DEFINIÇÕES E CONCEITOS EM BIOESTATÍSTICA O objetivo deste trabalho é oferecer um guia para os cientistas da área
biológica na condução de suas investigações científicas que necessitem de uma
1.1 INTRODUÇÃO
Algumas das informações obtidas de conhecimentos podem gerar uma
dificuldade, pois a ciência não conhece a realidade, ela a representa por meio de
modelos e teorias de diversos estudos.
Um ramo do conhecimento que aspira dificuldades da universalidade das
explicações científicas e que implica na padronização dos dados é a avaliação
estatística das informações. A ampla diversidade dos métodos estatísticos
encontrados na literatura, a vasta aplicação de metodologias de análise nos estudos
biológicos e a integração da estatística como ciência na essência do método
científico, são as principais razões para se destacar a necessidade do uso e do
conhecimento das técnicas estatísticas na investigação científica.
Para a estatística a pesquisa tem significado se conhecermos o verdadeiro
problema sobre o universo que elegemos, quanto às variáveis e às metodologias de
análises.
A coleta, o processamento, a interpretação e a apresentação de dados
numéricos pertencem todos ao domínio da Estatística.
Essas atribuições compreendem desde o cálculo de pontos em esportes, a
coleta de dados sobre nascimentos e mortes, a avaliação da eficiência de produtos
comerciais, até a previsão do tempo.
A informação estatística é apresentada constantemente em todos os meios de
comunicação de massa: jornais, televisão, rádio e internet.
Observamos uma abordagem crescentemente quantitativa utilizada em todas
as ciências, na administração e em muitas atividades que afetam diretamente
nossas vidas.
Isso inclui o uso de técnicas matemáticas nas decisões econômicas, públicas
ou privadas; na avaliação de controle de poluição; na análise de problemas de
tráfego; no estudo dos efeitos de vários medicamentos; na adoção de novas
técnicas agrícolas e novas cultivares; em estudos demográficos como o
crescimento populacional e migração.
A partir desses poucos exemplos, podemos notar a importância da estatística
como ferramenta necessária para a compreensão dos fenômenos que ocorrem nas
mais diferentes áreas.
abordagem da Bioestatística.
1.2 A ESTATÍSTICA MÉDICA
Com a crescente utilização da estatística na prática da medicina e de outras
áreas biológicas, faz-se necessário o seu constante conhecimento por profissionais
da área da saúde.
Diante do exposto, fica evidente que a Estatística Médica se constitui nos
fundamentos da Medicina Quantitativa. As metodologias estatísticas são cada vez
mais necessárias no estudo de situações em que as variáveis de interesse estão
sujeitas a variações aleatórias. Portanto, torna-se necessário, para a realização de
estudos clínicos, a escolha adequada de uma metodologia capaz de tratar tal
variabilidade. Portanto, os métodos estatísticos representam estratégias de solução
de problemas na área da pesquisa médica.
Ancorados nos conhecimentos substantivos da área médica e da estatística, os
profissionais beneficiam-se de uma visão estruturada da metodologia da pesquisa.
A Bioestatística representa o conjunto de metodologias estatísticas utilizadas
no tratamento da variabilidade existente nas ciências médicas e biológicas.
Portanto, a Bioestatística fornece respaldo para decisões acertadas na
presença da incerteza, ou seja, é o planejamento e a análise de estudos médicos e
biológicos.
A Biometria, dentro da área biológica e médica é compreendida como a
ciência que estuda as medidas de seres vivos.
Dessa forma, a Bioestatística (Estatística Médica) pode ser vista como uma
ferramenta responsável pela organização e validação do conhecimento
médico/biológico.
1.3 DADOS BIOMÉTRICOS
A Biometria (do grego Bios=vida, metron=medida) representa a utilização de
características biológicas em mecanismos de identificação. Ou seja, é a ciência da
tecnologia de medição e análise de dados biológicos. As informações obtidas
baseadas nos elementos que constituem a população ou a amostra são denominadas
tecnicamente de dados biométricos.
Os dados relativos a indivíduos podem ser coletados tanto diretamente pelo
pesquisador, como por meio de declarações feitas pelos próprios indivíduos. Para
que se obtenham essas informações o pesquisador pode fazer um questionário com Esse estudo é realizado, normalmente, a cada dez anos na maioria dos países.
perguntas para serem respondidas por escrito, ou fazer entrevistas. De acordo com a Organização das Nações Unidas (ONU), o censo é definido como
Assim, por exemplo, os dados a respeito do estado de saúde de um indivíduo “o conjunto de operações que consistem em recolher, agrupar e publicar dados
podem ser obtidos tanto mediante exame físico como por meio de declarações demográficos, econômicos e sociais relativos a um momento determinado ou em
prestadas pelo próprio indivíduo (anamnese). Um mesmo elemento pode fornecer certos períodos, a todos os habitantes de um país ou território”.
diversos dados. Assim, por exemplo, os pacientes de uma clínica fornecem os
dados relativos a sexo, profissão, etc., além de dados relativos ao diagnóstico e 1.4.1.1 O CENSO NO BRASIL
tratamento. Em 1936, foi criado no Brasil, o Instituto Brasileiro de Geografia e Estatística
– IBGE.
Após o levantamento de dados, isto é, após a operação de coleta do material Desde então, o órgão tornou-se o responsável pela realização do Censo
básico para descrição e posterior análise das características de uma população, há a Demográfico no país.
necessidade de os dados e os resultados obtidos serem dispostos de uma forma Os censos demográficos são planejados para serem executados nos anos de
ordenada e resumida, a fim de auxiliar o pesquisador na análise dos mesmos. finais zero, ou seja, a cada dez anos.
Os dados coletados nas áreas médicas e biológicas podem ser classificados No intervalo entre dois censos demográficos, realiza-se a contagem da
em dados quantitativos e qualitativos. Os dados qualitativos (Ex: raça, doença, população.
etc.) são aqueles que representam as qualidades (características) de um elemento
em pesquisa. 1.4.1.2 FASES DE UM RECENSEAMENTO OU CENSO
Os dados qualitativos podem ser divididos em nominais, quando não existe
nenhuma ordenação nas suas possíveis realizações (Ex: a cor da pele, a cor os  Realização do planejamento e preparação.
olhos, etc.) ou em ordinais, quando os seus possíveis resultados podem ser  Notação e coleta dos dados.
ordenados por algum critério específico (Ex: altura das pessoas, etc.). Já os dados  Compilação e verificação dos dados.
quantitativos são resultados de uma contagem ou mensuração (Ex: número de  Apuração dos dados.
pessoas com determinada doença, etc.).  Publicação dos dados.

1.4 OS CONCEITOS DA BIOESTATÍSTICA No Brasil, atualmente, são 185 milhões de habitantes, cerca de 16 milhões a
1.4.1 CENSO mais do que o ano de 2000.
Considerado um estudo estatístico, o censo, também chamado recenseamento Esse fato permite inferir uma grande dinâmica da população brasileira, que
demográfico, permite a coleta de dados (informações) sobre determinada está ligada a fatores como taxas de natalidade e expectativa de v
população.
A figura 1 representa a pirâmide etária ou também chamada de pirâmide
Exemplos de informações coletadas: demográfica ou populacional. Por meio dela é possível visualizar a distribuição de
 Número de habitantes. diferentes grupos etários em uma população.
 Número de homens e mulheres.
 Número de crianças e idosos. FIGURA 1 - PIRÂMIDE ETÁRIA DA POPULAÇÃO BRASILEIRA EM 1950,
 Onde e como vivem as pessoas. 1980 E 2010
 Profissão.
 Faixa salarial, etc.

De acordo com a figura 1 (vista anteriormente), a base representa os jovens
da população, representados por pessoas de até 14 anos.
A área intermediária ou corpo representa o grupo adulto da população,
compreendendo pessoas entre 15 e 59 anos e, por fim, o topo, ou ápice, que
representa a população idosa, ou seja, pessoas acima de 60 anos.
Os diferentes formatos das pirâmides indicam alterações significativas na
estrutura etária de uma população.
Exemplos:
 Pirâmides com bases largas indicam altas taxas de natalidade e aquelas com
bases estreitas sugerem baixos índices de nascimento.
 Pirâmides com topos largos sugerem populações com elevada expectativa de
vida, já topos estreitos mostram que há uma pequena participação dos idosos.
As taxas de natalidade e de mortalidade não são constantes. De acordo com o
IBGE, em 1950, 41,8% da população do país se encontrava na faixa até 14 anos. Já
em 2010, esse percentual foi de apenas 24,7%. Há 60 anos, o número médio de
filhos por casal era superior a seis e, em 2010, não ultrapassa dois, indicando
assim, que a população brasileira está em movimento.
FIGURA 2 - DINÂMICA DA POPULAÇÃO BRASILEIRA
Alguns exemplos de Censos realizados no Brasil:
a) Censo da Educação Superior
 Realizado pelo INEP (Instituto Nacional de Estudos e Pesquisas Educacionais
Anísio Teixeira).
 É realizado anualmente.
 É feita a coleta de dados do ensino superior, cursos de graduação presencial ou
a distância, cursos sequenciais, vagas oferecidas, inscrições, matrículas,
ingressantes e concluintes, além de informações sobre docentes.
Objetivos: oferecer informações detalhadas sobre a situação atual e as grandes
tendências do setor acadêmico.
b) Censo Agropecuário
 Realizado pelo IBGE (Instituto Brasileiro de Geografia e Estatística).
 Representa o levantamento de informações sobre estabelecimentos
agropecuários, florestais e/ou aquícolas de todos os municípios de um país.
Objetivos: atualizar dados de censos anteriores, fornecer informações a respeito de
aspectos econômicos, sociais e ambientais da atividade agropecuária.
 A última edição ocorreu em 2007, tendo como ano-base 2006.
1.4.2 POPULAÇÃO
População ou universo estatístico representa o conjunto de elementos sobre o
qual incide o estudo estatístico. Esse conjunto pode ser de pessoas, animais,
resultados experimentais, que apresentam uma ou mais características em comum.
Vídeo
A cada elemento da população nomear-se unidade estatística, o número de
elementos de uma população, ou seja, o número de unidades estatísticas é
designado de dimensão populacional. A dimensão populacional pode ser finita
ou infinita.
Exemplo: O gestor de um hospital pretende ter uma ideia da porcentagem de
pessoas com determinada doença naquele mês. A população em estudo é
representada por todas as pessoas internadas no respectivo mês. A característica
estatística tem apenas duas modalidades: pessoas com a determinada doença ou
pessoas sem a determinada doença.
a) Dimensão populacional ou população finita:
Em uma população finita é possível enumerar todos os elementos que a formam. eventualmente poderão existir no futuro, ou seja, suas unidades não são
Refere-se a um universo limitado. identificáveis, mas apenas definidas pela caracterização das condições que lhe
Exemplos: Quantidade de medicamentos produzidos por uma indústria integrem.
farmacêutica por mês.
o A população de uma cidade. As populações de interesse são, em geral, muito grandes ou até mesmo
o O número de alunos de uma sala de aula. infinitas, embora algumas vezes possam ser bem pequenas.
o O número de pacientes com determinada doença em um hospital. Na maioria das vezes, devido ao alto custo, ao intenso trabalho e ao tempo
o O número de hospitais de uma determinada cidade. desprendido, limitamos as observações referentes a uma determinada pesquisa a
apenas uma parte da população que denominamos de amostra.
b) Dimensão populacional ou população infinita:
Em uma população infinita os seus elementos não podem ser mensurados. População ou universo é: Um conjunto de elementos com pelo menos uma
Refere-se a um universo não delimitado. característica em comum.
Exemplos:
o Os resultados (cara ou coroa) obtidos em sucessivos lançamentos de 1.4.3 AMOSTRA
uma moeda. Amostra é o nome dado a qualquer subconjunto de uma determinada
o O conjunto de números inteiros, reais ou naturais. população com a finalidade de reproduzir a realidade estudada.
A amostra deve ser representativa, ou seja, manter as características da
o Os pontos de uma reta.
população.
o A temperatura em cada ponto do Brasil.
FIGURA 3 - DEMONSTRAÇÃO DE POPULAÇÃO E AMOSTRA
Nem sempre é possível estudar todos os elementos de uma determinada população
por vários motivos, dentre os mais importantes:
o A população pode ter dimensão infinita.
o Pode o estudo da população levar à destruição da mesma.
o Pode o estudo da população ser muito dispendioso em tempo e
recursos financeiros.
o Inacessibilidade de alguns dos elementos da população.

As populações também podem ser classificadas em populações reais ou populações

conceituais.
1.4.4 PARÂMETROS
Populações reais Parâmetros estatísticos são valores numéricos utilizados para descrever uma
Uma população é chamada de real quando é constituída por unidades característica de determinada população.
existentes no momento da execução da pesquisa.
Populações reais são necessariamente finitas. 1.4.5 ESTIMATIVAS DOS PARÂMETROS
Populações conceituais Nos processos biológicos, é praticamente impossível medir todos os
Uma população é chamada de conceitual quando é constituída de unidades elementos de uma população. Por essa razão, os pesquisadores trabalham com
existentes no momento da execução da pesquisa, como também de unidades que, dados amostrais ou experimentais.
 Desse modo, todas as inferências estatísticas são baseadas nas distribuições
amostrais e na teoria probabilística
Estimativa de parâmetros são os valores calculados a partir dos dados da
amostra, com o objetivo de avaliar parâmetros desconhecidos. A estimativa pode
ser obtida pela estimação por ponto ou pela estimação por intervalo. Na estimação
por ponto ou pontual é obtido um único valor amostral para estimar o parâmetro
populacional.
Convém salientar que o estimador é uma variável aleatória, que é função dos
elementos amostrais. Dessa forma, a estimativa por ponto pode variar entre as
amostras, estando, pois, sujeita a erros de estimação, devido ao processo de
aleatorização e à variabilidade inerente à população da qual foi retirada a amostra.
Já na estimação por intervalo é construído um intervalo com uma probabilidade
pré- fixada de conter o parâmetro populacional. Essas probabilidades são, em
geral, fixadas em 95% ou 99% e são denominadas nível de confiança.
A. O estimador deve ser não viciado ou não viesado.
Dizer que um estimador é não viciado ou não viesado significa que, se forem
retiradas todas as amostras de tamanho n de uma população, a média de todas
as estimativas obtidas em todas as amostras possíveis será igual ao valor do
parâmetro que se deseja estimar.
B. O estimador deve ser consistente.
Um estimador será consistente se, além de não viciado, sua variância tender
para zero, quando n aumenta, tendendo para o infinito. Esse fato indica que o
estimador converge em probabilidade para o parâmetro à medida que n cresce.
C. O estimador dever ser eficiente.
Um estimador eficiente é aquele que apresenta menor variância.
1.4.6 UNIDADE DE AMOSTRAGEM
A amostragem é uma ferramenta que tem como objetivo permitir a análise de
um subconjunto de uma população, levantando, assim, informações sobre fatos
relativos a esse subconjunto, com a intenção de inferir o comportamento da
população.
A amostragem permite recolher amostras, e ainda garante, tanto quanto
possível, o acaso na escolha.
Desta forma, cada elemento da população passa a ter a mesma chance de ser
escolhido, o que garante à amostra o caráter de representatividade, e isto é muito
importante, pois, nossas conclusões relativas à população vão estar baseadas nos
resultados obtidos das amostras dessa população
A realização de pesquisas é baseada nas questões relativas às tomadas de
observações de realidade, ou seja, na obtenção de uma amostra dessa realidade. A
busca por métodos adequados para assegurar o valor científico das informações e
conclusões aventadas é sempre realizada pelos cientistas.
O método, também chamado de delineamento, é o plano estratégico de
observação da realidade e é também de grande importância no processo. Como já
mencionado, os levantamentos por amostragem têm a finalidade de reproduzir a
realidade estudada.
Esses levantamentos se aplicam ao conjunto real composto de elementos,
denominado população de estudo. Os dados são coletados em amostras de
população de estudo e as estimativas passam a ser as informações disponíveis para
os parâmetros, necessitando assim de uma amostragem.
A amostragem compreende a definição do tamanho e o desenho da amostra e,
ainda, a escolha de procedimentos para a obtenção de estimativas.
A importância de uma amostra está na avaliação de grandezas desconhecidas
de uma população e a qualidade desta avaliação depende basicamente da
representatividade da amostra e, a representatividade de uma amostra depende de
sua capacidade e reproduzir as características básicas de sua população.
Muito provavelmente você não será capaz de entrevistar toda uma população
de pessoas ou examinar todo um conjunto de objetos, então você se orienta por um
pequeno grupo retirado de uma população/conjunto.
Você vai inferir o comportamento da população com base nos resultados
descritos da amostra. Uma amostra é uma parte integrante de uma população.
Diversos fatores justificam os trabalhos com amostras, no lugar de estudar a
respectiva população, entre as quais, destacam-se:
 Custo - As despesas com operacionalização estatística da população são
geralmente bem maiores que com a averiguação de uma amostra.
 Velocidade - As pesquisas realizadas com amostras são mais rápidas, em
virtude de conter um menor número de unidades.
 Praticidade - Conforme o próprio conceito, às vezes, a dimensão da
população torna as pesquisas impraticáveis.
A amostragem pode ser dividida em amostragem probabilística e não
probabilística. A amostragem probabilística caracteriza-se por garantir que todo
elemento pertencente ao universo de estudo possua probabilidade, conhecida ou
diferente de zero, de pertencer à amostra sorteada.
Vários processos de amostragem probabilística existem e são descritos na
literatura. Esses métodos podem e são, pelo menos na maioria das situações,
usados de uma forma combinada. A amostragem probabilística é representada por
vários processos, dentre os quais os destaques a seguir.
a) Amostragem casual ou aleatória simples
A amostragem casual simples é o processo de amostragem probabilística na
qual qualquer combinação de (n) elementos da amostra, retirada dos (n) elementos
populacionais que compõe a população, tem igual probabilidade de vir a ser
sorteada.
É o processo mais elementar e frequentemente utilizado. É equivalente a um
sorteio lotérico (Figura 4).
FIGURA 4 - DEMONSTRAÇÃO DE UMA AMOSTRAGEM ALEATÓRIA SIMPLES
“Na prática, cada elemento é amostrado por um processo aleatório que confere
igual chance de ser sorteado a cada elemento da população, sorteia-se um e repete-
se o processo para se selecionar o próximo elemento, dando sempre chances iguais
para todos aqueles remanescentes na população.”
“Repete-se tantas vezes esse procedimento até que a amostra de n elementos seja
composta. A partir do momento em que os elementos amostrados da população são
removidos para as sucessivas retiradas subsequentes, esse método é denominado
de amostragem simples ao acaso sem reposição.”
“Se por um lado os elementos populacionais são repostos após uma retirada, a
amostragem é dita com reposição e é perfeitamente possível de ser feita.”
“À primeira vista, e intuitivamente, pode-se deduzir que não é muito vantajoso que
um mesmo elemento apareça duas, três ou mus vezes na amostra.
Se a população é muito grande os tipos de amostragem, com ou sem reposição, não
apresentam grandes diferenças. Isso porque a chance de um elemento ser sorteado
duas ou mais vezes para a amostra é muito pequena.”
A população submetida a esse tipo de amostragem é, em geral, finita, cujos
elementos possam ser identificados em uma listagem enumerada.
Uma característica exigida para que haja sucesso da amostragem, ou seja,
para que estimativas fidedignas dos parâmetros populacionais possam ser obtidas,
refere-se a uma homogeneidade entre os elementos dessa população.
Essa homogeneidade interna da população é um tanto quanto difícil de ser
caracterizada nas situações práticas com que o investigador se depara. Em hipótese
alguma ela se refere a uma ausência de variabilidade da população.
b) Amostragem proporcional estratificada
Dá-se o nome de amostragem estratificada ao sistema de obtenção de amostra
em que a população de (n) elementos é previamente dividida em grupos
mutuamente exclusivos, denominados de estratos, e dentro dos quais são sorteadas
amostras causais simples de tamanho n.
Como é provável que a variável em estudo apresente, de estrato em estrato,
um comportamento heterogêneo e, dentro de cada estrato, um comportamento
homogêneo, convém que o sorteio dos elementos da amostra leve em consideração
tais estratos. Uma das principais razões para se usar a estratificação fundamenta-se
na premissa de que esse processo leva a um ganho de precisão na estimação de
parâmetros da população.
Isso realmente ocorre, pois é possível subdividir uma população heterogênea
em subpopulações internamente homogêneas. Dessa forma, um estrato é
considerado homogêneo internamente se, de elemento para elemento, há apenas
uma pequena variação.
Por essa razão, uma estimativa precisa para um parâmetro de um estrato
populacional pode ser obtida com apenas uma pequena amostra desse estrato.
Essas estimativas dos diferentes estratos são combinadas para a obtenção de uma
estimativa e um determinado parâmetro da população como um todo.
FIGURA 5 - DEMONSTRAÇÃO DE UMA AMOSTRAGEM SISTEMÁTICA
c) Amostragem Sistemática
A amostragem sistemática é um tipo de amostragem em que o plano de
amostragem é obtido por um critério pelo qual intervalos regulares de mesmo
tamanho entre unidades da amostra são tomadas até se compor uma amostra de
tamanho (n) de toda a extensão da localização física da população alvo (Figura 5).
Quando os elementos da população já se acham ordenados, não há
necessidade de construir o sistema de referência. Porém, muitas vezes, a população
não pode ser ordenada em uma dimensão apenas.
As posições das unidades da amostra são definidas por duas dimensões
(coordenadas). A forma de amostrar deve considerar um gride alinhado ou não
alinhado.
No gride alinhado, a sequência de unidades na horizontal, ou na vertical,
segue a mesma distância ou alinhamento. No gride não alinhado essa disposição
não obedece a essa regra.
d) Amostragem por conglomerados ou agrupamentos
Quando os elementos da população são reunidos em grupos que são sorteados
para compor a amostra, o processo é denominado de amostragem por
conglomerado (Figura 6).
A razão de se usar um tipo de amostragem como esse é principalmente
motivado por critérios de ordem prática.
Dentre esses critérios destaca-se a ausência de uma listagem de todos os
elementos populacionais.
FIGURA 6 - DEMONSTRAÇÃO DEAMOSTRAGEM POR CONGLOMERADOS.
Agrupamentos típicos são: quarteirões, famílias, organizações, agências,
edifícios, etc.
e) Amostragem Acidental
Trata-se de uma amostra formada por aqueles elementos que vão aparecendo,
que são possíveis de se obter até completar o número de elementos da amostra.
Geralmente utilizada em pesquisas de opinião, em que os entrevistados são
acidentalmente escolhidos.
Exemplo: pesquisa de opinião em praças públicas, ruas de grandes cidades,
etc.
f) Amostragem Intencional
De acordo com determinado critério, é escolhido intencionalmente um grupo
de elementos que irão compor a amostra. O investigador se dirige intencionalmente
a grupos de elementos dos quais deseja saber a opinião.
Exemplo: numa pesquisa sobre preferência por determinado cosmético, o
pesquisador se dirige a um grande salão de beleza e entrevista as pessoas que
ali se encontram.
g) Amostragem por quotas
Um dos métodos de amostragem mais comumente usados em levantamento
de mercado e em prévias eleitorais. Ele abrange três fases:
1ª: Classificação da população em termos de propriedades que se sabe, ou
presume, serem relevantes para a característica a ser estudada.
2ª: Determinação da proporção da população para cada característica, com base na
constituição conhecida, presumida ou estimada da população.
3ª: Fixação das quotas para cada entrevistador a quem tocará a responsabilidade de
selecionar entrevistados, de modo que a amostra total observada ou entrevistada
contenha a proporção e cada classe tal como determinada na 2ª.
Podem surgir dificuldades no processo de amostragem, dentre os quais, os
mais importantes são:
 Erros de amostragem aleatórios que aparecem no processo de amostragem.
Dão origem a resultados diferentes dos que obteríamos se tivéssemos
usado um censo. São devidos à aleatoriedade da repetição de uma
experiência e são fáceis de ultrapassar, bastando para isso repetir várias
vezes a experiência para obter outras amostras.
 Os erros de amostragem não aleatórios não estão relacionados com a
seleção da amostra. Muitas vezes, são devidos à complexidade do
processo.
Uma parte da população retirada para análise denomina-se: AMOSTRA
1.4.7 VARIÁVEIS
O termo variável é utilizado genericamente para indicar aquilo que é sujeito à
variação ou à inconstância no contexto da pesquisa científica. Uma variável é
definida como a função que estabelece uma correspondência entre os níveis de
uma característica e os valores de um conjunto numérico segundo uma escala de
medida. Em outras palavras, uma variável é uma característica populacional que
pode ser medida de acordo com alguma escala. Ou seja, toda variável é
identificada por um nome ou identificador.
As variáveis coletadas podem ser classificadas em qualitativas e quantitativas
(variáveis aleatórias). As variáveis qualitativas são aquelas que fornecem dados
(informações) de natureza não numérica. Essas variáveis podem ser nominais ou
ordinais. Uma variável é qualitativa nominal quando a característica em estudo é
uma qualidade sem expressar nenhuma ordem hierárquica de classificação.
Já uma variável qualitativa é ordinal quando as características observadas
sugerem uma ordenação natural. As variáveis quantitativas ou também chamadas
de aleatórias são consideradas as mais importantes na estatística, já que, na maioria
das vezes, quando realizamos um experimento, estamos interessados em
características numéricas.

FIGURA 7 - CLASSIFICAÇÃO DAS VARIÁVEIS

1.4.8 VARIÁVEIS ALEATÓRIAS
As variáveis quantitativas ou aleatórias são as características que podem ser
medidas em escala quantitativa, ou seja, apresentam valores numéricos que fazem
sentido.
A variável aleatória é a função que associa um número real a cada elemento
do espaço amostral.
Onde:
S → espaço amostral
s → elemento do espaço amostral S

A variável aleatória está relacionada com a característica do experimento que

pretendemos estudar. As variáveis quantitativas ou aleatórias podem ser discretas
ou contínuas.
As variáveis aleatórias discretas são aquelas em que os dados somente podem
apresentar determinados valores, em geral, números inteiros, ou seja, um conjunto
finito ou enumerável.
Já as variáveis aleatórias contínuas são aquelas cujos dados podem apresentar
qualquer valor dentro de um intervalo de variação possível, ou seja, um conjunto
não enumerável.
 2 EXPERIMENTAÇÃO BIOMÉTRICA
2.1 INTRODUÇÃO
A grande maioria das informações obtidas é resultado de observações; ao
passo que a parte mais significativa é a generalização ou o processo indutivo, que
consiste em levar em consideração acontecimentos anteriores para predizer
acontecimentos futuros, ou seja, observações que, posteriormente, possam vir a
acontecer no futuro.

O objetivo geral da estatística, como ciência, é tornar um observador mais

crítico, consciente e, acima de tudo, seguro, para quando, por falta de informações
confiáveis, ele possa agir de forma coerente com base em opiniões e impressões.

2.2 O RACIOCÍNIO INDUTIVO DA BIOMETRIA

Não é possível encontrar no mundo duas coisas exatamente iguais. Portanto,
não é possível garantir que dois experimentos estatísticos sejam exatamente iguais,
de tal forma que será sempre impossível a reprodução exata dos resultados obtidos.
As informações obtidas serão variáveis, em menor ou maior grau, e o erro
experimental estará sempre presente.
Desse modo, serão numerosos resultados que variam entre si, levando em
consideração a dimensão do erro experimental. Todas as generalizações obtidas
tendem a não ser absolutamente precisas; elas devem levar em consideração o erro
experimental e a existência do elemento da incerteza.
Essa incerteza é característica do raciocínio indutivo, e a grande questão é a
consideração desta incerteza nos processos experimentais. Quando se considera a
questão da incerteza na área biológica, depara-se com a problemática relacionada
com a variabilidade proveniente dos organismos vivos e suas partes. Há grande
influência de fatores genéticos, ambientais e de desenvolvimento, de tal modo que
não é possível a reprodução exata de nenhuma situação do sistema.
Isto torna evidente a necessidade do estabelecimento de uma experimentação
calcada em bases sólidas e coerentes, para que todas as variações existentes
possam ser levadas em conta e para que a acurácia dos experimentos seja a maior
possível, dando assim, a credibilidade necessária às informações obtidas.

2.3 DELINEAMENTOS EXPERIMENTAIS

A forma como os tratamentos ou níveis de um fator são dispostos às unidades
experimentais ou parcelas é chamada de delineamento experimental.
 Para que o erro experimental seja reduzido ao máximo é necessário o
estabelecimento de delineamentos experimentais. Diante do exposto, ter ciência de
como o experimento foi instalado e conduzido torna-se de fundamental
importância para o sucesso experimental.
Por isso, deve-se dar muita importância ao planejamento do experimento.
O planejamento experimental de um delineamento é feito de maneira que a
variação ao acaso seja reduzida o máximo possível.
Dentre os delineamentos existentes, os mais utilizados são:
a) Delineamento Inteiramente Casualizado (DIC) = O delineamento
inteiramente casualizado é utilizado em locais cujas condições experimentais
possam ser bem controladas (laboratórios, casa de vegetação, terrenos com pouca
heterogeneidade, etc.), ou seja, quando a variabilidade entre as parcelas
experimentais for muito pequena, isto é, praticamente inexistente.
As vantagens do delineamento inteiramente casualizado (DIC) são:
 O número de graus de liberdade para o erro experimental é máximo.
 O número de tratamentos e de repetições depende apenas do número de
parcelas experimentais disponíveis.
 É o delineamento mais simples de ser instalado e conduzido.
O delineamento inteiramente casualizado (DIC) possui como maior desvantagem a
possibilidade de que toda a variabilidade existente irá inflacionar o erro
experimental, exceto apenas a fonte de variação devido aos efeitos dos
tratamentos. Isto pode ocasionar em um erro experimental muito grande e chegar a
comprometer os resultados do experimento.
 eij = é o erro experimental na parcela i, j.
Exemplo: Um experimento com três tratamentos e duas repetições foi realizado
em DIC. Os dados observados nas parcelas foram representados pela letra Y, com
os índices i e j indicando, respectivamente, tratamento e repetição. Os dados
podem ser colocados em uma tabela como especificado na tabela seguinte.
TABELA 1 - REPRESENTAÇÃO DOS DADOS DE UM EXPERIMENTO EM DIC
COM TRÊS TRATAMENTOS E DUAS REPETIÇÕES
Estas observações, segundo o modelo estatístico do delineamento inteiramente
casualizado (DIC), podem ser expressas como:
y11 = µ + t1 + e11
y21 = µ + t2 + e21
y31 = µ + t3 + e31
y12 = µ + t1 + e12
y22 = µ + t2 + e22
y32 = µ + t3 + e32

Nesse delineamento os tratamentos são designados aleatoriamente às parcelas Tem-se aqui um sistema de equações no qual são conhecidos apenas os
experimentais. Esse tipo de sorteio implica em que todo tratamento tem a mesma valores de Y (variável resposta). O modo geral de análise para os ensaios em DIC é
chance de ser aplicado a qualquer parcela na área experimental. apresentado na Tabela 2.

Para o delineamento inteiramente casualizado (DIC) o modelo linear adequado DE TABELA 2 - MODELO GERAL ANÁLISE PARA ENSAIOS EM DIC COM I
para este é dado por: TRATAMENTOS E J REPETIÇÕES
yij = µ+ ti + eij

Em que:
 Yij = é a observação feita na parcela para o tratamento i na repetição j.
 µ = representa uma constante inerente a toda parcela.
 ti = representa o efeito do tratamento i.
 Quando as parcelas se acham agrupadas em blocos, os tratamentos são
aleatoriamente designados às unidades dentro de cada bloco. Posteriormente, os
blocos são sorteados na área experimental.

A observação da parcela que recebe o tratamento i no bloco j (yij) é definida,

estatisticamente, por:
yij = µ + ti + bj + eij
b) Delineamento em blocos casualizados (DBC) = Diferentemente do Com i = 1, 2, ..., I e j = 1, 2, ..., J
delineamento inteiramente casualizado (DIC), no delineamento em blocos Em que:
casualizados (DBC), a parcela experimental é dividida em grupos homogêneos,  µ = é uma constante inerente à toda observação.
cada grupo constituindo uma repetição.  ti = é o efeito do tratamento i.
No caso de os blocos serem completos, em cada bloco ou repetição deve  bj = é efeito do bloco j.
conter uma vez cada tratamento. A grande finalidade da implantação do DBC é  eij = é o erro na parcela i, j.
manter em todas as etapas do experimento o erro, dentro de cada bloco, tão
pequeno quanto seja possível na prática. As fontes de variação e os respectivos graus de liberdade para o delineamento
Em todas as parcelas de um mesmo bloco deve-se empregar uma técnica em blocos casualizados completos são apresentados na Tabela 3.
uniforme durante toda a condução do ensaio. Quaisquer alterações na técnica de TABELA 3 - CAUSAS DE VARIAÇÃO E GRAUS DE LIBERDADE PARA O
condução ou em outras condições que possam afetar os resultados devem ser feitas DELINEAMENTO EM BLOCOS CASUALIZADOS E I TRATAMENTOS E COM J
entre os blocos. REPETIÇÕES
No campo este agrupamento é feito quando as parcelas são dispostas na área
experimental.
Cada repetição deverá ser formada por um grupo compacto de parcelas, de
forma tão aproximada quanto possível, pois se sabe que as parcelas vizinhas são
mais semelhantes em fertilidade do que parcelas distantes.
Em casos em que a colheita do ensaio deva estender-se por algum tempo é A soma dos quadrados é dada por:
necessário que seja feita repetição por repetição, sendo que, chuvas e outros fatores
podem produzir alterações no peso do material colhido de um dia para o outro.
As principais características e vantagens em relação ao delineamento
inteiramente casualizado (DIC) são:
 Permite o controle da influência de uma fonte de variação além do efeito
de tratamentos, pelo agrupamento hábil das parcelas (controle local).
 Dentro de cada bloco (repetição), as condições ambientais devem ser
homogêneas, podendo variar de bloco para bloco. Em que:
 As repetições podem ser distribuídas por uma área maior permitindo  Bj = é o total do bloco j.
conclusões mais gerais.  Ti = é o total do tratamento i
 G = é o total geral.
 c) Delineamento Quadrado Latino = Já no delineamento quadrado latino TABELA 4 - CAUSAS DE VARIAÇÃO, GRAUS DE LIBERDADE E SOMAS DE
(DQL), os tratamentos são agrupados nas repetições de duas formas distintas: QUADRADOS PARA O DELINEAMENTO QUADRADO LATINO
“linhas” e “colunas”. Isso permite eliminar os efeitos de duas fontes de variação do
erro experimental.
O esquema do delineamento para I tratamentos corresponde a um “quadrado”
com I linhas e I colunas, contendo I² parcelas. Cada tratamento ocorre uma vez em
cada linha e em cada coluna. Um dos possíveis arranjos para um ensaio com quatro
tratamentos (A, B, C e D) é:
FIGURA 8 A estatística apropriada para testar a hipótese de que não existe efeito de
tratamentos é:
Fc = QMTratamentos / QMErro
que tem distribuição F( I -1) ; ( I -1) ( I -2) sob H0.
Desde que “Linhas” e “Colunas” representam restrições à casualização, o teste
F pode não ser apropriado para estes critérios de classificação.
A. Coleta dos dados.
Linhas e Colunas são termos gerais para referenciar critérios de classificação
B. Crítica dos dados.
e, assim, podem representar uma “espécie” de tratamentos. Se existir interação
C. Tratamento dos dados.
(dependência) entre os critérios de classificação e os tratamentos, a estatística Fc
D. Apresentação dos dados.
não tem distribuição de F e o teste não é válido.
E. Análise e Interpretação dos dados.
O delineamento quadrado latino é utilizado em experimentos industriais,
F. Conclusão.
zootécnicos, agronômicos e ensaios de diversas outras áreas. No caso de ensaios na
área agronômica, o DQL é implantado para controlar as diferenças de fertilidade
a) Coleta dos dados
em dois sentidos, por exemplo. Em geral, é satisfatório tomar um quadrado latino
O primeiro passo em uma pesquisa científica ou levantamento estatístico é o
qualquer, permutar as linhas e colunas e designar, ao acaso, os tratamentos às
planejamento, no qual define-se o problema que será o centro da pesquisa. Após a
letras.
definição do problema, é realizada a coleta dos dados, ou seja, é dado o início à
A observação da parcela na coluna j e na linha k, que recebe o tratamento i, é
coleta das informações numéricas necessárias à descrição do problema. A coleta
definida como:
dos dados pode ser de forma direta ou indireta.
yijk = μ + ti + cj + lk + ejk(i)
A coleta é designada direta quando os dados são coletados pelo próprio
Em que:
pesquisador por meio de inquéritos ou questionários, ou seja, quando leva em
 μ = é a constante comum a todas as parcelas.
consideração informações que são de registro obrigatório. Considera-se exemplo a
 ti = é o efeito do tratamento i. coleta de dados como nascimentos, casamentos e óbitos. A coleta direta de dados
 cj = é o efeito da coluna j. pode ser classificada relativamente ao fator tempo em:
 lk = é o efeito da linha k.  Contínua - A coleta de dados direta contínua é aquela feita continuamente.
 ejk(i) = representa o erro aleatório na parcela i, j, k. Exemplos: coleta de dados de nascimento, óbitos e a de frequência dos alunos
às aulas.
Sendo i, j, k, = 1, 2, ..., I.  Periódica - A coleta direta periódica é aquela realizada em intervalos
Este modelo estatístico leva ao modelo de análise, apresentado na Tabela 4. constantes de tempo.
Exemplos: Censos e avaliações mensais dos alunos.
 Ocasional - A coleta direta ocasional é aquela feita extemporaneamente. Tem
como finalidade atender a alguma necessidade de urgência.
Exemplos: casos de epidemias.
Já a coleta é dita indireta quando realizada levando em consideração
informações conhecidas, obtidas pela coleta direta e/ou do conhecimento de outros
fenômenos relacionados com o fenômeno estudado. Um exemplo é a pesquisa
sobre a mortalidade infantil, que é realizada por meio das informações obtidas por
uma coleta direta.
b) Crítica dos dados
Após a coleta dos dados, estes devem ser criteriosamente criticados com a
finalidade de buscar possíveis falhas ou imperfeições que venham a acarretar em
erros que possam de alguma forma interferir na confiabilidade dos resultados
futuros. A crítica dos dados pode ser classificada em externa e interna.
A crítica dos dados é chamada de externa quando tem a finalidade de
descobrir as causas dos erros por parte do informante, como por exemplo, distração
e má interpretação das perguntas que foram feitas. Já a crítica interna visa à
observação dos elementos dos dados originais de coleta.
c) Tratamento dos dados
Após a análise crítica dos dados, a próxima etapa a ser realizada em um
levantamento estatístico é o tratamento dos dados. O tratamento dos dados está
relacionado com o processamento dos dados obtidos e a disposição desses dados
de acordo com critérios de classificação. O tratamento das informações pode ser
realizado de forma manual ou eletrônica.
d) Apresentação dos dados
Uma etapa de grande importância em um levantamento estatístico é a
apresentação dos dados.
Com os dados em mãos, o pesquisador necessita divulgar estes dados a todos,
bem como as estatísticas calculadas, para que seu estudo possa ser compreendido e
utilizado como referência em pesquisas futuras relacionadas ao mesmo tema. A
apresentação dos dados de uma pesquisa deve ser feita de maneira compreensível e
simples pata todos.
Geralmente, a apresentação dos dados estatísticos é feita por meio de tabelas
ou gráficos. Essa forma de apresentação permite um fácil entendimento,
dependendo da dificuldade do problema em questão.
 Tabelas
Uma forma bastante utilizada na apresentação de dados estatísticos é a
utilização de tabelas. A tabela é uma estrutura não discursiva de apresentar
informações, na qual o valor numérico é considerado como informação central. O
objetivo da apresentação de dados na forma de tabelas é discriminar os dados de
modo ordenado, de maneira simples e que seja de fácil interpretação, fornecendo o
máximo de informação em um mínimo de espaço.
Para se construir uma tabela é necessário levar em consideração uma série de
normas técnicas. Estas normas técnicas podem ser encontradas na publicação do
IBGE “Normas de Apresentação Tabular” que tem como objetivo orientar a
apresentação racional e uniforme dos dados estatísticos.
Essas normas são de grande utilidade para garantir a clareza dos dados. A
seguir algumas das principais normas e recomendações.
- Elementos da tabela
Uma tabela estatística é composta de elementos essenciais e elementos
complementares.
Os elementos essenciais são:
 Título: É a indicação que precede a tabela contendo a designação do fato
observado, o local e a época em que foi estudado.
 Corpo: É o conjunto de linhas e colunas onde estão inseridos os dados.
 Cabeçalho: É a parte superior da tabela que indica o conteúdo das
colunas.
 Coluna indicadora: É a parte da tabela que indica o conteúdo das linhas.
Os elementos complementares são:
 Fonte: A fonte representa a entidade que fornece os dados ou elabora a
tabela.
 Notas: Informações de natureza geral, destinadas a esclarecer o conteúdo
das tabelas.
 Chamadas: As chamadas são as informações específicas destinadas a
esclarecer ou conceituar dados numa parte da tabela. As chamadas deverão
estar indicadas no corpo da tabela, em números arábicos entre parênteses,
à esquerda nas casas e à direita na coluna indicadora. Os elementos
complementares devem situar-se no rodapé da tabela, na mesma ordem em
que foram descritos.
- Número da tabela
Sempre que houver mais de uma tabela em um documento, deve-se identificá-
la com seu respectivo número, seguindo sempre a sequência no documento. A
finalidade da identificação com o número é facilitar a sua localização no corpo do
texto.
A identificação da tabela deve ser feita em números arábicos, de modo
crescente, precedidos da palavra Tabela, podendo ou não ser subordinada a
capítulos ou seções de um documento.
Exemplos: Tabela 5; Tabela 5.4.
Em estudos são utilizados diversos tipos de tabelas, dentre eles, os mais
usados são as chamadas tabelas de frequências. As tabelas de frequências são
classificadas de acordo com a classificação da variável, em simples ou por faixa de
valores.
 Tabelas de frequências simples: As tabelas de frequências simples são
adequadas para resumir observações de uma variável qualitativa ou
quantitativa discreta, desde que esta apresente um conjunto pequeno de
diferentes valores. Um exemplo de tabela de frequência simples pode ser
observado na Tabela 5.
TABELA 5 - FREQUÊNCIAS DE ESTADO CIVIL EM UMA AMOSTRA DE 385
INDIVÍDUOS
 Tabelas de frequências em faixas de valores: Quando é necessário agrupar
dados de uma variável quantitativa contínua ou até mesmo uma variável
discreta com muitos valores diferentes, a tabela de frequências simples não é
indicada.
Nessas situações é indicada a utilização de tabelas de frequências em faixas de
valores ou intervalos de classe.
A utilização deste tipo de tabela deve ser criteriosa, pois não é mais possível
reproduzir a lista de dados a partir da organização tabular, ou seja, há perda de
informação na organização da tabela. Um exemplo de tabela de frequência em
faixas de valores pode ser observado na Tabela 6 (a seguir).
TABELA 6 - TABELA DE FREQUÊNCIAS PARA A VARIÁVEL HORAS SEMANAIS
DE ATIVIDADE FÍSICA
 Gráficos: A apresentação de dados por meio de gráficos é uma das formas
mais eficientes, já que os gráficos representam uma imagem construída a partir
de uma tabela, sendo mais indicados em situações que têm o objetivo de
proporcionar uma visão mais rápida e simples a respeito das variáveis das
quais se referem os dados.
Diferentemente das tabelas que fornecem informações mais precisas e
possibilitam uma análise mais rigorosa dos dados. A elaboração de gráficos é
dependente da habilidade individual, porém, algumas normas técnicas existem
para padronizar e facilitar a sua construção. Portanto, para a elaboração de um
gráfico que transmita com confiabilidade os dados obtidos, é necessário levar
em consideração algumas regras gerais existentes. Algumas dessas regras são
descritas a seguir.
Normas para a representação gráfica:
 Os gráficos, geralmente, são construídos num sistema de eixos
chamado sistema cartesiano ortogonal. A variável independente
localiza-se no eixo horizontal (abscissas), enquanto a variável
dependente é localizada no eixo vertical (ordenadas). No eixo vertical,
o início da escala deverá ser sempre zero, ponto de encontro dos eixos.
 Iguais intervalos para as medidas deverão corresponder a iguais
intervalos para as escalas.
 O gráfico deverá possuir título, fonte, notas e legenda, ou seja, toda a
informação necessária a sua compreensão, sem auxílio do texto.
 O gráfico deverá possuir formato aproximadamente quadrado para
evitar que problemas de escala interfiram na sua correta interpretação.
Existem vários tipos de gráficos que podem ser utilizados com o objetivo de
descrever um conjunto de dados resumidamente. E a escolha da melhor
demonstração gráfica dependerá do objetivo do estudo. As principais formas
gráficas são:
- Estereogramas
Os estereogramas são representações gráficas em que as grandezas são
representadas por volumes. Geralmente são construídos num sistema de eixos
bidimensional, mas podem ser construídos num sistema tridimensional para
ilustrar a relação entre três variáveis.
- Cartogramas
Os cartogramas são representações gráficas em cartas geográficas, ou seja, em
forma de mapas.  Gráfico de barras: O gráfico de barras é constituído de retângulos de
Exemplo Esterogramas: Exemplo Cartogramas: mesma largura, dispostos horizontalmente e com alturas proporcionais às
grandezas avaliadas.
É usado quando as inscrições dos retângulos forem maiores que a base dos
mesmos.
GRÁFICO 5 - CASOS NOTIFICADOS DE AIDS NOS CINCO ESTADOS DO BRASIL
DE MAIOR INCIDÊNCIA EM 1992

- Pictogramas ou gráficos pictóricos

Os pictogramas ou gráficos pictóricos são representações gráficas tipicamente
ilustrativas. GRÁFICO 6 - ELEITORES INSCRITOS PARA AS ELEIÇÕES BRASILEIRAS –
São elaborados com a finalidade de criar um apelo visual, dirigidos a um 1978/1990
público muito grande e heterogêneo.
Esse tipo de representação gráfica não deve ser utilizado em situações em que
a precisão é exigida

 Gráfico de colunas: O gráfico de colunas é constituído de retângulos de

mesma largura, dispostos verticalmente e com alturas proporcionais às
grandezas avaliadas. A distância entre os retângulos deve ser, no mínimo,
igual a 1/2 e, no máximo, 2/3 da largura da base dos mesmos.
GRÁFICO 4 - EFETIVO DO REBANHO SUÍNO NO BRASIL, SEGUNDO AS
GRANDES REGIÕES EM 2002
 Gráfico de linhas ou curvas: No gráfico de linhas ou curvas os pontos
são dispostos no plano de acordo com as suas coordenadas e,
posteriormente, esses pontos são ligados por segmentos de reta.
Esse tipo de gráfico é bastante utilizado em séries históricas, séries mistas
quando um dos fatores de variação é o tempo, como ferramenta de
comparação.
  Gráfico em setores: O gráfico em setores é uma figura ilustrativa,
utilizado em situações em que se deseja evidenciar o quanto cada
informação representa do total.
A figura é representada por um círculo em que o total (100%) é
considerado 360°, subdividido em tantas partes quanto for necessário a
representação.
Essa divisão se faz por meio de uma regra de três simples. Com o auxílio
de um transferidor efetua-se a marcação dos ângulos correspondentes a
cada divisão.
GRÁFICO 7 - HOSPITALIZAÇÕES PAGAS PELO SUS, SEGUNDO A NATUREZA
DO PRESTADOR DE SERVIÇOS (1993)
e) Análise e Interpretação dos dados
Com os dados em mãos, a próxima etapa de um levantamento estatístico é a
análise e interpretação dos dados. Essa etapa é de grande importância e leva em
consideração estudos feitos anteriormente que sirvam de base comparativa com as
novas informações obtidas, o que aumenta a confiabilidade dos dados estatísticos
novos.
A metodologia mais eficiente de análise e interpretação dos dados dependerá
da natureza dos dados em questão. A análise dos dados é realizada por meio de
técnicas estatísticas para sintetizar as informações contidas nos dados, de modo a
facilitar a interpretação das informações obtidas.
Uma representação gráfica comumente encontrada em jornais e revistas que inclui
figuras de modo a torná-las mais atraentes é denominada: Gráfico pictórico ou
pictograma.
f) Conclusão
A última etapa de um levantamento estatístico é a obtenção das conclusões do
estudo realizado. Por meio dessas conclusões, o trabalho realizado torna-se
passível de utilização por outros pesquisadores em pesquisas futuras, contribuindo
de forma grandiosa para o andamento da ciência.
2.4 ASPECTOS ESTATÍSTICOS DOS ESTUDOS ETIOLÓGICOS
ESTUDO DE CASO-CONTROLE
Um estudo caso-controle (Figura 9 – a seguir) é uma ferramenta que permite
verificar a diferença entre indivíduos que apresentam determinada doença dos
indivíduos que não possuem a doença.
Os indivíduos que apresentam a doença são chamados de casos, enquanto os
indivíduos que não possuem os controles.
O objetivo geral de um estudo caso-controle é observar o comportamento dos
indivíduos frente a um determinado fator de risco.
O indivíduo livre da doença sob investigação não é uma condição absoluta,
podendo ocorrer variações que levam os pesquisadores, em determinadas
circunstâncias, a definir dentro do grupo controle, subgrupo ou subgrupos da
doença sob avaliação.
Esse fato tem a finalidade de especificar melhor as associações etiológicas.
Inicialmente define-se a doença a ser estudada e a população é definida a partir
dessa informação.
Os casos representam todos os indícios da doença durante um determinado
período de tempo preestabelecido.
Já os controles devem ser representados por pessoas comparáveis aos casos,
porém sem a doença em questão, ou seja, pessoas que se desenvolvessem a doença,
seriam representadas como caso.
Tem-se então, um conjunto de pessoas com as características desejáveis para
dar início ao estudo em questão.
Com a população definida, inicia-se o processo de levantamento de dados das
pessoas selecionadas, ou seja, é realizado um estudo da história clínica de todos os
pacientes selecionados. De posse dessas informações, o objetivo é verificar o nível
do fator de risco entre os casos e entre os controles.
Caso a evidência seja suficiente, ou seja, caso haja diferença significativa
entre os casos e controles, o pesquisador concluirá que há uma associação entre o
fator de risco e a doença. A etapa de definição de um caso é o ponto chave em um
estudo caso-controle.
Devem-se levar em consideração duas questões importantes: os critérios
diagnósticos objetivos e os critérios de elegibilidade para a realização da seleção
dos indivíduos com a doença. Para que haja sucesso no estudo caso-controle e ele
possa representar com confiabilidade a realidade existente, o tipo de caso deve ser
definido de forma adequada.
Essa definição adequada de casos tem como objetivo assegurar que todos os
casos verdadeiros tenham chances iguais de serem alocados no grupo, além de
garantir que nenhum caso falso seja escolhido, o que acarretaria em uma distorção
da estimativa da medida de associação na direção da hipótese nula.
O estudo caso-controle é uma estratégia de pesquisa eficiente e simples, o que
permite sua utilização em diversos estudos. Como por exemplo, já foi verificada a
associação de vários fatores de risco com vários tipos de câncer.
A implementação de um estudo caso-controle não conta com empecilhos
éticos, o que facilita o trabalho dos pesquisadores em suas generalizações. Por
utilizar dados já preexistentes, um estudo caso-controle apresenta custos
relativamente baixos, além de se gastar pouco tempo na sua execução.
FIGURA 9 - DEMONSTRAÇÃO DE UM CASO-CONTROLE
O estudo caso-controle apresenta ampla utilização, porém são mais utilizados
em casos em que se tem certeza do comportamento das pessoas do grupo, ou seja,
as pessoas que constituem o grupo são comprovadamente doentes. Já como
limitação, apresenta grande suscetibilidade aos vícios de informação e de seleção
dos indivíduos.
 Classificação dos estudos caso – controle
A classificação dos estudos caso-controle é ampla, e é feita de acordo com a
informação que se deseja obter, podendo ser epidemiológicos observacionais,
longitudinais, retrospectivos e analíticos. Um estudo caso-controle, quanto ao
objetivo do estudo, pode ser classificado em exploratório e confirmatório.
Um estudo caso-controle é classificado como exploratório quando os fatores
de risco não são completamente conhecidos, ou seja, eles geram informações para
futuros estudos. Já a classificação de um estudo caso-controle em confirmatório
acontece quando há uma hipótese já preestabelecida e são estudos direcionados.
Os casos utilizados em estudos caso-controle podem ser de três tipos:
- Casos incidentes.
- Casos prevalentes.
- Falecidos.
Em um estudo caso-controle, a escolha de casos é uma etapa bastante
importante e responsável pelo sucesso do estudo em questão. A escolha de casos
incidentes é mais indicada, devido a várias vantagens como:
 Redução do desvio de seleção
Exemplo: Doença que apresenta níveis distintos de gravidade. Assim, pode
ocorrer de alguns indivíduos (casos) falecerem mais precocemente e neste caso,
durante o processo de seleção dos indivíduos que apresentam essa doença, serem
selecionados apenas os casos mais leves ou de gravidade moderada para
constituírem os casos do estudo, comprometendo o seu resultado. Esses indivíduos
sobreviventes e selecionados são os chamados prevalentes
Daí a importância em se escolher casos incidentes em vez de prevalentes, pois
assim, todos os indivíduos diagnosticados com a doença, terão a mesma chance de
serem selecionados. Com isso, evitam-se resultados distorcidos devido aos desvios
de seleção.
Outra questão quando se realiza um estudo caso-controle de base hospitalar é
o desvio de seleção com base no tempo de hospitalização. Nesses casos, deve-se
estabelecer um determinado intervalo de tempo que sirva de referência na escolha
dos pacientes, para que a amostragem seja representativa.
Os casos e os controles são selecionados com base na admissão de pacientes
neste período determinado (seleção de casos incidentes) e não com base em
registros de pacientes internados em um determinado momento (casos
prevalentes).
Caso não fosse preestabelecido um intervalo de tempo, os pacientes que
apresentassem uma permanência mais longa no hospital teriam maiores chances de
serem escolhidos e casos de curta permanência ou morte súbita seriam desprezados
no estudo.
É necessário ater-se também à escolha dos indivíduos, a não ocorrência de
outras doenças juntamente com a doença de interesse, o que pode acarretar em uma
maior duração do tempo de hospitalização.
Essa diferença no tempo de hospitalização contribui para a ocorrência do
desvio ou falácia de Berkson, um fenômeno estatístico em que essas diferenças nas
taxas de hospitalização criam uma distribuição da exposição entre os casos
hospitalizados que difere da observada para os demais casos.
 Redução do desvio de aferição
Outra vantagem metodológica é a questão da redução do desvio devido à
aferição, especialmente o desvio de recordação. Indivíduos com diagnósticos
recentes apresentam uma capacidade maior de lembrar com maior clareza de
eventos relacionados com suas exposições aos fatores de risco quando comparados
àqueles com diagnósticos realizados há mais tempo.
Porém, deve-se considerar nessa etapa, a latência de determinadas doenças e a
indução de alguns fatores de risco em função dos longos períodos de exposição.
Ainda com relação ao desvio de aferição, prontuários de pacientes recentes
são mais informativos quando comparados aos antigos, estando, assim, mais
disponíveis ao pesquisador.
Outra questão que também influencia é a modificação dos critérios
diagnósticos ao longo do tempo devido ao avanço da medicina.
Diante do exposto, é esperado que os casos incidentes sejam mais
uniformemente reconhecidos do que os diagnosticados em períodos distintos como
ocorre com os casos prevalentes.
 Os efeitos da doença serão menos confundidos com as suas causas
Ao realizar um estudo caso-controle é necessário que a investigação seja
criteriosa para que a caracterização dos casos seja confiável. Com relação a um
caso prevalente por longo período, o estilo de vida e o ambiente do indivíduo
podem sofrer alterações ao longo desse tempo, o que pode ocasionar em
caracterizações falsas.
Portanto, deve-se tomar cuidado durante o período de investigação para que
não ocorra erro por parte do pesquisador. Como pode ser observado, há maior
preferência por casos incidentes por apresentarem inúmeras vantagens quando
comparados aos casos prevalentes.
Porém, a seleção de casos prevalentes possui uma vantagem, que é a
disponibilidade em termos quantitativos, utilizados quando há limitações de tempo
e de recursos no uso de casos incidentes. Porém os casos prevalentes devem ser
selecionados o mais próximo possível do início do estudo.
Escolhem-se casos prevalentes em estudos relacionados com algumas doenças
crônicas, como a hipertensão arterial, devido à grande dificuldade em se identificar
a época do aparecimento da doença. Dessa forma, a avaliação deve ser feita de
forma cuidadosa com a finalidade de verificar se há algum fator associado à
prevalência da doença que aumente o seu tempo de duração. As diferentes formas
de diagnósticos utilizadas também influenciam no processo.
Os casos selecionados devem apresentar homogeneidade, já que a utilização
de grupos heterogêneos pode favorecer o não reconhecimento de associações que
possivelmente existam. Porém, ao longo do tempo, o estudo caso-controle pode
sofrer alterações já que alguns pacientes podem se mudar, outros falecerem e
tantos outros se recusarem a participar do estudo.
Dessa forma, o pesquisador deve informar quantos casos estavam enquadrados
inicialmente no estudo e quantos foram excluídos, especificando sempre que
possível as razões das perdas de casos. Em um estudo caso-controle, os indivíduos
que constituirão os casos podem ser reconhecidos e selecionados de duas formas:
A partir da população hospitalar, podendo ser selecionados pacientes de um ou
mais hospitais.
o A partir da população geral.
o Definição e Seleção dos Controles
"A seleção e definição do grupo controle é o principal desafio do estudo caso-
controle. Deve-se dar atenção redobrada a essa etapa para que haja a garantia da
confiabilidade do estudo.”
"O grupo controle é caracterizado por pessoas que não apresentam a doença
em questão, porém não necessariamente essas pessoas tenham que ser sadias, ou
seja, podem ter outras doenças, mas essas não podem ter associação com a doença
em estudo. Após a definição dos grupos de casos e controles, os indivíduos que
constituem esses grupos deverão ser classificados em expostos e não expostos
ao(s) fator(es) sob investigação."
"Dessa forma, pode-se inferir que o grupo controle não significa, em nenhuma
hipótese, não exposição. O objetivo primordial com relação ao grupo controle é
assegurar que seus indivíduos sejam comparáveis aos casos. É observável que a
escolha dos controles depende dos casos. Os controles devem representar a
população de indivíduos que teriam sido identificados e incluídos como casos, se
eles tivessem desenvolvido a doença sob investigação.”
"Resumindo, os controles devem ser originados da mesma população que deu
origem aos casos. Para reduzir o desvio ao máximo no estudo, os pesquisadores
buscam controles os mais similares possíveis aos casos, caso isso não implique na
perda da essência da pesquisa de associações normais. O grupo controle não deve
ter indivíduos com doenças cuja associação com o fator sob investigação já é
conhecida.”
A seleção de caso-controle de base hospitalar é mais simples que a de base
populacional. Nesta última, a seleção de indivíduos para o grupo controle é mais
trabalhosa, pois raramente é possível a obtenção das informações necessárias ao
estudo. Portanto, deve-se sempre ter noção dos possíveis desvios de seleção que
podem ocorrer.
- Quantos grupos controle? Quantos Indivíduos no grupo?
Após a definição e a determinação de onde realizar a seleção dos controles é
importante dar início ao processo de definição da proporção de controles para cada
caso, bem como o número de grupos que serão utilizados para comparação no
estudo.
Quanto maior, a proporção de controles para cada caso, maior será o poder do
estudo. Porém, de acordo com estudos anteriores, o ganho ocorre até a proporção
de 4:1, além disso, não se justifica em termos de custo/benefício. Normalmente,
utiliza-se apenas um grupo controle nos estudos caso-controle.
Seleção dos indivíduos controles
A seleção dos indivíduos que constituirão o grupo controle pode ser feita por
meio de diversas técnicas. A técnica mais utilizada nesses casos é o pareamento. O
pareamento é uma ferramenta que visa o controle do efeito de variáveis que podem
atuar como confundidoras.
A utilização dessa ferramenta é indicada quando existem variáveis que
seguramente são fatores de risco para a doença. Desse modo, os controles são
selecionados individualmente aos pares, trios ou quartetos. Portanto, para cada
caso, um ou mais controles são relacionados.
Quanto maior o número de variáveis a serem pareadas, maior a dificuldade em
encontrar controles adequados.
Vantagens dos estudos caso-controle:
 Custo baixo.
 Tempo curto.
 É possível a avaliação de diferentes fatores que podem estar atuando
na etiologia da doença.
 São atrativos.
 São eficientes.
 Apresentam capacidade de gerarem informação.
 Podem ser utilizados em estudos envolvendo doenças raras.
 São de fácil realização levando em consideração toda a cautela em
todas as etapas do processo.
Desvantagens dos estudos caso-controle
 Suscetibilidade aos desvios de seleção.
 Suscetibilidade aos desvios de aferição.
 A doença e a exposição já ocorreram quando os participantes são
selecionados para o estudo, quando se trata de estudos com caráter
retrospectivo.
Aplicações dos estudos caso-controle
 Em pesquisas etiológicas.
 Em questões do cotidiano da Saúde Pública e da Medicina.
 Na avaliação de medidas preventivas em geral.
 No rastreamento de doenças.
 Na eficácia de vacinas.
 Na avaliação de serviços de saúde.
 No campo da Epidemiologia Molecular.
2.4.2 ESTUDOS DE COORTE
Caracteriza-se como estudo de coorte o tipo de pesquisa que tem como
objetivo a comparação entre indivíduos expostos e não expostos a determinada
doença, ou seja, tem a finalidade de verificar se indivíduos que foram expostos a
um fator de risco desenvolveram a doença, independente do nível, quando
comparados aos indivíduos não expostos ao fator de risco (grupo controle).
Neste tipo de estudo, os dois grupos são acompanhados por um grande
período de tempo e as taxas de incidência da doença são, posteriormente,
calculadas. Conclui-se com esse tipo de estudo se há ou não associação entre o
fator de risco e a doença. Portanto, taxas de incidência significativamente
diferentes entre os dois grupos indicam a presença de associação.
 Em um estudo de coorte é necessário um acompanhamento constante por parte
dos pesquisadores, tanto na identificação da presença ou não do fator de risco,
quanto na verificação da ocorrência da doença nos exames rotineiros, para que não
haja perda de informação durante o processo de estudo, chamado de seguimento do
estudo. Esse acompanhamento é importante, pois caso haja alguma alteração ao
longo do tempo, o pesquisador tem a oportunidade de realizar os ajustes
necessários aos dados.
Exemplo: Fumo e Câncer do Pulmão
Uma pesquisa foi realizada com 60.000 indivíduos médicos. Por meio de um
questionário, foi perguntado a esses indivíduos se eles já haviam fumado ou não.
Caso a resposta fosse afirmativa, o questionário pedia informações adicionais
sobre o que fumavam e quanto. As respostas possibilitaram aos pesquisadores
classificar cada respondente como fumante ou não fumante.
A definição de não fumante usada foi “Um não fumante é uma pessoa que
fumou até no máximo um cigarro diário, em média, por período inferior a um
ano”.
Por meio de minucioso sistema de acompanhamento, observaram-se, nos
primeiros 10 anos de acompanhamento, 136 mortes associadas ao câncer pulmonar
entre os médicos incluídos no estudo.
Destas, apenas três eram de não fumantes. Para equalizar os períodos de
acompanhamento nos vários grupos, trabalhou-se com a taxa de incidência por
1000 pessoas-ano de exposição.
O risco de morte por câncer pulmonar das pessoas que fumam mais de 25
cigarros diários é quase 32 vezes maior do que o risco para quem não fuma.
- Vantagens dos estudos de coorte
 É a única forma de se estudar a taxa de incidência (e risco) diretamente.
 Pode avaliar a relação da exposição com várias doenças.
 Os desvios de seleção e de informação podem ser mais facilmente
minimizados.
 Pode estudar mais de um desfecho para uma exposição.
 A exposição precede o desfecho (ausência de ambiguidade temporal).
 Pode estabelecer relação causa-efeito.
- Desvantagens dos estudos de coorte
 Oneroso, devido ao longo período de seguimento.
 Difíceis de operacionalizar.
 Ineficientes para doenças raras e com longo período de indução.
 A perda de participantes ao longo do processo pode prejudicar a validade dos
resultados.
 Necessita de amostras relativamente grandes.
 Longo tempo de estudos.
 Pouco reprodutíveis.
 Pouco apropriados em casos de doenças com longos períodos de latência.
 Possibilidade de mudança no estado de exposição (exposto vira não exposto,
não exposto vira exposto).
 Menos adequados para o estudo de múltiplas causas de um evento específico
(multicausalidade).
 Existência de possíveis desvios de confusão (causam confundimento).
 Não disponibiliza resultados em curto prazo.
 Os indivíduos sob estudo vivem livremente e não sob o controle do
pesquisador.
2.4.3 ENSAIOS CLÍNICOS ALEATORIZADOS
Um ensaio clínico é dito aleatorizado quando utiliza um processo aleatório
para alocar os participantes nos diferentes grupos de tratamentos. É um
experimento médico para verificar a eficiência de tratamentos quando é incerto o
valor de uma determinada terapia médica ou há disputa de méritos em terapias já
existentes.
São dois grupos sendo testados. As pessoas são alocadas aleatoriamente em
um dos grupos. De um lado, encontra-se o grupo que recebe a terapêutica padrão,
também chamado de grupo controle. De outro, encontra-se o grupo que recebe a
terapêutica que será testada no estudo, previamente definida.
Para que o estudo seja eficiente e proporcione resultados confiáveis, os dois
grupos devem receber exatamente os mesmos cuidados. Feita a pesquisa, técnicas
estatísticas são usadas para obter a conclusão final, se há ou não há diferença na
eficácia das terapias envolvidas.
Nos ensaios aleatorizados, o pesquisador interfere de maneira constante no
processo experimental, ou seja, no curso natural dos acontecimentos, por não estar
restrito apenas à coleta de dados e informações. O pesquisador, portanto, altera a
dinâmica do processo diretamente pela questão da autossugestão, ou seja, o
pesquisador pode influir na evolução da doença.
É o chamado efeito placebo, que traz desvios consideráveis ao estudo clínico.
Esse efeito pode ser eliminado em ambos os grupos. Basta, sempre que possível,
realizar experimentos cegos, em que o paciente ou o médico desconhecem o
tratamento ou também podem ser realizados experimentos duplo-cegos, em que
ambas as partes desconhecem o tratamento. Porém, nem sempre isso é factível, o
que pode levar ao insucesso do estudo em questão.
Cada indivíduo responde ao tratamento de maneira particular, devido às suas
características pessoais.
Portanto, para que as diferenças na eficácia das terapias sejam detectadas, é
fundamental que os grupos envolvidos no estudo sejam comparáveis.
Para se atingir essa comparabilidade completa e segura é necessário que os
indivíduos sejam alocados nos grupos de forma aleatória.
Existem várias técnicas de aleatorização que são utilizadas nesses estudos.
A importância da utilização da aleatorização dos indivíduos nos grupos está no
fato de que esses serão semelhantes em todos os aspectos, com exceção ao
tratamento recebido.
Para isso, há a necessidade de os grupos serem grandes, ou seja, de
grande tamanho amostral. Outro ponto importante é a capacidade da
aleatorização em eliminar desvios de seleção.
Porém, quando há um número pequeno de pacientes, devem ser
usadas técnicas para melhorar a sensibilidade do experimento; as técnicas
de estratificação e de ajuste.
Na técnica de estratificação, os pacientes são divididos em subgrupos
de acordo com as variáveis que sabidamente afetam a resposta ao
tratamento e são alocados aleatoriamente nos subgrupos.
Já as técnicas de ajuste (estatísticas multivariadas), fornecem métodos
de comparação entre os grupos.
- Vantagens dos ensaios clínicos aleatorizados
 Menores chances de “respostas psicológicas” à intervenção pelos participantes
dos ensaios.
 Maiores chances dos participantes de cumprirem o regime de tratamento.
 Menores chances de os participantes abandonarem os estudos.
 Menores chances de os participantes buscarem tratamentos adicionais.
 Menores chances de os investigadores transferirem suas crenças ou posturas
aos participantes.
 Menores chances de os investigadores administrarem cointervenções.
 Menores chances dos investigadores de “ajustarem” as dosagens.
 Menores chances dos investigadores sistematicamente de descontinuar
participantes.
 Menores chances dos investigadores de encorajar ou desencorajar os
participantes a abandonarem os ensaios.
- Desvantagens dos ensaios clínicos aleatorizados
 Duração muito longa dos ensaios.
 Estudos onerosos.
 Pouco eficazes para doenças raras.
 Questões éticas envolvidas.
 A existência de “drop-out” (indivíduos que abandonam os estudos).
 A existência de “cross-over” (indivíduos que deixam a intervenção que lhes foi
atribuída e passam a ser tratados com outra intervenção)
2.4.4 ESTUDOS DESCRITIVOS
Um estudo descritivo é apenas a descrição de um fato médico, da área da
saúde. Portanto, não há um grupo controle que sirva como base de comparação. Os
estudos descritivos podem ser de vários tipos, alguns são descritos a seguir.
Estudo de Caso
Exemplo: Associação entre rubéola e catarata congênita
Em estudo realizado na Austrália, o oftalmologista Gregg, observou o
nascimento de várias crianças apresentando catarata congênita. Gregg, intrigado
com as características pouco comuns dos casos, decidiu iniciar uma pesquisa para
buscar uma possível explicação para o acontecido.
Foi descoberto que todas as mães haviam sido acometidas pela rubéola em
uma grande epidemia que tinha atingido a Austrália no ano anterior, exatamente
durante o primeiro trimestre das gestações. Suas observações propiciaram
condições para que várias outras pesquisas fossem realizadas posteriormente,
concluindo haver grande associação entre a ocorrência de rubéola no primeiro
trimestre da gestação e defeitos congênitos.
Essa constatação permitiu a introdução do procedimento da vacinação em
mulheres em idade fértil.
Estudo de uma série de casos
O estudo de uma série de casos acontece quando há o relato de mais de um
caso, sendo esses descritos pelos pesquisadores de forma minuciosa e criteriosa.
Esses estudos não fornecem informações confiáveis para comparação entre
tratamentos, nem podem ser a base para opiniões sobre etiologia. Isto porque não  Baixo custo.
são estudos comparativos.  Rápida duração.
- Vantagens dos estudos descritivos  Boa fonte de hipóteses.
 De fácil execução.  Não há necessidade de seguimento de pessoas.
 Curta duração.  Simples de ser feito.
 Baixo custo.  Alto potencial descritivo.
 Fácil de repetir. - Desvantagens dos estudos seccionais ou transversais
 Permite o acompanhamento de doenças raras.  A dificuldade de separar a causa do efeito.
 Permite a análise de vários fatores.  Vulnerabilidade a desvios.
- Desvantagens dos estudos descritivos  A maior dificuldade de identificação de doenças de curta duração se
 Dificuldade para formar um grupo controle aceitável. comparadas àquelas de longa duração.
 No caso de enfermidades raras, não se pode escolher os indivíduos  Desconhecimento da ação dos fatores no passado.
aleatoriamente, escolhe-se os que estão doentes.  Impossibilidade de estabelecer uma prova causal.
 Qualidade dos registros do serviço.  Baixo poder analítico.
 Não determina a incidência (risco absoluto).
2.4.5 SECCIONAIS OU TRANSVERSAIS  Exige amostra de grande tamanho quando se trata de condições de baixa
Um estudo seccional ou transversal (Figura 10 – a seguir) é um estudo prevalência.
semelhante ao estudo de coorte, porém a coleta de informações é feita em um
único momento, não existindo, portanto, período de acompanhamento dos Os instrumentos de medida de exposição nos estudos seccionais podem ser, entre
indivíduos (período de seguimento). outros, registros, preenchimento de questionários, exames físico e clínico, testes de
A primeira etapa de um estudo seccional ou transversal é a definição da laboratório.
questão a ser respondida por parte do pesquisador. Após definida, decide-se a
população e a escolha da melhor metodologia para a obtenção da amostra.
FIGURA 10 - DESCRIÇÃO DE UM ESTUDO SECCIONAL

- Vantagens dos estudos seccionais ou transversais

 3.2 TESTES DIAGNÓSTICOS
Dá-se o nome de teste diagnóstico à ferramenta utilizada para a verificação
da ocorrência ou não ocorrência de determinada doença. Há diversos tipos de
testes, muitos são específicos para determinadas doenças.
Não há um teste que apresente perfeição na sua execução, ou seja, um teste
que determine com certeza e exatidão a presença da doença. No diagnóstico da
maioria das doenças, há a necessidade da utilização de mais de um teste para a
comprovação, ou seja, para a confiabilidade dos resultados.
De acordo com cada teste diagnóstico há um padrão específico de
referência, a partir do qual se determina o resultado positivo e negativo. Antes de
ser implantado, é necessário que o teste diagnóstico seja verificado quanto a sua
capacidade de acerto. Esse teste feito para verificação da capacidade de acerto é
realizado aplicando-o em dois grupos: o grupo doente e o sadio.

3.2.1 SENSIBILIDADE E ESPECIFICIDADE

A qualidade de um teste diagnóstico é estabelecida de acordo com a
distribuição quanto à ocorrência de um evento, ou seja, de uma doença (Figura 11).
FIGURA 11 - DISTRIBUIÇÃO QUANTO À OCORRÊNCIA DE UM EVENTO

Um teste diagnóstico deve passar por uma avaliação de qualidade para ser
considerado um bom teste. A avaliação de qualidade leva em consideração duas
probabilidades condicionais que recebem nomes especiais devido a suas grandes
3 TESTES EM BIOESTATÍSTICA importâncias: a sensibilidade e a especificidade.
3.1 INTRODUÇÃO
A análise diagnóstica caracteriza-se como um diagnóstico a análise
criteriosa e minuciosa que visa investigar todas as características e informações de
determinada pessoa. É indispensável na área médica.
Por meio dessa prática é possível implantar medidas de caráter preventivo
e curativo para as doenças, representando uma esperança para muitas pessoas.
Portanto, a importância do diagnóstico consiste no humano direito de salvar vidas.  Sensibilidade (S)= A sensibilidade é a probabilidade de um teste dar positivo
na presença da doença, isto é, a sensibilidade avalia a capacidade do teste em
Os diagnósticos são realizados por meio de diversos testes, os chamados testes detectar a doença quando ela está presente.
diagnósticos. Há grande importância na realização de um teste diagnóstico, pois é
por meio deste que é possível a busca pela cura de doenças.
 Especificidade (E)= A especificidade é a probabilidade de um teste dar
negativo na ausência da doença, isto é, a especificidade avalia a capacidade do
teste em afastar a doença quando ela está ausente.
Um teste de diagnóstico com alta sensibilidade é aquele que, normalmente,
apresenta resultado positivo na presença da doença. Testes com altas sensibilidades
que apresentam ampla utilização em diversos tipos de situações. Algumas
situações são descritas a seguir:
 Quando há uma penalização considerável para a omissão do diagnóstico.
 Em Programas de Rastreio.
 Deve ser usado no início da avaliação de um doente quando há muitas
possibilidades de diagnóstico.
A partir do exposto, pode-se concluir que um teste que apresenta alta
sensibilidade tem mais utilidade quando o resultado for negativo.
Um teste com alta especificidade é aquele que apresenta, geralmente,
resultado negativo quando na ausência da doença. Testes com altas especificidades
apresentam ampla utilização. Algumas situações em que esses tipos de testes
apresentam grande utilidade:
 Quando se pretende confirmar um diagnóstico que é sugerido por testes
menos específicos.
 Quando a existência de um resultado falso positivo tem importantes
implicações físicas, emocionais ou financeiras para o doente.
Diante do exposto, um teste com alta especificidade apresenta maior utilidade
quando o resultado for positivo.
Segue abaixo um exemplo da obtenção das estimativas de sensibilidade e
especificidade:
TABELA 7 - RESULTADOS DA AVALIAÇÃO DO TESTE ERGOMÉTRICO DE TOLERÂNCIA
A EXERCÍCIOS
"De acordo com os resultados obtidos no teste é possível inferir que o teste
ergométrico apresenta uma sensibilidade de 79,7% e uma especificidade de 74%.
De posse desses resultados, a escolha entre um teste sensível (que apresenta a
medida de sensibilidade superior a de especificidade) e um teste específico (que
apresenta a medida de especificidade superior a de sensibilidade) depende,
exclusivamente, do objetivo do estudo em questão.”
"Essa escolha é feita pelo pesquisador, que deve estar atento às características
intrínsecas e extrínsecas do estudo, para que o resultado do estudo possa ter alta
confiabilidade. Os índices de sensibilidade e especificidade são bons sintetizadores
das qualidades de um teste diagnóstico, pela simplicidade na obtenção e por serem
bem ilustrativos.”
"Porém, a utilização desses índices não garante auxílio à equipe médica na tomada
de decisões. Diante disso, há a necessidade do conhecimento de outros índices para
auxiliar esses profissionais que são: o VPP (valor de predição positiva) e o VPN
(valor de predição negativa).”
"Esses índices apresentam um papel importante na área médica e suas mensurações
auxiliam grandes estudos, permitindo resultados cada vez mais confiáveis e exatos.
Por meio desses valores, é possível à equipe médica, uma melhor atuação na
questão do diagnóstico de doenças e na tomada de decisões para tratamento de
doenças e elaboração de laudos médicos mais sólidos e robustos."
3.2.2 VALOR DAS PREDIÇÕES: VPP E VPN
Os valores das predições podem ser obtidos com grande facilidade pelos
pesquisadores. São necessárias algumas probabilidades, que estão discriminadas na
figura 12.
FIGURA 12 - PROBABILIDADES PARA OBTENÇÃO DOS VALORES DE VPP E VPN

- Valor de predição positiva (VPP)= O valor de predição positiva (VPP)
representa a proporção de verdadeiros positivos entre todos os indivíduos com
teste positivo. Portanto, o valor de predição positiva (VPP) expressa a
probabilidade de um paciente com o teste positivo ter a doença.
- Valor da predição negativa (VPN)= O valor da predição negativa (VPN)
representa a proporção de verdadeiros negativos entre todos os indivíduos com
teste negativo. Portanto, o valor de predição negativo (VPN) expressa a
probabilidade de um paciente com o teste negativo não ter a doença.
De acordo com o exposto, é possível verificar que para a obtenção dos
valores de VPP e VPN, é necessário ter em mãos o valor de p.
Esse valor representa a estimativa da prevalência da doença em
determinada população, chamada de população de interesse.
Portanto, a estimativa de prevalência é uma probabilidade de resultados
corretos de diagnósticos.
Voltando ao exemplo do teste diagnóstico ergométrico, é possível calcular
os valores das estimativas de VPP e VPN.
Para isso, deve-se utilizar um valor de prevalência da doença coronariana
na população-alvo (população de interesse), que neste caso é de 2%.
Segue abaixo especificada a forma de obtenção dessas duas estimativas:
A partir dos resultados acima obtidos, é possível observar que o valor da
predição negativa (VPN) foi bem superior ao valor de predição positiva (VPP).
Esse fato permite inferir que, caso o teste ergométrico de determinada
pessoa der resultado negativo, a chance dessa pessoa não ter a doença é de 99,34%,
considerando o valor de prevalência de 2%.
Com o resultado do teste sendo negativo, a chance de determinada pessoa
ter a doença que era de 2%, agora passa a ser 0,66% (1- 0,9934).
3.2.3 DECISÕES INCORRETAS: PFP E PFN
Em qualquer teste diagnóstico podem ocorrer as chamadas decisões
incorretas, que são representadas pela probabilidade de falso positivo (PFP) e a
probabilidade de falso negativo (PFN). Essas decisões incorretas podem ocorrer
em qualquer situação na qual está envolvida a pesquisa e o pesquisador deve estar
sempre atento a sua ocorrência para que seus estudos apresentem alta
confiabilidade.
Exemplo: Teste ELISA para detecção de HIV
Um exemplo bem difundido da ocorrência de decisões incorretas é na
utilização do teste ELISA (Enzymelinked immunosorbent assay) para detecção do
vírus HIV, o causador da AIDS. O teste ELISA apresenta em torno de 99,8% de
especificidade e 95% de sensibilidade. Os dados do exemplo estão dispostos na
Tabela 8.
TABELA 8 - VALORES PARA DETECÇÃO DO HIV PELO TESTE ELISA
A AIDS é uma doença de abrangência mundial, porém é considerada uma
doença de baixa prevalência. Como pode ser observado com os dados da tabela 8,
a maioria dos pacientes que apresentaram resultado positivo para a doença,
consistem na verdade de falsos-positivos. Isso pode ser inferido pela baixa
magnitude do valor de predição positiva (VPP).
Pode-se inferir também com base no valor alto da predição negativa
(VPN), que pouquíssimos não doentes deixarão de ser detectados. Portanto, a
utilização do teste ELISA em larga escala ocasionaria a ocorrência de falsos
positivos, o que levaria a uma queda na confiabilidade do diagnóstico.
Nestas situações, a ocorrência de um resultado positivo deve ser
confirmado com a execução de outro teste, posteriormente, para que a
confiabilidade do resultado seja máxima.
Quando são associados dois ou mais testes para se obter um diagnóstico, é
necessário ter o conhecimento de como são mensurados os índices de qualidade
dos testes múltiplos. No presente estudo restringiremos ao caso de apenas dois
testes associados, porém, as informações e ideias poderão ser estendidas para a
associação de mais de dois testes.
Formas de combinação de testes
Existem diversas formas de associação de testes a partir dos resultados de
dois testes. As formas mais simples e mais utilizadas em se formar um teste
múltiplo são os testes em paralelo e os testes em série.
Para fins de simplificação, no presente estudo, os testes originais serão
chamados de A e B, o teste em paralelo será chamado de TP e o teste em série de
TS. Utilizando essas linguagens de eventos temos:
Como é possível observar, as estimativas de sensibilidade e especificidade
do teste em paralelo (TP) e do teste em série (TS) são calculadas com o auxílio das
regras de probabilidade de eventos.
Combinação em paralelo
Em uma associação em paralelo, o resultado do teste será considerado
positivo, se pelo menos um dos testes da associação apresentar resultado positivo.
Os possíveis resultados para a associação estão discriminados na Tabela 9 (a
seguir).
A combinação em paralelo é utilizada em situações de caráter de urgência, em que
é necessária uma abordagem rápida. Por exemplo, para pacientes oriundos de
lugares distantes.
TABELA 9 - RESULTADO DO TESTE EM PARALELO DEPENDENDO DA CLASSIFICAÇÃO
DOS TESTES INDIVIDUAIS A E B
Combinação em série
Na combinação em série, os testes são aplicados consecutivamente. O
segundo teste só é realizado se o primeiro teste apresentar resultado positivo. Na
tabela 10 estão discriminados os possíveis resultados para a combinação em série
considerando os resultados dos testes individuais.
Pelo exposto, o teste só será considerado positivo se houver positividade
comprovada em ambos os testes individuais. A combinação em série é utilizada em
situações em que não é necessário o rápido atendimento, podendo o paciente ser
assistido ao longo do tempo e em casos em que o custo é importante, seja pela
situação orçamentária, ou pelo risco/desconforto que o exame possa causar.
Diante do exposto, pode-se verificar que é menor o custo de um teste em
combinação de testes em série, já que o segundo teste só é aplicado caso o primeiro
teste seja positivo. Considerando a independência dos testes individuais (testes A e
B), a sensibilidade de um teste em combinação de testes em série (SS) e a
especificidade (ES) podem ser calculadas por:
TABELA 10 - RESULTADO DO TESTE EM SÉRIE DEPENDENDO DA CLASSIFICAÇÃO DOS
TESTES INDIVIDUAIS A E B
Ss = SA x SB
Es = EA + EB - EA x EB
Como pode ser observado, para que possamos obter as estimativas da
especificidade e da sensibilidade tanto da associação em série como da associação
em paralelo, é necessária a independência dos testes individuais.
Porém, não é possível garantirmos que isso sempre irá ocorrer. Quando
não houver tal independência, não há uma forma analítica simples para se obter
tais índices para um teste composto. Essas estimativas fogem do objetivo proposto
neste trabalho.
Exemplo: Diagnóstico de câncer pancreático
Considera-se um paciente idoso, que apresenta dores persistentes nas costas e no
abdome e, além disso, acentuada perda de peso. Diante desse quadro clínico, na
ausência de uma explicação para esses sintomas, a possibilidade de câncer no
pâncreas é frequentemente levantada. Para verificação desta possibilidade são
solicitados os testes de ultrassom (A) e tomografia computadorizada (B) do
pâncreas.
A tabela 11 apresenta dados hipotéticos sobre os índices de sensibilidade e
especificidade dos testes, quando utilizados separadamente e em conjunto.
TABELA 11 - SENSIBILIDADE E ESPECIFICIDADE DOS TESTES DE ULTRASSOM E
TOMOGRAFIA COMPUTADORIZADA NO DIAGNÓSTICO DO CÂNCER DE PÂNCREAS
INDIVIDUALMENTE E EM CONJUNTO
Como pode ser observado, os esquemas C e D correspondem,
respectivamente, ao teste em paralelo e ao teste em série. Considerando a
independência dos testes individuais, podem-se obter as estimativas da
sensibilidade e da especificidade combinadas:
Em paralelo
SC = 0,8 + 0,9 – 0,8 x 0,9 = 0,98
EC = 0,6 x 0,9 = 0 54
Em série
SD = 0,8 x 0,9 = 0,72
ED = 0,6 + 0,9 – 0,6 x 0,9 = 0,96
Quando um ou outro teste é positivo, a sensibilidade combinada é maior
que o mais sensível dos testes, mas a especificidade é menor. Ao contrário, quando
o critério para a positividade do teste é que tanto o ultrassom como a tomografia
sejam positivos, a especificidade combinada é maior que o mais específico dos
dois, mas a sensibilidade é menor. Portanto, a sugestão seria o teste em série.
Exemplo: Sensibilidade e especificidade de testes em paralelo e em série
Considerando uma prevalência de 1%, dois testes A e B, apresentam os valores de
S, E, VPP e VPN descritos na tabela 12.
TABELA 12 - SENSIBILIDADE, ESPECIFICIDADE E VALORES DE PREDIÇÃO DE TESTES
INDIVIDUAIS A E B E DOS TESTES EM SÉRIE E EM PARALELO CONSIDERANDO-SE
UMA PREVALÊNCIA DE 1%
De acordo com os dados da tabela, a combinação em série apresentou alta
especificidade (0,995) e sensibilidade relativamente baixa quando comparada com
os testes individuais.
Já a combinação em paralelo, apresentou alta sensibilidade (0,99), porém
sua especificidade foi menor que a dos testes isolados.
Como é de se esperar em situações semelhantes, os valores de predição
negativa (VPN) foram altos para ambos os testes, não havendo diferenciação entre
combinação em paralelo e combinação em série.
Já os valores de predição positiva (VPP) não foram altos, sendo que a
combinação em série apresentou melhor resultado (VPP=0,6056).
Diante do exposto, é importante salientar que nem sempre os testes
utilizados são independentes. Portanto, os valores acima tendem a superestimar o
verdadeiro valor dos índices dos testes combinados.
Dessa forma, não é possível determinar os valores das estimativas de
qualidade levando em consideração apenas os valores de cada teste individual.
Assim, torna-se necessário um trabalho de pesquisa em que o pesquisador
realiza em um grupo de pacientes, o teste padrão (gold test) e o teste combinado,
buscando aumentar a confiabilidade do estudo em questão.
Como já mencionado anteriormente, a escolha do melhor teste depende do
objetivo do estudo e deve ser devidamente preestabelecido pelo pesquisador.
3.2.5 ESCOLHA ENTRE TESTES DIAGNÓSTICOS
Um teste dito com características ótimas é um teste que apresenta altos
índices de sensibilidade e especificidade. Porém, na prática, nem sempre existem
testes disponíveis que apresentem tais características ótimas. Normalmente,
ocorrem situações em que há mais de um teste que apresente características ótimas
e torna-se necessário a comparação entre eles para que o pesquisador possa fazer a
escolha mais adequada.
Nesses processos de escolha, por exemplo, a escolha do ponto de corte
(ponto limite para decidir se um paciente é doente ou sadio), é sugerido por muitos
pesquisadores realizar a soma da sensibilidade e especificidade, ou seja, o valor de
referência é obtido por meio de valores de S e E que apresentem maior soma.
Considerando duas situações extremas, a hipótese de p ser igual a zero
(p=0) em uma determinada população, ou seja, ninguém apresenta a doença em
questão; ou p ser igual a 1 (p=1), toda a população de interesse apresenta a doença
em questão. De acordo com os dados da tabela 14, pode-se verificar que é possível
chegar aos valores apresentados para quaisquer valores de S e E.
TABELA 14 - VALORES DE PREDIÇÃO (VPP E VPN) E PROPORÇÃO DE RESULTADOS
FALSOS (PFP E PFN) PARA CASOS EXTREMOS DE PREVALÊNCIAS

Considerando uma situação em que haja dois testes diagnósticos

disponíveis: um dos testes apresenta alta sensibilidade e baixa especificidade e o
outro teste alta especificidade e baixa sensibilidade. Diante dessa situação, qual
teste seria melhor? Qual teste um pesquisador consciente escolheria? Para que um
Na tabela 15 são apresentados valores de predição para prevalências de 1% e 90%.
pesquisador possa realizar essa escolha de forma acertada, é necessário que haja TABELA 15 - VALORES DE PREDIÇÃO (VPP E VPN) PARA ALGUNS VALORES DE
uma avaliação, levando em consideração vários fatores. SENSIBILIDADE E ESPECIFICIDADE PARA PREVALÊNCIAS DE 1% A 90%
Serão apresentados alguns argumentos baseados nas medidas de qualidade
que podem auxiliar um pesquisador na escolha do melhor teste diagnóstico. O
primeiro argumento está relacionado com os valores de predição (VPP e VPN) que
dependem conjuntamente dos valores das estimativas de S, E e p. Em muitos
estudos fica evidente o efeito da prevalência nos valores de predição.

Exemplo: Diagnóstico da gonorreia

Um teste foi desenvolvido para a realização do diagnóstico de gonorreia. Este teste
chama-se Gonostion Dri-Drot e apresenta sensibilidade de 0,80 e especificidade de
0,95. Na tabela 13 (a seguir), estão discriminados os valores de predição positiva
(VPP) e predição negativa (VPN) para quatro populações com diferentes
estimativas de prevalências.
TABELA 13 - VALORES DE PREDIÇÃO (VPP E VPN) DO TESTE GONOSTICON DRI-DROT
PARA QUATRO PREVALÊNCIAS (P)
De acordo com os dados fornecidos pela tabela 13 (vista anteriormente),
mesmo o teste apresentando estimativas de qualidade consideradas razoáveis, em
populações com baixa estimativa de prevalência, o valor de predição positiva
(VPP) é baixo, o que acarreta na inutilidade do teste nessas condições
De acordo com esses resultados, podem-se inferir, devido a algumas
evidências, as seguintes conclusões:
 Um teste que apresenta alta estimativa de especificidade deve ser utilizado
quando a estimativa da prevalência da doença for relativamente baixa
(doença rara), mesmo havendo baixa sensibilidade.
 Um teste que apresenta alta estimativa de sensibilidade deve ser utilizado
quando a estimativa da prevalência da doença for alta (doença comum),
mesmo havendo baixa especificidade.
A escolha do melhor teste diagnóstico vai depender do objetivo do estudo em
questão. Levando em consideração uma doença rara, ou seja, doença de baixa
prevalência, deve ser escolhido um teste diagnóstico que apresente alta
sensibilidade. Já para doenças comuns, que apresentam alta prevalência, deve ser
escolhido um teste diagnóstico que apresente alta especificidade.
Outro tipo de simulação é apresentado nas figuras 13 e 14 para algumas situações
específicas.
FIGURA 13 - VALOR PREDITIVO POSITIVO (VPP) EM FUNÇÃO DA PREVALÊNCIA
FIGURA 14 - VALOR PREDITIVO NEGATIVO (VPN) EM FUNÇÃO DA PREVALÊNCIA
De acordo com a figura 13 (vista anteriormente), pode-se observar que
quanto maior a estimativa da prevalência da doença, maior o valor preditivo
positivo (VPP).
Considerando testes com altas estimativas de sensibilidade e especificidade
(S=99% e E=99%) o valor de predição positiva (VPP) seria muito elevado em
situações de prevalência não muito alta.
Neste caso, se a situação sofre um impacto importante ao se diminuir
apenas um pouco a sensibilidade e a especificidade do teste (S=95% e E=95%).
Pode-se também alterar apenas uma das características do teste. No caso de alterar
a estimativa da sensibilidade, diminuindo-a e mantendo a especificidade elevada
(S=70% e E=90%), observa-se que praticamente não houve impacto nos valores
das estimativas de VPP em função da prevalência.
Porém, quando esta diminuição ocorre na especificidade, esse impacto é
alto, diminuindo-se muito o valor de VPP, mesmo para prevalências mais
elevadas. Dessa forma, pode-se afirmar que o valor preditivo positivo de um teste é
função da prevalência da doença, da sensibilidade e fundamentalmente da
especificidade.
Na figura 14 (vista anteriormente), pode-se observar que, ao reduzir apenas
a sensibilidade (s=70% e e=90%), ocorre uma drástica redução no VPN,
mostrando o grande impacto que essa medida exerce no VPN. Ao se reduzir
apenas a especificidade (s=99% e e=70%), o impacto no VPN é muito pequeno,
menor do que quando se reduz apenas um pouco a sensibilidade e a especificidade
conjuntamente (s=95% e, e=95%).
É possível verificar também que para um mesmo teste diagnóstico
(exceção apenas para s=70% e, e=99%), o impacto do aumento da prevalência na
redução do VPN é muito pequeno. Esse impacto se acentua nas prevalências muito
elevadas.
Como na prática clínica, as doenças estudadas comumente possuem prevalências
relativamente baixas, o VPN irá sofrer apenas pequena variação ao se modificar a
especificidade de um teste diagnóstico e mesmo ao se modificar pouco a
sensibilidade.
3.2.6 RELAÇÃO ENTRE SENSIBILIDADE E ESPECIFICIDADE
De acordo com o que foi visto até o momento, um teste diagnóstico é
considerado como ideal, se a sua especificidade e sensibilidade fossem 100%, ou
seja, se não ocorressem erros em seu resultado.
 Porém, sabemos que na prática, essa situação ideal não ocorre. Pelo
contrário, sempre há um contrabalanço, chamado de trade-off, entre essas duas
estimativas. Quando uma delas diminui a outra aumenta e vice-versa.
Portanto, levando em consideração um teste diagnóstico expresso em
escala contínua, para sua execução é necessária a determinação de um ponto de
corte (cut-off) entre os valores de normalidade e anormalidade. Nessas condições,
uma determinada estimativa do teste somente poderá ser aumentada se a outra
estimativa sofrer uma diminuição e vice-versa.
Frequentemente, na prática clínica, escolhe-se um ponto de corte em que
exista o menor erro possível, tanto de falsos positivos quanto de falsos negativos
(Figura 15).
FIGURA 15 - PONTO DE CORTE COM O MÍNIMO ERRO POSSÍVEL
"Portanto, foi proposta a utilização de curvas de características de operação do
receptor (Curvas ROC — Receiver Operating Characteristic).
A curva ROC representa uma poderosa forma de mensurar e evidenciar problemas
no comportamento desempenhado pelo teste diagnóstico na área médica,
permitindo assim, o estudo detalhado da variação que ocorre entre as estimativas
de sensibilidade e especificidade levando em consideração diferentes valores de
corte.”
"Durante a Segunda Guerra Mundial, houve a necessidade de quantificar a
habilidade dos operadores de radares em distinguir sinais de ruídos. Essa
habilidade foi chamada de Receiver Operating Characteristic (ROC) e era
observada em uma curva.”

"A partir daí, as curvas ROC foram utilizadas em diversas áreas do conhecimento,
auxiliando os profissionais a analisarem melhor a relação entre as estimativas de
sensibilidade e especificidade.
As curvas ROC, hoje, representam uma ferramenta importantíssima para a área
médica, auxiliando na classificação de indivíduos em doentes e não doentes de
acordo com as características das populações de interesse.”

A curva ROC é uma representação gráfica da sensibilidade (ou também

3.2.7 CURVA ROC
chamada de taxa de verdadeiros positivos) versus a taxa de falsos positivos. Um
Pesquisadores da área médica estão sempre em busca de formas
exemplo dessa representação gráfica pode ser observado no gráfico 8.
simplificadas com o objetivo de descrever a capacidade de uma determinada
variável contínua ordinal em classificar materiais ou indivíduos em grupos bem GRÁFICO 8 - CURVA DE CARACTERÍSTICAS DE OPERAÇÃO DO RECEPTOR (CURVA
definidos. ROC)
Um exemplo que pode ser usado para exemplificar essa situação é o
desempenho de um teste diagnóstico em classificar indivíduos em portadores ou
não de determinada doença.

"Em razão de muitos exames médicos apresentarem valores mensurados em

escalas numéricas, as estimativas de sensibilidade e especificidade dependem
claramente do local em que se insere o ponto de corte (cut-off) entre os resultados
positivos e negativos.
Diante do exposto, torna-se necessária uma maneira mais eficiente de demonstrar
essa relação de antagonicidade entre a estimativa de sensibilidade e
especificidade.”
 De acordo com a representação gráfica, podemos interpretar a curva da FIGURA 17 - CURVA ROC PARA OS ÍNDICES DOPPLER DA ARTÉRIA UMBILICAL. OS
seguinte forma: a linha diagonal pontilhada representa um teste que é positivo ou PONTOS DE DADOS SÃO VALORES MEDIDOS DOS ÍNDICES. IR: ÍNDICE DE
RESISTÊNCIA; D/A: RELAÇÃO DIASTÓLICA À MÉDIA; IP: ÍNDICE DE PULSATILIDADE
negativo, resultado esse aleatório.
A curva ROC tem a capacidade de evidenciar os valores para os quais há
maior otimização da sensibilidade em relação à especificidade, que corresponde ao
ponto em que se encontra mais próxima do canto superior esquerdo do diagrama,
uma vez que o índice de positivos verdadeiro é um e o de falsos positivos é zero.
À medida que um critério para o teste positivo tona-se mais rigoroso, o
ponto da curva correspondente à sensibilidade e à especificidade (ponto A)
movimenta-se para baixo e para a esquerda (sensibilidade menor e especificidade
maior). Se adotar um critério menos evidente, para identificar os positivos, o ponto
da curva (ponto B) movimenta-se para cima e para a direita (sensibilidade maior,
O local de cada ponto na curva ROC representa um determinado
especificidade menor).
comportamento entre a sensibilidade e o falso positivo. Dessa maneira, é possível
ter diferentes correspondências na curva. Como pode ser observado pela
FIGURA 16 - CURVA ROC
visualização da figura 18 há a diferenciação em vários critérios de acordo com a
posição na curva ROC.

O critério que apresenta maior preferência pelos pesquisadores é o critério

estrito e está descrito a seguir:
 Critério estrito = Um critério estrito está relacionado com o paciente
positivo quando a evidência da doença é muito alta. Este tipo de critério
representa uma pequena fração de falsos positivos e uma pequena fração
de verdadeiros positivos – localizados no canto inferior esquerdo da curva
A Curva ROC é utilizada para comparar dois ou mais testes diagnósticos.
ROC. A utilização de critérios que apresentam essa restrição conduz a
Na figura 16 está exemplificada essa comparação.
maiores frações de ambos os tipos (pontos colocados no canto superior da
São comparados os testes A e B. O teste A é considerado o teste com
curva).
melhor acurácia quando comparado com o teste B (teste inválido).
FIGURA 18 - CURVA ROC PARA UMA DADA CAPACIDADE DE DISCRIMINAÇÃO, COM A
Na figura anterior, cada ponto representa uma situação: VARIAÇÃO DO PONTO DE CORTE (CRITÉRIO DE DECISÃO)
 O ponto 1 representa maior valor de sensibilidade e especificidade.
 O ponto 2 representa maior sensibilidade, porém menor especificidade.
 O ponto 3 representa maior especificidade e menor sensibilidade.

Na figura 17 (a seguir), está um exemplo em que foram comparados quatro

índices correspondentes nos traçados de Doppler da artéria umbilical. Esses testes
são aplicados para prever a evolução perinatal desfavorável. De acordo com os
dados observados, pode-se concluir que três índices se apresentaram semelhantes,
porém o índice IP (índice de pulsatilidade) foi muito menos preciso.
 (proporcional à área sob a curva), além da possibilidade de comparar testes
diagnósticos.

Exemplo: X e Y são variáveis aleatórias que representam as distribuições dos

valores de um teste diagnóstico com resposta contínua para as populações de,
respectivamente, indivíduos doentes e não doentes, em que X ~ N (µX; σ²X) e Y ~
N (µr; σ²r), então, para um ponto de corte t0, a especificidade é dada por:

É permitida aos pesquisadores a seleção arbitrária dos valores possíveis

para a variável decisão, ou seja, a seleção do ponto de corte. Em que Z tem distribuição normal padrão. A sensibilidade do teste
Acima deste ponto, o paciente é classificado como positivo, ou seja, seu diagnóstico em um ponto de corte t0 é dada por:
teste apresentou resultado positivo e, portanto, tem a doença.
Abaixo desse ponto, o paciente é classificado como negativo, pelo
resultado do seu teste ter apresentado resultado negativo e, portanto, não há a
presença da doença.
A figura 19 ilustra um teste diagnóstico que, produzindo uma resposta
Cada ponto de corte apresenta específicos valores de especificidade e
contínua, segue o modelo X ~ N (10;22), Y ~ N (14,22). A curva ROC teórica é
sensibilidade e esses pontos são então dispostos no gráfico.
simétrica em relação à diagonal que atravessa as coordenadas (0;1) e (1;0) do
A curva ROC permite ao pesquisador selecionar o melhor limiar de corte
gráfico, devido ao fato de considerarmos distribuições normais de médias
para que, por meio deste, possa ser obtido o melhor desempenho possível.
diferentes e variâncias iguais. Assumindo um modelo estatístico em que X e Y
apresentam distribuição normal, em um ponto de corte t0 a curva ROC teórica é
A curva ROC assim construída é chamada de curva ROC empírica, ou
dada por:
seja, a curva em que todos os possíveis pontos de corte que a amostra permite
estabelecer, ou seja, serão considerados n+m pontos de corte relativos a cada
medida de amostra.
E aquela determinada por um número de pontos de corte (menor que m+n)
de curva ROC aproximada. Há também um terceiro tipo de curva ROC, a chamada
curva ROC teórica.
Se, na prática, interessa ao clínico construir regras de decisão baseadas
Conhecido o modelo estatístico que determina a distribuição da variável
apenas em um conjunto limitado de possíveis resultados do teste diagnóstico (não
aleatória referente ao resultado do teste diagnóstico nas populações de indivíduos
necessariamente observados na amostra), a curva ROC aproximada (painel inferior
doentes e não doentes, pode-se basear nesta informação para se estabelecer a
esquerdo da Figura 19, onde n=100 e m=200) é a mais adequada.
curva.
Entretanto, inferências estatísticas (como comparações de curvas, por
exemplo) podem exigir o uso da curva ROC empírica (painel inferior direito da
Para a determinação de duas ou mais curvas ROC são significativamente
figura 19), já que ela estima com maior precisão a curva ROC teórica
diferentes, a avaliação é feita por meio da determinação da área sob a curva,
(desconhecida, na prática).
usando uma modificação do teste da soma de ordens de Wilcoxon para esta
comparação. Assim, é possível quantificar a exatidão de um teste diagnóstico
 Alguns autores, ao apresentarem a curva ROC, mostram no mesmo gráfico
a diagonal representada pelos pontos onde SE = 1- ES, para mostrar a “distância”
entre a curva ROC empírica e a região que representa pontos de corte associados a
regras de classificação sem utilidade prática.

A curva ROC não sofre mudanças se as observações amostrais forem submetidas a

transformações monótonas, como logaritmo, raiz quadrada ou funções lineares
com coeficientes positivos.

Vantagens do uso da curva ROC

 É uma representação direta da habilidade da variável em classificar
sujeitos em grupos.
 Oferece aos seus usuários um conjunto de diferentes regras de
classificação, segundo os pontos de corte empíricos que compõem a curva.
 A possibilidade de visualizar em um único gráfico o desempenho de várias
maneiras de classificar indivíduos, segundo diferentes pontos de corte.
Desvantagens do uso da curva ROC
 Há uma chance do ponto de corte ótimo (desconhecido) não ser observado
na amostra, principalmente quando utilizadas amostras relativamente
pequenas, o que pode representar um obstáculo para a sua estimativa.
FIGURA 19
No Painel Superior Esquerdo, O Modelo Estatístico X ~ N (10;22), Y ~ N
(14,22). O Painel Superior Direito Mostra A Curva Roc Teórica, Para Este Modelo
Estatístico. Os Painéis Inferiores Esquerdo E Direito Mostram, Respectivamente,
Curvas Roc Aproximada E Empírica, Baseadas Em Amostras Tamanho N=200 E
M=100, Simuladas Segundo Este Modelo Estatístico.

Um teste que discrimina perfeitamente indivíduos doentes e não doentes

teria, para algum ponto de corte, uma SE e uma ES de 100%, o qual seria
representado no canto superior esquerdo da curva ROC. Já um teste totalmente
incapaz de discriminar indivíduos doentes e não doentes produziria uma curva
ROC representada por pontos que estariam contidos em uma reta que partiria da 4 APLICAÇÕES DA BIOESTATÍSTICA
origem do gráfico até o canto superior direito.
Para qualquer t0 pertencente ao espaço amostral de T, SE seria igual a 1 - A crescente utilização da Estatística como ferramenta na análise de
ES, ou seja, o teste sob investigação teria a mesma proporção de resultados fenômenos biológicos foi apoiada pelo crescimento da atividade científica em
positivos tanto para doentes como para não doentes. Este fato justifica o uso de 1 - todos os campos do conhecimento e pela revolução tecnológica, devido,
ES, e não simplesmente ES no eixo das abscissas. principalmente, ao uso de computadores modernos. A alta tecnologia foi, então,
decisiva e fez com que a Estatística se tornasse mais acessível aos pesquisadores
dos diferentes campos de atuação.
Atualmente, os equipamentos e softwares permitem a manipulação de
grande quantidade de dados, o que veio a dinamizar e viabilizar o emprego dos
métodos estatísticos na avaliação de fenômenos.
Gráficos e tabelas são apresentados na exposição de resultados das
empresas. Dados numéricos são usados para aprimorar e aumentar a produção.
Censos demográficos auxiliam o governo a entender melhor sua população
e a organizar seus gastos com saúde, educação, saneamento básico, infraestrutura
etc.
Com a velocidade da informação, a Estatística passou a ser uma ferramenta
essencial na produção e disseminação do conhecimento.
O grau de importância atribuído à Estatística é tão grande, uma vez que, a
A busca pela longevidade sempre foi um objetivo presente na vida de
qualquer ser humano.
Essa característica buscada com tanto afinco está diretamente relacionada
com as boas condições (infraestrutura, alimentação, lazer e, principalmente, saúde)
a que os seres humanos estão frequentemente submetidos.
A saúde, portanto, é uma característica intimamente ligada à longevidade.
Nos hospitais e sistemas de saúde, em geral, ocorrem complicações infecciosas, o
que intefere neste estado de saúde buscado por todos os indivíduos.
Essas complicações infecciosas são denominadas de infecções hospitalares
(IHs) e representam um grave problema da saúde mundial, levando ao aumento da
morbidade e mortalidade entre os pacientes, ocasionando na elevação dos custos
hospitalares.
FIGURA 20 - ESTATÍSTICA NO DIA A DIA DE UMA COMISSÃO DE CONTROLE DE
INFECÇÕES HOSPITALARES (CCIH)

maioria das hipóteses científicas, independentemente da área, precisa passar por

um estudo estatístico para ser aceita ou rejeitada, como é o caso do teste de novos
medicamentos, dos ajustes de modelos de regressão, sobre a opinião popular de
novos produtos etc.
Na área médica, por exemplo, nenhum medicamento pode ser
disponibilizado para o mercado se não tiver sua eficácia estatisticamente
comprovada.

O grande volume de informações produzidas pelo mundo moderno

(pesquisas por amostragem, censos, internet, mercado financeiro) precisa ser
analisado adequadamente.
Essas análises utilizam as mais variadas técnicas estatísticas. A rigor, onde
houver incerteza esta ciência pode ser empregada. Desse modo, todas as áreas do
conhecimento humano a requerem como instrumento de análise de dados.
Na área da saúde, a aplicação de técnicas estatísticas (bioestatística)
permitiu a identificação de situações críticas e atuação no controle dessas
situações, desempenhando papel crucial no estudo e incidência de doenças.

Alguns exemplos da utilização da estatística nas áreas médicas e biológicas

(Bioestátistica) serão descritos a seguir.
Em 1983, foi publicada pelo Ministério da Saúde, a portaria 196. Esta
4.1 O USO DA ESTATÍSTICA NO CONTROLE DAS INFECÇÕES
portaria estabeleceu a obrigatoriedade para todos os hospitais do país em manterem
HOSPITALARES
suas Comissões de Controle de Infecções Hospitalares (CCIH), que apresentam
como objetivo principal reduzirem ao máximo uma possível incidência de
infeccções hospitalares.
Essas comissões apresentam diversas atividades relacionadas com a
estatística que podem ser observadas na figura 20.
Como pode ser observado, a implantação de comissões de controle de
infeccções hospitalares (CCIH) é de grande importância para a garantia da saúde
do ser humano. Porém, muitos estudos têm levado a acreditar que o sistema de
saúde brasileiro não tem conseguido incorporar as ações de prevenção e controle
das infecções hospitalares de forma homogênea.
Essa dificuldade na incorporação de medidas preventidas está relacionada
com o fato de adaptação, já que todos os estudos implantados no Brasil estão
baseados nos modelos estrangeiros, principalmente nos modelos norte-americanos
e ingleses. Diante do exposto, torna-se necessário um diagnóstico da situação do
controle de infecção hospitalar no país.
Esse conhecimento é fundamental para a evolução das ações de prevenção
e para o desenvolvimento de estratégias diversificadas, para atender a diversidade
socioeconômica e cultural do país, em um contexto de recursos limitados para a
saúde.
Descreveremos um estudo relacionado com o controle de infecções
hopitalares realizado no programa de pesquisas hospitalares: Diagnóstico do
controle da infecção hospitalar no Brasil.
Neste estudo, os objetivos foram:
 Conhecer a organização de estados e municípios em relação ao tema
prevenção e controle das infecções hospitalares.
 Conhecer a organização de estados e municípios em relação ao tema
prevenção e controle das infecções hospitalares.
 Analisar quantitaiva e qualitativamente o uso de ferramentas de orientação
e direcionamento de ações específicas de prevenção de infecções
hospitalares nos hospitais brasileiros.
 Oferecer subsídios para ampliar a discussão com a sociedade organizada,
prestadores e gestores de saúde, desenvolvendo propostas de adequação do
modelo brasileiro para o controle de Ihs, considerando o contexto do
sistema de saúde no país.
Os métodos e conceitos estatísticos foram utilizados na metodologia do
presente estudo. A metodologia foi baseada em banco de dados desenvolvidos
pelas seguintes instituições brasileiras:
 Faculdade de Saúde Pública da Universidade de São Paulo (FSPUSP).
 Agência Nacional de Vigilância Sanitária (ANVISA).
 Instituto Brasileiro de Geografia e Estatística (IBGE).
 Cadastro Nacional de Estabeleciementos de Saúde (CNES).
As informações utilizadas neste estudo foram oriundas de questionários
aplicados por gestores da área da saúde, no âmbito municipal, estadual e federal.
Esses questionários sobre os hospitais abrangeram características do serviço,
complexidade da atenção prestada (usa a existência de leitos de terapia intensiva –
UTIs – como marcador); formação, composição e estrutura da CCIH; ações de
prevenção e controle gerais e específicas desenvolvidas; além das dificuldades
envolvidas na implementação das ações de prevenção e controle de IHs.
Foram utilizados no estudo informações de 4.148 instituições hospitalares,
correspondendo a 70% dos hospitais brasileiros. Os dados foram analisados e
apresentados com auxílio dos programas: Stata, Epi-Info e Excel.
De acordo com os resultados do estudo, a incorporação de ações de prevenção
e controle de infecções hospitalares ocorreu de forma heterogênea entre os
hospitais estudados, sendo as ações mais presentes a nomeação de CCIHs (76%
dos hospitais) e o monitoramento das IHs (77%).
Ações mais complexas foram menos presentes nas respostas, como por
exemplo, desenvolvimento de programas de controle de infecções (49%),
treinamentos específicos em controle de infecções (44%) e adoção de medidas de
contenção de surtos (33%).
Hospitais com leitos de terapia intensiva apresentaram melhor desempenho em
relação à implantação das ações de prevenção, com 94% de adesão à implantação
de CCIHs, contra 70% de adesão entre os que não tinham leitos de terapia
intensiva.
As ações de contenção de surtos foram relatadas por 59% dos hospitais com
UTIs, contra 23% apresentadas pelos que não atendiam este tipo de paciente
(Figura 22 - a seguir).
FIGURA 21 - DISTRIBUIÇÃO DE HOSPITAIS, DE ACORDO COM A ADOÇÃO DE MEDIDAS
DE PREVENÇÃO E CONTROLEDE INFECÇÕES, CONSIDERANDO A COMPLEXIDADE
(EXISTÊNCIA DE LEITOS DE UTI). ANVISA/FSPUSP (N=4148)

As taxas anuais de infecção relatadas pelos hospitais nos questionários não
são acuradas, devido a não utilização de critérios validados pela maioria das
instituições e por informações incompletas sobre casos detectados e pacientes
expostos (saídas = altas + óbitos + transferências).
A taxa global de infecções apresentada foi de 9%, com 14% de
mortalidade associada (letalidade) (Figura 22 - a seguir). As principais topografias
das infecções relatadas foram aparelho respiratório, urinário, sangue e pele (Figura
23 - a seguir).
Mesmo com este cuidado de seleção dentro da amostra, estas taxas não
devem ser utilizadas para comparações ou expectativa de ocorrência de infecções
em instituições individuais.
FIGURA 22 - TAXA GLOBAL DE INFECÇÃO HOSPITALAR EM UTI DE ADULTOS NOS
HOSPITAIS BRASILEIROS (EXCETO SÃO PAULO). ANVISA/FSPUSP (N=636).
FIGURA 23 - DISTRIBUIÇÃO POR TOPOGRAFIA DAS INFECÇÕES HOSPITALARES EM
PACIENTES INTERNADOS EM UTIS DE ADULTO DE HOSPITAIS BRASILEIROS.
ANVISA/FSPUSP (N=182).
Em relação a políticas de utilização de antimicrobianos, germicidas e
materiais médico-hospitalares, 53,5% dos hospitais informaram que adotavam,
40,8% que não adotavam e 5,7% não informaram.
Das instituições participantes, 61% informaram ter disponibilidade de
laboratórios para a realização de exames microbiológicos.
A ausência de laboratórios de microbiologia foi informada por 36% dos
hospitais pesquisados, sendo que 3% não responderam a esta pergunta.
O estudo permitiu aos pesquisadores fazerem recomendações visando à
melhoria da situação da saúde hospitalar e consequentemente à saúde humana.
Recomendaram a revisão do modelo atual de prevenção de infecções
hospitalares, em parceria com gestores estaduais e municipais de saúde,
prestadores, sociedade organizada e usuários.
Recomendaram também que Estados e municípios devem reforçar a
descentralização dessas ações, priorizando ações básicas de importância
reconhecida na literatura especializada, apoiando os serviços de saúde na aplicação
dessas medidas.
Outro ponto importante bastante discutido foi a necessidade de uma
reestruturação dos laboratórios de microbiologia no país, enfatizando a
padronização de técnicas de identificação de microrganismos e de determinação da
sensibilidade.
4.2 O USO DA ESTATÍSTICA NO RAMO DA PSIQUIATRIA
Algumas áreas em que psiquiatras usam técnicas estatísticas sofisticadas,
mas progressos ainda devem ser feitos, são:
 Classificação do doente mental: Pesquisadores têm usado análise fatorial,
análise discriminante, análise de conglomerados, redes neurais,
visualização de dados multivariados em um esforço para melhorar os
critérios de diagnósticos e para determinar se ela é de particular interesse
ou se é categórica ou dimensional.
 Aumento no uso de regressão logística, modelos log-lineares e equações
estruturais, bem como técnicas multivariadas como: componentes
principais, análise fatorial, análise de correspondência, de correlação
canônica, de conglomerados, de escalonagem multidimensional etc.
 Utilização de duas ou três opinoões para o diagnóstico requer métodos
para a mensuração de concordância entre opiniões.
 Análise de sobrevida para determinar o prognóstico de pacientes sob
terapia.
 Problema de riscos competitivos em dados longitudinais.
 Cuidados com viés de seleção.
 Maior utilização da Inferência Bayesiana e de técnicas de data mining
(Data mining: dados em busca de uma teoria).
 Conhecimentos sobre o p-valor; nível de significância; intervalos de
confiança.
 Utilização de ensaios clíncos.
 Utilização de testes diagnósticos.
4.3 A UTILIZAÇÃO DA ESTATÍSTICA NA EPIDEMIOLOGIA
 Análise dos dados epidemiólogicos pela utilização do método estatístico
indutivo quantitativo, que está diretamente relacionado com a questão da
causalidade e evolução.
 Estudo estatístico relacionado com a interação entre fatores ambientais e a
doença analisada em questão.
 Análise e caracterização quantitativa da situação da saúde das populações
selecionadas nos estudos por meio de levantamentos relacionados com
dados de saneamento básico, moradia, nutrição, etc.
 Utilização de modelos estatísticos para o estudo do agente causal e os
fatores ambientais relacionados com a sua transmissão.
 Utilização da inferência estatística nos testes de hipóteses.
 Utilização da teoria da decisão.
 Utilização dos modelos de regressão para encontrar a melhor adequação,
para minimizar os possíveis erros de predição.
A análise de regressão estabelece a relação entre as variáveis. É representada pela
equação:
y = α +βX
Em que:
y = variável dependente
X= variável independente
α = coeficiente linear da reta
β = coeficiente angular da reta
Para obter as estimativas αˆ e βˆ, de α e β, aplicam-se as seguintes fórmulas obtidas
da minimização da soma dos quadrados dos erros:
Análise dos riscos;
 Utilização e interpretação de correlações.
 O coeficiente de correlação é uma medida do grau de dependência entre
duas variáveis. Esse coeficiente, representado pela letra r, é dado pela
fórmula:

O valor de r varia de –1 a +1, inclusive. Valores de r iguais a –1 e +1 indicam
que os pontos estão sobre a reta, isto é, a correlação é perfeita. Valores próximos
de –1 e +1 indicam correlação forte e valores próximos de zero indicam correlação
fraca. O sinal de r indica se a correlação é positiva ou negativa.
O valor de r varia de –1 a +1, inclusive. Valores de r iguais a –1 e +1 indicam que
os pontos estão sobre a reta, isto é, a correlação é perfeita. Valores próximos de –1
e +1 indicam correlação forte e valores próximos de zero indicam correlação fraca.
O sinal de r indica se a correlação é positiva ou negativa.
4.4 UTILIZAÇÃO DA ESTATÍSTICA NA ORGANIZAÇÃO HOSPITALAR
 Utilização do SAME (Serviço de Arquivo Médico e Estatística) (Figura 24).
FIGURA 24 - ORGANOGRAMA DA SAME
 A estatística é utilizada para coletar, apurar, analisar e interpretar os dados
informativos dos pacientes, para que possa haver a realização da pesquisa
clínica.
 Realização do controle de admissões, transferências, altas, óbitos e cirurgias.
 Realização de estimativas e ajuste de modelos de tempo de vida.
 Folha de verificação.
 As folhas de verificação são ferramentas estatísticas relacionadas com o
controle de qualidade hospitalar. São usadas para:
 - Tornar os dados fáceis de serem obtidos e utilizados.
 - Dispor os dados de uma forma mais organizada.
 - Verificar o tipo de defeito e a sua porcentagem.
 - Verificar a localização do defeito: mostrar o local e a forma de
ocorrência dos defeitos.
 - Verificar as causas dos defeitos.
 - Determinar o turno em que ocorre o problema (turno, dia, hora, mês, ano,
etc.).
 - Dar subsídios para a criação de várias ferramentas como: diagrama de
pareto, diagrama de dispersão, histograma, etc.
Estratificação
Estratificar é agrupar elementos com as mesmas características, ou seja,
itens iguais ou muito semelhantes, tendo causas e soluções comuns (Figura 25).
A estratificação é uma ferramenta importante, mas precisa ser usada antes
da coleta de dados. Ao ser construída a folha de verificação, deve-se ter em mente
a estratificação.
Tem-se, por exemplo, o interesse em determinar certo tipo de doença de
pacientes que vão a óbito. Logo, é necessário estratificar por óbitos, enfermaria e
especialidade.
FIGURA 25 - ESTRATIFICAÇÃO
4.5 UTILIZAÇÃO DA ESTATÍSTICA NA INDÚSTRIA FARMACÊUTICA
 Controle estatístico de processo (CEP)
A utilização de métodos estatísticos não garante a solução de todos os problemas
de um processo, porém é uma maneira racional, lógica e organizada de determinar
onde eles existem, sua extensão e a forma de solucioná-los. Esses métodos podem
ajudar na obtenção de sistemas que assegurem uma melhoria contínua da qualidade
e da produtividade ao mesmo tempo.
O Controle Estatístico de Processo (CEP) pode ser descrito como um conjunto de
ferramentas de monitoramento da qualidade. Com tais ferramentas, consegue-se
uma descrição detalhada do comportamento do processo, identificando sua
variabilidade e possibilitando seu controle ao longo do tempo, por meio da coleta
continuada de dados e da análise e bloqueio de possíveis causas especiais,
responsáveis pelas instabilidades do processo em estudo.
O Controle Estatístico de Processo abrange a coleta, a análise e a interpretação de
dados com a finalidade de resolver um problema particular. A ideia principal do
CEP é melhorar os processos de produção com menos variabilidade,
proporcionando níveis melhores de qualidade nos resultados da produção.
É muito comum nas fábricas que processos industriais não sejam otimizados no
sentido de serem caracterizados por altos níveis de eficiência, no entanto, dentro do
CEP existem ferramentas para monitorar o processo e, portanto, melhorá-lo.
 Uso de gráficos de controle
Os gráficos de controle representam uma das técnicas estatísticas que servem de
apoio ao controle da qualidade de um processo, fornecendo evidências de suas
variações tanto de caráter aleatório quanto de caráter determinável.
Eles permitem que se possa atuar no processo de forma preventiva, corrigindo
possíveis desvios de qualidade, em tempo real, no momento em que eles estão
ocorrendo, não deixando que a situação de possibilidade de ocorrência de não
conformidade perdure e acabe com uma possível reprovação do lote final.
É importante destacar que um gráfico de controle não permite a identificação de
quais são as causas especiais de variação que estão atuando em um processo fora
de controle estatístico, mas ele processa e dispõe informações que podem ser
utilizadas na identificação destas causas.
 Utilização de cartas de controle
As cartas de controle são as principais ferramentas utilizadas no controle estatístico
de processo e têm como objetivo detectar desvios de parâmetros representativos do
processo, reduzindo a quantidade de produtos fora de especificações e os custos de
produção.
Sua utilização pressupõe que o processo seja estatisticamente estável, isto é, não
haja presença de causas especiais de variação ou, ainda e de outra forma, que as
sucessivas amostragens representem um conjunto de valores independentes ou não
correlacionados.
Este pressuposto quase sempre não é atendido e muitas vezes leva à utilização das
cartas de controle com limites inadequados e com a frequente ocorrência de
alarmes (pontos fora ou próximos aos limites da carta) sem que, necessariamente,
representem a presença de uma causa especial.
 Controle estatístico de processo multivariável: aplicação à proodução de
medicamentos na forma de comprimidos
Em estudo realizado, foram utilizados dados da produção do medicamento
captopril na forma de comprimidos de 25 mg produzidos pelo Laboratório
Farmacêutico do Estado de Pernambuco (LAFEPE®), no período de 2004 a 2005,
para análise do processo por meio da estatística T2 de Hotelling, uma forma de
CEP multivariado.
Neste tipo de análise, em vez de serem analisadas isoladamente várias cartas de
controle, utiliza-se uma única carta que leva em consideração as variabilidades
simultâneas das variáveis peso médio, dureza, friabilidade, tempo de
desintegração, teor, teor de dissulfeto de captopril, dissolução e uniformidade de
conteúdo, o que se constitui em uma vantagem para a tomada de decisões dos
operadores do processo.
 Validação do processo de envase de xarope de salbutamol
Os dados foram obtidos a partir de cinco lotes consecutivos. Primeiramente
definiu-se o peso médio, totalizando um número de amostragem igual a 30.
Calculou-se a média de cada amostra e os valores obtidos foram tratados
estatisticamente.
Foram geradas Cartas de Controle (média e amplitude), histograma e valores
correspondentes aos índices de capacidade do processo. Dos cinco lotes tratados
estatisticamente, três apresentaram-se estáveis e dois não estáveis: já em relação à
capacidade, todos os lotes mostraram-se incapazes.
Isto demonstra que nem sempre um processo estável é também um processo capaz,
isto é, a estabilidade estatística de um processo não assegura que este seja um
processo capaz. As figuras 26, 27 e 28 ilustram os gráficos das médias, amplitude e
histograma dos lotes um, dois e cinco, respectivamente.
Clique na seta abaixo para visualizar as figuras 26, 27 e 28.
Entre as alternativas para tornar esse processo capaz está a mudança do processo
para uma tecnologia de maior confiança, o estudo do processo com mais cuidado e
a utilização de técnicas de melhoria para reduzir a variabilidade, centrar o processo
para minimizar as perdas totais fora dos limites das especificações e inspecionar
100% o processo.
 Determinação do teor da substância ativa em forma farmacêutica sólida oral
Foram avaliados três lotes de trinta comprimidos, assumindo a especificação de 85
a 115% para variação no resultado de uniformidade de conteúdo.
Foram empregados gráficos de controle para valores individuais e amplitudes
móveis e esses revelaram que o processo pode ser considerado previsível quanto ao
seu desempenho para a característica avaliada (Figura 29 - a seguir).
Os pontos mantiveram-se dentro dos limites de controle. Além disso, os pontos
não apresentaram comportamento indicando causa especial, ou seja, padrão
extraordinário de variação.
FIGURA 29 - GRÁFICOS DE CONTROLE DO TEOR DE PRINCÍPIO ATIVO DE
COMPRIMIDOS
Em função desse processo pode ser avaliada mediante o cáculo dos índices de
capacidade. Considerando a quantidade de dados e Cpk igual a 1,38, o processo
pode ser considerado capaz.
Entretanto, observa-se que este se encontra ligeiramente descentralizado na
especificação. A média calculada é de 95,42% enquanto que a média/alvo é de
100%, referente ao centro da especificação.
Ajuste efetuado na média permitirá alcançar maior índice de capacidade. Em
função destes resultados, todo o processo pode ser considerado validado.
 Desempenho das máquinas de enchimento por meio da massa, de uma
suspensão parenteral relativamente viscosa, em recipientes de dose múltipla.
Foi verificado que a máquina de enchimento “A” enchia as ampolas dentro dos
limites pretendidos com as médias dentro dos limites de controle. No entanto, a
máquina “B” apresentava grande variação, tal como se observou pela carta de
controle de gamas dos valores de enchimento, bem como por meio dos pontos que
caem fora dos limites de controle, indicados nas cartas médias (Figura 30).
FIGURA 30 - CARTAS DE CONTROLE PARA A MÉDIA E GAMA
(AMPLITUDE) DAS DUAS MÁQUINAS DE ENCHIMENTO
Após uma grande investigação e melhoria do processo, foi possível estreitar os
limites de controle da carta das médias e deste modo, o processo passou a ter maior
controle estatístico e simultaneamente a variação da massa de enchimento foi
minimizada.
 Reações adversas relacionadas com o uso do contraceptivo oral Qlaira
Foi feito um estudo estatístico pela indústria farmacêutica Bayer Schering Pharma
relacionada com as reações adversas do contraceptivo oral Qlaira. O estudo foi
realizado com dez mil mulheres.
As reações foram divididas da seguinte forma:
  Frequente (≥ 1/100 a < 1/10): dor de cabeça; dor abdominal; acne;
ausência de menstruação; desconforto nas mamas; cólicas; sangramento
irregular; sangramento irregular intenso; aumento de peso corporal.
 Pouco frequente (≥ 1/1000 a < 1/100): infecção por fungo; candidíase
vaginal; infecção vaginal; aumento de apetite; depressão/humor
deprimido; diminuição do desejo sexual; distúrbio mental; alterações de
humor; tontura; pressão alta; enxaqueca; diarreia; náuseas; vômitos; queda
de cabelo; coceira; erupção cutânea; aumento do tamanho das mamas;
caroço nas mamas; crescimento anormal das células do colo do útero
(displasia cervical); sangramento uterino disfuncional; dor durante a
relação sexual; doença fibrocística das mamas; sangramento menstrual
intenso (menorragia); distúrbio menstrual; cisto ovariano; dor pélvica;
síndrome pré-menstrual; tumor benigno; da musculatura do útero
(leiomioma uterino); contração do útero (cólica); secreção vaginal;
ressecamento vulvovaginal; irritabilidade; inchaço de partes do corpo;
diminuição de peso corporal.
 Raro (≥ 1/10000 a < 1/1000): candidíase; herpes simples; doença vascular
do olho; tinea versicolor (tipo de infecção na pele por fungo); infecção do
trato urinário; inflamação bacteriana da vagina; infecção vulvovaginal por
fungos; retenção de líquidos; aumento de triglicérides; instabilidade
emocional; agressão; ansiedade; sentimento de tristeza; aumento do desejo
sexual; nervosismo; agitação; distúrbio do sono; estresse; distúrbios da
atenção; sensações cutâneas subjetivas; vertigem; intolerância a lentes de
contato; sangramento das veias varicosas; fogachos; pressão baixa; dor nos
vasos; constipação; indigestão; azia; nódulos no fígado; reação alérgica na
pele; cloasmas; crescimento excessivo de pelos em lugares característicos
do sexo masculino; pele oleosa; seborreia; dermatites e neurodermatites;
dor nas costas; espasmos musculares; sensação de peso; cisto mamário;
sangramento durante a relação sexual; produção espontânea de leite
materno; sangramento genital intenso; fluxo menstrual reduzido; atraso na
menstruação; ruptura de cisto ovariano; sensação de queimação vaginal;
odor vaginal; desconforto vulvovaginal; inchaço dos gânglios linfáticos;
dor no peito; fadiga; mal-estar.
4.6 O USO DA ESTATÍSTICA NA GENÉTICA
Gregor Mendel foi o responsável por estabecer os alicerces da Genética. E desde
então a Estatística tem acompanhado o seu desenvolvimento. As leis da
transmissão de caracteres hereditários, de geração em geração, tiveram como
suporte estatístico a repetição, por exemplo, o experimento realizado com ervilhas-
de-cheiro.
 Determinação da taxa de recombinação gênica (distância entre genes)
Por meio da estatística é possível realizar a estimação da taxa de recombinação,
usada para estabelecer distâncias entre genes, expressas em percentagem ou cM.
Mesmo diante do conhecimento de 1 cM corresponder a aproximadamente
1.000.000 pares de bases de DNA, sua mensuração ainda é importante, pelo menos
para uma primeira abordagem, na elaboração dos mapas gênicos.
 Localização de genes de interesse para a medicina
Na medicina, a análise de linkage, é explorada para determinar a posição num
cromossoma de um gene responsável por uma doença em relação a um ou mais
genes de localização conhecida (marcadores). Consideremos o locus de uma
doença com os alelos A e a e um segundo locus (marcador) com os alelos B e b.
Se pais com o genótipo ab/AB (esta representação significa que num cromossoma
situam-se os alelos a e b e no seu homólogo A e B) deram origem a um
descendente com o genótipo aB/Ab ocorreu uma recombinação entre os loci da
doença e do marcador.
Exemplo: Seja θ a taxa de recombinação entre dois loci referentes ao gene de uma
doença e a um marcador. Se estes estão em cromossomas diferentes têm uma
transmissão independente e θ =1/2; se estão no mesmo cromossoma, são mais
frequentemente transmitidos em bloco e 0 ≤ θ < 1/2.
Caso o gene da doença e o marcador estejam próximos, θ deve aproximar-se de 0;
se estão afastados deve estar próximo de 1/2. Diversos testes estatísticos têm sido
desenvolvidos para testar as hipóteses especificadas a seguir, com base em dados
de família.
H0: θ =1/2 VERSUS H1: 0 ≤ θ < 1
"Muitos pesquisadores deduziram vários testes estatísticos, segundo uma
abordagem clácsica para dados heterogêneos, ou seja, a amostra das famílias .com
o mesmo número de descendentes ou não) apresenta uma proporção, k, de famílias
onde o loci da doença e do marcador estão ligados e nas restantes (1-k) não estão
ligados.”
"Esta situação é apropriada para dados de uma mesma doença, mas causada por
mutações em diferentes loci. Outros pesquisadores seguem uma abordagem
 bayesiana, exemplificando a aplicação dos testes apresentados com dados de
famílias, para averiguar a ligação de três loci de DNA obtidos por RFLP e o locus
da síndrome do X-frágil (caracteriza-se por deficiências mentais congênitas). "
"Há estudo com relação à recombinação entre mais de dois e, dada a complexidade
dos modelos propostos, recorre aos Métodos de Monte Carlo via Cadeias de
Markov, em particular a amostragem de Gibbs e o algorítmo de Metropolis-
Hasting.
Estes métodos de simulação têm sido usados para a análise de árvores genealógicas
associadas a famílias com casos de doenças hereditárias, como, por exemplo, a
síndrome de Werner's e a fibrose cística"
"Na epidemiologia, os métodos tradicionais mais frequentes assumem que os
indivíduos não estão relacionados. Porém esta hipótese não é realística ao estudar
famflias, pois os indivíduos dentro delas estão relacionados. Assim, ao incluir a
componente genética de algumas doenças (como os tumores malignos), até há
pouco tempo consideradas resultantes de causas ambientais, houve necessidade de
alterar os métodos habituais nesses estudo “
Há também estudos em que é utilizada a amostragem de Gibbs para
estimar parâmetros de modelos probabilísticos complexos que incluem uma
componente genética (relação entre fenótipos e genótipos e diversos genes dentro
de cada família), além do conjunto de variáveis usuais em estudos epidemiológicos
(idade, sexo do indivíduo, alimentação, etc.), e onde a matriz de dados corresponde
a árvores genealógicas.
Muitos autores dão diversas referências bibliográficas de trabalhos que
incluem estes métodos de simulação recentemente (re)descobertos na estatística e
que são a solução para ultrapassar os pesados cálculos associados a modelos
complexos que surgem com frequência também na Genética.
 Utilização na análise forense
Na análise forense são procurados marcadores genéticos de DNA em células
recolhidas no local do crime e numa amostra de células retiradas do suspeito de ter
cometido o crime.
Os laboratórios de Biologia Forense usam geralmente três a cinco loci VNTR -
fragmentos de DNA não codificante que correspondem a repetições sucessivas da
mesma base ou de sequências de bases - que diferem de indivíduo para indivíduo,
exceto para os gêmeos verdadeiros.
Encontra-se frequentemente referência aos loci: D1S7, D2S44, D4S139, D10S28 e
D17S79.
O comprimento (geralmente em kb) dos fragmentos de DNA não codificante são
medidos com um determinado erro que varia de laboratório para laboratório.
Se os cientistas forenses declaram que há diferenças entre as "impressões digitais"
genéticas do suspeito e da amostra recolhida no local do crime, por meio das
autorradiografias correspondentes, não é necessária a intervenção da Estatística.
Caso contrário, se não são "detectadas diferenças" recorre-se à Estatística para se
calcular a proporção de perfis "semelhantes" à amostra do local do crime, numa
população de referência. Estas populações de referência devem ser suficientemente
bem estudadas quanto a esses loci e a um conjunto de variáveis relacionadas com a
composição genética.
Até aqui a Estatística e os modelos probabilísticos podem intervir no conhecimento
dos erros de medição, no conhecimento da genética das populações, mas os
tribunais que aceitam as "impressões digitais" genéticas esperam um "resumo
numérico" que contribua para a sua decisão jurídica.
Exemplo: Considerando os loci L1, L2, L3, L4 e L5 cada um com vários alelos na
população. Cada indíviduo possui apenas dois alelos (Ai1 e Ai2, i=1, ..., 5)
situados nos cromossomas homólogos, sendo um herdado da mãe e outro do pai.
Suponhamos que, tanto na amostra de DNA do supeito, como na do local do crime,
tinham sido observados os seguintes alelos em cada loci:
Como se constatou a igualdade de perfis, a Estatística é necessária para estimar a
probabilidade de uma pessoa, selecionada aleatoriamente, da população de
referência ter a mesma composição genética do suspeito e da amostra do crime.
Admitindo o equilíbrio de Hardy-Weinberg entre e dentro dos loci, podemos
sugerir:
Em que:
Pij= proporção do alelo Aij na população para o loci Li, i= 1,2,3….5 e j=1,2.
Nos primeiros tempos de utilização das "impressões digitais" genéticas, esta com o empenho atual a credibilidade deste método aumentará em um futuro
estimativa da probabilidade era apresentada ao juiz, mas frequentemente, com duas próximo.
interpretações consoantes às conveniências da defesa ou da acusação.
Como os loci VNTR apresentam uma diversidade de alelos muito grande numa
população, superior aos grupos sanguíneos que são usados há mais tempo em
questões relacionadas com a investigação da paternidade e na análise forense, a
probabilidade de outro indivíduo ter as mesmas "impressões digitais" genéticas
(exceto nos gêmeos verdadeiros) é muito pequena.
O cálculo desta probabilidade tendo em conta a independência entre e dentro dos
loci (embora se possa testar como já foi referido atrás), a sua interpretação e a
escolha da população de referência, entre outros problemas, instalaram muitas
dúvidas, suscitando uma intervenção crescente dos estatísticos nesta área.
Como a população que está em causa nestas áreas é a humana, pelo menos uma das
condições para que se verifique o equilíbrio de Hardy-Weinberg falha: os
cruzamentos não são aleatórios.
Mas em populações numerosas, a falha desta e das outras condições (selecção
natural, mutações, etc.) pode não afetar muito o equilíbrio.
Esses cruzamentos não aleatórios podem determinar subpopulações dentro de uma
população geral que não devem ser ignoradas nos tratamentos estatísticos.
Para um determinado locus pode surgir outra complicação. Pode ser difícil
distinguir na autorradiografia uma situação em que o indivíduo é homozigótico,
outra - coalescência - em que os dois alelos têm comprimentos similares ou iguais.
O interesse estatístico por estas áreas fez com que se desenvolvessem modelos
probabilísticos que têm em conta os erros de medição no peso molecular dos
fragmentos de DNA, a estrutura da população, coalescência, testemunhas oculares,
etc.

Atualmente, em vez do cálculo da referida probabilidade, tornam-se mais

frequentes os testes de hipóteses, principalmente, segundo uma abordagem
bayesiana.

Essa metodologia também se usa na investigação da paternidade e mais raramente

(mas também acontece) da maternidade. Nesse caso, comparam-se as "impressões
digitais" genéticas da criança, mãe e pretenso(s) pai(s).
Com base nos dados dessa comparação avalia-se qual das hipóteses é mais
evidente: o pretenso pai é o verdadeiro pai da criança contra a negação desta.
Os problemas de natureza jurídica, genética e estatística que se têm levantado
ainda não permitem confiar totalmente nas "impressões digitais" genéticas, mas