TESTES ESTATÍSTICOS

Estatística inferencial: testes paramétricos ou não paramétricos, a escolha é

baseada no tipo de variável (quantitativa ou qualitativa) e na distribuição da
variável.

Os testes estatísticos Paramétrico ou Não Paramétricos podem ser agrupado

de acordo com o número de variáveis envolvidas:
 Univariado: uma variável como desfecho. Ex: estudos de prevalência.
 Bivariado: duas variáveis, sendo uma o desfecho e a outra a exposição.
 Multivariado: Mais de duas variáveis, sendo um o desfecho e as outras
os fatores de exposição.
TESTE ESTATÍSTICO
O teste de estatístico (hipótese) testa a probabilidade de erro (p-valor) ao
rejeitar a H0 (sem significância estatística) e aceitar a H1 (existe significância
estatística) baseado nos dados amostrais considerando o nível de significância
(α).
 A pesquisa é realizada com uma amostra da população, os testes
avaliam a probabilidade de erro.
P valor: indica a significância, então avalia se há
diferença/correlação/associação entre fatores. Se p for 0,005 então há 5% de
chance de estar errado em rejeitar H0 e aceitar H1 (baixo risco de erro).
Ex: PA em homens e mulheres
 H0 (hipótese nula): não há diferença entre PA de homens e mulheres.
 H1 (hipótese alternativa): há diferença entre PA de homens e mulheres.
* Se houver até 5% de chance de erro (p<0,05), indica que há diferença
significativa, assim, rejeita-se H0. Se houver mais de 5% aceita H0 pois não há
diferença significativa.
* Erro do tipo I: dizer que há diferença (rejeitar H0) sendo que na verdade não é
significativo.

Principais testes:

Relação entre duas variáveis quantitativas ou ordinais (bivariado)

Perguntas:
  A variável independente (fator de exposição) tem efeito sobre a variável
dependente (desfecho).
 Existe relação entre as variáveis independentes (fator de exposição).
Hipóteses:
 H0: Não existe correlação significativa entre as variáveis.
 H1: Existe correlação significativa entre as variáveis.
Testes:
 Pearson (paramétrico): Variáveis numéricas com distribuição normal.
 Spearman (não paramétrico): Variáveis numéricas sem distribuição
normal e variáveis categóricas ordinais. Usado em amostras maiores.
 Kendall (não paramétrico): Variáveis numéricas sem distribuição normal
e variáveis categóricas ordinais para amostra pequenas (n<50).
Testes de normalidade (somente para variável numérica): Shapiro-Wilk
 P-valor do Shapiro-Wilk > 0,050 tem distribuição normal. Usar teste de
Pearson.
 P-valor do Shapiro-Wilk ≤ 0,050 não tem distribuição normal. Usar teste
de Spearman ou Kendall.

Comparação de duas medidas numéricas em grupos independentes

(bivariado)
Pergunta:
 A variável independente categórica (fator de exposição) tem efeito sobre
a variável dependente numérica ou categórica ordinal (desfecho).
Ex: IMC é categorizado – baixo peso, eutrofico, sobrepeso e obeso. Cada
categoria de resposta está ordenada de forma que quem está na mesma
categoria tem valores semelhantes do que outras categorias, mas não se sabe
o valor de cada um.
Testes:
 t Student independente (paramétrico): desfecho numérico com
homogeneidade das variâncias.
 Mann-Whitney (não paramétrico): desfecho numérico sem
homogeneidade das variâncias ou categórico ordinal.
Teste de Homogeneidade (somente para variáveis numéricas): Levene
 P-valor do Levene > 0,050 tem homogeneidade, pois não há diferença
significativa. Usar teste de t Student;
 P-valor do Levene ≤ 0,050 não tem homogeneidade. Usar teste de
Welch (correção para t Student) ou Mann-Whiteny.
Comparação de duas medidas numéricas pareadas (bivariado)
Pergunta:
 Existe diferença entre duas medidas do desfecho (variável dependente
numérica ou categórica ordinal).
 O fator de exposição é o momento das medidas do desfecho. Assim,
faz-se duas medidas repetidas no mesmo indivíduo (pré e pós). Ex:
aferir PA em um momento e após determinado tempo de tratamento
(intervenção) realiza-se novamente a medida.
Testes:
 t Student pareado (paramétrico): desfecho numérico com distribuição
normal da diferença.
 Wilcoxon (não paramétrico): desfecho numérico sem distribuição normal
da diferença ou categórico ordinal.
Teste de normalidade (somente para variável numérica): Shapiro-Wilk;
 P-valor do Shapiro-Wilk > 0,050 tem distribuição normal. Usar teste de t
Student.
 P-valor do Shapiro-Wilk ≤ 0,050 não tem distribuição normal. Usar teste
de Wilcoxon.

Comparação de 3 ou mais medidas numéricas em grupos independentes

(multivariado)
Pergunta:
 A variável independente categórica (fator de exposição) tem efeito sobre
a variável dependente numérica ou categórica ordinal (desfecho).
Testes:
 Anova-one-way (paramétrico): desfecho numéricos com homogeneidade
das variâncias.
 Kruskal-Wallis (não paramétrico): desfecho numérico sem
homogeneidade das variâncias ou categórico ordinal.
Teste de Homogeneidade das variâncias para variáveis numéricas: Levene
 P-valor do Levene > 0,050 tem homogeneidade. Usar teste de Anova
(Fisher);
 P-valor do Levene ≤ 0,050 não tem homogeneidade. Usar teste de
Welch (correção para Anova) ou Kruskal-Wallis.
Teste Post-hoc (comparação par a par para localização das diferenças):
 Homogeneidade assumida: Bonferroni, Turkey ou Sidak.
 Homogeneidade violada: Dunn ou Games-Howel.
Exemplo: Diferença de peso entre categoriais dos estados nutricionais.
Primeiramente aplica-se Levene para avaliar a homogeneidade. Se houver
homogeneidade, usa-se anova. Caso este dê diferença significativa entre os
pesos, aplica-se teste post-hoc para avaliar a diferença entre cada categoria.

Caso a homogeneidade seja violada, realiza-se teste de Kruskal-Wallis e, caso

dê diferença significativa, faz-se teste Post-hoc para avaliar diferença entre
cada categoria.

Comparação de 3 ou mais medidas numéricas pareadas (multivariado):

Pergunta:
 Existe diferença entre três ou mais medidas do desfecho (variável
dependente numérica ou categórica ordinal). O fator de exposição é o
momento das medidas do desfecho.
Testes:
 Anova de medidas repetidas (paramétrico): desfecho numérico com
esfericidade.
  Frideman (não paramétrico): desfecho numérico sem esfericidade ou
categórico ordinal.
Teste de Esfericidade (variáveis numéricas): Teste de Mauchly’s.
 P-valor do Mauchly’s > 0,050 esfericidade assumida. Usar teste de
Anova de medidas repetidas;
 P-valor do Mauchly’s ≤ 0,050 esfericidade violada. Usar teste de
Greenhouse-Gesseir ou teste de Frideman.
Teste Post-hoc: comparação par a par para localização das diferenças.
 Bonferroni, Turkey ou Sidak.
 Para Frideman: Durbin.

Concordância entre métodos de diagnósticos de desfecho numérico

(bivariado)
Pergunta:
 Existe concordância entre as medidas de um desfecho numérico entre
dois métodos diagnósticos ou para o mesmo método entre dois
avaliadores diferentes ou entre dois momentos diferentes.
Teste de Bland Altman
 Variáveis numéricas.
 Baseado na comparação do intervalo de confiança da diferença.
 Embora não exista necessidade de distribuição normal da diferença,
dados com distribuição favorecem maior precisão para análise.
Ex1: Comparar métodos de glicemia de jejum e glicemia capilar. Não há valor
de p nesse caso. O teste é baseado na estimativa do erro – se for pequeno,
existe concordância (ambos os métodos seriam aceitáveis), então tanto a
glicemia de jejum quanto a capilar servem para dosagem.
Ex2: Comparar a estimativa da hemoglobina glicada pelo exame de sangue
(HbA1c) e glicada por monitoramento contínuo de glicemia (A1C). Quando o
intervalo de confiança inclui o valor 0 é bom, pois isso indica que existe a
possibilidade do 0 ser um valor (baixa chance de erro).

Analisar o efeito de mais de um fator de exposição sobre um desfecho

numérico (multivariado)
Pergunta:
 Existe efeito de fatores de exposição (covariáveis independentes) sobre
um desfecho numérica ou categórica ordinal (variável dependente).
 Observa-se mais de um fator para saber como eles interagem para
modificar um desfecho.
Teste de regressão linear múltipla:
 Covariáveis independentes: numéricas ou categóricas ordinal ou
categórica nominal dicotômica.
 Desfecho: variável dependente numérica.
 Distribuição de normalidade de variáveis numéricas não é impeditivo,
mas melhoram a precisão da previsão do desfecho.
 Multicolinariedade: correlação elevada entre dois ou mais fatores de
exposição.
 Homocedasticidade: a variância entre os fatores de exposição é
semelhante.
Ex: Efeito de fatores de exposição (glicemia, PA, idade, sexo, doenças
crônicas) sobre a intensidade da dor. O R 2 indica o quanto as variáveis
influenciam, como o valor não e grande – 0,148 (14,8%) – então os fatores em
conjunto não explicam mudanças na intensidade da dor. O p de 0,058 indica
que não há correlação entre os fatores e a intensidade da dor.
 Como idade tem p=0,004 ela é significativa. Se o valor das estimativas
(coeficiente de regressão) forem positivas, indica que quanto menor a
idade maior a intensidade da dor, caso o valor das estimativas seja
negativo, indica que quanto menor a idade menor a intensidade da dor.
 Coeficiente de regressão: função de prever e calcular riscos baseados
nos fatores de exposição. Ex: fórmulas geradas para calcular risco
cardiovascular. Fórmula para calcular intensidade de dor baseado na
idade.

Analisar a distribuição de proporção de uma variável categórica

(univariado)
Pergunta:
 Existe diferença na distribuição de proporção das categorias de resposta
da variável categórica.
Teste (não paramétricos univariados):
 Teste Binominal (teste dos sinais): variáveis dicotômicas.
 Teste do Qui-quadrado para proporção: variáveis nominais e ordinais
dicotômicas ou não. Se houver 4 categorias espera-se que cada uma
 tenha 25% (dividido igual). O Qui-quadrado compara esse esperado com
o que é observado na realidade. O p<0,005 indica que há diferença na
distribuição de proporção das categorias.

Analisar a relação entre duas variáveis categóricas independentes

(bivariado)
Pergunta:
 Existe associação ou efeito da variável independente (fator de
exposição) sobre a distribuição de proporção das categorias da variável
dependente (desfecho).
 Relação entre duas variáveis qualitativas é chamada de associação ou
efeito (Ex: entre sexo e DM). Para variáveis quantitativas chama-se de
correlação.
Testes:
 Qui-quadrado: amostra com frequência esperada mínimo de 5 por
categoria de resposta. Recomendado para amostras grandes, que
podem variar na literatura em >30 a >60.
 Exato de Fisher: amostras pequenas ou que apresente frequência
esperada <5 por categoria de resposta ou frequência observada menor
que 5 para uma das categorias de resposta.
Analisar a distribuição de proporção de uma variável categórica em duas
medidas parearas (bivariado)
Pergunta:
 Existe diferença na distribuição de proporção das categorias de resposta
da variável dependente (desfecho) entre os momentos pré-pós (fator de
exposição).
Teste: McNemar
 Variáveis categóricas dependentes categórica ordinal ou nominal
dicotômica.
Ex: categorizar PA (normal ou hipertenso) realizando medida de pré e pós. Ao
avaliar a tabela, é possível observar que não houve efeito em 50 indivíduos (33
estavam normotensos e se mantiveram assim; 17 estavam hipertensos e se
mantiveram assim). Além disso, 37 pessoas melhoraram e 13 pioraram. H0
não há diferença de PA entre pré e pós.
Analisar concordância entre métodos de diagnóstico de desfecho
categórico (bivariado)
Pergunta:
 Existe concordância entre os métodos diagnóstico ou entre os
avaliadores (fator de exposição) quanto a distribuição de proporção das
categorias de resposta da variável dependente (desfecho).
Teste de kappa:
 Variáveis categóricas dependentes categórica ordinal ou nominal com
ou sem dicotomia.
 Avalia concordância e discordância entre métodos.

Analisar o efeito de mais de um fator de exposição sobre um desfecho

categórico dicotômico (multivariado)
Pergunta:
 Existe efeito de fatores de exposição (covariáveis independentes) sobre
um desfecho categórico dicotômico nominal ou categórica ordinal
(variável dependente).
Teste: Regressão logística binária (variável qualitativa; regressão linear avalia
variável quantitativa).
 Covariáveis independentes: numéricas ou categóricas ordinal ou
categórica nominal dicotômica.
 Desfecho: variável dependente categórica dicotômica nominal ou
ordinal.
 Distribuição de normalidade de variáveis numéricas não é impeditivo,
mas melhoram a precisão da previsão do desfecho.
 Multicolinariedade: correlação elevada entre dois ou mais fatores de
exposição.
Ex: variáveis para prever quem é obeso ou não. Sexo, idade, glicemia.
Canal do YouTube: pesquisar (vídeos curtos explicando cada teste estatístico).
Canalpesquise: https://www.youtube.com/canalpesquise