Escolar Documentos
Profissional Documentos
Cultura Documentos
QUANTITATIVOS
QUALITATIVOS
DESENHOS DE ESTUDO
METODOLOGIA BSICA DA INVESTIGAO
DESENHOS DE ESTUDO
NOES DE ESTATSTICA
1. Estatstica descritiva
2. Estatstica dedutiva
relatrio final, sem tentar camuflar ou esconder estes erros, pois tal comportamento
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.
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".
representatividade:
a)
vis de admisso,
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.
A nica forma de evitar este vis fazer sempre a seleo de forma aleatria.
VIS
DE INFORMAO: Tm a ver com os erros de classificao dos elementos da amostra, erros na medio das
Estes erros podero ser minorados se houver rigor humano e tcnico, utilizando
instrumentos de medio mais vlidos, etc.
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.
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.
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
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!
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.
No entanto, possvel pensarmos existir uma verdadeira associao causal, embora fraca,
quando os resultados, apesar de revelarem pouca fora de associao, so:
estatisticamente significativos...
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...
No entanto, este gradiente pode existir mesmo sem relao de causalidade se existirem
variveis de confundimento a modificar a associao...
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...
Amostragem
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
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
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).
Amostragem
Amostragem
Estratificada aleatria
Conglomerados:
1. Simples aleatria
2. Estratificada
Sistemtica
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
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).
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).
1.
Mdia
Mediana
Moda
Avaliao da distribuio dos dados
Teste de 2
2,5%
IC 95%
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!
100%
Frequncia Absoluta
Frequncia Acumulada
0,0952