A análise estatística foi efectuada através do software estatístico SPSS®
(Statistical Package for Social Sciences) versão 16.0 para Windows (SPSS Inc., Chicago). Foram efectuadas diferentes análises de acordo com as questões primárias e secundárias enunciadas.
Estudo longitudinal
Os dados relativos à caracterização dos doentes na visita inicial foram analisados (Aguiar P, 2007; Altman DG, 1991) através de estatísticas descritivas, nomeadamente médias e desvio padrão (DP), ou frequências absolutas e relativas (%). As variáveis que não seguiam uma distribuição normal foram sumarizadas através de medianas, mínimo e máximo. Foram analisados, na visita inicial, os seguintes parâmetros: género; idade no início da doença (meses); ventilação mecânica; internamentos; idade no primeiro EFR (anos); sazonalidade de execução do EFR (Setembro a Maio e Junho a Agosto); peso (kg); altura (cm); índice de massa corporal (IMC); variáveis funcionais respiratórias [FEV1 e FEF 25-75 basais, FEV1/FVC (percentagem), RV/TLC
(percentagem) após BD] e variação do FEV1 após prova de broncodilatação (ml e
percentagem). Os valores antropométricos foram expressos em valor absoluto e z-score e os parâmetros funcionais respiratórios foram analisados como expressão de valor absoluto, % do valor teórico e z-score.
166
A comparação entre as médias dos dois grupos (BO e Asma) foi efectuada recorrendo aos testes de t-Student ou Mann-Whitney U para 2 amostras independentes. Para determinar a associação entre 2 variáveis categóricas o teste do Qui-quadrado foi utilizado sempre que apropriado. Foi considerado um nível de significância de 5%.
Os valores longitudinais, funcionais respiratórios e antropométricos, foram agrupados de acordo com o grupo de diagnóstico (BO ou Asma) e analisados pelo método de modelação para medições repetidas ao longo do tempo, “General Linear Mixed Model” (Edwards, 2000; Singer JD & Willett JB, 2003), resultando na determinação de declives para cada um dos grupos.
Todas as observações que cumpriam os critérios de qualidade foram introduzidas na análise. Dada a dispersão das idades da execução dos EFR (4 – 35 anos) recorreu-se ao modelo dinâmico de equações de referência contínuas desde as idades precoces até à velhice (Stanojevic et al., 2008), que foi considerado um modelo biologicamente plausível e estatisticamente robusto para avaliar a continuidade dos resultados funcionais respiratórios em idades diferentes. Mais recentemente, esta folha de análise foi actualizada, com introdução de maior número de dados em idade pré-escolar, o que permitiu adequar de forma mais exacta o limite inferior da normalidade para este intervalo etário (Stanojevic et al., 2009). Dado que, das 578 ocasiões introduzidas, apenas 22 correspondiam a idades inferiores a 7 anos, das quais 9 correspondiam a idades inferiores a 6 anos, considerou-se não haver lugar a re-análise.
Para cada variável dependente com medição repetida (FEV1, FEV1/FVC, FEF25-75 e
RV/TLC, peso, estatura e BMI) começou por se efectuar uma modelação incluindo um factor de efeitos fixos dentro dos indivíduos (factor de medição repetida, por exemplo: idade, z-score peso, z-score altura e z-score BMI), o diagnóstico (BO ou Asma) como factor de efeitos fixos entre os indivíduos, a interacção entre os factores de efeitos fixos (diagnóstico x factor de medição repetida) e os efeitos aleatórios dos doentes. Com esta primeira modelação pretendeu-se investigar a existência de interacção estatisticamente significativa (p<0,05) entre o diagnóstico e o factor de medição repetida.
Quando esta interacção se revelou estatisticamente significativa, assumiu-se que a evolução da variável dependente, em função do factor de medição repetida,
167
era diferente entre os grupos diagnósticos, ou seja, o declive das rectas de regressão era diferente, e como tal, podia esperar-se que as rectas gráficas não fossem paralelas. Nesta situação, optou-se por considerar os grupos diagnósticos (BO e Asma) como populações diferentes, e efectuaram-se novamente dois mixed models, um para cada diagnóstico de modo a estimar-se o efeito (declive) do factor de medição repetida na variável dependente. Foi com estes resultados que se construíram os gráficos.
Seguidamente, efectuou-se ainda uma nova modelação, entrando também com as co-variáveis sexo, idade de início da doença, ter tido internamentos, ter sido submetido a ventilação mecânica e a sazonalidade. Estas co-variáveis permitiram-nos investigar se estariam associadas ao resultado, embora fundamentalmente nos tenham permitido estimar o efeito do factor de medição repetida (por exemplo a idade) no resultado em estudo, após ajustamento para eventuais confundimentos das co-variáveis.
Quando a interacção não foi estatisticamente significativa (p>0,05), assumiu-se que a evolução da variável dependente em função do factor de medição repetida era semelhante nos dois grupos diagnósticos (declives populacionais iguais) e como tal, optou-se por efectuar uma nova modelação com o factor de medição repetida e o diagnóstico, sem termo de interacção. A partir desta modelação estimou-se o efeito do factor de medição repetida ajustado para o diagnóstico, e construiu-se o respectivo gráfico. Como se assumiu que a interacção não existia, as rectas dos dois diagnósticos são necessariamente paralelas.
Também, uma magnitude superior de efeito do diagnóstico traduz-se, naturalmente, num maior afastamento das duas rectas de regressão. Note-se que, um efeito de diagnóstico estatisticamente significativo representa que existem diferenças estatisticamente significativas entre os níveis da variável dependente entre os dois diagnósticos.
Em termos práticos, os gráficos indicam-nos a relação entre a variável dependente em estudo e o factor de medição repetida, para os grupos diagnósticos (BO e Asma). O valor do parâmetro de regressão ajustado para as co-variáveis indica-nos qual o efeito do factor de medição repetida após ajustamento para co-variáveis, e permite-nos investigar a existência de eventuais confundimentos das co-variáveis, no efeito do factor de medição
168
repetida. Se após ajustamento para as co-variáveis não existiu alteração relevante do parâmetro de regressão, tal como aconteceu na maioria dos casos, então pode-se concluir que as co-variáveis não tiveram influência relevante no efeito do factor de medição repetida.
Estudo transversal
Efectuou-se uma análise descritiva das variáveis demográficas, clínicas e referentes à função respiratória para o total e por grupo diagnóstico (BO e Asma).
Na comparação dos dois grupos de diagnóstico (BO e Asma) face a proporções obtidas numa variável categórica (por exemplo, antecedentes familiares, antecedentes pessoais, exposição ao fumo do tabaco, sintomas, diagnóstico de asma e atopia-dicotómico, inflamação-dicotómico) utilizou-se quando apropriado, o teste do Qui-quadrado e o teste exacto de Fisher.
Na comparação de 2 grupos independentes face a uma variável quantitativa utilizou-se o teste t-Student ou o teste não paramétrico de Mann-Whitney U. Na comparação de 3 grupos independentes face a uma variável quantitativa utilizou-se o teste ANOVA ou o teste não paramétrico de Kruskal-Wallis.
Os resultados foram considerados com significado estatístico para um valor de p<0,050.
Na análise univariada, as variáveis contínuas foram apresentadas como médias e desvio padrão (DP). Em caso de desvio da normalidade foram apresentadas como medianas, mínimo e máximo. As variáveis categoriais foram determinadas pela sua frequência absoluta e relativa (%). A correlação entre variáveis numéricas foi avaliada através do coeficiente de correlação de Pearson ou pelo coeficiente não paramétrico de Spearman.
Efectuou-se uma análise descritiva da frequência dos achados de TC-AR por grupo diagnóstico e foram utilizados, quando apropriado, o teste do Qui- quadrado e o teste exacto de Fisher, para analisar a associação entre a presença/ausência de achados da TC-AR e os grupos diagnósticos (BO e Asma).
169
O teste t-Student ou o teste não paramétrico de Mann-Whitney U foram utilizados para comparar os dois grupos de diagnóstico face aos resultados da função respiratória mais próxima, no tempo, da data de execução da TC-AR (FEV1%t; FVC%t; FEV1FVC%t; FEF25-75%t; RV%TLC e FEV1% pós-BD) e dos
scores da TC-AR (hipoatenuação inspiratória; retenção gasosa expiratória;
padrão atenuação em mosaico; densificações em banda ou em traço; espessamento da parede brônquica; bronquiectasias e bronquiolectasias).
A associação entre os scores da TC-AR e a função respiratória, para cada grupo de diagnóstico, foi efectuada através do coeficiente de correlação de Spearman. Considerou-se como sendo estatisticamente significativo, os valores de p<0,050. Efectuou-se igualmente uma análise descritiva das variáveis referentes à função respiratória no estudo transversal, para o total e por grupo diagnóstico (BO e Asma). Na comparação dos dois grupos de diagnóstico (BO e Asma) face a proporções obtidas numa variável categórica (ex. antecedentes familiares, sintomas e antecedentes pessoais, atopia-dicotómico, inflamação-dicotómico) utilizou-se quando apropriado, o teste do Qui-quadrado ou o teste exacto de
Fisher. O teste t-Student para amostras independentes ou o teste não
paramétrico de Mann-Whitney U (sempre que não se verificou o pressuposto da normalidade) foram efectuados para comparar os dois grupos de diagnóstico (BO e Asma) face às variáveis numéricas da função respiratória, variáveis de atopia em valor absoluto e de inflamação em valor absoluto.
Estes testes foram também utilizados, sempre que apropriado, para a comparação entre os grupos de diagnóstico (BO e Asma) relativamente a parâmetros demográficos, antropométricos e ambientais (género, idade, peso, estatura, IMC, EFT); doença aguda (internamentos, ventilação mecânica) sintomas respiratórios (tosse, sibilância, dispneia, farfalheira) e diagnóstico de asma; outros sintomas [eczema, otite média aguda (OMA) antes e depois dos 2 anos de idade, história de alergia alimentar]; alterações na auscultação pulmonar (fervores e diminuição do murmúrio vesicular) e às variáveis quantitativas da função respiratória; atopia (testes cutâneos; eosinófilos; IgE total e específicas) e inflamação (leucócitos, fibrinogénio, PCR, AAT).
Efectuou-se uma análise de variância a um factor (oneway ANOVA) para a comparação entre os doentes que não foram internados, doentes internados 1
170
vez e doentes internados 2 vezes, relativamente às variáveis quantitativas da função respiratória.
Para o total da amostra, e para cada grupo de diagnóstico (BO e Asma), foi efectuada através do coeficiente de correlação de Spearman a associação dicotómica entre duas variáveis numéricas, nomeadamente entre as variáveis expressão de atopia e inflamação, entre elas, de forma individual e como expressão das variáveis resultado (atopia ou inflamação) e destas variáveis com os resultados funcionais respiratórios expressos em valor absoluto, percentagem do valor teórico e z-score e entre as variáveis função respiratória e variáveis antropométricas e etiologia da doença e achados de TC-AR, no global e por grupo de diagnóstico.
Análise estatística para identificação do 3º grupo de diagnóstico
Por último, efectuou-se uma análise de curvas ROC para analisar o poder discriminante de cada uma das variáveis da atopia, inflamação, função respiratória e TC-AR face à identificação do grupo de diagnóstico (BO ou Asma) ou à identificação de um grupo com características de sobreposição.
Os factores considerados na possibilidade de emergência de um 3º grupo foram: resultados de variáveis funcionais respiratórias (FVC%t; FEV1%t; FEV1/FVC%t;
RV/TLC; variação do FEV1, após prova de broncodilatação em ml e em
percentagem); achados na TC-AR (hipoatenuação inspiratória; retenção gasosa expiratória; padrão atenuação em mosaico; espessamento da parede brônquica e bronquiectasias); atopia [(resultados de testes cutâneos, eosinófilos (% do total de células)]; IgE total e IgE específica para D. pteronyssinus); inflamação (leucócitos (número total de células), VS, fibrinogénio, PCR e AAT).
Para as variáveis cuja área sob a curva ROC apresentou um bom poder discriminante (>0,70) e mostrou ser estatisticamente significativa (p<0,05), identificaram-se cut-offs (pontos de corte) com sensibilidade e especificidade igual ou superior a 75%. Esta parte da análise apenas permitiu identificar parâmetros numéricos mais associados ao diagnóstico e respectivos cut-offs. Seguidamente, pretendeu-se identificar um “3º grupo de diagnóstico” através de uma análise de clusters (método K-means clusters, SPSS®).
171
De modo a dar uma ideia sobre a validade deste método identificaram-se 2
clusters, numa fase inicial da análise, e cruzou-se esta variável identificadora do cluster com o diagnóstico. Em muitos casos, obtiveram-se valores concordantes
da análise de clusters com o diagnóstico, nomeadamente para os parâmetros onde se observaram valores mais elevados da área sob a curva ROC. Assim, parâmetros com um bom poder discriminante do diagnóstico também permitem identificar através da análise de clusters, e com alguma razoabilidade, o grupo de diagnóstico.
Estes resultados sugerem que a análise de clusters pode ser considerada um método com alguma validade para identificação de grupos diagnóstico.
Finalmente, e de modo a identificar o “3º grupo de diagnóstico” efectuou-se novamente uma análise de clusters, forçando a solução de 3 clusters. Ao atingir- se a solução dos 3 clusters em cada parâmetro, efectuou-se um cruzamento da solução encontrada com o diagnóstico e de acordo com o seguinte esquema (ver Quadro V).
Quadro V: Análise de 3 clusters para identificação do 3º grupo de diagnóstico
Asma BO Total
Cluster 0 (mais próximo de Asma) A B n0
Cluster 1 (mais próximo de BO) C D n1
Cluster 3 (indiferente a BO e a Asma -3º grupo) E F n3
Note-se que:
A/n0 é o valor preditivo positivo do cluster zero para a Asma. D/n1 é o valor preditivo positivo do cluster um para o BO. Assim, definiu-se:
- Taxa de adequabilidade de classificação para BO e Asma num modelo de 3 clusters
[(A+D)/(n0 + n1)]x100%
- Taxa de adequabilidade do “3º grupo de diagnóstico” num modelo de 3 clusters através os seguintes resultados/fórmulas:
172
Esta segunda taxa assume que, numa perspectiva ideal, esperar-se-ia que E=F, uma vez que este cluster era indiferente face a cada um dos dois grupos, o que poderia sugerir um diagnóstico diferente de BO e Asma. Quanto mais perto de 100% estiverem estas taxas, mais adequado é o parâmetro numérico à identificação dos 3 grupos de diagnóstico.
Após se efectuar esta análise de 3 clusters para cada variável, seleccionou-se para uma análise de clusters final apenas as variáveis que demonstraram simultaneamente uma taxa de adequabilidade de classificação para BO e Asma e uma taxa de adequabilidade do “3º grupo de diagnóstico” com valor igual ou superior a 80%.
Com o resultado desta análise de clusters final efectuou-se novamente o cálculo das taxas de adequabilidade e identificaram-se os doentes pertencentes a um eventual “3º grupo de diagnóstico” (solução final). Para os indivíduos correctamente classificados como BO ou como Asma nesta análise de clusters final, assim como classificados no “3º grupo de diagnóstico”, efectuou-se uma análise comparativa das médias e medianas destes 3 grupos face às variáveis seleccionadas para a análise de clusters final. Com esta análise comparativa pode observar-se os valores de tendência central que melhor distinguem estes 3 grupos.
Considerou-se como sendo estatisticamente significativos os valores de p<0,050.
173