Aula 1 a 5 de Topicos Especiais em Fisioterapia

Prévia do material em texto

Aula 1: Pesquisa em Fisioterapia – Uma visão Geral
Ciência e pesquisa: relacionadas, mas não a mesma coisa!
Vamos imaginar a seguinte situação hipotética: 
Uma pessoa que comprou um terreno em determinada cidade vai iniciar a construção de uma casa com dois quartos para morar. Ela não possui dinheiro suficiente para construir toda a casa, então ela se planeja para construí-la por etapas.
Inicialmente, ela decide iniciar as obras, construindo as bases da casa. Para tal, ela precisa seguir determinados passos:
Etapa 1: Ela precisa ter informações sobre o terreno, como consistência, inclinação, solo etc., para saber como iniciará a construção do alicerce; além disso, ela precisa aprender como se constrói o alicerce de uma residência, e isso pode ser feito, por exemplo, consultando um colega ou um livro já publicado, ou até mesmo fazer um curso de obra civil.
Etapa 2: Agora, a pessoa precisa definir seus objetivos. Neste caso, poderíamos dizer que seu objetivo é construir o alicerce de uma casa com dois quartos, com base no terreno analisado.
Etapa 3: Depois de definir seus objetivos, a pessoa precisa decidir como construirá as bases, ou seja, quantos pedreiros irão auxiliá-lo, quantos sacos de cimento, quantos caminhões de pedra, quantas ferramentas, a quantidade de cimento e água para formar o concreto etc. Qualquer erro nesse planejamento pode possibilitar uma construção errada do alicerce, e a casa pode vir a cair no futuro.
Etapa 4: Começa a obra. A pessoa termina a construção do alicerce para a futura casa.
Etapa 5: Com o alicerce finalizado, é necessário verificar se está tudo de acordo, tendo em vista o objetivo proposto inicialmente ("construir o alicerce de uma casa com dois quartos, com base no terreno analisado"). Se o alicerce ficou satisfatório, a pessoa responsável pela obra dirá que o próximo passo será subir as paredes da casa; caso contrário, será necessário quebrar e refazer tudo em uma próxima investida.
O primeiro passo (construção do alicerce da casa) foi finalizado com êxito. Depois de alguns meses, a pessoa responsável resolve investir para construir as paredes da casa. As mesmas etapas deverão ser cumpridas: verificar como subir as paredes, levando em consideração o alicerce construído; determinar os objetivos; recursos materiais e humanos para a construção; observar e analisar o resultado da obra; propor a continuação para os próximos meses com mais investimentos. 
Vamos agora refletir um pouco... 
Podemos fazer uma correlação entre a construção desta casa e a Ciência e pesquisa em nossa profissão.
A pessoa referida na história é o pesquisador, que quer produzir Ciência (a casa). Todas essas etapas referidas formam o que chamamos de pesquisa. 
A pesquisa, assim como a construção de uma casa, é formada por etapas. Por exemplo: se trouxermos a situação hipotética para a realidade da ciência, a Etapa 1 poderia ser a Introdução, ou Fundamentação Teórica de um estudo. A Etapa 2 seria o objetivo da pesquisa propriamente dito. A Etapa 3, a metodologia, ou materiais e métodos. A Etapa 4, resultados. Finalmente, a Etapa 5 seria a discussão e conclusão do estudo.
Após essa contextualização, podemos aprender algumas definições (FACHIN, 2006; CERVO et al., 2006):
Ciência (ou conhecimento científico). Trata-se de um tipo de conhecimento que possui como características básicas a necessidade de se conhecer, além do fenômeno, suas causas e leis. Sempre é metódico e sistemático, só aceitando como verdade algo comprovado com estudos, seguindo a metodologia científica.
Pesquisa - Ferramenta usada para produzir conhecimento científico, voltada para a solução de problemas teóricos ou práticos, com o emprego de metodologia científica.
Metodologia Científica (ou método científico) - Grupo de processos (ou um conjunto de passos) aplicados para se investigar e demonstrar a verdade.
Ou seja, para produzir Ciência, precisamos realizar pesquisas, que lançam mão de metodologia científica para alcançar resultados o mais próximo possível da verdade (BARROS; LEHFELD, 2008).
O fenômeno chamado "explosão do saber"
É sabido que o homem, desde a Antiguidade, tem sede de conhecimento. Essa vontade incontrolável surgiu a partir do momento em que passamos a buscar as causas dos fenômenos naturais que aconteciam ao nosso redor.
Nos primórdios da humanidade, não havia ciência. O homem se contentava com explicações mágicas ou místicas das coisas que aconteciam com ele ou ao seu redor. Por exemplo: quando uma pessoa adoecia, era porque os "ancestrais estavam zangados com ela"; quando não chovia, "os deuses não estavam satisfeitos com o seu povo".
 Depois de certo tempo, surge a ciência, racional e lógica, buscando sempre comprovar fatos, encontrar as causas de tudo o que acontece, seguindo uma metodologia própria: a metodologia científica.
Na Idade Média, a Igreja detinha todo o conhecimento, e não o compartilhava com a sociedade. Assim, o controle das massas era algo simples, e o Teocentrismo  vigorava. Nos séculos XVII e XVIII, a burguesia inicia um movimento chamado Iluminismo, que propõe "a luz da razão sobre as trevas dos dogmas religiosos". Um de seus principais pensadores, René Descartes, foi o pai do método científico, que surgiu para organizar o pensamento para se alcançar uma forma mais adequada de produção do conhecimento.
Nas Universidades européias, inicia-se um processo conhecido como institucionalização da Ciência, na qual cientistas, que antes trabalhavam sozinhos, passam a atuar em laboratórios, em conjunto com outros pesquisadores. O resultado disso foi o início de um aumento exponencial na produção científica, que se intensifica no século XX.
Com o constante avanço tecnológico da Informática (iniciando em 1936, com o primeiro computador), facilitou-se muito o acesso às informações. Atualmente, um pesquisador ou estudante pode ter em suas mãos, em apenas alguns minutos, artigos científicos publicados no mês passado em uma importante revista científica, ou então entrar em contato com um importante pesquisador por e-mail ou por redes sociais. No passado, um pesquisador que quisesse se atualizar teria que frequentar por algumas semanas uma biblioteca para acessar revistas científicas e livros na área.
O aluno hoje tem uma importante ferramenta, que é a internet. Através dela, o acesso às informações é simples e rápido. No entanto, faz-se necessário saber lidar com isso. O excesso de informações, ao mesmo tempo benéfico para a Ciência, pode trazer questões importantes. Como se atualizar hoje em dia? Como ser um bom fisioterapeuta generalista, se temos um crescente número de publicações anuais em diversas áreas da Fisioterapia? Quais são as fontes mais confiáveis para buscar material bibliográfico para a pesquisa? São essas perguntas e outras que vamos, aos poucos, responder nesta disciplina.
Ciência e a eterna jornada
Ciência é como um pequeno monte que você anseia demais escalar e chegar ao cume, para conhecer o que existe além dele. Quando você consegue alcançar o cume, cansado da longa jornada, você observa que existe outro monte logo à frente, mais alto do que o primeiro. Seu desejo de conhecer o que existe após o segundo monte é enorme, e você tenta escalá-lo. Quando chega ao pico, observa outro monte, mais alto do que o segundo. E a eterna jornada se prolonga.
Enfim, Ciência é a eterna busca pela verdade. Sempre haverá algo “além daquele monte” que você não consegue observar hoje. Seus filhos verão além desse monte, mas outros existirão. É a sede do ser humano descobrir as coisas, adquirir conhecimento e usá-lo para seu bem-estar. 
Nos primeiros anos da Fisioterapia no Brasil, todo o conhecimento sobre reabilitação era obtido em livros clássicos de Cinesioterapia recém-traduzidos para a língua portuguesa. Não havia muita contestação. O acadêmico estudava, através daquelas obras, as técnicas que empregaria na sua futura profissão, sem muito raciocínio clínico. Os famosos "protocolos" embasavam a prática clínica.
Com o passar do tempo, ficouevidente a necessidade de se acompanhar o progresso da Ciência. A Fisioterapia então passou a atuar mais com base nas evidências científicas (tema da aula 2).
No entanto, ainda é precária a literatura em Fisioterapia, se comparada com outras áreas da saúde. Somente mais recentemente têm-se criado programas de pós-graduação stricto sensu (Mestrado e Doutorado) para fisioterapeutas, o que representa um futuro promissor para o conhecimento científico.
A produção científica para a Fisioterapia é importantíssima, principalmente para que nossa profissão seja mais respeitada frente às outras, na área da saúde. Por exemplo: um médico (normalmente) prescreveria um medicamento sem que ele tivesse passado por uma pesquisa clínica? Ou faria uma cirurgia, sem que esta tivesse sido estudada por um médico pesquisador? Com certeza não. Mas reflita um pouco: um fisioterapeuta hoje usaria técnicas que ele inventou, sem ter um estudo mais aprofundado sobre o seu real efeito? A resposta seria, na maior parte das vezes, sim.
Isto porque a cultura da pesquisa na Fisioterapia só começou a surgir nas últimas décadas. Lentamente, o profissional está levando em consideração as evidências científicas como complementação de sua prática clínica, auxiliando-o em suas tomadas de decisões frente ao paciente, para um adequado diagnóstico cinesiofuncional, tratamento terapêutico e prognóstico confiável. 
Pós-graduação stricto sensu em Fisioterapia
A pós-graduação stricto sensu se refere aos cursos de Mestrado e Doutorado. O primeiro mestrado no Brasil em Fisioterapia só foi surgir em 1996. Até então, fisioterapeutas mestres no país vinham de cursos no exterior, ou até de mestrados brasileiros em áreas correlatas (engenharias, saúde coletiva, anatomia etc.).
A partir daí, outros Mestrados e Doutorados foram surgindo no Brasil. Podemos destacar os cursos no Programa de Ciências da Reabilitação da Universidade Federal de Minas Gerais (UFMG) e da Universidade Estadual de Londrina (UEL), assim como os Programas de Fisioterapia da Universidade Federal de Pernambuco (UFPE) e da Universidade Federal do Rio Grande do Norte (UFRN).
Segundo Cavalcante et al. (2011), em 2010, no Brasil, tínhamos um total de 1.145 fisioterapeutas doutores e 4.675 mestres, enquanto que 14.435 médicos brasileiros possuíam o título de doutor, e 13.677 médicos mestres. Ou seja, fisioterapeutas doutores compõem 4% de todos os doutores da área da saúde, e 11% dos mestres são fisioterapeutas.
O mais importante disso tudo é saber que você, futuro fisioterapeuta, pode seguir a carreira acadêmica. Os programas de Mestrado e Doutorado existem, alguns em áreas correlatas, como a Bioengenharia, Engenharia Biomédica, Saúde Coletiva, Saúde da Família etc. A pesquisa está em crescente aumento no Brasil. O governo apoia as instituições com bolsas e auxílios periodicamente , através de agências fomentadoras de pesquisa. É o caso do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), a Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e as fundações estaduais, como a FAPERJ (Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro), FAPESP (em São Paulo) e FAPEMIG (em Minas Gerais). 
Aula 2: Saúde e Fisioterapia baseada em evidências
Você tem ideia do conceito de saúde baseada em evidência (SBE)? 
E de Medicina baseada em evidência (MBE), você já ouviu falar?
Certamente você já assistiu na televisão, por exemplo, a reportagens sobre novas descobertas na área da saúde. Um novo medicamento, uma nova intervenção cirúrgica, ou quem sabe um novo tratamento.
Sempre que aparecem essas notícias, você pode ter certeza de que alguma pesquisa foi desenvolvida em algum lugar no mundo, que deu origem a certas evidências, e que por consequência levaram os profissionais da área a acreditarem naquilo e a aplicarem em sua prática clínica.
Pode-se definir SBE (ou, mais especificamente, MBE) como a integração da experiência clínica com as melhores evidências científicas disponíveis, sempre considerando a segurança e questões éticas nas intervenções. O objetivo é a tomada de decisões para o tratamento do paciente.
Conforme salientaram Filippin e Wagner (2008, p. 432), as "pesquisas desenvolvidas de forma criteriosa fornecem indícios para auxiliar na tomada de decisão clínica, mas nunca substituem o raciocínio sobre a intervenção mais indicada em determinada situação clínica". Ou seja, a SBE não visa de forma alguma substituir a habilidade clínica do profissional da saúde, e sim complementar sua prática, com o conhecimento de tudo o que se tem publicado e descoberto na sua área de atuação.
E o que é uma evidência científica?
Ela pode ser definida como um conjunto de elementos obtido através de pesquisa científica (seguindo uma metodologia adequada), que suporta alguma tese ou hipótese (no nosso caso específico, sempre relacionada à intervenção em saúde). Existem diversos níveis de evidências, a saber (FILIPPIN; WAGNER, 2008):
A MBE atualmente é vista como a melhor opção para a resolução de casos clínicos, uma vez que melhora a qualidade do atendimento, estimula o pensamento crítico do profissional, incentiva o uso de novos procedimentos clínicos publicados e critica métodos que podem não ter eficiência ou mesmo ser prejudiciais ao paciente.
Um paciente de 70 anos de idade chega ao seu consultório com fortes queixas de dores na região de pescoço e ombros. Ao avaliá-lo, você verifica a presença de nódulos de tensão (Trigger-Points) na região do trapézio (fibras superiores) e escalenos bem tensos. Não há irradiação para membros superiores. Com base nesse relato de caso, vamos elaborar uma intervenção baseada em FBE, seguindo alguns passos: 
Passo 1: Definição da pergunta clínica - Ainda vamos falar desse assunto em uma próxima aula, mas aqui começaremos a ter uma noção. A formulação da pergunta clínica é a transformação da necessidade de se obter uma informação clínica numa pergunta. No caso relatado anteriormente, uma possível pergunta clínica seria: "qual seria a origem das queixas de dores na região de pescoço e ombros do paciente"? Ou então, quanto ao tratamento: "qual seria a intervenção fisioterapêutica adequada para esse paciente"? Notem que a elaboração dessa pergunta é importante, uma vez que você tentará respondê-la com sua pesquisa/experiência clínica.
Passo 2: Definição de estratégias para a pesquisa em literatura científica - Neste estágio, você já sabe qual é a pergunta e procura as respostas. Estas respostas você encontrará na busca na internet, biblioteca ou acervo pessoal. O objetivo é encontrar referências que lhe auxiliem no processo de tomada de decisões com o paciente. Por exemplo: você avaliará a confiabilidade de uma revista científica para a área, um banco de dados mundialmente confiável, perfil dos pesquisadores envolvidos na pesquisa etc. Outro fator importante é a escolha das palavras-chave para a pesquisa na internet, assunto do qual falaremos em seguida.
Passo 3: Avaliação da qualidade dos estudos - Agora que você selecionou potenciais artigos científicos, que trazem evidências sobre seu tema, é hora de estudá-los, fazer fichamentos ou resumos deles, para obter o máximo de informações possíveis sobre as últimas evidências científicas em determinado tema.
Passo 4: Síntese das evidências - Após atenta leitura do material, você agora deve sintetizar toda a informação (em forma de fichamento ou resumo, ou até resenha - resumo crítico de um trabalho). Isto é importante, uma vez que atualmente temos uma quantidade muito grande de artigos sobre diversas áreas, dificultando a elaboração de um texto usando, por exemplo, 100 referências completas, sem nenhum tipo de resumo.
Passo 5: Resolução do problema clínico - Nesta última fase, você tem em mãos evidências suficientes para responder à sua pergunta inicial. Por exemplo: sobre a origem das queixas de dores do paciente, ou mesmo sobre quais seriam as intervenções fisioterapêuticas mais indicadas para ele.
Como saber se a evidênciacoletada é adequada? 
Antes de mais nada, uma boa dose de estudo e leitura crítica. Não é porque um trabalho foi publicado que ele é, necessariamente, confiável. Muitos estudantes ainda têm essa idéia em mente. Mas uma regra que devemos sempre seguir é analisar o tipo de estudo (que será tema de uma aula ainda nesta disciplina). Por enquanto, conheça os estudos e a força da evidência (em ordem crescente) que eles apresentam:
• Estudo de caso(s);
• Estudo de caso-controle;
• Estudo de coorte;
• Ensaio clínico não controlado;
• Ensaio clínico controlado;
• Metanálise.
O que levar em consideração para escolher estudos confiáveis, que possam fornecer ferramentas para a resolução de um quadro clínico? 
A importância da pesquisa para a Fisioterapia
Como já discutimos anteriormente, a Fisioterapia no Brasil é relativamente nova, e todo o conhecimento sobre reabilitação era encontrado em obras clássicas, a maioria traduzida do inglês ou francês. Por outro lado, profissões como a Medicina já possuíam uma formação mais voltada para a área científica, sendo profundamente embasada em evidências científicas.
O número de mestrados ou doutorados em Fisioterapia vem crescendo a passos lentos. Ainda possuímos um pequeno número de doutores fisioterapeutas. Isto compromete a formação de novos pesquisadores e mantém diminuída a oferta por pós-graduações stricto sensu.
 A pesquisa auxilia o processo de crescimento profissional. É simples entender isso, quando comparamos profissões como a Fisioterapia e a Medicina hoje. 
Por exemplo:
Um médico (normalmente) prescreveria um medicamento sem que ele tivesse passado por uma pesquisa clínica? 
Ou faria uma cirurgia sem que esta tivesse sido estudada por um médico pesquisador? 
Com certeza não. 
Mas reflita um pouco: um fisioterapeuta hoje usaria técnicas que ele inventou, sem ter um estudo mais aprofundado sobre o seu real efeito?
Reflita comigo...
Quem parece ser mais "confiável"? 
Quem parece estar mais "embasado"? 
O médico, que se apoia em pesquisas científicas desenvolvidas, muitas vezes, com controle rigoroso da intervenção; ou o fisioterapeuta, que por ignorância científica, ou simples capricho, utiliza métodos que até mesmo desconhece seus reais efeitos?
Pesquisa na literatura 
Saber como buscar informação é essencial para a prática baseada em evidências. Além, é claro, de auxiliar muito no desenvolvimento dos trabalhos acadêmicos que seus professores solicitam e no trabalho de conclusão de curso, ao final da graduação.
Para buscar artigos confiáveis, não se pode simplesmente entrar em um site de busca e "jogar" as palavras-chave. Você deve já saber qual é a pergunta científica, quais são os termos (palavras-chave) essenciais e como usá-las no processo de busca.
Vamos exemplificar uma busca nesse site. 
Imaginemos que estamos realizando uma busca bibliográfica sobre o tema “Terapia manual na lombalgia em crianças”. 
Antes de mais nada, temos que buscar, em um dicionário português-inglês, as palavras em inglês, para inserirmos no campo de busca do site. Após uma rápida busca, poderíamos inserir palavras como Manual Therapy, Low-back pain, Children.
Aula 3: Pesquisa Clínica
Vamos conhecer o conceito e objetivo, segundo (OPAS, 2005)?
Definida como "um estudo sistemático de medicamentos e/ou especialidades medicinais em voluntários humanos que seguem estritamente as diretrizes do método científico.
Tem como objetivo "descobrir ou confirmar os efeitos e/ou identificar as reações adversas ao produto investigado e/ou estudar a farmacocinética dos ingredientes ativos, de forma a determinar sua eficácia e segurança."
Na verdade, a pesquisa clínica simplesmente visa reconhecer as respostas das doenças às intervenções terapêuticas medicamentosas. Para que o medicamento seja comercializado, ele precisa passar por etapas de investigação, que demonstrem sua eficácia e segurança.
Análise Instrumental
Fase I - Trata-se de estudos sobre a farmacologia clínica e toxicologia no homem, preocupando-se mais com a segurança do medicamento do que a eficácia propriamente dita. Nessa fase, determina-se uma dose aceitável da droga estudada, para identificar seu metabolismo e biodisponibilidade no organismo;
Fase II - É um estudo-piloto da eficácia do medicamento, onde cada paciente é cuidadosamente monitorado com ensaios iniciais;
Fase III - Nesta fase já se realiza uma intervenção em larga escala do medicamento. Os ensaios clínicos randomizados (ou seja, grupos definidos aleatoriamente, que estudaremos em uma próxima aula com mais detalhes) são os tipos de estudo de escolha, com amostras de pacientes grandes o suficiente;
Fase IV - Esta última fase também é conhecida como "fase de vigilância pós-comercialização", ou seja, após a distribuição do medicamento para o comércio nas farmácias, os usuários são monitorados em busca de efeitos adversos e eficácia do produto. No Brasil, a agência responsável pela fase é a ANVISA . Nos Estados Unidos, a FDA .
Estudo Controlado randomizado (ECR)
Um dos mais confiáveis estudos em ciência, e que é amplamente usado na pesquisa clínica, é o chamado estudo controlado randomizado (ECR). O termo "randomização" vem do inglês random, que significa "aleatório", e tornou-se um verbo muito usado na área de pesquisa clínica e epidemiológica.
O ECR se inicia com a definição da população de estudo, que é um grupo de interesse sobre o qual se deseja tirar conclusões. A amostra provém da população, e é um subconjunto de um universo, devendo ser obtida de uma população homogênea por um processo aleatório (randomização).
Divisão do ECR
O ECR geralmente envolve a divisão de grupos experimentais de intervenção. 
Por exemplo: se quisermos avaliar o efeito de um medicamento A sobre uma patologia, dividimos aleatoriamente os indivíduos em basicamente três grupos: 
- Grupo controle 
- Grupo placebo 
- Grupo experimental 
Grupo controle
Os indivíduos não recebem nenhuma intervenção e são avaliados no mesmo período em relação aos outros grupos, servindo como grupo-referência para comparação com o grupo experimental;
Grupo placebo 
Geralmente trata-se de um fármaco ou intervenção inerte, e que pode gerar efeitos no paciente devido a algum processo psicológico. Na Fisioterapia, utiliza-se muito um equipamento de eletroterapia desligado para se criar esse efeito (um ultrassom desligado, por exemplo). Os voluntários desse grupo recebem a intervenção placebo (sem saber que é um placebo, claro!).
Grupo experimental
É composto pelos indivíduos que receberão o tratamento/medicamento/intervenção que está sendo estudado.
Estudos cegos ou duplos-cegos
O mascaramento (ou blinding) também é uma ação comum nesse tipo de estudo. Talvez você já deva ter ouvido falar dos estudos “cegos” ou “duplos-cegos”.
Você deve estar se perguntando: "por que eu, aluno de Fisioterapia, devo saber o que é pesquisa clínica"? 
Para saber a resposta, relembre o conceito de Pesquisa Clínica, e em vez de "medicamento", insira "intervenção fisioterapêutica".
Da mesma forma que precisamos ter cuidado com grupos controle, devemos ter a mesma atenção quando estamos analisando os efeitos da Fisioterapia em pacientes com determinada patologia.
Logo, não é difícil perceber que, também na nossa área (Fisioterapia), os ECR's são de extrema importância para se identificar os reais efeitos de nossa prática clínica. 
Sempre que você pesquisar por artigos científicos, dê preferência aos ECR's, pois eles irão fornecer dados mais confiáveis sobre determinada intervenção terapêutica.
Boas Práticas Clínicas (BPC)
As BPC são diretrizes para a obtenção de resultados confiáveis e sempre permeados pela ética, em ensaios clínicos. 
A Organização Pan-Americana de Saúde (OPAS, 2005) elaborou o Documento das Américas na IV Conferência Pan-Americana para Harmonização da Regulamentação Farmacêutica, ocorrida na República Dominicana. 
O documento apresentou os seguintes princípios de BPC, nocapítulo 2:
1 - Os ensaios clínicos devem ser conduzidos apenas se os benefícios antecipados para o indivíduo sujeito da pesquisa e para a sociedade ultrapassarem claramente os riscos envolvidos;
2 - Embora o benefício dos resultados do ensaio clínico para a ciência e a sociedade seja importante e deva ser considerado, as considerações mais importantes são as relativas aos direitos, segurança e bem-estar dos sujeitos de pesquisa;
3 - Um ensaio clínico deve ser conduzido em consonância com o protocolo que recebeu aprovação/opinião favorável anteriormente por parte da comissão de revisão institucional (CRI)/Comitê Independente de Ética (CEI);
4 - A aprovação de ensaios clínicos depende de informações não clínicas adequadas e, quando aplicável, de informações clínicas dos produtos em investigação;
5 - Os ensaios clínicos devem ser cientificamente sólidos e descritos protocolos claros e detalhados;
6 - Deve-se obter o consentimento informado dado livremente por cada sujeito antes da participação nos ensaios clínicos;
7 - Médicos qualificados (ou, se apropriado, dentistas qualificados) devem ser responsáveis pelo atendimento médico dos sujeitos da pesquisa, bem como para qualquer decisão médica tomada em seu nome;
8 - Esses profissionais devem ser qualificados adequadamente por meio de educação, treinamento e experiência para desempenhar suas tarefas relativas ao ensaio clínico e aos sujeitos da pesquisa;
 9 - O registro, o manuseio e o armazenamento de todas as informações do ensaio clínico devem ser apropriados para permitir o relato, a interpretação e a verificação precisos do ensaio;
10 - A privacidade dos registros que poderiam identificar os sujeitos deve ser protegida, respeitando a privacidade e as regras de privacidade, em consonância com a(s) exigência(s) regulatória(s) aplicável(is);
11 - Os produtos em investigação devem ser manufaturados, manejados e armazenados de acordo com as boas práticas de fabricação (BPF) aplicáveis e devem ser usados em consonância com o protocolo aprovado;
12 - Devem ser implementados sistemas com procedimentos que assegurem a qualidade de cada aspecto do ensaio clínico. 
Agora, reflita... 
Pense se a maioria dos princípios de BPC podem servir para nós, fisioterapeutas, durante um trabalho de investigação científica. 
A única diferença é que não trabalhamos com medicamentos, e sim com intervenções fisioterapêuticas. Por isso, é importante para o fisioterapeuta o conhecimento desses princípios. 
Se você pensa em realizar um estudo com seres humanos no seu trabalho de conclusão de curso, você e seu orientador terão que levar em consideração essas questões.
Ética aplicada à pesquisa 
A II Guerra Mundial (1939-1945): A II Guerra Mundial (1939-1945) cometeu grandes atrocidades ao ser humano, principalmente pelo regime nazista de Hitler;
Pós-guerra (1948): Em 1948, no pós-guerra, o Código de Nuremberg foi proposto como resultado do julgamento dos crimes contra a humanidade e abusos cometidos nos campos de concentração alemães, o que originou o primeiro código de normas éticas para a pesquisa com seres humanos.
1965: Em 1965, foi revisto pela Associação Médica Mundial, levando o nome de Declaração de Helsinque (CONEP, 1998).
1993: Em 1993, a OMS e o Conselho das Organizações Internacionais de Ciências Médicas elaboraram as Diretrizes Internacionais para Pesquisas Biomédicas Envolvendo Seres Humanos, definindo que "todas as propostas de pesquisas envolvendo seres humanos devem ser submetidas à revisão de um ou mais comitês independentes, sendo necessário obter a aprovação da condução da pesquisa antes do seu início" (CONEP, 1998, p. 7).
1996: Finalmente, em 10 de outubro de 1996, no Brasil, o (CNS) aprovou a Resolução 196, atendendo as diretrizes e normas regulamentadoras de pesquisas envolvendo seres humanos.
A Resolução 466
Esta resolução versa sobre as diretrizes e normas para pesquisas que envolvam direta ou indiretamente seres humanos. Ela foi precedida pela Resolução 196/1996, a qual criou a CONEP, vinculada ao CNS, tendo por objetivo regulamentar a proteção dos seres humanos envolvidos em pesquisas científicas. A CONEP coordena os Comitês de Ética em Pesquisa (CEP), além de ser orgão consultor e avaliar projetos nas áreas chamadas especiais
Aula 4: Noções de Bioestatística I
Bioestatística e sua importância para a pesquisa em Fisioterapia
Segundo Triola (2005, p. 2), ela pode ser definida como “uma coleção de métodos para o planejamento de experimentos, obtenção de dados e consequente organização, resumo, apresentação, análise, interpretação e elaboração de conclusões baseadas nos dados”.
Você sabia que a palavra estatística é derivada do latim status, que significa “estado”? 
A Bioestatística seria o conhecimento da Estatística voltado para as Ciências Biológicas. Dados estatísticos (ou variáveis) são quaisquer observações coletadas em uma pesquisa.
Política de Segurança Operacional
A Bioestatística seria o conhecimento da Estatística voltado para as Ciências Biológicas.
Dados estatísticos são quaisquer observações coletadas em uma pesquisa. 
 Se Estatística consiste em métodos para se planejar a obtenção e análise desses dados, e se trabalhamos com esses dados em nossa prática, então há de se convir que essa área de estudo pode ser nossa aliada, não só nas pesquisas, mas também quando formos atender os pacientes em nosso consultório.
A Fisioterapia pode trabalhar com dados qualitativos e/ou quantitativos.
Quantitativos
No caso dos quantitativos, podem ser contagens (número de sessões realizadas, número de movimentos realizados, idade em anos) ou medidas (pressão arterial através de um esfigmomanômetro, força muscular através de um dinamômetro, amplitude de movimento através de um goniômetro)
Qualitativos
Já os dados qualitativos são aqueles que podem ser separados em categorias (também conhecidos como dados categóricos). 
Por exemplo: sexo pode ser um dado coletado de um grupo de pacientes. Porém os resultados possíveis são ‘’masculino’’ ou ‘’feminino’’; profissão pode ser ‘’bancário’’, ‘’advogado’’, ‘’fisioterapeuta’’ etc. Ou seja, não assumem quantidade.
Vamos supor que, depois de formado, você possua uma média de 20 pacientes por semana em sua clínica. Para cada um, você tem uma ficha de avaliação, constando idade, sexo, profissão, peso, altura, patologia, queixa principal, pressão arterial e outros dados.
Por que não usar a Estatística para organizar esses dados?
Por que não preparar todos eses dados periodicamente para uma possível publicação em uma revista científica no futuro? 
Imagine, em muitos anos de prática clínica, quantos dado você terá para poder analisar estatisticamente e tirar conclusões inéditas sobre determinado tema. 
A Estatística dividi-se em: Descritiva x Interferencial
Descritiva: Ramo da Estatística que visa descrever e sumariar os dados coletados em uma pesquisa;
Interferencial: Ramo da Estatística que objetiva encontrar relações entre as variáveis estudadas. Nela, os métodos estatísticos são usados para se elaborar conclusões, predições e/ou generalizações sobre um conjunto de dados. Vamos falar com mais detalhes sobre o tema em outras aulas.
Você deve já ter lido algum artigo que realiza uma pesquisa quantitativa, e mostra, nas primeiras tabelas, um resumo dos dados, como médias, desvios-padrões, freqüências das respostas etc. Logo depois, ele apresenta resultados dos chamados testes estatísticos, que fornecem um valor ‘’p’’. 
Interpretação de gráficos (sem complicações)
Diversos alunos têm grande dificuldade em interpretar gráficos. 
Ao olhar aquelas linhas de vários tipos e cores, ou barras de todos os formatos possíveis, você sente uma angústia imensa e não consegue tirar dali informações importantes sobre um estudo?
Para começar a entender os gráficos, temos que trazer à tona alguns conceitos.
Primeiro de tudo: o que é uma variável de estudo? 
É qualquer dado que coletamos em nossa pesquisa, que pode assumir um valorou categoria. Quando aplicamos um questionário, cada uma das perguntas é uma variável no estudo. Quando medimos pressão arterial, força, altura, peso etc., são também variáveis
Estas variáveis podem ser classificadas em qualitativas e quantitativas..
Qualitativas 
Variáveis qualitativas nominais: não podem ser hierarquizadas ou ordenadas. Exemplo: sexo (“masculino” ou “feminino”); pratica atividade física? (“sim”, “não”).
Variáveis qualitativas ordinais: podem ser hierarquizadas ou ordenadas. Exemplo: intensidade da dor (“forte”, “moderada”, “leve”); avaliação do professor (“excelente”, “regular”, “deficiente”).
Quantitativas
Variáveis quantitativas contínuas: assumem quaisquer valores dentro de um conjunto contínuo. Geralmente as medidas são variáveis contínuas. Por exemplo: quando medimos a pressão arterial, o valor pode ser 120 x 80 mmHg, 120,1 x 80,1 mmHg ou 121 x 81 mmHg, dependendo, claro, da precisão do aparelho.
 
Variáveis quantitativas discretas: quando se referem a contagens, ou seja, geralmente números inteiros. Exemplos: número de sessões por semana, idade (em anos), número de filhos na família etc.
Vamos praticar alguns exercícios para aprender a analisar alguns tipos de gráficos?
Por que se faz necessário o estudo dos tipos de variáveis para entendermos os gráficos? 
É simples: temos muitos tipos de gráficos, um para cada tipo de variável. Vamos verificar isso?
A figura ao lado é um gráfico de barras. Note que as barras estão separadas uma da outra. Esse tipo de gráfico é usado para variáveis nominais ou ordinais.
Pois bem, o passo inicial para a interpretação de gráficos é analisar os eixos.
Se olharmos apenas as linhas, caixas ou barras na figura, e não atentarmos para os eixos, nunca saberemos extrair dali informações
Agora, veja com os eixos indicados. Que conclusão você tira? 
Que a maioria das pessoas que foram avaliadas sente dor lombar, não é isso?
E nesta figura, você consegue tirar conclusões sem os eixos?
E agora, com os eixos? 
Ficou mais fácil? 
Se você concluiu que a maioria das pessoas que possuem dor lombar não praticam atividade física, você acertou!
Observe agora o gráfico seguinte...
Ele se trata de um histograma, com resultados de "peso ao nascer (kg)" provenientes de uma coleta de dados de 141 mães de bebês entre 0 a 2 anos de idade.
Você pode perguntar: "Mas esse gráfico não tem barras? Por que tem outro nome?
Atenção 
O histograma possui sim barras, mais note que são unidas. Isso dá uma idéia de continuidade, o que é proposital.
O histograma é construído a partir de variáveis quantitativas contínuas (ex: medidas). ‘’Peso ao nascer’’ é uma variável contínua (pode assumir diversos valores: 3 kg, 3,1 kg, 3,2 kg etc.)
Ao analisar um histograma, siga as mesmas instruções: analise os eixos primeiro.
Mesmo sem fazer cálculo algum, você diria que a média de peso ao nascer nessa amostra seria de quantos quilos?
Se você disse algum número entre 3 e 4kg, você acertou! Observa-se no histograma que a maioria dos bebês nasceu com pesos entre esses valores. Ao se calcular a média, obtém-se 3,33kg .
E o histograma ao lado, o que você acha?
Que conclusão você tira dele?
Se você disse que a maior parte dos voluntários possuía angulação coxofemoral entre 100 e 110 graus, você acertou! Essa amostra tinha 73 medidas, e a média foi de 106,19 graus.
Outro gráfico muito usado em ciência é o gráfico de linhas. O objetivo dele é mostrar os resultados de uma variável ao longo de uma escala de valores, ou então para demonstrar uma série temporal.
O que você pode concluir analisando o gráfico?
Caso tenha atentado primeiramente aos eixos, você deve ter concluído que, ao longo do tratamento, o grupo Fisio ganhou maior amplitude de movimento na articulação coxofemoral em relação ao grupo Controle, no qual praticamente não houve alteração.
Trata-se de uma série temporal, ou seja, os dados foram coletados em pontos diferentes no tempo (neste exemplo, meses de tratamento).
Observe agora o gráfico abaixo, também de uma pesquisa fictícia. Sem os eixos, você não consegue entender nada, correto?
E agora, melhorou? 
Reparem que esse gráfico possui no eixo x a variável tempo, e no eixo y a frequência cardíaca (FC) em batimentos por minuto (BPM).
Outro gráfico muito usado, principalmente quando queremos mostrar a relação entre duas variáveis (até calculando depois o chamado coeficiente de correlação - vamos falar disso em aulas posteriores), é o gráfico de espalhamento (scatter plot), também para variáveis contínuas (quantitativas). O que este gráfico faz é plotar resultados de duas variáveis, uma em cada eixo.
 Veja o exemplo:
Novamente, se retirarmos os eixos, você entende algo?
Provavelmente não.
 
E agora com eixos?
Vamos entender o boxplot
Por que usar caixas? Para entender, observe a figura ao lado. 
Cada caixa destas dá informações diversas, conforme indicado: mediana (ou segundo quartil), o primeiro e o terceiro quartis, o valor máximo e mínimo dentro de 1,5 vezes o intervalo interquartil e o chamado outlier ("ponto fora da curva"). 
O boxplot  é um gráfico que a princípio assusta, mas que também não é difícil de interpretar para variáveis contínuas (quantitativas). 
No mesmo estudo com idosos, os alunos usaram os boxplots para comparar os idosos do asilo com os do grupo de terceira idade, quanto à capacidade de alcance funcional.
Sem entender de boxplot, você pode concluir que o alcance funcional dos idosos no asilo foi bem menor do que o do grupo de terceira idade, não concorda? Basta olhar as caixas (boxes).
Você deve estar pensando: "por que usar uma caixinha"?
Para você entender, considere um exemplo simples: imagine que você entra em uma sala A na Universidade e coleta a seguinte variável: idade dos alunos da sala A. Depois, coleta a idade dos alunos da sala B. 
Você obtém os seguintes dados:
Idades da sala A: 23 24 25 24 21 20 23 24 25 19 25 24 23 25 21 22 22 22 23 24 25 21 
Idades da sala B: 23 18 30 29 27 18 17 31 25 24 23 26 30 18 31 17 22 26 27 20 21 22
Agora, reflita, usando o bom senso, e responda:
Se eu fizer um boxplot das duas salas para compará-las, qual dessas salas terá a "caixinha" mais larga, e qual terá a "caixinha" mais curta ou estreita?
Se você respondeu que a sala B terá a caixa mais larga, você acertou! O boxplot nos dá a informação de espalhamento, ou variabilidade, dos dados.
Verifique que na sala B temos idades desde 17 até 31 anos de idade, ou seja, uma variação muito grande em relação à sala A, que tem idades entre 20 e 25 anos. Talvez a média seja a mesma entre as duas salas, mas quando analisamos o todo da distribuição, podemos identificar características importantes. Vamos falar mais de distribuição de dados em breve.
Que tal agora, interpretar o gráfico mais difícil de todos?
Claro que esta é uma "pegadinha"! 
Esse é um dos gráficos mais simples de se interpretar e muito usado para variáveis nominais, para indicar frequências (em porcentagens).
Após essa aula, não pense que seu aprendizado acabou! Sua rapidez e fluência na interpretação de gráficos dependerão do seu estudo. Quanto mais gráficos você interpretar, quanto mais resultados de artigos científicos analisar, melhor e mais rápido será sua compreensão dessas ferramentas importantes  na análise estatística.
Não tenha medo dos gráficos! Eles existem para ajudar.
GABARITO: Não. Se você analisou os eixos x (Grupo) e y (Diferença depois – antes), pode observar que as “caixinhas” são diferentes, mas estão no mesmo nível de diferença (entre 0 e 5 kg). Na verdade, ao se realizar um teste estatístico, verificou-se nesse estudo que não houve diferença significativa.
Aula 5: Noções de Bioestatística II 
A Estatística Descritiva 
Como vimos em aulas anteriores, é importante sabermos como resumir ou descrever um conjunto de dados coletados em pesquisas. É muito complicado tirarmos conclusões sobre variáveis sem antes fazer uso de ferramentas que nos mostrem uma ideiageral do que está acontecendo com aquele dado. 
Esse tipo de análise se chama análise exploratória de dados.
Algumas características importantes devem sempre ser analisadas em um conjunto de dados (TRIOLA, 2005):
Centro: É um valor representativo ou médio, que indica onde está localizado o meio (centro) de um conjunto de dados;
Ex: Conjunto A (11 valores): 10 11 11 12 13 14 14 15 16 18 20 
Onde o número em destaque é o centro do conjunto de dados.
Variação: É um valor representativo do quanto os dados variam entre si;
Ex: X: 10 12 14 12 10 14 12 10 14 12 10 14 14 12 12 10 10
 Y: 8 12 14 18 14 12 8 20 6 20 6 8 12 18 14 12 8
Note que os números em Y variam mais (o valor mínimo foi 6 e o valor máximo foi 20).
Distribuição: Representa a Natureza ou forma da distribuição dos dados 
Outliers: São valores obtidos em uma amostra que são muito discrepantes da maioria dos outros valores. É o famoso ‘’ponto fora da curva’’!
Ex: A: 88 79 80 200 85 81 83 83 84 82 82 85 86 200 88 79 80 89 85 81 200 83
 B: 88 79 80 89 85 81 83 83 84 82 82 85 86 82 85 88 79 80 89 85 81 83 83
Os números em destaque caracterizam o ponto fora da curva, pois diferem consideravelmente dos outros dados do conjunto. 
Um outlier pode mudar a média drasticamente e acabar não representando a real característica do conjunto de dados.
Tempo: São as características dos dados que mudam com o passar do tempo.
Ex: A: 62 60 60 59 59 60 61 62 57 57
 B: 45 40 39 39 37 36 32 30 30 29
Os dados do conjunto A mostram o número de cada ano da década de 80, de contusões musculares sofridas por atletas brasileiros nos esportes olímpicos. O conjunto B também mostra o número de contusões mas na década de 90.
Percebe que com a evolução da medicina no esporte a característica dos dados mudam com o passar do tempo
Medidas de Centro 
Uma medida de centro é um valor no centro do conjunto de dados. 
O mais comum de se encontrar nas análises estatísticas é a média. Em nosso dia a dia, falamos frequentemente de média, mas não nos damos conta de sua importância. 
Tenho certeza que você sabe de cabeça calcular sua média após uma AV2 ou AV3, não é?
Exemplo 1
Se você obteve 8,0 em AV1, e 10,0 em AV2, sua média foi de 9,0, certo? 
Você calculou somando 8,0 com 10,0 e dividindo por 2, dando um valor de 9,0. 
Observe que 9 está entre 8 e 10! É uma medida de centro. A média (nesse caso, a aritmética) é, portanto, calculada pela adição dos valores e divisão do total pelo número de valores.
Exemplo 2 
Se você tem 400 valores de pressão arterial coletados em um posto de saúde, se quiser saber a média é só somar todos os valores e dividir o total por 400.
A desvantagem da média é que ela é muito sensível a qualquer valor. Um outlier pode mudar a média drasticamente e acabar não representando a real característica do conjunto de dados. Vamos ver mais exemplos.
Exemplo 3
Imagine que você mediu a glicemia de 90 adolescentes em um laboratório, e obteve os dados abaixo, em mg/dl:
88 79 80 89 85 81 83 83 84 82 82 85 86 82 85 88 79 80 89 85 81 83 83 84 82 82 85 86 82 85 
88 79 80 89 85 81 83 83 84 82 82 85 86 82 85 88 79 80 89 85 81 83 83 84 82 81 79 78 79 79
88 79 80 89 85 81 83 83 84 82 85 81 83 83 84 82 82 85 86 82 81 83 83 84 82 82 85 86 82 85 
Se calcularmos a média dos valores, obteremos 83,24 mg/dl. Agora, vamos supor que você mudou um desses valores para 200 mg/dl (um outlier). 
Neste caso, a média passa a ser 84,52 mg/dl. Se adicionarmos mais um valor de 200, a média sobe ainda mais para 85,83 mg/dl.
Exemplo 5
Outra medida de centro é a moda. Ela nada mais é do que o valor mais frequente em um conjunto de dados. Por exemplo:
Conjunto: 11 13 14 18 19 10 18 19 19 19 10 20 19 19 19 19 16 15 14 19
A moda é 19, pois este é o número que mais ocorre no conjunto de dados.
X: 10 12 14 12 10 14 12 10 14 12 10 14 14 12 12 10 10 - média de X = 11,88
Y: 8 12 14 18 14 12 8 20 6 20 6 8 12 18 14 12 8 - média de Y = 12,23
Os valores são diferentes, mas são muito próximos! Poderíamos dizer que quase não se diferenciam, certo? 
Medidas de variação (ou de dispersão dos dados)
Agora, vamos comparar variabilidade dos conjuntos de dados, X e Y:
X: 10 12 14 12 10 14 12 10 14 12 10 14 14 12 12 10 10      
Y: 8 12 14 18 14 12 8 20 6 20 6 8 12 18 14 12 8                
Qual desses conjuntos possui maior variabilidade? Se você respondeu intuitivamente o conjunto Y, acertou! 
Note que os números em Y variam mais (o valor mínimo foi 6 e o valor máximo foi 20).
Amplitude
Outra forma de medir a variabilidade dos dados é a amplitude. Bem mais fácil de calcular, ela é a diferença entre o maior e o menor valor do conjunto de dados. 
Por exemplo: 
X: 10 12 14 12 10 14 12 10 14 12 10 14 14 12 12 10 10      
Y: 8 12 14 18 14 12 8 20 6 20 6 8 12 18 14 12 8                
A amplitude do conjunto X que vimos anteriormente será 14 - 10 = 4, e a amplitude de Y será 20 – 6 = 14. 
Note que, novamente, vemos a maior variabilidade no conjunto Y.
Às vezes, é necessário usar a variância como uma medida da dispersão dos dados. Ela nada mais é do que o quadrado do desvio padrão. Não vamos, nesta disciplina, nos aprofundar neste assunto.
Coeficiente de variação - CV
Também é muito usado o coeficiente de variação , que é calculado dividindo-se o desvio-padrão pela média e multiplicando tudo por 100, para obter o resultado em porcentagem. 
Voltando aos nossos conjuntos de dados X e Y:
X: 10 12 14 12 10 14 12 10 14 12 10 14 14 12 12 10 10      
Y: 8 12 14 18 14 12 8 20 6 20 6 8 12 18 14 12 8                
CVX = 1,65/11,88 x 100 = 13,91%
CVY = 3,86/12,23 x 100 = 37,63%
Mais uma vez, vemos que o conjunto Y foi o que mais variou.
Métodos 
Primeiramente, não vamos aqui esgotar o assunto probabilidade. Isto será realizado na disciplina Fundamentos da Estatística. 
A ideia é dar a você, aluno, informações para poder interpretar resultados estatísticos provenientes de estudos científicos.
A probabilidade é a base para qualquer análise estatística inferencial. Vamos a alguns conceitos (TRIOLA, 2005):
Evento: Qualquer conjunto de resultados ou saídas de um experimento.
Espaço amostral: Em um experimento, consiste em todos os eventos simples (eventos que não podem ser decompostos em outros) possíveis.
A probabilidade é geralmente definida pela letra "P". 
As letras A, B e C denotam eventos específicos. P(A) representa a probabilidade de o evento A ocorrer.
Na abordagem clássica de probabilidade, podemos estimar a probabilidade de um evento A, P(A), dividindo o número de vezes em que A ocorreu, pelo número de vezes em que o experimento foi repetido.
Exemplo 1
Você saiu em campo para coletar dados de frequência cardíaca em repouso de estudantes, e obteve os valores 89 87 68 79 68 79 89 89 79 68 78 89 79 80 bpm. 
Você quer saber qual é a probabilidade de se obter valores de frequência cardíaca menor que 70 bpm (este é seu evento A). 
Simplesmente você vai dividir o número de vezes que obteve frequências abaixo de 70 (3 vezes) pelo número total de amostras (14 amostras). 
Isso dará 3/14 = 0,21 (ou seja, 21% de toda a sua amostra possui frequência cardíaca abaixo de 70 bpm).
Exemplo 2
Suponha que você fez uma pesquisa na universidade, querendo saber qual é a probabilidade de pessoas que tenham dor lombar procurarem um fisioterapeuta para tratamento. 
Você entrevistou um total de 200 pessoas, sendo que 80 já procuraram fisioterapeuta.
Sendo assim: P(A) = 80/200 = 0,40. 
Ou seja, na amostra estudada, existe uma probabilidade de 40% das pessoas com dor lombar terem procurado serviço fisioterapêutico.
Distribuições de propabilidade
Distribuições de probabilidade são gráficos, tabelas ou fórmulas que dão a probabilidade para cada valor da variável aleatória. Já a variável aleatória tem um único valor numérico, determinado ao acaso, para cada resultado de um experimento.
Podemos ter variável aleatória contínua ou discreta. Você já sabe qual é a diferença, não?
A discreta assume número finito de valores, ou seja,é enumerável
A contínua tem infinitos valores associados a uma escala contínua.
Se você disse que a variabilidade dos dados aumentou, e a média provavelmente permaneceu a mesma, acertou!
Ou seja, podemos interpretar os dados observando e analisando somente a distribuição de probalidade.
Muitos estudos usam essa ferramenta na análise de dados.
A partir de hoje, tenha um olhar crítico ao se deparar com esse tipo de resultado. 
Distribuição normal ou gaussina 
Uma distribuição muito importante para a Estatística é a chamada distribuição normal ou gaussiana (Carl Friedrich Gauss - 1777-1855). A forma do gráfico se assemelha a um sino.
Imagine que você mediu a altura dos alunos de Educação Física e de Fisioterapia do seu campus, e obteve as curvas de densidade ao lado (lembre-se que essas curvas são originárias de distribuições de probabilidade, como vimos há pouco).
A curva azul é referente ao curso de Fisioterapia, e a vermelha de Educação Física. O que concluímos? 
Bom, fica claro que a média de altura dos alunos de Fisioterapia foi de 171 cm, e dos alunos de Educação Física foi de 188 cm. Ou seja, em média, os alunos de Educação Física são mais altos do que os de Fisioterapia.
Mas podemos tirar outras conclusões, não acha? 
Lembrando que a curva azul é referente ao curso de Fisioterapia, e a vermelha de Educação Física.
O que você diria sobre a variabilidade dos dados ao lado? 
Note que a dispersão dos dados para os alunos de Fisioterapia é menor do que a dispersão para alunos de Educação Física.
Ou seja, apesar da média de altura da Educação Física ser 188 cm, temos alunos com 180, 175, até 170 cm de altura, enquanto o curso de Fisioterapia possui menor variabilidade (é só observar que o "sino" azul é mais estreito do que o vermelho).
Esse tipo de análise é essencial para avaliarmos o conjunto de dados como um todo. 
Podemos perceber várias nuances, como por exemplo, como está a variabilidade dos dados, tendências até a existência de distribuições que possuem mais de uma moda (bimodais e multimodais), como mostra a figura a seguir (as setas indicam as duas modas em um mesmo histograma).
Teorema do Limite Central
Finalmente, existe o chamado Teorema do Limite Central. Ele diz o seguinte:
 "Quanto mais o tamanho de uma amostra aumenta, mais a distribuição amostral da sua média aproxima-se de uma distribuição normal".
 Esse teorema é essencial para a Estatística Inferencial (próxima aula). Vamos para um exemplo fácil, para você entender.
Imagine que eu jogue e calcule a média dos resultados. 
Sabemos que um dado pode assumir valores 1, 2, 3, 5 ou 6, não é mesmo?
Logo, o valor esperado (ou média) que podemos obter jogando o dado é 
(1 + 2 + 3 + 4 + 5 + 6)/6 = 3,5.
Ou seja, o resultado médio esperado, se eu jogar o dado, é de 3,5.
a) Provavelmente sua resposta foi NÃO, a não ser que você tenha uma ótima percepção matemática. Olhando essa quantidade imensa de números, fica difícil entender o que acontece com os universitários de Direito e de Educação Física. Os dados pedem um resumo, não é verdade? Algo que possa fornecer uma informação bem mais fácil de interpretar.
Aula 6 – Noções de Bioestatística lll 
R: Não. Repare que, no grupo TENS, os dois pacientes tiveram redução de um ponto na escala e o grupo controle teve um paciente com redução de um grau. Mesmo assim, a pergunta que fica no ar é: será que o resultado observado não ocorreu ao acaso, dado um número amostral de apenas quatro voluntários? Será que a melhora no grupo TENS pode ser explicada pelo fato de usarmos a eletroestimulação, ou este efeito ocorreu aleatoriamente? Ou ainda: será que, se repetirmos a mesma pesquisa com pacientes diferentes, obteremos este resultado? Essas perguntas podem ser respondidas pela Estatística Inferencial, que veremos na aula de hoje.
A Estatística Interferencial 
Segundo o dicionário, a palavra inferência significa "dedução, conclusão". A Estatística Inferencial é o ramo da Estatística que tem como objetivo encontrar relações entre as variáveis de um estudo.
Sempre que queremos tirar conclusões sobre uma amostra, devemos realizar uma análise estatística, para podermos responder à pergunta: "há evidência amostral suficiente para suportar minha hipótese?”. Por exemplo: se você quer provar na sua pesquisa que um método de Fisioterapia é melhor que o outro, deve se perguntar: "dado o número amostral usado, posso dizer que há uma diferença estatisticamente significativa"?
Na inferência estatística, são dois os procedimentos principais: a estimação de parâmetros populacionais (probabilidades, médias, desvios padrões etc.) e o teste de hipótese. Uma hipótese é uma afirmativa sobre uma propriedade da população. Um teste de hipótese  é um procedimento utilizado para testar uma afirmativa sobre uma propriedade da população.
Existe uma regra importante que devemos levar sempre em consideração: a chamada "regra do evento raro" (TRIOLA, 2005, p. 284):
Se, sob uma dada suposição, a probabilidade de um evento observado particular é excepcionalmente pequena, concluímos que a suposição provavelmente não é correta.
Com essa regra, vamos elaborar os testes de hipótese, na tentativa de distinguir os resultados que podem facilmente ocorrer por acaso dos altamente improváveis de ocorrer por acaso.
Fundamentos dos testes de hipótese
Guiados pelos testes de hipótese, podemos decidir se devemos rejeitar  ou deixar de rejeitar  
Achou difícil? 
Então, vamos ver exemplos.
Vamos supor que você desenvolverá uma pesquisa para verificar se a prevalência de lombalgia em crianças ultrapassa os 20% da população. Logo, você lança as hipóteses a serem testadas:
 H0   : a lombalgia em crianças não ultrapassa os 20% da população.
H1   : a lombalgia em crianças ultrapassa os 20% da população.
Após o teste de hipótese, vamos decidir se rejeitamos a hipótese nula, ou se não rejeitamos a hipótese nula. Note que, se decidimos "rejeitar"  H0   , ficamos com  H1!
Hipótese nula (H0) é uma afirmativa, colocando que o valor de algum parâmetro populacional (média, desvio-padrão, proporção) é igual a um valor especificado. H0 é uma frase que afirma não haver diferença significativa entre o valor assumido e a média populacional.
Hipótese alternativa (H1) é a afirmativa de que o parâmetro em questão tem um valor que difere da H0. H1 discorda em relação à H0 (há diferença significativa).
Vejamos um segundo exemplo:
   
Um grupo de alunos preparou um trabalho para verificar se há diferença significativa no condicionamento aeróbio de praticantes de pilates e de musculação.
Da mesma forma que no exemplo 1, realizaremos um teste de hipótese, para decidirmos pela rejeição ou não rejeição da hipótese nula.
Agora, como fazemos para decidir se ficamos ou não com a hipótese nula? É aqui que entra o valor p.
Valor P e nível de significância
O valor p é um parâmetro frequentemente usado em artigos científicos na área da saúde. Ele está estritamente relacionado com a significância estatística dos resultados de uma pesquisa e com o teste de hipótese.
O valor p é a probabilidade de se obter um resultado extremo ou muito extremo do observado na pesquisa, caso a hipótese nula seja verdadeira. De forma mais simples, podemos dizer que o valor p é a probabilidade de se observar um resultado ao acaso.
Antes de mais nada, é importante lembrar que sempre que realizamos um teste de hipótese, também escolhemos um nível de significância, que chamamos de valor alfa (valor α). Ele dá a probabilidade de incorretamente rejeitarmos a hipótese nula quando ela é verdadeira. Devemos escolher um valor pequeno de α, pois é claro que não queremos rejeitar a hipótese nula se ela for verdadeira, correto? Nas pesquisas em saúde, o valor mais usado é 0,05. Muitos artigos colocam o α como sendo 95%. Na verdade, esta tem o significado oposto: nesse caso, estamos dizendo que temos 95% de chance de rejeitar a hipótese nula acertadamente.
Os testes de hipótese vão lhe apresentar um valor p. Sempreque o valor p for maior que 0,05 (o valor α a princípio assumido na maioria dos estudos em nossa área), então não rejeitamos nossa hipótese nula. Caso o valor p seja menor do que 0,05, podemos rejeitar a hipótese nula e ficar com a hipótese alternativa.
Para entender melhor, vamos aos exemplos:
Um estudo visa demonstrar o efeito do método de terapia manual Maitland no ganho de amplitude de movimento. 
Logo, os pesquisadores lançam as hipóteses:
    : não há efeito do Maitland na amplitude do movimento.
    : há efeito do Maitland na amplitude do movimento.
Um teste estatístico é realizado, com valor α = 0,05. O valor p obtido foi de 0,07.
Um grupo de pesquisadores quer verificar se idosos que realizam caminhadas matinais diariamente possuem maior qualidade de vida do que os idosos que caminham apenas à noite. As hipóteses lançadas são:
    : não há diferença na qualidade de vida entre idosos que caminham de dia e idosos que caminham à noite.
    : há diferença na qualidade de vida entre idosos que caminham de dia e idosos que caminham à noite.
Após a realização do teste de hipótese, com valor α = 0,05, obtém-se um valor de p = 0,01.
Alguns testes estatísticos (de hipóteses)
Um pesquisador deve ter uma noção de qual teste estatístico deve utilizar para verificar suas hipóteses, mesmo que não seja um expert em Estatística. 
Da mesma forma, você que é aluno deve entender pelo menos o básico desse processo, para saber interpretar bem os resultados de uma pesquisa.
Testes
Paramétricos
Têm como base parâmetros da amostra, como média e desvio padrão. Esse tipo de teste exige que nossa amostra tenha distribuição normal (lembra a nossa aula anterior?). Principalmente quando nossa amostra possui menos do que 30 indivíduos, temos que primeiramente verificar sua normalidade, para depois aplicar um teste paramétrico.
Quando nossa amostra ultrapassa 30, podemos assumir, pelo Teorema do Limite Central, que ela se aproxima de uma normal, e aí sim, aplicamos um teste paramétrico. Existem testes estatísticos que verificam se nossa amostra possui uma distribuição normal. É o caso de uma versão do teste Kolmogorov-Smirnov e do teste de Shapiro-Wilks
Não Paramétricos
Não usam parâmetros da amostra. Eles são os testes de escolha quando não podemos assumir normalidade de nossa amostra. Por exemplo: quando N < 30.
Também temos que definir o tipo de variável com que estamos trabalhando: se nominal, ordinal ou numérica (como vimos na aula 4).
Quando estamos comparando dois grupos, também temos que saber se estamos lidando com amostras pareadas (dependentes) ou não pareadas (independentes).
Pareada
Dizemos que nossa amostra é pareada quando estamos comparando o mesmo grupo de pessoas, em dois ou mais períodos de tempo diferentes, usualmente quando estamos avaliando o efeito de alguma intervenção no antes e no depois.
Não pareada
Já quando estamos comparando dois ou mais grupos diferentes (independentes), estamos frente a uma amostra não pareada (independente). Clique para ver testes.
Correlação e regressão linear
Duas importantes análises estatísticas são a correlação e a regressão linear. Muitas vezes, queremos saber o quanto duas ou mais variáveis se correlacionam.
Por exemplo: sabemos que quanto maior a intensidade de uma atividade física, maior será a frequência cardíaca da pessoa, correto? 
mas se perguntarmos qual seria a intensidade dessa correlação, você diria o quê? 
Para isso, existem os chamados coeficientes de correlação.
Coeficiente de Pearson
Para analisar a relação entre duas variáveis de uma mesma amostra, usamos o gráfico de espalhamento (conforme visto na aula 4). Após uma análise desse gráfico, se a relação entre as variáveis for linear, podemos estimar o Coeficiente de Pearson (r) para verificar o quão forte é essa relação.
Quando r = -1, isto significa uma correlação perfeita negativa.
Quando r = 0, significa que não há nenhuma correlação entre as variáveis.
Quando r = 1, temos uma correlação perfeita positiva. Vamos ver alguns exemplos.
O r pode assumir qualquer valor entre -1 e 1.
Vamos ver alguns exemplos?
R = -1
Uma pesquisa verificou se há correlação entre a qualidade de vida e o nível de estresse em estudantes de Fisioterapia. Uma escala de 0 a 100 mediu as duas variáveis.
Repare no seguinte: quanto maior o nível de estresse (eixo x), menor a qualidade de vida (eixo y), não é isso? 
Portanto, se calcularmos r, esperamos encontrar um valor negativo. Nesse exemplo, obtemos um r = -0,80 (correlação forte negativa, pois foi próximo a -1).
R=1
Alunos de Fisioterapia realizaram um estudo para verificar se o fato de obter uma boa avaliação no teste de alcance funcional em idosos significa melhor qualidade de vida. Os resultados estão demonstrados a seguir:
E agora, o que você conclui? Se você disse que, quanto maior o teste de alcance funcional, melhor a qualidade de vida do idoso, tem toda a razão! 
O valor de r calculado foi de 0,80 (correlação forte positiva, pois foi próximo a 1)
Análise de regressão linear
Para os dois exemplos vistos, podemos fazer uma análise de regressão linear, que é a descrição matemática da relação entre duas variáveis. A equação de regressão pode ser calculada, e é expressa uma relação entre:
X: Chamada de variável independente ou variável preditora.
Y: Conhecida como variável dependente ou variável resposta.
Tipicamente, uma equação de regressão linear tem a forma y = mx + b, ou seja, é uma reta.
Note que os gráficos possuem uma reta que demonstra a relação linear entre as duas variáveis estudadas. Essas retas são desenhadas a partir de equações de regressão. Essa análise estatística também gera um parâmetro que é o coeficiente de determinação. Este nada mais é do que o Coeficiente de Pearson ao quadrado (R²)
Como vimos na aula 2, a pergunta clínica é a transformação da necessidade de se obter uma informação clínica numa pergunta que possa ser respondida. 
Ela é muito importante, pois guiará você na escolha do melhor tipo de estudo para ser desenvolvido.
São quatro os componentes principais de uma pergunta clínica, conhecidos como PICO:
1) Paciente ou problema;
2) Intervenção;
3) Comparação de intervenção (opcional);
4) Resultados (desfecho clínico).
Vamos ver alguns exemplos para entender esse conceito 
"Em idosos institucionalizados, a aplicação de um protocolo de cinesioterapia (em comparação com o simples caminhar matinal diário) melhora a qualidade de vida desses indivíduos?"
Podemos dizer que esta foi uma pergunta PICO, porque temos...
Paciente: "Em idosos institucionalizados”
A intervenção: "a aplicação de um protocolo de cinesioterapia”
A comparação de intervenção: "em comparação com o simples caminhar matinal diário”
Os resultados: "melhora a qualidade de vida desses indivíduos?”
"Em universitários saudáveis, uma rotina de educação em saúde pode reduzir a incidência de cervicalgia?"
Essa pergunta também é PICO
Paciente: "Em universitários saudáveis”
A intervenção: "uma rotina de educação em saúde”
Os resultados: "pode reduzir a incidência de cervicalgia?”
Atenção: 
Note que não tivemos o componente "comparação de intervenção", o que não invalida a questão.”
Após a escolha de um tema de pesquisa, devemos sempre elaborar uma pergunta clínica PICO, para estarmos mais embasados na hora de propor um estudo específico.
Delineamento de estudos clínicos
Geralmente, existem três enfoques principais para o desenvolvimento de estudos na área da saúde. São eles (PEREIRA, 1995):
Estudo (ou relato) de caso(s)
Geralmente usado para uma avaliação inicial de problemas ainda mal conhecidos, o estudo de caso acompanha um ou poucos indivíduos para descrever o perfil de suas principais características. 
Na Fisioterapia, é muito comum, uma vez que cada paciente, mesmo com patologia similar, pode apresentar quadros clínicos diferentes, e responder diferentemente a uma estratégia terapêutica, o que torna o relato desse caso muito atraente para a comunidadecientífica.
Apesar de ser fácil e de baixo custo, possui diversas limitações, dentre elas a quantidade e seleção da amostra (é o pesquisador que escolhe o paciente do estudo), certa dose de subjetividade na apreciação dos fatos e falta de indivíduos-controle.
Investigação Laboratorial
Nas investigações em laboratório, reduzimos o grau de subjetividade com as aferições sob constante controle. Muitas vezes focamos essas pesquisas com animais, por questões éticas. As hipóteses podem ser facilmente testadas. O único problema é a questão da extrapolação dos resultados de animais para seres humanos. 
Para comprovar o efeito de uma intervenção no ser humano, não podemos realizar pesquisas apenas em animais.
Pesquisa populacional 
A epidemiologia (assunto da aula 8) e diversas áreas da saúde trabalham muito com esse tipo de enfoque, que pode ser dividido em estudos descritivos, analíticos e ecológicos.
População de estudo é a totalidade de pessoas das quais se podem coletar os dados, e deve representar o grupo de interesse do qual se deseja inferir algo (ou tirar conclusões). Já a amostra é um subconjunto dessa população, uma vez que não é viável coletar dados com todos os indivíduos de determinado universo. A amostra deve, portanto, ser representativa da população de estudo.
Estudos descritivos
O estudo descritivo tem como objetivo único e exclusivo informar quantitativamente sobre a distribuição de um evento na população. Não se tem um grupo controle, daí serem conhecidos como sendo estudos não controlados.
Principais queixas álgicas de pacientes de clínicas-escola da Estácio" - Novamente, estamos apenas objetivando verificar quais são as queixas álgicas de maior prevalência nas clínicas
Incidência de lombalgia em universitários" - Estamos preocupados apenas em saber quantos universitários desenvolvem lombalgia ao longo de determinado período em uma Universidade.
O estudo descritivo se preocupa apenas em quantificar uma determinada situação, em uma população específica.
Estudos analíticos
O estudo analítico tenta verificar hipóteses e encontrar relações de causa e efeito, ou, no caso da epidemiologia, relações de exposição e doença. Nesses estudos, temos a presença do grupo controle, que serve como comparação dos resultados.
As investigações analíticas podem ser divididas em quatro tipos de estudos. Vamos abordar cada um deles a seguir.
Estudo experimental do tipo ECR (Ensaio Clínco Randomizado)
Já falamos anteriormente sobre os ECRs. Nesse tipo de estudo, parte-se da causa para saber o efeito. Os voluntários são aleatoriamente designados para grupos específicos: grupo de estudo e grupo controle. Após a intervenção, os voluntários são avaliados para comparar os resultados dos grupos.
Por exemplo: se queremos saber se o alongamento irá reduzir queixas álgicas na região lombar, o que podemos fazer? 
Primeiramente, vamos recrutar voluntários com dores na região lombar para compor uma amostra. A seguir, dividiremos em grupo alongamento e grupo controle (através de sorteio, ou seja, aleatoriamente). Avaliaremos as dores antes e depois da intervenção em ambos os grupos, e compararemos os desfechos dos dois grupos.
Ou seja, os ECRs nos respondem se uma intervenção tem efeito em determinada situação. É o estudo de maior confiabilidade e importância na ciência, pois é capaz de responder as questões sobre causa-efeito.
Algumas vantagens: alta credibilidade; possibilidade de planejamento anterior da pesquisa; possibilidade de intervenção dissimulada (placebo); interpretação simples dos resultados.
Algumas desvantagens: questões éticas; os pacientes podem deixar de receber tratamento potencialmente benéfico ou são expostos a um procedimento que pode ser maléfico; requer estrutura técnica razoável.
Estudo de coorte
Um exemplo seria verificarmos o fato de fumantes desenvolverem câncer de pulmão em determinada cidade. O pesquisador selecionaria um grupo de pessoas que fumam ("expostos") e um grupo de não fumantes ("não expostos"), e assim os acompanharia com avaliações periódicas, para saber se o fato de fumar (causa) levaria ao desenvolvimento de câncer (efeito).
Algumas vantagens: sem problemas éticos; seleção dos controles relativamente simples; muitos desfechos clínicos podem ser investigados ao mesmo tempo; fácil planejamento.
Algumas desvantagens: alto custo (especialmente nos estudos de longa duração); perda de segmento pode ser grande (voluntários que abandonam a pesquisa); possibilidade de mudança de hábitos dos voluntários durante o período da pesquisa; presença de vieses Estudo de caso-controle (abordaremos o assunto em breve). 
Estudo de caso-controle
Quando um investigador quer partir do efeito para saber a causa, ele opta pelo estudo de caso-controle. É uma pesquisa etiológica retrospectiva, feita de trás para frente, só podendo ser realizada após a consumação do fato.
Nessas pesquisas, pessoas escolhidas por ter uma doença (casos) são comparadas com pessoas escolhidas por não terem a doença (controles), para investigar os possíveis fatores de risco que contribuem para o aparecimento da doença. 
Geralmente usado para responder a pergunta: "Quais são causas da doença"?
Vamos supor que queremos saber quais são os fatores de risco para o desenvolvimento de escoliose em adolescentes. 
O investigador seleciona um grupo de adolescentes com escoliose e outro grupo sem escoliose significativa; em seguida, avalia os dois grupos, e tira conclusões sobre as possíveis causas (fatores de risco).
Algumas vantagens: os resultados são obtidos rapidamente; baixo custo; possibilidade de investigar diversos fatores de risco ao mesmo tempo; sem necessidade de acompanhamento; método prático.
Algumas desvantagens: somente os casos novos devem ser incluídos na investigação (para evitar vieses); a seleção do grupo controle é difícil; os dados de exposição do passado podem ser inadequados (anamneses mal elaboradas, avaliações inadequadas, dados questionáveis); presença de vieses.
Estudo transversal
Também conhecido como estudo seccional, corte ou corte-transversal, representa a pesquisa populacional mais simples. Com esse estudo, a relação exposição-doença (causa-efeito) é examinada em uma dada população, em um momento particular. É como se fornecesse um retrato da atual situação estudada. Assim, é um método de escolha quando se quer detectar a frequência da doença e de fatores de risco, ou mesmo identificar grupos mais ou menos afetados em uma população.
Um pesquisador gostaria de saber se o fato de trabalhadores terem desenvolvido alguma doença osteoarticular tem relação com a intensidade de trabalho manual em postura inadequada em uma fábrica. Logo, ele seleciona um grupo de trabalhadores de uma fábrica, levanta dados sobre o aparecimento de doenças osteoarticulares, juntamente com dados sobre a intensidade do trabalho manual em postura inadequada, e verifica se há relação.
Algumas vantagens: simples e de baixo custo; rápido; objetividade na coleta de dados; sem segmento de pessoas; muitas vezes o único tipo de estudo viável em determinada ocasião.
Algumas desvantagens: condições de baixa prevalência exigem amostras maiores para se detectar relações/associações; pacientes curados ou falecidos não aparecem na amostra; dados de exposição atual podem não representar uma exposição passada; resultados de hoje podem não representar uma associação real em outros períodos no tempo (passado ou futuro).
Estudos ecológicos
Os estudos que aprendemos até aqui utilizam o indivíduo como unidade de observação. Quando temos um grupo de indivíduos como unidade de observação, estamos lidando com os chamados estudos ecológicos. Esses estudos são pesquisas que trabalham com dados estatísticos.
Por exemplo: pesquisas internacionais que mostram correlação entre dois fatores de risco, fazendo uso de dados estatísticos de diversos países.
Apesar de serem de baixo custo, simples e rápidos, e de fornecerem conclusões mais generalizáveis para uma população, não se pode teracesso a dados individuais. Os dados são provenientes de diferentes fontes, sem controle nenhum da metodologia aplicada. Há a possibilidade da presença de vieses, e uma dificuldade de gerar uma análise estatística com os dados.
Vieses na ciência
Lembre-se sempre: não há nenhuma metodologia, nenhum estudo sequer, 100% livre de falhas ou desvantagens. Sempre existirá algo que põe os resultados obtidos à prova de questionamentos e críticas. Por isso, é importante que você saiba quais são as principais fontes de erro em pesquisas, para ter uma leitura mais crítica de um artigo, ou mesmo para elaborar adequadamente seu projeto de pesquisa.
Nesse contexto, um viés é um erro sistemático, vício ou tendenciosidade, também conhecido pelo termo em inglês: bias. Esse viés pode ser introduzido na pesquisa em qualquer etapa do estudo.
Viés de seleção
É alguma distorção devida a diferenças sistemáticas entre as características dos indivíduos incluídos no estudo e daqueles que não o são. Isso ocorre muito, por exemplo, quando usamos uma amostra muito pequena, pois ela pode não representar adequadamente a população de estudo. Também é considerada viés de seleção alguma falha no método de seleção da amostra, perdas na amostra durante o estudo, não resposta de alguns voluntários ou não equivalência de características entre grupos.
Viés de aferição
Também chamado de viés da informação ou da observação, consiste no erro sistemático de diagnóstico de um evento (relacionado a erros nas medidas ou na coleta de dados).
Erro sistemático
Viés de confundimento
Erro sistemático que acontece quando os resultados de uma associação entre dois fatores podem ser imputados a um terceiro fator (variável de confundimento) que não foi levado em consideração no estudo. Esse viés ocorre quando nos esquecemos de considerar algum parâmetro que age sobre o desfecho clínico, ou quando temos uma análise estatística inadequada ou ausente.
R: Como você não levou em consideração a variável "tabagismo" no seu estudo, a sua conclusão foi viesada (ou seja,). O viés, então, é de confundimento.
E como controlamos a presença dos vieses?
Fase de planejamento
Primeiramente, na fase de planejamento do estudo, podemos elaborar um projeto de pesquisa que evite ao máximo a existência dos vieses, em todas as etapas da pesquisa.
Fase de execução
Na fase de execução do estudo, um pouco de cuidado irá gerar resultados bem mais confiáveis. Por exemplo: se você vai coletar dados com entrevistas, nada melhor do que treinar as pessoas que irão entrevistar os voluntários, para que todos sejam igualmente abordados e avaliados.
Fase de análise de dados
Finalmente, na fase de análise de dados, podemos usar diversos testes estatísticos para isolar os efeitos de algumas variáveis, verificar associações significativas etc., conforme discutimos nas aulas de Bioestatística.
R: Podemos identificar duas fontes de erro:
1) Tamanho da amostra pequena: usando apenas 10 mulheres, há um grande risco de essa amostra não ser representativa da população da qual o pesquisador quer tirar conclusões a respeito.
2) Divisão dos grupos: note que o pesquisador definiu as pessoas que iriam para um grupo ou para outro. Isso não é adequado, uma vez que ele influencia, nesse caso, na definição das amostras em cada grupo.
Esse tipo de erro se chama viés de seleção. Vamos aprender como detectar os vieses nesta aula.