Formulação de Hipóteses
Escolha dos Testes Estatísticos
Processo de Análise Crítica
(Princípios de Aristóteles)
➢ Verdade
As Conclusões Devem ser Substanciadas pelos
Dados
➢ Validade
A Metodologia Deve ser Apropriada para o
Tipo de Análise
➢ Probabilidade
A Análise Estatística Deve Conduzir a
Resultados Bem Definidos e Reprodutíveis
Processo de Análise Crítica
Apresentação Validade
Completa
Probabilidade
• Hipótese Nula
• Teste Estatístico
Resultado do Estudo
Análise Estatística
Hipótese de Nulidade
Os Dados são Provenientes da
Mesma População, não Existindo
Diferença Entre Eles.
Análise Estatística
➢ Avaliação da Hipótese de Nulidade
(Associação entre as Variáveis
Determinante e Dependente)
• Erro Tipo I ou (Valor de p)
Probabilidade de Erro ao Rejeitar a
Hipótese de Nulidade
Emprego dos Testes Estatísticos
na Pesquisa em Medicina
➢ Avaliar a Existência de Diferenças entre
Variáveis
➢ Analisar a Ocorrência de Associações
entre Variáveis
➢ Estimar a Prevalência ou a Incidência de
Eventos
➢ Identificar Fatores que Alteram ou
Sejam Preditores de Respostas / Eventos
Análise Estatística na Pesquisa
Científica
A Importância Clínica de uma
Associação ou Diferença
Estatisticamente Significante é
uma Decisão Clínica e não
Estatística.
O Emprego de Testes Estatísticos na
Pesquisa Científica tem como
Objetivos:
Validar a Associação Observada
entre o Fator Determinante e o
Resultado Obtido e
Avaliar o Grau de Reprodutibilidade
do Estudo Realizado.
Emprego dos Testes Estatísticos
na Pesquisa em Medicina
➢ Avaliar a Existência de Diferenças entre
Variáveis
➢ Analisar a Ocorrência de Relações entre
Variáveis
➢ Estimar a Prevalência ou a Incidência de
Eventos
➢ Identificar Fatores que Alteram ou
Sejam Preditores de Respostas / Eventos
Avaliação da Diferença entre
Variáveis
40
30
Unidade
20
10
0
Variável A Variável B
Hipótese: A ≠ B
Análise Estatística
➢ Teste de Hipótese
• Bidirecional
H0 X = Valor esperado
H1 X Valor esperado
• Unidirecional
H0 X = Valor esperado
H1 X > ou < Valor esperado
Análise Estatística
Teste Bidirecional
Proporção
Área de Área de
Rejeição H0 Rejeição H0
Área de Aceitação
H0
-2 0 +2
Análise Estatística
Teste Unidirecional
Proporção
Área de
Rejeição H0
Área de Aceitação
H0
-2 0 +2
Avaliação da Diferença entre
Variáveis
Dosagem C3a
450
400
Controle
350 Ultrafiltração
300
ng/ml
250
200
150
100
50
0
Basal Pré 10 30 60 Pós
Circulação Extracorpórea
Avaliação da Diferença entre
Variáveis
Dosagem C3a
450
400
Controle
350 Ultrafiltração
300
ng/ml
250
200 Hipóteses:
150
100
Grupo C ≠ U
50
0
Basal Pré 10 30 60 Pós Dif. Variável
Circulação Extracorpórea
no Tempo
Comparação entre Variáveis
➢ Definir o Tipo de Variável
➢ Definir N de Grupos de Variáveis
➢ Definir o Tipo de Distribuição
• Distribuição Normal (Gausiana)
• Distribuição Assimétrica
➢ Definir a Relação entre os Grupos
• Pareados / Medidas Repetidas
• Não Pareados
Apresentação das Variáveis
➢ Escalas Nominais
• Percentagens ou Proporções
➢ Escalas Ordinais
• Percentagens ou Proporções
• Medidas de Tendência Central e de
Dispersão
Comparação entre Variáveis
Variáveis de Categorias
➢ Escalas Nominais
• Comparação entre Proporções
➢ Escalas Ordinais
• Comparação entre Proporções
• Comparação entre Valores Numéricos
Right Ventricular Dysfunction and
Inferior Myocardial Infaction
Índices de Mortalidade
IAM c/ DVD IAM s/ DVD
1 mês 24,4 ±11,8% 6,9 ± 12,2%
12 meses 39 ± 9,5 % 10,3 ±11,8%
Serrano Júnior CV, Clin Cardiol 1995; 18: 199-205
Right Ventricular Dysfunction and
Inferior Myocardial Infaction
Índices de Mortalidade
50
IAM com DVD
40 IAM sem DVD
30
%
20
10
0
1 Mês 12 Meses
Serrano Júnior CV, Clin Cardiol 1995; 18: 199-205
Comparação entre Variáveis
Variáveis de Categoria
Sucesso Falha
Tratam. A 6 6 12
Tratam. B 2 13 15
8 19 27
Comparação entre Variáveis
Variáveis de Categoria
➢ Escalas Binárias / Ordinais
• Comparação entre Duas Proporções
– Pareadas
Teste de McNemar
– Não Pareadas
Teste Exato de Fisher
Teste de Qui-quadrado ( 2)
Comparação entre Variáveis
Variáveis de Categoria
➢ Escalas Binárias / Ordinais
• Comparação entre Três ou Mais
Proporções
Teste de Qui-quadrado ( 2)
Comparação entre Variáveis
Variáveis Numéricas (Quantitativas)
➢ Número de Grupos de Variáveis
➢ Tipos de Distribuição
• Distribuição Simétrica
– Normal (Gausiana)
• Distribuição Assimétrica
Variáveis Numéricas (Quantitativas)
Tipos de Distribuição
Proporção
(M±DP)
Média
Distribuição Normal / Gausiana
Variáveis Numéricas (Quantitativas)
Tipos de Distribuição
Proporção
Variação
Interquartil
Mediana
Distribuição Assimétrica
Comparação entre Variáveis
Variáveis Contínuas
➢ Segundo o Tipo de Distribuição
• Distribuição Normal (Gausiana)
Testes Paramétricos
• Distribuição Assimétrica
Testes Não Paramétricos
Comparação entre Duas Variáveis
Numéricas
Distribuição Normal
Proporção
Var.A Var.B
XA XB
Escala Numérica
Comparação entre Duas Variáveis
Numéricas
Distribuição Normal
Proporção
Var.A Var.B
XA XB
Escala Numérica
Comparação entre Grupos
Testes Paramétricos
40
30
Unidade
20
10
0
Variável A Variável B
Comparação entre Grupos
Variáveis Contínuas
➢ Distribuição Normal
• Comparação de Dois Grupos
– Pareados
Teste t de Student para Valores
Pareados
– Não Pareados
Teste t de Student para Valores Não
Pareados
Comparação entre Grupos
Testes Paramétricos
40
p = 0,005
30
Unidade
20
10
0
Variável A Variável B
Comparação entre Grupos
Testes Não Paramétricos
200
150
Unidade
100
50
0
Variável A Variável B
Comparação entre Grupos
Variáveis Contínuas
➢ Distribuição Não Gausiana
• Comparação de Dois Grupos
– Pareados
Teste de Wilcoxon
– Não Pareados
Teste de Mann-Whitney
Comparação entre Grupos
Testes Não Paramétricos
200
p = 0,041
150
Unidade
100
50
0
Variável A Variável B
Variáveis Numéricas
Comparações Múltiplas
➢ Erro Tipo I ()
Influenciado pelo:
• Número de Testes Realizados em
Relação a uma Mesma Amostra
Variáveis Numéricas
Comparações Múltiplas
Nº Hipótese
Independentes 2 3 4 5 6 10 20 50
Probabilidade
de p < 0,05 10% 14% 19% 23% 26% 40% 64% 92%
Erro Aceitável 0,025 0,017 0,012 0,01 0,008 0,005 0,002 0,001
Comparação entre Variáveis
Numéricas
Distribuição Normal
Proporção
A B C
XA XB XC
Escala Numérica
Comparação entre Variáveis
Numéricas
Distribuição Normal
Proporção
A B C
XA XB XC
Escala Numérica
Comparação entre Grupos
Variáveis Contínuas
➢ Distribuição Normal
• Comparação de Três ou Mais Grupos
– Medidas Repetidas
Análise de Variância de Medidas
Repetidas
– Não Relacionados
Análise de Variância de Um Fator
Comparação entre Grupos
Testes Paramétricos
25
p = 0,001
20
Unidade
15
10
0
Var. A Var. B Var. C Var. D
Comparação entre Grupos
Testes Paramétricos
25
p = 0,001
20
Unidade
15
10
0
Var. A Var. B Var. C Var. D
Var. A vs Var. B p > 0.05 Var. B vs Var. C p > 0.05
Var. A vs Var. C p > 0.05 Var. B vs Var. D p < 0.01
Var. A vs Var. D p < 0.05 Var. C vs Var. D p < 0.01
Comparação entre Grupos
Variáveis Contínuas
➢ Distribuição Não Gausiana
• Comparação de Três ou Mais Grupos
– Medidas Repetidas
Teste de Friedman
– Não Relacionados
Teste de Kruskal-Wallis
Comparação entre Grupos
Testes Não Paramétricos
200
p = 0,038
150
Unidade
100
50
0
Variável A Variável B Variável C
Var. A vs Var. B p < 0.05
Var. A vs Var. C p > 0.05
Var. B vs Var. C p > 0.05
Variáveis Numéricas
Comparações Múltiplas
Dosagem C3a
450
400
Controle
350 Ultrafiltração
300
ng/ml
250
200
150
100
50
0
Basal Pré 10 30 60 Pós
Circulação Extracorpórea
Comparação entre Grupos
Variáveis Contínuas
➢ Avaliar o Efeito de Duas Variáveis
Determinantes (Tratamento; Tempo)
• Distribuição Normal
– Análise de Variância de Duplo Fator
– Análise de Comportamento Linear
• Distribuição Não Gausiana
– Análise de Variância Não
Paramétrica de Friedman
– Análise de Comportamento Linear
Comparação entre Grupos
Variáveis Contínuas
➢ Avaliar o Efeito de Duas Variáveis
Determinantes (Tratamento; Tempo)
• Distribuição Normal
– Análise de Variância de Duplo Fator
de Variáveis Não Relacionadas
– Análise de Variância de Duplo Fator
com Medida Repetidas em um dos
Fatores
Comparação entre Grupos
Testes Paramétricos
Dupla Análise de Variância
40
Tratamento 1
Tratamento 2
Unidade
30
20
10
0
Tempo
Tratamento - p = 0,035 Tempo 1 - p > 0,05
Tempo - p < 0,001 Tempo 2 - p > 0,05
Interaçao Trat./Tempo Tempo 3 - p < 0,05
Emprego dos Testes Estatísticos
na Pesquisa em Medicina
➢ Avaliar a Existência de Diferenças entre
Variáveis
➢ Analisar a Ocorrência de Relações entre
Variáveis
➢ Estimar a Prevalência ou a Incidência de
Eventos
➢ Identificar Fatores que Alteram ou
Sejam Preditores de Respostas / Eventos
Correlação entre Variáveis
Variáveis Contínuas
➢ Correlação entre Duas Variáveis
• Coeficientes de Correlação
➢ Identificação da Relação entre
Variáveis
• Regressão Linear
• Regressão Não Linear
Correlação entre Variáveis
Variáveis Contínuas
➢ Correlação Entre Variáveis
Numéricas de Distribuição Normal
• Cálculo do Coeficiente de Correlação
de Pearson
➢ Correlação Entre Variáveis Ordinais
ou Numéricas de Distribuição
Assimétrica
• Cálculo do Coeficiente de Correlação
de Spearman (Rank)
Avaliação da Relação entre Variáveis
30
Variável A
20
Hipótese:
10
Relação entre A e B
Det. Nível Relação (r)
0
8 9 10 11 12 13 14
Variável B
Correlação entre Variáveis
Variáveis Contínuas
30
Variável A
20
10
r = 0.876
p < 0,001
0
8 9 10 11 12 13 14
Variável B
Correlação entre Variáveis
Variáveis Contínuas
30
Variável A
20
10
r = 0.08
p > 0,05
0
8 9 10 11 12 13 14
Variável B
Cálculo do Tamanho Amostral
Descrição da Metodologia
Análise Estatística dos Dados
➢Definição do Tamanho das
Amostras
➢ Nível de Significância
Análise Estatística
Hipótese de Nulidade
Os Dados são Provenientes da
Mesma População, não Existindo
Diferença Entre Eles.
Análise Estatística
➢ Avaliação da Hipótese de Nulidade
(Associação entre as Variáveis
Determinante e Dependente)
• Erro Tipo I ou (Valor de p)
Probabilidade de Erro ao Rejeitar a
Hipótese de Nulidade
Análise Estatística
➢ Avaliação da Hipótese de Nulidade
(Associação entre as Variáveis
Determinante e Dependente)
• Erro Tipo II ou (Poder Estatístico)
Probabilidade de que a Hipótese de
Nulidade Esteja Errada, Mesmo não
Tendo Sido Rejeitada
Análise Estatística
➢ Erro Tipo II ()
Influenciado por
• Grau de Associação entre as Variáveis
• Grau de Variação Intrínseca das
Variáveis (Contínuas)
• Tamanho da Amostra
Number in
treatment arm 5 10 15 20 100
Responders in
treatment arm 4 8 12 16 80
Proportion
responding in 0.8 0.8 0.8 0.8 0.8
treatment arm
Number in
control arm 5 10 15 20 100
Responders in
control arm 2 4 6 8 40
Proportion
responding in 0.4 0.4 0.4 0.4 0.4
control arm
95% CI
-0.23 to 0.79 -0.04 to 0.71 0.04 to 0.67 0.10 to 0.64 0.27 to 0.52
p-value
0.29 0.09 0.03 0.01 <0.0001
Number in
treatment arm 5 10 15 20 100
Responders in
treatment arm 4 8 12 16 80
Proportion
responding in 0.8 0.8 0.8 0.8 0.8
treatment arm
Number in
control arm 5 10 15 20 100
Responders in
control arm 2 4 6 8 40
Proportion
responding in 0.4 0.4 0.4 0.4 0.4
control arm
95% CI
-0.23 to 0.79 -0.04 to 0.71 0.04 to 0.67 0.10 to 0.64 0.27 to 0.52
p-value
0.29 0.09 0.03 0.01 <0.0001
Number in
treatment arm 5 10 15 20 100
Responders in
treatment arm 4 8 12 16 80
Proportion
responding in 0.8 0.8 0.8 0.8 0.8
treatment arm
Number in
control arm 5 10 15 20 100
Responders in
control arm 2 4 6 8 40
Proportion
responding in 0.4 0.4 0.4 0.4 0.4
control arm
95% CI
-0.23 to 0.79 -0.04 to 0.71 0.04 to 0.67 0.10 to 0.64 0.27 to 0.52
p-value
0.29 0.09 0.03 0.01 <0.0001
Qualquer diferença observada entre
dois grupos de variáves,
não importa quão pequena ela seja,
pode ser transformada em
“significante estatisticamente”
- com qualquer nível de significância -
pela obtenção de uma amostra grande o suficiente.
Análise Estatística
Situação Real
c/Dif. s/Dif.(H0)
c/Dif. Poder Erro
(Rej. H0) (1- ) Tipo I
s/Dif. Erro *
(n/Rej. H0) Tipo II
Análise Estatística
Nível de Significância x Tamanho da
Amostra
60
Número de Casos
p = 0,01
40
p = 0,05
20
0
50 60 70 80 90 100
Poder Estatístico
Análise Estatística
Tamanho da Amostra
➢ Comparação entre Proporções
(Variáveis Nominais / Ordinais)
• Nível de Significância Estabelecido
• Uni ou Bidirecional
• Proporção Esperada no Controle
• Diferença Esperada entre as
Proporções
Comparação entre Proporções
40
30
20
%
10
0
Proporção A Proporção B
Cálculo do Tamanho da Amostra
Comparação entre Proporções
0.6 Power
99%
95%
0.5
90%
80%
50%
0.4
Increase
0.3
p<0,05
bicaudal
0.2
0.1
0.0
1 10 100 1000 10000
Sample size per group
Análise Estatística
Tamanho da Amostra
➢ Comparação entre Curvas de Eventos
• Nível de Significância Estabelecido
• Uni ou Bidirecional
• Proporção Livre de Eventos Esperada no
Controle
• Diferença Esperada Entre Proporções ao
Final do Seguimento
Comparação entre Curvas de
Eventos
100
Curva A
80
Curva B
60
%
40
20
0
0 1 2 3 4 5 6 7 8 9 10
Anos
Cálculo do Tamanho da Amostra
Comparação entre Curvas de
Eventos
0.6 Power
99%
95%
0.5
90%
Increase in survival proportion
80%
50%
0.4
0.3 p<0,05
bicaudal
0.2
0.1
0.0
1 10 100 1000 10000
Sample size per group
Análise Estatística
Tamanho da Amostra
➢ Comparação entre Variáveis
Quantitativas
• Relação Entre as Variáveis
• Nível de Significância Estabelecido
• Uni ou Bidirecional
• Diferença Esperada entre as Médias
• Grau de Dispersão das Variáveis
Análise Estatística
Influência do Grau de Dispersão
Proporção
Var.A Var.B
XA XB
Escala Numérica
Análise Estatística
Influência do Grau de Dispersão
Proporção
Var.A Var.B
XA XB
Escala Numérica
Comparação entre Variáveis
Quantitativas
Testes Paramétricos
40
30
Unidade
20
10
0
Variável A Variável B
Comparação entre Variáveis
Quantitativas
Testes Paramétricos
➢ Pequena Diferença - < 20% DP
➢ Média Diferença - 50% DP
➢ Grande Diferença - > 80% DP
Cálculo do Tamanho da Amostra
Comparação entre Variáveis
Quantitativas
Testes Paramétricos
5 Power
99%
95%
4 90%
Difference between means
80%
50%
p<0,05
bicaudal
2
0
1 10 100 1000 10000
Sample size per group
Comparação entre Variáveis
Quantitativas
Poder da Amostra
40
30
Unidade
NS
20
(n)
10
0
Variável A Variável B
Cálculo do Poder da Amostra
Comparação entre Variáveis
Quantitativas
Poder da Amostra
N = 20 N = 50
100 100
90 90
80 80
70 70
Power (%)
Power (%)
60 60
50 50
40 40
30 30
20 20
10 10
0 0
0.00 0.25 0.50 0.75 1.00 1.25 1.50 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Delta Delta
