Bioestatística

Material teórico
Bioestatística Aplicada

Responsável pelo Conteúdo:

Prof. Ms. Alexandre da Silva
 Bioestatística Aplicada

Caros alunos, estamos caminhando para o final da

disciplina e agora já temos condições de agregar todo o
conhecimento que aprendemos. É hora de aplicarmos, na
prática, tudo o que já vimos. Teremos um módulo mais
interativo e que dependerá de todos os conhecimentos já
adquiridos. A identificação de testes realizados, a sugestão de
testes, a análise crítica de tabelas e gráficos de artigos
científicos, bem como o uso de softwares serão os tópicos
abordados nesse módulo.
Para quem não se lembra de algum tópico já estudado
na disciplina, sugiro uma nova leitura e maior compreensão
do mesmo, para só depois começar a estudar deste novo
módulo.
Teremos, ao final, a sugestão para realização de um
trabalho em grupo, com a realização de pesquisa de campo e
produção de tabelas e gráficos, bem com a explicação dos
mesmos, em termos estatísticos.

Atenção

Para um bom aproveitamento do curso, leia o material teórico atentamente antes de realizar
as atividades. É importante também respeitar os prazos estabelecidos no cronograma.
 Contextualização

Você já parou para pensar que, hoje em dia, muita informação a respeito da nossa
saúde nos é dada sem que percebamos se essa realmente vale (ou serve) para nós? De
repente, uma publicação científica mostra que o sedentarismo faz mal para o ser humano
porque predispõe o nosso organismo a sérias doenças cardiovasculares... outra matéria
reafirma a importância do exames ginecológicos regulares... outra reportagem mostra que
cientistas brasileiros descobriram que o arroz com feijão deixou de ser consumido como antes
e que os novos hábitos alimentares ajudam a entender a epidemia da obesidade entre
brasileiros...

Algum de vocês já fez parte dessas pesquisas?

Quem de vocês fez parte desses estudos que

“tratam” da nossa saúde, bem-estar e qualidade
de vida?

Como as informações encontradas nesses

estudos são válidas para todos nós?
 Material Teórico

Utilização da Informática na Bioestatística

Até esse momento, em alguma ocasião,

você deva ter se perguntado? Mas eu não gosto de
matemática! Escolhi esse curso para fugir das
equações! Que coisa, hein? A matemática, o
raciocínio lógico estão presentes em quase tudo
que fazemos na área acadêmica. A tomada de
decisão em adotar o tratamento “X” ou “Y”
dependerá dos resultados obtidos em estudos
anteriores, estudos esses que foram embasados em
análises estatísticas.
Alunos Peso das mochilas (kg)
Mas, para facilitar a vida de todos, saibam 1 1,2
que a informática muito pode contribuir. Vejam o
2 2
exemplo abaixo. Suponha que tenhamos que
3 2,5
calcular a media do peso da mochila dos alunos do
4 0,9
3º ano do ensino fundamental.
5 0,9
Atualmente, como já foi dito no módulo
6 1,3
anterior, temos à disposição vários softwares que
7 1,5
ajudam nos cálculos estatísticos. O Excel é um
programa presente em boa parte dos computadores 8 1,4

e possui essa ferramenta. Vamos fazer o cálculo da 9 2

média usando esse programa! 10 2,1
11 1,7
Essa é uma das formas para calcularmos a
media. Vejam a primeira etapa. Podemos inserir a 12 1,4
função e optar pela categoria “estatística”. Lá temos 13 1,6
o comando “media”. 14 1,8
15 2
16 2,3
17 1,9
18 1,5
19 1,1
 A seguir, selecionamos a coluna referente aos pesos das mochilas. No quadro já
aparecerá o valor da média.

Teremos, então, a obtenção do valor médio das mochilas de 1,63kg.

Assim, como no exemplo acima, percebemos o quanto a informática

facilita a nossa vida. Todos os cálculos básicos de bioestatística podem ser
feitos por softwares como o Excel.
Avaliação Crítica de Artigos Científicos

Um dos objetivos principais da bioestatística é contribuir para o melhor entendimento

dos dados estatísticos relatados em publicações cientificas. A assertividade sobre aquilo que é
demonstrado na tabela ou na figura dependerá do contexto em que os mesmos são
apresentados e da análise critica dos resultados numéricos.

A análise estatística descritiva é muito utilizada e, quando envolve tamanhos amostrais

grandes ou uma determinada população, essa análise é capaz de permitir extrapolações dos
resultados encontrados. Por outro lado, quando essas condições não ocorrem, a análise
estatística analítica contribui para garantir essa extrapolação. Além dessa importância, a
analise analítica – que usa os testes de comparação de medias, que considera o nível de
significância, que calcula o valor de p etc.- viabiliza as tomadas de decisão para considerar um
fator de risco que acomete um determinado grupo, para evidenciar o efeito de um tratamento,
para visualizar o resultado futuro de uma campanha de prevenção etc.

Vejamos o exemplo abaixo. Na tabela, pode-se observar a relação da variável principal

que é o peso, cujas categorias são “sobrepeso” e “eutrofia” (= peso normal) de crianças.
Percebam que a tabela apresenta a relação dessa variável com as demais: idade, atividade
física e televisão, cada qual com suas respectivas categorias. O que podemos observar?

Fonte: Revista de Pediatria 2009;27(3):251-7

1- Que se trata de uma tabela que mostra a relação da variável principal, que está na
coluna, com as demais (que estão nas linhas);

2- Os dados são apresentados na forma de freqüência absoluta (n) e relativa (%);

3- Que foram realizados três testes estatísticos e, para cada teste, calculou-se um valor de
p;

4- Que o testes utilizados foram o qui-quadrado e o de Fisher, pois são todas variáveis
qualitativas;

5- Considerando a primeira análise, percebemos que não houve diferença significante

entre as idades das crianças com sobrepeso e eutróficas, pois o valor de p é maior do
que o nível de significância (α= 0,05), o que atesta que não há diferença entre as
proporções, isto é, entre as freqüências das idades dessas crianças. O que leva-nos a
concluir que, em termos de idade, as crianças com sobrepeso e eutróficas possuem as
mesmas distribuições de idades.

6- Na segunda análise, podemos perceber que, quanto a prática de atividade física, as

crianças com peso adequado (eutróficas) são mais ativas do que as crianças com
sobrepeso, que são pouco ativas. Essa afirmação é possível devido ao valor de p foi
menor do que de α (p<α). No entanto, essa certeza só é válida para a amostra
estudada, podendo ser extrapolada para a população da qual se extraiu a mesma.
 7- Na terceira análise da tabela, outro teste estatístico é feito e novamente não
observamos diferenças entre os grupos de crianças quanto ao hábito de ver TV, pois o
valor de p foi maior que nível de significância (p>α).

Esse achado nos permite admitir, exclusivamente para essa amostra, de que o hábito
de ver TV não teve relação com a condição da criança ser (ou estar) com sobrepeso ou peso
normal (ambos os grupos assistem a mais de 3 horas de TV por dia!), ainda que saibamos por
outros estudos que há uma forte relação de causa e efeito entre as horas gastas para assistir à
TV e o ganho de peso, seja de adultos ou crianças. Essa assertividade apresentada dada pela
tabela vale, exagerando na extrapolação, para a população da qual a amostra foi extraída,
considerando que os critérios de seleção (lembram-se das formas de amostragem?) tenham
sido adequadas.

É essa uma das grandes importâncias da estatística: buscar ser conclusiva para a
amostra, diminuindo as chances de que os resultados encontrados tenham sido ocorrências do
acaso, da sorte.

Dessa forma, fica claro que a compreensão de cada um dos testes é fundamental para
melhor compreensão dos dados apresentados em tabelas ou figuras. Tanto para testes que
utilizam dados quantitativos, como qualitativos ou ambos, a regra é sempre a mesma. Se:

(p>() ( não haverá diferença significante entre as medias ou proporções (frequências)

(p≤() ( haverá diferença significante entre as medias ou proporções (frequências)

TESTES ESTATÍSTICOS

Durante a disciplina aprendemos que existem testes para serem aplicados em amostras
e/ou populações. Esses testes também permitem identificar a relação entre duas ou mais
variáveis. Veja o modelo esquemático abaixo. Caso queiramos analisar a relação entre duas
variáveis, poderíamos escolher, por exemplo, um dos seguintes testes:

Tipo da variável Tipo da variável Tipo de resposta obtida Teste estatístico possível de
ser realizado

Qualitativa Quantitativa Quantitativa − Teste T de Student

− nominal − contínua − Anova (Análise de Variância)
− ordinal − discreta
Qualitativa Qualitativa Qualitativa − Teste de Fisher;
− nominal − nominal − Teste qui-quadrado
− ordinal − ordinal
Quantitativa Quantitativa Quantitativa − Teste de correlação;
− contínua − contínua − Teste de regressão.
− discreta − discreta
Figura 1: Exemplo de modelo esquemático para realização de testes estatísticos.

A análise estatística descritiva também é importante e, como já disse anteriormente, se

foi estudada a população, os dados serão mais conclusivos se comparados aos resultados
extraídos de uma amostra. Sua importância poderá ser, no mínimo, a de “descrever” dados,
sejam eles relacionados à variável primária ou não. Vejamos o exemplo abaixo:

Fonte: Revista de Pediatria 2009;27(3):251-7.

Nesse exemplo temos a descrição das calorias ingeridas pelas crianças com sobrepeso e
eutróficas de um determinado local, no caso, uma favela em Olinda. As medidas de resumo e
de dispersão foram utilizadas para apresentar esses dados. As conclusões não serão tão
conclusivas como aquelas que obtemos com a análise analítica, mas muitas vezes o que se
quer é a descrição detalhada dos dados, apenas.
A Adequação da Amostra

Um ponto que merece a nossa atenção

durante uma análise crítica é o tamanho da amostra
e a forma de amostragem. Esses aspectos
determinarão o quão podemos “acreditar” nas
informações obtidas, bem como no poder de
extrapolação dos resultados.

Vejamos no exemplo abaixo como uma

escolha inapropriada dos elementos amostrais
poderia trazer conclusões incorretas a respeito da
população da qual foi extraída:

“Em 1988, Shere Hite levantou, por meio de questionários inseridos em revistas
femininas americanas, dados sobre a sexualidade feminina. Estima-se que cerca de
100.000 mulheres foram colocadas em contato com o questionário, mas só 4500
responderam. Mesmo assim, a amostra é grande. Você acha que essa amostra pode
dar boa ideia do comportamento sexual das mulheres americanas daquela época? “
(Fonte: Silver, M. Estatística para Administração. São Paulo, Atlas, 2000.)

O que vocês acham dessa condição? Qual a situação perigosa que ocorre nessa situação?
Diagrama de Dispersao e o Teste de Correlacão

Sujeitos Idade Quantidade de relações sexuais/mês

A 15 8
B 20 8
C 26 8
D 29 8
E 33 10
F 45 5
G 47 8
H 90 2
I 86 1
J 77 3
K 48 5
L 60 3
M 65 3
N 66 4
O 69 2
P 75 2
Q 17 3
R 18 5
S 20 4
T 18 3
U 26 8
V 90 2
W 92 4
X 97 0
Y 75 2
Z 26 8
AA 28 6
 Para elucidar outra aplicação da bioestatística consideraremos o seguinte quadro de
informações:

Analisando o quadro, podemos notar que sujeitos mais novos parecem realizar mais
relações sexuais por mês quando comparados aos mais velhos. Será que existe alguma
relação entre idade e quantidade de relações sexuais, considerando a amostra acima?

Usando o software Excel pode-se selecionar o assistente gráfico e optar pelo gráfico de
dispersão para entender um pouco mais. Vejamos o gráfico.
Quantidade de relações sexuais/

12

10

8
mês

0
0 20 40 60 80 100 120
idade (anos)

No gráfico acima, podemos verificar que parece mesmo existir um relação, que
passaremos a chamar de correlação, entre as duas variáveis quantitativas (quantidade de
relações sexuais/mês e idade).

O teste de correlação de Pearson permite determinar o grau de correlação existente

entre duas variáveis quantitativas. Seu valor pode variar de 0,0 a 1,0, sendo que quanto
maior o valor, melhor a correlação. O valor de correlação, comumente representado pela letra
“r”, vem acompanhado de um sinal positivo (+) ou negativo (-) que indica se a correlação é
diretamente proporcional (+) ou inversamente proporcional (-).

Na situação acima, encontraremos um valor de r= 0,71 e o sinal de negativo (r= -

0,71), pois a correlação é inversamente proporcional, pois, no caso, quanto maior a idade dos
sujeitos, menor é a quantidade de relações sexuais/mês. Logo, poderíamos representar o
gráfico da seguinte forma:
 Quantidade de relações sexuais/
12

10

8
mês

0
0 20 40 60 80 100 120
idade (anos)

Alguns estatísticos classificam os resultados possíveis quanto ao teste de correlação da

seguinte forma:

Correlação fraca: se o r estiver entre 0,0 e 0,39;

Correlação moderada: se o r estiver entre 0,4 e 0,69;

Correlação forte; se o “r” estiver entre 0,7 e 1,0;

Obs: esses valores estarão sempre acompanhados do sinal de (+) ou (-).

Retomando o Assunto “Variáveis”

Vimos nas unidades passadas o que são variáveis e como essas podem ser classificadas
(como qualitativas e quantitativas, por exemplo). No entanto, quando tratamos de análise
estatística, ainda podemos classificar as variáveis, independentemente da natureza da variável,
como: Preditoras, Respostas ou de Controle. Vamos defini-las:

Variável PREDITORA, EXPLICATIVA OU INDEPENDENTE: permite predizer uma resposta.

Exemplo: Fumo e risco de doença coronariana. A variável resposta é FUMO;

Variável RESPOSTA OU DEPENDENTE: aponta o evento que se pretende estudar.

Exemplo: PREVALÊNCIA DE OBESIDADE.

Variável de CONTROLE ou de CONFUSÃO: usada para avaliar a repercussão ou influencia negativa de

um evento/situação sobre os resultados.

Exemplo: A influência da escolaridade na estimativa de renda de um adulto.

Um outro estudo que esclarece bem o que é uma variável confudidora (ou de
confusão):

“Há alguns anos, um pesquisador concluiu que o consumo de café aumentava o risco
de câncer de pâncreas (a análise estatística mostrava uma associação significante entre
as duas variáveis). Quando o trabalho foi re-analisado, concluiu-se que na verdade o
fator de risco era o fumo. O que ocorreu foi que os fumantes tomavam mais café.
Assim, o café era uma variável de confusão, ou seja, estava associada tanto ao fator de
risco verdadeiro (fumantes tomam mais café) como à doença (o consumo de café entre
os portadores de câncer de pâncreas era maior do que não população geral). No
entanto, não havia relação causa-efeito entre consumo de café e câncer de pâncreas.
Fonte: Unifesp Virtual. Curso de Introdução à Bioestatística- Aula 1 – Introdução à
Bioestatística

DEPENDENDO DA PERGUNTA DO ESTUDO, UMA MESMA VARIAVEL PODE SER

PREDITORA, RESPOSTA OU CONTROLE.
A Tabela de Contingencia

Analise a tabela abaixo:

Fonte: Revista de Pediatria 2009;27(3):251-7

É bem provável que vocês tenham percebido que tabelas com essa estrutura já tenha
aparecido antes, em módulos anteriores, ou até mesmo nessa unidade. Esse tipo de tabela é o
que chamamos de “ Tabela de contingência” . Essa, muitas vezes, não necessita,
obrigatoriamente, de estar acompanhada do resultado de um teste estatístico analítico, como
o teste qui-quadrado. A simples apresentação dessa tabela, mostrando a relação de duas ou
mais variáveis, será bem explicativa se comparada a apresentação em separado que essas
mesmas variáveis pudessem ter.
Vejamos o exemplo acima:

1- Na tabela, percebemos que a variável “estado nutricional”, cujas categorias são

“sobrepeso” e “eutrofia”, é a variável dependente da tabela e, possivelmente, do
estudo;

2- As outras variáveis: “idade”, “atividade física” e “televisão” são as outras variáveis

independentes;

3- Na análise das tabelas de contingência, comumente, tiramos conclusões a partir da

variável dependente. Nesse caso, poderíamos ter uma conclusão da seguinte forma:
considerando o estado nutricional das crianças investigadas no estudo, a maior parte
de crianças com eutrofia (peso normal) foram as crianças com 9 anos de idade;

Vale destacar que as tabelas de contingência não têm por finalidade determinar causa
e consequência, isto é, essas tabelas mostram a relação.

Pode ser que a natureza e aspecto observado em determinada variável poderá dar a noção
de causa e consequência.

Estamos finalizando mais uma unidade e espero que todos tenham compreendido um pouco
mais sobre a importância e aplicabilidade.
 Material Complementar

Observação: Todos os artigos estão disponíveis na base de dados www.scielo.br

1- Toscano, José Jean de Oliveira; Oliveira, Antônio César Cabral de Qualidade de

vida em idosos com distintos níveis de atividade física. Rev Bras Med
Esporte. v.15 n.3, Jun. 2009.

2- Noce, Franco; Simim, Mário Antônio de Moura; Mello, Marco Túlio de A

percepção de qualidade de vida de pessoas portadoras de deficiência
física pode ser influenciada pela prática de atividade física?. Rev Bras Med
Esporte. v.15 n.3, Jun. 2009.

3- Nunes, Marília Medeiros de Araújo; Figueiroa, José Natal e Alves, João Guilherme
Bezerra. Excesso de peso, atividade física e hábitos alimentares entre
adolescentes de diferentes classes econômicas em Campina Grande
(PB). Rev. Assoc. Med. Bras. [online]. 2007, vol.53, n.2, pp. 130-134.

4- Ganança, Fernando Freitas; Gazzola, Juliana Maria; Aratani, Mayra Cristina;

Perracini, Mônica Rodrigues; Ganança, Mauricio Malavasi. Circunstâncias e
consequências de quedas em idosos com vestibulopatia crônica. Rev.
Bras Otorrinolaringol. v.72 n.3, pp. 388-93.
 Referências

Iochida LC, Castro AA. Projeto de pesquisa (Parte VIII- método estatístico / análise
estatística). In: Castro AA. Planejamento de Pesquisa. São Paulo: 2001.

ARANGO, Héctor Gustavo. Bioestatística: Teórica e Computacional. 2. ed. Rio de

Janeiro: Guanabara Koogan, 2005. 423 p.

TRIOLA, Mario. Introdução à bioestatística 9. ed. Rio de Janeiro: LTC, 2005. 656 p.

VIEIRA, S. Introdução à Bioestatística. Rio de Janeiro, Elsevier, 2008.

 Anotações
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________