Curso de Bioestatística para
Curso de Bioestatística para
profissionais de saúde.
profissionais de saúde.
Aula 0
Aula 0
1: da amos
1: da amos
tra à
tra à
tomada de de
tomada de de
cisão
cisão
Bráulio RGM Couto
Bráulio RGM Couto (
(bcouto@acad.unibh.br bcouto@acad.unibh.br ))
Belo Horizonte, novembro de 2006
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
Análise exploratória
de dados e teor
de dados e teor
ia de
ia de
probabilidades.
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.
verossimilhança.
–
– Exercícios no Excel.Exercícios no Excel.
COUTO, BRGM
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
Uso de Estatística
no Controle d
no Controle d
e
e
Infecções Hospitalares:
Infecções Hospitalares:
–– Exercícios sobre medidas de freqüência de casos e óbitos deExercícios sobre medidas de freqüência de casos e óbitos de
infecção hospitalar.
infecção hospitalar.
–
– Construção de curvas endêmicas noConstrução de curvas endêmicas noSiSSUSiSSU..
COUTO, BRGM
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 PesquisaMédica
Médica. Belo Horizonte: Editora In. Belo Horizonte: Editora Independente, 2000.dependente, 2000.
•
•
SOARES, JF; SIQUEIRA, AL.SOARES, JF; SIQUEIRA, AL.IntroIntrodução àdução àEstatEstatísticísticaa MédicaMédica. 2.a ed. Coopmed. 2.a ed. CoopmedEditora Médica. Belo HorizEditora Médica. Belo Horizonte,onte,
2002.
2002.
COUTO, BRGM
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, BRGM6
6
Filosofia de trabalho: pesquisa
Filosofia de trabalho: pesquisa
Filosofia de trabalho: pesquisa
Filosofia de trabalho: pesquisa
quantitativa
quantitativa
quantitativa
quantitativa
Quando podemos medir aquilo sobre
Quando podemos medir aquilo sobre
o qual falamos e
o qual falamos e podemos podemos
expressar o que falamos por meio
expressar o que falamos por meio
de números, sabemos algo sobre
de números, sabemos algo sobre
o assunto.
o assunto.
Quando não podemos medir nem
Quando não podemos medir nem
expressar por meio de números,
expressar por meio de números,
noss
nosso saber éo saber éfracfraco e o e
insatisfatório.
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
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:
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 éticosCOUTO, 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, BRGM16
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 IntervenççççãoãoãoãoEstudos 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 CasoCaso----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
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 aparentePlanejamento 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
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 minimizaçãoCOUTO, 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
nEPI INFO
nAccess
nExcel
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
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
H0ou
H1com 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.
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 comoverdade, 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
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 algumteste estatístico
2º) Definir o nível de significância:
α = 0,05 (5%)3º) Decidir
Se
valor-p≤≤≤≤0,05então Rejeitar H0 = “
resultado significativo”
senão Não rejeitar H0
COUTO, BRGM
52
Problema com a Regra de
Problema com a Regra de
Decisão Anterior
Decisão Anterior
1º) Calcular o valor-p através de algumteste estatístico: p = 0,065
2º) Definir o nível de significância:
α = 0,05 (5%)3º) Decidir
p = 0,065 >
0,05então “
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
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 ?
COUTO, BRGM
61
Como medir a significância prática
•
Calcular
intervalos de confiança
para:
– Diferença entre taxas ou proporções
–
Odds ratioe 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, BRGM63
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)
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, BRGM68
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
recomendado somente em cirurgias com mais
de 3 horas de duração.
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.
nE
0≈100 2 0) ( 10000 E n ≈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, BRGM81
““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
investigar com sabedoria tudo o
que acontece debaixo do sol.
que acontece debaixo do sol.
Essa
Essa éé uma tarefa penosa que
uma tarefa penosa que
Deus entregou aos homens,
Deus entregou aos homens,
para com ela ficarem
para com ela ficarem
ocupados
ocupados””..
ECLES
ECLESÍ Í ASTES, 1: 12ASTES, 1: 12--13.13.