Análise estatística 11511

O plano de análise foi desenvolvido em três passos: a estatística descritiva, a análise bivariável e a análise multivariável.

Aplicou-se como limiar de significância estatística o valor de p=0,05, com a notação convencional na apresentação dos resultados (Altman, 1991). Também se determinaram os intervalos de confiança a 95% (I.C. 95%) para a medida de associação e de efeito: Rácio de Produtos Cruzados (odds-ratio).

A análise foi efectuada através do software estatístico Statistical Package for the Social Sciences (SPSS) for Windows, version 17.0.0.

2.4.1. Estatística descritiva

A descrição das variáveis em estudo foi efectuada segundo o seu tipo: nas variáveis nominais e ordinais efectuou-se o cálculo de proporções e a tabulação de frequências.

As variáveis que correspondiam às pontuações dos instrumentos aplicados (escalas ordinais) foram tratadas como variáveis escalares, seguindo a indicação de Streiner e Norman (1995).

Nas variáveis de tipo escalar foi analisada a hipótese de normalidade da distribuição com os Testes de Kolmogorov-Smirnov, Shaphiro-Willks e observação do histograma. Devido à rejeição da hipótese de normalidade da distribuição ter ocorrido em, praticamente, todas as variáveis deste tipo não foram calculadas os parâmetros de dispersão, de assimetria e de achatamento, mas apenas os parâmetros de tendência central (mediana e média).

2.4.2. Análise Bivariável

No âmbito desta análise foi efectuada uma comparação entre reclusos, em relação ao sexo e regime prisional, nas quatro dimensões propostas (sociodemográfica, clínica, forense e de necessidades).

Os subgrupos de reclusos definidos através das variáveis-resultado (Risco de Suicídio, Condenações Múltiplas e Necessidade Não-satisfeita no domínio 13. Drogas) foram igualmente comparados entre si.

Finalmente foi efectuada a comparação entre participantes reclusos e participantes civis.

A comparação de variáveis foi efectuada com base nas seguintes regras:

a) Nas comparações de variáveis nominais por variáveis nominais foi aplicado o teste do Qui-quadrado de Pearson (X2_{), respeitando as suas condições de aplicabilidade} (percentagem de células com frequência esperada inferior a 5, superior a 20% do total de células) ou Teste Exacto de Fisher na ausência de aplicabilidade do X2 (Altman, 1991).

b) Quando se verificava uma associação entre variáveis nominais binárias, estatisticamente significativa, foi calculado o Odds-ratio e intervalo de confiança a 95%, como medida quantificadora da força da associação entre as variáveis em análise (Rothman et al.,2008; Haynes et al., 2006; Last, 2001; Pocock, 1983). c) A análise de concordância entre as variáveis categóricas binárias foi realizada

através do cálculo do Coeficiente Kappa (Cohen, 1960). Nos casos em que não foi possível calcular este coeficiente foi calculado o Coeficiente de Concordância30_. d) Nas comparações de variáveis nominais por variáveis ordinais e escalares foi

aplicado o Teste não-paramétrico de Mann-Whitney.

2.4.3. Análise Multivariável

No âmbito das dimensões clínica, forense e de necessidades de cuidados foi seleccionada uma variável categórica binária que representava um resultado relevante para os objectivos do estudo, designada variável-resultado. Na dimensão clínica foi seleccionada a variável Risco de Suicídio, na dimensão forense a variável Condenações Múltiplas, e na dimensão de necessidades de cuidados foi seleccionada a variável Necessidade Não-satisfeita no domínio Drogas.

Com a finalidade de obter um modelo dos factores de risco associados às variáveis- resultado foi aplicada a análise de regressão logística múltipla binária (Rothman et al., 2008; Haynes et al., 2006). Esta análise permite determinar o efeito de um dado factor de risco ou

factor protector sobre uma dada variável resultado binária, ajustado para eventuais confundimentos de outras variáveis independentes e, consequentemente, determinar quais os factores estatisticamente mais importantes (Aguiar, 2007).

Em termos de estratégia de selecção de variáveis para integrar o modelo estatístico foram incluídas todas as variáveis estatisticamente significativas (p<0,05) ou com tendência de significado estatístico (p<=0,10) na análise bivariável. Segundo Altman (1991) podem ser incluídas num modelo múltiplo as variáveis com p<0,20 (ou ainda maior) da análise bivariável. Para este autor, ao entrar-se em conta com as inter-relações entre as variáveis independentes num modelo multivariável, uma variável independente que não era estatisticamente significativa no início pode vir a sê-lo neste modelo.

A colinearidade entre variáveis foi testada através do coeficiente de correlação R de Spearman (variáveis numéricas com desvios de normalidade ou sem relação linear) e Qui- quadrado de Pearson (variáveis nominais). Nos casos em que se verificou a existência de colinearidade foi seleccionada para a análise multivariável a variável que apresentou o valor p de maior significado estatístico.

A selecção das variáveis obedeceu a estes critérios que, apesar de ser uma opção discutível, é preferível à opção de incluir todas as variáveis envolvidas na análise bivariável, ou de só incluir as variáveis que se revelaram estatisticamente significativas nesta análise. De acordo com Hosmer e Lemeshow (1989), não é conveniente colocar todas as variáveis de uma investigação num modelo múltiplo, sem qualquer critério de pré-selecção, porque poderão produzir-se modelos múltiplos muito instáveis em termos de estimativas e respectivos erros- padrão.

A respeito do método de extracção das variáveis utilizou-se o método “backward” do investigador, eliminando-se sempre a variável com o maior valor de p.

A validade do modelo foi determinada pelo Teste da Razão de Verosimilhanças, Teste de Hosmer e Lemeshow, Taxa de Validade do Modelo Face aos Eventos e área sob a curva ROC (Aguiar, 2007).