Baixe o app para aproveitar ainda mais
Prévia do material em texto
UFRJ – Bioestatística Emilia M. do Nascimento 1. O Papel da Estatística na Medicina • Planejamento • Execução • Análise de dados ¾ Introdução 9 A Estatística fornece, além dos métodos para tomada de decisões na presença de incerteza, as formas de planejamento de estudos. 9 Ex.: Aspirina e prevenção de doença coronariana ¾ Alguns exemplos 9 Artigo: Physicians’ Health Study • 22071 médicos americanos voluntários • idade de 40 e 84 anos • divididos aleatoriamente em 2 grupos • grupo 1: tomou aspirina (11037 médicos) • grupo 2: placebo (11034 médicos) • pacientes acompanhados por 5 anos 9 Ex.: Aspirina (cont) • proporção de infartos (gr. caso): 139/11037 = 0,013 • proporção de infartos (gr. controle): 239/11034 = 0,022 • A diferença das proporções é devido ao efeito da aspirina ou ao acaso? • I.é, haveria o mesmo efeito se o estudo fosse repetido com outro grupo de pessoas? Tabela 1.1: Resultados relatados pelo Steering Committe of Physicians' Health Study Group em 1989 9 Ex.: Aspirina (cont) • A probabilidade do efeito ser apenas devido ao acaso é menor que 1 em 10.000 ⇒ forte evidência do efeito protetor da aspirina. • Pacientes que tiveram infarto: efeito da aspirina é avaliado pela razão do risco de infarto nos 2 grupos. • Razão de risco = 0,53 ⇒ o risco de quem toma aspirina é quase metade dos de quem não toma. • A Estatística ajuda na tomada de decisão. Tabela 1.1: Resultados relatados pelo Steering Committe of Physicians' Health Study Group em 1989 9 Ex.: Cirurgia conservadora em câncer de mama • 3 opções: mastectomia total tumorectomia tumorectomia + radioterapia • Os 2 tratamentos não são equivalentes comparando-se o tempo até a recidiva e o tempo até a metástase. • A radioterapia aumenta o tempo de sobrevida. 9 Ex.: Consumo de carne e câncer do cólon • Quanto maior o consumo de carne, maior a incidência de câncer. • Mas, nada se pode concluir: foram analisadas as médias ⇒ não se sabe se quem consome carne é a mesma pessoa que desenvolve o câncer. Incidência de câncer de cólon em função do consumo de carne em vários países 9 Ex.: Tabagismo e câncer de pulmão (1º estudo) • Nº de fumantes e não fumantes entre homens com diagnóstico de câncer de pulmão e controles ¾ Estudo caso-controle Grupo Fumantes Não fumantes Câncer pulmonar 647 2 Controle 622 27 • A metodologia era muito criticada na época (1950), pela facilidade de serem produzidas associações falsas. • Apesar da evidência, o estudo não foi convincente. 9 Ex.: Tabagismo e câncer de pulmão (2º estudo) • Taxa de mortalidade por câncer pulmonar para fumantes e não fumantes ¾ Estudo de coorte acompanhamento prospectivo 0.07 ( 3 ) 0.57 ( 22 ) 1.39 ( 54 ) 2.27 ( 57 ) Não fumantes Cigarros diários 1 - 14 15 - 24 25 + • O risco de morte por câncer pulmonar das pessoas que fumam mais que 25 cigarros/dia é aprox. 32 vezes maior (2,27 / 0,07 ≈ 32) ¾ Bioestatística 9 Conjunto de métodos estatísticos para tratamento da variabilidade nas ciência médicas e biológicas; 9 Fornece métodos para tomada de decisões ótimas na presença de incerteza, estabelecendo faixas de confiança para a eficácia dos tratamentos e verificando a influência de fatores de risco no aparecimento de doenças. 9 É o planejamento e a análise de estudos médicos e biológicos. • Observacionais dados da história clínica Ex.: fumo e câncer no pulmão (não se pode alocar um fator aos indivíduos; usa-se os dados da sua história) 9 Planejamento 9 Estudos descritivos descrevem uma situação sem se preocupar com a comparação Ex.: consumo de carne e câncer de cólon 9 Estudos comparativos • Experimentais o pesquisador interfere na alocação do tratamento Ex.: cirurgia conservadora de câncer de mama; estudo da aspirina 9 Análise Resposta dicotômica Técnicas usadas no ex. da aspirina (resposta - infarto ou não infarto): • teste χ2 para decidir se o tratamento é eficaz • razão de chances para medir o seu efeito ¾ Inúmeras técnicas usadas em Bioestatística Resposta não dicotômica Outros testes (por ex., teste t) Resposta: tempo de sobrevida Testes para comparação das curvas 2. Organização da Pesquisa Médica Uma Pesquisa feita pelo Incor, publicada em janeiro no American Journal of Cardiology e apresentada no 13º Congresso Interamericano de Cardiologia, concluiu que os pacientes com problemas cardíacos submetidos a cirurgias de ponte de safena apresentam uma evolução clínica semelhante a dos pacientes tratados com dietas e medicamentos. O médico argentino René Favaloro, o primeiro a realizar uma operação de ponte de safena no mundo, classifica de "confusos" os resultados de pesquisas como a realizada pelo Incor. ¾ Introdução 9 Incor diz que safena e droga têm efeito igual 9 Passos para a avaliação crítica da notícia • Estudo da associação entre a exposição a um fator e o desenvolvimento da doença • Comparação de opções terapêuticas • Estudo de fatores de prognósticos para pacientes submetidos a um dado tratamento 1) Identificar os problemas típicos da pesquisa clínica • Estudos descritivos • Ensaio clínico aleatorizado • Estudos de coorte • Estudos caso-controle 2) Desenhos do estudo 9 Estudos descritivos • Informar sobre a distribuição de um evento, na população, em termos quantitativos. • Objetivos principais: • Identificar grupos de risco; • Sugerir explicações para as variações de freqüência, servindo de base ao prosseguimento de pesquisas, através de estudos analíticos. 9 Estudos caso-controle • Compara grupo de doentes com não doentes • Investigar a causa das doenças doenças raras • Quantificar a proporção de expostos, nos grupos de casos e de controles. • Dados coletados em determinado momento sobre a ocorrência da doença; e sobre a exposição no passado • Estudo retrospectivo (dados ref. ao passado) ou prospectivo (dados coletados ao longo do tempo) 9 Estudos de coorte • Iniciam-se com um grupo de pessoas livres da doença classificadas de acordo com a exposição • A coorte é acompanhada para identificar se o surgimento de novos casos da doença difere entre os grupos de expostos e não expostos • Estudos longitudinais • Podem ser prospectivos ou retrospectivos • Muito onerosos 9 Ensaio clínico aleatorizado • Estudos experimentais • Comparação de tratamentos • Objetivo estudar os efeitos de uma intervenção • Dois grupos selecionados “aleatoriamente” formar os grupos com características semelhantes. • Grupo tratamento recebe a terapêutica testada • Grupo controle recebe a terapêutica padrão. 3. Descrição e Apresentação de Dados 9 Tipos de Variáveis ¾ Conceitos básicos Nominal Qualitativa Ordinal Variável Discreta Quantitativa Contínua ¾ Conceitos básicos 9 Variáveis qualitativas (ou categóricas) 9 Nominal → dados classificados em categorias 9 Ordinal → ordenação Ex: Sexo (2 categorias) Tipo Sanguíneo (+ que 2 categorias) Ex: Estadiamento da doença Obs.: Só a ordem importa Ex. a categoria 4 não é o dobro da cat. 2 9 Variáveis quantitativas Resultado de contagens Ex: Nº de bactérias / volume de urina Nº de consultas / período Nº de batimentos cardíacos / min 9 Variáveis Discretas Ex: Peso Altura 9 Variáveis Contínuas • São anotadas até a precisão de medida usada Ex: Tempo de sobrevida 2 anos 1 mês e 10 dias Ex: Idade variável contínua que pode ser classificada como discreta 9 Dependendo da escala, uma variável pode ser classificada em mais de um tipo Renda em SM pode ser classificada como discreta oucategórica ordinal (baixa, média, alta) • Não significa que o estágio IV seja 2 vezes pior que o II • Nem que a diferença entre os estágios I e II seja equivalente que a entre III e IV 9 Diferença entre variável discreta e categórica Estadiamento de câncer (I, II, III, IV) Nº de crianças (0, 1, 2, 3, ...) • 4 crianças é exatamente o dobro de 2 crianças • Uma família com 4 crianças tem 1 criança a mais que uma com 3 crianças 9 Dados brutos Obtidos diretamente da pesquisa; ainda não organizados Geralmente apresentados em tabelas 9 Ex: Teor de gordura (g/24 horas) em 43 crianças 3.7 1.6 2.5 3.0 3.9 1.9 3.8 1.5 1.1 1.8 1.4 2.7 2.1 3.3 3.2 2.3 2.3 2.4 0.8 3.1 1.8 1.0 2.0 2.0 2.9 3.2 1.9 1.6 2.9 2.0 1.0 2.7 3.0 1.3 1.5 4.6 2.4 2.1 1.3 2.7 2.1 2.8 1.9 • Grande variação dos resultados • A variabilidade exige que o padrão de referência seja expresso por uma faixa e não por um número 9 Dados brutos 9 Ex: Taxa de colesterol (mg/dl) em 80 pessoas • Código 9 pacientes que não compareceram • Observando os dados, não se pode saber em torno de que valor as medidas estão agrupadas, a forma da distribuição e a extensão da variabilidade. • A Estatística Descritiva ajuda na percepção, avaliação e quantificação da variabilidade. 278 182 247 227 277 194 196 276 244 192 118 219 255 201 9 209 219 228 209 209 171 213 233 226 209 200 200 363 209 200 179 167 192 277 317 146 217 292 217 255 212 233 250 243 150 209 184 199 250 479 175 194 221 233 9 184 217 150 167 265 242 180 255 170 209 161 196 165 234 179 248 184 291 185 242 276 243 229 242 250 9 Dados brutos Mês Ano 2001 6 2 5 6 0 8 7 6 3 4 5 8 2002 10 9 7 6 3 4 6 4 5 4 0 1 2003 3 6 7 9 3 1 4 6 5 3 5 4 2004 7 2 5 8 6 4 2 5 1 6 5 2 Nov DezJul Ago Set OutMar Abr Mai JunJan Fev 9 Ex: Número de partos prematuros numa maternidade • Difícil extrair conclusões • Repetição de alguns valores • Podem ser organizados em tabelas de frequências i xi fi 1 0 2 2 1 3 3 2 4 4 3 5 5 4 7 6 5 8 7 6 9 8 7 4 9 8 3 10 9 2 11 10 1 Total 48 Contagem ou tabulação 9 Distribuição de frequência→ dados tabulados não agrupados em classes X→ nº de partos prematuros; fi → nº de vezes que xi foi observado Mês Ano 2001 6 2 5 6 0 8 7 6 3 4 5 8 2002 10 9 7 6 3 4 6 4 5 4 0 1 2003 3 6 7 9 3 1 4 6 5 3 5 4 2004 7 2 5 8 6 4 2 5 1 6 5 2 Nov DezJul Ago Set OutMar Abr Mai JunJan Fev 9 Distribuição de frequências→ dados tabulados agrupados em classes Ex: Distribuição de alturas de 100 pacientes ¾ |— inclusão do lim. inferior e exclusão do lim. sup. Altura (cm) Número de pacientes 151 |– 159 5 159 |– 167 18 167 |– 175 42 175 |– 183 27 183 |– 191 8 Total 100 Ex: Distribuição de profissões entre suicidas potenciais • Maior incidência entre profissionais mal remunerados, com sobrecarga de trabalho e sem perspectiva • Alto percentual de menores e estudantes 6,6% + 4,6% = 11,2% Profissão Frequência Proporção Serviços gerais 75 0.248 Doméstica 55 0.182 Do lar 53 0.175 Indeterminada 29 0.096 Emprego especializado 23 0.076 Menor 20 0.066 Desempregado 15 0.050 Estudante 14 0.046 Lavrador 12 0.040 Autônomo 4 0.013 Aposentado 2 0.007 Total 302 1 9 Tipos de frequência • Frequência simples absoluta (fi) • Frequência simples relativa (fri) • Frequência relativa acumulada (Fri) • Frequência absoluta acumulada (Fi) 9 Frequência simples absoluta (fi) → nº de obs. em cada classe fi 4 |— 8 10 8 |— 12 12 12 |— 16 8 16 |— 20 5 20 |— 24 1 36 Classe ∑ ¾ Somatório (∑) ∑ = =++++= 5 1 451512963 i ixEx.: x = {3, 6, 9,12 ,15} → Generalizando: ∑ = ++++= n i ni xxxxx 1 321 K 9 Frequência simples relativa (fri) → proporção em relação ao total de obs. n ffr ii = fi 4 |— 8 10 10/36 = 0.278 0.278 * 100 = 27.8 8 |— 12 12 12/36 = 0.333 0.333 * 100 = 33.3 12 |— 16 8 8/36 = 0.222 0.222 * 100 = 22.2 16 |— 20 5 5/36 = 0.139 0.139 * 100 = 13.9 20 |— 24 1 1/36 = 0.028 0.028 * 100 = 2.8 36 Classe fri fri (%) ∑ 1 100% 9 Construção da tabela de distribuição de frequências 1. Identificar o menor e o maior valor do conjunto de dados; 2. Escolher o nº de subintervalos de igual amplitude, englobando todos os dados sem superposição de intervalos; 3. Contar o nº de elementos pertencentes a cada classe (fi = frequência simples absoluta); 4. Calcular a frequência relativa de cada classe fri = fi / n (n = ∑ fi = nº total de observações) 9 Não existem normas para a construção da tabela de frequências • Entre 5 e 15 classes • Para amostra de tamanho n: nº de classes = √n ou nº de classes = 1 + log2 n 9 Tamanho de cada classe amplitude do conjunto / nº de classes ¾ Algumas regras práticas para determinar o nº de classes 9 Ex: Distribuição de idades entre suicidas potenciais • Maior incidência entre a faixa 20 |— 30 • Idades agrupadas em 7 classes • 6 primeiras classes com mesma amplitude (10) Idade (anos) Frequência absoluta (f i ) Frequência relativa (fr i ) 10 |– 20 56 18.54 20 |– 30 114 37.75 30 |– 40 58 19.21 40 |– 50 33 10.93 50 |– 60 19 6.29 60 |– 70 7 2.32 ≥ 70 2 0.66 Indeterminada 13 4.30 Total 302 100 • Localização mais comum: cabeça / pescoço ¾ Distribuição de melanomas por localização anatômica Localização anatômica Nº de casos % Cabeça / pescoço 10 33.3 Tronco 7 23.3 Membros superiores 6 20.0 Membros inferiores 2 6.7 Acral 5 16.7 Total 30 100 9 Ex.: Melanomas • O grande percentual de diagnósticos incorretos (23,3%) pode prejudicar a adequação do tratamento ¾ Distribuição de melanomas segundo diagnóstico clínico 9 Ex.: Melanomas Diagnóstico clínico Nº de casos % Correto 13 43.3 Duvidoso 10 33.3 Incorreto 7 23.3 Total 30 100 9Ex: Levantamento epidemiológico de 308 idosos (81 sem demência e 227 com demência) • A maioria dos idosos sem demência não apresenta alterações no grau de incapacidade ¾Distribuição de 81 idosos sem demência para algumas funções de comportamento Funções de comportamento Mobilidade 61 ( 75.3 %) 20 ( 24.7 %) 7 ( 8.6 %) Agitação 60 ( 74.1 %) 21 ( 25.9 %) 1 ( 1.2 %) Continência urinária 75 ( 92.6 %) 6 ( 7.4 %) 2 ( 2.5 %) Sono 56 ( 69.1 %) 25 ( 30.9 %) 0 ( 0.0 %) Humor objetivo 46 ( 56.8 %) 35 ( 43.2 %) 6 ( 7.4 %) * O grupo "totalmente alterado" está contido no grupo "com alteração" Sem alteração Com alguma alteração Totalmente alterado * Grau de incapacidade • A maioria (89,9%) dos idosos com demência apresenta alguma alteração de humor objetivo 9Ex: Levantamento epidemiológico de 308 idosos (81 sem demência e 227 com demência) ¾Distribuição de 227 idosos com demência para algumas funções de comportamento Funções de comportamento Mobilidade 117 ( 51.5 %) 110 ( 48.5 %) 40 ( 17.6 %) Agitação 121 ( 53.3 %) 106 ( 46.7 %) 6 ( 2.6 %) Continência urinária 145 ( 63.9 %) 82 ( 36.1 %) 59 ( 26.0 %) Sono 131 ( 57.7 %) 96 ( 42.3 %) 7 ( 3.1 %) Humor objetivo 23 ( 10.1 %) 204 ( 89.9 %) 55 ( 24.2 %) * O grupo "totalmente alterado" está contido no grupo "com alteração" Grau de incapacidade Sem alteração Com alguma alteração Totalmente alterado * 9 Frequência absoluta acumulada (Fi) → (fi de cada classe) + (∑fi das classes anteriores) fi Fi 4 |— 8 10 10 8 |— 12 12 22 12 |— 16 8 30 16 |— 20 5 35 20 |— 24 1 36 36 Classes ∑ 30+5 = 35 22+8 = 30 9 Frequência relativa acumulada (Fri) → (fri de cada classe) + (∑fri das classes anteriores) fi fri Fri Fri (%) 4 |— 8 10 0.278 0.278 27.8 8 |— 12 12 0.333 0.611 61.1 12 |— 16 8 0.222 0.833 83.3 16 |— 20 5 0.139 0.972 97.2 20 |— 24 1 0.028 1 100 36 1∑ Classes 9 Gráficos • Gráfico de linha • Diagrama de barras• Histograma • Polígono de frequências • Ogiva ¾ Gráfico de linha • Adequado para séries temporais • Permite observar algum tipo de tendência e identificar eventos inusitados ex.: surto de uma doença 9 Ex.: AIDS no Brasil – 1980 a 1992 • Maior incidência no sexo masculino 9 Variáveis categóricas 9 Diagrama de barras tamanho de cada barra proporcional ao nº de indivíduos na categoria ¾ Ex.: Fraturas na face C – carro | FF – arma de fogo | E – espancamento | A – atropelamento M – moto | QA – queda de altura | QB – queda de bicicleta FB – arma branca | O – outros C FF E A M QA O QB FB 35 0 N ú m e r o d e c a s o s 30 25 20 15 10 5 45 40 9 Variáveis quantitativas ¾ Histograma • Gráfico de barras justapostas • Eixo horizontal variável dividida em classes • Eixo vertical uma barra para cada classe com altura igual à freq. absoluta ou relativa • A barra é centrada no ponto médio da classe 9 Ex: Taxa de colesterol (mg/dl) (cont.) Simples Acumulada Simples Acumulada 100 |– 150 2 2 0.03 0.03 150 |– 200 24 26 0.31 0.34 200 |– 250 35 61 0.45 0.79 250 |– 300 14 75 0.18 0.97 300 |– 350 1 76 0.01 0.98 350 |– 400 1 77 0.01 0.99 400 |– 450 0 77 0.00 0.99 450 |– 500 1 78 0.01 1 Total 78 - 1 - Nível de colesterol Frequência absoluta Frequência relativa ¾ Histograma • A grande maioria tem colesterol em torno de 225. • Boa descrição de como os níveis se distribuem em torno deste valor 9 Variáveis quantitativas ¾ Polígono de frequências • Formado por segmentos de reta, que ligam as ordenadas correspondentes aos pontos médios de cada classe 9 Variáveis quantitativas • Gráfico de linha formado por segmentos de reta que ligam as ordenadas correspondentes a cada Fi ¾ Ogiva: gráfico de frequências acumuladas • eixo horizontal → intervalos de classe • eixo vertical → para cada limite, assinalar a percentagem acumulada 9 Ex.: fi Fi Pontos médios 4 |— 8 10 10 6 8 |— 12 12 22 10 12 |— 16 8 30 14 16 |— 20 5 35 18 20 |— 24 1 36 22 36 Classes ∑ 6 2 84 =+ Histograma e polígono de frequência Classes F r e q u ê n c i a a b s o l u t a 0 2 4 6 8 1 0 1 2 0 4 8 12 16 20 24 28 4 8 12 16 20 24 0 5 1 0 1 5 2 0 2 5 3 0 3 5 Ogiva Classes F r e q u ê n c i a a c u m u l a d a 9 Ex: Taxa de colesterol (mg/dl) (cont.) 278 182 247 227 277 194 196 276 244 192 118 219 255 201 209 219 228 209 209 171 213 233 226 209 200 200 363 209 200 179 167 192 277 317 146 217 292 217 255 212 233 250 243 150 209 184 199 250 479 175 194 221 233 184 217 150 167 265 242 180 255 170 209 161 196 165 234 179 248 184 291 185 242 276 243 229 242 250 Simples Acumulada Simples Acumulada 100 |– 150 2 2 0.03 0.03 150 |– 200 24 26 0.31 0.34 200 |– 250 35 61 0.45 0.79 250 |– 300 14 75 0.18 0.97 300 |– 350 1 76 0.01 0.98 350 |– 400 1 77 0.01 0.99 400 |– 450 0 77 0.00 0.99 450 |– 500 1 78 0.01 1 Total 78 - 1 - Nível de colesterol Frequência absoluta Frequência relativa• nº de classes:√n = √78 = 8,83 ou 1 + log2 n = 7,3⇒ 8 classes • amplitude de cada classe: (maior-menor)/8 = = (479-118)/8 = 45,12 ⇒ 50 (escolha razoável) 9 Ex: Distr. de frequência da dosagem de ácido úrico ¾ Histograma Simples Acumulada 3.0 |– 3.5 2 0.7 0.7 3.5 |– 4.0 15 5.6 6.3 4.0 |– 4.5 33 12.4 18.7 4.5 |– 5.0 40 15.0 33.7 5.0 |– 5.5 54 20.2 53.9 5.5 |– 6.0 47 17.6 71.5 6.0 |– 6.5 38 14.2 85.7 6.5 |– 7.0 16 6.0 91.7 7.0 |– 7.5 15 5.6 97.4 7.5 |– 8.0 3 1.1 98.5 8.0 |– 8.5 1 0.4 98.9 8.5 |– 9.0 3 1.1 100.0 Total 267 100.0 - Ácido úrico (mg/dl) %Frequência absoluta ¾ Polígono de frequência ¾ Ogiva • Histograma e polígono de frequências visualizar a forma da distribuição da variável • No exemplo, distribuição razoavelmente simétrica • Sintetizam o conj. de dados com um só nº, que represente bem a distribuição da variável • Se distribuição simétrica ⇒ média • Se distribuição assimétrica ⇒ mediana • Em dist. simétricas média e mediana aproximadamente iguais 9 Medidas de tendência central ¾ Média • Dados não agrupados 9 Ex.: Peso de recém-nascidos 3,2 3,2 2,8 2,1 2,9 3,1 3,2 3,0 3,5 4,0 1,3 10 0,48,22,32,3 =++++= Kx n x n xxx x n i i n ∑ ==+++= 121 K ¾ Média • Dados agrupados 9 Ex.: ∑ ∑= i ii f xf x xi fi fi xi 3 2 6 12 3 36 9 2 18 2 8 16 ∑ 15 76 07,5 15 76 === ∑ ∑ i ii f xf x ¾ Média • Dados agrupados em classes → xi é o ponto médio de cada classe. 9 Ex.: 2,11 36 404 === ∑ ∑ i ii f xf x fi xi fixi 4 |— 8 10 6 60 8 |— 12 12 10 120 12 |— 16 8 14 112 16 |— 20 5 18 90 20 |— 24 1 22 22 36 404∑ Classe ¾ Mediana Ordenar os dados Valor da mediana: • Valor que divide a distribuição ao meio • I.é, 50% das obs. ficam abaixo da mediana e 50% ficam acima 2 2+n n ímpar n par 2 1+n média dos elementos de posição e 2 n elemento de posição ¾ Mediana 9 Ex.: Peso de recém-nascidos 3,2 3,2 2,8 2,1 2,9 3,1 3,2 3,0 3,5 4,0 n = 10 média dos elementos de posição e 2 n 2 2+n i.é, média dos elementos de posição 5 e 6 A mediana é a média entre ⇒ 3,1 e 3,2 15,3 2 2,31,3~ =+=x ¾ Quartis 9 Divide a distribuição em 4 partes iguais Q1 Q2 Q3 0% 25% 50% 75% 100% 9 Posição do quartil de ordem i • Resultado fracionário ⇒ posição = pos + 1 • Resultado inteiro ⇒ posição entre pos e pos + 1 4 nipos ⋅= ¾ Qi é o elemento de ordem (pos + 1) ou a média entre os elementos das posições pos e (pos + 1) ¾ Decis 9 Divide a distribuição em 10 partes iguais 9 Posição do decil de ordem i • Resultado fracionário ⇒ posição = pos + 1 • Resultado inteiro ⇒ posição entre pos e pos + 1 40% 80% D4 D8D1 D2 D3 60%0% 10% 20% 30% 50% 90% 100% D9 70% D5 D6 D7 10 nipos ⋅= ¾ Di é o elemento de ordem (pos + 1) ou a média entre os elementos das posições pos e (pos + 1) ¾ Percentis 9 Divide a distribuição em 100 partes iguais 9 Posição do percentil de ordem i • Resultado fracionário ⇒ posição = pos + 1 • Resultado inteiro ⇒ posição entre pos e pos + 1 100 nipos ⋅= ¾ Pi é o elemento de ordem (pos + 1) ou a média entre os elementos das posições pos e (pos + 1) ¾ Ex. Níveis de albumina no sangue (g/dl) 4.44 4.47 4.48 4.51 4.54 4.54 4.61 4.64 4.66 4.68 4.68 4.69 4.71 4.73 4.76 4.76 4.76 4.81 4.86 4.86 4.87 4.88 4.90 4.90 4.95 4.95 4.96 4.97 4.98 4.98 4.99 5.00 5.01 5.01 5.01 5.02 5.04 5.05 5.08 5.09 5.09 5.10 5.11 5.11 5.16 5.17 5.18 5.18 5.19 5.24 5.24 5.26 5.27 5.27 5.29 5.32 5.35 5.46 5.50 5.85 9 Primeiro quartil (Q1) 15 4 60*1 4 ==⋅= nipos → inteiro ⇒ posição entre 15 e 16 ¾ Q1 média entre 4,76 e 4,76 ⇒ Q1 = 4,76 ¾Pelo menos 25% dos pacientes apresentam níveis de albumina menor ou igual a 4,76 g/dl ¾ Ex. Níveis de albumina no sangue (g/dl) 4.44 4.47 4.48 4.51 4.54 4.54 4.61 4.64 4.66 4.68 4.68 4.69 4.71 4.73 4.76 4.76 4.76 4.81 4.86 4.86 4.87 4.88 4.90 4.90 4.95 4.95 4.96 4.97 4.98 4.98 4.99 5.00 5.01 5.01 5.01 5.02 5.04 5.05 5.08 5.09 5.09 5.10 5.11 5.11 5.16 5.17 5.18 5.18 5.19 5.24 5.24 5.26 5.27 5.27 5.29 5.32 5.35 5.46 5.50 5.85 9 Percentil de ordem 80 (P80) → inteiro ⇒ posição entre 48 e 49 ¾ P80 média entre 5,18 e 5,19 ⇒ P80 = 5,185 ¾Pelo menos 80% dos pacientes apresentam níveis de albumina menor ou igual a 5,185 g/dl 48 100 60*80 100 ==⋅= nipos9 Percentil para dados agrupados • Gráfico das frequências relativas acumuladas → ogiva • Uso de fórmula P50 ≅ 14 9 Ex: Taxa de ácido úrico (cont.) Simples Acumulada 3.0 |– 3.5 2 0.7 0.7 3.5 |– 4.0 15 5.6 6.3 4.0 |– 4.5 33 12.4 18.7 4.5 |– 5.0 40 15.0 33.7 5.0 |– 5.5 54 20.2 53.9 5.5 |– 6.0 47 17.6 71.5 6.0 |– 6.5 38 14.2 85.7 6.5 |– 7.0 16 6.0 91.7 7.0 |– 7.5 15 5.6 97.4 7.5 |– 8.0 3 1.1 98.5 8.0 |– 8.5 1 0.4 98.9 8.5 |– 9.0 3 1.1 100.0 Total 267 100.0 - Ácido úrico (mg/dl) %Frequência absoluta P95 = 7,25 mg/dl⇒ cerca de 5% dos indivíduos têm taxas acima de 7,25 mg/dl 9 Medidas de dispersão ¾ Medem o grau de dispersão (variação) dos dados em torno da média. Sejam, por exemplo, as notas de 3 grupos de alunos: Grupo A: 6, 6, 6, 6, 6 Grupo B: 4, 5, 6, 7, 8 Grupo C: 2, 4, 6, 8, 10 ¾Embora todos os grupos tenham obtido a média 6, observa-se que os valores se distribuem de forma diferente em torno da média. 9 Medidas de dispersão Variância Desvio-padrão Coeficiente de variação 9 Variância populacional → dados não agrupados ( ) N XX N i i∑ = − = 1 2 2σ • σ2 é a variância populacional • N é o tamanho da população ( ) 1 1 2 2 − − = ∑ = n xx s n i i • s2 é a variância amostral • n é o tamanho da amostra 9 Variância amostral → dados não agrupados 9 Variância amostral → dados não agrupados (outras fórmulas) 1 1 22 2 − − = ∑ = n xnx s n i i ( ) 1 / 2 1 1 2 2 − − = ∑∑ == n nxx s n i i n i iou ¾ Quanto maior a variância, maior a dispersão dos dados em torno da média 9 Ex. Variância amostral de x = (2, 4, 6, 8, 10) xi (xi - x) (xi - x) 2 2 -4 16 4 -2 4 6 0 0 8 2 4 10 4 16 ∑ 30 40 6 5 301 === ∑ = n x x n i i ( ) ( ) 10 4 40 151 5 1 2 1 2 2 ==− − =− − = ∑∑ == i i n i i xx n xx s xi (xi)2 2 4 4 16 6 36 8 64 10 100 ∑ 30 220 ( ) 10 4 40 4 180220 15 65220 1 2 1 22 2 ==−=− ⋅−=− − = ∑ = n xnx s n i i ( ) 10 4 180220 15 5 )30(220 1 2 2 1 1 2 2 =−=− − =− − = ∑∑ = = n n x x s n i i n i i ou ou 9 Desvio-padrão populacional 2ss = • s2 é a variância amostral • σ2 é a variância populacional2σσ = 9 Desvio-padrão amostral 9 Ex.: Peso de recém-nascidos ( ) 1 1 2 2 − − = ∑ − n xx s n i i 1 1 22 2 − − = ∑ = n xnx s n i i ( ) 1 / 2 1 1 2 2 − − = ∑∑ == n nxx s n i i n i i (3.2) (3.3) (3.4) 9 Variância amostral → dados agrupados ou ( ) 1 1 2 2 − − = ∑ = n fxx s k i ii onde ∑ = = k i ifn 1 ( ) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −−= ∑ ∑= = k i k i ii ii n fx fx n s 1 2 122 1 1 9 Ex.: Dados xi e fi, calcular a variância amostral xi fi fi xi (xi - x) (xi - x)2 (xi - x)2 fi 3 2 6 -2.07 4.28 8.57 12 3 36 6.93 48.02 144.07 9 2 18 3.93 15.44 30.89 2 8 16 -3.07 9.42 75.40 ∑ 15 76 258.93 07,5 15 76 === ∑ ∑ i ii f xf x ( ) 5,18 115 93,258 1 1 2 2 =−=− − = ∑ = n fxx s k i ii • ou xi fi xi 2 xi 2 fi xi fi 3 2 9 18 6 12 3 144 432 36 9 2 81 162 18 2 8 4 32 16 ∑ 15 644 76 ( ) ( ) 5,18 15 5776644 14 1 15 76644 115 1 1 1 2 1 2 122 =⎥⎦ ⎤⎢⎣ ⎡ −=⎥⎦ ⎤⎢⎣ ⎡ −−=⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −−= ∑ ∑= = k i k i ii ii n fx fx n s 9 Coeficiente de variação x sCV = • Expresso em %; • Medida de homogeneidade do conj. de dados; • Vale 0 quando não há variabilidade entre os dados, ou seja, quando s=0. Isso ocorre quando todos os dados são iguais; • Quanto menor o CV, maior a homogeneidade. 9 Coeficiente de variação Grupo A xi (xi)2 6 36 6 36 6 36 6 36 6 36 ∑ 180 ( ) 0 4 180180 15 65180 1 2 1 22 2 =−=− −=− − = ∑ = n xnx s n i i 0=⇒ s 0100* 6 0100 ==⋅= x sCV 9 Ex.: Notas de 3 grupos de alunos 9 Coeficiente de variação Grupo B xi (xi)2 4 16 5 25 6 36 7 49 8 64 ∑ 190 ( ) 5,2 4 180190 15 65190 1 2 1 22 2 =−=− −=− − = ∑ = n xnx s n i i 58,15,22 ===⇒ ss %4,26100* 6 58,1100 ==⋅= x sCV 9 Ex.: Notas de 3 grupos de alunos 9 Coeficiente de variação Grupo C xi (xi)2 2 4 4 16 6 36 8 64 10 100 ∑ 220 ( ) 10 4 180220 15 65220 1 2 1 22 2 =−=− −=− − = ∑ = n xnx s n i i 16,3102 ===⇒ ss %7,52100* 6 16,3100 ==⋅= x sCV ¾ Mais homogêneo → grupo A → menor CV ¾ Menos homogêneo → grupo C → maior CV 9 Ex.: Notas de 3 grupos de alunos 9 Ex.: Comparação do colesterol em 2 grupos Grupo A: médicos residentes média = 205 mg/dl e desvio-padrão = 22 mg/dl Grupo B: médicos especialistas média = 244 mg/dl e desvio-padrão = 45 mg/dl ¾ Conclusão: • Médicos mais idosos apresentam média mais alta e maior variabilidade em torno da média • CV do grupo A: 10,7% (mais homogêneo) • CV do grupo B: 18,4% 9 Escore padronizado • zi é o escore padronizado da observação i • É o desvio da i-ésima obs. em relação à média dividido pelo desvio-padrão • Fornece o nº de desvios-padrão que a obs. dista da média amostral. ni s xxz ii ,,1, L=−= 9 Ex.: Peso de recém-nascidos • Suponhamos que nasça um bebê de 4,1 kg 04,2 49,0 1,31,4 =−=−= s xxz ii ¾ Este peso está praticamente 2 desvios-padrão acima da média. 9 Ex.: Dosagens laboratoriais s A B A B Glicemia em jejum 85 12.5 90 79 0.40 -0.48 Ácido úrico 4.2 0.9 3.5 3.1 -0.78 -1.22 Triglicerídeos 105 30 97 66 -0.27 -1.30 Colesterol total 200 25 251 185 2.04 -0.60 Resultado original Escore padronizadox 04.2 25 200251 =− 60.0 25 200185 −=− ¾ Paciente A → colesterol muito alto (2 desvios-padrão acima da média) ¾ Paciente B → nenhum resultado preocupante ¾ Coleta de dados 9 Cuidados a serem tomados → definição dos dados a serem coletados; como captar as informações; clareza do questionário 9 Instrumento de medida → depende do tipo de estudo ou da variável de interesse • Experimento com cobaias → medida direta • Inquérito → questionário • Pesquisa clínica → formulário de informações ou prontuário ¾ Banco de dados 9 O grau de dificuldade da construção do banco de dados varia de acordo com o nº de variáveis, tipo de dados, tamanho da amostra etc. • Conferência das informações • Verificar inconsistências ¾ Codificação 9 Variáveis dicotômicas → 0 e 1 9 Variáveis com k categorias → k-1 variáveis indicadoras (0 e 1) • Categoria de referência → todas as variáveis indicadoras são iguais a 0 (ou a 1) 9 Variáveis contínuas → usar variáveis originais; só codificar se houver interesse apenas nas faixas pré-fixadas (ex. idade) 9 Ex.: Câncer de mama • Supondo estádios não agrupados e estadiamento com 4 classificações (I, II, III e IV) ⇒ 3 variáveis indicadoras (I1, I2 e I3). Categorias Códigos Idade < 60 0 ≥ 60 1 Estadiamento Estádios I e II 0 Estádios III e IV 1 Estádio I 1 I 2 I 3 I 0 0 0 II 1 0 0 III 0 1 0 IV 0 0 1 ¾ Arredondamento 9 Se dígito seguinte ≥ 5 ⇒ arredondar para mais • Exemplos: Arredondar até 1 casa decimal 87,72 → 87,7 90,58 → 90,6 98,04 → 98,0 9 De preferência, usar o mesmo nº de casas decimais em uma análise 9 Não arredondar o mesmo nº mais que uma vez • Ex.: 87,348074 → 87,35 → 87,4Erro! 87,348074 → 87,3 ¾ Boxplot 9 Útil para descrição de dados; visualização da variabilidade; e comparação entre grupos ponto solto ponto externo valor máximo 0 ∗ Q1 Q3 valores típicos 1,5 DQ 3 DQ x~ ¾ Boxplot 9 Desenha-se uma reta horizontal limitada pelo valor mínimo e máximo 9 Marcam-se os quartis nessa reta horizontal 9 Constrói-se um retângulo cortado por uma reta vertical, na posição de Q2 9 Q1 e Q3 são os limites do retângulo ¾ Boxplot 9 Calcula-se a distância interquartílica 9 Pontos externos: entre 1,5*DQ e 3*DQ 9 Pontos soltos: acima de 3*DQ DQ = Q3 – Q1 ¾ Boxplot 9Obs.: Se amplitude muito maior que DQ e Q2 mais próximo de Q1 do que de Q3 ⇒ assimetria positiva e grande dispersão dos dados. 9Ex.: Doença de chagas Dosagem de bilirrubina (mg/dl) de 46 crianças filhas de mães chagásicas 9Ex.: Doença de chagas (cont) Estatísticas descritivas: 404,5=x s = 2,967 xmin = 1,3 xmax = 12,5 Q1 = 3,175 Q2 = 4,3 Q3 = 7,05 Assimetria positiva Amplitude: xmax - xmin = 11,2 DQ = Q3 – Q1 = 3,9 Amplitude >> DQ; e Q2 muito mais próx. de Q1 ⇒ 9Ex.: Doença de chagas dois outliers: ponto externo (6) e ponto solto (17) valor ref. a 17 meses muito fora do padrão (3 meses) valor 6 não considerado dado aberrante (conforme literatura) criança que firmou a cabeça com 17 meses era portadora de paralisia cerebral Distribuição da idade ao firmar a cabeça de 51 crianças filhas de mães chagásicas Simples Acumulada 2 10 19.61 19.61 3 28 54.90 74.51 4 10 19.61 94.12 5 1 1.96 96.08 6 1 1.96 98.04 17 1 1.96 100.00 Total 51 100.00 - Frequência absoluta %Idade ao firmar a cabeça (meses) * 0 3 6 9 15 182 12 4. Probabilidade e Avaliação de Testes Diagnósticos ¾Espaço amostral (E) – Conjunto de todos os resultados possíveis de um experimento aleatório ¾Eventos – subconjuntos do espaço amostral ¾Ex. : Lançamento de 1 dado 9E = {1, 2, 3, 4, 5, 6} 9B: evento número maior que 4 B= {5,6} P(B) = 2/6 ¾Ex. : Lançamento de 2 dados E = {(1, 2), (1,3), ..., (6, 6)} 36 elementos 9F: evento soma igual a 10 F= {(4,6), (5,5), (6, 4)} P(F) = 3/36 ¾Evento interseção A ∩ B ¾Evento união A ∪ B ¾Eventos mutuamente exclusivos 9 A ocorrência de um impede a ocorrência do outro A ∩ B = φ 9Ex: no lançamento de uma moeda, “cara” e “coroa” são eventos mutuamente exclusivos ¾Propriedades da probabilidade 9 0 ≤ P(A) ≤ 1, ∀ A 9 P(E) = 1, onde E é o espaço amostral 9 Se A e B são mutuamente exclusivos P(A ∪ B) = P(A) + P(B) A B ¾Valem as seguintes relações 9Se A e B são eventos quaisquer P(A ∪ B) = P(A) + P(B) – P(A ∩ B) 9 P(A) = 1 - P(A) ¾Probabilidade Condicional 9 A ocorrência de um evento influencia a ocorrência de um outro 9 Ex: No lançamento de 2 dados: A: soma igual a 8 B: resultado do 1º dado igual a 3 P(A | B) =? Resultados possíveis: {(3,1), (3,2), (3,3), (3,4), (3,5), (3,6)} Resultados de interesse: {(3,5)} P(A | B) = 1/6 ¾Probabilidade Condicional Pressão arterial Excesso Normal Deficiente Elevada 0,10 0,08 0,02 0,20 Normal 0,15 0,45 0,20 0,80 Total 0,25 0,53 0,22 1,00 Peso Total ¾Ex: Distribuição de peso e pressão arterial A: ter pressão elevada ⇒ P(A)=0,2 9Qual a probabilidade de uma pessoa ter pressão elevada? P(A∩B) = P(B) P(A|B) ou P(B∩A) = P(A) P(B|A)⇒ P(A∩B) P(B) P(A|B) = Pressão arterial Excesso Normal Deficiente Elevada 0,10 0,08 0,02 0,20 Normal 0,15 0,45 0,20 0,80 Total 0,25 0,53 0,22 1,00 Peso Total ¾Ex: Distribuição de peso e pressão arterial A: pressão elevada B: excesso de peso ⇒ P(B)=0,25 P(A ∩ B) = 0,10 9Qual a probabilidade de uma pessoa ter pressão elevada, sabendo-se que tem excesso de peso? P(A|B) = 0,10/0,25 = 0,4 Dentre as pessoas com excesso de peso, 40% tem pressão elevada P(A∩B) P(B) P(A|B) = ¾Eventos independentes 9 A ocorrência de um não altera a probabilidade de ocorrência do outro 9 I.é, a ocorrência de B não fornece nenhuma informação sobre a ocorrência de A P(A|B) = P(A) ¾Ex. : Sorteando-se 2 cartas de 1 baralho, sem reposição, qual a probabilidade de ambas serem ás? ⇒ Eventos NÃO independentes 9 A: ás na 1ª extração ⇒ P(A)=4/52 9 B: ás na 2ª extração ⇒ P(B|A)=3/51 ⇒ P(A∩B) = P(A) P(B|A) = (4/52)*(3/51) = 1/221 ¾Ex. : Sorteando-se 2 cartas de 1 baralho, com reposição, qual a probabilidade de ambas serem ás? ⇒ Eventos independentes 9 A: ás na 1ª extração ⇒ P(A) = 4/52 9 B: ás na 2ª extração ⇒ P(B|A) = P(B) = 4/52 ⇒ P(A∩B) = P(A)*P(B) = (4/52)*(4/52) = 1/169 ¾Ex. : Qual o resultado mais provável: - obter pelo menos um 6 em 4 jogadas de 1 dado ou - obter soma 12 pelo menos uma vez em 24 jogadas de 2 dados? Eventos independentes 9A: nº faces iguais a seis, em 4 jogadas de um dado P(A≥1) = 1 - P(A=0) = 1 - (5/6)4 = 0,518 9 B: nº de somas doze em 24 jogadas de 2 dados P(B≥1) = 1 - P(B=0) = 1 - (35/36)24 = 0,491 ⇒ Resultado mais provável: 1ª alternativa + - D a b a + b ~ D c d c + d Total a + c b + d n Doença TotalTeste ¾Qualidade de testes diagnósticos 9 sensibilidade: s = P(+ | D) 9 especificidade: e = P(- | ~D) a a + b s = d c + d e = ¾Ex: Aplicação do teste ergométrico de tolerância a exercícios em 1465 pessoas com e sem doença coronariana ⇒ s = 815/1023 = 0,797 ⇒ e = 327/442 = 0,740 + - D 815 208 1023 ~ D 115 327 442 Total 930 535 1465 Doença coronariana Teste Total a a + b s = d c + d e = ¾Limitações da sensibilidade e da especificidade 9 Não ajudam a decisão do médico, que ao receber um resultado positivo precisa avaliar se o paciente está ou não doente ¾Valor das predições 9 Valor preditivo positivo: VPP = P(D|+) 9 Valor preditivo negativo: VPN = P(~D|-) + - D a b a + b ~ D c d c + d Total a + c b + d n Doença TotalTeste a a + c VPP = d b + d VPN = 9p=P(D) é a prevalência da doença, i.é, a proporção de doentes, ou a probabilidade de doença pré-teste 9s = sensibilidade 9e = especificidade + - D p ps p(1-s) ~ D 1-p (1-p)(1-e) (1-p)e Total p+(1-p) ps+(1-p)(1-e) p(1-s)+(1-p)e População Proporção com resultadoProporção ps ps + (1-p)(1-e) VPP = (1-p)e p(1-s)+(1-p)e VPN = verdadeiros positivos ÷ total de positivos verdadeiros negativos ÷ total de negativos 9 Proporção de falsos positivos ¾Decisões incorretas PFP = P(~D | +) = 1 – P( D | +) = 1 - VPP 9 Proporção de falsos negativos PFN = P( D | – ) = 1 – P(~D | – ) = 1 - VPN ¾Ex: Metástase de carcinoma hepático s = 52/67 = 0,776 + - D 52 15 67 ~ D 9 74 83 Total 61 89 150 Metástase Tomografia Total e = 74/83 = 0,892 Para uma população cuja prevalência de metástase de carcinoma de fígado é de 2%, calcular VPP e VPN ps 0,02 * 0,78 ps + (1-p)(1-e) 0,02 * 0,78 + (1-0,02)(1-0,89) = = 0,13VPP = (1-p)e (1-0,02)*0,89 p(1-s)+(1-p)e (1-0,02)(0,89)+0,02(1-0,78) = = 0,99VPN = p = 0,02 9 VPP=0,13 ⇒ Se o resultado do exame for positivo, há 13% de chance do indivíduo estar doente, contra 87% de não estar doente. ¾Ex.: Metástase de carcinoma hepático - conclusões 9 VPN=0,99 ⇒ Se o resultado do exame for negativo, há 99% de chance do indivíduo não estar doente, contra 1% de estar doente. 9 Antes de qualquer informação, o indivíduo tinha p=2% de chance estar doente. Se o resultado do exame for negativo, essa chance será reduzida para 1% (=1 – VPN). 9 Teste em paralelo Resultado positivo se um ou outro teste for + Tp+ = A+ ∪ B+ ¾Combinação de testes diagnósticos Teste A Teste B Teste em paralelo - - - - + + + - + + + + 9 sensibilidade: s = P(+ | D) sp = sA + sB – sA sB 9 especificidade:e = P(- | ~D) ep = eA eB (admitindo-se independência) ¾Combinação de testes diagnósticos 9 Teste em série Resultado positivo se ambos os testes forem + Ts+ = A+ ∩ B+ 9 sensibilidade: s = P(+ | D) sser = sA sB (admitindo-se independência) 9 especificidade: e = P(- | ~D) eser = eA + eB – eA eB Teste A Teste B Teste em série - desnecessário - + - - + + + ¾Ex.: Diagnóstico de câncer pancreático Teste sensibilidade (%) especifidade (%) A (ultrasom) 80 60 B (tomografia) 90 90 C (A ou B +) 98 54 D (A e B +) 72 96 9 Teste C (em paralelo) sp = sA + sB – sA sB = 0,8 + 0,9 – 0,8(0,9) = 0,98 ep = eA eB = 0,6(0,9) = 0,54 9 Teste D (em série) sser = sA sB = 0,8(0,9) = 0,72 eser = eA + eB – eA eB = 0,6 + 0,9 – 0,6(0,9) = 0 96 9 Sabendo-se a sens. e a espec. dos testes A e B, calcular sens. e espec. para os testes C e D ¾ Considerando a prevalência (p) ps ps + (1-p)(1-e) VPP = (1-p)e p(1-s)+(1-p)e VPN = Teste s e VPP VPN A 0,9500 0,9000 0,0876 0,9994 B 0,8000 0,9500 0,1391 0,9979 paralelo 0,9900 0,8550 0,0645 0,9999 série 0,7600 0,9950 0,6056 0,9976 ¾ Ex.: Sabendo-se a sens. e a espec. dos testes e para uma prevalência de 1% (p=0,01) ps 0,01 * 0,95 ps + (1-p)(1-e) (0,01 * 0,95) + (0,99 * 0,01) VPP = = = 0,0876 (1-p)e 0,99*0,9 p(1-s)+(1-p)e 0,01(1-0,95)+0,99(0,9) VPN = = = 0,9994 9 É necessário estabelecer o valor de referência ou ponto de corte, i.é, o valor a partir do qual o resultado do teste é + ou - ¾Testes diagnósticos para variáveis contínuas 9 Variando-se o ponto de corte, a sensibilidade e a especificidade também variam 9 É necessário escolher o valor que fornece a combinação de sensibilidade e especificidade mais adequada ¾Ex.: Distribuição da concentração sérica de digoxina 9critério 1: ponto de corte 1 ng/ml (para resultado + ou – no teste) s = 18/21 = 0,86 e = 24/62 = 0,39 Digoxina (ng/ml) Intoxicados Não intoxicados 0 |— 0,5 2 6 0,5 |— 1,0 1 18 1,0 |— 1,5 4 30 1,5 |— 2,0 4 8 2,0 |— 2,5 5 0 2,5 |— 3,0 1 0 3,0 |— 3,5 1 0 3,5 |— 4,0 1 0 4,0 |— 4,5 1 0 4,5 |— 5,0 1 0 Total 21 62 Pacientes Classificação de toxicidade + - Intoxicado 18 3 21 Não intoxicado 38 24 62 Total 56 27 83 Teste de toxicidade Total — + 9critério 2: ponto de corte 1,5 ng/ml (para resultado + ou – no teste) s = 14/21 = 0,67 e = 54/62 = 0,87 O critério 2 fornece perda de sensibilidade e ganho de especificidade ¾Ex.: Distribuição da concentração sérica de digoxina Digoxina (ng/ml) Intoxicados Não intoxicados 0 |— 0,5 2 6 0,5 |— 1,0 1 18 1,0 |— 1,5 4 30 1,5 |— 2,0 4 8 2,0 |— 2,5 5 0 2,5 |— 3,0 1 0 3,0 |— 3,5 1 0 3,5 |— 4,0 1 0 4,0 |— 4,5 1 0 4,5 |— 5,0 1 0 Total 21 62 Pacientes Classificação de toxicidade + - Intoxicado 14 7 21 Não intoxicado 8 54 62 Total 22 61 83 Teste de toxicidade Total — + Referência Soares, J. F., Siqueira, A. L. Introdução à Estatística Médica, UFMG, 1999.
Compartilhar