Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouRaul Pimenta Alterado mais de 9 anos atrás
1
A estatística nas investigações cientificas em saúde: usos e abusos
Ronir Raggio Luiz Instituto de Estudos em Saúde Coletiva (IESC/UFRJ) Faculdade de Medicina da UFRJ
2
Usos e abusos na área da saúde
USOS: inúmeros, como importantíssima e fundamental “ferramenta”, além de contribuir muito motivando desenvolvimentos teóricos ABUSOS: alguns, como a interpretação da significância estatística; ou aqueles relacionados aos modelos estatísticos múltiplos (interpretação, diagnóstico, amostras pequenas); ou ainda a simples “diferença” desvio-padrão e erro-padrão 2
3
Mas qual ferramenta representa melhor a estatística nas investigações em saúde: colher de pedreiro ou martelo de juiz?
4
Símbolos associação de ideias e interpretações
Colher de pedreiro ideia de “construção” Martelo do juiz (malhete) ideia de “decisão”
5
Tomada de decisão ERRO O papel da estatística
Na clínica Decisão “clínica” diagnóstico e tratamento individual Nas investigações em saúde dados populacionais conhecimento incerteza conceito de risco 5
6
Tomada de decisão ERRO O papel da estatística
Decisão e erro na estatística teste de hipóteses Mas nas investigações em saúde, estamos mais interessados em conhecer parâmetros que caracterizem as condições de saúde de uma população ou estimem efeitos causais Validade e precisão Intervalos de confiança 6
7
Revendo Validade e Precisão
Estimativa Intervalo de confiança (imprecisão) Parâmetro Erro (viés ou imprecisão?) Vieses, confundimento, interação...
8
Retomando: mas por que a supervalorização dos testes de hipóteses?
Estudos experimentais vs. observacionais
9
Mais sobre a supervalorização dos testes de hipóteses
Os “caminhos” das investigações Caminho ideal: Questão + planejamento metodológico + análise dos dados resultado Caminho mais usual: Dados disponíveis + questão + análise estatística resultado O que mais importa, então? Resultado vs. Questão+método
10
Revendo os testes de hipóteses estatísticas retomando a ideia de decisão/erro
H0 = hipótese nula (ou de nulidade) e H1 = hipótese alternativa Significância estatística – p-valor – erro tipo I Analogias possíveis ou razoáveis: 1) Julgamento (H0=inocente vs H1=culpado) 2) Teste diagnóstico (H0=saudável vs H1=doente)
11
Exemplo do “julgamento”: Significância estatística vs. causalidade
11
12
Nas investigações em saúde, onde comumente a intenção é estabelecer relações causais, o que significa então um resultado estatisticamente significativo? Mas lembrar: Tamanho do “efeito” Tamanho da amostra Variabilidade E o erro tipo II (beta): interessa?
13
ERROS ASSOCIADOS A UM TESTE DE HIPÓTESE
Erro tipo I (a) e erro tipo II (b) Decisão Verdade tomada H H1 H ok b H a ok
14
Exemplo simples, mas “simbólico” de um teste estatístico
Como “testar” se um dado é honesto? H0: dado é honesto vs. H1: dado é viciado Suponha 60 lançamentos do dado (n=60) – iid Resultado esperado vs. observado Face Esperado sob H0 Observado 1 Observado 2 1 10 12 6 2 9 7 3 4 11 8 5 30 Total 60 P-valor grande ou pequeno?
15
Acaso (qual a probabilidade?) Dado não é honesto
Se o resultado é o “observado 2” (ou seja, 30 vezes o número 6) duas explicações alternativas Acaso (qual a probabilidade?) Dado não é honesto
16
Voltando às investigações em saúde
Frequentemente a “pergunta” envolve estudar a associação entre variáveis, com interesse em relações de causa e efeito. Por exemplo, determinada droga tem eficácia (ou efetividade ou eficiência)? Primeira pergunta: O resultado é válido? E as unidades de análise não são replicações idênticas... Então, mais um explicação alternativa àquelas duas anteriores 1) vieses (informação e seleção) e 2) confundimento. (E validade de especificação?) Lembrar, ainda, de interação (modificação de efeito)
17
Questões teóricas e práticas relacionadas que sempre devem ser consideradas:
Desenhos de estudo e medidas de efeito Bases de dados já disponíveis Aleatoriedade (randomização e amostra aleatória) Mensuração (qualidade das medidas) E ainda: Relevância prática ou “clínica”
18
Ilustração de confundimento: exposição vs. desfecho X
EpiInfo Version Statcalc November 1993 + Disease Analysis of Single Table ┌────────┬────────┐ Odds ratio = 2.67 (1.00 <OR< 7.21) +│ │ │ Cornfield 95% confidence limits for OR ├────────┼────────┤ Relative risk = 2.00 (1.04 <RR< 3.83) -│ │ │ Taylor Series 95% confidence limits for RR └────────┴────────┘ Ignore relative risk if case control study. E x Chi-Squares P-values p ─────────── ──────── o Uncorrected : ◄─── s Mantel-Haenszel: ◄─── u Yates corrected: ◄─── r e F2 More Strata; <Enter> No More Strata; F10 Quit
19
+ Disease - Analysis of Sigle Table
┌────────┬────────┐ Odds ratio = 1.00 (0.11 <OR< 7.35*) +│ │ │ Cornfield 95% confidence limits for OR ├────────┼────────┤ *Cornfield not accurate. Exact limits preferred. -│ │ │ Relative risk = 1.00 (0.20 <RR< 5.00) └────────┴────────┘ Taylor Series 95% confidence limits for RR E Ignore relative risk if case control study. x p Chi-Squares P-values o ─────────── ──────── s Uncorrected : u + Disease Odds ratio = 1.00 (0.18 <OR< 5.33*) ┌────────┬────────┐ Cornfield 95% confidence limits for OR +│ │ │ *Cornfield not accurate. Exact limits preferred. ├────────┼────────┤ Relative risk = 1.00 (0.56 <RR< 1.79) -│ │ │ Taylor Series 95% confidence limits for RR └────────┴────────┘ Ignore relative risk if case control study. E x Chi-Squares P-values p ─────────── ──────── o Uncorrected : s ***** Stratified Analysis ***** Summary of 2 Tables Crude odds ratio for all strata = 2.67 Mantel-Haenszel Weighted Odds Ratio = 1.00 Crude RR for all strata = 2.00 Mantel-Haenszel Weighted Relative Risk of Disease, given Exposure = 1.00
20
Resumindo Três alternativas para interpretar um teste estatisticamente significativo (p-valor pequeno): 1) H1 é a verdade e o teste foi capaz de detectá-la. 2) H0 é a verdade, mas por mero ACASO os dados apontaram uma decisão em favor de H1 (p-valor); 3) H0 é a verdade, mas existe algum VIÉS no estudo que gerou uma decisão em favor de H1.
21
Colher de pedreiro ou martelo do juiz?
Finalizando Estatística nas investigações em saúde, especialmente a partir de teste de hipóteses: Colher de pedreiro ou martelo do juiz? Minha resposta: é uma importante ferramenta (colher de pedreiro) que auxilia, e muito, na “construção” do conhecimento em saúde e de avaliações de ações, mas é muito limitada para “decisões”, especialmente aquelas individuais Na apresentação dos resultados dê preferência aos intervalos de confiança já que estes não só contém indiretamente a informação que se pode extrair da significância estatística do estudo (caso isso interesse), como também apresentam a magnitude do efeito do que se está estudando, permitindo portanto uma avaliação dos “erros” das investigações de forma mais prática.
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.