Concordância versus associação
Uma grande concordância implica sempre uma grande associação
OBS1 * OBS2 Crosstabulation
OBS2
OBS1
sim
não
Total
Count
% within OBS2
Count
% within OBS2
Count
% within OBS2
sim
não
Total
40
100,0%
0
,0%
40
100,0%
0
,0%
40
100,0%
40
100,0%
40
50,0%
40
50,0%
80
100,0%
mas
para uma baixa concordância pode haver muita ou pouca associação
OBS1 * OBS2 Crosstabulation
OBS1 * OBS2 Crosstabulation
OBS2
OBS1
sim
não
Total
Count
% within OBS2
Count
% within OBS2
Count
% within OBS2
OBS2
sim
não
Total
20
50,0%
20
50,0%
40
100,0%
20
50,0%
20
50,0%
40
100,0%
40
50,0%
40
50,0%
80
100,0%
OBS1
sim
não
Total
Count
% within OBS2
Count
% within OBS2
Count
% within OBS2
sim
não
Total
0
,0%
40
100,0%
40
100,0%
40
100,0%
0
,0%
40
100,0%
40
50,0%
40
50,0%
80
100,0%
Concordância - var. categóricas
Po=(11+8+4)/25 = 0.92
Pe=(5.7+2.9+0.8)/25 = 0.367
K=(Po-Pe)/(1-pe)
K=(0.92-0.367)/(1-0.367) = 0.87
Em variáveis ordinais:
K ponderado
VassarStats - Richard Lowry
Concordância - var. categóricas
K varia consoante o nº de categorias
K é afectado pela prevalência
K é afectado pela diferença de prevalências
Po=0.85
Na tabela 2 a prevalência é
muito alta fazendo o k descer de
0.7 (tabela 1) para 0.3 (tabela 2)
Po=0.60
Na tabela 4 os valores marginais
são mais desequilibrados o k
passa de 0.13 (tabela 3) para
0.26 (tabela 4)
Concordância versus
associação
Tal como já vimos nas variáveis categóricas também
aqui uma grande concordância implica sempre uma
grande correlação
Correlations
obs1
obs1
obs2
Pearson Correlation
Sig . (2-tailed)
N
Pearson Correlation
Sig . (2-tailed)
N
1
.
25
1.000**
.
25
**. Correlation is sig nificant at the 0.01 level
(2-tailed).
obs2
1.000**
.
25
1
.
25
Obs1
Obs2
10
10
10
10
20
20
30
30
40
40
43
43
12
12
23
23
33
33
33
33
45
45
9
9
86
86
55
55
99
99
99
99
5
5
44
44
64
64
83
83
7
7
3
3
7
7
78
78
4
4
Concordância versus
associação
Mas uma fraca concordância pode ter também uma
grande correlação
Correlations
obs1
obs1
obs2
Pearson Correlation
Sig . (2-tailed)
N
Pearson Correlation
Sig . (2-tailed)
N
1
.
25
1.000**
.
25
**. Correlation is sig nificant at the 0.01 level
(2-tailed).
obs2
1.000**
.
25
1
.
25
Obs1
Obs2
10
20
10
20
20
30
30
40
40
50
43
53
12
22
23
33
33
43
33
43
45
55
9
19
86
96
55
65
99
109
99
109
5
15
44
54
64
74
83
93
7
17
3
13
7
17
78
88
4
14
Concordância versus
associação
e uma fraca concordância pode ter também uma fraca
correlação
Correlations
obs1
obs1
obs2
Pearson Correlation
Sig . (2-tailed)
N
Pearson Correlation
Sig . (2-tailed)
N
1
.
25
.164
.433
25
obs2
.164
.433
25
1
.
25
Obs1
Obs2
10
20
10
20
20
10
30
10
40
90
43
3
12
2
23
83
33
43
33
43
45
55
9
19
86
96
55
55
99
3
99
49
5
45
44
41
64
24
83
23
7
72
3
23
7
7
78
28
4
24
Concordância - var. Contínuas
Coeficiente de Correlação Intra-classe (CCI)
compara a variabilidade dos diferentes observadores no mesmo
indivíduo com a variação total de todos os observadores e de todos
os casos.
Concordância - var. Contínuas
Há 6 tipos diferentes de ICC:
one-way random - Temos um conjunto de observadores. Para cada caso tiramos
aleatoriamente um k diferentes observadores. 1-way ANOVA – casos são o efeito aleatório
e os observadores o erro de medição.
two-way random - O mesmo conjunto de k observadores classifica cada caso. (observador
× caso), 2-way ANOVA – tal como os casos os k observadores do estudo são também o
efeito aleatório, ou seja são uma amostra de uma população de potenciais observadores.
two-way mixed - É parecido com o caso 2 mas o ICC aplica-se apenas aos k observadores
do estudo.
Para cada um dos casos anteriores o CCI pode ainda estimar:
um observador, ou
média dos observadores
Concordância - var. Contínuas
De forma semelhante ao k, o CCI é muito afectado pela
variância dos casos e desta forma não podemos comparar
CCIs de diferentes estudos.
Exemplo:
Suponhamos que temos uma escala de depressão.
Quando a aplicamos a uma amostra aleatória de adultos Portugueses teremos
maiores valores de CCI do que se aplicarmos a escala a uma amostra de uma
população mais homogénea, por exemplos doentes internados num hospital
psiquiátrico por depressão aguda.
Concordância - var. Contínuas
Bland and Altman Plots  MedCal