DADOS DO PROJETO QUE FORAM CONSIDERADOS PARA A REALIZAÇÃO DO CÁLCULO AMOSTRAL
2.2. OBJETIVOS ESPECÍFICOS
- Descrever as características sócio demográficas e clínicas dos participantes do estudo; - Calcular a incidência das lesões de pele encontradas na amostra do estudo;
- Verificar a existência de associação dos marcadores clínico-laboratoriais de perfusão com a perda da integridade tissular e da pele na amostra do estudo;
- Estimar a sobrevida de pacientes e identificar os fatores prognósticos associados a perda da integridade da pele e da morte dos indivíduos internados na UTI onde acontecerá o campo do estudo.
METODOLOGIA
3.5.1 Variável resposta
Serão observadas duas variáveis principais (dependente ou resposta), a primeira corresponde ao tempo decorrido desde a admissão na UTI até a ocorrência lesões - Dermatite associada a Incontinência (DAI), Lesões por fricção (LF), Falência da pele (FP), Úlceras Terminais Kennedy (UTK) e as Úlceras por Pressão (UP). A segunda variável dependente investigada corresponde ao tempo decorrido desde a ocorrência das lesões sacrais até o óbito na UTI, ou até a ocorrência de um evento que configure a perda da observação.
2
(COLOSIMO E GIOLO, 2006) ou análise de sobrevida, como é mais conhecida no campo da saúde (CARVALHO et al., 2011). Nesta metodologia, o objeto de interesse, ou a variável principal (dependente ou resposta) é o tempo de sobrevida, e se analisa “o tempo até a ocorrência de um evento ou o risco de ocorrência de um evento por unidade de tempo” (CARVALHO et al, 2011, p.33), este tempo é denominado “tempo de falha”, que é medido até a ocorrência do evento de interesse – a morte do paciente, ou ainda a cura ou recidiva de uma doença.
Após a análise do tempo de sobrevida dos pacientes, será então realizada uma modelagem dos dados, ou seja, serão ajustadas curvas de sobrevida segundo os fatores de risco identificados como associados ao tempo de sobrevida (CARVALHO et al., 2011). Com a construção de um modelo de sobrevida – modelo causal, pretende-se descrever força da incidência das lesões em função das variáveis explicativas, procurando conhecer o efeito das co-variáveis selecionadas e suas interações, no tempo de sobrevida dos pacientes, retirados os confundimentos (CARVALHO et al., 2011 LOUZADA NETO, PEREIRA 2000; BUSTAMENTE-TEIXEIRA, FAERSTEIN, LATORRE, 2002). Para esta modelagem será utilizado o Modelo de Cox.
3
Dados sobra a incidência de lesões de pele (revisão de literatura):
CAMPANILI, Ticiane Carolina Gonçalves Faustino. Incidência de Ulcera por Pressão e de Lesão por fricção em pacientes de unidade de Terapia intensiva cardiopneumológica. 2014. 100p. Dissertação de Mestrado. Escola de Enfermagem da USP. São Paulo.
4
Medidas de Hazard Ratio para fatores de risco para lesões de pele: Em geral parece que 1.5 é o padrão para os principais fatores de risco – usando o Modelo de Cox
5
Fonte: COLEMAN (2013)
Usando o STATA que referencia os artigos que também envio em anexo:
Obs.: Tela exemplo da aplicação do cálculo no STATA.
Hazard ratio (estimativa dos artigos de revisão): 1.5
Sem informação da variabilidade usado o padrão (0.5)
6
Incidência % n Eventos
Ribeirão Preto 6 meses (2008) 62,5 306 191
15 meses SP (2009) 37,03 516 191
6 meses SP (2011) 11,1 1.701 191
2 meses BH (2010) 28 683 191
3 meses PI (2013) 29,03 658 191
Dados UP do banco de dados (24 meses) 138/502=0,2749 695 191
Dados dos óbitos do banco de dados (24 meses) 134/502=0,2669 716 191
4 meses PE (2014) 18,8 1.016 191
SP 2014 7,02 273 191
Estimativa de óbitos 4,59% 4.161 151
Obs: Ver anexo1
Conclusão: O número mínimo de falhas para a modelagem é de 191 unidades
Cálculo usando o programa PASS
Incidência
Poder n Log(HR): Log (1,5) (SD)X1 (P) (R2) Alfa Beta
0,800 1.389 0,4055 0,50 0,275 0,500 0,050 0,1999 0,801 348 0,4055 1,00 0,275 0,500 0,050 0,1991 0,900 1.859 0,4055 0,50 0,275 0,500 0,050 0,1000 0,900 465 0,4055 1,00 0,275 0,500 0,050 0,0998 0,800 1.273 0,4055 0,50 0,300 0,500 0,050 0,2000 0,801 319 0,4055 1,00 0,300 0,500 0,050 0,1991 0,900 1.705 0,4055 0,50 0,300 0,500 0,050 0,0998 0,901 427 0,4055 1,00 0,300 0,500 0,050 0,0993 Obs: Ver anexo 2.
7
Cox Regression Power Analysis
Cox Regression Power Analysis
Conclusão: o n mínimo para a modelagem é de 348, considerando a proporção de UP na base de dado dos prontuários.
8
O tamanho da amostra deve ser de 348, porém para a análise de sobrevida é necessário no mínimo de falhas de 191 unidades.
Descrição do cálculo amostral
O cálculo do tamanho da amostra levou em consideração a metodologia proposta para análise dos dados, ou seja, uma análise de sobrevida seguida de uma modelagem segundo a regressão de Cox. Para o cálculo utilizou-se uma confiança de 0,05 e um poder de 0,80. Utilizou-se uma Hazard Ratio (HR=1,5) do estudo de Perneger (2002), uma estimativa da incidência retirada do sistema de prontuários do serviço de saúde onde serão selecionados os participantes do estudo (28%), um desvio padrão (SD=0,5) e um R2(0,5) mais conservadores devido à ausência de estimativas
disponíveis na literatura.
Utilizaram-se para os cálculos do número mínimo de eventos de interesse (UP e óbitos), nos programa Data Analysis and Statistical Software - STATA 12 (http://www.stata.com ) e o número mínimo de participantes para a modelagem calculado numa versão trial do programa PASS14 sample size (http://www.ncss.com/software/pass ), os dois programas utilizaram as metodologias de cálculo propostas por HSIEH et al (2000) e Schoenfeld (1983).
O número mínimo de eventos de interesse UP calculado foi de 191 pacientes e o tamanho da amostra para a modelagem segundo a Regressão de Cox é de 348 pacientes.
Referência:
PERNEGER, Thomas V. et al. Screening for pressure ulcer risk in an acute care hospital: development of a brief bedside scale. Journal of clinical epidemiology, v. 55, n. 5, p. 498-504, 2002.
HSIEH, F. Y., and P. W. Lavori. 2000. Sample-size calculations for the Cox proportional hazards regression model with nonbinary covariates. Controlled Clinical Trials 21: 552-560.
SCHOENFELD, D. A. 1983. Sample-size formula for the proportional-hazards regression model. Biometrics 39: 499-503.
9
Cálculo no STATA com dados do banco de dados (24 meses) do estudo
N = 695 E = 191
Estimated number of events and sample size: Pr(event) = 0.2749
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
Estimated sample size for Cox PH regression
N = 716 E = 191
Estimated number of events and sample size: Pr(event) = 0.2669
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
Estimated sample size for Cox PH regression
N = 4161 E = 191
Estimated number of events and sample size: Pr(event) = 0.0459
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
10
N = 273 E = 191
Estimated number of events and sample size: Pr(event) = 0.7020
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
N = 1016 E = 191
Estimated number of events and sample size: Pr(event) = 0.1880
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
Estimated sample size for Cox PH regression
N = 658 E = 191
Estimated number of events and sample size: Pr(event) = 0.2903
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
Estimated sample size for Cox PH regression
N = 306 E = 191
Estimated number of events and sample size: Pr(event) = 0.6250
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
11
N = 516 E = 191
Estimated number of events and sample size: Pr(event) = 0.3703
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
N = 1721 E = 191
Estimated number of events and sample size: Pr(event) = 0.1110
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
Estimated sample size for Cox PH regression
N = 683 E = 191
Estimated number of events and sample size: Pr(event) = 0.2800
power = 0.8000 sd = 0.5000 b1 = 0.4055
alpha = 0.0500 (two sided) Input parameters:
Ho: [b1, b2, ..., bp] = [0, b2, ..., bp] Wald test, log-hazard metric
12 **************************************** REPORT FOR EVALUATION ONLY
*****************************************
This report is for evaluation purposes only. Visit our website at http://www.ncss.com/pass for more information about purchasing a valid license for PASS.
Your trial will expire in 7 days, on 07/09/2015.
*************************************************************************************************************************** *******
Cox Regression Power Analysis Numeric Results
R-Squared
Sample Reg. S.D. Event X1 vs Two-
Size Coef. of X1 Rate Other X's Sided
Power (N) (B) (SD) (P) (R2) Alpha Beta
0,80011 1389 0,4055 0,5000 0,2750 0,5000 0,05000 0,19989 0,80095 348 0,4055 1,0000 0,2750 0,5000 0,05000 0,19905 0,90000 1859 0,4055 0,5000 0,2750 0,5000 0,05000 0,10000 0,90016 465 0,4055 1,0000 0,2750 0,5000 0,05000 0,09984 0,80003 1273 0,4055 0,5000 0,3000 0,5000 0,05000 0,19997 0,80095 319 0,4055 1,0000 0,3000 0,5000 0,05000 0,19905 0,90016 1705 0,4055 0,5000 0,3000 0,5000 0,05000 0,09984 0,90066 427 0,4055 1,0000 0,3000 0,5000 0,05000 0,09934 References
Hsieh, F.Y. and Lavori, P.W. 2000. 'Sample-Size Calculations for the Cox Proportional Hazards Regression Model
with Nonbinary Covariates', Controlled Clinical Trials, Volume 21, pages 552-560.
Schoenfeld, David A. 1983. 'Sample-Size Formula for the Proportional-Hazards Regression Model', Biometrics,
Volume 39, pages 499-503.
Report Definitions
Power is the probability of rejecting a false null hypothesis. It should be close to one. N is the size of the sample drawn from the population.
B is the size of the regression coefficent to be detected SD is the standard deviation of X1.
P is the event rate.
R2 is the R-squared achieved when X1 is regressed on the other covariates. Alpha is the probability of rejecting a true null hypothesis.
Beta is the probability of accepting a false null hypothesis. Summary Statements
A Cox regression of the log hazard ratio on a covariate with a standard deviation of 0,5000 based on a sample of 1389 observations achieves 80% power at a 0,05000 significance level to detect a regression coefficient equal to 0,4055. The sample size was adjusted since a multiple regression of the variable of interest on the other covariates in the Cox regression is
expected to have an R-Squared of 0,5000. The sample size was adjusted for an anticipated event rate of 0,2750.
13
15 **************************************** REPORT FOR EVALUATION ONLY
This report is for evaluation purposes only. Visit our website at http://www.ncss.com/pass for more information about purchasing a valid license for PASS.
Your trial will expire in 7 days, on 07/09/2015.