ESCOLA DE SAÚDE PÚBLICA – ESPECIALIZAÇÃO EM SAÚDE PÚBLICA - EPIDEMIOLOGIA, DEMOGRAFIA E BIOESTATÍSTICA • COMPONENTE: Bioestatística. • •5. Estudando proporções. • Derivada da distribuição binomial, o estudo das proporções é fundamental para o entendimento das probabilidades dos eventos esperados. • Considera-se P (estimado por p) o percentual de qualquer evento esperado na população experimentada e, 1-Q (estimado por 1-q) o percentual do evento não esperado. • Desta concepção simples conclui-se que P+Q = 1. Um conjunto de estimativas p da população experimentada tende a seguir a distribuição normal: • •5. 1 Média de proporções. • Exemplo: • Observa-se a distribuição de percentuais de conchas de determinado fenótipo, listrado vertical. • O evento esperado é p. Houve 10 pontos de coleta usados sucessivamente até 570 observações. • Qual a proporção verdadeira, populacional? Esta não é conhecida mas pode ser estimada a partir dos valores de p mais frequentes: 0,3; 0,4; 0,5. A média aqui, ou seja, 0,4 representa a estimativa da proporção populacional, P. p na amostra 0 10 20 30 40 50 60 70 80 90 100 Σ f 3 16 72 127 143 115 67 24 3 0 0 5 7 0 •5.2 Erro padrão de proporções • A média de p é a melhor estimativa de P. Assim é possível calcular-se o erro padrão de p, δp, ou simplesmente EPp: • O δp é calculado como √PQ/n, sendo n o número de indivíduos que compõe a amostra. • No exemplo n = 10; • O δp = √(0,4.0,6 / n) = 0,154 ou 15,4% • • Da aproximação normal conclui-se que que: • P – δp até P + δp correspondem a 68% das percentagens e P – 1,96 δp até P + 1,96 δp correspondem a 95% das amostras: •5. 3 Proporções e distribuição normal • A DAP, distribuição amostral de proporções é semelhante à curva normal. • . Curva de p(s). A linha média é o µp que corresponde a P. •5.4 Intervalo de confiança de uma proporção. • Estimativas pontuais são possíveis quando: • 0,3<p<0,7 • Utiliza-se o fator de correção C = 1/(2n), para a aproximar a DAP da curva normal. • Assim o intervalo de confiança de p: • IC inferior de P: • p – zα Epp – C; • • IC superior de P: • • p + zα Epp + C; •5.4 Intervalo de confiança de uma proporção. • Exemplos: • Numa amostra de 100 animais, o fenótipo estudado é de 45%. Qual o valor de P na população estimada a partir desta amostra? • p = 0,45; n = 100; α = 0,05: • IC de P inferior = 0,45 – {1,96 [√(0,45 – 0,55/100)]} – 0,005 = • • IC de P superior = 0,45 +{1,96 [√(0,45 – 0,55/100)]} + 0,005 = • •5.4 Intervalo de confiança de uma proporção. • Exemplos: • Um amostra de sementes de maricás armazenadas em 1 ano, em 150 sementes, 93 germinaram. Qual a estimativa da taxa de germinação? • p = 0,62 • EPp = • IC superior de P e IC inferior de P? • 5.5 Comparação de proporções: desconhecida e P é assumido. uma proporção é • Exemplo. • Um ensaio clínico compara dois analgésicos, a preferência pelo medicamento A foi de 9/12 = 0,75. • A comparação é com µp, a P populacional, assumida como 0,5. Esta é proporção esperada de forma casual. • O teste é com base na distribuição z e segue os mesmos princípios da comparação de médias: •z=p–P • EPp • A fórmula acima sofre a correção do ajuste da DAP e fica: • 5.5 Comparação de proporções: desconhecida e P é assumido. • z = (p – P) – C • EPp) • C = 1/(2n) • O resultado é: uma proporção é •5.6 Comparações de duas proporções conhecidas de amostras independentes. • Usada em análises variadas, esta comparação de duas proporções segue os princípios da comparação de médias. Utiliza-se novamente a distribuição Z: • Exemplo: • Num ensaio clínico para tratamento de câncer, os pacientes foram assinalados para droga 1 e droga 2. A resposta foi definida como uma redução do tumor pela metade em duas semanas: • • •Resposta Sim • • Não • Totais Droga 1 49 (53%) 44 93 Droga 2 18 (20%) 73 91 Totais 67 (36%) 117 184 •5.6 Comparações de duas proporções conhecidas de amostras independentes. • H0: p1 = p2; os tratamentos são equivalentes; ambas as proporções são amostras do mesmo P, médias de p1 e p2 seriam iguais, com diferença zero. • H1: p1 ≠ p2; os tratamentos são diferentes, a distância observada não é casual. • Fórmula: baseia-se na diferença p1 – p2 e no erro padrão da diferença p1 – p2. • Equação: • z = |(p1 – p2)| - C • EP (p1 – p2) •5.6 Comparações de duas proporções conhecidas de amostras independentes. • C = 0,5 [1/n1 + 1/n2 ] • EP (p1 – p2) = • √ [p0q0 * (1/n1+1/n2)], onde • p0 = (p1 + p2) / (n1 + n2), • q0 = 1 – p0 • Calcule z nesta equação e discuta: rejeita-se a hipótese nula? •5.6 Comparações de duas proporções conhecidas de amostras independentes. • Exemplo 2: • Um outro ensaio clínico para pacientes sobreviventes a infarto, alocados a uma droga e placebo. A resposta seria o óbito após um ano do infarto: Resposta Droga 1 Óbito 32 (4,1%) Sobreviventes Totais 743 775 • Equacione e comente. Droga 2 Totais 44 (5,6%) 76 (36%) 739 783 1 482 1 558 •6 Um passo além na comparação e significância de proporções: o teste do qui-quadrado. • As comparações entre proporções podem ser resolvidas de forma abrangente através do teste do qui-quadrado, ou χ2. • O teste é adequado para variáveis qualitativas com duas ou mais categorias e divide-se em: • 1. Teste de ajustamento dos dados a uma distribuição teórica, ou teste de aderência; • 2. Comparação de populações considerando-se variáveis qualitativas, ou de comparações de proporções; • 3. Verificação de associações entre variáveis qualitativas, ou teste de associação. • 6.1 Qui-quadrado: 1. Teste de aderência; • Baseado na observação de frequências observadas e obtidas. Calcula o χ2 : • χ2 = Σ [ (O – E) 2 / E ] • Comparar o χ2 calculado e o χ2 crítico. • O teste e unilateral; • Os graus de liberdade correspondem a: • gl = número de categorias – 1. • Desenvolver a tabela 15.1. • •6.2 Qui-quadrado. 2. Teste de comparação de proporções. • É semelhante ao teste z de comparação de proporções. • Na tabela, as linhas representam as amostras e as colunas as categorias. • • Os tamanhos das amostras são arbitrados, dependem do desenho feito pelo pesquisador. • Estabelece-se H0 e H1. • H0: obtido é igual a esperado, as proporções nas categorias são semelhante. • H1: obtido é diferente do esperado, as proporções nas categorias não são semelhantes. •6.2 Qui-quadrado. Teste de comparação de proporções. • 1.1 Como estabelecer-se o número esperado em cada categoria? • A regra indica que o número esperado deve ser: • Total da coluna x total da linha • Total geral • ou • TC x TL • TG • A seguir elabora-se a tabela de observados e esperados e calcula-se o qui-quadrado: • χ2 = Σ [ (O – E) 2 / E ] •6.2 Qui-quadrado. Teste de comparação de proporções. • O E (O-E) (O-E)2 (O-E)2/E Total Total 0 - χ2 • Exemplo a seguir. •6.2 Qui-quadrado. Teste de comparação de proporções. Grupo social Fonte de água Total Poço Riacho Misto 1 37 14 12 63 2 18 17 19 54 3 24 14 10 48 Total 79 45 41 165 • • A seguir calcule o χ2 . Compare com o χ2 crítico. • Graus de liberdade: • gl = (L-1) (C-1), ou seja, • N° de categorias nas linhas – N° de categorias nas colunas. • 6.2 A tabela do qui-quadrado. • • O χ2 calculado deve ser superior ao crítico no nível de significância escolhido. Ver tabela A6 no livro. • •6.3 Qui-quadrado. independência. 3. Teste de associação ou de • É semelhante ao teste de proporções, mas o objetivo é testar a correlação entre variáveis categóricas. • Um uso comum é o teste de causa e efeito em amostras categorizadas. A causa é chamada também de exposição e o efeito de resultado (outcome). Neste tipo de teste, geralmente há duas categorias de exposição e duas de resultado, as tabelas são chamadas de 2x2. • Desenvolver a tabela 15.5. • •6.3 Qui-quadrado. independência. • • Tabelas 2x2: • 3. Teste de associação ou de •6.3 Qui-quadrado. 3. Teste de independência: correção de Yates. associação ou de • Fórmula de Yates para tabelas 2 x 2. Comparar com a fórmula acima. Desenvolver a tabela 15.8. •χ2 = Σ (|O – E|) – 0,5)2 • E