Baixe o app para aproveitar ainda mais
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).
Compartilhar