Fórum de Pesquisa em Enfermagem

Comissão de Pesquisa da EE/USP

Delineamento de estudos
e as técnicas estatísticas
aplicadas à Epidemiologia
Maria do Rosario D.O. Latorre
Professora Titular
Departamento de Epidemiologia - FSP/USP
2006
 Bibliografia
BERQUÓ ES; SOUZA JMP; GOTLIEB SLD. Bioestatística. EPU, São Paulo, 1981.

DAWSON B; TRAPP RG. Bioestatística Básica e Clínica. McGraw-Hill, 3ª. edição, 2001.

GREENBERG RS; DANIELS SR; FLANDERS WD; ELEY JW; BORING III; JR. Epidemiologia
Clínica. ArtMed, 3ª. edição.2005.

HULLEY SB; CUMMINGS SR. Designing Clinical Research. Williams & Wilkins, Baltimore,
1988.

JEKEL JF; KATZ DL; ELMORE JG. Epidemiologia, Bioestatística e Medicina Preventiva.
ArtMed, 2ª. edição, 2001.

MAGALHÃES MN; LIMA ACP. Noções de Probabilidade e Estatística. EDUSP. São Paulo,
2002.

PEREIRA MG. Epidemiologia Teoria e Prática. Rio de Janeiro: Editora Guanabara Koogan,
1999.

MASSAD E; MENEZES RX; SILVEIRA PSP; ORTEGA NRS. Métodos Quantitativos em

Medicina. Ed. Manole. São Paulo, 2004.
 Roteiro
elementos que auxiliam na escolha da análise
estatística.

as técnicas estatísticas aplicadas em

epidemiologia mais utilizadas em estudos
observacionais, a saber:

estudos transversais
estudos caso-controle
estudos de coorte
 idéias HIPÓTESE
quadro teórico CONCEITUAL

HIPÓTESE
ESTATÍSTICA
Quais são os objetivos do estudo?

(Qual é a sua pergunta?)

Quem não sabe o que procura,

não interpreta o que acha.
Anônimo
Qual a técnica estatística a ser
utilizada?
 Escolha da análise estatística

objetivos delineamento modelo

teórico
proposto.
 EXEMPLO
consumo alimentar
deficiente
insuficiente aporte
de nutrientes nas
células
hábitos alimentares
inapropriados má nutrição
protéico-
calórica
presença de
doenças evitáveis
perdas excessivas
de nutrientes
assistência à
saúde deficiente

(Pereira, 1999-p43; modificado)

No planejamento da pesquisa

Verificar quais as variáveis de interesse

variável dependente e variáveis independentes.

Verificar quais as possíveis variáveis de confusão que

deverão estar no modelo.
Verificar quais os possíveis efeitos de interação deverão
ser testados.
Definir/sugerir o modelo teórico.
Estimar o tamanho da amostra necessário para fazer a
análise múltipla.
Estudo transversal
 Estudos transversais

doente não doente TOTAL

EXPOSTO
NÃO EXPOSTO
TOTAL N

O tamanho total da amostra é fixo (N).

 Estudo Transversal
variável de interesse

Y: quantitativa contínua

Xi: quantitativas contínuas

 Exemplo
Objetivos: avaliar a relação entre concentração de lepitina
sérica no leite materno/fórmula e IMC, ajustado por sexo
e dieta.

Y: lepitina sérica (µg/L)

Xi: IMC.
Ci:sexo e dieta
análise estratificada por faixa etária.

Lönnerdal; Havel, 2000

coeficiente de correlação e modelos de
regressão polinomial.
 Quando utilizar um modelo de
regressão ?
caracterizar a relação entre uma variável
dependente (Y) e uma ou mais variáveis
independentes (Xi)

controlar o efeito de outras variáveis (Ci)

testar o efeito interativo de 2 ou mais variáveis
independentes
comparar múltiplos relacionamentos derivados da
análise de regressão
 Modelos de Regressão

Y: variável de interesse, resposta ou dependente

Xi: variáveis independentes, co-variáveis

Y=f(Xi)
Na análise múltipla:
fórmula foi significativa
apenas na idade de 6 meses
(Ï 15%).

1-6 meses: IMC, sexo e

idade foram fatores
correlacionados com LS,
independente de dieta,
insulina, glucose.

1-12 meses: IMC e sexo

foram fatores
correlacionados com LS,
independente de idade,
insulina, glucose.
 Estudo Transversal
variável de interesse
Y= quantitativa contínua
Xi:quantitativas contínuas
„ coeficiente de correlação e modelos de regressão
polinomial.

Xi: qualitativa
 Exemplo
Objetivo: comparar as médias dos
diâmetros da face, segundo sexo e
idade.

Y: medidas
Xi: sexo e idade

CATTONI, FERNANDES, LATORRE, 2003

 Exemplo
44,00

Análise de variância
42,00

IC 95% (média de lábio inferior - mm)

com 2 fatores 40,00

38,00
SEXO

Análise de covariância: 36,00 masc

análise acima ajustada 34,00 fem

pela renda familiar

N= 29 19 25 27 28 22 27 27 28 22

7 8 9 10 11

idade (anos)
 Estudo Transversal:
variável de interesse
Y: quantitativa contínua
Xi: quantitativas contínuas
„ coeficiente de correlação e modelos de regressão
polinomial.

Xi: qualitativas
„ análise de variância e análise de covariância
 Estudo Transversal:
variável de interesse
Y: quantitativa contínua
Xi: quantitativas contínuas
„ coeficiente de correlação e modelos de regressão
polinomial.
Xi: qualitativas
„ análise de variância e análise de covariância

Y: qualitativa
Xi: quantitativas contínuas.
„ análise de variância e análise de covariância.
 Estudo transversal:
variável de interesse
Y: quantitativa contínua
Xi: quantitativas contínuas
„ coeficiente de correlação e modelos de regressão
polinomial.
Xi: qualitativas
„ análise de variância e análise de covariância

Y: qualitativa
Xi: quantitativas contínuas.
„ análise de variância e análise de covariância.
Xi: qualitativas
 a
Medida de risco: RP = a + b
RP: razão de prevalências Î c
c+d

doente não doente TOTAL

EXPOSTO a b a+b
NÃO EXPOSTO c d c+d
TOTAL a+c b+d N=a+b+c+d

teste de associação pelo qui-quadrado e modelos de regressão logística.

 Exemplo
Objetivo: Estudar os fatores associados à
presença de osteoporose em homens com 50
anos ou mais.

Y: osteoporose (sim=1; não=0)

Xi: características sócio-demográficas, de

estilo de vida, uso de medicamentos, história
de fratura familiar

Tanaka, Latorre, Jaime, Florindo, Pippa, Zerbini, 2001.

 Resultados da análise múltipla

ƒ Características do ƒ Outras co-variáveis

indivíduo ƒ Tabagismo
ƒ <20 cig. passado (OR=4,6)
ƒ 20+ cig. passado (OR=4,3)
ƒ atual (OR=6,4)
ƒ IMC <25 (OR=13,3)
ƒ Escore de EF/laser 12m
ƒ 70 e + anos (OR=3,5) ƒ 1o. tercil (OR=15,4)
ƒ Cor da pele branca ƒ 2o. tercil (OR=5,9)
ƒ 3o. tercil (OR=1,0)
(OR=4,5)
ƒ Uso de diurético tiazídico
(OR=0,28)
ƒ História materna de fratura não
traumática (OR=6,3)
Estudo Caso-Controle
 doente não doente TOTAL
EXPOSTO
NÃO EXPOSTO
TOTAL a+c b+d
 doente não doente TOTAL
EXPOSTO a b a+b
NÃO EXPOSTO c d c+d
TOTAL a+c b+d N=a+b+c+d

Medida de risco: a
b a.d
OR = =
OR: odds ratio Î c b.c
d
 a
Medida de risco: b a.d
OR = =
OR: odds ratio Î c b.c
d

•testes de associação pelo qui-quadrado

•modelos de regressão logística
9condicional (pareado)
9não condicional (não pareado)
 Exemplo

Objetivos: analisar os fatores associados à ocorrência de

baixa estatura em escolares de Campinas, utilizando o
processo de modelagem hierárquico.

Y: baixa estatura (sim=1 e não=0)

Xi: características sócio-econômicas, da família, do domicílio

e da criança (sexo e antropometria)

Guimarães, Latorre e Barros, 1999

Nível 1:
escolaridade materna
até 4ª. série (OR=2,1)
renda (quanto menor,
maior a OR) Nível 3:
sexo masculino
(OR=2,1)
comprimento ao nascer
(quanto menor, maior a
Nível 2: chance)
no. de pessoas que estatura materna <156,6
moram no domicílio (> (OR=5,9)
no. > a chance) estatura paterna <169,8
no. de equipamentos (OR=4,2)
(quanto menor, maior a
OR)
Estudo de coorte
 doente não doente TOTAL
EXPOSTO a+b
NÃO EXPOSTO c+d
TOTAL
 doente não doente TOTAL
EXPOSTO a b a+b
NÃO EXPOSTO c d c+d
TOTAL a+c b+d N=a+b+c+d
a
Medida de risco:
RR: risco relativo Î RR = a + b c
c+d
densidade de incidência, incidência acumulada.
 Estudos de coorte
(longitudinais)
não há interesse no tempo até a
ocorrência do evento
teste de associação pelo qui-quadrado
e modelos de regressão logística

há interesse no tempo até a ocorrência

do evento
análise de sobrevivência
 Análise de sobrevida
variável dependente: o tempo até o
aparecimento de um evento.
óbito, cura, desmame, introdução de alimento e
outros.

variáveis independentes (co-variáveis).

preditoras, fatores de risco, fatores prognóstico.
 ANÁLISE DE SOBREVIDA

dt diagnóstico óbito

dt cirurgia recidiva óbito

cura
 ANÁLISE DE SOBREVIDA

dt nascimento outro alimento

chá, água leite artif.

dt nascimento

leite artificial
 seguimento:
estudos de coorte, ensaios clínicos

óbito

perda

óbito

término do estudo
 análise

óbito - evento

perda (censura)

óbito - evento

término do estudo
t0 (censura)
 Técnicas estatísticas mais
utilizadas
tábua de vida atuarial .

modelos lineares generalizados:

modelos de regressão de Cox (variável tempo-
dependente ou não).
modelos de regressão para medidas repetidas.
 Tábua de vida atuarial

observações completas (s/censura).

observações incompletas (c/ censura).

intervalos de tempo fixos ou não.

Exemplo: tábua de vida atuarial, com
dados censurados (Kaplan-Meier)

Objetivo: estudar os fatores prognósticos

de pacientes com mielodisplasia na
infância.

Y: tempo entre a data do diagnóstico e o

óbito.
Xi: características demográficas e
clínicas.
 Resultados:
sobrevida
sexo idade
1,0 1,0

,8
,8

,6
,6

,4
,4 IDADE

6e+
SEXO

,2 fem
Cum Survival (%)

,2 2-5

Cum Survival (%)

masc

<2,0

0,0
0 6 12 18 24 30 36 0,0
0 6 12 18 24 30 36

meses

p=0,0319 (teste log rank) meses

p=0,8718 (teste log rank)

Latorre, Paula, Valera, et al, 2003

 Exemplo: modelo de Cox
ƒ Objetivo: propor um escore preditivo de
recorrência em pacientes submetidas a
tratamento cirúrgico radical do carcinoma do
colo do útero estádios IB e IIA.

ƒ Y: tempo até a recorrência.

ƒ Xi: características sócio-demográficas,história

reprodutiva, clínicas e do tratamento.

Fregnani, Latorre, 2004.

 Resultados da análise múltipla

ƒ Idade abaixo de 35 anos (HR=3,67)

ƒ Estar na menopausa (HR=2,19)
ƒ Ter mais que 4 gestações anteriores (HR=2,5)
ƒ presença de linfonodos metastáticos
ƒ 1ou 2: HR=2,9
ƒ 3 ou + : HR= 6,4
ƒ Linfopenia relativa (<15%) – (HR=3,4)
ƒ Eosinofilia relativa (>10%) – (HR=2,4)
 Elaboração de um escore preditivo para
recidiva

ƒ βmin=0,765 e ƒ Idade< 35 anos: 2

βmax=0,1858
ƒ Menopausa: 1
∆=1,093
ƒ + que 4 gestações: 1
ƒ 1 ou 2 linf.met.: 1
ƒ 1o. terço: 1 ponto
ƒ 3 ou + linf. met.: 3
ƒ 2o. terço: 2 pontos
ƒ 3o. terço: 3 pontos ƒ Linfopenia(<15%):2
ƒ Basofilia (>1%): 3
ƒ Eosinofilia (>10%):1
 Baixo risco: 0-1 ponto
1,0
Baixo risco
,9

,8
Risco intermediário
Risco interm: 2-3 ptos
Sobrevida acumulada

,7

,6

,5

,4

,3 Alto risco Alto risco: 4-6 pts

EPR-3
,2
log rank: p < 0,0001
,1

0,0
0 10 20 30 40 50 60 70 80 90 100 110 120

meses
 ESTATÍSTICA

TÉCNICA
EPIDEMIOLOGIA

CRIATIVIDADE
BOM SENSO
 ASSOCIAÇÃO ESTATÍSTICA OBSERVADA

poderia ser devido à viés de seleção ou de mensuração?

NÃO

poderia ser devido a NÃO poderia ser devido

fator de confusão? ao acaso?

provavelmente não
poderia ser causal?

USE OS CRITÉRIOS DE HILL

BEAGLEHOLE, BONITA & KJELLSTRÖM, 1996
 CRITÉRIOS PROPOSTOS POR HILL (1965)

Ö FORÇA DA ASSOCIAÇÃO
Ö CONSISTÊNCIA DOS RESULTADOS
Ö ESPECIFICIDADE
Ö TEMPORALIDADE

Ö GRADIENTE BIOLÓGICO (EFEITO DOSE RESPOSTA)

Ö PLAUSIBILIDADE BIOLÓGICA
Ö COERÊNCIA DA ASSOCIAÇÃO
Ö EVIDÊNCIAS EXPERIMENTAIS
Ö ANALOGIA
 Considerações Finais
Î O estudo dos métodos estatísticos envolve, antes de mais nada, o
aprendizado de uma nova linguagem.

Î Expressões do tipo "poder da amostra", "estatisticamente

significativo" devem ser incorporadas no vocabulário do pesquisador.

Î Após esta etapa, o pesquisador deve aprender, também, como

apresentar e descrever seus dados, bem como a fazer a inferência
estatística.

Î Isso o capacita a entender a análise estatística realizada, sua

interpretação e quais as inferências que podem ser feitas a partir dos
resultados obtidos.
 O epidemiologista atual deve ser competente
em estatística sem ser um estatístico, ter conhecimento
concreto da realidade biomédica sem ser um clínico; e
compreender a sociedade e a estrutura social, sem ser
um sociólogo ou antropólogo.

Susser, 1985
 clínica

epidemiologia

sociologia,
bioestatística
antropologia

Susser, 1985
 nutrição

epidemiologia políticas públicas

planejamento e
bioestatística
gestão

sociologia,
clínica
antropologia

biologia
meio ambiente molecular
e genética
dúvidas

perguntas?