U1S3 - Texto_Manejo de erros aleatórios

Prévia do material em texto

Rev Saúde Pública 2014;48(5):845-850
Manejo de erros aleatórios e 
vieses em métodos de avaliação 
de dieta de curto período
Handling random errors and biases 
in methods used for short-term 
dietary assessment
I Hospital de Clinicas de Porto Alegre. Porto 
Alegre, RS, Brasil
II Programa de Pós-Graduação em 
Epidemiologia. Faculdade de Medicina. 
Universidade Federal do Rio Grande do Sul. 
Porto Alegre, RS, Brasil
III Department of Nutrition. Harvard School of 
Public Health. Boston, Massachusetts, USA
Correspondência | Correspondence: 
Harvard School of Public Health 
Department of Nutrition – Room 300 
677 Huntington Avenue 
Boston, Massachusetts 02115 
E-mail: sinara.lrossato@gmail.com
Recebido: 25/9/2013 
Aprovado: 11/3/2014
Artigo disponível em português e inglês em: 
www.scielo.br/rsp
RESUMO
Estudos epidemiológicos têm evidenciado o efeito da dieta na incidência de 
doenças crônicas, mas a precisão e a acurácia de dados de ingestão alimentar 
requerem planejamento, delineamento e modelagem estatística. A estimativa 
da ingestão alimentar usual na população por métodos de avaliação de curto 
período, como recordatórios alimentares de 24 horas ou diários alimentares, é 
influenciada por erros aleatórios e vieses inerentes ao método. Para o manejo 
de erros aleatórios, utilizam-se a modelagem estatística e o apropriado 
delineamento e amostragem, cruciais para controle de vieses. O objetivo 
deste artigo é analisar potenciais vieses e erros aleatórios, suas influências 
nos resultados e como prevenir e/ou tratá-los estatisticamente em estudos 
epidemiológicos de avaliação de dieta.
DESCRITORES: Registros de Dieta. Análise de Dados, métodos. 
Ingestão de Alimentos. Consumo de Alimentos. Inquéritos sobre 
Dietas, métodos.
Comunicação Breve DOI:10.1590/S0034-8910.2014048005154
Sinara L RossatoI,II,III
Sandra C FuchsI,II
846 Erros aleatórios e vieses na avaliação de dieta Rossato SL & Fuchs SC
A estimativa da ingestão de alimentos e nutrientes 
envolve erros aleatórios e sistemáticos inerentes ao 
método de coleta dos dados, seja o recordatório alimen-
tar de 24 horas (R24h), seja o diário alimentar (DA). 
Informações obtidas em um único R24h e DA não repre-
sentam a ingestão usual. Para que possam representar 
a ingestão alimentar usual, dependem da colaboração 
do participante e do número de dias relatados. Ainda 
assim, médias geradas de várias medidas repetidas têm 
maior variância e podem resultar em erros de estima-
tiva presentes em uma parcela da população que relata 
ingestão diferente da verdadeira.2 Assim, a avaliação 
de um único dia ou de vários dias é suscetível a erros, 
que podem ser minimizados com adequada abordagem 
estatística e de amostragem.
Quando o erro deriva da variação nas escolhas indivi-
duais de alimentos, que naturalmente diferem de um 
dia para o outro, trata-se de um erro aleatório, comum 
a todos os indivíduos da população. Porém, além de 
características individuais, a variabilidade da inges-
tão alimentar decorre do nível de desenvolvimento do 
país, local em que o estudo é realizado, característi-
cas específicas da população e métodos de coleta dos 
dados. Quando alguma dessas características modifica 
os resultados, trata-se de um viés e não mais de um 
erro aleatório.6 Nesse sentido, a variação do consumo 
de alimentos caracteriza um viés quando a ingestão 
energética é diferente entre verão e inverno, dias da 
semana e de final de semana e quando indivíduos obe-
sos sub-relatam a ingestão alimentar. Vieses também 
podem estar relacionados ao desfecho do estudo. Em 
estudos de caso-controle, os indivíduos incluídos como 
casos podem recordar a dieta diferentemente daqueles 
incluídos como controle.3
ABSTRACT
Epidemiological studies have shown the effect of diet on the incidence of 
chronic diseases; however, proper planning, designing, and statistical modeling 
are necessary to obtain precise and accurate food consumption data. Evaluation 
methods used for short-term assessment of food consumption of a population, 
such as tracking of food intake over 24h or food diaries, can be affected by 
random errors or biases inherent to the method. Statistical modeling is used 
to handle random errors, whereas proper designing and sampling are essential 
for controlling biases. The present study aimed to analyze potential biases and 
random errors and determine how they affect the results. We also aimed to identify 
ways to prevent them and/or to use statistical approaches in epidemiological 
studies involving dietary assessments. 
DESCRIPTORS: Diet Records. Data Analysis, methods. Eating. Food 
Consumption. Diet Surveys, methods. 
INTRODUÇÃO
Tanto o erro aleatório quanto o sistemático têm 
impacto importante na análise dos dados e interpre-
tação dos resultados.
O objetivo deste artigo é analisar potenciais vieses e 
erros aleatórios, suas influências nos resultados e como 
prevenir e/ou tratá-los estatisticamente em estudos epi-
demiológicos de avaliação de dieta.
Os R24h e DA têm sido largamente utilizados como 
teste padrão para validação de questionários de frequên-
cia de consumo alimentar (QFA), e as estratégias usa-
das na sua aplicação determinam a acurácia e precisão 
do método. Reconhecida a variabilidade do consumo 
alimentar em um indivíduo e a necessidade de utili-
zar mais que um recordatório para caracterizar a dieta 
usual, cabe ao pesquisador planejar a amostragem de 
modo a minimizar potenciais vieses e garantir o poder 
estatístico do estudo.6 Para tal, não apenas o cálculo de 
tamanho da amostra deve ser realizado, como deve ser 
determinado o número de medidas repetidas por indiví-
duo, baseado na razão entre valores das variâncias intra 
e interindivíduos para nutrientes de interesse.1,5 Um 
dos métodos utilizados no cálculo do número de dias 
necessários para estimar a ingestão usual baseia-se no 
nível de correlação entre a ingestão esperada e a usual 
[d = [r2/ (1 - r2)] σw/σb], onde d é o número de dias de 
coleta por indivíduo; r é a correlação esperada entre os 
valores usuais e os observados; e σw/σb é a razão entre 
as variâncias intra e interindivíduos. Quanto maior o 
valor de r, maior será a proporção de indivíduos corre-
tamente classificados, e quanto menor for a razão entre 
as variâncias, menor será o número de dias necessários 
para classificar adequadamente os indivíduos.5
847Rev Saúde Pública 2014;48(5):845-850
Outro método baseia-se na determinação do nível de 
confiança das estimativas de ingestão alimentar, expres-
sas em porcentagem [d = (Zα CVw/Do)2], onde d é o 
número de dias necessários por pessoa que, quando 
normal, assume o valor de 1,96; CVw é o coeficiente 
de variação intraindivíduo calculado dividindo-se a 
variância intraindivíduo pela média de ingestão; Do é 
o limite especificado de erro (nível de confiança) que 
pode variar de 10,0% a 30,0%.5 Caso não tenha sido 
realizado o cálculo, a interpretação dos resultados 
não significativos pode ser confirmada estimando-se 
o poder estatístico, obtido com o número de medidas 
repetidas realizadas.
Estimativa de tamanho de amostra pode ser feita a partir 
de estudos realizados em populações semelhantes. Em 
mulheres adultas japonesas, por exemplo, o número de 
dias necessários para obtenção de dados fidedignos de 
ingestão alimentar variou de três a 10 dias utilizando 
R24h para estimar a ingestão de energia e macronu-
trientes. O estudo de nutrientes com alta variabilidade 
de ingestão, como colesterol e vitaminas A e C, pode 
demandar de 20 a 50 recordatórios. Assumindo-se 
que o erro na estimativa de ingestão usual varie entre 
10,0% e 20,0%, respectivamente, seria necessário 
investigar 10 e três dias para energia; 91 e 23 dias para 
colesterol; 118 e 30 dias para zinco.7 Basiotis et al1 estu-
daram 13 homens e 16 mulheres ao longo de um ano, 
avaliando a diferença entre o número de dias neces-
sários para avaliar a dieta usual entre grupos, indivi-
dualmente e para diferentes nutrientes, considerando 
a precisão estatística esperada.Demonstrou-se que o 
número de dias necessários para avaliar a ingestão de 
nutrientes varia de acordo com o nutriente e de pessoa 
para pessoa. Para avaliar a ingestão de energia foram 
necessários menos dias do que para avaliar vitamina 
A, visto que energia é consumida por todos e, embora 
ambas sejam diferentes entre indivíduos, a variação da 
energia é substancialmente menor do que a vitamina A 
(14 para energia entre homens e mulheres a para vita-
mina A 115 para mulheres e 152 para homens). Para 
alcançar precisão estatística de 10,0% para cada indi-
víduo, foi necessário grande número de dias, ao passo 
que, para a população inteira, o número de medidas 
repetidas necessárias foi substancialmente menor. Nesse 
sentido, concluiu-se que o número amostral de indiví-
duos e de medidas repetidas são cruciais para aumentar 
a precisão estatística do estudo.1
INFLUÊNCIA DO ERRO ALEATÓRIO E DA 
MODELAGEM ESTATÍSTICA
O erro aleatório frequentemente induz a interpreta-
ções equivocadas. Dood et al2 mostram que o erro 
aleatório aumenta a amplitude dos resultados, compa-
rando a amplitude de dados de dieta obtidos a partir 
da coleta de um único R24h com dados de dieta obti-
dos a partir da coleta de dois ou mais. Usando como 
exemplo a ingestão de frutas e verduras, a proporção 
de indivíduos com ingestão inferior a uma porção 
diária variou de 9,3% para a ingestão estimada por 
um único R24h a 0,4%, para a média de dois R24h. 
O segundo erro comum ocorre na interpretação de 
testes de hipóteses. A variabilidade excessiva resulta 
em perda de poder estatístico e é possível invalidar 
o emprego de testes estatísticos.2
Assumindo-se que os dados de ingestão alimentar estão 
isentos de vieses, modelagens estatísticas podem atenuar a 
variabilidade inerente.2 O método proposto pelo National 
Research Council (1986) deu origem a, pelo menos, outros 
seis métodos: método Slob (1993), Wallace (1994), Buck 
original e modificado (1995), Nusser (2000), Gay (2000) 
e N-Nusser;4 mais recentemente, outros métodos têm sido 
propostos. A Tabela descreve, passo a passo, diferentes 
métodos de modelagem estatística para ajustar a varia-
bilidade da ingestão alimentar, a partir da publicada por 
Dodd et al,2 acrescida de informações sobre os modelos 
Statistical Program to Assess Dietary Exposure (SPADE) 
e Multiple Source Method (MSM).
Detalhes sobre o desenvolvimento dos métodos National 
Research Council/Institute of Medicine, Iowa State 
University (ISU), Best-Power, Iowa State University 
Foods (ISUF),4 MSM e SPADE podem ser obtidos 
nas referências específicas (Tabela). Outros métodos já 
foram descritos, adaptados ou remodelados. O método 
Slob apresentou desvantagens em relação à correção de 
perdas da variabilidade intraindivíduo, afetando a média 
nos percentis mais baixos, e o método Buck reproduziu 
a assimetria dos dados originais.4 Assim, foi aperfei-
çoado em 2006,4 resultando em um software estatístico 
para estimativa da ingestão usual, o Age-mode, readap-
tado para gerar o software SPADE (Tabela). Diferente 
de outros modelos, o SPADE descreve a ingestão ali-
mentar em função da idade e apresentou diferença na 
amplitude dos dados para crianças, em comparação ao 
método ISU. O método MSM é passível de ser apli-
cado para estimar o consumo esporádico de alimentos 
e para QFA e questionários de propensão alimentar. 
No entanto, também apresentou problemas quando o 
resíduo de modelos de regressão não tem distribuição 
normal; por isso, o modelo está sendo aperfeiçoado.
CONSIDERAÇÕES FINAIS
Dados de ingestão alimentar são suscetíveis a erros alea-
tórios e devem ser submetidos à modelagem estatística, 
aumentando assim a precisão das estimativas e viabili-
zando uma adequada interpretação dos resultados. Para 
a maioria dos estudos, a escolha do método pode não 
interferir expressivamente nos resultados; entretanto, 
métodos mais atuais, como o ISUF, MSM e SPADE, 
podem ser utilizados. Se a avaliação do consumo espo-
rádico de alimentos ou nutrientes é o foco de interesse, 
o método MSM é preferível e brevemente deverá estar 
848 Erros aleatórios e vieses na avaliação de dieta Rossato SL & Fuchs SC
Ta
be
la
. M
od
el
os
 e
st
at
ís
tic
os
 p
ar
a 
de
riv
aç
ão
 d
e 
in
ge
st
ão
 a
lim
en
ta
r 
us
ua
l b
as
ea
da
 e
m
 R
24
h 
e 
D
A
.
N
C
R
/IO
M
IS
U
B
P
IS
U
F
M
SM
SP
A
D
E
Pa
ss
o 
0:
 A
pl
ic
aç
ão
 d
o 
aj
us
te
 in
ic
ia
l
A
pl
ic
a 
Po
w
er
 o
u 
lo
g 
tra
ns
fo
rm
aç
ão
 n
os
 d
ad
os
 d
os
 
R
24
h 
ob
se
rv
ad
os
 a
té
 q
ue
 a
 
di
st
rib
ui
çã
o 
do
s 
da
do
s 
es
te
ja
 
pr
óx
im
a 
da
 n
or
m
al
.
A
ju
st
a 
os
 R
24
h 
ob
se
rv
ad
os
 
pa
ra
 v
ie
se
s 
nã
o 
in
di
vi
du
ai
s,
 
co
m
o 
es
ta
çõ
es
 d
o 
an
o,
 
di
as
 d
a 
se
m
an
a 
e 
ef
ei
to
 d
e 
am
os
tr
ag
em
.
A
ju
st
a 
os
 R
24
h 
ob
se
rv
ad
os
 
pa
ra
 v
ie
se
s 
nã
o 
in
di
vi
du
ai
s,
 
co
m
o 
es
ta
çõ
es
 d
o 
an
o,
 
di
as
 d
a 
se
m
an
a 
e 
ef
ei
to
 d
e 
am
os
tr
ag
em
.
Es
tim
a 
a 
di
st
ri
bu
iç
ão
 d
a 
pr
ob
ab
ili
da
de
 d
e 
co
ns
um
o 
de
 u
m
 d
ad
o 
di
a,
 b
as
ea
do
 n
a 
fr
eq
uê
nc
ia
 r
el
at
iv
a 
de
 v
al
or
es
 
di
fe
re
nt
es
 d
e 
ze
ro
 n
os
 R
24
h.
A
pl
ic
a 
tr
an
sf
or
m
aç
ão
 
B
ox
-C
ox
 p
ar
a 
ob
te
r 
um
a 
di
st
ri
bu
iç
ão
 p
ró
xi
m
a 
da
 
no
rm
al
.
A
pl
ic
a 
tr
an
sf
or
m
aç
ão
 
B
ox
-C
ox
 p
ar
a 
ob
te
r 
um
a 
di
st
ri
bu
iç
ão
 p
ró
xi
m
a 
da
 
no
rm
al
.
C
on
st
ró
i u
m
a 
tr
an
sf
or
m
aç
ão
 
em
 d
oi
s 
es
tá
gi
os
 p
ar
a 
ap
ro
xi
m
ar
 a
 d
is
tr
ib
ui
çã
o 
do
s 
R
24
h 
m
od
ifi
ca
do
s 
de
 u
m
a 
di
st
ri
bu
iç
ão
 n
or
m
al
.
A
pl
ic
a 
Po
w
er
 o
u 
lo
g 
tr
an
sf
or
m
aç
ão
 n
os
 d
ad
os
 d
os
 
R
24
h 
ob
se
rv
ad
os
 a
té
 q
ue
 a
 
di
st
ri
bu
iç
ão
 d
os
 d
ad
os
 e
st
ej
a 
pr
óx
im
a 
da
 n
or
m
al
.
C
ol
oc
a 
de
 la
do
 o
s 
ze
ro
s 
do
s 
R
24
h 
e 
aj
us
ta
 o
 c
on
su
m
o 
pa
ra
 v
ie
se
s 
nã
o 
in
di
vi
du
ai
s,
 
co
m
o 
es
ta
çõ
es
 d
o 
an
o,
 
di
as
 d
a 
se
m
an
a 
e 
ef
ei
to
 d
e 
am
os
tr
ag
em
.
C
on
st
ró
i u
m
a 
tr
an
sf
or
m
aç
ão
 
em
 d
oi
s 
es
tá
gi
os
 p
ar
a 
ap
ro
xi
m
ar
 a
 d
is
tr
ib
ui
çã
o 
do
s 
R
24
h 
tr
an
sf
or
m
ad
os
 d
e 
um
a 
di
st
ri
bu
iç
ão
 n
or
m
al
.
Pa
ss
o 
1:
 D
es
cr
iç
ão
 d
a 
re
la
çã
o 
en
tr
e 
R
24
h 
in
di
vi
du
ai
s 
m
ed
id
os
 e
 a
 in
ge
st
ão
 in
di
vi
du
al
 u
su
al
O
s 
da
do
s 
do
 R
24
h 
es
tim
am
 
se
m
 v
ié
s 
a 
in
ge
st
ão
 u
su
al
 
tr
an
sf
or
m
ad
a 
(p
re
ss
up
os
to
 A
).
O
s 
da
do
s 
do
s 
R
24
h 
es
tim
am
 
se
m
 v
ié
s 
a 
in
ge
st
ão
 u
su
al
 
na
 e
sc
al
a 
nã
o 
tr
an
sf
or
m
ad
a 
(p
re
ss
up
os
to
 B
).
O
s 
da
do
s 
do
s 
R
24
h 
es
tim
am
 
se
m
 v
ié
s 
a 
in
ge
st
ão
 u
su
al
 
na
 e
sc
al
a 
nã
o 
tr
an
sf
or
m
ad
a 
(p
re
ss
up
os
to
 B
).
A
 in
ge
st
ão
 u
su
al
 é
 a
 
pr
ob
ab
ili
da
de
 d
e 
co
ns
um
o 
em
 u
m
 d
et
er
m
in
ad
o 
di
a 
m
ul
tip
lic
ad
o 
pe
la
 in
ge
st
ão
 
us
ua
l t
ot
al
 p
ar
a 
um
 d
ia
 d
e 
co
ns
um
o 
al
im
en
ta
r.
Es
tim
a 
a 
pr
ob
ab
ili
da
de
 d
e 
co
ns
um
o 
us
an
do
 re
gr
es
sã
o 
lo
gí
st
ic
a 
e 
a 
in
ge
st
ão
 to
ta
l 
di
ár
ia
 u
sa
nd
o 
re
gr
es
sã
o 
lin
ea
r.
M
on
ta
 u
m
 m
od
el
o 
po
lin
om
ia
l 
fr
ac
io
na
do
 p
ar
a 
os
 d
ad
os
 
tr
an
sf
or
m
ad
os
.
U
m
 R
24
h 
m
ed
e 
o 
co
ns
um
o 
ex
at
am
en
te
 ig
ua
l a
 z
er
o.
O
s 
da
do
s 
do
s 
R
24
h 
co
m
 
va
lo
re
s 
di
fe
re
nt
es
 d
e 
ze
ro
 e
st
im
am
 s
em
 v
ié
s 
a 
in
ge
st
ão
 u
su
al
 n
a 
es
ca
la
 n
ão
 
tr
an
sf
or
m
ad
a 
(p
re
ss
up
os
to
 B
).
C
on
tin
ua
849Rev SaúdePública 2014;48(5):845-850
C
on
tin
ua
çã
o
Pa
ss
o 
2:
 S
ep
ar
aç
ão
 d
a 
va
ri
aç
ão
 to
ta
l d
as
 m
ed
id
as
 d
o 
R
24
h 
em
 v
ar
ia
çã
o 
in
tr
a 
e 
in
te
ri
nd
iv
íd
uo
s
A
 v
ar
iâ
nc
ia
 in
tr
ai
nd
iv
id
ua
l 
é 
a 
m
es
m
a 
pa
ra
 to
do
s 
os
 
in
di
ví
du
os
.
A
 v
ar
iâ
nc
ia
 in
tr
ai
nd
iv
id
ua
l 
po
de
 v
ar
ia
r 
en
tr
e 
os
 
in
di
ví
du
os
.
A
 v
ar
iâ
nc
ia
 in
tr
ai
nd
iv
id
ua
l 
é 
a 
m
es
m
a 
pa
ra
 to
do
s 
os
 
in
di
ví
du
os
.
A
 v
ar
iâ
nc
ia
 in
tr
ai
nd
iv
id
ua
l 
po
de
 v
ar
ia
r 
en
tr
e 
os
 
in
di
ví
du
os
.
O
 r
es
íd
uo
 tr
an
sf
or
m
ad
o 
é 
ut
ili
za
do
 p
ar
a 
es
tim
ar
 
a 
va
ri
ân
ci
a 
in
te
r 
e 
in
tr
ai
nd
iv
id
ua
l, 
a 
qu
al
 é
 
ut
ili
za
da
 p
ar
a 
re
du
zi
r 
a 
m
éd
ia
 
al
im
en
ta
r 
de
 u
m
 in
di
ví
du
o 
a 
um
a 
m
éd
ia
 g
er
al
.
O
bt
ém
 u
m
a 
es
tim
at
iv
a 
po
lin
om
ia
l f
ra
ci
on
ad
a 
de
 
ef
ei
to
 m
is
to
 p
ar
a 
se
pa
ra
r 
a 
va
ri
ab
ili
da
de
 in
tr
a 
da
 
in
te
ri
nd
iv
íd
uo
s 
em
 fu
nç
ão
 
da
 id
ad
e.
 
Pa
ss
o 
3:
 E
st
im
aç
ão
 d
a 
di
st
ri
bu
iç
ão
 d
a 
in
ge
st
ão
 u
su
al
 c
on
ta
bi
liz
an
do
 a
 v
ar
iâ
nc
ia
 in
tr
ai
nd
iv
id
ua
l
C
on
st
ró
i u
m
 c
on
ju
nt
o 
de
 
va
lo
re
s 
in
te
rm
ed
iá
ri
os
 q
ue
 
re
té
m
 a
 v
ar
iâ
nc
ia
 e
nt
re
 
in
di
ví
du
os
 d
os
 d
ad
os
 
tr
an
sf
or
m
ad
os
 d
o 
R
24
h.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 a
pl
ic
a 
a 
fu
nç
ão
 in
ve
rs
a 
da
 in
ic
ia
l 
pa
ra
 c
ad
a 
va
lo
r 
in
te
rm
ed
iá
ri
o.
A
 d
is
tri
bu
iç
ão
 e
m
pí
ric
a 
in
ve
rs
am
en
te
 tr
an
sf
or
m
ad
a 
é 
a 
di
st
rib
ui
çã
o 
da
 in
ge
st
ão
 u
su
al
.
C
on
st
ró
i u
m
 c
on
ju
nt
o 
de
 
va
lo
re
s 
in
te
rm
ed
iá
ri
os
 q
ue
 
re
té
m
 a
 v
ar
iâ
nc
ia
 e
nt
re
 
in
di
ví
du
os
 d
os
 d
ad
os
 
tr
an
sf
or
m
ad
os
 d
o 
R
24
h.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 
ap
lic
a 
a 
fu
nç
ão
 in
ve
rs
a 
da
 tr
an
sf
or
m
aç
ão
 e
m
 d
oi
s 
es
tá
gi
os
, s
im
ul
tâ
ne
os
 a
 a
ju
st
es
 
pa
ra
 v
ié
s,
 e
 a
ju
st
a 
ca
da
 v
al
or
 
in
te
rm
ed
iá
ri
o 
em
 e
sc
al
a 
no
rm
al
 p
ar
a 
ob
te
r 
a 
es
ca
la
 
or
ig
in
al
 e
m
 c
on
tr
ap
ar
tid
a.
A
 d
is
tri
bu
iç
ão
 e
m
pí
ric
a 
in
ve
rs
am
en
te
 tr
an
sf
or
m
ad
a 
é 
a 
di
st
rib
ui
çã
o 
da
 in
ge
st
ão
 u
su
al
.
C
on
st
ró
i u
m
 c
on
ju
nt
o 
de
 
va
lo
re
s 
in
te
rm
ed
iá
ri
os
 q
ue
 
re
té
m
 a
 v
ar
iâ
nc
ia
 e
nt
re
 
in
di
ví
du
os
 d
os
 d
ad
os
 
tr
an
sf
or
m
ad
os
 d
o 
R
24
h.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 
us
an
do
 a
 fu
nç
ão
 in
ve
rs
a 
da
 
tr
an
sf
or
m
aç
ão
 in
ic
ia
l P
ow
er
 
ou
 lo
g 
si
m
ul
ta
ne
am
en
te
 c
om
 
aj
us
te
s 
pa
ra
 v
ié
s,
 a
de
qu
a 
ca
da
 v
al
or
 in
te
rm
ed
iá
ri
o 
em
 e
sc
al
a 
no
rm
al
 p
ar
a 
ob
te
r 
a 
es
ca
la
 o
ri
gi
na
l e
m
 
co
nt
ra
pa
rt
id
a.
A
 d
is
tri
bu
iç
ão
 e
m
pí
ric
a 
in
ve
rs
am
en
te
 tr
an
sf
or
m
ad
a 
é 
a 
di
st
rib
ui
çã
o 
da
 in
ge
st
ão
 u
su
al
.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 
ap
lic
a 
a 
fu
nç
ão
 in
ve
rs
a 
da
 tr
an
sf
or
m
aç
ão
 e
m
 d
oi
s 
es
tá
gi
os
; é
 s
im
ul
tâ
ne
o 
a 
aj
us
te
s 
pa
ra
 v
ié
s;
 d
es
cr
ev
e 
m
at
em
at
ic
am
en
te
 a
 
di
st
ri
bu
iç
ão
 e
m
 e
sc
al
a 
or
ig
in
al
 d
a 
in
ge
st
ão
 u
su
al
 d
o 
co
ns
um
o 
di
ár
io
.
M
at
em
at
ic
am
en
te
, c
om
bi
na
 
a 
di
st
ri
bu
iç
ão
 d
o 
co
ns
um
o 
di
ár
io
 e
st
im
ad
o 
co
m
 a
 
di
st
ri
bu
iç
ão
 e
st
im
ad
a 
da
 
pr
ob
ab
ili
da
de
 d
e 
co
ns
um
o 
pa
ra
 o
bt
er
 o
 c
on
ju
nt
o 
de
 
va
lo
re
s 
in
te
rm
ed
iá
ri
os
 q
ue
 
re
pr
es
en
ta
m
 a
 in
ge
st
ão
 
us
ua
l, 
as
su
m
in
do
 q
ue
 a
 
pr
ob
ab
ili
da
de
 d
e 
in
ge
st
ão
 
us
ua
l e
 o
 c
on
su
m
o 
di
ár
io
 
sã
o 
es
ta
tis
tic
am
en
te
 
in
de
pe
nd
en
te
s.
A
 d
is
tri
bu
iç
ão
 e
m
pí
ric
a 
in
ve
rs
am
en
te
 tr
an
sf
or
m
ad
a 
é 
a 
di
st
rib
ui
çã
o 
da
 in
ge
st
ão
 u
su
al
.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 
so
lu
çã
o 
in
te
gr
al
 d
os
 v
al
or
es
 
in
te
ir
os
 n
ão
 n
eg
at
iv
os
 d
os
 
pa
râ
m
et
ro
s 
B
ox
-C
ox
.
A
 e
st
im
at
iv
a 
da
 in
ge
st
ão
 
us
ua
l é
 o
bt
id
a 
m
ul
tip
lic
an
do
 
a 
pr
ob
ab
ili
da
de
 d
e 
co
ns
um
o 
e 
a 
in
ge
st
ão
 d
iá
ri
a 
to
ta
l 
es
tim
ad
a 
po
r 
m
od
el
os
 d
e 
re
gr
es
sã
o.
 
Id
en
tifi
ca
 v
al
or
es
 d
is
cr
ep
an
te
s 
pe
lo
 m
ét
od
o 
G
ru
bb
s.
Te
st
a 
a 
no
rm
al
id
ad
e 
re
si
du
al
 
e 
a 
di
st
ri
bu
iç
ão
 d
os
 d
ad
os
 p
or
 
Ko
lm
og
or
ov
-S
m
ir
no
v 
us
an
do
 
o 
m
ód
ul
o 
es
ta
tís
tic
o 
S-
pl
us
.
C
he
ca
 a
 d
is
tr
ib
ui
çã
o 
de
 λ
.
Q
ua
nd
o 
en
co
nt
ra
do
s 
va
lo
re
s 
di
sc
re
pa
nt
es
, e
st
es
 
sã
o 
el
im
in
ad
os
 e
 o
s 
pa
ss
os
 
an
te
ri
or
es
 s
ão
 r
ep
et
id
os
.
Tr
an
sf
or
m
aç
ão
 in
ve
rs
a:
 a
pl
ic
a 
a 
tr
an
sf
or
m
aç
ão
 in
ve
rs
a 
co
m
 u
m
a 
fu
nç
ão
 q
ua
dr
át
ic
a 
ga
us
si
an
a 
(M
on
te
 C
ar
lo
 
Si
m
ul
at
io
ns
).
Fo
nt
e:
 a
da
pt
ad
o 
de
 D
od
d 
et
 a
l,2
 2
00
6.
R2
4h
: r
ec
or
da
tó
rio
 a
lim
en
ta
r d
e 
24
h;
 D
A
: d
iá
rio
 a
lim
en
ta
r; 
N
RC
: N
at
io
na
l R
es
ea
rc
h 
C
ou
nc
il;
 IO
M
: I
ns
tit
ut
e 
of
 M
ed
ic
in
e;
 IS
U
: I
ow
a 
St
at
e 
U
ni
ve
rs
ity
; B
P:
 B
es
t-P
ow
er
; I
SU
F:
 Io
w
a 
St
at
e 
U
ni
ve
rs
ity
 fo
od
s.
D
es
cr
iç
ão
 a
di
ci
on
al
 d
e 
m
ét
od
os
 –
 M
SM
: M
ul
tip
le
 S
ou
rc
e 
M
et
ho
d;
8 
SP
A
D
E:
 S
ta
tis
tic
al
 P
ro
gr
am
 to
 A
ss
es
s 
D
ie
ta
ry
 E
xp
os
ur
e9
850 Erros aleatórios e vieses na avaliação de dieta Rossato SL & Fuchs SC
disponível já aperfeiçoado. Vieses podem ser minimi-
zados com seleção amostral e delineamento do estudo 
apropriados. Para evitar erros sistemáticos relacionados 
à amostragem, recomenda-se que características como 
estado nutricional e de saúde, os dias da semana e as 
estações do ano sejam proporcionais e heterogêneas. 
O número de medidas repetidas de R24h e o tamanho 
da amostra podem ser estimados com base na varia-
bilidade da ingestão de nutrientes entre indivíduos. 
Nutrientes presentes na grande maioria dos alimentos, 
como macronutrientes, requerem menor número de 
medidas repetidas, uma vez que a variabilidade entre 
as observações é menor. Se o interesse do estudo é 
avaliar a ingestão alimentar da população de modo 
geral, amostras maiores, com menor número de medi-
das repetidas, podem gerar dados com confiabilidade 
aceitável. No entanto, em estudos de validação, cuja 
variabilidade individual é crucial, pois será a medida 
de referência para avaliar a validade, maior número de 
medidas repetidas é preferível.
1. Basiotis PP, Thomas RG, Kelsay JL, Mertz W. Sources 
of variation in energy intake by men and women as 
determined from one year’s daily dietary records. Am J 
Clin Nutr. 1989;50(3):448-53.
2. Dodd KW, Guenther PM, Freedman LS, Subar AF, 
Kipnis V, Midthune D, et al. Statistical methods for 
estimating usual intake of nutrients and foods: a review 
of the theory. J Am Diet Assoc. 2006;106(10):1640-50. 
DOI:10.1016/j.jada.2006.07.011
3. Freedman LS, Schatzkin A, Midthune D, Kipnis V. 
Dealing with dietary measurement error in nutritional 
studies. J Natl Cancer Inst. 2011;103(14):1086-92. 
DOI:10.1093/jnci/djr189
4. Hoffmann K, Boeing H, Dufour A, Volatier JL, Telman 
J, Virtanen M, et al. Estimating the distribution of 
usual dietary intake by short-term measurements.Eur J Clin Nutr. 2002;56(Suppl 2):S53-62. 
DOI:10.1038/sj/ejcn/1601429
5. Nelson M, Black AE, Morris JA, Cole TJ. Between- and 
within-subject variation in nutrient intake from infancy 
to old age: estimating the number of days required to 
rank dietary intakes with desired precision. Am J Clin 
Nutr. 1989;50(1):155-67.
6. Willett WC. Nutrition epidemiology. 3.ed. New York: 
Oxford University Press; 2013.
7. Tokudome Y, Imaeda N, Nagaya T, Ikeda M, 
Fujiwara N, Sato J, Kuriki K, Kikuchi S, Maki S, 
Tokudome S. Daily, weekly, seasonal, within- and 
between-individual variation in nutrient intake 
according to four seasons consecutive 7 day 
nutrient diet records in Japanese female dietitians. J 
Epidemiol. 2002;12:85-92.
8. Department of Epidemiology of the German Institute 
of Human Nutrition Postdam-Rehbrucke, Versão 1.0.1. 
Disponível em: https://nugo.dife.de/msm
9. Waijers PMCM et al. The potential of AGE_MODE, an 
age-dependent model, to estimate usual intake and 
prevalence of inadequate intakes in a population. J 
Nutr. 2006;136:2916-20.
REFERÊNCIAS
Estudo financiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq – Processo 70/2008, bolsa 
de doutorado de Rossato SL), e pelo Hospital de Clínicas de Porto Alegre através do Fundo de Incentivo à Pesquisa e Eventos 
(FIPE-HCPA – Processo 00-176).
Os autores declaram não haver conflito de interesses.