentos MAS42 , 49 , 50. Entre adolescentes coreanos, foi observada a existência do padrão modificado ou de transição, equivalente ao padrão misto aqui descrito, caracterizado pelo menor consumo de alimentos MAS (hortaliças, frutas e leite) e pelo consumo intermediário de alimentos MANS (refrigerantes, batata, biscoitos e guloseimas), quando comparado aos outros dois padrões identificados (tradicional e ocidental)48. A primeira iniciativa brasileira de avaliar o padrão alimentar de adolescentes com base em inquéritos utilizados por sistemas de vigilância ocorreu no Rio de Janeiro51 na qual foi utilizado um questionário muito semelhante ao da PeNSE24. Identificaram-se quatro padrões entre os adolescentes do Município do Rio de Janeiro. Seus padrões extremos ("A" e "D") se assemelham aos padrões saudável e não saudável identificados no presente estudo. Nos dois estudos, os alimentos que apresentaram maior capacidade de discriminar os padrões identificados foram biscoitos doces, biscoitos salgados, hortaliças cozidas e frutas51.

Também realizamos o cotejamento dos nossos resultados com o estudo que investigou a evolução temporal do padrão alimentar de adultos avaliados pelo Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Telefone (VIGITEL)43. Embora os estudos enfoquem indivíduos de faixas etárias distintas, ambos apresentam dados sobre o Distrito Federal e as 26 capitais brasileiras. Além disso, apresentam similaridades metodológicas tanto em relação aos alimentos avaliados quanto à utilização da análise de cluster para identificação dos padrões alimentares. A avaliação do padrão alimentar com dados do VIGITEL identificou dois padrões alimentares: o primeiro, caracterizado por práticas ou pelo consumo de alimentos considerados saudáveis e o segundo, caracterizado pelo consumo de alimentos considerados não saudáveis. Embora tenha sido identificado um padrão composto por alimentos considerados saudáveis e outro por alimentos considerados não saudáveis, aproximadamente 90% dos indivíduos foram classificados como pertencentes ao padrão saudável. Os autores destacam que a identificação dos padrões alimentares não se mostrou satisfatória, pois a elevada prevalência do padrão saudável não é característica do hábito alimentar da população brasileira. Além disso, diferentemente dos achados do presente estudo, não foram observadas diferenças de médias de consumo dos alimentos investigados entre os dois clusters identificados43.

Uma vez que não foi encontrado outro estudo que relacionasse o padrão alimentar com o IDH-M e seus três componentes (educação, longevidade e renda), compararam-se os resultados do presente estudo com outros que avaliaram a associação entre padrão alimentar e características socioeconômicas de adolescentes. Enquanto, em nosso estudo, o padrão não saudável não apresentou correlação com o IDH-M, no México o padrão ocidental foi positivamente associado ao grau de instrução dos adolescentes e ao índice de qualidade habitacional42. Por outro lado, esse padrão apresentou associação inversa com renda na Austrália44, com nível socioeconômico na Alemanha 46 e com renda e com grau de instrução materna em Salvador (Bahia)47. Já em relação ao padrão saudável, nossos achados corroboram os de outros estudos, que encontraram associação positiva entre este padrão alimentar e nível socioeconômico 45 , 46, terço de escore de bens de consumo51 e grau de instrução materna44.

No tocante aos aspectos metodológicos, a principal limitação é o fato de o questionário utilizado pela PeNSE 2009 não permitir a análise detalhada, tanto quantitativa quanto qualitativa, da alimentação dos adolescentes, uma vez que engloba um número restrito de alimentos/grupos de alimentos. Ainda assim, o número de marcadores avaliados é considerado satisfatório para as finalidades do sistema de vigilância e é semelhante ao empregado por outros sistemas similares existentes no mundo26 , 27 , 28 , 29 , 30 , 31 , 32 , 33.

Outra potencial limitação seria o fato de a utilização de um questionário referente a sete dias comprometer a estimativa do consumo usual dos adolescentes avaliados52. Entretanto, o bloco de perguntas concernentes a alimentação apresentou desempenho satisfatório em estudo de validação do instrumento realizado com escolares do 9o ano do Município do Rio de Janeiro53. Resultados similares vêm sendo encontrados em sistemas de monitoramento dirigidos a adolescentes em outros países que também se baseiam em aplicação de questionário auto-preenchido 54 , 55.

Em relação ao método estatístico escolhido para identificação dos padrões alimentares, embora o emprego da análise de cluster não hierárquica k-means exija a definição prévia do número de padrões que serão identificados, foram realizados, previamente, procedimentos complementares para definição do número de clusters 17 , 40 , 56.

O fato de o método de cluster identificar padrões mutuamente excludentes poderia ser considerado como limitação, dado que é possível um mesmo indivíduo estar aderido a mais de um padrão51. No entanto, a característica do método de cluster de identificar padrões mutuamente excludentes foi um dos motivos para sua aplicação, dado que o objetivo do presente estudo foi estimar prevalências e compará-las entre os municípios. Para isso era necessário gerar uma variável composta por categorias mutuamente excludentes. Essa forma de analisar os dados está alinhada aos objetivos de sistemas de vigilância de fatores de risco e proteção à saúde, que se propõem a descrever eventos, magnitudes, distribuições e tendências de eventos de interesse.

Adicionalmente, mesmo com a utilização de uma quantidade restrita de alimentos para realização da análise de cluster, os padrões alimentares identificados apresentaram consistência interna e confiabilidade satisfatória. Ao realizar a análise de cluster em subamostras, identificou-se resultado similar ao descrito para o total de adolescentes avaliados40 , 41 , 42.

Em relação ao processo de imputação de dados faltantes realizado, a árvore de classificação consiste em um método de estratificação que utiliza um conjunto de características dos adolescentes que possuem as informações completas para as variáveis a serem imputadas e os classifica em grupos homogêneos, com base nessas características36. Embora a predição do consumo alimentar envolva características que vão além das variáveis utilizadas no processo de imputação realizado, foi observada similaridade da distribuição das variáveis antes e após a imputação. Adicionalmente, a análise de cluster foi realizada somente com os indivíduos que possuíam informações completas e os resultados foram mantidos.

Um dos pontos positivos do presente estudo é o fato de o desenho amostral ter sido estruturado de modo a representar os estudantes do 9º ano de escolas públicas e privadas das capitais brasileiras e do Distrito Federal. A análise de cluster é considerada boa quando a amostra é representativa da população para a qual os dados serão extrapolados40.

Além de os resultados serem representativos, outro destaque é o ineditismo das análises realizadas, pois, pela primeira vez, foi realizada avaliação do padrão alimentar com base em informações oriundas de um sistema de vigilância dirigidos a adolescentes. Até o presente momento, as análises sobre consumo alimentar realizadas pelo sistema brasileiro24 , 34 e por sistemas de vigilância de outros países28 , 29 , 30 se restringiam ao exame, em separado, dos alimentos marcadores de alimentação saudável e não saudável. Adicionalmente, pela primeira vez no país, foi realizada uma análise que articulou o IDM-M com informações sobre o padrão alimentar de adolescentes de todas as capitais brasileiras e do Distrito Federal.

A aplicação da análise de cluster permitiu a identificação de padrões alimentares capazes de classificar os adolescentes quanto à presença de fatores de risco e de proteção à saúde relacionados com a alimentação. A não sobreposição dos intervalos de confiança das prevalências dos padrões de cada região com o do total de indivíduos estudados sugere que exista uma real diferença dos padrões alimentares nas regiões brasileiras. A estimativa da distribuição dos padrões alimentares de adolescentes em cada município das capitais do Brasil permite conhecer de forma mais detalhada a dinâmica alimentar deste grupo populacional, propiciando a elaboração de ações de promoção da saúde mais adequadas a cada realidade.

A realização de análises similares com edições da PeNSE subsequentes à utilizada no presente estudo permitirão o acompanhamento da evolução temporal do padrão alimentar entre os adolescentes das capitais. Também será possível expandir as análises para os municípios do interior das capitais brasileiras, uma vez que a segunda edição da PeNSE, realizada em 2012, foi dimensionada de modo a estimar parâmetros populacionais para o país como um todo.

Em um sistema vigilância, o objetivo de se avaliar a alimentação não é o de gerar estimativas precisas da quantidade ingerida de determinados nutrientes, mas, sim, estimar a ocorrência de marcadores de consumo alimentar de interesse para o monitoramento de fatores de risco para DCNT. Tendo em vista este propósito, a análise do padrão alimentar apresentada nesse estudo é oportuna no contexto do sistema de vigilância dirigido aos adolescentes no Brasil, pois permitiu avaliar a alimentação de uma forma global, contribuindo para o aprofundamento do conhecimento sobre a realidade dos adolescentes no tocante ao consumo alimentar e fornecendo subsídios para consolidação do sistema brasileiro de vigilância de fatores de risco e proteção à saúde de adolescentes.

REFERÊNCIAS

1 World Health Organization. Diet, nutrition and the prevention of chronic diseases. Geneva: World Health Organization; 2003.
2. Levy RB, Sichieri R, Pontes NS, Monteiro CA. Household food availability in Brazil: distribution and trends (1974-2003). Rev Saúde Pública 2005; 39:530-40.
3. Dauchet L, Amouyel P, Hercberg S, Dallongeville J. Fruit and vegetable consumption and risk of coronary heart disease: a meta-analysis of cohort studies. J Nutr 2006; 136:2588-93.
4. Agudo A, Cabrera L, Amiano P, Ardanaz E, Barricarte A, Berenguer T, et al. Fruit and vegetable intakes, dietary antioxidant nutrients, and total mortality in Spanish adults: findings from the Spanish cohort of the European Prospective Investigation into Cancer and Nutrition (EPIC-Spain). Am J Clin Nutr 2007; 85:1634-42.
5. World Cancer Research Fund, American Institute for Cancer Research. Policy and action for cancer prevention. food, nutrition, and physical activity: a global perspective. Washington DC: American Institute for Cancer Research; 2009.
6. Monteiro CA, Levy RB, Claro RM, Castro IRR, Cannon G. A new classification of foods based on the extent and purpose of their processing. Cad Saúde Pública 2010; 26:2039-49.
7. Santos JS, Costa MCO, Nascimento Sobrinho CL, Silva MCM, Souza KEP, Melo BO. Perfil antropométrico e consumo alimentar de adolescentes de Teixeira de Freitas - Bahia. Rev Nutr 2005; 18:623-32.
8. Veiga GV, Sichieri R. Correlation in food intake between parents and adolescents depends on socioeconomic level. Nutr Res 2006; 26:517-23.
9. Nunes MMA, Figueiroa JN, Alves JGB. Excesso de peso, atividade física e hábitos alimentares entre adolescentes de diferentes classes econômicas em Campina Grande (PB). Rev Assoc Med Bras 2007; 53:130-4.
10. Castro IRR, Cardoso LO, Egstrom EM, Levy RB, Monteiro CA. Vigilância de fatores de risco para doenças não transmissíveis entre adolescentes: a experiência da cidade do Rio de Janeiro, Brasil. Cad Saúde Pública 2008; 24:2279-88.
11. Toral N, Conti MA, Slater B. A alimentação saudável na ótica dos adolescentes: percepções e barreiras à sua implementação e características esperadas em materiais educativos. Cad Saúde Pública 2009; 25:2386-94.
12. Neutzling MB, Assunção MCF, Malcon MC, Hallal PC, Menezes AMB. Hábitos alimentares de escolares adolescentes de Pelotas, Brasil. Rev Nutr 2010; 23:379-88.
13. Tavares LF, Fonseca SC, Rosa MLG, Yokoo EM. Relationship between ultra-processed foods and metabolic syndrome in adolescents from a Brazilian Family Doctor Program. Public Health Nutr 2012; 15:82-7.
14. Hu FB. Dietary pattern analysis: a new direction in nutritional epidemiology. Curr Opin Lipidol 2002; 13:3-9.
15. Kant AK. Dietary patterns and health outcomes. J Am Diet Assoc 2004; 104:615-3.
16. Newby PK, Tucker KL. Empirically derived eating patterns using factor or cluster analysis: a review. Nutr Rev 2004; 62:177-203.
17. Olinto MTA. Padrões alimentares: análise de componentes principais. In: Kac G, Shichieri R, Gigante DP, organizadores. Epidemiologia nutricional. Rio de Janeiro: Rio de Janeiro: Editora Fiocruz/São Paulo: Editora Atheneu; 2007. p. 213-62.
18. Brener ND, Kann L, Kinchen SA, Grunbaum JA, Whalen L, Eaton D, et al. Methodology of the youth risk behavior surveillance system. MMWR Recomm Rep 2004; 53:1-13.
19. Currie C, Roberts C, Morgan A, Smith R, Settertobulte W, Samdal O, et al. Young people's health in context: Health Behaviour in School-aged Children (HBSC) study. International Report from the 2001/2002 Survey. Geneva: World Health Organization; 2004.
20. Centers for Disease Control and Prevention. Global School-based Student Health Survey (GSHS). (accessed on 19/Jan/2014).
21. World Health Organization, United Nations Children's Fund. Measurement of adolescent development: environmental, contextual and protective factors. Geneva: World Health Organization; 1999.
22. Instituto Nacional de Câncer. Vigescola: Vigilância de Tabagismo em Escolares. Dados e fatos de 12 capitais brasileiras. Rio Janeiro: Instituto Nacional de Câncer; 2004.
23. Monteiro CA, Moura EC, Jaime PC, Lucca A, Florindo AA, Figueiredo ICR, et al. Monitoramento de fatores de risco para doenças crônicas por entrevistas telefônicas. Rev Saúde Pública 2005; 39:47-57.
24. Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional de Saúde Escolar 2009. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística; 2009.
25. Instituto Brasileiro de Geografia e Estatística. Pesquisa Nacional de Saúde Escolar 2012. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística; 2013.
26. Vereecken CA, Henauw S, Maes L. Adolescents' food habits: results of the Health Behaviour in School-aged Children Survey. Br J Nutr 2005; 94:423-31.
27. Vereecken CA, Tood J, Roberts C, Maes L. Television viewing behaviour and associations with food habits in different countries. Public Health Nutr 2006; 9:244-50.
28. Currie C, Gabhainn SN, Godeau E, Roberts C, Smith R, Currie D, et al. Inequalities in young people's health: HBSC International Report from the 2005/2006 Survey. Copenhagen: World Health Organization; 2008.
29. Eaton DK, Kann L, Kinchen S, Shanklin S, Flint KH, Hawkins J, et al. Youth risk behavior surveillance - United States, 2011. MMWR Surveill Summ 2012; 61:1-162.
30. Centers for Disease Control and Prevention. Global School-based Student Health Survey (GSHS). Americas region. http://www.cdc.gov/gshs/countries/americas/ (accessed on 19/Jan/2014).
31. Ministerio de Salud. Encuesta Global de Salud Escolar: resultados de 2007. Buenos Aires: Ministerio de Salud; 2008.
32. Ministerio de Salud. Encuesta Global de Salud Escolar: Uruguay - 2006. Montevideo: Ministerio de Salud; 2009.
33. Ministerio de Salud. Encuesta Global de Salud Escolar: resultados - Perú 2010. Lima: Ministerio de Salud; 2011.
34. Levy RB, Castro IRR, Cardoso LO, Tavares LF, Sardinha, LMV, Gomes FS, et al. Consumo e comportamento alimentar entre adolescentes brasileiros: Pesquisa Nacional de Saúde do Escolar (PeNSE), 2009. Ciênc Saúde Coletiva 2010; 15 Suppl 2: 3085-97.
35. Secretaria de Atenção à Saúde, Ministério da Saúde. Guia alimentar para a população brasileira: promovendo a alimentação saudável. Brasília: Ministério da Saúde; 2008.
36. Breiman L, Friedman J, Stone CJ, Olshen RA. Classification and regression trees. Monterrey: Wadsworth and Brooks/Cole; 1984.
37. Nordbotten S. Neural network imputation applied to the Norwegian 1990 population census data. J Off Stat 1996; 12:385-401.
38. Instituto Brasileiro de Geografia e Estatística. Imputação de valores faltantes referentes às variáveis de rendimento do trabalho na Pesquisa Mensal de Emprego. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística; 2007.
39. Cardoso LO, Castro IRR, Gomes FS, Leite IC. Individual and school environment factors associated with overweight in adolescents of the municipality of Rio de Janeiro, Brazil. Public Health Nutr 2011; 14:914-22.
40. Hair JF, Black WC, Babin BJ, Anderson RE. Multivariate Data Analysis. 7(th) Ed. New Jersey: Prentice Hall; 2009.
41. Basilevsky AT. Statistical factor analysis and related methods - theory and application. New York: Wiley Interscience; 1994.
42. Lozada AL, Flores M, Rodríguez S, Barquera S. Patrones dietarios en adolescentes mexicanas. Una comparación de dos métodos. Encuesta Nacional de Nutrición, 1999. Salud Pública Méx 2007; 49:263-73.
43. Souza AM, Bezerra IN, Cunha DB, Sichieri R. Avaliação dos marcadores de consumo alimentar do VIGITEL. Rev Bras Epidemiol 2011; 14:44-52.
44. Ambrosini GL, Oddy WH, Robinson M, O'Sullivan TA, Hands BP, Klerk NH, et al. Adolescent dietary patterns are associated with lifestyle and family psycho-social factors. Public Health Nutr 2009; 12:1807-15.
45. Cutler GJ, Flood A, Hannan P, Neumark-Sztainer D. Major patterns of dietary intake in adolescents and their stability over time. J Nutr 2009; 139:323-8.
46. Richter A, Heidemann C, Schulze MB, Roosen J, Thiele S, Mensink GBM. Dietary patterns of adolescents in Germany - associations with nutrient intake and other health related lifestyle characteristics. BMC Pediatr 2012; 12:35.
47. Silva RCR, Assis AMO, Szarfarc SC, Pinto EJ, Costa LCC, Rodrigues LC. Iniquidades socioeconômicas na conformação dos padrões alimentares de crianças e adolescentes. Rev Nutr 2012; 25:451-61.
48. Howe AS, Black KE, Wong JE, Parnel WR, Skidmore PML. Dieting status influences associations between dietary patterns and body composition in adolescents: a cross-sectional study. Nutr J 2013; 12:51.
49. Song Y, Park MJ, Paik HY, Joung H. Secular trends in dietary patterns and obesity-related risk factors in Korean adolescents aged 10-19 years. Int J Obes (Lond) 2009; 34:48-56.
50. Joung H, Hong S, Song Y, Ahn BC, Park MJ. Dietary patterns and metabolic syndrome risk factors among adolescents. Korean J Pediatr 2012; 55: 128-35.
51. Cardoso LO, Alves LC, Castro IRR, Leite IC, Machado CJ. Uso do método Grade of Membership na identificação de perfis de consumo e comportamento alimentar de adolescentes do Rio de Janeiro, Brasil. Cad Saúde Pública 2011; 27:335-46.
52. Gibson RS. Principles of nutritional assessment. 2(nd) Ed. New York: Oxford University Press; 2005.
53. Tavares LF, Castro IRR, Levy RB, Cardoso LO, Passos MD, Brito FSB. Validade relativa de indicadores de práticas alimentares da Pesquisa Nacional de Saúde do Escolar entre adolescentes do Rio de Janeiro, Brasil. Cad Saúde Pública 2014; 30:1029-41.
54. Field AE, Colditz GA, Fox MK, Byers T, Serdula M, Bosch RJ, et al. Comparison of 4 questionnaires for assessment of fruit and vegetable intake. Am J Public Health 1998; 88:1216-8.
55. Vereecken C, Maes LA. A Belgian study on the reliability and relative validity of the Health Behaviour in School-Aged Children food frequency questionnaire. Public Health Nutr 2003; 6:581-8.
56. Mingoti SA. Análise de dados através de métodos de estatística multivariada. Belo Horizonte: Editora UFMG; 2007.