APRESENTAÇÃO DE RESULTADOS E TRATAMENTO ESTATÍSTICO

Capítulo II - Material e Métodos 57

programa LOTUS 123 (324) como folha de cálculo e aos programas STAT-

GRAPHICSl348) e SPSS+{347) para cálculos estatísticos. Múltiplos ficheiros

[files) foram criados de acordo com a necessidade de agrupamento e análise

das variáveis a investigar.

Para maior facilidade de compreensão do trabalho os resultados são apresentados em Quadros e Figuras.

2.5.1. Estudo descritivo

O tipo de distribuição das variáveis estudadas foi avaliado pelas curvas de normal probability plotdo programa STATGRAPHICS. Dos resultados de todas as variáveis estudadas só os dados referentes à ARP, AU/CU e PLRU/ /CU não mostraram distribuição normal. A transformação logarítmica mostrou, no entanto, normalização da distribuição, pelo que se optou, naquelas variáveis, por esta alternativa antes de qualquer tratamento estatístico.

A opção pela apresentação em SDS para os valores da tensão arterial sistólica (TAS) e diastólica (TAD) e da ARP foi anteriormente justificada. Estas variáveis evidenciaram curvas de distribuição normal.

Os resultados do estudo descritivo das variáveis analisadas são expres- sos em média e desvio-padrão e as frequências em percentagem. Os resultados das variáveis submetidas a transformação logarítmica são apresentados em média geométrica e limites, correspondendo estes aos valores mínimo e máximo observados.

2.5.2. Estudo comparativo

Para comparar proporções foi utilizado o teste de %2 nas modalidades

goodness of fit e tabelas de contingência. Nas tabelas com frequências

reduzidas o programa insere automaticamente a correcção de Yates ou aplica o teste exacto de Fisher.

Na análise comparativa dos resultados das médias das variáveis entre grupos definidos usou-se o teste í de Student para valores não pareados. Em estudos comparativos de dois ou mais grupos de valores foi também seguida a análise de variância unifactorial (ANOVA) expressando-se os resultados, neste caso, em média, erro-padrão da média (EPM) e intervalos

de confiança a 95%. Para comparações múltiplas os valores de p obtidos por ANOVA são corrigidos de um modo automático pelo programa através do método de Newman-Keuls.

Quando apropriado, empregou-se a análise de variância multifactorial que permite o ajustamento em função de variáveis dicotõmicas ou categó- ricas e co-variáveis contínuas, com eventual interferência nos resultados obtidos para a variável em análise.

Para comparação de variáveis não normais empregou-se o teste não paramétrico L/de Mann Whitney ou ANOVA (Kruskal-Wallis).

2.5.3. Estudo de interdependência entre variáveis

No estudo de interdependência entre variáveis seguiu-se a correlação de Spearman, em estudos simples ou múltiplos, e ainda regressões lineares simples ou múltiplas de modo a avaliar por meio de um modelo matemático causal a importância relativa dos diversos parâmetros investigados na predição das principais variáveis dependentes.

No sentido de investigar, dentro das variáveis independentes, aquelas que mais determinam a variância da variável dependente, as regressões múltiplas realizaram-se seguindo um método escalonado stepwise que confere a possibilidade de aferir dentro das variáveis independentes aquelas que permitem observar maiores valores de R2 (percentagem de

variância explicada) e de F (valor F da análise de variância da regressão múltipla) com significado estatístico.

2.5.3.1. Regressão linear logística múltipla

O estudo de regressão múltipla incluindo variáveis dependentes de tipo dicotómico e um painel de variáveis independentes de tipo dicotómico, categórico ou contínuo não é possível no programa STATGRAPHICS (348).

Assim, recorreu-se ao programa SPSS +(347) que confere a possibilidade

de realizar este estudo através de um modelo de regressão logística múltipla com o método forward stepwise. Para tal definiram-se como dependentes as seguintes variáveis dicotõmicas, apresentadas como "con- trastes" : ter ou não ter hipertensão arterial éter ou não ter insuficiência renal e como independentes as múltiplas variáveis investigadas com possível efeito sobre as primeiras.

Capítulo II - Material e Métodos 59

O modelo de regressão logística exprime o efeito d a variável indepen- dente n a dependente através do cálculo do risco relativo (RR, odds ratio) e respectivo intervalo de confiança (95%). O cálculo do RR é sempre feito em referência ao nível m a i s baixo da variável independente.

2.5.3.2. Sensibilidade, especificidade, valorpreditivo positivo, valor

preditivo negativo

Procedeu-se, ainda, em relação à "microproteinúria" e função renal, ao cálculo dos valores referentes à sensibilidade, especificidade, valor preditivo positivo e negativo que se definem do seguinte modo:

• Sensibilidade - proporção de doentes com valores elevados de AU/CU (ou PLRU/CU) e IR, em relação à totalidade de insuficientes renais.

• Especificidade - percentagem de casos com AU/CU (ou PLRU/CU) dentro dos valores normais e função renal normal, relativamente ao total dos indivíduos com normalidade funcional.

• Valor preditivo positivo - percentagem de doentes com IR relativa- m e n t e ã totalidade dos indivíduos com AU/CU (ou PLRU/CU) elevada.

• Valor preditivo negativo - percentagem de casos com função renal normal relativamente ã totalidade com AU/CU (ou PLRU/CU) normal.

Em todas as análises considerou-se como estatisticamente signifi- cativo u m valor de p<0,05.

Os resultados individuais dos parâmetros clínicos, morfológicos e laboratoriais dos grupos I e II definidos neste capítulo estão discriminados no Apêndice.

Apontam-se ainda em Apêndice os resultados obtidos p a r a a s variáveis investigadas em populações-controlo.

RESULTADOS

Os resultados apresentam-se em subcapítulos de acordo com os parâmetros investigados, definidos na metodologia.

Em cada subcapítulo são incluídos os resultados da análise descritiva sumária da variável nele contida bem como, quando apropriado, os resultados dos estudos comparativos entre subgrupos populacionais definidos e ainda estudos de correlação e de interdependência com outras variáveis.