INTRODUÇÃO A MEDICINA BASEADA EM EVIDENCIAS PARTE 2

Prévia do material em texto

Valor de P 
O p-valor diz quão provável seria obter uma amostra 
tal qual a que foi obtida quando a hipótese da 
nulidade for verdadeira. 
A probabilidade de que a diferença entre os dois 
grupos seja tão grande ou maior do que a observada 
no presente estudo se a hipótese nula for verdadeira. 
O p-valor (valor de probabilidade) permite decidir se 
existe evidência suficiente para rejeitar a hipótese de 
nulidade, embora o teste de hipóteses não elimine a 
probabilidade de erro. De qualquer modo, os 
pesquisadores se sentem seguros para rejeitar a 
hipótese de nulidade (assumir que existe a diferença 
procurada) quando o p-valor é pequeno. Quando p < 
0,05, dizemos que os resultados são significantes e, 
quando p < 0,01, dizemos que os resultados são 
altamente significantes. Isso porque seria muito 
pouco provável chegar ao resultado obtido se a 
diferença entre médias não existisse. 
Um total de 0,05 ou 5% é tradicionalmente utilizado 
como ponto de corte. Assim, se o valor P observado é 
inferior a 0,05 (P < 0,05), há boas evidências de que a 
hipótese nula não seja verdadeira. Isso está 
relacionado com a taxa de erro tipo 1. 
− P < 0,05 é descrito como estatisticamente 
significativo. 
− P ³ 0,05 é descrito como estatisticamente não 
significativo. 
Por exemplo, vamos supor que você comparou duas 
médias e obteve um valor P de 0,02. Isso significa que: 
− Existe uma chance de 2% de observar uma 
diferença entre os dois grupos, pelo menos tão 
grande quanto aquela observada, ainda que a 
hipótese nula seja verdadeira (i.e., mesmo que as 
duas médias da população sejam idênticas). 
− A amostragem randômica de populações 
semelhantes conduziria a uma diferença menor 
entre os dois grupos do que a observada em 98% 
das ocasiões e, pelo menos, tão grande quanto a 
observada em 2% das ocasiões. 
Ao comparar dois grupos, você deseja calcular um 
valor P unicaudal ou bicaudal. Ambos os tipos de 
valores P são baseados na mesma hipótese nula. 
O valor P bicaudal responde à seguinte questão: 
− Assumindo que a hipótese nula seja verdadeira, 
qual a chance de que as amostras randômicas da 
mesma população apresentem as médias (ou 
proporções) tão distantes das observadas no 
presente estudo, com um grupo especificado 
apresentando uma média maior (ou proporção)? 
O valor P unicaudal responde à seguinte questão: 
− Assumindo que a hipótese nula seja verdadeira, 
qual seria a chance de que amostras aleatórias de 
uma mesma população apresentariam médias (ou 
proporções) pelo menos tão distantes como 
observado no presente estudo, com o grupo 
especificado tendo a maior média (ou 
proporção)? 
Um valor P unicaudal é usado quando podemos 
prever que um dos grupos terá uma média maior (ou 
proporção), mesmo antes de coletar os dados. O 
senso comum ou dados anteriores podem nos 
informar que uma diferença potencial só poderá ir em 
uma única direção. Portanto, se o outro grupo 
termina com uma média maior (ou proporção), 
devemos atribuir esse resultado ao acaso, mesmo que 
a diferença seja relativamente grande. Se você não 
tem certeza se escolhe um valor P uni ou bicaudal, é 
aconselhável escolher o último. 
 
Intervalo de confiança 
Inferência: usa a informação obtida de uma amostra 
para estabelecer conclusões (inferência) sobre a 
população da qual a amostra foi retirada. 
O intervalo de confiança mostra um intervalo de 
valores do verdadeiro parâmetro da população 
compatíveis com os dados da amostra, com certo 
nível de confiança, seja o parâmetro a média de uma 
determinada distribuição, o risco relativo, a razão de 
chances, a variância, etc. 
O termo aleatório nesta interpretação indica que, 
antes de realizarmos a amostragem e calcularmos o 
intervalo de confiança de acordo com o procedimento 
apropriado, haverá uma probabilidade de (100 − α) % 
de o intervalo vir a conter o real valor do parâmetro 
de interesse. 
 
Tipos de estudos 
 
 
Tipos de estudos 
Podem ser classificados em observacionais ou 
experimentais (de intervenção). Ambos os estudos 
analisam se existem associações entre um 
determinado fator, comparando grupos, contudo...
 
Coorte 
Estudo longitudinal, prospectivo e observacional no 
qual um grupo de pessoas é acompanhada por 
determinado tempo. Os desfechos são comparados a 
partir da exploração ou não de uma intervenção ou 
outro fator de interesse para análise posterior de 
incidência da doença. 
Fatores Positivos: calcula o Risco Relativo(RR) e 
estabelece etiologia e fatores de risco, sendo 
apropriado para descobrir a incidência e a história 
natural de uma condição de saúde. 
Atenção: São demorados e podem ser caros. 
Ensaio clínico randomizado 
 
Relato de caso 
Descrição detalhada de um ou alguns casos clínicos, 
geralmente de um evento clínico raro ou uma nova 
intervenção. A série de casos é um estudo com maior 
número de participantes (mais de 10) e pode ser 
retrospectivo ou prospectivo. 
Fatores Positivos: Colaboram com o delineamento de 
casos clínicos. 
Atenção: Possuem limitações importantes e podem 
levar a conclusões equivocadas, uma vez que 
frequentemente avaliam acontecimentos passados, 
não possuem grupos de comparação e apresentam 
resultados que se aplicam somente àquele paciente 
ou grupo de participantes específicos. 
Estudos ecológicos 
Descrevem as diferenças entre a população em um 
determinado espaço e tempo ou em um mesmo 
tempo, comparando a ocorrência da doença entre 
grupos de pessoas (população de países, regiões ou 
municípios). 
Fatores Positivos: A unidade de estudo não é a pessoa 
mas o grupo. 
Atenção: É dependente de bons sistemas de 
informação (dados estatísticos). 
Caso controle 
Estudos de grupos semelhantes, selecionados a partir 
de uma população de risco que compara doentes 
versus não doentes, retrospectivamente, 
considerando a exposição e os possível fatores de 
risco a que a amostra de doentes foi exposta (no 
passado). 
Fatores Positivos: Útil para identificação de fatores de 
risco e doenças raras ou novas e, para a exposição de 
fatores prognósticos de doenças com longo período 
de latência. 
 
 
 
Níveis de evidência 
Nível de evidência representa a confiança na 
informação utilizada em apoio a uma determinada 
recomendação. 
O ensaio clínico randomizado é o delineamento de 
estudo mais adequado para questões relacionadas à 
intervenção, e quando esses são considerados. 
Quando apenas estudos observacionais são incluídos, 
a qualidade da evidência se inicia como baixa. 
Os fatores responsáveis pela redução no nível de 
evidência são: limitações metodológicas (risco de 
viés), inconsistência, evidência indireta, imprecisão, 
viés de publicação. 
Adicionalmente, caso o nível não tenha sido rebaixado 
devido aos fatores acima apresentados, a evidência 
procedente de estudos observacionais pode ser 
elevada considerando três fatores: grande magnitude 
de efeito, gradiente dose-resposta, fatores de 
confusão residuais, os quais aumentam a confiança na 
estimativa. 
 
 
 
 
 
 
 
 
Força da recomendação 
A força da recomendação expressa a ênfase para que seja adotada ou rejeitada uma determinada conduta, 
considerando potenciais vantagens e desvantagens. São consideradas vantagens os efeitos benéficos na melhoria na 
qualidade de vida, aumento da sobrevida e redução dos custos. São consideradas desvantagens os riscos de efeitos 
adversos, a carga psicológica para o paciente e seus familiares e os custos para a sociedade. O balanço na relação 
entre vantagens e desvantagens determina a força da recomendação. 
 
 
 
 
 
 
 
 
 
 
 
SIGNIFICÂNCIA ESTATÍSTICA 
x SIGNIFICÂNCIA CLÍNICA 
Significância estatística: determinada pelo valor p e 
indica que a alteração na qualidade de vida 
provavelmente não foi causada pelo acaso. 
Significância clínica: refere-se à alteração na 
qualidade de vida suficiente para se detectar uma 
mudança no curso do tratamento do doente.Dessa forma, um resultado estatisticamente 
significativo não implica necessariamente que as 
diferenças observadas sejam clinicamente 
significativas. Ademais, um resultado estatisticamente 
não significativo não implica necessariamente que as 
diferenças observadas sejam clinicamente 
insignificantes, mas apenas que as diferenças podem 
ter ocorrido devido ao acaso. 
Poder estatítico 
Definimos poder de um teste estatístico como a 
probabilidade do teste rejeitar H0 quando H0 é 
realmente falsa, ou seja, o poder de um teste é igual a 
1 – . 
O poder do teste dependerá de alguns fatores: 
− Do nível de significância  adotado; 
− Da distância entre o valor “real” do parâmetro e o 
considerado verdadeiro em H0. 
− Da variabilidade da população. 
− Do tamanho da amostra retirada. 
Como calcular o tamanho da amostra em uma 
pesquisa. 
O tamanho da amostra é o número de respostas 
completas recebidas em uma pesquisa. Isso é 
chamado de "amostra" porque representa apenas a 
parte do grupo (ou população-alvo) que apresenta 
opiniões ou comportamentos relevantes para você. 
Por exemplo, é possível obter uma amostra de 
maneira aleatória ("amostra aleatória"), na qual os 
respondentes são escolhidos totalmente por acaso 
entre a população como um todo. 
É importante entender estes três termos para calcular 
o tamanho da amostra e contextualizá-lo: 
Tamanho da população: o número total de pessoas 
do grupo a ser estudado. Se você estiver considerando 
uma amostra aleatória de pessoas em todo o Brasil, o 
tamanho da população será de cerca de 207 milhões. 
Da mesma forma, se você estiver aplicando uma 
pesquisa à sua empresa, o tamanho da população 
será o número total de funcionários. 
Margem de erro: uma porcentagem que indica o nível 
de correspondência dos resultados da pesquisa com 
as opiniões da população total. Quanto menor a 
margem de erro, mais perto você está de ter a 
resposta exata com um grau de confiança específico. 
Nível de confiança da amostra: uma porcentagem 
que revela o quanto você pode estar confiante de que 
a população selecionaria uma resposta dentro de um 
determinado intervalo. Por exemplo, um nível de 
confiança de 95% significa que você pode ter 95% de 
certeza de que os resultados estão entre os números x 
e y. 
Como calcular o tamanho da amostra? Caso queira 
fazer o cálculo manualmente, use a seguinte fórmula: 
 
N = tamanho da população e = margem de erro 
(porcentagem no formato decimal) • z = escore z 
O escore z é o número de desvios padrão entre 
determinada proporção e a média. Para encontrar o 
escore z correto a ser usado, consulte a tabela abaixo: 
 
O que levar em consideração ao calcular o tamanho 
da amostra 
• Se você quiser uma margem de erro menor, 
use um tamanho de amostra maior com a 
mesma população. 
• Quanto maior o nível de confiança de 
amostragem desejado, maior será o tamanho 
da amostra. 
É importante ter uma amostra com tamanho 
estatisticamente relevante? 
Em geral, a regra é: quanto maior o tamanho da 
amostra, maior é a relevância estatística dela, ou seja, 
menor é a chance de os resultados serem apenas 
coincidência. 
 
 
 
 
 
 
 
https://www.surveymonkey.com/market-research/data-quality/?ut_source=mp&ut_source2=sample-size-calculator&ut_source3=inline
O desvio-padrão 
• Desvio-padrão da população 
O desvio-padrão (indicado pela letra grega sigma, s) é 
uma medida da dispersão das observações em relação 
à média. 
O desvio-padrão é a raiz quadrada da variância, que se 
baseia na medida em que cada observação se desvia 
do valor da média aritmética. 
A média desses desvios quadrados é conhecida como 
variância. 
 
onde: σ2 = variância da população, x = variável, (x-barra) = média 
da variável x, xi = observação individual, n = número de 
observações da variável, ∑ = a soma de (o quadrado das diferenças 
das observações individuais a partir da média). 
O desvio-padrão da população é igual à raiz quadrada 
da variância da população. 
• Desvio-padrão da amostra 
Quando dispomos de dados para toda a população, a 
variância é igual à soma dos quadrados dos desvios, 
dividida por n (número de observações da variável). 
Ao manusear os dados de uma amostra, o divisor para 
a fórmula é (n – 1) em vez de n. 
 
O desvio-padrão da amostra é igual à raiz quadrada da 
variância da amostra. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Erro-padrão 
• Erro-padrão da média 
O erro-padrão da média (SEM, do inglês, standard 
error of the mean) é uma medida do grau de distância 
da média da amostra em relação à média da 
população, definindo o seu verdadeiro valor na 
estimativa populacional. Quanto maior o tamanho da 
amostra, maior a precisão da média da amostra como 
uma estimativa da média da população. 
Quando escolhemos apenas uma única amostra para 
estudo, a média da amostra não será necessariamente 
a mesma que a verdadeira média da população. 
Devido à variação de amostragem, diferentes 
amostras selecionadas a partir da mesma população 
fornecerão diferentes médias nas amostras. Portanto, 
se calcularmos as médias a partir de todas as 
amostras possíveis na população, teremos uma 
distribuição de média amostral. Esta distribuição tem 
as seguintes propriedades: 
− Se a amostra for suficientemente grande, a 
distribuição amostral da média seguirá uma 
distribuição de Gauss (mesmo se a população não 
for gaussiana!) devido ao teorema do limite 
central. Que tamanho da amostra deveria ser 
usado? Em geral, isso depende do grau de 
distância da distribuição da população em relação 
à distribuição gaussiana (distribuição normal). 
− A média da distribuição é igual à média da 
população. 
− O desvio-padrão da distribuição da amostragem 
de uma média é conhecido como o erro-padrão 
da média (SEM, do inglês, standard error of the 
mean), que quantifica a precisão da média. 
• Erro-padrão da média da amostra 
À medida que o tamanho da amostra aumenta, o 
erro-padrão da média da amostra diminui; portanto, a 
diferença entre a média da amostra e a média da 
população diminui. 
 
 
 
Distribuição normal: características 
A distribuição normal, também chamada distribuição 
de Gauss, tem características bem conhecidas: 
graficamente, é uma curva em forma de sino, possui 
simetria da distribuição normal a média, a mediana e 
a moda coincidem e estão no centro da distribuição, a 
curva é simétrica em torno da média. Logo, 50% dos 
valores são iguais ou maiores do que a média e 50% 
dos valores são iguais ou menores do que a média, a 
curva abriga 100% da população, ou seja, toda a 
população está sob a curva. A distribuição normal fica 
definida quando são dados dois parâmetros: a média, 
que se representa pela letra grega µ (lê-se mi), e o 
desvio padrão, que se representa pela letra grega σ 
(lê-se sigma).