❶

PESQUISA E
ESTATÍSTICA NAS
CIÊNCIAS DA SAÚDE

NOTA HISTÓRICA
Os enfermeiros estiveram na vanguarda do movimento para utilizar estatísticas a fim de melhorar os cuidados
de saúde. Por exemplo, Florence Nightingale (1820 – 1910) utilizou dados dos arquivos do exército britânico
para demonstrar como a maioria das mortes no exército britânico durante a Guerra da Criméia (1853 – 1856)
não foram causadas por combate direto, mas sim por doenças contraídas fora do campo de batalha ou como
resultado de ferimentos não tratados. Suas análises estatísticas convenceram o governo britânico a manter
hospitais de campanha e fornecer cuidados de enfermagem aos soldados. Nightingale transmitiu sua paixão
por estatística para sua homônima, Florence Nightingale David, a filha mais velha de seus amigos mais
próximos. Florence Nightingale David (1909 – 1995) tornou-se estatística e trabalhou sob orientação de Karl
Pearson. Ela produziu a primeira das Tabelas do Coeficiente de Correlação em 1938. Durante a Segundas
Guerra Mundial, ela utilizou modelos estatísticos para ajudar a Inglaterra a se preparar para os ataques aéreos
alemães. Posteriormente, David deixou a Inglaterra e fundou o Departamento de Estatística da Universidade
da Califórnia em. 1970 (Salsburg, 2001).

PAPEL DA PESQUISA EMPÍRICA enfermeiros dure 10 anos ou mais devido a uma

Enfermeiros, profissionais de saúde aliados e
profissionais de saúde precisam ter um
entendimento sólido de como a informação
adquirida por meio de observação, experiência ou
experimentação é gerada, porque a prática
baseada em evidências se tornou o padrão pelo
qual diretrizes clínicas e de saúde pública são
produzidos. O uso generalizado de diretrizes
clínicas desde 1980 tem levado a melhorias
significativas nos resultados dos cuidados de
saúde. Essas diretrizes dependem de uma revisão
sistemática das evidências de pesquisa, que, por
sua vez, exige um sólido entendimento de
estatística e métodos de pesquisa, que, por sua
vez, exige um sólido entendimento de estatística e
métodos de pesquisa. A Colaboração Cochrane
produz a maior coleção de diretrizes clínicas
(2010). Essa organização internacional sem fins
lucrativos foi fundada em 1993 para desenvolver
e divulgar revisões sistemáticas de intervenções
em saúde. Nos Estados Unidos, a Força-Tarefa de
Serviços Preventivos dos EUA (U.S. Preventive
Services Task Force, 2007) assumiu a
responsabilidade primária pelo desenvolvimento
de diretrizes em evidências para os cuidados de
saúde.
A pesquisa também pode ajudar os formuladores
de políticas a identificar problemas de saúde que
possam se beneficiar de soluções políticas. Por
exemplo, prevê-se que a escassez contínua de
série de fatores demográficos, ambientais e
profissionais. Mesmo depois de controlar
estatisticamente todos esses fatores, houve um
claro efeito positivo do nível de educação dos
enfermeiros na qualidade dos cuidados. Essas
descobertas determinaram que o nível de
educação em enfermagem é fundamental e que
aumentar o número de enfermeiros sem
considerar o nível educacional tem serias
implicações para pacientes gravemente enfermos.
TIPOS DE ESTUDOS DE PESQUISA E
ESTATÍSTICA
Os estudos de pesquisa servem a diversos
propósitos diferentes. Os quatro principais
propósitos da pesquisa empírica são:
 Descrição
 Exploração
 Explicação
 Previsão e controle
Em geral, os estudos de pesquisa utilizam duas
categorias diferentes de estatísticas para analisar
os dados coletados: Estatística descritiva e
Estatística inferencial. Estatística descritiva são
simplesmente resumos numéricos ou gráficos dos
dados e podem incluir gráficos, diagramas e
estatísticas de resumos simples, como médias e
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
desvio padrão, para descrever característica de
uma amostra populacional. Estatística inferencial
são técnicas estatísticas (por exemplo, teste qui-
quadrado, teste t, análise de variância de um fator)
que permitem tirar conclusões sobre as relações
encontradas entre diferentes variáveis em uma
amostra populacional.
Estudos descritivos e estatísticas
descritivas
Estudos cujo objetivo principal é descritivo e
exploratório simplesmente descrevem situações e
eventos. Esses estudos usam perguntas
descritivas, como: “Qual é o estado civil das
pessoas nos Estados Unidos ?” e “Qual é a
duração média da internação hospitalar após ser
admitido por um ataque de asma?”. Estatísticas
são tipicamente usadas para analisar os dados a
fim de responder a esse tipo de pergunta. A tabela
1-1 ilustra o uso de estatística descritivas para
responder à pergunta sobre o estado civil das
mulheres no EUA, usando dados da Pesquisa da
Comunidade Americana de 2006 -2008
(Departamento do Censo dos EUA, 2000).
Como mostrado na Tabela 1-1, a pesquisa
constatou que aproximadamente 50.2% das
mulheres estavam atualmente casadas, 30,8%
nunca se casaram, 10,6% eram divorciadas, 2,2%
estavam separadas e 6,3% eram viúvas.
Estudos exploratórios e estatísticas
exploratórias
Estudos que tem o objetivo principal de elucidar
as relações entre variáveis são considerados
estudos explicativos. Os dados para tais estudos
frequentemente são coletados por meio de estudos
observacionais, nos quais o pesquisador apenas
coleta informações sobre o estado atual, passado
ou futuro dos participantes em relação às
variáveis de interesse, sem intervir de qualquer
forma para alterar seu estado. As perguntas
respondidas com esses tipos de estatísticas
geralmente são mais complexas do que aquelas
respondidas por estatísticas descritivas. Suas
perguntas e linhas de investigação geralmente são
baseadas em teorias estabelecidas na literatura de
pesquisa. Os estudos explicativos dependem de
perguntas inferenciais como: “As mulheres que
são sedentárias no terceiro trimestre da gestação
têm maior ou menor probabilidade de ter uma
cesariana do que as mulheres que se exercitam
regularmente durante o terceiro trimestre?” ou
“As pessoas com seguro de saúde tem uma
estadia hospitalar mais longa ou mais curta após
serem admitidas por uma crise de asma em
comparação com pessoas sem seguro de saúde?”.
Os estudos explicativos não necessariamente
tentam estabelecer causalidade, mas muitas vezes
tentam entender como as variáveis estão
relacionadas entre si. Por exemplo, uma pergunta
poderia ser: “A duração da internação hospitalar
por uma crise de asma difere dependendo do
status do seguro de saúde?”. Estatísticas
inferenciais são usadas para examinar como uma
variável está relacionada a outras variáveis, ou
seja, a relação entre as variáveis.
Um exemplo de estudo explicativo é aquele
conduzido por Ludwig-Beymer e Gerc (2002),
que examinaram a relação entre o comportamento
de exercício físico e recepção da vacina contra
gripe em uma amostra de 999 profissionais de
saúde. A Tabela 1-2 mostra os dados desse estudo
em uma tabela de cruzamento. Uma tabela de
cruzamento é uma maneira de exibir a relação
entre duas variáveis. A Tabela 1-2 mostra que
48,1% dos profissionais de saúde que exercitavam
regularmente receberam a vacina contra gripe, em
comparação com 52,4% daqueles que não se
exercitavam regularmente. Embora esses números
não sejam idênticos (48,1% versus 52,4%), um
teste estatístico de probabilidade (o teste qui-
quadrado) indica que eles não são estatisticamente
diferentes, o que significa que os dois grupos não
diferiram em sua probabilidade de obter a vacina
contra gripe mais do que esperaria apenas por
acaso e, portanto, a pequena diferença que vemos
provavelmente pode ser atribuída ao acaso em vez
dos hábitos de exercício físico.
Estudos de previsão e controle e
estatísticas inferenciais
Os estudos de previsão e controle buscam
determinar quais variáveis são preditivas de
outras variáveis e estabelecer a causalidade.
Os dados para estudos de previsão e controle são
tipicamente coletados usando designs de estudo
quase-experimental ou experimentais nos quais os
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
pesquisadores introduzem uma intervenção (por
exemplo, alterar uma das variáveis em estudo),
uma vez que esses tipos de estudos são
considerados ter maior validade, tornando a
inferência causal mais sólida do que em designs
de estudo puramente observacionais. Os designs
experimentais verdadeiros incluem seleção
aleatória e atribuição aleatória dos participantes
do estudo, seja para o grupo de intervenção ou
para um ou mais grupos de controle que não
receberam a intervenção.
Os designs quasi-experimentais são semelhantes
aos designs experimentais, exceto que eles
carecem de um ou mais dos seguintes aspectos:
atribuição aleatória para o grupo de intervenção
ou controle ou, em alguns casos, um verdadeiro
grupo controle.
Ensaios clínicos randomizados (ECRs) são
considerados designs experimentais porque os
participantes do estudo são randomicamente
atribuídos a um grupo de intervenção ou a um
grupo controle e são acompanhados ao longo do
tempo para determinar se a intervenção tem
impacto em um resultado de saúde específico. No
entanto, os ensaios clínicos randomizados
geralmente não selecionam os participantes do
estudo aleatoriamente da população. Em vez
disso, eles têm critérios de elegibilidade estritos
que os interessados em participar do estudo
devem atender antes de serem permitidos a
participar. Qualquer pessoa que não atenda a esses
critérios de elegibilidade é excluída do estudo.
Essa falta de seleção aleatória de participantes do
estudo da população em geral pode limitar a
validade externa do estudo, ou seja, os resultados
podem não ser generalizáveis para a população
em geral.
Em pesquisas relacionadas à saúde, os designs
quase-experimentais são frequentemente
utilizados, mas sua validade pode não ser muito
melhor do que a de estudos observacionais;
portanto, os estudos experimentais são
considerados o padrão ouro para inferência
causal. Assim como nos estudos explicativos, os
estudos de previsão e controle utilizam estatísticas
para analisar os dados às perguntas de pesquisa
sobre a relação entre variáveis.
CONTRUINDO UM PROJETO DE
PESQUISA EM 10 PASSOS
Todos os estudos, independentemente do
propósito, precisam ser bem planejados. Por
exemplo, em estudos nos quais muitas variáveis
são medidas, é fácil perder o foco do propósito
inicial do estudo e gerar “resultados” que parecem
ser úteis. No entanto, esses resultados são
insignificantes a menos que existam no contexto
de uma linha de investigação organizada. O
Quadro 1-1 lista alguns dos erros que os
pesquisadores cometem ao embarcar em projetos
de pesquisa. Esses erros são frequentemente
cometidos quando não há um plano de estudo ou
quando o plano é insuficientemente detalhado.
Trabalhos resultantes de estudos que possuem
planos de estudo inadequados frequentemente
carecem de foco e clareza. Embora existam vários
métodos conhecidos para escrever um plano de
estudo, todos seguem os mesmos princípios
básicos.
QUADRO 1-1 OITO ERROS COMUNS NA PESQU
① Realizar um projeto sem revisar a literatura exi
② Coletar dados antes de um plano bem definido
③ Tentar encaixar perguntas de pesquisa relevan
④ Definir termos de forma geral ou ambígua
⑤ Não fundamentar a pesquisa em uma base teó
⑥ Não tornar explícitas e claras as suposições sub
⑦ Não reconhecer as limitações da abordagem
⑧ Não antecipar hipóteses rivais que possam ex
desafiar interpretações e conclusões
Fonte: Munro’s statistical methods for health care research / Stacey B. P
Um plano de estudo é uma apresentação escrita de
como o pesquisador irá obter e analisar os dados
numéricos necessários para responder às
perguntas de pesquisa. Um bom plano de estudo
mantém a análise focada e relevante. Ele serve
como base para a introdução e a seção de métodos
dos artigos de pesquisa, depois que os dados
foram coletados e analisados. Um plano de estudo
também pode servir de base para as primeiras
seções de uma dissertação ou tese. Além disso, a
maioria das bolsas de pesquisa requer planos de
estudo semelhantes ao apresentado aqui.
A estrutura que um plano de estudo deve seguir é
resumida no quadro 1-2. O método apresentando
aqui é bastante padrão, e métodos semelhantes
podem ser encontrados em guias de planejamento
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
de pesquisa (Ogden e Goldberg, 2002; Wood,
2006). Um projeto de pesquisa começa com uma
declaração da(s) pergunta(s) de pesquisa que o
estudo está tentando responder (ou seja, o
propósito do estudo) e uma breve descrição da
importância ou relevância da(s) pergunta(s). A
declaração de propósito é a força orientadora de
todo o projeto de pesquisa, e o estudo deve fluir a
partir dela. Um plano de estudo também precisa
de uma estrutura teórica ou conceitual na qual as
perguntas de pesquisa e as hipóteses são baseadas.
Essa estrutura apresenta uma forma estruturada de
pensar sobre as inter-relações das variáveis. As
perguntas de pesquisa podem ser específicas ou
conceituais. No entanto, as hipóteses devem ser
muito específicas, pois fornecem o guia para
análise dos dados.
O plano de estudo deve definir termos-chave e
variáveis, fornecer uma descrição do desenho da
pesquisa e descrever a amostra e como ela foi
obtida. O projeto também deve declarar as
técnicas estatísticas que serão usadas para testar
cada hipótese. Um bom plano de estudo lista
quaisquer pressupostos importantes e limitações
do estudo em questão. E, por fim, um bom projeto
de pesquisa contém uma breve descrição de como
os resultados obtidos serão divulgados.
❶ Problema de pesquisa
Um plano de estudo começa com uma explicação
clara do propósito do estudo e da importância do
problema a ser estudado. Essa explicação deve
incluir as razões pelas quais o estudo é importante
e como ele se encaixa no corpo existente da
pesquisa. Esta seção orienta os pesquisadores e os
leitores interessados para o estudo.
A declaração do problema deve ter no máximo
duas ou três frases e deve articular claramente o
que o estudo busca realizar. A justificativa para o
estudo deve incluir uma breve visão geral da
epidemiologia do problema em questão. Também
deve incluir uma discussão sobre os custos
monetários e não monetários do problema para a
sociedade, para o sistema de saúde e para as
pessoas que têm o problema. Deve também
fornecer uma revisão de outros estudos na
literatura que tenham examinado questões
semelhantes. A justificativa deve então explicar as
fraquezas na literatura (por exemplo, o que não
está bem documentado, o que não é conhecido) e
como o estudo atual irá contribuir para a base de
conhecimento existente. Um exemplo declaração
do propósito do estudo segue:
 “O objetivo do estudo sobre a
manutenção do comportamento físico é
examinar o desenvolvimento dos hábitos
de exercício ao longo de um período de
12 semanas e testar a capacidade da
teoria do comportamento planejado de
prever a participação real em atividade
física.(Armitage, 2005)”
Contextualização teórica
❷
Todos os estudos precisam ter uma estrutura
subjacente que organize a análise, declarando
como todas as variáveis estão relacionadas entre
si. Ao escrever uma tese ou dissertação, isso é
alcançado usando (e testando) um modelo teórico
da literatura de pesquisa. Teses e dissertações
geralmente testam e tiram conclusões sobre a
validade de teorias que já existem na literatura.
Mesmo além do estágio de tese e dissertação os
modelos são vitais.
Os modelos podem manter as análises
organizadas e coerentes. Eles fornecem uma
estrutura lógica que conecta variáveis entre si e
que ajuda a estabelecer a importância relativa de
cada variável na previsão do resultado. Por
exemplo, ao testar uma intervenção, o modelo
lógico que está sendo testado é que a intervenção
afetará as variáveis de estado de saúde ou
comportamento de saúde. Outros fatores, como
idade e gênero, também são esperados para afetar
o estado de saúde. Um bom modelo fornece um
quadro que esboça as relações esperadas entre as
diferentes variáveis.
Numerosas teorias são usadas em pesquisa em
saúde. Algumas dessas teorias são específicas
para doenças, mas muitas são suficientemente
grais para serem aplicadas a várias doenças. Os
dois modelos discutidos aqui são exemplos de
teorias que podem facilitar o trabalho empírico: o
modelo de uso de serviços de saúde de Andersen e
a teoria do comportamento planejado.
Modelo comportamental de uso de serviços
de saúde
O modelo postula que o uso de serviços de saúde
é uma função da percepção da necessidade de
cuidados, fatores predisponentes (por exemplo,
fatores culturais) e fatores predisponentes (por
exemplo, fatores culturais) e fatores que permitem
aos pacientes obter cuidados (por exemplo,
conhecimento, seguro) (Andersen, 1995). Por
exemplo, ao usar o modelo de Andersen para
estudar o uso de preservativos entre adolescentes,
ter acesso fácil a preservativos é visto como um
“fator habilitador”. O efeito do acesso fácil a
preservativos no seu uso seria examinado no
contexto de outros fatores discutidos no
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
modelo ,como fatores predisponentes (por
exemplo, idade, gênero) e fatores de necessidade
(por exemplo, a necessidade percebida pelos
adolescentes de contracepção e/ou proteção contra
doenças).
Teoria do comportamento planejado
Teoria frequentemente usada na pesquisa sobre
comportamento e intenções de saúde
individual. De acordo com essa teoria, o
desempenho de qualquer comportamento
depende da intenção comportamental. A
intenção comportamental é vista como
dependente de crenças comportamentais (por
exemplo, atitude em relação ao
comportamento), crenças normativas e crenças
de controle. As crenças normativas são crenças
sobre as expectativas dos outros, e as crenças
de controle são crenças sobre os fatores que
podem ajudar ou dificultar o desempenho do
comportamento. A estrutura para o estudo da
atividade física discutida anteriormente por
Armitage (2005) é baseada nessa teoria. Este
estudo constatou que as crenças
comportamentais, as crenças normativas e as
crenças de controle contribuem para o
comportamento da atividade física.
❸ Perguntas de pesquisa
As perguntas de pesquisa devem derivar
diretamente da declaração do propósito do estudo
e da estrutura teórica na qual ele se baseia.
Também é importante fundamentar as perguntas
de pesquisa na literatura existente. É aqui que a
seção de significância pode ser útil. As perguntas
de pesquisa devem ser claras sobre as relações
esperadas. Além disso, as perguntas de pesquisa
devem se relacionar diretamente com os dados
que serão coletados pelo pesquisador. Por
exemplo, não faz sentido ter uma pergunta de
pesquisa que pergunte sobre a relação entre
consumo de bebidas alcoólicas e comportamento
de exercício se os dados sobre uso de álcool não
forem coletados. As perguntas de pesquisa feitas
em Armitage (2005) estão listadas abaixo
Perguntas descritivas
 Qual é o nível de intenção de se engajar
em atividade física entre um grupo de
adultos que recentemente se
matricularam a uma academia de
ginástica?
 Qual é o nível real de atividade física
entre um grupo de adultos que
recentemente se matriculou em uma
academia de ginástica?
Perguntas inferenciais
 A atitude em relação ao exercício afeta
a participação em atividade física?
 A extensão em que os participantes se
percebem capazes de se exercitar
(controle comportamental percebido)
afeta a participação em atividade
física?
 As normas subjetivas afetam a
participação em atividade física?
 A intenção de se exercitar prevê a
atividade física?
Hipóteses
❹
Uma hipótese é uma previsão ou descrição da
relação entre duas ou mais cariáveis. O objetivo
de uma hipótese é traduzir perguntas de pesquisa
em previsões de resultados esperados. As
hipóteses, portanto, devem derivar diretamente
das perguntas de pesquisa e estar fundamentadas
no quadro teórico escolhido. Uma hipótese afirma
a relação esperada entre as variáveis. Essa relação
pode ser uma associação na qual nenhum efeito
causal é presumido ou uma relação causal na qual
uma variável (a variável independente) é esperada
para causar mudanças na outra variável (a
variável dependente). No entanto, é mais comum
expressar hipóteses em termos de associação do
que de causalidade, pois a associação requer
menos pressuposições
Em alguns casos, as hipóteses declaradas são
direcionais, ou seja, são declarações específicas
sobre a direção da relação entre duas variáveis. A
direção hipotética da relação pode ser positiva ou
direta (por exemplo, uma variável aumenta a
probabilidade da outra variável) ou negativa ou
inversa (por exemplo, uma variável diminui a
probabilidade da outra variável). Hipóteses
direcionais são consideradas unilaterais, por você
está apenas testando se uma variável influencia ou
não a outra variável em uma direção em vez de
ambas as direções possíveis. Às vezes, a hipótese
sendo testada é não direcional e apenas afirma
que o valor de uma variável está relacionada ou
dependente ao valor da outra variável, sem indicar
a direção da relação. Essa hipótese não direcional
é chamada de hipótese de dois lados, pois testa
tanto a probabilidade de uma relação direta
quanto a de uma relação inversa. Ao conduzir um
teste unilateral, a “direção da relação” deve ser
baseada na teoria escolhida e nos resultados de
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
pesquisa anteriores. Se não houver resultados
anteriores, é permitido basear as hipóteses em
opinião especializada ou em uma justificativa
sólida.
Em um projeto de pesquisa, as hipóteses servem
como guia para a análise de dados. Deve haver
uma hipótese específica para cada relação que
está sendo testada. Em uma dissertação, não é
incomum, por exemplo, ter inúmeras hipóteses
que estão sendo testadas. Claro, muitas delas
podem ser agrupadas sob títulos (por exemplo,
características sociodemográficas, atividade
física). Novos pesquisadores devem ter cuidado
especial para anotar cada relação que planejam
testar para se manterem organizados e focado. As
hipóteses testadas por Armitage (2005) incluem as
seguintes:
 Aqueles que se percebem capazes de se
exercitar serão mais propensos a se
engajar em atividade física do que
aqueles que não o fazem
 Aqueles que percebem normas subjetivas
de apoio ao exercício têm mais
probabilidade de exercitar
 Aqueles com uma intenção
comportamental positiva de se exercitar
tem mais probabilidade de fazê-lo do que
aqueles sem uma intenção
comportamental positiva de se exercitar
❺ Termos-chave e variáveis
Em um plano de pesquisa é importante definir
claramente os termos-chave e as variáveis. Os
termos devem ser definidos quando aparecem
pela primeira vez, para que os leitores não façam
suposições iniciais sobre as definições, apenas
para descobrir mais tarde que definições
diferentes se aplicam. É especialmente importante
definir termos que os leitores fora da área de
estudo possam não entender como pretendido. E,
por fim, é importante incluir unidades de medida
nas definições.
As variáveis utilizadas em um estudo devem
derivar diretamente das hipóteses.
Especificamente, as variáveis devem medir a
maioria, se não todas, das construções discutidas
no modelo conceitual ou teórico. Além disso,
deve ficar claramente indicado quais variáveis são
independentes e quais são dependentes. Variáveis
independentes são aquelas que são manipuladas
(ou seja, pela intervenção) ou que podem afetar o
resultado. Variáveis como idade, renda, condições
de saúde pré-existentes e uso de medicação são
geralmente consideradas variáveis independentes.
Variáveis dependentes são os resultados de
interesse, ou seja, aquelas variáveis que se espera
que mudem em resposta às características,
exposições ou intervenções em estudo, como
estado de saúde, uso de serviços de saúde e custos
de internação. Alguns exemplos de variáveis
usadas por Armitage (2005) incluem o seguinte:
 A atividade física autorrelatada é
definida como o relato dos participantes
sobre quantas vezes eles participaram de
atividade física nos últimos 3 meses
(classificada em uma escala de 7 pontos
que variou de nunca a frequentemente)
 O controle comportamental percebido é
definido pela média das respostas de
quatro itens na escala Likert (as
respostas variaram de 1 a 7; pontuações
mais altas indicam maiores níveis de
controle comportamental percebido). Os
itens da escala foram:
1. Em que medida você se vê capaz de
participar de atividade física? (incapaz
– capaz)
2. Quão confiante você está de que
conseguirá participar regularmente de
atividade física? (pouco confiante –
muito confiante)
3. Eu acredito que tenho habilidade para
participar regularmente de atividade
física. (definitivamente não -
definitivamente sim)
4. Quanto controle pessoal você sente que
tem sobre a participação regular em
atividade física? (nenhum controle –
controle completo)
❻ Desenho de pesquisa
Todo plano de estudo deve incluir uma descrição
de como os dados serão coletados (o desenho do
estudo ou design). Se forem utilizados dados
secundários (ou seja, dados existentes), é provável
que o processo de coleta de dados seja descrito
em detalhes em outro lugar, sendo fornecido um
resumo de como os dados foram coletados,
juntamente com uma referência à fonte original.
No entanto, ao coletar dados originais, o plano de
estudo deve descrever detalhadamente como isso
será realizado. Esta seção também contém uma
breve visão geral do design de pesquisa como um
lembrete.
O design de pesquisa é a arte e a ciência de
conduzir estudos que maximizem a confiabilidade
e a validade dos resultados e minimizem o viés ou
erro. O design de pesquisa também garante que a
relação entre variáveis dependentes e
independentes possa ser declarada com o máximo
de certeza possível. Além disso, o tipo de design
de pesquisa pode determinar quais tipos de análise
estatística podem ser usados para examinar os
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
dados. Cada técnica estatística faz suposições
sobre os dados, em um bom plano de estudo
maximiza a extensão em que os dados atendem a
essas suposições. Detalhes dessas suposições são
explicados posteriormente no texto quando as
técnicas estatísticas são discutidas. A escolha do
desenho depende de vários fatores, incluindo o
tipo de problema, ambiente de pesquisa e recursos
disponíveis. Os desenhos de pesquisa comumente
utilizados em estudos de saúde incluem estudos
observacionais, estudos quase-experimentais e
estudos experimentais.
Desenhos de estudos observacionais
Estudos observacionais são aqueles em que um
fenômeno é simplesmente observado e nenhuma
intervenção é instituída. Eles são apropriados
quando o objetivo do estudo é descritivo, quando
as hipóteses são exploratórias ou quando não é
possível manipular a exposição em estudo, por
exemplo, quando a exposição é potencialmente
prejudicial e, portanto, não pode ser eticamente
atribuída aos participantes do estudo em um
modelo experimental. Os três principais tipos de
estudos observacionais são estudos transversais,
estudos de caso-controle e estudos longitudinais
(também conhecidos como “estudos de coorte”).
Estudos transversais envolvem a coleta de dados
sobre o status atual de resultado e exposição dos
participantes do estudo em um determinado
momento. Os participantes do estudo (a amostra)
podem ser selecionados aleatoriamente da
população, ou a pesquisa pode utilizar grupos
intactos ou amostras por conveniência (por
exemplo, membros de um centro comunitário).
Estudos transversais fornecem apenas evidências
indiretas sobre a ordem temporal, ou seja, quais
variáveis ocorrem primeiro. Devidos a essa
incapacidade de determinar a ordem temporal,
declarações causais não podem ser feitas a partir
de análises de dados temporais. Não podem saber
se a causa presumida precedeu o resultado
presumido em um estudo transversal.
Estudos de caso-controle envolvem a coleta de
dados sobre o status atual de resultado dos
participantes do estudo (por exemplo, se eles têm
ou não o resultado de saúde em estudo) e o status
de exposição passada. Embora os estudos de caso-
controle forneçam alguma evidência de que a
causa presumida precedeu o resultado, devido à
possível recuperação incorreta de exposições
passadas, a maioria dos pesquisadores evita fazer
declarações causais a partir de estudos de caso-
controle, e em vez disso, formulam conclusões em
termos de associação em vez de causalidade.
Estudos longitudinais (ou estudos prospectivos
ou de coorte) são projetados para coletar em mais
de um ponto no tempo, acompanhando os
participantes ao longo do tempo para identificar
resultados futuros. Como os estudos longitudinais
determinam claramente que a causa presumida (a
exposição) ocorreu antes do resultado presumido,
eles são fornecedores de evidências mais fortes
para causalidade do que os estudos transversais ou
de caso-controle. No entanto, mesmo com estudos
longitudinais, pode haver explicações alternativas
para as associações encontradas e, portanto, como
em outros designs de estudos observacionais, as
conclusões geralmente são formuladas em termos
de associação em vez de causalidade.
Desenhos de estudos quase-experimentais e
experimentais
Os desenhos de estudos quase-experimentais e
experimentais diferem dos observacionais pelo
gato de que o pesquisador é um agente ativo no
trabalho experimental. Ambos os tipos são
prospectivos (acompanham os participantes ao
longo do tempo) e envolvem medições
realizadas em pelo menos dois momentos
separados no tempo, geralmente uma medida
pré-testes, ou linha de base, e uma medida pós-
teste. Ambos os tipos de design envolvem um
tratamento ou algum tipo de intervenção
aplicada a alguns dos participantes e um grupo
de comparação que não recebe a intervenção
(ou seja, grupo controle). Esses dois grupos são
então comparados em termos do resultado de
interesse durante o acompanhamento do estudo.
Quaisquer diferenças no resultado entre os dois
grupos podem ser atribuídas ao tratamento.
Experimentos controlados também envolvem a
seleção aleatória de sujeitos da população de
interesse e a atribuição da intervenção em
estudo de maneira aleatória. Em outras
palavras, cada participante do estudo tem a
mesma chance de receber o tratamento em
estudo.
Os desenhos quase-experimentais carecem de
seleção aleatória e/ou atribuição aleatória da
intervenção do estudo. Os designs
experimentais diferem dos quase-experimentais
principalmente na quantidade de controle que o
experimentador tem sobre fontes externas de
viés e erro aleatório, ambos os quais podem
questionar a validade e confiabilidade dos
resultados. A evidência de estudos
experimentais é considerada mais forte do que
a evidência de estudos tanto quase-
experimentais quanto observacionais.
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE
Segue uma breve discussão de um design de
estudo com base na pesquisa de Armitage
(2005):
 Este é um estudo observacional
longitudinal com clientes adultos de
uma academia de ginástica recém-
inaugurada. Todos os novos membros
foram convidados a participar do
estudo. Aqueles que concordaram em
participar preencheram um
questionário autoadministrado no
início e um questionário idêntico três
meses depois.
❼ Amostra e amostragem
O mecanismo pelo qual os participantes são
selecionados para um estudo é parte crítica do
design da pesquisa e é um tópico tão completo
que merece sua própria seção no plano de estudo.
Em geral, os estudos tentam encontrar
participantes que representem todos os membros
da população de interesse, pois geralmente é
impossível coletar dados de toda a população. Por
exemplo, pesquisadores interessados em abster
informações sobre mulheres com diabetes
gestacional podem apenas conseguir reunir dados
de uma clínica que atende essas mulheres.
Amostragem é um processo de selecionar uma
parte da população para representar toda a
população. Uma consideração importante ao
avaliar uma amostra é garantir que ela represente
a população em estudo. É importante indicar
exatamente qual é a população-alvo, ou seja, o
grupo para o qual os pesquisadores desejam
generalizar os resultados do estudo. Mesmo com
o uso de um conjunto de dados existente, o plano
do estudo deve conter uma explicação de como as
pessoas foram escolhidas para participar do
estudo. Também deve conter uma breve descrição
das características sociodemográficas da amostra.
A amostragem pode ser aleatória (ou seja, a
probabilidade de ser selecionado é conhecida) ou
não aleatória (ou seja, a probabilidade de seleção
é desconhecida). Na amostragem não aleatória, a
conveniência ou o julgamento subjetivo são
usados para decidir quem é escolhido para a
amostra. Uma desvantagem é que é difícil
determinar se a amostra inclui membros de todos
os segmentos relevantes da população. Tipos de
amostras não aleatórias incluem amostragem por
conveniência, amostragem em cascara,
amostragem por quota e amostragem sistemática.
A amostragem aleatória é a seleção de um grupo
de indivíduos de uma população de forma que
cada pessoa seja escolhida inteiramente por acaso.
Na amostragem aleatória igual, cada pessoa na
população tem a mesma probabilidade de ser
escolhida para a amostra. Isso também é
conhecido como amostragem “auto-ponderada”.
Outros procedimentos de amostragem aleatória
mais complexos, nos quais amostras são
selecionadas aleatoriamente dentro de subgrupos
da população, as vezes são usados em estudos,
especialmente em algumas pesquisas nacionais.
Os dados desses estudos devem ser analisados
comum software especializado que leva em conta
as diferenças na probabilidade de cada pessoa ser
selecionada para o estudo. O uso de uma amostra
aleatória da população reduz as chances de viés e
aumenta a validade externa, ou generalização dos
resultados do estudo. Segue uma breve descrição
da amostragem na pesquisa de Armitage (2005),
que utilizou uma amostra de conveniência:
 Todos os participantes do estudo foram
recrutados em uma única academia de
ginástica recém-inaugurada no sul da
Inglaterra
 A amostra final consistiu em 94 novos
clientes adultos
 Os clientes eram 56% do sexo
masculino, e a idade média era de 37,57
anos (faixa de 18 a 65 anos)
❽ Análise estatística
A análise estatística dos dados ocorre em quatro
etapas:
 Os dados devem ser inseridos em um
banco de dados
 Os dados devem ser “limpos”
 Estatísticas descritivas são usadas para
descrever a amostra em características
demográficas e para avaliar e descrever
as variáveis dependentes e
independentes.
 Cada hipótese é listada com o teste
inferencial que será usado para testá-la.
A escolha real do teste depende do design do
estudo usado para coletar os dados, do tamanho
da amostra, da escala de medida das variáveis na
hipótese e da distribuição dessas variáveis. Os
testes escolhidos inicialmente no plano do estudo
podem ser alterados à medida que mais
informações sobre a natureza das variáveis são
obtidas.
Inserção de dados
O primeiro passo antes de qualquer análise de
dados é inserir os dados em um banco de dados.
Existem várias opções de software de banco de
dados que variam em termos de facilidade de uso.
Alguns softwares, como Excel e SPSS, permitem
ao usuário inserir dados em uma planilha, em uma
interface na qual as linhas representam os
participantes do estudo e as colunas representam
as variáveis. O apêndice A contém orientações
detalhadas em como configurar uma planilha de
entrada de dados no SPSS.
Limpeza de dados
Após os dados serem inseridos em um banco de
dados, a limpeza dos dados envolve garantir que
todas as variáveis tenham valores válidos e
utilizáveis. Essa etapa é concluída executando
frequências em cada variáveis e examinando
cuidadosamente essas frequências em busca de
valores inválidos, valores incomuns, grande
quantidade de dados ausentes e variabilidade
adequada. Por exemplo, se a variável gênero tem
o valor 0 para homens e o valor 1 para mulheres,
qualquer caso que apresente um valor de 3 para
gênero deve ser examinado e explicado. A
distribuição de frequência de cada variável é
então verificada em busca de valores
excepcionalmente grandes ou pequenos para
garantir que tenham sido inseridos corretamente
no banco de dados. Por exemplo, se o peso de um
participante estiver listado em 703 Kg, deve ser
verificado se não é na verdade 70,3 Kg devido a
um erro de entrada de dados (digitação). Em
alguns casos, as cópias em papel a partir das quais
os dados foram inseridos podem ser verificadas
quanto à precisão. Em outros casos,
especialmente se o estudo se baseia em dados
secundários, os dados não podem ser verificados.
Todos os valores inválidos e fora do intervalo
devem então ser definidos como “system
missing” ou “dados perdidos” ou “valores
ausentes”.
O próximo passa na limpeza dos dados é verificar
as variáveis com dados ausentes. Se muitos
participantes estiverem sem valores para uma
determinada variável, a variável pode não ser
utilizável. Além disso, as variáveis devem ser
examinadas quanto à variabilidade adequada
dentro de cada variável. Se quase todas
responderem da mesma maneira a uma variável
específica (por exemplo, se 99% do grupo for
composto por mulheres), então essa variável não
pode ser usada durante a análise, pois não há
participantes do sexo masculino em seu estudo
para os quais você possa comparar os
participantes do sexo feminino.
Descrevendo a amostra
O segundo passo na análise de dados é descrever
as características da amostra usando estatísticas
descritivas. É comum criar tabelas que exibam
características sociodemográficas da amostra,
como idade, gênero, etnia e nível de educação.
Essas descrições ajudam os leitores a entender a
população do estudo. Os valores gerais e a
distribuição das principais variáveis
independentes e dependentes também são
descritos.
Estatísticas inferenciais usadas para testar
hipóteses
O terceiro passo na análise de dados é listar as
estatísticas inferenciais que serão usadas para
testar as hipóteses. As hipóteses, incluindo as
variáveis independentes e dependentes em cada
hipótese, devem ser claramente declaradas. O
teste exato realizado para testar cada hipótese
depende do design do estudo, do tamanho da
amostra, da distribuição das variáveis (ou seja,
normal ou não normal), escala de medida das
variáveis na hipótese (nominal, ordinal, intervalar,
razão) e tipo de comparações a serem feitas. Em
geral, estatísticas não paramétricas, que não
exigem que as variáveis atendam a certas
suposições de distribuição, são usadas para
pequenos tamanhos de amostra e para variáveis
que não estão normalmente distribuídas, enquanto
estatísticas paramétricas, que exigem que certas
suposições de distribuição sejam atendidas, são
usadas para análise de grandes tamanhos de
amostra com variáveis normalmente distribuídas.
Essas técnicas serão descritas posteriormente em
momento oportuno. Alguns planos de estudo
podem incluir estatísticas multivariadas para
controlar cariáveis de confusão e eliminar
hipóteses rivais (também discutidos em outra
seção).
Pressupostos e limitações
❾
Todo estudo possui pressupostos, limitações e
delimitações que devem sem explicitamente
declarados. Pressupostos são afirmações que são
consideradas verdadeiras mesmo que a evidência
direta da verdade esteja ausente ou não estava
bem documentada. Por exemplo, no estudo sobre
atividade física, assume-se que os participantes
foram honestos em relação ao seu nível de
atividade física. Limitações sãos fraquezas ou
desvantagens do estudo que potencialmente
limitam a validade dos resultados. Por exemplo,
uma limitação do estudo sobre atividade física é o
uso de um grupo intacto (ou seja, clientes de uma
PESQUISA E ESTATÍSTICA NAS CIÊNCIAS DA SAÚDE

única academia de ginástica) em vez de uma

amostra aleatória de clientes de várias academias.
Isso pode limitar a capacidade do estudo de ser
generalizado para outras pessoas na população. É
importante observar que limitações comuns em
pesquisa de resultados “da vida real” muitas vezes
incluem tamanhos de amostra pequenos (ou seja,
amostras com menos de 100 participantes), baixas
taxas de resposta (por exemplo, muitos dos
convidados a participar do estudo recusaram),
baixas taxas de acompanhamento, falta de seleção
aleatória, falta de atribuição aleatória e falta de
diversidade na amostra. Delimitações são limites
nos quais o estudo foi deliberadamente confinado
(por exemplo, o estudo sobre atividade física
concentra-se apenas em adultos e não inclui
adolescentes e crianças).

❿ Disseminação dos resultados

Um estudo não está verdadeiramente completo até

que o conhecimento obtido seja disseminado para
uso. A parte mais importante de um projeto de
pesquisa é compartilhar o conhecimento obtido a
partir do projeto. A informação pode ser
compartilhada de várias formas diferentes. Em
primeiro lugar, os resultados do estudo devem ser
compartilhados com os locais nos quais o estudo
foi realizado para ajudar os locais a melhor sua
prática clínica. Os resultados também podem ser
divulgados mais amplamente na área local por
meio de apresentações, conferências regionais e
boletins informativos.

Um nível mais elevado de disseminação ocorre

quando o artigo é apresentado em arenas
revisadas por pares. Esses fóruns incluem
conferências estaduais, nacionais e publicações
revisadas por pares em revistas profissionais. A
maioria dos periódicos revisados por pares está
indexada em um ou mais banco de dados
eletrônicos (por exemplo, Medline, Pubmed ou
CINALH). Esses dados são comumente
disponíveis em bibliotecas universitárias e na
internet. A indexação nesses bancos de dados
torna a pesquisa disponível para milhões de
pesquisadores e formuladores de políticas em
todo o mundo.▼
 medidas de tendência central e dispersão são as
A NATUREZA DA ESTATÍSTICA estatísticas mais comuns usadas para descrever as
características da amostra.
A estatística é uma ramo da matemática aplicada
que lida com a coleta, organização e interpretação
de dados por meio de procedimentos bem
definidos. Os pesquisadores utilizam diversas VARIÁVEIS E SUA MEDIÇÃO
técnicas para coletar esses dados, que se tornam
as observações utilizadas nas análises estatísticas.
Portanto, os materiais brutos da pesquisa são os
dados, coletados de uma amostra que foi
selecionada a partir de uma população.

Aplicar estatística a esses dados permite ao

pesquisador tirar conclusões e compreender
melhor a amostra de onde os dados foram obtidos.
A estatística, como campo de estudo, utiliza sua
própria linguagem, incluindo símbolos especiais
que representam fórmulas e outras expressões
matemáticas, e termos especializados que
descrevem diferentes tipos de variáveis. Esta
seção introduz e define alguns desses termos e
símbolos especializados.

Os símbolos e fórmulas para estatística descritivas

variam dependendo se estamos descrevendo uma
amostra ou uma população. Uma população inclui
todos os membros de um grupo definido; uma
amostra é um subconjunto de uma população. As
características de uma população são chamadas de
parâmetros; as características de uma amostra são
chamadas de estatísticas da amostra. Para
distingui-los, diferentes conjuntos de símbolos
são utilizados. Normalmente, letras gregas
minúsculas são usadas para denotar parâmetros e
letras romanas são usadas para denotar
estatísticas. Alguns dos símbolos mais
comumente usados podem ser encontrados na
Tabela 2-1.

Esta seção também introduz estatística descritiva.

Essas são o tipo de estatística que usamos para
descrever variáveis, resumindo seus valores em
termos mais compreensíveis sem perder ou
distrocer muitas informações. Tabelas de
frequência, gráficos de barras, hidtogramas,
porcentagens e