Usando estatísticas aplicadas para expandir o

conhecimento humano
Por Jim Frost  Deixe um Comentário

Minha experiência inclui trabalhar em projetos científicos como o cara dos dados. Nessas
posições, eu era responsável por estabelecer procedimentos válidos de coleta de dados, coletar
dados utilizáveis e analisar estatisticamente e apresentar os resultados. Neste post, descrevo a
emoção de ser um estatístico ajudando a expandir os limites do conhecimento humano, o que
aprendi sobre estatística aplicada e análise de dados durante o primeiro grande projeto da minha
carreira e os desafios ao longo do caminho!

Como é explorar o desconhecido? Quer se trate de

uma pesquisa acadêmica, uma iniciativa de melhoria
de qualidade ou big data, pessoas comuns exploram
o desconhecido, resolvem mistérios e resolvem
questões que a ciência nunca respondeu antes. Para
fazer isso, os pesquisadores passam muito tempo
lendo artigos de pesquisa para desenvolver seus
conhecimentos. Eles devem compreender a extensão
total do conhecimento existente em sua área de
pesquisa. Então, os pesquisadores dão um passo
incrível. Eles encontram uma questão de pesquisa
que os levará além do limite do conhecimento
humano, um problema que ninguém respondeu
antes. Esta é a transição da compreensão do conhecimento existente para a criação de novos
conhecimentos.

Ir além dos limites do conhecimento humano parece um lugar empolgante para trabalhar. E isso
é! Cientistas e analistas fazem isso todos os dias. No entanto, isso não significa que você sempre
ouvirá sobre nosso trabalho nas notícias. As perguntas e respostas são novas, mas nem sempre
dignas de publicação. Portanto, a maioria de nós trabalha no anonimato. Aos poucos, os
cientistas usam as estatísticas para empurrar a bolha do conhecimento humano cada vez mais
para longe, à medida que fazem descobertas. Registramos os resultados no número cada vez
maior de artigos de periódicos. Os pesquisadores estudam esses artigos e fazem novas
perguntas adicionais. Desse modo, recuamos a fronteira do que é conhecido.

Kit de ferramentas estatísticas

O que tudo isso significa?
Uma das coisas mais legais sobre o campo da estatística é que a análise estatística fornece um
kit de ferramentas para explorar o desconhecido. Cristóvão Colombo precisava de muitas
ferramentas para navegar até o Novo Mundo e fazer suas descobertas. Estatisticas são as
ferramentas equivalentes para o explorador científico e de melhoria de qualidade porque ajudam
a navegar no mar de dados que você coleta. Você ficará cada vez mais grato por essas
ferramentas quando vir uma planilha cheia de números e for responsável por dizer a todos o que
tudo isso significa. A empolgação da descoberta acontece depois de todo o trabalho para
configurar o experimento, coletar os dados, verificá-los e organizá-los em seu software
estatístico. Finalmente, há aquele momento em que você realiza a análise, que revela o
significado por trás dos dados. É por isso que adoro!

Ter dados válidos é um pré-requisito para usar todas as ferramentas fantásticas que o software
estatístico oferece. Como os pesquisadores trabalham com questões que a ciência não
respondeu, não é surpreendente que encontremos obstáculos para coletar dados
úteis. Freqüentemente, esses são problemas novos. Na verdade, os pesquisadores podem nunca
ter coletado um tipo específico de dados antes. A coleta de um novo tipo de dados requer que os
cientistas aprendam como coletá-los de maneira precisa e precisa antes mesmo de começarmos
a responder à principal questão de pesquisa. Em dias bons, você pode felizmente pensar nessas
dificuldades como desafios criativos. Em alguns dias, parecia que estava resolvendo um
problema após o outro. Afinal, estamos tentando gerar dados legais e simples que possamos
analisar, mas a realidade é confusa.

Postagem relacionada : A Importância das Estatísticas

Estatísticas: Onde a borracha encontra a estrada!

Essa interação entre a realidade confusa e dados simples e utilizáveis é um lugar empolgante. É
um lugar que une os objetivos elevados dos cientistas à natureza essencial da realidade. É onde
a borracha encontra a estrada. Se você não obtiver dados utilizáveis, não poderá responder à sua
pergunta de pesquisa, apesar das ferramentas analíticas engenhosas!

Vamos dar vida a isso em um nível mais pessoal. Vou

detalhar um desses exemplos de “borracha encontra
a estrada” que fizeram parte da minha educação
inicial no trabalho!

Minha formação foi primeiro em análise estatística e

depois fiz a transição para a pesquisa. Meu primeiro
grande projeto de pesquisa foi incrivelmente revelador
porque fui responsável por garantir que gerássemos
dados bons e limpos e, em seguida, analisá-los! Foi
durante esse projeto inicial que o grande esforço
necessário para criar bons dados se tornou muito aparente para mim.

Coletar dados válidos é um processo , não um único evento de medição. Este processo requer
que você tenha procedimentos padrão e instrumentos de medição que trabalhem juntos em
perfeita harmonia para produzir dados que você verifica ativamente como corretos. Se você tem
um processo ruim ou um instrumento imperfeito, seus dados estão corrompidos. Tudo tem que
ser perfeito. Você deve estar diretamente envolvido nos detalhes essenciais do processo e nas
medições para garantir a perfeição.
Postagem relacionada : 5 etapas para a realização de estudos científicos com análises
estatísticas

Meu aprendizado inicial no trabalho

Então, de volta ao meu primeiro grande projeto de pesquisa, que avaliou a atividade física e o
crescimento da densidade óssea. Eu era a única pessoa em tempo integral no lado dos
dados. Trabalhei com uma grande equipe de especialistas muito talentosos, cada um contribuindo
com uma parte de seu tempo para este projeto. Esses especialistas incluíam engenheiros
elétricos e mecânicos, programadores, eletricistas, técnicos de oficina, nutricionistas e um
operador de densitômetro ósseo, entre outros. Juntos, desenvolvemos e testamos hardware,
software, avaliações e procedimentos que produziriam uma série de diferentes tipos de dados.

Também tínhamos uma enfermeira em tempo integral no projeto que interagia com os sujeitos
diariamente. Ela forneceu feedback sobre a adequação do uso de nossos dispositivos e
avaliações de pesquisa, administrou as pesquisas e ajustou o equipamento de monitoramento em
nossos assuntos. Fora desse meio, tive que garantir que produzíssemos uma montanha de
muitos tipos diferentes de dados confiáveis. Foi um ato de equilíbrio!

Bons dados são um capataz severo. Eu era mais uma pessoa de números, mas apenas saber
estatísticas não é bom o suficiente. Nenhuma análise estatística pode salvá-lo se você tiver dados
ruins. Por causa dos dados utilizáveis, aprendi muitas novas habilidades e rapidamente coloquei
as mãos na massa nos minúsculos detalhes da coleta de dados.

Há muito trabalho a ser feito antes mesmo de você começar a coletar dados.

Por exemplo, aprendi como fazer o seguinte:

o Use e extraia dados de equipamentos como placas de força e densitômetros ósseos.

o Desencape os fios, solde, escolha o conector elétrico correto para a aplicação e
entenda os fundamentos da placa de circuito.
o Conhecia diferentes linguagens de programação para que pudesse trabalhar com o
programador para garantir que a coleta de dados fosse correta .
o Coordenado com uma empresa de baterias para projetar uma bateria de dupla
voltagem personalizada que cabe em um pequeno espaço para atender às nossas
necessidades exclusivas.
o Adquiriu uma riqueza de informações nutricionais e como avaliar a ingestão
nutricional.
o Estudou como diferentes posicionamentos de dispositivos de medição podem afetar
os resultados.

O que aprendi sobre estatísticas aplicadas

Uau! Felizmente, adoro aprender coisas novas!

Ao longo do caminho, verifiquei e verifiquei novamente os dados piloto enquanto mudávamos as

coisas para monitorar a melhoria na qualidade dos dados. Também escrevi procedimentos
padrão para garantir uma coleta de dados consistente.

Foi um grande aprendizado. E estas são as lições críticas que aprendi:

 o Coletar bons dados é um processo, não um evento.
o Você gastará mais tempo determinando a melhor maneira de coletar os dados do
que realmente coletando os dados.
o Você deve ser determinado, adaptável e disposto a aprender muitas coisas novas.
o Não presuma nada. Verifique e verifique novamente todos os seus fluxos de
dados. Verifique tudo.
o Você pode aprender estatística na escola, mas não há nada como ter um projeto
multimilionário em jogo para realmente saber estatísticas por dentro e por fora!

Procurando problemas de dados. . . E como encontrá-los!

Darei um exemplo de como a verificação de dados aparentemente simples geralmente envolve
mais do que aparenta. Este foi um caso em que a borracha encontrou a estrada e senti cheiro de
fumaça!

A diligência necessária para obter e validar dados úteis

tornou-se evidente para mim muito cedo no laboratório de biomecânica. Imagine um cara jovem
que está ansioso para não bagunçar. Existe esse medo persistente de que muitos erros na
pesquisa aconteçam quando você perde algo ou faz algo incorretamente no início, e isso o morde
no traseiro mais tarde. Você teme que, durante a análise de dados, descubra um problema que
não pode resolver. Eu não queria que isso acontecesse no meu turno.

Eu rapidamente aprendi que esse medo era bem fundado!

Como parte do estudo de densidade óssea, planejamos medir a atividade de cada sujeito. Nossos
participantes deveriam usar monitores de atividade por 12 horas, em dias programados
aleatoriamente, várias vezes por ano. Esses monitores de atividade usam acelerômetros para
medir o movimento. Eles são sofisticados o suficiente para distinguir ações humanas naturais de
tipos de movimentos artificiais, como andar de carro. Eles também são muito duráveis e fáceis de
usar - o pesquisador não ajusta nada. E foram bem validados na literatura científica usando
análises muito sofisticadas.
Resumindo, ninguém esperava problemas com esses dispositivos confiáveis. Achei que seria um
lugar bom e simples para começar a verificar as medições antes do estudo para evitar problemas
mais tarde. Ele foi um excelente lugar para começar, mas não é tão simples como esperado!

Avaliação de dados de atividades

Os dados de atividade não se traduzem em uma imagem exata das ações dos sujeitos. No
entanto, você pode ver as pontuações subir e descer com os níveis de atividade e comparar as
pontuações para ver onde o nível de atividade de cada sujeito se encaixa em sua amostra de
pontuações de atividade. Para garantir que nossos monitores de atividade estivessem
funcionando corretamente, pedi aos participantes do piloto que usassem os dispositivos para uma
rápida análise do sistema de medição. Com certeza, uma atividade maior produziu leituras mais
altas, exatamente como o esperado. Por enquanto, tudo bem. Pensei em avançar para a criação
de um procedimento padrão.

Para coletar bons dados, você precisa de procedimentos padrão para configurar e usar
equipamentos de medição. Então, eu queria estabelecer esses padrões para os monitores de
atividades. Os participantes usam esses dispositivos em um cinto em volta da cintura. Uma boa
prática é padronizar a posição dos dispositivos na cintura - as leituras não devem ser maiores ou
menores entre os sujeitos por causa do posicionamento inconsistente.

Não havia literatura sobre as diferenças de posicionamento, então fiz meu próprio estudo
piloto. Desta vez, fiz com que os participantes usassem vários dispositivos ao redor da cintura. Eu
queria quantificar o risco potencial envolvido, vendo o quanto as leituras variariam por posição em
cada participante.

Conforme os dados chegavam, parecia que o posicionamento era essencial. As leituras alta e
baixa costumavam ser diferentes em 15%. Essas diferenças eram mais do que eu esperava, mas
não havia nenhuma pesquisa para compará-las na época. No entanto, a coleta de mais dados
forneceu uma visão. O padrão posicional de valores altos e baixos variou de sujeito para
sujeito. Finalmente, tornou-se evidente que, embora o padrão fosse inconsistente entre os
assuntos, era consistente entre os dispositivos.

Em outras palavras, vários de nossos monitores tendiam a ler muito baixo, em vários graus.

Encontrar a solução para bons dados e estatísticas

Entrei em contato com o fabricante e enviei os dispositivos de volta para que eles pudessem
verificá-los. Acontece que o fabricante havia recentemente trocado o fornecedor de um
componente e isso estava causando problemas.

Quando testei novamente os monitores consertados, as diferenças entre as posições em um

assunto eram menores do que vários por cento, o que significava que não havia diferença prática
entre as posições. Todos os nossos monitores estavam funcionando corretamente e a posição
não era um problema. Eu estabeleci um procedimento consistente usando cintos padrão que se
encaixavam perfeitamente nos monitores e eram infinitamente ajustáveis à cintura de cada
sujeito. Fiz isso para evitar que os monitores caíssem devido a um ajuste frouxo.

Essa experiência foi perturbadora e positiva. Foi enervante porque confirmou meus medos: algo
de que você definitivamente sente falta pode voltar e morder você mais tarde - mesmo quando
você está lidando com uma situação simples. Além disso, alguns problemas de dados são
sutis. Eles não aparecem até que você verifique os dados de várias maneiras diferentes. Também
foi uma experiência positiva porque me manteve alerta e pronto para desafios maiores em
estatística aplicada que estavam por vir!

Leia sobre outro problema de coleta de dados que encontrei durante este projeto em minha
postagem sobre o uso de gráficos de controle com testes de hipótese .