2 Validade dos Estudos Epidemiológicos

Prévia do material em texto

Mariana Garcia – Epidemiologia Clínica
VALIDADE DOS ESTUDOS EPIDEMIOLÓGICOS: ERROS ALEATÓRIOS E SISTEMÁTICOS
· VALIDADE
· Um estudo válido é um estudo que não possui erros metodológicos.
· Concepção do estudo; 
· Desenho do estudo; 
· Implementação do estudo; 
· Análise de dados; 
· “O grau de garantia dado às inferências derivadas de determinado estudo, especialmente às generalizações para além da amostra estudada, quando se consideram os métodos utilizados, a representatividade da amostra e a natureza da população de onde a amostra foi retirada.”
· Validade pode ser definida como o grau no qual os resultados de um estudo são prováveis de serem verdadeiros; 
· É a propriedade de um estudo medir o que ele se propôs a medir.
· Não existem erros sistemáticos e erros aleatórios são tão pequenos quanto possível.
· Sinônimos acuidade, acurácia ou exatidão; 
· TIPOS DE VALIDADE
· Validade interna faz inferências sobre a população-alvo, de onde a amostra foi retirada.
· Validade externa quando à generalização dos resultados obtidos para uma população exterior ao universo de estudo. 
· HIERARQUIA
· TIPOS DE VALIDADE
· VALIDADE INTERNA E EXTERNA
· Para uma observação clínica ser de utilidade, a validade interna é condição necessária, mas não suficiente. Validade externa responde à pergunta “supondo correto esse estudo, ELE se aplica ao meu PACIENTE?”
· Evidências para decisões clínicas.
· “Qual o melhor tratamento para este problema?”
· “Pensando o risco-benefício, este tratamento está indicado para este paciente?”
· VALIDADE X PRECISÃO
· Validade ausência de erros sistemáticos;
· Precisão ausência de erros aleatórios, refletem a variabilidade amostral, relacionada à inferência estatística; 
· DIFERENÇA ENTRE PRECISÃO E EXATIDÃO 
· VALIDADE E PRECISÃO 
· Uma associação entre variáveis epidemiológicas pode ser verdadeira ou falsa.
· Razões que podem explicar uma associação epidemiológica:
· Chance (erro aleatório);
· Viés (erro sistemático);
· Confusão;
· Causa-efeito (associação); 
· ERRO ALEATÓRIO
· Estima a probabilidade que o resultado obtido tenha se dado ao acaso;
· Atinge igualmente expostos e não expostos, doentes e sadios.
· Fontes variação biológica individual, erro amostral, erro de medida;
· Para estima-lo, utilizamos a inferência estatística, que é o método universal de iniciar o processo de generalização dos resultados com validade interna;
· Compromete a precisão. 
· Pode ser reduzido:
· Cuidado na medida exposição efeito; 
· Aumentando o tamanho da amostra;
· Cálculo do tamanho da amostra; 
· ERRO SISTEMÁTICO (VIÉS, BIAS, VÍCIO, TENDENCIOSIDADE)
· Distorção dos resultados ou inferências da verdade em relação com a população;
· Compromete a validade;
· Tipos seleção, aferição e confundimento; 
· VIÉS DE SELEÇÃO
· Distorcem os resultados pela forma como os participantes são recrutados ou perdidos (amostra inadequada, alta taxa de não respondentes);
· Exemplos:
· Viés de auto seleção (um voluntário é diferente de um não-voluntário); 
· Viés de afiliação (trabalhadores sadios X desempregados); 
· Como evitar aleatorização da amostra e diminuição das perdas; 
· VIÉS DE AFERIÇÃO
· Ocorre quando os métodos de mensuração diferem entre o grupo de pacientes.
· Exemplos esfigmomanômetro descalibrados em pesquisa sobre hipertensão arterial;
· Como evitar padronização dos métodos de medida e desconhecimento da hipótese de estudo e composição do grupo (cegamento); 
· VÍCIOS DE CONFUNDIMENTO
· É a conclusão errônea de que certo fator leva a certo desfecho, quando este desfecho se deveu a um outro fator (de confusão) desigualmente distribuído entre os grupos.
· Exemplo Álcool X câncer de pulmão (deve-se controlar pelo hábito de fumar);
· Como evitar restrição de categorias, randomização, emparelhamento... 
· ERROS NA PESQUISA AMEAÇAM O SEU ESTUDO
· Erros ameaçam a possibilidade de generalização dos resultados;
· Erros no desempenho e implementação;
· Uma função do investigador é minimizar os erros e aumentar a possibilidade de generalização dos resultados; 
· ESTUDO
- Com base na pergunta de pesquisa delimitamos a população alvo e o desfecho de interesse; 
- Podem ocorrer erros em cada uma dessas etapas; 
· COMPONENTES DA VALIDADE
· Sensibilidade = verdadeiros positivos / total de doentes; 
· Especificidade = verdadeiros negativos /total de doentes;
· Valor preditivo positivo = verdadeiros positivos /total de positivos no teste;
· Valor preditivo negativo = verdadeiros negativos /total de negativos no teste; 
· PRECISÃO
· É a consistência dos resultados quando a medição ou exame se repete. 
· É a característica que possibilita a reprodução dos resultados;
· Medida pelos indicadores de confiabilidade correspondência dos resultados de um mesmo instrumento na mão de diferentes aplicadores (re-teste);
· Sinônimos confiabilidade, fidedignidade, repetibilidade ou reprodutibilidade; 
· VALIDADE X PRECISÃO
· REPRESENTATIVIDADE
· Um pediatra atende crianças pobres em um posto de saúde e crianças da classe alta em seu consultório. Ele anota todos os pesos destas 4.500 crianças, em um ano, ele analisa estes dados. Esta amostra é representativa? 
· Problema diferentes classes sociais (nível socioeconômico); 
· Não consegue garantir que apenas crianças pobres procurem o posto de saúde e nem que apenas crianças de classe alta procurem o consultório (VIÉS DE SELEÇÃO).
· Afeta a validade do estudo!! 
· Consequentemente, essa amostra NÃO é válida (sinônimos – não é representativa); 
· Outro problema não tenho certeza que ele é o único médico que atende crianças no posto de saúde; 
· Validade sinônimo de representatividade associada ao erro sistemático;
· Precisão associada a erro aleatório (envolve todo o processo metodológico);	
· Seleção, aferição, confundimento 
· AMOSTRAGEM
· Por que utilizar amostras?
· Tempo;
· Custo;
· Qualidade; 
· Tipos de amostras:
· Aleatória simples (tabela No aleatórios);
· Sistemática; 
· Estratificada;
· Conglomerados;
· Proporcional ao tamanho;
· Estágios múltiplos; 
· RELAÇÃO ENTRE ERROS, PRECISÃO E EXATIDÃO
· Erros aleatórios ameaçam precisão.
· Contribuídos por:
· O observador;
· O participante;
· O instrumento; 
· Erros sistemáticos ameaçam exatidão. 
· Contribuídos por:
· O observador;
· O participante; 
· O instrumento; 
· ERROS ALEATÓRIOS TIPO I E TIPO II
· TESTE DE HIPÓTESE
· Os trabalhos científicos são realizados com objetivos bem estabelecidos, expressos por meio de afirmações que os pesquisadores desejam verificar. Tais afirmações provisórias são denominadas hipóteses.
· Após formulá-las adequadamente, os investigadores realizam o levantamento dos dados e os analisam estatisticamente, buscando resultados que confirmem ou não essas hipóteses.
· Como na maioria das vezes, os dados provêm de amostras, a decisão final a respeito de uma hipótese científica está associada a uma probabilidade de erro.
· O erro de uma decisão não pode ser evitado, mas sua probabilidade pode ser controlada ou mensurada, obtendo-se assim uma medida de validade das conclusões obtidas.
· ESTATÍSTICA
· Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação de dados;
· Estatística descritiva;
· Probabilidade;
· Estatística inferencial; 
· Etapas da análise estatística:
· Análise dos resultados:
· TESTE DE HIPÓTESE 
· Suponha que um pesquisador deseje verificar se o medicamento M, utilizado no tratamento de determinado sintoma, apresenta, como efeito colateral, uma alteração nos níveis da pressão arterial sistólica (PAS).
· Hipótese o medicamento não altera a pressão arterial (hipótese nula); 
· Como se trata de um medicamento de uso comum, o investigador não tem dificuldade em localizar pessoas que estão tomando este fármaco.
· Seleciona, então, ao acaso, 60 indivíduos adultos, certificando-se de que suas pressões arteriais eram normais antes de serem medicados.
· O pesquisador mede a pressão arterial nessas pessoas após elas terem ingerido o medicamento durante igual período detempo, e obtém a média de 135 mmHg.
· Literatura:
· Um extenso estudo realizado em adultos do Rio Grande do Sul mostrou que a pressão arterial sistólica tem, neste Estado, média igual a 128 mmHg, com desvio padrão de 24 mmHg (Achutti et al., 1985).
· Com base nessas informações, pode o pesquisador concluir que o medicamento M altera a pressão arterial dos pacientes que o ingerem?
· Não, primeiro eu precisaria saber qual o nível de PAM no local em que vou testar a hipótese! 
· Se fosse testar essa hipótese no Rio Grande do Sul chegaria a conclusão de que o medicamento M não altera a PAM (hipótese nula). 
· A decisão de aceitar (ou não) que o medicamento altera os níveis de PAS passa pela realização de um teste estatístico. Para realizá-lo, é necessário, inicialmente, transformar a hipótese científica em uma hipótese estatística.
· HIPÓTESES ESTATÍSTICAS
· São suposições feitas sobre o valor dos parâmetros nas populações.
· Uma hipótese do tipo “O medicamento M altera a pressão arterial” não é uma hipótese estatística, porque não menciona o valor do parâmetro, que é a média populacional para a pressão arterial. 
· É apenas uma hipótese estatística!! 
· Uma hipótese estatística deve explicitar e comparar parâmetros.
· Tipos:
· As hipóteses estatísticas sempre comparam dois ou mais parâmetros, quer afirmando que são iguais quer que não o são. São de dois tipos:
· 1) Hipótese nula ou de nulidade (H0): estabelece ausência de diferença entre os parâmetros. É sempre a primeira a ser formulada.
· No exemplo: a hipótese nula é: 
H0: a média da população amostrada, de indivíduos tratados com o medicamento M (μA), é igual a média da população tomada como referência (μ0).
 				H0: μA = μ0
	
· Se essa hipótese não for rejeitada, a conclusão é a de que o medicamento não altera a pressão arterial sistólica
· 2) Hipótese alternativa (HA ou H1): é a hipótese contrária a hipótese nula. Geralmente, é a que o pesquisador quer ver confirmada.
· No exemplo: a hipótese alternativa é: 
HA: a média da população amostrada (μA) difere da média da população de referência.
HA: μA ≠ μ0.
· VERIFICAÇÃO DAS HIPÓTESES
· A verificação das hipóteses estatísticas somente se dará se for estudada toda a população de indivíduos tratados com o medicamento, isto é, se μA for conhecida. Se o pesquisador tivesse a informação de que a PAS média de todas as pessoas que ingerem o medicamento é 132 mmHg, ele poderia afirmar com toda a certeza que o medicamento eleva em 4mmHg os níveis de PAS.
· Como o mais comum é se desconhecer μA (é exatamente por isso que o pesquisador está realizando o estudo), as decisões vão ser tomadas com base nos dados obtidos em amostras e envolverão um risco máximo admitido para o erro de afirmar que existe uma diferença, quando ela efetivamente não existe (a). O pesquisador estabelece tal risco antes de realizar o teste de hipóteses.
· TESTE DE HIPÓTESES
· O teste de hipóteses é um procedimento estatístico pelo qual se rejeita ou não uma hipótese, associando à conclusão um risco máximo de erro.
· Devido a maneira como os testes são elaborados, a hipótese testada é sempre H0. 
· Se for rejeitada, a alternativa é automaticamente aceita.
· Se H0 não for rejeitada, HA automaticamente o é.
· EXEMPLOS DE HIPÓTESES
· 1. H0: não existe associação entre tabagismo e doença coronariana.
· H1: existe associação entre tabagismo e doença coronariana.
· 2. H0: o tempo médio de recuperação nos três procedimentos cirúrgicos é igual.
· H1: o tempo médio de recuperação nos três procedimentos cirúrgicos é diferente.
· 3. H0: o tratamento novo (A) é igual ao antigo (B).
· H1:o tratamento novo (A) é diferente do antigo (B).
· PASSOS PARA REALIZAR UM TESTE DE HIPÓTESES
· CURVA NORMAL 
- Espero que a média da minha população esteja no MEIO. Normalmente estabelecemos um determinado desvio padrão;
- O desvio é atrelado ao intervalo de confiança; 
- Padrão de intervalo de confiança = 95% 
· INTERVALO DE CONFIANÇA 
· Na construção dos intervalos de confiança para a média populacional, usamos informações sobre a distribuição amostral da média.
· Numa distribuição normal, 95% das observações se encontram entre -1,96 e 1,96. 
· TESTE DE HIPÓTESES
· ERROS DO TIPO I E DO TIPO II
· Tanto a hipótese nula, quanto a hipótese alternativa pode ser verdadeira, mas não ambas.
· O ideal seria rejeitar H0 falso, e não rejeitar H0 verdadeiro.
· Isso nem sempre é possível. Temos que levar em consideração a possibilidade de erros, pois os testes estão baseados em informações de amostras. 
· Dois tipos de erros são possíveis:
· Erro tipo I rejeitar H0 verdadeiro (falso positivo); 
· Rejeitar uma hipótese nula que na verdade era verdadeira; 
· Erro tipo II não rejeitar H0 falso (falso negativo); 
· A probabilidade de ocorrência destes dois tipos de erros são:
· a = probabilidade de se cometer o erro tipo I chamado nível de significância.
· b = probabilidade de se cometer o erro tipo II; 
· TESTE DA HIPÓTESE PARA A MÉDIA – EXEMPLO
· A resistência à tração do ácido inoxidável produzido numa usina permanecia estável, com uma resistência média de 72 kg/mm2 e um desvio padrão de 2,0 kg/mm2. Recentemente, a máquina foi ajustada. A fim de determinar o efeito do ajuste, 10 amostras foram testadas. 
· 76,2 78,3 76,4 72,6 78,4 75,7 70,2 73,3 74,2 
· Presuma que o desvio padrão seja o mesmo que antes do ajuste. Podemos concluir que o ajuste mudou a resistência à tração de aço?
· (Adote um nível de significância de 5%); 
· ERRO TIPO I
· Probabilidade a, geralmente a = 0,05; 
· Existe probabilidade de 5% de cometer o erro do tipo I;
· Nível de significância do estudo;
· P valor; 
· ERRO TIPO II
· Probabilidade b, geralmente b = 0,20; 
· TIPOS DE ACERTOS	
· Não rejeitar H0, quando H0 é verdadeira
· Nível de confiança 1- α
· Se α=0,05, 1- α=0,95
· A probabilidade de não encontrar diferença entre os tratamentos, quando ela de fato não existe, é de 95%
· Rejeitar H0, quando H0 é falsa
· Poder do estudo 1-β
· Se β=0,20, 1- β=0,80
· A probabilidade de encontrar diferença verdadeira entre os grupos de tratamento é de 80%
· RRELAÇÃO ENTRE a, b e n (TAMANHO DA AMOSTRA)
· Para erros do tipo I com consequências sérias, diminuir α;
· Para α fixo, aumento em n causa redução em β, ou seja, amostra maior reduz a chance de não encontrar diferença entre os tratamentos, quando na realidade, ela existe;
· Para tamanho n fixo de amostra, diminuição de α acarreta aumento em β e vice-versa, aumento em α acarreta diminuição em β;
· Para reduzir α e β, devemos aumentar n (tamanho da amostra).
· VALOR DE P, INTERVALO DE CONFIANÇA E PODER***
· O valor de p representa a probabilidade de se observar uma diferença entre os grupos como a que foi encontrada no estudo, quando na verdade essa diferença não existe (erro do tipo I falso positivo a); 
· Nível de significância.
· Quanto menor o valor de p, maior a evidência contra a hipótese nula. 
· O poder é a probabilidade de identificar uma diferença quando ela é real.
· O poder é influenciado por:
· Natureza do teste estatístico;
· Nível de significância;
· Tamanho da amostra;
· Diferença esperada no efeito dos dois tratamentos. 
· O tamanho amostral deve propiciar um poder elevado;
· Estudos para detectar efeitos pequenos necessitam amostras maiores.
· Estudo sem significância estatística (p > 0,05);
· Se poder for baixo, nada se pode concluir (a amostra foi insuficiente);
· Se poder for alto, pode-se concluir que os efeitos são semelhantes (não rejeitar H0); 
· O valor de p não indica se o efeito de uma intervenção é forte ou fraco (isso é dado pelo RR);
· Ele apenas indica a probabilidade de se observar determinado efeito quando este se deve ao acaso;
· O valor de p é influenciado pelo tamanho da amostra;
· Estudos com amostras maiores tem estimativas mais precisas (menor intervalo de confiança) e maior poder (probabilidade de detectar um efeito quando este existe). 
Muito cuidado!! Tenho que entender o valor de p para entender o que ele significa!!!1