As variáveis analisadas em um estudo científico podem, inicialmente, ser

identificadas como variáveis determinantes ou variáveis dependentes. As variáveis

determinantes são aquelas que caracterizam o material ou a casuística estudada,
enquanto que as variáveis dependentes correspondem aos diversos aspectos em análise
no material coletado.

O modo de apresentação e o tipo de análise a ser realizada, tanto em relação às

variáveis determinantes, como em relação às variáveis dependentes, dependem
fundamentalmente das características próprias de cada variável.

**Classificação dos tipos de variáveis**

1. **Escalas Nominais:**
- Essas escalas são usadas para variáveis que apenas discriminam ou definem
parâmetros qualitativos sem qualquer ordem ou nível de quantidade. Isso significa
que os valores não têm relação de ordem ou magnitude entre si. Exemplos incluem
observações binárias, como presença/ausência, vivo/óbito, masculino/feminino, e
categorias não relacionadas, como diferentes etnias, lista de afecções, regiões
geográficas.

2. **Escalas Ordinais:**
- Essas escalas são usadas para variáveis que discriminam ou definem parâmetros
qualitativos e demonstram uma ordem ou nível de quantidade. Embora não haja
necessariamente uma diferença igual entre os valores, há uma noção de progressão ou
classificação. Exemplos incluem classificações progressivas, como grau de
alteração, nível de acometimento, classificação funcional, e escores ou índices,
como escore de risco, escore de qualidade de vida, índice de Apgar, escala de
Glasgow.

3. **Escalas Numéricas:**
- Essas escalas são usadas para variáveis que expressam medidas de quantidade de
forma objetiva. Elas podem ser divididas em variáveis contínuas e discretas.
- **Variáveis Contínuas:** São parâmetros cuja variação é contínua e pode
incluir frações da unidade de medida. Isso significa que os valores podem assumir
qualquer valor dentro de um intervalo. Exemplos incluem idade, frequência cardíaca,
pressão arterial, dosagem de nível hormonal.
- **Variáveis Discretas:** São parâmetros que expressam quantidade em números
absolutos, sem frações da unidade de medida. Isso significa que os valores são
inteiros e não podem ser subdivididos em partes menores. Exemplos incluem número de
eventos, número de observações, número de procedimentos.

**Apresentação de Variáveis**

A apresentação dos resultados obtidos em relação a uma variável estudada depende do

tipo de escala empregada na sua aferição.
Claro, vou explicar cada tipo de escala de acordo com as diretrizes fornecidas:

1. **Escalas Nominais:**
- Quando os dados são coletados usando escalas nominais, onde não há ordem ou
magnitude entre as categorias, os resultados são sempre apresentados na forma de
percentagens ou proporções. Isso significa que os resultados são expressos como uma
porcentagem do total de observações em cada categoria. Por exemplo, se estamos
estudando preferências de cores e temos as categorias vermelho, azul e verde, os
resultados seriam apresentados como a porcentagem de indivíduos que escolheram cada
cor, sem considerar uma ordem específica entre elas.
2. **Escalas Ordinais:**
- Para dados coletados usando escalas ordinais, onde existe uma ordem ou
classificação entre as categorias, os resultados são geralmente apresentados como
percentagens ou proporções, como no caso das escalas nominais. Além disso, como
essas escalas também têm valores numéricos associados, os resultados podem ser
apresentados em medidas de tendência central, como a mediana, e de dispersão, como
o intervalo interquartil. Isso proporciona uma visão mais detalhada da distribuição
dos dados além das percentagens.

3. **Escalas Numéricas:**
- Quando os dados são coletados usando escalas numéricas, onde os valores têm
significado quantitativo, os resultados são normalmente apresentados em medidas de
tendência central, como a média ou a mediana, e de dispersão, como o desvio padrão
ou a amplitude. Essas medidas fornecem informações sobre a distribuição dos dados e
sua variabilidade. Às vezes, os valores numéricos podem ser agrupados em faixas
para facilitar a apresentação e expressos como percentagens ou proporções,
especialmente se houver muitos valores distintos. Isso simplifica a interpretação
dos resultados, especialmente em conjuntos de dados grandes.

Copiar do material ate a parte que está recomeçando:

Claro, vou explicar cada parte da análise descritiva para variáveis qualitativas e
quantitativas:

**Análise Descritiva:**

A análise descritiva é uma etapa fundamental na análise de dados, onde se resumem e

descrevem as características principais dos dados coletados.

**Variáveis Qualitativas:**

Para variáveis qualitativas, como categorias ou atributos, como cor dos olhos ou
tipo de tratamento, a análise descritiva envolve principalmente a apresentação das
frequências relativas das diferentes categorias. Isso pode ser feito por meio de
percentagens ou proporções.

- **Percentagens ou Proporções:**
- Esta é uma maneira de expressar a frequência de cada categoria em relação ao
total de observações. Por exemplo, se estamos estudando a cor dos olhos em uma
amostra de 100 pessoas e 25 têm olhos azuis, podemos dizer que a proporção de olhos
azuis é de 25%. Isso fornece uma compreensão clara da distribuição das categorias
dentro da amostra.

**Variáveis Quantitativas:**

Para variáveis quantitativas, que representam medidas numéricas, como altura, peso
ou temperatura, a análise descritiva é um pouco mais complexa e envolve medidas
estatísticas que resumem a distribuição dos dados.

- **Distribuição Normal (Gaussiana):**

- Se os dados seguem uma distribuição normal, a análise descritiva geralmente
envolve calcular a média, o desvio padrão, o intervalo de confiança e os valores
máximos e mínimos.
- **Média:** Representa o valor médio dos dados.
- **Desvio Padrão:** Indica a dispersão dos dados ao redor da média.
- **Intervalo de Confiança:** Fornece uma estimativa da faixa de valores dentro
da qual a média populacional provavelmente está.
- **Valores Máximos e Mínimos:** Indicam os extremos dos dados observados.

- **Distribuição Assimétrica (não Gaussiana):**

- Se os dados não seguem uma distribuição normal, medidas diferentes são usadas
na análise descritiva.
 - **Mediana:** Representa o valor central dos dados, menos sensível a valores
extremos do que a média.
- **Variação (Valor Máximo / Mínimo):** Indica a amplitude dos dados.
- **Quartis:** Dividem os dados em quatro partes iguais, fornecendo informações
sobre a dispersão dos dados em diferentes partes da distribuição.

Fatores relacionados ao Cálculo Amostral

Vamos detalhar cada aspecto mencionado para as diferentes comparações:

**Comparação entre Proporções (Variáveis Nominais / Ordinais):**

- **Nível de Significância Estabelecido:**

- É a probabilidade de cometer um erro tipo I ao rejeitar a hipótese nula quando
ela é verdadeira. Geralmente, é definido como 0,05 ou 5%.

- **Uni ou Bidirecional:**
- Indica se o teste estatístico é unidirecional (procura apenas por diferenças em
uma direção específica) ou bidirecional (procura por diferenças em ambas as
direções). A escolha depende da hipótese de pesquisa.

- **Proporção Esperada no Controle:**

- Refere-se à proporção de sucesso esperada na condição de controle ou
referência. Isso ajuda a estabelecer uma base para comparação com outras condições.

- **Diferença Esperada entre as Proporções:**

- É a diferença mínima entre as proporções das duas condições que o estudo visa
detectar como estatisticamente significativa.

**Comparação entre Curvas de Eventos:**

- **Nível de Significância Estabelecido:**

- Da mesma forma que na comparação de proporções, é a probabilidade de cometer um
erro tipo I ao rejeitar a hipótese nula.

- **Uni ou Bidirecional:**
- Define se o teste estatístico é unidirecional ou bidirecional.

- **Proporção Livre de Eventos Esperada no Controle:**

- Refere-se à proporção de eventos esperada na condição de controle durante o
seguimento.

- **Diferença Esperada Entre Proporções ao Final do Seguimento:**

- É a diferença esperada na proporção de eventos entre os grupos de estudo e
controle no final do período de seguimento.

**Comparação entre Variáveis Quantitativas:**

- **Relação Entre as Variáveis:**

- Indica se a comparação envolve variáveis independentes ou dependentes.

- **Nível de Significância Estabelecido:**

- Define a probabilidade de erro tipo I.

- **Uni ou Bidirecional:**
- Determina a direção em que a diferença entre as médias é testada.

- **Diferença Esperada entre as Médias:**

- É a diferença mínima entre as médias das duas variáveis que o estudo visa
detectar como estatisticamente significativa.

- **Grau de Dispersão das Variáveis:**

- Refere-se à variabilidade dos dados em cada grupo.

**Classificação de Diferenças:**

- **Pequena Diferença:** Menos de 20% do desvio padrão (DP).

- **Média Diferença:** 50% do desvio padrão (DP).
- **Grande Diferença:** Mais de 80% do desvio padrão (DP).