Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
profissional deve portar a habilidade para discernir um fato cientfico de uma opinio pessoal ou
individual. Nas reas de sade, a estatstica uma
ferramenta indispensvel para auxiliar o indivduo
neste discernimento, a qual se preocupa com a
organizao, descrio, anlise e interpretao dos
dados experimentais. Sobre este aspecto, salienta-se que a elaborao de um trabalho com uma
amostragem e um delineamento estatstico adequado pode proporcionar extrapolaes prticas,
mais seguras do que aquelas explicitadas aleatoriamente e sem amplitude suficientemente segura.
Embora os variados tipos de mtodos estatsticos estejam descritos em livros especficos1,3,4,5,9,10
eles continuam distantes da nossa realidade devido dificuldade no seu entendimento e falta
de exemplos clnico-cientficos palpveis que estimulem este entendimento. Por outro lado, poucos artigos voltados para a rea de Ortodontia se
INTRODUO
Um conhecimento cientfico deve ser baseado
em fundamentos comprovados, suplantando as
qualidades de um julgamento arbitrrio, da superstio e das tendncias individuais. A comprovao, por sua vez, deve ser obtida sob a regncia
de um mtodo minuciosamente elaborado, consistindo as seguintes etapas: 1) elaborao de uma
hiptese; 2) considerao dos possveis resultados
atuantes sobre a hiptese escolhida; e, finalmente, 3) a avaliao da hiptese para a verificao da
idia original2. Assim, uma idia que parte do empirismo se torna um conhecimento; mesmo que a
suposio original no corrobore com a hiptese,
seja apenas casual.
A idade contempornea est vivenciando uma
grande afluncia de tecnologias, de experincias e
de idias novas ou reintroduzidas, seja nas reas
tecnolgicas ou biolgicas. Mais do que nunca, um
97
98
Aplicao de algum
procedimento estatstico
106 (86,18%)
Sem estatstica
17 (13,82%)
Tabela 2 - Freqncia dos tipos de procedimentos estatsticos encontrados nos 106 artigos da revista
American Journal of Orthodontics Dentofacial Orthopedics do ano 2001.
Tipos de testes realizados
Freqncias
Freqncias
Teste t
52 (20,39%)
Correlao Intraclasse
2 (0,78%)
Anlise de varincia
34 (13,44%)
2 (0,78%)
16 (6,27%)
Friedman
1 (0,39%)
Teste de correlao
22 (8,63%)
Weibull
1 (0,39%)
Teste de regresso
21 (8,23%)
Fatorial
1 (0,39%)
Teste de Tukey
16 (6,27%)
Erro pado
1 (0,39%)
Wilcoxon
11 (4,31%)
Cox-Mantel
1 (0,39%)
Teste de normalidade
10 (3,92%)
1 (0,39%)
Kruskal-Wallis
8 (3,14%)
Duncan
1 (0,39%)
Mann-Whitney
7 (2,74%)
Kaplan-Meier
1 (0,39%)
Teste Qui-Quadrado
6 (2,35%)
Tabelas de contigncia
1 (0,39%)
Bonferroni
6 (2,35%)
Fleiss-Cohen
1 (0,39%)
5 (1,96%)
Akritas
1 (0,39%)
Teste de Scheff
4 (1,57%)
MANOVA
1 (0,39%)
Student-Newman-Keuls
3 (1,17%)
ANCOVA
1 (0,39%)
Coeficiente de confiana
3 (1,17%)
Porcentagem
5 (1,96%)
Teste de Fisher
2 (0,78%)
Elemento finito
5 (1,96%)
Kappa
2 (0,78%)
Total
255 (100%)
52 (59,77%)
Regresso
21 (48,84%)
Anlise de varincia
34 (39,08%)
Correlao de Pearson
18 (41,86%)
ANCOVA
1 (1,15%)
Coeficiente de Spearman
4 (9,30%)
Total
87 (100%)
Total
43 (100%)
Tukey
16 (53,33%)
Dahlberg
16 (55,17%)
Bonferroni
6 (20,00%)
No-especificado
5 (17,25%)
Scheff
4 (13,33%)
Coeficiente de confiana
3 (10,34%)
Newman-Keuls
3 (10,00%)
Kappa
3 (10,34%)
Duncan
1 (3,34%)
Correlao intraclasse
2 (6,90%)
Total
30 (100%)
Total
29 (100%)
99
Wilcoxon
11 (40,74%)
Qui-quadrado
Kruskal-Wallis
8 (29,63%)
Fisher
2 (20,00%)
Mann-Whitney - U
7 (25,93%)
1 (10,00%)
Friedman
1 (3,70%)
Mantel
1 (10,00%)
Total
27 (100%)
Total
10 (100%)
10 (34,47%)
Porcentagem
5 (17,24%)
Elemento finito
5 (17,24%)
2 (6,90%)
MANOVA
1 (3,45%)
Akritas
1 (3,45%)
Weibull
1 (3,45%)
Erro padro
1 (3,45%)
Tabelas de contingncia
1 (3,45%)
Kaplan-Meier
1 (3,45%)
Fatorial
1 (3,45%)
Total
29 (100%)
6 (60,00%)
100
Testes de significncia
Para efetuar os testes de significncia, a dificuldade reside na escolha dos tipos de testes, que podem ser subdivididos em dois grandes grupos: os
paramtricos e os no-paramtricos4.
Os testes denominados paramtricos so aqueles aplicados para a comparao de variveis contnuas, que apresentam varincias iguais e distribuio normal ou prxima da normalidade tambm
conhecida como distribuio Gaussiana, ou seja,
variveis quantitativas cujas distribuies, quando
representadas em grfico, apresentam a forma de
um sino4,5,8. Na utilizao destes testes, pode ser
necessrio optar entre teste unicaudal ou bicaudal.
O teste unicaudal apropriado quando a direo
de uma diferena pode ser pr-determinada ou
quando se pode afirmar o grupo com maior mdia8. Em situaes onde no possvel especificar a
direo da hiptese, isto , a diferena pode variar
para mais ou para menos, um teste bicaudal deve
ser escolhido8. De fato, a segunda situao mais
comum de ocorrer, portanto, razovel sempre que
possvel, optar pelo teste bicaudal.
importante notar que, nem sempre as variveis quantitativas que apresentam uma distribuio
normal numa populao implicam na distribuio
normal da amostra selecionada. Isto pode ocorrer
em circunstncias de amostras pequenas5,8. Assim,
pode-se considerar como um procedimento preliminar, a execuo do teste de normalidade para definir
a amostra segundo sua distribuio de freqncias.
Poucos artigos cientficos revisados relataram
o emprego do teste de normalidade, mas aplicaram diretamente testes paramtricos para a
comparao das variveis. Isto pode perder a veracidade quando a amostra pequena. s vezes,
duas amostras com variveis contnuas que no
apresentam distribuio normal podem ser submetidas a um teste paramtrico desde que suas
variveis sejam transformadas5,8. A transformao
consiste em realizar uma aproximao das variveis curva de normalidade8. O procedimento
de transformao pode ser relevante, visto que,
freqncia
82
SNA
101
Testes de associao
Alm dos testes de significncia, os testes de
associao tambm so freqentemente utilizados,
os quais incluem os testes de correlao e de regresso. Os testes de correlao visam estabelecer
uma relao linear entre duas variveis e avaliar a
sua intensidade2,4,5,8,9,10. O coeficiente de correlao pode variar entre 1 e 1. A correlao mais
forte quanto mais o coeficiente se aproxima do 1
ou do 12,5. Se o coeficiente for zero, no existe
uma correlao linear entre as variveis. Isto no
implica que as duas variveis no esto relacionadas, mas apenas que elas no apresentam uma
relao linear2,5. Quando o coeficiente apresenta
sinal positivo, significa que as variveis variam em
conjunto no mesmo sentido, isto , se uma aumenta a outra tambm aumenta e se uma diminui, a
outra tambm diminui4,5,8,9. Por outro lado, se o
sinal for negativo, a relao inversa, ou seja, as
variveis variam em sentidos opostos4,5,8,9.
O teste de correlao no faz julgamento sobre
se uma varivel causa ou conseqncia da outra,
apenas estuda quo consistentemente duas variveis mudam em conjunto. Muitos fatos esto associados e no tm uma relao de causa e efeito5.
Analogamente aos testes de significncia, para
102
a realizao dos testes de correlao, deve-se iniciar pela verificao da distribuio das amostras.
O teste de correlao de Pearson destinado para
dados onde ocorre distribuio normal, enquanto
que o de Spearman destinado para dados sem
distribuio normal8.
Os testes de regresso visam estabelecer uma
funo matemtica para descrever a relao entre as
variveis estudadas8, sendo freqentemente utilizados quando se deseja verificar a previsibilidade do
comportamento de uma determinada varivel em
relao outra. Geralmente o teste de regresso
aplicado quando existe uma correlao significante
ente as variveis definidas pelo coeficiente de determinao que consiste do coeficiente de correlao
elevado ao quadrado (r2). Este coeficiente de determinao deve ser o mais prximo possvel do 14,5,8.
Tanto o teste de correlao como o de regresso no devem ser aplicado para dados nominais
em forma de escores ou escalas, pois estes nmeros so arbitrrios e no apresentam um significado numrico real. Se for realmente de interesse a
associao entre duas variveis nominais, o teste
Qui-quadrado pode ser considerado2.
Para um melhor entendimento, pode-se exemplificar o emprego dos testes estatsticos citando
um artigo extrado do levantamento bibliogrfico.
Num estudo efetuado por Kim e Muhl7, estes autores propuseram: 1) avaliar como o AEB cervical
afeta na direo do crescimento mandibular durante e aps o tratamento quando comparado com o
grupo no-tratado; 2) analisar a previsibilidade da
rotao mandibular durante o tratamento a partir
de vrias medidas de padro esqueltico; 3) veri-
Amostra
isolada
(Teste t)
> de 2 amostras
emparelhadas
(ANOVA com
repetio)
2 amostas
emparelhadas
(Teste t
emparelhado)
Amostra
isolada
(Wilcoxon)
> de 2 amostras
independentes
(One-way
ANOVA)
2 amostas
independentes
(Teste t
independente)
> de 2 amostras
emparelhadas
(Friedman)
2 amostas
2 amostas
emparelhadas independentes
(Wilcoxon) (Mann-Whitney)
Dados nominais
Amostras
emparelhadas
n < 25
(Teste do sinal)
Amostras
independentes
n < 25
(Fisher)
Amostras
emparelhadas
n > 25
(McNemar)
Amostras
independentes
n > 25
(Qui-quadrado)
103
> de 2 amostras
independentes
(Kruskal-Wallis)
104
seria interessante verificar tambm o erro aleatrio, principalmente quando o estudo cefalomtrico, o que corresponde s diferenas cometidas
quando na identificao das estruturas e nas mensuraes das grandezas cefalomtricas.
Controle
Mdia
Desvio-padro
Mdia
Desvio-padro
Rotao mandibular
0,25
3,0
-1,7
2,4
0,94
Rotao maxilar
2,6
1,6
-0,7
1,3
0,00
ngulo facial
0,5
1,8
1,4
1,4
0,04
ANB
-2,4
1,9
-0,5
1,0
0,00
-2,0
3,2
-3,4
4,6
0,16
2,2
1,5
-0,7
1,9
0,00
Controle
Desvio-padro
Mdia
Desvio-padro
Rotao mandibular
-1,5
1,3
-0,7
1,2
0,03
Rotao maxilar
-0,7
1,2
-0,2
0,9
0,11
ngulo facial
0,5
1,0
0,5
0,7
0,94
ANB
-0,3
1,0
-0,1
0,8
0,45
-1,7
2,7
-2,0
2,6
0,64
-0,5
1,0
0,5
1,2
0,00
105
Controle
Mdia
Desvio-padro
Mdia
Desvio-padro
Rotao mandibular
-1,3
3,5
-2,9
3,1
0,10
Rotao maxilar
1,8
2,1
-1,3
1,9
0,00
ngulo facial
1,0
2,3
2,2
1,9
0,07
ANB
-2,7
2,1
-0,8
1,0
0,00
-3,6
2,0
-5,1
3,7
0,15
1,7
1,7
-0,5
1,4
0,00
r2
r2 cumulativo
0,2286
0,2286
5,88
0,0076
0,0750
0,3035
Seqncia
-0,67
0,0001
-0,77
0,0001
-0,73
0,0001
0,39
0,0339
-0,44
0,0154
0,72
0,0001
106
a mesma rejeitada; em outras palavras, o experimento demonstra uma diferena entre as amostras
a qual no existiria na realidade; enquanto que o
erro tipo II ocorre quando a hiptese nula falsa,
porm, a anlise foi aceita, ou seja, realmente existe a diferena embora no seja detectada4,5,8,9.
Assim, toda vez que a deciso tomada para
aceitar ou rejeitar alguma hiptese, implica certa probabilidade de cometer erros. A probabilidade de cometer o erro tipo I descrita pela
letra A4,5, sendo conhecida como o nvel de
significncia. A probabilidade de cometer erro
tipo II descrita pela letra B e est relacionada
ao poder de estudo, isto , a capacidade do estudo em detectar diferenas5. razovel sempre
determinar quanto de erro admissvel: para o
erro tipo I, considera-se geralmente que at 5%
aceitvel e para o erro tipo II, comumente se
aceita de 10% a 20%5.
Em termos de nvel de significncia, comumente
descrito na parte de resultado como diferena estatisticamente significante ao nvel de 5%, 1%, 0,1% e
assim por diante, implica que ao decidir em rejeitar
a hiptese nula (amostras iguais) existe uma probabilidade de 5%, 1% ou 0,1% de estar rejeitando a
hiptese nula mesmo que a mesma seja verdadeira.
Logicamente, quanto menor for esta probabilidade, a deciso de rejeitar a hiptese nula estaria bem
mais fundamentada5,8. Vale salientar que quando a
diferena no estatisticamente significante, podese concluir somente que no existe evidncia suficiente para rejeitar a hiptese nula, em vez de concluir que a hiptese nula seja verdadeira, ou seja,
no existe diferena entre as amostras8.
Por outro lado, o termo significante s vezes pode
ser mal interpretado. Uma significncia estatstica
no implica significncia clnica. Uma diferena estatisticamente significante no sinnima de clinicamente significante e to pouco implica que seja
biologicamente ou clinicamente importante. Por
outro lado, um resultado no significante pode se
tornar muito importante pelo seu contexto8.
s vezes, o valor de A bem pequeno, por
107
Statistics plays a fundamental role in scientific method, which aims to organize, to describe, to analyze and
to interpret the data obtained from an observation or an experiment. However, it continues unavailable, in
interpretation, by the readers as well as by those who employ it. Sometimes, statistics is mistakenly applied or
comprehended due to some terms, which, statistically, present their own meanings. Additionally, there are few
articles in Orthodontics that describe this subject. Thus, the present article aims to perform a survey about the
frequencies of the use of statistics, to make considerations about the selection of its methods and to explain
about the possible interpretations of the data.
Key words: Statistics. Orthodontics.
REFERNCIAS
1.
2.
3.
4.
5.
6.
HOUSTON, W. J. B. The analysis of errors in orthodontic measurements. Am J Orthod, St. Louis, v. 83, p. 382-390, 1983.
7. KIM, K. R.; MUHL, Z. F. Changes in mandibular growth direction during and after cervical headgear treatment. Am J Orthod
Dentofacial Orthop, St. Louis, v. 119, p. 522-530, 2001.
8. MOTULSKY, H. J. Analyzing data with graphpad prism. San
Diego: Graphpad software, 1999. p. 357.
9. SOUNIS, E. Bioestatstica: princpios fundamentais: metodologia estatstica: aplicao s cincias biolgicas. 2. ed. Barueri:
McGraw-Hill do Brasil, 1975. p. 230.
10. VIEIRA, S. Introduo bioestatstica. 3. ed. Rio de Janeiro:
Ed. Campus, 1980. p.196.
ARMITAGE, P.; BERRY, G.; MATTHEWS, J. N. S. Statistical methods in medical research. 4th ed. Oxford: Blackwell Science,
2002.
BEGOLE, E. A. Statistics for the orthodontist. In: GRABER, T.;
VANARSDALL, R. L. Orthodontics: current principles and techniques. 3rd ed. St. Louis: Mosby-Year Book, 2000. p. 339-352.
BERQU, E. S.; SOUZA, J. M. P.; GOTLIEB, S. L. D. Bioestatstica. 2. ed. So Paulo: Pedaggica e Universitria, 1981. p. 350.
COSTA NETO, P. L. O. Estatstica. So Paulo: E. Blcher, 1977.
p. 264.
DORIA FILHO, U. Introduo estatstica: para simples mortais. So Paulo: Negcio, 1999. p.152.
108