Baixe o app para aproveitar ainda mais
Prévia do material em texto
Ana Clara Silva Freitas 1 Habilidades Gerais V Análise inferencial A hipótese nula: Significa NEUTRALIDADE, é o contrário do que o autor que provar; Em geral compara 2 situações/grupos; p>0,05 ACEITA a hipótese nula, ou seja, não existe diferença, não existe correlação ou relação entre as situações avaliadas Quando p>0,05 é insignificante estatisticamente. p<0,05 REJEITA a hipótese nula, ou seja, existe diferença entre as situações avaliadas, assim aceita a hipótese alternativa quando p<0,05 é significante estatisticamente. OBS: Uma diferença estatisticamente relevante nem sempre é clinicamente relevante. E quando é clinicamente relevante? É quando a diferença entre as duas terapias é suficientemente grande para justificar a mudança no tratamento. Erro do tipo 1: o É quando a hipótese nula verdadeira é rejeitada Falso positivo. Erro do tipo 2: o É quando a hipótese nula é falsa e é aceita. É mais comum em amostras pequenas. Quando a hipótese é nula a amostra é normal, nesse caso, são utilizados média e desvio padrão. Quando a hipótese é alternativa a amostra é não normal, nesse caso, são utilizados mediana e intervalo interquartil. Intervalo de confiança (IC): É a medida de estimativa de resultado; IC de 95% indica que a probabilidade do intervalo incluir a verdadeira magnitude do resultado é de 95%; É mais confiável em maior tamanho amostral; Maior tamanho amostral Maior precisão Menor IC; Maior intervalo, menor precisão e vice versa; O IC não pode passar do fator protetor o Fator protetor < 1; o Fator de risco > 1. p significante, IC dentro do fator protetor. Variável: Quantitativa (numérica): o Discreta: valores inteiros (ex.: número de filhos); o Contínua: resultam de uma medição em um intervalo (ex.: idade, peso, altura...) Qualitativa (categórica): o Nominal: não existem ordem (ex.: sexo feminino e masculino); o Ordinal: existe uma ordem (ex.: classe social); o Dicotômica: existe apenas duas opções de respostas (ex.: possui DM? Sim ou não). Variável independente: é a questão avaliada no estudo; Variável dependente: são os fatores relacionados. Ana Clara Silva Freitas 2 Ex.: Um estudo está avaliando os fatores de risco para o câncer de mama em uma cidade específica. Para isso ele comparou grupos de mulher com câncer de mama e sem o câncer. Os resultados do estudo estão na tabela a seguir: Nesse exemplo as variáveis independentes são: mulheres com CA e mulheres sem CA, nesse caso, ambos são categóricas. As variáveis dependentes são todas listadas na coluna de características, nesse exemplo existem variáveis dependentes categóricas (ex.: raça) e numéricas. Análise descritiva Descreve as sínteses dos dados: o Medidas de tendência central: o Numérica: média e mediana; o A moda não é utilizada na saúde. o Medidas de dispersão: determina a variabilidade do conjunto o Amplitude: maior amplitude, maior variabilidade. o Intervalo interquartil (IQQ): divisão do conjunto em 4 partes iguais. o Desvio padrão (DP): medida de variabilidade. Menor DP, menor variabilidade o Formas de apresentação: o IIQ Mediana; o DP média. Análise de normalidade Distribuição normal: tem suas propriedades matemáticas próximas a curva de Gauss. Por que avaliar a normalidade? o É importante para saber a melhor forma de sintetizar os dados. Como avaliar? o Histograma (avaliar a curva de Gauss); Ana Clara Silva Freitas 3 o Tamanho do DP; o Diferença entre moda e mediana; o Skewness; o Kurtosis. Curva de Gauss: o Distribuição normal pouca variabilidade; o É aceitável que a distribuição seja normal quando o DP vai até 50% da média; Menor DP menor variabilidade maior normalidade. o Curva de normalidade Normal Simetria; o Quanto mais próximo o valor da média e da mediana, mais próximo está da realidade. Skewness: o Define o quanto simétrico é a curva de Gauss; o Negativa (cauda para esquerda): mediana > média; o Positiva (cauda virada para direita): mediana < média; o Valor 0: simetria absoluta; o A simetria pode variar de -5 a 5, quanto mais próximo de 0, melhor. Kurtosis: o É o achatamento da curva; o Quanto maior a variabilidade, maior a largura da curva mais distante da normalidade; o Valor 1 é a altura perfeita. Testes estatísticos de normalidade: o Kolmogorov-Sminorv: amostra grande > 50 pessoas o Shapiro –Wilk: amostra pequena < 50 pessoas. Quando saber se é paramétrico ou não paramétrico: o Quando se tem p normal ou média e DP Análise PARAMÉTRICA; o Quando se tem p não normal ou mediana e IIQ Análise não paramétrica; o Hipótese nula aceita amostra normal; o Hipótese alternativa aceita amostra não normal. Ana Clara Silva Freitas 4 Habilidades Gerais VI Análise inferencial É preciso avaliar as variáveis categóricas, a partir disso checamos se o estudo é pareado ou não e as medidas paramétricas ou não paramétricas: média e DP, mediana e IIQ. Não olhar de cara o valor de p. A partir de então analisamos os testes que podem ser utilizados em determinado estudo. Pareado: mesmo grupo avaliado em 2 momentos diferentes (intragrupo; Não pareado: o Mesmo grupo avaliado em um único momento; o Grupos diferentes (intergrupo) avaliados em momentos diferentes ou em um único momento Variáveis Paramétricas Não paramétricas Categórica + Categórica (não importa a quantidade) Qui-quadrado (não pareado); Mec nemar (pareado) 2 categóricas + numérica Teste T não pareado /independente; Teste T pareado Mann-Whitney Wilcoxon 3 categórica ou mais + numérica ANOVA Kruskal-Wallis Numérica + numérica Correlação Pearson Correlação Spearman Qui-quadrado o Os grupos são independentes entre si; o Não pareado o Determina a associação. Mec-Nemar: o Variáveis dicotômicas pareadas (antes e depois). OBS: nesses dois testes olhamos somente o quesito pareamento, avaliar aqui se é paramétrico ou não, não se faz necessário. Teste T pareado: o Avaliação intragrupo; o Amostra paramétrica; o Objetivo: comparar a média. Teste T não pareado: o Comparação de média em dois grupos independentes; o Desfecho é numérico. OBS: os testes T só servem para estudos paramétricos. Não avaliar p para definir paramétricos ou não. Avalia p para saber se é significante ou não. Ana Clara Silva Freitas 5 Mann-Whitney: o 2 grupos independentes; o Avaliação intergrupo; o Desfecho numérico assimétrico; o Expresso em mediana e IIQ. Wilcoxon: o Avaliação intragrupo; o É pareado, pois avalia 2 momentos com o mesmo indivíduo; o Representado por mediana, se for gráfico é representado através de Boxplot. Segue um exemplo de Boxplot: Como interpretar: Quanto a simetria: Um conjunto de dados que tem uma distribuição simétrica, terá a linha da mediana no centro do retângulo. Quando a linha da mediana está próxima ao primeiro quartil, os dados são assimétricos positivos e quando a posição da linha da mediana é próxima ao terceiro quartil, os dados são assimétricos negativos. Ana Clara Silva Freitas 6 OBS: Existem casos de gráficos Boxplot que vão dar dois valores de p. Nesses casos, o p da figura avalia se o estudo é paramétrico ou não e o p de Kolmorov avalia se é significante ou não. ANOVA: o Desfecho numérico com distribuição normal; o + de 2 grupos independentes; o Caso p< 0, 05, utilizar Turkey e Bonferini, os quais são TESTES POST HOC; o Os testes post hoc identificam quais os grupos apresentam médias diferentes. Kruskal-Wallis: o É semelhante ao ANOVA; o + de 2 grupos independentes; o Análise não paramétrica. Parâmetros de correlação: Pode ser negativa ou positiva Pode variar de -1 a 1 Para ter correlação necessita de um p<0,05 Interpretação da correlação: Correlaçãode Pearson: o 2 variáveis numéricas; o As 2 variáveis precisam apresentar uma distribuição normal. Correlação Spearman: o 2 variáveis numéricas; o Pelo menos 1 necessita apresentar uma distribuição não paramétrica
Compartilhar