A maior rede de estudos do Brasil

Grátis
4 pág.
bioestatística- teórico

Pré-visualização | Página 1 de 1

1 Marjorie Y. Chiesa ATM 2026/B
Bioestatística 
Conceitos básicos
* Como diferenciar e classificar grupos
Onde ela entra em um projeto? 
- precisa ser pensada em conjunto com o 
protejo: o que e como vou comprovar os dados 
para a pesquisa 
- Entra em todos os eixos de um projeto
Tipos de estudos
Antes de entrar na parte estatística, precisamos 
pensar sobre o trabalho que vamos fazer
1.
* estudo observacional: não vou interferir; 
apenas coletar e analisar
* Estudo experimental: faz uma intervenção e 
pesquisa o efeito da intervenção. Exemplo: 
testes com vacinas 
2.
* Estudos prospectivos: estudo para o futuro, se 
x condições vão gerar condições y futuras. Ver 
o fator de risco para ver o desfecho; ver o 
efeito de algo para ter um efeito. Exemplo: 
efeitos de uma dieta nova
* Estudos retrospectivo: já tive o desfecho (já 
tenho os dados) e analiso os dados existentes 
(analiso os fatores antes da doença). Exemplo: 
prontuários
3.
* Estudo de coorte: se acompanha um grupo de 
indivíduos de interesse para estudar o 
desfecho 
 - melhor tipo de estudo; porém caro e 
demorado
* Estudos caso-controle: 
4. 
* Estudo longitudinal: estudam mudanças ao 
longo do tempo
* Estudo transversal: grupos observados uma 
vez, com o objetivo de estudar as coisas 
naquele instante
Hipotese nula: suposição do pesquisador
Hipotese alternativa 
Técnicas de amostragem 
- evita que os resultados sejam tendenciosos
* Amostra casual simples: faz um sorteio, 
elementos tirados ao acaso
* Amostra sistemática: mantem uma ordem, 
sempre o mesmo padrão; exemplo, pegar os 
pacientes pares da lista
* Amostra estratificada: 
* Amostra por conveniência: por proximidade de 
assunto ou convívio. Acaba sendo um pouco 
tendenciosa 
Variáveis 
- aquilo que vou analisar as variâncias 
- Valores que vou mensurar nos dados; valores 
que variam para cada indivíduo 
Nivel de mensuração 
Qualitativas: dados categóricos, sem serem 
mensurados em números 
 * nominal: apenas identificado por 
categoria, não tem uma hierarquia, não tem mais 
2 Marjorie Y. Chiesa ATM 2026/B
ou menos. Exemplo: sexo, naturalidade, cor de 
olhos
 * ordinal: é possível ter um hierarquia, 
níveis. Exemplo: classe social; manifestação da 
doença (leve, moderada)
Quantitativas: dados numéricos
 * discretas: podem assar apenas alguns 
valores, sem decimais. Exemplo: numero de filhos
 * contínuo: podem assumir valores 
infinitos; variável contínua. Exemplo: peso, 
temperatura, velocidade. 
As variáveis podem ser classificadas em: 
- predita, explicativa ou independente (causa): 
uma causa/fenomeno que não esta ligado a 
nada, mas quero ver se esta associado a 
variável dependente. Exemplo: IMC (causa) e 
doença x (efeito)
- Reposta ou dependente (efeito): evento que 
se pretende estudar. Exemplo imc e pressão 
arterial; quanto maior o imc (independente- 
no eixo x) maior minha pressão arterial 
(dependent- no eixo y)
Exemplo: a quantidade de álcool consumida 
diariamente seria a variável independente 
(causa) e a pressão arterial seria a variável 
dependente (efeito)
A mesma variável pode ser dependente ou 
independente conforme a pergunta do trabalho
- exemplo: relação entre idade gestacional e 
ocorrência de diabetes. Pergunta: o risco de 
desenvolver diabetes se altera ao longo da 
gravidez? Idade gestacional= variável 
independente 
- Relação entre diâmetro biparietal do crânio e 
idade gestacional. Pergunta: é possível 
predizer o tempo de gravidez medindo o 
diâmetro parietal? Idade gestacional= variável 
dependente; 
Vídeo
Estatística descritiva
Conceitos: 
- Frequência: quantas individuos vão aparecer 
dentro de cada classe 
- Frequênc ia re lat i va : va lo r ante r i o r 
representado em porcentagem
 * selecionar a célula (espaço) que eu 
quero saber a % e dividir (/) pelo total 
 *ATUALIZADO: frequência absoluta 
dividido pelo total (soma das frequências)
- Frequência absoluta acumulada: são somas
- Frequência relativa acumulada: soma das %
Gráficos:
- Tirar os títulos de gráfico 
- Título de eixo sim
- Tirar linhas de gráfico
Média: 
 =média
Mediana: número do meio; não é muito utilizado
 =med
Moda: número que se repete mais vezes
 =modo
3 Marjorie Y. Chiesa ATM 2026/B
Desvio padrão: o quanto os dados variaram em 
torno da média; o quanto pode variar o valor 
 =DESVPAD
Amplitude
 =Máximo(seleciona dados)-Mínimo(dados)
Variância: desvio padrão automático; variância ao 
quadrado é o desvio padrão 
 =var
Coeficiente de variação: quanto maior, menos 
homogêneo os valores
 CV= desvio padrão/média x 100 (em %)
Média sem média:
- Achar o ponto medios dos número 
- Somar os casos 
- Multiplicar o ponto médio pelo número de 
casos (exemplo: 25 por n= 2)
- Somar os resultados das multiplicações 
- Média será divisão dessa ultima soma pelo 
soma do número de casos
Aula 09/09 
Teste T: usado para comparar dois grupos; um 
contra o outro 
Existem duas formas:
Teste independente = COM VARIÂNCIAS 
IGUAIS : dois grupos populacionais diferentes, 
não são a mesma pessoa. Exemplo: metade de 
uma população tomou X tratamento e a outra 
metade Y
Amo st ra s p area da s = EMPARELHADAS 
(relacionadas): mesmo grupo; antes e depois de 
algo
P bilateral: é o que diz se os grupos tiveram 
diferença; P precisa ser menor ou igual a 
0,05
P maior que 0,05: não há diferença estatística 
P menor que 0,05: há diferença
Quer dizer que a média de um fica distante da 
outra 
P repre senta um valo r em % da 
semelhança entre os grupos
ANOVA: análise de variância 
- Comparação de várias situações; 4, 5, 6 
tratamentos 
- F= valor importante para o TIC
- ANOVA com teste T; o anova compara 
todas as situações 
- Tokey
- ns= não significativo 
4 Marjorie Y. Chiesa ATM 2026/B
Anova= FACTOR ÚNICO
Teste T= duas amostras com variâncias desiguais 
CORRELAÇÃO: 
Um fator e outro fator diferente e ver se tem 
associação; o quanto um fator influencia no 
outro 
- geralmente é par a par 
- Relaciona duas unidades diferentes; exemplo: 
glicemia e pressão arterial
- Se analisa se a glicemia se relaciona 
com a pressão 
- Fator A com fator B
- Olhar o P para ver se a correlação é 
significativa 
- Ver se é forte, média ou fraca 
- Positiva e negativa 
- Positiva: um aumenta; o outro aumenta 
junto 
- Negativa: Se um aumenta, o outro 
diminui 
Bioestat- correlação - coeficiente de correlação 
de Pearson 
R (pearson)= quanto mais próximo de 1, mais 
forte a correlação; vai de -1 a 1, não importa 
se é positivo ou negativo 
- correlação positiva forte: mais próximo de 1
- Correlação negativa forte: próximo de -1
R2= transformar em %; 
Mac: 
=pearson 
- selecionar um dado ; outro dado
- Depois valor de =peasor ao quadrado 
Resposta do r2: começo me referindo a 
variável dependente 
- x% dos casos de uma coisa está associado a 
outra

Crie agora seu perfil grátis para visualizar sem restrições.