Patrício Costa
Escola de Ciências da Saúde
Universidade do Minho
Teoria
Hipóteses
Operacionalização de conceitos
Selecção de inquiridos ou sujeitos
Plano de investigação: observacional / Inquérito
Condução de entrevistas ou aplicação de
questionários
Plano de investigação: experimental
Definição de grupo de controlo e de grupos
experimentais
Realização de observações e/ou
aplicação de testes ou questionários
Recolha de dados
Análise de dados
Bryman & Cramer (2003, p. 3).
Conclusões
O esquema constitui um modelo do
processo de investigação que nem sempre
pode ser reproduzido numa situação real.
Patrício Costa | [email protected]
2
Para estudar uma população é necessário:
1.
Definir a população
2.
O desenho do estudo
3.
Método de amostragem
Patrício Costa | [email protected]
3
1. Definir a população

Definição conceptual: associada à(s) característica(s) da população que pretendemos
estudar.

Definição operacional: corresponde à forma como foi operacionalizado o critério de
inclusão das unidades populacionais.
Propriedades de uma boa definição da população do estudo:
1.
Reconhecimento: condição clínica reconhecível pela comunidade médica e cientista.
2.
Relevância: do ponto de vista clínico.
3.
Atributabilidade: decisão clara e objetiva se um indivíduo pertence, ou não, à
população em estudo.
Patrício Costa | [email protected]
4
2. O desenho do estudo

O desenho do estudo está relacionado com o objetivo especifico de cada investigação,
mas, na medicina clínica, o objetivo final de uma investigação é o estabelecimento de
causalidade (relação causa-efeito).
Tipos de Estudo
Epidemiológicos
Observacionais
A. Descritivos
Experimentais
B. Analíticos
C. Ensaios Clínicos
Aleatorizados
Patrício Costa | [email protected]
5
2. O desenho do estudo
A. Estudos Descritivos
 Informam sobre a distribuição de um evento na população, em termos quantitativos:
Incidência ou Prevalência
 Possibilitam a caracterização da doença:

Tempo: curso da epidemia/doença, o tipo de curva e período de incubação (evolução histórica)

Lugar: extensão geográfica do problema

Pessoa: grupo de pessoas, faixa etária, exposição aos fatores de risco
 Não investigam uma relação de causa e efeito
 Descrição de um problema/realidade
 Uso de medidas de tendência central, medidas de dispersão, frequências, proporções
e indicadores como prevalência, incidência, taxas …
Patrício Costa | [email protected]
6
2. O desenho do estudo
B. Estudos Analíticos
 Estudos comparativos que lidam com “hipóteses” - estudos de causa e efeito,
exposição e doença;
 Testam hipóteses.
1. Transversais
2. Estudos Caso-Controlo
3. Estudos Coorte
Patrício Costa | [email protected]
7
2. O desenho do estudo
B. Estudos Analíticos | 1. Transversais
População
Amostra
Formação dos grupos por
observação simultânea de
exposição e doença
Expostos e
Doentes
Expostos e
Não-Doentes
Não-Expostos
e Doentes
Não-Expostos
e Não-Doentes
Patrício Costa | [email protected]
8
2. O desenho do estudo
B. Estudos Analíticos | 2. Estudos Caso-Controlo
População
Expostos
Doentes
Amostra
de casos
Grupo de Estudo
Não Expostos
Expostos
Não Doentes
Grupo-Controlo
Não Expostos
Verificação da
exposição
Amostra de
controlos
Formação dos grupos
(presença de doença ou não)
Patrício Costa | [email protected]
9
2. O desenho do estudo
B. Estudos Analíticos | 3. Estudos Coorte
População
COM Desfecho
Expostos
sem Desfecho
Amostra
para Estudo
COM Desfecho
Não Expostos
sem Desfecho
Formação dos grupos por
observação da exposição
Medição dos Efeitos
Patrício Costa | [email protected]
10
2. O desenho do estudo
C. Estudos Experimentais | ensaio clínico aleatorizado
População
COM Efeito
“Tratados”
Grupo de Estudo
sem Efeito
Amostra
para
Estudo
COM Efeito
Não”Tratados”
Grupo-Controlo
Formação dos grupos por
aleatorização e aplicação da
intervenção (tratamento)
sem Efeito
Medição dos Efeitos
Patrício Costa | [email protected]
11
2. O desenho do estudo
O que está a acontecer?
Estudo transversal
O que aconteceu?
Estudo longitudinal caso-controlo
O que vai acontecer?
Estudo longitudinal de coortes
O que vai acontecer se fizermos X?
Estudo experimental
Patrício Costa | [email protected]
12
3. Método de amostragem
População
(Parâmetros)
















  






















































































Amostra








(Estatísticas)
O recurso da investigação a amostras de acontecimentos ou indivíduos é muito frequente, pois é
economicamente inviável, estatisticamente desnecessário e humanamente impossível considerar
na investigação todas as unidades de análise.
Patrício Costa | [email protected]
13
3. Método de amostragem
Processos e tipos de amostras
 O processo para se chegar à definição de uma amostra designa-se por amostragem.
 Este deverá possuir determinados requisitos para que seja garantida a validade dos
resultados e a possibilidade dos mesmos serem generalizados para a população.
 O processo poderá orientar-se segundo princípios probabilísticos (conduzem a amostras
propriamente ditas) ou não probabilísticos (conduzem a grupos de casos)
Patrício Costa | [email protected]
14
Amostragem probabilística
 Amostragem aleatória simples
 Amostragem sistemática
 Amostragem aleatória estratificada
 Amostragem por conglomerados (clusters)
Amostragem não probabilística
 Amostragem por conveniência
 Amostragem intencional
 Amostragem por quotas
 Amostragem por itinerários aleatórios
 Amostragem “Bola de neve” (Snowball)
Patrício Costa | [email protected]
15
Dois tipos de conclusões erradas:
Ellis, P. D. (2010). The essential guide to effect sizes, p. 50
Patrício Costa | [email protected]
16
Esquema de resultados de um teste de hipóteses:
Doença (Realidade)
Resultados do
diagnóstico
Presente
n
Ausente
n
Total
Positivo
Verdadeiro Positivo
(VP) | 1-
a
Falso Positivo
(FP) | 
c
a+c
Negativo
Falso Negativo
(FN) |
b
Verdadeiro Negativo
(VN) | 1-
d
b+d
Total
a+b
c+d
Sensibilidade: probabilidade do resultado do teste ser positivo quando a doença está presente
a /(a + b)
Especificidade: probabilidade do resultado do teste ser negativo quando a doença está ausente
d / (c+d)
Valor preditivo positivo: probabilidade da doença estar presente quando o resultado do teste é positivo
a / (a+c)
Valor preditivo negativo: probabilidade da doença estar ausente quando o resultado do teste é negativo
d / (b+d)
Patrício Costa | [email protected]
17
Dois tipos de conclusões erradas:
Type I error (): um falso positivo resulta da rejeição da hipótese nula tendo por base uma
análise estatística. A probabilidade de efectuar um erro do tipo I é igual ao nível de significância
previamente definido para o teste de hipóteses.
Type II error (): um falso negativo resulta da não rejeição de hipótese nula inválida. A
probabilidade de ocorrer um erro do tipo II não pode ser estimada tão facilmente como a do
erro tipo I.
Statistical power = (1 – probabilidade de cometer um erro tipo II): determina o grau de
probabilidade de rejeitar uma hipótese nula inválida – frequentemente 90%.
Se Statistical power = 90% - significa que 9 em 10 casos rejeitaremos uma falsa hipótese nula.
Patrício Costa | [email protected]
18
Ronald Aylmer Fisher
To call in the statistician after the experiment is done may be no more than asking
him to perform a postmortem examination: he may be able to say what the
experiment died of.
The best time to plan an experiment is after you've done it.
Patrício Costa | [email protected]
19
Jacob Cohen
The primary product of a research inquiry is one or more measures of effect size, not
p values.
Patrício Costa | [email protected]
20
1. Definir conceptual e operacionalmente a população alvo do estudo.
2. Caso necessitem de recorrer à estatística para suportar as suas constatações, os testes
estatísticos a utilizar e a dimensão amostral deverão ser definidos em simultâneo com o
desenho do estudo.
3. A dimensão amostral depende do desenho do estudo, da significância prática (effect size), do
nível de confiança (nível de significância) e da potência de teste.
4. Utilização de métodos de amostragem aleatórios, pois na maior parte dos casos
pretendemos generalizar os nossos resultados.
5. Determinar a viabilidade geral do projeto, bem como o prazo para a recolha e análise dos
dados.
6. Efetuar os procedimentos estatísticos adequados à hipótese de investigação formulada.
7. Reportar adequadamente os resultados, isto é, incluir todas as estatísticas relevantes para
uma melhor compreensão do fenómeno.
Patrício Costa | [email protected]
21