Introduction

THE GRADUATE PROGRAM

 

The Graduate Program in Public Health at the Federal University of Rio Grande, Master’s Degree, aims to qualify human resources by training professionals in Public Health to the following purposes:

 

1) Identifying problems that affect the health and well-being of populations;

2) Carrying out original and innovative research projects that allow the advance of scientific knowledge;

3) Defining, establishing and managing public programs and policies that promote scientific development in the field of public health, and that contribute to a better quality of life for the populations.

 

AREA OF CONCENTRATION

- Epidemiology

LINES OF RESEARCH

- Evaluation of health services and programs

- Behavior and health of adults and the elderly

- Maternal, child and adolescent health

Interrupção da regressão de séries temporais para avaliação de intervenções em saúde pública: um tutorial

A análise de séries temporais interrompidas (ITS) é um projeto de estudo valioso para avaliar a eficácia de intervenções de saúde em nível de população que foram implementadas em um momento claramente definido. É cada vez mais usado para avaliar a eficácia de intervenções que vão desde a terapia clínica até a legislação nacional de saúde pública. Enquanto o design compartilha muitas propriedades de abordagens baseadas em regressão em outros estudos epidemiológicos, há uma série de características únicas de dados de séries temporais que exigem considerações metodológicas adicionais. Neste tutorial, usamos um exemplo trabalhado para demonstrar uma abordagem robusta à análise de ITS usando regressão segmentada. Começamos descrevendo o design e considerando quando o ITS é uma escolha de design apropriada. Nós então discutimos o essencial, mas muitas vezes omitido, passo de propor o modelo de impacto a priori. Posteriormente, demonstramos a abordagem da análise estatística, incluindo o principal modelo de regressão segmentada. Por fim, descrevemos as principais questões metodológicas associadas à análise de ITS: sobre-dispersão de dados de séries temporais, autocorrelação, ajuste para tendências sazonais e controle de fatores de confusão variáveis ​​no tempo e também delineamos algumas das adaptações de design mais complexas que podem ser usadas para fortalecer o design básico do ITS.

Para ler o artigo complete acesse aqui.