Resumo MEP II

Prévia do material em texto

O objetivo é descrever qual a forma de 
desenvolvimento da pesquisa que seja rápido, de baixo 
custo e simples de operacionalizar. O planejamento é 
importante para que a pesquisa não seja frustada, nem 
no meio e nem no fim. Então, a metodologia tem que 
ser correta para que não ocorra. . 
 
 de estudos
 Não intervir nos eventos. Ou seja, apenas observar 
tendo uma coleta de dados que ja existem sem ter 
intervenção direta, sem ter dados experimentais. Podem 
ser descritivo ou analítico. 
 Estudo transversal
 Estudo ecológico 
Descritivo: estuda para descrever um determinado 
fato, não possui nenhum tipo de analise. Podendo ser 
o relato de casos (relato de um a três casos) ou série 
de casos (acima de 10 casos), onde esse estudo não 
faz nenhum tipo de intervenção. 
Analítico: paramentos de comparação, de analise, para 
o levantamento de dados, podendo ser observacionais 
ou experimentais. 
 É um estudo do momento, fazendo a descrição 
nesse momento. (fotografia do momento). Não ocorre 
uma analise temporal. Sua analise vai estar relacionado 
a população inteira ou uma amostra (estudo escolar, 
um determinado bairro), observando a doença e a 
exposição (tudo junto), sendo que com base nesse 
tudo pode fazer um planejamento em saúde. 
 Exemplo: em 100 pessoas examinadas, quantos 
fazem ingestão de álcool frequentemente e 
apresentam lesões de mancha branca na mucosa oral. 
(Doença e exposição ao mesmo tempo). 
Identificar novos fatores de risco, planejar serviços e 
programas de saúde, avaliar serviços e programas de 
saúde (ex. Cobertura da vacina), medir a frequência de 
doença, medir a frequência e as características de 
fatores de risco conhecidos. 
Vantagens: medem a prevalência, doenças 
comuns, uteis para o planejamento de saúde, rápidos 
e baratos. 
 Desvantagens: não tem relação temporal entre a 
exposição e doença, pois é algo do momento. 
Vantagens: baixo custo e rápida execução, 
possui muitos dados disponíveis, possibilidade de 
examinar a associação entre a doença/condição 
relacionada ao coletivo.
Epidemiológicos 
TIPOS 
 É um estudo a um conjunto da população (bairros, 
municípios, regiões, países), que procuram avaliar os 
contextos sociais e ambiental que pode afetar na saude 
de grupos populacionais, comparando a doença e um 
determinado fator de risco com a exposição. 
 Caso controle 
CONCEITO 
ESTUDO OBSERVACIONAL 
Analíticos 
 O estudo caso-controle é um estudo 
observacional retrospectivo, isto é, os dados são 
coletados a partir de informações do passado, 
através da análise de registros, entrevistas e assim 
por diante. 
 O objetivo desse estudo é identificar a 
frequência com que ocorrem as exposições nos 
diferentes grupos (casos e controles). 
 Os indivíduos de uma mesma população são 
selecionados para o estudo em função da presença 
ou não da característica de interesse (casos ou não-
casos = controles). Esta característica de interesse 
geralmente é alguma doença, mas não é uma regra 
ser uma doença.
 Este tipo de estudo parte da doença e estuda a 
exposição, visando a busca de fatores de risco.
Vantagem: analisar doenças raras, exige pouco 
tempo e o custo é relativamente menor, comparado 
ao de coorte. 
Desvantagens: pode ser difícil de determinar a 
população e a exposição. . 
 A comparação das chances de exposição entre 
casos e controles é a forma de avaliar a associação 
entre exposição e a característica ou doença de 
interesse. 
@dicas.demed
 Coorte 
 É um estudo no qual, inicialmente os indivíduos 
estão saudáveis e terá um acompanhamento. 
 Esses indivíduos que compartilham fatores comuns 
de exposição, como por exemplo, fumantes e não 
fumantes, são acompanhados ao longo do tempo e 
investigados por pesquisadores que vão coletando e 
agrupando vários dados sobre estes grupos de 
pessoas.
 Neste tipo de estudo parte da exposição em 
busca do desfecho, podendo ser alguma doença 
futura. (Ex.: habito de fumar e câncer de pulmão).
Vantagens: a exposição ligará a um problema certo, 
não sendo duvidoso, sendo menos sujeira a erros. 
Como também, pode-se avaliar várias características 
de interesse. 
Desvantagens: demora muito tempo, é difícil de 
operacionalizar, o estudo pode ficar incompleto por 
perdas de pacientes. 
Descritivos 
 Ensaio clínico randomizado 
 É um estudo para a obtenção de evidências, 
onde se baseia na comparação entre duas ou mais 
variações que são controladas pelos pesquisadores, 
sendo aplicado de uma forma aleatória. 
 Pode ser um estudo para testar a eficácia de 
uma intervenção, podendo comparar uma 
determinada investigação com outra, como também 
com uma placebo. 
Vantagens: as doses podem ser administradas pelo 
pesquisador, permite a coleta de informações 
detalhadas e pode diminuir os erros nos resultados. 
Desvantagens: custo elevado e amostra muito 
grande.
 Ensaio de campo 
 A distribuição da amostra deve ser de caráter 
aleatório, onde os dados são coletados na população 
no geral, para garantir que os grupos sejam 
homogêneos, sendo que após a intervenção em um 
grupo, os resultados são avaliados.
Desvantagens: maior duração de tempo e alto 
custo. 
 Ensaio comunitário 
 O grupo de tratamento é a comunidade e não 
o indivíduo, que deve ser controlada visando a 
avaliação da segurança e eficácia da intervenção.
 Parte da causa (exposição) para o efeito 
(doença). 
 Incluem a descrição das características e desfechos 
entre indivíduos de um grupo com uma doença ou 
exposição (que pode ser uma intervenção) durante um 
período de tempo e sem grupo controle. Os dados são 
coletados retrospectivamente ou prospectivamente, e 
não há randomização.
 É um estudo que acompanha pacientes com uma 
exposição conhecida a um dado tratamento similar ou 
analisa os prontuários médicos para avaliar a relação 
entre exposição e desfecho.
 
 Série de casos 
 Relato de casos 
 É o estudo que mais se identifica com o médico 
clínico, tendo uma descrição do caso, técnica ou 
situação. 
 Geralmente, são a primeira fonte de evidências 
para novas terapias (cirúrgicas ou clínicas) e para 
detecção de efeitos adversos raros de medicamentos
ESTUDO EXPERIMENTAL 
 
 O pesquisador irá intervir, testar o efeito 
dessa intervenção. São dados colhidos, avaliados 
ou testados pelo pesquisador. Essa pesquisa tem a 
finalidade de descobrir algo desconhecido ou 
testar uma nova hipótese. 
 O Objetivo tentar mudar uma variável em um 
ou mais grupos de pessoas. Isso pode significar a 
eliminação de um fator alimentar relacionado a 
uma causa alérgica ou o teste de um novo 
tratamento para um grupo selecionado de 
pacientes.
@dicas.demed 
REFERÊNCIAS: 
- https://www.revistas.usp.br/rmrp/article/view/199
- https://www.sboc.org.br/app/webroot/leitura-critica/LEITURA-
CRITICA_C7.pdf
- https://adm.online.unip.br/img_ead_dp/49775.PDF
@dicas.demed
Conceitos 
Epidemiológicos 
INCIDÊNCIA 
 É uma medida da ocorrência de novos casos 
durante um período especificado em uma população 
em risco de ter a doença. Portanto, contamos apenas 
os casos novos como se fosse um “filme” sobre a 
ocorrência da doença, no qual cada quadro pode 
conter um novo caso ou novos casos 
ENDEMIA 
PANDEMIA 
EPIDEMIA 
SURTO 
PREVALÊNCIA 
VIGILÂNCIA EPIDEMIOLÓGICA 
 É a ocorrência de determinada doença que 
acomete sistematicamente populações em espaços 
característicos e determinados, no decorrer de um 
longo período, (temporalmente ilimitada), e que 
mantém uma de incidência relativamente constante, 
permitindo variações cíclicas e sazonais.
 Ou seja, ocorre quando a doença é recorrente 
na região, mas não há um aumento significativo no 
número de casos e a população convive com ela. 
 Como exemplos, temos a dengue, que possui 
caráter endêmico no Brasil, porque ocorre durante o 
verão em certas regiões. E a febre amarela, sendo 
uma doença daregião norte do Brasil. 
 É a ocorrência em uma comunidade ou região 
de casos de natureza semelhante, claramente 
excessiva em relação ao esperado. O conceito 
operativo usado na epidemiologia é: uma alteração, 
espacial e cronologicamente delimitada, do estado de 
saúde-doença de uma população, caracterizada por 
uma elevação inesperada e descontrolada dos 
coeficientes de incidência de determinada doença, 
ultrapassando valores do limiar epidêmico 
preestabelecido para aquela circunstância e doença.
 Ou seja, se caracteriza quando um surto 
acontece em diversas regiões. Uma epidemia a nível 
municipal acontece quando diversos bairros 
apresentam uma doença, a epidemia a nível estadual 
acontece quando diversas cidades têm casos e a 
epidemia nacional acontece quando há casos em 
diversas regiões do país.
 É a disseminação mundial de uma nova doença 
e o termo passa a ser usado quando uma epidemia, 
surto que afeta uma região, se espalha por 
diferentes continentes com transmissão sustentada 
de pessoa para pessoa. 
 Como exemplo, temos a COVID-19. 
 Se refere ao número de casos existentes de uma 
doença em um dado momento; é uma “fotografia” 
sobre a sua ocorrência, sendo assim uma medida 
estática. 
 Os casos existentes são daqueles que adoeceram 
em algum momento do passado, somados aos casos 
novos dos que ainda estão vivos e doentes. Portanto, 
conta os eventos já existentes. 
 É a situação em que há aumento acima do 
esperado na ocorrência de casos de evento ou 
doença em uma área ou entre um grupo específico 
de pessoas, em determinado período. Ressalta-se que, 
para doenças raras, um único caso pode representar 
um surto.
 É definida pela Lei n° 8.080/90 como um 
conjunto de ações que proporciona o conhecimento, 
a detecção ou prevenção de qualquer mudança nos 
fatores determinantes e condicionantes de saúde 
individual ou coletiva, com a finalidade de recomendar 
e adotar as medidas de prevenção e controle das 
doenças ou agravos. 
 Possui como o objetivo principal fornecer 
orientação técnica permanente para os profissionais 
de saúde, que têm a responsabilidade de decidir 
sobre a execução de ações de controle de doenças 
e agravos.
@dicas.demed
- http://www.capcs.uerj.br/
qual-a-diferenca-entre-
prevalencia-e-incidencia
- https://
unasus2.moodle.ufsc.br/
pluginfile.php/33454/
mod_resource/content/1/un1/
top5_1.html
- https://www.saude.go.gov.br/
vigilancia-em-saude/vigilancia-
sanitaria
VIGILÂNCIA SANITÁRIA
 É um conjunto de ações capaz de eliminar, 
diminuir ou prevenir riscos à saúde e de intervir nos 
problemas sanitários decorrentes do meio ambiente, 
da produção e circulação de bens e da prestação de 
serviços de interesse da saúde, abrangendo: o 
controle de bens de consumo que, direta ou 
indiretamente, se relacionem com a saúde, 
compreendidas todas as etapas e processos, da 
produção ao consumo; e o controle da prestação de 
serviços que se relacionam direta ou indiretamente 
com a saúde.. Podendo atuar em: 
• Locais de produção, transporte e comercialização 
de alimentos;
• Locais de produção, distribuição, comercialização de 
medicamentos, produtos de interesse para a 
saúde;
• Locais de serviços de saúde;
• Meio ambiente;
• Ambientes e processos do trabalho/saúde do 
trabalhador;
• Pós-comercialização;
• Projetos de arquitetura;
• Locais públicos;
REFERÊNCIAS
@dicas.demed
INDICADORES EPIDEMIOLÓGICOS 
 Os indicadores epidemiológicos são importantes 
para representar os efeitos das ações de 
saneamento - ou da sua insuficiência - na saúde 
humana e constituem, portanto, ferramentas 
fundamentais para a vigilância ambiental em saúde e 
para orientar programas e planos de alocação de 
recursos em saneamento ambiental no país.. 
 Os principais indicadores são: fecundidade, 
esperança de vida, natalidade, estrutura etária e a 
distribuição por sexo. 
 Analisa a distribuição e os fatores determinantes 
das enfermidades, danos a saúde e eventos 
associados a saude coletiva, propondo medidas 
específicas de prevenção, controle ou erradicação de 
doenças, fornecendo indicadores que sirvam como 
suporte de planejamento, administração e avaliação. 
Valor absoluto: é um numero que indica o seu 
valor sozinho, não depende de posição que se 
encontra. 
Valor relativo: depende de ordem, posição, por 
exemplo, o numero 989, o algarismo 9, o seu valor 
relativo é 900. 
MORBIDADE 
 É uma variável característica das comunidade de 
seres vivos, que se refere ao conjunto de casos de 
uma soma de agravos a saude que atinge um grupo de 
indivíduos, que são capazes de produzir uma doença. 
 Para que se possa acompanhar a morbidade da 
população, é preciso que tenha medidas padrão de 
morbidade, onde será a prevalência e a incidência. 
 Mede o número de casos, episódios ou eventos 
existentes, e o número de pessoas de uma população. 
Coeficiente 
 De
Prevalência 
Nº de casos existentes 
População do mesmo local e período 
Prevalência = incidência x duração 
MORTALIDADE 
 O número de óbitos e de nascimento é muito 
importante para a avaliação da população. 
 Os coeficientes de mortalidade são: mortalidade 
geral, infantil, neonatal precoce, neonatal tardia, perinatal, 
materna e específico por doença. 
Mortalidade 
Óbitos (ano) 
População total 
X 1000
Mortalidade 
 Infantil 
Óbitos < 1 ano (ano) X 1000
Nascidos vivos 
Estatística 
 Bioestatística 
 Bioestatística um conjunto de técnicas destinadas 
ao estudo quantitativo de fenômenos coletivos e 
observáveis. . Ela fornece caminhos para interpretar 
dados que não poderiam ser analisados apenas em 
estudos qualitativos.
 Tem como principal objetivo realizar o 
planejamento, a coleta, a análise, a tabulação e a 
interpretação de informações, extraindo delas 
conclusões que permitem a tomada de decisões, 
como também fornecer métodos para inferir 
conclusões sobre um universo maior a partir das 
observações de um fenômeno particular. 
Estatística descritiva 
 É a etapa inicial da análise de dados utilizada para 
resumir e compreender os dados., busca descrever a 
realidade, usando técnicas para organizar e sintetizar os 
dados observáveis dessa realidade 
 É utilizada com frequência em situações em que 
nos deparamos com uma quantidade grande de 
informações e precisamos torná-las mais condensadas 
para que assim se consiga trabalhar com elas. E isso é 
feito através da média, mediana, moda, desvio padrão e 
demais recursos que a estatística descritiva traz para 
nos auxiliar nesse processo.
Estatística indutiva 
 É o conjunto de técnicas que busca inferir, 
induzir, permitindo construir proposições de 
probabilidade sobre a população com base nos dados 
da parte (amostra), usando técnicas para generalizar 
um fato particular, tendo como referência uma 
amostra. 
 Assim, o método de estatística indutiva envolvem 
cálculos e estatísticas, a partir do qual conseguem 
inferir sobre parâmetros da população, permitindo o 
grau de probalidade, levando a certas conclusões, 
comparando o resultado das amostras. Possui como 
foco usar os dados para obter conclusões acerca de 
toda população a partir de dados, o que permite ter o 
conhecimento direto da população, através do seu 
estudo. 
 População 
 População é um conjunto de indivíduos da 
mesma especie que vivem em uma mesma área 
em um determinado período, que compartilham 
pelo menos uma característica em comum, como 
língua
 Amostra 
 Amostra corresponde a um grupo representativo 
da população. Por exemplo, quando se faz uma 
pesquisa, existem algumas características de interesse 
da população, então é retirado a amostra de 
interesse. 
População 
Amostra 
Tipos de amostragem: 
.Amostra Casual Simples
.Amostra Sistemática 
.Amostra Proporcional Estratificada 
.Amostra por Agrupamentos ou Conglomerados
.Amostra por Conveniência 
.Amostra Bola de Neve 
Amostra Casual Simples 
 É uma amostra aleatória simples,sendo o 
método de amostra probabilística mais utilizados. 
 Os indivíduos de uma população tem chance 
igual ou maior que zero de serem selecionados, 
onde ela é chamada de aleatória simples porque a 
secreção dos elementos é em forma de sorteio, 
desta forma, não há critério no processo de 
amostragem 
 A vantagem é a maneira acessível e rápida de 
se obter uma amostra 
@dicas.demed
GEORGEJay aos
@dicas.demed
Amostra sistemática 
 
 Os indivíduos são selecionados dentro de uma 
população já determinada. São divididos em grupos 
numericamente iguais, assim é definido um ponto de 
partida, de modo a estabelecer um numero que se 
repetirá dentro de todos os grupos determinados, até 
que toda amostra seja selecionada. 
Exemplo: uma pesquisa realizada em um bairro, 
podemos dividir 500 moradias em 50 grupos, para 
obter uma amostragem com 50 residências, onde a 
cada 10 domicílios 1 pesquisa será realizada. Assim, 
definimos que o quarto domicílio de um grupo será 
selecionado, então teremos uma sequência (4, 
14,24… até 494) . 
 É uma amostra simples e de rápida execução. 
Amostra estratificada 
 Consiste em dividir a população em subgrupos de 
acordo com as características da população, podendo 
ser idade, sexo, trabalho, nível de escolaridade, entre 
outros. Depois dessa distribuição, são utilizados formas 
de eleger os entrevistados dentro desses grupos, 
podendo adotar critérios aleatórios ou não. 
Amostra por agrupamento
 Possui como fase inicial a seleção de um 
grupo, e não o primeiro indivíduo. Portanto, na 
primeira parte, os grupos são definidos e por 
ultimo, os indivíduos que irão participar da 
entrevistas serão sorteados. 
 O número de etapas irá variar com o tipo de 
estudo, quando maior e mais heterogênea uma 
população. 
Como exemplo, temos as pesquisas eleitorais. 
Primeiro o município é selecionado de acordo com 
a sua importância, segundo os setores censitários 
são escolhidos e por ultimo os eleitores são 
sorteios dentro de cada um dos segmentos 
escolhidos. 
Amostra por conveniência 
 São amostras que não exige tanto critério na 
pré-seleção do público a ser pesquisado, ou seja, o 
universo da pesquisa não necessita esta definido para 
que a pesquisa seja efetuada. 
 Por exemplo, podemos imaginar que o 
pesquisador vá em um lugar publico, como um rua, e 
lá mesmo realiza a sua pesquisa, sem muito critério. 
Assim, a pesquisa será apenas com as pessoas que 
estiveram naquela área no determinado momento, e 
as que foram abordadas e concordaram em 
responder. 
Bragado
@dicas.demed
Amostra bola de neve 
 Também acontece quando não há um universo 
definido para pesquisa, onde a última pessoa 
entrevistada convida a próxima para participar do 
questionário, fazendo com o que a amostragem se 
comporte como uma bolada neve. 
 Nessa amostra, é de caráter acumulativo nas horas 
das escolhas, podendo ser uma boa técnica para 
encontrar subgrupos ou segmentos de uma 
população desconhecidos ou dificilmente contraídos, 
como minorias. 
Tipos de erros 
Grupos muito distintos: 
Viés do entrevistador 
Viés de confusão 
 Referências 
https://www.opuspesquisa.com/
blog/tecnicas/amostragem/
https://
mundoeducacao.uol.com.br/
matematica/conceitos-iniciais-
estatistica.htm
•
@dicas.demed
Média da amostra 
 A média aritmética é a medida de tendência central 
mais conhecida e utilizada.
 É calculado através da soma de um conjunto de 
dados e dividindo o resultado pelo número deles.
Média =
Soma de todos os dados 
Tamanho da amostra 
Fórmula: 
Lê-se: x-traço é igual ao somatório de x, dividido 
por n. 
Se no caso, o numero da amostra for grande, podemos 
calcular com base na frequência. 
É o valor que ocupa a posição central de um 
conjunto de dados. 
 Divide a amostra em duas partes uma com 
números menores ou iguais a mediana e outra 
com números maiores ou igual a mediana. 
 Quando o numero é impar, existe um único 
valor na posição central. 
{3;5;9}
Possui mediana 5, pois é número que está 
no centro. 
Medidas 
Mediana da amostra 
De tendências centrais 
-
@dicas.demed
 Porém, quando o número dos dados for par, é a 
media dos dois valores do centro. 
{4;6;8;9;10;12} 
A mediana será a soma de 8 + 9 =
2 
8,5
Moda da amostra 
 É o valor que ocorre com mais frequência 
{0,0,2,5,3,7,4,7,8,7,9,6}
A moda será 7, pois é o valor que mais apareceu. 
@dicas.demed
Variabilidade 
Amplitude 
 É o conjunto de dados, definida como a diferença 
entre o máximo e o mínimo, ou seja, entre o valor 
mais alto e o valor mais baixo. 
Exemplo: 
Valor máximo 
Valor mínimo 
Amplitude 
Em uma pesquisa para saber o índice das pessoas 
que tinham menopausa e desenvolveram 
hipertensão arterial, foram utilizados mulheres de 
diferentes idades, estando entre 21 e 30 anos. 
{21,22,23,24,25,26,27,28,29,30} 
21-30 = 9 
Desvio padrão 
 
 É uma forma de representar a mudança de 
dados através de uma média, atraves da diferença 
de números. 
Fórmula 
Primeiro precisamos calcular a media e depois 
subtrair pelo valor do X e elevar ao quadrado 
Segundo: somar os valores de X, dividir pela 
quantidade de valores e por fim elevar ao 
quadrado 
Exemplo: 
{2,4,6,8}
Média: 
2+4+6+8+ = 20
4
= 5
MÉDIA 
(2-5) 
²
²
²
(2-5) x (2-5) = 4-10-10+25 = 9
(4-5) 
(4-5) x (4-5) = 16-20-20-25 = 1
(6-5) 
(6-5) x (6-5) = 36-30-30+25 = 1
(8-5) x (8-5) = 64-40-40+25 = 9
(8-5) ²
Soma e divide pela quantidade 
S=
9+1+1+9
4
= 20
4
= 5
Variância 
 É uma medida de dispersão que mostra a 
distancia de cada valor do conjunto do valor medio, 
que é o valor central. 
Fórmula 
•
agem
ao
-
S
5-
@dicas.demed
Como calcular a variância: 
1- Elevar os desvios ao quadrado 
2- Some os quadrados 
3- Dívida o resultado por n-1 
Coeficiente de variação 
 É a divisão entre o desvio padrão e a media, 
e o resultado é multiplicado por 100, para que seja 
dado o resultado em porcentagem
CV= s x 100
X
Mede a dispersão dos dados em relação a media 
@dicas.demed
Variável
 Variável é uma característica de interesse de 
medida de cada elemento da amostr ou população, os 
valores podem variar de elemento para elemento. 
 Deve ter uma relação entre causa e efeito 
 A variável pode ser qualitativa ou quantitativa:
 Conceito 
QUANTITATIVA 
 São características que podem ser medidas em 
uma escala quantitativa, ou seja, irá apresentar valores 
numéricos que fazem algum tipo de sentido. Podem ser 
continuas ou discretas. 
Variáveis continuas: características mensuráveis que 
irão assumir valores em uma escala continua, onde 
esses valores possuem sentidos. Normalmente são 
medidas atraves de algum instrumento, como a balança 
(peso), régua (altura), relógio (tempo), 
esfigmomanômetro (pressão). 
Variáveis discretas: características mensuráveis que 
podem assumir apenas um número finito ou infinito 
contável, e somente faz sentido se o valor for inteiro, e 
não fracionado. Geralmente são contáveis, como 
número de filhos, número de cigarros fumados por um 
dia, etc. 
Variável dependente: é a variável cujos valores 
dependem dos valores de outra variável, como uma 
função na matemática y= f(x), onde y é totalmente 
dependente de x a variável independente. 
Vari
QUALITATIVA 
 São as características que não possuem valores de 
quantidade, mas ao contrario, é definida por categorias, 
por qualidades, apresentando uma classificação. Podem 
ser nominais ou ordinais. 
Variável nominal: não existe ordenação entre as 
categorias, como exemplo cor dos olhos, sexos, 
fumante/não fumante, doente, religião, estado civil. 
Variável ordinal: existe uma ordem entre as 
categorias, como exemplo a escolaridade (1,2,3 grau), 
estagio da doença (inicial, intermediário, termina), mês de 
observação (janeiro, fevereiro, março)
Mep – 2º Período 
Amostra x População 
Amostra: qualquer fração de uma 
população, representativa. 
x Capacidade de generalizarestimativas da amostra para 
toda população; 
x “Imparcialidade”; 
x Menor erro amostral possível, 
dado o custo, tempo e 
restrições operacionais; 
x Capacidade de medir a 
precisão das estimativas. 
População ou universo: todo 
conjunto de unidades 
experimentais (ou observacionais) 
que apresentam uma ou mais 
características em comum. 
x Finita: alunos, 
funcionários, eleitores. 
x Infinita: nascimentos... 
 
Amostragem x Censo 
Amostragem: estudo por meio do 
exame de uma amostra. Quando 
fazer?: 
x Economia; 
x Menor tempo; 
x Maior qualidade nos dados 
levantados; 
x População infinita; 
x Mais fácil, com resultados 
satisfatórios. 
Censo: estudo através do exame 
de todos os elementos da 
população. Quando fazer?: 
x População pequena 
(tamanho da amostra 
grande em relação ao da 
população); 
x Quando se exige o resultado 
exato; 
x Quando já se dispõe dos 
dados da população. 
 
Planejamento Amostral 
- Definir objetivos, conceitos e 
recursos; 
- Obter e avaliar cadastros 
disponíveis; 
- Planejar a amostra (definir plano 
amostral): 
x Esquema para seleção das 
unidades a pesquisar; 
x Procedimento para controle da 
amostra. 
- Definir procedimentos para 
estimação: 
x Estimadores para as quantidades 
de interesse; 
x Medidas da precisão – avaliação. 
 
Passos para seleção de 
amostra 
1. Definir a população da 
amostra; 
2. Identificar uma lista de todas 
as unidades amostrais; 
3. Decidir o tamanho da 
amostra; 
4. Selecionar um 
procedimento específico de 
determinação da amostra; 
5. Selecionar fisicamente a 
amostra. 
9 Designação apropriada de 
população de pesquisa 
1. Definição das especificações dos 
elementos de pesquisa; 
2. Definição da unidade amostral; 
3. Abrangência geográfica de 
pesquisa; 
4. Período de tempo. 
 
9 Divisão da descrição de 
amostra em pesquisa clínica 
1. Critério de inclusão; 
2. Critério de exclusão; 
3. Técnica de amostragem; 
4. Consentimento livre e esclarecido. 
 
Técnicas de Amostragem 
9 Amostragem Probabilística 
(aleatória): a probabilidade de 
um elemento da população ser 
escolhido é conhecida. 
x Representatividade 
x Acaso na escolha 
9 Amostragem não Probabilística 
(não aleatória): não se conhece a 
probabilidade de um elemento 
da população ser escolhido para 
participar da amostra. 
Tamanho da amostra 
9 Nível de significância: “α” indica a 
probabilidade de cometer o erro 
tipo 1 (rejeitar a hipótese nula 
quando é verdadeira). 
9 Poder do teste: “β” indica a 
probabilidade de decisão correta. 
Cálculo tamanho da amostra 
 
 
n = tamanho da amostra 
Z2a/2 = valor de Z do nível de confiança 
desejado 
P= prevalência esperada 
D= precisão absoluta desejada 
 
 
 
n cor = tamanho da amostra corrigida 
N= tamanho da população em estudo 
n = tamanho da amostra baseada em 
uma pop. Infinita (obtida na formula 
anterior). 
Æ levar em consideração as perdas. 
 
N = Z2a/2 P(1-P)/d2 
 
n cor = (N x n) / (N + n) 
 
 
 
 
 
Pedro Lucas Cariri Moura, Isabela Portes Campos – 2º Período 
FMIT – Faculdade de Medicina de Itajubá, 2020/1. 
Período Completo – 05/02/2020 à 24/06/2020 
Método de Ensino e Pesquisa II – MEP II 
Sumário 
Sumário ................................................................................................................................................................................................................................................................... 1 
Variáveis .......................................................................................................................................................................................................................................................... 2 
Tipos de pesquisa e estudo .......................................................................................................................................................................................................... 2 
Divisões de um Artigo ........................................................................................................................................................................................................................... 3 
Medidas de Tendência Central ................................................................................................................................................................................................. 4 
Tendência Central e Dispersão ................................................................................................................................................................................................... 4 
Percentil ............................................................................................................................................................................................................................................................ 4 
Variância ......................................................................................................................................................................................................................................................... 5 
Desvio Padrão ............................................................................................................................................................................................................................................ 5 
População x Amostra ........................................................................................................................................................................................................................... 5 
Gráficos ............................................................................................................................................................................................................................................................ 5 
Box Plot ............................................................................................................................................................................................................................................................. 7 
Tabelas ............................................................................................................................................................................................................................................................. 8 
Interferência Estatística ....................................................................................................................................................................................................................... 8 
Valor de α ...................................................................................................................................................................................................................................................... 9 
Valor da Probabilidade P ............................................................................................................................................................................................................... 9 
Distribuição de Probabilidade e Frequência ................................................................................................................................................................. 9 
Características ........................................................................................................................................................................................................................................... 9 
amostra x população .......................................................................................................................................................................................................................... 9 
Distribuição Simétricae Normal ................................................................................................................................................................................................... 9 
Curtose ........................................................................................................................................................................................................................................................... 10 
Dados Paramétricos ............................................................................................................................................................................................................................ 10 
Probabilidade e Distribuição de Probabilidade ...................................................................................................................................................... 10 
Técnicas básicas de análises de dados ........................................................................................................................................................................ 11 
Medidas de Avaliação ................................................................................................................................................................................................................... 13 
População x Amostra ........................................................................................................................................................................................................................ 14 
 
Variáveis 
São aspectos que podem variar, assumindo dife-
rentes valores ou categorias. 
Ex: inteligência, classe social, gênero, salário, 
idade, grau de ansiedade, peso, altura e estado 
civil. 
Variáveis quantitativas: podem ser quantifica-
das, contadas, que podem assumir valor numérico 
Ex: peso, idade, temperatura, número de filhos, 
quantidade de amigos, renda familiar em reais. 
Elas podem ser divididas em discreta e contínua. 
• Discreta: Valores contáveis, números naturais 
(inteiros). Como por exemplo o número de ir-
mãos, número de aulas por dia e etc. 
• Contínua: Podem adquirir qualquer valor, ou 
seja, não são, necessariamente, números intei-
ros. Como por exemplo o peso, altura e etc. 
Estratificação de uma variável contínua: Catego-
rização de variáveis continuas. Tem o objetivo de 
separar o que é ou não é patológico. 
Para que possamos saber qual a classificação, 
devemos analisar se aquela variável pode assumir 
qualquer valor ou apenas valores inteiros de um 
modo geral, mesmo que na pesquisa e/ou anunci-
ado o valor esteja inteiro ou “quebrado”. 
Quando falamos que uma variável quantitativa é 
categorizada é porque ela é subdividida, como 
por exemplo o IMC, que pode assumir qualquer 
valor, mas que possui subdivisões de grau de obe-
sidade (grau I, II e III). 
Variáveis qualitativas: atributos ou aspectos di-
vididos em categorias não mensuráveis. 
Ex: estado civil, raça, nacionalidade 
Elas podem ser divididas em nominais e ordinais. 
• Nominais: Mutuamente exclusivas e sem ordem 
definida, ou seja, elas não apresentam grau 
de hierarquização – um não é “melhor” que o 
outro. Como por exemplo o gênero, tipo san-
guíneo e etc. Pode ser binária 
• Ordinais: Mutuamente exclusivas e ordenadas, 
ou seja, elas apresentam grau de hierarquiza-
ção – um pode ser “melhor” que o outro. Como 
por exemplo o nível socioeconômico, nível de 
doença (leve/moderado/grave). 
Variáveis independentes: condição ou causa 
para um efeito. 
Variáveis dependentes: efeito ou resultado de 
algo que foi estipulado - ou seja, ela depende da 
variável independente. 
Ex: A quantidade de doce influencia no peso das 
crianças? (VI = quantidade de doces; VD= peso) 
Ex2: Os sintomas depressivos influenciam na quali-
dade de vida dos professores? (VI = sintomas de-
pressivos; VD = qualidade de vida dos professo-
res). 
OBS: Quando pedirem a classificação segundo o 
TIPO, querem que classifiquem entre qualitativa e 
quantitativa; quando pedirem a classificação se-
gundo a RELAÇÃO, querem que classifiquem entre 
independente e dependente. 
OBS 2: Quando se pede qual são as categorias 
de uma variável, é de acordo com o que está es-
crito no artigo. Logo, se no artigo fala de sexo 
feminino ou masculino, as categorias dessa variá-
vel (qualitativa nominal) são os dois sexos. 
Tipos de pesquisa e estudo 
Pesquisa bibliográfica: pesquisa baseada em li-
vros, artigos e revistas. 
Pesquisa quantitativa: se dá pela coleta de da-
dos por meio de questionários. São usadas 
quando queremos identificar, estatisticamente, 
uma hipótese. Ela é mais objetiva. 
Pesquisa qualitativa: é feita por meio de entre-
vistas, e leva em consideração as particularidades 
de cada entrevistado. Ela confere mais liberdade 
aos entrevistados. Portanto, é mais subjetiva e 
profunda. 
Pesquisa de campo: pesquisa que corresponde 
à observação, coleta, análise e interpretação de 
fatos e fenômenos que ocorrem dentro de seus ni-
chos, cenários e ambientes naturais de vivência. É 
responsável por extrair dados e informações di-
retamente da realidade do objeto de estudo. 
Relato de caso: descrição detalhada de ca-
sos clínicos, contendo características importantes 
sobre sinais, sintomas e outras características do 
paciente e relatando os procedimentos terapêuti-
cos utilizados, bem como o desenlace do caso. 
Estudo de coorte: É um estudo observacional que 
identifica os participantes, e estes são separados 
em um grupo que está e um outro que não está 
exposto a um fator de interesse. 
Nesse tipo de estudo, a mensuração da exposição 
antecede o desenvolvimento da doença. Ou seja, 
pessoa ainda não desenvolveu a doença. 
Ela pode ser dividida em: 
• Retrospectivo: todas as informações sobre a 
exposição e o desfecho já aconteceram antes 
do início dos estudos. – Os grupos já foram 
separados no passado, e agora estão sendo 
acompanhados usualmente até agora. 
• Prospectivos: a exposição pode, ou não, já ter 
ocorrido, mas o desfecho ainda não. 
Aqui, várias exposições podem ser avaliadas, mas, 
o custo desse estudo e a demanda de tempo são 
muito grandes. Também podem ocorrer perda de 
participantes durante a pesquisa. 
Estudo de caso-controle: Pode ser caracteri-
zado, também como um estudo observacional, no 
qual identificam indivíduos com a doença (caso) 
e indivíduos sem a doença (controle). Pode ser ve-
rificado se a exposição a fatores de risco pode 
influenciar na diferenciação dos grupos. 
Nesse estudo, um grupo já possui a doença e são 
definidos pelo desfecho, e não pela exposição 
aos fatores de risco, como no caso do estudo de 
coorte. 
Ele é usado para verificar doenças raras ou com 
longo período de latência. Apresenta, também, 
baixo custo. 
Estudo transversal: É um estudo realizado em um 
curto período de tempo 
Estudo longitudinal: É um estudo realizado em um 
longo período de tempo. 
Estudos ecológicos: É observacional e está mais 
associado a lugares (objeto de estudo é uma 
área geográfica). Nele, o foco deixa de ser os 
indivíduos para ser a população como um todo. 
Estudo de ensaio clínico randomizado: É um es-
tudo experimental, no qual dois grupos, com ca-
racterísticas em comum, são divididos, de forma 
aleatória. Um deles recebe um medicamento e o 
outro recebe placebo. No final, são comparados 
os dois grupos. 
Ex: Pacientes que possuem depressão são dividi-
dos, aletoriamente, e um deles recebe antidepres-
sivos e o outro recebe placebo. Ao final da pes-
quisa, os dois grupos serão comparados. 
• Controlado = citado a cima 
• Duplo-cego = quando o pesquisador contrata 
médicos para darem remédios para o grupo. 
Contudo, nem os pacientes e nem o pesquisa-
dor sabem quem recebeu ou não o medica-
mento. Depois do tempo de efeito do medica-
mento, o mesmo medico faz as anotações e o 
pesquisador exclui o efeito placebo da pes-
quisa. 
Estudo de ensaio clinicocomunitário: Asseme-
lha-se ao estudo clinico randomizado, contudo, os 
participantes não são pacientes, e sim membros 
da própria comunidade. 
Estudo descritivo: descreve as características do 
objeto estudado – vê como a incidência e preva-
lência variam de acordo com as características 
Estudo analítico: Estudos analíticos são aqueles 
delineados para examinar a existência de associ-
ação entre uma exposição e uma doença ou con-
dição relacionada à saúde. 
*Revisão sistemática: tem como objetivo reunir 
materiais semelhantes de vários autores e realizar 
uma análise estatística. Serve para desenvolver a 
escrita, aprender a revisar, destacar-se, interpre-
tar dados e expandir os conhecimentos em refe-
renciais teóricos. Além disso, permite auxiliar a ori-
entar investigações futuras — principalmente 
quando há assuntos conflitantes e resultados ne-
gativos. 
*Incidência: Incidência é a taxa de manifestação 
de uma determinada doença. 
*Prevalência: A prevalência é o número de casos 
de uma doença em uma população, durante um 
período específico de tempo. 
Estudo quase-experimental: Caracterizam-se 
por não precisarem de longos períodos de obser-
vação e escolhas de dados; os modelos quase-
experimental são parecidos com os experimentais, 
com a exceção do fato de que as pessoas não 
são atribuídas aleatoriamente para as diferentes 
condições da pesquisa. 
Divisões de um Artigo 
Introdução: Definição do tema que será abor-
dado, categorização do problema, objetivo do 
estudo, contextualização e GAP. 
Métodos: Descreve os métodos utilizados na pes-
quisa, qual o tipo de estudo, comitê de ética, 
questionários, critérios de inclusão e exclusão e 
etc. 
Resultados: Nessa etapa, apresenta-se todos os 
resultados obtidos através dos métodos utilizados, 
além disso, temos tabelas, dados numéricos e re-
sultados imparciais. 
Discussão: Aqui discute-se e explica-se os resulta-
dos, aborda as limitações que tiveram, se houve 
alterações e observações relevantes. 
Conclusão: Basicamente resume todo o estudo 
que foi feito, apresentando o desfecho e suges-
tões para futuros estudos. 
Referências: Refere-se as fontes usadas para a 
realização do estudo. 
Medidas de Tendência Central 
Serve para indicar o valor mais típico da distribui-
ção da variável, ou seja, o valor que mais se re-
pete. 
Média: Representa o valor médio de um conjunto 
de dados quantitativos; é calculada pela soma 
de todos os valores / pela quantidade desses va-
lores. 
Mediana: Ordena-se os valores do menor para o 
maior, posteriormente, vemos o número central, esse 
será a mediana. 
• Ímpar: valor do meio 
• Par: media dos dois números centrais 
Quando uma tendência central for simetria, nós 
optamos por usar a média. 
4,5-----5,5-----6,5-----7,5-----8,5-----9,5 
Quando uma tendência central for assimétrica, nós 
optamos por usar a mediana, uma vez que a mé-
dia sobre bastante com os fatores externos. 
4,5-----5,5-----6,0-----6,5-----7,0-----8,0 
Moda: É o valor que mais se repete, podendo ha-
ver uma ou mais valores para a moda. 
Outlier: Valores discrepantes em relação ao resto 
dos valores. Eles podem ser por níveis extremos de 
variáveis ou pode ser por conta de um erro de 
digitação ou escolha errada de unidade. 
4,5-----5,5-----6,5-----7,5-----8,5-----12,5 
Tendência Central e Dispersão 
Medidas de dispersão: se estão próximas da mé-
dia ou se estão muito dispersas. Ex: média 10 → 
(8 a 12) próximos da média; (4 a 20) dispersos. 
• Amplitude: é a diferença entre os valores mais 
baixos e os mais altos; ou pode estar apresen-
tada em valores brutos. Ex: 101-55 = 46 (dife-
rença) ou [55; 101] (valores brutos). 
Percentil 
Divide a amostra ordenada em 100 partes, cada 
uma com quantidades percentuais de dados. De-
vemos pôr em ordem crescente sempre. 
• Quartis → são percentis divididos em 4, ou 
seja, P25 (1ºquatil), P50 (2º quartil) e P75 
(3ºquartil). 
• Percentil 50 → é a mediana 
• Interquartil → é o intervalo entre o P25 e P75. 
Para calcularmos quais são os determinados quar-
til vamos fazer: 
• Se for ímpar; 
1. Colocar em ordem crescente; 
2. Achar a mediana (2º Q) e marcar ela; 
3. Achar a mediana dos números à esquerda 
(1ºQ). 
4. Achar a mediana dos números à direita (3ºQ). 
 
• Se for par 
1. Colocar em ordem crescente 
2. Achar a mediana. Nesse caso serão dois nú-
meros, portanto, devemos fazer a média dos 
dois para sabermos qual o valor que será 
apresentado. 
3. Dos dois números que foram achados no passo 
2, o mais à esquerda será o último número do 
1ºQ. Achamos a mediana, que também serão 
dois números, e depois fazemos a média deles. 
4. Para achar o 3º quartil, repetimos o passo 3, 
mas com os números da esquerda. 
 
• Separatrizes: são valores que dividem a 
distribuição em partes iguais → mediana: 2 partes 
iguais; quartis: 4 partes iguais; decis: 10 partes 
iguais. 
Variância 
Uma forma de medir a dispersão é determinar a 
extensão em que cada dado se desvia da média. 
Para encontrarmos a variância devemos achar, 
primeiramente, a média dos valores. Depois, sub-
traímos os valores da média. Posteriormente, ele-
vamos os valores, individualmente, ao quadrado. 
Ao final, devemos somar todos os valores encon-
trados. 
Amostra 
(n) 
Valores Valor - xm (Valor-
xm)² 
1 6,0 -4,0 16 
2 8,0 -2,0 4 
3 10,0 0,0 0 
4 12,0 2,0 4 
5 14,0 4,0 16 
Média: 10; Variância: 20+20/4 (n-1) = 10; DP: Raiz 
quadrada da variância. 
Desvio Padrão 
É a raiz quadrada da variância. 
Quanto mais espalhada a curva, maior será o 
desvio padrão, uma vez que há maior distribuição. 
Quanto mais para o lado direto, maior será a mé-
dia. 
Vantagens: utiliza no cálculo todos os valores de 
dados; algebricamente definidos e usados para 
destruição simétrica. 
Desvantagens: distorcida por outliers e dados as-
simétricos. 
Para se apresentar uma distribuição deve-se SEM-
PRE indicar a medida de tendência central JUN-
TAMENTE com a dispersão. 
População x Amostra 
Erro padrão da média: DP/ raiz quadrada da 
amostra. → usa-se o EPM em vez do desvio pa-
drão, uma vez que ele é usado para o cálculo do 
intervalo de confiança (IC). 
IC: o pesquisador tem x por cento de certeza que 
a média da população está inserida em um de-
terminado intervalo. 
• IC 95%: o pesquisador tem 95% de certeza 
que a média da população está inserida no 
intervalo que ele falou. 
Para calcularmos o IC temos que fazer: 
[média da amostra – (1,96 x EPM); média da 
amostra + (1,96 x EPM)]. 
Antes de concluir, temos uma curva padrão que 
representa quantos x da amostra está inserida em 
um determinado intervalo. 
 
Gráficos 
 
Gráficos são representações visuais utilizadas 
para exibir dados, sejam eles, sobre determinada 
informação, ou valores numéricos. 
Geralmente, são utilizados para demostrar pa-
drões, tendências e ainda, comparar informações 
qualitativas e quantitativas num determinado es-
paço de tempo. 
Gráficos de colunas: 
 
*: representa a diferença significativa e sempre 
está acima dos doentes 
T: representa o desvio padrão 
 
MEP II - APG 1
Objetivo 1 - Compreender a Bioestatística e medidas de Tendência Central
A estatística é uma ciência que usa a análise dos dados para testar as hipóteses
estatísticas, verificar a força da evidência clínica e, assim, se existem associações entre
grupos ou a veracidade de fenômenos de interesse voltados para a prática clínica e biológica.
O pesquisador deve formular hipóteses, observar os fenômenos biológicos que ocorrem na
população e retirar dessa população uma amostra para testar suas hipóteses
1.1 Símbolos Matemáticos
- Para representar uma amostra com n unidades, escreve-se X₁, X₂, X₃, …, Xn
Sendo n o número de observações
- Não necessariamente segue uma ordem, o primeiro da amostra. Qualquer que for
a amostra, os valores X₁, X₂ ou X₃ estarão na ordem em que foram coletados. Os
pontos significam "e assim por diante"
O símbolo 𝚺 que indica o somatório, é a letra grega sigma maiúscula. O subscrito i = 1,indica que o índice i deve ser substituído por números inteiros em ordem crescente
sucessivamente, começando por 1 e terminando em n :
1.2 Média da Amostra
- É a medida de tendência central mais conhecida e mais utilizada
- Cálculo : Soma do conjunto de todos os dados dividido pelo número de dados
- A média, que se indica média por (lê-se: x-traço ou x-barra)
- A fórmula da soma é dada por : Somatório de x, dividido por n. Sendo n o
tamanho da amostra e x a soma de todos os dados da amostra
- Exemplo:
- A média indica o centro de gravidade do conjunto de dados
- Quando a amostra é grande e os dados são discretos, podem ocorrer valores
repetidos, é razoável organizar os dados em uma tabela de distribuição de
freqüências, como no exemplo :
- Faz-se a tabela da distribuição de frequência e depois calcula-se a média :
- Em certos casos - principalmente quando a variável é contínua e a amostra é
grande - são apresentadas apenas as tabelas de distribuição de frequências - os
dados brutos não são fornecidos
1.3 Mediana da Amostra
- É o valor que ocupa a posição central do conjunto dos dados ordenados
- Divide a amostra em duas partes: uma com números menores ou iguais à mediana,
outra com números maiores ou iguais à mediana
- Quando o número de dados é ímpar, existe um único valor na posição central.
Exemplo : (3,5,9) - O elemento 5 é a mediana
- Quando o número de dados é par, existem dois valores na posição central. A
mediana é a média desses dois valores. Exemplo: (3,5,9,11) - A mediana é dada
por 5+9/2 = 7
- Em algumas circunstâncias a mediana mais bem descreve a tendência central dos
dados. É o caso dos conjuntos com dados discrepantes, isto é, dados de
conjuntos que têm um ou alguns valores bem maiores ou bem menores que os
demais
- Exemplos práticos
- Existem casos, porém, em que o uso da média é mais razoável do que a mediana,
mesmo que haja um valor discrepante:
Considere que você jogou três vezes na loteria e ganhou:
1. R$ 0,00; na primeira vez
2. R$ 0,00; na segunda vez
3. R$1.000.000,00 na terceira vez
A mediana é zero, mas a média é 1/3 do valor de 1000000
1.4 Moda da Amostra
- É o valor que ocorre com maior freqüência
- Um conjunto de dados pode não ter moda porque nenhum valor se repete maior
número de vezes, ou ter duas ou mais modas.
- Exemplo:
1. O conjunto de dados ( 2,. 4, 6, 8, 10 ) não tem moda
2. O conjunto (1, 2, 2, 3, 4, 4, 5, 6, 7 )tem duas modas: 2 e 4.
- Quando uma tabela de distribuição de frequências apresenta grande quantidade
de dados, é importante destacar a classe de maior frequência, a chamada classe
modal. Essa classe mostra a área em que os dados estão concentrados
- Exemplos práticos
- Nesse caso a moda está na idade entre 10 a 19 anos
- A moda também pode ser usada para descrever dados qualitativos. Nesse caso, a
moda é a categoria que ocorre com maior freqüência:
- A moda é bastante informativa quando o conjunto de dados é grande. Se o
conjunto de dados for relativamente pequeno (menos de 30 observações), você
pode até obter a moda, mas, na maioria das vezes, ela não terá qualquer sentido
prático. A média e a mediana fornecem, nesses casos, melhor descrição da
tendência central dos dados
1.5 Importância das medidas de tendência central para a produção científica
- As medidas de tendência central resumem a informação contida em um conjunto
de dados, mas não contam toda a história. Por exemplo, é fato de observação
diária que, na mesma cidade, a temperatura varia ao longo do dia. Ainda, no
mesmo dia, registram-se temperaturas muito diferentes em diferentes lugares
do mundo.
- Por causa da variabilidade, a média, a mediana e a moda não bastam para
descrever um conjunto de dados: elas informam a tendência central, mas nada
dizem sobre a variabilidade
- As medidas de tendência central são mais descritivas de um conjunto de dados
quanto menor for a variabilidade
Objetivo 2 -Compreender o conceito e como é feita a mensuração de variabilidade
(medidas de dispersão)
(Introdução à Bioestatística, 4 ed - Sônia Vieira - CAPÍTULO 5)
(Introdução á Bioestatística - Ulysses Doria Filho - PÁGINA 22 )
2.1 Mínimo, Máximo e Amplitude
- Para medir variabilidade é necessário os valores mínimo e máximo do conjunto de
dados e calcular a amplitude usando a fórmula: amplitude = máximo - mínimo
1. O mínimo de um conjunto de dados é o número de menor valor
2. O máximo de um conjunto de dados é o número de maior valor
3. A amplitude de um conjunto de dados, definida como a diferença
entre o máximo e o mínimo, é uma medida de dispersão ou
variabilidade
- Alguns autores fornecem os valores mínimos e máximos para descrever seus
dados e não fornecem a amplitude
- Isto está certo, porque esses valores são, muitas vezes, mais úteis. Por exemplo,
se alguém informar que os policiais que estão na ativa em certa corporação têm
idades entre 18 e 52 anos, estará fornecendo informação mais útil do que se
disser que a amplitude das idades é 34 anos
- Essa medida não mede bem a variabilidade por uma razão simples: para calculá-la,
usam-se apenas os dois valores extremos
2.2 Conceito de Quartil
- Os quartis dividem um conjunto de dados em quatro partes iguais. Os quartis são,
portanto, três: o primeiro quartil, o segundo quartil (que é a mediana) e o
terceiro quartil
- Para calcular, faça:
1. Organize os dados em ordem crescente. Ache a mediana (que é, também,
o segundo quartil); marque esse valor
2. Ache o primeiro quartil, da seguinte forma: tome o conjunto de dados à
esquerda da mediana; o primeiro quartil é a mediana do novo conjunto de
dados
3. Ache o terceiro quartil, da seguinte forma: tome o conjunto de dados à
direita dessa mediana; o terceiro quartil é a mediana do novo conjunto de
dados
- Distância interquartílica também é uma medida de dispersão e pode ser
entendida como a distância entre o primeiro e o terceiro quartil
Distância interquartílica = Terceiro quartil - Primeiro quartil
Diagrama de Caixa - Box Plot
- Serve para detalhar graficamente todos os dados expostos acima
- Para desenhar o diagrama, são necessárias cinco medidas: mínimo, primeiro
quartil, mediana, terceiro quartil, máximo:
1. Desenhe um segmento de reta em posição vertical, para representar a
amplitude dos dados
2. Marque, nesse segmento, o primeiro, o segundo e o terceiro quartis.
3. Desenhe um retângulo (box) de maneira que o lado superior e o lado
inferior passem exatamente sobre os pontos que marcam o primeiro e o
terceiro quartis
4. Faça um ponto para representar a mediana (obedecendo a escala)
Objetivo 3- Entender Desvio Padrão
( Introdução à Bioestatística, 4 ed - Sônia Vieira - CAPÍTULO 5)
(Introdução á Bioestatística - Ulysses Doria Filho - PÁGINA 22 )
3.1 Variância
Conceito
- Quando a média é usada como medida de tendência central, ou seja, quando a
média indica o centro, podemos calcular o desvio de cada observação em relação
à média e para calcular esse desvio padrão é necessário calcular a variância
- Variabilidade é pequena: Quando os desvios são pequenos
- Variabilidade é grande : Quando os desvios são grandes
Cálculo e fórmula da variância
- O cálculo da variância envolve quadrados de desvios
- É a soma dos quadrados dos desvios de cada observação em relação à média,
dividida por (n - 1)
OU
1. Calcule os desvios, de cada observação em relação à média;
2. Eleve cada desvio ao quadrado;
3. Some os quadrados;
4. Divida o resultado por n-1 (n é o número de observações)
3.2 Desvio Padrão
Definição :
- É uma medida de variabilidade muito recomendada porque mede bem a dispersão
dos dados e permite, por conta disso, interpretação de interesse
Cálculo e Fórmula :
- Desvio padrão é a raiz quadrada da variância, com sinal positivo
Exemplos
3.3 Coeficiente de Variação
- O coeficiente de variação é a razão entre o desvio padrão e a média. O
resultado é multiplicado por 100, para que o coeficiente de variação seja
dado em porcentagem
- Um coeficiente de variaçãoalto indica que a dispersão dos dados em relação
à média é muito grande, ou seja, a dispersão relativa é alta. Um coeficiente
de variação de baixo indica que a dispersão dos dados em relação à média é
pequena
- Coeficiente de variação pode ser expresso em porcentagem porque é
adimensional, isto é, não tem unidade de medida
3.4 Importância do desvio padrão para a produção científica
- Estima o grau em que o valor de determinada variável se desvia da média
Gráficos de barras: 
O gráfico de barras é utilizado para realizar com-
parações entre as categorias de uma variável 
qualitativa ou quantitativa discreta. 
Geralmente são descritivos com palavras. 
 
Gráficos de pizza: 
Eles são utilizados para reunir valores a partir de 
um todo, segundo o conceito de proporcionali-
dade. 
Geralmente usado para variáveis categóricas e 
qualitativas. 
 
Gráficos de linhas: 
Esse gráfico demonstra como a variável se com-
porta durante um determinado tempo. 
 
Gráficos de pontos: 
O gráfico de pontos sempre apresenta medida de 
tendência central com ele. 
 
Os gráficos de dispersão representam variáveis 
quantitativas. 
Retas de regressão: é uma reta de tendência tra-
çada a partir de gráficos de dispersão, mos-
trando a relação entre duas variáveis quantitati-
vas. 
• Positiva: quando vai para “cima” – é direta-
mente proporcional 
 
• Negativa: quando vai para “baixo” - é inver-
samente proporcional 
 
Histograma: 
É um meio gráfico que representa frequência de 
ocorrência de alguma variável. 
Seu eixo X representa os dados quantitativos. A 
largura da coluna relaciona-se ao intervalo das 
variáveis. 
Seu eixo Y representa a frequência de ocorrência 
dessas pontuações. 
Nós podemos juntar os scores para que fique mais 
fácil a visualização 
 
Nos histogramas de frequência, nós podemos de-
limitar curvas para descreverem o padrão geral 
da distribuição – curva de densidade. 
 
Box Plot 
É usado para valores quantitativos contínuos de 
uma distribuição com ênfase nos quartis e outliers. 
Na maioria das vezes é usado quando há dados 
assimétricos. 
O boxplot (gráfico de caixa) é um gráfico utili-
zado para avaliar a distribuição empírica dos da-
dos. O boxplot é formado pelo primeiro e ter-
ceiro quartil e pela mediana. As hastes inferiores 
e superiores se estendem, respectivamente, do 
quartil inferior até o menor valor não inferior ao 
limite inferior e do quartil superior até o maior valor 
não superior ao limite superior. Os limites são cal-
culados da forma abaixo: 
Limite inferior 
 . 
Limite superior: 
 . 
Para sabermos os valores dos quartis devemos fa-
zer a mediana. 
Se a quantidade de números for par, devemos fa-
zer a mediana (2º quartil). 
Mediana = número do meio + sucessor/2 
Depois, devemos dividir os números e fazer a me-
diana da primeira parte (1º quartil) e da segunda 
parte (3º quartil). 
Se a quantidade for ímpar, é só achar o Q25 e o 
Q75 normalmente. 
 
Exemplo: 
 
Lembrar: Mencionar no texto a figura; igualar ca-
sas decimais; colocar outlier (*) na mesma altura 
do valor; colocar rodapé (legenda); colocar texto 
introdutório; especificar eixo X e Y. 
 
Tabelas 
As tabelas possuem rápida leitura e apresentam 
grande quantidade de dados em pouco tempo. 
Antes da tabela, devemos colocar um texto que 
faça menção a ela e à sua enumeração. 
As tabelas devem conter título breve e claro. 
Podem existir notas de rodapé para as informa-
ções relevantes e significado das siglas e símbolos 
(caso haja). 
As tabelas NÃO possuem linhas horizontais e ver-
ticais, exceto as que delimitam o começo e o fim 
delas (cabeçalho e antes do rodapé). 
As vezes em uma tabela, a variável dependente 
pode ser o escore de prontidão. 
Para o banco de dados, devemos: 
Tabular e organizar todos os dados de cada su-
jeito da pesquisa. 
Os dados devem corresponder às diferentes vari-
áveis que são do interesse do pesquisador. 
Deve ser feito com o uso de softwares – como na 
maioria das vezes eles aceitam apenas números, 
devemos transformar as informações que queremos 
colocar em números. 
• Dados faltantes: podem ser por recusa de res-
posta; questionário perdido ou não aplicado; 
voluntário não encontrado. 
Se tivermos a ausência de apenas um valor, ao 
invés de cancelarmos todas as respostas do vo-
luntário, devemos colocar um número impossível no 
lugar – é necessário que avisemos o software para 
que ele não contabilize aquele número como um 
número válido. 
 
Interferência Estatística 
É o processo de inferir características de uma po-
pulação por meio da observação de uma amos-
tra. 
Hipótese: é uma proposição testável, que pode vir 
a ser solução do problema pesquisado; em uma 
pesquisa, ela deve ser estabelecida à priori e ser 
posteriormente testada. 
• Hipótese nula: quando, em uma hipótese, não 
há nenhuma diferença entre os grupos – ad-
mite-se que não há diferença significativa en-
tre os grupos 
• Hipótese alternativa: a hipótese nula não é 
verdadeira - contradiz a hipótese nula. Ela é 
aceita quando a h0 é rejeitada. 
Ex: Deseja-se testar se a média de altura dos alu-
nos homens da FMIT é diferente da das mulheres. 
H0: a média de altura é igual entre alunos homens 
e mulheres na população 
H1: H0 é falsa, ou seja, a média de altura é dife-
rente entre alunos homens e mulheres na popula-
ção. 
→Lembrando que: ao definirmos H1, não devemos 
especificar nenhuma direção (homens mais altos, 
ou mulheres mais altas), temos que dizer que ape-
nas há diferença. Tal inespecificidade leva ao 
teste bicaudal (assume-se que ambos os resulta-
dos são igualmente possíveis). 
Para testarmos uma hipótese, são realizadas 
amostras para inferir dados da população, con-
tudo, há sempre possibilidade de haver erros de 
amostragem. 
• Erro do tipo 1: Quando, na realidade, não há 
diferença entre os grupos, porém erronea-
mente admitiu-se essa diferença (falso-posi-
tivo). A probabilidade de cometer um erro do 
tipo 1 é α. Para diminuir a chance de cometer 
o Erro do tipo 1, escolhemos um α mais rigo-
roso. 
• Erro do tipo 2: Na realidade, há diferença en-
tre os grupos, porem admitem que não há 
(falso-positivo). Para diminuirmos a chance de 
cometer um Erro do tipo 2, aumentamos a 
amostra. 
Valor de α 
É o nível admito de se cometer um erro do tipo 1. 
Para α= 0,05, ou seja, há 5% de rejeitar H0, sendo 
que esta é verdadeira (em outras palavras, de 
admitir que existe diferença quando na verdade 
não existe). 
Valor da Probabilidade P 
É o valor obtido após a comparação das amos-
tras por meio do teste estatístico 
Ela representa qual a probabilidade de que H0 
seja verdadeira para aquela comparação espe-
cifica. 
Se P< α, rejeitamos H0 (de que os grupos são 
iguais quanto à altura) e admitidos H1; resultados 
não significativos ao nível de 0,05 
Distribuição de Probabilidade e 
Frequência 
 
• De frequência: demonstra quantas vezes cada 
escore de uma variável de uma amostra 
ocorre, ou seja, quantas vezes ocorre determi-
nado escore 
• De probabilidade: tem a ver com a popula-
ção – representa a distribuição de frequência 
para infinitas observações 
Características 
amostra x população 
Nós amostramos quando não temos contato com 
a população. – Segundo o teorema do limite cen-
tral, quanto maior a amostra, mais perto da popu-
lação está. 
Distribuição Simétrica e Normal 
Simétrica e normal: é centrado ao redor de um 
ponto médio – um lado parece um espelho do ou-
tro. 
 
• A média e mediana têm valores iguais 
• A maioria dos escores está no centro 
• Bordas ficam mais finas 
Assimetria para a direita: apresenta longa calda 
para direita com um ou poucos valores altos. 
 
• Média fornece valor maior do que a mediana 
Assimetria para a esquerda: apresenta longa 
calda para a esquerda e apresenta um ou pou-
cos valores baixos. 
Amostra População 
 
Distribuição de fre-
quência 
Distribuição de proba-
bilidade 
Média Xm e desvio S Média µ e desvio σ 
 
• Média fornece valor menor que amediana 
 
Curtose 
A curtose representa a quão achatada está uma 
distribuição. Quanto mais achatada, mais escore 
na ponta eu vou ter. 
Em uma distribuição normal, a curtose é baixa e 
simétrica 
Dados Paramétricos 
Como os dados paramétricos são mais confiáveis 
e potentes, os pesquisadores tendem a tornar da-
dos não paramétricos, em paramétricos. Além 
disso, certos testes estatísticos só aceitam os da-
dos se eles estiverem nesse formato. Contudo, te-
mos condições para isso: 
1- Distribuição normal: os dados tem que ser si-
métricos e pontiagudos. 
2- Homogeneidade de variâncias entre gru-
pos: variância precisa estar mais ou menos ho-
mogênea entre os diferentes grupos. 
3- Dados por intervalo com distâncias iguais: 
o intervalo entre distâncias descritas tem que 
ser proporcional. 
4- Independência: não há dependência entre 
os dados 
Podemos usar testes para verificarmos se os dados 
são paramétricos: 
• Shapiro-Wilk: usado quando a amostra for me-
nor que 50 
• Kolmoporov-Smirov: usado quando a amostra 
for maior que 50 
→ Ambos precisam apresentar valores de signifi-
cância (Sig) maiores ou iguais a 0,05 para serem 
considerados paramétricos. 
Transformações logarítmicas 
Como dito anteriormente, os dados podem ser 
transformados. Portanto, a transformação dos da-
dos em log se dá quando há apresentação de 
curva assimétrica, para que os dados possam ser 
usados parametricamente. 
→ y= log (x+1) 
Os dados paramétricos não podem ser negativos; 
a transformação é feita na base 10 ou com nº 
neperiano; adicionar o 1 serve para que o log 
não dê 0. 
Transformações quadradas 
→ y=x2 
Probabilidade e Distribuição de Probabilidade 
A probabilidade é a chance de ocorrência de um 
evento. Ela varia de 0 a 1 ou de 0-100%. 
A distribuição consiste em ter todos os possíveis 
valores que a variável pode assumir. 
A probabilidade de um valor X estar dentro entre 
dois limites é igual a área entre esses valores. 
 
OBS: este gráfico é usado apenas para distribui-
ções normais e simétricas. 
 
Técnicas básicas de análises de 
dados 
 
Teste qui-quadrado de Pearson (×2) 
Este teste é usado para avaliarmos se existe rela-
cionamento entre duas variáveis nominais. 
Condições: 
• Ter apenas variáveis nominais 
• Utilização de dados brutos (sem porcentagem 
ou proporção) 
• Número mínimo de 5 contagem de células es-
peradas - geralmente, quando a contagem 
de uma variável é menor que 5, houve viola-
ção da condição 
 
Podemos perceber, que no exemplo, a tabela não 
viola as condições citadas anteriormente - ne-
nhuma contagem das variáveis foi menor do que 
5. 
 
 Se os dados estão de acordo com todas as con-
dições, devemos ver na parte de testes os resulta-
dos do teste “qui-quadrado de Pearson” → repre-
sentados por ×2 (df) = valor; P (Sig) 
→ Nesse caso: ×2 (1) = 2,329; P= 0,127 
1. Teste exato de Fisher 
• É usado para amostras 20 ≤ N < 40 
• Variáveis nominais 
• Quando houver contagem de variáveis meno-
res que 5 
 
Nesse caso, quando formos olhar na parte dos tes-
tes, devemos pegar os valores referentes ao teste 
de Fisher – valor de significância não é mais o 1º, 
mas sim o de “Significância exata” 
 
• Quando, embaixo da tabela de testes estive-
rem escritos “0 células esperavam uma conta-
gem menor que 5”, devemos usar o teste qui-
quadrado 
• Quando, embaixo da tabela de teste estiver 
escrito “ X (diferentes de 0) células esperavam 
uma contagem menor que 5”, devemos usar o 
teste de Fisher 
• Grau de liberdade: número de entidades que 
estão livres para variar quando se tem algum 
tipo de parâmetro estatístico – devemos de-
monstrar, mas não precisamos saber o con-
ceito agora. 
 
2. Teste T de student 
Esse teste compara duas médias para verificar se 
há diferença. Agora são variáveis quantitativas e 
com 1 ou 2 grupos no máximo. Lembrando que os 
dados devem ser sempre paramétricos – portanto, 
as medidas de tendência central e dispersão são 
a média e o desvio padrão. 
Tipos de teste t: 
• Amostras independentes: grupos distintos 
que nunca vão poder estar no mesmo grupo 
• Amostras dependentes: geralmente, um certo 
tipo de grupo que foi avaliado em um tempo, 
e será novamente em outro – o mesmo grupo 
sempre. 
Assim como nos outros testes, para que saibamos 
se vamos usar H0 ou H1, temos que analisar o valor 
de P. Se P for menor que 0,05, existe diferença en-
tre os grupos e então usaremos H1. Se P for maior 
que 0,05, usamos H0. 
O grau de liberdade dentro desse teste pode ser 
descrito por: número total da amostra – número de 
grupos. 
Se as condições para uso do teste forem violadas, 
devemos: 
1. Tentar corrigir por meio de transformações (ci-
tadas anteriormente) 
2. Usar teste não-paramétricos 
• Para t dependentes: teste de postos com si-
nais de Wilcoxon 
• Para t independentes: teste de postos com si-
nais de Wilcoxon ou teste de Mann-Whitney. 
 
1. Teste ANOVA 
O teste ANOVA é utilizado quando se há 3 ou 
mais médias (grupos) com a finalidade de desco-
brirmos se há diferença entre elas. 
Assim como o teste T, o ANOVA só pode ser usado 
se os dados forem simétricos. Portanto, as medidas 
de dispersão são a média e o desvio padrão (ou 
erro padrão da média). 
As hipóteses do teste são as mesmas que as dos 
outros, H0 → quando não tem diferença (médias 
iguais) e H1→ quando tem diferença (pelo menos 
uma média é diferente). 
Análise Z representa o valor do teste; Sig repre-
senta o valor de significância (ou P); df representa 
o grau de liberdade. 
 
Contudo, temos um diferencial. Neste teste, anali-
samos o grau de liberdade da parte “entre gru-
pos” e do total, portanto, a estrutura fica assim: 
(F(df,dftotal)= Z; P) 
Pelo exemplo: (F (4,76) = 122,80; P<0,001) 
Devemos lembrar que o valor de significância 
NUNCA é 0, portanto, devemos colocar que ele é 
menor que 0,001 e NÃO = 0 
Através dos resultados podemos ver que nesse 
exemplo, houve diferença entre os grupos. Mas e 
se quisermos saber qual, ou quais, o grupo que 
ficou diferente? 
Devemos fazer testes complementares, os testes de 
post-roc. Contudo, só podemos usá-lo se o valor 
de P for significante, ou seja, menor que 0,05. 
O teste post-roc mais conhecido é o de Tukey, 
uma vez que ele compara todos os grupos entre 
si. 
 
Quanto mais perto de 1 o valor de significância, 
mais igual é o grupo quando comparado a outro. 
• Portanto, notamos que a média dos 4 grupos 
experimentais é superior a dos controles 
(P<0,001) → ESCREVER ISSO NO TEXTO 
→Devemos colocar os dados encontrados no 
teste de Tukey no texto introdutório, em uma ta-
bela ou em uma figura. 
 
Lembrando que é necessária a colocação dos * 
em cima, apenas, dos grupos EXPERIMENTAIS. 
Se os dados forem violados, ou seja, se os valores 
da distribuição não forem paramétricos, devemos 
usar o teste não-paramétrico Kruskal-Wallis 
Quando usar cada teste: 
 
Medidas de Avaliação 
Estabelecem a possibilidade de uma pessoa ex-
posta à um fator de risco desenvolver alguma 
coisa, ou seja, qual o risco de gerar uma doença 
de acordo com um fator de risco. 
Existem tipos de estudo que podemos ter esse tipo 
de medidas de avaliação, como: 
1. Coorte prospectivo 
Esse tipo de estudo consiste em separar uma 
amostra que não esteja doente e expô-la a um 
fator de risco. Devemos analisar se houve o desen-
volvimento de uma doença depois de certo 
tempo. 
Dentro desse tipo de estudo temos como medida 
de avaliação o Risco Relativo (RR) 
→ Risco Relativo (RR) 
Ela é responsável por avaliar o risco de determi-
nada doença surgir na amostra exposta à um fa-
tor de risco. 
É representada pela razão entre a incidência do 
desfecho dos expostos e incidência dos não ex-
postos 
 
Na maioria das vezes o RR é acompanhado pelo 
IC – isso dá uma estimativa de onde se situa o RR 
verdadeiro 
 
OBS: Sempre que o valor 1,00 estiver contido no 
IC, o valor de p não é significante 
 
O valor 1,00 não está contido neste caso, por-
tanto o p é significativoValores de RR: 
RR<1 
Fator de proteção 
que favorece o grupo 
de intervenção 
RR = 1 Risco em ambos é o 
mesmo 
RR>1 Favorece o grupo 
controle 
Ex: RR=0,23 → O risco de crianças vacinadas 
apresentarem a doença é 23% menor do que as 
não vacinadas, ou, conclui-se que a vacina redu-
ziu em 77% o risco de se ter a doença. 
 
2. Estudo caso-controle 
Neste tipo de estudo, a amostra é separada em 
casos (pacientes) e controles (saudáveis). Cada 
grupo é subdivido em estar exposto ou não a um 
certo tipo de risco. 
Dentro desse tipo de estudo temos como medida 
de avaliação o Oddis Ratio (OR) 
→ Oddis Ratio (OR) 
Nesse tipo de avaliação não podemos verificar a 
incidência do desfecho porque os pacientes e 
controles já foram escolhidos a priori. 
 
Da mesma forma que o RR, o OR > 1 também fa-
vorece o grupo controle e etc, assim como a falta 
de significância de p caso o valor 1,00 esteja 
contido. 
 
Temos também a Razão de Prevalência (RP), 
usada em estudos em que se mede a prevalência 
ao invés da incidência. Ela é calculada da mesma 
forma que o RR. 
População x Amostra 
• Censo: dados relativos de toda a população 
• População: totalidade de pessoas, objetos ou 
eventos com características comuns → distri-
buição de probabilidade 
• Amostra: grupos selecionados de uma popu-
lação – quando ela é representativa, pode-
mos generalizar os resultados → distribuição 
de frequência 
• Amostragem: é o processo para a obtenção 
da amostra. Tem como objetivo estimar parâ-
metros populacionais 
Tipos 
• Conveniência (não aleatória): seleção de 
unidades amostrais mais acessíveis no mo-
mento, obtenção de informações de forma sim-
ples e rápida 
• Aleatória simples: listam-se todos os indiví-
duos de uma população e posteriormente sor-
teia-se a amostra desejada 
• Aleatória sistemática: listam-se todos os indi-
víduos de uma população e posteriormente 
sorteia-se um ponto de partida e a partir daí 
selecionamos a amostra 
• Aleatória estratificada: divide-se a amostra 
em partes/grupos e seleciona-se os indivíduos 
separadamente em cada parte (selecionar 
aleatório dentro do grupo) 
Para sabermos o tamanho da amostra devemos 
fazer testes estatísticos 
Nos estudos de prevalência, devemos nos per-
guntar qual a prevalência estimada, qual a mar-
gem de erro aceitável (geralmente é no máximo 
até 5%) e o nível de significância para calcularmos 
a amostra 
 
Nos estudos para a média, devemos nos pergun-
tar qual o desvio padrão, qual o erro esperado e 
qual o nível de significância para calcularmos a 
amostra. 
 
 
Pedro Lucas Cariri Moura – 2º Período 
FMIT – Faculdade de Medicina de Itajubá, 2020/1. 
Semana 3 – 19/02/2020 
Método de Ensino e Pesquisa II – MEP II 
Medidas de Tendência Central e Dispersão II 
• A variância indica o quão longe os valores de uma amostra encontram-se em relação à média. 
• Quanto menor a variância, mais próximo da média. 
 
Amplitude 
• É a diferença entre os valores mais alto e mais 
baixo. 
• Pode ser indicado simplesmente os valores bru-
tos em vez de sua diferença. 
• Fornece dados distorcidos quando existem ou-
tliers. 
1. Exemplo: < valor: 55 (kg); > valor: 101 (kg), 
pode ser representado: A = 101 – 55 = 46 kg 
ou A = [55; 101]. 
Percentil 
• Indica a posição em que o indivíduo se encon-
tra quando comparado a uma mostra ou po-
pulação. 
• Divide a amostra ordenada (ordem crescente 
dos dados) em 100 partes, cada uma com 
quantidade percentual de dados igual. 
• Em uma amostra de 100 pessoas com dados 
referentes ao peso, ordenando-se o peso em or-
dem crescer, cada pessoa responde a um per-
centil, ou seja, à porcentagem de 1%. 
• Muito usado para representar os scores em me-
dicina. 
1º. – Passo – colocar em ordem crescente. 
Percentis importantes: Quartis 
• São importantes os percentis 25 (quartil 1), 50 
(quartil 2) e 75 (quartil 3), todos dividem a 
amostra em 5. 
• Quartil 2 – é a mediana. 
• Intervalo interquartílico – intervalo correspon-
dente ente o quartil 1e o quartil 3. Garante-
se que contém os 50% dos valores da amostra. 
 
Intervalos entre percentis 
• Intervalo entre percentis é usado como me-
dida de dispersão em um conjunto de dados. 
• Embora seja o mais comum, pode-se utilizar a 
faixa interdecis (P10-P90) ou o que contem 
95% dos valores centrais P2,5-P97,5. 
1º. Ordenar os valores em ordem crescente [Dica: 
encontrar a mediana primeiro (quartil 2), a 
partir disso, encontra-se o quartil 1, que divide 
o grupo formado pela mediana ao meio.] 
• Quartis em nº ímpar: encontrar a mediana. 
• Quartis em nº par encontrar a mediana. 
• Saída – chamada de output. 
• Separatrizes – valores que dividem a distribui-
ção em partes iguais: 
1. Mediana – divide em 2 partes iguais; 
2. Quartis – divide em 4 partes iguais. 
3. Decis – divide em 10 partes iguais. 
4. Centis – divide em 100 partes iguais. 
Variância 
• Uma forma de medir a dispersão, determinando 
a extensão em que cada dado desvia da mé-
dia. 
• Para realizar esse procedimento, não se pode 
usar a somatória simples, porque as diferenças 
positivas anulariam as negativas. 
• Portanto, elava-se ao quadrado cada dife-
rença e encontra-se a média desses desvios 
quadrados. 
 
• A variância é calculada pela soma dos qua-
drados das distâncias entre cada dado e a 
média. A soma é depois divida por n-1. 
• As unidades da variância são ao quadrado 
das unidades observadas originalmente. Por 
exemplo, se a variável for o peso medido em kg, 
a unidade da variância é kg². 
• Quanto maiores forem os desvios, maior a va-
riabilidade/dispersão dos dados. 
Referências 
1. Katz D. Revisão em Epidemiologia, Bioestatística e 
Medicina Preventiva. 1st ed. Rio de Janeiro: Norma 
Suely De Oliveira Farias; 1996. 
2. SOARES, José Francisco; SIQUEIRA, Arminda Lúcia. 
Introdução à estatística médica. 2.ed. Belo Hori-
zonte: Coopmed, 2010. 
Pedro Lucas Cariri Moura – 2º Período 
FMIT – Faculdade de Medicina de Itajubá, 2020/1 
Semana 2 – 15/02/2020 
Método de Ensino e Pesquisa II – MEP II 
Medidas de Tendência Central 
 
Média 
Essa medida serve para indicar o valor médio de 
um conjunto de dados quantitativos, sendo calcu-
lado pela soma de todos os valores, divido pela 
quantidade desses valores. 
 
• O número de casas decimais deve ser consis-
tente com os dados brutos apresentados. 
• Sempre colocar as unidades correspondentes. 
• Valor após a vírgula que fiquem entre 0-4, o 
valor permanece inalterado. 
• Caso seja um valor entre 5-9, o valor deve ser 
alterado uma casa acima. 
Mediana 
• Realizada após organização em ordem cres-
cente dos dados. 
• Ao ordenar os valores, o dado que permanecer 
exatamente no meio é considerado a mediana. 
• Caso o número de dados seja par, o valor a ser 
definido como mediana é a média aritmética 
dos dois números centrais. 
Valores Atípicos 
• São as observações discrepantes de um con-
junto de dados, tendo impacto considerável so-
bre os resultados de algumas análises. 
• Observações originais de sujeitos com níveis 
muito extremos de variáveis. 
• Valores suspeitos devem ser verificados. 
1. Chegar os dados visualmente se o número de-
dados é pequeno ou o outlier é discrepante. 
2. Checar dados graficamente se o número de 
dados é grande ou o outlier é discreto. 
 
Quando média e mediana dão o mesmo resultado: 
1. Em distribuições simétricas, opta-se pela mé-
dia, porque utiliza todos os dados disponíveis. 
2. Em distribuições assimétricas opta-se pela 
mediana. 
Moda 
É o valor mais frequente, ou seja, aquele que mais 
se repete em um conjunto de dados, é o valor que 
“está na moda”. 
• Não ocorrem quando todos os valores são di-
ferentes 
• Pode não existir, como por exemplo, quando to-
dos os valores ocorrem em quantidades iguais. 
• Podem ocorrer duas modas quando dois ou 
mais valores são os mais frequentes. 
• Bastante utilizado quando os dados são cate-
góricos (quantitativos). 
Variáveis 
• Variáveis – são fatores quetem por objetivo 
apresentar as características de um grupo, ou 
seja, é a característica que é medida ou avali-
ada em cada elemento de amostra ou popula-
ção. (como p. ex. sexo, idade, gênero, etc.) É 
classificada em dois tipos: 
1. Independentes – vem antes, é o fator de risco, 
a causa. 
2. Dependentes – vem depois, é o desfecho, a 
consequência. 
3. Tipo – quantitativa, qualitativa. 
4. Classificação – dependente, independente. 
5. Categoria – Sexo: masculino e feminino. 
6. Frequência absoluta – número total dentro da 
pesquisa, ou seja, a amostra. Como por exem-
plo: número de pessoas acometidas pela di-
abetes. 
7. Frequência relativa – número de pessoas com 
determinada característica dentro da amostra, 
ou seja, amostragem. Como por exemplo: tipo 
de diabetes (I ou II). 
 
Variáveis Qualitativas 
• Não possuem valor quantitativo; 
• São definidas por categorias, ou seja, represen-
tam uma classificação do indivíduo. 
• Nominal – não existe ordenação dentre as ca-
tegorias. 
1. Sexo 
2. Nome 
3. Doente/sadio 
4. Tipo sanguíneo 
5. Raça 
• Ordinal – existe uma ordenação entre as cate-
gorias. 
1. Grau de severidade de uma lesão (fatal, severa, 
moderada e pequena) 
2. Escolaridade (1º, 2º, 3º) 
3. Classe social (baixa, média, alta) 
Variáveis Quantitativas 
• Representam características que podem ser me-
didas; 
• Podem ser representadas por valores numéricos. 
• Discreta – a variável é avaliada em números 
que são resultados de contagens e, por isso, 
somente fazem sentido os números naturais. 
1. Número de filhos 
2. Número de casos de uma doença 
3. Número de cigarros fumados por dia 
• Contínua – a variável é avaliada em números 
que são resultados de medições e, por isso, po-
dem assumir valores com casas decimais e de-
vem ser medidas por meio de algum instrumento. 
1. Massa (balança) 
2. Altura (régua) 
3. Temperatura (termômetro) 
• Categorização – a categorização de variá-
veis contínuas é necessária para estabelecer 
um parâmetro para uma posterior análise de 
dados. 
Componentes de Artigos 
• Introdução – Contextualização do problema, 
apresentação dos objetivos do estudo, GAPs, 
método. 
• Método – tipo de estudo utilizado, instrumentos, 
aprovação do comitê de ética, critérios de in-
clusão e exclusão, amostra, amostragem, variá-
veis. 
• Resultados – apresentação dos dados coleta-
dos ao longo da pesquisa, feito de maneira im-
parcial. 
• Discussão – explicação dos resultados da pes-
quisa a partir dos pontos principais, onde são 
elucidadas as alterações da pesquisa, as 
dificuldades do estudo, além da comparação 
com estudos anteriores. 
• Conclusão – onde é relatado o desfecho do 
trabalho. (Palavras que dão relevância ao ar-
tigo: necessário, oportuno.) 
• Referências – fontes de pesquisa e dados que 
foram utilizados ao longo da elaboração do 
artigo. 
Referências 
1. Katz D. Revisão em Epidemiologia, Bioestatística e 
Medicina Preventiva. 1st ed. Rio de Janeiro: Norma 
Suely De Oliveira Farias; 1996. 
2. SOARES, José Francisco; SIQUEIRA, Arminda Lúcia. 
Introdução à estatística médica. 2.ed. Belo Hori-
zonte: Coopmed, 2010. 
Alícia Mota – MED 40 
Mep 2º Período 
Amostragem 
População: um conjunto com ao menos 
uma característica em comum; 
Amostra: parte representativa do todo; 
Censo: enumera toda a população, ex. 
censo IBGE. 
Amostragem: 
- PROBABILÍSTICA: é representativa, a 
probabilidade de algo/alguém ser 
escolhido é conhecida. 
x Aleatória simples: precisa da lista 
com todos os elementos da pop., 
ex.: sorteio. 
x Aleatória sistemática: calcula-se o 
intervalo de seleção dos elementos 
(k); determina-se o ponto de 
partida (o 1º elemento da amostra) 
por meio do sorteio aleatório 
simples e depois se usa a 
progressão aritmética (PA) para 
determinar todos os elementos da 
amostra. 
x Aleatória estratificada: divide-se a 
população em estratos 
homogêneos. Faz a proporção de 
estratos em relação a população e 
retirar a amostra com base nessa 
proporção, ex.: pop com diferentes 
níveis de escolaridade. 
x Aleatória por conglomerado: ex.: 
quarteirões. Os elementos em um 
conglomerado deve ser pequeno 
em relação à população. 
 
- NÃO PROBABILÍSTICA: 
x Amostra por conveniência: sem 
rigor estatístico. Não tem valor 
cientifico. 
x Amostragem intencional ou por 
julgamento: o pesquisador avalia a 
pessoa mais apta para a pesquisa. 
x Amostragem por quotas: é por 
estratificação, mas não existem 
sorteios. Para cada entrevistador 
deve haver uma cota de 
entrevistas e este escolherá pessoas 
que estejam dentro do perfil da 
pesquisa. 
 
Tamanho da Amostra: 
x Nível de significância (β): 
probabilidade de se cometer o 
erro Tipo 1 (rejeitar a hipótese 
nula quando ela é verdadeira). 
Mais utilizados – 5% e 1%. 
PROBABILIDADE DE DECISÃO 
ERRADA. 
x Poder do teste (1 – β): 
probabilidade de rejeitar a 
hipótese nula quando ela é 
falsa. PROBABILIDADE DE 
DECISÃO CERTA. 
x A hipótese nula é a H0 e é a 
hipótese colocada em teste. 
x Z corresponde ao nível de 
confiança, ou poder de teste. 
Quando ele for 95% usar Æ 1,96. 
 
 
Alícia Mota – MED 40 
Î CÁLCULO DO TAMANHO DA 
AMOSTRA: 
 
n = O tamanho da amostra que 
queremos calcular 
Z = É o desvio do valor médio que 
aceitamos para alcançar o nível de 
confiança desejado. Os valores mais 
frequentes são: 
o Nível de confiança 90% -> 
Z=1,645 
o Nível de confiança 95% -> Z=1,96 
o Nível de confiança 99% -> 
Z=2,575 
e = É a margem de erro máximo que 
eu quero admitir (p.e. 5%) 
p = É a proporção que esperamos 
encontrar. 
 
Î CÁLCULO DO TAMANHO DA 
AMOSTRA CORRIGIDA: 
 
 
 
n = O tamanho da amostra que 
queremos calcular. 
N = Tamanho do universo (p.e. 136 
milhões de brasileiros entre 15 e 65 
anos). 
Medidas de Frequência 
1. Frequência Absoluta: valor bruto, 
ex: doentes. 
2. Frequência Relativa: resultado 
obtido da divisão entre a 
frequência absoluta - o valor que é 
observado na população - e a 
quantidade de elementos da 
amostra. Ex: doentes/pop total * 
coeficiente. 
Æ MORBIDADE: 
- Mede a frequência com que 
determinados problemas de saúde 
ocorrem na população (frequência de 
determinada doença). 
 - Indicadores usados para determinar 
essa frequência: 
INCIDÊNCIA: nº de casos 
novos/população sob risco em 
um determinado tempo (o 
pesquisador precisa de no 
mínimo 2 observações) – pensar 
em doenças agudas e requer 
duração. 
PREVALÊNCIA: nº de casos já 
existentes (só precisa ser 
observado 1 vez) – pensar em 
doenças crônicas. 
x ↑ incid. = ↑ prev. 
x ↑ novos tratamentos sem 
cura = ↑ prev. 
x ↑ imigração = ↑ prev. 
x ↑ óbitos = ↓ prev. 
x ↑ cura = ↓ prev. 
x ↑ emigração de doentes = 
↓ prev. 
 
CALCULO DO TAMANHO DA AMOSTRA: 
- prevalência esperada 
- nível de confiança 
- precisão absoluta desejada 
n= _N . n0_ 
 N + n0 
Coeficiente ou taxa = _nº de casos_ x 100000 
 nº da pop. de risco 
Alícia Mota – MED 40 
TAXAS DE ATAQUE: em doenças 
agudas que colocam em risco 
toda/ parte da população por 
um período limitado – incidência 
em surtos. 
 
Æ LETALIDADE: 
- Mede quão grave é uma doença. 
- É determinada pelo nº de mortes/nº de 
infectados*100 (usar um mesmo período 
de tempo). 
Æ MORTALIDADE: 
 - Nº de óbitos/população*coeficiente 
(mesmo período de tempo) 
Æ VARIAVEIS: 
- Qualitativas: 
x Nominal – não tem um melhor que 
o outro (sim/não, sexo, estado civil). 
x Ordinal – são separados por níveis 
(bom, regular, ruim). 
- Quantitativas: 
x Discreta – nº inteiro (nº de filhos) 
x Contínua – pode ser fracionado 
(idade, altura, nível de colesterol...) 
Æ ORDEM DE EVIDÊNCIAS: 
1- Revisão sistemática 
2- Megatrials 
3- Ensaio clinico 
4- Coorte controlado 
5- Caso controle 
6- Serie de casos 
7- Opinião de especialistas 
INFERÊNCIA ESTATISTICA E TESTE DE 
HIPÓTESE: 
x É efetuar generalizações a partir de 
uma amostra. Usa o raciocínio 
indutivo quando se analisa o geral 
com base no particular, ou seja, a 
população com basena amostra. 
x O teste de uma hipótese é 
montado sempre com 2 
afirmações, uma de igualdade e 
outra com algum tipo de diferença. 
x Hipótese nula ou H0 é a hipótese da 
igualdade. 
x Hipótese alternativa ou H1 ou HA é a 
conclusão que será apoiada caso 
H0 seja rejeitada. 
x Rejeita-se H0 com base em 
evidencias a partir da amostra. 
o Erro tipo I – rejeita-se H0 
quando ela é verdadeira. 
o Erro tipo II – aceita H0 quando 
ela é falsa. 
x P-valor: erro dado pelo “sistema”. 
x Deve-se comparar o P-valor com o 
nível de significância. 
o se p-valor < ou = a: rejeita H0 
o se p-valor > a: aceita H0 
 
Æ SEMPRE OLHAR PARA O INTERVALO DE 
CONFIANÇA: 
x se estiver contido no IC não há 
associação. 
x Se IC> 1: relação causal 
x Se IC< 1: relação de proteção 
Æ SE AUMENTA A POPULAÇÃO: 
x Tem maior confiança; 
x Diminui o intervalo de confiança; 
x Diminui o p-valor. 
 
 
 
 
 
 
 
 
 
Alícia Mota – MED 40 
Tipos de estudos 
OBSERVACIONAIS - sem intervenção do 
pesquisador. Podem ser: 
x Descritivo: sem grupo controle 
9 relato de caso 
9 série de caso 
x Analítico: com grupo controle 
9 transversal – exposição e 
desfecho ao mesmo tempo 
- não mede causa-efeito; 
- observa o individuo em um 
único momento; 
- associado a prevalência; 
- é um inquérito por se estar 
com o objeto de estudo 
apenas uma vez; 
- calcula-se o coeficiente de 
prevalência que é 
determinado pela relação 
entre prev. e pop.; 
- a razão de prev. 
corresponde ao risco relativo, 
que é determinada pela 
razão entre a prev. da 
doença nos expostos e a 
prev. da doença nos não 
expostos; 
- calcula OR e quanto mais 
elevado ele for, mais forte é a 
associação de causa-efeito. 
 
 
 
 
 
 
 
 
 
 
 
Pedro Lucas Cariri Moura – 2º Período 
FMIT – Faculdade de Medicina de Itajubá, 2020/1. 
Semana 9 – 08/04/2020 
Método de Ensino e Pesquisa II – MEP II 
Tabelas e Banco de Dados 
 
Tabelas 
• Permitem rápida leitura e apresentam grande 
quantidade de dados em pouco espaço. 
• Antes de se colocar a tabela, o texto deve fa-
zer menção a ela, e a sua numeração. Ex.: Na 
Tabela 1, observam-se os resultados referentes 
(...); 
• Devem ser numeradas em algarismos arábicos 
(na ordem em que aparecem no texto). 
 
• Devem ser mencionadas no texto; 
• Devem conter um título, o qual vem acima da 
tabela; 
• O título deve ser breve, claro e explicativo; 
• Podem conter notas, que vêm abaixo da Ta-
bela; 
• Notas fornecem informações relativas à tabela 
e apresentam explicação de abreviaturas, sím-
bolos e assemelhados. 
• Não possuem linhas verticais. Possuem algu-
mas linhas horizontais, que demarcam o cabe-
çalho e o final da tabela. 
Interpretação de Tabelas em Artigos 
Científicos 
 
• Variável Dependente – Escore de Prontidão 
• Variável Independente – Sexo, motivo do en-
caminhamento ao ambulatório, tentativa ante-
rior de perda de peso, orientação profissional 
anterior, compulsão alimentar periódica, IMC. 
• Qual é o tipo de cada variável? 
1. Escore de Prontidão – Quantitativa contínua; 
2. Sexo; Motivo do encaminhamento ao ambu-
latório; Tentativa anterior de perda de peso; 
Orientação profissional anterior; Compulsão 
alimentar periódica – Qualitativa nominal 
3. IMC – Quanti contínua categorizada 
 
• Variável dependente – Escalas 
• Variáveis independentes – Pacientes, voluntá-
rios saudáveis 
• Qual é o tipo de cada variável? 
1. Pacientes/Voluntários Saudáveis – Qualita-
tiva nominal; 
2. Escala X1/X2/X3 – Quantitativa contínua. 
Um texto bem escrito sempre indica quais são as 
variáveis dependentes e independentes nos mé-
todos. 
 
 
• A tabela corresponde exatamente aos dados 
representados no gráfico. 
Banco de Dados 
• Tabular e organizar todos os dados de cada 
sujeito (animal/humano) da pesquisa. 
• Os dados correspondem às diferentes variáveis 
que são do interesse do pesquisador; 
• Geralmente organizados em softwares; 
• Softwares e pacotes estatísticos geralmente não 
aceitam trabalhar com dados não numéricos; 
• Para analisar variáveis nominais e ordinais, re-
comenda-se transcrevê-las em número e explici-
tar na legenda. Como por exemplo: 
1. Gênero – 1= Feminino; 2 = Masculino 
2. Estado Civil – 1 = solteiro; 2 = casado; 3 = di-
vorciado; 4 = viúvo; 5 = união estável. 
3. Diagnóstico – 0 = voluntário saudável; 1 = pa-
ciente. 
4. Estágio da doença – 0 = voluntário saudável; 
1 = paciente. 
• A tabulação de dados quantitativos deve ser 
feita sempre com a mesma unidade. 
• Dados Faltantes – ocorrem quando não se tem 
acesso ao dado de algum voluntário, por prin-
cipais motivos: 
1. Recusa de resposta; 
2. Questionário (instrumento) perdido ou não apli-
cado; 
3. Voluntário não encontrado. 
• Podem ser substituídos por valores os quais as 
variáveis não podem assumir (Ex. 999), de-
vendo ser “notificados” ao software. 
Referências 
1. Associação Brasileira de Normas Técnicas. NBR 
15287: informação e documentação – projeto de 
pesquisa – apresentação. 2. Ed. Rio de Janeiro: 
ABNT. 
2. Field, Andy. Descobrindo a ESTÍSTICA usando o 
SPSS. 2. ed. Porto Alegre: Artmed. 
Pedro Lucas Cariri Moura – 2º Período 
FMIT – Faculdade de Medicina de Itajubá, 2020/1 
Data: 06/02/2020 
Método de Ensino e Pesquisa II – MEP II 
Variáveis, Medidas de Frequência e Tipos de Estudo 
 
Conceitos Básicos 
• Estatística – analisa corretamente 
dados coletados em pesquisas 
científicas. 
• Bioestatística – analisa 
especificamente os dados que 
envolvem as questões biológicas e 
médicas. 
• Variáveis – são fatores que tem por 
objetivo apresentar as características de 
um grupo, ou seja, é a característica que 
é medida ou avaliada em cada elemento 
de amostra ou população. (como p. ex. 
sexo, idade, gênero, etc.) É classificada 
em dois tipos: 
1. Independentes – vem antes, é o fator 
de risco, a causa. 
2. Dependentes – vem depois, é o 
desfecho, a consequência. 
Ex.: Risco de desenvolver câncer de 
pulmão. VI – Cigarro, VD – Câncer. 
Variáveis Qualitativas 
• Não possuem valor quantitativo; 
• São definidas por categorias, ou seja, 
representam uma classificação do 
indivíduo. 
• Nominal – não existe ordenação dentre 
as categorias. 
1. Sexo 
2. Nome 
3. Doente/sadio 
4. Tipo sanguíneo 
5. Raça 
• Ordinal – existe uma ordenação entre 
as categorias. 
1. Grau de severidade de uma lesão (fatal, 
severa, moderada e pequena) 
2. Escolaridade (1º, 2º, 3º) 
3. Classe social (baixa, média, alta) 
Variáveis Quantitativas 
• Representam características que podem 
ser medidas; 
• Podem ser representadas por valores 
numéricos. 
• Discreta – a variável é avaliada em 
números que são resultados de 
contagens e, por isso, somente fazem 
sentido os números naturais. 
1. Número de filhos 
2. Número de casos de uma doença 
3. Número de cigarros fumados por dia 
• Contínua – a variável é avaliada em 
números que são resultados de 
medições e, por isso, podem assumir 
valores com casas decimais e devem ser 
medidas por meio de algum 
instrumento. 
1. Massa (balança) 
2. Altura (régua) 
3. Temperatura (termômetro) 
• Categorização – a categorização de 
variáveis contínuas é necessária para 
estabelecer um parâmetro para uma 
posterior análise de dados. 
Incidência 
• Frequência com que surgem novos casos de uma doença; 
• Indivíduos que adoeceram em um determinado espaço de tempo; 
• Usada como medida de risco; 
• Doenças agudas. 
Incidência = 
número de casos novos em determinado período 
x Constante 
número de pessoas expostas ao risco no mesmo período 
• A constante refere-se a uma potência de base 10 (100, 1.000, 100.000). Esse valor tem a 
função de expressar a incidência por número de pessoas. 
Prevalência 
• Número total de casos existentes de uma doença em um dado momento; 
• Indivíduos que adoeceram independente do período do diagnóstico; 
• É uma “fotografia” sobre sua ocorrência, sendo assim uma medida estatística; 
• Doenças crônicas. 
Prevalência = 
número de casos existentes em determinado períodox Constante 
número de pessoas na população no mesmo período 
• Prevalência pontual – frequência de casos existentes em um dado instante no tempo (ex.: 
em determinado dia, como primeiro dia ou último dia do ano). “Você fuma?” 
• Prevalência do período – frequência de casos existentes em um período de tempo (ex.: 
durante um ano). “Você já fumou?” 
Tipos de Estudo 
• Estudo transversal (seccional) – 
medem a prevalência da doença, sendo 
as medidas da exposição e efeito 
(doença) realizadas simultaneamente. 
Pode ser comparado a um “retrato” 
retirado da situação no momento da 
análise. Nesse tipo de estudo, podem 
participar tanto pessoas doentes quanto 
saudáveis, pelo de fato de serem 
escolhidas por amostragem (critérios de 
inclusão). 
 
• Relativamente baratos; 
• Fáceis de conduzir; 
• Úteis na investigação das exposições. 
• Incapacidade de testar hipóteses, pois 
as variáveis são colhidas ao mesmo 
tempo. 
 
• Caso-controle – estudos de grupos 
semelhantes, selecionados a partir de 
uma população de risco que compara 
doentes versus não doentes, 
retrospectivamente, considerando a 
exposição e os possíveis fatores de risco 
a que a amostra de doentes foi exposta 
(no passado). São analisados dois 
recortes populacionais, um com a 
doença estudada (grupo de casos) e 
outro com pessoas saudáveis (grupo 
controle). São sempre longitudinais, 
pois há coleta de dados em dois 
momentos distintos e retrospectivos, 
uma vez que o investigador busca, no 
passado, uma determinada 
causa/exposição para a doença 
ocorrida. Esse estudo parte do desfecho 
da doença e observa se os fatores de 
risco estavam presentes. O objetivo 
principal desse estudo é analisar como 
está se desenvolvendo o processo 
saúde-doença naquele grupo de pessoas 
que compartilha uma característica em 
comum, chamada fator de risco. 
 
• Fácil e de rápida execução; 
• Custo relativamente baixo; 
• Útil para identificação de fatores de 
risco e doenças raras. 
• Dificuldade de seleção; 
• Dependem do registro médico 
Coorte (prospectivo) – Estudo 
longitudinal no qual um grupo de pessoas 
(com determinado fator de risco) é 
acompanhada por determinado tempo. Os 
desfechos são comparados a partir da 
exploração ou não de uma intervenção ou 
outro fator de interesse para análise 
posterior de incidência da doença. 
Esse estudo pode ser utilizado para 
monitorar a incidência da doença, 
identificar os determinantes para 
ocorrência da doença, monitorar a 
sobrevida associada a doença ou identificar 
fatores associados à progressão da doença. 
A duração da pesquisa é longa, podendo 
durar dias/meses (processos agudos) ou 
anos/décadas (processos crônicos). Esse 
tempo é estabelecido no início do estudo. 
• Relação temporal entre exposição e 
efeito; 
• Avalia exposição rara; 
• Avalia fatores associados a doenças de 
evolução rápida. 
• São demorados; 
• Podem ser caros; 
• Perda dos participantes por imigração, 
desistência ou morte; 
• A exposição não está sobre o controle 
do pesquisador. 
 
Componentes de Artigos 
• Introdução – Contextualização do 
problema, apresentação dos objetivos 
do estudo, GAPs, método. 
• Método – tipo de estudo utilizado, 
instrumentos, aprovação do comitê de 
ética, critérios de inclusão e exclusão, 
amostra, amostragem, variáveis. 
• Resultados – apresentação dos dados 
coletados ao longo da pesquisa, feito de 
maneira imparcial. 
• Discussão – explicação dos resultados 
da pesquisa a partir dos pontos 
principais, onde são elucidadas as 
alterações da pesquisa, as dificuldades 
do estudo, além da comparação com 
estudos anteriores. 
• Conclusão – onde é relatado o desfecho 
do trabalho. (Palavras que dão 
relevância ao artigo: necessário, 
oportuno.) 
• Referências – fontes de pesquisa e 
dados que foram utilizados ao longo da 
elaboração do artigo. 
Referências 
1. Katz D. Revisão em Epidemiologia, 
Bioestatística e Medicina Preventiva. 1st 
ed. Rio de Janeiro: Norma Suely De 
Oliveira Farias; 1996. 
do estudo, além da comparação com 
estudos anteriores. 
• Conclusão – onde é relatado o desfecho 
do trabalho. (Palavras que dão 
relevância ao artigo: necessário, 
oportuno.) 
• Referências – fontes de pesquisa e 
dados que foram utilizados ao longo da 
elaboração do artigo. 
Referências 
1. Katz D. Revisão em Epidemiologia, 
Bioestatística e Medicina Preventiva. 1st 
ed. Rio de Janeiro: Norma Suely De 
Oliveira Farias; 1996. 
do estudo, além da comparação com 
estudos anteriores. 
• Conclusão – onde é relatado o desfecho 
do trabalho. (Palavras que dão 
relevância ao artigo: necessário, 
oportuno.) 
• Referências – fontes de pesquisa e 
dados que foram utilizados ao longo da 
elaboração do artigo. 
Referências 
1. Katz D. Revisão em Epidemiologia, 
Bioestatística e Medicina Preventiva. 1st 
ed. Rio de Janeiro: Norma Suely De 
Oliveira Farias; 1996. 
do estudo, além da comparação com 
estudos anteriores. 
• Conclusão – onde é relatado o desfecho 
do trabalho. (Palavras que dão 
relevância ao artigo: necessário, 
oportuno.) 
• Referências – fontes de pesquisa e 
dados que foram utilizados ao longo da 
elaboração do artigo. 
Referências 
1. Katz D. Revisão em Epidemiologia, 
Bioestatística e Medicina Preventiva. 1st 
ed. Rio de Janeiro: Norma Suely De 
Oliveira Farias; 1996.