População e amostra

Prévia do material em texto

Amanda do Nascimento 
MED XXV
EPIDEMIOLOGIA:
POPULAÇÃO E AMOSTRA – PLANO AMOSTRAL
POPULAÇÃO:
· “Qualquer conjunto de informações que tenham entre si uma característica comum que delimite, quais elementos pertencem a ela.”
· “O maior conjunto de entidades sobre o qual se possui interesse em investigar em um determinado momento.”
· “É o conjunto de elementos para os quais desejamos que as nossas conclusões sejam válidas. Ou seja, é o universo do nosso estudo.”
· O tamanho de uma população é habitualmente expresso pela letra N (maiúscula).
· Como descrever:
· Se for um projeto de estudo, deve-se escrever no FUTURO. 
· Já no trabalho em si, deve-se escrever no PASSADO.
EXEMPLO 1 estudo TRANSVERSAL:
A população do estudo foi composta por adolescentes inscritos em escolas públicas estaduais de Petrolina (PE).
EXEMPLO 2 estudo CASO-CONTROLE:
A população de estudo constituiu-se de gestantes com idades entre 25 a 43 anos, pareadas por idade, admitidas entre janeiro de 2004 e dezembro de 2014, no Núcleo Perinatal do Hospital Universitário Pedro Ernesto da Universidade do Estado do Rio de Janeiro (HUPE/UERJ). Os casos foram definidos como mulheres que foram diagnosticadas com câncer de mama durante a gravidez atual admitidas no período de estudo, após a confirmação por diagnóstico histopatológico. O grupo controle incluiu gestantes com a mesma idade dos casos ou, no máximo, um ano a mais ou a menos, sem neoplasias malignas e que tiveram o parto, no máximo três meses antes ou depois da gestante incluída como caso.
EXEMPLO 3 estudo ECOLÓGICO:
Trata-se de estudo ecológico a partir de dados secundários através de pesquisa no DATASUS. Foram estudadas todas as gestações ocorridas no período de 2000 a 2011 na cidade de Blumenau, localizada no Vale do Itajaí em Santa Catarina. O presente trabalho considerou todas as adolescentes, cuja faixa etária compreendeu dos 10 anos aos 19 anos.
AMOSTRA:
· “São subconjuntos representativos de uma dada população.”
· “É uma fração ou parte de uma população.”
· “É uma parte do conjunto de elementos para os quais desejamos que as nossas conclusões sejam válidas.”
· O tamanho de uma amostra é habitualmente expresso pela letra n (minúscula).
· Representação população e amostra:
CÁLCULO DA AMOSTRA:
· Determina qual o tamanho da amostra adequado para representar essa população no estudo em questão.
· Parâmetros que você precisa saber para calcular sua amostra:
· Pergunta de pesquisa conhecimento do problema investigado.
· Variáveis estudadas qual a diferença que se espera entre os grupos?
· Variáveis: são as características que se pretende medir/mensurar em um estudo. Exemplo: sexo, etnia, idade, qualidade de vida, função cognitiva. 
· Tipo de estudo:
· Transversal.
· Caso-controle.
· Coorte.
· Grau de confiança nível de confiança de 95% = probabilidade de que o teste estatístico diga que existe uma relação estatisticamente significativa quando ela não existe.
· Poder estatístico poder estatístico de 80% = probabilidade de que o teste estatístico diga que não existe uma diferença estatisticamente significativa quando ela existe.
OBS: o grau de confiança e o poder estatístico são parâmetros já fixados. Ou seja, não precisamos mexer nisso quando formos calcular a amostra. 
O cálculo amostral pode se basear em:
- Estudo piloto: é uma miniversão do estudo completo, que envolve a realização de todos os procedimentos previstos.
- Literatura prévia: são estudos semelhantes ao que irá ser feito. Nesse caso, existe pouca chance de erro. 
- Estimativa: o número da amostra é determinado com base no conhecimento clínico/ observação. Nesse caso, existe alta probabilidade de não compreender um número representativo ao final do estudo. Devido a isso, não é um bom método para se determinar a amostra. 
· Amostra grande muita precisão dos resultados. Entretanto, envolve maiores custos e necessita de uma equipe e tempo de execução maiores. 
· Amostra pequena pouca precisão dos resultados, apesar de ter menores custos. 
· Portanto, quanto maior a amostra, maior a precisão dos resultados. 
· Devido a isso, deve-se calcular exatamente a população do estudo para que ela tenha um tamanho adequado, uma precisão necessária e um custo viável.
· Utiliza-se como software de referência o OpenEpi.
· Depois de todas as análises, pega-se o n maior (que seja viável) e acrescenta 20% considerando perda amostral.
· NÃO esquecer de referenciar o(s) artigo(s) utilizado(s) para o cálculo.
EXEMPLO 1 ESTUDO TRANSVERSAL:
· Qual é a prevalência e fatores associados a HAS em usuários de UBS no município de Palhoça no ano de 2019?
· Existem várias variáveis que podem estar associadas a HAS. Dessa forma, o primeiro passo é definir as variáveis que serão estudadas. Isso pode ser feito por meio da leitura de artigos sobre o assunto. 
· Nesse exemplo foram definidas como variáveis: 
· Sexo
· Presença ou não de diabetes 
· Presença ou não de obesidade 
· Após a definição, pega-se um artigo como base para analisar os resultados relativos às variáveis escolhidas. 
· É importante saber os seguintes conceitos:
· Valor de p corresponde ao nível de significância. Para haver diferença estatística, o valor de p deve ser menor que 0,05 (<5%). Dessa forma, só podemos utilizar as variáveis que possuam significância estatística. 
· Razão de prevalência: nos mostra o quanto uma variável é mais prevalente em uma amostra do que em outra.
SEXO:
- Pode-se perceber que a variável SEXO não possui significância estatística, visto que o valor de p é maior que 0,05. 
- Além disso, verificou-se que a prevalência de hipertensão no sexo feminino e masculino são muito parecidas. 
· Para saber o número de pessoas que devem ser analisadas para essa variável, deve-se abrir o software OpenEpi clicar em tamanho da amostra clicar em coorte/EC clicar em entrar dados.- Os parâmetros nível de confiança e poder estatístico não são alterados. 
- Os únicos parâmetros modificáveis são a Razão de não expostos para expostos na amostra, Porcentagem de não expostos positivos e Porcentagem de expostos positivos.
- Como se trata de um estudo transversal, a Razão de não expostos para expostos na amostra é igual a 1. 
- No campo “Porcentagem de não expostos positivos”, deve-se colocar a prevalência de hipertensão no sexo masculino. Já no campo “Porcentagem de expostos positivos” deve-se colocar a prevalência de hipertensão no sexo feminino.
- Após inserir esses dados, clica-se em calcular. 
- Portanto, para identificar a diferença na prevalência de HAS entre sexo, seria necessária uma amostra de 4.226 participantes. 
- Em um trabalho de TCC, isso NÃO é viável, por exemplo.
DIABETES:- Pode-se perceber que a variável DIABETES possui significância estatística, visto que o valor de p é menor que 0,05. 
- Além disso, verificou-se que a prevalência de hipertensão em indivíduos que possuem diabetes e em indivíduos que não possuem é bem diferente. 
- Portanto, para identificar a diferença na prevalência de HAS em indivíduos com e sem diabetes, seria necessária uma amostra de 94 participantes, sendo muito mais viável.
IMC:
- Como se quer analisar apenas o IMC adequado e a obesidade, deve-se realizar um novo cálculo para a prevalência:
· 10,9% de 851 = 93 indivíduos com HAS e com IMC adequado. 
· 45,3% de 376 = 170 indivíduos com HAS e com obesidade.
· Novo total de indivíduos = 93+170 = 263.
· Novo cálculo de prevalência: 
· 93/263 x 100 = 35,4% com HAS e com IMC adequado.
· 170/263 x 100 = 64,6% com HAS e com obesidade.
Após colocar no software, foi constatado que para identificar a diferença na prevalência de HAS entre IMC adequado e obesidade, seria necessária uma amostra de 104 participantes.
 
· Portanto, com base na razão de prevalência de cada variável, deve-se analisar o número da amostra que o software calcula e verificar se é viável ou não para o estudo que se quer realizar. 
· Além disso, a razão de prevalência também deve ser levada em consideração. Ela também é fornecida pelo software:
· Sexo = 4226 RP = 1,2. Ou seja, a prevalênciade pessoas com HAS no sexo feminino é 1,2x maior do que no sexo masculino. 
· DM = 94 RP = 2,4. Ou seja, a prevalência de HAS em indivíduos diabéticos é 2,4x maior do que em não diabéticos. 
· IMC = 104 RP = 1,8. Ou seja, a prevalência de HAS em indivíduos obesos é quase 2x maior do que em indivíduos não obesos. 
· Com base nos dados do número amostral necessário e da razão de prevalência, escolhe-se o MAIOR n, desde que seja viável, e acrescenta + 20% considerando a perda amostral. Dessa forma, nesse exemplo, a melhor variável seria o IMC, visto que tem um bom n e uma boa razão de prevalência, e o tamanho amostral seria de 104 + 20% = 105 participantes.
· Exemplo de redação logo, uma amostra de 125 seria necessária para detectar com 95% de confiança e 80% de poder estatístico uma prevalência de aproximadamente o dobro (RP ≈ 2) de HAS entre os obesos, tendo como referência uma prevalência esperada de 64,6% de HAS na população obesa.
EXEMPLO 2 ESTUDO DE CASO-CONTROLE: 
· Quais são os fatores associados a sibilância recorrente em lactentes?
· Separa-se em duas amostras diferentes e compara-se: lactantes sibilantes (CASO) e lactantes não sibilantes (CONTROLE). 
· Com base em artigos científicos, deve-se analisar parâmetros específicos e verificar se há significância estatística. 
· Nesse exemplo foram definidas como variáveis:
· Antecedente familiar de asma 
· Dermatite atópica
· Rinite alérgica 
· Para saber o número de pessoas que devem ser analisadas para cada variável, deve-se abrir o software OpenEpi clicar em tamanho da amostra clicar em CC não pareado clicar em entrar dados.
· Importante ressaltar que como se trata de um estudo caso-controle, NÃO irá ter razão de prevalência e SIM ODDS RATIO (razão de chance), o qual significa “qual a chance de uma pessoa que tem certa comorbidade apresentar a doença estudada”, por exemplo. 
ANTECEDENTE FAMILIAR DE ASMA:- Pode-se perceber que a variável ANTECEDENTE FAMILIAR DE ASMA possui significância estatística, visto que o valor de p é menor que 0,05. 
- Como se trata de um estudo de caso-controle, a “Razão de controles por caso” pode ser modificada de acordo com o interesse do pesquisador. Além disso, essa alteração também é feita com base na facilidade ou dificuldade de achar casos ou controles. 
- Nessa variável, irá ser utilizada a razão de 2 controles por caso. 
- No campo “Porcentagem de controles expostos”, deve-se colocar a porcentagem dos lactentes não sibilantes. Já no campo “Porcentagem de casos com exposição” deve-se colocar a porcentagem de lactentes sibilantes.
- Após inserir esses dados, clica-se em calcular. 
- Portanto, para analisar a relação de antecedente familiar de asma com lactente sibilante e não sibilante, deve-se incluir 120 participantes, sendo 40 pertencentes ao grupo CASO e 80 ao grupo CONTROLE. 
DERMATITE ATÓPICA:- Portanto, para analisar a relação entre dermatite atópica e lactentes sibilantes e não sibilantes, seria necessário incluir 21.192 participantes no estudo.
- Pode-se perceber que a variável DERMATITE ATÓPICA não possui significância estatística, visto que o valor de p é maior que 0,05. 
RINITE ALÉRGICA:
 - Portanto, para analisar a relação entre rinite alérgica e lactentes sibilantes e não sibilantes, seria necessário incluir 134 participantes no estudo, sendo 45 pertencentes ao grupo CASO e 89 pertencente ao grupo CONTROLE. 
· Posteriormente, deve-se analisar o odds ratio de cada parâmetro:
· Antecedente familiar de asma = 120 OR = 3,26. Ou seja, existe 3,26 de chance de uma pessoa com antecedente familiar de asma desenvolver sibilância. 
· Dermatite atópica = 21.192 OR = 0,87. Ou seja, existe 0,87 de chance de uma pessoa com dermatite atópica desenvolver sibilância. Como o n foi muito elevado e o OR é muito baixo, esse parâmetro não tem significância no estudo em questão.
· Rinite alérgica = 134 OR = 3,84. Ou seja, existe 3,84 de chance de uma pessoa com rinite alérgica desenvolver sibilância. 
· Com base nos dados do número amostral necessário e do odds ratio, escolhe-se o MAIOR n, desde que seja viável, e acrescenta + 20% considerando a perda amostral. Dessa forma, nesse exemplo, a melhor variável seria a RINITE ALÉRGICA, visto que tem um bom n e um alto odds ratio. O tamanho amostral seria de 134 + 20% = 161 participantes, sendo 54 pertencentes ao grupo casos e 107 ao grupo controle. 
· Dessa forma, como se deve pegar o maior e mais viável n, o parâmetro escolhido para o estudo é a RINITE ALÉRGICA. 
· Exemplo de redação logo, uma amostra de 161 indivíduos (54 casos e 107 controles) foi calculada como necessária para detectar com 95% de confiança e 80% de poder, diferença pelo menos três vezes maiores (OR ≈ 3,0) nos casos, com ocorrência de exposição entre 10 e 36% nos controles.
· OBS: essas duas últimas porcentagens são com base no valor mínimo encontrado para o grupo controle e no valor máximo encontrado para o grupo caso. 
EXEMPLO 3 ESTUDO DE OBSERVAÇÃO: 
· Qual é a prevalência e fatores associados a ansiedade de professores da rede pública e privada de ensino?
· Nesse tipo de estudo, o instrumento gera apenas dados quantitativos. Ou seja, ele não irá determinar se a pessoa é ansiosa ou não, por exemplo. Ele determina apenas uma pontuação final, com base na qual podemos calcular a pontuação média e o desvio padrão. 
· Dessa forma, para saber o número de pessoas que devem ser analisadas para cada variável, deve-se abrir o software OpenEpi clicar em tamanho da amostra clicar em diferença de médias clicar em entrar dados.
- Portanto, são necessários 242 participantes para o estudo em questão. 
- Com base na análise desses dados, pode-se perceber que professores da escola pública apresentam maiores níveis de ansiedade do que os da escola privada. 
SELEÇÃO DA AMOSTRA: 
· Técnicas de amostragem:
· Probabilística ou aleatória: todos os integrantes da população possuem a MESMA chance de participar do estudo. Nesse caso, são realizados SORTEIOS para compor a amostra. 
· Amostragem aleatória simples.
· Amostragem sistemática.
· Amostragem estratificada.
· Amostragem de conglomerados.
· Não probabilística ou não aleatória: nesse caso, não são realizados sorteios. O pesquisador direciona o processo de escolha dos participantes do estudo.
· Amostragem por cotas.
· Amostragem por julgamento.
· Amostragem de estudos comparativos.
· Não existe uma técnica melhor que a outra. Isso irá depender do tipo de estudo que está fazendo.
AMOSTRAGEM ALEATÓRIA SIMPLES: 
· Nesse caso, qualquer subconjunto da população, com o mesmo número de elementos, tem a mesma probabilidade de fazer parte da amostra.
· É necessário ter uma lista completa contendo todos os elementos da população. Exemplo: nome dos pacientes, número dos prontuários. 
· Posteriormente, deve ser atribuído números a cada elemento para realizar o sorteio. 
· Lista completa numeração da lista sorteio. 
· Portanto, a amostragem aleatória simples consiste em selecionar a amostra por meio de um SORTEIO, o qual pode ser realizado com base em uma tabela de números aleatórios, programas computacionais, etc. 
· A forma de sorteio tem que estar clara no método da pesquisa. Exemplo: papel opaco em estudos randomizados, Excel, etc.
· Exemplo de utilização da tabela de números aleatórios:
· Com o objetivo de avaliar o nível de estresse acadêmico de alunos de graduação da área de Medicina da UNISUL/PB da nona fase, vamos extrair uma amostra aleatória simples de tamanho cinco (n=5). 
· A listagem dos alunos é apresentada a seguir:
· Para utilizar uma tabela de números aleatórios, precisamos associar cada elemento da população a um número:
· Na tabela de números aleatórios, o pesquisador possui autonomia para escolher por onde iniciar e quantos algarismos irá utilizar. Dessa forma, pode ser em qualquer linha ou coluna, em qualquer sentido e com quantos algarismos quiser. Através da ordem estabelecida, obtém-se os números sorteados. Nesse exemplo, o sorteio irá ser iniciado pela primeira linha, no sentido da esquerda para a direitae compreendendo 2 algarismos. 
· Como os números sorteados foram 01, 04, 11, 05 e 07, associa-se com os números e seus respectivos nomes da tabela:
· Exemplo de utilização de programas computacionais EXCEL:
· Colocar a lista dos nomes nas linhas do Excel. 
· Colocar a fórmula em uma coluna qualquer: =ALEATÓRIOENTRE(INFERIOR;SUPERIOR)
· Inferior = menor número da lista. Nesse exemplo é o 1. 
· Superior = maior número da lista. Nesse exemplo é o 16.
· Quando aperta no ENTER, ele fornece um número aleatório. 
· Dessa forma, realiza-se o sorteio até completar o número da amostra necessário. 
AMOSTRAGEM SISTEMÁTICA: 
· Consiste em escolher um indivíduo inicialmente de forma aleatória entre a população e posteriormente, selecionar para amostra cada enésimo indivíduo disponível no marco amostral. 
· Forma a amostra por intervalos regulares.
· Enésimo é o número que ocupa uma posição n dentro de uma sequência.
· Portanto, deve-se calcular o valor de retirada e com base nisso realiza-se um sorteio aleatório do primeiro participante. Depois aplica-se o valor da retirada para encontrar os demais sorteados. 
· 1. Divide-se o tamanho da população (N) pelo tamanho da amostra (n), obtendo um intervalo de retirada (k).
· 2. Sorteia-se o ponto de partida: corresponde ao primeiro indivíduo sorteado. 
· 3. A cada k elementos retira-se um para a amostra.
· Exemplo: 
· Usaremos como exemplo, a população dos N=16 alunos de graduação da área de Medicina da UNISUL/ PB da nona fase. Vamos usar uma amostragem sistemática para obtermos uma amostra de tamanho n=4. Calculemos, inicialmente o intervalo de seleção:
· População total (N) = 16. 
· Tamanho da amostra (n) = 4. 
· Intervalo de retirada (k) = N/n = 16/4 = 4. 
· Pega-se a tabela de números aleatórios. Nesse exemplo, o sorteio do primeiro participante irá ser iniciado pelo terceiro número de 1 algarismo da segunda linha, o qual é o 4. 
· Dessa forma, o número 4 corresponde à Beatriz. Portanto, ela está dentro do estudo. 
· Posteriormente, aplica-se o intervalo de retirada:
· 4+4 = 8, o qual corresponde ao Felipe. 
· 8+4 = 12, o qual corresponde ao Henrique. 
· 12+4 = 16, o qual corresponde a Larissa. 
· Quando um dos participantes se nega a participar do estudo, deve-se realizar um novo sorteio até obter um quantitativo necessário para o estudo. 
AMOSTRAGEM ESTRATIFICADA: 
· Consiste em dividir toda a população ou o “objeto de estudo” em diferentes subgrupos ou estratos diferentes, de maneira que um indivíduo pode fazer parte apenas de um único estrato ou camada. 
· Selecionam-se indivíduos utilizando qualquer técnica de amostragem em cada um dos estratos de forma separada.
· Tipos:
· PROPORCIONAL: 
· Depois de determinar os estratos, deve-se determinar qual a proporção que cada estrato representa de um quantitativo da amostra. 
· “A amostra deverá obter camadas que obtenham as mesmas proporções observadas na população.”
· UNIFORME: 
· “É necessário atribuir o mesmo tamanho de amostra para todas as camadas, independentemente do peso dos estratos da população.”
· Ou seja, irá englobar uma mesma quantidade de participantes em todos os grupos.
· Independente da proporção que cada estrato representa, é necessário saber apenas o total da amostra. Dessa forma, divide esse número pela quantidade de estratos.
 
· Exemplo de amostragem estratificada PROPORCIONAL:
· Com o objetivo analisar a função cognitiva de idosos diabéticos cadastrados em Unidades Básicas de Saúde do Recife, vamos realizar um levantamento por amostragem:
· Nesse exemplo, os estratos são as várias UBS. 
· Deve-se ligar para cada UBS para obter o número total de idosos cadastrados. 
· Posteriormente, deve-se calcular a proporção que cada UBS representa na população total número total de idosos em uma UBS e dividido pelo total de idosos na população em questão (N = 247).
· Nesse exemplo, vamos realizar uma amostragem estratificada proporcional por categoria, para obter uma amostra global de tamanho n=20. 
· Dessa forma, para obter o tamanho da amostra de cada UBS, deve-se pegar a proporção que cada UBS representa na população total e multiplicar por 20. Quando der um número quebrado, deve-se arredondar. 
· Com isso, iremos determinar o número de idosos necessários de cada UBS. Para escolher QUAIS idosos irão fazer parte do estudo, pode-se utilizar a amostragem aleatória simples.
· Exemplo de amostragem estratificada UNIFORME:
· No exemplo precedente, para se obter uma amostra estratificada uniforme de n=20, devemos selecionar 4 idosos de cada UBS (20/5 estratos = 4).
AMOSTRAGEM POR CONGLOMERADOS: 
· É uma técnica que explora a existência de grupos na população. 
· Deve-se definir os conglomerados (território, rua etc.)
· Posteriormente, selecionar os grupos para realizar o estudo, por amostragem aleatória simples ou amostragem sistemática.
· Existem 2 opções:
· Ou se observam todos os elementos dos conglomerados selecionados no primeiro estágio amostragem por conglomerados em um estágio.
· Ou faz-se nova seleção, tomando amostras de elementos dos conglomerados extraídos no primeiro estágio amostragem por conglomerados em dois estágios.
· Exemplo:
· Estudo que necessita ir em algumas residências de um determinado município. 
· Nesse município, existem 6 ruas. Isso são os conglomerados. 
· Posteriormente, deve-se sortear as ruas em que será feito o estudo. 
· Para isso, deve-se numerar cada rua. 
· A = 1
· B = 2
· C = 3
· D = 4
· E = 5
· Nesse exemplo, deverão ser sorteadas 3 ruas, no primeiro estágio. 
· Irá ser utilizado uma tabela de números aleatórios, começando pela primeira linha e utilizando apenas 1 algarismo. 
· Assim, as ruas sorteadas seguindo esse método são: A, B, D.
· No primeiro estágio, deve-se entrevistar todos os domicílios de cada rua sorteada. 
· A A1, A2, A3, A4, A5, A6. 
· B B1, B2, B3, B4, B5, B6, B7, B8, B9, B10, B11, B12, B13, B14. 
· D D1, D2, D3, D4. 
· Já no segundo estágio, pode-se delimitar a quantidade de domicílios a serem entrevistados daqueles sorteados previamente, devido a falta de tempo, recursos, equipe, etc. 
· Nesse exemplo, tomou-se como referência entrevistar 50% dos domicílios. 
· Com isso, escolhe-se uma linha aleatória da tabela de números e inicia o sorteio, selecionando 50% da quantidade total de residências naquela rua. Ou seja, para satisfazer a fração de amostragem de 50% em cada conglomerado, precisa-se selecionar:
· 3 domicílios da rua A. 
· 7 domicílios da rua B.
· 2 domicílios da rua D. 
· Portanto, faz-se nova seleção, tomando amostras de elementos dos conglomerados extraídos no primeiro estágio.
· Nesse caso, a amostra selecionada foi: A1, A2, A4, B1, B2, B3, B5, B7, B8, B9, D3 e D4.
AMOSTRAGEM POR COTAS: 
· A população é vista de forma segregada, dividida em diversos subgrupos.
· Divide-se a população do estudo em grupos.
· Estabelecer a meta de indivíduos a serem entrevistados para cada um desses grupos, de forma proporcional ao tamanho do grupo populacional. Ou seja, pode-se estabelecer proporções dentro de cada cota na hora de realizar a divisão. 
· Para finalizar, buscam-se por participantes para cobrir todas as cotas definidas.
· O processo de seleção não é por meio de sorteio. Pode ser feito através de convites diretos, por exemplo.
· Exemplo:
· Descrever o apoio social de idosos residentes em uma comunidade no município de Natal, Estado do Rio Grande do Norte, Brasil.
· Uma distribuição amostral por cotas, em que os idosos foram distribuídos de acordo com a proporção estimada de homens e mulheres para cada faixa etária, conforme parâmetros da Pesquisa Nacional por Amostra de Domicílios, da Fundação Instituto Brasileiro de Geografia e Estatística - PNAD/IBGE, realizada em 2007.
AMOSTRAGEM POR JULGAMENTO = CONVENIÊNCIA: 
· Os elementos escolhidos são aqueles julgados como típicos da população que se deseja estudar.
· Exemplo: 
· Estudo sobre a produção científica dos departamentos de ensino de uma universidade.
· Um estudioso sobre o assunto pode escolher os departamentos que ele considera serem aquelesque melhor representam a universidade em estudo.
AMOSTRAGEM POR ESTUDOS COMPARATIVOS: 
· Certas características são comparadas em duas, ou mais, populações por meio de amostras escolhidas por julgamento.
· Nos estudos comparativos, normalmente não se busca a generalidade, mas sim as diferenças entre os grupos em análise. Nesse contexto, as amostras devem ser as mais similares possíveis, diferindo apenas em relação ao fator de comparação (variável que se está estudando).
· Exemplo: 
· Comparar o hábito de fumar entre sujeitos com câncer de pulmão e a sujeitos saudáveis.
· Nesse caso, existem dois grupos que são similares no hábito de fumar, mas diferem pela presença ou não de câncer de pulmão. 
REFERÊNCIAS:
· BARBETTA, P. A. Estatística aplicada às ciências sociais. 7 ed. Florianópolis: Ed. da UFSC, 2011. 320 p. 
· FERREIRA, D. F. Estatística básica. Lavras, MG: Editora UFLA, 2005. 664 p. 
· DORIA FILHO, Ulysses. Introdução à bioestatística: para simples mortais. São Paulo: Elsevier, c1999. 152 p. MOTTA, Valter T. Bioestatística. Caxias do Sul: Educs, 2006. 190 p