Escolar Documentos
Profissional Documentos
Cultura Documentos
Jorge
INDICADORES EPIDEMIOLÓGICOS
CONCEITOS BÁSICOS:
Indicadores de Saúde
Os indicadores de saúde podem ser divididos em duas amplas categorias:
1) Indicadores Epidemiológicos - medem a magnitude ou transcendência (ou seja, o tamanho
ou a gravidade) do problema de saúde. Por conseguinte, se referem à situação verificada na população
ou no meio ambiente num momento dado ou num período determinado. Pode-se medir o impacto ou os
efeitos dos programas de saúde pública comparando-se um mesmo indicador epidemiológico antes e
depois da execução das atividades programáticas. Deste modo os indicadores epidemiológicos devem
ser analisados tanto na etapa de diagnóstico como na etapa de avaliação (que é, de certo modo, outro
diagnóstico).
2) Indicadores Operacionais - medem o trabalho realizado tanto em função da quantidade
como da qualidade – podem avaliar, de certa forma, a vulnerabilidade (possibilidade de intervenção e
solução) do problema de saúde diante das medidas propostas. Os indicadores operacionais medem
quantidade de trabalho, em geral, relacionam as atividades realizadas com as metas estabelecidas para
tal operação.
Medidas Gerais:
1) Número absoluto – é simplesmente o número de objetos ou eventos em um grupo. Ex:
número de mulheres em uma comunidade = 1, 4, 5, 7
2) Razão - é o valor obtido dividindo uma quantidade por outra; geralmente o termo razão é
usado quando o numerador e o denominador são entidades separadas, isto é, nenhuma está incluída na
outra. Ex: razão p/ sexo = mulheres / homens
3) Proporção - é um tipo de razão na qual o numerador está incluído no denominador; por
definição uma proporção deve estar entre 0 e 1.
Ex: proporção p/ sexo = mulheres / população total
1
Apostila – Prof. Jorge
4) Taxa ou coeficiente - é a relação entre o número de eventos reais e os que poderiam
acontecer; é a medida de um determinado evento relacionando ao que isto representaria consideram-se
toda a população exposta.
Ex: número de doentes/ total de expostos x 10k
Notas:
N. absolutos, razões e proporções são geralmente usadas para descrever uma população em um
determinado período de tempo - estas medidas descrevem uma situação estática de uma
população.
As taxas ou coeficientes são as medidas usadas para avaliar dinamicamente os fenômenos em
uma população.
As taxas são geralmente multiplicadas por um valor básico, múltiplo de 10, representativo de
determinada fração da população estudada.
Variáveis:
1) Variáveis numéricas: dados coletados e analisados sob forma de números – idade, peso,
altura, etc.
2) Variáveis categóricas: dados coletados e analisados sob forma de categorias – faixa-etária,
obesidade, sexo, ocupação, etc.
Notas:
Algumas variáveis são, necessariamente, categóricas como, por exemplo: raça, situação
marital.
As variáveis categóricas que só têm duas categorias também são chamadas de dicotômicas
como, por exemplo: sexo, sim ou não.
As variáveis numéricas podem ser transformadas em categóricas como, por exemplo: idade em
faixas-etárias; pressão arterial em hipertensão ou não. Sempre que for possível, é preferível
coletar uma variável como numérica, pois, isso nos possibilita diferentes formas de análises
estatísticas e, também, de transformações em diversas categorias - com diferentes pontos de
corte.
3) Desfecho (ou variável dependente): agravo que desejamos avaliar se varia de acordo com a
quantidade de exposição a determinado(s) fator(es) – câncer de pulmão, câncer de mama, câncer de
colo do útero, etc.
4) Fatores de exposição (ou variáveis independentes): Fatores que podem estar associados a
um determinado agravo de forma a aumentar ou diminuir o risco deste desfecho – fumo, amamentação,
uso de preservativo nas relações sexuais, etc.
Incidência:
2
Apostila – Prof. Jorge
A incidência de doenças em uma população significa a ocorrência de casos novos relacionados
à unidade de intervalo de tempo - dia, semana, mês ou ano. É a intensidade com que estão surgindo
novos doentes em uma determinada população.
Para efeito de estudo comparativo de incidência de doenças numa mesma população em épocas
diferentes, ou em populações diversas numa mesma época, usa-se o coeficiente de incidência.
Prevalência:
O conceito mais simples de prevalência é a frequência absoluta dos casos de doenças,
independente da época em que esta iniciou. A medida da prevalência pode ser estabelecida em um
período, ou em um determinado ponto de corte, no tempo.
O coeficiente é a medida que permite estimar a prevalência de uma dada doença, fixado um
intervalo de tempo, relativizando à uma determinada população.
1) Prevalência no período - É medida pela freqüência da doença ou pelo seu coeficiente durante
um determinado período de tempo.
Notas:
Prevalência depende de dois fatores: do número de pessoas que adoeceu (incidência) e da
duração da doença. Portanto, quando incidência e duração são mais ou menos estáveis e a
população também, a prevalência pode ser muito semelhante à incidência.
Doenças de longa duração, mesmo com baixa incidência, podem ter alta prevalência.
Prevalência = casos existentes + casos novos – altas por cura – óbitos
(todos no período determinado)
Mortalidade:
Refere-se ao número de óbitos relativo à população total.
Letalidade:
Refere-se ao número de óbitos relativo à população com aquela doença.
3
Apostila – Prof. Jorge
Nota: Uma doença pode ter baixa mortalidade mas alta letalidade – isto depende,
fundamentalmente, da gravidade do agravo e da população exposta.
Exemplos 1, 2 e 3
A partir desta tabela pode-se calcular, utilizando as fórmulas adequadas, as quatro medidas de
efeito:
3) Odds Ratio (ou Razão de Chances ou Razão de Produtos Cruzados) - o OR é usado quando a
medida de efeito no estudo não pode ser medida diretamente por incidência ou prevalência. O Odds
Ratio faz uma estimativa do risco.
OR= odds de doença entre os expostos = a/(a+b) / b/(a+b) = a/b = AD
odds de doença entre os não expostos c/(c+d) / d/(c+d) c/d BC
Exemplo 4 – A, B e C
RAP = RA x Pe*
4
Apostila – Prof. Jorge
Notas:
o valor “nulo” nas medidas de efeito é o 1 - pois se o efeito for igual nos expostos e não
expostos, teremos uma divisão entre dois números iguais - cujo resultado é 1.
Sempre que o valor do resultado for maior do que 1, o efeito da exposição é de aumento do
risco para o desfecho.
Sempre que o valor do resultado for menor do que 1, o efeito da exposição é de proteção de
risco para o desfecho.
Eficácia:
A eficácia de um tratamento é a evidência clínico-epidemiológica de que ele realmente
funciona - traz mais benefícios do que riscos - em pacientes com uma determinada doença, em
condições experimentais rigorosas.
Efetividade:
A efetividade é a evidência de que a intervenção traz mais benefícios do que riscos, quando
oferecida em condições usuais da prática clínica. Isto depende de uma série de fatores como: a
aceitabilidade pelo paciente, a facilidade de acesso e de uso, as condições de conservação do produto
e outras características do contexto real do processo clínico. Ou seja, a efetividade do agente depende
da capacidade dele funcionar num contexto real.
Eficiência:
A eficiência é analisada levando em consideração, além da eficácia e da efetividade, os custos
financeiros ao paciente ou ao serviço, a experiência do clínico com as formas terapêuticas envolvidas
e as preferências de cada paciente.
5
Apostila – Prof. Jorge
Fórmulas:
RR= IE / INE RRR= 1- RR RAR= IE - INE NNT= 1 / RAR
Exemplo 5
MEDIDAS PREVENTIVAS:
São consideradas “medidas preventivas” todas aquelas utilizadas para evitar as doenças, ou suas
conseqüências, quer ocorram de forma esporádica, quer de modo endêmico ou epidêmico. Em saúde
pública, são tradicionais as providências destinadas a evitar o início biológico da doença infecciosa e
parasitária - por exemplo: imunização de suscetíveis, controle de vetores, pasteurização do leite,
cloração da água, etc. Entretanto, a prevenção tem também um sentido mais amplo - o de evitar o
aparecimento do estágio seguinte da história natural da doença. Logo, inclui não somente as medidas
mencionadas acima, mas também as que se destinam a interromper o processo da doença que já se
instalou no organismo humano.
Estas diversas medidas são classificadas em saúde pública da seguinte forma:
Exemplo 6
Fases de Prevenção:
1) Prevenção Primária - conjunto de medidas dirigidas à população sadia, para evitar a
ocorrência de novos casos. Visa reduzir a incidência da doença. Exemplo: saneamento ambiental e
educação para a saúde.
Exemplo 7
2) Prevenção Secundária - conjunto de medidas dirigidas à população doente com intenção de
detectar os casos, clínicos ou sub-clínicos e tratá-los. Visa diminuir a duração da doença – através do
diagnóstico e tratamento precoces – e, conseqüentemente, a prevalência da doença.
Exemplo 8
3) Prevenção Terciária (ou reabilitação) - conjunto de medidas para desenvolver a capacidade
residual e potencial de indivíduo, após a passagem da doença. Visa promover o ajustamento da
pessoa a situações irreversíveis, atenuar a invalidez e evitar o óbito.
Exemplo 9
Níveis de Prevenção:
As três fases citadas acima, desdobram-se em cinco níveis:
1) Promoção da Saúde - conjunto de medidas inespecíficas, orientadas para a população sadia,
com a intenção de manter a saúde e prevenir, de maneira geral, a ocorrência da doença - faz parte da
prevenção primária.
2) Proteção Específica - conjunto de medidas dirigidas para a população sadia, para prevenir
uma única afecção ou conjunto de doenças afins - faz parte da prevenção primária.
Exemplo 10
6
Apostila – Prof. Jorge
3) Diagnóstico e Tratamento Precoce - consiste em identificar e tratar a doença em evolução
sub-clínica - faz parte da prevenção secundária.
Exemplo 11
3) Limitação do Dano - consiste em identificar e tratar a doença que se encontra em evolução já
clinicamente aparente - faz parte da prevenção secundária.
Exemplo 12
5) Reabilitação da Saúde - é a prevenção terciária
Medidas:
1) A Sensibilidade refere-se à precisão com que um teste pode confirmar a presença de um
agravo. Um teste com alta sensibilidade terá poucos resultados falsamente negativos.
2) A Especificidade refere-se à precisão com que um teste pode confirmar a ausência de um
agravo. Um teste com alta especificidade terá poucos resultados falsamente positivos.
3) O Valor preditivo positivo de um teste (VPP) - é a probabilidade de um indivíduo
verdadeiramente doente ter o teste positivo.
4) O Valor preditivo negativo (VPN) - é a probabilidade de um indivíduo verdadeiramente não-
doente ter o teste negativo.
Fórmulas e Cálculos:
ESTADO REAL DE DOENÇA
RESULTADO DO INFECTADOS NÃO-INFECTADOS
TESTE
POSITIVO VERDADEIROS POSITIVOS FALSOS (A+B)
(A) POSITIVOS TOTAL TESTES
(B) POSITIVOS
NEGATIVO FALSOS NEGATIVOS (C) VERDADEIROS (C+D)
NEGATIVOS (D) TOTAL TESTES
NEGATIVOS
TOTAL DE DOENTES TOTAL DE POPULAÇÃO
VERDADEIROS (A+C) NÃO-DOENTES TOTAL
VERDADEIROS (A+B+C+D)
(B+D)
7
Apostila – Prof. Jorge
Prevalência = casos verdadeiros da doença = A + C
população total estudada A+B+C+D
Sensibilidade = verdadeiros positivos . = A .
total de doentes verdadeiros A+C
Especificidade = verdadeiros negativos . = D .
total de não doentes verdadeiros B+D
Valor preditivo = verdadeiros positivos = A .
Positivo (vpp) total testes positivos A+B
Notas:
Se o objetivo do teste é rastrear o agravo, ou seja, fazer o primeiro diagnóstico, é
indicado um teste com maior sensibilidade pois, neste caso, o importante é detectar o
maior número possível de verdadeiros negativos – mesmo que, eventualmente,
tenhamos alguns resultados falso-positivos.
Ao contrário, quando queremos ter certeza da positividade do resultado, o indicado é um
teste com maior especificidade.
Portanto, a escolha para um estudo de rastreamento privilegia o teste com alta
sensibilidade e para confirmar os resultados, a escolha deve levar mais em conta a
especificidade.
Não existe um “número mágico” para definir qual a melhor sensibilidade ou
especificidade de um teste – em princípio, quanto mais alta melhor. Uma situação que
deve ser levada em conta na decisão é o “risco” de dar o resultado de um teste negativo
quando o diagnóstico é de uma doença grave ou, dar um resultado positivo de um teste
quando isto pode resultar num sério problema para a vida desse paciente ou até em um
tratamento radical ou cruento.
Exemplo 13: A, B e C
Mediana
É o valor “no meio” quando os dados estão em ordem de grandeza.
Exemplo:
7 observações de idade 3, 1, 3, 5, 1, 8, 6
em ordem 1, 1, 3, 3, 5, 6, 8
a mediana é 3
se fossem 6 observações de idade 10, 15, 7, 19, 12, 11
8
Apostila – Prof. Jorge
em ordem 7, 10, 11, 12, 15, 19 a mediana seria entre 11 e 12 = 11,5
3) Moda
É o valor mais observado.
Exemplo:
10 observações de idade 5, 3, 2, 5, 4, 5, 3, 5, 1, 2
a moda é 5
Notas:
Normalmente a média é mais útil e importante do que as outras - ela usa os valores exatos
de todos os casos.
No entanto, a média é influenciada pelas observações que estão longe do centro da
distribuição, mas a mediana não é. Por exemplo, os números seguintes mostram o número
de dias que crianças ficaram num hospital: 4, 7, 4, 6, 5, 98. A média é 20,7 dias e a
mediana é 5,5 dias. É possível que 98 seja extraordinário e, portanto, a mediana é mais
representativa como uma medida de tendência central.
A moda não é muito usada.
Quando a distribuição de uma variável é simétrica, a média e a mediana são mais ou menos
iguais.
Medidas de Dispersão:
1) Amplitude
É a diferença entre o valor máximo e o valor mínimo de uma variável.
No entanto, a amplitude é baseada somente em dois valores e não dá uma idéia de como os outros
valores estão distribuídos entre os dois. Também, a amplitude tende a aumentar com mais casos.
Exemplo: Uma amostra de 100 crianças foi pesada - o menor peso encontrado foi de 8,2 kg e a
criança mais pesada tinha 13,3 kg. Portanto a amplitude nesta amostra é de 13,3 - 8,2 = 5,1 kg.
2) Desvio Padrão
A dispersão das observações é pequena quando os valores estão próximos à média, e é grande quando
os valores estão espalhados. Portanto a dispersão pode ser medida pelos desvios dos valores individuais
da média. A notação usada para representar o desvio padrão é o s .
Se a distribuição for mais ou menos simétrica, é provável que:
(a) aproximadamente 68% das observações fiquem entre a x-s e x+s
(b) aproximadamente 95% das observações fiquem entre a x-2s e x+2s
Curva Normal:
9
Apostila – Prof. Jorge
Esta é a representação gráfica do desvio padrão – chamada curva normal
Desvios- -3 -2 0 +1 +2 +3
-1
padrão
2 13,5 34 34 13,5 2
68%
Percentual
da área sob 95%
a curva
99%
Nota: Média e desvio padrão só podem ser calculados para variáveis numéricas.
Amostras e Erros de Amostragem:
Quando trabalhamos com amostras estamos estimando uma proporção que esperamos seja o
mais próximo da população que queremos representar. Em outras palavras, nós usamos a percentagem
da amostra para estimar a percentagem da verdadeira população. Entretanto, é possível que a
percentagem da amostra não seja a percentagem da verdadeira população. Se nós escolhêssemos uma
outra amostra igual e na mesma população é provável que a percentagem fosse diferente da primeira.
Nós dizemos então que nossa estimativa por amostra tem erro de amostragem. Estimar o tamanho deste
erro de amostragem é uma coisa importante em estatística.
1) Erro Padrão
Nós já sabemos que a dispersão de uma distribuição pode ser medida pelo desvio padrão, pois o
erro padrão mede o “desvio padrão” de uma distribuição de amostragem. Quando nós aumentamos a
amostra reduzimos o erro padrão - amostras maiores dão estimativas mais seguras
2) Intervalo de Confiança
Estima-se que o número de resultados reais – na população aqui representada pela amostra –
estão dentro de um determinado intervalo estabelecido. O mais comum é usarmos intervalo de 95%
mas se quisermos ter mais certeza (confiança) de que nosso intervalo incluirá o valor verdadeiro, nós
podemos calcular um intervalo de 99%. Espera-se que a amostragem tenha uma distribuição normal, e
nós sabemos que 95% dos valores numa distribuição normal ficam entre a média mais 2 desvios
padrão e a média menos 2 desvios padrão. Nesta situação a média seria representada pela proporção
(p) e o desvio padrão pelo erro padrão.
Assim 95% dos diferentes valores ficam entre p + 2EP e p – 2EP.
Para fazer-se o ajuste, no caso de amostragem, usa-se a constante z que,
para 90% = 1,65 ; 95% = 1,96 e 99% = 2,57.
A fórmula geral fica então: IC= p z x EP
10
Apostila – Prof. Jorge
O primeiro momento acontece antes da pesquisa - quando calculamos o tamanho da amostra
necessária para que possamos “provar” estatisticamente nossos resultados. Para isto estimamos (ou
definimos) o “tamanho” dos possíveis “erros”, em nossos resultados, que podem acontecer por acaso.
Dois erros, que podem ocorrer, podem ser previstos - ou definidos previamente: o erro tipo I - ou alfa -
e o erro tipo II ou beta, conforme mostra a tabela abaixo.
Poder Estatístico (1 - beta): é a probabilidade da pesquisa encontrar uma diferença quando ela
realmente existe.
ível de Significância (alfa): é a probabilidade da pesquisa encontrar uma diferença quando,
na verdade, esta não existe.
Nós declaramos na hipótese nula que não existe diferença nas proporções de pessoas com a doença
entre os grupos expostos e os não expostos, a diferença entre as proporções observadas em nossa
amostra aconteceu por acaso. A hipótese nula é sempre a base, a partir da qual queremos mostrar que
existe diferença entre os grupos sim. Na realidade nós queremos rejeitar a hipótese nula.
Os testes de significância avaliam se existe associação estatística entre o fator de risco e a
doença.
Existem vários testes de significância, que devem ser escolhidos de acordo com o tipo de análise e
das variáveis que estão sendo testadas. Habitualmente usa-se para testar variáveis categóricas o teste do
qui-quadrado e para varáveis numéricas o teste t.
O p-valor avalia o nível de significância.
Quanto menor for o p-valor mais “certeza” nós temos de que a hipótese nula não é correta –
normalmente usa-se como parâmetro mínimo o p<0,05.
A leitura do resultado, neste caso pode ser feita de duas maneiras:
(1) Existe menos de 5% de chance de que o resultado tenha sido encontrado por acaso.
(2) Existe mais de 95% de chance de que a diferença não tenha sido encontrada por acaso.
Notas:
Quando o p-valor é maior (do que o convencional), nós não podemos rejeitar a hipótese nula.
Entretanto, isso não significa que a hipótese nula não seja verdadeira. É possível que exista
diferença na população mas que a nossa amostra tenha sido pequena para mostrar isto.
Quando a diferença for significativa não quer dizer, necessariamente, que a diferença seja
importante. Se nós tivermos uma amostra de tamanho muito grande, uma diferença muito
11
Apostila – Prof. Jorge
pequena pode ser significativa estatisticamente. Por isto é importante ver o intervalo de
confiança da medida de efeito.
O valor do teste de significância é inversamente proporcional ao valor do p. Quanto mais alto
for o valor do resultado do teste de significância menor será o valor do p.
2) Populações e Amostras
População (alvo) - Em geral, se considera para fins de estudos epidemiológicos, populações
como grandes grupos de pessoas em um contexto definido ou com uma determinada
característica. Incluem pessoas ‘não selecionadas’ da comunidade (a população usual para
estudos epidemiológicos de causa) bem como grupos de pessoas selecionadas por receberem
atendimento em uma clínica ou hospital ou por apresentarem uma característica como presença
ou gravidade de doença (o que é o caso em estudos clínicos). Assim, pode-se falar de população
geral, população hospitalizada ou populações de pacientes com uma doença específica.
Amostra - É um subconjunto de uma população, selecionada a partir desta população (alvo). A
pesquisa clínica é em geral conduzida em amostras. Nosso interesse reside nas características da
população (alvo) definida, mas por razões práticas, temos que estimá-las pela descrição de uma
amostra.
3) Validade da pesquisa
Validade Interna - é o grau pelo qual os resultados de um estudo estão corretos para a amostra
de pacientes que estão sendo estudados. Ela é interna porque se aplica a condições do grupo
particular de pacientes que estão sendo observados mas não necessariamente a outros.
Validade Externa (capacidade de generalização) - é o grau pelo qual os resultados de uma
observação mantêm-se verdadeiros em outras situações. A capacidade de generalização
expressa a validade de pressupor que os pacientes de um estudo sejam comparáveis a outros
pacientes. Um estudo incontestável, com alta validade interna, pode ser totalmente enganador se
os resultados são generalizados para os pacientes errados.
4) Erro Aleatório
As observações sobre uma doença geralmente são feitas em uma amostra de pacientes e não em
todos aqueles com a doença em questão. Observações sobre uma amostra de pacientes podem ter uma
representação errônea da situação na população como um todo, simplesmente por acaso. Entretanto se
as observações fossem repetidas elas mostrariam uma variação em torno do valor real. A divergência
entre uma observação na amostra e o valor real na população, devido somente ao acaso, é chamada
variação aleatória.
5) Erros Sistemáticos
Viés
Um processo em qualquer estágio de inferência que tende a produzir resultados que se desviam
sistematicamente dos valores verdadeiros é chamado de viés ou vicio. Observações em pacientes (seja
para fins de atendimento clínico ou para pesquisa) são particularmente sujeitas ao viés.
12
Apostila – Prof. Jorge
Os vieses mais comuns são:
1) Viés de seleção ou participação - ocorre quando comparações são feitas entre grupos de
pacientes que diferem em relação a outros determinantes do desfecho que não o em estudo.
Exemplo 15
2) Viés de aferição ou de informação - ocorre quando os métodos de mensuração empregados
diferem entre os grupos de pacientes.
Exemplo 16
Nota: Em principio o viés não pode ser controlado na análise dos dados - se o estudo tiver um
desvio sistemático na coleta dos dados é melhor nem perder tempo analisando ou toda esta questão tem
que ficar muito clara nas inferências feitas a partir destes dados (no mínimo teremos muitas restrições
nos resultados). Entretanto no desenho do estudo pode-se prever que haverá viés e deixar claro que os
resultados não poderão ser generalizados.
Pode ser definido como um viés que resulta do efeito de outra variável que está associada a ambos:
à exposição e ao fator de risco em estudo. O viés de confusão ocorre quando dois fatores ou processos
estão associados e o efeito de um é confundido ou distorcido pelo efeito do outro. Isto pode ocorrer por
viés de seleção, por acaso ou porque os fatores estão associados por natureza.
Nota: Os efeitos do fator de confusão podem ser controlados por uma série de caminhos:
1) No desenho do estudo - randomizando, restringindo ou pareando a amostra;
2) Na análise - com a estratificação dos dados ou com análise multivariada.
Exemplo 18
Estudos de Casos e Controles
Partem da doença - inicia-se pelos doentes identificados, estabelece controles (sujeitos comparáveis
aos casos, porém sem a doença) para eles e retrospectivamente procura conhecer os níveis de exposição
ao suposto fator de risco. Cada indivíduo é identificado com base na presença ou ausência da doença de
interesse e a mesma situação de exposição anterior ao fator de risco estudado. A escolha do grupo
controle deve obedecer ao princípio de máxima similitude entre os grupos de casos - área geográfica,
fatores sócio econômicos e culturais, etc.
Medidas de análise: o teste de hipóteses consiste em verificar se as associações (do tipo fator de
risco/doença) calculados com relação aos indivíduos afetados são confirmados pela ausência ou menor
ocorrência do fator de risco entre os não afetados. A medida de freqüência, neste caso, é apenas a dos
fatores de risco – não se mede incidência nem prevalência, pois, já sabemos previamente a freqüência
de doentes – eles são os casos.
A medida de risco utilizada é o Odds Ratio (OR).
Vantagens: É ótimo para estudar doenças raras e/ou com longo período de incubação.
Limitações: Geralmente não é adequado para avaliar exposições raras e é muito suscetível a viés de
14
Apostila – Prof. Jorge
memória.
Exemplo 19
Estudos de Coorte
Partem da exposição – seleciona-se um grupo, ou grupos, comprovadamente exposto(s) a um suposto
fator de risco – como causador da doença – e acompanha-se, observando este(s) grupo(s) ao longo do
tempo, até a ocorrência do desfecho esperado.
Medidas de análise: medem incidência e a medida de risco é o Risco Relativo. Partem sempre da
exposição, mas podem ter dois “momentos de início” do acompanhamento da coorte – assim
denominadas:
1. Coorte prospectiva - a doença ainda não ocorreu no momento do início do estudo.
2. Coorte retrospectiva (ou histórica) - ambas, exposição e doença, já ocorreram no momento do
início do estudo.
Vantagens: Pode verificar a ocorrência temporal da doença e é diminui a possibilidade de viés de
observação.
Limitações: O principal problema dos estudos longitudinais é a própria dinâmica das populações
humanas: portanto, não é adequado para eventos raros (exceto para grandes estudos); se o estudo for
prospectivo pode ser demorado e caro; e podem ocorrer muitas perdas ao longo do follow-up.
Exemplos 20 e 21
Estudos de Intervenção
É um tipo de coorte onde o participante é submetido, conforme designado pelo investigador, a
uma exposição ou tratamento durante o estudo.
Seleciona-se um grupo, ou grupos, submete-se à intervenção – que, espera-se seja um efeito
benéfico – acompanha-se ao longo do tempo (determinado) e verifica-se a ocorrência do efeito
esperado. Estes estudos podem ter grupo controle ou não. No primeiro caso, um ou mais grupos
recebem a intervenção (ou diferentes intervenções) e outro(s) não recebem nada ou recebem placebo.
Os estudos experimentais sem grupo controle avaliam o efeito –no mesmo grupo – antes e depois da
intervenção.
Medidas de análise: medem incidência e a medida de risco é o Risco Relativo.
Vantagem: fatores de confusão, conhecidos ou não, ficam igualmente distribuídos entre os grupos
estudados.
Limitações: Os principais problemas dos estudos de intervenção são as questões éticas e a adesão ao
estudo.
Em uma situação especial, onde a exposição atinge “homogeneamente” a população, usamos
um delineamento que compara grupos populacionais – os chamados estudos ecológicos (ou
estudos de correlação).
Exemplo 22
Estudos Ecológicos:
Utiliza dados de risco em populações como um todo para fazer inferências de risco em indivíduos.
Freqüências das doenças são comparadas entre diferentes grupos durante o mesmo período de tempo ou
na mesma população em tempos diferentes.
Aborda áreas “geográficas”, analisando comparativamente indicadores globais, quase sempre por
meio de correlação entre variáveis ambientais (ou sócio econômicas) e indicadores de saúde.
Medida de análise: Em termos de análise este tipo de estudo correlaciona médias com médias, valores
intermediários com valores intermediários.
Vantagens: Pode ser o único desenho “possível” quando a exposição é homogênea dentro de uma
determinada população.
15
Apostila – Prof. Jorge
Limitações: O principal problema dos estudos ecológicos é a dificuldade de controlar “fatores de
confusão” e o grande risco é o de “atribuir” ao indivíduo uma medida da exposição que é populacional
– falácia ecológica.
Exemplo 23
ESTRATÉGIAS DE AMOSTRAGEM
Tipos de Amostra
A escolha do tipo de amostra, assim como o delineamento do estudo, deve levar em
consideração uma série de critérios na sua definição. Os objetivos e a população alvo do estudo são as
principais. Entretanto, outros critérios, tais como o grau de precisão desejada, variáveis a serem
estudadas e questões logísticas devem ser levados em consideração na escolha.
Existem basicamente dois métodos de amostragem: o probabilístico e o não probabilístico.
As amostras probabilísticas levam em consideração a probabilidade (igual e independente) de todos os
indivíduos da população alvo serem selecionados para a amostra. As amostras não probabilísticas são
escolhidas, geralmente, por conveniência.
Os tipos de amostras probabilísticas mais usadas são:
1) Aleatória Simples - a seleção é geralmente feita por sorteio.
2) Aleatória Estratificada - a seleção leva em consideração a proporção de indivíduos em cada
subgrupo da população alvo - geralmente é feito um sorteio para cada subgrupo.
3) Por Conglomerados - é feito o sorteio usando como unidade amostral o conglomerado -
geralmente bairros, quadras, escolas, hospitais, etc.
4) Sistemática - em um grupo ordenado, o primeiro é sorteado e os seguintes seguem a ordem
em intervalos previamente calculados considerando a população estudada e o tamanho calculado para a
amostra.
Os tipos de amostras não probabilísticas mais usadas são:
1) Acidental ou de Conveniência - é o tipo de amostra mais simples e prático de colher - os
indivíduos vão sendo incluídos na amostra conforme sua disponibilidade (ex: gestantes por ordem de
chegada na Maternidade até completar o tamanho da amostra calculada).
2) Por Quotas - obtida através da imposição de alguns critérios (sexo, idade, ocupação) ao
processo de seleção.
3) Intencional - escolhida conforme a intenção do pesquisador de ter mais representantes com
determinada característica na amostra.
4) Sistemática Não-Probabilística - inclusão sistemática, com base em alguma ordenação
existente e um critério de seleção constante (ex: uma série de prontuários em um arquivo, uma série de
casas em uma rua). O primeiro elemento é arbitrariamente escolhido e, a partir deste, utilizam-se os
seus múltiplos.
Tamanho da Amostra
Existem diversas maneiras de calcular o tamanho da amostra: aplicando-se fórmulas estatísticas;
usando o Epiinfo – considerando o delineamento escolhido como ponto de partida para o cálculo; ou
tabelas (pré-calculadas) considerando o tipo de teste estatístico como ponto de partida para o cálculo.
No caso do Epiinfo para determinar o tamanho da amostra é necessário especificar:
1) O delineamento que será usado
2) O poder estatístico (1-beta) - em geral se usa 80%
3) O nível de significância (1-alfa) - em geral se usa 95%
4) Estimativa da razão entre expostos e não expostos
5) Estimativa de freqüência da doença entre os não expostos*
6) Estimativa de risco para os expostos em relação aos não expostos*
* Estes dados devem ser baseados em estudos anteriores ou estimativas feitas com cuidado.
16
Apostila – Prof. Jorge
* A estimativa do tamanho da amostra para estudos descritivos é baseada em alguns princípios
diferentes.
Exemplo 24
Notas:
1) Quanto maior for o número de indivíduos expostos e quanto maior for o risco “oferecido” pela
exposição, menor será o tamanho da amostra necessária.
2) Em princípio, a amostra mínima necessária calculada deve ser respeitada pois, um número menor
seria insuficiente e um número maior seria desperdício.
3) Recomenda-se definir critérios de substituição e estimar um número extra de participantes
(geralmente cerca de 10% a mais) no caso de haver perdas na amostra durante a pesquisa.
17
Apostila – Prof. Jorge
- Independentes ou Fatores de Exposição - (predictor) - tudo que pode levar à alteração do
desfecho - obviamente deve ter plausibilidade biológica.
Notas: todas as variáveis a serem estudadas dever ser descritas e definidas com clareza - medidas de
diagnóstico - pontos de corte, quantidade de medidas, horários, etc.
3.4 – Plano de Coleta e Análise dos Dados - Definir e descrever todos o(s) instrumento(s) e
procedimento(s) de coleta - tipo de questionário (ou equivalente) - como, quando e por quem será
aplicado; exames (ou intervenção) - como, quando e por quem serão coletados (ou aplicado).
Se trabalho for feito em equipe, esta deverá ser caracterizada nesta seção (pode ser em seção
própria) - a Equipe de Pesquisa deve ser definida e descrita detalhadamente - desde a seleção dos
pesquisadores até o final da pesquisa. Caracterizar os componentes da equipe, com as respectivas
posições e experiência prévia. Descrever o treinamento, a padronização e a aferição da
variabilidade inter e entre os pesquisadores - coletores dos dados.
Caracterizar como os dados serão tratados após a coleta - especificar programa a ser usado, como e
por quem será feita a digitação e limpeza dos dados. Descrever o plano de descrição da amostra e
comparação com a população ou, se estudo experimental, comparação entre os grupos intervenção
e controle após a randomização. Descrever os testes estatísticos que serão aplicados nas análises,
mencionando as decisões sobre significância estatística e interpretação sobre a magnitude das
associações. A análise deve iniciar com uma descrição da amostra (univariada) e depois,
gradativamente, com as comparações múltiplas (bivariadas e multivariadas).
Nota importante: A análise dos dados deve ser compatível com o desenho escolhido e objetivos
definidos no projeto.
5) Questões Éticas
Descrever o(s) risco(s) envolvido(s) na participação no estudo e potenciais benefícios, ou prejuízos,
para os participantes.
Deve ser assegurada a confidencialidade das informações - desde o momento da coleta até o
armazenamento e análise dos dados informados.
O Consentimento Informado (ou Livre e Esclarecido) deve constar como anexo no projeto.
6) Cronograma
O mais realista possível - mais para pessimista do que para otimista
7) Orçamento
Detalhado e com possíveis Fontes de Financiamento... Alguns modelos exigem um Cronograma de
Gastos.
8) Bibliografia
As normas de organização variam de acordo com o modelo do projeto – às vezes, determinado pela
instituição onde o mesmo será desenvolvido ou por quem irá financia-lo. Nos projetos nacionais,
geralmente usamos as normas da ABNT.
https://www.google.com.br/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0
CC0QFjAA&url=http%3A%2F%2Fcoralx.ufsm.br%2Fivap%2Fmaterial_teorico.doc&ei=jvhvU5iWB
evJsQSslICIBA&usg=AFQjCNEtyxheJNwNsoVVx0EmVY161VgVMg&sig2=bTXfLVHyV1VU2Oii
I20VSw&bvm=bv.66111022,d.cWc
18