Actas do XIV Congresso Anual da SPE 1

Modelo de regressão logística em ortodontia

Ana Cristina Braga
DPS, Universidade do Minho
Ana Paula Macedo
FMD, Universidade do Porto
Afonso Pinhão Ferreira
FMD, Universidade do Porto

Resumo: O presente trabalho procura avaliar a decisão de extrair ou não dentes

para a resolução terapêutica dos casos ortodônticos. Contudo, se há casos que não
apresentam qualquer dúvida sobre a opção de tratamento no que se refere a extrair
ou não extrair, outros há que não apresentam um quadro de gravidade evidente, o
que torna difícil decidir entre aquelas duas opções terapêuticas, são os chamados ca-
sos limite. Considerando que cerca de 25% dos casos ortodônticos são casos limite,
o objectivo deste trabalho é tentar que, através da análise destes múltiplos factores,
se possa construir um modelo decisório que nos permita incrementar a segurança dos
procedimentos, diminuindo a subjectividade do julgamento clínico, ou seja, que a aná-
lise desses factores nos permita seleccionar quais os que possibilitam, ou não, tomar
a decisão correcta. O estudo foi conduzido de uma forma retrospectiva e consistiu
na avaliação de 102 indivíduos sujeitos a tratamento ortodôntico. Foram avaliados
múltiplos factores na construção do modelo de regressão logística, tendo-se obtido um
modelo nal com 9 factores inuentes. Para avaliar o desempenho do modelo estimado
face à tomada de decisão procedeu-se à análise através da curva ROC, tendo-se obtido
um valor de área abaixo da curva de 0, 919 (SE = 0, 027).

Palavraschave: Decisão, Regressão Logística, Curva ROC.

Abstract: The present work develops an extraction/non-extraction decision model

to improve consistency of procedures and reduce the degree of the clinical judgement
subjectivity, to border line orthodontic cases where is dicult to decide whether or
not extract teeth. A retrospective study was performed involving a sample of 102
individuals, submitted to previous extraction and no-extraction orthodontic treatment,
whose results are considered, correctly treated for the current orthodontic standard
treatment.
Multiple factors are considered to construct the model, from which only 9 pre-
sents statistical signicant to the logistic model. To evaluate the decision performance
of the estimate model is used a index of precision based on area under ROC curve
(AU C = 0, 919 and (SE = 0, 027)).

Keywords: Decision, Logistic Regression, ROC curve.

2 Ana C. Braga et al./Modelo de RL em ortodontia

1 Introdução
A extracção terapêutica sempre foi um tema especialmente controverso e polé-
mico no mundo ortodôntico. Na realidade, a decisão entre extrair e não extrair
numa dada anomalia ortodôntica é uma atitude clínica a que o ortodontista tem
que recorrer sistematicamente, ajuizando de uma forma relativamente empírica
um conjunto de diferentes parâmetros estéticos, anatómicos, ocluso-funcionais
e mecânicos, entre outros.
As más-oclusões, sobretudo os casos dúbios de extracção/não extracção, co-
locam ao ortodontista problemas na sua resolução terapêutica devido a múlti-
plas razões. São razões signicativas o diagnóstico diferencial entre as várias
dimensões e posições crânio-maxilo-mandibulares e a importância do grau de
gravidade dos componentes indutores da má-oclusão, assim como o prejuízo es-
tético que lhes está associado. A diversidade das formas clínicas, os factores
hereditários dicilmente quanticáveis, os factores ambientais, o carácter evo-
lutivo das dismorfoses durante o crescimento e desenvolvimento e a falta de
experiência clínica, são também razões signicativas na diculdade de trata-
mento. Pretende-se com este trabalho, como já referido anteriormente, denir
quais os elementos clínicos, quer qualitativos quer quantitativos que respondem
de uma forma mais favorável, a uma e a outra das opções terapêuticas, nos casos
de difícil decisão (extracção/não extracção).
O modelo de diagnóstico que se pretende criar neste trabalho resulta, as-
sim, de uma análise retrospectiva, já que compara as decisões denidas pelo
referido modelo, com aquelas que foram tomadas em casos considerados bem
tratados. Pretende-se que esses casos anteriormente tratados, com ou sem ex-
tracções, apresentem níveis de excelência no que se refere a tornar possível a sua
comparação com os objectivos ideais que a especialidade de ortodontia actual-
mente preconiza e que obedecem basicamente à sugestão de R. Roth [3]. Parece
evidente que a necessidade de se aferir a qualidade exigida para que se considere
um tratamento ortodôntico bem realizado, onde seja indiscutível um resultado
de êxito, obrigue a seleccionar alguns critérios que não sejam de todo em todo
subjectivos.
Considerando que cerca de 25% dos casos ortodônticos são casos limite,
o objectivo deste trabalho é tentar que, através da análise destes múltiplos
factores, se possa construir um modelo de decisão com base na selecção da sua
importância e consequentemente avaliar o desempenho do modelo conferindo-lhe
abilidade na resolução de casos clínicos.

2 Metodologia
A metodologia estatística utilizada para selecção de factores inuentes, dada a
natureza das variáveis envolvidas, foi a regressão logística dicotómica.
Em qualquer problema de regressão a quantidade chave é o valor médio da
variável resposta, dado o valor da variável independente. Esta quantidade é
Actas do XIV Congresso Anual da SPE 3

normalmente designada por média condicional e pode ser expressa por E(Y |x),
onde Y designa a variável resposta e x designa o valor da variável indepen-
dente. Considere-se π(x) = E(Y |x). A forma especíca do modelo de regressão
logística para uma variável resposta dicotómica, é:

exp(β0 + β1 x1 + β2 x2 + · · · + βp xp )
π(x )= (1)
∼
1 + exp(β0 + β1 x1 + β2 x2 + · · · + βp xp )
e dá o valor esperado da probabilidade segundo o modelo. A transformação
de π(x
∼
) é designada por transformação logit. Esta transformação é denida em
termos de π(x
∼
), como sendo
à !
π(x
∼
)
g(x ) = ln = β0 + β1 x1 + β2 x2 + · · · + βp xp (2)
∼
1 − π(x∼
)

A importância da transformação logit é o facto de ser uma função linear dos

parâmetros β . Dene-se razão das possibilidades da variável resposta Y = 1
versus a variável resposta cujo valor é Y = 0, para valores da covariável x = a
versus x = b, como:

P (Y = 1|x = a)/P (Y = 0|x = a)

Ψ(a, b) = (3)
P (Y = 1|x = b)/P (Y = 0|x = b)
Num modelo com uma única covariável, onde a variável resposta é binária, o
coeciente do declive do logit é idêntico ao logaritmo da razão das possibilidades
(odds ratio ):
h i
β̂1 = ln Ψ̂ (a, b) ⇒ Ψ̂ (a, b) = exp(β̂1 )

Para covariáveis contínuas, a interpretação do coeciente do modelo de re-

gressão logística pode ser feita tendo em conta um incremento apropriado.
Para procurar avaliar o desempenho de uma variável na tomada de decisão,
procurar-se-á efectuar uma análise através de curvas ROC.
A análise ROC (Receiver Operating Characteristic ) pode ser efectuada atra-
vés de um método gráco simples, a designada curva ROC, e o desempenho
de um dado teste poderá ser avaliado através de índices de precisão simples
associados a esta curva, como por exemplo a área abaixo desta [1]. O índice
área abaixo da curva ROC é um dos índices mais utilizados para sumariar a
qualidade do teste, neste caso do processo de extracção ortodôntica.

3 Resultados
Foram seleccionados aleatoriamente para este estudo 102 casos tratados orto-
donticamente, sendo 53 tratados com extracções e 49 tratados sem extracções,
de acordo com os parâmetros que se consideram para um caso bem tratado.
4 Ana C. Braga et al./Modelo de RL em ortodontia

Dos casos estudados, 38 (37, 3%) pertencem ao sexo masculino e 64 (62, 7%) ao
sexo feminino.
Para a construção dos modelos de regressão logística, utilizaram-se inicial-
mente 24 variáveis de interesse clínico.

3.1 Regressão Logística

Na construção do modelo de regressão logística a técnica utilizada para a selec-
ção de variáveis foi a técnica passo a passo progressiva, por forma a seleccionar o
conjunto de variáveis que poderão contribuir para a decisão e que este contributo
se revele estatisticamente signicativo. O objectivo é chegar a um modelo que
contenha todas as variáveis que são importantes no que diz respeito a critérios
pré estabelecidos de valores pE e pR (valores prova de entrada e de remoção da
variável no modelo) escolhidos de forma a que se tornem estatística e clinica-
mente signicativos. Os valores escolhidos para este modelo foram: pE = 0, 15
e pR = 0, 20.
As variáveis categóricas foram codicadas de acordo com o princípio denido
em Hosmer e Lemeshow [2], e encontram-se listados na tabela 1 os códigos uti-
lizados para melhor percepção. Na regressão logística a classe que vai funcionar
em termos de comparação é aquela que é codicada com todos os valores 0,
por exemplo, na variável TIPO FACIAL, a classe que vai servir como termo de
comparação é a Mesofacial, pois tem a codicação (0,0,0,0), o TIPO FACIAL
(1) corresponde à classe Dolicofacial, o TIPO FACIAL (2) corresponde à classe
Braquifacial, o TIPO FACIAL (3) corresponde à classe Mesofacial/Dolicofacial
e o TIPO FACIAL (4) corresponde à classe Mesofacial/Braquifacial.

O modelo de regressão logística obtido encontra-se resumido na tabela 2.

Nesta tabela, representa-se para cada caso, a seguinte informação:

• as estimativas para os coecientes do modelo, β̂ ;

ˆ;
• a estimativa do erro padrão para o coeciente estimado, SE(β)

• o valor da estatística de Wald, W ;

• o valor de prova do teste de signicância dos parâmetros estimados;

• a estimativa da razão das possibilidades, Ψ̂.

Os coeciente para os quais não se rejeita a hipótese destes serem nulos são
os assinalados a negrito. O facto do TIPOFACIAL(2) e o SULCO(2) apresen-
tarem valores prova tão elevados deve-se ao número escasso de valores nestas
classes. Quanto ao valor p = 0,519 para a LINHA(2), de acordo com o valor de
signicância estatística pré estabelecido não se pode considerar estatísticamente
signicativo.
Actas do XIV Congresso Anual da SPE 5

Tabela 1: Códigos das variáveis categóricas utilizadas para o modelo de regressão

logística.
Variável Classe (1) (2) (3) (4)
TIPO FACIAL Mesofacial 0 0 0 0
Dolicofacial 1 0 0 0
Braquifacial 0 1 0 0
Mesofacial/Dolicofacial 0 0 1 0
Mesofacial/Braquifacial 0 0 0 1
CLASSE Classe I 0 0 0
Classe II,1 1 0 0
Classe II,2 0 1 0
Classe III 0 0 1
Linha POG/Lábio inferior A passar tangente ao nariz 0 0
À frente do nariz 1 0
A cortar o nariz 0 1
Posição em relação à linhaA/POG Ortoposicionado 0 0
Protruído 1 0
Retruído 0 1
Sulco Lábio-Mentoniano Normal 0 0
Alto 1 0
Profundo 0 1
Ângulo Nasolabial Normal 0 0
Fechado 1 0
Aberto 0 1

Atendendo à escassez de dados relativos ao tipo de face braquifacial e sulco

profundo, repetiu-se o estudo eliminando estes casos que causam uma certa
instabilidade matemática ao modelo. Por outro lado, optou-se por retirar a
variável RICKETTS dada a sua redundância face a outros factores. Após nova
análise obteve-se o seguinte modelo logit :

g(x
∼) = −25, 369 − 2, 587 ∗ SEXO + 4, 550 ∗ DOLICO + 5, 008 ∗ M ESO/DOLICO +
+ 2, 310 ∗ M ESO/BRAQU I + 0, 119 ∗ P ROP 1 + 0, 610 ∗ CON V EX − 0, 413 ∗
∗ OV ERBIT E + 2, 109 ∗ SU LCO + 3, 375 ∗ LIN HA(1) + 0, 979 ∗ IDADE +
+ 0, 546 ∗ RIL

A probabilidade de extracção estimada pode ser expressa pela equação 1.

Assim, por exemplo, para um indivíduo do sexo feminino (SEXO=2), com TI-
POFACIAL MESO (DOLICO=0, MESO/DOLICO=0 e MESO/BRAQUI=0),
com uma altura facial superior de 60 mm, com convexidade de 4 mm, com uma
6 Ana C. Braga et al./Modelo de RL em ortodontia

Tabela 2: Resultados obtidos para a regressão logística.

v.dep. Covariável β̂ ˆ
SE(β) W valor p Ψ̂
Decisão SEXO -2,587 0,964 7,204 0,007 0,075
TIPOFACIAL 6,704 0,152
TIPOFACIAL(1) 6,640 2,950 5,066 0,024 765,130
TIPOFACIAL(2) -20,130 15969,853 0,000 0,999 0,000
TIPOFACIAL(3) 7,158 3,332 4,615 0,032 1284,274
TIPOFACIAL(4) 4,048 2,604 2,417 0,120 57,290
PROP1 0,260 0,138 3,568 0,059 1,297
CONVEX 1,141 0,466 5,982 0,014 3,130
RICKETTS 0,679 0,511 1,765 0,184 1,973
NASOLABIAL 4,114 0,128
NASOLABIAL(1) -1,476 1,277 1,337 0,248 0,228
NASOLABIAL(2) 2,077 1,532 1,839 0,175 7,983
OVERBITE -,556 0,359 2,391 0,122 0,574
SULCO 6,195 0,045
SULCO(1) 3,407 1,369 6,195 0,013 30,190
SULCO(2) 13,515 11302,851 0,000 0,999 740595,089
LINHA 4,710 0,095
LINHA(1) 6,254 2,971 4,431 0,035 520,029
LINHA(2) -1,110 1,720 0,417 0,519 0,329
IDADE 1,136 0,366 9,616 0,002 3,114

sobremordida vertical incisiva de 5 mm, com sulco normal (SULCO = 0) com

uma linha POG a passar tangente ao nariz (Linha (1) = 0), com 12 anos de
idade e uma RIL de 4 mm, verica-se que π(x ∼
) = 0, 000112101. Neste caso, a
decisão a adoptar, segundo o modelo estimado, seria a não extracção.

3.2 Análise através da curva ROC

O modelo logit resultante permitirá avaliar quais as probabilidades estimadas
de extracção de acordo com a equação 1 e com estes valores procurou-se avaliar
a precisão deste modelo através de um índice, simples e robusto, como a área
abaixo da curva ROC.
Para avaliar o desempenho do modelo estimado face à tomada de decisão
foi vericada a existência de sobreposição das duas distribuições, a dos casos de
extracção e a dos casos de não extracção, obtendo-se o gráco da gura 1.
Como se pode visualizar através do gráco da gura 1 existe sobreposição
das distribuições das extrações e não extracções. Assim, pode-se avaliar através
da curva ROC qual o valor preditivo deste modelo. Verica-se ainda que os
valores mais baixos da escala indicam não extracção no processo de decisão.
Em termos do índice área abaixo da curva ROC, o valor calculado é 0, 919, com
erro padrão 0, 027 e com intervalo de conança a 95% de [0, 866; 0, 971]. O valor
de área abaixo da curva de 0, 919, signica que em 91, 9% dos casos o modelo de
regressão considerado acerta na predição. Na gura 2, encontra-se representado
o gráco da curva ROC empírica para o modelo criado. A diagonal positiva
Actas do XIV Congresso Anual da SPE 7

Figura 1: Distribuição para a probabilidade estimada segundo a DECISÃO.

corresponde à linha do acaso em que não existe poder discriminante.

Figura 2: Curva ROC para o modelo.

8 Ana C. Braga et al./Modelo de RL em ortodontia

4 Conclusões
De acordo com os resultados obtidos vericou-se que no processo de decisão
na extracção ortodôntica as variáveis que inuenciam o processo são o sexo, o
tipo facial, a altura facial superior, a convexidade, o sulco labio-mentoniano, a
linha POG/Lábio inferior, a relação incisivo-labial e a idade. De entre as variá-
veis seleccionadas pelo método passo a passo progressivo da regressão logística
avaliou-se o desempenho do modelo estimado com base no critério de decisão.
Vericou-se através do índice área abaixo da curva ROC que modelo criado po-
deria decidir em 91% das vezes correctamente. No entanto, haveria que avaliar
nos casos em que a decisão tomada não foi de acordo com o que seria de es-
perar pelo modelo, quais os factores que poderiam ter inuenciado a decisão.
Há ainda a ter em conta que os indivíduos da amostra tratados ortodontica-
mente com extracções e sem extracções foram considerados bem tratados pelo
facto de os resultados terapêuticos cumprirem os objectivos que a especialidade
de ortodontia actualmente preconiza. Esta foi a razão pela qual foram trata-
dos como "Gold Standard" para o estudo, por forma a permitir a construção
de um modelo de decisão que conferisse ao ortodontista maior segurança nos
procedimentos, diminuindo assim a subjectividade do julgamento clínico.
Em termos de trabalho futuro sugere-se que partindo da divisão dos diferen-
tes factores (estéticos, estruturais e ocluso-funcionais) se procurem criar índices
a partir das variáveis que se revelem estatisticamente signicativas nos modelos
de regressão logística parciais, para com estes avaliar o desempenho em termos
de tomada de decisão através de curvas ROC.

Referências
[1] Braga, A. C. (2001). Curvas ROC: Aspectos funcionais e aplicações. Tese Douto-
ramento. Universidade do Minho.
[2] Hosmer,D. and Lemeshow, S. (1989). Applied Logistic Regression. John Wiley &
Sons.
[3] Enlow and Hans (1996). Normal variations in facial form and the anatomic basis
for malocclusions. Essentials of facial growth. Chapter 10.W.B. Saunders Com-
pany.