DESENHOS DE ESTUDO

QUANTITATIVOS
QUALITATIVOS

DESENHOS DE ESTUDO
METODOLOGIA BSICA DA INVESTIGAO

1 Identificao do assunto a investigar

2 Identificao das variveis do estudo

3 Identificao da populao e amostra do estudo
4 Definio do desenho do estudo
5 Planeamento da recolha e anlise dos dados

6 Interpretao dos resultados (e elaborao do relatrio)

DESENHOS DE ESTUDO
NOES DE ESTATSTICA

1. Estatstica descritiva
2. Estatstica dedutiva

2.1 Intervalos de confiana

2.2 Testes Qui-quadrado e Fisher

2.3 Testes de Student / ANOVA e de Mann-Whitney / Kruskal-Wallis

3. Fora da associao:
3.1 Estudos de coorte Chance de adoecer Odds Ratio
3.2 Estudos de caso-controle Fatores de Risco, tambm posso verificar Odds Ratio

DESENHOS DE ESTUDO e ESTATSTICA

NO BASTA aplicar os testes estatsticos para tirar concluses sobre os nossos dados porque eles
podero estar errados ou porque o desenho do estudo pode no ser o correto.
Assim, fundamental, na hora de concluir o que quer que seja, pensar sempre em todas as
possibilidades de erro nos procedimentos metodolgicos escolhidos.
tambm fundamental revelar todos estes problemas de forma transparente no captulo "Discusso" do

relatrio final, sem tentar camuflar ou esconder estes erros, pois tal comportamento

extremamente grave para quem suposto estar procura da "Verdade".

DESENHOS DE ESTUDO e ESTATSTICA e ERROS

Fica-nos a consolao que todos os estudos cometem erros e tm limitaes, pelo que se
o nosso os no cometeu, ser muito ESTRANHO, a no ser que tenhamos sido
orientados por alguma entidade divina.

DESENHOS DE ESTUDO e ESTATSTICA

Na hora de interpretar os resultados, podemos classificar todas as possibilidades de

erro da seguinte forma:

ERROS ALEATRIOS relacionados com o processo de seleo aleatria de amostragem e

que as provas estatsticas medem quando nos informam da probabilidade de os

nossos resultados representarem o que sucede realmente na populao.
Para diminuir estes erros necessrio aumentar a dimenso da amostra at um limite
razovel, de acordo com os nossos recursos.
Existem formas fceis de calcular a dimenso da amostra, tendo em conta o mximo
erro aleatrio admissvel.

DESENHOS DE ESTUDO e ESTATSTICA

CLCULO DA DIMENSO DA AMOSTRA COM O EPIINFO

Esta possibilidade de calcular a dimenso de uma amostra muito til se queremos partir
para o estudo com alguma confiana sobre a possibilidade de, no futuro, podermos
extrapolar os nossos resultados para a populao.
Por outras palavras, a dimenso da amostra tem tudo a ver com a preciso dos intervalos
de confiana que queremos vir a ter quando fizermos os nossos clculos.

No entanto, necessrio ter em conta que esta amostra ter que ser obrigatoriamente
selecionada pelo mtodo aleatrio (simples, sistemtico ou estratificado).
Para isso, na seo STATCALC do EpiInfo, poderemos verificar qual a dimenso correta da
nossa amostra, escolhendo "Sample size & power" e depois "Population survey".

DESENHOS DE ESTUDO e ESTATSTICA

CLCULO DA DIMENSO DA AMOSTRA COM O EPIINFO

Teremos que responder seguidamente s perguntas colocadas, nomeadamente:
1 Qual a dimenso da populao total?
Experimente pr 5000.
2 Qual a frequncia que julgamos ser verdadeira na populao total?
evidente que no estamos certos desta frequncia, no entanto, tendo em conta outros
estudos ou informaes poderemos estimar esta frequncia... Quando no fazemos a
mnima ideia desta frequncia real, poderemos escolher o valor mais conservador que
50%. Os estudos de Reviso e os Seccionais ajudariam!
Experimente ento pr 50%.

DESENHOS DE ESTUDO e ESTATSTICA

CLCULO DA DIMENSO DA AMOSTRA COM O EPIINFO

Teremos que responder seguidamente s perguntas colocadas, nomeadamente:
3 Qual o valor mais errado que admitiramos obter da nossa amostra?
Suponhamos que admitiramos ter um intervalo de confiana de 50% + 10%, ou seja seria
obter ou 60% ou 40% como limites.

Ter que responder a esta pergunta colocando ou 60 ou 40%.

DESENHOS DE ESTUDO e ESTATSTICA

CLCULO DA DIMENSO DA AMOSTRA COM O EPIINFO

Teremos que responder seguidamente s perguntas colocadas, nomeadamente:
3 Qual o valor mais errado que admitiramos obter da nossa amostra? Ateno!
Verifique sempre se ambos os valores limites so credveis!
Suponha que d ao EpiInfo a informao que admitiria um intervalo de confiana de 5% +
10%, ou seja, seria obter ou 15% como limite mximo, ou -5% como limite mnimo, o que
no credvel porque um nmero negativo!

DESENHOS DE ESTUDO e ESTATSTICA

CLCULO DA DIMENSO DA AMOSTRA COM O EPIINFO

Teremos que responder seguidamente s perguntas colocadas, nomeadamente:
3 Qual o valor mais errado que admitiramos obter da nossa amostra? Ateno!
Veja agora o resultado: ter de ter uma amostra de 94 elementos se quiser obter intervalos

de confiana de 95% ("confidence level of 95%"), cujo limites no ultrapassem 60 ou 40%,

partindo do pressuposto que a verdadeira proporo de 50%, e que a amostra ser

selecionada pelos mtodos aleatrios j designados.

DESENHOS DE ESTUDO e ESTATSTICA

2- Erros Sistemticos, ou vis, que podem ser classificados da seguinte forma:

Vis de seleo: Tm a ver com o facto de selecionarmos uma amostra atravs de um

mtodo que no garante a sua

representatividade:
a)

vis de admisso,

p.ex., quando a nossa amostra selecionada a partir de uma populao especial, no

representativa da realidade. o caso se fizermos um estudo baseado na populao de toxicodependentes que vo aos
servios de sade: evidentemente as concluses tiradas de um estudo como este no podem ser generalizadas para todos
os toxicodependentes, por no incluir aqueles que no vo aos servios de sade. Relacionado com esta problemtica est
caracterizado o chamado vis de Berkson, que tem a ver com o facto de quando se estuda uma populao de doentes de
um servio de urgncia hospitalar, encontram-se frequentemente associaes estatsticas entre doenas que no se
encontram associadas, nem na populao em geral, nem patogenicamente.

DESENHOS DE ESTUDO e ESTATSTICA

2- Erros Sistemticos, ou vis, que podem ser classificados da seguinte forma:

Vis de seleo.

b) vis de amostragem, p.ex., quando aplicamos um questionrio a uma amostra de convenincia

que "apanhamos" na rua, esta poder ser constituda s pelos cidados mais simpticos e que mais saem
rua, o que poder ser muito diferente dos cidados em geral!

A nica forma de evitar este vis fazer sempre a seleo de forma aleatria.

DESENHOS DE ESTUDO e ESTATSTICA

2- Erros Sistemticos, ou vis, que podem ser classificados da seguinte forma:

c) vis de no participao, p.ex., quando muitos elementos da amostra se recusam a
responder ao questionrio.

d) vis de ausncia de respostas, p.ex., quando no se consegue contatar todos os

elementos da amostra.
e) vis relacionados com o desaparecimento de elementos da amostra em estudos
longitudinais.

DESENHOS DE ESTUDO e ESTATSTICA

VIS

DE INFORMAO: Tm a ver com os erros de classificao dos elementos da amostra, erros na medio das

variveis, ou na codificao e recolha da informao.

Geralmente classificam-se segundo dois tipos:

a) vis do observador (ou de classificao).

b) vis de resposta: o caso de um questionrio que por ser mal feito poder induzir a maioria dos elementos da
amostra a responderem num determinado sentido.

Estes erros podero ser minorados se houver rigor humano e tcnico, utilizando
instrumentos de medio mais vlidos, etc.

DESENHOS DE ESTUDO e ESTATSTICA

VIS DE CONFUNDIMENTO: importa em estudos analticos classificar as nossas variveis em trs categorias:
variveis de exposio, de resposta e interferentes.
H dois tipos de variveis interferentes: as de confundimento e as modificadoras de efeito.

O confundimento pode surgir quando uma varivel interferente (neste caso denominada de confundimento) distorce
ficticiamente a associao entre a varivel de exposio e de resposta, alterando-lhe a fora ou mesmo o sentido.
Um exemplo muito prtico quando o investigador quer saber se h associao entre o estado civil e o cancro.
Possivelmente, encontrar-se- uma associao positiva entre o facto de se estar casado e ter cancro, pelo que se poderia
tirar a concluso errada que o casamento constitui um risco cancergeno! A verdade que existe aqui uma varivel de
confundimento - a idade - que distorce a associao! Efetivamente, a idade (varivel de confundimento) est associada

tanto ao estado civil (varivel de exposio), porque os casados tendem a ser mais velhos, como ao cancro (varivel
resposta) porque os doentes de cancro tambm tendem a ser mais velhos.

DESENHOS DE ESTUDO e ESTATSTICA

Em todos os casos de confundimento necessrio que a varivel de confundimento esteja

associada tanto exposio como resposta.
Outra forma de dizer a mesma coisa referir que alm da varivel de confundimento estar
associada resposta, necessrio tambm que os diversos grupos classificados segundo a
v. de exposio (no exemplo atrs apontado: dois grupos - casados/solteiros) estarem
desajustados quanto varivel de confundimento (efetivamente, a proporo de velhos

era diferente entre os casados e solteiros). Repare-se que isto significa que, de alguma
maneira, um confundimento um erro no desenho do estudo, porque no se deve
comparar dois grupos desajustados.

DESENHOS DE ESTUDO e ESTATSTICA

Controlando o Confundimento.... Aulas posteriores

DESENHOS DE ESTUDO e ESTATSTICA

Finalmente, para decidirmos que uma determinada varivel de exposio poder ter uma relao de
causalidade com uma varivel resposta, deveremos pensar se se cumprem vrios CRITRIOS DE CAUSALIDADE.
Existem trs critrios essenciais de "causalidade"
a

temporalidade: efetivamente, impossvel um efeito ser anterior sua causa... no entanto, possvel

uma varivel ser anterior a outra e no haver qualquer relao de causalidade.

a associao estatstica: as variveis de exposio tero de estar associadas s variveis efeito de forma

estatisticamente significativa, ou seja, a associao no dever ser fortuita (devida ao acaso). No entanto,
possvel haver associaes causais entre variveis que, em virtude da pequena dimenso da amostra, no
do resultados estatisticamente significativos!

DESENHOS DE ESTUDO e ESTATSTICA

a ausncia de espuriedade, ou seja, ausncia de associaes "artificiais" entre variveis, que no tm

significado prprio (por ex.: a associao entre o estado civil e o cancro, ou nmero de telefones mveis e as
doenas cardacas ...) provocadas pela interferncia de terceiras variveis escondidas.

Estes so problemas do confundimento em uma investigao.

Os estudos experimentais so os que melhor podem controlar as confuses que todas estas variveis
interferentes podem provocar.

Nos outros estudos, tenta-se controlar estas interferncias atravs do emparelhamento, da

padronizao, ou da anlise estratificada e multivariada!

DESENHOS DE ESTUDO e ESTATSTICA

Outros critrios de causalidade considerados menos importantes so:

a fora da associao: quanto maior a diferena entre duas populaes quanto frequncia da doena
e do fator de risco, mais provvel ser haver uma associao entre a doena e o referido fator de risco.
A fora da associao mede-se em termos epidemiolgicos pelo risco relativo (ou Odds Ratio), risco

absoluto, coeficiente de determinao na correlao linear, etc.

No entanto, possvel pensarmos existir uma verdadeira associao causal, embora fraca,
quando os resultados, apesar de revelarem pouca fora de associao, so:
estatisticamente significativos...

DESENHOS DE ESTUDO e ESTATSTICA

a consistncia: quando a associao se repete em populaes diferentes e em circunstncias diferentes.

a especificidade: quando a causa leva sempre a um s efeito nico mais fcil estabelecer a relao de
causalidade, no entanto, a maioria das causas de doena ou sade tm efeitos mltiplos...

a coerncia com as teorias e conhecimentos vigentes, no entanto, se tivssemos que ser sempre
coerentes com o passado nunca evoluiramos...

DESENHOS DE ESTUDO e ESTATSTICA

o gradiente biolgico da associao

Refere-se existncia de uma curva dose-resposta entre a varivel "causal" e a varivel efeito.

No entanto, este gradiente pode existir mesmo sem relao de causalidade se existirem
variveis de confundimento a modificar a associao...

DESENHOS DE ESTUDO e ESTATSTICA

a consistncia: quando a associao se repete em populaes diferentes e em circunstncias diferentes.

a especificidade: quando a causa leva sempre a um s efeito nico mais fcil estabelecer a relao de
causalidade, no entanto, a maioria das causas de doena ou sade tm efeitos mltiplos...

a coerncia com as teorias e conhecimentos vigentes, no entanto, se tivssemos que ser sempre
coerentes com o passado nunca evoluiramos...

DESENHOS DE ESTUDO e ESTATSTICA

Testes de hiptese - Teste t

Tipos de Erros
Quando se rejeita ou aceita uma hiptese usando um teste estatstico baseado numa probabilidade, dois
erros podem acontecer: Rejeitar a Hiptese Nula e esta ser verdadeira - Erro Tipo I (alfa)
Aceitar (no rejeitar) a Hiptese Nula e esta ser falsa - Erro Tipo II (beta).
Como normalmente a Hiptese Nula contrria hiptese de investigao, h tendncia para uma maior
preocupao com o erro tipo I. Para ilustrar isto, imagine a situao de uma investigao sobre efeito de um
novo frmaco (a Hiptese Nula seria o frmaco no tem efeito) e que erradamente se rejeita a Hiptese
Nula com a consequente afirmao de que o frmaco tem efeito...

Amostragem

Conhecimentos a priori sobre amostra

Em geral, o planejamento do tamanho da amostra leva em
considerao os erros do Tipo I e do Tipo II, de forma que as
estimativas de interesse tenham preciso suficiente para serem
utilizadas. Portanto, para dimensionar a amostra o pesquisador deve
fornecer o nvel de significncia e o poder do teste desejado.

DESENHOS DE ESTUDO e ESTATSTICA

Por tradio (e sem mais nenhuma razo) costuma-se limitar o Erro Tipo I a 0.05. Isto equivale a dizer que se a
probabilidade observada do teste de hiptese for inferior a 0.05, rejeita-se a hiptese nula, caso contrrio diz-se que no

h evidncia suficiente para rejeitar a Hiptese Nula (ou seja aceita-se).

Apesar desta comparao da probabilidade com o erro tipo I, no se deve confundir a probabilidade com o erro.

Resultado de teste de hiptese

Aceita-se H0
(No existncia de diferenas)

Rejeita-se H0
(Existncia de diferenas)

H0 Verdadeira
(no existncia de diferenas)

Aceite-se correctamente

Erro tipo I ()

H0 Falsa
(Existncia de diferenas)

Erro tipo II ()

Rejeita-se corretamente

A verdade na Populao

Amostragem
O processo de testar hiptese consiste em seis etapas:
1.
2.
3.
4.
5.
6.

Estabelecer a H1 ( se l ag 1)
Estabelecer a H0 ( se l ag zero)
Determinar o tamanho da amostra
Colher os dados
Realizar teste estatstico para verificar a probabilidade de que a H0 seja verdadeira
Rejeitar ou no a H0

Amostragem
A probabilidade (p) de rejeitar a H0 quando a H0 verdadeira, o que chamamos de nvel de significncia
do teste. O estatstico no sabe quando rejeita a H0, se est ou no cometendo erro, mas sabe a
probabilidade de cometer este tipo de erro. Se a probabilidade for suficientemente pequena (<= 5%), a

deciso de rejeitar a H0 est bem fundamentada. O nvel de significncia representado pela letra grega (lse alfa). O nvel de significncia o nome com que se designa a probabilidade .
Vejamos o exemplo:
Feito um experimento com duas drogas (A, B), o pesquisador pergunta se a droga A cura tanto
quanto a droga B.
O estatstico v a pergunta do pesquisador como duas hipteses:
H0: a proporo de pacientes curados com a droga A igual proporo de pacientes curados com a droga B
b) H1: a proporo de pacientes curados com a droga A diferente da proporo de pacientes curados com a

droga B.

Amostragem
Feitas as hipteses, o estatstico estabelece o nvel de significncia do teste.
O nvel de significncia seria a probabilidade (p) de afirmar que uma das drogas determina maior proporo

de curas, quando na verdade, a proporo de pacientes curados a mesma, seja a droga A ou B.

usual manter o nvel de significncia de 1% e 5%; um de 5% (0.05) significa que cometemos um erro (tipo

I) de 5% em rejeitar a H0 (sendo verdadeira) e aceitar H1 (1 em cada 20 se comete o Erro tipo I ao rejeitar a

H0). Um de 1% (0,01), significa que ao rejeitar a H0 e aceitar a H1, o risco de estarmos errando, ou seja,

cometendo um erro tipo I de 1%.

O nvel de significncia representa a mxima probabilidade de tolerar um erro tipo I.

Amostragem
A probabilidade de cometer um erro tipo I diminui a medida que a aumenta
probabilidade de cometer um erro tipo II.
Assim:
Os erros ocorrem ao testar hipteses por diferentes motivos:

Erro tipo I: amostras pequenas (h uma maior chance de serem diferentes quanto menores forem; numa
amostra maior, estas diferenas se diluiriam).

Se admitirmos 5% o intervalo de confiana ser de 95%

Erro tipo II: amostras pequenas grande quantidade de amostras
Algum erro sempre ocorre, sendo til admitir que para o Erro tipo I ou alfa, considera-se que 5%
aceitvel e para o tipo II ou beta, aceita-se geralmente entre 10 - 20%.

Se admitirmos 20% o poder do teste ser de 80%

Amostragem

Amostragem

Tipos Amostragem (mais utilizadas em sade)

Toda amostra deve ser representativa visando a homogeneidade.
E deve ser de 10% da populao de estudo.
Simples aleatria

Estratificada aleatria
Conglomerados:

1. Simples aleatria
2. Estratificada

Sistemtica

Tipos Amostragem (mais utilizadas em sade)

Toda amostra deve ser representativa visando a homogeneidade.
E deve ser de 10% da populao de estudo.
Probabilstica - Todos os elementos da amostra tm probabilidade conhecida diferente de zero, podendo ser
includo na amostra.

Neste caso ela pode ser classificada como:

Aleatria Simples;
Aleatria Estratificada;
Aleatria por Conglomerado;
Sistemtica
No Probabilstica: A escolha dos elementos da amostra feita de forma no aleatria, existindo um
procedimento de seleo dos elementos da populao segundo critrios estabelecidos pelo pesquisador.
Nenhum elemento qualquer pode fazer parte da amostra.

Definies de Epidemiologia;
Usos da Epidemiologia;
Medidas de ocorrncia ou frequncia das doenas:
Medidas transversais
Medidas longitudinais
Medidas de efeito:
Risco Relativo
Odds ratio
Risco Atribuvel
Risco Atribuvel na Populao
Tipos de delineamento:
Estudos observacionais
Estudo transversais
Estudo de coorte
Estudo de caso-controle
Estudos de interveno
*Ensaios clnicos

MEDIDAS DE OCORRNCIA OU FREQUNCIA DAS DOENAS

As medidas de ocorrncia revelam a magnitude do problema a ser estudado.

H duas formas bsicas de medir a ocorrncia de doena:

1. examinando pessoas em um nico momento (MEDIDAS TRANSVERSAIS ).

2. acompanhando pessoas durante um certo tempo (MEDIDAS LONGITUDINAIS).

Lembrando que independente do estudo sempre temos uma hiptese a ser testada.

Teste de Qui-quadrado
H0 Hiptese nula (representa uma proporo e/ou distribuio normal de dados na populao e/ou em nvel
individual representando nmeros observados e esperados iguais, ou seja, no existem diferenas estatsticas).
H1 Hiptese alternativa (geralmente criada pelo pesquisador/observador) Pensamos nas diferenas em nvel
populacional e/ou individual sendo estas estatisticamente significativas o que nos leva a rejeitar a hiptese nula
(H0).

Exemplo de Hiptese (?):

H0: Nmero de pessoas de ambos os sexos na faculdade proporcional (50% de homens e 50% de mulheres).

H1: Nmero de pessoas de ambos os sexos na faculdade diferente, proporo de mulheres maior que a
proporo de homens.

Teste de Qui-quadrado
usado quando queremos comparar Frequncias Observadas (F0) com Frequncias
Esperadas (Fe).

Divide-se em trs tipos:

1.

Teste de adequao do ajustamento: indicado para verificar se as FO dos eventos concordam ou no

com as FE .

2. Teste de aderncia utilizado para testar a natureza da distribuio amostral.

Queremos verificar a boa ou m aderncia dos dados da amostra a um determinado

modelo (normal, Poisson) verificar se a distribuio amostral se ajusta a uma curva normal. Exemplo:
testar a Presso Arterial Mdia (PAM) de 24 pacientes, para verificarmos se segue uma distribuio
normal.
H0 : Os dados seguem uma distribuio normal.
H1 : Os dados no seguem uma distribuio normal.

3. Teste de independncia: utilizado para estudar o relacionamento de duas ou mais variveis

Medidas de Tendncia Central

Mdia
Mediana
Moda
Avaliao da distribuio dos dados
Teste de 2

Risco assumido do erro tipo I (rejeitar H0, sendo esta, verdadeira)

Observao: grfico meramente ilustrativo

2,5%

IC 95%

 Erro tipo I: amostras pequenas

(h uma maior chance de serem diferentes quanto menores forem; numa amostra maior, estas diferenas se diluiriam).

Se eu sei que o hbito de fumar est relacionado com o aumento da presso arterial, minha hiptese :
Que o tabagismo corrobora para nveis elevados de PA. Tenho um fato observado que esperado.
H0 verdadeira.
Se em um estudo eu no encontro nenhuma relao estatstica ou o inverso para a associao entre o
fumo e o aumento da PA, provavelmente eu rejeitarei a H0, mas, se for verdade, eu cometi um erro do
tipo I.
Motivos???
Posso ter vrios...
erros aleatrios no , erros sistemticos (bias) ou simplesmente uma amostra mal feita ou muito pequena!

Medidas de Frequncia Usadas para descrever os dados contnuos numricos

Antes os dados so BRUTOS formam um ROL que pode ser organizado por ordem crescente/decrescente

1 Organizo conjunto de dados

2 Amplitude total dos dados
3 Clculo de intervalos de dados

4 Clculo dos intervalos de classes

Por ltimo, calculo a distribuio de frequncias.

Ponto mdio (valor numrico que representa o intervalo) Xi
Frequncia Absoluta (Fi)
Frequncia Acumulada (Fci)
Frequncia Relativa (Fri) %
Frequncia Relativa Acumulada (Frci) %

Comprimento de cada intervalo

100%

Ponto mdio de cada intervalo

Ponto mdio desta clula 2,14

Frequncia Absoluta

Frequncia Acumulada

0,0952

Frequncia Relativa Acumulada

Tabela de Frequncia dos dados contnuos numricos: PRONTA