ensamblando el rompecabezas para promover actividad …€¦los métodos analíticos de redes...
TRANSCRIPT
S242
Brownson, Parra y Dauti están con el Centro de Investigación para la Prevención en St. Louis, la Escuela George Warren Brown de Trabajo Social, Universidad de Washington en St. Louis. Brownson y Hoehner están con el Centro de Cáncer Alvin J. Siteman, Universidad de Washington Escuela de Medicina, Universidad de Washington en St. Louis. Harris esta con la Escuela de Salud Pública, Universidad de St. Louis, en St. Louis, MO. Hallal está con el Programa de Postgrado en Epidemiología, Universidad Federal de Pelotas, en Brasil. Malta esta con la División de Análisis de la Situación y la Prevención de las Enfermedades No Transmisibles, Ministerio de Salud de Brasil, en Brasilia, Brasil. Reis esta con la Universidad Pontífice Católica de Paraná, en Brasil, y la Universidad Fed-eral de Paraná, en Brasil. Ramos esta con el Departamento de Medicina Preventiva, Universidad Federal de São Paulo, São Paulo, en Brasil. Ribeiro esta con la Rama de Salud Respira-toria y la Contaminación Atmosférica, Centro Nacional para la Salud Ambiental, Centros para el Control y Prevención de las Enfermedades, en Atlanta, GA. Soares y Pratt están con la Rama de Actividad Física y Salud, División de Nutrición y Actividad Física, Centros para el Control y Prevención para las Enfermedades, en Atlanta, GA.
Journal of Physical Activity and Health, 2010, 7(Suppl 2), S242-S253© 2010 Human Kinetics, Inc.
Ensamblando el Rompecabezas para Promover Actividad Física en Brasil: Un Análisis de Redes Sociales
Ross C. Brownson, Diana C. Parra, Marsela Dauti, Jenine K. Harris, Pedro C. Hallal, Christine Hoehner, Deborah Carvalho Malta, Rodrigo S. Reis, Luiz Roberto Ramos, Isabela
C. Ribeiro, Jesus Soares, y Michael Pratt
Antecedentes: La inactividad física es un problema significativo en la salud pública de Brasil que se puede trabajar a través de alianzas y redes. Junto con el proyecto GUIA (Guía de Intervenciones Útiles para la Actividad Física en Brasil y América Latina), el objetivo de este estudio fue realizar un análisis de redes sociales sobre la actividad física en Brasil. Métodos: Una encuesta por internet fue completada por 28 de 35 organizaciones contactadas de Diciembre 2008 a Marzo del 2009. Los métodos analíticos de redes sociales examinaron las medidas de colaboración, importancia, liderazgo y características de los entrevistados y la organización. Resultados: Las nominaciones de liderazgo para las organizaciones estudiadas oscilaron de 0 a 23. Los predictores positivos de colaboración incluyeron: ser de la región sur, pertenecer a GUIA, años trabajando en actividad física e investigación, trabajar en las áreas de educación, promoción y práctica de la actividad física. La barrera de colaboración reportada más frecuentemente fue la burocracia. Conclusión: Un análisis de redes sociales identificó los factores más significativos para mejorar la colaboración entre las organizaciones en Brasil.
Palabras Clave: colaboración, actividad física, asociaciones, Latinoamérica, redes
En décadas recientes ha habido un cambio dramático en el perfil epidemiológico de las enfermedades en América Latina, con una reducción de enfermedades infecciosas y un aumento de enfermedades relacionadas con el estilo de vida, tales como las asociadas con la
inactividad física y dietas no saludables.1,2 Es posible que la prevalencia y los patrones de los factores de riesgo de las enfermedades crónicas sean responsables por la carga de las enfermedades. Por ejemplo, una reciente encuesta nacional coordinada por el Ministerio de Salud de Brasil, encontró que entre adultos sólo el 15% de la población cumple con las recomendaciones de actividad física durante el tiempo libre.3 Al parecer, las tasas de los niveles de actividad física de la población en Brasil, está disminuyendo con el tiempo, especialmente entre los grupos de bajos ingresos.4
Para considerar la inactividad física, la implement-ación del enfoque que está basado en evidencia requiere 2 pasos esenciales. Primero, se necesita de información científica acerca de los programas y políticas que puedan ser más efectivas para promover la actividad física (por ejemplo: toma de decisiones basadas en la evidencia).5–7
Segundo, se necesita implementar las intervenciones evaluadas científicamente a nivel nacional, estatal y local.8 Las alianzas y las redes son importantes para satisfacer ambos pasos en este proceso.9 Las alianzas en investigación fomentan el descubrimiento científico y contribuyen a las relaciones inter-organizacionales donde los recursos se comparten para lograr un propósito col-ectivo (por ejemplo: investigación aplicada).10 Al aplicar los descubrimientos de la investigación, las asociaciones y las redes se establecen como mecanismos bien prepara-dos para resolver los problemas agobiantes de la salud publica.11-12 Algunos ejemplos de las asociaciones para
Red de Actividad Física en Brasil S243
promover la actividad física en Latinoamérica incluyen al Programa Agita São Paulo en Brasil,13,14 Muévete Bogotá en Colombia,15 y VIDA CHILE.16 Mucha de la lectura sobre las alianzas y redes se ha enfocado en las organizaciones a nivel local (por ejemplo: barrios y municipalidades).17
Aunque varias alianzas y redes existen para el entendimiento y la promoción de la actividad física en Latinoamérica,18 hay poco conocimiento de cómo las partes asociadas trabajan juntas y como se podrían mejo-rar las colaboraciones entre ellas. Además, se desconoce información científica acerca de las redes tales como la frecuencia con la que están en contacto, el tipo de colaboración y las características estructurales de las organizaciones. Un estudio analítico de redes sociales se utilizo para comprender las relaciones colaborativas entre las organizaciones que promueven actividad física en Brasil. Un subconjunto pequeño de esta red más amplia de actividad física en Brasil, es uno que se ha desarrollado como parte del proyecto GUIA (Guía de Intervenciones Útiles para la Actividad Física en Brasil y América Latina).6 GUIA se creó para construir relaciones de colaboración en todo el país entre los investigadores, profesionales y l organizaciones de Brasil para mejorar la capacidad de identificar e implementar intervenciones basadas en la evidencia que promuevan la actividad física en Latinoamérica, con un particular enfoque en Brasil.
Un mejor entendimiento sobre las redes puede ayudar a los investigadores y profesionales a reforzar las relaciones, la capacitación y reducir la duplicación de esfuerzos.19,20 Actualmente en Brasil hay varias iniciativas locales y regionales para promover la actividad física que están apoyadas por el Ministerio de Salud. 3 Esta estrate-gia de apoyo y sostenibilidad también está motivando una red nacional de actividad física que puede servir como modelo para otros países en Latinoamérica. Los objetivos del estudio actual son tres: 1) entender la estructura de la red de actividad física en Brasil, 2) identificar el papel que desempeña el proyecto GUIA y las otras organizaciones al facilitar colaboración para la investigación y la práctica de la actividad física y 3) describir las brechas y las bar-reras en la red así como identificar las oportunidades para desarrollar nuevas relaciones y mejorar los esfuerzos de promoción para la actividad física.
Métodos
Muestreo
Seleccionamos a 35 organizaciones que se enfocan en el entendimiento y promoción de la actividad física en Brasil. Trece de estas organizaciones ya estaban involucradas en el proyecto GUIA y 22 no lo estaban. Las organizaciones fueron seleccionadas usando un proceso de muestreo modificado usando la técnica de bola de nieve con un solo paso basado en la reputación .21,22 Comenzamos con varios investigadores claves que conocíamos; incluyendo a los participantes de GUIA y los que no participaron y les pedimos que identificaran a
sus compañeros clave y a otros que consideraran impor-tantes para la promoción de la actividad física en Brasil. Un correo electrónico individualizado (incluyendo un comunicado de reclutamiento) fue enviado a las orga-nizaciones invitándolas a completar un cuestionario por medio de la Web que contenía 22 preguntas. Todos los materiales fueron traducidos al portugués y fueron revisa-dos con precisión. Un recordatorio se envío vía correo electrónico (con el comunicado de reclutamiento) a los participantes que no respondieron al correo electrónico original. Finalmente, a aquellos que no completaron la encuesta en línea después del Segundo recordatorio por correo electrónico se les invito a completar la encuesta por teléfono con uno de los investigadores. A los participantes se les dio de 14 a 21 días para completar la encuesta en línea. Entre Diciembre del 2008 y Marzo del 2009, recibimos 33 encuestas contestadas representando a 28 de las 35 organizaciones ya que algunas organizaciones contaban con más de un encuestado, en ese caso se hizo un promedio de las respuestas. Esto representa un 80% de la tasa de respuesta por parte de las organizaciones. El tiempo promedio para completar las encuestas en línea fue de 20 minutos.
Medidas de la Red
Utilizando métodos tradicionales y analíticos de análisis de redes sociales,23 examinamos varias variables clave, incluyendo las medidas de colaboración, importancia, liderazgo y los atributos del encuestado y la organización.
Colaboración. La medida de la colaboración (la variable resultado) fue adaptada del trabajo de Slonim y sus colegas.24,25 A los participantes se les pidió que escogieran lo que mejor describía su actual relación entre su organización y cada una de las otras organizaciones en la lista. Las opciones de respuesta variaron desde no conectados (no trabajan juntos para nada), comunicación (comparten información solamente), cooperación (trabajan juntos como un equipo laboral informal para lograr los objetivos en común), colaboración (trabajan juntos como un equipo laboral formal para lograr los objetivos en común) y en alianza (trabajan juntos como un equipo formal en múltiples proyectos para lograr los objetivos en común).
Importancia. A los participantes se les hizo la siguiente pregunta: “¿Que tan importante considera a cada una de las siguientes organizaciones e instituciones en la red de Brasil para la promoción de actividad física?” Las respuestas variaron de 1 a 5 (“no importante” a “extremadamente importante”).
Liderazgo. A los participantes también se les pidió que identificaran a las organizaciones que ellos consideraban un líder de la red de Brasil para la promoción de la actividad física.
Contacto. A los participantes también se les pidió que reportaran la frecuencia con la que contactan a las otras organizaciones: sin contacto (0), anualmente (1),
S244 Brownson et al
trimestralmente (2), mensualmente (3), semanalmente (4), diariamente (5).
Atributos Individuales y Organizacionales. Medimos la participación en el proyecto GUIA, el número de años en que el individuo participaba en actividad física, el área de actividad física (investigación, educación, políticas, promoción y practica) y la división regional de la ubicación (por ejemplo: sureste, oeste central, sur, y noreste) de acuerdo al Instituto Brasileño de Geografía y Estadísticas. Los Estados Unidos también fueron incluidos como una región ya que algunas instituciones en el muestreo estaban localizadas en los E.U.
Análisis de DatosLos siguientes software fueron utilizados para el manejo de los datos, para calcular las estadísticas descriptivas, para la visualización de la red y para el modelo estocástico de la red creando modelos de regresión logística que pudi-eran predecir la colaboración entre las organizaciones; SPSS, Excel, Pajek, UCINET, y R. La red de colaboración fue simetrizada en UCINET al reemplazar arcos (una línea direccional que representa una relación que no es reciproca entre 2 organizaciones) con márgenes (una línea no direccional que representa una relación que sí es reciproca entre 2 organizaciones). La reconstrucción fue utilizada para lidiar con las respuestas faltantes (reempla-zar los valores faltantes con otros valores simétricos).24 Estimamos los parámetros del modelo de la gráfica aleatoria exponencial (ERGM) o modelo P* usando los métodos de cadena Markov Monte Carlo (MCMC). El modelo ERGM permite predecir una unión colaborativa entre 2 organizaciones basado en las características de la organización y la red.26 Una descripción detallada de ERGM está disponible en otra parte.26,27
El modelo de la gráfica aleatoria exponencial fue simulado utilizando el muestreo de Metrópolis-Hasting. El modelo adecuado fue evaluado basado en la com-paración con el puntaje de AIC a través del desarrollo del modelo y estadísticas aptas para las distribuciones comunes de la red: grado de distribución (distribución de líneas incidentes con cada nodo en la gráfica), distri-bución de socios compartidos de márgenes (numero de márgenes en el cual 2 compañeros tienen compañeros k en común para cada valor de k), distribución geodésica (numero de pares para los cuales el camino más corto entre compañeros es de longitud k) y un censo triada (recuentos de las diferentes triadas, o grupos de 3 nodos que surgen en la red).28
Hubo 3 etapas para construir el modelo. Primero, desarrollamos un modelo nulo (modelo 1), el cual es un parámetro único que asume igual probabilidad para todos los márgenes en la red.28 En el Modelo 2 agregamos los atributos y en el Modelo 3 los predictores estructura-les. La membrecía de GUIA, los años trabajando con actividad física, la región, (Sureste, Oeste Central, Sur, Noreste, U.S.), y el área de actividad física (investig-ación, educación, desarrollo de políticas, promoción o práctica) fueron incluidos como atributos predictores
de la colaboración entre las organizaciones. La impor-tancia de las organizaciones asociadas (oscilando entre 1 = no importante, a 5 = extremadamente importante) y la frecuencia del contacto (sin contacto, anualmente, trimestralmente, mensualmente, semanalmente y diari-amente) fueron incluidos como predictores estructurales. Para los modelos logísticos la variable de colaboración fue dicotomizada como 0 = no conexión y comunicación versus 1 = cooperación, colaboración y alianza. Este punto de corte fue seleccionado basado en la distribución de las respuestas.
Atributos del Modelo. Este modelo captura la influencia de las características de la organización para colaborar entre organizaciones. La membrecía de GUIA fue una variante dicotómica que indica si las organizaciones participan o no en el proyecto GUIA, la no membrecía de GUIA se uso como la categoría de referencia. Años de participación en el área de actividad física fue tratado como una variante continúa. La región fue una variante categórica que refleja la ubicación de la organización (por ejemplo: Sureste, Oeste Central, Sur, Noreste, U.S.), la región Sureste tuvo el mayor número de organizaciones y fue seleccionada como categoría de referencia. El área de la actividad física fue una variante categórica que indica el área de la actividad física en la que la organización participa (investigación, educación, políticas, promoción y practica); incluido en el modelo como un factor que captura el efecto de homofilia diferencial (por ejemplo; la tendencia de las organizaciones para colaborar con otras organizaciones cuando están trabajando en la misma área de actividad física en Brasil).
Atributos del Modelo Estructural y Predictores. Este modelo captura los efectos de los atributos estructurales y predictores. Añadimos 2 relaciones más de red: importancia y frecuencia del contacto. Estos predictores estructurales nos permiten responder a las preguntas: ¿Cual es la relación entre la importancia reportada de las organizaciones (1 “no es importante,” a 5 “extremadamente importante”) y la probabilidad de colaboración? Y ¿cuál es la relación entre la frecuencia de contacto reportada (sin contacto, anualmente, trimestralmente, mensualmente, semanalmente y diariamente) y la probabilidad de colaboración? Tenemos la hipótesis de que entre más alta la frecuencia del contacto, más alta es la probabilidad de colaboración.
Incluimos 3 términos geométricamente pesados (GWESP, GWDegree, y GWDSP).29,30 Estos términos tienen una doble función. Revelan los aspectos impor-tantes de la configuración de la red (ver abajo una expli-cación breve de cada termino) y superan el problema de la degeneración del modelo, es decir, “el fenómeno en el cual un modelo aparentemente razonable puede en realidad ser mal especificado para un conjunto de datos observados y haciendo que los datos observados sean casi imposibles bajo el modelo28.”
GWESP (alianza compartida geométricamente pesada al margen) es una medida de la estructura transi-tiva de la red.31 Captura la tendencia de 2 organizaciones
Red de Actividad Física en Brasil S245
para crear una unión colaborativa para formar triángulos completos de colaboración con otras organizaciones en la red. La relación entre 3 organizaciones es transitiva siempre que la organización A colabore con la orga-nización B y siempre que la organización B colabore con la organización C, entonces la organización A colabora con la organización C.23 GWDegree (estadística de grado geométricamente pesado) captura la tendencia de las organizaciones con grados más altos para formar relaciones colaborativas con otras.32 El GWDSP (alianza compartida geométricamente pesada por dueto) es una medida de equivalencia estructural de la red. Captura la tendencia de los duetos (un par de organizaciones) para tener uniones idénticas con otras organizaciones en la red. 23
ResultadosLa mayoría de los encuestados representaron a las organización de investigación (64%) seguidos por las que promueven la práctica de la actividad física (46%), las que desarrollan e implementan políticas (39%) y las que realizan actividades educativas (36%). La mayoría de encuestados fueron hombres (n = 21) versus mujeres (n = 14). El promedio del número de años trabajando en actividad física fue 9.7 (rango: 2–20). El tiempo promedio trabajando en sus respectivas organizaciones fue 10.2 años. (rango: 2–35).
Características de la Red
El tamaño de la red fue de 35 (35 organizaciones). La densidad de la red (el numero de uniones que existen de todas las posibles uniones dentro de la red) antes que la red fuera dicotomizada fue 0.31. Esto significa que en esta red, el 31% de todas las posibles uniones se encuen-tran presentes. La densidad de la red está relacionada inversamente al tamaño de la red (entre más grande la red, menor es su densidad). Podemos sacar una conclusión de estos datos, que la colaboración de la red es de alguna forma cohesiva.
La cercanía de la centralidad o la distancia total de una organización a todas las otras organizaciones oscila de 0.40 a 0.85 (La Secretaria Municipal de Salud de Curitiba—SMSCuritiba con 0.85). Esto indica que SMSCuritiba es la organización más central en la red. Otras organizaciones que son centrales a la red en tér-minos de cercanía son el Ministerio de Salud (MoH) (0.80), CELAFISCS (0.75), y los Centros de Control y Prevención para las Enfermedades (CDC) (0.77). La cercanía de la centralidad de la red en general es de 0.47, lo cual debería de ser interpretado en comparación con las otras redes.33
La centralidad de conexión o la medida en que una organización sirve como conexión para facilitar el contacto con otras organizaciones en la red oscilan de 0 a 0.09. Una centralidad de conexión de 0 indica que no existe una organización intermedia entre otras organiza-ciones. La organización con la centralidad de conexión
más alta es CELAFISCS (0.09), lo que indica que es una organización intermediaria clave en la red. La centralidad de conexión de la red en general es 0.08, lo cual debería interpretarse en comparación con otras redes. 33
También llevamos a cabo un análisis para identificar a las organizaciones que se percibían como líderes en el campo de la actividad física en Brasil (Figura 1). La cantidad de nominaciones por liderazgo oscilan de 0 a 23, indicando que algunas organizaciones fueron percibidas como líderes por 0 organizaciones, mientras que otras fueron percibidas como líderes por hasta 23 organizacio-nes. La figura 1 muestra los nodos que representa cada organización catalogada con un solo número. El tamaño del nodo varía de acuerdo a la cantidad de nominaciones de liderazgo que cada organización recibió, entre más grande el nodo, mas nominaciones de liderazgo recibi-eron (Para una lista de todas las organizaciones con su número correspondiente de nodo, por favor referirse al Apéndice). Todas las organizaciones de GUIA tuvieron por lo menos una cantidad moderada de nominaciones en liderazgo y 3 organizaciones GUIA (CELAFISCS—nodo #1, MoH—nodo #9, y los CDC—nodo #5) obtuvieron las cantidades más altas de nominaciones en liderazgo.
El grado interno de la colaboración de la red (por ejemplo: el número de veces que una organización recibió nominaciones por colaborar con otras organizaciones) oscilaron entre 1 a 23. Las 5 mejores organizaciones por nominación de colaboración recibidas fueron miembros del proyecto GUIA, incluyendo al MoH (nodo #9), CELAFISCS (nodo # 1), la Universidad Federal de Pelo-tas (UFPEL, nodo #24), la Universidad Pontificia Católica de Paraná (PUCPR, nodo #32) y los CDC (nodo #5). Las organizaciones en la red con las menores nominaciones de colaboración con el resto de las organizaciones incluy-eron 2 universidades federales y una secretaría municipal de salud. Un análisis de del número de nominaciones de colaboración dadas por la red (es decir el número de veces que una organización nominó a otras organizaciones) muestra que las organizaciones que dan las más altas nominaciones de colaboración son organizaciones de GUIA, incluyendo la SMSCuritiba, UFPEL, PUCPR, CDC, y el MoH. La figura 2 visualiza la colaboración basada en nominaciones recibidas. Las organizaciones con las más altas nominaciones de colaboración recibidas fueron el MoH, el CDC, la UFPEL, y la SMSCuritiba. Ambos el CDC y el MoH son muy populares dentro de la red, demostrado tanto por las nominaciones recibidas como también por las dadas (Figura 3).
Modelo Estocástico
Abajo interpretamos solamente el modelo final (modelo 3) que incluye los predictores de atributos y estructura-les. En el modelo final, los siguientes predictores de atributos de la colaboración fueron estadísticamente significativos: ser de la región Sur, pertenecer a GUIA, años trabajando en actividad física y las aéreas de inves-tigación, educación, promoción y práctica. (Tabla 1). Las probabilidades de que una organización perteneciente a
S246
Figura 2 — Red con tamaño de nodo basado en el número de veces que una organización fue identificada como colaboradora (nominaciones recibidas) (ver Apéndice).
Figura 1 — Red con tamaño de nodo basado en el número de nominaciones en liderazgo (ver Apéndice).
Red de Actividad Física en Brasil S247
Figura 3 — Red con tamaño de nodo basada en el numero de colaboradores que identifico una organización (nominaciones dadas) (ver Apéndice).
GUIA formara una unión de colaboración fueron 2.45 veces las probabilidades de una organización con que no pertenece a GUIA. Las probabilidades de formar una unión de colaboración aumentan 0.03 por cada año adi-cional que el encuestado trabaja en el área de actividad física. Las probabilidades de que una organización de la región Sur forme una unión de colaboración con otra organización fueron 2.01 veces las probabilidades de una organización del Sureste. Si 2 miembros de la red eran ambos organizaciones de investigación, entonces presen-tan una mayor probabilidad de colaboración. Asimismo, si 2 organizaciones eran ambas del área de promoción y de práctica, entonces tienen una probabilidad mayor de que colaboraran.
Si 2 organizaciones eran ambas del área de edu-cación, entonces habría menos probabilidad de que colab-oraran unas con otras. Todos los predictores estructurales fueron estadísticamente significativos. La importancia de la organización, categorizada por las organizaciones, estuvo relacionada positivamente a la probabilidad de colaboración. La frecuencia de los contactos estuvo relacionada positivamente a la probabilidad de colabo-ración (por ejemplo: las organizaciones que se contactan mutuamente más a menudo tuvieron más probabilidades de colaborar). También hubo una tendencia positiva para la transitividad, lo que significa que los miembros de la red tienden a formar triángulos completos (GWESP) con otros miembros de la red. Además, en esta red hubo una fuerte tendencia de las organizaciones con alto grado
(GWDegree) para colaborar con otras organizaciones que también tienen un grado alto. Igualmente, el valor negativo de GWDSP indica poca equivalencia estructural en la red, eso es, los miembros de duetos en la red tienden a no compartir uniones con el mismo tipo de compañeros.
Forma del Modelo (Modelo adecuado)
Estimamos los parámetros del modelo de la gráfica aleatoria exponencial o el modelo P* y el goodness-of-fit utilizando los métodos MCMC. Las pruebas de Goodness-of-fit fueron realizadas para la distribución común de la red.23,28 Comparamos las redes observadas y simuladas bajo 4 características—edge-wise parce-rias compartidas, distancia geodésica mínima, grado y un censo triada—para evaluar el modelo adecuado, siguiendo el ejemplo proporcionado por Goodreau y sus colegas.34 La figura 4 muestra los resultados, los cuales indican la forma del modelo (en el caso de una excelente forma de modelo, las líneas negras deberían caber dentro del área gris que representa el 95% intervalos limites de confianza). Como mencionamos arriba, los problemas de convergencia son comunes en ERGMs y han sido más prominentes en los datos de redes caracterizadas por altos niveles de transitividad.26,28 También comparamos el puntaje de AIC entre el modelo 1 (AIC = 808.22), el modelo 2 (AIC = 666.23), y el modelo 3 (AIC = 398.75), el cual indico que el modelo 3 es el más adecuado para los datos (Figura 4).
S248
Tab
la 1
M
od
elo
s E
sto
cást
ico
s q
ue
Pre
dic
en la
Pro
bab
ilid
ad d
e u
na
Un
ión
Co
lab
ora
tiva
En
tre
2 A
gen
cias
Qu
e Tr
abaj
an p
ara
Pro
mov
er la
Act
ivid
ad
Físi
ca e
n B
rasi
l
Coe
ficie
nte
Mod
elo
1: M
odel
o N
ulo
Mod
elo
2: P
redi
ctor
es d
e A
trib
uto
Mod
elo
3: P
redi
ctor
es d
e at
ribut
o y
estr
uctu
ral
Logi
tS
EO
RC
ILo
git
SE
OR
CI
Logi
tS
EO
RC
I
Inte
rcep
to–0
.35*
**0.
080.
70.
74–0
.66
–2.8
3***
0.33
0.05
0.36
–0.0
0–8
.08*
**0.
390.
000.
14–0
.00
Mem
bres
ía G
UIA
N
o ha
y (R
efer
enci
a)R
ef–
––
––
––
Si
1.17
***
0.18
3.22
2.13
–4.8
60.
89**
*0.
052.
432.
23–2
.65
Año
s tr
abaj
ando
en
AF
0.03
**0.
001.
031.
02–1
.03
0.03
*0.
011.
031.
02–1
.03
Reg
ion
(efe
ctos
pri
nci-
pale
s)
Su
rest
eR
ef–
––
––
––
O
este
Cen
tral
0.45
0.30
1.56
1.20
–2.0
40.
830.
472.
291.
06–4
.92
Su
r1.
20**
*0.
203.
322.
07–5
.31
0.70
*0.
282.
011.
37–2
.95
N
ores
te0.
61**
0.19
1.84
1.46
–2.3
00.
290.
271.
331.
14–1
.55
E
.U.
0.11
0.29
1.11
1.04
–1.1
8–0
.61
0.36
0.54
0.35
–0.8
3
Are
as d
e A
F (d
ifer
enci
a ho
mop
hili)
In
vest
igac
ión
0.83
*0.
332.
291.
34–3
.92
0.44
***
0.13
1.55
1.38
–1.7
3
E
duca
ción
–1.0
91.
090.
333.
45–0
.03
–1.5
8*0.
700.
200.
02–1
.80
Po
lític
as0.
520.
641.
680.
87–3
.22
0.24
0.31
1.27
1.09
–1.4
7
Pr
omoc
ión/
prac
tica
0.63
0.34
1.87
1.23
–2.8
50.
32**
0.12
1.37
1.27
–1.4
8
Impo
rtan
cia
1.48
***
0.08
4.39
3.48
–5.5
4
Con
tact
o2.
99**
*0.
1519
.88
8.25
–47.
89
GW
ESP
(A
grup
ació
n)2.
96**
*0.
0219
.29
17.1
8–21
.67
GW
Deg
ree
(Gra
do)
6.33
***
0.64
561.
150.
19–1
5759
23
GW
DSP
(E
quiv
alen
cia
Est
ruct
ural
)–0
.25*
**0.
010.
770.
78–0
.77
Form
a de
l Mod
elo
Prob
abili
dad
AIC
BIC
d.f.
Prob
abili
dad
AIC
BIC
d.f.
Prob
abili
dad
AIC
BIC
d.f.
–403
.10
808.
2281
2.6
1–3
22.1
166
6.23
714.
5111
–183
.37
398.
7546
8.97
16
* P
< 0
.05;
**
P <
0.0
1; *
** P
< 0
.001
.
Red de Actividad Física en Brasil S249
Figura 4 — Modelo Estructural goodness of fit.
Barreras
Los encuestados informaron sobre varias barreras que limitan la colaboración. Los reportados con más fre-cuencia fueron la burocracia (reportado por el 58% de los encuestados). Otras barreras importantes incluyen las políticas ínter organizacionales (36%), falta de tiempo (33%), diferentes objetivos de las organizaciones (30%) y la imposibilidad de encontrar colaboradores (24%). Las barreras menos comunes fueron que los costos de colaboración superan los beneficios (12%) y la insufici-ente experiencia pasada (6%).
Un análisis separado de barreras entre las organiza-ciones involucradas en GUIA y no involucradas en GUIA no mostró diferencias significativas.
DiscusiónLa tendencia hacia los enfoques basados en la eviden-cia para promover la actividad física en el Brasil se ha acelerado en los últimos 10 años.35,36 Aún así, hay escasa información sobre las estructuras de las organizaciones (redes) que facilitan la colaboración y la implementación de los programas. Este estudio es el primero en exami-
nar cuantitativamente las redes de investigación para la actividad física y la promoción en América Latina. El papel de alianzas sólidas y lazos de colaboración en la promoción de la salud pública es abordado en la litera-tura,11,12,37 incluyendo la necesidad de entender las carac-terísticas y los procesos que llevan a una alianza exitosa a nivel comunitario.11,12,38–40 Los datos para construir una coalición muestran varios de los factores que predicen la eficacia, incluyendo: aumento de la participación de los miembros, diversidad, colaboración y cohesión del grupo.41 Existe evidencia menos directa sobre los métodos para la creación de alianzas viables a largo plazo dentro y entre de países para abordar los problemas clave de salud pública (por ejemplo: la promoción de la actividad física). Un estudio de 30 países fue publicado por la Organización Mundial de la Salud, sobre las prioridades estratégicas, de colaboración y desarrollo de la políticas para la preven-ción de la enfermedades crónicas.42 Algunos beneficios clave de colaboración incluyeron (por orden de rango) 1) intercambio de información; 2) el acceso a la experiencia, el conocimiento y la experiencia; 3) el acceso a las redes; 4) acceso a la tecnología y metodología; 5) la política de desarrollo y apoyo; y 6) la oportunidad de participar en la investigación, publicación y estudios internacionales.
S250 Brownson et al
Varias conclusiones importantes de nuestro análisis de la red se basan en esta literatura. Tanto los predicto-res de atributos e estructurales fueron esenciales para determinar la probabilidad de la colaboración entre las organizaciones involucradas en la investigación y la promoción de la actividad física en Brasil. Por ejemplo, la probabilidad de colaboración fue mayor si los miem-bros de la red eran organizaciones de investigación y una organización era percibida como importante. Otros predictores claves de colaboración fueron la longevidad en el área de actividad física y la ubicación en las regio-nes del sur de Brasil. La región sur de Brasil es el hogar de varias instituciones académicas y de investigación que son reconocidas a nivel nacional e internacional. Varias de las organizaciones que son miembro de GUIA se encuentran en la región sur del país, incluyendo la Universidad Pontífice Católica de Paraná y la Universi-dad Federal de Pelotas, ambas de estas instituciones son líderes en la investigación dentro del país en el área de la Actividad Física. Además, una organización perteneci-ente a GUIA, en comparación con una organización no involucrada con GUIA, tiene más probabilidad de formar una unión de colaboración probablemente debido a que esto es uno de los objetivos del proyecto GUIA, lo cual indica que se pueden desarrollar colaboraciones inten-cionalmente. Las organizaciones de investigación tenían más probabilidades de colaborar y las organizaciones de educación tuvieron menor probabilidad de asociarse. La importancia de la organización, catalogada por las organizaciones, estuvo relacionada positivamente con la probabilidad de colaboración. La frecuencia del contacto estuvo relacionada positivamente con la probabilidad de colaboración. Las organizaciones que se contactan unas a las otras más a menudo tenían más probabilidades de colaborar. También hubo una tendencia positiva para la transitividad, lo que significa que los miembros de esa red tienden a formar triángulos completos con otros miembros de la red. La tendencia hacia la transitividad indica una tendencia para las organizaciones en la red de colaborar en el grupo, en lugar de hacerlo a nivel individual. La transitividad muestra que 3 agencias están totalmente conectadas, comparten información, normas y valores, comentarios y facilitan la resolución de los problemas entre 2 organizaciones por la tercera parte.33
Nuestras conclusiones de análisis de red también se conectan a la creciente labor académica sobre la ciencia en equipo, que a menudo se logra a través de la investigación interdisciplinaria. La Investigación inter-disciplinaria ofrece valiosas oportunidades de colaborar en las intervenciones para mejorar la salud y el bien-estar de los individuos y de las communidades43,44 Los esfuerzos de investigación sobre el tabaco han tenido éxito en facilitar la cooperación entre las disciplinas tales como la publicidad, la política, los negocios, la ciencia médica y las ciencias de la conducta. Las actividades de investigación multidisciplinarias dentro de estas redes de tabaco intentan llenar los vacios entre el descubrimiento científico y la traducción de la investigación al involu-crar a una amplia gama de participantes.45–47 Un enfoque
interdisciplinario también ha mostrado algunas pruebas de efectividad para prevenir la obesidad.48,49 Conforme las redes para promover la actividad física vayan madurando en Brasil, va a ser importante entablar nuevas disciplinas y organizaciones. Es particularmente importante involu-crar a socios “no tradicionales” (es decir, aquellos cuya misión no está directamente enfocada en la salud) como las empresas y la industria, departamentos locales y estatales de transporte, planificadores urbanos y medios de comunicación locales o estatales.
Los conocimientos adquiridos a partir de nuestro análisis de red, tienen implicaciones para los profe-sionales, los investigadores y responsables políticos. Dado que las organizaciones de investigación tienden a colaborar con otras organizaciones de investigación y organizaciones de promoción y práctica tienden a colaborar con organizaciones similares, es importante construir esfuerzos más cooperativos entre los profesio-nales e investigadores. Una forma potencial para llenar este vacío es a través de personal investigador ya que la mayoría de los investigadores en Brasil trabajan dentro de las instituciones educativas (que tienen la misión de aplicar el conocimiento). Los miembros experimentados y de confianza de la organización pueden servir como recursos, ya que ellos pueden construir conexiones sociales entre la gente. Demasiado a menudo, existe una desconexión entre la generación de nuevos conocimien-tos a través de la investigación y el uso de pruebas para informar las políticas.50–52 Nuestro análisis de red sugiere la necesidad de involucrar a las audiencias de política temprano en el proceso del descubrimiento, como ha sido recalcado por otros.53,54
Las barreras comúnmente resaltadas parecen ser aquellas más típicas de las “organizaciones de promoción y práctica” (“sector público”) que el de las “organizacio-nes de investigación.” Normalmente en Brasil cuando se refiere a “organizaciones de investigación” hay sólo un pequeño grupo de personas involucradas, mientras las “organizaciones de promoción y práctica” implican a un grupo más grande de personas. Las organizaciones de promoción y práctica podrían beneficiarse de la colaboración con las organizaciones de investigación para superar algunas de las barreras comunes. Además, las organizaciones de investigación pueden apoyar a las organizaciones de promoción y práctica para establecer y fortalecer las políticas de actividad física a través de compartir y difundir pruebas basadas en estrategias para promover la actividad física (por ejemplo, por medio de capacitaciones, reuniones locales, eventos asociados).
La centralidad en la red de actividad física en Brasil de organizaciones claves tales como CELAFISCS (nodo # 1), los CDC (nodo # 5) y el Ministerio de Salud (nodo # 9) no es una sorpresa. Sin embargo, este análisis resalta el papel limitado que otras organizaciones poderosas de salud pública en Brasil, tales como FioCruz (nodo # 8) y la Asociación Médica Paulista (nodo # 31) han desempeñado en lo relativo a la actividad física. La integración generalizada de promoción para la actividad física y los programas hacia la salud pública y medicina
Red de Actividad Física en Brasil S251
clínica en Brasil, pueden requerir la alianza de estos tipos de socios en la red actual. El impulso para dicha integración se ilustra en la labor del Ministerio de Salud, que amplió las estrategias de promoción de la actividad física de 25 ciudades en 2005 a 450 ciudades en el 2008.3
Algunas limitaciones de nuestro estudio merecen ser mencionadas. La principal limitación es nuestra estrate-gia de muestreo. Para la mayoría de las organizaciones, el cuestionario fue completado por una sola persona. También es probable que los individuos de mayor edad hayan completado el instrumento. Profesionales jóvenes y los investigadores podrían informar estructuras de red diferentes, y puesto que en gran medida representan los esfuerzos futuros, su perspectiva es importante. Además, dado que el estudio fue originado por el proyecto GUIA, es posible que los resultados estén sesgados en favor de los miembros de GUIA (por ejemplo, las nominaciones en liderazgo para las organizaciones de GUIA). Es importante complementar estos análisis con herramien-tas tales como modelos lógicos que puedan ilustrar la naturaleza dinámica de los programas de promoción de la actividad física.55 Los datos son auto reportados y no se hizo ningún intento para validar los datos contra her-ramientas más objetivas o de los resultados (por ejemplo, el recuento de las publicaciones o proyectos con múltiples organizaciones representadas). Por último, este análisis de red es de naturaleza transversal (2008-2009) y no pre-tende haber incluido a todas las organizaciones posibles que promueven la actividad física en Brasil (debido en parte a nuestro método de muestreo). Para solucionar esto, se planea realizar otro análisis en unos pocos años para examinar los cambios en las redes y las relaciones para incluir un marco de muestreo más completo. Con el tiempo, esto debería ayudar a informar a la ciencia en la forma de una red exitosa para la actividad física según vaya madurando.
El estudio actual contribuye a nuestra comprensión de los predictores de colaboración entre las organiza-ciones e informará de los esfuerzos estratégicos de planeación para discutir los vacios e identificar las opor-tunidades para ampliar las intervenciones basadas en la evidencia y promover la actividad física. Hemos podido identificar las instituciones con más experiencia en el trabajo colaborativo. Esto es un recurso clave para los creadores de políticas nuevos y los profesionales porque pueden aprender de la experiencia de esas instituciones. Ya que los esfuerzos para comprender y promover la actividad física en Brasil y otros países de América Latina siguen madurando, el análisis de redes sociales proporciona un método relativamente simple y barato para examinar las conexiones colaborativas actuales y las áreas de mejoría.
Reconocimientos
Este estudio fue patrocinado a través de los Centros de Control y Prevención para las Enfermedades. contrato U48/DP000060-01 (Programa de los Centros de Investigación para la Prevención).
El estudio fue aprobado por la junta examinadora institucional de la Universidad de Washington en St. Louis. Los autores están agradecidos por las aportaciones de Mario Bracco, Branka Legetic, Victor Matsudo, Marcia Munk, y Eduardo Simoes.
Referencias
1. Murray CJ, Lopez AD. Mortality by cause for eight regions of the world: Global Burden of Disease Study. Lancet. 1997;349(9061):1269–1276.
2. Rivera JA, Barquera S, Gonzalez-Cossio T, Olaiz G, Sepul-veda J. Nutrition transition in Mexico and in other Latin American countries. Nutr Rev. 2004;62(7 Pt 2):S149–S157.
3. Malta D, Castro A, Gosh C, et al. National policy of health promotion and the motor activity agenda in the context of the national Health System in Brazil. Epidemiologia Servicios de Saude. 2009;18:79–86.
4. Knuth A, Bacchieri G, Victora C, Hallal P. Changes in physical activity among Brazilian adults over a five-year period. J Epidemiol Community Health. In press.
5. Brownson RC, Fielding JE, Maylahn CM. Evidence-based public health: A fundamental concept for public health practice. Annu Rev Public Health. 2009;30:175–201.
6. Hoehner CM, Soares J, Perez DP, et al. Physical activity interventions in Latin America: a systematic review. Am J Prev Med. 2008;34(3):224–233.
7. Zaza S, Briss PA, Harris KW, eds. The Guide to Community Preventive Services: What Works to Promote Health? New York: Oxford University Press; 2005.
8. Kerner J, Rimer B, Emmons K. Introduction to the special section on dissemination: dissemination research and research dissemination: how can we close the gap? Health Psychol. 2005;24(5):443–446.
9. Matsudo SM, Matsudo VR. Coalitions and networks: facilitating global physical activity promotion. Promot Educ. 2006;13(2):133–138, 158–163.
10. Savitz LA. Managing effective participatory research partnerships. Jt Comm J Qual Patient Saf. 2007;33(12, Suppl):7–15.
11. Israel BA, Schulz AJ, Parker EA, Becker AB. Review of community-based research: assessing partnership approaches to improve public health. Annu Rev Public Health. 1998;19:173–202.
12. Roussos ST, Fawcett SB. A review of collaborative partner-ships as a strategy for improving community health. Annu Rev Public Health. 2000;21:369–402.
13. Matsudo SM, Matsudo VR, Araujo TL, et al. The Agita Sao Paulo Program as a model for using physical activity to promote health. Rev Panam Salud Publica. 2003;14(4):265–272.
14. Matsudo V, Matsudo S, Andrade D, et al. Promotion of physical activity in a developing country: the Agita Sao Paulo experience. Public Health Nutr. 2002;5(1A):253–261.
15. Gamez R, Parra D, Pratt M, Schmid TL. Muevete Bogota: promoting physical activity with a network of partner companies. Promot Educ. 2006;13(2):138–143, 164–139.
S252 Brownson et al
16. Salinas J, Vio F. [Promoting health and physical activity in Chile: a policy priority.] Rev Panam Salud Publica. 2003;14(4):281–288.
17. Padgett S, Bekemeier B, Berkowitz B. Collaborative part-nerships at the state level: promoting systems changes in public health infrastructure. J Public Health Manag Pract. 2004;10(3):251–257.
18. Center for Physical Aptitude Laboratory Studies from Caetano do Sul (CELAFISCS). Best Practices for Physi-cal Activity Promotion Around the World. Atlanta, GA: International Union for Health Promotion and Education; 2006.
19. Provan KG, Veazie MA, Staten LK, Teufel-Shone NI. The use of network analysis to strengthen community partner-ships. Public Adm Rev. 2005;65(5):603–613.
20. Provan KG, Veazie MA, Teufel-Shone NI, Huddleston C. Network analysis as a tool for assessing and building com-munity capacity for provision of chronic disease services. Health Promot Pract. 2004;5(2):174–181.
21. Doreian KL, Woodard K. Fixed list versus snowball selec-tion of social networks. Soc Sci Res. 1992;21:216–233.
22. Farquharson K. A different kind of snowball: identifying key policymakers. Int J Soc Res Methodol. 2005;8(4):345–353.
23. Wasserman S, Faust K. Social Network Analysis: Methods and Applications. Cambridge, UK: Cambridge University Press; 1994.
24. Harris JK, Luke DA, Burke RC, Mueller NB. Seeing the forest and the trees: using network analysis to develop an organizational blueprint of state tobacco control systems. Soc Sci Med. 2008;67(11):1669–1678.
25. Slonim AB, Callaghan C, Daily L, et al. Recommenda-tions for integration of chronic disease programs: are your programs linked? Prev Chronic Dis. 2007;4(2):A34.
26. Robins G, Snijders T, Wang P, Handcock M, Pattison P. Recent developments in exponential random graph (p*) models for social networks. Soc Networks. 2007;29:192–215.
27. Robins G, Pattison P, Kalish Y, Lusher D. An introduc-tion to exponential random graph (p*) models for social networks. Soc Networks. 2007;29(2):173–191.
28. Goodreau SM. Advances in Exponential Random Graph (p*) Models Applied to a Large Social Network. Soc Networks. 2007;29(2):231–248.
29. Hunter D, Goodreau S, Handcock M. Goodness of Fit of Social Network Models. Seattle, WA: Center for Statistics and the Social Sciences, University of Washington; 2005.
30. Hunter D, Handcock M, Butts C, Goodreau S, Morris M. ERGM: A Package to Fit, Simulate and Diagnose Exponential-Family Models for Networks. J Stat Softw. 2008;24(3):1–29.
31. van Duijn M, Gile K, Handcock M. A framework for the comparison of maximum pseudo-likelihood and maximum likelihood estimation of exponential family random graph models. Soc Networks. 2009;31(1):52–62.
32. Luke DA, Harris JK, Shelton S, et. al. When is a network a network? Systems science approaches to exploring col-laboration among tobacco control organizations. Am J Public Health. In review.
33. de Nooy W, Mrvar A, Batagelj V. Exploratory Social Network Analysis with Pajek. New York, NY: Structural Analysis in the Social Sciences; 2005.
34. Goodreau SM, Handcock MS, Hunter DR, Butts CT, Morris M. A statnet Tutorial. J Stat Softw. 2008;24(9):nihpa54863.
35. Pratt M, Jacoby ER, Neiman A. Promoting physical activ-ity in the Americas. Food Nutr Bull. 2004;25(2):183–193.
36. Shilton T, Bauman A, Bull F, et al. Effectiveness and chal-lenges for promoting physical activity. In: McQueen D, Jones C, eds. Global Perspectives on Health Promotion Effectiveness. New York, NY: Springer; 2007:87–106.
37. Cargo M, Mercer SL. The value and challenges of par-ticipatory research: strengthening its practice. Annu Rev Public Health. 2008;29:325–350.
38. Butterfoss FD, Goodman RM, Wandersman A. Community coalitions for prevention and health promotion. Health Educ Res. 1993;8(3):315–330.
39. Lasker RD, Weiss ES. Creating partnership synergy: the critical role of community stakeholders. J Health Hum Serv Adm. 2003;26(1):119–139.
40. Lasker RD, Weiss ES. Broadening participation in com-munity problem solving: a multidisciplinary model to sup-port collaborative practice and research. J Urban Health. 2003;80(1):14–47, discussion 48–60.
41. Zakocs RC, Edwards EM. What explains community coalition effectiveness? A review of the literature. Am J Prev Med. 2006;30(4):351–361.
42. WHO Regional Office for Europe. Policy Development and Implementation Processes in the CINDI and CARMEN Noncommunicable Disease Intervention Programmes. A Comparative Study. Copenhagen: WHO Europe; 2004.
43. Harper GW, Neubauer LC, Bangi AK, Francisco VT. Transdisciplinary research and evaluation for community health initiatives. Health Promot Pract. 2008;9(4):328–337.
44. Stokols D. Toward a science of transdisciplinary action research. Am J Community Psychol. 2006;38(1-2):63–77.
45. Kobus K, Mermelstein R. Bridging basic and clinical science with policy studies: the Partners with Transdis-ciplinary Tobacco Use Research Centers experience. Nicotine Tob Res. 2009;11(5):467–474.
46. Kobus K, Mermelstein R, Ponkshe P. Communica-tions strategies to broaden the reach of tobacco use research: examples from the Transdisciplinary Tobacco Use Research Centers. Nicotine Tob Res. 2007;9(Suppl 4):S571–S582.
47. Morgan GD, Kobus K, Gerlach KK, et al. Facilitating transdisciplinary research: the experience of the transdis-ciplinary tobacco use research centers. Nicotine Tob Res. 2003;5(Suppl 1):S11–S19.
48. Byrne S, Wake M, Blumberg D, Dibley M. Identifying priority aéreas for longitudinal research in childhood obesity: Delphi technique survey. Int J Pediatr Obes. 2008;3(2):120–122.
49. Russell-Mayhew S, Scott C, Stewart M. The Canadian Obesity Network and interprofessional practice: members’ views. J Interprof Care. 2008;22(2):149–165.
Red de Actividad Física en Brasil S253
50. Brownson RC, Chriqui JF, Stamatakis KA. Understanding evidence-based public health policy. Am J Public Health. 2009;99(9):1576–1583.
51. Choi B, Pang T, Lin V, et al. Can scientists and policy makers work together? J Epidemiol Community Health. 2005;59:632–637.
52. Davis P, Howden-Chapman P. Translating research findings into health policy. Soc Sci Med. 1996;43(5):865–872.
53. Brownson RC, Royer C, Ewing R, McBride TD. Research-ers and policymakers: travelers in parallel universes. Am J Prev Med. 2006;30(2):164–172.
54. Sweet M, Moynihan R. Improving Population Health: The Uses of Systematic Reviews. New York: Milbank Memorial Fund; 2007.
55. Ribeiro IC, Torres A, Parra DC, et al. Using logic models as iterative tools for planning and evaluating physical activity promotion programs in Curitiba, Brazil. J Phys Act Health. 2010;7(suppl 2):S155–S162.
Apéndice
Organizaciones Participantes para las Figuras 1–3
1. CELAFISCS (Centro de Estudios en Laboratorio para la Aptitud Física de Caetano do Sul)
2. USP (Universidad Estatal de Sao Paulo)
3. UNIFESP (Universidad Federal de Sao Paulo)
4. INCOR (Instituto de Cardiología del Brasil)
5. CDC (Centros de Control y Prevención para las Enfermedades)
6. CONASS (Concejo Nacional de la Secretaria de Salud)
7. CONASEMS (Concejo Nacional de las Secretarias Municipales de Salud)
8. FIOCRUZ (La Fundación Oswaldo Cruz)
9. MOH (Ministerio de Salud del Brasil)
10. PAHO (La Organización Panamericana de Salud)
11. PRC (Centro de Investigación para la Prevención en St. Louis)
12. ADC (Academia da Cidade, “Gimnasios Citadinos” programa comunitario de actividad física)
13. CURITIBATIVA (CuritibAtiva programa comuni-tario de actividad)
14. SMSARACAJU (Secretaria Municipal de Salud de Aracaju)
15. SMSCURITIBA (Secretaria Municipal de Curitiba)
16. SMSGUARULHOS (Secretaria Municipal de Salud de Guarulhos)
17. SMSRECIFE (Secretaria Municipal de Salud de Recife)
18. SMEL (Secretaria Municipal de Deporte y Recre-ación de Curitiba)
19. SBAFS (Sociedad Brasileña de Actividad Física y Salud)
20. UFBA (Universidad Federal de Bahia)
21. UFF (Universidad Federal Fluminense)
22. UFPR (Universidad Federal de Paraná)
23. UFSC (Universidad Federal de Santa Catarina)
24. UFPEL (Universidad Federal de Pelotas)
25. UPE (Universidad Estatal de Pernambuco)
26. UNICAMP (Universidad Estatal de Campinas)
27. ANAD (Asociación Nacional para la Asistencia a los Diabéticos)
28. IIRSAE (Instituto Israelí Albert Einstein para la Responsabilidad Social)
29. UFSCAR (Universidad Federal de Sao Carlos)
30. SMSSAOCARL (Secretaria Municipal de Salud de Sao Carlos)
31. APM (Asociación Medica Paulista)
32. PUCPR (Universidad Pontífice Católica de Paraná)
33. SMSBELO (Secretaria Municipal de Salud de Belo Horizonte)
34. SMSVITORIA (Secretaria Municipal de Salud de Vitoria)
35. NUPAF (Unidad de Investigación de la Actividad Física y la Salud)