Saúde Coletiva I- Bioestatística

Prévia do material em texto

Resumo Saúde Coletiva I
Bioestatística: Aplicações em Medicina
Análise dos fatores que estão associados ao surgimento de problemas de saúde
Tomada de decisões para definir ações e políticas de saúde
Avaliação de ações de saúde pública
Variáveis Fundamentais:
-As que designam QUALIDADES das coisas VARIÁVEIS QUALITATIVAS
São as VARIÁVEIS que as categorias não se relacionam umas com as outras categorias VARIÁVEIS QUALITATIVAS NOMINAIS iguais ou diferentes: Ex: Vivo x Morto
QUANDO têm categorias que se relacionam Hierarquia (podem ser ordenadas: 1º, 2º 3º; igual, maior, menor) VARIÁVEIS QUALITATIVAS ORDINAIS. Ex: O peso de Pedro é maior do que o de João.
-VARIÁVEIS QUANTITATIVAS designam quantidade ou intensidade do predicado
VARIÁVEIS QUANTITATIVAS DISCRETAS Admitem somente valores inteiros (1, 2, 3, ......, ∞). Não tem valores intermediários. Ex Número de gestações.
VARIÁVEIS QUANTITATIVAS CONTÍNUAS Podem apresentar infinitos valores dentro de um intervalo de variação possível. Englobam valores inteiros e suas frações (ou decimais). Ex: A glicemia de João foi de 98,7651207.
Conceitos:
Unidade de estudo (de estudo ou experimental) – menor unidade a fornecer uma informação.
Universo – Conjunto de todas as unidades de estudo.
Amostra – porção da população que representará o Universo em uma pesquisa. 
Medidas mais usadas:
FREQÜÊNCIAS ABSOLUTAS Números inteiros
PROBLEMA: DIFÍCIL COMPARAÇÃO.
PROPORÇÕES: Parte/Todo x 10n
As proporções são utilizadas principalmente para descrição de variáveis qualitativas
RAZÕES: Busca comparar duas proporções; ou duas frequências absolutas.
Medidas de Tendência Central:
Média aritmética: é definida como a soma dos valores observados, divididos pelo número de observações.
Mediana: é o valor, uma vez ordenados (ordem crescente ou decrescente) todos os resultados, deixa igual número de resultados de cada lado.
-IMPORTANTE: Mediana expressa melhor o conjunto quando os valores são muito diferentes.
Moda: É definida como o valor mais frequente. 
As medidas de tendência central são utilizadas principalmente para variáveis quantitativas.
Separatrizes:
Separatrizes: medidas que separam uma distribuição em partes iguais.
Mais usadas:
Mediana – em duas partes
Quartil – em quatro partes
Decil – em dez partes
Percentil – em cem partes
Quartis: 
1º quartil= (n+1)/4
2º quartil= 2(n+1)/4= (n+1)/2
3º quartil= 3(n+1)/4
Percentil: divide a distribuição em cem partes e não em duas como a mediana.
Medidas de dispersão
Amplitude: subtraindo o valor máximo do valor mínimo obtemos a AMPLITUDE de variável. 
-PROBLEMA: Só utiliza valores extremos Não informa sobre os valores intermediários.
Intervalo Interquartílico: É representada pela diferença entre o valor do 3º quartil e o do 1º quartil.
Descreva bem distribuições assimétricas Não sofre influência de valores extremos.
Deve ser usado nos casos onde é preferível usar a mediana em vez da média.
Esta medida também é útil para detectar valores ABERRANTES ou DISCREPANTES numa distribuição.
Para calcular o valor Aberrante:
-Calcula o primeiro quartil
-Calcula o terceiro quartil
-Calcula o intervalo interquartílico (Q3-Q1)
-Calcula dispersão aceitável: 1,5x intervalo interquartílico
-Calcula Q1- resultado da dispersão aceitável e Q3+ resultado da dispersão aceitável
-Os resultados abaixo e acima desses valores são considerados discrepantes.
Desvio médio: Soma da diferença entre cada elemento da distribuição e a média/ número de elementos
Os resultados negativos distorcem o desvio real.
Desvio Padrão: Raiz quadrada (de toda a divisão) da soma das diferenças entre cada elemento da distribuição e a média elevadas ao quadrado (todas juntas)/ número de elementos 
Quanto menor for o valor do Desvio Padrão em relação à média mais homogênea é a amostra
Variância: Desvio padrão2 
Apresentação de dados:
Tabelas:
Componentes das tabelas:
Título: Explica o conteúdo (deve conter pessoas, local e tempo),
Corpo: Formado pelas linhas e colunas dos dados
Cabeçalho: especifica o conteúdo das colunas
Coluna indicadora: especifica o conteúdo das linhas
Opcional: 
Fonte – Onde foram colhidos os dados
Notas – explicações gerais
Chamadas – explicações sobre dados específicos
Uma tabela não apresenta linhas internas no sentido vertical.
As laterais de uma tabela não podem ser fechadas
A tabela deve ter os suas linhas externas mais espessas que as internas.
As únicas linhas internas admissíveis são as linhas horizontais que separam o cabeçalho e o total do restante da tabela.
Gráficos:
Colunas ou barras: Usado para apresentar variáveis qualitativas e quantitativas discretas. 
Histogramas: para variáveis contínuas. Cada barra vertical indica uma frequência.
Gráfico de Pizza (de setores): Para variáveis qualitativas ou quantitativas discretas.
Gráfico de linha: Para variáveis quantitativas.
Boxplot – representação de percentis
Propriedades da curva normal: 
Tem a forma de um sino
Pode variar teoricamente entre - a +
É simétrica e a linha que passa pela média a divide em duas porções iguais
Média (mx ou ), mediana e moda são iguais e de mesmo valor.
A área total embaixo da curva=1 (100% dos indivíduos). 
Cálculo de porcentagens fixas da curva:
68% da curva= Média (mx ou ) ± um desvio Padrão 
95% da curva= ± 1,96 aproximadamente ± 2,0 
99% da curva= ± 2,58 
99,7% da curva se situa entre ± 3,0 
Fórmulas:
Z= – s (média -DP)
Obs.: Cada valor de z corresponde a uma área sob a curva que é igual à probabilidade de ocorrência da variável.
Existe uma tabela com os valores de z e áreas correspondentes= tabela da curva normal padronizada
Para conversão de x à curva Normal: 
z= valor da curva padronizada
x= valor da variável
m = Média
s= Desvio Padrão
Diagramas de dispersão	
Identificação de relações entre causas e efeitos, para avaliar o relacionamento entre variáveis.
Verifica se há CORRELAÇÃO entre as causas e em que intensidade
Quando usar o diagrama de dispersão?
-Para visualizar a relação de uma variável com outra e o que acontece se uma se alterar.
-Para verificar se as duas variáveis estão relacionadas, ou se há uma possível relação de causa e efeito.
-Para visualizar a intensidade do relacionamento entre as duas variáveis, e comparar a relação entre os dois efeitos.
Como fazer um diagrama de dispersão?
Coletar os pares da amostra que poderão estar relacionados.
Construir os eixos: 
-a variável causa no eixo horizontal
-a variável efeito no eixo vertical
Colocar os dados no diagrama. Se houver valores repetidos, trace um círculo concêntrico.
Adicionar informações complementares, tais como: nome das variáveis, período de coleta, tamanho da amostra e outros.
Pré-requisito: Coletar dados sob forma de par ordenado, em tempo determinado, entre as variáveis que se deseja estudar as relações.
VANTAGENS:
Permite a identificação do possível relacionamento entre variáveis consideradas numa análise;
Ideal quando há interesse em visualizar a intensidade do relacionamento entre duas variáveis;
Pode ser utilizado para comprovar a relação entre dois efeitos, permitindo analisar uma teoria a respeito de causas comuns.
DESVANTAGENS:
É um método estatístico complexo, que necessita de um nível mínimo de conhecimento sobre a ferramenta para que possa utilizá-la;
Exige um profundo conhecimento do processo cujo problema deseja-se solucionar;
Não há garantia de causa-efeito. Há necessidade de reunir outras informações para que seja possível tirar melhores conclusões.
Correlação Linear:
uma das variáveis aumenta e a outra diminui= correlação negativa
as duas variáveis aumentam=correlação positiva
- A reta mostra a tendência da correlação
OBS.: quando os pontos no gráfico aparecem dispersos ou quando os pontos são lineares retos, não existe correlação entre as variáveis analisadas. 
Coeficiente de correlação: coeficiente de correlação produto momento ou de coeficiente de correlação de Pearson
É um número puro independente da unidade demedida das variáveis estudadas
É uma medida da intensidade de correlação entre duas variáveis.
Variação do Coeficiente de correlação linear: r
Varia entre -1 e +1
Valores positivos de r correlação positiva
Valores negativos de r correlação do tipo inversa
Se o valor de r=1,0 ou a -1,0 máxima correlação
r=0 ausência de correlação
Se no diagrama de dispersão todos os pontos se situam sobre uma reta inclinada r=1 ou r=-1 conforme a direção da reta
Correlação não linear:
-não é possível representar os pontos contidos no Diagrama de dispersão por uma reta
-r não mede corretamente a correlação entre as variáveis.
Coeficiente de determinação: r2
Ele informa que fração da variabilidade de uma característica é explicada estatisticamente pela outra variável.
Ex: 
-Foi feita uma pesquisa com 111 indígenas Caingangues do sexo masculino (Suzano e cols. 1980). A correlação entre o peso e a estatura foi de r=0,58 (p<0,01). 
-Neste caso pode-se dizer que o peso e a altura estavam significantemente correlacionados, com uma correlação forte.
-O coeficiente de determinação r2 =0,582= 0,3364
-Pode-se dizer então que 33,64% da variação do peso corporal destas pessoas podem ser explicadas pela concomitante variação de suas estaturas. Os outros 64,36% são explicados por outros fatores.
Requisitos ao estudo de correlação linear:
Embora quaisquer variáveis possam ser correlacionadas, o p só poderá ser calculado:
Se as variáveis estudadas tiverem distribuição normal.
A variação para cada valor de x para cada valor fixo de y é sempre a mesma 
Da mesma forma a variação dos valores de y é a mesma para todos os valores de y.
IMPORTANTE – o coeficiente de correlação não mede necessariamente uma relação de causa e efeito. Desta forma pode ser que as duas variáveis podem apenas estar variando conjuntamente sem influência de uma na outra.
Testes de Hipóteses:
-No método científico isto é obtido confrontando a hipótese do pesquisador (Ha) com outra que a anula (H0).
-Em medicina a maioria dos estudos são filiados à metodologia QUANTITATIVA.
-Bioestatística: 
--função descritiva: é utilizada para descrever a realidade observada na pesquisa.
--função inferencial: é usada para calcular a probabilidade de a realidade observada ser realmente o que acontece na realidade ou não.
Comparações de medidas de tendência central:
Não há uma concentração regular em torno da média Distribuição não é normal. 
Média e Mediana≠Moda
TESTE DE ADESÃO À NORMALIDADE DE KOLMOGOROV-SMIRNOV p<0,05 diferente da normalidade
Como se decide se o comportamento da variável é normal?
Aplicação de um teste de aderência à normalidade:
p > 0, 05 distribuição normal ou paramétrica.
P< ou = 0,05 distribuição não normal ou não paramétrica.
Principais testes: Kolmogorov-Smirnov; Bartlett; Shapiro-Wilk
-O valor de p é a probabilidade de se ter encontrado este resultado por acaso ou se é porque ele representa o que realmente acontece na população
-Aceita-se que um achado é significante se p é menor ou igual a 0,05, ou seja a probabilidade daquele resultado ter sido obtido por acaso ≤ 5%.
OBS.: Pode-se observar que a possibilidade de erro não é descartada sendo menor ou igual a 5%.
Testes usados para comparação de medidas de tendência central:
Se a variável tem comportamento normal (comportamento paramétrico) – usamos 
Teste t 
Teste de Análise de Variância (ANOVA)
Se o comportamento da variável é não paramétrico (não se enquadra na curva Normal) são usados
Teste de Mann-Whitney 
Teste de Kruskal-Wallis
2) Quando se comparam médias de dois grupos diferentes das populações
Mann-Whitney 
Teste t
Quando se comparam médias de mais de dois grupos diferentes das populações
Kruskal -Wallis
ANOVA
Como se faz se as variáveis são do tipo QUALITATIVA ou CATEGÓRICAS
Neste caso nos estudos da de saúde estas variáveis são descritas por proporções (por cento %, por mil, etc.)
Usa-se apenas um tipo de teste.
Não importa se estamos comparamos duas ou mais populações.
Nem se a distribuição é ou não paramétrica.
Na comparação de duas ou mais proporções é usado o teste do Quiquadrado ou x2. 
(calcula o p e vê se é significante estatisticamente <5%)
Testes pareados
Existem pesquisas em que se compara em um mesmo indivíduo se uma situação se modifica após algum tipo de intervenção. São estudos do tipo antes depois
1)Para variáveis paramétricas:
Teste t pareado (2 grupos)
ANOVA de medidas repetidas (3 grupos ou mais).
Para variáveis não paramétricas:
Teste de Wilcoxon (2 grupos)
Friedman (3 grupos ou mais).