A Estatística K é uma medida de concordância entre observadores que varia de 0 a 1, onde valores mais altos indicam maior concordância. É calculada comparando a concordância observada à concordância esperada pelo acaso. Valores entre 0,61-0,80 indicam concordância moderada, e acima de 0,81 concordância excelente. No entanto, a Estatística K depende da prevalência da patologia estudada.

1. A Estatística K é uma medida de concordância usada em escalas
nominais que nos fornece uma
ideia do quanto as observações se afastam daquelas esperadas,
fruto do acaso, indicando-nos
assim o quão legítimas as interpretações são.
Pode ser calculada da seguinte forma:
Consideremos uma população de “n” indivíduos onde dois médicos
classificam os pacientes de “doentes” ou “não doentes”:
Médico 1
“Não doente” “Doente” Total
“Não doente” a b a+b
Médico 2 “Doente” c d c+d
Total a+c b+d n
1) Primeiro calculamos um índice que represente a percentagem de
concordância esperada pelo acaso
2) Em segundo lugar, calculamos a concordância observada
3) Obtidos estes dois índices, a estatística k será calculada através da
divisão da diferença entre a concordância observada e a concordância
esperada pelo acaso, pela diferença entre a concordância absoluta e a
concordância esperada pelo acaso (a maior diferença possível entre
concordância observada e esperada).
Desta forma, os valores da Estatística k variam de 0 a 1, 3 sendo
que “0” representa não haver concordância além do puro acaso, e “1”
represeta a concordância perfeita.

2. A magnitude da Estatística k é uma medida de concordância
bastante mais significativa do que a sua própria significância
estatística. As directrizes para a interpretação (sempre subjectiva) de k
são dadas na seguinte tabela3 (considerada demasiado optimista por
alguns investigadores):
Valor de kappa Concordância
0 Pobre
0 – 0,20 Ligeira
0,21 – 0,40 Considerável
0,41 – 0,60 Moderada
0,61 – 0,80 Substancial
0,81 – 1 Excelente
Por sua vez, o erro padrão da estatística k permite-nos estimar a
sua significância estatística e também o seu intervalo de confiança
de 95%.
No entanto, o valor de k depende da prevalência da patologia
em estudo. Uma grande prevalência resulta num alto nível de
concordância esperada pelo acaso, o que resultará num valor de k
mais baixo. Por sua vez, uma patologia de baixa prevalência dará
origem valores de k mais altos 3. Poderemos então cometer o erro
de basear este índice na comparação de dois estudos com
prevalências distintas.
Um outro paradoxo da estatística k relaciona-se com as
diferentes prevalências num mesmo estudo, sendo que cada
observador poderá estar a analisar um número bastante diferente
de indivíduos (prevalências marginais). Nesta situação o teste de
McNemar poderá ser útil, na medida em que nos indica se de facto
as prevalências marginais são muito diferentes, isto é, estima a
probabilidade de que a diferença no número de discordâncias entre
os dois observadores poderia ter ocorrido devido ao acaso,
garantindo-nos desta forma uma distribuição mais homogénea.