Baixe o app para aproveitar ainda mais
Prévia do material em texto
Laís Kemelly – Medicina Habilidades Gerais V Introdução Como avaliar se a evidência que estou utilizando é de qualidade? • Metodologia (desenho do estudo) • Bioestatística O objetivo é definir qual a exatidão e precisão do estudo, bem como localizar possíveis erros metodológicos/sistemáticos e aleatórios. Inferências Estatísticas População x amostra • População é o grupo que eu quero estudar, a amostra é a parcela daquele grupo que eu consigo ter acesso. • A amostra deve ter as mesmas características da população como um todo. o Tamanho da amostra o Representatividade da amostra Ex.: quero estudar sobre complicações na gestação em hipertensas. Não vou estudar todas as hipertensas do mundo, minha amostra vai ser limitada e a partir dos dados desse grupo menor que vou estudar, extrapolo os resultados. Teste de hipótese Hipótese nula → premissa básica, assumindo que o resultado não existe Hipótese alternativa → aquilo que você espera achar • Erro tipo I: falso-positivo A hipótese nula é rejeitada, apesar de ser verdadeira. • Erro tipo II: falso-negativo A hipótese nula não é rejeitada, apesar de ser falsa. Causa comum: amostra pequena. Essa aqui ficou confusa então é tipo: você afirmou que o resultado que esperava encontrar não existe, mas na realidade ele existe sim, só não foi encontrado no seu estudo. Interprete essa imagem assim: seu estudo vai ser estaticamente significante quando trouxer algo novo. Se você aceita a hipótese nula (H0), quer dizer que sua ideia mirabolante não era verdade. Logo, estaticamente insignificante. Valor-p Determina o nível de significância: qual a influência do acaso no meu trabalho? Qual a chance de cometer o erro do tipo I? • Probabilidade de aceitar ou refutar a hipótese nula Quanto menor o valor de p, mais “rígido” o trabalho. P > 0,05 → estaticamente insignificante • Aceitou hipótese nula e rejeitou alternativa • A diferença entre os grupos foi pelo acaso P < 0,05 → estaticamente significante • Rejeitou a hipótese nula e aceitou a resposta alternativa • A diferença entre os grupos não foi pelo acaso Nem todo estudo < 0,05 é clinicamente relevante. • Clinicamente relevante corresponde à diferença entre duas terapias, quando essa diferença é grande o suficiente para justificar a mudança do tratamento padrão Conceitos Básicos em Bioestatística Laís Kemelly – Medicina Habilidades Gerais V Intervalo de confiança Qual a chance de eu encontrar esses mesmos resultados se reproduzir o estudo na mesma população, só que com outra amostra? Quanto menor o IC, maior essa chance + tamanho amostral → - intervalo → + precisão nos resultados Tipos de Variáveis Variável qualitativa ou categórica • Nominal: não existe ordem o (ex. sexo masculino e feminino) • Ordinal: existe uma ordem nos resultados o ex. classe social: alta, média, baixa • Dicotômica: apenas duas opções de resposta o ex.: sim x não, doente x não doente Essas variáveis não podem ser expressas por medidas de tendência central (média/mediana), já que não se referem a valores. Nesse caso, utilizamos números absolutos e percentuais. Pode utilizar o intervalo de confiança de 95% para estimar a precisão dos resultados. Vou colocar uma tabela aqui pra entender melhor. Pense aí no tipo de variável. • Sexo → categórica nominal • Uso de preservativos → categórica dicotômica Como organizaram a tabela? Quantos “sim”, quantos “não” e o que isso representa no total da amostra. • n → número absoluto • percentuais (%) O intervalo de confiança é definido por um programa. Variável quantitativa • Discreta → valores inteiros o ex.: número de filhos • Contínua → valores em intervalos, “entre x e y” Estatística Descritiva Descrever as características de um certo grupo, para detalhar as características dos dados coletados. Como que eu vou saber se minha amostra realmente é compatível com a população do meu estudo? Como ter certeza que essa amostra corresponde às características da população? • Determinar uma medida de tendência central o Média o Mediana o Moda • Determinar uma medida de dispersão o Desvio-padrão o Amplitude o Intervalo interquartil • Escolher a melhor forma de representação gráfica Laís Kemelly – Medicina Habilidades Gerais V Medidas de Tendência Central Um valor único que tenta descrever as características de um conjunto de dados. Média Medida mais conhecida e mais utilizada. Soma tudo e divide pela quantidade. Lembre aí do ensino médio. Vantagens • Reflete todos os valores da amostra Limitações • É influenciada pelos valores extremos Tipo de variável • Contínua • Discreta Mediana Valor que ocupa a posição central do conjunto dos dados quando estes estão em ordem crescente. • Valor par: o que está no meio • Valor ímpar: média entre as duas posições centrais Vantagens • Menos sensível a valores extremos Limitações • Difícil de ser determinada • Não engloba todos os valores da amostra Tipo de variável • Contínua • Discreta Moda O valor que aparece com maior frequência em uma distribuição, seja numérica ou nominal. (aplicável para quanti e quali) • Amodal → quando não existe moda • Unimodal → quando a moda é única • Bimodal → quanto existem duas modas • Multimodal → + de duas modas A moda representa o valor mais frequente, mas não possui representatividade e não é utilizada na bioestatística. Medidas de Dispersão Amplitude Traz os dois extremos dos dados, o maior valor e o menor valor. Não mede a variabilidade. Valor máximo – valor mínimo Intervalo interquartil Está diretamente relacionado à mediana. Primeiro de tudo, o que peste é um quartil? Pegar os valores, colocar em ordem e dividir em quatro partes. Os quartis são o espacinho entre essas partes, tá aí na imagem como Q1, Q2, Q3. O cálculo de cada Q é a partir da mediana de cada quartil e no final das contas calculamos o intervalo assim: Laís Kemelly – Medicina Habilidades Gerais V Pensando nessa tabela e na fórmula, o intervalo pega a diferença entre os dois possíveis extremos dos dados. Só que diferente da amplitude, ele não pega o primeiro número e o último. Ele pega a mediana dos termos mais afastados. Desvio-padrão É uma medida de variabilidade que depende do cálculo da variância. Variância essa que calcula os desvios de cada observação em relação à média. Ou seja, o desvio- padrão está diretamente relacionado à média. • O número + - outro número → a média e seu desvio padrão • O número e um parênteses → a mediana e seu intervalo interquartil A escolha de usar média ou mediana depende dos valores da amostra. Suba lá nas medidas centrais e veja as limitações de cada uma. • Mediana não sofre influência de valores extremos De modo geral, você vai usar a medida que mais se aproxime das características do grupo. Representações Gráficas Repetindo esses gráficos que já coloquei lá em cima, vamos associar com as medidas de tendência. 1. Distribuição não-normal ou não paramétrica 2. Distribuição normal ou paramétrica 3. Distribuição não-normal ou não paramétrica O gráfico do meio é a curva Gaussiana/curva de Gauss, quando os valores são parecidos. Indica que a distribuição é normal. As outras duas são distorcidas por conta da interferência dos extremos (pra mais ou pra menos). • Quantidade de dados • Características das variáveis analisadas Existem testes estatísticos específicos de acordo com a distribuição do estudo para a definição do valor de p. (lembre que o valor de p determina a significância estatística do artigo) • Distribuição paramétrica • Distribuição não-paramétrica Como Avaliar a Normalidade? Analisamos dados daestatística descritiva. • Observar histograma • Observar tamanho do desvio-padrão • Observar a diferença entre média e mediana • Skewness • Kurtosis Além disso, podemos usar testes estatísticos para avaliar a normalidade. Alguns pontos desse checklist vão ser destrinchados jaja. Laís Kemelly – Medicina Habilidades Gerais V Análise da Estatística Descritiva Análise de Histograma Lembrando que essa aqui é a normalidade, distribuição paramétrica. Quais as características dela? • Concentração de valores em torno de um valor central • Simetria em torno do valor central o Os valores menores e maiores ocorrem “na mesma frequência” • Frequência pequena de valores muito extremos Compare os histogramas. Olhe esse primeiro histograma: simétrico, bonitinho, não tem extremos que se destacam. Distribuição paramétrica. O segundo já não tem essas características: existe um “desvio” em um dos extremos. É uma distribuição não paramétrica. Tamanho do Desvio-Padrão O que se espera em uma distribuição normal? • Desvio-padrão pequeno em relação à média • A estimativa é que o DP seja até 50% da média Ex. média 10, DP aceitável é até 5. Proximidade média e mediana Aqui não tem um valor definido, vai muito do bom senso. Na normalidade, o esperado é que esses valores estejam próximos. Skewness (simetria) Volte uma página e olhe aquela imagem dos três gráficos com carinho. Essa parte da análise diz respeito ao “desenho” do gráfico. 1. Simetria normal 2. Skewness positivo: “cauda para a direita” o Mediana > média 3. Skewness negativo: “cauda para a esquerda o Média > mediana Faixa de normalidade: entre – 5 e + 5 Se for menor ou maior, você já considera fora da normalidade. Kurtosis (achatamento) Aqui você vai olhar o eixo y com muito amor e carinho. É pra olhar o “tamanho” do gráfico. • Valor 1: altura perfeita • Apiculamento: kurtosis > 1 • Achatamento: kurtosis < 1 Tanto esse valor quando o skewness vem descrito nos trabalhos, não precisa calcular. Se acalme. Faixa de normalidade: entre – 5 e + 5 Se for menor ou maior, você já considera fora da normalidade. Laís Kemelly – Medicina Habilidades Gerais V Testes Estatísticos de Normalidade • Kolmogorov-Sminorv o Quando a amostra for > 50 • Shapiro-Wilk o Quando a amostra for < 50 A interpretação de um teste estatístico depende da análise da hipótese nula. Aqui fica um pouco confuso, mas pense que não é a hipótese da pergunta de pesquisa. O que queremos avaliar aqui é se a amostra está normal ou alterada, logo: • Hipótese nula: não há variabilidade, amostra normal • Hipótese alternativa: há variabilidade, amostra não normal (p < 0.05) Assim como os outros, esses testes vêm descritos na metodologia. Quando for analisar, lembre de observar o tamanho da amostra para saber qual dos dois testes estatísticos você vai utilizar. E o Objetivo de Todo Esse Rolê? Nesse momento meus dois neurônios remanescentes estão pedindo socorro. Vamos pensar no motivo pelo qual precisamos analisar tudo isso. Pensando que esses testes estatísticos e a análise descritiva vai ser feita em cima dos dados que você colheu com sua pesquisa, até agora só discutimos a metodologia. A depender da conclusão, vamos usar medidas de tendência central e dispersão que atendam às necessidades. Importante: geralmente os autores não detalham todo esse processo no artigo, então quando você bater o olho em uma tabela pense assim: • Média → amostra normal • Mediana → amostra não normal Qual gráfico usar? Gráfico em boxplot • Ideal para não-paramétricas. Gráfico em barra • Variáveis categóricas • Altura representa a frequência da variável Gráfico de pizza • Demonstra relações proporcionais entre categorias Histograma • Distribuição de frequências, permite analisar a forma, ponto central e variação de distribuição • Análise de dados quantitativos É nesse aqui que analisamos toooodos aqueles parâmetros.
Compartilhar