RESUMO BIOESTATÍSTICA

Prévia do material em texto

RESUMO BIOESTATÍSTICA (está dentro da metodologia) 
 
População: todo público que você quer estudar 
Amostra: parte da população – deve ser representativa e proporcional (tamanho 
ideal), para isso é feita a inferência estatística 
 
INFERÊNCIA ESTATÍSTICA: tem duas formas de fazer 
1) Teste de hipóteses (valor de p) 
2) Intervalo de confiança 
- Teste de hipóteses: 
1) Hipótese nula: premissa básica – quando não se tem diferença entre as 
variáveis (igualdade/neutralidade) 
OBS: não importa seu conhecimento ou o que tem na literatura, você vai na 
neutralidade 
2) Hipótese alternativa: aquilo que eu acho que pode funcionar – quando tem 
diferença entre as variáveis 
EXEMPLO: ensaio clínico de comparação do uso de vitamina c e zinco X 
placebo na prevenção de covid 19 
Hipótese nula: não existe diferença entre usar placebo e vitamina c na 
prevenção do covid 
Hipótese alternativa: existe diferença entre usar vitamina c e o zinco no lugar 
do placebo como prevenção pra covid 
OBS: não necessariamente a diferença é positiva (funcionar), pode ser negativa 
– mas tem que ter diferença 
 
- Tipos de erros: 
I ou alfa) Quando você rejeita a hipótese nula, mas ela é verdadeira, OU 
SEJA: quando você toma a hipótese nula como falsa (você acredita que tenha 
sim diferença entre as variáveis), mas nos resultados prova que é verdadeira 
(que não existe diferença) 
OBS: considerado erro mais grave, porque é quando você tenta mudar um 
tratamento padrão, mas na verdade aquilo não é benéfico 
OBS: probabilidade de 5% de cometer o erro tipo 1 
II ou beta) Quando você aceita a hipótese nula, mas ela é falsa, OU SEJA: 
quando você toma a hipótese nula como verdadeira (você quer provar que não 
tem diferença entre as variáveis), mas nos resultados prova que é falsa (que 
existe sim diferença) 
OBS: geralmente associado com amostra pequena, e é mais comum 
(probabilidade de 20%), portanto poder do estudo = 1 – beta (80%) 
 
- Nível de significância com base no teste das hipóteses: 
1) Estatisticamente insignificante: aceita a nula e rejeita a alternativa (ou seja, 
manteve como estava) 
2) Estatisticamente significante: rejeita a nula e aceita a alternativa (ou seja, 
propôs algo novo e acreditou nisso – teve mudança) 
 
Valor p: é o nível de significância (já vem na tabela) 
Consiste na probabilidade de aceitar ou rejeitar a hipótese nula 
p > 0,05 = é estatisticamente insignificante (aceitou nula e rejeitou alternativa) 
p < 0,05 = é estatisticamente significante (rejeitou a nula e aceitou alternativa) 
OBS: quanto menor o nível de p, mais rigoroso é o estudo 
OBS: um estudo estatisticamente significante não significa necessariamente que 
ele é clinicamente relevante também 
OBS: cada característica da tabela tem um valor de p, se ele for > 0,05 
(insignificante), significa que não teve diferença estatística para aquela 
característica/variável, porque aceita a nula (ex: idade, características clínicas e 
demográficas..) – e vice versa (se teve diferença estatística) 
OBS: analisando o artigo como um todo, você vai focar nas 
características/variáveis que foram mais significantes 
 
- Intervalo de confiança: é uma medida de variabilidade e tem a mesma 
informação que a significância estatística 
IC/CI 95%: é a probabilidade de 95% de chance do intervalo incluir a verdadeira 
magnitude, ou seja, se o estudo for repetido 100 vezes, em 95 vão achar o 
mesmo resultado – isso dentro do intervalo escolhido 
Exemplo: Intervalo de (0.72 – 0.95), tem 95% de chance dos valores estarem 
dentro desse intervalo 
OBS: informa a precisão estatística, então quanto menor for o intervalo, maior 
a precisão. E o que determina o intervalo é o tamanho amostral, portanto 
quanto maior a amostra, menor o intervalo. 
- Rate Ratio/risco relativo: 
1) Acima de 1 = fator de risco/não teve benefício – equivale a um p insignificante 
(> 0,05) 
2) Abaixo de 1 = fator protetor/teve benefício - equivale a um p significante (< 
0,05) 
3) 1 = não fez diferença 
OBS: você deve analisar IC junto com risco relativo, então se dentro do 
intervalo de confiança tiver o valor 1, está relacionado com risco relativo acima 
de 1 (fator de risco/não teve benefício e insignificante). 
Exemplo: IC (0.91 – 1.55) – ele oscila de menor que 1 para maior que 1 (oscila 
entre fator protetor e fator de risco), portanto tem baixa precisão. 
_______________________________________________________________ 
TIPOS DE VARIÁVEIS: 
1) Quantitativas/numérica: 
- Discreta: expressa em valores inteiros (Ex: número de filhos) 
- Contínua: quando o valor possui intervalo, pode ser quebrado (Ex: salário, 
IMC, valor de PA, idade, peso..) 
OBS: expressas na tabela por medidas de tendência central ou dispersão 
2) Qualitativa/categórica: 
- Nominal: quando não existe ordem (Ex: tipo sanguíneo: A, B, AB, O) 
OBS: pode ser nominal dicotômica – quando tiver apenas duas respostas (Ex: 
sim ou não; doente ou não doente) 
- Ordinal: quando existe ordem (Ex: classe social: baixa, média e alta) 
OBS: expressas na tabela através de números absolutos e percentuais, e pode 
usar o IC pra estimar a precisão dos resultados de cada característica 
_______________________________________________________________ 
ESTATÍSTICA DESCRITIVA – descreve as características de certo grupo sem 
fazer inferências (detalha os dados coletados). Através de: 
1) Escolha de uma medida de tendência central 
2) Escolha de uma medida de dispersão 
3) Escolher a melhor representação gráfica 
- Medidas de tendência central/posição: identifica o valor central dentro do 
conjunto 
1) Média: Soma tudo e divide pelo número de itens 
Vantagens: 
- Reflete todos os valores da amostra 
- Possui propriedades matemáticas definidas 
Limitações: 
- É influenciada pelos valores extremos 
Tipo de variável aplicável: Contínua e discreta 
2) Mediana: Organiza de forma crescente e: 
Se for par: soma os dois itens do meio e divide por 2 
Se for ímpar: pega o valor do meio 
Vantagens: 
- Menos sensível a valores extremos 
Limitações: 
- Difícil de ser determinada 
- Não engloba todos os valores da amostra 
Tipo de variável aplicável: Contínua e discreta 
3) Moda: É o item/valor que mais aparece na amostra 
OBS: pode ser: amodal (1), bimodal (2), multimodal (3 ou mais) – de acordo 
com o número de modas 
Vantagens: 
- Representa um valor mais frequente 
Limitações: 
- Não possui representatividade 
- Não é utilizada na bioestatística 
Tipo de variável aplicável: Contínua, discreta, categórica e ordinal 
 
- Medidas de dispersão: determina a variabilidade/dispersão do conjunto 
1) Amplitude = X máximo – X mínimo 
Ex: (3,5,6,7,9) – Amplitude = 9 – 3 = 6 
OBS: não mede bem a variabilidade porque só leva em conta os extremos – é 
limitada, da apenas ideia geral 
2) Intervalo interquartil: você divide o conjunto em 4 partes iguais, e os quartis 
são os 3 pontos dos intervalos dentro da divisão 
1° quartil: delimita 25% da amostra 
2° quartil: mediana do conjunto (exatamente o meio) 
3º quartil: delimita 75% da amostra 
Intervalo interquartil: Q3 – Q1 
 
3) Desvio padrão: primeiro é preciso calcular a variância (depende dela), que é 
influenciada pela média. (não precisa saber o cálculo) 
- Formas de apresentação dessas medidas nas tabelas: 
1) Número +/- outro número: é a média +/- o desvio padrão. Ex: 26,4 +/- 1,0 
OBS: usado em distribuição normal 
2) O número e um intervalo em parênteses: é a mediana e o intervalo 
interquartil. Ex: 7 (5-8) 
OBS: usado em distribuição não normal 
 
- Tipos de representações gráficas: 
1) Gráfico simétrico (distribuição Gaussiana/curva de Gauss): quando as 
medidas de tendência central estão no centro (muito próximas) = distribuição 
normal/paramétrica 
OBS: Nesse caso usa a média 
2) Gráfico não simétrico: ocorre um desvio das medidas de tendência central 
para algum dos extremos = distribuição não normal/ não paramétrica 
 
 
 
_______________________________________________________________ANÁLISE DE NORMALIDADE – através dos itens: 
1) Histograma 
2) Tamanho do desvio padrão 
3) Diferença entre média e mediana 
4) Skewness 
5) Kurtosis 
 
1) Análise do histograma: 
- paramétrico: gráfico simétrico, com as medidas de tendência central muito 
próximas no centro, e pouca frequência de valores extremos 
- não paramétrico: gráfico não simétrico, existe desvio em um dos extremos 
 
 
 
 
 
 
 
2) Desvio-padrão (std deviation) - vem na tabela - 
- paramétrico: quando o desvio-padrão for até 50% da média (mean) 
Exemplo: se a média for 10, o desvio-padrão aceitável é até 5. 
- não paramétrico: quando o desvio-padrão for maior que 50% da média 
3) Proximidade da média (mean) e da mediana (median): 
- paramétrico: quando o valor da média e da mediana forem próximos 
- não paramétrico: quando o valor da média e da mediana forem distantes 
4) SKEWNESS: analisa através do formato do gráfico 
- positivo: cauda (parte menor) pra direita – indica mediana > média 
- negativo: cauda (parte menor) pra esquerda – indica média > mediana 
- paramétrico: quando o valor estiver dentro da faixa de normalidade (entre -5 
e +5) – esse valor vem na tabela 
- não paramétrico: quando o valor estiver fora da faixa de normalidade (maior 
ou menor) 
5) KURTOSIS: analisa através da altura do gráfico (valor de y) 
- Valor 1: altura ideal 
- Kurtosis > 1 – apiculamento 
- Kurtosis < 1 – achatamento 
- paramétrico: quando o valor estiver dentro da faixa de normalidade (entre -5 
e +5). 
- não paramétrico: quando o valor estiver fora da faixa de normalidade (maior 
ou menor). 
OBS: na questão para dizer se é normal ou não normal você analisa TUDO (os 
5 itens + teste estatístico de normalidade), o que tiver em maior quantidade você 
vai, porque nem sempre todos os itens vão indicar normalidade. 
_______________________________________________________________ 
TESTES ESTATÍSTICOS DE NORMALIDADE 
1) Olhar o tamanho da amostra (n) 
Se a amostra for: 
- MAIOR QUE 50 = analisamos Kolmogorov-Smirnov. 
- MENOR QUE 50 = analisamos Shapiro-Wilk. 
2) A partir da escolha entre Kolmogorov-Smirnov e Shapiro-Wilk 
 Hipótese nula: não existe variabilidade, amostra normal (p > 0,05) 
 Hipótese alternativa: existe variabilidade, amostra não normal (p < 
0.05) 
 
Você vai analisar o valor de p/significância (sig) do escolhido: 
a) Se p for menor que 0,05 – a hipótese nula foi rejeitada e por isso não se 
encontra nos parâmetros de normalidade (não paramétrico) 
OBS: se usa mediana e intervalo quartil 
 
b) Se p for maior que 0,05 – a hipótese nula foi aceita e por isso encontra-se 
nos parâmetros de normalidade (paramétrico) 
OBS: se usa média e desvio padrão 
 
CUIDADO: É O CONTRÁRIO DA ANÁLISE DE SIGNIFICÂNCIA ESTATÍSTICA 
 
ESCOLHA DO GRÁFICO 
1) Pizza: mostra proporções entre as categorias/itens 
2) Barra: usada para variáveis categóricas (onde a altura representa a altura da 
variável) 
3) Boxplot: ideal para não paramétricas 
 
4) Histograma: NELE QUE VAI ANALISAR TUDO 
- Distribuição de frequências, permite analisar a forma, ponto central e variação 
da distribuição 
- Análise de dados quantitativos