Bioestatística

1. Universidade do Estado do Rio de Janeiro L@MPADA – informática Médica Bioestatística Prof. Liana 2006/1

2. EmentaBioestatística (45 h) • Aula Teórica • Estatística – Conceitos • Organização e Apresentação de Dados • Medidas de posição e dispersão • Probabilidade e Distribuições de Probabilidade • Intervalos de confiança • Testes de Hipóteses • Correlação e Regressão • Introdução a Técnicas Não-Paramétricas

3. EmentaBioestatística (45 h) • Aulas práticas • Bibliografia • TRIOLA, M. Introdução à estatística. 9 ed. Rio de Janeiro: LTC, 2005.

4. Cronograma das aulas

5. Conceitos • Estatística • Estatística Indutiva e Inferencial • Bioestatística • Exemplos de utilização da bioestatística • População e amostra • Parâmetro e estatística • Dados primários e secundários • Censo • Variável

6. Conceitos • Estatística: é a ciência que tem por objetivo planejar, coletar, tabular, analisar e interpretar informações e delas extrair conclusões que permitam a tomada de decisões acertadas mediante incertezas. • Áreas: Estatística Descritiva e Estatística Inferencial ou Indutiva • Bioestatística: aplicação da estatística nos campos relacionados a saúde.

7. Bioestatística na Medicina • Avaliação da literatura. • Aplicação de resultados de estudos no atendimento aos pacientes. • Interpretação de estatísticas vitais. • Interpretação de informações sobre fármacos e equipamentos. • Utilização de procedimentos diagnósticos. • Manter-se informado. • Avaliação de protocolos de estudo e artigos. • Participação ou coordenação de projetos de pesquisa.

8. Conceitos • População: é o conjunto de elementos (valores, pessoas, medidas etc) que tem pelos menos uma característica em comum. • População do município do Rio de Janeiro; • População de pacientes internados no HUPE; • População de pacientes atendidos no ambulatório de dermatologia do HUPE; • População de ratos Wistar machos do Biotério da Faculdade de Medicina da UERJ • População de seringas descartáveis do Posto de Saúde do bairro de Vila Isabel. • Amostra: é um subconjunto de elementos extraídos de uma população.

9. Conceitos • Parâmetro: é uma medida numérica que descreve uma característica de uma população. • Estatística: é uma medida numérica que descreve uma característica da amostra. • Dados primários: dados coletados pelo próprio pesquisador e sua equipe. • Dados secundários: não foram obtidos pelo pesquisador e sua equipe (diversas fontes como artigos em periódicos, institutos de pesquisa, DATASUS, IBGE, OMS, OPAS).

10. Conceitos • Censo: é uma coleção de dados relativos a todos os elementos de uma população. • Variável: é a característica de interesse que é medida em cada elemento da amostra ou população, podendo ter resultados numéricos ou não. Seus valores variam de elemento a elemento.

11. Variáveis - Classificação

12. Tipos de estudo • Estudo observacional: verificamos e medimos características específicas, mas não tentamos manipular ou modificar os elementos a serem estudados. • Estudo transversal: dados são observados, medidos e coletados em um ponto no tempo. • Estudo retrospectivo ou de caso controle: os dados são coletados do passado, voltando-se no tempo. • Estudo prospectivo ou longitudinal ou de coorte: os dados são coletados no futuro, de grupos (coortes) que compartilham fatores comuns.

13. Tipos de estudos • Experimento: aplicamos determinado tratamento e passamos então a observar seus efeitos sobre os elementos a serem pesquisados. • Confundimento: ocorre em um experimento quando o pesquisador não está apto a distinguir os efeitos de diferentes fatores.

14. Experimentos • Controlando os efeitos das variáveis • Experimentos cegos: o sujeito não sabe se está recebendo o tratamento ou o placebo. • Blocos: para testar a eficácia de um ou mais tratamentos é importante colocar os sujeitos em grupos diferentes (ou blocos) de tal modo que os grupos sejam muito semelhantes. • Planejamento experimental completamente aleatorizado: os sujeitos são colocados nos blocos através de um processo de seleção aleatória. • Planejamento rigorosamente controlado: sujeitos são escolhidos cuidadosamente de modo que em cada bloco sejam similares.

15. Tipos de estudos

16. Levantamento de dados • Problemas usuais - Representatividade • Fator associado à forma de amostragem. • Na seleção da amostra procura-se reproduzir as características observáveis da população - uso do critério de proporcionalidade. • Em caso de desconhecimento da composição da população deve-se utilizar algum critério de aleatoriedade (sorteio). • Amostra tendenciosa – conclusões sem consistência.

17. Levantamento de dados • Problemas usuais – Fidedignidade • Relacionada à precisão ou qualidade dos dados. • Motivos da falta de precisão: • Falhas nos instrumentos de aferição; • Problemas nos questionários empregados na obtenção dos dados; • Falha humana.

18. Amostragem • Se os dados amostrais não forem coletados de maneira apropriada, eles podem ser de tal modo inúteis que nenhuma manipulação estatística poderá salvá-los. • A aleatoriedade comumente desempenha papel crucial na determinação de quais dados coletar.

19. Amostragem • Vantagens do levantamento por amostragem: custo menor, menor tempo e objetivos mais amplos. • Situações para trabalho com amostras: população muito grande, dificuldade de acesso, grande número de variáveis. • Tipos • Aleatória • Estratificada • Sistemática • Conglomerados • Conveniência

20. Amostragem

21. Apresentação de dados - Tabelas • Componentes

22. Representação tabular • Apresentação de tabelas • A tabela deve ser simples, claras e objetivas. Grandes volumes de dados devem ser divididos em várias tabelas. • A tabela deve ser auto-explicativa. • Nenhuma casa da tabela deve ficar em branco, apresentando sempre um número ou um símbolo. • As tabelas, excluídos os títulos, serão delimitadas, no alto e em baixo, por traços horizontais grossos, preferencialmente.

23. Representação tabular • Apresentação de tabelas • Recomenda-se não delimitar as tabelas à direita e à esquerda, por traços verticais. • Será facultativo o emprego de traços verticais para a separação de colunas no corpo da tabela. • Deve-se manter a uniformidade quanto ao número de casas decimais. • Os totais e subtotais devem ser destacados.

24. Tabelas de contingência • Conjugando duas séries em uma única tabela, obtém-se uma tabela de dupla entrada.

25. Distribuições de Freqüência • Relacionam categorias ou classes de valores, juntamente com contagens (ou freqüência) do número de valores que se enquadram em cada categoria. • Exemplo 1: VARIÁVEL QUALITATIVA

26. Distribuições de Freqüência • Exemplo 2: VARIÁVEL QUANTITATIVA • Distribuição de freqüência para dados não agrupados ou não tabulados em classes; • Distribuição de freqüência para dados agrupados ou tabulados em classes.

27. Distribuições de Freqüência Dados agrupados em classes

28. Distribuições de Freqüências • Elementos: • Classes: cada uma das linhas contendo um intervalo de valores. As classes são limitadas por dois valores: limite inferior de classe (li) e limite superior de classe (Li). Maneiras de expressar os limites de classes: • 10 -- 12: compreende todos os valores entre 10 e 12, excluindo o 12. • 10 -- 12: limites aparentes; os limites reais nesta situação são 9,5 e 12,5. • Amplitude de classe: é a diferença entre dois limites inferiores de classe consecutivos. • Ponto médio: é a média aritmética simples entre o limite superior e o inferior de uma mesma classe.

29. Distribuições de Freqüências • Elementos: • Freqüência absoluta simples (ni): é o número de informações verificadas em cada classe. • Freqüência total: é a soma de todas as informações observadas. • Freqüência relativa simples (fi): é o quociente entre a freqüência da classe e a freqüência total. • Freqüência acumulada (Fi): é obtida através da soma da freqüência daquela classe mais as freqüências de todas as classes anteriores.

30. Distribuições de Freqüências

31. Distribuições de freqüência • Etapas para a construção de tabelas de freqüências para dados agrupados: 1) Encontrar o menor e o maior valores (denominados mínimo e máximo) do conjunto de dados. 2) Escolher a amplitude de classe com que se deseja trabalhar. 3) A seguir, coloca-se o menor valor encontrado nos dados (ou um valor mais conveniente) como limite inferior da primeira classe e acrescenta-se a amplitude de classe escolhida. Esse processo é repetido até que seja criada a classe que inclui o valor máximo do conjunto de dados. 3) Contar o número de elementos que pertencem a cada classe (freqüência).

32. Distribuições de Freqüências • Etapas para a construção de tabelas de freqüências para dados agrupados: 1) Decida sobre o número de classes desejado. (entre 5 e 20). 2) Calcule 3) Ponto inicial: Comece escolhendo um número para limite inferior da primeira classe. Escolha ou o valor mínimo dos dados, ou um valor conveniente que seja um pouco menor.

33. Distribuições de Freqüências • Etapas para a construção de tabelas de freqüências para dados agrupados: 4) Usando o limite inferior da primeira classe e a amplitude de classe, prossiga e liste os outros limites inferiores de classe. 5) Liste os limites inferiores de classe em uma coluna vertical e prossiga para preencher os limites superiores de classe. 6) Percorra o conjunto de dados verificando o número de elementos que se encaixam em dada uma das classes.

34. Distribuições de Freqüências • Na construção de tabelas de freqüência, devemos observar as seguintes diretrizes: • As classes devem ser mutuamente excludentes. • Todas as classes devem ser incluídas, mesmo as de freqüência zero. • Procurar utilizar a mesma amplitude para todas as classes. • Escolher números convenientes para limites de classe.. • A soma das freqüências das diversas classes deve ser igual ao número de observações originais.