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