Resumo Executivo

Julio César Cardoso; Jailson dos Santos Silva

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Este estudo estima a associação entre variáveis comportamentais, socioeconômicas e ambientais da Pesquisa Nacional de Saúde do Escolar (PeNSE) e o tempo semanal de atividade física de estudantes brasileiros. A investigação analisa como fatores contextuais, como escolaridade materna e dependência administrativa da escola (pública ou privada), influenciam esses hábitos. A compreensão do ambiente do aluno é fundamental para orientar intervenções e políticas públicas que promovam um estilo de vida mais ativo.

A prática regular de atividades físicas é um pilar para a saúde pública, prevenindo doenças crônicas não transmissíveis, reduzindo ansiedade e sintomas depressivos, e melhorando a saúde cerebral. A Organização Mundial da Saúde (OMS) estima que um aumento na atividade física global poderia evitar até 5 milhões de mortes anuais, gerando uma economia de US$ 54 bilhões em custos diretos de saúde e US$ 14 bilhões em perdas de produtividade (OMS, 2020). As diretrizes recomendam uma média de 60 minutos diários de atividade aeróbica de intensidade moderada a intensa para crianças e adolescentes, meta que não é alcançada globalmente (Bull et al., 2020). A adolescência é uma fase crítica para a consolidação de hábitos, e evidências indicam que uma criança fisicamente ativa tem maior probabilidade de se tornar um adulto ativo (Lazzoli et al., 1998).

Apesar dos benefícios, a inatividade física entre adolescentes é elevada. Dados globais indicam que mais de 80% dos estudantes não cumprem as recomendações de atividade física (Guthold et al., 2019). O cenário brasileiro reflete essa tendência. Segundo o Instituto Brasileiro de Geografia e Estatística (IBGE, 2019), apenas 28,1% dos estudantes entre 13 e 17 anos foram classificados como fisicamente ativos, praticando 300 minutos ou mais de atividades físicas na semana anterior. A falta de interesse é a principal barreira, mas a PeNSE revela que o ambiente exerce influência determinante; o incentivo familiar e escolar, e a disponibilidade de espaços seguros, são fatores cruciais para um estilo de vida mais ativo (IBGE, 2019).

A adesão à prática de atividades físicas não pode ser compreendida apenas por fatores individuais. A teoria ecológica do desenvolvimento humano de Bronfenbrenner (1979) postula que o desenvolvimento é moldado por sistemas contextuais interconectados, do microssistema familiar e escolar ao macrossistema cultural. Nesse sentido, os hábitos de um adolescente resultam da interação entre suas características pessoais e as influências do ambiente. A família e a escola desempenham papéis centrais na formação de indivíduos mais saudáveis.

A literatura científica sobre o tema no Brasil tem explorado os dados da PeNSE por meio de análises descritivas (Soares & Hallal, 2016) ou modelos de regressão tradicionais, como a regressão de Poisson (Soares et al., 2023). Outras abordagens, como a análise de redes, também foram empregadas (Nascimento et al., 2023). No entanto, a aplicação de modelagem multinível, metodologicamente adequada para dados com estrutura hierárquica (alunos aninhados em escolas), ainda é incipiente no contexto brasileiro para este tema, embora seja utilizada em estudos com adolescentes de outros países (Souza et al., 2015) ou com adultos no Brasil (Boclin et al., 2014). Este estudo preenche essa lacuna, utilizando uma abordagem estatística robusta para desvendar as múltiplas camadas de influência sobre a atividade física dos jovens brasileiros.

O presente estudo é uma pesquisa aplicada, com abordagem mista e objetivo explicativo, conduzido por meio de uma análise estatística de dados secundários, com delineamento transversal. A técnica empregada foi a modelagem hierárquica multinível, escolhida para analisar a estrutura aninhada dos dados da PeNSE de 2019. Essa abordagem permite investigar simultaneamente os efeitos de variáveis em diferentes níveis — aluno, escola e região — sobre o tempo de prática de atividade física, controlando a dependência estatística entre as observações dentro de um mesmo grupo.

O processo metodológico iniciou com um levantamento bibliográfico nas bases SciELO e Portal de Periódicos da CAPES. A coleta de dados consistiu na obtenção dos microdados públicos da PeNSE 2019 do portal do IBGE. Seguiu-se um tratamento dos dados em Python; variáveis redundantes foram removidas e dados faltantes foram tratados. A variável resposta, TEMPOATV, foi construída a partir da soma do tempo de atividade física nas aulas de educação física (TEMPOEDFIS) e do tempo em atividades extracurriculares (TEMPOEXTRA), excluindo o tempo de deslocamento ativo (TEMPODESLOC) para evitar vieses socioeconômicos, uma vez que alunos de menor renda tendem a se deslocar mais a pé ou de bicicleta por necessidade.

A modelagem multinível reconhece que os alunos (nível 1) estão agrupados em escolas (nível 2), localizadas em regiões (nível 3). Ignorar essa estrutura levaria a erros padrão subestimados e conclusões equivocadas sobre a significância dos preditores (Gelman & Hill, 2006). A construção do modelo seguiu a abordagem “Step Up Strategy” (Raudenbush & Bryk, 2002). Este método inicia com um modelo nulo para quantificar a variância entre os grupos por meio do Coeficiente de Correlação Intraclasse (ICC). Um ICC significativo justifica a aplicação da modelagem multinível. Posteriormente, o modelo foi expandido com a adição de variáveis explicativas em cada nível: primeiro as do aluno, seguidas pelas da escola e, por fim, a regional. A seleção final das variáveis foi guiada pela significância estatística e pela melhoria nos critérios de ajuste do modelo, como o Critério de Informação de Akaike (AIC) e o Bayesiano (BIC). A etapa final consistiu na interpretação dos resultados à luz da literatura.

A análise exploratória revelou disparidades no tempo de atividade física. No âmbito regional, adolescentes da região Sul apresentaram as maiores médias de tempo semanal (253,8 minutos), enquanto a região Nordeste registrou as menores (201,6 minutos). Ao analisar a dependência administrativa, o tempo total de atividade (incluindo deslocamento) foi ligeiramente maior em escolas públicas (221,0 minutos) versus privadas (218,8 minutos), diferença explicada pelo tempo de deslocamento, que é mais que o dobro para alunos de escolas públicas. Ao isolar apenas as atividades na escola e no lazer (TEMPOATV), os alunos de escolas privadas mostraram-se mais ativos, com média de 182,1 minutos, em comparação com 141,3 minutos dos alunos de escolas públicas.

O contexto familiar, representado pela escolaridade materna, também emergiu como fator distintivo. Alunos cujas mães possuem ensino superior completo registraram a maior média de tempo total de atividade (233,3 minutos) e o menor tempo de deslocamento (38,6 minutos). Em contrapartida, filhos de mães que não estudaram apresentaram uma das menores médias de tempo total (201,4 minutos) e o maior tempo de deslocamento (87,6 minutos). Esses dados indicam uma correlação entre o capital socioeconômico e cultural da família e os padrões de atividade física dos adolescentes.

A construção do modelo multinível iniciou-se com o modelo nulo, que confirmou a adequação da abordagem. O Coeficiente de Correlação Intraclasse (ICC) foi de 0,2%, indicando que uma porção estatisticamente significativa da variabilidade no tempo de atividade física é atribuível a diferenças entre as escolas. O modelo final incluiu variáveis dos três níveis. No nível do aluno, o sexo feminino (coeficiente = -91,65) e o avanço da idade (coeficiente = -13,47) foram negativamente associados ao tempo de atividade, corroborando achados de estudos como o de Santos et al. (2014).

Fatores comportamentais positivos, como o consumo de frutas e a frequência de escovação dentária, mostraram forte associação positiva. Alunos que consumiram frutas todos os dias da semana (coeficiente = 72,69) ou que escovaram os dentes mais de três vezes ao dia (coeficiente = 44,02) apresentaram tempos significativamente maiores, alinhado com Enes e Slater (2015), sugerindo que a atividade física está inserida em um conjunto de hábitos saudáveis. A intenção de controlar o peso também esteve associada a um maior tempo de prática. Em contrapartida, o comportamento sedentário, medido pelo tempo em frente a telas, apresentou forte associação negativa; mais de oito horas diárias de tela se associaram a uma redução de quase 28 minutos no tempo semanal de atividade, resultado consistente com a literatura (Greca et al., 2016).

A escolaridade materna confirmou-se como preditor significativo, com um coeficiente positivo (5,23), indicando que, a cada aumento no nível de escolaridade da mãe, o tempo de atividade do filho tende a aumentar, reforçando a importância do capital cultural familiar (Gomes et al., 2022). A autoavaliação da saúde também foi relevante, com percepções negativas associadas a uma redução drástica no tempo de atividade, chegando a uma diminuição de mais de 50 minutos para aqueles com saúde autoavaliada como “ruim”.

No nível da escola, a oferta de atividades físicas fora do horário regular e a realização de jogos ou competições internas mostraram-se positivamente associadas ao engajamento. Escolas que promovem alimentação saudável e prevenção da obesidade também apresentaram alunos com maiores tempos de atividade (coeficiente = 2,43). A dependência administrativa privada manteve uma associação positiva (coeficiente = 8,27) mesmo após o controle por variáveis individuais, sugerindo que fatores estruturais das escolas privadas podem favorecer a prática de exercícios.

O modelo final capturou a variabilidade regional. Tomando a região Norte como referência, o modelo mostrou que os alunos da região Nordeste praticam, em média, 9,29 minutos a menos por semana, enquanto os da região Sul praticam 30,53 minutos a mais. As regiões Sudeste e Centro-Oeste também apresentaram coeficientes positivos. Esses resultados sublinham a necessidade de políticas públicas regionalizadas. A estrutura final do modelo incluiu interceptos aleatórios por escola e por região, permitindo que o nível médio de atividade variasse entre esses grupos. A ausência de inclinações aleatórias significativas sugere que o efeito das variáveis preditoras é relativamente constante entre as escolas. Os resultados demonstram que a atividade física na adolescência é um fenômeno multifacetado, determinado por uma complexa teia de influências do ambiente familiar, hábitos pessoais, características da escola e contexto macrorregional.

Este estudo investigou os múltiplos fatores associados à prática de atividade física em adolescentes brasileiros, utilizando modelagem multinível sobre os dados da PeNSE 2019. Os resultados evidenciam que os contextos sociodemográficos e comportamentais individuais desempenham um papel central, com variáveis como sexo, idade, escolaridade materna, hábitos alimentares e tempo sedentário apresentando as associações mais robustas. O contexto escolar, embora com menor magnitude de efeito, também se mostrou relevante, destacando a importância da oferta de atividades extracurriculares, competições e ações de promoção da saúde. As disparidades regionais observadas reforçam a necessidade de políticas públicas que considerem as desigualdades estruturais do país. Os achados sugerem que a promoção da atividade física exige uma abordagem integrada e multissetorial, envolvendo a família, a escola e o poder público.

O estudo possui limitações, como o caráter transversal da pesquisa, que impede o estabelecimento de relações de causalidade, e a dependência de dados autorrelatados, que podem estar sujeitos a vieses. Pesquisas futuras poderiam empregar delineamentos longitudinais para acompanhar a evolução desses hábitos e explorar com maior profundidade os fatores culturais e ambientais que explicam as diferenças de gênero e regionais. Conclui-se que o objetivo foi atingido: estimou-se a associação entre múltiplos fatores contextuais e o tempo de atividade física, demonstrando a influência complexa dos ambientes familiar, escolar e regional sobre os hábitos dos adolescentes brasileiros.

Referências:
Alves, J. G. B; Alves, G. V. 2019. Efeitos da atividade física sobre o crescimento de crianças. Jornal de Pediatria 95(1): 72-78.
Boclin, K. L. S; Faerstein, E.; Leon, A. C. M. P. 2014. Características contextuais de vizinhança e atividade física de lazer: Estudo Pró-Saúde. Revista de Saúde Pública 48 (2): 249-257.
Bronfenbrenner, U. 1979. The Ecology of Human Development Experiments by Nature and Design. Harvard University Press. 1 ed. Harvard University Press, Massachusetts, Estados Unidos da América.
Bull, F. C.; Al-Ansari, S. S.; Biddle, S.; Borodulin, K.; Buman, M. P.; Cardon, G.; Carty, C.; Chaput, J. P.; Chastin, S.; Chou, R.; Dempsey, P. C.; DiPietro, L.; Ekelund, U.; Firth, J.; Friedenreich, C. M.; Garcia, L.; Gichu, M.; Jago, R.; Katzmarzyk, P. T.; Lambert, E.; Leitzmann, M.; Milton, K.; Ortega, F. B.; Ranasinghe, C.; Stamatakis, E.; Tiedemann, A.; Troiano, R. P.; Ploeg, H. P.; Wari, V.; Willumsen, J. F. 2020. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. British Journal of Sports Medicine 54 (24): 1451-1462.
Enes, C. C.; Slater, B. 2015. Dietary intake of adolescents compared with the Brazilian Food Guide and their differences according to anthropometric data and physical activity. Revista Brasileira de Epidemiologia 18(04): 798-808.
Gelman, A.; Hill, J. 2006. Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press. 1ed. Cambridge University Press, Cambridge, Inglaterra.
Gomes, T. N.; Thuany, M.; Dos Santos, F. K.; Rosemann, T.; Knechtle, B. 2022. Physical (in)activity, and its predictors, among Brazilian adolescents: A multilevel analysis. BMC Public Health 22(1): 1-9.
Greca, J. P. A.; Silva, D. A. S.; Loch, M. R. 2016. Physical activity and screen time in children and adolescents in a medium size town in the South of Brazil. Revista Paulista de Pediatria 34(3): 316-322.
Guthold, R.; Stevens, G. A.; Riley, L. M.; Bull, F. C. 2019. Global trends in insufficient physical activity among adolescents: a pooled analysis of 298 population-based surveys with 1.6 million participants. The Lancet Child & Adolescent Health 4 (1): 23-35.
Instituto Brasileiro de Geografia e Estatística (IBGE). 2019. Pesquisa Nacional de Saúde do Escolar (PeNSE). Disponível em: https://www. ibge. gov. br/estatisticas/sociais/educacao/9134-pesquisa-nacional-de-saude-do-escolar. html?=&t=o-que-e. Acesso em 28/02/2025.
Lazzoli, J. K; Nóbrega, A. C. L.; Carvalho, T.; Oliveira, M. A. B.; Teixeira, J. A. C.; Leitão, M. B.; Leite, N.; Meyer, F.; Drummond, F. A.; Pessoa, M. S. V.; Rezende, L.; Rose, E. H.; Barbosa, S. T.; Magni, J. R. T.; Nahas, R. M.; Michels, G.; Matsudo, V. 1998. Atividade física e saúde na infância e adolescência. Revista Brasileira de Medicina do Esporte 4 (4): 107-109.
Nascimento, J. Y. V.; Lima, C. V. P.; Giudicelli, B. B.; Lima, L. M. P.; Bandeira, P. F. R.; Pinheiro, I. K. A. S.; Magalhães, K. C. S.; Silva, D. R. P.; Martins, C. M. L.; Henrique, R. S.; Cunha Júnior, A. T.; Luz, L. G. O. 2023. Fatores associados aos comportamentos ativo e sedentário em adolescentes brasileiros: uma análise de rede. Revista Brasileira de Atividade Física & Saúde 28 (1-10). https://doi. org/10.12820/rbafs.28e0311.
Nezlek, J. B. 2008. An Introduction to Multilevel Modeling for Social and Personality Psychology. Social and Personality Psychology Compass 2 (2): 842-860.
Niu, J.; Xu, H.; Yu, J. 2025. Identifying multilevel factors on student mathematics performance for Singapore, Korea, Finland, and Denmark in PISA 2022: considering individualistic versus collectivistic cultures. Humanities and Social Sciences Communications 12(151): 1-12.
Rasbash, J.; Goldstein, H. 1994. Efficient Analysis of Mixed Hierarchical and Cross-Classified Random Structures Using a Multilevel Model. Journal of Educational and Behavioral Statistics 19 (4): 337-350.
Raudenbush, S. W.; Bryk, A. S. 2002. Hierarchical Linear Models Applications and Data Analysis Methods. Sage Publications. 2 ed. Sage Publications, California, Estados Unidos da América.
Rodríguez-López, M.; Leckie, G.; Kaufman, J. S.; Merlo, J. 2023. Multilevel modelling for measuring interaction of effects between multiple categorical variables: An illustrative application using risk factors for preeclampsia. Paediatric and Perinatal Epidemiology 37(2): 154-164.
Santos, G. C.; Neto, A. S.; Sena, J. S.; Campos, W. 2014. Atividade física em adolescentes: uma comparação entre os sexos, faixas etárias e classes econômicas. Revista Brasileira de Atividade Física & Saúde 19(4): 455-464
Soares, C. A. M.; Hallal, P. C. 2016. Interdependência entre a participação em aulas de Educação Física e níveis de atividade física de jovens brasileiros: estudo ecológico. Revista Brasileira de Atividade Física & Saúde 20 (6): 588-597.
Soares, C. A. M.; Leão, O. A. A.; Freitas, M. P.; Hallal, P. C.; Wagner, M. B. 2023. Tendência temporal de atividade física em adolescentes brasileiros: análise da Pesquisa Nacional de Saúde do Escolar de 2009 a 2019. Cadernos de Saúde Pública 39 (10). https://doi. org/10.1590/0102-311XPT063423.
Souza, M. C.; Forjaz, C. L. M.; Gomes, T. N.; Santos, F. K.; Eisenmann, J.; Maia, J. A. R. 2015. Modelação multinível e delineamento longitudinal-misto na pesquisa em Educação Física e

Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Data Science e Analytics do MBA USP/Esalq

_{Saiba mais sobre o curso; clique aqui:}