Análise secundária de dados:
Framingham Heart Study
Análise secundária de dados:
Framingham Heart Study
Cristina Charão e João Alfredo
Borges
Cristina Charão e João Alfredo Borges
01/07/2026
01/07/2026
Introdução
O Framingham Heart Study teve início em 1948 por iniciativa do National Heart Institute em parceria com a Boston University.
O estudo acompanhou inicialmente 5209 indivíduos entre 30 e 62 anos, todos residentes da cidade de Framingham, Massachusetts, sem histórico prévio de doenças cardiovasculares.
Os participantes eram submetidos a exames físicos e entrevistas sobre estilo de vida, com acompanhamento periódico a cada dois anos, incluindo avaliações clínicas e laboratoriais.
Objetivo do Estudo
O objetivo deste estudo é identificar fatores comuns ou características que contribuem para a doença cardiovascular (DCV).
Método
Acompanhar por longo prazo um grupo grande de pessoas que não têm histórico prévio de sintomas de DCV ou IAM (Infarto Agudo do Miocárdio) e AVC que serão submetidos a exame físico e entrevista sobre estilo de vida, com retornos de 2 em 2 anos para revisões de histórico médico detalhado, exame físico e exames laboratoriais.
Descrição das variáveis
As variáveis analisadas são provenientes do Framingham Heart Study e
incluem diferentes tipos:
Variáveis Quantitativas
Quantitativas Discretas
age: idade
cigsPerDay: número de cigarros por dia
heartRate: frequência cardíaca (bpm)
Quantitativas Contínuas
totChol: colesterol sérico (mg/dL)
sysBP: pressão arterial sistólica (mmHg)
diaBP: pressão arterial diastólica (mmHg)
BMI: Índice de Massa Corporal (kg/m²)
glucose: nível de glicose sérica (mg/dL)
Variáveis
qualitativas
Qualitativas binárias
male: Sexo
TenYearCHD: doença arterial coronariana em 10 anos
currentSmoker: tabagista atual
BPmeds: uso de medicação antihipertensiva
prevalentStroke: histórico de AVC
prevalentHyp: histórico de hipertensão
diabetes: presença de diabetes
Qualitativas ordinais
- education: nível educacional
- 1 : Ensino médio incompleto
- 2 : Ensino médio completo / equivalente
- 3 : Ensino superior incompleto ou técnico
- 4 : Ensino superior completo
- 1 : Ensino médio incompleto
- education: nível educacional
Linha do Tempo e Evolução das Coortes
1971: Arrolada a 2ª geração da coorte com 5.124 pessoas adultas, composta por filhos dos participantes originais e os cônjuges (offspring cohort).
1994: Necessidade de novo estudo refletindo uma comunidade mais diversa da cidade de Framingham, portanto coorte Omni é arrolada.
2002: Arrolada a 3ª geração (Gen 3) com netos dos participantes originais.
2003: Nova coorte Omni arrolada.
Linha do tempo do Framingham Heart Study (Disponível em https://www.framinghamheartstudy.org/files/2021/07/Perspectives-FHS-2019-article_figure1.jpg)
Conquistas do Estudo
Definição de fatores de risco para DCV:
Hipertensão
Hipercolesterolemia
Tabagismo
Obesidade
Diabetes
Sedentarismo
Fatores relacionados:
Triglicérides séricos
Níveis de HDL
Idade
Sexo
Fatores psicossociais
“Pitfalls” (Limitações) do Estudo
Pouca diversidade racial: Participantes caucasianos em sua maioria.
Reproduzibilidade em outros grupos raciais ocorre com mudanças nos padrões de distribuição.
O Futuro do Estudo
Pesquisa de fatores genéticos.
Uso de linhagens celulares imortalizadas das coortes do estudo.
Análise Estatística
Estudo das
variáveis
Nesta etapa, avaliamos o tipo (classe) de cada variável do dataset para identificar seu perfil (quantitativa, qualitativa, binária, etc.).
Variável | Classe |
|---|---|
male | integer |
age | integer |
education | integer |
currentSmoker | integer |
cigsPerDay | integer |
BPMeds | integer |
prevalentStroke | integer |
prevalentHyp | integer |
diabetes | integer |
totChol | integer |
sysBP | numeric |
diaBP | numeric |
BMI | numeric |
heartRate | integer |
glucose | integer |
TenYearCHD | integer |
Ajuste de variáveis e
análise de dados faltantes
Nesta etapa, realizamos a conversão das variáveis qualitativas
binárias para o tipo character e avaliamos a presença de
valores ausentes no dataset.
- Ajuste das variáveis
dataset_fram$male <- as.character(dataset_fram$male)
dataset_fram$education <- as.character(dataset_fram$education)
dataset_fram$currentSmoker <- as.character(dataset_fram$currentSmoker)
dataset_fram$BPMeds <- as.character(dataset_fram$BPMeds)
dataset_fram$prevalentStroke <- as.character(dataset_fram$prevalentStroke)
dataset_fram$prevalentHyp <- as.character(dataset_fram$prevalentHyp)
dataset_fram$diabetes <- as.character(dataset_fram$diabetes)
dataset_fram$TenYearCHD <- as.character(dataset_fram$TenYearCHD)
#ajuste binárias modificadas
dataset_fram$male_mod <- factor(dataset_fram$male, levels = c(0,1), labels = c("Mulher","Homem"))
dataset_fram$education_mod <- factor(dataset_fram$education, levels = c(1,2,3,4), labels = c("Ensino Médio Incompleto","Ensino Médio Completo", "Ensino Superior Incompleto / Técnico", "Ensino Superior Completo"))
dataset_fram$currentSmoker_mod <- factor(dataset_fram$currentSmoker, levels = c(0,1), labels = c("Não fumante","Fumante"))
dataset_fram$BPMeds_mod <- factor(dataset_fram$BPMeds, levels = c(0,1), labels = c("Sem tratamento","Com Tratamento"))
dataset_fram$prevalentStroke_mod <- factor(dataset_fram$prevalentStroke, levels = c(0,1), labels = c("Sem AVC","Com AVC"))
dataset_fram$prevalentHyp_mod <- factor(dataset_fram$prevalentHyp, levels = c(0,1), labels = c("Não Hipertenso","Hipertenso"))
dataset_fram$diabetes_mod <- factor(dataset_fram$diabetes, levels = c(0,1), labels = c("Não Diabético","Diabético"))
dataset_fram$TenYearCHD_mod <- factor(dataset_fram$TenYearCHD, levels = c(0,1), labels = c("Sem DAC","Com DAC"))- Estudo dos missings
missing <- data.frame(colSums(is.na(dataset_fram))) Variável | Nº de NA |
|---|---|
male | 0 |
age | 0 |
education | 105 |
currentSmoker | 0 |
cigsPerDay | 29 |
BPMeds | 53 |
prevalentStroke | 0 |
prevalentHyp | 0 |
diabetes | 0 |
totChol | 50 |
sysBP | 0 |
diaBP | 0 |
BMI | 19 |
heartRate | 1 |
glucose | 388 |
TenYearCHD | 0 |
male_mod | 0 |
education_mod | 105 |
currentSmoker_mod | 0 |
BPMeds_mod | 53 |
prevalentStroke_mod | 0 |
prevalentHyp_mod | 0 |
diabetes_mod | 0 |
TenYearCHD_mod | 0 |
Avaliação das
características do banco de dados
O banco de dados foi avaliado quanto à sua dimensão e às variáveis disponíveis, além da identificação de valores ausentes e inconsistências. Essa etapa garantiu a organização e a qualidade dos dados para análise.
Características | N = 4,2401 |
|---|---|
male | |
Mulher | 2,420 (57%) |
Homem | 1,820 (43%) |
education | |
Ensino Médio Incompleto | 1,720 (42%) |
Ensino Médio Completo | 1,253 (30%) |
Ensino Superior Incompleto / Técnico | 689 (17%) |
Ensino Superior Completo | 473 (11%) |
N/A | 105 |
currentSmoker | |
Não fumante | 2,145 (51%) |
Fumante | 2,095 (49%) |
BPMeds | |
Sem tratamento | 4,063 (97%) |
Com Tratamento | 124 (3.0%) |
N/A | 53 |
prevalentStroke | |
Sem AVC | 4,215 (99%) |
Com AVC | 25 (0.6%) |
prevalentHyp | |
Não Hipertenso | 2,923 (69%) |
Hipertenso | 1,317 (31%) |
diabetes | |
Não Diabético | 4,131 (97%) |
Diabético | 109 (2.6%) |
TenYearCHD | |
Sem DAC | 3,596 (85%) |
Com DAC | 644 (15%) |
age | 50 (9) |
cigsPerDay | 9 (12) |
N/A | 29 |
totChol | 237 (45) |
N/A | 50 |
sysBP | 132 (22) |
diaBP | 83 (12) |
BMI | 25.8 (4.1) |
N/A | 19 |
heartRate | 76 (12) |
N/A | 1 |
glucose | 82 (24) |
N/A | 388 |
1n (%); Mean (SD) | |
Medidas Resumo
Utilizamos medidas descritivas para caracterizar os dados:
- Média
- Desvio Padrão
- Mediana
- Mínimo e máximo
- Média e Desvio Padrão
Variável | Média | Desvio Padrão |
|---|---|---|
Idade | 49,58 | 8,57 |
Cigs/dia | 9,01 | 11,92 |
Colesterol Total | 236,70 | 44,59 |
Pressão Sistólica | 132,35 | 22,03 |
Pressão Diastólica | 82,90 | 11,91 |
IMC | 25,80 | 4,08 |
Frequência Cardíaca | 75,88 | 12,03 |
Glicose | 81,96 | 23,95 |
- Mediana e quartis
Estatística | Escolaridade |
|---|---|
Mediana | Ensino Médio Completo |
1º Quartil (Q1) | Ensino Médio Incompleto |
3º Quartil (Q3) | Ensino Superior Incompleto / Técnico |
- Moda
Variável | Moda |
|---|---|
Sexo | Mulher |
Escolaridade | Ensino Médio Incompleto |
Tabagismo | Não fumante |
Uso de medicação | Sem tratamento |
AVC prévio | Sem AVC |
Hipertensão | Não hipertenso |
Diabetes | Não diabético |
DAC em 10 anos | Sem DAC |
Características de baseline e
suas frequências
Análise das associações entre
variáveis
- Sexo vs. DAC
- Idade vs. DAC
- Tabagismo vs. DAC
- Numero de Cigarros por Dia vs. DAC
- Escolaridade vs. DAC
Discussão
Os resultados obtidos a partir da análise do Framingham Heart Study evidenciam padrões importantes associados ao risco de desenvolvimento de doença arterial coronariana (DAC) em um período de 10 anos. Inicialmente, observa-se que a ocorrência de DAC é relativamente baixa na amostra, com predominância de indivíduos sem o desfecho, o que é consistente com estudos populacionais de base geral.
A análise por sexo indica diferenças estatisticamente significativas entre homens e mulheres, sugerindo maior risco de DAC no sexo masculino. Esse achado está alinhado com a literatura, que aponta o sexo como um fator relevante na epidemiologia das doenças cardiovasculares.
No que se refere à idade, observa-se clara tendência de aumento da proporção de indivíduos com DAC nas faixas etárias mais elevadas. Esse resultado reforça o papel da idade como um dos principais fatores de risco não modificáveis, refletindo o efeito cumulativo da exposição a fatores agressivos ao sistema cardiovascular ao longo da vida.
Quanto ao tabagismo, embora a literatura o reconheça como fator de risco importante, os resultados encontrados não apresentaram diferença estatisticamente significativa entre fumantes e não fumantes para o desfecho analisado. Isso pode estar relacionado a características específicas da amostra, tamanho do efeito ou à presença de possíveis fatores de confusão.
Por outro lado, a análise do número de cigarros por dia sugere uma possível tendência de aumento do risco de DAC com maior intensidade de consumo, indicando que a dose de exposição ao tabaco pode ter impacto mais relevante do que a simples classificação binária de fumante ou não fumante.
Outro fator importante avaliado foi a escolaridade. Os resultados indicam diferenças significativas entre os níveis educacionais, sugerindo que indivíduos com menor escolaridade tendem a apresentar maior risco de DAC. Esse achado pode estar relacionado a determinantes sociais da saúde, como acesso a informação, hábitos de vida e acesso aos serviços de saúde.
Por fim, destaca-se a presença de dados faltantes em algumas variáveis, especialmente glicose e escolaridade, o que pode introduzir viés e limitar a interpretação dos resultados.
Conclusão
A análise do Framingham Heart Study permitiu identificar fatores relevantes associados ao desenvolvimento de doença arterial coronariana em um período de 10 anos. Entre os principais achados, destacam-se a influência significativa da idade e do sexo, confirmando-os como importantes fatores de risco não modificáveis.
Além disso, fatores relacionados ao estilo de vida, como o tabagismo, apresentaram comportamentos distintos: enquanto a presença do hábito não mostrou associação significativa isoladamente, a intensidade do consumo indicou possível relação com o aumento do risco de DAC.
A escolaridade também demonstrou associação significativa com o desfecho, evidenciando o impacto de determinantes socioeconômicos na saúde cardiovascular.
De forma geral, os resultados obtidos estão em consonância com os principais achados da literatura sobre fatores de risco cardiovascular, reforçando a importância de intervenções voltadas à prevenção, especialmente em grupos populacionais mais vulneráveis.
Embora o estudo apresente limitações, como presença de dados ausentes e possíveis vieses amostrais, ele contribui para a compreensão dos fatores associados à DAC e destaca a relevância de análises estatísticas na identificação de padrões em saúde pública.