Aula4_5_Bioestatistica_Analitica

Prévia do material em texto

14/08/17
1
Prof. Dr. Alan Moraes.
moraes@univali.br
� Univariada (Descritiva)
¡ Cada variável é tratada isoladamente mediante 
exploração detalhada das observações.
� Bivariada (Inferencial/Analítica)
¡ Relacionamento entre duas variáveis.
� Multivariada
¡ Relação simultânea entre mais de duas 
variáveis.
A análise bivariada explora a relação entre 
variáveis, que não é possível ser vista na análise 
univariada. Esta etapa é importante, pois possibilita 
o levantamento de hipóteses que serão testadas 
com testes específicos.
� Hipótese nula
¡ H0 = afirmação 
conservadora sobre 
uma situação de 
pesquisa
� Hipótese alternativa
¡ H1 = Formulada como 
alternativa para H0
H0 = gasto energético é o mesmo entre homens e 
mulheres
H1 = gasto energético é diferente entre homens e 
mulheres
14/08/17
2
� A utilização de dados de uma amostra para 
fazer inferências válidas para toda a 
população tem que considerar a possibilidade 
do acaso ou erro amostral.
� Dois tipos de erros devem ser considerados
¡ Erro tipo I, ou probabilidade α. 
¢ Probabilidade de se rejeitar a hipótese nula, sendo ela 
verdadeira. 
¡ Erro tipo II ou β
¢ Probabilidade de não se rejeitar a hipótese nula, 
sendo ela falsa
Funções dos testes estatísticos:
�Descartar o acaso como uma possível explicação 
para o resultado observado;
�Tem como resultado um número representando a 
probabilidade desse acaso, chamado valor de p.
� Para a interpretação adequada dessa probabilidade 
é sempre necessária uma perfeita identificação da 
hipótese que está sob teste (a H0).
� Valores de p pequenos indicam que é pouco 
provável que a associação tenha ocorrido ao acaso, 
sugerindo a rejeição da H0.
� A associação entre exposição e desfecho: é 
condição necessária para estabelecer a relação de 
causa e efeito.
� Embora ser estatisticamente significativo seja 
condição necessária para a relação, não é 
suficiente, visto que devem ser descartados vieses e 
fatores de confusão;
14/08/17
3
� Teste estatístico responde se a associação entre 
as variáveis foi ao acaso ou não. 
� A quantificação da associação é dada pelas 
medidas de associação e seus respectivos 
intervalos de confiança (IC95%)
Curva Gaussiana
14/08/17
4
� Kolmogorov-Smirnov
� Shapiro-Wilk
¡ Partem da hipótese de que os dados não 
seguem uma distribuição normal
¡ Valor de p deve ser >0,05 para ser considerada 
distribuição normal 
¡ IMPORTANTE: Variáveis qualitativas serão 
tratadas como NÃO-PARAMÉTRICAS!
� Kolmogorov-Smirnov (≥ 50 amostras)
� Shapiro-Wilk (< 50 amostras)
NORMAL OU NÃO-NORMAL?
� A distribuição normal/paramétrica tem como 
parâmetros a média e o desvio-padrão.
� A curva normal tem forma de sino.
� Testes paramétricos
¡ Baseiam nos parâmetros desta distribuição
normal (ou gaussiana) e o nível intervalar de 
mensuração das variáveis.
14/08/17
5
� Testes não paramétricos
¡ Tem por base as frequências/contagens.
� Distribuição livre
¡ Teste de U de Mann-Whitney
¡ Kruskal-Wallis
ü Relação entre variáveis numéricas
ü Relação entre duas variáveis categóricas
ü Relação entre uma variável categórica e uma 
numérica
14/08/17
6
� A análise inicial realizada por gráficos
¡ mostrar a relação entre elas, como dispersão 
das observações em torno da um padrão médio
¢ gráfico de dispersão
¡ Observar tendência de variação conjunta das 
variáveis
¢ Com aumento de uma das variáveis, há 
aumento (relação direta) ou redução da outra 
(relação inversa)
� A análise inicial realizada por gráficos
¡ Observar tendência de variação conjunta das 
variáveis
� A análise inicial realizada por gráficos
¡ Observar tendência de variação conjunta das 
variáveis
� A análise inicial realizada por gráficos
¡ Observar tendência de variação conjunta das 
variáveis
Correlação + Correlação - Sem correlação
14/08/17
7
Análise do grau de relacionamento entre duas variáveis 
quantitativas (discretas ou contínuas)
Correlação
Exemplo: Idade (anos) X Anos de estudo (anos)
de Pearson (r)àassume normalidade dos 
dados
de Spearman (rho)ànão assume 
normalidade dos dados
� Pela análise inicial realizada no gráfico de 
dispersão, parece haver uma correlação 
negativa. Agora aplica-se o Teste de Correlação 
de Pearson.
¡ Observar tendência de variação conjunta das 
variáveis
�Análise de regressão e/ou correlação
¡ Regressão linear simples
¢Função matemática para descrever a 
variável dependente em função da 
independente
¢Coeficiente angular
� inclinação da reta de regressão
¢Coeficiente linear
� valor de Y quando X é igual a 0
� Análise de regressão e/ou correlação
¡ Coeficiente de correlação de Pearson
¢ Quantificar o grau de relacionamento linear 
entre duas variáveis numéricas
¢ Varia de -1 a 1
¢ 0 é sem correlação
¡ Coeficiente de determinação, R2
¢ Quadrado do coeficiente de correlação de 
Pearson
¢ Indica quanto que a variabilidade de uma 
variável é explicada pela incorporação da 
outra variável
14/08/17
8
¡ Coeficiente de determinação, R2
¢ Quadrado do coeficiente de correlação de 
Pearson (Indica quanto que a variabilidade de 
uma variável é explicada pela incorporação da 
outra variável)
R2 = 0,057 x 
100= 5,7%
¡ Coeficiente de determinação, R2
¢ Conclusão: O aumento da Idade explica 
apenas 5,7% da redução da quantidade de 
anos estudados. 
R2 = 0,057 x 
100= 5,7%
� Utilizar um teste não-paramétrico
� Tabela de frequência
¡ Distribuição das informações das categorias de 
uma variável pela categoria da outra
� Duas variáveis dicotômicas
¡ Tabela de contingência (ou 2 x 2)
¢ Exposição (linhas)
¢ Desfecho (colunas)
14/08/17
9
� Teste estatístico clássico
¡ Teste qui-quadrado (c2)
¢ Comparação das frequências observadas 
com as frequências esperadas
¢ Se a hipótese nula fosse verdadeira 
(proporções iguais)
¢ Requisitos
� Comparação entre duas ou mais categorias
� Dados pertencentes a mensuração nominal
� Amostragem aleatória
� Frequências esperadas por casela não muito 
pequenas (5 ou mais) ou totalizando mais de 30
¡ Exemplo: 
� Existe associação entre obesidade e ter HAS?
� Estudo observacional transversal;
� Amostra: 1669 indivíduos adultos, residentes em 
Florianópolis/SC, ano de 2012 (Dados do Vigitel);
� Teste c2 para verificar se existem diferenças 
entre os grupos e se ela não ocorreu ao acaso.
¡ Exemplo: 
¡ Exemplo: 
14/08/17
10
¡ Exemplo:
Utilizo x² à valor de p<0,05 ou p=0,000
Estudo 
transversal
Razão de 
Prevalência
Estudo de 
coorte
Razão de 
Incidência
Estudo 
caso-
controle
Razão de 
Chances
A interpretação da medida de associação 
necessariamente vem acompanhada por seu IC95%. 
� RP > 1: a prevalência nos expostos é maior se 
comparada aos não expostos;
� RP < 1: a prevalência nos expostos é menor se 
comparada aos não expostos;
� RP = 1: a prevalência nos expostos não difere da 
dos não expostos.
� RR>1 : a exposição aumenta o risco de 
ocorrência do desfecho
� RR < 1: a exposição diminui o risco de ocorrência 
do desfecho
� RR = 1: não existe associação entre a exposição 
e a ocorrência do desfecho
14/08/17
11
� OR > 1: a exposição aumenta a chance/risco de 
ocorrência do desfecho
� OR < 1: a exposição diminui a chance/risco de 
ocorrência do desfecho
� OR = 1: não existe associação entre a exposição 
e a ocorrência do desfecho
¡ Exemplo: Tabela 2x2
� Obesidade associada a HAS � Obesidade associada a HAS
14/08/17
12
� RP > 1: a prevalência nos expostos é maior se 
comparada aos não expostos;
� RP < 1: a prevalência nos expostos é menor se 
comparada aos não expostos;
� RP = 1: a prevalência nos expostos não difere da 
dos não expostos.
� Teste paramétrico t de Student
¡ Compara médias de uma variável numérica 
(divididas em dois grupos) com variável 
categórica dicotômica
¢ Preciso transformar a variável numérica em uma 
categórica dicotômica
¡ A hipótese nula é a de igualdade entre as 
variáveis
� Teste não-paramétrico U Mann-Whitney
¡ Variável numérica não apresenta distribuição 
normal ou não há homogeneidade das 
variâncias�Alternativa quando se dispõe de amostra 
pequena
14/08/17
13
� Exemplo: Existe diferença entre média de idade e 
ter ou não hipertensão arterial sistêmica? 
¡ Variável numérica: Idade, divida entre ≤50 (1) e 
>50 anos (2) – verificada anteriormente como 
Não-Paramétrica
¡ Variável qualitativa nominal dicotômica: ter ou 
não hipertensão
¡ A hipótese nula a de igualdade entre as 
variáveis
¡ Objetivo do teste: Rejeitar a hipótese nula
Utilizo Valor de 
p>0,05 ou p<0,001 
ou p=0,000 
Teste não-paramétrico 
para dados pré e pós
Anteriormente, verificamos se havia 
diferença estatística, mas existe associação?
RP= 1,66 (1,55-1,79)
A prevalência de hipertensos é 66% maior 
entre os com idade superior a 50 anos 
Portanto, idade >50 é fator de risco
14/08/17
14
� Seguem as normas da ABNT
RP