FUNDAÇÃO COMUNITÁRIA TRICORDIANA DE EDUCAÇÃO Decretos Estaduais n.º 9.843/66 e n.º 16.719/74 e Parecer CEE/MG n.º 99/93

UNIVERSIDADE VALE DO RIO VERDE DE TRÊS CORAÇÕES Decreto Estadual n.º 40.229, de 29/12/1998

Pró-Reitoria de Pós-Graduação, Pesquisa e Extensão

ANÁLISE DE EXPERIMENTO COM MEDIDAS

REPETIDAS: Uma aplicação no efeito da ingestão do café no

controle de peso

Três Corações 2009

SILVANA ARAÚJO AMARAL DA SILVA

ANÁLISE DE EXPERIMENTO COM MEDIDAS

REPETIDAS: Uma aplicação no efeito da ingestão do café no

controle de peso

Dissertação apresentada à Universidade Vale do Rio Verde – UNINCOR como parte das exigências do Programa de Mestrado Profissional em Modelagem Matemática e

Estatística Aplicada, área de concentração Estatística, para obtenção do título de Mestre. Orientador Prof. Dr. José Carlos de Souza Kiihl

Três Corações 2009

Universidade Vale do Rio Verde de Três Corações CREDENCIAMENTO: Decreto Estadual nº 40.229 de 29 de Dezembro de 1998.

Secretaria de Pós-Graduação, Pesquisa e Extensão.

ATA DA DEFESA DE DISSERTAÇÃO

Aos treze dias do mês de fevereiro do ano de dois mil e nove, sob a presidência

do Professor Doutor José Carlos de Souza Kiihl, e com a participação dos membros

Professor Doutor João Domingos Scalon e Professor Doutor Juscélio Clemente de

Abreu, que se reuniram para a banca da defesa de dissertação da Mestranda Silvana

Araújo Amaral da Silva, aluna do Curso de Mestrado Profissional em Modelagem

Matemática e Estatística Aplicada. O título de sua dissertação é “ANÁLISE DE

EXPERIMENTO COM MEDIDAS REPETIDAS: Uma Aplicação no efeito da

ingestão do café no controle de peso”. O resultado foi pela _______________. Eu,

secretária, lavro a presente ata que, depois de lida e aprovada, vai assinada por mim e

pelos demais membros da banca examinadora.

Três Corações, 13 de fevereiro de 2009.

Prof. Dr. José Carlos de Souza Kiihl Prof. Dr. João Domingos Scalon Presidente Membro da Banca

Prof. Dr. Juscélio Clemente de Abreu Prof. Wandir Graças Guedes Membro da Banca Secretário Geral

Dedico este trabalho ao meu amado filho Ítalo Manzine pela paciência, apoio e

carinho dispensado a mim nas horas difíceis em que passei estudando para

apresentação deste trabalho. A minha mãe Maria Eugênia e minhas irmãs Sandra e

Silmara que sempre me apoiaram nas realizações dos meus sonhos. E ao meu pai

Agenor e a minha sobrinha Steffany pela ternura.

AGRADECIMENTOS

Meus agradecimentos sinceros:

A DEUS pelo dom da vida e pelas oportunidades;

Ao Prof. Dr. José Carlos de Souza Kiihl pelo exemplo de ser humano, de ética e

princípios. Pela orientação e ensinamentos.

Ao Prof. João Domingos Scalon que gentilmente aceitou participar e colaborar com este

trabalho dando-me atenção, apoio, carinho, incentivo, principalmente acreditando ser

possível e disponibilizando seus conhecimentos, que deram o suporte nesta empreitada.

À minha mãe pelo exemplo de força e dedicação, pelo apoio e incentivo. Ao meu pai pela

paciência e apoio. Ao meu maravilhoso filho pela compreensão da minha ausência, pelo

amor e incentivo, às minhas irmãs e à sobrinha pela alegria.

À Profa. Dra. Cynthia Arantes Vieira Tojeiro, pela ajuda e colaboração.

À Profa. Dra. Selene Maria Coelho Loibel, pela colaboração.

Ao Prof. Dr. Antônio Francisco Iemma pela colaboração.

Aos colegas de curso, especialmente aos amigos, João Urbano, Paulo e Análise (Teka),

pela amizade, pelo convívio e pelo apoio nos momentos difíceis.

Aos amigos, pela colaboração durante a realização deste trabalho e pela amizade.

Aos funcionários, pela disponibilidade e auxílio.

E a todos que acreditaram em mim.

Aos professores da Universidade Vale do Rio Verde UNINCOR pela oportunidade de

aprender e poder construir minha sólida formação acadêmica.

A todos que, de alguma forma, contribuíram para o meu êxito profissional.

As dificuldades que encontramos na vida não são

desculpas para desistirmos de nossos objetivos, só

os abandonamos quando nos tornamos fracos.

SUMÁRIO

Página

LISTA DE ILUSTRAÇÕES .................................................................................................... 8

RESUMO ................................................................................................................................... 9

ABSTRACT ............................................................................................................................ 10

1 INTRODUÇÃO ................................................................................................................... 11

2 JUSTIFICATIVA ................................................................................................................ 13

3 REFERENCIAL TEÓRICO .............................................................................................. 15

3.1 O café e a nutrição ............................................................................................................ 15

3.1.1 Um breve histórico do café ........................................................................................... 15

3.1.2 Café como nutrição funcional. ...................................................................................... 16

3.1.3 Desnutrição .................................................................................................................... 17

3.2 Proposição estatísticas ...................................................................................................... 18

3.2.1 Medidas repetidas .......................................................................................................... 18

3.2.2 Situando na história ...................................................................................................... 20

3.2.3 Análise univariada dos perfis ....................................................................................... 22

4 MATERIAL E MÉTODOS ................................................................................................ 31

4.1 Caracterização do café ..................................................................................................... 31

4.2 Modelo experimental ........................................................................................................ 31

4.3 Preparo da dieta com café................................................................................................ 32

4.4 Métodos Estatísticos ......................................................................................................... 33

4.4.1 Análise estatística exploratória .................................................................................... 33

4.4.2 Análise de variância univariada de perfis ................................................................... 33

4.3 Softwares ........................................................................................................................... 33

5 RESULTADOS E DISCUSSÃO ........................................................................................ 34

5.1 Análise exploratória ......................................................................................................... 34

5.2 Análise de Variância ......................................................................................................... 43

6 CONCLUSÕES .................................................................................................................... 45

REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................. 46

ANEXO .................................................................................................................................... 51

Comandos em R ...................................................................................................................... 51

8

LISTA DE ILUSTRAÇÕES

Página

Quadro 1: quadro de análise de variância ........................................................................... 26

Quadro 2: quadro de análise em blocos ............................................................................... 28

Quadro 3: quadro de análise para moldelo mistos .............................................................. 28

TABELA 1: Composição química dieta (2g/100g de ração) ............................................... 33

TABELA 2: Peso dos ratos durante um período de 14 semanas ....................................... 35

FIGURA 1: Box-plot dos pesos. ............................................................................................ 36

QUADRO 4: Quadro da análise descritiva .......................................................................... 37

FIGURA 2: Histograma do peso em gramas desses animais em função do número de

ratos (freqüência absoluta). ................................................................................................... 38

FIGURA 3: Q-Q plot da distribuição teórica (normal) em relação à distribuição da

amostra. ................................................................................................................................... 39

FIGURA 4: Box-plots das semanas em relação ao peso. .................................................... 40

FIGURA 5: Box-plots dos grupos em relação ao peso. ....................................................... 41

FIGURA 6: Perfil de peso médio dos ratos, por grupo, no decorrer das semanas. ......... 42

FIGURA 7: Perfil de peso médio dos ratos, por grupo e semanas. .................................... 43

QUADRO 5: Análise de variância (rato: semana) .............................................................. 44

QUADRO 6: Análise de variância (dentro) ......................................................................... 44

9

RESUMO

SILVA, S A A. ANÁLISE DE EXPERIMENTO COM MEDIDAS REPETIDAS: Uma aplicação no efeito da ingestão do café no controle de peso. 2009. 51 p. (Dissertação – Mestrado Profissional em Modelagem Matemática e Estatística Aplicada). Universidade Vale do Rio Verde – UNINCOR – Três Corações - MG*

Vários trabalhos indicam que a ingestão do café causa efeitos estimulantes e/ou

antioxidantes que produzem extraordinárias relações benéficas para os indivíduos que

ingerem a bebida. Sabe-se também que entre as substâncias de alto peso molecular,

produzidas pela reação de Maillard, estão as melanoidinas que têm uma forte atividade

antioxidante inibindo significativamente oxidação de lipídeos. Assim, espera-se que a

ingestão de café na dieta possa promover uma redução no índice de peroxidação lipídica e

uma ampliação no teor de glutationa reduzida em ratos normonutridos como em

desnutridos. Neste sentido, o objetivo deste trabalho foi verificar qual o efeito da ingestão

do café nos pesos dos animais. Para conduzir o experimento foi utilizado um planejamento

com medidas repetidas utilizando 60 filhotes de ratos desmamados aos 21 dias de vida. Os

filhotes foram separados em seis grupos distintos. Cada grupo recebeu uma dieta

diferente. Após o início do experimento os ratos foram pesados diariamente durante um

período de 120 dias. Os dados obtidos foram analisados usando técnicas estatísticas

exploratórias e análise de variância univariada para medidas repetidas. Os resultados

mostraram que os animais ganham peso ao longo da vida e que o tipo de tratamento e

dieta parece ter influência sobre esses pesos e que apresentam diferença estatística. Além

disso, este trabalho pode verificar a importância das técnicas estatísticas para análise de

dados avaliados ao longo do tempo.

Palavras Chave: Medidas repetidas; planejamentos longitudinais; análise de variância;

dieta de peso; café.

Áreas do conhecimento: 1.02.02.00-5 - Estatística

*Comitê Orientador: Dr. Juscélio Clemente de Abreu – UNINCOR (Orientador), Dr. José Carlos de Souza Kiihl – UNINCOR.

10

ABSTRACT

SILVA, S A A. ANALYSIS OF REPEATED-MEASURES DESIGNS: An application to the effect of coffee intake in the weight control. 2009. 51 p. (Dissertação – Mestrado Profissional em Modelagem Matemática e Estatística Aplicada). Universidad Vale do Rio Verde – UNINCOR – Três Corações - MG*

Several studies indicate that intake of coffee cause stimulant effects and / or antioxidants

that produce extraordinary relationship beneficial to those who ingest the drink. It is also

known that among the substances of high molecular weight, produced by the Maillard

reaction, are melanoidins that have a strong antioxidant activity significantly inhibit

oxidation of lipids. Thus, it is expected that the intake of coffee in the diet can promote a

reduction in the rate of lipid peroxidation and an expansion in the level of reduced

glutathione in mice well nourished as malnourished. In this sense, the purpose of this

study was to verify whether the intake coffee affect the weights of animals. To conduct

the experiment was used a planning with repeated measurements using 60 of rat pups

weaned at 21 days of life. The pups were divided into six distinct groups. Each group

received a different diet. After the beginning of the experiment the rats were weighed

daily during a period of 120 days. The data were analyzed using exploratory statistical

techniques and univariate analysis of variance for repeated measures. The results showed

that the animals increase weight during the development stage and that the type of

treatment and diet seems influence on the weight and showed statistical differences.

Moreover, this work can check the importance of statistical techniques to analyze data

measured over time.

Keywords: Repeated measures; longitudinal designs; analysis of variance, coffee intake, weight control.

Knowledge areas : 1.02.02.00-5 – Statistics

*Guidance Committee: Dr. Juscélio Clemente de Abreu – UNINCOR (Major Professor), Dr. José Carlos de Souza Kiihl - UNINCOR.

11

1 INTRODUÇÃO

A expressão medidas repetidas é empregada para indicar medidas feitas na

mesma variável ou na mesma unidade experimental em mais de um período (DE

ANGELIS, 2001,COLE, J.W.L.; GRIZZLE, J.E, 1966). Diversos planejamentos com

medidas repetidas são comuns, como split plot, cross-over e planejamentos longitudinais.

Nos planejamentos do tipo cross-over, as unidades experimentais ganham seqüências de

tratamentos. Os planejamentos do tipo split plot (parcelas subdivididas) são mais

corriqueiros nas ciências agrárias, onde um singular nível de um fator é colocado a uma

parcela relativamente grande de terra e todos os níveis de um secundário fator são

aplicadas às subparcelas.

Entretanto, as ocorrências mais comuns são aquelas na quais pesquisadores

adotam medidas repetidas em diferentes tempos sobre uma unidade experimental, com a

finalidade de verificar o seu comportamento ao longo do tempo, caracterizando as

medidas repetidas no tempo (ou planejamentos longitudinais). Estes abrangem a

observação de uma ou mais variáveis respostas em uma mesma unidade experimental em

diversas condições de avaliação (tempo, distâncias de uma origem, etc.), caracterizando

medidas correlacionadas e com variâncias não-homogêneas nos diversos tempos, em

função do modo sistemático como as medidas são tomadas.

Neste tipo de análise, a variável resposta pode ser contínua ou discreta,

avaliada nas diversas unidades experimentais (indivíduo, alimentação, semana), que

consistem em agrupar tratamentos ou fatores. Para cada unidade experimental obtêm-se

diferentes unidades de observação, no qual em conjunto, determinam um perfil individual

de respostas. Para cada tratamento (ou grupo) está associado um perfil médio de respostas

que deve demonstrar o efeito do tratamento e o seu comportamento ao longo do tempo.

Os dados longitudinais são designados regulares se o intervalo entre duas

medidas consecutivas quaisquer que forem constantes ao longo do estudo. Contudo, se as

observações forem feitas no mesmo instante de tempo em todas as unidades experimentais

terão uma estrutura de dados balanceada. A ausência de observações perdidas caracteriza

uma estrutura de dados completa.

A análise de medidas repetidas no tempo pode consistir em uma análise de

perfis por meio de um modelo univariado, de acordo com o planejamento do tipo split plot

on time, que estabelece forte restrição quanto à matriz de variâncias-covariâncias, como

por meio de um modelo multivariado, que emprega uma matriz de variâncias-covariâncias

12

sem exceções, chamada não-estruturada. Outra forma de analisar dados longitudinais é por

meio da análise de curvas de crescimento, através de modelos mistos lineares ou não-

lineares, que permitem o uso de diversos tipos de estrutura para as matrizes de variâncias-

covariâncias, de jeito a delinear o comportamento dos perfis médios através de curvas.

Esta dissertação tem por objetivo abordar de forma teórica, as principais

características, de cada uma das formas de análise de medidas repetidas, aplicando estas

técnicas a um conjunto de dados simples, avaliado ao longo do tempo.

Como forma de exemplificar escolhemos uma abordagem com um experimento

como pesos de ratos em diferentes grupos que foram obtidos semanalmente totalizando 14

semanas, estes adquiridos em a quarta até a décima semana de vida dos referidos animais.

Dados este cedidos por (BARBOSA, 2007) de sua pesquisa “Efeito da ingestão de café

sobre a liberação de glutamato sinaptossomal, estimulada por toxina escorpiônica, em

ratos”. Observamos que o intuito desta aplicação é querer mostrar, estatisticamente, qual o

efeito da ingestão do café no peso de ratos e, portanto, totalmente diferente do objetivo do

trabalho desenvolvido por Barbosa (2007).

13

2 JUSTIFICATIVA

A ingestão do café causa efeitos estimulantes e/ou antioxidantes que produzem

extraordinárias relações benéficas para os indivíduos que ingerem café (YANAGIMOTO,

2004). Entre as substâncias de alto peso molecular, produzidas pela reação de Maillard,

estão as melanoidinas que têm uma forte atividade antioxidante inibindo

significativamente oxidação de lipídeos. Esses efeitos, segundo (CLARKE ; MACRAE,

1989), são reflexos da torrefação que altera a constituição química dos grãos,

principalmente pela reação de Maillard, reação de Streeker e por processos de pirólise.

Para (GOMES, 2004) e (ABREU, 2005) a ingestão de café na dieta pode

promover uma redução no índice de peroxidação lipídica e uma ampliação no teor de

glutationa reduzida em ratos normonutridos como em desnutridos. Nos idosos, os autores

observaram relação direta entre consumo de café e resultados positivos em teste de

memória verbal e de raciocínio espacial (RYAN, HATFIELD ; HOFSTTER, 2002).

Resultados de muitos estudos sugerem que a cafeína interfere no desempenho danoso

produzido pela fadiga, por uma noite de trabalho e pela privação do sono, aumenta o

estado de alerta e a ansiedade, melhora a atenção e a recuperação da memória (SMITH, A.

et AL, 2003). Ainda, estudos epidemiológicos e relatos retrospectivos relacionam o café e

a cafeína à doença de Parkinson (BENEDETTI, et al. 2000, ROSS, et AL, 2000,

ASCHERIO, et AL ,2001).

A maior parte dos experimentos de medidas repetidas contém uma seleção

sistemática dos tempos, na maioria com extensões iguais. A conjectura clássica de

independência é ideal na maioria dos casos e existe uma ampla literatura sobre este

problema. É comum suposições muito rígidas, repetidamente irreais, ou prejuízo de

eficiência estatística (perda de graus de liberdade), são inevitáveis. Nesta dissertação,

usamos uma abordagem, na qual os tempos são amostrados consecutivos e com um H0:

não tem diferenças significativas entre os pesos nos grupos e o H1: tem diferenças

significativas entre os pesos nos grupos.

Uma ampla classe de experimentos de medidas repetidas envolve uma ou mais

modelos aleatórias de indivíduos que são considerados em diversos momentos no tempo.

Por exemplo, na farmácia, podem ser observados pesos de ratos ou ensaios bioquímicos

em vários momentos.

Suponha que haja m grupos com n elementos independentes por grupo e t

14

tempos para cada elemento de cada grupo. Exemplificando, conjeture existência de m

grupos de animais de laboratório, com n animais em cada grupo. O mesmo tratamento é

dado a todos os membros de cada grupo, mas os dois grupos não recebem o mesmo

tratamento.

Conjeture ainda que as medidas repetidas sejam feitas em cada membro do

grupo em t tempos diferentes. Assumimos, nesta dissertação, que os mesmos tempos são

usados para cada membro de cada grupo. Adotamos ainda medir um aspecto peso nos

mesmos t tempos para todos os animais,

Normalmente, experimentos de medidas repetidas envolvem escolha

sistemática dos tempos, que em geral são escolhidos em espaços uniformes. Em tais casos,

as sucessivas medidas não podem ser aceitáveis as considerações como mutuamente

independentes e então os métodos de análise de variância clássicos devem ser alterados a

um grau considerável. Há várias abordagens utilizadas.

Para verificarmos a hipóteses usaremos, as técnicas de análise de experimentos

com medidas repetidas no tempo que devem levar em consideração a estrutura de

correlação inter e intra tempos.

Aspectos fundamentais da análise de perfis por técnicas univariadas foram

analisados por vários autores. Alguns recomendam o uso do esquema em parcelas

subdivididas considerando o tempo como sub-parcelas, o que pode causar problemas,

como se sabe, este esquema conjetura que a estrutura da matriz de covariâncias Σ

satisfaça a condição de esfericidade, o que nem sempre ocorre. O que se depara na

literatura é que medidas repetidas em uma mesma unidade experimental ao longo do

tempo são, no geral, correlacionadas e que essas conexões são maiores para tempos mais

próximos.

Conforme (HUYNH ; FELDT, 1970) uma condição indispensável e suficiente

para que os testes F para a análise da variância sejam exatos, quando se emprega o

esquema em parcelas subdivididas, é que a matriz satisfaça a condição de esfericidade.

Ainda que a matriz não satisfaça a condição de esfericidade, a distribuição F

central pode ser empregada de forma aproximada, desde que seja efetuada uma correção

dos graus de liberdade associados às causas de variação que envolve o fator tempo, de

maneira inevitável ocorreriam autores como (BOX, 1954b , 1954a, GEISSER ;

GREENHOUSE, 1958, HUYNH ; FELDT, 1976).

15

3 REFERENCIAL TEÓRICO

3.1 O café e a nutrição

3.1.1 Um breve histórico do café

A planta de café é originária da Etiópia, região de Kaffa na África central,

onde ainda atualmente faz parte da vegetação nativa. Os manuscritos mais remotos que

fazem referências a cultura do café datam de 575 no Yêmen, onde, consumido como fruto

in natura, passa a ser cultivado. A partir de 1615 o café começou a ser degustado no

Continente Europeu, trazido por viajantes em suas freqüentes viagens ao oriente. Até o

século XVII, só os árabes produziam café. Alemães, franceses e italianos procuravam

desesperadamente um jeito de cultivar o plantio em suas colônias (ABIC).

De acordo com a (ABIC), o aumento do mercado consumidor europeu

propiciou o desenvolvimento do plantio de café em países africanos e a sua vinda ao Novo

Mundo. Pelas mãos dos colonizadores europeus, o café chegou ao Suriname, São

Domingos, Cuba, Porto Rico e Guianas. Foi por meio das Guianas que chegou ao norte do

Brasil. Deste modo, o segredo dos árabes se difundiu por todos os cantos do mundo. Em

1000d.C ., os árabes começaram a preparar uma infusão com as cerejas, fervendo-as em

água. Apenas no século XIV, o processo de torrefação foi desenvolvido, e enfim a bebida

adquiriu um aspecto mais semelhante com o dos dias de hoje.

O sucesso da plantação no Brasil deu-se no princípio do século XVIII, sendo

cultivado no Vale da Paraíba em São Paulo. O clima e as terras férteis da região

converteram o Brasil no maior produtor mundial de café a partir do final do século XIX

(ICO).

Hoje em dia o Brasil é o maior produtor mundial de café, sendo responsável

por 30% do mercado internacional, volume equivalente à soma da produção dos outros

seis maiores países produtores. E ainda o segundo mercado consumidor, atrás apenas dos

Estados Unidos (ABIC).

Seu mercado internacional movimenta anualmente recursos na ordem de 15

bilhões de dólares, sendo a planta mais consumida no mundo e o segundo maior mercado

depois do petróleo. Pelo fato deste alto consumo mundial, as pesquisas relacionadas às

atividades biológicas do café verde e especialmente do café torrado foram intensamente

estimuladas (ABIC ).

16

Para (NEHLIG, 1999), consumo do café no mundo está aumentando. O

consumo médio do café em 1990 foi de 1,41 xícara/dia no Japão, 1,73 xícara/dia nos

Estados Unidos e 3,87 xícaras/dia na Alemanha (1 xícara equivale a 150mL ). Os

resultados de uma pesquisa realizada na França indicam o que mais acentua o consumo do

café, seria o seu fator estimulante e o seu paladar forte característico.

3.1.2 Café como nutrição funcional.

De acordo com a história, a alimentação de populações vivendo em países

industrialmente desenvolvidos proporciona tendências desfavoráveis como o excessivos

consumos de gorduras, principalmente saturadas, exagerado consumo de açúcar e sal e,

além disso, redução considerável do consumo de amido e fibras dietéticas (CARVALHO,

et al. 2004). A ingestão de frutas e verduras vem sendo recomendado como medida

preventiva para reduzir os riscos de diversas doenças degenerativas (DE ANGELIS,

2001).

Ainda (DE ANGELIS, 2001) escreve que nutrientes são necessários para o

desenvolvimento e crescimento normais dos indivíduos. Do mesmo modo é preciso

proteger os indivíduos contra os riscos de origem genética e do meio ambiente, incluindo

os hábitos alimentares, minimizando riscos pela alimentação preventiva, começada logo

após o desmame e permanecida ao longo de toda a vida obviamente, que não se impede o

consumo de nutrimentos menos recomendados, mas é necessária a moderação. É neste

ponto que outros componentes dos alimentos, não somente os nutrientes tradicionais

devem também, fazer parte da alimentação. Estes compostos que existem e que não são os

nutrientes clássicos apresentam propriedades funcionais benéficas e necessitam ser

consumidos normalmente.

Os alimentos funcionais fazem parte de uma nova concepção de alimentos,

lançada pelo Japão na década de 80, através de um programa de governo que tinha como

objetivo desenvolver alimentos saudáveis para uma população que envelhecia e

apresentava uma grande expectativa de vida (ANJO, 2004).

Os alimentos funcionais, como benefício para a saúde, desempenham papel na

redução do risco de várias doenças, tais como infecções intestinais, doenças

cardiovasculares, câncer, obesidade e diabetes tipo 2, não insulina dependente

(WAITZBERG, 2000).

Efeitos estimulantes e/ou antioxidantes podem ser achados no café e em

17

diversas plantas, frutas, suco de frutas e vegetais, feijões e chá (YANAGIMOTO,

2004).

Clarke e Macray afirmam que o procedimento de torrefação dá origem às

mudanças que lhe atribuem gosto agradável e aroma característico, produzindo uma das

bebidas mais populares do mundo.

Com relação ao café, estudos realizados mostraram que a ingestão de café na dieta

provocou uma redução no índice de peroxidação lipídica e um aumento no teor de

glutationa reduzida tanto em ratos normonutridos quanto desnutridos (GOMES, 2004,

ABREU, 2005). Está descrito na literatura (SALDAÑA; MAZZAFERA ; MOHAMED,

1997) que a cafeína excita o sistema nervoso central, age sobre o sistema muscular

circular, principalmente sobre o músculo cardíaco. Em pequenas doses, ela diminui a

fadiga sendo prejudicial se for ingerida em excesso. A cafeína diminui o desempenho

prejudicial produzido pela fadiga, por uma noite de trabalho e pela privação do sono,

aumenta o estado de alerta e a ansiedade, melhora a atenção e a recuperação da memória

(SMITH, 2003).

3.1.3 Desnutrição

As deficiências nutricionais decorrentes da insuficiente ingestão de macro

e/ou micronutrientes levam a graus variáveis de desnutrição, gerando um grave problema

mundial, principalmente nos países em desenvolvimento. Quando incide em crianças,

constitui um problema de saúde publica, ocorrendo isoladamente ou associada a outros

fatores que aumentam a morbidade e a mortalidade (SANTOS-MONTEIRO, 2002). A

Organização Mundial da Saude (WHO, 2000) registra que desnutrição ocorre quando o

organismo não recebe os nutrientes necessários para a manutenção das suas funções

metabólicas, em decorrência da ingestão insuficiente de alimentos ou de problemas na

utilização do que lhe é ofertado.

Utiliza-se a expressão desnutrição energético-protéica (DEP) para descrever

um espectro de quadros clínicos que incluem o kwashiorkor e o marasmo bem como as

formas mais leves e moderadas que são suas precursoras. O termo kwashiorkor pode ser

entendido de duas formas distintas: como sinônimo de desnutrição edematosa ou como a

síndrome clínica que ocorre em crianças entre um e quatro anos de idade e que inclui

alterações na pele e mucosas, no cabelo e no humor, bem como infiltração gordurosa do

fígado. O marasmo ocorre principalmente em crianças com menos de um ano de vida, que

deixam de receber o leite materno ou recebem de forma insuficiente os seus substitutos.

18

Estas crianças não apresentam edema, mostram-se bastante emagrecidas, com pele fina e

enrugadas, com perda da elasticidade, porém sem lesões cutâneas. Além disso, são

crianças inquietas com olhar vivo e choro constante por fome (WATERLOW, 1992). Em

outra definição, marasmo é uma deficiência crônica de energia e, em estados avançados, é

caracterizado por perda de massa muscular e ausência de gordura subcutânea

(CASTIGLIA, 1996).

Nunes et al. utilizam um modelo experimental de desnutrição crônica precoce,

por restrição da ingestão de alimento, é o mais semelhante ao que acontece na nossa

população infantil, a desnutrição protéico-calórica nos dois primeiros anos de vida,

iniciando após o término do aleitamento materno.

A desnutrição no início da vida produz um impacto severo no desenvolvimento

do organismo, tendo por resultado uma taxa reduzida da síntese da proteína na maioria dos

tecidos do corpo (KELLER; MUNARO; ORSINGHER, 1982, PEDROSA; MORAES-

SANTOS, 1987). A restrição alimentar precoce ocasiona seqüelas em vários órgãos e

sistemas dependendo dos moldes, quantidades e períodos da vida utilizados. Quando afeta

o período de desenvolvimento do animal, pode levar a efeitos irreversíveis em maior

extensão que aquela imposta após a maturidade. Quando esta restrição é realizada no

período de divisão celular, os animais não alcançam os níveis normais de peso corporal e

de tamanho de alguns órgãos, mesmo após uma recuperação nutricional (WINICK ;

NOBLE, 1966).

3.2 Proposição estatísticas

3.2.1 Medidas repetidas

Para (DIGGLE, 1988, CROWDER ; HAND, 1990) a terminologia medidas

repetidas é usada para nomear medidas dispostas na mesma variável ou na mesma unidade

experimental em mais de uma ocasião. Diversos planejamentos com medidas repetidas são

corriqueiro, como planejamentos longitudinais, cross-over e split plot (parcelas

subdivididas). Nos planejamentos do tipo cross-over, as unidades experimentais recebem

seqüências de tratamentos. Por outro lado planejamentos do tipo split plot são corriqueiro

nas ciências agrárias, donde um único nível de um fator é alocado a uma parcela

relativamente extensa de terra e todos os níveis de um segundo fator é aplicado a

subparcela.

Entretanto, o mais usual são aquelas em que pesquisadores tomam medidas

19

repetidas em diferentes tempos em relação à mesma uma unidade experimental, tendo o

objetivo de averiguar o seu comportamento no decorrer do tempo, caracterizando as

medidas repetidas no tempo (ou planejamentos longitudinais). Estes abrangem a

observação de uma ou mais variáveis respostas em uma mesma unidade experimental em

diferentes condições de avaliação (tempo, distâncias de uma origem), caracterizando

medidas correlacionadas e com variâncias heterogêneas nos diferentes tempos, em função

do modo sistemático o qual as medidas são tomadas.

No entanto, a variável resposta pode ser contínua ou discreta, avaliada nas

diferentes unidades experimentais (indivíduo, vasos, canteiros), que podem ser coligadas

segundo tratamentos ou fatores. A cada tratamento estabelece um perfil médio de

respostas que necessita destacar o efeito do tratamento e o seu procedimento ao longo do

tempo. A cada unidade experimental conseguem diferentes unidades de observação, no

grupo, delibera a individualidade da respostas.

Se o intervalo entre duas medidas consecutivas quaisquer for constante ao

longo do estudo, são denominados regulares dados longitudinais. Teremos também uma

estrutura de dados balanceada, se as observações forem feitas-nos mesmos momentos de

tempo em todas as unidades experimentais. A não apresentação de observações perdidas

caracteriza uma estrutura de dados completa.

A análise de medidas repetidas no tempo pode ser feita através da análise de

perfis por meio de um modelo univariado, de acordo com o planejamento do tipo split plot

on time, que impõe forte restrição quanto à matriz de variâncias-covariâncias, como por

meio de um modelo multivariado, que utiliza uma matriz de variâncias-covariâncias sem

restrições, chamada não-estruturada. Outra forma de avaliar dados longitudinais é

através da análise de curvas de crescimento, por meio de modelos mistos lineares ou não-

lineares, que possibilitam o uso de diferentes tipos de estrutura para as matrizes de

variâncias-covariâncias, de modo a descrever o comportamento dos perfis médios através

de curvas.

Por sua vez, temos dificuldades de encontra na estatística, textos sobre os

experimentos com medidas repetidas. Mas podemos destacar os trabalhos de (MCELORY,

1967) e (HUYNH ; FELDT, 1970), que fazem jus a aqui uma atenção especial.

Por outro lado ganha o destaque a literatura dos experimentos com medidas

repetidas quando conduzida aos profissionais da pesquisa agropecuária. Assim, dados os

objetivos de textos desse gênero, este enfoque, em geral, está diretamente relacionado com

a estatística experimental. Portanto, os artigos em questão fornecem métodos para análise

20

de dados, contudo na maioria das vezes não discutem os conhecimento especulativos dos

resultados.

3.2.2 Situando na história

Wishat argüiu-se a legitimidade de uma análise que não considerou o fato de

que as medidas tinham sido tomadas durante dezessete semanas sucessivas, sobre cada

animal. O autor sugeriu que sejam determinados os coeficientes polinomiais ortogonais;

linear e quadrático, das dezessete pesagens de cada animal. Sugeriu ainda que a taxa

média de crescimento e a taxa de mudança de crescimento consiste em considerar na

análise de covariância ao longo dos pesos iniciais e finais.

Stevens discutiu a análise dos dados de um experimento com café, tomados

durante dez anos sucessivos, propõe inicialmente que o estudo seja feito em termos das

diferenças entre produções de anos ímpares e pares: 109321 PPPPP −+−+− L ,

com o objetivo de avaliar a amplitude da variação bienal. Em seguir sugeriu-se um

contraste linear que agrupa os anos, em coligação de dois, tendo como objetivo eliminar o

efeito bienal.

Box (1950), no seu artigo anto1ógico sobre curvas de crescimento e de

desgaste, basicamente deixa alicerçado o estudo de medidas repetidas, no sentido de que

integra uma matriz de covariâncias as medidas tomadas ao longo uma mesma unidade

experimental. Box(1950) baseou em uma análise de um experimento de resistência de

tecidos, onde foi anotando as perdas de peso de cada amostra após 1.000, 2.000 e 3.000

revoluções de uma dada máquina. Para concluir que os três períodos consecutivos de

desgaste precisam ser considerados como um fator adicional, onde a perda de peso no i-

ésimo período na t-ésima unidade experimental donde expressaremos por

(4.1)

onde,

μti é valor esperado de y.

t e δ i são ambas variáveis a1eatórias com distribuição normal de média

zero.

Aonde t o representado por meio da variação devida às unidades

ittitiy δεµ ++=

21

experimentais com variância σ12 , δ i exprimindo a variação relacionada aos períodos

com variância σ02 . Com esse argumento, afirma que as observações de uma mesma

unidade experimental apresentam variância e covariâncias comuns, constituídos

respectivamente por σ12 + σ0

2 e σ1

2 . Portanto, a matriz de covariâncias das

observações repetidas ao longo de uma mesma unidade experimental apresenta um

formato

=∑abb

bab

bba

(4.2)

Ainda Box (1950) neste mesmo artigo, apresenta um critério para testar a

hipótese de uniformidade, baseando em seu próprio artigo de 1949 (sobre teoria de

distribuições mais gerais adequadas para uma ampla classe de estatísticas).

É raro encontrar na literatura, percebida a existência da uniformidade, censuras

ao método de Box. Mas sim, a maior parte dos trabalhos posteriores baseam-se seus

artigos no mínimo como referência básica quando se trata de matrizes de covariâncias

diferentes de Iσ2 às medidas repetidas.

As medidas repetidas também se fazem presentes nos estudos das plantas

perenes. No entanto, Pearce (1953) explica que uma das características das pesquisas

nessa área é o acúmulo de dados de produção em colheitas consecutivas sobre cada

unidade experimental. Assim, o tempo tem a possibilidade de ser dividido em períodos e

estes, subdividindo novamente tendo uma menor unidade do experimento. Portanto, se a

menor unidade for a parcela, períodos serão considerados subparcela, se a menor for uma

sub-parcela os períodos serão considerados sub-subparcelas, e assim por diante. Pearce

(1953) sugeriu também uma opção de análise, para os experimentos em faixas, onde estes

são caracterizados quando os períodos são considerados como tratamentos aplicados

sistematicamente.

Pesquisadores preocupados com o estudo das medidas repetidas utilizam os

estudos de Pearce (1953) com certa cautela. Vários autores (BONILLA, 1974, LEAL,

1979, SILVA, 1979), em meio a outros, afirmam que a subdivisão da unidade

experimental em função do tempo possibilita a heterogeneidade do erro experimental no

interior dos períodos. Portanto as metodologias multivariadas apresentam, com grande

22

intensidade, em análise de dados dessa natureza. Em outro aspecto, o estudo das parcelas

subdivididas recebeu admiradores como (HUGLES; DANFORD, 1958, DANFORD;

HUGHES; MCNEE, 1960, STEEL ; TORRIE, l960, SNEDECOR; COCHRAN, 1957,

LITTLE; HILLS, 1972, IEMMA, 1983, 1981, IEMMA; CAMPOS, 1982), e outros, que

direta ou indiretamente exigem a estrutura uniforme de erros.

Pearce (1953) proporciona três sugestões para análise: as parcelas

subdivididas, as faixas e o uso de funções polinomiais como em (WISHAT, 1938) e

(STEVENS, 1949). Então, uso de funções polinomiais foi considerada como a mais

adequada pelo autor, mas acabou sendo relegado a um segundo plano, praticamente só

usada por (SNEDECOR; COCHRAN, 1957).

Em uma revisão expressiva necessitaria abranger ainda o norte dos

procedimentos mu1tivariados e com isso, de maneira inevitável incidiriam autores como

(BOX, 1950, GREENHOUSE; GEISSER, 1959, GEISSER, 1963, COLE; GRIZZLE,

1966, MORRISON, 1967, ARNOLD, 1981), e outros. Para ser exato, percebe-se que os

procedimentos univariados e multivariados carece de estarem continuamente em

concentração para uma melhor alternativa ficando por conta da formação e da

disponibilidade instrumental do usuário. As séries temporais também estão incluídas nesse

contexto. Contudo, pelas informações deste estudo, aqui não consideraremos as séries

temporais.

Para fundamentar o estudo dos experimentos com medidas repetidas, foi feita a

opção por quatro trabalhos historicamente fundamentais.

3.2.3 Análise univariada dos perfis

Testar as hipóteses seguintes é o que visam análises univariadas e

multivariadas de perfis:

- Hipótese de perfis paralelos H0I -- o intercâmbio entre tratamentos e

tempo é nulo?

- Hipótese de perfis coincidentes H0G -- dado que os perfis são paralelos, o

efeito de tratamento é nulo?

- Hipótese de perfis horizontais H0T -- dado que os perfis são paralelos, o

efeito do tempo é nulo?

- Se os perfis não são paralelos (interação significativa), o efeito do tempo é

nulo dentro de cada um dos tratamentos?

23

- Se os perfis não são paralelos (interação significativa), o efeito de tratamento

é nulo dentro de cada um dos tempos?

As hipóteses são expressas no formato de hipótese linear geral H : CβM = 0 ,

consistindo C a matriz responsável por comparações entre os tratamentos (linhas da

matriz β ) , β a matriz de parâmetros incógnitos e, M a matriz responsável por

comparações entre as ocasiões de observação (colunas da matriz β ). Assim, as

hipóteses acima podem ser expressas de forma matricial como:

−

−

−

−

−

−

−−

=gttg

g

gg

IttI

IH

µµ

µµµµ

µµ

µµµµ

)1(

132

21

)1(

1312

1211

0 :MM

(4.3)

−

−

−

=−

1001

0101

0011

1

L

MMMM

L

L

gg IC (4.4)

−

−

−

=−

100

100

010

011

001

1

L

L

MMM

L

L

L

tt tM (4.5)

tgk

t

k

k

t

k

k

t

k

G IMCH ==== ∑∑∑===

211

21

11

0 : µµµ L (4.6)

121

21

11

0 : MICH git

t

k

i

t

k

i

g

i

T ==== ∑∑∑===

µµµ L (4.7)

A notação para análise univariada de medidas repetidas corresponde a notação

adotada na análise de experimentos em split-plot (parcelas subdivididas), onde as razões

de variação entre indivíduos são agrupadas separadamente das variações intra-indivíduos.

24

Assim,

ijkikkijiijk eby +++++= δγαµ (4.8)

para

tknjgi i ,...,1;,...,1;,...,1 ===

tendo:

µ é uma constante comum(média geral) a todas as observações;

αi é o efeito do i-ésimo tratamento;

b ij é o erro associado às parcelas(é o efeito do j-ésimo indivíduo submetido

ao i-ésimo tratamento);

γk é o efeito do k-ésimo tempo;

δik é o efeito da interação do i-ésimo tratamento e k-ésimo tempo;

eijk é o erro associado à observação yijk (é o efeito da interação entre o j-

ésimo tratamento e o k-ésimo tempo, dentro do i-ésimo indivíduo)

Observamos que (HUGLES; DANFORD, 1958, DANFORD; HUGHES

MCNEE, 1960) e outros usaram esse modelo que é extremamente limitativo e requer

determinadas pressuposições sobre as variâncias e covariâncias dos níveis do fator intra-

indivíduos e a ocorrência de erros entre - indivíduos (parcelas) e intra-indivíduos

(subparcelas) com distribuição normal, independentes, identicamente distribuídos e com

variâncias constantes. Portanto é importante para garantir teste F com distribuição exata

na parcela e também na sub-parcela.

Uma particularidade de matriz, nomeada esfericidade , é utilizada para

avaliar a circularidade de uma matriz de variância-covariância. Particularmente, este

modelo admite o que é chamado circularidade entre os níveis do fator intra-indivíduos.

Uma matriz de variância-covariância circular tem a propriedade que a variância da

diferença entre todos os pares de níveis do fator intra-indivíduos iguala a uma mesma

constante. A pressuposição de circularidade é menos limitativa que a pressuposição de

simetria composta, em que se assume igualdade entre todas as variâncias dos níveis e

também covariâncias iguais. Permanecendo muitos anos, a condição de simetria composta

25

foi solicitada para garantir a validade da estatística F em ANOVA de medidas repetidas.

Huynh e Feldt (1970) demonstraram que circularidade era suficiente e necessária. Assim,

todas as matrizes que tem simetria composta são circulares, mas o contrário não é

verdadeiro (VON ENDE, 1993).

Portanto, uma matriz com coeficientes de contrastes ortonormais é utilizada

para transformar a matriz de variância-covariância original para um formato

ortonormalizada, onde esfericidade é uma medida da circularidade da matriz de variância-

covariância original. Quando a forma ortonormalizada é esférica, ou seja, as variâncias da

variáveis modificadas são iguais e suas covariâncias são 0, a matriz original é dita

circular, conforme podemos observar nas matrizes apresentadas a seguir.

( )( )

( )( ) ).necessária não mas

suficiente (condição

composta Simetria

21

221

21

21

21

21

221

21

21

21

21

221

21

21

21

21

2

+

+

+

+

=∑σσσσσ

σσσσσσσσσσσσσσσ

(4.9)

20

onde),necessária e suficiente (condição

circular Matriz

40252015

25301510

2015205

1510510

243

242

232

241

231

221 ======

=

−−−−−−

∑ssssss

(4.10)

esférica Matriz

000

000

000

000

ICC λ

λλ

λλ

=∑=∑

= ∗

∗∑ (4.11)

O principal problema da violação da condição de esfericidade é a ocorrência

de testes F não exatos e liberais para os fatores da sub-parcela, ou seja, inflação do erro

Tipo I.

26

A Análise de Variância, técnica que está descrita em diversos livros de

estatística básica (MOORE, 2000), é uma técnica estatística usada para verificar se o ajuste

de um modelo linear existe. Para isto, constrói-se um quadro de análise de variância, que para

um modelo geral na forma matricial é:

� � �� � � onde cada componente de � é:

� � �0 � �1� 1 � �2� 2� . . . ����1� ��1 � � (4.12)

para � � 2 parâmetros.

Então uma forma de verificar esta condição é o quadro de análise de variância

e se existir a uniformidade da matriz de covariância:

Quadro 1: quadro de análise de variância

Variações Consideradas

G.L Q.M E(Q.M.) F

Tratamentos g-1 Q₁ [1+(p-1)ρ]σ²+f₁ F₁=Q₁/Q₂ Indivíduos d. trat N-g Q₂ [1+(p-1)ρ]σ²

Tempos p-1 Q₃ (1-ρ)σ²+f₂ F₂=Q₃/Q5 t x T (g-1)(p-1) Q₄ (1-ρ)σ²+f₃ F₃=Q₄/Q5 indivíduos X Tempos (dentro de Trat.)

(N-g)(p-1) Q₅ (1-ρ)σ²

TOTAL Np-1

Obs.: f1,f2 e f3 são funções não – negativas

A matriz arbitrária de covariâncias considera o perfil de cada indivíduo como

um vetor normal p-variado.

(4.13)

=∑

pppp

p

p

σσσ

σσσσσσ

L

MMM

L

L

21

22212

11211

27

ficando comum para todas correlação nula e indivíduos entre vetores de

diversos indivíduos.

Para GREENHOUSE E GEISSER (1959) a

Distribuição exata F1∩F g−1 ;N−g

Distribuição aproximada F2∩F p−1 ;p−1 N−g

Distribuição aproximada F3∩F g−1 p−1;p−1N−g

para os graus de liberdade o fator de correção é o seguinte:

(4.14)

temos assim

σ kk a media dos p elementos da diagonal;

σ k.2 a média dos elementos da linha k;

σ .. a média geral dos elementos de ∑

GREENHOUSE E GEISSER (1959) afirma que através da correção, ainda que

as matrizes não sejam uniformes, porém iguais para todos os indivíduos, adquirimos ainda

teste exato para os tratamentos e para os demais uma boa aproximação. Segundo

COLLLIER ET ALII (1967) e WINER (1971) as qualidades de tais aproximações são

amplamente satisfatórias, principalmente para graus moderados da heterogeneidade de

covariâncias.

Contudo, se a matriz comum de covariâncias é da forma,

, (4.15)

SCHWERTMAN (1978) mostra que = 1 .

Assim,

I é uma matriz identidade;

( )( )

+−−

−=

∑∑∑ ′′

2..

22.

2

2..

2

21 σσσ

σσε

ppp

p

k

k

kk

kk

kk

[ ] 2σxllxalI ′+′++=∑ ∗

28

l é um vetor de uns;

x é um vetor onde x ′l = 0 ;

a e σ2 são escalares.

Assim as matrizes uniformes são um subconjunto das matrizes ∑∗ . Bem que

RAO .(1967) e GRAYBILL (1976), já tinha debatido esse formato de matriz mas sem a

associação definida a correção .

Contudo tem matrizes mais generalizadas, em que a uniforme também avaliza

o acontecimento de testes exatos.

Em outro aspecto, a. análise dos experimentos fica rigorosa quando os

indivíduos são tornados como blocos mesmo que os procedimentos semelhantes.

Portanto se o modelo em tema é aleatório KIRK (1968) proporciona o

subseqüente quadro de análise, sob uniformidade:

Quadro 2: quadro de análise em blocos Variações

Consideradas G.L. E[Q.M.]

Blocos (B) K-1 ��2+k��

2

Tratamentos (t) n-1 ��2+n��

2 Resíduo (k-1)(n-1) ��

2 TOTAL N-1

Tendo um modelo misto, sob uniformidade GILL (1978) sugere que tome:

Quadro 3: quadro de análise para moldelo mistos Variações

Consideradas G.L. Q.M.

Indivíduos K-1 [1+(n-1)ρ]σ²

Tratamentos n-1 (1-ρ)σ²+�� ∑ � 2 / � 1!

Resíduo (k-1)(n-1) (1-ρ)σ² TOTAL N-1

Tendo em análise K indivíduos e n tratamentos e a matriz amostral de

covariâncias fica uniforme quando:

se o modelo for aleatório, e apresenta teste exato para indivíduos e

29

tratamentos;

se for usado o modelo misto, e apresenta teste exato apenas para tratamentos.

Podem

(4.16)

Para i = 1,⋯,p indivíduos e j = 1,⋯,k tratamentos, donde o vetor

analisado os i-ésimo indivíduo é considerado a seguir:

(4.17)

e

(4.18)

Assim, ARNOLD (1981) oferece como estimadores não viesados para σ2 e

ρσ2 :

σ2= 1

kp − 1∑

i,j

yij − y . j

e ρσ2=

w12− w2

2

k (4.19)

donde,

w12= 1

k∑

i,j

yi . − y . .

2

e w22=

kσ2− w1

2

k − 1 (4.20)

Ainda mostrado por ARNOLD (1981), que o quadrado médio do resíduo

ijjiij ey +++= ταµ

( )[ ]ρσµ ANy kk

2;∩

( )

=

1

1

1

L

MMMM

L

L

ρρ

ρρρρ

ρA

30

municia uma estimativa imparcial pra w22 e não σ2 .

Portanto, a bibliografia tem, de modo geral, os cuidados com a análise da

variância dos dados de experimentos com medidas repetidas, com intensidade mais no

aspecto da estatística experimental que dos modelos lineares.

31

4 MATERIAL E MÉTODOS

Nesta seção falaremos a respeito sobre o material e métodos para exemplificar

a literatura estudada.

4.1 Caracterização do café

O café utilizado foi da espécie Coffea arábica , torrado a uma temperatura de

160°C em um tempo aproximado de 13 minutos e foi comparada a torra no colorímetro

da marca AGTRON da SCAA (Specialy Coffe Association of America) na classificação

45 ideal para consumo. A amostra utilizada foi do tipo exportação, grão sem defeito,

granulação média e de processo de preparo natural de bebida mole. A extração foi feita de

acordo com (VITORINO et AL, 2001) com algumas modificações. Um volume de

1000mL de água destilada ( 90°C ) , aquecida em chapa elétrica, foi vertido lentamente

sobre a amostra do café moído ( 80g ) e a suspensão obtida foi agitada por 2 minutos. A

amostra foi resfriada em água à temperatura ambiente por 10 minutos. O extrato foi então

centrifugado (centrífuga refrigerada Hitachi modelo CR-21, cidade Hitachinaka, Japão) a

1200g por 10 minutos a 8°C. E o sobrenadante foi utilizado no preparo da ração com

café.

4.2 Modelo experimental

O modelo experimental está de acordo com os Princípios Éticos de

Experimentação Animal conforme projeto aprovado pelo Comitê de Ética em

Experimentação Animal (CETEA/UFMG) sob o protocolo nº 136/05. Ratos da raça

Wistar, da colônia do Laboratório de Nutrição Experimental da Faculdade de Farmácia da

UFMG, foram acasalados e, por volta do 18o dia de prenhez, determinada por esfregaço

vaginal, as fêmeas foram transferidas para gaiolas individuais e divididas aleatoriamente

em seis grupos: um grupo normonutrido que recebeu dieta composta por ração de biotério

(Labina, Brasil) e ração para cães (Bonzo Mix Carnes - SP, Brasil); um grupo

normonutrido que recebeu a ração anterior acrescida de extrato aquoso de café; um grupo

de desnutridos que receberam 60% da ração consumida pelo grupo normonutrido e um

outro grupo de desnutridos, que receberam dieta anterior contendo extrato aquoso de café.

Todas as dietas experimentais foram oferecidas a partir do nascimento dos filhotes. O

32

número de filhotes por fêmea foi fixado em oito, sendo que posteriormente somente os

machos foram mantidos. Os animais tinham livre acesso à água e eram mantidos em

sistema claro/ escuro ( 12/12h ) .

Após o desmame, aos 21 dias de vida, os filhotes foram separados, mantendo-

se a mesma dieta oferecida para a respectiva fêmea matriz, obtendo-se uma totalidade de

seis grupos distintos:

- (NORM) grupo normonutrido controle, recebeu ração de biotério para ratos

(Labina.) enriquecida com ração para cães (Bonzo);

- (NCAF) grupo normonutrido café, foi alimentado com dieta do grupo

normonutrido controle acrescida de extrato aquoso de café;

- (DESN) grupo desnutrido controle, foi alimentado com dieta correspondente

a 60% da ração consumida pelo grupo normonutrido controle;

- (DCAF) grupo desnutrido café, recebeu dieta do grupo desnutrido controle

acrescida de extrato aquoso de café;

- (DREC) grupo desnutrido com condição alimentar reconstituída controle, foi

alimentado com dieta correspondente a 60% da ração consumida pelo grupo

normonutrido controle e após 60 dias foi alimentado ad libitum;

- (DRECAF) grupo desnutrido com condição alimentar reconstituída café,

recebeu dieta do grupo desnutrido acrescida de extrato aquoso de café; e após 60 dias

alimentado ad libitum .

Todos os grupos receberam água ad libitum e foram pesados semanalmente.

4.3 Preparo da dieta com café.

O preparo da dieta foi por adaptação da técnica utilizada por Paulinelli (2002).

As rações (Labina e Bonzo ) foram previamente moídas e misturadas numa proporção de

3 : 1 , respectivamente. A cada 1000g desta mistura foram adicionados 1000mL de

solução contendo 4% de gelatina em pó, 5% de açúcar e 1% de amido de milho,

previamente dissolvidos em água quente, recebendo o nome de dieta controle. A dieta

suplementada com café teve como base a dieta controle, porém a essa foi adicionado

1000mL de extrato aquoso de café ( 80g de café torrado para mL1000 de água a 90°C ).

Depois de adequadamente homogeneizada, a massa resultante foi cortada em pequenos

pedaços e secada por 12 horas a 60ºC em estufa com circulação forçada de ar (NOVA

33

ÉTICA, modelo 420D, Vargem Grande Paulista, SP, Brasil). A composição química da

dieta estar apresentada na tabela 1 .

TABELA 1: Composição química dieta (2g/100g de ração) Nutrientes Controle Controle Café Proteína 23,22 23,39 Carboidrato 45,37 45,79 Lipídeo 4,39 4,51 Teor calórico 313,87 kcal 317,31 kcal *Os valores são aqueles constantes dos rótulos dos produtos registra dos pelo fabricante. .

Os animais foram acondicionados em gaiolas individuais. Diariamente pesava-

se a ração administrada e a sobra para avaliação da quantidade de ração ingerida por

animal. Tanto para o peso semanal dos animais quanto para o das rações usou-se a balança

digital SARTORIUS BP 2100.

4.4 Métodos Estatísticos

4.4.1 Análise estatística exploratória

Para a Análise estatística exploraratória foram calculadas medidas descritivas

tais como média, desvio padrão e valores mínimo e máximo dos pesos adquiridos dos

ratos. Utilizou-se ainda, diversos gráficos como histogramas, gráficos de probabilidade

normal e box-plots. Todas estas técnicas estão descritas em detalhes em diversos livros de

estatística básica tais como Moore (2002).

4.4.2 Análise de variância univariada de perfis

Para a análise dos perfis de peso utilizou-se as técnicas de análise de variância

para medidas repetidas descritas no capítulo anterior, onde que o H0: não tem diferenças

significativas entre os pesos nos grupos e o H1: tem diferenças significativas entre os

pesos nos grupos. O nível de significância adotado foi de 0,05. Para ilustração e melhor

entendimento uso-se alguns gráficos de médias de perfis.

4.3 Softwares

Todas as análises exploratórias, gráficos e análises de variância para medidas

repetidas foram realizadas utilizado programas disponíveis e/ou desenvolvidos no

software livre R, versão 2.7.1 (The R Development Core Team, 2008).

34

5 RESULTADOS E DISCUSSÃO

A literatura apresenta vários trabalhos abordando os benefícios e os problemas

relacionados à ingestão regular de café. Para ficar apenas nos benefícios Saldaña et AL,

(1997) mostram que a cafeína presente no café excita o sistema nervoso central, age sobre

o sistema muscular circular, principalmente sobre o músculo cardíaco. Portanto, em

pequenas doses, a cafeína pode diminuir a fadiga. Além disso, a cafeína aumenta o estado

de alerta e a ansiedade, melhora a atenção e a recuperação da memória (SMITH et AL,,

2003). Experimentos em ratos normonutridos e desnutridos mostram que a ingestão de

café também está associada ao peso (GOMES, 2004, ABREU, 2005). Infelizmente, se o

café for ingerido em grandes quantidade pode ser prejudicial em vários aspectos,

inclusive, acarretar vício. Neste trabalho, estamos interessados em avaliar o efeito da

ingestão regular de café no peso de animais (ratos). Para fazer esta avaliação escolhemos

dados de um experimento como pesos de ratos em diferentes grupos, que foram obtidos

semanalmente, totalizando 14 semanas. Os animais foram pesados individualmente a

partir da quarta semana de vida até a décima oitava. A análise desses dados foi realizada

através de técnicas exploratórias e de análise de perfis, por meio de um modelo

univariado. Neste capítulo vamos apresentar os resultados e discuti-los em função da

literatura estudada.

5.1 Análise exploratória

A análise exploratória é o primeiro e, talvez, uns dos mais importantes passos

de qualquer análise de dados Esta análise identifica padrões e características dos dados.

Freqüentemente propicia um primeiro contato com os dados. Precede a escolha definitiva

de um modelo de análise, decoada ao estudo dos componentes estruturais ou estocástico

dos dados. E serve ainda para revelar desvios inesperados em relação aos modelos usuais

(MOORE, 2000). Nesse caso, estamos interessados nas características dos pesos dos ratos

por tratamento, no período de 14 semanas. A tabela 2 mostra os pesos dos ratos

individualmente, separados por grupos e semanas, no decorrer do tempo citado acima.

Essa ainda comprova os dados obtidos e que servem de base para o trabalho a ser

demonstrado, usando as medidas repetidas.

35

TABELA 2: Peso dos ratos durante um período de 14 semanas Ra

to Grupo

Semanas

4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

1 DCAF 28.6 51.6 79.6 117.9 139.7 166.5 187.3 202.3 221 241.1 248.6 259.2 270.5 278 287.9

2 DCAF 30.2 53.7 85.2 104.7 151 193.9 228.6 221 243.6 256.5 265 270.1 297 306.3 316.5

3 DCAF 28.9 52.8 83.5 103.7 143.6 181.9 219 204.8 221.7 232.3 237 239.5 262.9 268.4 278.8

4 DCAF 26.8 51.5 75.3 112.5 131.8 155.9 175 189.8 204.8 223.2 232.3 238 245.8 251.2 260

5 DCAF 27.1 51.9 82.5 100.7 144.2 178.2 216.5 202.5 223 234.9 245 248.8 266.1 273.1 287.6

6 DCAF 27 53.2 75.8 112.6 132.9 157.5 177.4 194.5 215.2 229.3 240.6 252 260.2 263 275

7 DCAF 25.2 38.8 96.2 139.9 181.2 180.8 209.6 223.2 242 247.8 263 270.8 285.9 282.9 292.4

8 DCAF 26.7 53.2 75.1 113.8 135.2 161.7 176.4 194 216.2 233.1 246.3 260.2 271.6 280 292.4

9 DCAF 26.6 52 72.7 107.9 130 156.2 173 188.7 209.8 230.3 239.7 251.7 260.7 261.1 276.8

10 DCAF 28.8 57.4 82.1 119.1 142.9 169.9 192.2 208.5 232.3 256.7 268.5 285 298.5 304.3 314.7

1 DESN 39.4 71.4 104 122.4 168.1 200.8 247.1 233.1 256.3 280.1 287.6 292 302 312.2 318.2

2 DESN 38.3 74.5 105.9 123.3 179.4 211.2 259 244.1 256.3 261.8 269.9 279.3 296.6 304 313.2

3 DESN 37.9 72.4 105.2 124.6 173.6 201.2 242.1 233.1 254.9 257.2 272.8 281 296.1 305.1 312.9

4 DESN 36 71.6 105.9 122.6 173.2 205.5 251.2 237.3 260.3 271.8 286 290 306 309.3 321.7

5 DESN 33.1 55.7 82.4 103.3 153.8 181.5 229 213.2 228.1 236.3 247.4 260 270 280 279

6 DESN 32.3 53.3 80.3 104.5 147.9 176.1 216.2 210.6 228.3 234.6 250.4 253.5 269.2 277.2 278.8

7 DESN 31.7 48.5 80.9 102.4 151.5 180.4 215.9 212.6 231 241.2 257.8 264 276 286.9 290.4

8 DESN 35.5 57.2 86.3 107.8 155.4 183.8 230.5 219.2 236.1 247.8 258.3 265.5 280.5 292 285.3

9 DESN 33.5 55.2 80.3 102.1 150.4 178.3 220.5 212.4 228.9 238.9 249.4 257 268 277.6 283.8

10 DESN 31.8 46.8 83.4 109.1 144.3 172.3 198.8 213.6 230 244.8 265.6 274 281.7 288.3 295.8

1 DREC 30 43.4 84.6 106.9 142.4 170 223.7 261.8 299 321.5 346.1 361.5 378.3 387.3 395

2 DREC 32.9 43.9 80 107 143.5 176.7 218.9 249 281.5 316.6 340.9 353.9 359.3 377 380

3 DREC 32 44.2 79.2 105.5 137.6 163 203.8 247.5 276.3 315.9 336.3 355.1 366.9 372.3 382.1

4 DREC 30.5 45.6 82.8 104.2 138.2 165.4 206.6 238 268.5 322.3 316.3 331 345.2 357.6 371.2

5 DREC 30.6 44.2 83.1 107.1 146 170.8 216.6 253.9 286.3 320.4 351.4 371.9 400 410.6 424.8

6 DREC 29.1 43.8 78.5 104.6 139.5 167 210 235.8 264.3 283.4 304.2 314.6 335 341.6 344.3

7 DREC 29 43.9 81.7 104.2 140.4 174 223 266.7 304.6 347.6 371.7 387.6 399.3 416.5 415.5

8 DREC 33.8 50.7 89.1 109.5 148.4 179 232.4 269.3 303.5 339.6 370.2 375.5 393.5 406 413.2

9 DREC 31.7 49.1 89.7 109.8 143.7 171.5 225.8 271.5 299.7 322.1 355 367.6 393.1 407.6 423.2

10 DREC 33.4 48 83.7 101.4 137 165.7 208.7 251.6 292.6 315.3 347.6 360.1 377 384.5 390.1

1 DRECAF 29.8 50.2 80 101.8 127.6 152 196.2 236.5 272.2 291.5 322.6 336.7 345.4 365 368.2

2 DRECAF 29.3 50.1 85.6 106.6 136 164 225.3 272 312.5 349.5 372.5 394.5 411.6 424.2 441.9

3 DRECAF 30.4 47.8 84 103.6 130.8 156.7 212.3 253.5 290 319.6 338.9 357.6 377 381 398

4 DRECAF 27.4 43.2 73.7 102.6 129.4 155.7 219.9 253.6 285.3 304.2 330 342.1 355.2 367 373.8

5 DRECAF 30 49.1 83.8 104.7 132.8 159.1 207.5 260 262.2 326.8 353.2 359.1 351.3 377 390.5

6 DRECAF 30 45.6 78.5 102.4 128 155.2 197.2 234 304.1 283.1 307.7 318.5 337.1 347.5 362.2

7 DRECAF 26.2 44.1 76.6 97.1 126.8 151.8 206.6 246 275.6 305.5 332.8 341.4 357 363.5 368.6

8 DRECAF 33 44.8 79.5 103.6 132 158.5 221.1 282 320.6 350.3 396.3 411.2 435.7 444.5 450.6

9 DRECAF 30.2 43.6 75.6 97.9 126.3 148.1 188.2 202 218.4 225.3 230.2 242.5 252.9 255.7 255.4

10 DRECAF 31 45.7 80 101.4 131.1 150.8 207.2 247.5 290.3 315 345 360.6 367.8 386.7 391.8

1 NCAF 47.8 100.7 155.3 182.2 251 286 318 343.4 363 373.2 388.1 393.1 404.8 419.9 420.2

2 NCAF 52.9 94.6 147.2 170.4 236.5 279.7 313 336.6 354 364 377.2 379 390.1 395.6 390.1

3 NCAF 55.1 108.2 168.2 197.4 270.5 328.4 361 390.7 409 425.6 442.6 455 475.3 477.1 468.5

4 NCAF 46.1 94.1 148.5 175.3 245.6 287 316.5 344 364.2 370.5 379.4 378.3 400.2 399.6 396.3

5 NCAF 43.3 86.7 144.2 175 249.1 294.6 328.4 356.9 382.6 351.3 403.5 410.5 427.2 442.9 430.5

6 NCAF 48.3 90.1 148.2 177.4 258.3 310 345.5 370.7 404.1 413.8 433 441.7 456.5 477.6 482

7 NCAF 48 102.2 155.8 176.6 250.1 298.9 332.8 349.6 372 382.1 395 402.5 414.2 425 430

8 NCAF 58 111.8 166.2 193.6 268.9 309.1 343 367.6 396 410.2 430 443 457.5 469.1 481.3

9 NCAF 31.2 57.2 94 129.5 179.9 225.4 266 287 311.5 329.6 349.6 361.1 371.3 390.1 397.8

10 NCAF 32.4 57.5 91.7 133.3 180.4 220 260 279.3 309.2 329.4 345.3 360.3 371.9 392.6 395.3

1 NORM 50.4 107.6 170.4 199.5 284.8 347 372 400.3 430.9 451.8 469 480 488.4 488.5 480.1

2 NORM 45 100 161.6 194.4 275.4 343 370.1 395.7 426.2 445.1 472 482 483.5 498.5 492.4

3 NORM 58.2 112.9 172.6 199.8 282.6 337 368.1 393.1 415.9 432.7 447.2 450.5 472.2 470.3 456.5

4 NORM 62 124.5 188.3 223.8 300.5 357 397.5 415 452.5 463.3 490.1 496 504 500.3 498.2

5 NORM 51.7 113.4 171.8 207.6 295 359 384.2 424.6 452.3 477.8 504 512 534.4 553.1 545

6 NORM 59.8 111.3 167.1 188.6 266.1 320.9 346.2 370.3 404.8 421.2 442.8 452 560.9 470.8 363.5

7 NORM 59.8 113.1 176 208.2 290.4 346.2 373.7 410.1 432 442 460.1 478 483 486.8 494

8 NORM 43.6 86.4 123.6 170.9 228 274.5 314.5 346.6 379.1 406.8 423.5 431.3 443.4 453.7 466.9

9 NORM 44.2 90 139.2 184 238 281.2 318.2 343 381.8 404.8 420.3 431.7 440.1 414.6 445.5

10 NORM 48.1 92.8 141.3 186.5 240 286.7 324.8 354 380.3 408.1 429 436.7 442.5 443.9 451

36

Na FIGURA 1, o diagrama box-plot mostra que a maioria dos pesos estão

concentrados na parte inferior do gráfico, o que pode ser confirmado pois a mediana ficou

abaixo do valor central. Este comportamento indica que a distribuição do peso dos ratos é,

ligeiramente, assimétrica.

FIGURA 1: Box-plot dos pesos.

O QUADRO 2 mostra uma análise descritiva destes dados, onde se verifica

que aqueles referentes ao peso são inferiores ao valor central, com variâncias não

homogêneas e correlação entre as médias dos pesos ao longo das semanas, ou seja, são

levados em consideração todos os pesos dos sessenta animais ao longo de toda a vida (18

semanas).

O valor mínimo no quadro é 25,2g, o valor máximo é 560,9g, o 1o Quartil é

37

140,3 e o 3o Quartil é 350,6, a mediana é 251,7 e a média é 246,6.

QUADRO 4: Quadro da análise descritiva

Rato Grupo semana Peso

1: 90 DCAF: 150 4: 60 Min: 25,2

2: 90 DESN: 150 5: 60 1o Quartil:140,3

3: 90 DREC: 150 6: 60 Mediana: 251,7

4: 90 DRECAF: 150 7: 60 Média : 246,6

5: 90 NCAF: 150 8: 60 3o Quartil:350,6

6: 90 NORM: 150 9: 60 Max: 560,9

[1] 129.1238

A FIGURA 2 mostra que as distribuições dos pesos não demonstram

diferenças longínquas entre os animais, na décima oitava semana. Esse gráfico também

demonstra uma maior quantidade de animais pesando de 350 a 500 gramas na décima

oitava semana. Isso ocorre porque há quatro grupos de animais (DREC, DRECAF, NCAF,

NORM) que são alimentados com comida a vontade. Por comerem mais, esses animais,

apresentam um peso maior. E dois grupos de animais (DCAF, DESN) com alimentação

restrita, e por sofrerem restrição alimentar esses animais pesam menos. Como todos os

grupos têm o mesmo número de animais, temos o dobro de animais com maior peso o que

confirma as informações do gráfico.

38

FIGURA 2: Histograma do peso em gramas desses animais em função do número de ratos (freqüência absoluta).

A análise de variância univariada de perfis é fundamentada na suposição de

que a resposta (peso) obedece a uma distribuição normal. Para verificar se esta suposição

está sendo obedecida utilizamos o gráfico de probabilidade normal (Normal Q-Q plot)

conforme apresentado na FIGURA 3. A FIGURA 3 mostra que os pesos não estão

distribuídos em torno de uma reta com inclinação de 45 graus e, portanto, a distribuição

dos pesos não pode ser considerada como tendo uma distribuição normal. Este resultado já

havia sido verificado pelas FIGURAS 1 e 2. Isso tende a indicar que quando misturamos

todos os animais de todos os grupos e os pesos de todos esses animais na diferentes

idades, teremos diferenças estatísticas.

39

FIGURA 3: Q-Q plot da distribuição teórica (normal) em relação à distribuição da amostra.

A FIGURA 4 mostra o desenvolvimento dos ratos no decorrer das semanas, e

apresenta valores centrais bem diferenciados. O que explicita o desenvolvimento

significativo dos animais no decorrer das semanas, como era de se esperar, pois esses

animais estão sendo avaliados na fase de crescimento e, portanto vão apresentar um

aumento de peso e tamanho, o que é natural.

40

FIGURA 4: Box-plots das semanas em relação ao peso.

Na FIGURA 5 os grupos DCAF, DESN, DREC e DRECAF possuem medianas

aproximadas o que tem uma tendência a indicar que estes grupos não apresentam

diferenças significativas. Já os NCAF e NORM apresentam medianas que estão um pouco

mais distantes, isso pode vir a indicar que há uma diferença significativa.

Quando comparamos individualmente os grupos DCAF e DESN parece que

não há diferença significativa, suas medianas e seus quartiis estão bem próximos. O

mesmo acontece com os grupos DREC e DRECAF. Já nos grupos NCAF e NORM suas

medianas e seus quartiis apresenta distâncias distintas entre si podendo indicar diferenças

significativas.

41

FIGURA 5: Box-plots dos grupos em relação ao peso. Na FIGURA 6 percebe-se o desenvolvimento dos grupos (DCAF, DESN,

DREC, DRECAF, NCAF e NORM) no decorrer das semanas. Temos grupos bem

próximos em seu desenvolvimento e outros bem longínquos, ficando assim bem visível

diferença significativa entre pelo menos dois grupos. DCAF e DESN estão próximos,

assim com DREC e DRECAF o que é justificável, pois os animais desses grupos quando

comparados em pares, respectivamente, receberam tratamentos semelhantes. Quando

comparados os grupos NORM e NCAF percebe-se que esses grupos estão mais distantes,

isso tende a indicar que quando os animais recebem tratamento normal parece que o

consumo de café pode levar a um menor ganho de peso, isto é, quando são alimentados de

forma adequada, sem sofrer nenhuma outra interferência que possa prejudicar o

desenvolvimento, nesse caso a desnutrição. Essa análise confirma a mesma tendência

obtida na FIGURA 5.

42

FIGURA 6: Perfil de peso médio dos ratos, por grupo, no decorrer das semanas.

Na FIGURA 7 é apresentada a distribuição dos pesos dos ratos separados por

semanas. Quando observamos estes pesos separadamente percebem-se diferenças

significativas entre pelo menos duas semanas, o que é mais que esperado já que os

animais estão em fase de crescimento, e apresentam pesos maiores a cada semana que se

passa e vão ficando maiores e mais velhos.

100

200

300

400

500

Semana

Peso médio

4 5 6 7 8 9 11 13 15 17

grupo

NORM

NCAF

DREC

DRECAF

DESN

DCAF

43

FIGURA 7: Perfil de peso médio dos ratos, por grupo e semanas. Com os perfis não são paralelos existe interação significativa, no efeito do

tempo é nulo dentro de cada um dos tratamentos ou no efeito de tratamento é nulo dentro

de cada um dos tempos.

Para isto teremos de fazermos a análise de variância.

5.2 Análise de Variância

A análise de variância parte da suposição que a variável dependente (peso)

tenha distribuição normal. A análise exploratória anterior mostrou que a distribuição de

peso não é normal. Entretanto, sabe-se (MOORE, 2000) que a análise de variância é,

44

relativamente, robusta quando a distribuição não é fortemente assimétrica, sendo isso que

pode-se observar nos nossos dados de peso. Assim, a análise de variância poderia ser

aplicada em nossos dados.

A análise de variância (QUADRO 3) mostra que a hipótese é rejeitada por

haver regressão, isto é, o modelo é significativo a um nível de significância de 0,05. O

valor crítico na distribuição F, com 14 e 126 graus de liberdade, é aproximadamente 2,10.

Uma vez que F = 3307.4> Fs ≅ 2,10, ou uma vez que o valor p = 0,0000 < 0,05, rejeita-se

H0 e conclui-se que pelo menos uma das variáveis explanatórias está relacionada com

valor venal, conforme o quadro abaixo.

QUADRO 5: Análise de variância (rato: semana)

GL SQ Qm F Pr(>F)

Semana 14 11399489 814249 3307.4 2.2e-16

Erro 126 31020 246

Torna-se assim confiável que há diferença significativa entre uma ou mais

semanas no decorrer o estudo. O que era mais que esperado já que os animais estavam em

fase de crescimento.

A próxima análise de variância (QUADRO 4) mostra que a hipótese é rejeitada

por haver regressão, isto é, o modelo é significativo a um nível de significância de 0,05. O

valor crítico na distribuição F, com 5, 70 e 675 graus de liberdade, é aproximadamente

2,10. Uma vez que F = 1013.400> Fs ≅ 2,10 e F = 16.011> Fs ≅ 2,10 ou uma vez que o

valor p = 0,0000 < 0,05, rejeita-se H0 e conclui-se que pelo menos uma das variáveis

explanatórias está relacionada com valor venal, conforme o quadro abaixo.

QUADRO 6: Análise de variância (dentro)

GL SQ Qm F Pr(>F)

Grupo 5 2563527 512705 1013.400 2.2e-16

grupo: semana 70 567015 8100 16.011 2.2e-16

Erro 675 341500 506

Com um erro menor que 0,05 existe diferença significativa entre pelo menos

dois grupos. Há diferença significativa quando se faz análise entre grupo e semanas.

45

6 CONCLUSÕES

Para o nosso modelo, a análise univariada dos perfis resultou em interação

significativa entre pelo menos dois grupos (DCAF, DESN, DREC, DRECAF, NCAF e

NORM.) e diferença significativa entre pelo menos duas das semanas. As análises em

todo o trabalho apóiam os resultados destas diferenças significativas. Somente observou-

se diferença significativa entre as semanas, entre grupos de modo geral e grupos e

semanas correspondendo a perfis não horizontais.

Com as análises realizadas é possível ainda dizer que os tratamentos (restrição

alimentar, restrição e posterior recuperação e alimentação adequada) tendem a influenciar

o peso dos animais. E ainda que o consumo de café isoladamente sem, sem nenhuma outra

interferência parece ter uma tendência a diminuir o ganho de peso.

Para que todas essas hipóteses sejam confirmadas é necessário um estudo mais

aprofundado da influência do café sobre o ganho de peso dos animais e, principalmente,

é necessário que sejam realizados testes específicos (ex. circularidade) para que possam

ser confirmadas as diferenças estatísticas detectadas.

46

REFERÊNCIAS BIBLIOGRÁFICAS

ABIC (Associação Brasileira das Indústrias de Café). Disponível em: <http://www.abic.com.br>. . Acesso em 21 março. 2008.

ABREU, R.V. O sistema de biotransformação hepático, induzido pela desnutrição e pelo paracetamol, é modulado pela ingestão de café. Dissertação de Mestrado Belo Horizonte: Faculdade de Farmácia, UFMG. Belo Horizonte,MG, 2005.

ALGINA, J.; KESELMAN, H.J. Detecting repeated measures effects with univariate and multivariate statistics. Psychological Methods, v.2, p.208-218, 1997.

ANJO, D. L. C. Alimentos funcionais em angiologia e cirurgia vascular. Jornal Vascular Brasileiro. v.3, p. 145- 154, 2004.

ARNOLD, S. F. The Theory of Linear Models and Multivariate Analysis. Wiley, 475p, 1981.

ASCHERIO, A.et al. Prospective study of caffeine consumption and risk of Parkinson's disease in men and women. Annals of Neurology, v.50, p.56-63, 2001.

BARBOSA, W. M. Efeito da ingestão de café sobre a liberação de glutamato sinaptossomal, estimulada por toxina escorpiônica, em ratos,. Dissertação de mestrado, Faculdade de Farmácia UFMG. Belo Horizonte, MG, 2007

BENEDETTI, M.D et al. Smoking alcohol, and coffee consumption preceding Parkinson's disease: a case-control study. Neurology, v.55, p,1350-1358, 2000.

BONILLA, F.H. Comparação entre El analisis de parcelas divididas y El motodo de analisis de perfil. Dissertação de mestrado, Escuela Nacional de Agricultura de Chapingo. Chapingo, México, 1974.

BOX, G. E. P. Problems in the analysis of growth and wer curves. Biometrics. v. 6, p. 362-89, 1950

BOX, G.E.P. Some theorems on quadratic forms applied in the study of analysis of variance problems. I: effects of inequality of variance and of correlation between errors in the two-way classification. The Annals of Mathematical Statistics, v.25, p.484-498, 1954b.

BOX, G.E.P. Some theorems on quadratic forms applied in the study of analysis of variance problems. I: effects of inequality of variance in the one-way classification. The Annals of Mathematical Statistics, v.25, p.290-302, 1954a.

CARVALHO, G.G.P. et al. Comportamento ingestivo de cabras leiteiras alimentadas com farelo de cacau ou torta de dendê. Pesquisa Agropecuária Brasileira, v.39, p.919-925, 2004.

CASTIGLIA, P. T. Protein-energy malnutrition (Kwashiorkor and marasmus). Journal Pediatric Health Care, v.10, p.28-30, 1996.

47

CLARKE, R.J. ; MACRAE, R.(Ed.) Coffee: chemistry. 2. ed. New York: Elsevier, 305 p., 1989.

COLE, J.W.L. ; GRIZZLE, J.E.. Applications of multivariate analysis of variance to repeated measurements experiments. Biometrics, v.22, p.810-828, 1966.

CROWDER, M.J. ; HAND, D.J. Analysis of repeated measures. London: Chapman; Hall, 256p, 1990.

DANFORD, M. B.; HUGHES, H. M.; MCNEE, R. C.. On the analysis of repeated measurements experiments. Biometrics, v.16, p.547-665, 1960.

DE ANGELIS, R. C.. Novos conceitos em nutrição: reflexões a respeito do elo dieta e saúde. Arquivos de Gastroenterologia, v.38, p.269-271, 2001.

DIGGLE, P.J. .An approach to the analysis of repeated measurements. Biometrics, v.44, p.959-971, 1988.

GEISSER, S. ; GREENHOUSE, S.W. An extension of Box's results on the use of the F distribution in multivariate analysis. The annals of Mathematical Statistics , v.29, p.885-891, 1958.

GEISSER, S.. Multivariate analysis of variance for a special covariance case. Journal of the American Statistical Association, v.58, p.660-669, 1963.

GIRDEN, E.R.. ANOVA: Repeated measures. Newbury Park: Sage, (Sage university paper series on qualitative applications in the social sciences, 84p), 1992.

GOMES, G.B.. Efeito do café sobre o sistema de biotransformação hepatico de ratos. durante o crescimento e desenvolvimento. Dissertação de Mestrado Faculdade de Farmácia, UFMG. Belo Horizonte, MG, 2004.

GREENHOUSE, S. W. ; GEISSER, S.. On methods in the analysis of profile data. Psychometrika, v.24, p.95-112, 1959.

HOWELL, D.C.. Statistical methods for psychology . 5.ed., Belmont: Duxberry Press, 2002.

HUGLES, H. M.; DANFORD, M. B.. Repeated measurement designs, assuming equal variances and covariances. School of Aviation Medicine Report, p.59-40, 1958.

HUYNH, H.; FELDT, L.S.. Conditions under which mean square rations in repeated measurements designs have exact F-distributions. Journal of the American Statistical Association , v.65, p.1582-1589, 1970.

HUYNH, H.; FELDT, L.S.. Estimation of the box correction for degrees of freedom from sample data in randomised block and split-plot designs. Journal of Educations Statistics , v.1, p.69-82, 1976.

ICO (International Coffee Organization) . <http://www.ico.org> . . Acesso em 21 fevereio. 2008.

48

IEMMA, A. F.; CAMPOS, H.. Ensaios com Parcelas Subdivididas: Resultados Básicos. Revista de Agricultura, v.57, p.203-211, 1982.

IEMMA, A. F. Testes de hipóteses nos experimentos com parcelas subdivididas em blocos incompletos balanceados. Desarrollo Rural En las Americas. V.15, p.143-151. 1983.

IEMMA, A. F. Análise de experimentos em parcelas subdivididas com tratamentos principais dispostos em blocos incompletos balanceados. Tese de Doutorado, Escola Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo. Piracicaba,SP, 1981.

IHAKA, R ; GENTLEMAN, R. R.. A Language for Data Analysis and Graphics. Journal of Computational and Graphical Statistics . v. 5, p.299- 314, 1996.

KELLER, E.A.; MUNARO, N.I. ; ORSINGHER, O.A.. Perinatal undernutrition reduces alpha and beta adrenergic receptor binding in adult rat brain, Science, v.215, p.1269-1270, 1982.

LEAL, M. L. S.. Análise de Dados de Experimentos com Medidas repetidas. Dissertação de Mestrado, UNB, Brasília,DF, 1979.

LITTLE, T. M.; HILLS, F. J.. Statistical Methods in Agricultural Research. Agricultural Extension, University of California, 1972.

MAXWELL, S.E.; DELANEY. Designing experiments and analyzing data. Belmont: Wadsworth, 1990.

MCELORY, F.W.. A necessary and sufficient condition that ordinary least squares estimators are best linear unbiased, Journal of the American Statistical Association, v.62, p.1302- 1304, 1967.

MOORE, D. S. A estatística básica e sua pratica. Traduzido por Alfredo Alves de Farias. Rio de Janeiro: Livros Técnicos e Científicos, 2000.

MORRISON, D.F. - Multivariate statistical methods. San Francisco, McGraw-Hill, 1967.

MULLER, K.E.; BARTON, C.N.. Approximate power for repeated-measures ANOVA lacking sphericity. Journal of the American Statistical Association , v.84, n.406, p.549-555, 1989.

NEHLIG, A. .Are we dependent upon coffee and caffeine? A review on human and animal data. Neuroscience Biobehavioral Reviews, v.23, p.563-576, 1999.

NUNES, M.L. et al. Effects of early. malnutrition and nutritional rehabilitation in rats. Journal of Pedriatrics, v.78, p.39-44 , 2002.

PAOLINELLI, S. T. Ação da cúrcuma com alimento funcional sobre o sistema de biotransformação de xenobióticos induzidos pela desnutrição. Dissertação de Mestrado. Faculdade de Farmácia, UFMG. 2002.

49

PEARCE, S.C. Field experimentation with fruit trees and other perennial plants. Tech. Com. 23, Commonwealth Bureau. Hort. Pltn. Crops., p.48, 1953.

PEDROSA, M.L. et al. Neuronal protein biosynthesis by neonatally malnourished and nutritionally recovered rats, Brazilian Journal of Medical and Biological Research, v.20, p.331-338, 1987.

ROSS G.W. et al. Association of coffee and caffeine intake with the risk of Parkinson disease. JAMA, v.283, p.2674-2779, 2000.

RYAN, L.; HATFIELD, C.; HOFSTTER, M. Caffeine reduces time-of-day effects on. memory performance in older adults. American. Psychological. Assiciation, v.13, n. 1, p., 2002.

SALDAÑA, M D. A.; MAZZAFERA, P ; MOHAMED, R. S.. Extração dos alcalóides: cafeína e trigonelina dos grãos de café com CO2 supercrítico. Ciência Tecnologia de Alimentos, v.17, p.371-376,1997.

SANTOS-MONTEIRO, J.; et al. Psychosocial stimulation and brain plasticity in malnourished individuals. Revista Brasileira de Saúde Materno Infantil, v.2, p. 15-22, 2002.

SILVA, J. G. C., Análise de Realizações Simultâneas de Séries de Tempo Dispostas Segundo um Delineamento Experimental.Tese de Professor Titular, Universide Federal de Pelotas, 1979.

SMITH, A. et al. Caffeine and central. noradrenaline: effects on mood, cognitive performance, eye movements and cardiovascular function. Journal of Psychopharmacology, v.17, p.283-292, 2003.

SNEDECOR, G. M. ; COCHRAN W. G., Statistical Methods. The Iowa State College Press, 534p, 1957.

STEEL, R.G.D ; TORRIE, J.H. Principles and procedures of statistics. New York, McGraw-Hill Book, 481p, l960.

STEVENS, J. Applied multivariate statistics for the social sciences . 2.ed., Hillsdale: LEA, 1992.

STEVENS, W. L. Análise estatística do ensaio de variedades de café. Bragantia, Campinas, v. 9, p.103-123, 1949.

VITORINO, M. D. et al. Metodologia de obtenção de extrato de café visando a dosagem de compostos não voláteis. Revista Brasileira de Armazenamento. V. Especial café (3), p.17-24, 2001.

VON ENDE, C.N. Repeated-measures analysis: growth and other time- dependent measures. In: SCHEINER, S.M. ; GUREVITCH, J. (Eds) Design and analysis of ecological experiments. New York: Chapman ; Hall, p.113-137, 1993.

WAITZBERG, D. L. Nutrição oral, enteral e parenteral na prática clínica. 3.ed. São Paulo: Atheneu. v.1, 2000.

50

WATERLOW, J. C. Protein-Energy Malnutrition. London, Edward Arnold, 1992.

WHO (World Health Organization), Administrative Committee on Coordination (ACC), Standing Committee on Nutrition (SCN). Nutrition through life, 4. th. Report on the world. nutrition situation. Geneva: ACC/SCN/WHO; 2000.

WILKS, S. S.. Sample Criteria for Testing Equality of Means, Equality of Variances, and Equality of Covariances in a Normal Multivariate Distribution. The Annals of Mathematical Statistics, v.17, p.257-281, 1946.

WINICK, M.; NOBLE, A. Cellular response in rats during malnutrition at various ages, Journal of Nutrition, v.89, p.300-306, 1966.

WISHAT, J.Growth-Rate Determinations in Nutricion Studies with the Bacon Ping, and Their Analysis. Biometrika, v.30, p.16-28, 1938.

YANAGIMOTO, K. et al.Antioxidative activities of fractions obtained from brewed coffee. Journal of Agricultural and Food Chemistry, v.52, p.592-596, 2004.

51

ANEXO

Comandos em R

> café > summary(anava) >shapiro.test(cafe$peso(cafe$semana==18)) >data: cafe$peso(cafe$semana == 18) > qqline(cafe$peso(cafe$semana==18)) > help(qqnorm) > shapiro.wilk(cafe$peso(cafe$semana==18)) > qqnorm(cafe$peso(cafe$semana==4)) > qqnorm(cafe$peso(cafe$semana==1)) > qqnorm(cafe$peso(cafe$semana==13)) > abline(qqnorm(cafe$peso(cafe$semana==13))) > qqnorm(cafe$peso(cafe$semana==13)) > hist(cafe$peso(cafe$semana==13)) > boxplot(cafe$peso~cafe$semana, col="red") > qqnorm(cafe$peso) > boxplot(cafe$peso~cafe$semana) > boxplot(cafe$peso~cafe$grupo) > interaction.plot(cafe$grupo, factor(cafe$semana), cafe$peso, ylab="Peso médio",xlab="Grupo",trace.label="semana") > summary(anava) > help(interaction.plot) > anava<-aov(peso~grupo*semana+Error(rato/semana),data=cafe) > interaction.plot(cafe$rato, factor(cafe$semana), cafe$peso, ylab="Peso médio",xlab="Grupo",trace.label="semana") > interaction.plot(cafe$grupo, factor(cafe$semana), cafe$peso, ylab="Peso médio",xlab="Grupo",trace.label="semana") > interaction.plot(cafe$semana, factor(cafe$grupo), cafe$peso, ylab="Peso médio",xlab="Semana",trace.label="grupo") > anava<-aov(peso~grupo*semana+Error(rato/semana),data=cafe) > cafe(1,) >qqnorm(cafe$peso(cafe$grupo)) > summary(cafe) >hist(cafe$peso,xlab="peso (em gramas)",ylab="frequência absoluta", main="") >hist(cafe$peso(cafe$grupo)) >boxplot(cafe$peso~cafe$semana,xlab="semanas",ylab="peso (em gramas)") >(cafe$semana==18),xlab="peso (em gramas)",ylab="frequência absoluta", main="") >qqnorm(cafe$peso,xlab="distribuição teórica",ylab="distribuição da amostra", main="") > boxplot(cafe$peso,xlab="animais",ylab="peso (em gramas)")