Análise de Redes Sociais no Estudo do Uso de Drogas: Uma Revisão Sistemática

0 UNIVERSIDADE FEDERAL DO RIO DE JANEIRO CENTRO DE CIÊNCIAS DA SAÚDE INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA MESTRADO EM SAÚDE COLETIVA Ana Luiza Alfaya Gallego Soares Análise de Redes Sociais no Estudo do Uso de Drogas: Uma Revisão Sistemática Rio de Janeiro 2012

1 Ana Luiza Alfaya Gallego Soares Análise de Redes Sociais no Estudo do Uso de Drogas: Uma Revisão Sistemática Dissertação de mestrado apresentada ao Programa de Pós-Graduação em Saúde Coletiva da UFRJ, como requisito à obtenção do Título de Mestre em Saúde Coletiva. Orientadora: Prof. Dra. Cláudia Medina Coeli Rio de Janeiro 2012

2 R676 Soares, Ana Luiza Alfaya Gallego. Análise de redes sociais no estudo do uso de drogas: uma revisão sistemática / Ana Luiza Alfaya Gallego Soares. Rio de Janeiro: UFRJ/ Instituto de Estudos em Saúde Coletiva, 2012. 109 f.; 30cm. Orientador: Cláudia Medina Coeli. Dissertação (Mestrado) - UFRJ/Instituto de Estudos em Saúde Coletiva, 2012. Referências: f. 102-109. 1. Análise de redes sociais. 2. Dados relacionais. 3. Uso de drogas. 4. Rede social. 5. Revisão sistemática. I. Coeli, Cláudia Medina. II. Universidade Federal do Rio de Janeiro, Instituto de Estudos em Saúde Coletiva. III. Título. CDD 362.29

3 RESUMO Análise de redes sociais (social network analysis, SNA) é uma metodologia que utiliza dados relacionais e permite a avaliação de redes sociais compostas por indivíduos (egos e alters) e relações existentes entre eles, em contraposição à metodologias tradicionais que avaliam apenas atributos individuais; seu uso na pesquisa em saúde é relativamente recente. Esta revisão sistemática busca avaliar a aplicação da SNA na pesquisa sobre uso de drogas, apontando suas principais vantagens e limitações. Foi feita busca bibliográfica em 12 bases de dados de várias áreas do conhecimento para identificar trabalhos cujo tema incluísse usuários de drogas e rede social. Foram incluídos na revisão artigos científicos que utilizaram SNA para estudar uso de drogas por indivíduos. Foram excluídos artigos que utilizaram técnicas de rede apenas para amostragem da população de estudo e artigos que utilizaram o método de survey para coletar dados de rede. A análise dos trabalhos foi feita separadamente por dois pesquisadores, um terceiro pesquisador participou da decisão sempre que não houve consenso. As referências bibliográficas dos artigos incluídos foram avaliadas segundo os mesmos critérios de inclusão. Foram identificados 1091 trabalhos; após exclusão de duplicatas e de trabalhos que não eram artigos, restaram 708 artigos, avaliados por título e resumo. Destes, 135 foram avaliados por texto completo, dos quais 25 foram incluídos. Treze artigos foram selecionados entre as referências dos artigos inicialmente incluídos, resultando no total de 38 artigos incluídos. Foram extraídos dos artigos selecionados: autor, objeto de estudo, substância estudada, população de estudo, estratégia de observação, relação que definiu a rede social, método de coleta de dados de rede, atributos de rede analisados (estruturais, relacionais e individuais), métodos de análise de dados e softwares utilizados. Os artigos apresentaram grande heterogeneidade em objetos de pesquisa, métodos usados e resultados. A maioria estudou redes egocêntricas, que não permitem medidas de características mais completas das redes. Apesar disto, variáveis de rede estiveram significativamente associadas ao desfecho em quase todos os artigos; o conceito de suporte social foi amplamente estudado. SNA ainda é subutilizada para estudar uso de drogas; novos estudos devem buscar homogeneidade em medidas utilizadas e explicitação de construtos teóricos utilizados. Palavras-chave: Usuários de drogas; Rede social; Drogas ilícitas; Base de dados; Comportamento social

4 ABSTRACT Social network analysis (SNA) is a methodology which uses relational data and enables the evaluation of social networks comprised of individuals (egos and alters) and the relationships between them, unlike traditional methodologies which only evaluate individual attributes. Its use in health research is relatively recent. This systematic review seeks to evaluate the application of SNA to research about drug use, pointing out its main advantages and limitations. A bibliographical search was carried out in 12 data bases from several areas of knowledge in order to identify works whose subject included drug users and social network. We included in the review scientific articles which used SNA in order to study drug use by individuals. Articles that only used network techniques in order to sample the population and articles that used surveys in order to gather the network data were excluded. The analysis of the articles was carried out separately by two researchers. A third researcher took part in the decision whenever there was no consensus. The bibliographical references of the included articles were evaluated according to the same inclusion criteria. 1091 works were identified; after excluding duplicates and works which were not articles, 708 articles remained, which were evaluated by title and abstract. Of these, 135 were evaluated by full text, of which 25 were included. Thirteen articles were selected among the references of the initially included articles, resulting in a total of 38 included articles. I extracted from the articles: author, object of study, studied substance, study population, observation strategy, relationship which defined the social network, method for collecting the network's data, analyzed network attributes (structural, relational and individual), data analysis methods and softwares used. The articles presented great heterogeneity in terms of research objects, methods used and results. Most studied egocentric networks, which don't allow for more complete measures of the networks' characteristics. Despite this, network variables were significantly associated with the outcome in almost all articles; the concept of social support was widely studied. SNA is still underused in studying drug use; new studies should seek homogeneity in the employed measures and clarification of the theoretical constructs used. Word-keys: Drug users; Social networking; Street drugs; Database; Social behavior

5 LISTA DE TABELAS Tabela 1 Exemplo de apresentação de dados de atributos em tabela/matriz Tabela 2 Exemplo de apresentação de dados relacionais em tabela/matriz Tabela 3 Exemplo de matriz de incidência correspondente ao sociograma da Figura 1 Tabela 4 Exemplo de matriz de bimodal de indivíduos que participam de grupos de auto-ajuda para uso de álcool (AA), uso de narcóticos (NA) e familiares de dependentes químicos (Nar-Anon) Tabela 5 Exemplo de matriz unimodal de indivíduos que participam de grupos de autoajuda para uso de álcool (AA), narcóticos anônimos (NA) e familiares de dependentes químicos (Nar-Anon) Tabela 6 Exemplo de matriz unimodal de grupos de auto-ajuda para uso de álcool (AA), narcóticos anônimos (NA) e familiares de dependentes químicos (Nar-Anon) que compartilham participantes Tabela 7 Número de trabalhos identificados em cada base de dados Tabela 8 Características gerais dos artigos incluídos na revisão Tabela 9 Características de rede social dos artigos incluídos na revisão Tabela 10 Métodos de análise e software utilizados nos artigos Tabela 11 Variáveis explicativas de rede associadas a uso de drogas por ego nos artigos que usaram regressão logística Tabela 12 Variáveis explicativas de rede associadas a tratamento ou cessação do uso de drogas por ego nos artigos que usaram regressão logística Tabela 13 Variáveis explicativas de rede associadas a overdose não-fatal em ego nos artigos que usaram regressão logística

6 LISTA DE ILUSTRAÇÕES FIGURAS Figura 1 Exemplo de apresentação de dados relacionais e de atributos em um sociograma Figura 2 Exemplo de sociograma de indivíduos que participam de grupos de auto-ajuda juntos, correspondente à matriz da Tabela 5 Figura 3 Exemplo de sociograma de grupos de auto-ajuda que compartilham participantes, correspondente à matriz da Tabela 6 Figura 4 Possíveis percursos em um grafo direcional Figura 5 Grafo com nodo cutpoint e mesmo grafo após retirada deste nodo Figura 6 Grafo com linha bridge e mesmo grafo após retirada desta linha Figura 7 Grafo em árvore Figura 8 Exemplo de graus de conectividade em digrafos Figura 9 Exemplo de grafos com valência Figura 10 Multigrafo Figura 11 Grafo em estrela e em círculo Figura 12 Frequência das substâncias estudadas nos artigos incluídos QUADRO Quadro 1 Estratégias de busca utillizadas em cada base de dados GRÁFICO Gráfico 1 Ano de publicação dos artigos incluídos na revisão FLUXOGRAMAS Fluxograma 1 Número de trabalhos selecionados em cada etapa da revisão

7 SUMÁRIO 1 Apresentação... 10 2 Introdução... 11 2.1 Evolução dos modelos teóricos na pesquisa epidemiológica... 11 2.2 Determinantes sociais, redes sociais e saúde... 13 2.3 Análise de redes sociais... 16 2.2.1 O que é análise de redes sociais... 16 2.2.2 Dados relacionais e redes sociais... 17 2.2.3 Representação de dados relacionais... 19 2.2.4 Propriedades de grafos... 25 2.2.5 Coleta de dados relacionais... 39 2.2.6 Validade, acurácia e confiabilidade dos dados coletados... 42 2.3 Pesquisa sobre o uso de drogas... 42 3 Justificativa... 46 4 Objetivos... 47 4.1 Objetivo Geral... 47 4.2 Objetivos Específicos... 47 5 Métodos... 48 6 Resultados... 51 6.1 Características dos artigos incluídos... 53 6.2 Características de rede social estudadas pelos artigos incluídos... 53 6.2.1 Coleta de dados de rede social... 553 6.2.2 Relação que definiu a rede... 60 6.2.3 Atributos estruturais, relacionais e composicionais de rede social... 61 6.2.4 Variáveis construídas a partir de mais de um tipo de atributo de rede... 63 6.3 Métodos de análise utilizados nos artigos incluídos... 63 6.4 Resultados dos artigos incluídos... 64 6.4.1 Artigos que estudaram uso/abuso de substâncias... 64 6.4.2 Artigos que estudaram participação em tratamento ou cessação do uso/abuso de substâncias... 76 6.4.3 Artigos que estudaram overdose não-fatal em egos... 84 7 Discussão... 88 8 Considerações Finais... 93 9 Apêndices... 94 10 Referências... 101

8 AGRADECIMENTOS Pra quem não é chegado a discursos, os agradecimentos em uma dissertação ou tese podem ser o máximo de notoriedade e eloqüência para com os seus. Além do mais, é difícil não se perder em divagações sobre causalidade ao selecionar o quê, por quê e a quem agradecer neste momento. Acredito que as relações são o ponto de partida para a maior parte das (se é que não para todas) as coisas importantes da vida. Foram inúmeras as relações que me trouxeram até aqui e sem as quais, não desmerecendo meu livre-arbítrio, essa dissertação não existiria; essas relações não foram apenas o grande suporte de minha família e de meus amigos muito queridos, mas também com aqueles com os quais não houve tanta afinidade ou alegria, ou ainda aquelas relações que só existiram durante um curto tempo. Minha orientadora, Cláudia Medina Coeli, sempre acreditou muito mais na minha capacidade de realizar este trabalho do que eu mesma. Não é exagero dizer que, sem ela, este trabalho não teria acontecido, e por conseqüência nenhuma das experiências que eu colei ao mestrado poderiam ter acontecido da mesma forma. Desde há muitos anos ela achou de me convencer que eu tinha alguma coisa que fazer na vida acadêmica, e, não sei bem por quê, acreditei. Tive também muitas outras ajudas, e porque na nossa vida não tem fator necessário ou componente, distal nem proximal, todo mundo é só essencial a cada momento. O mestrado me ajudou a ver como é preciso precisar das pessoas e como é bom poder pedir ajuda, seja diretamente com o trabalho ou pra ajudar a espairecer na hora do café. Aliás, vem junto com o mestrado uma boa dose de humildade, sem açúcar. Um mestrado é um rito de passagem. Para quê, ainda não sei bem. Um rito por vezes longo e suado, talvez como todo rito, e da mesma forma uma referência. Não referência dessas que a gente põe na tese, abre e fecha parênteses, xingando o organizador bibliográfico... ou talvez como essas referências sim: afinal é com elas que nós tentamos explicar como vemos o mundo, discorremos sobre como nos sentíamos antes e depois delas e no que elas mudaram nossas perspectivas e expectativas. O mestrado é referência porque existe no tempo, durante um tempo; ajuda a organizar expectativas, sobre tantas coisas e pessoas e situações; obriga a refletir quando a gente quer só virar a página; faz amadurecer posições e sedimentar opiniões. No meio desse processo, fica uma parede por pintar, algumas festas pra ir, gente pra admirar e agradecer, muito a reconsiderar. Ajuda a ter certeza que a gente muda sempre, se der sorte melhora um pouco, sempre aprende muito. Trocando em

9 miúdos, é um tempo intenso, é um trabalho intenso também, apesar das flutuações na produtividade, e mesmo da questionabilidade nos resultados. A vida não pára porque a gente faz um mestrado, e se acrescenta às conclusões científicas que a gente escreve no papel. Quero ainda agradecer a Raphael Mendonça, que tantas vezes me ajudou e me acalmou pela internet nas madrugadas. A Marcele Paiva, parceira de estudo que me deu ânimo. Ao meu afilhado Lucas, que me alegrou sempre que eu estive desesperançosa. Às minhas grandes amigas Camila e Débora, que se fazem sempre presentes pro que der e vier. E a meus pais, naturalmente, por tudo. Ana Luiza

10 1 APRESENTAÇÃO Esta dissertação se propõe a avaliar o uso da metodologia de análise de redes sociais na pesquisa científica sobre o uso de drogas psicoativas, com exceção de álcool e tabaco. Inicialmente será feita uma breve retrospectiva histórica dos modelos teóricos que vêm sendo utilizados na pesquisa epidemiológica, com o objetivo de contextualizar a utilização e a importância de novas metodologias. Em seguida será apresentada a metodologia de análise de redes sociais, ressaltando suas principais diferenças em relação às análises tradicionalmente utilizadas na pesquisa epidemiológica e suas potenciais vantagens, incluindo usos potenciais específicos no estudo do uso de drogas. O método de estudo escolhido foi uma revisão sistemática, realizada em bases de dados representativas de diversas áreas do conhecimento, de forma a contemplar a constituição multidisciplinar da análise de redes sociais. Por meio dos resultados desta revisão tentaremos identificar os objetos e métodos utilizados para observação e análise dos dados de rede social no contexto do uso de drogas, assim como sistematizar os achados sobre a influência das redes sociais no uso de drogas.

11 2 INTRODUÇÃO 2.1 Evolução dos modelos teóricos na pesquisa epidemiológica Nas últimas décadas o modelo teórico, ainda hegemônico, utilizado para inferir causalidade em epidemiologia vem sendo alvo de estudo e crítica de diversos epidemiologistas (Krieger, 1994; Susser e Susser, 1996a; b; Schwartz, Susser et al., 2003). Além de observar e caracterizar a ocorrência de doenças em populações, a epidemiologia tem uma missão criativa na organização dos dados obtidos, organização esta que será sempre feita segundo um modelo teórico (Víctora, Knauth et al., 2000); o modelo teórico dominante restringe a observação dos fenômenos e as hipóteses que podem ser formuladas a priori em qualquer trabalho científico (Víctora, Knauth et al., 2000). No início do século XIX as teorias para explicar a ocorrência de doença estavam intrinsecamente ligadas às mudanças observadas no espaço social, decorrentes da industrialização e da urbanização (Susser e Susser, 1996a). Acreditava-se que os miasmas, emanações oriundas da terra, água e ar estariam implicadas no adoecimento de determinados subgrupos populacionais; tentava-se caracterizar a interrelação entre fatores socioeconômicos, como pobreza e baixa instrução, e o surgimento de doenças. A teoria miasmática foi desacreditada com o intenso desenvolvimento da microbiologia no final do século XIX (Susser e Susser, 1996a; Schwartz, Susser et al., 2003). Se, por um lado, houve um aumento importante do conhecimento relativo ao comportamento de microorganismos e de seu papel na transmissão de doenças, houve também certa simplificação nos modelos teóricos de doença, ligada à busca de teorias unicausais. Com o foco do tratamento na interrupção da cadeia de transmissão do germe em questão, as influências do ambiente na doença passaram a ser cada vez menos valorizadas na pesquisa biomédica. Apesar disso, diversas intervenções propostas pelos partidários da teoria miasmática se mostraram extremamente eficazes no controle de certas doenças, como a proposta de saneamento de comunidades e melhoria das condições de vida. No período do pós-guerra, o desenvolvimento de vacinas e antibióticos havia diminuído muito a ocorrência de doenças infecciosas como tuberculose e varíola nos países desenvolvidos. Outras doenças passaram a representar novos desafios para a medicina, para as quais não era possível identificar um germe ou um só fator que, isolado, pudesse responder pela sua ocorrência. Hipertensão, diabetes e câncer, entre outras, passaram a ser entendidas

12 como doenças multifatoriais, com origem na combinação de predisposições genéticas e variações do comportamento de cada indivíduo. No caso destas doenças crônicas, havia menor compreensão acerca do mecanismo pelo qual o estilo de vida ou determinado gen poderia levar ao aparecimento de um sintoma. As pesquisas passaram a investir na identificação de fatores de risco para cada doença, num modelo bem representado pela metáfora da black box - uma caixa preta dentro da qual os mecanismos intermediários que levariam à doença estariam ocorrendo - embora, por ora, inacessíveis. Rothman (Rothman, 1976) entendia que os fatores de risco, chamados por ele de causas componentes, se agrupavam em causas suficientes que levariam a determinado efeito/doença. Ficava explícito que a interação entre os fatores de risco poderia ocorrer de diferentes formas (diferentes agrupamentos de fatores) e com diferentes resultados. Caso não houvesse a reunião de todos os fatores necessários para montar uma causa suficiente o efeito esperado não ocorreria. Assim, o efeito de cada causa seria totalmente dependente da interação com outros efeitos. Mesmo que uma causa fosse considerada necessária por participar de todos os arranjos possíveis de causas suficientes, o que seria de fato necessário seria a interação entre as causas componentes. (Rothman, 1976) Uma compreensão do modelo anterior, unicausal (onde um germe infectante leva ao surgimento de doença infecciosa), de acordo com o modelo de Rothman, seria que, para o surgimento de uma infecção, o germe infectante atuaria como causa necessária; outras causas componentes incluiriam falha da resposta imunológica ao germe e coexistência de doença que intensificasse o contato do germe com o hospedeiro (por exemplo, uma lesão de pele agindo como porta de entrada para uma infecção sistêmica). Como no caso das eficazes propostas de saneamento da teoria miasmática, não seria necessário conhecer toda a complexidade de mecanismos envolvidos em uma doença para intervir de forma eficaz no combate da mesma uma vez que houvessem sido identificadas causas necessárias de doença. Além disso, os esforços preventivos e curativos poderiam ser direcionados para determinadas causas componentes de acordo com a fração etiológica de cada uma delas definida por Rothman como a parcela de casos de doença atribuíveis a cada uma das causas componentes em cada população. (Rothman, 1976) Além do modelo de Rothman, destacou-se como modelo teórico para o estudo de causalidade a web of causation, que pretendia representar os fatores de risco como em uma teia de aranha, com o indivíduo no centro, explicitando a interrelação entre os diferentes fatores (Krieger, 1994).

13 Diversas técnicas metodológicas ainda muito usadas até hoje foram desenvolvidas nesta época, como o desenvolvimento dos estudos de caso controle e análise do risco relativo da exposição a diferentes fatores de risco para o surgimento de determinada doença. A metáfora da web ganhou força e permaneceu como modelo dominante até o fim do século XX, quando começou a ser questionada. Krieger (Krieger, 1994) ressaltou que, embora calcada na multicausalidade, os fatores proximais da teia correspondiam a ocorrências do nível biológico, enquanto os fatores distais representavam fatores ambientais ou o estilo de vida dos indivíduos (Krieger, 1994). A web expressaria a supremacia do modelo biomédico, com hierarquização implícita das múltiplas causas e relegando fatores ambientais para segundo plano. Um modelo teórico que não incluísse as dinâmicas que ocorrem no nível populacional deixaria de levar em conta importantes determinantes sociais de doença (Diez- Roux, 1998). Mais recentemente, diversos pesquisadores passaram a propor a incorporação dos múltiplos níveis envolvidos na gênese de doenças nos modelos teóricos a serem utilizados (Diez-Roux, 1998; 2004; 2007). Os modelos multinível pressupõem que em determinados momentos uma intervenção no nível ambiental pode ter efeito modificador no organismo do indivíduo, e vice-versa. Mais ainda, a doença poderia ser um processo que pode ser visto de várias formas, ou em vários níveis de organização; a identificação ou definição de uma doença em um indivíduo, a partir de sintomas identificados no nível biológico, não resumiria a origem do processo de adoecimento a este nível de organização. 2.2 Determinantes sociais, redes sociais e saúde O trabalho de Durkheim (Durkheim, 1982) é amplamente reconhecido como pioneiro no estudo dos determinantes sociais de doença, ao traçar paralelos entre os papéis/ligações sociais e a ocorrência de suicídio em populações. Durkheim propunha que a ligação (attachment) entre os indivíduos possibilitava importante regulação destes pela sociedade através dos valores e normas existentes; trabalhos psicanalíticos reforçaram, também, a importância da ligação entre os indivíduos na estruturação do funcionamento do indivíduo, da infância até a vida adulta (Bowlby, 1983). Desde a década de 1970, diversos estudos identificaram no padrão de ligações sociais dos indivíduos preditores para diversas doenças, indicando de forma geral que menor número de laços sociais estava associado a maior mortalidade por diversas causas. A integração ou coesão social vem sendo medida e interpretada de diversas maneiras, analisando, por exemplo, a presença de ligações (estrutura da rede) ou o suporte fornecido aos indivíduos por

14 estas ligações (função da rede) como determinantes de saúde ou doença (Berkham e Glass, 2000). A idéia de rede social vem de metáforas têxteis que comparavam a sociedade a um tecido com um padrão de relações sociais entrelaçadas, com texturas ou densidades da trama de ligações próprias (Scott, 2000c). Relações sociais podem influenciar a saúde de forma positiva ou negativa. Lisa Berkham propôs um modelo em quatro níveis, onde o mais distal ao indivíduo seria representado por normas e valores culturais: mais abaixo, a estrutura de uma rede social (padrão de ligações entre indivíduos) representaria o grau de integração ou coesão social da rede; mais proximal ao indivíduo, as funções da rede social incluiriam suporte social, influência e engajamento sociais e acesso a recursos da rede; o nível mais proximal seria composto por comportamentos (como dieta e atividade física) e mecanismos fisio/patológicos (como secreção de hormônios) que influenciam a saúde. (Berkham e Glass, 2000) As definições de suporte social encontradas na literatura são bastante heterogêneas e implicam diversos subtipos de suporte que podem ser difíceis de serem diferenciados uns dos outros na prática. No modelo de Berkham o suporte social é visto como um processo de interação (bidirecional) entre indivíduos, que ocorre ao longo de suas vidas e no contexto das relações estabelecidas (Berkham e Glass, 2000). Ainda assim, muitos mecanismos foram propostos para explicar a ação do suporte em desfechos em saúde, seja por reforço de sentimentos de pertencimento e reconhecimento de papéis sociais, por possibilitar redução na vivência de stress causada por situações adversas, ou ainda por auxiliar objetivamente na resolução de problemas potencialmente geradores de stress ou de doenças físicas. O suporte pode ainda ser classificado como estrutural (relativo à existência de ligações sociais ou integração social) ou funcional (considerando as características das ligações sociais existentes), e como geral ou específico para determinada função da rede. (Cohen, 1985; Wasserman, Stewart et al., 2001) Cohen define suporte de auto-estima (ou suporte emocional) como resultado da aceitação do indivíduo por sua rede social. Suporte informacional [(ou de aconselhamento, ou cognitivo ou deliberativo (appraisal)] significaria ajuda recebida para lidar e vivenciar situações adversas. Suporte por companhia se referiria a tempo passado em companhia de outros indivíduos para atividades de lazer, também chamado de suporte difuso ou de pertencimento; poderia reduzir stress por preencher necessidade de contato com outras pessoas ou por distrair o indivíduo em relação a experiências estressantes ou difícieis. Suporte instrumental ou tangível se refere ao fornecimento de recursos materiais ou financeiros. Na

15 prática, porém, os subtipos de suporte podem ser difíceis de diferenciar e as dimensões de suporte medidas podem estar consideravelmente correlacionadas. (Cohen, 1985) As relações do suporte social com o bem-estar foram estudadas em dois modelos, por efeito direto no indivíduo (main-effect model) ou por reduzir efeito de condições geradoras de stress (buffering hypothesis). O modelo de efeito direto é assim chamado por implicar ausência de interação de suporte com stress, restando apenas o efeito principal do suporte. No modelo de redução do stress o efeito do suporte será mais evidente em indivíduos submetidos a mais stress (interação de suporte com stress será estatisticamente significativa). A principal diferença entre os dois modelos é que no primeiro o suporte reduz o aparecimento das situações geradoras de stress ou do próprio stress; no segundo modelo o suporte reduz o stress depois que o indivíduo já o vivenciou.(cohen, 1985) A idéia de integração social ou embeddness faz referência a um tipo de suporte de efeito direto, por reconhecimento e aprovação de suas atividades e papéis sociais, seja por auxílio na resolução de problemas (e consequente redução no surgimento do stress) com recursos da rede social. O efeito direto do suporte poderia se dar, ainda, por mediação de comportamentos de proteção ou de risco que diminuiriam situações geradoras de stress. (Cohen, 1985) Barrera (Barrera Jr, 1980) propôs que suporte social fosse classificado e dividido em seis áreas: auxílio material, assistência física (auxílio na realização de tarefas), interação íntima, aconselhamento, feedback e interação social (para diversão ou relaxamento). Outra subdivisão, proposta inicialmente por House (House, 1981), classifica o suporte social em quatro tipos: emocional, instrumental, deliberativo (appraisal) e informacional; na prática a separação entre os subtipos pode ser, por vezes, difícil. Com exceção do suporte emocional, os demais tipos de suporte podem ser encarados como mecanismos que possibilitam acesso dos indivíduos as recursos disponiveis na rede. Para Berkham, o suporte é um fenômeno que ocorre ao longo do tempo e no contexto de uma rede social; embora as medidas mais comuns de suporte busquem identificar o suporte recebido pelos indivíduos em estudo, outras operacionalizações possíveis incluiriam o suporte fornecido, suporte percebido, e suporte disponível. (Berkham e Glass, 2000)

16 2.3 Análise de redes sociais 2.2.1 O que é análise de redes sociais Análise de redes sociais (ou SNA, do inglês Social Network Analysis) é uma metodologia já utilizada há décadas em ciências humanas e sociais e que apenas recentemente vem sendo utilizada na área da saúde. A análise de redes sociais foi desenvolvida com contribuições de diversas áreas do conhecimento, entre elas sociologia, antropologia, psicologia (especialmente a teoria da gestalt) e matemática (especialmente teoria dos grafos). Uma das possibilidades da análise de redes sociais é descrever de forma quantitativa aspectos importantes de fenômenos sociológicos. (Wasserman e Faust, 1994d; Berkham e Glass, 2000) A principal diferença entre análise de redes sociais e a pesquisa epidemiológica tradicional é que a primeira metodologia utiliza dados relacionais enquanto a segunda utiliza dados de atributos individuais; portanto, as análises a serem realizadas serão necessariamente diferentes (Wasserman e Faust, 1994d; Scott, 2000c). Atributos individuais incluem sexo, raça, ocupação, características genéticas e morfológicas, medidas biológicas como pressão arterial, glicemia, colesterol, entre inúmeros outros. Os estudos tradicionalmente utilizados na área biomédica tentam estabelecer associações entre tais atributos e desfechos individuais de interesse p.ex., ocorrência de doenças e morte; para estudar estas associações são utilizados estudos de coorte, casocontrole, ensaios clínicos e estudos ecológicos. As relações entre os indivíduos, mesmo quando incluídas nos modelos teóricos utilizados, costumam ser analisadas como se fossem mais um atributo destes indivíduos. Dados relacionais podem representar qualquer tipo de ligação entre os indivíduos, p.ex. amizade, inimizade, parentesco, relações comerciais e/ou financeiras, participação conjunta em atividades ou simples pertencimento a um mesmo grupo ou área geográfica. Os atores envolvidos nestas ligações podem ser indivíduos, grupos de indivíduos, países, empresas, ou qualquer outra entidade social. (Wasserman e Faust, 1994d) Para estudar dados relacionais, incluindo suas possíveis relações com atributos e desfechos individuais, a metodologia utilizada é a análise de redes sociais. Outra diferença fundamental entre análise de variáveis individuais e de redes sociais é a premissa de interdependência entre as unidades ou indivíduos que compõem uma rede em oposição a isolar fatores de risco independentes para determinada doença (Wasserman e Faust, 1994d). Além disso, as ligações entre as unidades de uma rede funcionam como canais de fluxo de recursos materiais ou

17 não-materiais: troca financeira, transmissão de doenças, idéias e hábitos e adoção de novas tecnologias, entre outros (Wasserman e Faust, 1994d; Berkham e Glass, 2000). A estrutura de uma rede é formada pelos padrões dos relacionamentos existentes e compõe o ambiente social. Pressupõe-se que as variáveis estruturais exercem importante influência sobre as variáveis individuais ou composicionais, e o papel ou posição de um indivíduo na rede pode restringir ou possibilitar ações individuais. (Wasserman e Faust, 1994d; Scott, 2000c) Mais recentemente, técnicas de modelagem em rede têm permitido testar hipóteses teóricas referentes a fenômenos em saúde. (Wasserman e Faust, 1994d) 2.2.2 Dados relacionais e redes sociais Dados relacionais podem formar redes, e um tipo de rede a ser estudada é a rede social (Faust, 2007). Uma rede social pode ser representada por nodos (ou atores, ou egos, representando indíviduos ou entidades sociais que compõem a rede) e linhas (representando as relações entre os nodos, através das quais se dá o fluxo de recursos sociais). (Wasserman e Faust, 1994d) Uma díade é composta por um par de atores e a ligação (tie) existente entre eles. A ligação existente entre dois indivíduos pertence à díade, e não pode ser vista como característica individual de nenhum dos integrantes da dupla (Wasserman e Faust, 1994d; Scott, 2000c). Uma tríade envolve três atores e todas as possíveis ligações (ties) entre eles, e implica a possibilidade de atores terem ligações indiretas, p.ex. por meio de um terceiro indivíduo. As tríades foram empregadas como unidade básica de análise em estudos que utilizavam teorias de balanço social (Wasserman e Faust, 1994d). Um subgrupo é composto por qualquer número de indivíduos de um grupo e todas as ligações existentes entre eles. Um grupo é composto de um número finito de indivíduos a ser analisado e todas as ligações entre eles. A definição e delimitação de um grupo, embora muitas vezes artificial, deve ser claramente explicitada e conceituada no início de qualquer estudo. As relações em um grupo são os conjuntos de ligações de um determinado tipo. Por exemplo: em uma empresa podem existir ligações de trabalho e de amizade entre os atores, formando dois tipos de relações. Uma rede social é composta por um número finito de atores e as relações existentes entre eles. (Wasserman e Faust, 1994d) Entre dois atores podem existir diferentes tipos e qualidades de ligações, recíprocas ou não. (Wasserman e Faust, 1994d; e) A relação entre vizinhos que não costumam interagir de forma significativa, por exemplo, pode ser encarada como não-direcional. Caso venham trabalhando juntos em projetos e frequentemente troquem idéias a respeito do trabalho, pode-

18 se considerar que há, além da relação de vizinhança, uma relação profissional bidirecional. Pode haver também outros tipos de relação nesta díade que não digam respeito ao trabalho: por exemplo, pode ser que o indivíduo A procure B para aconselhamento sobre questões financeiras, enquanto B não leva em consideração a opinião de A neste assunto; neste caso há uma ligação unidirecional de A para B se considerarmos que A respeita e se espelha em B neste assunto. Poderíamos também considerar que a ligação é unidirecional de B para A se considerarmos que B exerce influência sobre A em assuntos financeiros. Neste exemplo, poderia haver três diferentes relações na díade, dizendo respeito ao local de moradia, às interações de trabalho e a aconselhamentos na área financeira. Quando há relações direcionais as linhas são substituídas por setas ou arcos que indicam o sentido da interação. Uma ligação pode ser descrita de forma dicotômica ou valorada, de acordo com o objetivo do estudo. Por exemplo: em uma análise de interações comerciais entre países pode ser interessante atribuir valores ou intensidade às trocas comerciais realizadas. Redes sociais podem ser classificadas como unimodais ou bimodais, de acordo com a existência de um ou dois conjuntos de atores. Em um estudo de transações financeiras internacionais pode ser interessante analisar o fluxo de dinheiro entre países, entre empresas, e entre países e empresas. Um subtipo de rede bimodal é a rede de afiliação, na qual um conjunto de atores participa de eventos, e estes eventos compõem o segundo conjunto de atores. Por exemplo, uma rede de afiliação pode representar médicos e hospitais nos quais os médicos trabalham. O fato de um médico trabalhar em um ou mais hospitais é uma variável individual que liga médicos que compartilham ligações aos mesmos hospitais. No exemplo da rede financeira entre países e empresas, há pelo menos uma díade composta por atores de diferentes conjuntos (rede diádica). Já a rede de afiliação de médicos é não-diádica, uma vez que as ligações (pertencimento ao hospital) são medidas dentro de um mesmo conjunto de atores (médicos). (Wasserman e Faust, 1994e) Considera-se frequentemente que todos os atores de uma rede poderiam se relacionar uns com os outros. Em algumas redes, porém, esta possibilidade não existe. Por exemplo, ao estudar casais que estão recebendo aconselhamento, os indivíduos que formam o casal não podem interagir com nenhum outro indivíduo durante a observação, e os dados consistirão de duplas de indivíduos isoladas umas das outras. Este tipo de desenho seria classificado como uma rede diádica especial. A delimitação de uma rede é sempre artificial, já que os atores selecionados podem ter ligações com outros atores que não pertencem ao grupo de interesse para o estudo em questão.

19 Assim, é importante explicitar o referencial teórico utilizado para incluir ou excluir indivíduos em uma rede social. Em uma abordagem realista os próprios atores podem indicar os indivíduos que fazem parte, por exemplo, de uma gangue. Uma abordagem nominalista implica que o pesquisador determina os atores que irão compor a rede; por exemplo, em um estudo sobre a comunicação científica entre pesquisadores em determinada área do conhecimento pode-se optar por selecionar todos os pesquisadores que publicaram artigos na área nos últimos anos. (Wasserman e Faust, 1994c) Os dados referentes a redes sociais podem ser analisados em diferentes níveis ou unidades de modelagem, relativos ao ator, à díade, tríade, a um subgrupo de atores, ou a toda a rede. Frequentemente a unidade de observação é o indivíduo, cujo relato é utilizado para construir uma rede de suas ligações pessoais, e a análise é realizada no nível desta rede social. Pode-se também observar diretamente díades ou eventos sociais para depois proceder à análise da rede que foi formada. 2.2.3 Representação de dados relacionais Dados de atributos individuais são frequentemente expressos sob formas de tabelas ou matrizes onde são apresentados indivíduos em linhas e seus atributos nas colunas, como mostrado na Tabela 1. Tabela 1: Exemplo de apresentação de dados de atributos em tabela/matriz Nome Sexo Profissão Idade Portador de doença cardíaca João masculino pedreiro 23 não Pedro masculino comerciante 43 sim Maria feminino professora 56 sim Joana feminino estudante 12 não Nas matrizes de dados relacionais tanto linhas quanto colunas representam os indivíduos em estudo, e em cada célula está representada a relação que existe entre cada dupla de indivíduos (Tabela 2). Este tipo de matriz (quadrada, de adjacência, ou ainda sociomatrix) apresenta em cada célula a existência ou não de uma ligação em uma díade de indivíduos ou, em outras palavras, informa se um ator está ou não adjacente a determinado outro. A matriz é quadrada por ter necessariamente o mesmo número de linhas e colunas. (Wasserman e Faust, 1994b;

20 Scott, 2000b; Hanneman e Riddle, 2005) Neste exemplo a matriz é binária, representando apenas a presença ou ausência de interação (relações dicotômicas). No caso de relações valoradas as células podem conter outros valores além de 1 ou 0. Tabela 2: Exemplo de apresentação de dados relacionais em tabela/matriz Presença de amizade nos pares de pessoas (1 = sim, 0 = não, = não se aplica) Nome/Nome João Pedro Maria Joana João 1 0 1 Pedro 1 0 1 Maria 0 0 1 Joana 1 1 1 O tamanho de uma matriz é também chamado ordem, definido por g x h, onde g é o número de linhas e h é o número de colunas. A diagonal de uma matriz representa a ligação de um indivíduo com ele mesmo; estes valores serão, na maioria das vezes, indefinidos. Matrizes de dados direcionais apresentarão, abaixo da diagonal, as ligações dos pares <n i, n j > (a ligação vai dos indivíduos representados nas linhas, n i, para os indivíduos representados nas colunas, n j ), e, acima da diagonal, as ligações dos pares <n j, n i >. Matrizes de dados nãodirecionais serão sempre simétricas em relação à diagonal, já que a ligação do par (n i, n j ) é igual à ligação do par (n j, n i ). Interposição de uma matriz é a troca de lugar de linhas e colunas. Em matrizes simétricas, a interposição dará origem a uma matriz idêntica à primeira. A informação contida em uma matriz se refere à intersecção de linhas e colunas. Assim, o rearranjo de linhas ou colunas não altera o conteúdo da matriz, e pode ser interessante para auxiliar na visualização de padrões de ligações entre os nodos. Este rearranjo é chamado de permutação. Em matrizes a representação dos dados de atributos individuais é muito limitada. Também é possível apresentar dados relacionais sob forma de matrizes retangulares, ou incidentes, como as da Tabela 3, onde as linhas representam os atores em estudo e as colunas mostram as linhas que ligam os nodos. As células desta matriz mostram a incidência de atores em cada ligação. Na coluna correspondente a cada linha haverá o número 1 apenas duas vezes, nas células referentes aos dois nodos que estarão ligados por aquela linha. A matriz é retangular por não ter necessariamente o mesmo número de linhas e colunas. (Wasserman e Faust, 1994b; Scott, 2000b)

21 Tabela 3: Exemplo de matriz de incidência correspondente ao sociograma da Figura 1 Incidência dos nodos nas linhas Nome l 1 l 2 l 3 l 4 João 1 0 0 1 Pedro 1 1 0 0 Maria 0 0 1 0 Joana 0 1 1 1 O conjunto de atores, as relações entre eles e os possíveis dados de atributos individuais formam um sistema social relacional, que pode ser descrito sob diversas formas (Wasserman e Faust, 1994c; Scott, 2000b). O sociograma da Figura 1 é um grafo que representa graficamente um exemplo de relações existentes entre indivíduos, apresentadas na Tabela 2, e de alguns dos atributos individuais apresentados na Tabela 1. Um grafo é um conjunto de pontos (também chamados nodos ou vértices) ligados por linhas, ou arestas. O sociograma é também chamado gráfico de rede em oposição ao gráfico de variáveis com abscissas e ordenadas. Nos digrafos, ou grafos direcionais, os pares de nodos são chamados pares ordenados, em contraste com os pares não-ordenados nos grafos. Redes de afiliação, compostas por atores que se agrupam em eventos, grupos ou afiliações, podem ser representadas por matrizes retangulares bimodais (atores nas linhas versus afiliações nas colunas, como na Tabela 4), ou por duas matrizes quadradas unimodais (atores versus atores, como na Tabela 5, e afiliações versus afiliações, como na Tabela 6) derivadas da matriz retangular. (Wasserman e Faust, 1994b; Scott, 2000b) As três matrizes possíveis contêm a mesma informação, apresentada de diferentes formas. Os sociogramas da Figuras 2 e 3 contém as mesmas informações apresentadas nas Tabelas 4 e 5. Dados de redes sociais podem também ser representados por notação algébrica (não mostrado na figura). A representação algébrica pode facilitar o manejo de dados de redes multirelacionais, quando estas relações são dicotômicas. Uma díade (i,j) pode ser representada por iaj se A indicar uma relação de amizade de i para j. Não é possível representar atributos individuais sob esta forma de notação. (Wasserman e Faust, 1994c)

22 Figura 1: Exemplo de apresentação de dados relacionais e de atributos em um sociograma João l 1 l 4 Joana l 2 Pedro Maria l 3 Legenda: nodos vermelhos = sexo feminino; nodos azuis = sexo masculino nodos preenchidos (cinza) = portadores de doença cardíaca linhas l 1, l 2, l 3, l 4 = presença de amizade entre os nodos Tabela 4: Exemplo de matriz de bimodal de indivíduos que participam de grupos de auto-ajuda para uso de álcool (AA), uso de narcóticos (NA) e familiares de dependentes químicos (Nar-Anon) Pertencimento aos grupos (1 = sim, 0 = não) Indivíduos AA NA Nar-Anon Joaquim 1 0 1 Nara 1 0 1 Carlos 1 0 0 Isabel 0 1 0 Tiago 1 1 0

23 Tabela 5: Exemplo de matriz unimodal de indivíduos que participam de grupos de autoajuda para uso de álcool (AA), narcóticos anônimos (NA) e familiares de dependentes químicos (Nar-Anon) (corresponde ao sociograma da figura 2) Número de grupos de auto-ajuda em comum Indivíduos Joaquim Nara Carlos Isabel Tiago Joaquim 2 1 0 1 Nara 2 1 0 1 Carlos 1 1 0 1 Isabel 0 0 0 1 Tiago 1 1 1 1 O sociograma é a forma de apresentação de dados de redes sociais que mais facilmente permite a apresentação de atributos individuais, através de diferenças nas formas e cores dos nodos. Embora mais intuitivo, ele pode se tornar incompreensível em redes com tamanho moderado e grande. Além disso, o interesse da análise não é identificar as posições de cada nodo em um grafo, mas identificar padrões de relacionamentos entre os atores; estes padrões podem ser descritos pela análise de algumas propriedades dos grafos em estudo. É importante ressaltar que a distância observada entre os nodos de um grafo não tem relação com a proximidade real entre os nodos, já que a alocação bidimensional dos nodos é totalmente arbitrária, e em grafos com muitas ligações, não será sempre didática. (Wasserman e Faust, 1994c) A teoria dos grafos auxiliou muito o desenvolvimento da análise de redes sociais, pois permitiu uma representação e vocabulário matemático para descrever propriedades e conceitos estruturais, testar hipóteses e realizar operações matemáticas (Wasserman e Faust, 1994d). Algumas propriedades importantes a serem analisadas nos grafos/sociogramas serão resumidamente descritas a seguir.

24 Figura 2: Exemplo de sociograma de indivíduos que participam de grupos de auto-ajuda juntos, correspondente à matriz da Tabela 5 Tiago Nara Joaquim Isabel Carlos Legenda: Linhas finas = indivíduos que frequentam juntos um grupo de auto-ajuda Linhas grossas = indivíduos que frequentam juntos dois grupos de auto-ajuda Tabela 6: Exemplo de matriz unimodal de grupos de auto-ajuda para uso de álcool (AA), narcóticos anônimos (NA) e familiares de dependentes químicos (Nar-Anon) que compartilham participantes (corresponde ao sociograma da figura 3) Número de indivíduos em comum Grupos de Auto- Ajuda AA NA Nar-Anon AA 1 2 NA 1 0 Nar-Anon 2 0

25 Figura 3: Exemplo de sociograma de grupos de auto-ajuda que compartilham participantes, correspondente à matriz da Tabela 6 NA AA Nar- Anon Legenda: Linhas finas = grupos de auto-ajuda que têm um participante em comum Linhas grossas = grupos de auto-ajuda que têm dois participantes em comum 2.2.4 Propriedades de grafos Percorrendo as ligações em um grafo Existem termos bastante específicos que definem diferentes formas de percorrer um grafo. O termo em inglês walk é usado para descrever uma sequência alternada de nodos e linhas, que começa e termina em um nodo, e passa pelas linhas que são incidentes aos nodos que compõe o caminho. Ou seja, um walk é uma sequência de nodos adjacentes. Há razoável variação na tradução deste termo para o português, já tendo sido usados caminhada, passeio, passo ou mesmo caminho ; alguns optam por manter o termo em inglês. Um walk pode começar e terminar no mesmo nodo ou em nodos diferentes, e pode passar mais de uma vez pelo mesmo nodo ou pela mesma linha. O comprimento (length) de um walk é dado pelo número de linhas que o compõem. O inverso de um walk (W -1 ) é composto pelos mesmos nodos e linhas, percorridos em ordem contrária, do término para a origem do percurso. (Wasserman e Faust, 1994b; Scott, 2000d) Existem vários tipos de walks. Em uma trilha (trail) não se passa mais de uma vez pela mesma linha, embora se possa passar mais de uma vez pelo mesmo nodo. Em um caminho (path) não há repetição de linhas nem de nodos. Um walk fechado começa e termina no mesmo nodo. Um ciclo é um walk fechado no qual cada linha é usada somente uma vez. Um grafo que não contém ciclos é chamado acíclico. Um tour é um walk fechado no qual todas as linhas do gráfico são utilizadas pelo menos uma vez. Ciclos são importantes nas análises de balanço e agrupamento, descritas a seguir. (Wasserman e Faust, 1994b)

26 Se existe um walk entre dois nodos, diz-se que são alcançáveis ou acessíveis (reachable). Se todos os pares de nodos são alcançáveis, diz-se que o grafo é conectado; se nem todos os nodos forem alcançáveis, o grafo é desconectado. Grafos desconectados são, portanto, divisíveis em dois ou mais subgrafos conectados chamados componentes, que não se relacionam entre si. Nos digrafos (grafos onde as ligações são direcionais), um directed walk é um walk compostos por arcos que apontam todos no mesmo sentido (ver Figura 4). As definições de trilha e caminho nos grafos são aplicáveis às trilhas e caminhos direcionados dos digrafos, substituindo-se linhas por arcos para definir trilhas direcionadas (directed trails) e caminhos direcionados (directed paths). Caminhos direcionados podem ser chamados simplesmente de caminhos. Um semiwalk inclui arcos que não necessariamente apontam no mesmo sentido, ou seja, o walk pode incluir nodos adjacentes no sentido contrário ao que o arco de fato possui. De forma análoga um semipath ou semicaminho é um caminho onde o fluxo se dá entre nodos adjacentes, independentemente do sentido do arco que os conecta. Pode-se ainda definir um semiciclo como um ciclo onde o não necessariamente os arcos apontam todos no mesmo sentido. Todo caminho é um semicaminho, mas nem todo semicaminho é um caminho. (Wasserman e Faust, 1994b; Scott, 2000d) Figura 4: Possíveis percursos em um grafo direcional n 1 n 5 n 2 Directed walk: n 5 n 2 n 3 n 4 n 2 n 3 Directed path: n 5 n 4 n 2 n 3 Semipath: n 1 n 2 n 5 n 4 n 3 Ciclo: n 2 n 3 n 4 n 2 Semiciclo: n 1 n 2 n 5 n 1 n 4 n 3 (Adaptado de Wasserman, S.; Faust, K. Graphs and Matrices Social Network Analysis - Methods and Applications: Cambridge University Press, 1994a. Cap.4. p. 92-166) O menor caminho entre dois nodos é a geodésica; a distância geodésica, ou simplesmente distância, entre dois nodos é o comprimento da sua geodésica. Pode haver mais de uma geodésica para cada par de nodos; por definição, a distância entre dois nodos nãoalcançáveis é infinita. A excentricidade de um nodo é a sua maior geodésica, ou seja, a maior distância (mínima) até o nodo mais distante. O diâmetro de um gráfico é igual à maior

27 excentricidade encontrada nele, ou seja, a maior trajeto que é preciso percorrer na comunicaçao entre dois nodos de um grafo. (Wasserman e Faust, 1994b) Avaliando a conectividade de um grafo A avaliação da conectividade de um grafo envolve observar se um grafo se mantém conectado caso determinado nodo seja retirado; em outras palavras, envolve avaliar o quão essencial é um nodo para conectividade de um grafo. Um cutpoint é um nodo cuja retirada aumenta o número de componentes do grafo; ou seja, dele, e só dele, dependia a comunicação entre duas ou mais áreas de um grafo (Figura 5). O conceito de cutpoint pode ser estendido para um subgrupo de nodos, chamado de cutset ou k-node cut, onde k é o tamanho do subgrupo de nodos. Um cutpoint pode ser definido como 1-node cut; um subgrupo de 2 nodos com característica de cutpoint é um 2-node cut. De maneira análoga, o conceito de ponte ou bridge se aplica ao conjunto l-line cut de linhas que, se retiradas, aumentam o número de componentes do gráfico (Figura 6). (Wasserman e Faust, 1994b) Figura 5: Grafo com nodo cutpoint (a) e mesmo grafo após retirada deste nodo (b) (a) (b) Conectividade de ponto ou de nodo é o número k mínimo de nodos que precisam ser retirados para que um grafo se torne desconectado. Caso o grafo já seja desconectado, k = 0. Se a retirada de qualquer nodo não torna o grafo desconectado, mas há dois nodos que, se retirados, o fazem, k = 2. Seguindo o mesmo raciocínio, conectividade de linha é o menor número γ de linhas para o qual o grafo tem um γ-line cut. Uma das formas de se considerar