ValorP Consultoria e Cursos, profile picture
Carregado porValorP Consultoria e Cursos
3,951 visualizações

Estatistica Basica para Saude Aula 1

O documento apresenta uma aula introdutória sobre estatística básica para saúde ministrada por uma doutora em ciência dos alimentos. A aula aborda conceitos de estatística, etapas de um levantamento estatístico, tipos de estudos e variáveis, e estatística descritiva.

Incorporar apresentação

www.valorp.com Consultoria e Cursos Kaluce Gonçalves de Sousa Almondes Doutora em Ciência dos Alimentos Faculdade de Ciências Farmacêuticas - USP www.valorp.com contato@valorp.com Estatística Básica para Saúde Aula 01
www.valorp.com Conteúdo programático 1. Etapas de um levantamento estatístico. 2. Tipos de estudos e de variáveis. 3. Apresentação tabular e gráfica de dados. 4. Medidas de tendência central 5. Medidas de dispersão 6. Medidas de separação 7. Principais testes utilizados na estatística univariada - programa R.
www.valorp.com Conceitos de bioestatística Etapas de um levantamento estatístico Tipos de estudos Estatística descritiva Agenda
www.valorp.com Conceitos de estatística O que é Estatística? Conceitos e métodos científicos - coleta; - organização; - descrição; - análise; - interpretação de dados Conclusões e decisões
www.valorp.com Conceitos de estatística • Planejar a pesquisa e se preocupa com o mecanismo da coleta de dados Planejamento e amostragem • Organizar, apresentar e sintetizar dados observados, sem pretensões de tirar conclusões de caráter extensivo Estatística descritiva • Inferi, induz ou verifica o comportamento da amostra. Estatística inferencial
www.valorp.com Conceitos de estatística  População - É qualquer conjunto de elementos, tendo pelo menos uma variável em comum. - Ex.: Diabéticos do Brasil  Amostra - É qualquer subconjunto da população
www.valorp.com  INDIVÍDUOS São os objetos descritos por um conjunto de dados, podendo ser pessoas, animais ou objetos.  VARIÁVEIS É qualquer característica de um indivíduo e pode assumir valores diferentes para indivíduos diferentes. Brigitte, Baldi, Moore, 2014 Conceitos de estatística
www.valorp.com Etapas de um levantamento estatístico • Que indivíduos os dados descrevem? • Quantos indivíduos aparecem nos dados?Quem? • Quantas/quais variáveis os dados contêm? • Em qual unidade de medida cada variável está registrada?O quê? • Que propósitos têm os dados? Eles respondem a perguntas específicas? As variáveis são adequadas aos propósitos pretendidos? • Desejamos tirar conclusões sobre outros indivíduos além dos quais realmente temos informações? Por quê? Brigitte, Baldi, Moore, 2014 1º - Planejamento
www.valorp.com Etapas de um levantamento estatístico 2º - FORMULAÇÃO DA HIPÓTESE: - Resposta antecipada do pesquisador, que a deduziu da revisão bibliográfica; - É enunciada sob a forma de uma afirmação, ainda que provisória. 3º - VERIFICAÇÃO DAS HIPÓTESES - Realizada no decorrer da pesquisa 4º - DELINEAMENTO DA PESQUISA - Compreende o planejamento detalhado da coleta de dados, da realização do trabalho e da análise dos dados.
www.valorp.com Há comparação entre grupos? Há intervenção ativa do pesquisador? Experimental Observacional Não Descritivo Sim Analítico Sim Não Por que a doença ocorre nessas pessoas? Será que alguma ação aumenta a incidência de uma doença? Tipos de estudos Fonte: Danilla Silva
www.valorp.com Estudos do Tipo Experimental
www.valorp.com Depleção em vitamina A Repleção em dieta regional - AM Repleção em dieta regional + pupunha Repleção em dieta regional + vitamina A Dieta controle Yuyama e Cozzolino, 1996 Estudo Experimental Objetivo: estudar o efeito da suplementação com pupunha (como fonte de vitamina A) e verificar os efeitos na repleção de animais deficientes em vitamina A.
www.valorp.com 200mg de sulfato ferroso contendo 40mg de ferro elementar Pereira et al., 2007 Estudo Clínico 200mg de sulfato ferroso contendo 10.000 UI de palmitato de retinol (1 UI = 0,3 mcg de retinol) Objetivo: avaliar a eficácia da suplementação do sulfato ferroso associada ou não à vitamina A no controle da anemia ferropriva
www.valorp.com ENSAIOS CLÍNICOS Tipos de ensaios clínicos Controlados Não - Controlados Randomizados Não- Randomizados Cego Duplo Cego Fonte: Danilla Silva
www.valorp.com Todos os pacientes recebem o mesmo tratamento e sua condição é verificada antes do início e em vários momentos após o tratamento. Antes Após Endocardite Bacteriana PENICILINA Melhora ou não do estado do paciente Ensaio Clínico NÃO Controlado Fonte: Danilla Silva
www.valorp.com A distribuição do fator de intervenção fica a critério do pesquisador, ele decide quem receberá o tratamento. Grupo Controle Grupo Experimental Ensaio Clínico Controlado Fonte: Danilla Silva
www.valorp.com O pesquisador distribui o fator de intervenção de forma aleatória através de técnica de randomização. Grupo Controle Grupo Experimental Ensaio Clínico Controlado Fonte: Danilla Silva
www.valorp.com O paciente não sabe se recebe o tratamento ou o placebo (substância de aparência, forma e administração semelhante ao tratamento que está sendo avaliado, porém sem ter o princípio ativo do mesmo). Placebo Tratamento testado Os pacientes só sabem ao fim do estudo O pesquisador sabe Ensaio Clínico Controlado Fonte: Danilla Silva
www.valorp.com O paciente não sabe se recebe o tratamento ou o placebo (substância de aparência, forma e administração semelhante ao tratamento que está sendo avaliado, porém sem ter o princípio ativo do mesmo). Nem os pacientes ... ... nem o pesquisador sabe Tratamento testado Placebo Somente após a avaliação dos resultados todos ficam sabendo Ensaio Clínico Controlado Fonte: Danilla Silva
www.valorp.com Estudos do Tipo Observacional - Descritivo
www.valorp.com Características Se restringem a descrever a distribuição das variáveis existentes, sem se preocupar com relações causais ou outras hipóteses; Respondem a 5 perguntas básicas: 1. Qual o fenômeno em questão? 2. Quem apresenta o fenômeno em questão? 3. Em que condições o fenômeno apareceu? 4. Qual a frequência do fenômeno? 5. Onde o fenômeno apareceu? Estudo descritivo Fonte: Danilla Silva
www.valorp.com Vantagens • Contribuem para o planejamento; • Pista para causalidade. Desvantagens • Baixa relevância; • Dados incompletos; • Relação causa/efeito não estabelecida. Estudo descritivo Fonte: Danilla Silva
www.valorp.com Estudos do Tipo Observacional - Analítico
www.valorp.com População Amostra Expostos e doentes Expostos e não doentes Não expostos e doentes Não expostos e não doentes “causa” e “efeito” são detectados simultaneamente. Somente a análise dos dados permite identificar os grupos de interesse. Estudo Transversal
www.valorp.com 573 crianças Excesso de peso e satisfeitas com a imagem corporal Excesso de peso e insatisfeitas com a imagem corporal Eutróficas e insatisfeitas com a imagem corporal Eutróficas e satisfeitas com a imagem corporal Coletados dados sobre insatisfação corporal (escala de imagem corporal) e antropometria das crianças. Estudo Transversal Fonte: Danilla Silva
www.valorp.com Casos Controles Identificam-se indivíduos com a doença (casos) e, para efeito de comparação, indivíduos sem a doença (controles) - PAREADOS Quantifica a proporção de expostos nos grupos e investiga no passado causas de diferenças entre as variáveis preditivas que possam explicar motivo dos casos adoeceram e os controles não. Expostos e doentes Não Expostos e doentes Expostos e não doentes Não expostos e não doentes Estudo caso-controle Fonte: Danilla Silva
www.valorp.com Casos Controles Casos – CA de mama – 25 a 75 anos diagnosticados entre 1978-1987 Controles – igual idade e admitidos no hospital neste período A presença de histórico familiar de câncer de mama aumenta o risco da doença em 8,84 vezes (OR). Caso com histórico familiar de CA Caso sem histórico familiar de CA Controle com histórico familiar de CA Controle sem histórico familiar de CA Estudo caso-controle
www.valorp.com Expostos – Fumo Não Expostos – não fumam Câncer? Os participantes são classificados em expostos ou não expostos a um fator (ex.: fumo) e acompanhados por um tempo (as medidas podem ser realizadas mais de uma vez em tempo diferente) para verificar a incidência da doença (ex.: CA) ou condição relacionada à saúde. Quem fuma tem 2x mais chance de ter CA que quem não fuma Estudo Longitudinal - Coorte Fonte: Danilla Silva
www.valorp.com Classificação conforme período e duração da observação
www.valorp.com • T0 – sem CA • 5 anos - Acompanhamento • T1 – com CA Tempo - Acompanhamento Começa (Presente) => Termina (Futuro) - Pcts seguidos para identificar eventos que não estavam presentes no início ou que surgiram no futuro Callou, 2014 Exemplo - Prospectivo
www.valorp.com • Duração – 20 anos • Objetivo - conhecer as relações entre o estado nutricional de gestantes, o peso do recém-nascido e seu crescimento no primeiro ano de vida. • Dados - obtidos nos prontuários de crianças atendidas em um consultório pediátrico. Siqueira et al., 1985 Altura e peso de filhos de mães eutróficas na gestação Altura e peso de filhos de mães desnutridas na gestação Altura e peso de filhos de mães obesas na gestação Altura e peso de filhos de mães desnutridas na gestação > > Eventos investigados são ocorridos no passado Resgata informações passadas para explicar o presente Exemplo - Retrospectivo
www.valorp.com Estatística descritiva
www.valorp.com Tipos de variáveis  Variável qualitativa ou categórica Posiciona um indivíduo em um de diversos grupos ou categorias. Ex.: Faixa etária  Variável quantitativa Assume valores numéricos para os quais operações aritméticas, como adição e cálculo de médias, fazem sentido. Os valores de uma variável quantitativa são usualmente registrados em uma unidade de medida, como anos, meses ou dias. Ex.: Idade Brigitte, Baldi, Moore, 2014
www.valorp.com Discreta – Ex.: número de filhos Quantitativa Contínua – Ex.: IMC Nominal – Ex1.: Sem excesso de peso, Com excesso de peso Qualitativa Ex2.: Baixo peso, Eutrófico, Excesso de peso, obesidade Ordinal – Ex.: CA I, CA II, CA III Tipos de variáveis
www.valorp.com Organização de dados Exemplo  100 indivíduos  perfil sócio-econômico, antropométrico e lipídico  15 variáveis (idade, sexo, peso, altura, IMC, escolaridade, renda, álcool, fumo, exercício, CT, TG, LDL, VLDL) 100 respostas de cada variável  1500 dados
www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Título  Indicação da natureza do fato estatístico observado, fazendo referência ao local e ao tempo em que foi observado Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Variável qualitativa nominal Brigitte, Baldi, Moore, 2014
www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Cabeçalho  São as indicações que especificam o conteúdo das colunas Brigitte, Baldi, Moore, 2014
www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Coluna indicadora  São as indicações que especificam o conteúdo das linhas. Brigitte, Baldi, Moore, 2014
www.valorp.com Apresentação Tabular de Dados Elemento Complementar Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Fonte  É a entidade responsável pelos dados contidos na tabela. Brigitte, Baldi, Moore, 2014
www.valorp.com Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Variável qualitativa nominal Brigitte, Baldi, Moore, 2014 Exploração de dados
www.valorp.com Gráficos para variáveis categóricas Figura 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráfico de barras Brigitte, Baldi, Moore, 2014
www.valorp.com Figura 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráficos para variáveis categóricas Gráfico de barras Brigitte, Baldi, Moore, 2014
www.valorp.com Figura 2. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráficos para variáveis categóricas Gráfico de setores Brigitte, Baldi, Moore, 2014
www.valorp.com Exploração de dados Fonte: Hospital X, 2014. n % n % n % Médica 300 15 200 8 500 11 Cirúrgica 800 40 1000 42 1800 41 Pronto Socorro 900 45 1200 50 2100 48 Total 2000 100 2400 100 4400 100 Particular INSS Tipo de Internação Clínica Total Tabela 2. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 Percentual calculado com o total das colunas como 100% Qual tipo de clínica recebeu a maior proporção de internações particulares? Qual tipo de clínica recebeu a maior proporção de internações pelo INSS? Variável qualitativa nominal
www.valorp.com Fonte: Hospital X, 2014. Figura 3. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 % 15 8 40 4245 50 0 10 20 30 40 50 60 Particular INSS Médica Cirúrgica Pronto Socorro Gráficos para variáveis categóricas Gráfico de barras
www.valorp.com Exploração de dados Fonte: Hospital X, 2014. Tabela 2. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 n % n % n % Médica 300 60 200 40 500 100 Cirúrgica 800 44 1000 56 1800 100 Pronto Socorro 900 43 1200 57 2100 100 Total 2000 45 2400 55 4400 100 Clínica Tipo de Internação TotalParticular INSS Percentual calculado com o total das linhas como 100% A clínica médica recebeu a maior proporção de internações particulares ou pelo INSS? A clínica cirúrgica recebeu a maior proporção de internações particulares ou pelo INSS? A clínica de pronto socorro recebeu a maior proporção de internações particulares ou pelo INSS? Variável qualitativa nominal
www.valorp.com Fonte: Hospital X, 2014. Figura 4. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 % 60 44 4340 56 57 0 10 20 30 40 50 60 70 Médica Cirúrgica Pronto Socorro Particular INSS Gráficos para variáveis categóricas Gráfico de barras
www.valorp.com Dados brutos Comprimento em pés de 44 tubarões brancos do centro de estudos X, 2014 Exploração de dados Variável quantitativa contínua Brigitte, Baldi, Moore, 2014 1 pé = 0,3048 m 18,7 pés = 5,7 m 9,4 12,1 12,2 12,3 12,4 12,6 13,2 13,2 13,2 13,2 13,5 13,6 13,6 13,8 14,3 14,6 14,7 14,9 15,2 15,3 15,7 15,7 15,8 15,8 16,1 16,2 16,2 16,4 16,4 16,6 16,7 16,8 16,8 17,6 17,8 17,8 18,2 18,3 18,6 18,7 18,7 19,1 19,7 22,8 18,7 12,3 18,6 16,4 15,7 18,3 14,6 15,8 14,9 17,6 12,1 16,4 16,7 17,8 16,2 12,6 17,8 13,8 12,2 15,2 14,7 12,4 13,2 15,8 14,3 16,6 9,4 18,2 13,2 13,6 15,3 16,1 13,5 19,1 16,2 22,8 16,8 13,6 13,2 15,7 19,7 18,7 13,2 16,8 Dados brutos em ordem crescente
www.valorp.com Gráficos para variáveis quantitativas Histograma Fonte: Centro de estudos X, 2014 Figura 4. Distribuição do número de tubarões brancos segundo o comprimento em pés. Centro de estudos X, 2014 Brigitte, Baldi, Moore, 2014
www.valorp.com Exame de um histograma • Simétrico • AssimétricoForma • É o que tem a maior frequência • Até 15 pés (n = 18); Até 17 pés (n = 33)Centro • A dispersão vai de 9,4 a 22,8 pés • Só 1 tubarão < 11 pés • Só 1 tubarão > 21 pés. Dispersão • Se situam à parte da distribuição em • geral acima ou abaixo dela. Valor atípico Brigitte, Baldi, Moore, 2014
www.valorp.com Gráficos para variáveis quantitativas Dispersão Fonte: Centro de estudos X Figura 5. Distribuição do número de tubarões brancos segundo o comprimento em pés. Centro de estudos X, 2014 5 10 15 20 25 0 10 20 30 40 50 Comprimentoempés Indivíduos
www.valorp.com Gráficos para variáveis quantitativas Dispersão * Legenda: * - IMC = 24,9 Kg/m2 Figura 6. Distribuição dos indivíduos de acordo com o IMC e o sexo, UFPI 2014. F - 158 M -79 F - 35 M - 65 Fonte: Almondes, 2014. Mínimo  F = 13; M = 16 Máximo  F = 37; M = 38
www.valorp.com Média – Soma de todos os valores de um conjunto de observações dividido pelo número de observações = x1 + x2 + x3 + ... + xn n  Exemplo: Abaixo estão apresentados os consumos em grama de carboidrato de 15 funcionários de uma UAN – Vamos calcular a média!! 234,83 269,45 129,30 137,23 303,67 247,52 370,16 520,23 168,78 307,31 196,95 325,50 286,99 299,65 263,10 Medidas de tendência central
www.valorp.com Média – = 234,83 + 269,45 + ... + 263,10 = 270,71 15  A média do consumo de carboidrato dos 15 funcionários da UAN é de 270,71 g Medidas de tendência central
www.valorp.com Mediana – M Ponto do meio de uma distribuição  A regra para o cálculo depende do nº de observações, se é par ou ímpar  Exemplo: Abaixo estão apresentados os consumos em grama de carboidrato de 15 funcionários de uma UAN – Vamos calcular a mediana!! 234,83 269,45 129,30 137,23 303,67 247,52 370,16 520,23 168,78 307,31 196,95 325,50 286,99 299,65 263,10 Medidas de tendência central
www.valorp.com Mediana – M Número de observações ímpar 1º - observações em ordem crescente: 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 520,23 Medidas de tendência central  2º - Localização da mediana = (n + 1)/2 = (15 + 1)/2 = 8º posição  Ache a 8º posição na lista ordenada a partir do menor valor  A mediana do consumo de carboidrato dos 15 funcionários da UAN é de 269,45 g M = 269,45
www.valorp.com Mediana – M Número de observações par 1º - observações em ordem crescente: 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 384,20 520,23 Medidas de tendência central  2º - Localização da mediana = (n + 1)/2  (16 + 1)/2 = 8,5 M é a média das duas observações centrais na lista ordenada M = (269,45 + 286,99)/2  M = 278,22 g  A mediana do consumo de carboidrato dos 16 funcionários da UAN é de 278,22 g
www.valorp.com Comparação entre a Média e a Mediana 1º exemplo com 15 funcionários 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 520,23  = 270,71 g M = 269,45 g Medidas de tendência central 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 5200,23  = 582,71 g M = 269,45 g
www.valorp.com Moda Valor que se repete com mais frequência Nem sempre existe, nem é única Não é influenciada por valor atípico Medidas de resumo Nº de gestações prévias Nº de parturientes 0 40 1 35 2 20 3 5 4 3 Total 103 Tabela 01. Número de parturientes segundo o número de gestações prévias. Nº modal de gestações prévias = 0
www.valorp.com Identificação Peso (g) Resíduo Resíduo ao quadrado 1 64 1,25 1,5625 2 71 8,25 68,0625 3 53 -9,75 95,0625 4 67 4,25 18,0625 5 55 -7,75 60,0625 6 58 -4,75 22,5625 7 77 14,25 203,0625 8 57 -5,75 33,0625 9 56 -6,75 45,5625 10 51 -11,75 138,0625 11 76 13,25 175,5625 12 68 5,25 27,5625 62,75 0 Média Resíduo Resíduo ao quadrado = (soma total)/nº de indivíduos = (valor do peso - média do peso) = resíduo x resíduo 𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 = Σ 𝑑𝑜 𝑟𝑒𝑠í𝑑𝑢𝑜 𝑎𝑜 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑛 − 1 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 = 888,25 12 − 1 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 = 80,75 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 = 80,75 𝑫𝒆𝒔𝒗𝒊𝒐 𝒑𝒂𝒅𝒓ã𝒐 = 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 = 8,986 Medidas de dispersão Variância: medida de dispersão que mostra quão distantes os valores estão da média Desvio padrão: é o resultado positivo da raiz quadrada da variância
www.valorp.com Variância (s2) e desvio padrão (s)  s mede a dispersão em torno da média e deve ser usado apenas quando a média for escolhida como a medida de centro.  s é sempre zero ou maior que zero.  s tem a mesma unidade de medida que as observações originais.  Assim como a média, s não é resistente. Medidas de dispersão
www.valorp.com Medidas de dispersão  Coeficiente de variação: mede a precisão (reprodutibilidade) do teste.  É obtido a partir da média e desvio padrão (CV= DP/média X 100).  Em geral, não devem ser maior que 5%.
www.valorp.com Medidas de separação  Tercil (T)  3-quantis  Quartil (Q)  4-quantis  Quintil (QU)  5-quantis  Decil (D)  10-quantis  Duo-deciles (Dd)  12-quantis  Percentil (P)  100-quantis
www.valorp.com Medidas de separação  Quartis 1 2 3 4 0% 25% 50% 75% 100% Q1/4 Q2/4 (Mediana) Q3/4 Q2 > 50% das observações Q1 > 25% das observações Mediana das observações à direita da mediana geral Mediana das observações à esquerda da mediana geral Q3 > 75% das observações 100/4 = 25%
www.valorp.com Medidas de separação  Quartis – com observações ímpares Exemplo - Grupo 1 - 19 indivíduos Proteína (gramas/dia): 69,55 70,96 56,77 43,19 94,15 81,64 102,2 126,21 67,18 101,91 71,91 87,33 124,97 77,10 67,51 104,02 41,43 94,73 98,79  1º) Localização da mediana = Q2 = (n + 1)/2 = (19 + 1)/2 = 10º posição  Ache a 10º posição na lista ordenada a partir do menor valor M = 81,64 = Q2 Proteína (gramas/dia) ordenada: 41,43 43,19 56,77 67,18 67,51 69,55 70,96 71,91 77,10 81,64 87,33 94,15 94,73 98,79 101,91 102,20 104,02 124,97 126,21
www.valorp.com Medidas de separação  Quartis – com observações ímpares Exemplo - Grupo 1 - 19 indivíduos Proteína (gramas/dia) ordenada: 41,43 43,19 56,77 67,18 67,51 69,55 70,96 71,91 77,10 81,64 87,33 94,15 94,73 98,79 101,91 102,20 104,02 124,97 126,21  2º) Localização do Q1 ou Q3 = (n + 1)/2 = (9 + 1)/2 = 5º posição Q1 está na 5º posição à esquerda da mediana geral na lista ordenada Q2 está na 5º posição à direita da mediana geral na lista ordenada Q1 Q3
www.valorp.com Proteína (gramas/dia) ordenada: 89,17 83,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18  1º) Localização da mediana = Q2 = (n + 1)/2  (20 + 1)/2 = 10,5 M é a média das duas observações centrais na lista ordenada M = (103,18 + 103,57)/2  M = 103,38 g M = 103,38 = Q2
www.valorp.com Proteína (gramas/dia) ordenada: 89,17 83,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18 M = 103,38 = Q2  2º) Localização do Q1 = (n + 1)/2  (10 + 1)/2 = 5,5 M é a média das duas observações centrais na lista ordenada M = (98,16 + 99,42)/2  M = 98,79 g Q1
www.valorp.com Proteína (gramas/dia) ordenada: 89,17 83,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18 M = 103,38 = Q2  2º) Localização do Q3 = (n + 1)/2  (10 + 1)/2 = 5,5 M é a média das duas observações centrais na lista ordenada M = (122,74 + 132,21)/2  M = 127,48 g Q1 Q3
www.valorp.com Máximo = 148,79 Q3 = 127,48 Q2 = 103,38 Medidas de separação Q1 = 98,79 Mínimo = 83,11 Máximo = 126,21 Proteína (g/dia) Mínimo = 41,43 Q1 = 67,51 Q3 = 101,91 Q2 = 81,64
www.valorp.com Valores atípicos  Grupo 1: Q1 = 67,51; Q3 = 101,91 AIQ = Q3 – Q1 AIQ = 101,91 – 67,51  AIQ = 34,4 Q1 − (1,5 × AIQ) = 67,51 – (1,5 x 34,4) = 15,91 Q3 + (1,5 × AIQ) = 101,91 + (1,5 x 34,4) = 153,51  Grupo 2: Q1 = 98,79; Q3 = 127,48 AIQ = Q3 – Q1 AIQ = 127,48 – 98,79  AIQ = 28,69 Q1 − (1,5 × AIQ) = 98,79 – (1,5 x 28,69) = 55,76 Q3 + (1,5 × AIQ) = 127,48 + (1,5 x 28,69) = 170,52
www.valorp.com Valores atípicos O que fazer com valores atípicos?  1º - Identificá-los e descobrir a razão da sua existência - Popeye (1929) - Espinafre com muito Fe > 10x couve ou alface (1870) - Fe do espinafre ~ Fe outros vegetais verdes (1937)  2º - Decidir se devem ser mantidos ou descartados  isso depende do objetivo do trabalho  3º - Se decidir mantê-los ou descartá-los  explicar
www.valorp.com Consultoria e Cursos Kaluce Gonçalves de Sousa Almondes Doutora em Ciência dos Alimentos Faculdade de Ciências Farmacêuticas - USP Estatística Básica www.valorp.com

Mais conteúdo relacionado

PPT
Bioestatística
porfelipethoaldo
 
PPT
Aula1: Introdução á Bioestatística
poransansil
 
PPTX
Aula bioestatistica
porAleNiv
 
PPT
Aula inferencia
porFernando Bortolozo
 
PPSX
Bioestatistica basica completa-apresentacao
porFabiano Reis
 
PPSX
Aula 1 - Bioestatística
porCaroline Godoy
 
PPT
bioestatística - 1 parte
porRobson Odé
 
PPTX
aula 5 estatistica.pptx
porEstevao Ualane/ Assuntos Medicos
 
Bioestatística
porfelipethoaldo
 
Aula1: Introdução á Bioestatística
poransansil
 
Aula bioestatistica
porAleNiv
 
Aula inferencia
porFernando Bortolozo
 
Bioestatistica basica completa-apresentacao
porFabiano Reis
 
Aula 1 - Bioestatística
porCaroline Godoy
 
bioestatística - 1 parte
porRobson Odé
 
aula 5 estatistica.pptx
porEstevao Ualane/ Assuntos Medicos
 

Mais procurados

PPTX
Estudos Observacionais (aula 7)
porSandra Lago Moraes
 
PPT
Aula 1 de epidemiologia
porMurilo Carvalho
 
PDF
Saúde Coletiva - 1. introdução e conceitos fundamentais
porMario Gandra
 
PDF
Estudos epidemiológicos
porLene So
 
PPT
Aula 01 - Sistemas de informação em saúde para gestão do SUS
porGhiordanno Bruno
 
PPTX
Introdução à epidemiologia.pptx
porKarlaCezario1
 
PPT
Epidemiologia Resumos
porCelene Longo
 
PDF
64012393 urinalise-questoes-gab
porMarcia Rodrigues
 
PPT
introduçao epidemio
porPaula Brustolin Xavier
 
DOCX
Exercícios de epidemiologia
porOsmar Gomes Pinto
 
PPTX
Aula 3 indicadores de saúde
porRicardo Alexandre
 
PPTX
Indicadores de Saúde
porWanderson Oliveira
 
PPTX
EPIDEMIOLOGIA
porAna Carolina Costa
 
PPTX
NUTRIÇÃO PARENTERAL E NUTRIÇÃO ENTERAL
porElyda Santos
 
PDF
Aula 6 Políticas Públicas de Saúde
porJesiele Spindler
 
PDF
Manual coleta de sangue
porAna Paula Monteiro
 
PPTX
Interpretação do hemograma
porJoziane Brunelli
 
PDF
Hemograma
porFábio Falcão
 
PDF
Estatistica Basica para Saude aula 2
porValorP Consultoria e Cursos
 
PDF
Epidemiologia básica 1
porCarolina Restini
 
Estudos Observacionais (aula 7)
porSandra Lago Moraes
 
Aula 1 de epidemiologia
porMurilo Carvalho
 
Saúde Coletiva - 1. introdução e conceitos fundamentais
porMario Gandra
 
Estudos epidemiológicos
porLene So
 
Aula 01 - Sistemas de informação em saúde para gestão do SUS
porGhiordanno Bruno
 
Introdução à epidemiologia.pptx
porKarlaCezario1
 
Epidemiologia Resumos
porCelene Longo
 
64012393 urinalise-questoes-gab
porMarcia Rodrigues
 
introduçao epidemio
porPaula Brustolin Xavier
 
Exercícios de epidemiologia
porOsmar Gomes Pinto
 
Aula 3 indicadores de saúde
porRicardo Alexandre
 
Indicadores de Saúde
porWanderson Oliveira
 
EPIDEMIOLOGIA
porAna Carolina Costa
 
NUTRIÇÃO PARENTERAL E NUTRIÇÃO ENTERAL
porElyda Santos
 
Aula 6 Políticas Públicas de Saúde
porJesiele Spindler
 
Manual coleta de sangue
porAna Paula Monteiro
 
Interpretação do hemograma
porJoziane Brunelli
 
Hemograma
porFábio Falcão
 
Estatistica Basica para Saude aula 2
porValorP Consultoria e Cursos
 
Epidemiologia básica 1
porCarolina Restini
 

Semelhante a Estatistica Basica para Saude Aula 1

PPTX
Aula de epidemiologia para iniciantes 2016
porPriscillaNunesPorto
 
PDF
estatisitica basica para saude aula 03
porValorP Consultoria e Cursos
 
PDF
Fatores de confusão em evidências e interpretando resultados.pdf
porRicardoRodriguesdeSo3
 
PPT
Estatistica_basica_planejamento_experimento.ppt
porMoniqueKellyTavaresG
 
PPT
Quantitativa Ensinando 2010
porjhony
 
PDF
Aula 2 - estatística básica - testes - teórica - CMANS.pdf
porLuanFonsca
 
PDF
Modelos de Pesquisa Científica de Abordagem Quantitativa
porRilva Lopes de Sousa Muñoz
 
PDF
Aula 1 - estatística básica - CMANS.pdf
porLuanFonsca
 
PPT
Estatística Descritiva
porFederal University of Bahia
 
PDF
estatistica.pdf odontologia 2025 endodontia
porbrunaoliveirar321
 
PPTX
Metodologia epidemiológica básica 2023.pptx
porAnaPaulaHelferSchnei
 
PPT
Tipos de estudo
porFlavio Salomao-Miranda
 
PDF
aula-1-tipos-metodologicos-de-estudos_2.pdf
porDouglasVincius11
 
PPT
Aula Saúde Coletiva III - Profa Ana Carla
porHERALDICA CORRETORA E ADM DE SEGUROS
 
PDF
1-bioestatstica-140320051658-phpapp02.pdf
porLuizAntnioDosSantos3
 
PPTX
Aula 2 planejando e desenhando um estudo epidemiológico
porRicardo Alexandre
 
PPTX
SAÚDE COLETIVA 2 para tecnicos de enfermagem
porCIENBIO1
 
PDF
Aula estudos epidemiológicos (2) (1).pdf
pordaiannalima1
 
PDF
Luiz_Carlos_thuler_Epidemiologia_clinica.pdf
porMarceloSouza481740
 
PPTX
Aula 1 - Introdução à Estatística Descritiva.pptx
porSimoneCarolinaSoares
 
Aula de epidemiologia para iniciantes 2016
porPriscillaNunesPorto
 
estatisitica basica para saude aula 03
porValorP Consultoria e Cursos
 
Fatores de confusão em evidências e interpretando resultados.pdf
porRicardoRodriguesdeSo3
 
Estatistica_basica_planejamento_experimento.ppt
porMoniqueKellyTavaresG
 
Quantitativa Ensinando 2010
porjhony
 
Aula 2 - estatística básica - testes - teórica - CMANS.pdf
porLuanFonsca
 
Modelos de Pesquisa Científica de Abordagem Quantitativa
porRilva Lopes de Sousa Muñoz
 
Aula 1 - estatística básica - CMANS.pdf
porLuanFonsca
 
Estatística Descritiva
porFederal University of Bahia
 
estatistica.pdf odontologia 2025 endodontia
porbrunaoliveirar321
 
Metodologia epidemiológica básica 2023.pptx
porAnaPaulaHelferSchnei
 
Tipos de estudo
porFlavio Salomao-Miranda
 
aula-1-tipos-metodologicos-de-estudos_2.pdf
porDouglasVincius11
 
Aula Saúde Coletiva III - Profa Ana Carla
porHERALDICA CORRETORA E ADM DE SEGUROS
 
1-bioestatstica-140320051658-phpapp02.pdf
porLuizAntnioDosSantos3
 
Aula 2 planejando e desenhando um estudo epidemiológico
porRicardo Alexandre
 
SAÚDE COLETIVA 2 para tecnicos de enfermagem
porCIENBIO1
 
Aula estudos epidemiológicos (2) (1).pdf
pordaiannalima1
 
Luiz_Carlos_thuler_Epidemiologia_clinica.pdf
porMarceloSouza481740
 
Aula 1 - Introdução à Estatística Descritiva.pptx
porSimoneCarolinaSoares
 

Último

PPTX
LINGUA_LINGUAGEM E FALA_conceitos basicos de língua portuguesa
porjessicaCabral45
 
PDF
Matriz de Habilidades Essenciais SEDUC-GO - 2026 - 1º Bimestre.pdf
porCamillaNascimento22
 
PDF
SLIDES DA 4ª AULA CLASSE ADULTOS 1º TRIM 2026.pdf
porEdsonRodrigues617382
 
PDF
SLIDES DA 4ª AULA CLASSE JOVENS 1º TRIM 2026.pdf
porEdsonRodrigues617382
 
PPTX
Aula Apresentação sobre Ergonomia NR 17.pptx
porAndersonRoberto46
 
PDF
Descubra a Profissão Desenvolvedor Salesforce - Caminhos e Conhecimentos - 02
porMauricio Alexandre Silva
 
PDF
Descubra a Profissão: Desenvolvedor Salesforce 03
porMauricio Alexandre Silva
 
PPT
_RomaAntigaImpério Republica Monarquia.ppt
poralcioneb473
 
PDF
Perspectivas para a educação física escolar
porRBEFE Rev. Bras. Educação Física e Esporte
 
PPTX
AIDA_CRISTINA.pptx nr 12 trabalho com nr 12 e cesto
porCarolMartins83
 
PPTX
Método Científico & Origem da Vida_aula_
porBiologia na Prática
 
PPTX
Pneumotorax-e-Colangite-em-Medicina-Veterinaria.pptx
porSamuel Mesquita
 
PPTX
Treinamento Segurança do Trabalho Cipa atualizada em - 2025.pptx
porPauloZanca2
 
PPTX
Painel de Gestão Escolar 2025 - SEDUC.pptx
porMarcoLucas19
 
PPTX
Protocolo Laboratorial - 11º ano AL 2.1 Características do som
porCasa Ciências
 
PDF
Elo do Bem: o guia para cuidar de quem precisa 🌱 Guia de Orientação: Cuidar,...
porRaquel Alves
 
PPTX
PP Slides Lição 6, CPAD, O Filho como o Verbo de DEUS, 1Tr26.pptx
porAssembleia de Deus
 
PDF
Contributo das rochas para a história da Terra.pdf
pornylandim
 
PDF
O_Retrato_Oswaldo_Peralva.pdf que fala sobre política
porRmuloMartins21
 
PPTX
Slides Lição 6, Betel, Oração, uma disciplina indispensável aos discípulos de...
porAssembleia de Deus
 
LINGUA_LINGUAGEM E FALA_conceitos basicos de língua portuguesa
porjessicaCabral45
 
Matriz de Habilidades Essenciais SEDUC-GO - 2026 - 1º Bimestre.pdf
porCamillaNascimento22
 
SLIDES DA 4ª AULA CLASSE ADULTOS 1º TRIM 2026.pdf
porEdsonRodrigues617382
 
SLIDES DA 4ª AULA CLASSE JOVENS 1º TRIM 2026.pdf
porEdsonRodrigues617382
 
Aula Apresentação sobre Ergonomia NR 17.pptx
porAndersonRoberto46
 
Descubra a Profissão Desenvolvedor Salesforce - Caminhos e Conhecimentos - 02
porMauricio Alexandre Silva
 
Descubra a Profissão: Desenvolvedor Salesforce 03
porMauricio Alexandre Silva
 
_RomaAntigaImpério Republica Monarquia.ppt
poralcioneb473
 
Perspectivas para a educação física escolar
porRBEFE Rev. Bras. Educação Física e Esporte
 
AIDA_CRISTINA.pptx nr 12 trabalho com nr 12 e cesto
porCarolMartins83
 
Método Científico & Origem da Vida_aula_
porBiologia na Prática
 
Pneumotorax-e-Colangite-em-Medicina-Veterinaria.pptx
porSamuel Mesquita
 
Treinamento Segurança do Trabalho Cipa atualizada em - 2025.pptx
porPauloZanca2
 
Painel de Gestão Escolar 2025 - SEDUC.pptx
porMarcoLucas19
 
Protocolo Laboratorial - 11º ano AL 2.1 Características do som
porCasa Ciências
 
Elo do Bem: o guia para cuidar de quem precisa 🌱 Guia de Orientação: Cuidar,...
porRaquel Alves
 
PP Slides Lição 6, CPAD, O Filho como o Verbo de DEUS, 1Tr26.pptx
porAssembleia de Deus
 
Contributo das rochas para a história da Terra.pdf
pornylandim
 
O_Retrato_Oswaldo_Peralva.pdf que fala sobre política
porRmuloMartins21
 
Slides Lição 6, Betel, Oração, uma disciplina indispensável aos discípulos de...
porAssembleia de Deus
 

Estatistica Basica para Saude Aula 1

  • 1.
    www.valorp.com Consultoria e Cursos KaluceGonçalves de Sousa Almondes Doutora em Ciência dos Alimentos Faculdade de Ciências Farmacêuticas - USP www.valorp.com contato@valorp.com Estatística Básica para Saúde Aula 01
  • 2.
    www.valorp.com Conteúdo programático 1. Etapasde um levantamento estatístico. 2. Tipos de estudos e de variáveis. 3. Apresentação tabular e gráfica de dados. 4. Medidas de tendência central 5. Medidas de dispersão 6. Medidas de separação 7. Principais testes utilizados na estatística univariada - programa R.
  • 3.
    www.valorp.com Conceitos de bioestatística Etapasde um levantamento estatístico Tipos de estudos Estatística descritiva Agenda
  • 4.
    www.valorp.com Conceitos de estatística Oque é Estatística? Conceitos e métodos científicos - coleta; - organização; - descrição; - análise; - interpretação de dados Conclusões e decisões
  • 5.
    www.valorp.com Conceitos de estatística •Planejar a pesquisa e se preocupa com o mecanismo da coleta de dados Planejamento e amostragem • Organizar, apresentar e sintetizar dados observados, sem pretensões de tirar conclusões de caráter extensivo Estatística descritiva • Inferi, induz ou verifica o comportamento da amostra. Estatística inferencial
  • 6.
    www.valorp.com Conceitos de estatística População - É qualquer conjunto de elementos, tendo pelo menos uma variável em comum. - Ex.: Diabéticos do Brasil  Amostra - É qualquer subconjunto da população
  • 7.
    www.valorp.com  INDIVÍDUOS São osobjetos descritos por um conjunto de dados, podendo ser pessoas, animais ou objetos.  VARIÁVEIS É qualquer característica de um indivíduo e pode assumir valores diferentes para indivíduos diferentes. Brigitte, Baldi, Moore, 2014 Conceitos de estatística
  • 8.
    www.valorp.com Etapas de umlevantamento estatístico • Que indivíduos os dados descrevem? • Quantos indivíduos aparecem nos dados?Quem? • Quantas/quais variáveis os dados contêm? • Em qual unidade de medida cada variável está registrada?O quê? • Que propósitos têm os dados? Eles respondem a perguntas específicas? As variáveis são adequadas aos propósitos pretendidos? • Desejamos tirar conclusões sobre outros indivíduos além dos quais realmente temos informações? Por quê? Brigitte, Baldi, Moore, 2014 1º - Planejamento
  • 9.
    www.valorp.com Etapas de umlevantamento estatístico 2º - FORMULAÇÃO DA HIPÓTESE: - Resposta antecipada do pesquisador, que a deduziu da revisão bibliográfica; - É enunciada sob a forma de uma afirmação, ainda que provisória. 3º - VERIFICAÇÃO DAS HIPÓTESES - Realizada no decorrer da pesquisa 4º - DELINEAMENTO DA PESQUISA - Compreende o planejamento detalhado da coleta de dados, da realização do trabalho e da análise dos dados.
  • 10.
    www.valorp.com Há comparação entregrupos? Há intervenção ativa do pesquisador? Experimental Observacional Não Descritivo Sim Analítico Sim Não Por que a doença ocorre nessas pessoas? Será que alguma ação aumenta a incidência de uma doença? Tipos de estudos Fonte: Danilla Silva
  • 11.
  • 12.
    www.valorp.com Depleção em vitamina A Repleçãoem dieta regional - AM Repleção em dieta regional + pupunha Repleção em dieta regional + vitamina A Dieta controle Yuyama e Cozzolino, 1996 Estudo Experimental Objetivo: estudar o efeito da suplementação com pupunha (como fonte de vitamina A) e verificar os efeitos na repleção de animais deficientes em vitamina A.
  • 13.
    www.valorp.com 200mg de sulfato ferrosocontendo 40mg de ferro elementar Pereira et al., 2007 Estudo Clínico 200mg de sulfato ferroso contendo 10.000 UI de palmitato de retinol (1 UI = 0,3 mcg de retinol) Objetivo: avaliar a eficácia da suplementação do sulfato ferroso associada ou não à vitamina A no controle da anemia ferropriva
  • 14.
    www.valorp.com ENSAIOS CLÍNICOS Tipos deensaios clínicos Controlados Não - Controlados Randomizados Não- Randomizados Cego Duplo Cego Fonte: Danilla Silva
  • 15.
    www.valorp.com Todos os pacientesrecebem o mesmo tratamento e sua condição é verificada antes do início e em vários momentos após o tratamento. Antes Após Endocardite Bacteriana PENICILINA Melhora ou não do estado do paciente Ensaio Clínico NÃO Controlado Fonte: Danilla Silva
  • 16.
    www.valorp.com A distribuição dofator de intervenção fica a critério do pesquisador, ele decide quem receberá o tratamento. Grupo Controle Grupo Experimental Ensaio Clínico Controlado Fonte: Danilla Silva
  • 17.
    www.valorp.com O pesquisador distribuio fator de intervenção de forma aleatória através de técnica de randomização. Grupo Controle Grupo Experimental Ensaio Clínico Controlado Fonte: Danilla Silva
  • 18.
    www.valorp.com O paciente nãosabe se recebe o tratamento ou o placebo (substância de aparência, forma e administração semelhante ao tratamento que está sendo avaliado, porém sem ter o princípio ativo do mesmo). Placebo Tratamento testado Os pacientes só sabem ao fim do estudo O pesquisador sabe Ensaio Clínico Controlado Fonte: Danilla Silva
  • 19.
    www.valorp.com O paciente nãosabe se recebe o tratamento ou o placebo (substância de aparência, forma e administração semelhante ao tratamento que está sendo avaliado, porém sem ter o princípio ativo do mesmo). Nem os pacientes ... ... nem o pesquisador sabe Tratamento testado Placebo Somente após a avaliação dos resultados todos ficam sabendo Ensaio Clínico Controlado Fonte: Danilla Silva
  • 20.
  • 21.
    www.valorp.com Características Se restringem adescrever a distribuição das variáveis existentes, sem se preocupar com relações causais ou outras hipóteses; Respondem a 5 perguntas básicas: 1. Qual o fenômeno em questão? 2. Quem apresenta o fenômeno em questão? 3. Em que condições o fenômeno apareceu? 4. Qual a frequência do fenômeno? 5. Onde o fenômeno apareceu? Estudo descritivo Fonte: Danilla Silva
  • 22.
    www.valorp.com Vantagens • Contribuem parao planejamento; • Pista para causalidade. Desvantagens • Baixa relevância; • Dados incompletos; • Relação causa/efeito não estabelecida. Estudo descritivo Fonte: Danilla Silva
  • 23.
  • 24.
    www.valorp.com População Amostra Expostose doentes Expostos e não doentes Não expostos e doentes Não expostos e não doentes “causa” e “efeito” são detectados simultaneamente. Somente a análise dos dados permite identificar os grupos de interesse. Estudo Transversal
  • 25.
    www.valorp.com 573 crianças Excessode peso e satisfeitas com a imagem corporal Excesso de peso e insatisfeitas com a imagem corporal Eutróficas e insatisfeitas com a imagem corporal Eutróficas e satisfeitas com a imagem corporal Coletados dados sobre insatisfação corporal (escala de imagem corporal) e antropometria das crianças. Estudo Transversal Fonte: Danilla Silva
  • 26.
    www.valorp.com Casos Controles Identificam-se indivíduos coma doença (casos) e, para efeito de comparação, indivíduos sem a doença (controles) - PAREADOS Quantifica a proporção de expostos nos grupos e investiga no passado causas de diferenças entre as variáveis preditivas que possam explicar motivo dos casos adoeceram e os controles não. Expostos e doentes Não Expostos e doentes Expostos e não doentes Não expostos e não doentes Estudo caso-controle Fonte: Danilla Silva
  • 27.
    www.valorp.com Casos Controles Casos – CAde mama – 25 a 75 anos diagnosticados entre 1978-1987 Controles – igual idade e admitidos no hospital neste período A presença de histórico familiar de câncer de mama aumenta o risco da doença em 8,84 vezes (OR). Caso com histórico familiar de CA Caso sem histórico familiar de CA Controle com histórico familiar de CA Controle sem histórico familiar de CA Estudo caso-controle
  • 28.
    www.valorp.com Expostos – Fumo NãoExpostos – não fumam Câncer? Os participantes são classificados em expostos ou não expostos a um fator (ex.: fumo) e acompanhados por um tempo (as medidas podem ser realizadas mais de uma vez em tempo diferente) para verificar a incidência da doença (ex.: CA) ou condição relacionada à saúde. Quem fuma tem 2x mais chance de ter CA que quem não fuma Estudo Longitudinal - Coorte Fonte: Danilla Silva
  • 29.
  • 30.
    www.valorp.com • T0 –sem CA • 5 anos - Acompanhamento • T1 – com CA Tempo - Acompanhamento Começa (Presente) => Termina (Futuro) - Pcts seguidos para identificar eventos que não estavam presentes no início ou que surgiram no futuro Callou, 2014 Exemplo - Prospectivo
  • 31.
    www.valorp.com • Duração –20 anos • Objetivo - conhecer as relações entre o estado nutricional de gestantes, o peso do recém-nascido e seu crescimento no primeiro ano de vida. • Dados - obtidos nos prontuários de crianças atendidas em um consultório pediátrico. Siqueira et al., 1985 Altura e peso de filhos de mães eutróficas na gestação Altura e peso de filhos de mães desnutridas na gestação Altura e peso de filhos de mães obesas na gestação Altura e peso de filhos de mães desnutridas na gestação > > Eventos investigados são ocorridos no passado Resgata informações passadas para explicar o presente Exemplo - Retrospectivo
  • 32.
  • 33.
    www.valorp.com Tipos de variáveis Variável qualitativa ou categórica Posiciona um indivíduo em um de diversos grupos ou categorias. Ex.: Faixa etária  Variável quantitativa Assume valores numéricos para os quais operações aritméticas, como adição e cálculo de médias, fazem sentido. Os valores de uma variável quantitativa são usualmente registrados em uma unidade de medida, como anos, meses ou dias. Ex.: Idade Brigitte, Baldi, Moore, 2014
  • 34.
    www.valorp.com Discreta – Ex.:número de filhos Quantitativa Contínua – Ex.: IMC Nominal – Ex1.: Sem excesso de peso, Com excesso de peso Qualitativa Ex2.: Baixo peso, Eutrófico, Excesso de peso, obesidade Ordinal – Ex.: CA I, CA II, CA III Tipos de variáveis
  • 35.
    www.valorp.com Organização de dados Exemplo 100 indivíduos  perfil sócio-econômico, antropométrico e lipídico  15 variáveis (idade, sexo, peso, altura, IMC, escolaridade, renda, álcool, fumo, exercício, CT, TG, LDL, VLDL) 100 respostas de cada variável  1500 dados
  • 36.
    www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Título Indicação da natureza do fato estatístico observado, fazendo referência ao local e ao tempo em que foi observado Tabela 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Variável qualitativa nominal Brigitte, Baldi, Moore, 2014
  • 37.
    www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Tabela1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Cabeçalho  São as indicações que especificam o conteúdo das colunas Brigitte, Baldi, Moore, 2014
  • 38.
    www.valorp.com Apresentação Tabular de Dados Elementos Essenciais Tabela1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Coluna indicadora  São as indicações que especificam o conteúdo das linhas. Brigitte, Baldi, Moore, 2014
  • 39.
    www.valorp.com Apresentação Tabular de Dados Elemento Complementar Tabela1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Fonte  É a entidade responsável pelos dados contidos na tabela. Brigitte, Baldi, Moore, 2014
  • 40.
    www.valorp.com Tabela 1. As10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Variável qualitativa nominal Brigitte, Baldi, Moore, 2014 Exploração de dados
  • 41.
    www.valorp.com Gráficos para variáveiscategóricas Figura 1. As 10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráfico de barras Brigitte, Baldi, Moore, 2014
  • 42.
    www.valorp.com Figura 1. As10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráficos para variáveis categóricas Gráfico de barras Brigitte, Baldi, Moore, 2014
  • 43.
    www.valorp.com Figura 2. As10 principais causas de morte nos Estados Unidos, 2006. Fonte: National Center for Health Statistics, 2006. Gráficos para variáveis categóricas Gráfico de setores Brigitte, Baldi, Moore, 2014
  • 44.
    www.valorp.com Exploração de dados Fonte:Hospital X, 2014. n % n % n % Médica 300 15 200 8 500 11 Cirúrgica 800 40 1000 42 1800 41 Pronto Socorro 900 45 1200 50 2100 48 Total 2000 100 2400 100 4400 100 Particular INSS Tipo de Internação Clínica Total Tabela 2. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 Percentual calculado com o total das colunas como 100% Qual tipo de clínica recebeu a maior proporção de internações particulares? Qual tipo de clínica recebeu a maior proporção de internações pelo INSS? Variável qualitativa nominal
  • 45.
    www.valorp.com Fonte: Hospital X,2014. Figura 3. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 % 15 8 40 4245 50 0 10 20 30 40 50 60 Particular INSS Médica Cirúrgica Pronto Socorro Gráficos para variáveis categóricas Gráfico de barras
  • 46.
    www.valorp.com Exploração de dados Fonte:Hospital X, 2014. Tabela 2. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 n % n % n % Médica 300 60 200 40 500 100 Cirúrgica 800 44 1000 56 1800 100 Pronto Socorro 900 43 1200 57 2100 100 Total 2000 45 2400 55 4400 100 Clínica Tipo de Internação TotalParticular INSS Percentual calculado com o total das linhas como 100% A clínica médica recebeu a maior proporção de internações particulares ou pelo INSS? A clínica cirúrgica recebeu a maior proporção de internações particulares ou pelo INSS? A clínica de pronto socorro recebeu a maior proporção de internações particulares ou pelo INSS? Variável qualitativa nominal
  • 47.
    www.valorp.com Fonte: Hospital X,2014. Figura 4. Distribuição de pacientes internados segundo a clínica e o tipo de internação. Hospital X, 2014 % 60 44 4340 56 57 0 10 20 30 40 50 60 70 Médica Cirúrgica Pronto Socorro Particular INSS Gráficos para variáveis categóricas Gráfico de barras
  • 48.
    www.valorp.com Dados brutos Comprimento empés de 44 tubarões brancos do centro de estudos X, 2014 Exploração de dados Variável quantitativa contínua Brigitte, Baldi, Moore, 2014 1 pé = 0,3048 m 18,7 pés = 5,7 m 9,4 12,1 12,2 12,3 12,4 12,6 13,2 13,2 13,2 13,2 13,5 13,6 13,6 13,8 14,3 14,6 14,7 14,9 15,2 15,3 15,7 15,7 15,8 15,8 16,1 16,2 16,2 16,4 16,4 16,6 16,7 16,8 16,8 17,6 17,8 17,8 18,2 18,3 18,6 18,7 18,7 19,1 19,7 22,8 18,7 12,3 18,6 16,4 15,7 18,3 14,6 15,8 14,9 17,6 12,1 16,4 16,7 17,8 16,2 12,6 17,8 13,8 12,2 15,2 14,7 12,4 13,2 15,8 14,3 16,6 9,4 18,2 13,2 13,6 15,3 16,1 13,5 19,1 16,2 22,8 16,8 13,6 13,2 15,7 19,7 18,7 13,2 16,8 Dados brutos em ordem crescente
  • 49.
    www.valorp.com Gráficos para variáveisquantitativas Histograma Fonte: Centro de estudos X, 2014 Figura 4. Distribuição do número de tubarões brancos segundo o comprimento em pés. Centro de estudos X, 2014 Brigitte, Baldi, Moore, 2014
  • 50.
    www.valorp.com Exame de umhistograma • Simétrico • AssimétricoForma • É o que tem a maior frequência • Até 15 pés (n = 18); Até 17 pés (n = 33)Centro • A dispersão vai de 9,4 a 22,8 pés • Só 1 tubarão < 11 pés • Só 1 tubarão > 21 pés. Dispersão • Se situam à parte da distribuição em • geral acima ou abaixo dela. Valor atípico Brigitte, Baldi, Moore, 2014
  • 51.
    www.valorp.com Gráficos para variáveisquantitativas Dispersão Fonte: Centro de estudos X Figura 5. Distribuição do número de tubarões brancos segundo o comprimento em pés. Centro de estudos X, 2014 5 10 15 20 25 0 10 20 30 40 50 Comprimentoempés Indivíduos
  • 52.
    www.valorp.com Gráficos para variáveisquantitativas Dispersão * Legenda: * - IMC = 24,9 Kg/m2 Figura 6. Distribuição dos indivíduos de acordo com o IMC e o sexo, UFPI 2014. F - 158 M -79 F - 35 M - 65 Fonte: Almondes, 2014. Mínimo  F = 13; M = 16 Máximo  F = 37; M = 38
  • 53.
    www.valorp.com Média – Soma detodos os valores de um conjunto de observações dividido pelo número de observações = x1 + x2 + x3 + ... + xn n  Exemplo: Abaixo estão apresentados os consumos em grama de carboidrato de 15 funcionários de uma UAN – Vamos calcular a média!! 234,83 269,45 129,30 137,23 303,67 247,52 370,16 520,23 168,78 307,31 196,95 325,50 286,99 299,65 263,10 Medidas de tendência central
  • 54.
    www.valorp.com Média – = 234,83+ 269,45 + ... + 263,10 = 270,71 15  A média do consumo de carboidrato dos 15 funcionários da UAN é de 270,71 g Medidas de tendência central
  • 55.
    www.valorp.com Mediana – M Pontodo meio de uma distribuição  A regra para o cálculo depende do nº de observações, se é par ou ímpar  Exemplo: Abaixo estão apresentados os consumos em grama de carboidrato de 15 funcionários de uma UAN – Vamos calcular a mediana!! 234,83 269,45 129,30 137,23 303,67 247,52 370,16 520,23 168,78 307,31 196,95 325,50 286,99 299,65 263,10 Medidas de tendência central
  • 56.
    www.valorp.com Mediana – M Númerode observações ímpar 1º - observações em ordem crescente: 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 520,23 Medidas de tendência central  2º - Localização da mediana = (n + 1)/2 = (15 + 1)/2 = 8º posição  Ache a 8º posição na lista ordenada a partir do menor valor  A mediana do consumo de carboidrato dos 15 funcionários da UAN é de 269,45 g M = 269,45
  • 57.
    www.valorp.com Mediana – M Númerode observações par 1º - observações em ordem crescente: 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 384,20 520,23 Medidas de tendência central  2º - Localização da mediana = (n + 1)/2  (16 + 1)/2 = 8,5 M é a média das duas observações centrais na lista ordenada M = (269,45 + 286,99)/2  M = 278,22 g  A mediana do consumo de carboidrato dos 16 funcionários da UAN é de 278,22 g
  • 58.
    www.valorp.com Comparação entre aMédia e a Mediana 1º exemplo com 15 funcionários 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 520,23  = 270,71 g M = 269,45 g Medidas de tendência central 129,30 137,23 168,78 196,95 234,83 247,52 263,10 269,45 286,99 299,65 303,67 307,31 325,50 370,16 5200,23  = 582,71 g M = 269,45 g
  • 59.
    www.valorp.com Moda Valor que serepete com mais frequência Nem sempre existe, nem é única Não é influenciada por valor atípico Medidas de resumo Nº de gestações prévias Nº de parturientes 0 40 1 35 2 20 3 5 4 3 Total 103 Tabela 01. Número de parturientes segundo o número de gestações prévias. Nº modal de gestações prévias = 0
  • 60.
    www.valorp.com Identificação Peso (g)Resíduo Resíduo ao quadrado 1 64 1,25 1,5625 2 71 8,25 68,0625 3 53 -9,75 95,0625 4 67 4,25 18,0625 5 55 -7,75 60,0625 6 58 -4,75 22,5625 7 77 14,25 203,0625 8 57 -5,75 33,0625 9 56 -6,75 45,5625 10 51 -11,75 138,0625 11 76 13,25 175,5625 12 68 5,25 27,5625 62,75 0 Média Resíduo Resíduo ao quadrado = (soma total)/nº de indivíduos = (valor do peso - média do peso) = resíduo x resíduo 𝑽𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 = Σ 𝑑𝑜 𝑟𝑒𝑠í𝑑𝑢𝑜 𝑎𝑜 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑛 − 1 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 = 888,25 12 − 1 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 = 80,75 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 = 80,75 𝑫𝒆𝒔𝒗𝒊𝒐 𝒑𝒂𝒅𝒓ã𝒐 = 𝑉𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝐷𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 = 8,986 Medidas de dispersão Variância: medida de dispersão que mostra quão distantes os valores estão da média Desvio padrão: é o resultado positivo da raiz quadrada da variância
  • 61.
    www.valorp.com Variância (s2) edesvio padrão (s)  s mede a dispersão em torno da média e deve ser usado apenas quando a média for escolhida como a medida de centro.  s é sempre zero ou maior que zero.  s tem a mesma unidade de medida que as observações originais.  Assim como a média, s não é resistente. Medidas de dispersão
  • 62.
    www.valorp.com Medidas de dispersão Coeficiente de variação: mede a precisão (reprodutibilidade) do teste.  É obtido a partir da média e desvio padrão (CV= DP/média X 100).  Em geral, não devem ser maior que 5%.
  • 63.
    www.valorp.com Medidas de separação Tercil (T)  3-quantis  Quartil (Q)  4-quantis  Quintil (QU)  5-quantis  Decil (D)  10-quantis  Duo-deciles (Dd)  12-quantis  Percentil (P)  100-quantis
  • 64.
    www.valorp.com Medidas de separação Quartis 1 2 3 4 0% 25% 50% 75% 100% Q1/4 Q2/4 (Mediana) Q3/4 Q2 > 50% das observações Q1 > 25% das observações Mediana das observações à direita da mediana geral Mediana das observações à esquerda da mediana geral Q3 > 75% das observações 100/4 = 25%
  • 65.
    www.valorp.com Medidas de separação Quartis – com observações ímpares Exemplo - Grupo 1 - 19 indivíduos Proteína (gramas/dia): 69,55 70,96 56,77 43,19 94,15 81,64 102,2 126,21 67,18 101,91 71,91 87,33 124,97 77,10 67,51 104,02 41,43 94,73 98,79  1º) Localização da mediana = Q2 = (n + 1)/2 = (19 + 1)/2 = 10º posição  Ache a 10º posição na lista ordenada a partir do menor valor M = 81,64 = Q2 Proteína (gramas/dia) ordenada: 41,43 43,19 56,77 67,18 67,51 69,55 70,96 71,91 77,10 81,64 87,33 94,15 94,73 98,79 101,91 102,20 104,02 124,97 126,21
  • 66.
    www.valorp.com Medidas de separação Quartis – com observações ímpares Exemplo - Grupo 1 - 19 indivíduos Proteína (gramas/dia) ordenada: 41,43 43,19 56,77 67,18 67,51 69,55 70,96 71,91 77,10 81,64 87,33 94,15 94,73 98,79 101,91 102,20 104,02 124,97 126,21  2º) Localização do Q1 ou Q3 = (n + 1)/2 = (9 + 1)/2 = 5º posição Q1 está na 5º posição à esquerda da mediana geral na lista ordenada Q2 está na 5º posição à direita da mediana geral na lista ordenada Q1 Q3
  • 67.
    www.valorp.com Proteína (gramas/dia) ordenada: 89,1783,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18  1º) Localização da mediana = Q2 = (n + 1)/2  (20 + 1)/2 = 10,5 M é a média das duas observações centrais na lista ordenada M = (103,18 + 103,57)/2  M = 103,38 g M = 103,38 = Q2
  • 68.
    www.valorp.com Proteína (gramas/dia) ordenada: 89,1783,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18 M = 103,38 = Q2  2º) Localização do Q1 = (n + 1)/2  (10 + 1)/2 = 5,5 M é a média das duas observações centrais na lista ordenada M = (98,16 + 99,42)/2  M = 98,79 g Q1
  • 69.
    www.valorp.com Proteína (gramas/dia) ordenada: 89,1783,11 89,86 95,06 98,16 99,42 99,91 100,29 102,22 103,18 103,57 106,71 115,73 120,29 122,74 132,21 135,23 137,64 145,23 148,79 Medidas de separação  Quartis – com observações pares Exemplo - Grupo 2 - 20 indivíduos Proteína (gramas/dia): 89,17 135,23 83,11 100,29 145,23 148,79 95,06 120,29 115,73 98,16 137,64 132,21 99,42 122,74 106,71 103,57 99,91 102,22 89,86 103,18 M = 103,38 = Q2  2º) Localização do Q3 = (n + 1)/2  (10 + 1)/2 = 5,5 M é a média das duas observações centrais na lista ordenada M = (122,74 + 132,21)/2  M = 127,48 g Q1 Q3
  • 70.
    www.valorp.com Máximo = 148,79 Q3= 127,48 Q2 = 103,38 Medidas de separação Q1 = 98,79 Mínimo = 83,11 Máximo = 126,21 Proteína (g/dia) Mínimo = 41,43 Q1 = 67,51 Q3 = 101,91 Q2 = 81,64
  • 71.
    www.valorp.com Valores atípicos  Grupo1: Q1 = 67,51; Q3 = 101,91 AIQ = Q3 – Q1 AIQ = 101,91 – 67,51  AIQ = 34,4 Q1 − (1,5 × AIQ) = 67,51 – (1,5 x 34,4) = 15,91 Q3 + (1,5 × AIQ) = 101,91 + (1,5 x 34,4) = 153,51  Grupo 2: Q1 = 98,79; Q3 = 127,48 AIQ = Q3 – Q1 AIQ = 127,48 – 98,79  AIQ = 28,69 Q1 − (1,5 × AIQ) = 98,79 – (1,5 x 28,69) = 55,76 Q3 + (1,5 × AIQ) = 127,48 + (1,5 x 28,69) = 170,52
  • 72.
    www.valorp.com Valores atípicos O quefazer com valores atípicos?  1º - Identificá-los e descobrir a razão da sua existência - Popeye (1929) - Espinafre com muito Fe > 10x couve ou alface (1870) - Fe do espinafre ~ Fe outros vegetais verdes (1937)  2º - Decidir se devem ser mantidos ou descartados  isso depende do objetivo do trabalho  3º - Se decidir mantê-los ou descartá-los  explicar
  • 73.
    www.valorp.com Consultoria e Cursos KaluceGonçalves de Sousa Almondes Doutora em Ciência dos Alimentos Faculdade de Ciências Farmacêuticas - USP Estatística Básica www.valorp.com

Notas do Editor

  • #5 Estatística é um conjunto de conceitos e métodos científicos para a coleta, a organização, a descrição, a análise e a interpretação de dados experimentais, que permitem conclusões válidas e tomadas de decisões razoáveis.
  • #6 Amostragem e Planejamento de Experimentos: É a parte que tem por objetivo planejar a pesquisa e se preocupa com o mecanismo da coleta de dados. Estatística Descritiva: É a parte que tem por objetivo organizar, apresentar e sintetizar dados observados de determinada população, sem pretensões de tirar conclusões de caráter extensivo. Estatística Inferencial ou Indutiva: É a parte que, baseando-se em estudos realizados sobre os dados de uma amostra, procura inferir, induzir ou verificar leis de comportamento da população da qual a amostra foi retirada. A estatística inferencial tem sua estrutura fundamentada na teoria matemática das probabilidades. É, também definida como um conjunto de métodos para a tomada de decisões.
  • #7 A população pode ser formada por pessoas da família, indivíduos de uma certa espécie, estabelecimentos industriais, ou qualquer outro tipo de elementos, cujas variáveis que se pretende estudar sejam passíveis de serem mensuradas.
  • #11 Descritivos descrevem uma situação. Por exemplo, a distribuição da doença na população em relação ao sexo, idade ou outras características. Analíticos tentam explicar uma situação ou seus processos determinativos (Por que a doença ocorre nessas pessoas? Pode a queda da incidência de uma doença ser atribuída à introdução de alguma medida preventiva?
  • #13 São estudos em que há uma intervenção do investigador. Portanto, compara indivíduos/animais expostos com outros não expostos a um referido fator, sendo que o pesquisador decide quem serão os expostos ou não a determinado fator. É um estudo controlado. Objetivo do estudo: estudar o efeito da suplementação com pupunha em uma dieta regional de Manaus, AM, como fonte suplementar de vitamina A, e verificado os efeitos em relação ao zinco, na repleção de animais deficientes em zinco e vitamina A.
  • #14 O objetivo do estudo foi avaliar a eficácia da suplementação do sulfato ferroso associada ou não à vitamina A no controle da anemia ferropriva. O ensaio clínico é a tradução do estudo experimental (em laboratório com animais de experimentação) para a prática clínica (em pessoas ou pacientes). A seleção dos pacientes deve ser feita de forma que minimize variações que possam afetar as comparações entre os grupos em investigação. Isto é feito, geralmente, utilizando o processo de randomização.
  • #16 Endocardite Bacteriana – infecção bacteriana no coração
  • #22 Exemplo: x% de indivíduos do sexo feminino tem DC; x% dos indivíduos do sexo feminino têm CT aumentado.
  • #25 Pode ser um estudo de prevalência e fornece uma informação limitada no tempo - pontual - de uma situação. As medidas ou coletas dos dados são realizadas uma única vez.
  • #26 Outro exemplo: Deficiência de Se sanguíneo em indivíduos residentes em áreas pobres em Se na China têm doença de Kashin-Back. Será que o fato de ter a doença está associada com o fato de ter deficiência de Se sanguíneo?
  • #27 Investiga a associação entre a ocorrência de uma doença e a exposição a algum fator suspeito daquela doença. Nesse estudo identifica-se, inicialmente, um grupo de indivíduos com (casos) e sem doença (controle). Depois se investiga no passado causas de diferenças entre as variáveis preditivas que possam explicar por quê os casos adoeceram e os controles não.
  • #29 Estudo longitudinal fornece dados acerca de eventos ou mudanças que ocorrem em determinado espaço de tempo. As medidas ou coletas dos dados são realizadas mais de uma vez e em período de tempo diferente. O estudo longitudinal em que grupo de indivíduos é acompanhado por algum tempo é chamado de estudo coorte.
  • #30 Eventos investigados são ocorridos no passado - retrospectivo. Pacientes foram seguidos na expectativa de identificar eventos que não estavam presentes no início - prospectivo.
  • #32 Verificou-se que filhos de desnutridas tiveram peso e altura inferiores quando comparados aos filhos de normais e obesas. Pôde-se constatar, ainda, que ao final do primeiro ano de vida essas diferenças praticamente desapareciam. Eventos investigados são ocorridos no passado - retrospectivo. Lembrar do exemplo do estudo caso-controle. A histórico familiar de CA está associada com o CA de mama
  • #40 Elementos complementares a. Fonte  É a entidade responsável pelos dados contidos na tabela. b. Nota  São informações que esclarecem critérios usados na confecção da tabela. c. Chamada  É a informação de natureza específica, que serve para complementar determinado dado usado na confecção da tabela.
  • #54 A medida mais comum de centro é a média aritmética usual, ou média.
  • #55 A medida mais comum de centro é a média aritmética usual, ou média.
  • #56 A mediana é o número em relação ao qual metade das observações é menor, e metade é maior
  • #57 A medida mais comum de centro é a média aritmética usual, ou média.
  • #58 A medida mais comum de centro é a média aritmética usual, ou média.
  • #59 A média sofre influência de valores aberrantes, também conhecidos como valores atípicos ou outliers. Ela pode ser aumentada se algum dos valores for muito alto ou muito baixo. A mediana não sofre influência desses valores. Ela é influenciada apenas pelo número total de pontos de dados e pelo valor numérico do ponto, ou pontos, localizado no centro da distribuição
  • #61 s tem a mesma unidade de medida que as observações originais. Por exemplo, se você medir peso em gramas, tanto a média quanto o desvio-padrão s também estarão em gramas, razão pela qual é preferível obtermos s em vez da variância s2, que estaria medida em gramas ao quadrado.
  • #62 - s = 0 apenas quando não há dispersão. Isso acontece apenas quando todas as observações têm o mesmo valor. Caso contrário, s > 0. À medida que as observações se tornam mais dispersas em torno de sua média, s aumenta. - s tem a mesma unidade de medida que as observações originais. Por exemplo, se você medir peso em gramas, tanto a média quanto o desvio-padrão s também estarão em gramas, razão pela qual é preferível obtermos s em vez da variância s2, que estaria medida em gramas ao quadrado. - Assim como a média, s não é resistente. Algumas observações atípicas podem tornar s bastante grande.
  • #64 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #65 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #66 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #67 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #68 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #69 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #70 Q1 cai em ¼ das observações; Q2 cai em 2/4 das observações; Q3 cai em ¾ das observações
  • #73 Talvez o mais famoso exemplo de um valor atípico causado por um erro de registro de dados esteja na história de Popeye, o marinheiro. Criado em 1929, Popeye é um personagem simpático de histórias em quadrinhos, que consegue imediatamente força sobre-humana sempre que come espinafre, que contém muito ferro. Na verdade, uma publicação científica de 1870 relatou que o espinafre tinha, de longe, o maior conteúdo de ferro do que qualquer outro vegetal de folhas verdes, cerca de dez vezes mais do que alface ou couve. Essa afirmativa permaneceu inquestionável, até que um estudo de 1937 mostrou que o conteúdo de ferro do espinafre era semelhante ao de outros vegetais verdes. Acontece que o conteúdo de ferro do espinafre na publicação de 1870 teve uma vírgula decimal colocada em local errado! O valor do espinafre tinha sido corretamente identificado como uma observação extravagante, mas ninguém, por mais de meio século, questionou sua natureza.