Introdução à Bioestatística Tipos de variáveis e níveis de mensuração

Prévia do material em texto

Introdução à Bioestatística Tipos de variáveis e níveis de mensuração
Por que estudar Bioestatística?
➔ Estatística
“É a ciência que tem por objetivo orientar a
coleta, o resumo, a apresentação, a análise e a
interpretação de dados.” – (Callegari-Jacques,
2003)
“É a ciência que fornece os princípios e os
métodos para coleta, organização,
resumo, análise e interpretação de dados.” –
(Vieira, 2011)
Auxiliar na tomada de decisões Compreender
as relações entre variáveis.
➔ Bioestatística
“Aplicação das técnicas estatísticas às ciências
biológicas e da saúde em geral.”
Alguns testes estatísticos são muito aplicados
na área da saúde para:
➢ Testar hipóteses
➢ Avaliação adequada da
VARIABILIDADE observada nos
processos biológicos.
➢ A idade é um fator de risco?
➢ A associação observada é real ou foi
observada ao acaso.
Aplicações da Bioestatística: “Se eu não pretendo atuar no meio científico, preciso aprender
estatística?”
➔ Prática profissional!
Estatística
Descritiva:
➔ Resumo e a apresentação dos dados
*Análise exploratória dos dados
*Tabelas e gráficos
*Medidas de posição ou tendência
*Medidas de frequências
*Medidas de dispersão
Inferencial
➔ Ajuda a concluir sobre conjuntos
maiores de dados (populações)
quando apenas partes desses
conjuntos (as amostras) foram
estudadas.
➔ Tomada de decisão baseado em
probabilidades.
População e amostra
População ou Universo:
➔ “É o conjunto de todas as pessoas,
sujeitos, organismos ou objetos que
possuem uma ou mais características
em comum.” ( Martinez, 2015)
➔ Tamanho Infinito da População - Pode
ser composta de um número tão
grande de elementos, que às vezes
não é possível quantificá-lo.
➔ Tamanho Finito – Quando é possível
quantificar os elementos, mesmo
sendo bastante amplo na maioria das
situações.
➔ Censo: estudo que utiliza dados de
toda uma população.
Amostra:
➔ “É todo subconjunto de unidades
retiradas de uma população para
obter a informação desejada.” (Vieira,
2011)
➔ “É uma parte selecionada da
totalidade de elementos da
população.” (Martinez, 2015)
O número de indivíduos selecionados
para a amostra e a técnica de seleção
são importantes para que os
resultados obtidos sejam
generalizados para a população-alvo.
Por que os estudos utilizam AMOSTRAS?
➔ Custos financeiros
➔ Demora da coleta de informações dos
censos
➔ Populações muito grandes
Impossibilidade física de avaliar toda
a população
➔ Comprovado valor científico das
informações coletadas por meio de
amostras
➔ Amostras representativas da
população: “Miniatura” da população
com características similares,
permitindo tirar conclusões para a
população da qual foi retirada;
➔ Amostra enviesada ou tendenciosa:
Não representa adequadamente a
população de origem e não permite
conclusões generalizadas.
Exemplo: Objetiva-se investigar os
hábitos alimentares das crianças de
Belo Horizonte. A coleta de dados foi
realizada na praça de alimentação de
um shopping da cidade. Podemos
afirmar que os resultados
representam os hábitos alimentares
de todas as crianças de Belo
Horizonte?
➔ É possível fazer INFERÊNCIA ESTATÍSTICA sobre uma determinada POPULAÇÃO através do
estudo de uma AMOSTRA representativa;
➔ AMOSTRAGEM: Diversos procedimentos para obtenção de uma amostra representativa.
Parâmetro e Estimativa
Parâmetro: é um valor que resume na
população a informação relativa a uma
variável.
Exemplo: a média de estatura das crianças
matriculadas no 5º ano da escola X é de 115
cm.
*Todos os alunos da turma foram avaliados,
portanto, a informação é referente à toda
população.
*A média observada é um parâmetro.
Estimativa: obtida a partir da amostra de uma
população.
Exemplo: se tivessem estudado uma amostra
de crianças matriculadas no 5º ano da escola
X , a média de estatura observada constituirá
uma estimativa do parâmetro.
Realizar inferência sobre o parâmetro.
➔ Parâmetro: é um valor que resume na população a informação relativa a uma variável.
➔ Estimativa: obtida a partir da amostra de uma população.
Variável e dado
Variável:
➔ Toda característica ou atributo que pode variar de um indivíduo para outro.
➔ Pode também variar no mesmo indivíduo em momentos diferentes.
➔ Informação de interesse a ser analisada.
➔ Exemplos: idade, pressão arterial, peso, renda, nível de atividade física.
Dado:
➔ “São as informações (numéricas ou não) obtidas de uma amostra.”
➔ “São os valores da variável em estudo.
Tipos de variáveis:
Importante classificar as variáveis de acordo com a sua natureza => escolha da análise estatística
adequada para os dados.
Variáveis qualitativas (categórica):
fornecem dados de natureza não-numérica. Descrevem classificações, atributos ou qualidades.
Exemplos: o sexo de um paciente, cor do cabelo, gravidade de uma doença.... Mesmo que os dados
possam ser codificados numericamente (masculino = 1; feminino = 2), os números aqui são apenas
símbolos sem valor quantitativo.
Qualitativa Nominal:
➔ Os indivíduos são classificados em categorias,
segundo uma característica.
➔ O número de categorias da variável permite
classificar a variável em dicotômica ou politômica.
➔ Não há uma ordem natural para classificações.
Exemplos: sexo (masculino e feminino), diabetes
(persente/ausente), tipo sanguíneo (A, B, AB ou
O).
Qualitativa Ordinal:
➔ Assume classificações que podem ser descritas
em ordem natural.
Exemplos: nível de escolaridade (ensino
fundamental, médio, superior), classe econômica
(A, B, C, D, E), classificação do IMC (baixo peso,
eutrofia e excesso de peso).
Variáveis quantitativas:
são aquelas cujos dados são valores numéricos que expressam quantidades.
Exemplos: o peso dos indivíduos, a concentração sérica de colesterol, o número de pessoas
residentes no domicílio.
Quantitativas Discretas:
➔ Em geral, o resultado numérico da
mensuração é um valor inteiro,
resultante de um processo de
contagem.
Exemplos: número de filhos (nenhum,
1, 2, 3, 4 etc.), número de bactérias
em um volume de urina, tamanho da
família, número de casos de febre
amarela em MG.
Quantitativas Contínuas:
➔ O resultado numérico pode
apresentar qualquer valor dentro um
intervalo de variação possível.
➔ Seus resultados são geralmente
provenientes de uma mensuração.
Exemplos: peso (kg), IMC (kg/m2 ),
idade (anos), concentração sérica de
glicose (mg/dL).