acta pediátrica portuguesa - Sociedade Portuguesa de Pediatria

Acta Pediatr Port 2010:41(5):S11
Workshop 4
Como escolher a análise estatística na Investigação em saúde?
Filipa Negreiro
Lisboa
Nesta sessão o objectivo será contextualizar a análise estatística na Inves -
tigação em saúde, identificando os tipos de variáveis (qualitativas e quantitativas)
a partir de objectivos de investigação. Em termos estatísticos, os objectivos
do estudo de saúde são de importância prioritária uma vez que as variáveis
de maior interesse para análise estatística estão subjacentes a estes mesmos
objectivos. A definição dos objectivos é muito importante no planeamento de
um estudo em investigação de saúde porque conduz obrigatoriamente às variáveis
de maior interesse para a recolha e análise estatística. De acordo com o tipo
de variáveis definidas, devem antecipar-se os métodos estatísticos a utilizar.
Serão apresentadas técnicas para resumir a informação contida nos dados,
tendo em conta o tipo de variáveis (qualitativas e quantitativas).
Uma das técnicas apresentadas será a tabela de distribuição de frequências,
procedimento estatístico aplicado especialmente a variáveis qualitativas
(nominais ou ordinais), ou a variáveis quantitativas com pouca variação,
como por exemplo o número de filhos (0, 1, 2, 3, …) ou o número de divisões
de uma casa (1, 2, 3, …). Para além destas variáveis, pode-se ainda
determinar a tabela de distribuição de frequências de variáveis quantitativas
recodificadas em variáveis qualitativas, por exemplo, a idade recodificada em
grupos etários ou a pressão arterial sistólica recodificada em variável hipertensão
com as categorias “hipertenso” e “não hipertenso”.
Outra técnica utilizada para variáveis quantitativas é a apresentação das estatísticas
descritivas de maior interesse, nomeadamente, média, mediana, desvio
padrão, mínimo e máximo, muito utilizadas para resumir informação. O erro
padrão e os intervalos de confiança a 95% para médias e proporções são outras
das medidas estatísticas bastante utilizadas e que serão abordadas nesta sessão.
Além destas técnicas, a representação gráfica de resultados mostra-se como
outra das formas de apresentação de resultados estatísticos, através da qual se
pode sintetizar uma grande quantidade de informação, podendo por outro
lado tornar a apresentação de um estudo mais apelativa. No entanto, deve
escolher-se o gráfico de acordo com o tipo de variáveis e com o objectivo da
análise que se pretende efectuar. Serão apresentados alguns exemplos de gráficos,
nomeadamente: gráfico de barras, gráfico sectorial, box-plot, gráfico de
dispersão e histograma, este último muito útil para analisar a distribuição normal
das variáveis.
Alguns dos testes estatísticos mais utilizados na comparação de grupos de tratamento
e sua interpretação, serão também discutidos nesta sessão. Sempre
que um objectivo específico de investigação envolva duas variáveis qualitativas,
por exemplo comparação de proporções (taxas de eventos de endpoints
do estudo, taxas de sucesso, incidência de acontecimentos adversos) entre
grupos de tratamento (tratamento experimental versus placebo), pode-se pensar
como primeira forma de análise estatística, que nos permita concluir se as
diferenças são estatisticamente significativas, o teste do Qui-quadrado, ou
teste exacto de Fisher (em tabelas de 2x2). Se por outro lado o objectivo específico
de investigação for a comparação de médias entre dois grupos de tratamento,
então o mais natural será a aplicação do teste t-Student para duas
amostras independentes. Se o que se pretende é a comparação de médias entre
mais de dois grupos de tratamento o teste estatístico mais usual é a ANOVA
a um factor. Claro que, estes testes serão aplicáveis se os pressupostos inerentes
a cada um forem válidos, caso contrário devem usar-se os testes não paramétricos
de Mann-Whitney U para duas amostras independentes ou de
Kruskal-Wallis para mais de duas amostras independentes.
Outro tipo de análise estatística muito utilizada é a análise de sobrevivência
de Kaplan-Meier, que permite estimar tempos de sobrevivência ao evento que
traduz o resultado de saúde (por exemplo a morte) e comparar as sobrevivências
entre grupos independentes por exemplo entre grupos de tratamento
(teste Log-rank). E ainda, a análise de regressão logística que se aplica a
situações em que se pretende explicar ou predizer resultados de uma dada
variável binária (0/1) – outcome ou endpoint do estudo – em função de diversas
variáveis independentes – variáveis preditoras - sejam estas quantitativas
ou qualitativas recodificadas em 0/1. Por exemplo, comparação de grupos de
tratamento face a um endpoint binário 0/1, com efeito odds ratio ajustado
para eventuais confundimentos de outras variáveis (por exemplo, variáveis
cujos grupos de tratamento se revelaram heterogéneos).
A Estatística apresenta uma panóplia de técnicas e testes estatísticos, que
podem ser utilizados em diversas situações. Cabe ao estatística decidir qual a
melhor forma de resolver o problema através de todas essas técnicas e testes.
Bibliografia
1. Aguiar P (2007). Guia Prático Climepsi de Estatística em Investigação Epidemiológica.
Lisboa: Climepsi Editores
2. Oliveira AG (2009). Bioestatistica, Epidemiologia e Investigação – Teoria e Aplicações.
Lisboa: Lidel.
3. Altman D.G. (1991). Practical statistics for medical research. London: Chapman & Hall.
4. Pocock S.J. (1983). Clinical Trials: a practical approach. Chichester: Jonh Wiley & Sons.
Introdução à investigação em saúde: princípios, desenho e análise de
estudos
Pedro Aguiar
Lisboa
Ensaio clinico RCT (Randomized Controlled Trial) com dois grupos de
tratamento paralelo
Experimental studies provide the strongest evidence that a given exposure is the
cause of a disease or other condition or that a preventive or therapeutic intervention
is effective. In experimental studies, the investigator randomly assigns
individuals or another unit either to be exposed or not exposed to an intervention
and then follows them through time to determine the outcomes of interest.
Randomization attempts to create comparability on factors other than exposure
between those who are and are not assigned to the exposure or intervention –
- Brownson and Petiti (1998) Applied epidemiology: theory to practice
To some people the term “clinical trial” is synonymous with such a full-scale
phase III trial, which is the most rigorous and extensive type of scientific cli -
ni cal investigation of a new treatment –
- Pocock (1983) Clinical Trials
As populações de estudo são seleccionadas com critérios de inclusão/exclusão
muito restritos; maior validade interna versus menor validade externa
(validade dos resultados na população real).
O desenho possui geralmente uma variável independente grupo de trata -
mento, várias variáveis independentes que caracterizam os doentes (sóciodemográfico,
doença), várias variáveis dependentes de eficácia endpoints primário
e secundários) e várias variáveis dependentes de segurança.
Geralmente as questões de investigação e objectivos de estudo relacionam a
variável independente grupo de tratamento com as variáveis dependentes de
eficácia e segurança:
- O novo tratamento é superior ao placebo?
- O novo tratamento é não inferior ao standard?
Os grupos de tratamento são homogéneos (equilibrados) face às características
dos doentes devido à aleatorização dos tratamentos. Esta aleatorização permite
evitar o confundimento, ou seja, os grupos de tratamento são homogéneos,
ou verifica-se a não existência de associação entre a variável grupo de
tratamento e as características do doente que podem influenciar o endpoint.
O “grupo exposto” é o tratamento experimental e o “grupo não exposto” é o
tratamento de controlo ou placebo.
O estudo é longitudinal prospectivo (tipo coorte clínico), com endpoints
medidos no seguimento (follow-up).
Os endpoints de eficácia, podem ser favoráveis para o doente como o sucesso,
a remissão, a resposta ao tratamento, ou alternativamente podem ser desfavoráveis
como a recidiva, a progressão da doença ou morte. Os endpoints
de segurança mostram aspectos desfavoráveis, tais como eventos adversos e
valores sanguíneos alterados com significado clínico.
O efeito de eficácia experimental é medido através de medidas estatísticas, tais
como a taxa de sucesso, a taxa de incidência, a diferença de riscos com o número
necessário tratar para obter um sucesso (ou para evitar um fracasso), a razão
de riscos tal como o risco relativo, o benefício relativo, o hazard ratio em análise
de sobrevivência e a consequente redução e excesso relativo de risco.
O efeito da eficácia também pode também ser medido com recurso a médias,
medianas e diferenças entre médias no caso de endpoints numéricos.
Observational study definition – Epidemiologic study that does not involve
any intervention, experimental or otherwise. Such a study may be one in
which nature is allowed to take its course, with changes in one characteristic
being studied in relation to changes in other characteristics. Analytic epidemiologic
methods, such as case-control and cohort study designs, are pro -
perly called observational epidemiology because the investigator is obser -
ving without intervention other than record, classify, count, and statisti cally
analyze results –
- Last (1995) A Dictionary of Epidemiology
Estudo coorte clássico:
In the typical prospective cohort study, persons free of the condition of inte -
rest at the time the study begins are classified according to their level of expo-
S11