Análise de redes complexas para o estudo da qualidade de vida em saúde bucal
PDF

Palavras-chave

Redes sociais
Sa´úde Bucal
Qualidade de Vida
análise
Epidemiologia

Como Citar

Sarmento Pereira, C. F., Martini Filho, I. E., Fernando Lopez , E., & Michel Crosato, E. (2025). Análise de redes complexas para o estudo da qualidade de vida em saúde bucal. Brazilian Journal of Implantology and Health Sciences, 7(5), 988–992. https://doi.org/10.36557/2674-8169.2025v7n5p988-992

Resumo

A análise de redes complexas é uma abordagem baseada na teoria dos grafos e em algoritmos computacionais, amplamente utilizada para compreender a estrutura de relações em sistemas complexos, incluindo a saúde bucal. Este estudo teve como objetivo aplicar a análise de redes complexas para investigar a qualidade de vida em saúde bucal, utilizando dados secundários do levantamento de saúde bucal do Estado de São Paulo, com uma amostra de 17.560 participantes. A metodologia empregou o software R e o pacote "bootnet", que permite a inferência estatística de redes utilizando a técnica de bootstrap. Foram avaliadas quatro medidas principais de centralidade: Intermediação (Betweenness), Proximidade (Closeness), Força (Strength) e Influência Esperada (Expected Influence). Os resultados mostraram que os itens QV5 (Deixou de praticar atividades esportivas) e CP3 (Autopercepção da felicidade) apresentaram maior intermediação, enquanto QV4 (Deixou vida social) e QV5 destacaram-se em proximidade e força. Para influência esperada, a variável QV3 (Nervosismo/irritação) foi a mais relevante. Estes achados demonstram a capacidade da análise de redes complexas em revelar relações e padrões ocultos na percepção de qualidade de vida em saúde bucal. Conclui-se que a ciência das redes complexas é uma ferramenta analítica promissora para compreender interações entre variáveis e desenvolver intervenções personalizadas em saúde bucal.

https://doi.org/10.36557/2674-8169.2025v7n5p988-992
PDF

Referências

Opsahl T, Agneessens F, Skvoretz J. Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks. 2010 Jul;32(3):245-51. doi: 10.1016/j.socnet.2010.03.006.

Rodebaugh TL, Tonge NA, Piccirillo ML, Fried E, Horenstein A, Morrison AS, et al. Does centrality in a cross-sectional network suggest intervention targets for social anxiety disorder? J Consult Clin Psychol. 2018 Oct;86(10):831-44. doi: 10.1037/ccp0000336.

Epskamp S, Rhemtulla M, Borsboom D. Generalized Network Psychometrics: Combining network and latent variable models. Psychometrika. 2017 Dec;82(4):904-27. doi: 10.1007/s11336-017-9557-x.

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2025 Carlos Felipe Sarmento Pereira, Ismar Eduardo Martini Filho, Edisson Fernando Lopez , Edgard Michel Crosato

Downloads

Não há dados estatísticos.
1 1