---
title: "Antropometrica"
author: "Maria Eduarda de Souza Fontes"
date: "2024-09-30"
output: 
  html_document:
    df_print: paged
geometry: a4paper
fontsize: 12pt
linkcolor: blue
header-includes:
  - \usepackage{float}
---

# Exibir as primeiras linhas do conjunto de dados
kable(head(dados), caption = "Primeiras Linhas do Conjunto de Dados") %>%
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)

Primeiras Linhas do Conjunto de Dados
categ	Idade	peso	altura	imc	classe_imc	cintura	quadril	rcq	classe_rcq
A	61	58.2	154	1716508800	normal	87	109	0.80	MR
S	69	63	152	1711497600	sobrepeso	89	104	0.86	GR
S	61	70.1	158	1706400000	sobrepeso	106	123	0.86	GR
S	71	73.2	156	1706572800	sobrepeso	110	122	0.90	GR
A	63	58.6	152	1714003200	sobrepeso	99	121	0.82	MR
S	71	77	160	1706572800	sobrepeso	125	132	0.95	GR

# Resumo estatístico inicial

kable(summary(dados %>% select(where(is.numeric))), 
      caption = "Resumo Estatístico") %>%
  kable_styling(bootstrap_options = c("striped", "hover"), full_width = FALSE)

Resumo Estatístico
Idade	cintura	quadril
Min. :60.0	Min. : 71.00	Min. : 81.0
1st Qu.:63.0	1st Qu.: 76.00	1st Qu.: 90.0
Median :68.0	Median : 82.00	Median :104.0
Mean :67.2	Mean : 86.36	Mean :103.1
3rd Qu.:71.0	3rd Qu.: 92.00	3rd Qu.:111.0
Max. :79.0	Max. :125.00	Max. :132.0

Tabela de Frequência de Categoria

# Criar a tabela de frequência
frequencia_categ <- dados %>%
  count(categ) %>%
  mutate(proporcao = n / sum(n))

# Exibir no console para verificação
print(frequencia_categ)

## # A tibble: 2 × 3
##   categ     n proporcao
##   <chr> <int>     <dbl>
## 1 A        22     0.489
## 2 S        23     0.511

# Resumo estatístico da coluna 'Proporcao'
summary(frequencia_categ$proporcao)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.4889  0.4944  0.5000  0.5000  0.5056  0.5111

A maior proporção de participantes sedentárias pode indicar uma tendência relacionada ao estilo de vida das mulheres acima de 60 anos, conforme o perfil da amostra. Essa distribuição pode impactar outros fatores antropométricos analisados, como o índice de massa corporal (IMC) e o risco cintura-quadril (RCQ).

Sys.setlocale("LC_ALL", "pt_BR.UTF-8")

## [1] "LC_COLLATE=pt_BR.UTF-8;LC_CTYPE=pt_BR.UTF-8;LC_MONETARY=pt_BR.UTF-8;LC_NUMERIC=C;LC_TIME=pt_BR.UTF-8"

frequencia_categ %>%
  kbl(caption = "Tabela de Frequência") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Tabela de Frequência
categ	n	proporcao
A	22	0.4888889
S	23	0.5111111

A variável classe_rcq classifica as participantes quanto ao risco relacionado à relação cintura-quadril. Essa métrica é amplamente utilizada para avaliar a distribuição de gordura corporal e seu impacto nos riscos cardiovasculares.

# Criar a tabela de frequência para 'classe_rcq'
frequencia_classe_rcq <- dados %>%
  count(classe_rcq) %>%
  mutate(Proporcao = n / sum(n))

# Exibir no console para verificar
print(frequencia_classe_rcq)

## # A tibble: 3 × 3
##   classe_rcq     n Proporcao
##   <chr>      <int>     <dbl>
## 1 GR            20     0.444
## 2 MR            20     0.444
## 3 PR             5     0.111

# Resumo estatístico da proporção
summary(frequencia_classe_rcq$Proporcao)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.1111  0.2778  0.4444  0.3333  0.4444  0.4444

A tabela abaixo apresenta a distribuição das classificações de risco cintura-quadril (RCQ) no dataset. As proporções foram calculadas com base na frequência relativa:

frequencia_classe_rcq %>%
  kbl(caption = "Tabela de Frequência - Classe RCQ") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE
  )

Tabela de Frequência - Classe RCQ
classe_rcq	n	Proporcao
GR	20	0.4444444
MR	20	0.4444444
PR	5	0.1111111

É importante correlacionar esses resultados com outras variáveis, como IMC, para verificar possíveis relações entre os fatores antropométricos e o risco cardiovascular. O RCQ é uma métrica crítica para prever possíveis complicações metabólicas, especialmente em populações acima de 60 anos. A variável classe_imc categoriza as participantes com base no índice de massa corporal, dividindo-as em grupos como ‘Abaixo do peso’, ‘Normal’, ‘Sobrepeso’ e ‘Obesidade’. O IMC é amplamente utilizado para avaliar o estado nutricional de populações, sendo um indicador inicial para riscos relacionados ao excesso de peso.

# Criar a tabela de frequência para 'classe_imc'
frequencia_classe_imc <- dados %>%
  count(classe_imc) %>%
  mutate(Proporcao = n / sum(n))

# Exibir no console para verificar
print(frequencia_classe_imc)

## # A tibble: 2 × 3
##   classe_imc     n Proporcao
##   <chr>      <int>     <dbl>
## 1 normal        27       0.6
## 2 sobrepeso     18       0.4

# Resumo estatístico da proporção
summary(frequencia_classe_imc$Proporcao)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.40    0.45    0.50    0.50    0.55    0.60

A análise revelou que 60% das participantes estão na categoria ‘Normal’, enquanto 40% estão na categoria ‘Sobrepeso’. Não há participantes classificadas como ‘Obesidade’ nesta amostra. Esses resultados indicam que a maioria das participantes apresenta um índice de massa corporal considerado adequado, o que pode ser um reflexo de bons hábitos alimentares e físicos.

Por outro lado, a presença significativa de participantes na categoria ‘Sobrepeso’ (40%) destaca a necessidade de atenção, pois essa condição pode evoluir para ‘Obesidade’ em casos de falta de atividade física ou aumento no consumo calórico. A distribuição observada também pode estar relacionada à leve predominância de participantes sedentárias na variável categ.

Esses achados reforçam a importância de estratégias preventivas, como incentivar a prática de exercícios físicos e promover campanhas de conscientização sobre uma alimentação equilibrada, especialmente em populações acima de 60 anos, visando prevenir complicações metabólicas e cardiovasculares.

frequencia_classe_imc %>%
  kbl(caption = "Tabela de Frequência - Classe IMC") %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE
  )

Tabela de Frequência - Classe IMC
classe_imc	n	Proporcao
normal	27	0.6
sobrepeso	18	0.4

O IMC é uma métrica útil, mas deve ser analisado em conjunto com outras variáveis, como RCQ, para fornecer uma visão mais abrangente da saúde das participantes. A combinação de fatores, como o alto percentual de sobrepeso/obesidade e o risco elevado na relação cintura-quadril, pode reforçar a importância de políticas públicas voltadas para a promoção da saúde em populações acima de 60 anos.

GRÁFICOS

Gráfico de Distribuição de Categorias

O gráfico mostra que a proporção de participantes ativas (A) e sedentárias (S) está bastante equilibrada. A categoria S (Sedentária) tem uma leve predominância em relação à categoria A (Ativa), mas a diferença não é significativa.

ggplot(frequencia_categ, aes(x = categ, y = Proporcao)) + geom_bar(stat = “identity”, fill = “steelblue”, color = “black”) + labs( title = “Distribuição de Categorias (Ativa/Sedentária)”, x = “Categoria”, y = “Proporção” ) + scale_y_continuous(labels = scales::percent) + theme_minimal()

Distribuição de Categorias

O estilo de vida sedentário tende a ser mais prevalente em populações acima de 60 anos, mas, nesse caso, a distribuição equilibrada pode indicar uma maior conscientização ou programas de incentivo à atividade física nessa população. Apesar disso, a proporção de sedentários pode estar associada a maiores riscos de obesidade ou doenças metabólicas

Gráfico por Classe RCQ

A classe de risco moderado (MR) é a mais prevalente entre as participantes, seguida por grande risco (GR) e pequeno risco (PR). Essa distribuição sugere que a maioria das participantes está em uma situação de atenção, com risco moderado para doenças cardiovasculares relacionadas à gordura abdominal. A distribuição das participantes por classe de risco cintura-quadril (RCQ) está representada no gráfico abaixo:

frequencia_classe_rcq %>% ggplot(aes(x = ““, y = Proporcao, fill = classe_rcq)) + geom_bar(stat =”identity”, width = 1, color = “black”) + coord_polar(“y”, start = 0) + labs( title = “Distribuição por Classe RCQ”, fill = “Classe RCQ” ) + theme_void()

Distribuição por Classe RCQ

A predominância do risco moderado (MR) indica que, embora uma parte da população esteja em uma faixa de risco, ainda há espaço para intervenções preventivas. A proporção significativa de participantes em GR (Grande Risco) reforça a importância de monitoramento contínuo, especialmente em relação a doenças metabólicas.

Gráfico por Classe IMC

A categoria Sobrepeso domina a distribuição, seguida por Normal e, em menor proporção, Obesidade. Não há presença significativa de participantes classificadas como “Abaixo do Peso”. A classificação das participantes com base no índice de massa corporal (IMC) é apresentada no gráfico abaixo:

frequencia_classe_imc %>% ggplot(aes(x = ““, y = Proporcao, fill = classe_imc)) + geom_bar(stat =”identity”, width = 1, color = “black”) + coord_polar(“y”, start = 0) + labs( title = “Distribuição por Classe IMC”, fill = “Classe IMC” ) + theme_void()

Distribuição por Classe IMC

A alta proporção de Sobrepeso reflete um padrão comum em populações acima de 60 anos, onde o metabolismo desacelera e a atividade física tende a diminuir. A presença de participantes na categoria Obesidade reforça a necessidade de políticas de saúde focadas em intervenções nutricionais e incentivo à prática de exercícios. Por outro lado, a proporção razoável de participantes com IMC Normal indica que uma parte da amostra está em uma faixa considerada saudável, o que pode ser associado a bons hábitos alimentares e físicos.

Histograma de Peso

ggplot(dados, aes(x = peso)) + geom_histogram(binwidth = 5, fill = “blue”, color = “black”) + labs( title = “Histograma do Peso”, x = “Peso (kg)”, y = “Frequência” ) + theme_minimal()

Distribuição por Classe IMC

A maior concentração de participantes está na faixa de 55 a 60 kg, com uma frequência de aproximadamente 15 participantes, tornando-se a faixa mais comum. Há uma boa quantidade de participantes na faixa de 50 a 55 kg e 60 a 65 kg, sugerindo que o peso está concentrado ao redor desses intervalos. As faixas de peso mais altas, como 70 kg ou mais, têm uma frequência menor, indicando que poucos indivíduos apresentam pesos elevados.

A predominância de pesos na faixa de 55 a 65 kg pode estar associada a um IMC na faixa normal ou de sobrepeso, considerando a média de altura da população. A baixa frequência de pesos mais altos (acima de 70 kg) pode ser um reflexo de bons hábitos alimentares ou maior preocupação com a saúde entre a população estudada.

Boxplot do Peso

ggplot(dados, aes(x = categ, y = peso, fill = categ)) + geom_boxplot(color = “black”) + labs( title = “Boxplot do Peso por Categoria”, x = “Categoria (Ativa/Sedentária)”, y = “Peso (kg)” ) + theme_minimal() + scale_fill_manual(values = c(“A” = “lightblue”, “S” = “pink”))

Distribuição por Classe IMC

Comparação entre Categorias

Categoria A (Ativa): A mediana (linha preta central) está próxima de 58 kg, indicando que metade das participantes ativas pesa menos que isso e a outra metade pesa mais. O intervalo interquartil (IQR), delimitado pelas bordas da caixa, está aproximadamente entre 55 kg e 60 kg. Isso mostra a concentração de 50% dos pesos das participantes ativas. Há um outlier (ponto fora do whisker superior), que representa uma participante com peso significativamente maior que o resto do grupo.

Categoria S (Sedentária): A mediana está mais elevada, próxima de 62 kg, indicando que o peso típico das participantes sedentárias é maior do que o das ativas. O IQR está entre aproximadamente 58 kg e 65 kg, mostrando maior variabilidade nos pesos das sedentárias. Não há outliers na categoria sedentária.

Referências Bibliográficas

PINHEIRO, J. I. D. et al. Estatística Básica: a arte de trabalhar com dados. Rio de Janeiro: CAMPUS, 2009.