Curso de Bioestatística

(1)

Curso de Bioestatística para

profissionais de saúde.

Aula 0

1: da amos

tra à

tomada de de

cisão

Bráulio RGM Couto

Bráulio RGM Couto (

(bcouto@acad.unibh.br bcouto@acad.unibh.br ))

Belo Horizonte, novembro de 2006

2

2 Cronograma de aulas

Cronograma de aulas

•

• Aula 01 -

Aula 01 -

Metodologia estatística

Metodologia estatística e epidemiológica:

e epidemiológica:

–

– Método estatístico, amostragem, estudos Método estatístico, amostragem, estudos epidemiológicos,epidemiológicos,

valor-p, significância, vícios.

valor-p, significância, vícios. –

– Exercícios de cálculo de tamanho de amostra.Exercícios de cálculo de tamanho de amostra.

•

• Aula 02 -

Aula 02 -

Análise exploratória

de dados e teor

ia de

probabilidades.

–

– Síntese tabular, numérica e gráfica de dados.Síntese tabular, numérica e gráfica de dados.

–

– Introdução àIntrodução àteoria de teoria de probabilidades.probabilidades.

–

– Qualidade de testes diagnósticos: sensibilidade,Qualidade de testes diagnósticos: sensibilidade,

especificidade

especificidade, valores de predição, curva ROC, razão , valores de predição, curva ROC, razão dede

verossimilhança.

–

– Exercícios no Excel.Exercícios no Excel.

COUTO, BRGM

3

3 Cronograma de aulas

Cronograma de aulas

•

• Aula 04

Aula 04 -

-

Análise un

Análise univariada:

ivariada:

–

– Tabelas 2x2, risco Tabelas 2x2, risco relativo e oddsrelativo e oddsratio.ratio. –

– Anál Análise univaise univariadariadano SiSSUno SiSSUe no EpiInfoe no EpiInfo(Stat(StatCalc)Calc).. –

– Construção de bancos de dados no EpiInfo.Construção de bancos de dados no EpiInfo. –

– Validação de bancos de dados no EpiInfo. Validação de bancos de dados no EpiInfo. –

– Anál Análise univariadise univariadaano EpiInfono EpiInfo(anal(analysis).ysis).

•

• Aula 03 -

Aula 03 -

Uso de Estatística

no Controle d

e

Infecções Hospitalares:

–

– Exercícios sobre medidas de freqüência de casos e óbitos deExercícios sobre medidas de freqüência de casos e óbitos de

infecção hospitalar.

–

– Construção de curvas endêmicas noConstrução de curvas endêmicas noSiSSUSiSSU..

COUTO, BRGM

4

4 Referências bibliográficas

Referências bibliográficas

•

HULLEY, SB; CUMMINGS, SR; BROWNER, WS; HULLEY, SB; CUMMINGS, SR; BROWNER, WS; GRADY, D;GRADY, D; HEARST, N; NEWMAN, TB.

HEARST, N; NEWMAN, TB.Delineando a pesquisa Delineando a pesquisa

clínica: uma abordagem

clínica: uma abordagem epidemiológica epidemiológica . ARTMED. ARTMED Editora, 2 ed.,

Editora, 2 ed., Porto Alegre, 2006. 374p.Porto Alegre, 2006. 374p.

•

ALTMAN, DG. ALTMAN, DG.PractPracticalicalStatisStatisticsticsfor Medical Researcfor Medical Research h ..

Chapman

Chapman& Hall, 1& Hall, 1991. 610991. 610p.p.

•

GOULART, EMA.GOULART, EMA.Metodologia e Informática na PesquisaMetodologia e Informática na Pesquisa

Médica

Médica. Belo Horizonte: Editora In. Belo Horizonte: Editora Independente, 2000.dependente, 2000.

•

SOARES, JF; SIQUEIRA, AL.SOARES, JF; SIQUEIRA, AL.IntroIntrodução àdução àEstatEstatísticísticaa Médica

Médica. 2.a ed. Coopmed. 2.a ed. CoopmedEditora Médica. Belo HorizEditora Médica. Belo Horizonte,onte,

2002.

COUTO, BRGM

5

5 Softwares usados durante o curso

Softwares usados durante o curso

•

• Microsoft Excel

Microsoft Excel

•

• EpiInfo

EpiInfo

•

• SiSSU

SiSSU

COUTO, BRGM COUTO, BRGM

6

6 Filosofia de trabalho: pesquisa

Filosofia de trabalho: pesquisa

quantitativa

Quando podemos medir aquilo sobre

o qual falamos e

o qual falamos e podemos podemos

expressar o que falamos por meio

de números, sabemos algo sobre

o assunto.

Quando não podemos medir nem

expressar por meio de números,

noss

nosso saber éo saber éfracfraco e o e

insatisfatório.

(2)

(3)

COUTO, BRGM

7 “

“M

Mé

étodo Cient

todo Cientí

í fico

fico”

”

1. Estabelecer um objetivo 2. Apresentar “material e métodos” 3. Obter “resultados”

4. Discutir os resultados obtidos 5. Concluir o estudo . . . e

0 Fazer uma introdução sobre o problema:

– revisão da literatura – justificativa para o “projeto”

COUTO, BRGM

8 Filosofia do trabalho cient

Filosofia do trabalho cient í

í fico:

fico:

busca de evidências concretas

1. Objetivo = “fazer uma pergunta”

2. Metodologia = “propor um método para obter a resposta da pergunta feita”;

3. Resultados = “aplicar o método e obter dados sobre o problema”;

4. Discussão = “interpretar os dados coletados, comparando o resultado obtido com outros publicados na literatura”;

5. Conclusão = “responder à pergunta” e

COUTO, BRGM

9 Primeiros passos

Primeiros passos

•

Objetivos da pesquisa:

– identificar um problema que requer solução;

– coletar dados;

– fundamentar a açãode curto, médio ou longo prazo.

Se a necessidade é a mãe da invenção, a

percepção dos problemas que nos cercam é

a mãe da pesquisa !

COUTO, BRGM

10 Grandes passos

Grandes passos

1

Identificar o tópico problemático ou duvidoso;

A revisão da literatura é o primeiro passo da

pesquisa . . . muitas vezes a única e

fundamental etapa na busca por respostas !

2

Fazer uma revisão sistemática da literatura

– se a literatura apresentar solução “convincente”: implementar as medidas recomendadas para o problema;

– se a revisão da literatura for insuficiente, avaliar a possibilidade de realizar estudo próprio.

COUTO, BRGM

11 As decisões devem ser

As decisões devem ser

baseadas, no m

baseadas, no mí

í nimo em

nimo em

•

Revisão da literatura:

– os dados que sustentarão a decisão são obtidos por outra pessoa !!

– as etapas do “projeto” continuam valendo

• introdução, com motivação e justificativa • objetivos • material e métodos • discussão • conclusão COUTO, BRGM

12 Revisão sistem

Revisão sistemá

ática da

tica da

literatura:

literatura: “

“meta an

meta aná

álises

lises”

”

• Definir os objetivos da pesquisa:

– estabelecer as perguntas a serem respondidas; – escolherpalavras-chaverelacionadas com a pesquisa

• Metodologia: definir as fontes da pesquisa

– Teses e relatórios técnicos:

www.google.com,www.altavista.com,www.todobr.com.br www.scholar.google.com

– Revistas indexadas:

www.pubmed.gov, www.scielo.br, www.bireme.br – Guidelines:

(4)

(5)

COUTO, BRGM

13 Referências bibliogr

Referências bibliográ

áficas:

ficas:

biblioteca

biblioteca Cochrane

Cochrane

•

Biblioteca Cochrane:

www.bireme.br/cochrane

– Revisões Sistemáticas: 3058

– Resumos de Revisões sobre Efetividade: 4123 – Registro de Ensaios Controlados : 375143 – Revisões sobre Metodologia: 16 – Referências da Metodologia Cochrane: 4617 – Avaliação de Tecnologias em Saúde: 3178 – Avaliação Econômica da NHS: 11787

COUTO, BRGM

14 Realiza

Realizaç

ção de

ão de “

“estudos

estudos

pr

pró

óprios

prios”

”

•

Avaliar tipos de estudos epidemiológicos

•

Entender o método estatístico

•

Avaliar aspectos éticos

COUTO, BRGM

15 Fases da pesquisa

Fases da pesquisa

1. A idéia

2. A pesquisa bibliográfica

3. A seleção dos artigos

4. A formulação do problema

5. O enunciado das hipóteses

6. Planejamento da metodologia

COUTO, BRGM

16 Fases da pesquisa

Fases da pesquisa

7. Análise ética

8. A provisão de recursos

9. Coleta de dados

10. Análise dos dados

11. Formulação das conclusões

12. Divulgação dos resultados

17

Estudos Experimentais Estudos Experimentais Estudos Experimentais Estudos Experimentais Estudos de Interven Estudos de Interven Estudos de Interven Estudos de Intervenççççãoãoãoão

Estudos Não Experimentais Estudos Não Experimentais Estudos Não Experimentais Estudos Não Experimentais Estudos Observacionais Estudos ObservacionaisEstudos Observacionais Estudos Observacionais Investigador Investigador Investigador Investigador ATIVO ATIVO ATIVO

ATIVO Investigador Investigador Investigador Investigador PASSIVOPASSIVOPASSIVOPASSIVO

Com controle sobre Com controle sobre Com controle sobre Com controle sobre

a exposi a exposi a exposi

a exposiççãoççãoãoão Sem controle sobreSem controle sobreSem controle sobreSem controle sobrea exposia exposiça exposia exposiçççãoãoãoão

18

Estudos Observacionais Estudos Observacionais Estudos Observacionais Estudos Observacionais Coorte Coorte Coorte Coorte Caso Caso Caso

Caso----ControleControleControleControle

Transversal Transversal Transversal Transversal Compara Compara Compara Comparaççççãoãoãoão de Efeito de Efeito de Efeito de Efeito Compara Compara Compara Comparaççção deção deão deão de Exposi Exposi Exposi Exposiççççãoãoãoão

Exposi Exposi Exposi

Exposiçççção e efeitoão e efeitoão e efeitoão e efeito avaliados em um avaliados em um avaliados em um avaliados em um mesmo momento mesmo momento mesmo momento mesmo momento

(6)

(7)

19

Estudo EstudoEstudo Estudo Prospectivo ProspectivoProspectivo Prospectivo Estudo Estudo Estudo Estudo Retrospectivo RetrospectivoRetrospectivo Retrospectivo Planejamento do estudo e Planejamento do estudo e Planejamento do estudo e Planejamento do estudo e registro da exposi registro da exposiregistro da exposi registro da exposiççççãoãoãoão antes do evento resposta antes do evento resposta antes do evento resposta antes do evento resposta (efeito) ser aparente (efeito) ser aparente (efeito) ser aparente (efeito) ser aparente

Planejamento do estudo Planejamento do estudo Planejamento do estudo Planejamento do estudo ap apap

apóóóós a ocorrência dos a ocorrência dos a ocorrência dos a ocorrência do evento resposta (efeito) evento resposta (efeito)evento resposta (efeito) evento resposta (efeito)

COUTO, BRGM

20 Ensaios clínicos: estudos

de intervenção

21 Estudos de Intervenção

•

Alocação aleatória em diferentes grupos de

exposição

•

Controle de exposição ao fator de interesse

pelo investigador

22 Estudos de Intervenção

•

Eixo da unidade de pesquisa

– Ensaios clínicos (indivíduo)

• Profiláticos (ex.: Ensaios de campo de vacinas) • Terapêuticos

– Ensaios de comunidade

• Ex.: fluoração da água e incidência de cáries

COUTO, BRGM

23 Estudos de Intervenção

•

Controlados (com grupo controle: tratamento

convencional ou s/ tratamento)

– Randomizados (padrão de referência)

– Não randomizados ( --> viés de indicação)

•

Não controlados (s/ grupo controle)

– Todos os indivíduos recebem a intervenção

(estudo descritivo !!)

24 Ensaios clínicos controlados

randomizados

•

Estudo prospectivo

•

Grupo experimental X Grupo controle

•

Distribuição do fator de intervenção através

de técnica de randomização

•

Pode-se referir a fármacos, técnicas ou

(8)

(9)

25 Ensaios Clínicos com drogas

Fases da experimentação

•

Fase I

– Ensaios de farmacologia clínica e toxicidade – Primariamente relacionados a segurança e não a

eficácia

– Geralmente realizados c/ voluntários normais – Principal objetivo: determinar uma dose aceitável

da droga (s/ efeitos colaterais)

– Também envolve estudos de metabolismo e biodisponibilidade

– 20 a 80 indivíduos

26

•

Fase II

– Estudos iniciais de eficácia em pacientes

– 100 a 200 pacientes

Ensaios Clínicos com drogas

Fases da experimentação

COUTO, BRGM

27

•

Fase III

– Avaliação em larga escala do tratamento

– Comparação com tratamentos padrão disponíveis

para a mesma condição

Ensaios Clínicos com drogas

Fases da experimentação

28

•

Fase IV

– Vigilância pós-comercialização

– Monitoramento de eventos adversos

– Estudos a longo prazo de morbidade e

mortalidade

Ensaios Clínicos com drogas

Fases da experimentação

29

•

Importância da indústria farmacêutica

•

Duração de um programa inteiro de pesquisa:

7 a 10 anos !!!

Ensaios Clínicos com drogas

Fases da experimentação

30 Randomização

•

Determinantes conhecidos e não conhecidos

do evento de interesse são distribuídos de

forma semelhante entre os grupos tratados e

controle

– Simples – Em blocos – Pareada – Estratificada – Por minimização

(10)

(11)

COUTO, BRGM

31 A metodologia Estatística

COUTO, BRGM

32 Etapas da análise estatística

n

Cálculo do tamanho da amostra (n) e amostragem dos

dados, quando necessário.

n

Confecção do banco de dados:

–Epiinfo

n

Análise descritiva:

–conferência do banco de dados e conhecimento de todas as variáveis do estudo.

n

Análise univariada:

–resposta dos cruzamentos de interesse.

n

Análise multivariada:

–regressão linear múltipla, regressão logística, etc.

COUTO, BRGM

33 Confecção do banco de

dados

Programas

n

EPI INFO

n

Access

n

Excel

Vari Variááveis:veis: 1)

1) Padronizar as variPadronizar as variááveis contveis contí í nuasnuas Ex: tempo da cirurgia (minutos) Ex: tempo da cirurgia (minutos) 2)

2) Codificar variCodificar variááveis categveis categóóricasricas (1)

(1) óóbito e (0) nãobito e (0) não óóbitobito 3)

3) Datas dd/mm/Datas dd/mm/aaaaaaaa 4)

4) Evitar questões abertasEvitar questões abertas 5)

5) Colocar opColocar opçções no banco de dados.ões no banco de dados.

COUTO, BRGM

34 Vieses, vícios, erros sistemáticos

•

Vício

é definido como qualquer tendência na

coleta, análise, interpretação, publicação ou

revisão de dados que podem levar a

conclusões que são sistematicamente

diferentes da verdade !

– É um processo que distorce os achados de uma

pesquisa.

COUTO, BRGM

35 Erros sistemáticos x Erro amostral

•

Não confundir vício com erro amostral.

–

Erro amostral:

ocorre quando tomamos uma

decisão sobre toda uma população, com base em

resultados observados numa amostra.

COUTO, BRGM

36 População alvo, população amostrada

e amostra

População alvo do est udo

População amostrada

Amostra

(12)

(13)

COUTO, BRGM

37 A inevitabilidade do erro amostral

•

Mesmo se todos os vícios (erros sistemáticos)

forem removidos do processo inferencial, esta

passagem de amostra para população estará

associada a um certo grau de imperfeição e,

consequentemente, a uma probabilidade de

erro (aleatório)

.

COUTO, BRGM

38 Como o erro amostral é

“controlado”

•

O erro amostral é controlado pelo

valor-p

e

pelos

intervalos de confiança

.

– Na verdade, não é exatamente o erro amostral

que é controlado, mas a sua probabilidade de

ocorrência.

– Como reduzir o erro amostral ?

• Aumentando o tamanho da amostra !!

COUTO, BRGM

39 Teste de Hip

Teste de Hipó

ótese

tese

Teste de significância Cálculo do “valor-p”

Hipótese A: a população de pacientes do cirurgião A tem maior risco de infecção cirúrgica (SSI) do que o aceito pela literatura.

Hipótese estatística:

- é uma afirmação que se faz sobre uma ou mais populações; - é uma afirmação feita sobre um dos parâmetros da de cada população investigada.

Hipótese A: a proporção de SSI do cirurgião A é maior que a proporção preconizada pela literatura.

COUTO, BRGM

40 Defini

Definiç

ção das Hip

ão das Hipó

óteses

teses

Hipótese alternativa -H1: a proporção de SSI do cirurgião A éDIFERENTEda proporção preconizada pela literatura. Hipótese nula -H0: a proporção de SSI do cirurgião A é

IGUALà proporção de SSI preconizada pela literatura.

COUTO, BRGM

41 Teste de Hip

Teste de Hipó

ótese

tese

Do ponto de vista técnico um teste de

hipótese é um processo de tomada de

decisão do tipo:

decidir entre

H0

ou

H1

com base em evidências amostrais.

Paralelo entre teste de hipótese e decisão de um juri no julgamento de um réu:

o juri deve decidir entreinocênciaouculpade um réu com base em evidências do inquérito. H₀

: O réu é INOCENTE

H₁

: O réu é CULPADO

COUTO, BRGM

42 Exemplo do Cirurgião A

Exemplo do Cirurgião A

As hipóteses nula e alternativa representam sempre a situação

(Inocente X Culpado),

só que para a estatística o réu é considerado, de uma forma genërica, um fator de exposição qualquer, que está sendo investigado.

Hipótese alternativa -H1: a proporção de SSI do cirurgião A éDIFERENTEda proporção preconizada pela literatura. (“CULPA”)

Hipótese nula -H0: a proporção de SSI do cirurgião A é

IGUALà proporção de SSI preconizada pela literatura.

(14)

(15)

COUTO, BRGM

43 Decisão escolhida

Decisão escolhida versus

versus

Situa

Situaç

ção real

ão real

A rejeição ou não rejeição deH0necessita de uma regra ou critério de d ecisão,

- baseada num modelo estatístico específico para cada situação estudada -Teste t-student, teste qui-qudardo, teste exato de Fisher, teste . . . Situação REAL (desconhecida)

O réu é INOCENTE O réu é CULPADO

Decisão TOMADA: Rejeitar H0 NÃO Rejeitar H0 Decisão ERRADA

(erro tipo I)

Decisão ERRADA (erro tipo II) Decisão correta Decisão correta

COUTO, BRGM

44 Exemplos de testes estatísticos

•

Neste testes, os grupos a serem comparados são

escolhidos de forma independente um do outro.

•

Estes testes são típicos de análise univariada.

COUTO, BRGM

45 Exemplos de testes estatísticos

COUTO, BRGM

46 Objetivo da regra de decisão

Objetivo da regra de decisão

Rejeitar ou não rejeitar a hipótese nula ou de “inocência” (H0)

de tal forma a MINIMIZAR os ERROS de d ecisão - PROBLEMA: a regra de decisão consegue controlar somente um ERRO

Conseqüências de cada tipo de ERRO: Situação REAL (desconhecida)

O réu é INOCENTE O réu é CULPADO

Decisão TOMADA: Rejeitar H0 NÃO Rejeitar H0 Decisão ERRADA

(erro tipo I)

Decisão ERRADA (erro tipo II)

COUTO, BRGM

47 Erros de decisão

Erros de decisão

ERRO TIPO IàRejeitar a hipótese nula quando,

na verdade, esta é a hipótese verdadeira !

ERRO TIPO IIàNão Rejeitar a hipótese nula quando, na verdade, esta hipótese é falsa !

Condenar um inocente.

Inocentar um culpado. Todos nós somos inocentes, a não ser que "alguém" prove o contrário !

COUTO, BRGM

48 Teste de Hip

Teste de Hipó

ótese

tese

A hipótese nula é sempre considerada como

verdade, até que se prove o contrário.

Cabe ao pesquisador o ônus da prova d e que, por exemplo, uma variável é fator de risco para infecção.

Esta afirmação é muito forte, pois ela implica na pré-suposição de que qualquer variável, ou fator de exposição de um modo geral, não

está associada à infecção hospitalar, por exemplo, a não ser que os dados d e um estudo mostrem

(16)

(17)

COUTO, BRGM

49 Cadê o valor

Cadê o valor--p ?

p ?

Valor-p:

é uma medida da probabilidade de

se cometer o Erro I.

O valor-p mede a probabilidade dos resultados observados no estudo serem devidos simplesmente ao acaso.

Quantomenor o valor-p, mais evidências se tem para rejeitar a hipótese nula, ou seja, para se afirmar que o fator estudado

está realmente associado com a variável resposta investigada.

COUTO, BRGM

50 Valor

Valor--p ?

p ?

O que é um valor-p “pequeno” ? Quantomenor o valor-p, mais evidências se tem para rejeitar a hipótese nula, ou seja, para se afirmar que o fator estudado

está realmente associado com a variável resposta investigada.

1ª resposta:definir um NÍVEL DE SIGNIFICÂNCIA para o seu estudo

Nível de significância =

α = 0,05 (5%) Regra de decisão:

Sevalor-p ≤≤≤ 0,05≤

então rejeitar H0 = “resultado significativo” !

COUTO, BRGM

51 Regra de Decisão Baseada

Regra de Decisão Baseada

no Valor

no Valor--p ?

p ?

1º) Calcular o valor-p através de algum

teste estatístico

2º) Definir o nível de significância:

α = 0,05 (5%)

3º) Decidir

Se

valor-p≤≤≤≤0,05

então Rejeitar H0 = “

resultado significativo

”

senão Não rejeitar H0

COUTO, BRGM

52 Problema com a Regra de

Problema com a Regra de

Decisão Anterior

1º) Calcular o valor-p através de algum

teste estatístico: p = 0,065

2º) Definir o nível de significância:

α = 0,05 (5%)

3º) Decidir

p = 0,065 >

0,05

então “

resultado não é significativo

” ?

Não se pode dar tanto poder a um simples número ! ! !

COUTO, BRGM

53 Regra de Decisão

Regra de Decisão

Valor-p INTERPRETAÇÃO DAHIPÓTESE NULA DIFERENÇA OBSERVADAINFERÊNCIA SOBRE A < 0.05 Quase certo de ser falsa Improvável de ser devido ao

acaso 0.05 |-- 0.10 Provavelmente não é verdade Provavelmente não é devido

ao acaso 0.10 |-- 0.20 Possivelmente não é verdade Possivelmente não é devido ao

acaso

≤0.20 Quase certo de ser verdade Provavelmente é devido ao acaso

COUTO, BRGM

54 Análise Univariada

Como calcular o valor

Como calcular o valor--p:

p:

teste estat

teste estatí

í sticos

sticos

(18)

(19)

COUTO, BRGM

55 Significância estatística versus

significância prática

•

Não se pode afirmar que um estudo com

valor-p < 0,001

é mais significativo que

outro estudo com

p = 0,03

.

– O valor-p mede a significância estatística, que

depende da amostra (n).

– A significância prática (clínica) depende do

tamanho das diferenças ou do efeito observado

no estudo.

COUTO, BRGM

56 Significância estatística versus

significância prática

•

Um estudo pode ser significativo, do ponto de

vista estatístico, e

irrelevante

, do ponto de

vista prático.

www.junkscience.com

www.jir.com

COUTO, BRGM

57 Significância estatística versus

significância prática

•

Com tamanho de amostra pequeno (

pouco

poder estatístico

), você pode se deparar

com uma verdadeira relação entre fatores e

variáveis.

•

Com excesso de poder (

amostras grandes

)

você pode encontrar uma diferença

microscópica, sem qualquer valor prático.

COUTO, BRGM

58 Estudos baseados em amostras

pequenas

•

Cuidado:

estudos que concluem que “não há

diferença significativa” entre os grupos

comparados são extremamente vulneráveis

ao tamanho da amostra.

•

É mais fácil comprovar a diferença do que a

igualdade:

– Os testes estatísticos são muito conservadores,

protegem a igualdade a todo custo !

COUTO, BRGM

59 Estudos cujo objetivo é “provar” a

igualdade

• Exemplo:

experimentos clínicos multicêntricos de

avaliação de novos antibióticos

•

Objetivo: mostrar que o ATB novo é tão bom quanto

o concorrente (equivalência).

•

Equivalência usual:

±

15%

– Sucesso no tratamento do ATB A: 70%

– O tamanho da amostra é calculado de modo que, se o ATB B tiver um sucesso entre 55% e 85%, ele será

considerado equivalente ao concorrente.

COUTO, BRGM

60 Vacina de poliomielite: exemplo de

estudo com amostras pequenas

•

Em uma comunidade, 450 crianças foram

vacinadas e 680 ficaram sem vacina.

– Nenhuma das crianças vacinadas contraiu pólio.

– Nenhuma das outras também !

–

Conclusão:

a vacina não funciona ! ! !

– Oops: e a baixa incidência de pólio paralizante ?

(20)

(21)

COUTO, BRGM

61 Como medir a significância prática

•

Calcular

intervalos de confiança

para:

– Diferença entre taxas ou proporções

–

Odds ratio

e risco relativo

– Diferença entre médias

– Coeficiente de correlação

– Coeficientes de regressão

– Fração etiológica

COUTO, BRGM

62

•

Inferência: conclusões tiradas da “parte para o

todo”

– Inferência estatística: tomada de decisões com base

em dados colhidos de uma amostra (pequena parte

estudada do grupo como um todo)

– O pesquisador precisa tomar a decisão se os resultados encontrados com a amostra são válidos para toda a população (se é possível realizar inferências da amostra para a população). Para isso, irá conduzir testes estatísticos

Funções da estatística:

tomada de decisões

(estatística inferencial)

COUTO, BRGM

63 Funções da estatística:

descrição e tomada de decisões

Estatística d escritiva Estatística inferencial População Amostra Amostra COUTO, BRGM

64

Método Estatístico

•

Estatística: descritiva e/ou inferencial

•

Estatística descritiva:

– síntese numérica, tabular e gráfica

•

Estatística inferencial:

–

objetivo:

avaliar os dados e tomar uma decisão

considerando o

erro amostral

– cálculo de intervalos de confiança

– teste de hipóteses (cálculo do

valor-p

)

COUTO, BRGM

65 Estudos de caso

COUTO, BRGM

66 Eficácia do DuraPrep:

• Total de pacientes cirúrgicos estudados: 399

• Período: março a julho de 2003

Convencional 49% (196) Duraprep 51% (203)

(22)

(23)

COUTO, BRGM

67 Resumo do estudo

• Características dos pacientes estudados:

– Sexo:

M = 173 (43%); F = 226 (57%)

– Idade (anos):

min = 10; max = 91; media = 55

– Tempo cirúrgico (minutos):

min = 40; max = 600 (10 h); media = 210 (3,5 h)

– Potencial de contaminação:

L = 338 (85%); PC = 45 (11%); C = 13 (3%); I = 3 (1%)

– Tricotomia:

tricotomizador = 207 (52%) nenhuma = 192 (48%) COUTO, BRGM

68 Infecção do sitio cirúrgico

• Analise univariada:

COUTO, BRGM

69 Infecção do sitio cirúrgico

• Risco de infecção conforme potencial de

contaminação da ferida operatória:

31% (4/13) 9% (4/45) 6% (20/238) 67% (2/3) 0% 10% 20% 30% 40% 50% 60% 70% Limpa Potencialmente contaminada Contaminada Infectada R i s c o d e i n f e c c a o Obs.: valor-p < 0,001 COUTO, BRGM

70 Infecção do sitio cirúrgico

• Risco de infecção conforme a duração da cirurgia:

9,8% (21/214) 7,0% (8/115) 1,4% (1/70) 0% 2% 4% 6% 8% 10% 12% A te 2 h ora s A ci ma de 2 e at e 3 ho ra s A ci ma de 3 h or as Duracao da cirurgia R i s c o d e i n f e c c a o Obs.: valor-p = 0,023

71 DuraPrep versus Convencional

• Risco de infeccao ajustado pela duracao da cirurgia:

Ate 2 horas de cirurgia:

Acima de 2 e ate 3 horas de cirurgia:

Acima de 3 horas de cirurgia:

COUTO, BRGM

72 Resultado final

• O estudo confirmou a importância do

potencial de contaminação e da duração da

cirurgia como fatores de risco para infecção

cirúrgica.

• O uso de DuraPrep é fortemente

de 3 horas de duração.

(24)

(25)

COUTO, BRGM

73 Coleta de dados:

amostragem

COUTO, BRGM

74 População alvo do estudo

•

Conjunto de indivíduos sobre o qual recairão todas

as generalizações das conclusões obtidas no estudo.

•

Se a “população alvo” for pequena é razoável

observá-la por inteiro, através de um censo.

•

Na maioria dos estudos tal censo é inviável, devido

aos altos custos associados:

– uma pequena, mas CUIDADOSAMENTE escolhida

amostra pode ser usada para representar a

população.

COUTO, BRGM

75 População alvo, população amostrada

e amostra

População alvo do est udo

População amostrada Amostra Inferência COUTO, BRGM

76 Processos de amostragem

•

Amostra probabilística:

– existe uma garantia, em termos de probabilidade, de

que qualquer membro da população possa ser

selecionado para amostra.

– Neste caso é possível o cálculo do erro amostral !

•

Amostra não-probabilística:

– os elementos da amostra não são escolhidos de uma

maneira probabilística, isto é, usando um esquema de

sorteio.

– Neste caso, o erro amostral é desconhecido.

COUTO, BRGM

77 Tipos de amostra possíveis

COUTO, BRGM

78 Cálculo do tamanho de amostra

•

O erro amostral (E0) é uma medida do grau com que

uma amostra pode diferir da população.

•

Para survey envolvendo cálculos de percentuais em

populações grandes, o erro amostral pode ser obtido

pela expressão aproximada:

– onde n é o tamanho da amostra.

n

E

0≈100 2 0) ( 10000 E n ≈

(26)

(27)

COUTO, BRGM

79 Cálculo do tamanho de amostra

•

O pesquisador define o erro amostral (E0) aceitável

e calcula o tamanho da amostra necessária:

COUTO, BRGM

80 Tamanho de amostra para populações

finitas

•

Para populações com tamanho finito (N < 300.000)

deve-se corrigir o tamanho da amostra:

– N é o tamanho da população,

– n é o tamanho da amostra, calculado anteriormente.

n N n N

n

corrigido ₊ × = COUTO, BRGM

81 ““Eu,

Eu, Coelet

Coelet, fui rei de Israel em

, fui rei de Israel em

Jerusal

Jerusaléém. Eu resolvi pesquisar e

m. Eu resolvi pesquisar e

investigar com sabedoria tudo o

que acontece debaixo do sol.

Essa

Essa éé uma tarefa penosa que

uma tarefa penosa que

Deus entregou aos homens,

para com ela ficarem

ocupados

ocupados””..

ECLES

ECLESÍ Í ASTES, 1: 12ASTES, 1: 12--13.13.