Bioestatística

A Ciência dos Números na Vida

 Integrantes do grupo

Nº Nome
1 Afonso Elavoco J. Afonso
2 Ana da Conceição António Francisco
3 Anacleto Kanbenje Domingos
4 Angelino Neto Chimuco
5 Alexandre Saprinho Manuel
6 Alberto Nunes Jamba
7 Augusto Chimpi Casimiro
8 Belizário Domingos Matias
9 Bernardo Gonçalves Mateus
10 Celestino Muanda Seyala
Introdução à Bioestatística
Métodos Estatísticos em Bioestatística
Desenho Experimental em Bioestatística
Interpretação de Resultados em Bioestatística
Aplicações da Bioestatística
Desafios e Tendências em Bioestatística
Introdução à Bioestatística
Bioestatística é uma área da estatística que se concentra na aplicação de
métodos estatísticos para a análise de dados biológicos e médicos.

Ela é usada para entender como as diferentes variáveis biológicas ou

médicas estão relacionadas umas com as outras e como essas relações
podem ser usadas para fazer previsões precisas.

A bioestatística é importante porque permite que os pesquisadores

obtenham informações valiosas a partir de grandes conjuntos de dados
biológicos e médicos, ajudando-os a tomar decisões informadas sobre
diagnóstico, tratamento e prevenção de doenças.
Métodos Estatísticos em Bioestatística
Existem vários métodos estatísticos usados em bioestatística, incluindo
análise de regressão, análise de variância (ANOVA), teste t, análise de
sobrevivência e análise multivariada. Cada método é usado para
responder a perguntas específicas sobre os dados biológicos ou médicos.

Por exemplo: a análise de regressão é usada para investigar a relação entre

uma variável dependente e uma ou mais variáveis independentes;

a análise de sobrevivência é usada para analisar o tempo até um evento,

como a morte ou recorrência de uma doença;

a análise de variância (ANOVA) é uma fórmula estatística usada para

comparar as variâncias entre as medianas (ou médias) de grupos diferentes;

teste t são testes de hipótese úteis na estatística quando é necessário

comparar médias. Você pode comparar uma média amostral com um valor
hipotético ou com um valor alvo usando um teste t para uma amostra. Você
pode comparar as médias de dois grupos com um teste t para duas
amostras. Se você tiver dois grupos com observações pareadas (por
exemplo, antes e depois das medições), use o teste t pareado;

análise de sobrevivência também denominada análise de sobrevida[1], é

um ramo da estatística que estuda o tempo de duração esperado até a
ocorrência de um ou mais eventos, tais como morte em organismos
biológicos e falha em sistemas mecânicos;

análise multivariada consiste em um conjunto de métodos estatísticos

utilizados em situações em que várias variáveis são medidas
simultaneamente em cada elemento amostral.
Desenho Experimental em Bioestatística

O desenho experimental é uma parte importante da bioestatística, pois

ajuda a garantir que os resultados obtidos sejam precisos e confiáveis.

Existem vários tipos de desenhos experimentais usados em bioestatística,

incluindo ensaios clínicos randomizados, estudos de coorte e estudos caso-
controle.

Cada tipo de desenho experimental tem suas próprias vantagens e

desvantagens, e a escolha do desenho mais adequado depende das
perguntas específicas que estão sendo feitas e dos recursos disponíveis para
realizar o estudo.

Vantagem
a) O número de repetições pode variar de um tratamento para outro;
b) embora o ideal seja utilizar o mesmo número de repetições para
todos os tratamentos;
c) A análise estatística é simples, mesmo quando o número de
repetições por tratamento é variável;
d) O número de graus de liberdade para estimar o erro experimental
(que é dado pelo desvio padrão residual) é o maior possível.

Desvantagem
a) Exige a homogeneidade de todas as parcelas experimentais;
b) Pode nos conduzir a uma estimativa bastante alta para a variância
residual, pois, não utilizando o controle local, todas as variações
entre as unidades experimentais (exceto as devidas aos tratamentos)
são consideradas como variação do acaso.
Interpretação de Resultados em Bioestatística

A interpretação correta dos resultados é crucial na bioestatística, pois pode

ter implicações importantes para a prática clínica.

Os resultados devem ser apresentados de forma clara e concisa, com

destaque para as principais descobertas e limitações do estudo.

Os resultados também devem ser interpretados à luz do contexto clínico e

considerando outras evidências disponíveis na literatura médica. Isso ajuda
a garantir que as conclusões sejam precisas e confiáveis.
Aplicações da Bioestatística

A bioestatística é usada em uma ampla variedade de aplicações, incluindo

pesquisa médica, epidemiologia, genética, biologia molecular e
farmacologia.

Epidemiologia: é a ciência que estuda a distribuição e os determinantes

dos problemas de saúde (fenômenos e processos associados) em
populações humanas.

Genética: é o ramo da Biologia que estuda a hereditariedade, os genes e

como as características são transmitidas de uma geração para outra.

Biologia molecular: busca compreender os mecanismos de replicação,

transcrição e tradução do material genético.

Farmacologia: é a ciência que se ocupa do estudo das interações que

acontecem entre um organismo vivo e drogas que afetam seu
funcionamento, normal ou anormal

Ela é usada para entender a relação entre diferentes variáveis biológicas ou

médicas e como essas relações podem ser usadas para prever riscos,
diagnosticar doenças e desenvolver novos tratamentos.

variáveis biológicas ou medica : é uma variação natural, de ocorrência

fisiológica, própria do indivíduo, independente das variáveis pré-analíticas

A bioestatística também é usada para avaliar a eficácia e segurança de

novos medicamentos e terapias, ajudando a garantir que os pacientes
recebam o melhor tratamento possível.
Desafios e Tendências em Bioestatística

A bioestatística enfrenta vários desafios, incluindo o aumento do volume de

dados biológicos e médicos, a necessidade de métodos estatísticos mais
avançados e a necessidade de garantir a privacidade dos dados dos
pacientes.

Algumas das tendências emergentes em bioestatística incluem o uso de

aprendizado de máquina e inteligência artificial para analisar grandes
conjuntos de dados, o desenvolvimento de métodos estatísticos mais
sofisticados e a colaboração interdisciplinar entre estatísticos, médicos e
cientistas biológicos.