Revisão de HG

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