Escolar Documentos
Profissional Documentos
Cultura Documentos
Bioestatística e Epidemiologia
UNIDADE 2 - ANÁLISE ESTATÍSTICA:
EXIBINDO E COMPREENDENDO A
VALIDADE DE DADOS
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 1/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Introdução
Você já sabe que a estatística pode ser aplicada
em diversas áreas do conhecimento, afinal, é
comum vivenciarmos e vermos informações no
decorrer do dia que utilizam dados estatísticos.
Mas o que está por trás desses dados?
Saiba que temos diversos estudos, cálculos e
testes. Esses testes são importantes, pois
auxiliam a responder hipóteses, e há diversos
tipos de testes. Todo estudo estatístico se inicia com uma hipótese a ser comprovada
ou refutada. Mas se há vários tipos de testes, como definir qual o melhor para
determinado conjunto de dados? Há diversos conceitos que nos auxiliam, de acordo
com os objetivos e tipos de estudos, assim como diferentes ferramentas para
aplicação desses testes.
Nesta unidade, vamos aprender os principais testes de hipóteses em bioestatística.
Todavia, para compreendê-los, devemos ver alguns conceitos essenciais, como qui-
quadrado, análise de inferências, correlação, entre outros, que permitem analisar os
dados adequadamente, identificar os resultados e possíveis erros. Você sabia que há
tipos diferentes de erros? E em alguns estudos, o tipo de erro apresentado é muito
importante para definir se os dados são representativos ou não da realidade. Então,
vamos lá, pois temos muitos conceitos para serem estudados.
Bons estudos!
Em estatística, a obtenção e análise dos dados é o ponto principal. Os dados podem ser
apresentados de modo descritivo – com estatística descritiva – considerando dados de
parâmetros, como média ou desvio-padrão. Todavia, para realizar afirmações acerca de dados
obtidos em relação a uma população, ou seja, compreender a real representatividade dos
valores, deve-se utilizar outra área da estatística: a inferência estatística (ANDRADE;
OGLIARE, 2013).
A inferência estatística é utilizada para construir proposições, deduzindo informações a partir de
dados concretos fornecidos pela estatística descritiva. Um dos modelos mais utilizados em
inferência estatística são os testes de hipóteses (BUSSAB; MORETTIN, 2006). Vamos
compreender melhor sobre eles a seguir.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 2/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Quando iniciamos uma análise estatística, temos uma hipótese para testar, como verdadeira ou
falsa, em que há uma pergunta a ser respondida. Para aceitar ou rejeitar uma hipótese,
devemos submetê-la a um teste, chamado de teste de hipótese (BALDI; MOORE, 2014).
O teste de hipótese é utilizado para avaliar duas declarações opostas sobre determinada
população. Uma das declarações é chamada de hipótese nula (H0), enquanto a outra é
chamada de hipótese alternativa (H1). A hipótese nula carrega o sinal de igualdade e indica
usualmente “sem efeito”. Já a hipótese alternativa irá contradizer a hipótese nula. Assim, aplica-
se um teste de hipótese com regras específicas que avaliam o comportamento das hipóteses
nula e alternativa, definindo qual deve ser aceita ou rejeitada (LOPES et al., 2014).
O teste de hipótese é aplicado após definição do intervalo de confiança, usualmente utilizado
em 95%. Um dos testes mais utilizados é o valor-p, que indica a probabilidade de ocorrência de
valores extremos e médios (LOPES et al., 2014). Considere, então, que após a coleta de dados
hipotéticos n amostral, previamente calculados e definidos, o valor-p foi calculado em 0,001. O
que isso significa em relação às hipóteses, considerando o nível de significância escolhido?
Que a hipótese nula será rejeitada, e a hipótese alternativa passa a ser aceita, pois a hipótese
nula nos diz que não há nenhum efeito, ou seja, não há significância nos valores analisados.
Todavia, como obtivemos um valor de p menor que o nível de confiança, observamos que há
uma diferença e, portanto, a hipótese alternativa deve ser aceita.
Ao responder sobre a rejeição ou aceite da hipótese, podemos agir corretamente ou temos a
possibilidade de errar de duas maneiras (MOORE, 2005).
Quando H0 for verdadeira, e aceitamos como falsa – rejeitamos –, temos um erro do tipo I. Aqui,
estamos rejeitando H0 quando é verdadeiro. Quando for falso, e aceitamos como verdadeiro,
temos um erro do tipo II. Aqui, estamos aceitando H0 quando é falso. Observe, a seguir, um
resumo desses conceitos.
#PraCegoVer: imagem traz em uma primeira linha, as expressões: aceitar H0 e rejeitar H0. Em
uma segunda linha, as expressões: H0 verdadeira; decisão correta; erro do tipo I. E na terceira
linha, as expressões: H0 falsa; erro do tipo II; decisão correta.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 3/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 4/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
#PraCegoVer: imagem traz três gráficos em formato de curva, que indica a distribuição normal.
O da esquerda tem como título região crítica: unilateral à direita; o do meio, região crítica:
bilateral; e o da direita, região crítica: unilateral à esquerda.
Portanto, após calcular t, observando os valores obtidos e comparando aos valores críticos,
rejeitamos H0 quando o valor-t calculado ultrapassar os valores críticos do teste escolhido
(POCINHO; FIGUEIREDO, 2004; PAGANO; GAUVREAU, 2006), ou seja, quando T > -tα em
testes unilaterais à direita; quando T < tα em testes unilaterais à esquerda; quando T > tα/2 e T <
t-α/2 em testes bilaterais.
É importante destacar que o uso conjunto dos testes de valor-t e valor-p são comuns e
amplamente utilizados, oferecendo maior confiabilidade aos resultados.
Até aqui, estudamos o cálculo de hipóteses em dados com distribuição normal. E quando os
dados não forem assim distribuídos? Acompanhe a seguir.
Agora que você já conhece alguns dos principais conceitos sobre testes de hipóteses, e
introduzidos alguns testes amplamente utilizados para análises de rejeição ou aceite de
hipóteses, vamos aprofundar mais o conhecimento. Há dois tipos principais de testes em
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 5/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 6/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Método alternativo em situações em que o teste-t para uma amostra não pode ser
aplicado. Informa sobre a mediana, indicando se o valor é igual a um determinado valor
numérico. Assim, a hipótese nula considera que a mediana é igual a um valor θ0, e as
hipóteses alternativas consideram as condições de diferença (maior, menor ou
diferente).
Teste de Mann-Whitney
Informa sobre a diferença entre grupos, ou seja, é uma alternativa ao teste-t para duas
amostras, quando não há informações sobre a distribuição. Pode ser aplicado em
variáveis aleatórias, tanto numéricas como categóricas, e indica se as distribuições de
dois grupamentos são similares em termos de localização da mediana. Aqui, define-se
como hipótese nula que a diferença de localização entre as medianas dos grupos
testados é igual a zero.
Kruskal-Wallis
É uma alternativa ao teste ANOVA, sendo utilizado para análise em estudos com mais
de dois grupos. São testadas as funções de distribuição dos grupos amostrais,
assumindo-se como hipótese nula que todas as funções de distribuição entre os
grupos são iguais.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 7/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Até aqui, nos aprofundamos nos testes de hipóteses e os conceitos de testes paramétricos ou
não paramétricos. Agora, vamos passar para um teste em específico: o qui-quadrado.
2.3.1 Qui-quadrado
O teste qui-quadrado é um teste de hipótese do tipo não paramétrico. Sua principal
característica é estabelecer um comparativo entre proporções, proporcionando uma análise de
diferenças entre frequências observadas e esperadas (BALDI; MOORE, 2014; ANDRADE;
OGLIARE, 2013).
O objetivo é determinar os valores de dispersão entre amostras com variáveis categóricas
nominais e indicar uma possível relação com variáveis numéricas. Para exemplificar, podemos
relacionar a frequência que um gene está descrito em uma população, e a relação com a
quantificação de um fenótipo observado. De fato, a análise de qui-quadrado é um teste muito
utilizado em análises genéticas.
De modo geral, o teste serve para comparar frequências e proporções. (BUSSAB; MORETTIN,
2006). Apesar de ser um teste não paramétrico, é condicionado a algumas exigências (BALDI;
MOORE, 2014):
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 8/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Analisando a fórmula, podemos perceber que quando os desvios forem grandes, ou seja,
quando as frequências observadas e esperadas foram distantes entre si, o valor de X² será alto,
e quando os desvios forem pequenos, e as frequências observadas e esperadas forem
próximas entre si, o valor de X² será pequeno (POCINHO; FIGUEIREDO, 2004).
Usualmente, os dados de testes X² são apresentados em forma de tabela, 2x2 no caso de duas
amostras, ou 2xn, no caso de n amostras. Veja um exemplo.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGrll… 9/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
#PraCegoVer: imagem traz uma tabela com dois títulos: exposição e incidência da doença.
Para cada título há colunas com textos e representações de valores.
Assim como observamos para outros testes, o teste de X² possui valores tabelados para
determinados níveis de confiança, e para verificar se o valor obtido está nos limites críticos,
deve-se consultar a tabela. Comparando os valores, é possível estabelecer se as hipóteses,
nula ou alternativa, serão rejeitadas ou aceitas. A denotação do valor de X² sob nível crítico de
confiança é X²c (POCINHO; FIGUEIREDO, 2004). O grau de liberdade também deve ser
considerado na avaliação do X² tabelado. Ele é calculado pela diferença entre o número de
determinações amostrais e o número de parâmetros estatísticos (MOORE, 2005).
2.3.2 Correlação
A correlação é uma métrica estatística para comparação entre duas variáveis, visando
compreender se entre elas há uma relação de dependência. É qualquer relação dentro de
diversos conjuntos relacionais sobre duas amostras que são dependentes entre si. A principal
métrica de uma análise de correlação é o valor r, que indica a força de uma correlação, ou
seja, quão provável ela é. Ele varia entre -1 e 1, e é chamado de coeficiente de correlação de
Pearson (BALDI; MOORE, 2014; BUSSAB; MORETTIN, 2006).
Você o conhece?
Karl Pearson foi um estatístico britânico, nascido em 1857,
em Londres. Foi o criador do primeiro departamento de
estatística em uma universidade, e é considerado um dos
maiores contribuidores do desenvolvimento da estatística
em diversas áreas do conhecimento, incluindo estudos
biológicos e epidemiológicos (SZWARCWALD; CASTILHO,
1992).
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 10/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Quando o valor da correlação é negativo, indica uma correlação inversa, do tipo negativa, ou
seja, quando uma das variáveis cresce, a outra diminui. Por outro lado, quando o valor é
positivo, há uma correlação direta, a variação das variáveis é no mesmo sentido (BALDI;
MOORE, 2014). A fórmula para o cálculo do coeficiente r, considerando as variáveis x e y, é:
Observando a imagem, podemos concluir que quanto mais próximo de 1 ou -1, mais linear
serão os dados, portanto eles indicarão uma forte dependência. No caso de r = 1, positiva, e no
caso de r = -1, negativa. Porém, quanto mais próximo de zero, mais fraca é a relação. De fato,
quando r = 0, as variáveis são independentes. Claramente, os dados de r devem ser avaliados
como um todo, para que as relações possam ser generalizadas corretamente em relação ao
grupo amostral e à população geral (POCINHO; FIGUEIREDO, 2004).
Caso
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 11/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
A análise de correlação é uma das métricas mais utilizadas em bioestatística, pois, na ampla
maioria dos estudos clínicos, o objetivo é a comparação de duas variáveis e a relação entre
elas. Agora que já concluímos essa etapa, podemos avançar para outras métricas.
Um teste estatístico tem como principal objetivo responder uma hipótese. Vimos os principais
testes de hipóteses utilizados, e como você se atentou ao conteúdo, pôde perceber que há um
parâmetro sempre citado: intervalos de confiança. Vimos que eles possuem valores
usualmente padronizados, mas precisamos compreender um pouco mais sobre eles. Além
disso, em bioestatística, há outras ferramentas que utilizam os conceitos anteriormente vistos,
como análises de sobrevivência e como interpretar os dados em relação ao todo, ou seja, como
de fato concluir que os dados obtidos ou apresentados são representativos da realidade
(LOPES et al., 2014).
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 12/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
O cálculo acima considera estudo hipotético de distribuição normal, com o objetivo de estimar o
parâmetro da média, quando é desconhecida, mas o desvio-padrão conhecido. A fórmula pode
ser interpretada como a probabilidade de obter um valor da população de distribuição normal,
considerando os parâmetros de média e desvio-padrão N ( , ), e este valor pertencer ao
intervalo é igual a 1- %. Observe a figura a seguir, com as
indicações dos valores que compõem o intervalo de confiança em uma distribuição normal
padrão.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 13/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
#PraCegoVer: imagem traz um gráfico em formato de curva, em que nas duas extremidades há
áreas em destaque, na cor laranja. O gráfico tem o título distribuição normal padrão.
Agora que aprofundamos nosso conhecimento sobre confiança e intervalo de confiança, vamos
conhecer outra ferramenta muito utilizada em bioestatística, que faz uso de diversos conceitos
que exploramos até o momento. Será uma ótima oportunidade de e aplicar o que já estudamos.
Vamos lá!
o conceito errôneo de que mortalidade e sobrevida são intercambiáveis vem do uso leigo dos
termos. Porém, em bioestatística, sobrevida é um conceito derivado de um procedimento analítico
específico, enquanto mortalidade é uma variável de desfecho dicotômica geralmente comparada
entre dois ou mais grupos em um momento específico (por exemplo, em cinco anos). Sobrevida, por
sua vez, constitui uma variável que relaciona tempo e evento: ela mede o tempo entre o início da
observação até a ocorrência de um evento.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 14/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 15/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Essas são as principais ferramentas para análise de sobrevida, cada qual com uma
aplicabilidade de acordo com o conjunto de dados e objetivo do estudo. A representação dos
dados é usualmente feita por gráficos e tabelas. As formas mais conhecidas de representação
são as curvas de Kaplan-Meier.
As curvas de Kaplan-Meier são utilizadas para representar uma variável e seu efeito ao longo
do tempo, ou seja, objetiva mostrar as alterações naquela população estudada, de modo visual,
sob efeito temporal (VIEIRA, 2008).
Você sabia?
Que há uma relação entre os testes estatísticos clássicos e os
utilizados para análises de sobrevida? Por exemplo, os histogramas
estão para as análises clássicas, assim como as curvas de Kaplan-
Meier estão para as análises de sobrevida. Outras relações podem
ser observadas no artigo Epidemiologia Explicada – análise de
sobrevivência (BOTELHO; SILVA; CRUZ, 2009). Confira:
https://apurologia.pt/wp-content/uploads/2018/10/epidem-
explic.pdf (https://apurologia.pt/wp-
content/uploads/2018/10/epidem-explic.pdf).
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 16/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
#PraCegoVer: imagem traz um gráfico, em que há uma curva decrescente. No eixo vertical, há
valores que indicam frequência de sobrevivência, e no eixo horizontal, valores que indicam o
tempo.
Os dados de sobrevivência também podem ser representados de outras formas, com gráficos
de barras ou dispersão, ou simplesmente em tabelas.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 17/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Vamos Praticar!
As análises de correlação são muito importantes em inferências
estatísticas, tal como os testes de hipóteses. Muitas vezes, vários testes
são realizados para que os resultados se tornem mais robustos e
confiáveis, mais prováveis de serem representativos da realidade. Em
estudos de bioestatística, é comum que os resultados sejam
apresentados em termos de valor-p e de dados de correlação. Os dados
de correlação são representados pelo coeficiente de correlação de
Pearson r, e indicam relações entre duas variáveis. O estudo Correlação
entre ansiedade e consumo de álcool em estudantes universitários
(SILVA; TUCCI, 2018) buscou correlacionar o consumo de álcool com a
presença de ansiedade em estudantes universitários. Foram avaliados 42
estudantes de diferentes áreas, que relataram um padrão de consumo
alcoólico e presença de ansiedade. Após o procedimento experimental
inicial, obteve-se um coeficiente de correlação r = 0,63, em um intervalo
de confiança = 0,40 e 0,78, considerando α = 0,05.
SILVA, É. C.; TUCCI, A. M. Correlação entre ansiedade e consumo de
álcool em estudantes universitários. Revista Psicologia: teoria e prática,
São Paulo, v. 20, n. 2, p. 93-106, 2018. Disponível em:
http://pepsic.bvsalud.org/pdf/ptp/v20n2/pt_v20n2a04.pdf
(http://pepsic.bvsalud.org/pdf/ptp/v20n2/pt_v20n2a04.pdf). Acesso
em: 2 dez. 2020.
Com base no estudo apresentado e nos dados obtidos:
a) Interprete o valor de r (0,63) em relação à classificação
(positiva/negativa) e faça um esboço do gráfico esperado de correlação
para representar esse valor.
b) Reflita sobre a conclusão do estudo, identificando qual a hipótese nula
e qual a alternativa.
c) Responda: foi encontrada uma correlação entre o consumo de álcool e
o nível de ansiedade dos estudantes? Justifique sua resposta.
Conclusão
Finalizamos nossa unidade sobre conceitos e ferramentas em
bioestatística. Vimos conceitos sobre testes de hipóteses,
inferência, quando podemos confiar em dados representativos
de grupos, intervalos de confiança e, para finalizar, os testes
de sobrevida.
Nesta unidade, você teve a oportunidade de:
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 18/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
Referências
ANDRADE, D. F; OGLIARI, P. J. Estatística para as ciências
agrárias e biológicas: com noções de experimentação.
Florianópolis: Editora da UFSC, 2013.
BALDI, B.; MOORE, D. S. A prática da estatística nas
ciências da vida. 2. ed. Rio de Janeiro: LTC, 2014. E-Book.
BOTELHO, F.; SILVA, C., CRUZ, F. Epidemiologia explicada – Análise de
Sobrevivência. Acta Urológica, Lisboa, v. 26, n. 4, p. 33-38, 2009. Disponível em:
https://apurologia.pt/wp-content/uploads/2018/10/epidem-explic.pdf
(https://apurologia.pt/wp-content/uploads/2018/10/epidem-explic.pdf). Acesso em:
23 nov. 2020.
BUSSAB, W. O; MORETTIN, P. A. Estatística Básica. 5. ed. São Paulo: Editora
Saraiva, 2006.
BUSTAMANTE-TEIXEIRA, M. T.; FAERSTEIN, E.; LATORRE, M. do R. Técnicas de
análise de sobrevida. Cad. Saúde Pública, Rio de Janeiro, v. 18, n. 3, p. 579-594,
2002. Disponível em: https://www.scielo.br/pdf/csp/v18n3/9287.pdf
(https://www.scielo.br/pdf/csp/v18n3/9287.pdf). Acesso em: 2 dez. 2020.
CALLEGARI-JACQUES, S. M. Bioestatística: princípios e aplicações. Porto Alegre:
Artmed, 2003.
CAMPOS, G. M. Tipos de variáveis. In: Departamento de Odontologia Restauradora.
Estatística prática para docentes e pós-graduandos. Faculdade de Odontologia de
Ribeirão Preto - Universidade de São Paulo, 2000. Disponível em:
http://www.forp.usp.br/restauradora/gmc/gmc_livro/gmc_livro_cap02.html
(http://www.forp.usp.br/restauradora/gmc/gmc_livro/gmc_livro_cap02.html).
Acesso em: 12. nov. 2020.
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 19/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 20/21
14/05/2023, 15:39 Bioestatística e Epidemiologia
https://student.ulife.com.br/ContentPlayer/Index?lc=4Psg0ibJsKOa5m7J57KfVg%3d%3d&l=J9obb1MZAZthiqpIqmklxw%3d%3d&cd=DNwfvIGr… 21/21