Obesidade GRUPO

0 0
0 0
0 0
0 0
Nome: ___________________________________ Trabalho 4 - Bioestatística – 0 0
Prof. Clandio 0 0
Enviar para e-mail: bioestatisticaufn@gmail.com 0 0
0 0
Para fazer o exercício 1 tome como base o exercício resolvido logo abaixo desta 0 0
questão. 0 0
QUI-QUADRADO 0 0
0 0
01. Registrou-se relativamente a um grupo de 77 controle e um grupo de 75
0 0
pacientes com câncer, quais destes poderiam ser considerados obesos ou não.
0 0
PERGUNTA: Há associação entre obesidade e câncer?
0 0
OBS : Criar uma coluna OBESIDADE e outra GRUPO
0 0
Na visualização da variável vá em valores e digite 0 e 1.
0 0
Na OBESIDADE (0 não obeso e 1 obeso)
Na variável GRUPO (0 não câncer e 1 câncer) 0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
1 0
 EXEMPLO PARA RESOLVER O EXERCÍCIO 1

TESTE DO QUI-QUADRADO OU TESTE EXATO DE FISHER

Quando estão envolvidas duas variáveis categóricas é vantajoso construir uma tabela de valores cruzados,
chamada tabela de contingência, e aplicar o teste do qui-quadrado, teste não paramétrico, como uma primeira
abordagem de análise que permita aferir se existe uma associação entre elas ou se estas são independentes.
Se tivermos uma tabela 2x2 (ambas as variáveis dicotômicas) temos que analisar as seguintes situações:
 Se todos os valores esperados são maiores ou iguais que 5.
 caso n maior ou igual a 40 usar o teste de independência do qui-quadrado
 se 20 ≤ n < 40 usar o teste de independência qui-quadrado corrigido
 se n < 20 usar o teste exato de Fisher
 Se pelo menos um valor esperado é menor que 5 usar o teste exato de Fisher

Exemplo 1:
Tabulação cruzada ELASTOGRAFIA * TAMANHO
TAMANHO
1 cm 1 a 3 cm mais de 3 cm Total
ELASTOGRAFIA BAIXA Contagem 28 107 13 148
% em ELASTOGRAFIA 18,9% 72,3% 8,8% 100,0%
ALTA Contagem 32 218 48 298
% em ELASTOGRAFIA 10,7% 73,2% 16,1% 100,0%
INTERMEDIÁRIA Contagem 25 78 23 126
% em ELASTOGRAFIA 19,8% 61,9% 18,3% 100,0%
Total Contagem 85 403 84 572
% em ELASTOGRAFIA 14,9% 70,5% 14,7% 100,0%

Testes qui-quadrado
Valor gl Significância Assintótica (Bilateral)
 Qui-quadrado de Pearson 13,852a 4 ,008
Razão de verossimilhança 14,441 4 ,006
Associação Linear por Linear 2,078 1 ,149
N de Casos Válidos 572
a. 0 células (0,0%) esperavam uma contagem menor que 5. A contagem mínima esperada é 18,50.

Exemplo 2:

Tabulação cruzada ORIENTACAO * ECIVIL

ECIVIL
SOLTEIRO CASADO Total
ORIENTACAO NÃO LÉSBICA Contagem 36 3 39
% em ORIENTACAO 92,3% 7,7% 100,0%
LÉSBICA Contagem 19 0 19
% em ORIENTACAO 100,0% 0,0% 100,0%
Total Contagem 55 3 58
% em ORIENTACAO 94,8% 5,2% 100,0%
Testes qui-quadrado
Sig exata (2 Sig exata (1
Valor gl Sig Assintótica (Bilateral) lados) lado)
Qui-quadrado de Pearson 1,541a 1 ,214
Correção de continuidadeb ,372 1 ,542
Razão de verossimilhança 2,460 1 ,117
Teste Exato de Fisher ,544 ,296
Associação Linear por 1,515 1 ,218
Linear
N de Casos Válidos 58
a. 2 células (50,0%) esperavam uma contagem menor que 5. A contagem mínima esperada é ,98.
b. Computado apenas para uma tabela 2x2

As regras para tabelas com mais do que apenas duas linhas e duas colunas.
 Se no máximo 20% dos valores esperados são menores que 5, dos quais nenhum deve ser inferior a 1, usamos o
teste de independência do qui-quadrado.
OBS: se a condição anterior não verificar, devemos combinar entre linhas e colunas (reduzir o número de categorias em
pelo menos uma das variáveis para aumentarmos os valores esperados).
Exemplo: Por exemplo, imagine que a tabela de contingência de pesquisa de pressão arterial x sexo
Mulheres Homens
Hipertensos 45 47
Normotensos 252 148
Hipotensos 4 4

Note que a tabela apresenta duas caselas (33,3% das caselas) com frequências esperadas menores que 5.
Há alternativas para se contornar a situação e aplicar o teste do qui-quadrado:
(a) planejar de antemão a utilização de espaço amostral maior, o que requer algum conhecimento prévio
da população estudada;
(b) combinar duas ou mais categorias para aumentar as frequências esperadas, devendo observar se
as combinações ainda permitem testar a hipótese de interesse.

Em nosso exemplo, podemos combinar as categorias de Normotensos e Hipotensos criando, assim, a categoria
combinada de indivíduos não-Hipertensos.
Mulheres Homens
Hipertensos 45 47
Não-Hipertensos 256 152
Exemplo 1: Para perceber a relação entre a presença de uma alteração genética e o desenvolvimento de um tipo
específico de câncer, acompanhou-se um conjunto de voluntários saudáveis, alguns com alteração genética e outros sem,
durante 10 anos. Verifique se existe uma associação estatisticamente significativa entre o portador da alteração
genética e ter propensão em desenvolver câncer. Qual é o risco dos portadores da alteração virem a desenvolver câncer
nos próximos 10 anos ?

RESOLUÇÃO
Criar as variáveis ALTERACAO_GENETICA (0 com alteração e 1 sem alteração) e CÂNCER (0 câncer sim e 1
câncer não) em duas colunas

Analisar → Estatística Descritiva → Tabela de referência cruzada. Coloque as variáveis

ALTERACAO_GENETICA e CÂNCER nos campos linha e coluna (qualquer ordem). Na opção Estatísticas, selecione
Qui-Quadrado e Risco. Na opção Células marque porcentagens (linha ou coluna ou total)

PERCENTUAL NA LINHA
Tabulação cruzada ALTERACAO_GENÉTICA * CANCER
CANCER
NÃO
DESENVOLVEU DESENVOLVEU
CÂNCER CÂNCER Total
ALTERACAO_GENÉTICA COM ALTERAÇÃO Contagem 20 12 32
GENÉTICA % em 62,5% 37,5% 100,0%
ALTERACAO_GENÉTICA
SEM ALTERAÇÃO Contagem 8 20 28
GENÉTICA % em 28,6% 71,4% 100,0%
ALTERACAO_GENÉTICA
Total Contagem 28 32 60
% em 46,7% 53,3% 100,0%
ALTERACAO_GENÉTICA
PERCENTUAL NA COLUNA

Tabulação cruzada ALTERACAO_GENÉTICA * CANCER

CANCER
NÃO
DESENVOLVEU DESENVOLVEU
CÂNCER CÂNCER Total
ALTERACAO_GENÉTICA COM ALTERAÇÃO Contagem 20 12 32
GENÉTICA % em CANCER 71,4% 37,5% 53,3%
SEM ALTERAÇÃO Contagem 8 20 28
GENÉTICA % em CANCER 28,6% 62,5% 46,7%
Total Contagem 28 32 60
% em CANCER 100,0% 100,0% 100,0%

Testes qui-quadrado
Significância
Assintótica
Valor gl (Bilateral) Sig exata (2 lados) Sig exata (1 lado)
Qui-quadrado de Pearson 6,907a 1 ,009
Correção de 5,611 1 ,018
continuidadeb
Razão de 7,068 1 ,008
verossimilhança
Teste Exato de Fisher ,011 ,009
Associação Linear por 6,792 1 ,009
Linear
N de Casos Válidos 60
a. 0 células (0,0%) esperavam uma contagem menor que 5. A contagem mínima esperada é 13,07.
b. Computado apenas para uma tabela 2x2

Estimativa de Risco
Intervalo de confiança de
95%
Valor Inferior Superior
Razão de Chances para 4,167 1,403 12,372
Tem alteração genética?
(Não / Sim)
Para grupo Cancro = Não 1,905 1,150 3,156
Para grupo Cancro = Sim ,457 ,240 ,871
N de Casos Válidos 60
CONCLUSÃO: Verifica-se haver associação estatisticamente significativa (χ 2=6,907, p =
0,009) entre a alteração genética e o desenvolvimento do câncer. Das pessoas com a presença
de alteração genética 62,5% desenvolveram câncer enquanto este
percentual fica em 28,6% nas pessoas sem a presença de alteração Colesterol FC
genética. O risco de ter câncer está aumentado cerca de 4,2 vezes nas 373 177
pessoas com alteração genética (OR = 4,167) 210 128
263 161
216 138
271 134
189 109
292 152
270 159
117 105
200 154
217 122
293 176
Para fazer o exercício 2 tome como base o exercício resolvido logo abaixo desta 282 188
questão. 228 162
CORRELAÇÃO LINEAR 214 167
02. Registraram-se, relativamente a 30 pacientes (inclua no mínimo, mais 10 183 157
pacientes no teu banco de dados), os níveis de colesterol e frequências 275 182
cardíacas máximas. Pergunta: Existe uma correlação entre os níveis de 240 134
colesterol e a frequência cardíaca máxima? Faça um comentário com a 190 121
representação do gráfico de dispersão. 251 136
329 166
293 190
230 153
286 168
313 167
176 143
231 169
243 147
251 157
290 162
373 177
210 128
263 161
216 138
271 134
189 109
292 152
270 159
117 105
200 154
217 122
293 176
Conforme o gráfico de dispersão, nota-se uma possível associação entre as variáveis, a saber que quanto
maior os níveis de colesterol, maior os valores de FC.

Testes de Normalidade
Kolmogorov-Smirnova Shapiro-Wilk
Estatística df Sig. Estatística df Sig.
*
Colesterol ,104 42 ,200 ,972 42 ,372
FC ,131 42 ,069 ,963 42 ,184
*. Este é um limite inferior da significância verdadeira.
 a. Correlação de Significância de Lilliefors

Segundo os testes de normalidade, ambas variáveis apresentam comportamento normal, nesse sentido,
fazendo-se necessário testes de correlação paramétricos

Correlações
Colesterol FC
Colesterol Correlação de Pearson 1 ,727**
Sig. (2 extremidades) ,000
N 42 42
**
FC Correlação de Pearson ,727 1
Sig. (2 extremidades) ,000
N 42 42
**. A correlação é significativa no nível 0,01 (2 extremidades).

Foi utilizado a correlação de Pearson, que mostra que as variáveis colesterol e FC são altamente
correlacionadas, com significância estatística. Com base no gráfico de dispersão, conclui-se que, quando
maior os valores de colesterol, maior a FC.