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).