Elementos Bsicos de Bioestatstica

Professor

Mrio B. Wagner

Statistics should be used as the drunken man uses the lampost, for support rather than illumination.

Editorial, Lancet 1986 June 28;1478.

Objetivos do curso
Introduzir os fundamentos da Bioestatstica e destacar sua estreita relao com a Epidemiologia e a Prtica Baseada em Evidncias Apresentar os principais procedimentos estatsticos para inferncia em dados quantitativos e categricos Habilitar o aluno a discutir as situaes em que cada tcnica estatstica se aplica, levando-o a desenvolver um raciocnio crtico para interpretar a adequao dos resultados das pesquisa biomdicas.

Mtodo de trabalho
Aulas expositivas Exerccios aplicados Discusso em grande grupo

Espera-se que os alunos leiam o material solicitado

Tpicos
Generalidades e descrio de dados Distribuio Normal Distribuio amostral de mdias (DAM) Desvios significativos, teste de hiptese e valor P Inferncia em dados quantitativos: t de Student, valor P vs IC, ANOVA, correlao e regresso linear simples, testes no-paramtricos Inferncia em dados categricos: risco relativo e odds ratio, qui-quadrado e exato de Fisher Elementos sobre clculo de tamanho de amostra Tpicos especiais

Leitura recomendada
Callegari-Jacques, SM. Bioestatstica: Princpios e Aplicaes. Porto Alegre: ArtMed, 2003. Kirkwood BR & Sterne JAC. Essential Medical Statistics. 2nd Ed. Oxford: Blackwell Scientific Publishing, 2003. Petrie A & Sabin C. Estatstica Mdica. So Paulo: Roca, 2007. Hulley, S et al. Delineando a Pesquisa Clnica Uma Abordagem Epidemiolgica. 3. ed. Porto Alegre: ArtMed, 2008.

www.mwc.com.br/biblioteca

Por que estudar Bioestatstica?

Podemos acreditar na mdia quando o assunto sade?

No coma ovos... Coma mais ovos... Tomates fazem bem prostata... Tome mais vitaminas... Vitaminas podem causar cncer... Fique longe do sol... Mas no fique parado em casa... Ah, e no se estresse muito com as coisas.

Podemos acreditar na mdia quando o assunto sade?

Frequentemente informaes sobre sade que so veiculadas na mdia pouco ou nada tem a ver com cincia ou aquilo que se entende por cincia. Muito do que sai publicado meramente especulativo. Ao contrrio da notcia sensacionalista, o mtodo cientfico avalia com testes objetivos e anlises estatsticas aquilo que possui um efeito e aquilo que no possui.

Ser que o tomate protege para o cncer de prstata? Segundo diversas fontes leigas e blogs, sim, protege! ... licopeno... tem efeitos comprovados contra o cncer de prstata, pncreas, pulmo e clon.
Fonte: http://www.saudenainternet.com.br/portal_saude/tomate-contra-o-cancer-de-prostata.php

licopeno, o pigmento que d cor ao tomate, auxilia na preveno ao cncer de prstata.

Fonte: Revista Veja, 26 de setembro de 2007, pg. 90.

Ser que o tomate protege para o cncer de prstata? Segundo a FDA, em estudo estatstico meticulosamente conduzido, NO!
Reviso baseada em evidncias da FDA sobre alegaes de efeitos saudveis: Tomates, licopeno e cncer

Fonte: Journal of The National Cancer Institute, 2007

A FDA no encontrou nenhuma evidncia confivel que indicasse a existncia de uma associao entre a ingesto de licopeno e um risco reduzido dos seguintes tipos de cncer: prstata, pulmo, colorretal, mama, gstrico, ovrio, endomtrio ou pncreas.

Por que h tanta contradio e controvrsia em sade?

A informao vem em volume muito grande A qualidade questionvel A crtica mnima Para muitos veculos o que importa largar a notcia sem se importar com a qualidade

Tomando conscincia do problema

preciso avaliar criticamente toda a informao que recebemos (inclusive esta!). Buscar evidncias (evitar opinio pessoal sem base cientfica) Entender como o conhecimento cientfico gerado e quais a suas limitaes. Para entendermos as limitaes da cincia e sabermos em que informao se pode confiar ou no, importante sabermos estatstica.

O papel da Bioestatstica

Artigos cientficos publicados na rea da sade frequentemente apresentam termos do domnio da Bioestatstica.

Para entender adequadamente artigos cientficos desta rea, o leitor deve estar familiarizado com os princpios fundamentais da Bioestatstica. (Saber Epidemiologia tambm ajuda)

Na grande maioria dos casos este conhecimento no de nvel profundo e nem envolve clculos complicados.

Para o usurio comum mais importante conhecer as indicaes e as limitaes dos procedimentos utilizados em Bioestatstica do que saber exatamente como execut-los.

Bioestatstica
Estatstica: Ramo do conhecimento que consta de processos que tem por objeto a observao, a classificao e a anlise de fenmenos coletivos com a finalidade de obter inferncias indutivas (com margem de erro) a partir dos dados obtidos em uma amostra. Bioestatstica: Aplicao da Estatstica nas cincias biolgicas e da sade.
A Bioestatstica essencial nas pesquisas epidemiolgicas uma vez que possibilita a avaliao do papel do acaso e da margem de erro nas observaes e indues que so feitas nas amostras estudadas.

Epidemiologia
Cincia da sade que estuda a ocorrncia, os determinantes (causas) e o controle dos eventos (doenas, acidentes, etc.) que ocorrem nas populaes.
A Epidemiologia representa o brao da Metodologia Cientfica aplicada rea da sade e com a qual possvel avaliar a credibilidade das pesquisas biomdicas. Quem no sabe Epidemiologia e Bioestatstica no tem condies de adquirir novos conhecimentos por conta prpria e nem de avaliar a qualidade da informao que recebe.

Prtica Baseada em Evidncias: Um processo inevitvel.

Walter C. Willett (1945 )
Mdico, chefe de grupo de pesquisa sobre nutrio, estilo de vida e sade, Harvard School of Public Health

H uma tendncia dos achados com pouca ou sem nenhuma evidncia cientfica serem aqueles que so publicados na imprensa leiga. Grande parte das supostas associaes (entre dietas e sade) ainda no esto prontas (suficientemente substanciadas) para que o pblico tome atitudes ou mesmo se preocupe com isso.

Tenha em mente que...

Contradies e controvrsias sempre fizeram parte da dana cientfica. Trabalhar com seres humanos complexo. Medir exposies e desfechos (em animais de laboratrio e ainda mais em humanos), um processo imperfeito e sujeito a vieses e erros aleatrios.

O que mais confivel?

Estudos em humanos x estudos em animais Mundo real x laboratrio Desfechos x marcadores Tamanho do estudo: grande x pequeno Consistncia da evidncia Fora da evidncia

Dr Sidney Burwell Diretor da Fac. de Medicina de Harvard (entre 1935 e 1949)

De tudo o que os alunos apreendem na escola mdica, a metade mostra-se completamente errada aps 10 anos. E o pior que nenhum dos nossos professores sabe qual a metade certa.

Bioestatstica Medidas de Sumrio (Estatsticas Descritivas)

Objetivos
Entender os conceitos de varivel, nvel de medida, amostra e populao. Apresentar medidas descritivas Mdia e mediana DP e AIQ Prevalncia e incidncia

Bioestatstica: Princpios Fundamentais

Descrever (p.e., mdia, %) Medir associao (p.e., TEP, RR) Avaliar a incerteza (p.e., IC95%)

Relaes
Tanto a Epidemiologia como a Bioestatstica essencialmente estudam as relaes entre as variveis. Ex: Relao entre fumo e cncer, idade e PA. Assim, se busca Verificar se h ou no relao Estimar a magnitude da relao (estimar o tamanho do efeito e seu IC)

Variveis e seus nveis de medida

Qualitativas ou categricas - Nominal (grupo sangneo, gnero) - Ordinal (grau de dor, escores) Quantitativas - Discretas (nmero de filhos) - Contnuas (colesterol total)

Vantagens da varivel quantitativa

Nvel de informao superior Pode ser transformada em qualquer outro tipo de varivel Aceita transformaes matemticas (log, raiz quadrada, inverso, etc.) Estudos com este tipo de varivel necessitam tamanhos amostrais menores

Populao e Amostra

Mdia () = ?

Inferncia

Parmetro: valor que resume, em uma populao, a informao relativa a uma varivel. Ex: mdia, porcentagem Estatstica: quantidade que descreve a informao estatstica obtida em uma amostra. Ex: mdia ou porcentagem calculadas em uma amostra As estatsticas estimam os parmetros.

Duas variveis importantes

Desfecho: Aquilo que se supe ser o resultado, ou seja, acontecer durante uma investigao na mensurao da condio de sade-doena. Sinnimo: varivel dependente. (Ex: cncer de pulmo) Exposio: O fator que precede o desfecho, suposta causa. Sinnimos: fator em estudo, v. preditora, v. independente. (Ex: fumo)

Estatsticas freqentemente encontradas em estudos biomdicos

Medidas descritivas Mdia e mediana DP e AIQ Prevalncia e incidncia Medidas de associao Risco relativo (RR) >1: Exp risco Odds ratio (OR) ~1: sem associao <1: Exp proteo Razo de prevalncias (RP) Tamanho de efeito padronizado (TEP ou E/S) Coeficiente de correlao (r) e regresso (b) Medidas de impacto Risco atribuvel (RA), NNT e NNH

Procedimentos Descritivos
Distribuio de freqncias (tabelas e grficos) Medidas-resumo ou medidas descritivas
de tendncia central (mdia e mediana) de disperso (amplitude, varincia/desvio padro, amplitude interquartil) de freqncia (prevalncia, incidncia)

Distribuio de freqncias
Distribuio de freqncias: conjunto formado pelos vrios valores e pelas respectivas freqncias (no. de vezes que cada um ocorre). So de dois tipos: - Tabelas: descrevem os dados com detalhe - Grficos: teis para identificar valores extremos e a forma da distribuio

Tabela de Freqncia (por intervalos de classe)

Presso arterial sistlica (PAS) em mm Hg nas primeiras 24 horas de vida em 96 recm-nascidos

99,9%

Histograma
Presso arterial sistlica (PAS) em mm Hg nas primeiras 24 horas de vida em 96 recm-nascidos

Estatsticas Descritivas
Mdia e Desvio Padro A mdia (DP) da presso arterial sistlica nas primeiras 24 horas de vida em 96 recm-nascidos foi de 67,54,7 mm Hg. Outras estatsticas descritivas (SPSS output)

Medidas de Tendncia Central

Mdia: Indicao de uso em distribuies simtricas. Possui o maior poder matemtico e a medida descritiva mais utilizada (e preferida). No entanto, afetada por valores extremos e em distribuies assimtricas pode apresentar uma informao distorcida.

Curva de distribuio de freqncias com representao pictrica da nuvem de disperso de pontos.

 Mediana: Medida de posicionamento representando o valor que ocupa o meio da srie, ou seja, em tese 50% dos valores esto abaixo e 50% acima da mediana. No afetada por valores extremos, da ser preferida em sries com distribuio assimtrica.
Distribuio de freqncias com assimetria positiva

Medidas de Disperso
Amplitude: Mximo - Mnimo, simples mas pouco informativa, pois refere-se a apenas dois valores. Alm disso, sensvel a valores extremos. Varincia: Promdio dos desvios quadrados em relao mdia. Como a unidade expressa ao quadrado, comum utilizar-se o desvio padro (DP) , pois este a raiz quadrada da varincia.

 Desvio padro: Em palavras simples, o desvio padro (DP) representa o padro de oscilaes que os valores da srie apresentam em relao mdia. fundamental em Estatstica, sendo um importante marcador de variao. freqentemente usado em conjunto com a mdia e, como esta, tambm afetado por valores extremos.

Curva de distribuio de freqncias com representao pictrica da nuvem de disperso de pontos.

Amplitude interquartil: A distncia entre o percentil 75 e o percentil 25. geralmente apresentada junto com a mediana na descrio de sries assimtricas.

Distribuio de freqncias com assimetria positiva

Prevalncia e Incidncia
A ocorrncia da doena (desfecho) frequentemente categorizada como presente/ausente. Varivel categrica (nvel de medida nominal): descrita com razes, propores, taxas e odds. Em Epidemiologia as razes, propores e taxas (verdadeiras) recebem nomes especiais

Prevalncia
Medida esttica anloga ao momento capturado por uma fotografia.

Incidncia
Refere-se ao nmero de casos novos (do desfecho) em um grupo em risco durante um perodo especfico de tempo (perodo de observao). Pode ser expressa de duas formas Incidncia cumulativa (proporo) Densidade de incidncia (taxa verdadeira)

Incidncia cumulativa (IC)

Para o clculo da IC assumido que todos os indivduos so seguidos at manifestarem o desfecho ou at o final do perodo de observao.

Densidade de Incidncia (ID)

Os indivduos estudados so acompanhados por perodos de tempo variveis, de modo semelhante s condies da vida real. Pessoa-tempo freqentemente denominado pacientetempo e pode ser expresso em diversas unidades de tempo (paciente-dia, paciente-ms, paciente-ano, etc)

Escolhendo a medida descritiva

Tipo de varivel Nominal: usar freqncias e propores (P/I). Ordinal: freqncias e propores, mediana e amplitude interquartil. A mdia e o desvio padro tambm podem ser utilizados. Quantitativa: Depende da distribuio de freqncias.
D. simtrica: mdia e desvio padro D. assimtrica: mediana e amplitude interquartil. Com n pequeno (n<20) pode-se usar mnimo e mximo.

Apresentao de resultados
Tabela descritiva (em artigos) Grficos para variveis quantitativas: - Histograma - Grfico de mdia e barra de erro - Dot plot - Box plot - Grficos de linha - Grfico disperso de pontos Grficos para variveis categricas: - Grfico de setores - Grfico de colunas

Tabela descritiva
Caractersticas dos grupos em estudo Varivel Grupo Exposto n = 97 35,27,2 12 (12,4) Grupo No-Exposto n = 152 30,212,0 81 (53,3) Idade, anos Sexo feminino, n (%) Escolaridade , n (%) Primrio incompleto 5 (5,2) 15 (9,9) Primrio completo 67 (69,1) 29 (19,1) Secundrio 20 (20,6) 77 (50,7) Superior 5 (5,2) 31 (20,4) Tabagismo, n (%) 50 (51,5) 50 (32,9) BDI 10,23,3 11,9 5,2 GAIL 23,3 (1,0 a 67,0) 16,0 (2,0 a 98,0) Os dados so apresentados como n (percentual), mdia dp e mediana (amplitude interquartil: P25 a P75). BDI=Escore de Depresso Beck Depresssion Inventory ; GAIL=Escala Great Achievements in your Life

Dica na apresentao de resultados

Quando o desvio padro for maior do que a metade da mdia isso um sinal de assimetria nos dados. Prefira usar a mediana e a amplitude interquartil. Se o nmero de casos for menor do que 20 use mediana, mnimo e mximo.

Histograma

Grfico de mdia e barra de erro

Varivel quantitativa em dois ou mais grupos. Usar, sempre que possvel, mdiaDP. Dar preferncia apresentao da direita.

 Varivel quantitativa em dois ou mais grupos, especialmente com n pequeno ou moderado O interessante que todos os casos podem ser visualizados. Pode-se representar a mediana ou a mdia.

Contagem celular/campo

Dot plot

Box plot

mEq/L 40 30 20 10 0

A B C

Varivel quantitativa em dois ou mais grupos, principalmente em situaes de assimetria. Representa mediana, amplitude interquartil, mnimo e mximo.

Grfico de linha
A B C

Varivel quantitativa ao longo do tempo. Usar, sempre que possvel, mdiaDP. A mdia pode mascarar variaes individuais.

Grfico de disperso de pontos

Duas variveis quantitativas onde observa-se que tipo de relao elas possuem entre si.

Grfico de setores & de colunas

(%) 50

24%

50%

40 30 20 10 A B C

26%

Relacionado a dados categricos. Evitar uso em variveis dicotmicas. Grfico de setores raro em publicaes cientficas. Grfico de colunas no histograma

Nascimento de um grfico
um processo iterativo e demorado Geralmente o resultado compensa...

Observaes Importantes
importante consultar o estatstico antes do incio da coleta de dados, para calcular o tamanho de amostra. Devemos utilizar a estatstica para apoiar nossas concluses e no como fonte de respostas as nossas perguntas. A melhor anlise estatstica no consegue corrigir erros no planejamento e na conduo de um estudo. As variveis em estudo devem ser definidas pelo pesquisador, nunca pelo estatstico Deve-se evitar o uso exclusivo de variveis categricas na coleta de dados no lugar de variveis quantitativas, pois h perda de informao.

Resumo
A Bioestatstica auxilia a compreender a literatura cientfica na rea biomdica e est estreitamente relacionada com cincia e a prtica baseada em evidncias (aqui entra tambm a Epidemiologia). A Bioestatstica (e a Epidemiologia) passam pela descrio dos dados para chegar relao entre as variveis e a conseqente estimativa da magnitude destas relaes.

 As variveis so classificadas de acordo com seu nvel de mensurao em categricas (nominal e ordinal) e quantitativas (discretas/contnuas). Em Bioestatstica (e Epidemiologia) importante distinguir entre varivel preditora (exposio) e desfecho.

 As medidas descritivas clssicas usadas em Bioestatstica (e Epidemiologia) so: mdia e desvio padro mediana e amplitude interquartil prevalncia/incidncia

Resumo de Delineamentos de Pesquisa mais comuns na rea da Sade

Elementos Bsicos
Variveis componentes desfecho varivel Preditora Temporalidade Enfoques diagnstico, etiologia, prognstico e tratamento

Delineamentos de pesquisa mais comuns

Primrios Observacionais estudo/srie de casos estudo transversal estudo de coorte estudo de caso-controle Experimentais experimento laboratorial ensaio controlado Secundrios Reviso sistemtica (metanlise) Diretrizes (guidelines) Outros anlise decisria anlise econmica

Reviso Sistemtica/Metanlise
Delineamento secundrio no qual o investigador realiza uma reviso sistemtica quantitativa dos achados de estudos semelhantes. Geralmente realizado em ECR, mas pode tambm ser feita em estudos observacionais. Geralmente o propsito obter uma melhor estimativa do tamanho do efeito.

Reviso Sistemtica/Metanlise
Vantagens
grande poder para resumir informao de diversos estudos aumenta a preciso de estimativas

Desvantagem
poder sofrer de publication bias

Forest Plot

Mesmo em revises sistemticas as coisas podem dar errado...

Vis de publicao e publicao seletiva

Enquanto estudos com resultados positivos sobre o efeito de um tratamento so publicados, vrios outros com resultados negativos no so publicado ou so publicados de modo que os resultados paream positivos..

Vis de publicao e publicao seletiva

sem vis com vis

Efeito real Estimativa metanaltica

Vis de publicao e publicao seletiva

Grfico de funil para detectar vis de publicao sem vis
Estudos maiores

Efeito negativo

Efeito positivo

Vis de publicao e publicao seletiva

Grfico de funil para detectar vis de publicao sem vis com
Estudos maiores

Efeito negativo

Efeito positivo

A hierarquia dos delineamentos de pesquisa

Crosssectional studies

metanlise ensaio controlado randomizado coorte contempornea (est. incidncia) coorte histrica ca-co (c. incidentes - aninhado) ca-co (c. prevalentes - aninhado) estudo transversal/est. prevalncia/est. ecolgico estudo de casos; srie de casos

Distribuio Normal

Parmetros e estimativas
Estatstica: Qualquer resultado de clculo obtido em um grupo de indivduos constitui-se em uma estatstica. Mdia, desvio padro, risco relativo so exemplos de estatsticas. Parmetro: estatstica populacional tipicamente representada por uma letra grega. A mdia populacional, por exemplo, geralmente representada pela letra grega mi: . Estimativa: estatstica amostral representada por letras romanas. A mdia frequentemente representada por um x com um smbolo diacrtico plano:

Distribuio Normal (Curva Normal, Curva de Gauss)

(desvio padro) (mdia)

Modelo matemtico de fundamental importncia em estatstica. Notar a forma de sino e o acmulo central.

Aspectos Histricos da Distribuio Normal

Abraham de Moivre (1667 1754) Carl F. Gauss (1777 1855)

Nascido na Frana passou a maior parte de sua vida na Inglaterra. Entre inmeros trabalhos relacionou nmeros complexos, trigonometria e foi o primeiro a mencionar a existncia da distribuio Normal.

Nascido na Alemanha filho de pais humildes. Foi um brilhante matemtico que por seus variados interesses estudou a teoria dos erros de observao e chegou, tambm, distribuio Normal.

Segundo a lei de Stigler, Gauss quem entrou para a histria com o mrito da descoberta.

Distribuio Normal

freqncias centrais freqncias caudais simetria e caudas assintticas mdia, mediana e moda iguais.

68% (68,26%) 1,96 95% (1,96 freq. aprox. para 2 ) 3 99,7% (99,7% freq. aprox. 99%)

Distribuio Normal
A linha suave apenas terica. Na prtica as variveis estudadas apresentam histogramas de distribuio que em maior ou menor grau aproximam-se da distribuio normal.

Distribuio Normal

Boa parte das variveis no seguem diretamente o modelo gaussiano, mas aproximaes bastante razoveis podem ser obtidas com logaritmos, inverses (1/x), raiz quadrada e outras transformaes.

Igualmente o comportamento de muitas medidas descritivas e de associao (mdia, %, RR e outras) pode ser estudado com o modelo da distribuio Normal ou de aproximaes.

Distribuio Normal
Supondo que a altura dos homens adultos tenha como parmetros = 170cm = 10cm pode-se dizer que

1 68%: 160 a 180 cm 2 95%: 150 a 190 cm 3 99%: 140 a 200 cm

Escore z
Quantidade de unidades de desvio padro que uma observao se encontra longe da mdia. Quando o z=0, o valor igual a mdia z pequeno (|z| 1,0) indica prox. mdia z grande (|z| > 1,5) indica afastamento e, conseqentemente, observao pouco comum.

Escore z
Qual a proporo de indivduos com altura acima de 175 cm? 0,1915 0,3085

h(z=0,5)=0,1915 (na tabela de z) prop.(x>175)=0,5-0,1915=0,3085 ou 30,9%

175cm

DAM, significncia e estimao

Distribuio Amostral de Mdias

erro padro

mdia

uma distribuio normal formada por todas as mdias de amostras de tamanho n possveis de serem extradas de uma populao

cada mdia uma estimativa de a mdia de todas as mdias amostrais o desvio padro da DAM (chamado de erro padro) uma medida de o quanto as mdias so precisas ao estimarem

 O teorema do limite central forma a base terica para a DAM

Distribuio Amostral de Mdias

se x segue uma curva normal a DAM uma normal se x for assimtrica a DAM tende a uma normal a medida que o n aumenta. o erro padro depende de e n.

Distribuio Amostral de Mdias (DAM) e a representao da variabilidade amostral

n igual em todas as amostras amostras aleatrias

x x x x x x
= 16 dB

Variabilidade amostral
Como apresentar os resultados?
Boas revistas mdicas recomendam que sempre aos autores devem apresentar seus resultados expressando a incerteza de seus achados. Exemplo: Ao realizar um estudo com um grupo de 16 pacientes com lupus, um mdico encontrou como valor de creatinina srica mdia de 1,4 mg/dL. Qual o valor da creatinina para a mdia da populao de referncia? Para expressar a incerteza deve-se primeiro obter o desvio padro () que possibilita o clculo do erro padro e, conseqentemente, da margem de erro.

Variabilidade amostral
Como apresentar os resultados?
Se temos uma boa estimativa do desvio padro, usamos:

Assim, supondo que o = 0,15, temos

IC() = 1,4 1,96 0,15/raiz(16) IC() = 1,4 1,96 0,04 IC() = 1,4 0,07 = [ 1,33 mg/dL a 1,47 mg/dL]

intervalo de confiana de 95% para o valor da mdia da creatinina em pacientes c/ lupus

A DAM representa a variabilidade amostral

medida de um fenmeno (verdade no universo)

Variabilidade amostral
Suponha que uma exposio ocupacional ao rudo possua um efeito real de 16 dB de aumento no limiar auditivo (LA) em 3000Hz (i.e., aumento do limiar auditivo de 20 dB para 36 dB). Assim, teramos =16 dB. No entanto, diferentemente do que dita o senso comum, ao realizarmos um estudo com um grupo de pacientes, poderamos obter estimativas do efeito variadas: 18 dB, 14 dB, ou at mesmo 11 dB ou 20 dB.

Variabilidade amostral
Como na prtica realizamos um nico estudo, no h como saber qual o efeito real. O engano mais comum entre as pessoas considerar que o efeito de um nico estudo igual ao efeito real.

Variabilidade amostral
Imaginemos um efeito real de perda auditiva expresso por um aumento no LA em 16% = 16 dB O que pode acontecer? RVL

Variabilidade amostral
Se realizarmos mltiplos estudos a mdia de todos os estudos tende a ser igual ao parmetro (valor real na populao; =16 dB) A mdia isolada de cada estudo no fornece garantia que seja igual a .

Variabilidade amostral
O que fazer para obter o parmetro (valor real na populao: ) ?
reconhecer a presena de incerteza entender como a incerteza ocorre saber quais fatores podem reduzir a incerteza sempre apresentar resultados de estudos levando em conta o papel da incerteza

Variabilidade amostral
Como a incerteza ocorre Na maioria das circunstncias ocorre um padro muito famoso que de um modo ou de outro assemelha-se a uma curva Normal (veja acima). Neste padro (ou curva) errar um pouco o mais comum (obter valores prximos de ) e errar bastante (obter valores longe de ) , felizmente, menos comum.

Variabilidade amostral
O que errar pouco? A curva que representa os estudos dividida em unidades de erro padro Na prtica em 68% das vezes erramos at 1 erro padro 95% das vezes erramos at 2 erros padro

Variabilidade amostral
O que errar pouco?

Se ao realizarmos um estudo conseguirmos obter o erro padro, poderemos saber o quanto iremos errar em nossas pesquisas e informar essa taxa de erro nos resultados!

Variabilidade amostral
Como se obtm o erro padro de um estudo? A teoria estatstica indica que o erro padro depende do tamanho da amostra e do grau de semelhana entre os indivduos estudados (medido pelo desvio padro). Assim, temos que o erro padro da mdia dado por

Variabilidade amostral
Como se mede a incerteza em um estudo?
= 16 dB = 5 dB Amostra n=5

Como a margem de erro (ME) de 95% das situaes encontra-se entre 2 erros padro, temos que ME = 2 2,24 = 4,48 dB Logo, a mdia verdadeira da populao () estimada por margem mdia obtida no estudo de erro Este intervalo fornece uma confiana de 95% em nosso achados

Variabilidade amostral
Como se mede a incerteza em um estudo?
Assim, no simulador RVL poder ser observado que aproximadamente 95% das mdias esto a 4,48 dB longe de , ou seja, entre 16 4,48 dB [11,52 dB a 20,48 dB]. Em outras palavras, pode-se dizer que a margem de erro de amostras com n = 5, quando o desvio padro entre as pessoas for de 5 dB est em 4,48 dB.

Variabilidade amostral
Como se reduz a incerteza?
Como o desvio padro uma caracterstica prpria das pessoas (variabilidade da resposta exposio, por exemplo) para reduzirmos a margem de erro dos estudos o melhor a se fazer aumentar o tamanho da amostra. margem = Z de erro
valor crtico da curva Normal (1,96 2) desvio padro: depende das pessoas e do que se est estudando

pode ser aumentado para diminuir a ME

Avaliao de desvio

A avaliao da distncia (desvio) de uma mdia de amostra em relao mdia de uma populao um procedimento clssico no arsenal estatstico e forma a base do procedimento conhecido como teste de hiptese

Avaliao de desvio
Enquanto o desvio no atinge determinados valores ele considerado no significativo. Aps este ponto de corte passa a denominarse desvio significativo

Avaliao de desvio
=0,05 (nvel de significncia)
z=1,96 (valor crtico) O desvio significativo?

Em uma populao os parmetros para o colesterol so = 242mg/dL e = 45,4mg/dL O que se pode afirmar sobre uma amostra com mdia = 250 e n = 16?

Teste de hiptese
O teste de hiptese sempre avalia parmetros Hiptese nula (Ho): ausncia de diferena Hiptese alternativa (Ha): contrria Ho

Teste de hiptese
Dados populacionais PAS: = 128mmHg e = 24mmHg Ho: o = m Ha: o m = 0,05; z = 1,96 Como |zcalc| = 2,26 > zcalc = 1,96, rejeita-se Ho. A mdia amostral difere siginificativamente do parmetro de referncia (P=0,024). Amostra (usando M) mdia = 135mmHg; n = 60.

Erros de deciso do tipo I e II (e respectivas probabilidades)

Verdade Ho Falsa Rejeita Ho Correto (P = 1- ) poder do teste Erro tipo II (P = ) Ho Verdadeira Erro tipo I (P = ) Correto (P = 1 - )

Rejeita Ho

Poder de um teste
Poder de um teste (1): probabilidade de detectar uma diferena (ou um efeito) que realmente existe. Utilizado para calcular que tamanho devem ter as amostras para se encontrar um efeito estatisticamente significante, caso exista este efeito. Quanto maior o poder desejado, maior deve ser o tamanho da amostra.

Obtendo-se o valor P
zcalc = 2,26 Procurando-se na tabela de valor crticos de z obtm-se que para este valor a rea central 0,4881. 0,4881 rea caudal = 0,5 - 0,4881= 0,0119

zcalc = 2,26

P = 0,0119 x 2 = 0,0238 0,024

Resumo
Parmetro populao Estimativa amostra Curva normal modelo fundamental Ao apresentar resultados de estudos (amostras) devemos sempre que possvel expressar a incerteza dos achados (p.e., IC95%)

Resumo
Quanto maior o escore z de um evento, maior o desvio e menor a probabilidade de sua ocorrncia na populao de referncia. Teste de hiptese: avalia a Ho. O valor P representa a probabilidade de observarmos um dado/evento quando a hiptese nula verdadeira

Resumo
Um achado estatisticamente significativo no representa obrigatoriamente algo importante, mas simplesmente que foi rejeitada a existncia de um efeito zero.

Resumo de testes estatsticos frequentemente encontrados em artigos biomdicos

Procedimentos usados em variveis quantitativas

1. t de Student 2. ANOVA 3. correlao e regresso 4. testes no-paramtricos de substituio

Procedimentos usados em variveis categricas

5. Risco relativo e odds ratio (IC e significncia por qui-quadrado e exato de Fisher)

Escolhendo os testes estatsticos

Varivel Categrica Quantitativa* Categrica RR;OR 2
Dif. mdias

Quantitativa*
Dif. mdias

t; ANOVA r; b t; ANOVA

t; ANOVA

*testes no-paramtricos na quebra de pressupostos

P x IC

Procedimentos usados para ajuste de confuso

(Geralmente modelos de regresso)

Regresso linear mltipla (ANCOVA) Regresso logstica Regresso de Cox Outros ...

Inferncia em variveis quantitativas Parte I t de Student e ANOVA

1) Teste t de Student
Usado nas mesmas situaes que o teste z quando o for desconhecido e o n < 30. usado para comparar as mdias de dois grupos

Teste t de Student
Exemplo 1 Exemplo 2

n cluas/campo

O pai do teste t
William Sealey Gosset (Student) 1876, Canterbury, Inglaterra 1937, Beaconsfield, Inglaterra W.S. Gosset era formado em qumica e trabalhou como pesquisador da cervejaria Guinness (Dublin, Irlanda) durante quase toda sua vida. Com o auxlio do notvel Prof. Karl Pearson, Student escreveu sobre o provvel erro da mdia e inventou o famoso teste t, o qual utilizado at hoje para analisar amostras com n pequeno.

Teste t de Student
1 amostra vs populao 2 amostras independentes (diferentes) 2 amostras emparelhadas Em todos os casos do teste t, alm de um valor P, tambm possvel, e desejvel, obter-se um intervalo de confiana (IC95%)

A distribuio t
Tem forma de sino como a normal, mas mais achatada. Quanto maior for a amostra, maior a semelhana entre a distribuio t e a distribuio normal. Quanto maior a amostra, melhor o desvio padro da amostra (DP ou s) estima o desvio padro populacional (). Os valores crticos, alm de dependerem do , passam a depender do tamanho amostra (gl = n 1). Valor tabelado: t ; gl

Normal

Distribuio t

erro padro da amostra quando conhecido

erro padro da amostra quando no conhecido

1,96

2,31

Distribuies normal e t para amostras de n=9 com seus respectivos valores crticos para =0,05.

Teste de hipteses com desconhecido: teste t

Ttulo de anticorpos anti-A em pacientes com a doena D difere do ttulo nos indivduos saudveis? Pacientes com a doena D: Amostra n = 15; m = 6,5; s = 0,5 Ho: pac = saudveis = 6,1 Ha: pac saudveis = 0,05 t;gl = t0,05;14 = 2,145 Pessoas saudveis Dados populacionais = 6,1 = ??

Teste de hipteses com desconhecido

2,145

3,08

t0,05;14
Como |tcalc| = 3,08 > t0,05;14 = 2,145, rejeita-se Ho. A mdia amostral (m = 6,5) difere significativamente do parmetro de referncia ( = 6,1). Os pacientes com a doena D apresentam mdia de ttulo de anti-A mais alto do que os indivduos saudveis.

Teste de hipteses com desconhecido

A concluso refere-se s mdias populacionais. A mdia dos portadores da doena D maior do que a mdia dos no doentes (grupo de referncia)

R=6,1

D=?

Estimando a mdia populacional desconhecida: intervalo de confiana para a mdia Populao de pacientes com D: qual o ttulo verdadeiro de anti-A?

= ? = ?

Amostra de 15 pacientes

m = 6,5 n = 15 s = 0,5

Estimao: - por ponto - por intervalo

Intervalo de 95% confiana para a mdia

t 0,05;14 = 2,145 EP = 0,13 ME = 0,28

Margem de erro ou erro de estimao

Li = 6,5 ( 2,145 0,13) = 6,22 Ls = 6,5 + (2,145 0,13) = 6,78 ento, IC 95% (): 6,2 a 6,8

Intervalo de confiana para a mdia: interpretao

IC 95% (): 6,2 a 6,8

Intervalo de confiana para a mdia: interpretao

IC 95% (): 6,2 a 6,8 Para 95% de confiana a mdia da populao de onde saiu a amostra um valor entre 6,2 e 6,8. Nesta populao, 95% dos valores provavelmente variam entre 5,5 e 7,5 (mdia 2DP)

Intervalo de confiana para a mdia: interpretao

Teste t para duas amostras independentes

(mA mB)

0 (A B)

Teste t para duas amostras independentes

Para avaliar a relao entre obesidade e PAS foram estudados 27 indivduos: 13 obesos (IMC 30 Kg/m2) 14 no obesos (IMC < 30 Kg/m2)

Dados de PAS (mmHg) 1(obesos): 150,611,1; n=13 0(no obesos): 140,910,1; n=14

Ho: A = B Ha: A B = 0,05; gl=nA+nB-2=25 t;gl = t0,05;25 = 2,060

Teste t para duas amostras independentes

mdia da variabilidade varincia ponderada (pooled var)

erro padro da diferena usando a (SE difference)

t calculado usado para obtermos o valor P

Teste t para duas amostras independentes

Teste t para duas amostras independentes Usando SPSS

estatsticas descritivas

2,38 ~ 2,39

teste estatstico com valor P e intervalo de confiana para as diferenas

Teste t para duas amostras independentes Usando SPSS

Dados de PAS (mmHg) 1(obesos): 150,611,1; n=13 0(no obesos): 140,910,1; n=14
pressupostos do t de Student - homocedasticidade - normalidade - var. quantitativa

homogeneidade de varincias

teste t

intervalo de Diferena de confiana de 95% mdias (efeito)

Teste t para duas amostras independentes

Como |tcalc| = 2,394 > t0,05;25 = 2,060, rejeita-se Ho. As mdias das duas amostras diferem significativamente entre si, sendo maior a PAS entre os obesos (P=0,025). Esta concluso s o resultado de um teste de significncia estatstica (contra zero). No se refere importncia clnica, magnitude do efeito ou se o mesmo vlido (questionar mtodos do estudo e potenciais fatores de confuso).

Intervalo de confiana da diferena de mdias

Li = 9,7 2,060 4,08 = 1,3 Ls = 9,7 + 2,060 4,08 = 18,1 IC95%(): 1,4 a 18,2 mm(Hg)

Uma melhor concluso

Os obesos apresentaram uma PAS que foi em mdia 9,8 mmHg maior do que a dos no obesos (IC95%: 1,4 a 18,3; P=0,025). Com isto possvel avaliar a magnitude, mas a falsa impresso de preciso transmitida pelo valor P se desfaz quando se verifica a grande amplitude do IC. Apesar de significativo, o estudo ainda inconclusivo sobre o efeito da obesidade na PAS (ainda no avaliamos os mtodos do estudo e potenciais confundidores).

Teste t para duas amostras independentes IC vs valor P

O valor P=0,025 (usando o teste t de Student e com base nas duas amostras estudadas) indica que h evidncia estatstica de uma diferena entre as duas populaes envolvidas (TODOS os obesos e TODOS os no obesos). O problema (limitao do valor P) que a magnitude da diferena (tamanho do efeito da obesidade sobre a PAS) no avaliado. Assim, no se sabe se a diferena importante ou no.

Teste t para duas amostras independentes IC vs valor P

O intervalo de confiana (IC95%: 1,4 a 18,2) (usando o teste t de Student e com base nas duas amostras estudadas) indica tambm que h evidncia estatstica de uma diferena entre as duas populaes envolvidas (note a amplitude no passa por 0, ou seja, efeito nulo), e mais, informa que esta diferena pode ser to pequena quanto 1,4 mmHg ou to grande quanto 18,2 mmHg.

Teste t para duas amostras independentes IC vs valor P

Com o IC possvel interpretar clinicamente os resultados. Com o P no temos nada disso. somente um teste contra um efeito nulo (d=0). Por isso, o IC sempre prefervel ao P.
Escala de avaliao clnica da diferena
[1,4] [d=9,8] Estudo [18,2]

Grande

Moderada Pouca Moderada

Grande

P=0,025

Diferena de PAS entre obesos e no-obesos (mmHg)

Tamanho de efeito padronizado

Definio: Compara a diferena de mdias entre dois grupos e estima a magnitude dessa diferena em unidades de DP. Medida bastante usada em metanlise (standardized mean difference) e medicina baseada em evidncias. tambm conhecido como estatstica d, tamanho de efeito (originado do ingls effect size) e diferena de mdias padronizada.

Tamanho de efeito padronizado

O tamanho de efeito padronizado (TEP) ou E/S definido por
mdia do grupo a mdia do grupo b desvio padro comum dos 2 grupos

onde

Uma escala de magnitudes

Trivial TEP f dif. Pequena Moderada Grande Mt. Grande Q Prf

Adaptada de Will Hopkins, http://www.sportsci.org/resource/stats/effectmag.html

2) Anlise de Varincia (ANOVA)

Anlise de varincia (ANOVA) um procedimento estatstico que apesar de seu nome tem como finalidade comparar mdias. Sua grande utilidade comparar simultaneamente 3 ou mais mdias, mantendo o erro tipo I sob controle. A ANOVA realizada em apenas dois grupos leva a resultados idnticos ao de um teste t.

ANOVA Exemplos
1 2

O pai da ANOVA
Ronald Aylmer Fisher 1890, Londres, Inglaterra 1962, Adelaide, Austrlia

Fisher formou-se em Astronomia por Cambridge em 1912. No incio de seus estudos estatsticos teve srios atritos com Pearson, mas por outro lado dava-se bem com Student. Em 1919 foi trabalhar como estatstico na Rothamsted Agricultural Experiment Station onde desenvolveu a Anlise de Varincia. Alm disso, fez diversas outras importantes contribuies estatstica sendo considerado um dos cones da estatstica moderna.

Testes de post-hoc
Aps ANOVA significativa de interesse localizar as diferenas Praticamente todos os teste de post-hoc trabalham da mesma forma: como se fosse um teste t com correo no EP para evitar aumento no .

Testes de post-hoc

Duncan Student-Newman-Keuls Tukey e vrios outros. Bonferroni (Finner)

Inferncia em variveis quantitativas Parte II Correlao, Regresso e testes no-paramtricos

3.1) Correlao linear

Tcnica que serve para avaliar o quanto duas variveis esto linearmente associadas. A associao (chamada de correlao) expressa pelo coeficente de Pearson (r).

Correlao linear
O coeficiente de Pearson (r) varia entre 1 e +1. Valores negativos indicam relao inversa: x e y Valores positivos indicam relao direta: x e y Os valores mnimo (1) e mximo (+1) de r ocorrem quando todos os pontos esto sobre a reta.

r = 1

r = +1

Correlao Linear - Exemplo 1

5500 5000

r = 0,65 P<0,001

Escala de r

Peso ao nascer (g)

4500 4000 3500 3000 2500 2000 1500 1000 32 34 36 38 40 42 44

+1

sem associao linear

Idade Gestacional (semanas)

Correlao Linear - Exemplo 2

Correlao linear
O desenvolvimento da correlao linear recebeu uma importante contribuio a partir de 1893 com os estudos de Karl Pearson.

Karl Pearson 1857, Londres, Inglaterra 1936, Londres, Inglaterra

Pearson formou-se em matemtica em Cambridge, 1879 e atuou como professor de Matemtica Aplicada no University College, London durante a maior parte do tempo de sua carreira acadmica.

Grficos de disperso de pontos

relao no linear
1.2 1.0 0.8 0.6

0.4

0.2

0.0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

r = 0,76

r = 0,42

r=0

r = 0,82

Correlao linear
O coeficiente de Pearson como toda estatstica obtida em amostra sofre variao aleatria, devendo ser testado estatisticamente. O r populacional representado por r (). O procedimento clssico testar o desvio de r em relao a um =0 populacional, obtendo-se um P. Se houve significncia, indica que h correlao (diferente de 0).

Correlao linear
Coeficiente de determinao

O quadrado do coeficiente de correlao (r2) conhecido como coeficiente de determinao e representa a varincia explicada, ou seja, qual a proporo da variabilidade de y que pode ser explicada pela variabilidade de x.

Teste de significncia do coeficiente de correlao (r)

=0

+1

Teste t de Student para o coeficiente de correlao

Dados da amostra
10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9

r = 0,58 e n=8
Ho: = 0 Ha: 0 = 0,05 gl=n de pares-2=6 t;gl = t0,05;6 = 2,447

Nota na prova

Estudo (horas)

Teste t de Student para o coeficiente de correlao*

Como |tcalc| = 1,74 < t0,05;6 = 2,447, no h evidncia de correlao uma vez que o desvio de r em relao a =0 no foi significativo. * possvel obter-se, tambm, o intervalo de confiana para o r

Intervalo de 95% confiana para r por aproximao t

t 0,05;6 = 2,447

Li = 0,58 ( 2,447 0,33) = 0,23 Ls = 0,58 + (2,447 0,33) = 1,39 1 IC 95%assinttico (): 0,23 a 1,0 IC 95%exato (): 0,22 a 0,91

3.2) Regresso linear

Tcnica de anlise de dados que permite quantificar o efeito de x sobre y partindo de um modelo linear (reta). Geralmente usada junto com a correlao. Com regresso linear possvel estimar o valor de y (varivel dependente) a partir de um valor de x (varivel independente), usando uma equao matemtica.

Galton e a regresso
Francis Galton 1822, Birmingham, Inglaterra 1911, Surrey, Inglaterra
Explorador e antropologista, Galton tornou-se conhecido por seus estudos pioneiros sobre hereditariedade da inteligncia. Galton props a regresso linear (a qual chamou inicialmente de reverso) estudando ervilhas, provavelmente influenciado por seu famoso primo, Charles Darwin. Apesar de no ser matemtico, Galton influenciou o pensamento estatstico da poca tendo como um de seus seguidores o jovem matemtico Karl Pearson.

Regresso linear - Exemplo

altura peso 152 55 153 56 160 63 163 60 165 61 171 64 172 70 178 71 180 73 181 85 185 80 186 89 186 75
Peso (Kg)

Altura (cm)

A reta de regresso linear

Peso (Kg)

y = a + bx

y: peso (v. dependente) Altura (cm) x: altura (v. independente) b: coeficiente angular. Efeito de x em y, ou seja, para cada alterao de uma unidade em x, y altera-se em b unidades. a: coeficiente linear. Ponto em y quando x for igual a zero.

Regresso linear y = a + bx

Regresso linear

Assim, no exemplo da altura (cm) e do peso (kg) temos

Teste de significncia do coeficiente angular (b)

=0

Teste t de Student para o coeficiente angular

altura peso 152 55 153 56 160 63 163 60 165 61 171 64 172 70 178 71 180 73 181 85 185 80 186 89 186 75

Ho: = 0 Ha: 0 = 0,05 gl=n de pares-2=11 t;gl = t0,05;11 = 2,201

Teste t de Student para o coeficiente angular (b)

onde

Regresso Linear
SPSS output

Com a equao acima possvel relacionar o peso com a altura e prever qual o peso de uma pessoa quando se sabe a sua altura.

Teste t de Student para o coeficiente angular (b)*

SPSS output

Como |tcalc| = 7,30 > t0,05;11 = 2,201, o b significativamente diferente de zero, havendo regresso do peso sobre a altura. * possvel obter-se o IC para o b.

Intervalo de 95% de confiana para o B

t 0,05;11= 2,201

Li = 0,81 ( 2,201 0,11) = 0,57 Ls = 0,81 + (2,201 0,11) = 1,05 IC 95%assinttico (): 0,57 a 1,05

4) Procedimentos no-paramtricos
So testes baseados em postos (ranks) e utilizados somente quando h problemas nos pressupostos dos testes tradicionais (paramtricos)
t independente: U Wilcoxon-Mann-Whitney t emparelhado: T Wilcoxon ANOVA: Kruskal-Wallis, Friedman r de Pearson: coef. de Spearman, Kendall...

Inferncia em variveis categricas Parte III Risco relativo e odds ratio

Propores
So utilizadas para descrever a ocorrncia de variveis categricas e freqntemente na rea da sade recebem o nome de prevalncia ou incidncia (dependendo do delineamento de pesquisa) comum, tambm, apresentar as propores em seu formato mais conhecido: o percentual.

Propores
Como as mdias possuem uma DAM, as propores possuem tambm uma distribuio de freqncias. A distribuio de freqncias que descreve as propores (variveis categricas dicotmicas) chama-se Distribuio Binomial.

0.35

Distribuio Binomial =0,5; n=5

0.30

0.25

0.20

0.15

0.10

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Distribuio Binomial =0,5; n=10

0.25

0.20

0.15

0.10

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Distribuio Binomial =0,5; n=20

0.15

0.10

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Distribuio Binomial =0,5; n=40

0.10

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.10

Distribuio Binomial =0,5; n=80

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.35 0.25 0.30 0.25 0.20 0.15 0.10 0.10 0.05 0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Distribuio Amostral de Propores (Binomial) =0,5

0.20

0.15

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

n=5

n = 10

0.10

0.15 0.10

0.10

0.05 0.05

0.05

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0.00
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

n = 20

n = 40

n = 80

Propores
A distribuio binomial possui sua prpria equao, mas devido a sua proximidade com a distribuio normal, quando o n>40 e as propores no so muito extremadas, utilizase a aproximao normal da binomial.

Aproximao Normal da Distribuio Binomial e seu erro padro

Intervalo de confiana para proporo

Intervalo de confiana para proporo

Dados da amostra Produo de -lactamase em isolados de H. influenzae x(eventos)=75; n=300 p=x/n, p=75/300=0,25

Exemplo para intervalo de confiana de proporo

Li = 0,25 1,96 0,025 = 0,30 Ls = 0,25 + 1,96 0,025 = 0,20 IC95%(): 0,2 a 0,3 ou 25% (IC95%: 20 a 30)

5.1) Risco relativo

Definio: Compara a probabilidade de ocorrncia do desfecho entre os expostos com a probabilidade de ocorrncia nos noexpostos. a razo da incidncia do desfecho nos expostos pela incidncia do desfecho nos noexpostos. O desfecho nos expostos apresenta uma incidncia que RR vezes a incidncia observada nos no-expostos.

Tabela de contingncia 2 x 2 Desfecho Exposio Presente Ausente Total Presente a c a+c Ausente b d b+d Total a+b c+d n

5.2) Odds ratio

Definio: a razo de odds, ou seja, compara o odds de ocorrncia do desfecho entre os expostos com o odds de ocorrncia nos no-expostos. O odds ratio (OR) tambm compara o odds de exposio entre os que tem o desfecho (casos) pelo odds de exposio nos livres de desfecho (controles). Por esse motivo uma medida de associao muito til em estudos retrospectivos (p.e. estudos de caso-controle).

Tabela de contingncia 2 x 2 Desfecho Exposio Presente Ausente Total Presente 70 30 Ausente 40 60 100 Total 110

90
200

100

Interpretao do RR ou OR - I
Eventos (%) Eventos (%)

E N-E

RR = 1,0 (IC95%: 0,7 a 1,4) P = 0,885

E N-E
RR = 3,5 (IC95%: 2,3 a 5,3) P < 0,001 Risco Relativo

Risco Relativo

Eventos (%)

Eventos (%)

E N-E

RR = 2,0 (IC95%: 1,3 a 3,2) P = 0,003 Risco Relativo

E N-E

RR = 0,25 (IC95%: 0,13 a 0,47) P < 0,001 Risco Relativo

Interpretao do RR ou OR - II
RR > 1 indica risco aumentado de desfecho entre expostos e quanto maior o RR mais forte a associao entre a exposio e o desfecho. RR prximo de 1 indica que no h associao da exposio com o desfecho. RR < 1 indica associao negativa, ou seja, expostos apresentam menor incidncia (fator de proteo).

Exemplo
Investigar se existe associao entre artropatia e histria familiar positiva para essa condio.
Casos Foram estudados 114 pacientes com artropatia Aps entrevista 54 relataram ter parentes em 1 grau que tambm apresentavam queixas de artropatia Controles Foram estudados 334 pacientes sem nenhum sintoma de artropatia Aps a mesma entrevista 89 relataram ter parentes em 1 grau que apresentavam queixas de artropatia

Exemplo
Investigar se existe associao entre artropatia e histria familiar positiva para essa condio.
Tabela de contingncia 2 x 2 Artropatia Histria familiar Positiva Negativa Total Presente 54 (47,4) 60 114 Ausente 89 (26,6) 245 334 Total 143 305 448

Exemplo
Investigar se existe associao entre artropatia e histria familiar positiva para essa condio.

IC95%: 1,56 a 3,94

RR e OR Slides Adicionais

A Distribuio do RR
O RR possui uma distribuio assimtrica que sob a hiptese nula tem o valor 1 como centro
Distribuio original: assimtrica Distribuio aps transformao Log: simtrica

RR Log10(RR)

0,33 -0,48

1 0

3 0,48

-0,48

0,48

Intervalo de confiana para RR

Tabela de contingncia 2 x 2 Infarto do Miocrdio Exposio Hipertensos -Hipertensos Total Sim 161 (6,1) 748 (2,2) 909 No 2475 34020 36495 Total 2636 34768 37404

RR=2,84 EP[LN(RR)]=0,0845 Li = exp(LN(2,84) - 1,96 x 0,0845) = exp(0,8782) = 2,41 Ls = exp(LN(2,84) + 1,96 x 0,0845) = exp(1,2094) = 3,35 RR = 2,84 (IC95%: 2,41 a 3,35)

Tabela de contingncia 2 x 2 Artropatia Histria familiar Positiva Negativa Total Presente 54 (47,4) 60 114 Ausente 89 (26,6) 245 334 Total 143 305 448

Tabela de contingncia 2 x 2 Artropatia Histria familiar Positiva Negativa Total Presente 54 (47,4) 60 114 Ausente 89 (26,6) 245 334 Total 143 305 448

OR=2,48 EP[LN(OR)]=0,2247 Li = exp(LN(2,48) - 1,96 x 0,2247) = exp(0,4678) = 1,60 Ls = exp(LN(2,48) + 1,96 x 0,2247) = exp(1,3487) = 3,85 RR = 2,48 (IC95%: 1,60 a 3,85)

Distribuio Qui-Quadrado

A estatstica qui-quadrado (2) foi criada por Karl Pearson para: Verificar se uma distribuio observada de dados se ajusta a uma distribuio terica. Comparar as propores de duas ou mais populaes. Verificar se existe associao entre variveis categricas.

 2 calculado: mede discrepncia entre freqncias observadas (O) e freqncias esperadas segundo determinada lei (E). 2: valor entre 0 e infinito. Como saber se diferenas entre O e E podem ser aleatrias? Compara-se 2 calculado com valor tabelado, conforme e gl.

A distribuio 2

Tabelas 2 X 2: correo de Yates

Retinopatia Sim No 33 23 4 13

Pacientes C/proteinria S/proteinria

Correo de Yates:

Exigncias para aplicao do 2

1. gl=1: Correo de Yates 2. E < 5 deve ser menor que 20% Na ruptura de pressupostos - Simulaes de Monte Carlo - Teste exato de Fisher

Comparaes mltiplas
anlise de resduos comparao de propores (Mt. Zar: Tukey-like proc.) partio em 2x2 com ajuste de P usar RR

Outros usos
Tendncia linear Ajustes de efeitos confundidores (Mantel-Haenszel) Anlise de sobrevida (log-rank) ...

Elementos para o clculo de tamanho de amostra

Tamanho de amostra
importncia estudos descritivos (margem de erro aceitvel) estudos analticos (magnitude de associao a ser avaliada em teste de hiptese)

Tamanho da amostra
O clculo do tamanho mnimo para uma amostra depende de 1. Tipo de problema (descritivo ou analtico) 2. Tipo de varivel (quantitativa ou categrica) 3. Variabilidade da caracterstica 4. Magnitude aceita para o erro tipo I () 5. Tamanho do efeito a ser detectado (diferena) 6. Poder desejado na procura do efeito (1 )

Elementos a serem considerados

Definir em termos matemticos o que se deseja Levar em conta um efeito minimamente relevante (do ponto de vista clnico ou epidemiolgico) No adianta querer medir a melhora, deve-se definir o que melhora (p.e. 10 mmHg na PAD)

Estudos descritivos
Estimar a proporo de sujeitos com um desfecho dicotmico ou desvio-padro de um desfecho contnuo. Especificar a preciso desejada (amplitude do intervalo de confiana Especificar o nvel de confiana (p. ex., 95%)

Estudos analticos
Formular hipteses nula e alternativa Selecionar um teste estatstico Estimar a magnitude do efeito e sua variabilidade Estabelecer valores apropiados para e

Outros aspectos
Adicional para perdas (fator de ajuste [FA]) [FAx% = 100/(100-x), p.e.: para compensar 20% de perdas, temos que multiplicar a amostra por 1,25, pois, FA20% = 100/(100-20) = 1,25. Adicionar 20% para efeitos confundidores e 20% para efeitos de interao. Pelo menos 10 (ou 20 eventos) para cada nvel de varivel no modelo.

Como estimar o tamanho de amostra quando as informaes so insuficientes? Busca extensiva Consultar outros investigadores Estudo-piloto Base de dados para anlise de dados secundria Dicotomizar a varivel contnua chute cientfico

Exemplos na comparao bivariada de grupos

Fonte: Silveira RC et al. Growth and neurodevelopment outcome of very low birth weight infants delivered by preeclamptic mothers. Acta Paediatrica 2007; 96: 17381742.

Fonte: Peneau S et al. Anthropometric and Behavioral Patterns Associated with Weight Maintenance after an Obesity Treatment in Adolescents. J Pediatr 2008;152:678-84.

Legenda p/MW: TS: transferrin saturation; Hb: Hemoglobin; IDA: iron deficiency anemia; RDW: Red blood cell distribution width

Fonte: Muwakkit S et al. Iron Deficiency in Young Lebanese Children: Association With Elevated Blood Lead Levels. J Pediatr Hematol Oncol 2008;30:382386.

Legenda p/MW: TS: transferrin saturation; IDA: iron deficiency anemia. Fonte: Muwakkit S et al. Iron Deficiency in Young Lebanese Children: Association With Elevated Blood Lead Levels. J Pediatr Hematol Oncol 2008;30:382386.

Fonte: Varraso RJ et al. Prospective Study of Cured Meats Consumption and Risk of Chronic Obstructive Pulmonary Disease in Men. Am J Epidemiol 2007;166:14381445.