A1 e A3 - Dissertação - Estatística e Epidemiologia

Prévia do material em texto

A1
Em estatística, um dos parâmetros mais importantes é a análise da confiabilidade, baseada
nos níveis de confiança necessários. Em estudos clínicos é comum que se admita um nível
de confiança de 95%, com valor de p equivalente a 0,05. Compreender corretamente esse
valor e a sua interpretação é essencial em bioestatística, não apenas para realizar estudos
científicos, mas também para analisar resultados em artigos e trabalhos publicados.
A partir dos conceitos apresentados, considere três situações.
Estudo 1: valor-p calculado em 0,015; em nível de confiança 98%.
Estudo 2: valor-p calculado em 0,7; em nível de confiança 95%.
Estudo 3: valor-p calculado em 0,02; em nível de confiança 95%.
Em qual(is) estudo(s) o valor-p é considerado “bom” e em qual(is) “ruim”?
Justifique sua resposta.
Resposta:
PASSEI DIRETO
No estudo 2 apresenta um valor de p considerado “ruim”, já nos estudos 1-3
apresentam um valor de p considerado “bons”. Em estudos clínicos é comum
que se admita um nível de confiança de 95%, com valor de p equivalente a
0,05. Observando isto podemos dizer que o valor p aceitável é igual ou maior
que 5%. Analisando os três estudos, verifiquei que o estudo 1-3 o valor p é
considerado bom visto que 0,015 = 1,5% e confiança de 98%, 0,02 = 2%
confiança de 95% portanto valores p baixos, seus dados não são prováveis
com uma hipótese nula verdadeira, e estudo 2 o valor de p e considerado ruim
tendo em vista 0,7 = 70% confiança de 95%, neste caso tem grande chance de
ser um falso positivo.
O valor p é definido como a probabilidade de se observar um valor estatístico
em um teste realiza do, podendo ser maior ou igual ao encontrado, o que
indicará as chances desse valor se uma hipótese real ou nula.
CHATGPT
Considerando que um valor de p menor que 0,05 (ou 5%) é frequentemente
considerado "bom" e indica significância estatística, o Estudo 1 possui um valor de p
de 0,015, o que é menor que 0,05, e além disso, possui um nível de confiança de
98%. Isso significa que há evidências estatisticamente significativas para rejeitar a
hipótese nula neste estudo. Portanto, o Estudo 1 seria considerado "bom".
Por outro lado, no Estudo 2, o valor-p é 0,7, muito maior que 0,05, indicando falta de
significância estatística, mesmo com um nível de confiança de 95%. Isso sugere que
não há evidências estatisticamente significativas para rejeitar a hipótese nula neste
estudo. Assim, o Estudo 2 seria considerado "ruim" em termos de evidências
estatísticas.
Por fim, o Estudo 3 possui um valor-p de 0,02, que é menor que 0,05, indicando
significância estatística. Apesar de o nível de confiança ser igual ao do Estudo 2
(95%), o valor de p menor sugere que há evidências estatisticamente significativas
para rejeitar a hipótese nula neste estudo, tornando-o "bom" em termos de
evidências estatísticas.
Portanto, resumindo:
● Estudo 1: Valor-p considerado "bom"
● Estudo 2: Valor-p considerado "ruim"
● Estudo 3: Valor-p considerado "bom"
A3
Os parâmetros estatísticos são essenciais para as métricas epidemiológicas. Por exemplo,
o monitoramento de determinada condição patológica é essencial para compreender a
possibilidade de início de um surto que progride para uma endemia, epidemia ou pandemia.
Vamos considerar uma situação hipotética, em que os seguintes dados foram coletados
pela vigilância epidemiológica.
Cidade A: 80 casos diagnosticados no ano de 2010, em uma população de 25.000
habitantes.
Cidade A: 400 casos diagnosticados no ano de 2020, em uma população de 29.000
habitantes.
Cidade B: 20 casos diagnosticados no ano de 2010, em uma população de 7.000
habitantes.
Cidade B: 30 casos diagnosticados no ano de 2020, em uma população de 15.000
habitantes.
Agora responda: qual métrica de frequência pode ser utilizada nos dados obtidos? Faça os
cálculos e discuta os resultados.
Resposta:
CHATGPT
Para analisar a frequência de casos de uma condição patológica em relação à
população, uma métrica comum é a taxa de incidência. A taxa de incidência permite
comparar o número de casos novos de uma doença em uma população em um
determinado período de tempo.
A fórmula para calcular a taxa de incidência é:
Taxa de incidência = Número de novos casos X Fator de ajuste
população em risco
Cálculo da taxa de incidência para as duas cidades, considerando os dados de 2010
e 2020:
Cidade A (2010):
Número de novos casos: 80
População em risco: 25.000
Taxa de incidência = 80 / 25.000 x 1000
Taxa de incidência em 2010 para a Cidade A = 3,2 casos por 1000 habitantes.
Cidade A (2020):
Número de novos casos: 400
População em risco: 29.000
Taxa de incidência = 400 / 29.000 x 1000
Taxa de incidência em 2020 para a Cidade A = 13,79 casos por 1000 habitantes.
Cidade B (2010):
Número de novos casos: 20
População em risco: 7.000
Taxa de incidência = 20 / 7.000 x 1.000
Taxa de incidência em 2010 para a Cidade B = 2,86 casos por 1000 habitantes.
Cidade B (2020):
Número de novos casos: 30
População em risco: 15.000
Taxa de incidência = 30 / 15.000 x 1.000
Taxa de incidência em 2020 para a Cidade B = 2 casos por 1000 habitantes.
Ao analisar os resultados, percebemos que a taxa de incidência aumentou
significativamente de 2010 para 2020 em ambas as cidades. Isso sugere um
aumento na frequência de casos por 1000 habitantes ao longo desse período. Essa
métrica pode ser útil para avaliar e comparar o impacto da condição patológica nas
duas cidades durante esses anos específicos.