BIOESTATÍSTICA DESCRITIVAMANEJO DE INFORMAÇÕES PARA A CONSTRUÇÃO DE CONHECIMENTO IIIPROFESSOR MARCELO MORENOMONITORA MARÍLIA KLEIN REIS

APRESENTAÇÃO

Considerando que uma das dimensões do eixo curricular do curso de Medicina da UNOCHAPECÓ é manejo de informações para a construção do conhecimento, faz-se necessário saber como “manejar” as informações que são apresentadas em cada momento e em cada cenário que o estudante estará inserido durante toda a profissionalização médica proposta pela universidade. As informações existentes em um determinado meio, devem ser organizadas de forma lógica e prática para serem analisadas. Os dados resultantes poderão ser expressos através de textos científicos, publicados e utilizados para uma ação em determinada população.

2

Com isso, os dados existentes de forma desorganizada, sem o olhar cientí-fico, em determinada população ou determinada amostra são organizados e devolvidos de forma analisada, por métodos cientificamente aceitos, para que os agentes envolvidos possam usufruir do conhecimento gerado por dados que eles forneceram (Figura 1). A estatística é a ciência de coletar, resumir, apresentar e interpretar dados, além de trabalhar com esses dados realizando associações e testes de hipóteses, por exemplo.

Informações de / em uma população Informações oganizadas

Geram dados que serão devolvidos

Figura 1 - Organização de dados de uma amostra.

3

444444

Para isso, e considerando que estamos nos referindo a um curso da área da saúde, é necessário conhecer fundamentos de bioestatística. A palavra bioestatística é derivada da junção do prefixo “bio” – relativo à vida –, e da palavra “estatística” – que é a ciência que orienta a coleta, o resumo, a apresentação e a interpretação de dados. A partir disso, pode-se concluir que BIOESTATÍSTICA é a “aplicação de métodos estatísticos usados no tratamento de variáveis nas ciências médicas e biológicas”. A bioestatística está presente não apenas por trás das pesquisas realizadas e artigos publicados. A bioestatística está presente nos mais diversos procedimentos empregados na prática médica; no exame físico, nas medicações prescritas, nas recomendações ou no prognóstico do paciente. Por exemplo, um estudo que busca investigar a morbidade de indivíduos associada ao estresse ocupacional precisa descobrir se a pressão arterial acima da média da população geral é devida ao acaso ou se representa um risco real nessa associação. É possível relacionar os conhecimentos teóricos de bioestatística com as ferramentas de softwares como o Epi Info™ (http://www.cdc.gov/Epiinfo/); e SPSS Statistics.

4

As aulas serão compostas por 4 unidades de conteúdo teórico e prático com trabalho efetivo universitário (TEU), com a seguinte distribuição do conteúdo:

Organização de dados de uma amostra;

Entendimento das variáveis;

Coleta de dados - trabalho de campo;

Uso de gráficos;

Medidas de tendência central;

Medidas de dispersão;

Construção de um relatório como síntese do trabalho semestral.

Entendimento das variáveis; Entendimento das variáveis; Entendimento das variáveis; Entendimento das variáveis;

Coleta de dados - trabalho de campo; Coleta de dados - trabalho de campo; Coleta de dados - trabalho de campo; Coleta de dados - trabalho de campo; Coleta de dados - trabalho de campo;

Uso de gráficos; Uso de gráficos; Uso de gráficos; Uso de gráficos; Uso de gráficos;

Medidas de dispersão; Medidas de dispersão; Medidas de dispersão; Medidas de dispersão; Medidas de dispersão;

Construção de um relatório como síntese do Construção de um relatório como síntese do Construção de um relatório como síntese do Construção de um relatório como síntese do Construção de um relatório como síntese do

5

Estruturar um banco de dados; Produzir gráficos de acordo com a variável estudada;

Verificar medidas de tendência central e de dispersão.

Ao final destes encontros você será capaz de:

6

INTRODUÇÃO

Nesse capítulo, os conceitos gerais de bioestatística serão apresentados. Após, utilizando as variáveis coletadas na população de estudantes da sala de aula, será estruturado um banco de dados no programa Microsoft Excel. As frequências serão analisadas após exportação para o programa SPSS Statistics.

Organização dos dados de uma amostra

7

1 - População e amostraToda pesquisa quantitativa é baseada em uma fonte de variáveis. Esta fonte que contém as variáveis é chamada de população ou de amostra de uma população. Também podemos dizer que uma amostra é um subconjunto de uma população selecionado de acordo com um método de amostragem. Por exemplo, em uma cidade de 100 mil habitantes (população, simbolizada pela letra “N”), foram selecionados 500 indivíduos para serem entrevistados sobre seu estilo de vida (amostra, simbolizada pela letra “n”).

Através da estatística, a amostra é capaz de fornecer informações sobre a população total a que o estudo se refere. Desta forma, diferentes amostras, em sua essência, fornecem informações semelhantes acerca daquela população, e, portanto, os resultados divergentes são devidos ao “acaso”.

8

SorteioaleatórioA

A

I

Figura 2 - Amostra aleatória simples.

1.1 - Métodos de amostragem

Amostra aleatória simples - Todos os indivíduos de uma população possuem a mesma chance de serem selecionados. Por exemplo, em uma sala de aula (população) de 40 estudantes, será selecionada uma amostra de 15 estudantes. Para isso, enumeram-se todos os indivíduos, e, com uma urna, é feito um sorteio. A escolha independe da vontade do indivíduo que fará o sorteio (Figura 2).

9

As aulas serão compostas por 4 unidades de conteúdo teórico e prático com trabalho efetivo universitário (TEU), com a seguinte distribuição do conteúdo:

Organização de dados de uma amostra;

Entendimento das variáveis;

Coleta de dados - trabalho de campo;

Uso de gráficos;

Medidas de tendência central;

Medidas de dispersão;

Construção de um relatório como síntese do trabalho semestral.

AAAAABBBBBBBBBCCCCCCCCCCCCC

ACABCABBBAAACABCABCC

CCCCCCCCABBA BCABCCCBBBBBB

BBAAABCC

B BB BB B B

B B B BB B B

AAAAAA

A A

ccccccccccc

ccccccccccc

Amostra

Sorteio

Sorteio

Sorteio

Divide-se emestratos

Amostra aleatória estratificada - Uma população possui subpopulações ou estratos. Se utilizarmos a maneira aleatória de escolha dos indivíduos, devemos cuidar para que cada estrato contenha um número representativo de indivíduos para que o estudo seja realizado. Por exemplo, no caso de verificar a presença do vírus HPV nos exames citopatológicos de uma população feminina na faixa etária de 25 a 30 anos de um bairro de uma cidade. Sabe-se que mulheres com nível socioeconômico menor possuem maior incidência de infecção por esse vírus. Para isso, a população pode ser dividida em estratos socioeconômicos “A”, “B” e “C”. Após, é calculada a porcentagem de mulheres que pertencem a cada um dos estratos (exemplo 2%, 30% e 68%). Se a amostra definida de mulheres com idade entre 25 e 30 anos for de 100, então deverão ser sorteadas (aleatoriamente) 2 pessoas da classe A, 30 da classe B e 68 da classe C (Figura 3).

Figura 3 - Amostra aleatória estratificada.

10

Amostra aleatória sistemática - Quando os elementos de uma população estão ordenados (em uma lista, filas, prateleiras...), a amostragem será aleatória, mas obedecerá uma sequência pré-determinada. Por exemplo, em uma UBS existem 1000 prontuários. Para a verificação da automedicação pelos usuários, foi definida uma amostra de 50 pacientes, ou seja, 5%. Para o sorteio, escolhe-se um prontuário aleatoriamente e a cada 20 é retirado outro. Supondo que o primeiro escolhido foi o 18º, o seguinte seria o 38º, e assim por diante (Figura 4).

Figura 4 - Amostra aleatória sistemática.

Escolher o primeiro

aleatoriamente

Depois, escolher um a a cada “x”, dependendo

do tamanho da amostra

???

11

Amostra aleatória por conglomerados - Realizada quando a população se apresenta em conglomerados. Por exemplo, colônias de bactérias em uma placa de Petri, ou casas de usuários de uma UBS, identificadas pela territorialização. Enumera-se cada conglomerado; após são realizados o sorteio e a análise dos indivíduos pertencentes aos conglomerados (Figura 5).

Sorteio

5

7

1

5

7

9

8

6

1

3

10

4

55

7

99

88

6

11

3

1010

42

12

Se estiver comparando dois grupos, o tamanho da diferença é pequeno? Ou seja, qual “grau de diferença” entre os valores dos dados é considerado clinicamente significativo entre os grupos? Esta é uma decisão do pesquisador e pode ser baseada na experiência, na literatura e/ou na relevância clínica da variável em estudo. Se o tamanho da diferença for considerado pequeno, a amostra deverá ser grande. Qual é o erro beta aceitável? Por exemplo, com um erro beta de 0,1, aceita-se 10% de chance de deixar de reconhecer uma diferença que realmente existe.

Qual o desvio-padrão esperado? Quanto maior o desvio-padrão, maior o tamanho da amostra.

O poder do teste desejado, para verificar a significância do achado, é alto? Se for baixo, a amostra deve ser maior. Há diversas fórmulas para se definir o tamanho amostral. O tamanho mínimo da amostra, feito a partir de análise estatística, tem como um dos principais determinantes o tipo de estudo a ser realizado.

1.2 - Cálculo do tamanho da amostra (n)

Para realizar o cálculo di tamanho da amostra, as características da população e o objetivo da pesquisa necessitam ser considerados. Alguns cuidados devem ser tomados:

Qual é o tipo de problema para ser resolvido? O objeto de estudo nunca foi descrito anteriormente? Serão comparadas duas populações?.

Que tipo de variável: quantitativa ou qualitativa? Variáveis quantitativas requerem maior número de indivíduos na amostra. Qual é o erro estatístico aceito pelo autor? Quanto menor o erro, maior deve ser a amostra, ou seja, quanto maior é o objetivo de que a amostra represente a verdadeira situação de uma população – menor erro –, maior será a amostra. Usualmente, o nível de significância utilizado para o cálculo considera adequada uma probabilidade de até 5% (p≤0,05), no entanto este valor pode variar dependendo do estudo.

Qual é o tipo de problema para ser resolvido? O objeto de Qual é o tipo de problema para ser resolvido? O objeto de Qual é o tipo de problema para ser resolvido? O objeto de Qual é o tipo de problema para ser resolvido? O objeto de Qual é o tipo de problema para ser resolvido? O objeto de Qual é o tipo de problema para ser resolvido? O objeto de

Que tipo de variável: quantitativa ou qualitativa? Variáveis Que tipo de variável: quantitativa ou qualitativa? Variáveis Que tipo de variável: quantitativa ou qualitativa? Variáveis Que tipo de variável: quantitativa ou qualitativa? Variáveis Que tipo de variável: quantitativa ou qualitativa? Variáveis

Qual é o erro estatístico aceito pelo autor? Quanto menor o Qual é o erro estatístico aceito pelo autor? Quanto menor o Qual é o erro estatístico aceito pelo autor? Quanto menor o Qual é o erro estatístico aceito pelo autor? Quanto menor o Qual é o erro estatístico aceito pelo autor? Quanto menor o

13

Se estiver comparando dois grupos, o tamanho da diferença é pequeno? Ou seja, qual “grau de diferença” entre os valores dos dados é considerado clinicamente significativo entre os grupos? Esta é uma decisão do pesquisador e pode ser baseada na experiência, na literatura e/ou na relevância clínica da variável em estudo. Se o tamanho da diferença for considerado pequeno, a amostra deverá ser grande. Qual é o erro beta aceitável? Por exemplo, com um erro beta de 0,1, aceita-se 10% de chance de deixar de reconhecer uma diferença que realmente existe.

Qual o desvio-padrão esperado? Quanto maior o desvio-padrão, maior o tamanho da amostra.

O poder do teste desejado, para verificar a significância do achado, é alto? Se for baixo, a amostra deve ser maior. Há diversas fórmulas para se definir o tamanho amostral. O tamanho mínimo da amostra, feito a partir de análise estatística, tem como um dos principais determinantes o tipo de estudo a ser realizado.

1.2 - Cálculo do tamanho da amostra (n)

Para realizar o cálculo di tamanho da amostra, as características da população e o objetivo da pesquisa necessitam ser considerados. Alguns cuidados devem ser tomados:

Qual é o tipo de problema para ser resolvido? O objeto de estudo nunca foi descrito anteriormente? Serão comparadas duas populações?.

Que tipo de variável: quantitativa ou qualitativa? Variáveis quantitativas requerem maior número de indivíduos na amostra. Qual é o erro estatístico aceito pelo autor? Quanto menor o erro, maior deve ser a amostra, ou seja, quanto maior é o objetivo de que a amostra represente a verdadeira situação de uma população – menor erro –, maior será a amostra. Usualmente, o nível de significância utilizado para o cálculo considera adequada uma probabilidade de até 5% (p≤0,05), no entanto este valor pode variar dependendo do estudo.

Se estiver comparando dois grupos, o tamanho da diferença é Se estiver comparando dois grupos, o tamanho da diferença é Se estiver comparando dois grupos, o tamanho da diferença é Se estiver comparando dois grupos, o tamanho da diferença é Se estiver comparando dois grupos, o tamanho da diferença é

Qual o desvio-padrão esperado? Quanto maior o Qual o desvio-padrão esperado? Quanto maior o Qual o desvio-padrão esperado? Quanto maior o Qual o desvio-padrão esperado? Quanto maior o Qual o desvio-padrão esperado? Quanto maior o Qual o desvio-padrão esperado? Quanto maior o

O poder do teste desejado, para verificar a significância do O poder do teste desejado, para verificar a significância do O poder do teste desejado, para verificar a significância do O poder do teste desejado, para verificar a significância do O poder do teste desejado, para verificar a significância do O poder do teste desejado, para verificar a significância do

Há diversas fórmulas para se definir o tamanho amostral. O Há diversas fórmulas para se definir o tamanho amostral. O Há diversas fórmulas para se definir o tamanho amostral. O Há diversas fórmulas para se definir o tamanho amostral. O

Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta Qual é o erro beta aceitável? Por exemplo, com um erro beta

14

1.3 - Etapas de um levantamento amostral

09

Treinamento

10

Pré-teste

11

Execução dolevantamento

12

Organização eanálise dos dados

13

Relatório final com sugestões para levantamentos

futuros

01

Objetivos do levantamento

02

População a ser amostrada

03

Dados a serem coletados

04

Grau de precisão desejada

05

Métodos de medição

06

Referência(unidades amostrais)

07

Método de seleção da amostra

08

Organização dotrabalho de campo

15

2 - VARIÁVEIS

São características, atributos de uma população ou amostra, que podem variar de uma unidade experimental para outra. São relacionadas para estudo e então caracterizarão o objeto de estudo. Por exemplo, idade, cor da pele, altura, pressão arterial, peso, características anatomopatológicas, ou questões de um protocolo de pesquisa formulado pelo pesquisador ou padrão já existente. Para melhor clareza, organização, visualização e análise dos dados, as variáveis podem ser classificadas.

16

2.1 - QUANTITATIVAS ou NUMÉRICAS (asumem valores numéricos).

Discretas: referem-se a valores determinados, ou valores contáveis. Geralmente são representadas por números inteiros. Exemplo: número de células em 1cm3, número de classes de uma sala de aula, número de usuários de uma UBS com diagnóstico de diabetes mellitus tipo 1. contínua: refere-se a uma medida específica em uma escala contínua. Pode apresentar qualquer valor dentro de um intervalo. Exemplo: idade de 22,3 anos, peso de 13,57 Kg.

2.2 - QUALITATIVAS ou CATEGÓRICAS (assumem valores não numéricos).

Nominais: sim/não, sexo, cor, etc.

Ordinais: avalia grau de intensidade ou diferentes categorias. As variáveis têm uma ordem natural. Exemplo: intensidade de dor em uma escala, ano de graduação (1º, 2º, 3º), classe social. Em certos casos pode ser atribuída como uma variável “binária” ou “dicotômica”, em que há apenas dias possibilidades para a variável. Exemplo: sexo feminino ou masculino, sim ou não.

3

17

2.4 - Distribuição de frequência ( ) É o número de vezes que determinada variável foi observada. Ela pode ser expressa como frequência simples (ƒ); frequência relativa (ƒr), em que cada frequência é dividida pelo total de ocorrências; frequência acumulada (F ou Fac), em que é realizada a soma das frequências simples; e a frequência acumulada relativa (Fr), obtida realizando a divisão de F pelo somatório de todas ƒ. Frequência e frequência relativa usualmente são representadas em gráfico de barras ou de pizza, cuja altura e área, respectivamente, são

20 25 10

25 30 24

30 35 8

35 40 6

40 45 4

45 50 2

50 55 3

57

Idade (em anos)

57

proporcionais ao número absoluto ou porcentagem encontrada na amostra.Exemplo de organização de frequências (Tabela 1):

Tabela 1 – Distribuição dos pacientes que procuraram a UBS “X” de Chapecó-SC 05 de março de 2015 de acordo com a idade.

18

2.4 - Distribuição de frequência ( ) É o número de vezes que determinada variável foi observada. Ela pode ser expressa como frequência simples (ƒ); frequência relativa (ƒr), em que cada frequência é dividida pelo total de ocorrências; frequência acumulada (F ou Fac), em que é realizada a soma das frequências simples; e a frequência acumulada relativa (Fr), obtida realizando a divisão de F pelo somatório de todas ƒ. Frequência e frequência relativa usualmente são representadas em gráfico de barras ou de pizza, cuja altura e área, respectivamente, são proporcionais ao número absoluto ou porcentagem encontrada na amostra.Exemplo de organização de frequências (Tabela 1):

Tabela 1 – Distribuição dos pacientes que procuraram a UBS “X” de Chapecó-SC 05 de março de 2015 de acordo com a idade. Atividade de fixação

19

Estado de origem;

Atividade 1 – Organização de dados Com o objetivo de conhecer como os dados de uma pesquisa (variáveis) são organizados, propõe-se o seguinte: 1. Faça um levantamento de dados dos colegas da sala de aula, considerando as seguintes variáveis:

Idade; Altura; Peso; IMC;

Ano de formaturado segundo grau;

Durante a vida, já apresentou episódio

gripal?

Quantos vestibulares para o curso de Medicina

realizou antes de ingressar na universidade;

20

Abra o programa;

Digite o nome da variável no início de cada coluna (A1, B1, C1...), nomeando-as

variáveis de forma objetiva. Exemplo: IDADE, ALT, PESO, IMC, ESTADORG,

ANOFORM, NUMVEST, GRIPE;

Preencha as células com os dados;

Nomeie o arquivo como MED3SEM;

Salve o arquivo na área de trabalho;

4. Analise os dados de frequência.

2. Classifique as variáveis em qualitativas (nominais ou ordinais) e quantitativas (discretas ou contínuas).

3. Construa um banco de dados, utilizando o software Microsoft Excel, seguindo os seguintes passos.

21

REFERÊNCIAS BUENO, W. da C. Comunicação para a saúde – uma experiência brasileira. São Paulo: Plêiade, 1996.

CALLEGARI-JAQUES, Sidia M. Bioestatítica: princípios e aplicações. Porto Alegre: Artmed, 2003.

CORACINI, M. J. Um fazer persuasivo – o discurso subjetivo da ciência. Campinas: Pontes, 1991.

DEMO, Pedro. Pesquisa: princípio científico e educativo. São Paulo: Cortez, 2000.

DMITRUK ORTIZ, Hilda B. (Org.). Cadernos metodológicos: diretrizes de metodologia científica. Chapecó: Argos, 2004.

DORIA FILHO, U. Introdução à bioestatística. São Paulo: Negócio Editora, 1999.

DUNCAN, B; SCHMIDT, M. I.; GIUGLIANI, E. Medicina ambulatorial. Porto Alegre: Artmed, 2004.

KENNETH, W. Goodman (Editor). Ethics, Computing, and Medicine: Informatics and the Transformation of Health Care. Cambridge: U.Press, 1997.

MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Técnicas de pesquisa: planejamento e execução de pesquisas, amostragens e técnicas de pesquisa, elaboração, análise e interpretação de dados. São Paulo: Atlas, 1990.

22

PROJETO GRÁFICO E DIAGRAMAÇÃO: ESCRITÓRIO DE DESIGN - DESIGN VISUAL - UNOCHAPECÓ