bioestatistica [modo de compatibilidade] · nota: dados retirados do livro da sala de parto (1): os...

Bioestatística Básica Bioestatística Básica

Secretaria de Estado de Saúde do Distrito FederalSecretaria de Estado de Saúde do Distrito Federal Fundação de Ensino e Pesquisa em Ciências da

Saúde (FPECS)Escola Superior de Ciências da SaúdeEscola Superior de Ciências da Saúde

(ESCS)Paulo Roberto Margotto

Prof. Do Curso de Medicina da ESCSEntendendo bioestatística básicaAutor(es): Paulo R. Margotto

www.paulomargotto.com.br19/6/2008

Bioestatística Básica Bioestatística Básica Programa:

1. Importância da Bioestatística2. Variáveis2. Variáveis3. População e Amostras4. Apresentação dos dados em tabelas5 Medidas de Tendência Central5. Medidas de Tendência Central6. Distribuição Normal 7. Correlação e Regressão8. Risco Relativo / Odds Ratio9. Teste de Hipóteses10. Exercício de Medicina Baseado em Evidências11. Teste de Fisher12. Teste t13 Análise de Variância (ANOVA)13 Análise de Variância (ANOVA)14 -Escolha de Teste Estatístico15-Testes Estatísticos não Paramétricos 16- Sensibilidades/Especificidade/Curva ROC

Margotto, PR (ESCS)

Bioestatística Básica Bioestatística Básica

A condução e avaliação A condução e avaliação de uma pesquisade uma pesquisa Depende em boa parteDepende em boa partede uma pesquisade uma pesquisa

Comparação entre doisComparação entre dois

Depende, em boa parte, Depende, em boa parte, do conhecimento sobre do conhecimento sobre BioestatísticaBioestatísticaComparação entre dois Comparação entre dois

ou mais grupos ou ou mais grupos ou amostras (grupo amostras (grupo t t d /t t d /tratado / grupo tratado / grupo controle)controle)

Avaliação da eficácia do tratamento (significação)

Estar alerta a: variáveis interferentes nos resultados¤ Variações mostrais

Dif t

Margotto, PR (ESCS)

¤ Diferenças entre grupos

www.paulomargotto.com.br

Bioestatística BásicaBioestatística Básica

Os testes estatísticos são utilizados para:

¤ Comparar amostras(houve modificação dos grupos inicialmentesemelhantes após o início da intervenção)

¤ Detectar variáveis interferentes

¤ Analisar se o tratamento depende de outras variáveis (peso, idade, sexo)

Margotto, PR (ESCS) www.paulomargotto.com.br

(p )


A ciência não é um conhecimento definitivo sobre a realidade mas é um conhecimento hipotético querealidade, mas é um conhecimento hipotético que

pode ser questionado e corrigido.

Ensinar ciências não significa apenas descrever fatos, anunciar leis e apresentar novas descobertas masanunciar leis e apresentar novas descobertas, mas

Ensinar o método científico

Maneira crítica e

Ensinar o método científico

Maneira crítica e racional de buscar

conhecimento


conhecimentoVieira S., 1991.

- Variáveis (dados):- Qualitativas :(diferentes categorias sem valores numéricos):

N i l í d-Nominal:: sexo, cor, grupo sanguíneo, causa da morte-Ordinais: (ordenação natural): Grau de instrução, aparência,

estágio da doença status socialestágio da doença, status social - Quantitativos ou Contínuos: (dados expressos por nº): idade,

altura, peso, renda familiar-Discretas( associação entre valores e números inteiros):

idade em anos completosContínua (pode assumir qualquer valor no subconjunto de-Contínua (pode assumir qualquer valor no subconjunto de

números reais): peso- População e Amostra:p ç

- População: Conj. de elementos com determinada característica- Amostra: Subconjunto com menor nº de elementos

- Independentes: grupo selecionados com tratamento distinto- Dependentes: para cada elemento do grupo tratado existe

um grupo controle semelhante (sexo idade etc)um grupo controle semelhante (sexo, idade, etc)- Comparação intra-individuo (o grupo submetido ao

tratamento é o seu próprio controle)


- Apresentação dos Dados em Tabelas:- Componentes das tabelas:

Título: Explica o conteúdo- Título: Explica o conteúdo- Corpo: Formado pelas linhas e colunas dos dados- Cabeçalho: específica o conteúdo das colunas- Coluna indicadora: específica o conteúdo das linhas- Coluna indicadora: específica o conteúdo das linhas- Opcional: fonte, notas, chamadas


Bioestatística BásicaBioestatística BásicaNascidos vivos no Maternidade do HRAS segundo o ano de registro

TítuloTítulo

Cabeçalho (separado do corpo por um traço horizontal)

Ano de RegistroAno de Registro FreqüênciaFreqüência Freqüência relativaFreqüência relativa1998 (1)1998 (1) 83288328 32,88 32,88 (8828/25494)( )( ) ,, ( )1999 (1)1999 (1) 82148214 32,2232,222000 (1)2000 (1) 88988898 34,9034,90( )( )

Coluna indicadora

TotalTotal 2549425494 100100Fonte: Margotto, PR (2001)Fonte: Margotto, PR (2001)Nota: dados retirados do livro da sala de parto Nota: dados retirados do livro da sala de parto (1): os RN < 500g não foram incluídos(1): os RN < 500g não foram incluídos (chamadas)


(1): os RN < 500g não foram incluídos(1): os RN < 500g não foram incluídos. (chamadas)

Bioestatística BásicaBioestatística BásicaTabela de Contingência ou de Dupla Entrada

(cada entrada é relativa a um dos fatores)

Gestantes sem pré-natal/gestantes com pré-natal e mortalidade perinatale mortalidade perinatal

FatorFator Mortalidade PréMortalidade Pré--natalnatal TotalTotal

Sim NãoSim Não

Gestantes sem préGestantes sem pré--natal natal 55 83355 833 938938

Gestantes com préGestantes com pré--natal natal 156 6720156 6720 68766876

f ( )Permite calcular o risco, a freqüência (incidência) entre expostos e não expostos a um determinado fator (será discutido adiante).


Bioestatística BásicaBioestatística BásicaTabelas de distribuição de freqüências:- Tabelas de distribuição de freqüências:

Peso ao nascer de nascidos vivos, em Kg2,5222,522 3,2003,200 1,9001,900 4,1004,100 4,6004,600 3,4003,400

2,7202,720 3,7203,720 3,6003,600 2,4002,400 1,7201,720 3,4003,400

3,1253,125 2,8002,800 3,2003,200 2,7002,700 2,7502,750 1,5701,570

2,2502,250 2,9002,900 3,3003,300 2,4502,450 4,2004,200 3,8003,800

3,2203,220 2,9502,950 2,9002,900 3,4003,400 2,1002,100 2,7002,7003,2203,220 2,9502,950 2,9002,900 3,4003,400 2,1002,100 2,7002,700

3,0003,000 2,4802,480 2,5002,500 2,4002,400 4,4504,450 2,9002,900

3,7253,725 3,8003,800 3,6003,600 3,1203,120 2,9002,900 3,7003,700

2,8902,890 2,5002,500 2,5002,500 3,4003,400 2,9202,920 2,1202,120Menor peso:

15703,1103,110 3,5503,550 2,3002,300 3,2003,200 2,7202,720 3,1503,150

3,5203,520 3,0003,000 2,9502,950 2,7002,700 2,9002,900 2,4002,400

3,1003,100 4,1004,100 3,0003,000 3,1503,150 2,0002,000 3,4503,450

1570g

Maior peso: 3,2003,200 3,2003,200 3,7503,750 2,8002,800 2,7202,720 3,1203,120

2,7802,780 3,4503,450 3,1503,150 2,7002,700 2,4802,480 2,1202,120

3,1553,155 3,1003,100 3,2003,200 3,3003,300 3,9003,900 2,4502,450

2 1502 150 3 1503 150 2 5002 500 3 2003 200 2 5002 500 2 7002 700

4600g

2,1502,150 3,1503,150 2,5002,500 3,2003,200 2,5002,500 2,7002,700

3,3003,300 2,8002,800 2,9002,900 3,2003,200 2,4802,480 --

3,2503,250 2,9002,900 3,2003,200 2,8002,800 2,4502,450 --

Como transformar está tabela em uma


Como transformar está tabela em uma Tabela de Distribuição de Freqüência ?

Bioestatística BásicaBioestatística BásicaTabelas de distribuição de freqüências: 3 colunas- Tabelas de distribuição de freqüências: 3 colunas

Definir as faixas de peso (Classes):ClasseClasse Ponto MédioPonto Médio FreqüênciaFreqüência

1,51,5ΙΙ—— 2,02,0 1,751,75 332,02,0ΙΙ—— 2,52,5 2,252,25 16162 52 5ΙΙ 3 03 0 2 752 75 31312,52,5ΙΙ—— 3,03,0 2,752,75 31313,03,0ΙΙ—— 3,53,5 3,253,25 34343,53,5ΙΙ—— 4,04,0 3,753,75 11113,53,5ΙΙ 4,04,0 3,753,75 11114,0 4,0 ΙΙ—— 4,54,5 4,254,25 444,54,5ΙΙ—— 5,05,0 4,754,75 11

- Intervalo de classe (0,5Kg): intervalo coberto pela classe- Extremo de classe:limites dos intervalos de classe

1,5 Ι— 2,0: fechado a esquerda (não pertencem a classe os1,5 Ι 2,0: fechado a esquerda (não pertencem a classe os Valores ≥ 2; pertencem a classe os valores ≥ 1,5)- Ponto médio: soma dos extremos da classe ÷ 2-N º de classes: K = 1+ 3 222 log n (em geral: 5-20)


-N de classes: K = 1+ 3,222 log n (em geral: 5-20)no exemplo: K = 1 + 3,222 log 100 = 7,444 (7 ou 8 classes)


Apresentação dos dados em gráficosApresentação dos dados em gráficos

oestat st ca ás caoestat st ca ás ca

Apresentação dos dados em gráficosApresentação dos dados em gráficos--título (pode ser colocado tanto acima título (pode ser colocado tanto acima

b i )b i )como abaixo) como abaixo) --escala (crescem da esquerda para a escala (crescem da esquerda para a ( q p( q p

direita e de baixo para cima). direita e de baixo para cima). legendas devem ser colocadas à direitalegendas devem ser colocadas à direita-- legendas devem ser colocadas à direita legendas devem ser colocadas à direita

do gráfico.do gráfico.


Gráfico de barras: é usado para apresentar variáveisGráfico de barras: é usado para apresentar variáveisqualitativas ou ordinais. Veja no gráfico de barras osdado da tabela 1dado da tabela 1.

19981999 200019981999 2000Nascidos vivos na Maternidade do HRAS segundo o ano de registro.


Gráfico de setores: é usado para apresentar variáveisGráfico de setores: é usado para apresentar variáveisqualitativas ou variáveis ordinais. Calcular os ânguloscentrais das diversas categorias marcando os nacentrais das diversas categorias, marcando-os nacircunferência e separando-os com o traçado de raios.

Como calcular o ângulo central de cada categoria:1998 ( 118,4º)1998100 360 Freqüência relativa (f) valerá X e o ângulo central X = 360 x f

100

1999 ( 116º)

2000 (125 6º)

1999

2000 1002000 (125,6º)2000

Nascidos vivos na Maternidade do HRAS segundo o ano de registroNascidos vivos na Maternidade do HRAS segundo o ano de registro.


Histograma:gOs dados apresentados em tabelas de distribuição defreqüência são apresentados graficamente em histogramas.

F ê iFreqência

Peso ao nascer

Bioestatística BásicaBioestatística BásicaPolígono de freqüência :O d d d b l d di ib i ã d f üê i béOs dados apresentados em tabela de distribuição de freqüências tambémpodem ser apresentados em gráficos denominados polígonos de frequência.Após serem marcados os pontos na abscissa (pontos médios das classes) ena ordenada (freqüência relativas), fechar o polígono unindo os extremos nospontos de abscissas iguais aos pontos médios de uma classe imediatamenteinferior a primeira e de uma classe imediatamente superior à última.p p

Bioestatística BásicaBioestatística Básicaoestat st ca ás caoestat st ca ás ca

BOX PLOT: a caixa é formada por-mediana (linha central): estimativa da tendência central

a sua posição indica a presença de simetria (central) e p ç p ç ( )próxima a dos percentis (assimetria)

-percentis 25 e 75 (obtidos pelo método Tukey´s Hinges): amplitude interquartil-estima a Variabilidade dos dados-whiskers (bigodes de gatos):

-valores máximos e mínimos (distribuição normal)-distribuição assimétrica: os dados máximo e mínimos se

desviam do P25-P75->1,5 AIQ: valores discrepantes(outliers)->2,5 AIQ: valores extremos (extremes-assinalados

com asterisco)


Dias de internação na coleta da hemocultura por faixas de peso ao nascerDenise Nogueira da Gama Cordeiro

Bioestatística BásicaBioestatística BásicaMedidas de Tendência Central

(Valor de ponto em torno do qual os dados se distribuem)V iâ i D i P d ã li d di ãVariância e Desvio Padrão: avalia o grau de dispersão

quanto cada dado se desvia em relação a média)Média aritmética:soma dos dados ÷ nº delesMédia aritmética:soma dos dados ÷ n deles

(dá a abscissa do centro de gravidade do conjunto de dados)Peso ao nascer em Kg de 10 RNPeso ao nascer em Kg de 10 RNPeso ao nascer em Kg de 10 RNPeso ao nascer em Kg de 10 RN

2,52,5 2,02,0 3,03,0 4,04,0

3 03 0 1 01 0 1 51 53,03,0 1,01,0 1,51,5 --

3,53,5 1,51,5 2,52,5 --

A média aritmética (representa-se por X é: 2,5+3,0+3,5+ ... 4,0 = 2,45 10


10

Bioestatística BásicaBioestatística BásicaM did d T dê i C t lMedidas de Tendência Central

Média AritméticaCálculo da média de dados em Tabela de Distribuição de Frequênciaç q

ClasseClasse Ponto MédioPonto Médio FreqüênciaFreqüência1,51,5ΙΙ—— 2,02,0 1,751,75 332,02,0ΙΙ—— 2,52,5 2,252,25 16162,52,5ΙΙ—— 3,03,0 2,752,75 31313 03 0ΙΙ 3 53 5 3 253 25 34343,03,0ΙΙ—— 3,53,5 3,253,25 34343,53,5ΙΙ—— 4,04,0 3,753,75 11114,0 4,0 ΙΙ—— 4,54,5 4,254,25 44

n=100 Média (X): ponto médio de cada classe x respectiva freqüência

,, ,, ,,4,54,5ΙΙ—— 5,05,0 4,754,75 11

divido pelo nX = 1,75x3 + 2,25x16 + ... 4,25x4 + 4,75x1 = 300 3 Kg

100 100


100 100

Bioestatística BásicaBioestatística Básicaê CMedida de Tendência Central

- Medida de dispersão:indicadores do grau de variabilidade dos individuos em torno das medidas de tendência central

- Variância:Medir os desvios em relação a média- Medir os desvios em relação a média

(diferença de cada dado e a média)- Não há média dos desvios pois sua soma é igual a zero

E 0 4 6 8 7Ex.: 0,4,6,8,7- X (média) : 0+4+6+8+7 = 25 = 5

5 55 5- X – X (desvio em relação a média)

0 - 5 = - 54 5 1 A d d i é i l4 – 5 = -1 A soma dos desvios é igual a zero6 – 5 = 18 – 5 = 3 (-5 + -1)+1+3+2= - 6 + 6 = 0


( )7 – 5 = 2


VariânciaSoma dos quadrados dos desvios

DadosDadosXX

DesviosDesvios(X (X –– X)X)

Quadrado dos desviosQuadrado dos desvios(X (X –– X) X) 22

00 -- 55 252544 -- 11 1166 11 1188 33 99

2277 22 44x = 5x = 5 ΣΣ (x (x ––x) = 0x) = 0 ΣΣ (x (x –– x) x) 22 = 40 = 40

A soma do quadrado dos desvios não é usada como medida de dispersão, porque o seu valor cresce com o nº de dados

Grupo I: 60 70 e 80 Kg - Grupo II: 60 60 70 70 80 80 Kg


Grupo I: 60, 70 e 80 Kg - Grupo II: 60, 60, 70, 70, 80, 80 Kg


VariânciaCálculo da soma dos quadrados dos desvios

Grupo IGrupo I Grupo IIGrupo IIGrupo IGrupo I Grupo IIGrupo IIXX (x (x –– X)X) (x (x –– X) X) 22 XX (x (x –– X)X) (x (x –– X) X) 22

6060 -- 1010 100100 6060 -- 1010 1001007070 zerozero zerozero 6060 -- 1010 1001008080 1010 100100 7070 zerozero zerozero

7070 zerozero zerozero8080 1010 1001008080 1010 100100

Então, para medir a dispersão dos dados em relação à média, usa-se a

8080 1010 100100zerozero 200200 zerozero 400400

, p p ç ,variância (S2) que leva em consideração o n

S2 = soma dos quadrados dos desviosn – 1


Para os dados: 0, 4, 6, 8 e 7 a S2 = 40 = 40 = 105 –1 4

Bioestatística Básica IBioestatística Básica IMedidas de Tendência Central

Desvio PadrãoRaiz quadrada da variância sendo representava por S; tem aRaiz quadrada da variância, sendo representava por S; tem a

mesma unidade de medida dos dadosEx.: 0,4,6,8,7. S2 (variância) = 10

(d i d ã ) √10 3 16s (desvio padrão): √10 = 3,16Coeficiente de variância (CV)

Razão entre o desvio padrão a a média x 100pCV = sx 100

XEx : Grupo I: 3 1 5 anos (x = 3 anos; s2 = 4; s=2) : CV = 66 7%Ex.: Grupo I: 3,1,5 anos (x = 3 anos; s2 = 4; s=2) : CV = 66,7%

Grupo II: 55,57,53 anos (x = 55 anos; s2 = 4; s = 2) : CV = 3,64%

V j à di ã d d d b éVejam à dispersão dos dados em ambos os grupos é a mesma, mas os CV são diferentes (no grupo I a dispersão relativa é ALTA)


ALTA)

Bioestatística BásicaBioestatística BásicaDistribuição Normal

• Variáveis aleatórias: variam ao acaso (peso ao nascer)• Gráficos com 2 extremos um máximo e um mínimo e entre eles, uma distribuição gradativa (maioria dos valores ao redor da

édi ) C d G A did i i tmédia) : Curva de Gauss: As medidas que originam a estesgráficos são variáveis com distribuição normal



• Características:A variável (peso ao nascer) pode assumir qualquer valor real O Gráfico da distribuição normal é uma curva em forma de

sino, simétrico em torno da média (µ) (se lê “mi”).A área total da curva vale 1, significando que a probabilidade g q p

de ocorrer qualquer valor real é 1.Pelo fato da curva ser simétrica em torno da média, os valores ,

maiores do que a média e os valores menores do que a média ocorrem com igual probabilidade.g p



Predicção de uma valor entre dois nº quaisquer:ç q q

Ex.: A probabilidade de ocorrência de um valor > 0 é 0,5, mas qual é a probabilidade de ocorrer um valor entre 0 e z = 1,25?q p ,



Predicção de uma valor U t b l d Di t ib i ã N lUsar tabela de Distribuição Normal

C t t b l ?Como usar esta tabela?Localizar na 1a coluna o valor 1,2 Na 1a linha, está o valor 5.n0 1,2 compõe com o algarismo 5, o n0 z = 1,25.No cruzamento da linha 1,2 com a coluna 5 está o número 0,3944. Está é a probabilidade (39,44%) do ocorrer valor entre zero e z= 1,25.


Bioestatística BásicaBioestatística Básica0 1 2 3 4 5 6

0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239

0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636

0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026

0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406

0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772

0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123

0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454

0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764

0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051

0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315

1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554

1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770

1 2 0 3849 0 3869 0 3888 0 3907 0 3925 0 3944 0 39621,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962

1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131

1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279


Probabilidade de ocorrer valor entre zero e 1,25


• Predicção de uma valor: qual é a probabilidade de um individuo apresentar um colesterol entre 200 e 225 mg%µ (média); 200 mg% / δ = desvio padrão = 20 mg%

Cálculo da probabilidade associado à Distribuição normal:çZ = X - µ µ = média ;

δ δ = desvio padrão δ X = valor pesquisadoδ X = valor pesquisado

A estatística Z mede quanto um determinado valor afasta-se da médiaem unidades de Desvio padrão

(quando coincide c/ a média o escore é Z = 0)


(quando coincide c/ a média, o escore é Z = 0)


• Predicção de uma valor:Z = X – 200 = 1,25

20

Consultando a Tabela de Distribuição normal, vemos queConsultando a Tabela de Distribuição normal, vemos que

a probabilidade de Z assumir valor entre 0 e Z = 1,25 é 0,3944 ou 39,44


Bioestatística BásicaBioestatística Básica0 1 2 3 4 5 6

0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239

0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636

0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026

0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406

0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772

0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123

0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454

0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764

0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051

0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315

1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554

1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770

1 2 0 3849 0 3869 0 3888 0 3907 0 3925 0 3944 0 39621,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962

1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131

1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279


Probabilidade de ocorrer valor entre zero e 1,25


Distribuição NormalP di ã d l• Predicção de uma valor

Outro exemplo: Qual é a probabilidade uma pessoa apresentarmenos do que 190mg% de colesterol. Para resolver este problema, é preciso "reduzir" o valor X = 190.Obtém se então:Obtém-se então:

Z = 190 - 200 = - 0,50 . 2020


Bioestatística BásicaBioestatística BásicaNa Tabela de Distribuição Normal, a probabilidade de ocorrer valor maior

que a média 0 é 0,5;então, a probabilidade pedida é :0 5 0 1915 = 0 3085 ou 38 85%

0 1 2 3 4 5 6

0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239

0,5 – 0,1915 = 0,3085 ou 38,85%

0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636

0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026

0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406

0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772, , , , , , , ,

0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123

0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454

0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764

0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051

0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315

1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554

1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770

1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962


1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131

1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279


Correlação / Regressão• CorrelaçãoAssociaçao entre duas variaveis peso e altura; em quanto aumenta o peso à medida que aumenta a altura?• Diagrama de dispersão:Diagrama de dispersão:• X = Horizontal (eixo das abscissas): variável independente ou explanatóriaexplanatória • Y = Vertical (eixo das ordenadas) : variável dependente

A correlação quantifica quão bem o X e Y variam em conjunto



Correlação + Correlação - Sem correlação


Bioestatística BásicaBioestatística BásicaCorrelação / Regressão

Comp Peso Comp Peso

104 23,5 98 15,0107 22,7 95 14,9103 21,1 92 15,1105 21,5 104 22,2100 17 0 94 13 6100 17,0 94 13,6104 28,5 99 16,1108 19,0 98 18,091 14,5 98 16,0

102 19,0 104 20,099 19,5 100 18,3

Observem que à medida que o comprimento dos cães aumenta


(variável explanatória) o peso aumenta (variável dependente)


• Coeficiente de correlação: (r de Pearson) :Expressa quantitativamente as relações entre duas variáveisr = 0,8 – 1 – forter = 0 5 0 8 moderada Débito cardíaco e Pressão arterialr = 0,5 – 0,8 – moderadaR = 0,2 – 0,5 – fracar = 0 – 0,2 – insignificante

Débito cardíaco e Pressão arterial r=0,38 (correlação fraca)

Kluckow et alr 0 0,2 insignificanteCálculo do r:

Kluckow et al

r = ∑xy - ∑x∑yn 000000000

∑x2 – (∑x)2

n∑y2 – (∑y)2

n



• Correlação: grau de associação / Regressão: capacidade t 2 iá i d di ã d l b dentre 2 variáveis de predicção de um valor baseado

no conhecimento do outro(prever Y conhecendo-se o X)(p )

Equação da Reta de Regressão:Y = a + bx (a= Y – bx)

a : coeficiente angular (inclinação da reta)b: coeficiente linear (intersecção da reta com o eixo X)



• Exemplo: a correlação entre o peso pré-gravídico e o peso do RN foi de 0,22. Aequação da reta: Y = 2547, 79 + 12,8 x

Assim, uma gestante com peso pré-gravídico de 60 Kg espera-se um RN c/

peso de 3,315gR2 ( r squared): coeficiente de determinação: proporção da variação total que é explicada. Peso pré –gravídico e peso ao nascer :r2 = 0,22 2 = 4,84 ≈ 5%( é li d l d ã 5%)


( o peso ao nascer é explicado pelo peso da mãe em apenas 5%)(Tese de Doutorado – Curvas de Crescimento Intra-uterinas Margotto, PR)

Bioestatística BásicaBioestatística BásicaCorrelação / RegressãoCorrelação / Regressão

• Base excess e PaCO2

Equação de regressão: Y = 1,07 BE + 40 ,98r = 0,94 / r = 0.88 = 88%


INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO EM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESES

• Definição:• Definição:

• O Risco relativo se baseia na observação de que nem• O Risco relativo se baseia na observação de que nem todos têm a mesma probabilidade (risco) de padecer um dano mas que para alguns este risco (probabilidade) édano, mas que para alguns este risco (probabilidade) émaior do que para outros.

l tt b


I - Conceito de RiscoÉ b bilid d i di íd dÉ a probabilidade que tem um indivíduo ou grupo de

indivíduos de apresentar no futuro um dano em sua saúde.

Risco é probabilístico e não determinista.

Exemplo:Exemplo:RN com peso entre 500 -1500g tem maior probabilidade de morrer

(na UTINeo do HRAS: 19,58- ano 2000), mas muito deles não morrem.(na UTINeo do HRAS: 19,58 ano 2000), mas muito deles não morrem.

Risco é uma medida que reflete a probabilidade de que ocorra um dano a saúde.

Margotto, www.medico.org.brwww.paulomargotto.com.br


II - Grau de RiscoMede a probabilidade de que o dano ocorra no futuro

Refere-se a um resultado não desejando. Não deve ser confundido com o risco !!!

O dano em um RN seria a sua morte no período neonatal oufseqüelas neurológicas consecutivas à asfixia, o risco é a

probabilidade de que o dano venha ocorrer neste RN, medindo-odi t i d i lt b i i d tcomo um gradiente que vai de risco alto a baixo risco de morte

neonatal ou de seqüelas neurológicas, neste exemplo.

0 1 Baixo Risco Alto RiscoMargotto, www.medico.org.br

Baixo Risco Alto Risco



G d i É IMPORTANTE t ãGraduar o risco É IMPORTANTE para programar atençãsegundo o enfoque de risco, priorizando o grupo, dentro dpopulação de maior necessidadepopulação de maior necessidade.

Exemplo:

Fatores de Risco:• Pobreza

Dano: • Pobreza • Analfabetismo da mãeBaixo Peso• Doença Intercorrentes • Desnutrição

Margotto, www.medico.org.br

ç



III - Risco Relativo/Qui-quadradoq• Risco Relativo (RR): Mede o excesso de risco para um

dado dano nos indivíduos expostos ao fator de risco, d ã tã tcomparado com os que não estão expostos.

PatologiaFator

A+BBASimTotalNãoSim

Fator

n = (a+b+c+d)B+DA+CTotalC+DDCNão

n. (a+b+c+d)B+DA+CTotal

RR = a/a+b

RR = Incidência do Risco nos que tem fator p1 = a/a+ba/a+b

c/c+dp1 = a/a+b

RR= Incidência do Risco nos que não tem fato.p2 = c/c+d


III – Tecnica da Prova de Hípótese:p

RR = RR = Incidência do Risco nos que tem fator a/a+bc/c+d

p1 = a/a+bRR= Incidência do Risco nos que não tem fato

p2 = c/c+d.p2 = c/c+d

Uma vez feito o cálculo de RR torna-se necessário demonstraUma vez feito o cálculo de RR, torna se necessário demonstra

• Não há erros de registro, cálculo ou transcrição

RR é prático e estatisticamente significativo

• Um RR menor que 1,5 geralmente não é de valor prático

Margotto, www.medico.org.br www.paulomargotto.com.br


• Teste do X 2 (qui-quadrado): (a x d – b x c) ½ )2

(a+b) x (d+c) x (b+d) x (a+c)Qui-quadrado mede a probabilidade de as diferenças

encontradas em dois grupos de uma amostra seremdevidas ao acaso, partindo do pressuposto que, naverdade, não há diferenças entre os dois grupos na

l ã d d ê S b bilid d f ltpopulação donde provêm. Se a probabilidade for altapoderemos concluir que não há diferençasestatisticamente significativas Se a probabilidade forestatisticamente significativas. Se a probabilidade forbaixa (particularmente menor que 5%) poderemosconcluir que um grupo (A )é diferente do grupo B quantoconcluir que um grupo (A )é diferente do grupo B quantoao fator estudado.

Margotto www medico org br www.paulomargotto.com.br

INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO EM PERINATOLOGIA/TESTE DE HIPÓTESES

Exemplo: Cálculo do Risco em estudo: Baixo PesPopulação total estudada: 6373População total estudada: 6373Morte perinatais observadas: 211População com fator Baixo Peso: 724População com fator Baixo Peso: 724Morte Perinatais com o fator baixo peso: 150

TotalNãoSimMorte PerinatalFator

Baixo Peso

5649 (c+d)5588 (d)61 (c)Não724 (a+b)574 (b)150 (a)Sim

6373n = (a+b+c+d)

6162(b+d)

211(a+c)

Total5649 (c d)5588 (d)61 (c) Não

Margotto www medico org br

n. = (a+b+c+d)(b+d)(a+c)



Exemplo: Cálculo do Risco em estudo: Baixo Peso

724 ( b)574 (b)150 ( )SiTotalNãoSim

Morte PerinatalFatorBaixo Peso

63736162211T t l5649 (c+d)5588 (d)61 (c) Não724 (a+b)574 (b)150 (a)Sim

6373n. = (a+b+c+d)

6162211Total

RR = a/a+bc/c+d

Ou seja o RR = 19,2 150/72461/5649

O Risco de Morte Perinatal de um RN de baixo peso excede 19,2 vezes a de um RN de peso > 2500g


excede 19,2 vezes a de um RN de peso 2500g



Exemplo 2 : Fator de Risco em estudo: ausência de pré - natal

M t P i t lF tTotalNãoSim

Morte PerinatalFatorAusência de Pré – Natal

3631 (c+d)3537 (d)94 (c)Não2742 (a+b)2625 (b)117 (a)Sim

Pré Natal

6373n = (a+b+c+d)

6162 (b+d)211(a+c)Total3631 (c+d)3537 (d)94 (c) Não

n. (a+b+c+d)

RR = 1,6 117/274294/363194/3631

O Risco de Morte Perinatal de um RN sem pré-natal excede 1 6 vezes a de um RN com pré natal


excede 1,6 vezes a de um RN com pré-natal



Exemplo 2 : Fator de Risco em estudo: ausência de pré - nat


Ausência de Pré – Natal

63736162 (b d)211( )T t l3631 (c+d)3537 (d)94 (c) Não2742 (a+b)2625 (b)117 (a)Sim

6373n. = (a+b+c+d)

6162 (b+d)211(a+c)Total

(a x d b x c) ½ )2 X 2 = 13 71(a x d – b x c) ½ )2 X 2 = 13,71(a+b) x (d+c) x (b+d) x (a+c)

Podemos dizer que há uma associação significativa (p < 0,01) entreausência de pré-natal e morte perinatal, sendo que grau deassociação é: o risco de morte perinatal é 60% maior nos produto

Margotto www medico org br

associação é: o risco de morte perinatal é 60% maior nos produtosem pré-natal (1,6 x 100 = 160: aumento de 60%: 100 + 60).



Exemplo 3 : Risco de Morte neonatal (nos 1º 7 dias de vida)


Ausência de Pré-Natal

6258616296Total2575257338Não2683262558Sim

6258616296Total

Risco Relativo (RR): 2,0X2 – 11,8 (p<0,01)( )

O RR é o risco de adoecer em um grupo (grupo exposto) em relação ao risco de adoecer em outro grupo (pessoas não expostas). Se não houver associação entre a exposição e a doença, o risco de adoecer não depende da exposição e o RR é igual a 1


exposição e o RR é igual a 1.


INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO EM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESES

Cálculos estatísticos básicos

EM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESES

relacionados ao Risco Relativo( Braile, DM & Godoy, MF) ** versão 1999 ** EVE NTO

sim nãoAtenção: G E t d 150 122 272272Atenção: Gr.Estudo 150 122 272

Digitar apenas nas caselas verdes Gr.Controle 130 180 310Todos os cálculos são feitos automaticamente 280 302 582

IC 95%

272310

280 302 582

IC 95%Taxa de eventos no G. Estudo (EER) = a/(a+b) 55,1 % 49,2 61,1Taxa de eventos no Gr.Controle (CER) = c/(c+d) 41,9 % 36,4 47,4Risco relativo (RR)=EER / CER 1,32 1,11 1,56

Taxa de eventos no grupo estudo: (a/(a+b)Taxa de eventos no grupo controle: (c/(c=d)Risco relativo: a/(a+b) / c(c+d)Redução do risco relativo (RRR) = (CER-EER)/CER 0,32 0,56 0,11Redução do risco absoluto (ARR) =CER-EER 13,2 % 21,3 5,1Número Necessário p/tratamento(NNT)=(100/ARR) 8 19 5

( ) ( )Redução do risco relativo (RRR)Redução do risco absolutoNúmero Necessário p/tratamento

Observação: Valores em Vermelho são valores negativos

www.braile.com.brwww.paulomargotto.com.br (Objeto Planilia-Editar) www.braile.com.br( j )


Exemplo 3 : Risco de Morte neonatal (nos 1º 7 dias de vida)Morte PerinatalFator

2683262558Si


Ausência de Pré-Natal

6258616296Total2575257338Não2683262558Sim

6258616296Total

Risco Relativo (RR): 2,0X2 – 11 8 (p<0 01)X 11,8 (p<0,01)

Um risco menor que 1 implica em uma redução da doença com exposição, enquanto que um RR maior que 1, sugere um aumento da doença com exposição. Quanto maior for o RR i á i ã t i ã d


RR, maior será a associação entre a exposição e o dano.www.paulomargotto.com.br


• Junto com a obtenção do RR se deve estimar o seintervalo de confiança de 95%, uma vez que é possível obteum valor do RR alto, mas se o tamanho da amostra fopequeno, o seu valor será duvidoso.• Os limites de confiança estão muito relacionados com ovalores de p e se não inclui o valor de 1, é equivalente significação estatística a um nível de 5%.Vamos ao exemplo:



O intervalo de confiança a 95% é:O intervalo de confiança a 95% é:

… 1 … 1,2 2,05, ,

Como o extremo inferior deste intervalo de confiança excede o valor 1, se pode dizer, neste caso, que há uma associação estatisticamente significativa em um nível de 5% entre a ausência de pré-natal e mortalidade perinatal, sendo que o risco de morte perinatal nos produtos sem pré-natal

f 1 6 éexcede, significativamente 1,6 vezes a dos produtos com pré-natal.


INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO EM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESESEM PERINATOLOGIA/TESTE DE HIPÓTESES

O Intervalo de Confiança 95% significa que há 95% de probabilidade deque o intervalo calculado contenha o verdadeiro valor do parâmetroque o intervalo calculado contenha o verdadeiro valor do parâmetroestudado. Por exemplo RISCO RELATIVO de 1,6 com IC95% de1,2 a 2,05. Isto quer dizer que no experimento realizado o valor

t d f i d 1 6 há 95% d b bilid d d d iencontrado foi de 1,6 e que há 95% de probabilidade que o verdadeirovalor seja um número qualquer entre 1,2 e2,05. Quando o intervalo deconfiança contém o valor 1,00 significa que não há diferença estatísticaco a ça co té o a o ,00 s g ca que ão á d e e ça estat st caentre o grupo estudado e o grupo controle. Quando o valor máximo doIC 95% é menor que 1,00 o grupo de estudo se comportou de modoi ifi ti t lh d t l d lsignificativamente melhor que o grupo de controle e quando o valor

mínimo do IC 95% for maior que 1,00 significa que o grupo de estudofoi significativamente pior que o grupo controle. www braile com brg p q g p www.braile.com.br


INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO

EM PERINATOLOGIA/TESTE DE HIPÓTESES

V-Odds Ratio (OR) ou Razão das chancesV Odds Ratio (OR) ou Razão das chancesOs estudos de casos-controles comparam a freqüência de

expostos a um determinado fator entre um grupo de indivíduos queapresenta a doença – casos – e outro que não a tem – controle.

DanoFator

CASimNãoSim OR = axd

bxcC+DA+BTotal

DBNãon (a+b+c+d)

bxc

A razão das chances (OR) é definida como a probabilidade de que um evento ocorra dividido pela probabilidade de que ele não ocorra


um evento ocorra dividido pela probabilidade de que ele não ocorra.


INTERPRETAÇÃO DO RISCO INTERPRETAÇÃO DO RISCO RELATIVO/ODDSRATIO RELATIVO/ODDSRATIO


www.braile.com.brwww.paulomargotto.com.br


IV-Seleção dos fatores de risco com fins de intervenção (Risco Atribuível)

Ri At ib í l (RA) t d t dRisco Atribuível (RA): este mede a percentagem daincidência do dano que se reduz no grupo exposto ao fator,se este fosse neutralizado (impacto do controle no grupose este fosse neutralizado (impacto do controle no grupoexposto). Quando se refere à população, temos o riscoAtribuível à População (RAP):Atribuível à População (RAP):

RA Taxa de Incidência no Taxa de incidência no G f ( )Grupo Menos grupo sem o fator de risco (P2)

Com fator de risco (P1)

Margotto www medico org br www.paulomargotto.com.br



IV-Seleção dos fatores de risco com fins de intervençãoIV-Seleção dos fatores de risco com fins de intervenção (Risco Atribuível)

O RA é outra medida de associação entre fatores e danos e pode ser definido com a diferença entre a probabilidade ter o dano nos que estão expostos ao fator e a probabilidade de ter o dano nos que não estão expostos. Assim é a diferença de probabilidade atribuível à exposiçãoAssim, é a diferença de probabilidade atribuível à exposição ao fator e se expressa como:

RA = P1 – P2




Exemplo: Ausência de pré natal e o dano mortalidadeExemplo: Ausência de pré-natal e o dano mortalidade perinatal, o risco atribuível é:

Morte PerinatalFator

RA = P1 – P2

P 117/2742 0 043


Ausência de Pré –

NatalP1 = 117/2742 = 0,043

P2 = 94/3631 = 0,26

RA 0 043 0 26 0 0173631 (c+d)3537 (d)94 (c) Não2742 (a+b)2625 (b)117 (a)Sim

Natal

RA = 0,043 – 0,26 = 0,017 6373n. = (a+b+c+d)

6162 (b+d)

211(a+c)Total

Como interpretar este valor de RA: Significa que 17 mortes perinatais de cada 1.000 (mil)

t t ã t ib í i à ê i d é t lMargotto, www.medico.org.br

gestantes são atribuíveis à ausência de pré-natal.




P b i t i ifi id d• Para saber o que isto significa em uma comunidade específica, é necessário relacionar esta probabilidade (0,017) com a freqüência do fator na populaçãocom a freqüência do fator na população. • A forma de estimar o impacto é calculando o Risco Atribuível ao fator da população (RAP) Para calcular o RAPAtribuível ao fator da população (RAP). Para calcular o RAP emprega-se a seguinte fórmula:

RAP% F% (P1 – P2) P1 – P2 = a probabilidade encontradaP (geral) F% = a freqüência do fator na população(g ) q p p ç

P (geral) = a probabilidade do dano entre todas as gestantes




• No caso : Ausência de pré-natal e o dano mortalidade perinatal o risco atribuível ao fator da população (RAP) é:perinatal, o risco atribuível ao fator da população (RAP) é:

RAP% = 43 X 0 017 = 22 %RAP% = 43 X 0,017 = 22 %211 / 6.373

Significa que 22% da probabilidade de mortalidade perinatal da área em estudo, está associada à freqüência p q

do fator ausência de pré-natal em 43% das gestantes.


Bioestatística BásicaBioestatística BásicaTeste de Hipótese

Hipótese nula (H ): não há diferençaHipótese nula (H0): não há diferençaHipótese alternativa (H1): há diferença

Hipótese: resposta presumida e provisória que de acordo com critério será ou não rejeitada

Processo para testar hipótese:1. Estabelecer Ho2 E t b l H2. Estabelecer H13. Determinar tamanho da amostra4 Colher dados4. Colher dados5. Estudo estabelecido para verificar se o H0 é verdadeiro6 Rejeitar ou não a H


6. Rejeitar ou não a H0

Bioestatística BásicaBioestatística BásicaTeste de Hipótese

Segundo R.A. Fisher: todo experimento existe somente com oSegundo R.A. Fisher: todo experimento existe somente com opropósito de dar os fatos uma oportinidade de afastar a H0

Erro tipo I: rejeitar a H0 sendo verdadeira (fato obtido pelo azar) :p j 0 ( p )rara ocorrência estatística; amostras pequenas

Erro tipo II: aceita a H0 sendo falsa (erro mais frequente);p ( q );significação estatística: máxima probabilidade de tolerar um erro tipo I.α= 5% (p ≤0,05): ≤ 5% de rejeitar a H0 (sendo verdadeira) e aceitar a H1(p , ) j 0 ( )α= 1% (p ≤0,01): ≤ 1% de rejeitar a H0 (sendo verdadeira) e aceitar a H1

α erro tipo I e erro tipo IIα erro tipo I e erro tipo II‘


α erro tipo I e erro tipo II

Bioestatística BásicaBioestatística BásicaExercício da Medicina Baseado em Evidências (MBE)

Novo paradigma na prática clínica: decisões com evidência da pesquisa clínicapesquisa clínica

MBE – uso consciencioso da melhor evidência na tomada de decisões integrado com a experiênciadecisões integrado com a experiência

Sem experiência clínica – as práticas correm o risco de ser tiranizadas pela evidência

Estratégia poderosa: busca eletrônica-www.pubmed.comp-www.cochrane.org: compêncio de reevisões

sistemáticas dos estudos randomizados de todos os campos da medicinamedicina

(Na medicina neonatal: www.nichd.nih.gov/cohrane) -www.bireme.br

Margotto, PR (ESCS)

-www.paulomargotto.com.br -www.neonatology.org

Consultem:Consultem:

Exercício da medicina baseada em evidência (2008)( )Autor(es): Paulo R. Margotto

Exercício da medicina baseado em evidênciasAutor(es): Paulo R. Margotto

Bioestatística BásicaBioestatística BásicaMRE

Conhecimento da Estrutura de um estudo da Avaliação de um çtratamento:

Resultados TotalEvento Não EventoExposição Evento Não Evento

Sim (tratado) a b a+bNâo (tratado) c d c+dNâo (tratado) c d c+d

Medidas do efeito de tratamento:RR (Risco Relativo): a/n1RR (Risco Relativo): a/n1

c/n2RRR (redução do Risco Relativo): 1 – RRRRR (redução do Risco Relativo): 1 RRDR (Diferença de Risco): a/n1 – c/n2Número necessário para tratamento (NNT): 1


Diferença de risco


Cálculos estatísticos básicos


relacionados ao Risco Relativo( Braile, DM & Godoy, MF) ** versão 1999 ** EVE NTO

sim nãoAtenção: G E t d 150 122 272272Atenção: Gr.Estudo 150 122 272

Digitar apenas nas caselas verdes Gr.Controle 130 180 310Todos os cálculos são feitos automaticamente 280 302 582

IC 95%

272310

280 302 582

IC 95%Taxa de eventos no G. Estudo (EER) = a/(a+b) 55,1 % 49,2 61,1Taxa de eventos no Gr.Controle (CER) = c/(c+d) 41,9 % 36,4 47,4Risco relativo (RR)=EER / CER 1,32 1,11 1,56

Taxa de eventos no grupo estudo: (a/(a+b)Taxa de eventos no grupo controle: (c/(c=d)Risco relativo: a/(a+b) / c(c+d)Redução do risco relativo (RRR) = (CER-EER)/CER 0,32 0,56 0,11Redução do risco absoluto (ARR) =CER-EER 13,2 % 21,3 5,1Número Necessário p/tratamento(NNT)=(100/ARR) 8 19 5

( ) ( )Redução do risco relativo (RRR)Redução do risco absolutoNúmero Necessário p/tratamento

Observação: Valores em Vermelho são valores negativos

www.braile.com.brwww.paulomargotto.com.br Objeto Planília-Editar www.braile.com.brObjeto Planília Editar


RR = 1 (sem efeito no tratamento)RR < 1 ( o risco de evento é menor no grupo tratado)Ex.: Redução do DAP (ductus arteriosus patente) no grupo ç ( p ) g pexposto a menor ou maior oferta hídricaRR = 0,40 (IC 95% : 0,26 – 0,63): não contém 1 (é significativo), ( , , ) ( g )RRR = 1 – RR = 1 – 0,40 = 0,60 x 100 = 60 % (redução de 60% do DAP no grupo com menor oferta hídrica)g p )DR: - 0,19NNT = 5,3 ( o nº necessário para tratar com restrição hídricaNNT 5,3 ( o n necessário para tratar com restrição hídrica para prevenir um caso de DAP é 5,3



Hemorragia peri/intraventricular (HP/HIV): grupo com menor x maior oferta hídrica:

RR = 0,94 (IC a 95% : 0,52 – 1,72)RRR = 1 – 0,94 = 0,06 x100 = 6% DR = - 0,011 NNT = 90,9

Interpretação: A ingesta hídrica não afetou a incidência de HP/HIV (no- A ingesta hídrica não afetou a incidência de HP/HIV (no

intervalo de confiança do RR contém o 1, que quando presente significa nulidade da associação)g ç )- A restrição hídrica diminui a HP/HIV (não significativo)- É necessário restringir líquido em 90,9 RN para evitar a ocorrência de 1 caso de HP/HIV

Quanto melhor o tratamento, menor o NNT



Uso da dexametasona no tratamento daDisplasia broncopulmonar (DBP) e efeito colateral

Hi li i RR 1 27 (IC 95% 0 99 1 63)- Hiperglicemia : RR = 1,27 (IC a 95%: 0,99 – 1,63).Há um aumento da glicemia em 27% dos pacientes(1 25 100 127 100 27)(1,25 x 100 = 127: 100 + 27). Não significativo, pois o IC contem a unidade

- Hipertrofia do miocárdio: RR = 9,0 (IC a 95%: 1,2 – 67,69).A t i ifi ti d 9Aumento significativo de 9 vezes(o intervalo não contém a unidade)



A apresentação dos Dados:Vejam a apresentação dos resultados: RR (95% IC)

Ingesta hídrica menor x maiorDuctus arteriosus patentepHemorragia peri/intraventricular

1Efeitos colaterais do uso da dexametasona na DBPHiperglicemiaHi t fi d i á di

1

Hipertrofia do miocárdio

Quando a linha horizontal estiver a esquerda (RR<1) redução do1

Quando a linha horizontal estiver a esquerda (RR 1) redução do evento; quando à direita (RR> 1): aumento do evento Toda vez que a linha horizontal tocar a linha vertical significa qu o RRã é i ifi ti


não é significativo

Exercício da Medicina Baseado em EvidênciasRisco Relativo/Odds Ratio

• Intervalo de confiança:» Estima a magnitude da associação» Informa a variabilidade da estimativa(através da amplitude dos limites inf e sup)

Exemplo: Redução do ductus arteriosus patente no grupo exposto a menor ou maior oferta hídrica

RR = 0,40 (IC a 95% 0,26 – 0,63) não contém o 1 (é significativo na p< 0,05)

RRR = 1– 0,40 = 0,60 x 100 = 60 % (redução do DAP no grupo com menor oferta hídrica) reduz entre 37 – 74%)com menor oferta hídrica) reduz entre 37 74%)

NNT = 5,3 ( o nº necessário para tratar com restrição hídrica para prevenir um caso de DAP é 5 3)

Margotto PR, ESCS www.paulomargotto.com.br

prevenir um caso de DAP é 5,3)

Forest plotForest plotppMostra visualmente os resultados de uma metaMostra visualmente os resultados de uma meta--análise;análise;análise;análise;

• Faz uma estimativa visual da quantidade de variação entre os resultadosentre os resultados

Primeiro Linha do não efeitoautor do

estudo primário

não efeito

IC

USO DE ERITROPOETINA PRECOCEUSO DE ERITROPOETINA PRECOCEUSO DE ERITROPOETINA PRECOCEUSO DE ERITROPOETINA PRECOCECochrane (Ohlsson A, Aher SM. Early erythropoietin for

preventing red bloodpreventing red blood cell transfusion in preterm and/or low birth weight infants


- Comparação do lucinactante (Surfaxin ®) x Colfosceril (Exosurf ® )- Comparação do lucinactante (Surfaxin ®) x Beractante (Survanta ® )- Comparação do lucinactante (Surfaxin ®) x Beractante (Survanta ® )


Infecção fúngica sistêmica está Infecção fúngica sistêmica está associada como desenvolvimento de associada como desenvolvimento de retinopatia do prematuro em recémretinopatia do prematuro em recémretinopatia do prematuro em recém retinopatia do prematuro em recém nascidos de muito baixo peso: uma nascidos de muito baixo peso: uma

metanálisemetanálisemetanálisemetanálise

Ivan Araújo MottaIvan Araújo MottaIvan Araújo MottaIvan Araújo MottaNatália BastosNatália Bastos

Coordenação: Paulo R. MargottoCoordenação: Paulo R. MargottoS CS CEscola Superior de Ciências da Escola Superior de Ciências da

Saúde/ESCS/SES/HRAS/DFSaúde/ESCS/SES/HRAS/DFwww.paulomargotto.com.brwww.paulomargotto.com.brp gp g

Unidade de Neonatologia do HRAS

Metagráfico de Odds Ratio (OR) de Metagráfico de Odds Ratio (OR) de severasevera ROP in IFS versus não IFS em ROP in IFS versus não IFS em RNMMBP (n:todos os pacientes com RNMMBP (n:todos os pacientes com severasevera ROP;N: total de pacientes ROP;N: total de pacientes

elegíveis no estudo)elegíveis no estudo)

De 330 bebes com IFS, 118 tiveram ROP severa comparado com 235 de De 330 bebes com IFS, 118 tiveram ROP severa comparado com 235 de 1951 sem IFS;1951 sem IFS;O risco de desenvolver ROP severa foi significativamente maior no grupoO risco de desenvolver ROP severa foi significativamente maior no grupoO risco de desenvolver ROP severa foi significativamente maior no grupo O risco de desenvolver ROP severa foi significativamente maior no grupo com IFS:com IFS:

(OR : 4,06; IC de 3,05(OR : 4,06; IC de 3,05--5,42;NNT:4,54)5,42;NNT:4,54)

Periodontite x parto prematuroPeriodontite x parto prematuroLopezLopez NJNJ etet alal 20052005-- estudoestudo randomizadorandomizado::LopezLopez NJNJ etet al,al,20052005-- estudoestudo randomizadorandomizado::gengivitegengivite xx tratamentotratamento::

OddOdd ii dd 22 7676 ICIC 11 2929 55 8888))OddsOdds ratioratio dede 22,,7676;;ICIC:: 11,,2929 aa 55,,8888))MichalowwiczMichalowwicz BSBS etet al,al, 20062006--estudoestudorandomizadorandomizado

OddsOdds ratioratio dede 11 0404;; ICIC aa 9595%%::00 6868--11 5858))OddsOdds ratioratio dede 11,,0404;; ICIC aa 9595%%::00,,6868--11,,5858))SemSem respostaresposta aa respeitorespeito dodo valorvalor dodo tratamentotratamento

dd i d ii d idada periodontiteperiodontiteVaginose x parto prematuroVaginose x parto prematurog p pg p p

McDonald HM et al (2007):588 mulheresMcDonald HM et al (2007):588 mulheresuso de antibióticos <20 semanas:uso de antibióticos <20 semanas: OR=0 63 IC a 95%:OR=0 63 IC a 95%:--uso de antibióticos <20 semanas: uso de antibióticos <20 semanas: OR=0,63, IC a 95%: OR=0,63, IC a 95%:

0,480,48--0,840,84

Risco Relativo/Odds Ratio: p x ICRisco Relativo/Odds Ratio: p x ICExercício da Medicina Baseado em Evidências

Risco Relativo/Odds Ratio: p x ICRisco Relativo/Odds Ratio: p x ICIntervalo de confiança: Intervalo de confiança: Estima magnitude da associaçãoEstima magnitude da associação

Informa a variabilidade da estimativaInforma a variabilidade da estimativa(através da amplitude dos limites inf e sup )(através da amplitude dos limites inf e sup )(através da amplitude dos limites inf e sup.)(através da amplitude dos limites inf e sup.)

Exemplo:Exemplo:Estudo AEstudo A Estudo BEstudo B

EventoEvento EventoEventoTratamentoTratamento ++ --

SimSim 323323 677677 10001000TratamentoTratamento ++ --

SimSim 88 4242 5050NãoNão 359359 641641 10001000

682682 13181318 20002000NãoNão 1616 3434 5050

2424 7676 100100

RR = 0,90IC 95% : 0,80 – 1,02

RR = 0,50IC 95% : 0,24 – 1,06

P = 0,10

Sem diferença significativa: com IC grande: estudo pequeno para precisar efeitoSem diferença significativa: com IC grande: estudo pequeno para precisar efeito no tratamento

com IC pequeno: improvável grande efeito beneficodo tratamento

Margotto PR, ESCSKennedy KA, FrankowskiClin Perinatol 30 (2003)

do tratamento

Exercício da Medicina Baseado em Evidências

Risco Relativo/Odds RatioRisco Relativo/Odds Ratio

Estudo A: RR = 0,90 (IC 95%.: 0,80Estudo A: RR = 0,90 (IC 95%.: 0,80 –– 1,02)1,02)Estudo A: RR 0,90 (IC 95%.: 0,80 Estudo A: RR 0,90 (IC 95%.: 0,80 1,02)1,02)

Estudo B: RR = 0,50 ( IC 95%.: 0,24 Estudo B: RR = 0,50 ( IC 95%.: 0,24 –– 1,06)1,06)

A: RRR = 1 A: RRR = 1 –– 0,90 = 10% (improvável reduzir < 20% 1 0,90 = 10% (improvável reduzir < 20% 1 –– 0,80)0,80)

B: RRR = 1 B: RRR = 1 –– 0,5 = 50% (reduz até 76%, mas podendo 0,5 = 50% (reduz até 76%, mas podendo aumentar 6%)aumentar 6%)

Efeito pequeno/ não existenteEfeito pequeno/ não existenteO efeito no tratamento não pode se avaliado (amostra pequena)O efeito no tratamento não pode se avaliado (amostra pequena)O efeito no tratamento não pode se avaliado (amostra pequena)O efeito no tratamento não pode se avaliado (amostra pequena)

Margotto PR, ESCS Kennedy KA, Frankowski, 2003

Exercício da Medicina Baseado em EvidênciasRisco Relativo/Odds RatioRisco Relativo/Odds Ratio

NNT: N º necessário para tratamento (expressa o beneficio do NNT: N º necessário para tratamento (expressa o beneficio do tratamento)tratamento)Grandes Ensaios randomizados Grandes Ensaios randomizados →→ resultados estatísticos resultados estatísticos i ifi ti ( d it d d difi ifi ti ( d it d d difsignificativos (mesmo quando a magnitude da diferença significativos (mesmo quando a magnitude da diferença --

benefício benefício -- é pequena):é pequena):O clínico deve decidir se a magnitude do benefício justificar osO clínico deve decidir se a magnitude do benefício justificar osO clínico deve decidir se a magnitude do benefício justificar os O clínico deve decidir se a magnitude do benefício justificar os custos e os efeitos adversos.custos e os efeitos adversos.Ex: Tratamento A (n=400)Ex: Tratamento A (n=400) B (n=200)B (n=200)Ex: Tratamento A (n 400)Ex: Tratamento A (n 400) B (n 200)B (n 200)

RR = 0,80RR = 0,80 0,800,80NNT = 20NNT = 20 100100

São necessários tratar 100 RN São necessários tratar 100 RN para evitar 1 danopara evitar 1 dano

Margotto PR, ESCS Kennedy KA, Frankowski RF, 2003

Bioestatística BásicaBioestatística BásicaTeste de Fisher ou da Probabilidade Exata

Usado para amostras pequenasMenos erro tipo I e II em relação ao qui-quadradoMenos erro tipo I e II em relação ao qui quadradon < 20 / n > 20 < 40

Ex.: a) célula da matriz de decisão com o valor 0Suposição de uma determinada enzima em pessoas submetidas a uma reaçãoSuposição de uma determinada enzima em pessoas submetidas a uma reação

sorológicaReaçãoReação EnzimaEnzima TotalTotal

PresentePresente AusenteAusentePresentePresente AusenteAusente++ 55 11 66-- 00 33 33

P = (a+b!) x (C=d!) x (a+c!) x (b+d!)n! x 1 / a! b! c! d!

TotalTotal 55 44 99

P = [ (6! 3! 5! 4! / 9!] x [1/5! 1! 0! 3!)P = 0,046 = 4,76%

P <=0,05: as pessoas submetidas a uma reação sorológica


apresentam significativamente uma determinada enzima (afastamos a H0)

Bioestatística BásicaBioestatística BásicaTeste t

Testar o QI médio entre crianças nascidas a termo e prematurasTestar uma droga (grupo tratado/grupo controle)

Teste t: analisa grupos simples ou compara 2 grupos(variável com distribuição normal ou aproximadamente normal)

Passos:Passos:Nível de significância: letra grega αMédia de cada grupo: X1: média do grupo 1

X2: média do grupo 2Variância de cada grupo:

S21: variância do grupo 1

• Variância Ponderada

S2 = (n 1)2 + (n 1)S 1: variância do grupo 1S2

2: variância do grupo 2

N1 é o nº de elementos do grupo 1

S2 = (n1 – 1)2 + (n2 – 1) S2

2

n1 + n2 - 2O valor t é definido pela fórmulaN1 é o n de elementos do grupo 1 N2 é o nº de elementos do grupo 2

1 2

t = X 2 – X1

1 1√


√ S2 n1 + n2

Bioestatística BásicaBioestatística BásicaTeste t

t0 (t calculado) ≥ tc (t crítico: obtido na tabela de valores de t)t0 (t calculado) ≥ tc (t crítico: obtido na tabela de valores de t)

Significa que as médias não são iguais, podendo se afastar a H0

Ex.: 1) Verificar se duas dietas para emagrecer são igualmente

eficientes ou se determinada dieta foi melhor (produziue c e tes ou se dete ada d eta o e o (p odu u

significativamente menor perda de peso)


Bioestatística BásicaBioestatística BásicaPerda de peso em Kg segundo a dieta

DietaDieta DietaDieta I i i l t t b l í l dDieta Dieta 11

Dieta Dieta 22

1212 1515

Inicialmente, vamos estabelecer o nível de Significância:α = 5%Cálculos: Média de cada grupo

88 19191515 1515

Cálculos: Média de cada grupo

X1 = 12 + 8 + ... + 13 = 120 = 121313 12121010 1313

X1 12 8 ... 13 120 1210 10

X2 = 15 + 19+ ... 15 = 105 = 15 1212 16161414 1515

7 7

Variância de cada grupo:11111212

Variância de cada grupo:

S12 = 4 S2

2 = 5


1313S1 4 S2 5

Bioestatística BásicaBioestatística BásicaTESTE t

Verificação de duas dietas (continuação)Variância ponderada:

S22 = 9x4 + 6x5 = 4 4S 2 9x4 + 6x5 4,4

9+6Cálculo do valor de t:

t= 15 12 = 2 902t= 15 – 12 = 2,902√ 4,4 1 + 1

10 7Graus de liberdade: n1 + n2 – 2 = 10 +7 – 2 = 15

(Correção em função do tamanho da amostra e do nº de bi õ í i )combinações possíveis)

Na tabela de valores de t : t0 > tc: a dieta 2 produziu maior perda d ( i ifi ti ) j it H


de peso (significativo):rejeitamos a H0

Bioestatística BásicaBioestatística BásicaTESTE t

Valores de t, segundo os graus de liberdade e o valor de α


Bioestatística BásicaBioestatística BásicaAnálise de Variância/Estatística F

(ANOVA: Analysis of Variance)

Usado para comparar médias de mais de duas populaçõesEx.: testar 4 drogas diferentes (diuréticos) ao mesmo tempo eEx.: testar 4 drogas diferentes (diuréticos) ao mesmo tempo e

avaliar o efeito de cada droga sobre o débito urinário em 16 voluntários.

teste t: comparar os grupos 2 a 2 (6 testes t separados)- perda de tempo- erro tipo I de 30% (5% de erro em 6 análises)

Então, vamos usar o teste ANOVA (comparação de pares):


Bioestatística BásicaBioestatística BásicaAnálise de Variância/Estatística F

(ANOVA: Analysis of Variance)

Se os grupos são semelhantes, a variância em cada um (dentro) dos grupos é semelhante aquela entre os grupos.( ) g p q g pDeterminar a variabilidades das médias dentro de cada amostra e a variabilidade entre as médias das amostras

F = estimação da variância ENTRE os grupos estimação da variância DENTRO dos gruposestimação da variância DENTRO dos grupos

F distribuição F e R A FisherF – distribuição F e R A FisherF obs ≥ F crítico: rechaça a H0


Bioestatística Básica IBioestatística BásicaBioestatística BásicaTestes não – paramétricos

Usados quando a distribuição da população é altamente assimétricaNã ã tã fi i t t ét iNão são tão eficientes quanto ao paramétricosVariaveis NominaisTeste do Sinal - Sign Test: variáveis qualitativas ou nominais. Este testeTeste do Sinal Sign Test: variáveis qualitativas ou nominais. Este testerecebe este nome porque a diferença em cada par é convertida nossinais de (+), de (-) ou (zero) - quando não houver diferença. Alternativanãp paramétrica (menos poderosa) do teste t para amostrasnãp paramétrica (menos poderosa) do teste t para amostrasemparelhadas. Pode ser aplidado para amostras não emparelhadas

- H0: 1/2 dos sinais são (+) e 1/2 dos sinais são (-)H ã d ( ) i l ( ) ( ) j i l- H1: a proporção de vezes (p) em que aparece o sinal (+) ou (-), seja igual

a 0,5; valendo-se disto, é possível gerar um escore Z, utilizando afórmula:

Z = 2 (p´ - 0,5) √ n

º d h dif

√ : raiz quadrada


n: nº de pares em que houve a diferença p,: é a freqüência de sinais (+) ou negativos (-).

Bioestatística Básica T t ã ét iTestes não – paramétricos

Teste do SinalConsidere a população em que se deseja escolher dois

equipamentos de laboratório, A e B capazes de realizar 12análises diferentes e que a rapidez da execução seja um pontoa ser considerado. Foi feita uma aferição dos tempos gastospara executar cada tarefa, com a finalidade de verificar se osequipamentos diferiam entre si.


Bioestatística Básica IBioestatística BásicaBioestatística Básica

Testes não – paramétricos

Tarefa Tempo A Tempo B Diferença (A – B)1 40 29 +

2 22 16 +

Aferição dos sinais negativos: p = 2/12 = 1/6

Z = 2 (1/6 - 0,5) √12 = - 2,282 22 163 22 29 -4 45 41 +

( , ) √ ,

O valor crítico de Z

√ : Raiz quadrada

5 68 61 +6 33 24 +7 48 54 -

O valor crítico de Z para um alfa de 5% é 1,96;

logo, pode-se dizer que 7 48 548 75 68 +9 41 36 +

os equipamentos de A e B diferem entre si

quanto à velocidade10 44 36 +11 47 42 +12 31 25 +

quanto à velocidadepara um nível de

significância de 5%.


12 31 25

Bioestatística Básica IBioestatística Básica IBioestatística BásicaBioestatística BásicaTestes Estatísticos não – paramétricos

Wilcoxon Signed Rank Sum Test (Teste de Wilcoxon): variáveidi iordinais

Este teste destina-se a comparar dois grupos emparelhados; é usadoexatamente da mesma situação do teste t para amostrasç p

emparelhadas.Como calcular:

1 Calcular a diferença entre os valores1. Calcular a diferença entre os valores2. Atribuir postos aos valores absolutos das diferenças (a meno

diferença recebe o posto 1)3 Somar todos os postos das diferenças positivas e das negativas3. Somar todos os postos das diferenças positivas e das negativas

obtendo-se somas chamadas de TNa tabela apropriada (tabela A-8 no final), encontrar os valores de p

d t l d T btid id dcorrespondentes aos valores dos T obtidos, considerando como n onúmero de pares em que a diferença é 0. Se os dois valoresestiverem bastante afastados, o valor de p será pequeno: alg mas tabelas sam apenas o menor alor de T

Margotto PR (ESCS) www paulomargotto com br

algumas tabelas usam apenas o menor valor de T.

Bioestatística Básica IBioestatística Básica Ií é

Bioestatística BásicaBioestatística BásicaTestes Estatísticos não – paramétricos

Seja o exemplo:Considere o estudo de um fármaco, em que os usuários do mesmo qparecem ter o número de certo tipo de célula sangüínea alterada durante o seu uso e que se tenha obtido os seguintes resultados:

Contagem de nº de células Vamos calcular as diferenças e classificá lasg

8901162

DrogaGrupo Controle

Vamos calcular as diferenças e classificá-las

- 2- 2728901162Classif. da diferençaDiferençaDrogaControle

1104142080010958901162

- 4- 31611041420- 3- 295800109522728901162

8589991101110110021361

1 (a menor)141858999-011011101

- 6- 35910021361

87512359881333858999

- 7- 3608751235- 5- 3459881333

-1 (a menor)- 141858999


10001000-010001000

Bioestatística Básica IBioestatística Básica IBioestatística BásicaBioestatística Básica

Testes Estatísticos não – paramétricos

Teste de Wilcoxon

• A soma dos postos (rank) das diferenças negativas é (-28) so a dos postos ( a ) das d e e ças egat as é ( 8)(T=28) e das diferenças positivas, fez zero (não houvenenhum)nenhum)

• N = 7 (9-2), pois foram excluidos 2 pares em que não houve diferençadiferença

• Na tabela específica, abtem-se um valor de T = 2 (Tcrítico)

• Tobs > Tc ( T28 > T2): a droga

• Altera significamente a contagem da célula sanguínea


Bioestatística Básica IBioestatística Básica IBioestatística BásicaBioestatística BásicaTestes Estatísticos não – paramétricos

Teste de U de Mann – Whitney

• Alternativa para teste t para amostras independentes

• Todos os cálculos são feitos com postos (ranks) e não c/ osTodos os cálculos são feitos com postos (ranks) e não c/ osvalores reais


Bioestatística Básica IBioestatística Básica Ií é


Teste de U de Mann – Whitney• Ex : Aferiu-se a pressão arterial de 2 grupos de estudantes (A eB) Há• Ex .: Aferiu-se a pressão arterial de 2 grupos de estudantes (A eB). Hádiferenças estatisticamente significantes entre as medianas do grupo A e B?Resultados das pressões arteriais para os grupos A e B com os respectivos

postospostosSomativo dos Postos: A: 5,5 + 2 + 4 + 1 + 3 = 15,5

B: 5,5 + 10 + 9 + 8 + 7 = 39,5

31425,5Postos de A

958510090110Pressões do Grupo A

,

789105 5P t d A115120125150110Pressões do Grupo B789105,5Postos de A

Ao atribuir postos aos dados (o valor 1 para o mais baixo, 2 para o imediatamente superior etc) havendo empate de valores atribuir um posto


imediatamente superior,etc), havendo empate de valores, atribuir um posto igual a média dos postos que seriam ocupados se não houvessem empate

Bioestatística Básica IBioestatística Básica IT E í i é i


Teste de U de Mann – WhitneyPara testar a diferença entre as somas dos postos calcula-se oPara testar a diferença entre as somas dos postos, calcula-se o

estatístico U para ambos os grupos, utilizando as seguintes fórmulas:

U1 = n1 n2 + n1(n+ 1) - R1 2

U2= n1 n2 + n2(n2+ 1) - R22

e

n1: tamanho da amostra menorn2: tamanho da amostra maior

Fazendo os cálculos:U1 = (5 x 5) + 5 ( 5+1) - 15,5 = 24,5

2R1 e R2: soma dos postos de cada grupo

2U2 = (5 x 5) + 5 ( 5+1) - 39,5 = 0,5

2U obs ≤ ∝ - aceita-se H1obs 1

U observado: o menor dos valores obtidos para U1 e U2 que deve ser d U íti (U ) btid t b l ífi


comparado com U crítico (Uc) obtido em tabela específicaNeste caso, Uo <0,05 e aceita-se a H1


Escolha do Teste Estatístico após estabelecer o nível significânciag

Exige conhecimento de estatísticaA escolha de um teste de significância depende de g pcaracterísticas dos dados coletados:

Tipos de dados: normais, ordinais ou continuosA t i l d d t i d d iAmostras isoladas, duas amostras ou mais de dois gruposEmparelhamento ou nãoAmostras grandes o peq enas (dados nominais)Amostras grandes ou pequenas (dados nominais)Distribuição normal ou não (dados contínuos)


Total

Bioestatística Básica IBioestatística Básica IBioestatística BásicaBioestatística BásicaSensibilidade/Especificidade/Valor Predictivo

Quando realizam provas ou exames, surgem de imediato duas perguntas:

1. se a doença está presente, qual é a probabilidade de que o resultado seja positivo?resultado seja positivo?

2. Se a doença está ausente, qual é a probabilidade de que o resultado seja negativo?resultado seja negativo?A resposta à primeira pergunta determina a sensibilidade e àsegunda, especificidadeSensibilidade: capacidade do procedimento de efetuar diagnósticos

corretos quando esta está presente (verdadeiros, positivos ou doentes).Especificidade: capacidade do procedimento de efetuar diagnósticos

corretos da ausência de doença quando esta está ausente( d d i ti t t l i )


(verdadeiros, negativos ou sem esta patologia).


Usamos Tabelas de Dupla entrada (matriz de decisão) para aapresentação numérica já que os dados qualitativos:

Patologia confirmada

a + bb falsos positivosa verdadeiros+

Sentido daanaliseNãoSim

c + dd verdadeirosnegativos

c falsos negativos-

a + bb falsos positivosa verdadeirospositivos

+Resultado doprocedimento

a + b + c + d (n)b + da+ c

negativos

Sensibilidade: a (considera os acertos positivos) a + c

Esfecificidade: d (considera os acertos negativos)p


( g ) b + d


A medida que aumenta a sensibilidade, perde-se em especificidade e vice-versa (estudá-los em conjunto)A sensibilidade e a especificidade NÃO variam com a prevalência: mede a totalidade dos casos da doença na população em estudomede a totalidade dos casos da doença na população em estudo

TotaisAusentePresenteHemoculturaInfecção Fúngica

206180 (d)26 (c)

851(b)84 (a)+TotaisAusentePresenteHemocultura

291181110Totais206180 (d)26 (c)-

S 84 100 76% ( b 245 [ 100 76] d i t i f ãS = 84 x 100 = 76% (observem que 245 [ 100 – 76] dos pacientes com infecção 110 fúngica sistêmica têm hemocultura negativa para fungos).

E = 180 x 100 = 99% (se o paciente não tem infecção fúngica sistêmica há uma chance


( p ç gde 99% de que a sua hemocultura para fungos seja negativa)


Sensibilidade/Especificidade/Valor Predictivo

Sempre existe uma margem de erro e para afirmar se existe ou não aSempre existe uma margem de erro e para afirmar se existe ou não a doença empregando um procedimento diagnóstico, deve-se considerar:considerar:

• - Se o procedimento tem resultado positivo, qual é a probabilidade p p , q pde que a doença esteja realmente presente? (de que se confirme a doença). É o que chamamos de valor Predictivo Positivo (VPP)

- - Se o procedimento tem resultado negativo, qual é a probabilidade de que a doença esteja realmente ausente (de que se descarte a

Éq ç j ( q

doença)? É o que chamamos de Valor Predictivo Negativo (VPN).

Margotto PR (ESCS) www paulomargotto com br


Para calcularmos o VPP e o VPN, recorremos à matriz de decisão, sendo que agora, a análise é feita por linha (sentido horizontal).

P t l iP t l i

A + BA + BBBAA++NãoNãoSimSim

PatologiaPatologia

Resultado do Resultado do

A + B + C +D (N)A + B + C +D (N)B + DB + DA + CA + CC + DC + DDDCC--A + BA + BBBAA++ProcedimentoProcedimento

( )( )

Sentido da Análise

VPN = d (expressa a confiabilidade de um c + d resultado de exame negativo)




No exemplo:No exemplo:

Infecção Fúngica

851(b)84 (a)+TotaisAusentePresenteHemocultura

291181110Totais206180 (d)26 (c)-

VPP = 84 x 100 = 98,8% VPN = 180 x 100 = 87,4%85 206



Sensibilidade/Especificidade/Valor PredictivoExatitude: é um indicador que considera de maneira conjunta asExatitude: é um indicador que considera, de maneira conjunta, as

predicções corretas do procedimento, positivas e negativasE = verdadeiros positivos + verdadeiros negativos x 100

total de indivíduos com ou sem a doençaE = a+d x 100

a+b+c+da+b+c+dCohen descreveu um índice, chamado Índice Kappa para avaliar ograu de acerto do procedimento, ou seja, para avaliar o quanto og p , j , p qresultado do procedimento escapa do azar: (é um índice de acordo)0,75 - 1 : muito bom0,4< 0,74: regular a bom≤ 0,35: ruim (o diagnóstico não é explicado pelo procedimento e sim

pelo azar em 95% das vezes)


pelo azar em 95% das vezes).


Sensibilidade/Especificidade/Valor PredictivoCálculo do Índice Kappa: baseia-se na exatitudeCálculo do Índice Kappa: baseia se na exatitude

Índice Kappa = exatitude observada - exatitude esperada1 - exatitude esperada

Exemplo:

TotalNãoSim

34304

22220+Procedimento

563224Total

34304-

Exatitude observada: 30 + 20 = 0,8956


56



Ob l l Í di d K (í di d d )Observem que para calcular o Índice de Kappa (índice de acordo), falta apenas calcular a exatitude esperada que não se espera em (a) e (d) por azar:( ) p

Exatitude esperada = fila total x total colunaN (total geral)N (total geral)

Para o (a): 22 x 24 = 9 42 (fila de exames (+) x coluna de patologia (+))

Para o (d): 34 x 32 = 19,42 (fila de exames (-) x coluna de patologia (-)).56

Para o (a): 22 x 24 9,42 (fila de exames ( ) x coluna de patologia ( )).56

56




Assim a matriz de decisão anterior fica:Assim, a matriz de decisão anterior fica:

NãoSimPatologia

30 (19 42) (d)4 (c)-2 (b)20 (9,42) (a)+NãoSim

Procedimento

Exatitude esperada: a + d = 9 42 + 19 42 = 0 52

30 (19,42) (d)4 (c)

Exatitude esperada: a + d = 9,42 + 19,42 = 0,52N 56



Sensibilidade/Especificidade/Valor PredictivoAgora aplicar a fórmula do Índice de Kappa:Agora, aplicar a fórmula do Índice de Kappa:Índice Kappa = 0,89 – 0,52 = 0,77

1 – 0,521 0,52Interpretação: o procediemento analisado é muito bom

Para maior peso ao resultado achado, podemos calcular o intervalo de confiança a 95% do Índice Kappa e para este:

Í- Calcular o erro standard do Índice Kappa- Multiplicar o erro standard por 1,96

S di i i d t lt d í di d K- Somar e diminuir, deste resultado, o índice de Kappa previamente calculado- Significância: ausência da unidade no intervalo de confiança


- Significância: ausência da unidade no intervalo de confiança


Sensibilidade/Especificidade/Valor PredictivoCálculo do erro standard do Índicee Kappa:

E k 1Esk = 1 . (1 – pe) ? n ? pe + pe 2 – p1.p1 (p1 + p1) + p2.p2 (p2 + p2)

pe: probabilidade esperada exatitude esperada Veja o exemplo:

X

Veja o exemplo:

p12 p1220 p11+-+

Patologia

Procedimento?: raiz quadrada

5632p224 p1p230 p224 p21-p12 p1220 p11+Procedimentoa quad ada

p11 = a/N; p12 = b/N; p21 = c/N; p22 = d/N; p2 c+d/NP1 = a+b/N pe = 0,52ESK = 1 x ? 0,52 + (0,61) 2 – 0,39 x 0,39 (0,39 + 0,39) + 0,61 x 0,61 (0,61 + 0,61)

(1-0,52) ?56ESk = 1 x ? 1,24 = 0,28 x 0,11 = 0,31 0,31 x 1,96 = 0,60

0,36 Intervalo de confiança = 0,17 1,37


(0,77 – 0,60) (0,77+0,60)

BioestatBioestatíística Bstica Báásica sica


or preditivo e a exatitude modificam –se com a prevalência cil diagnósticar em uma epidemia)cil diagnósticar em uma epidemia).m não se deve fazer comparação direta dos valores de predicção

procediemtnos desenvolvidos em grupos com diferentesprocediemtnos desenvolvidos em grupos com diferentes evalências.ajustar o valor da predicção a uma dada prevalência da doençaajustar o valor da predicção a uma dada prevalência da doença, liza-se o Teorema de Bayes:

P = prevalência da doença x sensibilidadeP = prevalência da doença x sensibilidade . valência x sensibilidade+ (1 – prevalência) x (1 – especificidade)

tto, PR (ESCS) www.paulomargotto.com.br


Sensibilidade/Especificidade/Valor PredictivoPropósito dos ProcedimentosPropósito dos Procedimentos

Procedimentos de triagem (dosar glicemia para detectar diabetes) Papanicolau para câncer genital) Aceita-se umdiabetes), Papanicolau para câncer genital). Aceita-se um certo nº de falsos positivosProcedimentos de ALTA sensibilidade (que captem o maiorProcedimentos de ALTA sensibilidade (que captem o maior nº de pacientes possível)

Os positivos não devem ser considerados doentes mas comOs positivos não devem ser considerados doentes, mas com alta possibilidade de ter doençaProcedimento confirmatório: devem ter ALTA especificidadeProcedimento confirmatório: devem ter ALTA especificidadee ALTO valor predictivo de maneira a não haver falsos positivos


positivos


www.braile.com.brwww.paulomargotto.com.br (Objeto Planília-Editar)


Curva “ROC”ROC - Receiver Operator CaracteristicROC Receiver Operator Caracteristic COR - Características de Operação do ReceptorForma de representar a relação normalmenteForma de representar a relação normalmente antagônica entre SENSIBILIDADE e ESPECIFICIDADE de um teste diagnóstico quantitativo, ao longo de um g q , gcontínuo de valores ponto de corte (“cut off point”)O “cut off point” vai influenciar as características do testeA Curva ROC descreve diferentes valores de SENS e ESPECIF para um determinado número de valores “cut off point”

Bioestatística BásicaBioestatística BásicaC “ROC”

-Permitem evidenciar os valores para osCurvas “ROC”

-Permitem evidenciar os valores para os quais existe maior otimização da

ibilid d f ã d ifi id dsensibilidade em função da especificidadeponto em que se encontra p q

mais próximo do canto superior esquerdo do diagramado diagrama

-Permitem quantificar a exatidão de um t t di ó ti ( i l à á bteste diagnóstico (proporcional à área sob a curva)-Permitem comparar testes diagnósticos

CURVA ROC

Teste A-melhor acurácia que o teste B (teste inválido: os seus resultadosFalso- positivo (1-especificidade)

q (não são melhores do que os da chance)Ponto 1: maior valor se sensibilidade e especificidade; ponto 2: maior sensibilidade, porem menor especificidade; ponto 3: maior especificidade, porém, menor sensibilidade

A escolha do “cut off” vai depender do interesse em aumentar a sensibilidade ou a especificidade

bioestatistica [modo de compatibilidade] · nota: dados retirados do livro da sala de parto (1): os...

Documents