Sumrio

~~(.'/1ii Soares, Jos Francisco

Introdu(;o ii(~statstica mdica/ Jos(~Francisco Soares,
Anninda Lucia Siqueira.- -1.ed.- - Belo Horizonte: Depar-
Lamento deEstatstica - UFMG, 1999.
vii, 300p.:il
1 O Papel da Estatstica na Medicina
1.1 Introduo ....
1.2 Alguns exemplos . .
1.3 Bioestatstic:a . . . .
1.3.1 Planejamento
1.3.2 Anlise
1.4 Consideraes finais
L. Estatstica mdica 2. Bioestatstica L Siqueira, Ar-
Illiuda Lucia. n. Ttulo.
CDD610.21
CDU61:31
2 Organizao da Pesquisa Mdica
2.1 Introduo .
2.2 Estudo descritivo .
2.2.1 Estudo elecasos .
2.2.2 Estudo deuma srie decasos
2.2.3 Estudo baseado emdados institucionais
2.3 Estudo caso-controle . . .
2.4 Estudo decoorte . . . . . ...
2.4.1 Seleo das coortes ..
2.5 Ensaios clnicos aleatorizados
2.5.1 Aleatorizao .....
2.5.2 Como implementar aalocao aleatria
2.6 Estudos comparativos .
2.6.1 Grupo controle .
2.6.2 Confuso deefeitos .
2.6.3 Controle de fatores deconfuso
2.6.4 Generalizao dos resultados
2.7 Exerccios .
lo'jl'llacaLalogrfica preparada pelo Centro deExtenso da Escola de
IliIdiliI,(\couomiada UFMG
Il'I'.i~;LI'(l do ISBN: solicitado
!\ 111 li(l: Pr-Reitoria de Graduao - UFMG
(~ai>a: LaisFreire dos Reis
I kscri<.;iio (~Apresentao deDados
;1.1 IIILJ'I)dlI <.;ii.o
:1.'.', {~'lIl1:(!iLosiJ:.sicos
:I.:~.I Val'i:.vd.
:\.:~.:2 Tipos d(~variveis
:\.:~.:I 1)ad(,s Imll,os ...
:1:\ (ll',I',alliy,a(,:a(,(' apJ'(~sentao de dados
:1.:1.I Tal)(!!:u-;de: rr(~qncias
:1.:\. :2 Gnfi <:Os . . . . . . . . . . . .
:\ I SIILes(~nunl(~rica .
:\.,1.1 Medidas (k tendncia central
:1.1.:2 Medidas elevariabilidade
:1.1.:1 Coeficiente de variao
:\.1./1 Escore padronizado
:I.I.G Percentis .
:\.\.(j Outras medidas descritivas
:\!, ()IILI'OStpicos .....
:1.r,.1 Coleta de dados
:1.:,.2 Banco de dados.
:I.r).;\ Arredondamento
:\':).4 Boxplot .....
:\.:)}; Observaes atpicas (outlier)
:u; I';x(~mplocomentado: Refluxo vesicureteral primrio
, '111 (:rianas . . . . . . . . . . . . . . . . . .
:\.h. I Descrio da amostra no incio do estudo
:U.2 Acompanhamento
: 1 'i 1,:X(:l'ccios
l'I'OI';lhilidade eAvaliao de Testes Diagnsticos
I I IIILl'odJl(:o .
I " 1'I"li)a\lilidade: conceitos fundamentais
I.'.~.I Espao amostraJ e eventos
U.:2 Clculo de probabilidades ...
1.'.>'.:1 Tipos especiais de eventos
, I , : ~.I 1 Propriedades da probabilidade
1:\ I'l'oiJaiJilidade condicional .
11 1';V(~IILos independentes .
I!, qllalidade eletestes diagnsticos
33
33
33
33
34
36
39
39
46
o"
52
52
55
58
59
61
63
64
64
65
67
68
70
74
75
75
78
89
89
90
90
91
93
94
95
97
99
4.5.1 Sensibilidad(~ eespecificielade
4.5.2 Valor das plulies
4.5.3 Decises incorretas
4.6 Combina(:o de testes diagnsticos
4.6.1 Formas de combinao de testes
4.6.2 Necessidade da combina(:o de testes
4.7 Testes diagnsticos baseado emvariveis contnuas
4. 7. 1 Efeito do ponto de corte na qualidade de uni
teste diagnstico . . . . .
4. 7. 2 Escolha do ponto de c:ort(~
4.8 Escolha entre testes diagnlsticos
4.9 Consideraes finais
4. 10 Exerccios . . . . . .
Caracterizao Estatstica deVariveis
5.1 Introduo .
5.2 Conceitos fundamentais .
5. 2. 1 Variveis aleatrias esuas distribuies de pro-
babilidade . . . . . .
5. 2. 2 Populao e amostra
5.3 Modelo de Poisson .
5.4 Modelo de Gauss .
5. 4. 1 Curva de Gauss .
5. 4. 2 Distribuio gaussiana padro
5.5 Verificao da adequao do modelo
5. 5. 1 Modelo de Poisson
5. 5. 2 Modelo de Gauss .
5.6 Faixa de referncia ....
5. 6. 1 Obteno da faixa de referncia
5.7 Exemplos comentados .
5. 7. 1 Cartas para controle de processos em hospitais
5. 7. 2 Rastreamento de doadores de sangue
5.8 Exerccios . . . . . . . . . . . . . . . . . . .
Comparando Dois Grupos
6.1 Introduo .
6.2 Conceitos fundamentais .
6.2.1 Hipteses a serem testadas
6. 2. 2 Critrio de deciso . . . . .
!)!)
1( ) ' 2
11)'\
IIHi
I(H.
111
11:1
11;1
Illi
117
I I!)
I :21 )
1:~1
1:11
I ;t~
1:1:1.
1;\7
I : I'i'
1I11
1 / 1 1
1 I 1 : ~
1/1,'- :
I(I~
I r,l)
I r,;\
I r':1
I: I~I
I r,!)
11.;1
Ilil.
171
I '/1
1'/1.
6.2.3 Erros do tipo I e II, nvel de significncia e
poder do teste 179
6.2.4 Probabilidade designificncia (valor-p) 180
Resposta dicotmica: amostras independentes 181
6.3.1 Teste qui-quadrado (X
2
) 181
6.3.2 Testequi-quadrado comcorreo decontinuidade185
6.3.3 Teste exato deFisher 186
6.3.4 Teste Zpara comparao depropores 187
Resposta dicotmica: amostras pareadas . . 189
6.4.1 Teste deMcNemar . . . . . . . . . . 190
Resposta contnua: amostras independentes 192
6.5.1 Teste t 192
6.5.2 Teste Zpara comparao demdias 199
Resposta contnua: amostras pareadas 201
Testes no-paramtricos . . . . 204
6.7.1 Teste deMann- Whitney . . . . 205
6.7.2 Teste deWilcoxon . . . . . . . 206
Exemplo comentado: Imunogenicidade deuma vacina 208
Consideraes prticas sobre testes dehipteses. 211
6.9.1 Valor~p 211
6.9.2 Hipteses bilaterais versus unilaterais 211
6.9.3 Concluses apartir detestes dehipteses 214
6.9.4 Significncia estatstica esignificncia clnica 214
6.9.5 Fatores deconfuso ..... 215
6.9.6 Apresentao dos resultados 215
6.9.7 Pressupostos dos testes 215
Consideraes finais 217
6.10.1 Denominaes detestes 217
6.10.2 Amostras pareadas eamostras independentes 218
6.10.3 Sobre pareamentos 218
6.10.4 Amostragem 219
6.10.5 Extenses 219
Exerccios . . . . . . 221
7.2.3 Intervalo dE)confiam;a .....
7.2.4 Distribu<;oda mdia amostral
7.3 Medida do efeito: resposta contnua
7.3.1 Amostras pareadas .
7.3.2 Amostras independentes .
7.4 Medida do efeito: resposta dicotmica
7.4.1 Risco relativo .
7.4.2 Razo das chances .
7.5 Exemplo comentado: Desnutri(;o hospitalar.
7.6 Consideraes finais .
7.6.1 Significncia estatstica esignificncia clnica
7.6.2 Equivalncia entre teste dehipteses eintervalo
deconfiana. . . . . . . . . . . .
7.6.3 Diferentes tempos deseguimento
7.6.4 O termo odd.5-'('(), t'io
7.7 Exerccios .
fi.U
(i. 7
7 Medida do Efeito de uma Interveno ou Exposio
7.1 Introduo .
7.2 Conceitos fundamentais .
7.2.1 Parmetro deinteresse.
7.2.2 Estimadores ....
234
234
235
235
236
237
238
241
241
243
244
24
247
251
253
253
254
254
255
255
Prefcio
11111 a cow-:ulta aos peridicos meus relevantes de qualquer rea
11I('dica Illostra que a Estatstica hoje a linguagem predominante
11111'11 a CI)III111lica(~ode resultados recentes que devem ser incorpo-
1'lIdlls :\ pr:Uica mdica. A Estatstica tambm instrumento bsico
1'111'11a J'(~:\Ji,r,aodas pesquisas que geram estes resultados. Alm
(li:iHII, a <',apacidade d(~atualizao caracterstica essencial do profis-
Ilillllal I)(!1Ilformado.
I ' ( 11'LI)(los estes motivos, uma disciplina <l<~Estatstica (~ofereci-
dll 1III;; Cllrsos de Medicina, que infelizmente, durante longos anos foi
1,1'111,:1< Ia IIOS cursos mdicos como um conjunto d(~regras de apres(~n-
111l;111 I III~<lados. Nada se falava sobre formas de organizao de estudo
l'IIIIi<'1I, II<~mdas anlises de dados tpicos ela pesquisa mdica. Isto
Llll'lIl1Vaa disciplina desinteressante epor outro lado no habilitava os
IIIIIIIOS110essencial: ler com facilidade e de forma crtica e proveitosa
11liLI~raLlll'amdica recente. Desde 1988, um grupo de professores do
I ll'parLamento de Estatstica da UFMG vem procurando adequar a
1I1/\'Iwira de ensinar a esta necessidade. Este livro o fruto de todo
I',',LI~processo.
() I)rimeiro captulo ilustra a insero da Estatstica na literatura
111l'~d ica atravs de exemplos simples e relevantes. O Captulo 2 so-
111'1 ~II planej amento do estudo clnico e uma introduo de um tema
dI' grande importncia. O conhecimento mdico avana atravs de
l""lldos bmn planejados e no atravs de anlise de dados coletados
dI' a<'mdo com convenincias administrativas. O Captulo 3trata da
:;IIILI!SI~numrica e grfica dos dados tendo como referncia a neces-
liid:IlI(~de criao e uso de padres de referncia em estudos clnicos.
( l (:apftulo 4 apresenta ndices que medem a qualidade de testes di-
1I1',II<')sLil:Os: sensibilidade e especificidade. Discutimos a questo de
111 'I~I'LI)S(~erros no diagnstico clnico, mostrando que estes conceitos
:1111 I Lall ti ){ml expresses de conceitos estatsticos clssicos. Ocontedo
diI ( ~apfL1 ilo 5 pode parecer excessivamente terico, mas no h como
1,1':11 ai' pl'Oblcmas reais sem tais informaes. So introduzidas duas
i1111)( IrLal JI,(!Sdistribuies: Poisson egaussiana. A princi paI aplica<~iio
IIPI'I's<!IILada no captulo a construo de faixas de referncias de uso
l'oLiI\t'i 1'11 lia prtica mdica. Finalmente, nos captulos 6 e 7 so a-
1111 'HI'li LiuIas formas estatsticas para comparao de tratamentos ou
i-'TJl(TicallWllil~ dI' ,i..',l'1IP' I,., (11' I)llI'il'lll I',.,. V:rios testes estatsticos qlll!
apan~CClJl na li1,(~r:\1111'11 1':-.1 lI< I lJii ,II':-'(Tilos.
Fiz(~mos 11111(~sfoJ'<.:I) dI' 11'11/.1'1' I'XI'lllplo:-. de nosso traballH> dI! ill
tCl'a()i,o C01UJ)(~squisadorl's I' clnicos <J1Wternos atendido ao ]Ollgll dll
tempo no Depart,anJCllLo de Estatshca da UFMG. Foram (~xp(~l'i{\11
cias lImito ricas e gratiIicant(~s que hc:uam aqui registradas I~qlll! 1'1'
presentam o papel da interfaCl~ da Estatstica. Alm disso, illClllflllllH
diversos exemplos cuidadosam(~ntl~ sd(~ci01mdos da literatura, v:l'i( IS
deles provenientes de pesquisa C0111dados brasileiros. O eX(~lnplo dll
Seo 6.8 refere-se a um excc1ente trabalho publicado no n~speiLa<II1
peridico The Lancei e foi apresentado em um seminrio por uma d(~
nossas melhores alunas da ps-gradua<.;iio da Faculdade de Medici lia
da UFMG. Sua incluso uma homenagem Laura Maria Bl'agll
Borges de Mattos que morreu vtima de acidente em abril de 19D~.
Ao apresentar este material em portuguf~s, com ilustraes dnllLI'II
da prtica mdica, esperamos estar contribuindo para um ensirH) I11'
qualidade da Estatstica para a Medicina. () texto apresenta a pal'!l'
elementar da Estatstica Mdica e, embora seguindo o mesmo COnL(!I'1
do de outros textos de Estatstica, seu enfoque diferente. C01111'(:11
com o problema mdico e depois apresenta as tcnicas estatsL icaH
necessria:;; para sua soluo. Ao final dos captulos esto propo:-:!( 1:1
muitos exerccios para possibilit.ar a f1xar:o dos conceitos apl'l~s( ~II
tados e em alguns ca:-:os desenvolver () raciocnio necessrio CllI 1111111
anlise de dados. Pode ser utilizado em disciplinas de gradua(Jl.o (',
se apropriadamente complementado, em ps-graduao. Pode ai 1J(111
ser t.il para profissionais que at.uem ou tenham interesse na ;,]'(~ada
Sade.
Um trabalho como este no se concretiza sem a ajuda de ll1lli!aH
pessoas. Agradecemos s vris geraes de alunos que usaralll I) !(,~
to na forma de apostila e a todos que com suas sugestes e incI~II!i VII
ajudaram a produzir um texto mais relevante. Embora f():-::-:I~ lIoH
so desejo no citar nomes, dada sua contribuio especial, qlWl'(!IIJ(IH
agradecer acadmica de Medicina Fabiana Barreto Utsch d(~Ma!1 ),'1,
que aprendeu Estatstica, editorao, padronizao e com 1~1I01'11J('
competncia e dedicao nos possibilitou terminar este livro.
Jos Francisco Soares e Arrninda Lv.cia Siq'ueira
Belo Horizonte, maro de 1999
Captulo 1
o Papel da Estatstica na
Medicina
oobjetivo destecaptulo ilustrar opapel queconceitosetcnicas
estatsticas tmna formao do mdico, nasua prtica profissional e
demodo especial no avano do conhecimento na rea mdica.
Este objetivo ser alcanado principalmente atravs da apresen-
tao ediscusso dosresultados deestudos clnicosrelevantes. Atravs
destes exemplos, argumenta-se queconceitos estatsticos tmimpor-
tante papel adesempenhar, tanto noestudo da sade depopu\aes,
como no tratamento depacientes individuais.
Outros assuntos correlatos, comoopossvel uso decomputadores
no diagnstico clnico eo impacto do processo de quantificao da
Medicina moderna, sero sinteticamente apresentados.
Como emqualquer outra rea da cincia, os avanos no conheci-
mento mdico so primeiramente relatados emartigos publicados em
revistas cientficas. Cada artigo, antes eleser publicado, revisto por
umgrupo deespecialistas dareaque, atravs deavaliaocriteriosa,
procura garantir aqualidade dos trabalhos publicados e, conseqen-
temente, oprestgio da revista eda sociedade cientfica associada.
NI'~;l.a';1'1::\1) (~ 110n~sto do texto, 11S:I]'('lllOS como exemplos artigos
til' l'l'1illllil'IIS 11l(~dicosJ'(~spcit.adosillh~rllacionalmente: Ne'W England
'/"11/ 111/1 < lI ! '''/ I 'I / : '; '''W , JI J'I I :I 'no.l of The American lVledical Association,
/ '/ / 1 /:III/.('d. I / 'I ';:{,is/ i,fV/ erl:o.l JO'lLrnal, etc. Estas so tambm fontes
11:111/11: .Ia Illf<liap:\.l'aIlotcias sobre avanos na Medicina, to pre-
,1'ld,':, 11<1 1IIII.il:i:,l'itl di:,rio.
i\:: 1'11'pl'il~dades analgsicas, antitrmicas e ant.iinfiamatrias da
11"1 >1111111 1'1 >1':1.111 verificadas h muitos anos. S muito recentemente,
"ldll'IIIIII.II, 1'0ireconhecido o seu potencial na reduo do risco de
,111"111:;1:: 1';II<liovasculares. Alm de um possvel mecanismo bioqumi-
'" '1"" ,111::l.ilic:u..;se o efeito protetor da aspirina, evidncias prelimi-
Ilill":, 11I111l'1:idas por alguns estudos clnicos e a crenc:a no seu efeito,
,I1I1I11<11<Ia lia sociedade americana, criaram a necessidade e a opor-
111111.la.l,' <lI' sc verificar, cientificamente, a exist.ncia ou no deste
"I,'1111
('1>111 I'sl.:\.linalidade, foi organizado em1982 umestudo conhecido
'" 1 1 1 1 1 / 'h,l/ s':'lo.ns' Health St'lLdy. Neste estudo, 22.071 mdicos ameri-
1111111:, VI>!llld,:rioscom idade entre 40 e 84 anos foram divididos ale-
IIIIIII:lllll'lll.l~(~llldois grupos. O primeiro grupo, com 11.037 mdicos,
1"111<>11 a (';I<ladois dias aspirina (Bufferin, Bristol-Myers Products,
,I"i, 111,1',), 1111<jll<lnto o segundo, com 11.034 mdicos, tomou placebo:
I1111 1'IIIIII'I'illlidosemelhante ao da aspirina, mas sem o seu princpio
111 11'11
I )"I",i:: 111' cinco anos o comit que, independentemente dos pes-
'jlll:illlll'll':: Illsponsveis pela rotina do projeto, acompanhava e mo-
1I1111111va li,':<lados obtidos, decidiu terminar o estudo. Os resultados
I>I,'IIIIIIII:ITI':~ Illostravam que os efeitos protetores da aspirina eram
'1I,I"ldl':: \';ssainformao deveria, pois, ser comunicada aos clnicos
"li 1Il'I>lII;II,;all cru geral.
1\ Talll~la 1.1, reproduzida do artigo original (relato final), in-
, 1111111'"11a:: IIS casos confirmados de infarto do miocrdio e acidente
'",'''llIal 1'1'1'(:111':11 (AVC) e mostra os dados que fundamentalmente
,,"I>::1;lIl1'ial:1.I11 a deciso de parar o estudo edivulgar os resultados.
1\ 1>11'\" 11'l:al) deinfartos no grupo que tomava aspirina 139/11.037,
"11'111111111' 110ol1tro grupo era de 239/11.034. A questo crucial do
Tabela 1.1: Resultados relat.ados pelo 8f;een>n.q Cornrnitee of Physi-
cians' Heo.lth 8hu/ y G'f'(J'/ {, J! em 1989
Resposta Aspirina Placebo Risco Intervalo Valor-r>
Infarto 139 239 0,53 0,42-0,67 <0,00001
AVC 119 98 1,15 0,84-1,58 0,41
estudo, respondida pelo uso de mtodos estatsticos, foi: ser que
a diferena observada nas propores devida ao uso de aspirina ou
aparece simplesmente devido ao acaso? Em outras palavras, omesmo
efeito seria observado em outro grupo de pessoas se o estudo fosse
repetido? Testes estatsticos mostram que a probabilidade do efeito
observado ser proveniente apenas do acaso menor que 1 em 10.000.
Ou seja, h uma forte evidncia do efeito protetor da aspirina.
Quantifica-se o efeito da aspirina calculando-se a razo do risco
de infarto nos dois grupos. Neste estudo obteve-se 0,53, ou seja, o
risco de quem toma aspirina quase metade do de quem no toma.
Um estudo desta natureza cercado de todos os cuidados: no
seu planejamento, na sua execuo e na anlise dos dados. A Es-
tatstica fornece, alm dos mtodos para tomada de decises na pre~
sena de incerteza, as formas de planejamentos do estudo. Atravs
da alocao aleatria dos participantes aos grupos, obtiveram-se dois
grupos semelhantes emtodas as suas caractersticas medidas ou no.
Entretanto, adeciso final de seusar este resultado na prtica clnica
considera outros fatores alm daqueles obtidos atravs da anlise es-
tatstica dos dados, como, por exemplo, a facilidade de uso da droga
e seu preo.
A Sndrome da Imunodeficincia Adquirida (AIDS), logo que a-
pareceu em 1981, constituiu-se de imediato emum srio problema de
sade pblica para o Brasil e outros pases do mundo. O sistema de
sade no estava preparado para anova edifcil tarefa dediagnosticar
eatender os doentes. Alm disto, apossibilidade de contgio atravs
de transfuso de sangue trouxe uma preocupao extra.
1';111illcio <k 1985, tornaram-se disponveis comercialmente os
"liIIIC,iI'<ISL(~sL(~s ELISA para determinar a presena do vrus da imu-
li''' l"'ic'il~llcia luunana (HIV). A partir da, garantiu-se maior segu-
111111:11 IIlIrap(~ssoasdependentes de hemoderivados, como os hemofli-
( ) :III<:<~SSO do teste criou, entretanto, a falsa impresso de que ele
1'111pI'ri'l!iLo,ou seja, podia-se acreditar completamente no seu resul-
1111111, LllgOpercebeu-se a existncia de grande nmero de resultados
I" li I1I1VI I~;i111 :orretos, tornando necessrias alternativas diagnsticas,
I' "11<1II1I !Il1orias tcnicas, desenvolvimento de novas metodologias e
,1,,111I1 111\'{).ode testes.
() IV I ilIistrio da Sade brasileiro, procurando aumentar a c(mfi-
1I1,i1I1I:"II! para emisso de laudos dos testes e sistematizar os pro-
I I"1III1I'III.IlS utilizados, publicou no Dirio Oficial de 19 de janeiro de
I!l!l,'":11l'<~gl1lamentotcnico para diagnstico sorolgico do HIV em
111"I\'111111 IS acima de dois anos aser adotado por todos os servios de
111111"1', pl'lhlicos e privados.
~'I'I',lllldoessa sistematizao, cada amostra de sangue dever ser
lilll"lll'i.ida a dois testes de triagem (por exemplo ELISA) distintos,
1"111:\.Ill.l~(mOSou metodologia diferentes. Se negativos, a amostra
" 1"II~:illm'ada negativa para HIV. Se discordantes, os testes devem
111'1Ii'pl'i.idos em duplicata. No caso de positividade em ambos os
I,'I ill ': I, ,\ IlCcessria a realizao de um teste confirmatrio (imuno-
11111" I'I il'1~lIciaindireta ou Western Blot) que, uma vez positivo, obriga
ri I' oI,'l.ad<~uma segunda amostra para repetio dos testes de triagem
.' 111111 i1llla<Ji.odos resultados da primeira amostra.
1'>;I"sL(~st.c~s, ao resolverem oproblema dedeteco, criaram vrios
"1111"::,associados sua utilizao. Faz sentido seu uso em larga es-
111: I ","IIII defendido por alguns grupos de opinio? Como comunicar
1III1I' 'I 1i i1Ladopositivo do teste a uma pessoa sem outras evidncias
111111'":: da doelll{a? tico avisar o companheiro de uma pessoa com
11'111111:,,111 positivo? Para enfrentar estas questes ajuda bastante co-
11111'1"1 11I':rall <leconfiabilidade destes testes.
A partir da clcada de 20, comearam a surgir evidncias de que
era possvel, no caso de cncer de mama, optar por uma abordagem
cirrgica menos radical que a mutiladora mastectomia preconizada
por Halsted no fimdo sculo passado. Verificou-se que se podia CC)[l-
servar a mama da paciente, melhorando desta forma a qualidade de
sua vida, sem piorar o prognstico da doew{a.
Com o passar do tempo, evidncias cada vez mais convincentes
foram aparecendo. Hoje, a abordagern cirrgica conservadora, segui-
da de tratamento radioterpico com ou semquimioterapia, tornou-se
o tratamento padro emvrias situaes da patologia.
Nos Estados Unidos, entretanto, em 1976, a equipe de Bernard
Fisher, ao analisar as prticas que conservavam o seio da paciente,
era bastante crtica:
" Apesar de esforos antigos e recentes, questes impor-
tarI tes continuam sem resposta, o q'ue impede o. aceitao
universal do uso de uma abordagem mais conservadora
no, cnceT de mamo.. Mesmo os poucos estudos clnicos
aleatoTizculos, qv,e u:ualiaram as d~ferentes opes cirr-
gicas que mantm, o seio do. paC'iente, no conseguirarn
estabelecer alm do. dvida razo.vel, o vo.lo'(' desta opto
teraputica"
Estavam bem estabeleci das a necessidade e a oportunidade de
organizao de um ensaio clnico sobre o assunto. Por um'lado, havia
muitas evidncias histricas de eficcia, por outro, dvidas sobre o
valor real da opo.
Sob acoordenao daquele famoso cirurgio, de abril de 1976 at
janeiro de 1984, 2.163 mulheres comcncer demama emestgios I eII
foram aleatoriamente alocadas a uma das trs opes: mastectomia
total (MT), tumorectomia e tumorectomia seguida de radioterapia
(Tc+RTx). Todos as pacientes fizeram estadiamento axilar eaquelas
nas quais se constataram linfonodos positivos receberam, adicional-
mente, quimioterapia. A completa descrio dos detalhes de seleo
de pacientes e de seu tratamento pode ser lida no artigo original,
publicado no New England Journal of Medicine emmaro de 1985.
1 \ (t'if!:lll'a1.1 mostra que os dois tratamentos n;\Ose equivalem no
qlll' SI' I'!~[ereao tempo at a recidiva ou tempo Jivn~de (lo(~lH,a. A
1111'1118:1.1) d(~radioterapia nas pacientes que sesul nnderam atUlnorec-
1.'lIllinalllllenta o seu tempo de sobrevi da.
Tempo at recidiva
1 :i~~' -~~~~,~
% :: - - .- ===::':=:::.~;
... 1m
60 - ... To + RTx
5Q -/~~2~-------1-~-r---f---_---
Ano o 1 2 3 4 5
586 520 356 212 121 67
Emrisco A 625 554 382 241 149 88
Figura 1.2: Incidncia de cncer de clon (1975) em funo do con-
sumo de carne nos seguintes pases: Alemanha Ocidental (AOc),
Alemanha Oriental (AOr), Canad (Can), China (Chi), Colmbia
(Col), Dinamarca (Din), Estados Unidos da Amrica (EUA), Finln-
dia (Fin), Holanda (Hol) , Hungria (Hun), Islndia (Isl), Israel (Isr) ,
Iuguslvia (Iug), Jamaica (.Jam), Japo (Jap), Nigria (Nig) , Nova
Zelndia (NZ), Noruega (Nor) , Polnia (Pol) , Porto Rico (PR), Reino
Unido (RN) , Romnia (Rom), Sucia (Sue)
I'i/',II!:I \.\: Tempo at recidiva etempo at metc--;tasepara um grupo
.I,' \l:lI'il'III.(~Sque receberam dois tipos de tratamento: mastectomia
I,lill\ (~;I'I') etumorectomia seguida de radioterapia (Tc+ RTx)
Nldl! (~xcmplo, aEstatstica fornece uma forma eficiente de quan-
I lIil'I'I,:allda resposta de interesse (recidiva emetstase) ede mtodos
011' ,'11111 \lara(,i'io das curvas referentes a essas variveis para diferentes
I.IIII.IIIIII'III.IIS. Como no caso ela aspirina (Exemplo 1.1), a forma de
'111',11 Ili'I,;\C,Jill deste estudo o acompanhamento prospectivo das pa-
1\1'1111':: I' a\oca(,o aleatria aos tratamentos, procedimentos bsicos
1
111111
11\lj'()dIH,;i'iode uma pesquisa com grande poder de resoluo da
'111,'::111'11'111 pauta.
dos porque trazem informao til para o planejamento econmico e
da sade da populao. Podem, entretanto, como o grfico mostra,
produzir indicaes de associaes que merecem estudos mais apro-
fundados.
A partir desses dados, nada se pode concluir definitivamente, em
termos de associao do fator consumo de carne comadoena cncer
do clon. Os valores usados so mdias dos indivduos e, portanto,
no sesabe sequem consome acarne amesma pessoa que desenvolve
o cncer. Alm disto, outras variveis no consideradas como, por
exemplo, a quantidade de fibras na dieta, podem ser as responsveis
pelo cncer.
1';Xi'lllplo 1.1: Consumo decarne ecncer do clon
/\ 1"il',II!a1.2mostra aincidncia (por 100.000 mulheres) de cncer
1111 I"li111 1(' 11COllsumo mdio de carne na populao de vrios pases
1/\11111:1.1'1I11~', iv Doll, 1975). Uma associao claramente sugerida:
111111' I! 1'1l11S111111l de carne, maior incidncia de cncer no clon.
/\ 1':::laUsl.icad(~sempenha aqui o seu papel mais tradicional, o
.I"Illlil!IIIIII!111.1I di! ('olda de dados para o funcionamento do Estado.
1 \ 1
11
' 1/1111::1.1) 1.( )I.al (li! carlH" c a quantidade exportada so nmeros
1lIlilll'i!allll'III.I' l'llidados. Por outro lado, todo pas tem uma lista
,I" I I, 1/'111:":: 11"1'1::11 I 111' I'(!~',isl.j'() obrif!:atrio. Estes dados so coleta-
Um grande nmero de estudos clnicos dedicado pesquisa da
etiologia das doenas, isto , de sua origem. Etapa importante neste
trabalho a descoberta de fatores, usualmente chamados de fatores
de' I'i:;co,associados com o aparecimento da doena.
li 11li\. dificuldade bsica nesse tipo de estudo que no se pode,
1'"1' II10Livosprincipalmente ticos mas tambm operacionais, alocar
11111 raLI11' aos indivduos. necessrio, pois, usar dados obtidos de
111111II llislln'ias. Examinam-se seus hbitos pessoais eas opes clnicas
1\lllIdll:'I'or seus mdicos. -Os estudos que seguem essas linhas gerais
11/111 l'ilal1lados de estudos observacma'is.
i\1'1'l~s(~ntamosabaixo, sinteticamente, os resultados dos estudos
c'cIIldll'l,idospor R. DoU eA. B. HiU, bioestatsticos britnicos, sobre a
1111111 II'i111,:110 entre fumo ecncer do pulmo. Estas pesquisas iniciaram-
lU' I IC'vil lI),10 grande aumento da mortalidade causada por este cncer,
1I11r!1'l'vado na Inglaterra desde o fimdos anos 20.
NII primeiro estudo, publicado em 1950, compararam-se dois gru-
pclildc' pacientes. O primeiro, constitudo de todos os casos de cncer
dI' 1'11I111;\,() de um conjunto de hospitais londrinos. Assistentes soci-
11111, c'HI)(~cialmentetreinadas para, o estudo, entrevistaram todos os
I'lll'i('IIL(~sinternados com diagnstico de cncer de pulmo, levantan-
dll IllIa llistria clnica e seus hbitos tabagistas. O segundo grupo,
l'illlllladll de grupo controle, foi constitudo por pacientes dos mes-
1111 Ir!III)Spitais, sem diagnstico de cncer, na mesma faixa etria, do
1I11'lil110 SI~XOeda mesma regio de residncia que os casos anteriores.
i\ Tabela 1.2 mostra os resultados obtidos. A associao clara
I' rc 11'1.( ~.
'I 'n\II'ia 1.2: Nmero de fumantes e no fumantes entre pacientes do
111' X II I11asculino com diagnstico de cncer pulmonar e controles
Grupo Fumantes No fumantes
Cncer pulmonar 647 2
Controle 622 27
i\ rIIl'tllade organizao deste estudo chamada de Estudo Casa-
I '(I'/I/r()le. poca, esta metodologia era muito criticada, pois, com
111l'1I j( LI.< Il~,podia produzir associaes esprias. Por isto, aevidncia,
c'IIli li11'11 c:lara eforte, no foi convincente o suficiente.
i\HHilll,os mesmos autores iniciaram um segundo estudo, cuja ca-
111I'Lcr(HLica bsica o fato de que o acompanhamento dos pacientes
foi prospectivo. Este tipo de planejamenLo (~chamado de Est'tulo de
Coorfe.
Em outubro de 1951, os pesquisadores enviaram um questionrio
simples a todos os mdicos da Inglaterra, aproximadamente 60.000
indivduos. () questionrio perguntava se o respondente j havia fu-
mado ou no. Em caso afirmativo, pedia informaes sobre o que e
quanto. Mais de dois terVJs dos mdicos responderam com detalhe
suficiente para que seus dados pudessem ser includos no estudo.
As respostas possibilitaram aos pesquisadores classificar cada res-
pondente corno fumante ou no fumante. A definio de no fumante
usada foi: um no fumante uma pessoa que fumou at no mximo
um cigarro dirio, em mdia, por perodo inferior a um ano.
Atravs de complexo sistema de acompanhamento, observaram-
se nos primeiros 10 anos, 136 mortes associadas ao cncer pulmonar
entre os mdicos includos no estudo. Destas, apenas 3eram de no
fumantes. Para equalizar os perodos de acompanhamento nos vrios
grupos, trabalhou-se com ataxa de incidncia por 1.000 pessoas-ano
de exposio. Os valores desta taxa esto na Tabela 1.3. O risco
de morte por cncer pulmonar das pessoas que fumam mais de 25
cigarros dirios quase 32 vezes maior do que o mesmo risco para
quem no fuma.
Tabela 1.3: Taxa de mortalidade por 1.000 pessoas-ano devida a
cncer pulmonar (nmero de mortes entre parnteses) para no fu-
mantes e fumantes
No
fumantes
0,07(3)
Cigarros dirios
1-14 15-24 25+
0,57(22) 1,39(54) 2,27(57)
Estes dois planejamentos, estudo caso-controle eestudo de coorte,
so as formas usuais de organizao da pe~sa.etio.l..gica. Muitos
outros estudos como os descritos acima foram feitos em"--p;pulaes
variadas para se verificar o possvel papel do fumo. Em todos, a
evidncia foi clara. Hoje, o papel de agente causador do cncer de
pulmo amplamente reconhecido ejustifica a militncia cada vez
mais organizada contra o fumo.
I':xmnplo 1.6: Distribuio do cido rico emhomens
Nesta sitlla()io, {,oconceito dedistrilmi()io estatstica que ajuda
no estudo do fato m{,dico.
Talvmr,a tarefa mais rotineira no exerccio da Medicina seja a
1'llIllpal'a()iodeumvalor deuma medida deimportncia clnica, tais
1'111110 t.(~mperatura, presso, ritmo cardaco eparmetros hematolgi-
l'O:!,colll umpadro. Comohentre diferentes indivduos uma grande
VI\.l'il\.l;.i\.o nessas medidas, mesmo quando pertencentes aumgrupo ho-
1IIIIl',I~Ii(~O, opadro no umnmero, mas uma. faixa.
()s (lados para a constrm:o desta faixa so obtidos atravs da
IllI'dil:aoda caracterstica de interesse emum grupo representativo
d,' I)(~ssoassupostamente sadias. Estes valores so sintetizados em
1I11I l',l'ilico,apartir do qual constri-se afaixa dereferncia.
I'::it.(~ (~squemafoi seguido por pesquisadores britnicos na deter-
111i1111.tJI.O de uma faixa de referncia para o cido rico emhomens.
() I'l!:ildt.adofoi publicado na conceituada revista The Lancei (Finn
,'I. 1\.1"19(6). O valor do cido rico foi medido em267 doadores de
:11\.1I1',IIl~, gozando deboa sade, obtendo-se os dados apresentados na
1"il',lIt'a1.3.
Mtodos estatsticos so essenciais no estudo desituaes emque
as variveis de interesse esto sujeitas, inerentemente, a flutua(:es
aleatrias. Este ocaso da Medicina. Mesmo tomando-se umgrupo
depacientes homogneos, observa-se grande variabilidade, por exem-
plo, notempo desobrevida aps umtratamento adequado. Dosagens
decaractersticas hematolgicas flutuam no sentre indivduos, co-
mo tambm no mesmo indivduo emocasies diferentes. Na reali-
dade, h varia(:es entre diferentes pacientes para qualquer varivel
de interesse clnico. Portanto, para seestudar problemas clnicos,
necessria uma metodologia capaz eletratar avariabilidade deforma
adequada.
Convencionou-se chamar de Bioestatstica o conjunto de mto-
dos estatsticos usados no tratamento da variabilid~d~~~~'~i;~ias
IE~clicaebiolgicas., A Bioestatsti~~fornece mtodos para setornar
decises timas napresena deincerteza, estabelecendo faixas decon-
fiana para a eficcia dos tratamentos everificando a influncia de
fatores derisco no aparecimento dedoenas.
H uma aparente contradio entre a Estatstica e a Medicina.
Por um lado, todo ato mdico feito no sentido de se fornecer o
melhor aumpaciente especfico. Isto secontrape necessidade de
considerao deumconjunto deindivduos para aconstruco deum
fato estatstico. '
Deve-se notar, entretanto, que ao tratar umpaciente, o mdico
sevaleda experincia deeventos anteriores, vivenciada pessoalmente
ou transmitida por outros atravs de livros e artigos. Assim, a Es-
tatstica pode ser vista como ferramenta de organizao evalidao
do conhecimento mdico.
Resumidamente, oobjeto deestudo daBioestatstica oplaneja-
mento ea anlise deestudos mdicos ebiolgicos. Ambas as etapas
visamreduzir apossibilidade devcios no estudo.
fi> 40
E
.~ 30
'"
Q.
(]) 20
"O
o
Z 10
1"il',IIt':I. 1.3: Distribuio decido rico (mg/ dl) em267homens
1 \ faixa ck referncia escolhida fixando-se uma pequena por-
1I'lll.l\.l':t~11I de pacientes cujos resultados no sero includos edeter-
Illlll\.llllo-s(~o intervalo que engloba todos os outros indivduos. Por
I'XI'lllpio, para os dados do cido rico excluindo-se 2,5% de cada
"XI.II'lllt),ohtJ~lll-seafaixa [3,7- 7,5] mg/ dl.
1 \ prillwira classificao til das formas deorganizao deestudos
1,lllliel)s{~dada pela dicotomia: estudos descritivos versus estudos
..------ -_... , ..- - "" ...._.._. .... - - '- '- " .._ ,._ ..... -
1'111111 )arat.ivo,,:.
( ):i pri uwiros descrevem uma dada situa(;o, sempreocupao de
1'llIllpara<;:'t.o. ocaso do exemplo sobre oconsumo decarne ecncer
11111'1'111111 (Exemplo 1.4) edas enquetes destinadas criac;odepadres
,I,' 1'1 'i'1!1'I!II<:ia. Qualquer conclusil,o no mer:1mente descritiva desses
1':ll.lldIIS<!stsujeita acrticas.
NII s(~gundotipo, existe internamente um grupo elecomparao.
I:: I1t.ii i'azma distino entre estudos observacionais, aqueles feitos
"11111 dados produzidos pela histria clnica de indivduos, e estudos
,'xlll'rillll)utais, emque o pesquisador interfere na alocao do trata-
1111'111.1>. Tanto oestudo sobre aaspirina (Exernplo 1.1) como oestudo
111"11'1' eil'1lrgiaconservadora de cncer de mama (Exemplo 1.3) so
" I'xllI'rilll<~lltaise, portanto, capazes de produzir evidncias potencial-
1111'111,1' 1IIIlitoconvincentes. J o exemplo sobre o cncer no pulmo
(1':x"lIlpio1.5) pertence categoria de estudos observacionais.
Neste captulo introduzimos, sintdicanwIlte, algumas idias im-
portantes associadas Dioesbl,tstica. Seu tratamento mais cornpleto
no objetivo deste texto.
A Biocstatstica pode ser vista cornoferrarnenta deavaliac}iocrti-
ca da evidi'~nciaclnica ou deacumu1a.c;ocritmiosa deconhecimentos
mdicos. A atualizao dos conhecimentos sc~d atravs da interac;o
com especialistas no assunto, mas principa.lmente por leitura cons-
tante da literatura recente na rea. A literatura mdica usa hoje
umjargo estatstico que ser explicado ao longo dos captulos deste
texto. Acompanhar esta literatura fundamental para todos os que
querem ser bons prof1ssionais. NaMedicina, entretanto, anecessidade
mais premente, j que o conhecimento muda comgrande rapidez.
Assim, alongo prazo, acapacidade de ler eentender fundamental.
A tecnologia eainformtica esto mudando aforma de exerccio
de muitas prof1sses. O impacto na Medicina emtermos de apare-
lhagens para diagnstico impressionante. Um bom exemplo a
rapidez com que se incorporam o raio-X, o ultra-som, a tomografia
computadorizada earessonncia magntica. Existe, entretanto, um
outro movimento, ainda pequeno e muito controverso, que o uso
do computador corno auxiliar no processo de diagnstico clnico. A
experincia, deumgrupo eleespecialistas agregada emumprograma,
usado durante oprocesso dediagnstico. cedo para sesaber aonde
essas experincias vo chegar. Sua existncia deve entretanto ser
conhecida.
Outro movimento que comea a ter importncia na forma de e-
xerccio do mdico a preocupac;o comaqualidade do servio. No
exterior, os hospitais so cada vez mais administrados, incorporando-
senarotina esforos para amelhoria dos processos usados. Oobjetivo
no s proporcionar melhores servios, mas tambm diminuir os
custos. Este movimento de promoo da qualidade no oferecimento
do servio mdico envolve muitas atividades de quantificao, para
os quais so utis as noes de Estatstica aqui apresentadas.
() 111'ullerode tcnicas usadas emBioestatstica muito grande,
\!alllllSt.ratar neste texto apenas deformas elementares de anlise de
'\III\IIS, Por exemplo, no estudo da aspirina, a resposta considerada
,I" Illaior interesse era a ocorrncia ou no de infart0
1
urna varivel
,Iil'llLIIllC).L Como vimos ~a reprodu~;ii~-~[~tabela d~-~;rtigo orlglii"l';-"
1i U'<'llieautilizada para a anlise dos dados foi o teste q'ui-qna.dmdo
" " (';iklllo da mzo da.s chances. O teste nos permite decidir se o
1.llIl.alll<)lltoef1cazearazo das chances medir oseu efeito.
:--)1' a resposta de interesse no dicotmica, embora o objetivo
da llIl,! is<)seja o mesmo, por exemplo, testar aexistncia de efeito e
qllllllt.iliear asua eficcia, so usados outros testes, entre eles o teste
I I I : aiuda testes para comparar curvas de sobrevidas, como no
I':X, '111 pio L.3sobre cirurgia conservadora no cncer de mama.
11111 I > 1 arwjamento eanlise bemfeitos so cruciais. Crticas sobre
1i Illi"'1l1a<;i'i,o de um estudo impedem que seu resultado modifique a
I 11ai il'a I"llica. Neste caso, todo esfo[(;o despendido no desenvolvi-
111"111.1 I dI) <~s1.lIClo estar perdido.
(~aptulo2
Neste captulo dmnos oprimeiro passo para odesenvolvimento de
uma avalia{.;ocrtica denotcias COlnoesta. Primeiramente identifi-
cando osproblemas tpicos dapesquisa clnica,: oestudo daaRsociao
entre a exposic.;oa umfator eo eventual desenvolvimento de urna
doena, acomparao deop{.;esteraputicas eoestudo defatores de
prognsticos para pacientes submetidos aumdado tratamento. De-
pois, apresentando aS.9.~latrofOI!E~?J?..<A:~~~2!~!:'_5~,J?~~i.~.9'.ytilizadas na
soluo desses problemas: !?.!~1{12~.,_stes{.;.tiYDJ:l, estudos caso-controle,
estudos tipo c()()~teeensaio clnico aleatorizado.
"N~s~~t~d;~-d~~critivos, apresentam-se demaneira organizada in-
formaes....~cientes atendidos emumservio ou organizam~
sob uma tica mdTddos produzidos pelas instituies esttais de
coleta de dados.
Os ~~5:~~e e de coorte so comparativos, ou seja,
a concluso final obtida travs decomparao entre dois grupos
depacientes. Nos estudos caso-controle, como onome indica, acom-
parao sefaz entre umgrupo dedoentes eumgrupo depessoas sem
adoena estudada. No~studo decoorte compara-se umgrupo expos-
to ao fator de risco emestudo,com outro semo fator. Esses estudos
so observacionais, ou seja, o pesquisador no impe umtratamento
mas usa osdados produzidos pela histria do paciente.. Essas formas
de organizao so freqentemente, por razes ticas ou prticas, a
nica estratgia de pesquisa vivel.
A forrpa mais conclusiva depesquisa clnica oensaio clnico em
que, almda presena do grupo de controle, a comparabilidade dos
grupos garantida pela alocao aleatria dos pacientes aos trata-
mentos.
Oestudo detalhado dos planejamentos deestudos clnicos emge-
ral objeto da epidemiologia. Textos da rea, como Breslow &Day
(1980, 1987) eRothman &Greenland (1998), devemser consultados
para descrio completa decada forma depesquisa apresentada aqui.
A generalizao dos resultados de um estudo clnico a grupos
diferentes daqueles usados originalmente tarefa quemerececuidados
especiais. Deforma geral podemos dizer que, antes deser incorpora-
do clnica, os resultados deumtrabalho depesquisa so replicados
emoutras instituies, freqentemente emoutros pases.
()rganizao da Pesquisa
Mdica
,11I1'I11\.is, noticirios de televiso e revistas tm usualmente uma
: 11'1;1111 Sll1>l'<l sade. Neste espao sorelatados osavanos daMedicina
Llli: I 1'llIlllInovos tratamentos, associaes recentemente descobertas
1'1li11'dida ou outros hbitos pessoais ealguma doena ou forma de
I> 11 'VI'11<,:ao, etc.
11111 (~xemplotpico a notcia da primeira pgina do Jornal do
1111I:;il d(~28/07/89, dia da abertura do 13~Congresso Interamericano
di' ( ~al'diologiano Rio de Janeiro, transcrita aseguir:
I lI cor diz que safena edroga tm efeito igual
{'lua Pesquisa feita pelo Incor, publicada emjaneiro no
/ \'/ / I ,{:,/ ,;an Journal of Card'iology e apresentada no 13~
( :llllgnlsso Interamericano de Cardiologia, concluiu que
IISpacicmtescomproblemas cardacos submetidos acirur-
1',iaHdeponte desafena apresentam uma evoluo clnica
:,I'III<~lhantea dos pacientes que so tratados comdietas
I' Ill<~dicamentos. No entanto, o mdico argentino Ren
1"ll.Valoro, oprimeiro arealizar uma operao deponte de
:4i11'1;lla 110 mundo, classificade "confusos" osresultados de
III'SIJ 11 isas como arealizada pelo Incor.
1';11111111 I)studo descritivo o objetivo a pura descrio de um
1'111.11 111(\<\ iCII. Sua principal caracterstica a ausncia de um grupo
til' ('(1/111 ml'al;;'\.() , Um grande nmero de estudos se encaixam, grosso
1IIIIl I(I, II('sl.a classificao. Sem preocupao de sermos exaustivos,
l,i1.11/1111::-1 l)Ssl)guintes tipos: estudo de casos, estudo de uma srie de
('11: I( 1:1(' I!SI.lldos baseados em dados institucionais.
( ) l',c; I.IIdo de casos consiste na cuidadosa e minuciosa dcscril)io,
Ili11'111I1 lIII mais mdicos, do diagnstico eevoluiioda doena de um
Ili '( 1111 '111) Ilmero de pacientes. o tipo mais bsico de estudo clni-
('(I " 1."111grande tradio na Medicina. Muitos peridicos possuem
1IIIIil:;l'l:aoespecial para orelato de casos interessantes. Inmeros gru-
Ili':; 1'( "'1111 !/Il-seperiodicamente para analisar casos especficos. Muitos
1.1'111.111 I1I'lIl.oS,hoje incorporados prtica mdica, comearam com a
(d I:il'I'val:ao cuidadosa de um ou alguns poucos casos.
() ol'l.almologista N. Gregg, de Sydney, na Austrlia, observou, no
Ill'illll!il'osemestre de 1941, vrios recm-nascidos com catarata con-
"/'" iI.a. Ascaractersticas pouco usuais dos casos olevaram aprocurar
1IIIIal!xplicao que envolvesse as mes. Verificou que todas havi-
ill1l :;i<\1Iacometidas de rubola em uma grande epidemia que havia
IIl.illl',icioa Austrlia no ano anterior, exatamente durante o primeiro
I.li1111',c;I.J'() de gestaes que resultaram no nascimento das crianas
('(1111cal.arata congnita (Gregg, 1941). As observaes clnicas do
1)1',(:J'(!ggcriaram as condies para que vrias pesquisas posteriores
"11111' I1Issemhoje, alm de qualquer dvida razovel, haver associao
l'III.I'I!I'lllJi""olano primeiro trimestre da gravidez e defeitos congni-
1.1.:1. I';ssaconstatao eo desenvolvimento de vacinas determinaram
11. iIIi1'\)<1 Il(:iiodo procedimento de vacinao das mulheres em idade
11'/1. iI.
Clnicos com inc1ina(:i,o cientfica usam os dados dos arqu ivos
de suas institui(:es para produzir artigos que consistem na apl'l!
sentao organizada dos resultados dos seus tratamentos pn~fl)ri(II)s,
na dcscri(;i',odos pacientes tratados e na divulgao de outras illJm.
ma(:es que julgam relevantes. Os artigos com estas caractersticas
so charnados de Estudos de uma Srie de Casos. So de boa qwtl i
dade, se baseados em um conjunto de casos emque h unifol'luida<\,!
de tratamento e quando todos os casos, satisfazendo a um critl)J'ill
objetivo, so includos.
Estudos de uma srie de casos no fornecem informaes COIl-
fiveis para comparao entre tratamentos, nem podem s(~r a base)
para opinies sobre etiologia. Isto porque no so estudos compara-
tivos. As opinies sobre etiologia, preveno e teraputica, frcqiiml-
temente encontradas nas concluses desses artigos, devem ser visl.as
como um primeiro elo de uma cadeia de evidncias a serem obtidas,
e no como opinio definitiva. Mesmo com tais limitaes, esses (!S"
tudos so fundamentais para o avanc:o do conhecimento mdico e111
patologias muito raras.
Os servios de Oncologia Clnica da Santa Casa de Miseric<'>l"
dia de Belo Horizonte e do Centr() de Quimioterapia Antiblstica I!
Imunoterapia do Hospital Belo Horizonte trataram, de 1977 adezmll-
bro de 1984, 150 pacientes com linfomas agressivos usando o esqll<!
ma quimioterpico CHOP-BLEO. Brando et aI. (1987) analisa
ram os dados correspondentes com vista identificao de fatol'l!s
de prognstico para a obteno de remisso completa emaior tClll pll
livre de doena. Em relao remisso completa, a anlise COl\julIl.a
dos fatores considerados identificou trs fatores independentes: lJis
tologia, estdio e existncia de sintomas. A partir destes fato1'()sl)S
pacientes foram classificados em 18grupos; aremisso completa val'i
ava de 17% a 95,7%.
Com este nome agrupamos os estudos que apresentam, com uma
I'll.icaclnica, dados coletados por institui(:oes estatais.
() Ministrio da Sade publicou em 1991 o livro "Registro Na-
cjollal dePatologia Tumoral- Diagll(n.,tico (leCrmcer - DrasiI1981/85".
I) II1total de 442 laboratriof->ef->palhadof->por todo o territrio na-
cjollal contriburam com maif->de meio rnilho d(~diagnsticos, que
rllram codificados ecompiladof->. Apesar d(~essa publica(:o no apre-
sl~lll.artodos os diagnf->ticosdurante umdado perodo de tempo, nem
11111<1 amostra probabilf->tica, gera muita informao til. De forma
p:uticular, destaca-se a distribuio segundo idade, sexo e rgo de
III~senvolvimento dos cnceres.
Estudo caso-controle uma forma de pesquisa que visa verificar se
indivduos, selecionados porque )tmuma doen.0- os casos - diferem
f->ignificativamente, em relao exposio a um dado fator de ris)
II<~um grupo de indivduos comparveis, mas que no possuem a
doena - os controles.
Este estudo comea com o levantamento da histria clnica de to-
<los os pacientes selecionados. Com as informaoes, 2rocura-.J3sh.er
f->e.JLfat.Qr...Jie-..r:is.cQ. ...es.t.,Lp.I:.eseute."mais. ..Jr~:lJJ~nt~m~[lt. ... ()lL(;'.rrLniYe1
Inat:U~.kyg,-...,ntr:-9..9lilllL_illle ~_.91lj;gJl.tI.Ql~9.. , Se a evidncia for
f->uficiente,o pesquisador concluir que existe uma associ~_]}tIE).o
ratord~ ..:risce a. doenc:a.
.- Idearnente,';~-~;~evem ser todos os que ocorreram durante
Illn perodo de tempo em uma populao definida. Os controles de-
vmn ser pessoas comparveis aos casos, mas sem a doena, ou seja,
1)(~f->soas que, se desenvolvessem adoena, seriam escolhidas como ca-
f->Of->.
Os grupos de casos e de controles podem ser formados de forma
1~lllparelhada ou de forma independente. No primeiro esquema, para
cada caso um ou mais controles semelhantes so escolhidos. J na
forma<J) de grnpOf->d<~fOUIl<\. iIJ(l<)pendente, os controles no so <~f->-
colhidos de forma af->f->ociada aumcaso especfico. Preocupa-se apermf->
em garantir que o grupo de caf->Of-> f->eja,na sua totalidade, parecido
corn o grupo <lecOlltrolef->.
O caso particular do empa.relhamellto emque h apenas um C011-
trole para cada caf->O denOluirw.do paremnento. No pareamento, para
cada caf->O, um control(~comcaracterf->ticaf->bsicas semelhantes ao do
caso ()ef->colhido.
Os estudof->de caf->o-contro!Cf->iiouma fonna de pesquisa simp1cf->
e eficiente, por if->f->o muito utili;;,c1da. Atnwf->dela, j se verificararn
ou se confirmaram af->f->ocia(:mentr<~fatoref->de risco e vrios tipof->
de cncer. Niio h dificuldades ticaf->para sua implementao e,
portanto, Of->dad(lf) usadof->f->iioOf->de seres hUlIlanos. Isto livra o
pesquisador de difceif->generaliza(:es inerentes aos estudos desen-
volvidos em animais. O tempo gasto e os custos associados so
relativamente pequenos, j que, normalmente, so utilizados dadof->
preexistentes. So particularmente adequados ao estudo de doenaf->
raras, porque o pesquisador come(:a com um grupo de pessoas qu<~
comprovadamente tm a doen(:a.
Sua grande limitao asuscetibilidade aos vcios de informa8,(l
e de seleo. Um estudo detalhado desses vcios, formas de evit-lof->
na etapa de coleta de dados ou durante a anlise dos dados, regraf->
claras para aescolha dos casos econtroles extrapolam oobjetivo def->k
texto, mas so fundamentais para quem quiser utilizar esta forma eI(~
pesquisa. Existem vrios livros sobre o assunto, entre eles, Breslow
&Day (1980) eRothman &Greenland (1998).
Gomes (1992), em tese de doutorado na Faculdade de Mediei IIiI
da UFMG, realizou estudo caso-controle com o objetivo de avaliar ;\
influncia de 'fatores de risco no cncer de mama, utilizando dael<n~
de nosso meio. Como casos foram escolhidas pacientes portador:ls
de cncer de mama registradas no Hospital das Clnicas da UF!VI( :,
que satisfizeram os seguintes critrios de incluso: idade epoca IIII
diagnstico entre 25 e 75 anos, diagnstico feito entre 1978-1!JH7('
confirmado por exame antomo-patolgico, tumor originrio eloI.<,<'j
do epitelial e ter sido submetida a algum tipo de cirurgia na 111:111111.
( ~"IIIl)controles foram escolhidas pacientes comidade igual elocaso
(1llais C)IImenos dois anos), data de admisso ao hospital igual data
,I,' ,', liI!irluao do diagnstico do caso (mais ou menos seisllleses) e
,'\; 11111' c'\nico da mama sem indicao de patologias mamrias. De
iII 'IIl'cIc)c:cnn esses critrios, foram selecionados dois controles para ca-
Ili\ c';\SCI. O primeiro foi selecionado no mnlllllatrio de ginecologia
'" " :;i')',111 \(10no registro geral do hospital. A anlise estatstica, en-
111'v:irias outras concluses, mostrem cllw a pn:senc,a na paciente de
1Ii::!c'Iriafamiliar de cncer de mama aunwuta o risco desta patologia
1'111:-:,:-:;1 vezes.
1';sLIll10de coorte uma forma de pc:squisa que visa verificar se
111I Iivcluos, selecionados porque' foram c:xpostos ao fator derisc~ cl-
:;i'Ili!C>1 vmn a doena enl q1llstiio, eUI maior ou nlenor proporo do
c1111' 11111 grupo de indivduos, comparveis, mas hiio expostos ao fator
iI" risco.
1';111 contraste COIllum estudo caso-controle, um estudo decoorte
: IV ; 11 IC,:ano tempo e c()loca nfase no fator de risco. Identificam-se
11111 ,1'/l1pOexposto ao fator eogrupo controle, constitudo depessoas
'I' Il' 11;10foram expostas a ele. Os dois grupos so acompanhados por
11111 1)\,rodo de tempo e as taxas de incidncia da doena calculadas.
~;i' \'ssas taxas so significativamente diferentes nos dois grupos, o
1'1':ICI'Iisador conclui que h associa(;o entre a doen(;a e o fatoL
( )s estudos de coorte possuem vrias vantagens. O pesquisador
II'111a possibilidade de usar critrios uniformes, tanto na identificao
,Ia I)I'c,sena ou no do fator de risco ao incio do estudo, quanto
lia vi,rificao da ocorrncia da doena nos vrios exames de acom-
11; 1.11 IlaUlento. A comparabilidade dos dois grupos pode ser verifica-
,Ia IIC)incio do estudo e identificadas as variveis para as quais so
IIC'i'i'ss;.rios ajustamentos na anlise dos dados.
1';111nm estudo prospectivo, o pesquisador tem muito mais liber-
,Ial li' s"bre o que medir e como medir, j que no se restringir ao
li:;"e1c,dados j coletados. Uma outra vantagem, que s poder ser
II 1IIII'idamente apreciada ao se estudar a metodologia de anlise de
,I:uIIIS, (, que os estudos de cOOlte nos permitem obter diretamente
1IIIIal,sLinlativa de magnitude do risco relativo. Isto significa que
possvel quantii.car o risco de d(:senvolv(:r a doelH.:aCOlup;l,rando-se o
grupo de expostos ao risco com o grupo de, nilo exposLos.
Estudos decoorte siiograndes, longos enonnahnentc, caros. Quan-
to mais rara a dO(l]H,aem questo, maior o nmero de pacienLe:s que
precisam ser examinados. Embora, do ponto de vista terico, os e:s-
tudos de coorte sejam melhores que os estudos caso-controle, estes
ltimos siio mais comuns.
Exemplo 2.5: Personalidade e desenvolvimento de doena
coronariana
Um estudo de coorte com o objetivo de avaliar o possvel efeito
da personalidade no risco de desenvolvimento de doena coronariana
foi conduzido ent.re: 3.154 trabalhadores do sexo masculino com idade
de 30 a 59 anos (BramI et al., 1976). Os indivduos entraram no
estudo entre 1960-61 e foram acompanhados por um perodo mdio
de 8 anos e meio. Atravs de entrevista no incio do estudo, foram
classificados emdois tipos depersonalidade, A eB, sendo osprimeiros
mais agressivos, competitivos eansiosos.
Os resultados da Tabela 2.1 indicam que nas duas faixas etrias
consideradas os percentuais de indivduos do tipo A que desenvolve-
ram doena coronariana so aproximadamente odobro dos encontra-
dos no outro grupo.
Tabela 2.1: Percentual de indivduos que desenvolveram doenca coro-
nariana segundo faixa de idade etipo de personalidade >
Personalidade
A B
8,9 4,2
15,9 7,6
39-49
50-59
Grupos de pessoas so selecionadas para o estudo de coorte por
uma variedade de razes. Apresentamos a seguir dois exemplos.
() e~studosobre os efeitos da radiao nos sobreviventes da bom-
ha at/)Iltica descrito por Miller (1969), ilustra uma situao em que
'l ",I'III)C)foi escolhido para com)Ol' a coorte por ter sofrido uma ex-
Jlosi(;ao de intensidade pouco COlnumeo objetivo do estudo era veri-
li('lu' IlS(~fe~itosdesta expofJie;iio.
() ('ilissico estudo de Doll &, Eill (1%4) sobre associao entre
1'1111('1'1' 110pulmo e fumo ilustra a e~scolhada c:oorte pelo fato de
'I 1',I'IIJ)C) possuir caractersticas qne fac:ilitanl a obtene;o dos dados
'ti' d li',~a (~xposio ao fator e o seguimemto dos pacientes. Foram a-
"'lIIIJlluilmdos mdicos da Inglatc~lTa, um grupo fcil de contactar e
111 1 (1I1altodas as mortes s8.0rotineirame~nte bem documentadas.
1';111 muitos estudofJ decoorte osgrupos decomparao so obtidos
ai )('ISIl incio do estudo, de acordo com o nvel de expsie;o ao fator.
1'1li' (!xemplo, as coortes do Estudo de Framingham sobre doenas
1'III'OII:,rias(Kannel et aI., 1972), foram construdas dividindo-se o
",I'IIJ)C) acompanhado de acordo com hbitos de fumo, nveis de coles-
1.1'1'01, dc. Nestes caBOSn8.o h necessidade de um grupo externo de
('llIlll>araao.
Ij;moutras situae;es, particularmente quando um grupo submeti-
do auma exposio pouco comum estudado, importante comparar
,l I'(~sultado observado com aquele esperado, caso os indivduos no
I.iv(~ssemsido submetidos ao fator de risco. Usa-se a experincia da
populao em geral, ao tempo em que a coorte formada, como
Iladro de comparao.
Finalmente, usa-se tambm como base decomparao outra coorte
!'( mnada por pessoas no expostas, parecidas nas caractersticas de-
Illogrficas com o grupo exposto. Por exemplo, para uma coorte de
radiologistas, Seltser e Sartwell (1965) usaram como padro de com-
I>arao dados de oftalmologistas eotorrinolaringologistas.
Detalhes adicionais sobre a seleo de coortes e outros aspectos'
relacionados aesse tipo de estudo podem ser encontrados emBreslow
,Iv Day (1987) eRothman &, Greenland (1998).
\
Siio usados qnando {~iU('I'I'I<I'I valor de uma nova terapia 011OH
mritos da terapia exist,elltr~(~sl,lil ('mdisputa. ametodologia ai )1'( l
priada para a comparae;8.o ell, tratamentos.
Aps um critrio de admissiio ter sido definido, os paciente~s SI\.O, :\
medida que entram no experimento, alocados de maneira aleatria 11.1 l
grupo controle, que recnbn a teraputica padro, :~ao grupo I.ral.lI
mento, que rncnbn atnraputica sendo testada. Todo esforo de~v(~SI'I'
feito para oferecnr os mnsmos cuidados aos dois grupos. Termiua( IIl
o experimento, tcnicas estatsticas siio usadas para se decidir Se!Illi
ou no diferew;a na eficcia das tnr:l,pias envolvidas.
Esta uma forma nxperimnntal de pesquisa, isto , o pesquisa( I( li'
interfere de maneira deliberada no CllTSOnatural dos acontecimenl.os,
em contrapc)f)ic;iio aos efJtudos observacionais, em que o pesquisa<I(lI'
se restringe coleta de dados, sem alterar a dinmica do ))J'OC!,SSI I
em considerac;iio. Por isto est sujeita a constrangimentos {~tiCI l8,
disciplinados pela conveno de Helsinque.
O conhecimento pelo paciente ou pelo mdico do tratanwlll.ll I1
ser administrado pode infiuir na evoluiio da doena, no atra:v{~sdi'
fatores extrnsecos, mas diretamente pelo processo de auto-sug('sl.lI.Il,
o efeito placebo, que traz vcios ao estudo clnico.
A nica maneira de eliminar oefeito placebo nos grupos COIiIJ liIl'a
dos realizar, sempre que possvel, experimentos cegos, nos qllai," 'I
paciente ou o mdico no conhece o tratamento, ou duplo-c!,g'l, 11' 1
qual ambas as partes desconhecem o tratamento. Este ideal, (!lil.j'('
tanto, nem sempre . factveI.
Muitos avanos no tratamento do cncer de mama tm sici() ('H
tabelecidos atravs de estudos realizados pelo National Sur:q:(l,! I lrI
juvant Breast nd Bowel PTOject (NSABP). Em 1985, discuLiasl' 11
necessidade de se submeter quimioterapia ou hormoniotera,pia, JlII
cientes de bom prognstico, logo aps a cirurgia. Em pal'l.i('.lillIl',
havia evidncias de vrias origens de que o tamoxifeno pode~rill 1111'
lhorar ainda mais o prognstico dessas pacientes. Naquela {'PO<:II, 11
tamoxifeno j era usado largamente no tratamento de pacienl.(!s <:(1111
cncer de mama. Diante disto, o NSABP iniciou o protocolo I\ 1,1
para determinar a eficcia do tamoxifeno em pacientes consici{!l'lIdllll
Ensaio clnico aleatorizado um experimento mdico, realizado
C()1I1o objetivo de\eIifi,ar, entre dois ou mais tratamentos, qual o
fuais efetivo. - .. ---
ch~!lc>lUprognstico, isto (~.ilqudas COIntllmOl'es com receptor de es-
Lrc'lglmopositivo ( > 10I nwl), idade inferior a70 anos, comcncer de
1IIIIIIIaopc~n\vel elinfonodos axilares negativos ,to exame histolgico.
I<'c lI'alJl criados dois grupos de pacientes atravs de aleatorizao
ri,j I.ae1C!1 Il.mde estratos definidos por idade e tamanho do tumor na
1Illllisc~c:illica, tipo de cirurgia e concentrao de receptor de es-
l,rc'IJ',c'IHI.Um grupo recebeu tamoxifenu (10 Tng por dia, via oral,
dllllS V(!Y,(~S ao dia) e o outro, placebo, indistillguvel do tamoxifeno
1111IIpllrf!tlcia e gosto. Alm disto, o ensaio foi organizado na forma
( IIIJ li(I cc~go.
1 \ Ilc\sacompanhamento das pacient(-)s por um perodo de at 4
all'I:;, c,JJlstatou-se uma diferen(;a significativa em termos de tempo
Ij vr" IIc!cloena em favor das pacientes que receberam o tamoxifeno.
N( 1 )',I'llpOtratamento, 83% estavam livres da doena aos quatro anos
IIlli'lH acirurgia, enquanto que no grupo placebo esta porcentagem era,
cl(' 'i; \ 'X, . Este estudo, publicado por Fisher et al. (1989), contribuiu
clc'c'i:,;ivamentepara a adoo do tamoxifeno como quimioterapia ad-
.illvaIIL(!logo aps a cirurgia em pacientes de bom prognstico.
1 \ rmposta de um indivduo a uma teraputica varia de acordo
I'111 II SIJascaractersticas pessoais. Assim, para que as diferenas por-
V(lll.lII'adetectadas sejam realmente devidas diferena na eficcia
da:; I.c'I'apias, fundamental que os grupos de tratamento e controle
::",ialll comparveis.
1 \ \'lllica maneira completamente segura de se atingir a compa-
IiIlli I idad(~ a alocao aleatria dos pacientes participantes no ex-
1"'lilll(III.Oaos grupos de controle e de tratamento. Existem vrias
1,'c'llicas de aleatorizao, como discutidas por exemplo em Soares &
WII (I!)K:~).
1 \ )';Iande vantagem do uso da aleatorizao est no fato de que os
d"i:; ,I'YIIPOSobtidos sero semelhantes em todos os aspectos, exceto,
(' ('I:u'", 110que diz respeito ao tratamento recebido. Isto acontece
1"lI'qll(' a I.endncia aleatorizao fazer com que os grupos apresen-
1"111a:; 11}(~SmaS distribuies para as caractersticas dos indivduos,
("lIilll'(:itias ou no. Isto especialmente verdade quando o tamanho
d( 1:1 J',rllJ)()S(~grande.
Al(~mdisto, a alealorizi\I,:il'l l'lilllilli) IIS\'cios dl~sele(:o. (: ('1:11'l1
que se os indivduos sn alocados ,,11';11 mimlwllte aos diferenj(!s grll
pos, n,o lli\' a possibilidade d(~qlll~prder(~ncias pessoais do inwsti
gador, no qne s(~n~f(~n~a qual (; o mdhor tratamento para um dd(~r'
minado paciente, venllilm a alterar os resultados do estudo.
Quando omnwro de pacientes (~p(~queno, aaleatorizao torna os
grupos apenas aproxinladanlent(~ comparveis. Para melhorar a ca-
pacidade eledcteu;,o do deito pdo experimento, dois procediment.os
so usados nessa situao: as i~~.~:!2~~,:,:,~2~:.-::stratificao e de ajusk
Na estratifica<;,o dividimos os pacientes crn subgrupos de acordo
comvariveis que reconhecidamente afetam aresposta ao tratamento
e fazemos aloca(;o aleatria dentro de cada subgrupo.
As t(;cnicas de ajuste, geralmente mtodos estatsticos multivari-
ados, fornecem meios de compara,o entre os grupos, vlidas mesnw
quando estes diferem emuma ou mais caractersticas conhecidas. N,o
demais ressaltar que apenas a aleatoriza(;o pode produzir compa-
rabilidade emvariveis que, embora afetem aresposta, no so ainda
reconhecidas como influentes pelo pesquisador.
A alocao aleatria pode ser implementada atravs de esql W
mas bastante simples tais como o lanamento de moedas ou dados.
No entanto mais comum o uso de nmeros aleatrios, gerados [l0l'
programas de computador ou lidos de tabelas especiais, como a ap]'(~
sentada na Tabela AI do apndice.
Para usar esta tabela basta escolher uma linha e uma COlUlJaC~
seguir emqualquer direo deforma sistemtica. Onmero dedgi 1,( IS
aser usado depende da situa.o. Para se alocar 100indivduos adois
tratamentos (A e B) so necessrios dois dgitos. Os 100 indivlllos
so primeiramente associados aos nmeros 00 a 99. Por exemplo, (I~,
nmeros mpares so alocados ao tratamento A e os pares ao LraLa
mento B.
A alocao aleatria amplamente utilizada emensaios clnicos c'
emestudos experimentais comcobaias etrata-se deumprocedilJH!111,1 I
com regras claras. O termo aleatrio no deve ser entendido COlllo
alocao desordenada ou feita de forma ambgua ou confusa.
como no caHOd(~eHtudoHcaso-controle.
Hoje aceita por tOdOHa necessidade de um grupo de cOlltl'Oll\'
Historicamente, entretanto, iHtonem sempre foi assim. MuitoH IlI'!l
cedirrwntoH mdicoH inciicienteH, colno o congelamento do esttJlllal'.( l
no tratamento de lcera gHtrica(Rc!ffin et al., 1969), foram uHadoH
por longo tempo simplcHmente porque, ao se estabelecer sua dic;kia,
no se fez nenhuma compan1(~o.
Oestabelecimento deumpadro decomparao usual na prtica
mdk. O clnico compara o paciente HobHeuscuidados, hoje, <:0111
outros que j tratou ou estudou. Baseado nessas experincias, clecid(~
o procedimento que usar. Assim, a exigncia de grupo control(~ (~
mera explicitao de procedimento mdico padro.
A aceita(;o do resultado do estudo depende, fundamentalrll(~IIL('
da comparabilidade dos dois grupos. Parte pondervel dos cuidados
no planejamento dos estudos comparativos visa garantir esta compa-
rabilidade.
1';HLudocomparativo um termo genrico usado para designar
I)HI~HL11doH caso-controle, os estudos de coorte e os ensaios clnicos.
( )HIIIliHprimeiros so principalmente eHtudos etiolgicos: procuram
d('HI'ni>rirassociao entre fatores de riHcoambientais ou caracters-
l.il:aH1)(~HHmS e a doena. Criam maiH um elo na determinao da
l'allHalidade da doena emestudo.
1(1)( 11~1l1 ser estudos observacionaiH HOOHpaci(~nt(~Hno Hoalocados
all'al.oriamente aos fatores emoHtudo. NOHHecaHo, UHam-seapenas os
d:uloHobtidos no exame da vida pregrcsHa dm pacienteH. IHto em
1'llIll.l'aposio aos ensaioH clnicoH, em que OHlJaci(mteHHoalocados
ali 'al.Ilriamente aos tratamen/,OH.
Ao Heiniciar um estudo comparativo fundamental identificar a
I'!':''1)(lH1.'1de interesse. PodemoH esta,}' intercHHadoHapcnaH na, ocor-
rl~llI:iada cura da doen(:a ou na remissi'io do tumor, caso em que a
I'!~HpoHtauma varivel dicotmica. Alternativamente, a resposta de
111 ail lI' interesse pode HeI'o tempo de sobrevivncia, ou o tempo da
l'I~lllisHiioat a recidiva. Nm ltimos anos, ndices de qualidade de
vida comearam a,ser considerados como respostas de interesse, ao
lado d(~medidas clnicaH de efeito de tratamentos.
Quando a contribuio de um fator, identificada em uma aw't.JjHI'
individual, pode ser total ou parcialmente atribuda aoutro, dizm111 lS
que estamos diante de uma situao ~~mque h confuso de deiLIls
(Datta, 1993).
Um fator de confuso pode ocorrer em qualquer tipo de eHtlldo,
incluindo os experimentais. Em muitos estudos epidemiolgicoH, a
idade e o nvel scio econmico si'iopotencialmente important(~H I'a
tores de confuso. Por exemplo, suponha que a idade um l'aLIlI'
de risco para uma doena e um estudo tem como objetivo avaliar
se esta doena est associada a uma determinada exposio (pol.(~J1
cialmente fator de risco). Se pessoas expostas so 'mais velhaH '1111'
pessoas no expostas, como se poderia saber se o efeito observa( 11)
para a exposio realmente devido exposio ou idade? EIILI\()
neste caso a idade um fator de confuso.
Para que se possa dizer que uma varivei um fator de risl'l)
para uma patologia, preciso produzir evidncias de que no 1~J(isLI'JII
fatores de confuso, isto , variveis associadas ao fator e dl)(!Jll'll
que explicam a associao observada. Em geral, uma manif<~Ht;U,:I;1 l
necessria, mas no suficiente, de um fator de confuso em 1.1111 11111 III
estudo que ele esteja associado ao 'fator de risco e docIll~a, <:1111111
I(kalmente, a comparao dois tratamentos, A e B, consiste em
:,1'aplicar otratamento A emumgrupo de indivduos emedir o efeito
(11)tratamento. A seguir, determina-se o efeito do tratamento B, no
IIWHtllOgrupo. Qualquer diferena observada seria devida unicamente
aoH tratamentos. Isto permitiria estabelecer diferenas na eficcia
I"d,l'I~eles.
1';Htcexperimento ideal, por razes prticas ou ticas, impossvel
"I~HITrealizado na maioria das vezes. Por exemplo, como aplicar o
:'1')',1111(10 tratamento se o paciente morreu? A soluo a criao de
,11)iHgrupos de pacientes, to parecidos quanto possvel. Cada grupo
1'I'I'ld)(~um tratamento eos resultados so comparados. Como usual-
11"~llt.l~ OHdois tratamentos comparados so opadro eumtratamento
:dI.,'1'1mtivo, os grupos usados recebem os nomes de grupo controle e
.rf'l'1 I 1 )() tratamento. Estes nomes so mantidos emtodas as circunstn-
f'i:\:" IIWHmoquando acomparao no mais entre dois tratamentos ,
I r::ator de risco I - - - - - - - - .. - I Doena
'\ /
Considere um estudo caso-controle planejado para estimar o poso.
sve1efeito do uso de plula anticoncepcional ecncer demama. COllle)
o nvel scio-econmico (NSE) um conhecido fator de risco para I\.
doeHe;a, para avaliar a associao com o uso de plulas anticoUcCI)
cionais, recomendada urna anlise estratificada por NSE.
Um outro exemplo um estudo de coorte para estimar o efe~i LI)
da exposio serragem da madeira na ocorrncia de doenas ]'(~s-
piratrias crnicas mn trabalhadores de fbricas de mveis, do sexe)
masculino ede meia idade. Corno ofumo conhecidamente um fato!'
de risco para a doem;a, deve-se considerar o hbito de fumar corno
um fator de confuso eusar urna anlise mtratificada por este fator.
Outra forma consiste na utilizao detcnicas multivariadas espl~-
cialmente desenvolvidas para isolar a contribuio especfica de cada
fator. Elas exigem o uso de programas de computador especficos I!
s conseguem, entretanto, controlar o efeito de fatores conhecidos.
A identificaco de fatores de confuso ede estratgias de controll!
terna importc~nte da epidemiologia, O leitor interessado pode lI!!'
mais sobre o assunto, por exemplo, em Kleinbaum et aI. (1982) I!
Rothman & Greenland (1998),
Fator de
confuso
1"i",lll'a~.I: Diagrama ilustrando a re1ae,o entre fator de confuso,
l'aLIli' (lI! risco edoena
1';xisLI!mduas maneiras de abordar a inHuf!ncia dos fatores de
1'lllIl'llsao: control-Ias na etapa de planej amento do estudo ou na
I'Lal'a di! anlise dos dados,
I\s IJrillcipais estratgias para contornar o problema criado pelos
1'111,1 II'I'Sdl~confuso so descritas a seguir.
1 \ I'ri fileira, na fase de planej amento do estudo, usar a aleatori-
'/.1\.1::111 1'/llIl a homogeneizao,
1 \ all!:tJorizao faz com que os outros fatores que, alm do trata-
1111'lilll,al'dam a resposta tenham a mesma distribuio nos diversos
)',11'1)( 1:1de' c:omparao, deixando assim de constiturem fatores de
1'11111'11:::111,
1 \ illllllogemeizao consiste em selecionar indivduos com carac-
11'I'I:ill'a:;sl!l1lclhantes em relao aos fatores que afetam a resposta,
di' Lal I'llrlllaque a nica diferena relevante entre os diversos grupos
liqlll' :iI'llIloo tratamento, Esta estratgia, no entanto, dificulta o uso
1111Ilr:i,Lil:ados resultados obtidos,
1 \ :;I:l',lllIdaestratgia usar, na etapa de anlise dos dados, tc-
Iil'Ii:; l'c:LaLsbcas para tratar a questo da no comparabilidade, A
1'1'1 IIl1'iI'a(! a construo de anlises estratificadas, isto , em subgru-
1)(I:!11111111 Ig('~IWOS de pacientes.
Os pacientes cujos dados so usados em um estudo comparati VI1
quase nunca constituem uma amostra representativa de uma pOpl1
lao de interesse. Assim, a generalizao de resultados,de pesquisa
clnica no se d, usualmente, via inferncia estatstica, mas atraV(!H
da repetio do estudo emoutros grupos depacientes, RecentememLI',
a agregao de resultados de vrios estudos recebeu o nome de m,da
anlise e hoje importante forma de acumulao de conhecimellLl1
mdico, admirvel asntese feita sobre quimioterapia emcl1(:I~r111'
mama, publicada emjaneiro de 1992, e preparada pelo Early lh'('I / , , ~1
Cancer Trialists Collabomtive GTOUp. Hedges & Olkin (1985) (!1111111
referncia sobre mtodos estatsticos para meta-anlise eRothrnall 1\'
Greenland (1998) trata o assunto de forma mais conceitual.
1. Para cada uma das situaes descritas aseguir, indique qUiddllH
seguintes formas de pesquisa foi utilizada: estudo descriti VO,I:H
1.11< l() caHo-controle, estudo decoorte, cnHaioclnico aleatorizado
Oli 11<~1l111lma das anteriores.
como naHcimento de b(~bHcom baixo peso ao nascer, isto ,
menOHde 2.500g.
(a) 1'ara avaliar o efeito protd~or da vacina BCG emcrianas
COTIl menos de 15 anos, mtudaram-He as crianas que rece-
I)(~ramalgumtratamento antitubmculose durante oano de
Imn na cidade deBuenoHAireH,tanto intcrnadoH emhos-
piI.aisoutratados na forma amlmlatorial. Para cada caso,
(~uc(mtrou-seuma crian<{ada nWHTuaidade, HCXO, condio
scio-econmica e que tiulra alguma doena aguda, dife-
"(~ntede tuberculose, no meHmoperodo eque havia sido
tratada no mesmo estabelecimento. Em ambos os grupos
. - , \
considerou-se como vacinados osquetinham acicatriz cor-
respondente vacina BCG emurna ou ambas regies del-
toidianas. Esta descrio foi publicada no Boletim OPAS
(Calvete et al., 1986).
(Il) Os primeiros 700caSOHdecncer defgado diagnosticados
que ocorreram emvrios estados americanos aps o 1"- de
janeiro de1990 foramseguidos at 31 dedezembro de1994.
Os nveis de consumo de lcool foram medidos para cada
caso. Trezentos casos morreram durante esse perodo de
cinco anos.
(a) Como voc encaminharia umestudo decoorte eumestu-
do caso-controle para avaliar aconjectura do pesquisador?
Identifique clarameute os grupos decomparao.
(b) Cite pelo menos 3fatorm que voc deveria controlar para
tornar os grupos comparvciH.
(c) Por que, neste caHO,no Hepode usar a forma de ensaio
clnico?
(C) Umestudo foi conduzido emumgrupo de gmeos mono-
ligotos edizigotos do mesmo sexo, sendo que um gmeo
do par tinha cncer no clon eo outro no. Todos foram
casos incidentes observados em6grandes centros mdicos
deuniversidades do sudoeste dos Estados Unidos durante
mu perodo de 5anos. Informaes sobre o teor de fibras
(ladieta foramcoletadas para cada umdos indivduos afim
(1eestimar seu efeito na ocorrncia decncer no clon.
(a) A plula anticoncepcional umfator de risco para trom-
boembolia?
(b) Usinas nucleares podem causar defeitos congnitos nos fi-
lhos de mes que moram emreas prximas ausinas?
(c) A poluio do ar pode causar cncer depulmo?
(d) A anestesia como halotano pode causar problemas de f-
gado?
(e) O fumo umfator derisco para problemas coronarianos?
(f) Para algumas formas dedoena coronariana ouso de me-
dicamentos to eficiente quanto acirurgia?
Explique que tipo de estudo voc usaria para estudar estas
questes, aqui no Brasil. Descreva osgrupos queseriam usados
epossveis fontes devcios.
~I, (~( lllsidereaseguinte hiptese: "ODIU predispe para ocncer
d(' <:<'llonuterino". Resumidamente descreva alternativas de
plallejamento para conduzir um estudo que discute este pro-
Id(~llIade pesquisa.
5. Que tipo deestudo voc usaria para verificar aassociao entre
umfator ambiental eumcncer raro. Justifique sua resposta.
:\. Ibs(~adona observao devrios casos, umclnico su~peita que
() ['atode a me ter menos de 20 anos de idade est associado
6. Freqentemente ouve-se a afirmativa que a nica opo real-
mente correta para se investigar uma hiptese clnica o uso
prospectivo de uma coorte depacientes. Explique porque voc
concorda ou ou no comesta afirmao.
7. EmumCongresso deOllcologia, dois trabalhos foram apresen-
tados comparando-se tratamclltos para omcsmo tipo decncer.
Osautores, emambos oscasos, apresclltaram osrcsultados obti-
dos emsuas clnicas. lJm participant,(~, analisalldo as duas co-
municaes, resolvemadotar otratamellto comaIllelhor taxa de
resposta. Esta uma dccisl.ocorreta'! JUStifiqlll' sua resposta.
Captulo 3
(a) Em um ensaio clnico garante-se a comparabilidacle dos
grupos atravs deuma escolha aleatria dos dois grupos.
(b) Emumensaio clnico deve-se usar uma amostra aleatria
depacientes.
(c) Este estudo vlido, pois os pacientes foramescolhidos de
forma aleatria.
Descrio e Apresentao
de Dados
D. Como emumestudo caso-controle obtm-se acomparabilidade
dos dois grupos de pacientes aserem contrastados?
(a) Em um ensaio clnico, dois tratamentos (A e B) sero
tnstac10s atravs da comparao de dois grupos de igual
tamanho, cada umcom30 pacientes.
(I) Ij~mumensaio clnico envolvendo 100pacientes, decidiu-se
que 40% deles receberiam otratamento A eos restantes o
tratanlCnto B.
(c:) U.<~pitao item anterior para 50 e20 pacientes mantendo o
1t\(~SIllOpercentual emcada tratamento.
Os dados obtidos dos pacientes participantes de estudos m(~diC:IIH
devem ser analisados e interpretados como auxlio de mtodos I!N
tatsticos. A primeira etapa desta tarefa, aorganizao esntl!sl' cios
dados. Para isto, foram desenvolvidos mtodos que recebem o 1101111'
genrico de estatstica descritiva, ou ainda, anlise descritiva, LI!IIIII
deste captulo.
A anlise descritiva consiste basicamente na organizao r~d(!sni
o dos dados, na identifica,o de valores que traduzem o ell!lll('11 LII
tpic;o e na quantificao da variabilidade presente nos darlos. ()II
elementos bsicos para essa anlise so: tabelas, grficos enll!dicl/l.iI
ou. snteses numricas.
O uso de tcnicas descritivas devesempre preceder anlis(~sIIl/1.ill
avanadas. Alm de propiciar a familiarizao comos dados, IlIl:- 1
sibilita a deteco de estruturas interessantes e, eventualnH~IILI',11
presena devalores atpicos nos dados.
Ul. Corno pode ser controlado oefeito deumfator deconfuso em
umestudo caso-controle?
LI. Diga o que umgrupo controle equal asua importncia em
pesquisas clnicas. Exemplifique sua resposta usando umensaio
clnico.
Neste texto apalavra varivel deveser entendida como aIEiI,ili
cao da caracterstica do intereSHedo estudo, Corresponde aotermo
'p~~im'-et:outllIz~Lc1'cr:il rrlliffiifi'-Dj'i5:;riEl" MccIi'(,inrl.
'Drri-qestionrio de um inqurito opdomiolgico quo contm as
seguintes perguntas: Qual a sua idade? Qual o nmero de pes-
soas dasua famlia? Qual a renda total de sua famlia? Qual o
seu estado civil? Voc tem emprego fixo? produ~ informaes nas
variveis: idade, tamkmbo da famlia, renda familiar, estado civil e
emprego.
Emgeral, amera identificar;i'ioda caracterstica de interosse leva,
de forma natural, a urna quantifica(~o adoquada. No h problema
na definio de variveis quando o interesse recai sobre parmetros
hematolgicos, presso sangnea ou dados antropomtricos. Emou-
tros casos, entretanto, antes queaquantificao dacaraterstica possa
ser feita preciso padronizar os procedimentos de avaliao. Por e-
xemplo, na.o imediatamente claro como quantificar intensidade de
dor, falta de ar (dispnia) eestado geral do paciente. Escalas espec-
ficas foram desenvolvidas para isto.
Em outras situaes, embora a varivel medida seja claramente
definida, avariv,el dereal interesse obtida atravs da manipulao
de outras variveis. Para avaliar a obesidade de um indivduo co-
mum a utilizao do ndice de massa corporal (IMC) definido como
arazo entre o peso (kq) eaaltura ao quadrado (m
2
).
Chamamos vaT'ivel Tesposta aquela a ser explicada no estudo.
Almdela, h sempre outras variveis que devemser consideradas na
anlise, denominadas 'uaT'iveL5 de contmle ou covaT'iveis.
varivel hbito de fumar, pode-se classificar um indivduo COIIIO1'11
mante ou n8.ofumante ou ainda usar urna classificao mais ddl\.l I11\.
da: no fumante, ox-fumanto, fumante ocasional, fumante invd(!I'IUIII,
etc. A classificar,:ode pessoas atravs de nveis pressricos, pode H(!I'
hipertenso ou normot(mso ou, entre outras, normal, hipertenso I(~v(',
hipertenso moderado ehipertenso grave.
FreqUentemente os dados so reduzidos a duas categorias PI\.I'I\.
simplificar a ami,lisee a sua apresentao, mas isto pode em algllllH
casos resultar emconsidervel perda de informao.
Variveis q'lw:ntitat'i'uas podem ser (ScTeto,s. ou contn'uas.
Em uma varivel d-iscTcta, os valores diferem entre si por <]1 1<1.1 Il.i
dades fixas. Tamanho da famlia uma varivel discreta, j qlw ifllli
vduos diferentes tm tamanhos de famlia que diferem por oxelllJ I1II
por 0, 1, 2, 3ou4indivduos. Nenhum valor intermedirio pOSHfv(!1.
Variveis discretas so geralmente o resultado de contagens, e01111l
por exemplo, nmero de bactrias emum volume de urina, 1l\'lIl1el'll
de consultas mdicas durante um perodo e nmero de batillll~III.IIH
cardacos por minuto.
Variveis contn:uas, tais como presso sangnea, peso (! 11.11.111'1\.,
so usualmente medidas atravs deumaparelho (aparelho dePI'l!HHI\.II,
balana, etc.). A diferena entre medidas deindivduos distint()s 1)(1111'
ser arbitrariamente pequena.
Naprtica, as variveis contnuas so anotadas at apn~cisll,l)d/l
medida usada. Por exemplo, quando dizemos que o tempo de' 811
brevivncia de um indivduo foi de 2 anos, estamos proVaV(~IIIII!lIII'
simplificando a unidade de medida tomando-a emano, mas lia \1111
dade poderia ser 2 anos, 1 ms e.10 dias. Quando dizemos <1111' 1I
tempo de reao de um indivduo foi de 1 minuto, a leitura (~IIII1II1
cronmetro commaior preciso poderia ter sido 1minuto, 27se)',lIll
dos e 10milsimos de segundo.
Algumas variveis podem ser classificadas em mais de: 1II111,IpII
dependendo da unidade usada. Por exemplo, idade urna val'il'l.Vld
contnua (tempo intrinsicamente uma medida contnua), 1I1i\.HPlldl'
ser classificada como discreta. Renda medida em salrios 1111'1 ti I\I HI
tambm pode ser classificada como uma varivel discreta, IlIaH1""h,
ser ordinal secategorizada como baixa, mdia ealta.
Facilita o tratamento estatstico de variveis classific-las emca-
tegricas equantitativas.
Variveis categricas
Podem ser do tipo nom'inal ou oTdinal (caso exista uma ordem
entre as classes). Sexo eestadiamento de-;:;madoena so exemplos
de varivel nominal eordinal, respectivamente.
Variveis categricas podem ter duas ou mais categorias (por e-
xemplo sexo etipo sangneo, respectivamente). O nmero de cate-
gorias pode depender ~lointeresse do estudo. Por exemplo, para a
A diferena entre uma varivel discJ'(~taeurna varivel categrica
mdi1lal que aordenao tem urn significado diferente, como ilustra
() I'x(mlplo aseguir. Suponha duas variveis: cstadimnento de cncer
d(~IlIama (I, I I ,I I I c IV) c nrnero de CriarH?l,S(O, 1, 2, ~), etc.).
Nao s(~pode dizer que o estgio IV (~duas vey;espior do que o II,
1I( ~IIIque a diferena entre o I e II (~equivalente quela entre I I I e
I V . I'01' outro lado, 4 crian(;as corrmponde exatamente ao dobro de 2
niall(;.as (obviamente no n(x:essarimllente o dobro de trabalho para
(ISpais) e diferen(;as no nmero de criaIlf;as tf~msempre o mesmo
:di',11 iIicado para todos os valorm, isto , llnJa famlia com4 crianas
LI~1I1 (~xatamente uma criam;a amais que urna famlia com3, que por
:llIaV(~y; tem uma amais que urna famlia com2criaIlf;as, eassim por
(liallt,(~.
Finalmente, todos estes tipos de variveis so encontrados comu-
111I~IILe emdados biolgicos e da rea mdica. A importncia dessa
classiI1caojustifica-se porque cada tipo devarivel exige umtrata-
1I1(~IILo estatstico especfico. Portanto, importante ter emmente que
II Lipo devarivel resposta umponto d~partida para sedeterminar
(ISItI(~todosde anlise mais apropriados ou mesmo vlidos.
Tabela ~~. 1: Teor de gordura (g/ 24 horas) em43 crianas
: 1, 7 L, Ci 2, 5 ;~,O 3, 9 1, 9 3, 8 1, 5 1, 1
1, 8
1, 4
2, 7 2, 1 3, 3 3, 2 2, 3 2, 3 2, 4
0, 8
3, 1
1, 8 1, 0 2, 0 2, 0 2, 9 3, 2 1, 9
I,Ci 2, 9 2, 0 1, 0 2, 7 3, 0 1, 3 1, 5 4, 6
2, 4 2, 1 1, 3 2, 7
2, 1
2, 8 1, 9
Apesar de todos estes valores terem sido obtidos emcrianas Sll.
dias, nota-se uma grande variao nos resultados. Esta variabilidlu 1('
exige que o padro de referncia procurado seja expresso por 1111111.
faixa eno por umnico nmero.
Framingham uma pequena cidade americana localizada perL(I
de Boston, Massachusetts. Em 1948 foi selecionada como local lU1('
quado para desenvolvimento de umestudo prospectivo cujo objdi V ( I
era verificar como os hbitos de vida das pessoas influenciam o ri:-:('( I
de desenvolvimento de doen(;as cardacas. Muitos resultados, II(I.i('
completamente integrados prtica cardiolgica, como anecesfiidadl'
de controle do nvel do colesterol, foramprimeiramente obtidofi 111 ~:-:L('
estudo.
Os valores da Tabela 3.2 so as medidas emmg/ dl do COI(:fiL!H'(II,
referentes ao segundo exame realizado em1952 em80 pacierlt(~fi. ():I
pacientes que no compareceram esto representados por 9.
Observando estes dados, na maneira como esto apresmlL;ulos,
pouco apreendemos sobre o nvel do colesterol poca do exallll~. I~:
impossvel saber ovalor emtorno doqual asmedidas esto agrllpadlls,
aforma da distribuio eaextenso da variabilidade.
Dados brutos so aqueles obtidos diretamente da pesquisa, isto
(~,que ainda no sofreram qualquer processo de sntese ou anlise.
1';111 geral so apresentados emtabelas efreqentemente omitidos na
IlIaimia das publicaes, quase sempre por questo de espao.
O conjunto de dados constitui uma amostra. O tamanho da a-
1I10fiLrageralmente denotado por n.
Embora osgastroenterologistas infantis reconhecessem autilidade
Iliagllstica do teor de gordura fecal, at 1984 no existia-um padro
(I(~J'(~fernciadesta medida para crianas brasileiras. Para preencher
(~sLalacuna, oProf. Francisco Penna, titular dePediatria da UFMG,
('xalllinou 43 crianas sadias queproduziram osvalores da Tabela 3. 1
I'XpJ'(~SSOS emg/ 24 hoTO, s (Penna, 1984; Penna et aI. 1987) .
Em 1969 foi realizado umestudo na populao deHonollllll (dl'H
crito emKuzma, 1998) . Para 7. 683 indivduos, foram pesql1il':uIIlH1111
seguintes variveis: nvel educacional, peso (Kg), altura (1:'/11,), idlllll'
Tabela 3. 2: Taxa decolesterol (mg/ dl) em80 indivduos
278 182 247 227 277 194 196 276 244 192
'1-'
118 219 255 201 9 209 219 228 209 209
171 213 233 226 209 200 200 363 209 200
179 167 192 277 317 146 217 292 217 255
212 233 250 243 150 209 184 199 250 479
175 194 221 233 9 184 217 150 167 265
~,;'
255. 242 180 170 209 161 196 165 234 179
i
248 184 291 185 242 276 243 229 242 250
tre os indivduos consi(l<~rados. Os mtodos estatsticos so fuudl\."
mentais para oestudo desituaes emque avariabilidade inereuLll.
A Estatstica Descritiva ajuda napercepo, avaliao equantifica(Ju)
da variabilidade.
3.3 Organizao e apresentao d Mas
. . .. 1{- "".,{
.~, . ~_- ,l.f5l' - ;,_~
Nesta seo apresentaremos formas deorganzat~hp;resenta(J.()
dedados at;avs detabelas edegrficos. ConstriJdM:.~;partir ded(~
terminado conjunto dedados, proporcionam informaoes sm:elhantcH
ou que secomplementam, constituindo formas apropriadas deseor-
ganizar dados.
Existem normas para aconstruo detabelas egr;f?-cos, mas rll1Hl,e
texto daremos nfase interpretao. Ressaltamos, ~'I\.trtanto, Hm
essencial aapresentao deforma clara ecomprMnsvel', inclusive dOH
~ fI- :
ttulos.
A seguir ilustramos atravs de exemplos aconstruo de taboll\.H
defreqncias egrficos para uma varivel oupara ocruzamento de
variveis, considerando osvrios tipos apresentados naseo anterior.
(anos), glicemla (rnp/ dl), colesterol srico (mg/ dl) epresso sistlica
(mrnHg). Q1,<t:t indivduo foi classificado quanto ao hbito de fumar
(fumante.oJtn) e quanto atividade emcasa (pouca, moderada
emuit);"::~ddos referentes a uma amostra de 100 indivduos es-
to dispotif~s po site idoDepartamento de Estatstica da UFMG
(http://www.est.ufmg.brrvestmed).
Emsua tese deMestrado emPediatria daFaculdade deMedicina
da UFMG, Andrade ( 1994) estudou a prevalncia da toxoplasmose
entre crianas de O a 12 anos deidade matriculadas no ambulatrio
geral depediatria do Hospital das Clnicas da UFMG.
O banco de dados das 278 crianas estudadas, tambm dispon-
vel no site citado no Exemplo 3.3, compreende 12 variveis: idade,
sexo, motivo do exame, resultado do hemograma, contato comgatos
domsticos ou vadios no domiclio, contato comareia e/ou terra na
regio peridomiciliar, ingesto decarne crua oumal cozida, RIFI-IgG
(ttulo eclassificao: positiva ou negativa), RHA (ttulo e classifi-
cao: positiva, negativa ou no realizada) eresultado do exame de
fezes.
Nos exemplos 3. 3 e3. 4 ainda mais difcil tirar alguma concluso
a partir dos dados brutos. Torna-se necessria uma descrio dos
dados, eneste~casos ouso do computador imprescindvel.
Nos quattQ exemplos pode-se perceber agrande variabilidade en-
Uma maneira de sintetizar os dados atravs de distribui'w dr'
freq'ncias, que consiste na construo de uma tabela a partir (11 IH
dados brutos em que se leva emconta a freqncia comQU8 cac11\.
observao ocorre.
A interpretao dos resultados obtidos emtabelas defreq{\lIcil\.H
pode ser auxiliada pela anlise degrficos construdos apartir dell\.H.
Em um estudo retrospectivo, Fernandes et aI. ( 1995) fi\(lrl\.lll
levantamento de tentativas de suicdio por intoxicao aguda l'UgiH
tradas no Ce~tro deAssistncia Toxicolgic do Hospitql p.p UnHedI'
SoPaulo. Noperodo de01/ 92 a02/ 93 con~~guiram\afa.~er\ll.I':\()~
casos, quecorrespondem a27%do total dete~im~?t~ ~? prlr(O(IiI.
.; :.. ~./ .
.. '
t ;'
Das tentativas desuicdio, h predomnio dosexo feminino (67%).
1:- ::- :0 difere dos xitos letais, emque doi:-:dos tr{~:-: bitos so masculi-
1 \ Tabela 3.3 mostra a distribuilJin da proLis:-:iiode pacientes po-
1.1'1 wiaitlwnte suicidas. A maior incidncia foi obs()l'vada entre profis-
::iollai:-:lnal remunerados ecomsobrecarga de trabalho, S8Tnperspec-
I.ivadl~ascenso social. O alto percentual dl~menores e estudantes
(li, (i'I', +4, 6% =11,2%) confirma ofatl) relatado na literatura deque
'I 1111 Ii<:l~detentativas de suiclio entre adolescentes preocupante.
Tabela :3.4: DistrilnllJ.o de idade dos pacientes potencialml~lILI~:-:lli
cielas
Proporc~o
0,248
0,182
0,175
0,096
0,076
0,066
0,050
0,046
0,040
0,013
0,007
1
Idad(~(aUlls) Freqii(~ncia Freqncia
il.llsl)luta relativa
10f- 20 57 18,54
20 f- :30 1l:l 37,42
30 f- 49 57 18,87
40 f- 50 32 10,62
50 f- 60 19 6,29
GOf- 70 7 2,29
::o: 70 2 0,G7
Indetennillacl,l 1:3 4,3
Total 302 100
'I 'aiIId;1 :1.3: Distribuil{iio el(~profiss<\eseutre pacientes potencialmente
:i1licida:- :
Freqncia
75
Profisso
Servios gerais *
Domstica **
Do lar
Indeterminada
Emprego especializ:ado***
Menor
Desempregado
Estudante
Lavrador
Autnomo
Aposentado
Total
53
29
23
20
15
14
12
04
02
302
incluso eloextremo inferior da classe eaexcluso do limite superil lI'.
Por exemplo, na clas:-:e10f- 20 so includas crianas a partir d(~10
anos eleidade epessoas comat 19 anos. Uma indicao altemaLiva
poderia ser 10 a 19.
Etapas para a construo de tabelas de freqncias pilril
dados agrupados
* garom, encanador, pedreiro, frentista, operrio,
padeiro, aogueiro, borracheiro, etc.
** copeira, faxineira, costureira ebordadeira
*** enfermeira, modelo, prottico, escrivo, professor,
digitador evendedor
1. Encontrar o menor e o maior valores (denominados mni IIlOI'
mximo) do conjunto de dados.
2. Escolher um nmero de subintervalos ou classes, prefen~lIcial
mente de igual tamanho (amplitude), que englobem todos 1):1
dados semhaver superposio dos intervalos. Os extremo:-: dllH
intervalos so conhecidos como limites de clCLsses.
.----------
/\ Tabela 3.4 mostra a distribuio de tentativas de suicdio se-
J',llllllofaixa etria. A faixa etria mais prevalente de 20 a 29 anos
1:1111.0110 geral (37,42%) como para cada sexo separadamente: 36,12%
":\S,()(;% para o sexo masculino efeminino, respectivamente.
()I):-:(~rve que asidades foram agrupadas em7classes, quase todas,
,'x,'do at'i1tirna,demesma amplitude (10 anos). Osmbolo f- indica a
3. Contar o nmero de elementos que pertencem a cada c1w,H(';
este nmero denominado fTeqT~~~C:!. __ 0.~.~.~.I ,~t~) usualnwlI 1.1 ~ dI'
notado por !2:.:-
4. Determinar a fTeqncia Telativa de cada classe, dividi IldlI I1
freqncia da eI~ssep~lo nmero total de observaes.
No existem normas fixas para a constnl(~;:iode tabelas de dis-
I.l'ilmiode freqncias, entretanto, algumas regras prticas e em-
prl'icas podem ser citadas. O nmero de classes deve variar de 5 a
Ir). Almdisso, aexperincia temmostrado que o nmero de classes
lixado como ./ Ti ou 1+lo, c1 2n, para tamanho da amostra n, so esco-
Illas razoveis. Feita aescolha do nmero de classes, o tamanho de
I'ada classeescolhido como oquociente entre aamplitude (diferena
1!lll.n~omaior eomenor nmeros) do conjunto eo nmero de classes
I'SI 'olbido. Sefor conveniente, estevalor pode ser modificado deforma
11 I'acilitar a constru()io e interpreta()io ela,tabela. O limite inferior
da primeira classe eleveser umpouco menor que amenor observaco
I' o IiIllitesuperior da ltima classe deve ser umpouco maior qu~ a
Illaio!' observao.
Tabela :L5: Distribuio eleielael(~elaspacientes comcncer delW\.I1I1I.
segundo estadiamento
Idade Estdios I eII Estdios I I I eIV Total
(anos) TI ,
IX) TI , % n %
<; 60 53 65,4 28 34,6 81 100
:c 60 33 48,5 :35 51,5 68 100
Total 86 57,7 6:~ 42,3 149 100
Em trabalho realizado na dcada de 80, Cunha et al. (1 98r))
avaliaram 308 idosos (261 mulheres e47homens comidade variando
entre 60 e 100 anos) residentes emdez asilos da regio da Gralld(!
Belo Horizonte.
Para anlise do grau de distrbio cognitivo (demncia) aplicoll
se umteste mental de doze perguntas e, de acordo comasoma elas
perguntas respondidas corretamente, osresidentes foramclassifica( ll)s
em: semdemncia (9 a 12pontos), demncia leve (7 a 8 pontos) I!
demncia grave (O a6pontos).
As funes do comportamento foram testadas atravs da escala
de avaliao geritrica de Crichton, composta por onze itens: ll]l)
bilidade, orientao, comunicao, cooperao, agitao, vestw.rio,
alimentao, continncia urinria, sono, humor objetivo (idias ddi
rantes e/ou alucinaes) ehumor subjetivo. Emcada item, as lIol.a"
variaram de 1 (normal) a 5 (muito alterado) eapartir da soma din4
11 itens foi adotada aseguinte classificao do grau dedeterioral~;III:
semdeteriorao (11 pontos), deteriorao leve(12a20pontos), di'
teriorao moderada (21 a 30 pontos) e deteriorao grave C: :\I
pontos).
As tabelas 3.6 e 3.7 apresentam a distribuio de variveis dll
funo decomportamento demaior interesse relacionadas comapl'l'
sena ou ausncia dedemncia. Note que acoluna "totalmentl~ all.l'
rado" parte da coluna "comalguma alterao" efoi separada pal'lI
destacar os casos de total incapacidade. Os percentuais refere1 11.1 \8 1I
alguma incapacidade das quatro primeiras funes do comporl.allll'll
I)(~1.938 pacientes atendidas no Departamento de Mastologia do
Ilospital Amaral Carvalho de Ja/SP, no perodo de 1987 a 1990,
I/I~)(7,7%) tiveram diagnstico decncer demama confirmados pelo
I'x;\.11 J(~ antomo- patolgico.
() tipo histolgico mais comum foi o carcinoma infiltrativo de
d1 I doe: mamrios sem outras especificaes. Ocorreu em 128 casos
U- :r,,!J %), sendo que em 38 (29,7%) as pacientes tinham 60 anos ou
III;W'.
Caldeira & Budin(1995) preocuparam-se emavaliar onmero de
I'asos avanados (estdios I I I e IV) nas faixas etrias. A idade foi
di<:ol.mnizadacomo menos de 60 anos e60 anos ou mais; 45,6% das
I)nCil~Iltespertenciam faixa deidades mais avanadas.
A distribuio do estadiamento para cada uma das duas faixas
dI' idaeleconsideradas est na Tabela 3.5. A maioria das mulheres
I'llIll Il.Ienosde 60anos teve uma classificao I eII do estadiamento,
l'llqllallto o percentual de mulheres nos estdios I I I e IV da outra
I'aixad(~idade foi apenas ligeiramente superior (51,5%) do que o do
J ',I'IIJ H) comestdios mais iniciais (48,5%).
1,0 listadas so significativamellt(~ llWlJOl'(~Spara idosos smll demllcia.
() 1>s(~rvetambm que no faz selltido calcular o p(~n:(~lltual da ltima
linha (Total) pois no fica claro o total do dellomillador, j que um
I'(!sidnntepode apresentar mais de unja disfullii.o d(, comportamento.
Grau de incapacidade
Com alguma Totalment('!
alterao alterado
20 (24,7%) 7 (8,G%)
21 (25,9%) 1 (1,2%)
G( 7,4%) 2 (2,5%)
25 (30,9%) O(O,(J%)
35 (43,2%) 6 (7,4%)
107 16
Mclanoma (~urna neoplasia de grande potencial maligno respoll-
svel por grande parte das mortes por cncer de pele. O reconheci-
mento clnico do tumor em estgio inicial difcil e de fundamental
importncia, j que o nico procedimento teraputico realmente efi-
caz a eXClsaocirrgica precocn.
Na anlise de 35.695 bipsias realizadas entre 1982 e 1992 no
Hospital Universitrio da UFES em Vitria-ES, Lucas et aI. (1994)
encontraram 55, casos, sendo 30 primitivos de pele, 4 primitivos do
globo ocular e 21 metastticos com sede primria no confirmada.
A Tabela 3.8 mostra a distribui(:o da localizao anatmica dos
melanomas primitivos de pele, sendo acabea/pescoo mais comum.
Tal da 3.6: Distribui(:o elos 81 idosos sem demi'~rl(:iapara algumas
rIIlI<J)(~S de comportamcllto
Funes de
(:omportamento
M()bilidade
Agitao
(:( lntinncia urinria
Souo
IlllnJor objetivo
'I'oLal
Sem
altenv:iio
Gl (75,3(YcJ)
60 (74,1%)
75 (92,6%)
56 (69,1%)
46 (5G,8%)
298
Localizao anatrnica NQ elecasos Percentual
Cabea/pescoo 10 33,3
Tronco 7 23,3
Membros superiores 6 20,0
Membros inferiores 2 6,7
Acral 5 16,7
Total 30 1QO
'1'111)( da 3.7: Distribuio dos 227 idosos com demncia para algumas
rlll)(,:O(~S de comportamento
Funes de
Grau de incapacidade
comportamento Sem Com alguma Totalmente
alterao alterao alterado
Mobilidade 117 (51,5%) 110 (48,5%) 40 (17,6%)
Agita(:o 121 (53,3%) 106 (46,7%) 6 (2,6%)
( ~ollLinnciaurinria 145 (63,9%) 82 (36,1%)
59 (26,0%)
S()I)O
131 (57,7%) 96 (42,3%) 7 (3,1%)
1IIIIIImobjetivo 23 (10,1%) 204 (89,9%) 55 (24,2%)
'lf)Lal
537 598 167
A Tabela 3.9 compara os casos confirmados de melanoma n o
diagnstico clnico. O grande percentual de diagnsticos incorr<~Los
(23,3%) pode prejudicar a adequao do tratamento.
Diagnstico clnico N- elecasos Percentual
Correto 13 43,3
Duvidoso 10 33,3
Incorreto 7 23,3
Total 30 100
A ll1aioria dos idosos sem demncia no apresenta alterao no
1',1'1111 d(~incapacidade. No grupo com demncia, a maioria (89,9%)
IIpl'l's(~I)Laalguma alterao de humor objetivo.
Representao grfica paravariveisqu.<l~~tL~~lYol?
Resultado:-; rcferent"e:-;a varivei:-; contnuas freqentellWIlL(~:-;I\.()
organizado:-; em tabela:-; de distribui(;es de freqncias atrav(~:-;(I()
agrupamento dos dados emclas:-;e:-;. Trs tipos degrficos gera!IIl(!IlL('
so utiliza<1o:-; neste caso: histograma, polgono defreqncia:-; ()ogivl\..
O lsto! jTo, 'rwJ, umgrfico de barra:-;ju:-;tapostas emque lIO(~ixo
horizontal est avarivel deinteresse, dividida emclasses gerahll(!IIL(~
de mesmo tamanho. No eixo vertical, constri-se uma barra parI\.
cada classe comaltura igual freqncia absoluta ourelativa COJ'l'(!S
pondente. A barra centrada no ponto mdio da classe.
Para construir um histograma, temos, portanto, que ordenar ()8
dados e escolher uma escala apropriada para sua descrio. 1';:-;1,1\.1-1
tarefas, embora simples, so trabalhosas se o conjunto de dados (,
grande. Por isto usual construir-se a tabela de freqnc:ia:-;C( )111<)
etapa preliminar na construo do histograma.
Existem inmeras formas grficas intere:-;:-;antcs(ver por exemplo
Tufte, 1983).' Limitaremos amostrar tipos dr) grficos mais simples,
mas possivelmente osmais teis para aidentifica(;o da forma deum
conjunto de dados ede sua descriiio: diagrama de barras, histogra-
ma, polgono de freqncias, ogiva egrMico de linhas.
As variveis categricas podem ser representadas por um diagrama
debarras, emque otamanho d(~cada barra, proporcional aonmero
deindivduos na categoria. Umexemplo ilustra melhor oprocesso de
construo eautilida,de desta descriiio grfica.
Emuma amostra de 130casos de fraturas de face registrados no
Pronto Socorro doHospital das Clnicas daFaculdade deMedicina da
USP, Almeida et ,a1, (1995) encontraram grande maioria de vtimas
do sexo masculino (78,4%) ena faixa etria entre 20 e 40 anos. A
Figura 3.1 apresenta odiagrama debarras comosagentes etiolgicos.
Para os dados do Exemplo 3.2, TI , = 78, o maior valor 47!J (' ()
menor ,I 118. Escolhas razoveis para onmero eotamanho de('Iassl'
so 8 e 50, aproximao de (479 - 118)/8 = 45,125. Escolh(!lldu I)
incio da primeira classe 100, obtemos aTabela 3.10.
I
~ Nvel de
colesterol
100I- 150
150I- 200
200 I- 250
250 I- 300
300 I- 350
350 I- 400
400 I- 450
450 I- 500
Total
Freqncia absoluta
simples acumulada
2~ 2
24, 26
35: 61
14, 75
1 76
1 77
77
1 78
78
Figura 3.1: Diagrama de barras dos seguintes agentes etiolgicos:
carro (C), ferimentos de arma defogo (FF), espancamento (E), atro-
pelamento (A), moto (M), queda de altura (QA), queda de bicicleta
(QB), ferimentos de arma branca (FB) eoutros (O)
Freqncia relativa
/1simples acumulada
0,03 0,03
0,31 0,34
0,45 0,79
0,18 0,97
0,01 0,98
0,01 0,99
0,00 0,99
0,01 1,00
1,00
Com uma simples inspec;iio do histograma da Figura 3.2 vemos
qllc~agrande maioria dos indivduos tem colesterol emtorno de 225.
T(~lllOSainda uma boa descrio de como os diferentes nveis se dis-
Lrilmememtorno deste valor.
40
t, ()
30
2
c
,1!
()
1I1
20
o..
<l>
"O
o
Z
10
Urna das caractersticas da go/ ; a, distrbio hereditrio que ocm'l'(!
especialmente emhomens, ahipcruricemia (excesso de cido ric()
no sangue). Embora nem todos os indivduos com hiperuricemia
desenvolvam manifestac;es clnicas de gota, h muito tempo telll-
se reconhecido que o componente hereditrio da doena est ligado
a urna tendncia para hiperuricemia. A forma da distribuio de
cido rico um aspecto importante para o estudo dessa relac;iio,
especialmente quando secompara diferentes tiPORde indivduos, por
exemplo, indivduoR doenteR esadios.
cido rico Freqncia Porcentagem
(mg/dl) abRoluta simples acumulada
3,0 f- 3,5 2 0,7 0,7
3,5 f- 4,0 15 5,6 6,3
4,0 f- 4,5 33 12,4 18,7
4,5 f- 5,0 40 15,0 33,7
5,0 f- 5,5 54 20,2 53,9
5,5 f- 6,0 47 17,6 71,5
6,0 f- 6,5 38 14,2 85,7
6,5 f- 7,0 16 6,0 91,7
7,0 f- 7,5 15 5,6 97,3/
7,5 f- 8,0
3
1,1
98,4
8,0 f- 8,5 1 0,4 98,8
8,5 f- 9,0 3 1,1 100,0
Total 267 100,0
A partir do histograma pode-se construir o polgono de freqn-
('l.,';, que consiste emunir atravs desegmentos dereta as ordenadas
('(lT'I'cspondentes aos pontos mdios de cada classe.
A og_iva ll!?_grA.C::.o defI~~q~rt..ci.?:s_.~~~2:1:.ladas (usualmente rela-
Livas). Para constru-la, coloca-se no eixo horizontal os intervalos de
(:Iass(~nos quais a varivel emestudo foi dividida. Para cada limite
(I(~intervalo assinalado no eixo vertical sua porcentagem acumula-
(Ia. Em seguida, os pontos marcados so ligados por segmentos de
rda. Embora a palavra ogiva no sugira, trata-se de urna poligonal
;1St :endente.
O histograma eo polgono de freqncias servem para visualizar
iI I<H'IIlada distribuio da varivel estudada. Atravs da ogiva pode-
:;(' (~stimar percen/ ;is da distribuio, isto , o valor que precedido
Ilili' cmta porcentagem de interesse pr-estabelecida. Por exemplo,
('slilllar ovalor da varivel abaixo do qual setem 50% dos indivduos.
A Tabela 3.11 apresenta adistribuio defreqncias das dosag(!IIH
de cido rico srico em267 homens sadios, obtidas por Fillll dai.
(1966). O histograma, o polgono de freqncias ea ogiva Si1.oapf'(!
sentados na Figura 3.3.
Estes grficos mostram que a distribuio da dosagem dI! i.c:i
do rico emindivduos normais do sexo masculino razoavc~lJlI(llll.(!
Dados colctados aolongodotempo silomuito comuns empesquisas
mdicas eemregistros deSade Pblica. Tais dados so denomina-
dos temporais ou longitudinais, ou ainda d(~medidas repetidas.
comum ouso do diagrarna ck~barras, discutido anteriorment(),
especialmente quando operodo est agrupado (por exemplo, menos
de 1 ano, 1 a 5 anos, 5 a 10 anos, etc.). Entretanto, o grfico de
l'inhas uma representac)io mais apropriada para este tipo dedados.
Consiste emcolocar no eixo horizontal do grfico aescala temporal"
(ano, ms, dia, dc.) e no eixo vertical a varivel a ser estudada
(freqncia, taxa oumedida tomada). usual unir ospontos atravs
desegmentos dereta, da onome recebido.
Atravs desses grficos possvel constatar algumtipo detendn-
ciaeidentificar alguns eventos inusitados, cornopor exemplo, osurto
deuma determinada doena.
"
"O 00
'" :;
E 7$-
"
Q
ro fdJ
E
~ j5"
!'!
"
~ J I)-
(;
o.. Ir,
onmero de casos de AIDS notificados ao Ministrio da Sade)
periodicamente publicado no BoletimEpidemiolgico deAIDS. Na
Figura 3.4 vemos o nmero anual de casos notificados no Brasil no
perodo de 1983a 1995segundo osexo.
A incidncia no sexo masculino bem maior que no feminino.
Essa tendncia mantida, mas h maior proximidade das curvas.
Figura 3.3: Distribuio da dosagem de cido rico: (a) histograma,
(b) polgono defreqncias e(c) ogiva
simtrica. A variao desta dosagem est entre 3,0e9,0 mg/ dl com
uma maior concentrao emtorno de5,0a5,5mg/ dl (20,2%). Alm
disto, 96,6% doshomens desta amostra apresentaram valores decido
lricosrico de3,5a7,5mg/ dl.
Pode-se estimar que 50% dos indivduos normais do sexo mas-
culino apresentam uma dosagem de cido rico abaixo de 5,4 mg/ dl
(~95% abaixo de 7,25 mg/ dl. Essas estimativas, denominadas per-
centis, foram obtidas pela projeo das porcentagens desejadas no
(~ixohorizontal da ogiva. Este assunto ser tratado novamente na
Sec;o3.4.5.
Figura 3.4: Nmero decasos notificados deAIDS noperodo de1DH:I
a 1995segundo osexo
() hormnio luteinizante (LH) produzido na adenohipfise ee-
XI!!,CI! efeito trfico sobre testculo eovrio. Uma de suas principais
: U;I )(!S na mulher consiste no estmulo sntese de progesterona, ao
iIi1111(nlciada pela variac:oda concentrao dessasubstnc:ia ao longo
,,1 1 ) ciclo menstrual.
I<~mestudo relatado emDiggle (1990), pesquisadores avaliaram os
Ilfv(!isde LH emuma mulher por um perodo de oito horas atravs
(11'(l()~-mgens sucessivas comintervalos dedez minutos. Os valores das
tiS 11Iedidasesto dispostos na Figura 3.5.
Figura 3.5: Dosagens de hormnio luteinizante obtidas emuma mu-
lher num perodo de 8 horas comintervalos de 10 minutos
A anlise descritiva de dados, alm da construo de tabelas e
grficos, consiste tambm no clculo demedidas que ajudam na pro-
duo deuma viso global dos dados. Tais medidas recebem onome
genrico de estatsticas.
Medidas detendncia central vo sintetizar emumnico nmero
oconjunto dedados. Procura-se definir umvalor que represente bem
a distribuic:o da varivc1 de intcr'aS'S(-'No caso de um d' t'l '
, ." . J , , ", , ' '" a lS n )]11(,:/1.0
slmetnca, tal elemento a md'; (1 (l'("; trr'eSt'; ca Se a d' t 'b . - ,.
. ,. ,'" ,'" 'o "o . lSn Ul<"\()(lI'
assimtrica, a medida a ser usada c~' "rrred, ; clrra Em d' t '1" '.
, ... o '" .. lS 1'1 )1I1C()(!S
simtri:;as, .amdia eamediana na amostra devemser aproxilll::c1I1:
mente 19uars.
Existem vrios tipos de mdia (aritmtica ponderada "I "
A " geornc.,11-
ca, har~om.c~t, e~c.), mas estudaremos apenas a mdia aritmf1tica.
Com~ slmphfic:aao, amdia aritmtrica ser chamada apenas rn(~dia
daqUI por diante.
A mdia aritmtica de n observaces (T ) , d
, "1,:1:2,.. , Xn e enotada
por X (l-sex barra) edada por ..
:r1+... + 'I : n _ '\','.~1: 1 : 'i
:1:= _D _
n n
, A mdia pode.s:r ~nterpre~ada como o "centro degravidade", isto
e, o ponto de eqUIhb1'1odas dlscrepnc:ias positivas enegativas.
Para exemplificar os clculos va t'l' .
, c mos u 1lzar os segumtes P(!8(18
emkg de 10 recm-nascidos:
x =3,2 +3, 2+2,8 +2, 1 +... +4, O
10 =3,1
O peso mdio de 3 1 kq o 310'0 Ob'
A .' ,u g. Vlamente alguns l'nd!111
naSCIdoste,~ peso abarxo eoutros acima deste valor, mas a lll(!di/l.(,
umvalor tIp1CO.
lJ 1Iu\, medida de centro adequada para distribui(;es assimtricas
(, a 111(~diana, que ser denotada por :J; (1[:-sex til). Por definio
I1 II\('diana o valor que divide a d.,triimi<;iioao meio. Em outras
jlalavras, 50% das observa(;es ficamacima damediana e50% abaixo.
"ar;\, calcularmos amediana necessrio primeiramente ordenar
111I11111stra para que possamos 10cali7,a,raposio da Tnediana eassim
f'lll'olll.rar seu valor. Para amostras ordenadas, aposi(;o da mediana
f' I\a(\a pelo elemento de ordem n1
1
sen for mpar epela mdia dos
f'I('IIII!lltosde ordens ~ e nt
2
sen for par.
Quase mura uma nica medida de t<:ndnciacentral suficiente
para descreve, de modo satisfatlrio, lUU conjunto de dados. No
basta saber ovalor em torno do qual os dados se concentraml.
preciso conhecI' tamb(~mograu de agrega<;i1,o, ou seja, definir e usar
medidas da dipcrsiio dos dadm:.
Podem sedefinidas vrias Iuedidas devariabilidade. Apresentare-
mos a seguir ;,S duas mais utilizadas emanlise de dados: varifuncia
edesvio-padriO.
12[[)67
A varinc uma medida da variabilidade dos dados emtiDrno
da mdia. ntural procurar uma medida dedisperso quedependa
dos desvios dccada observao emrelao mdia (X i - x), eseria
razovel consi~erar asoma de todos estes desvios.
A idia sera que, quanto maiores fossemos desvios, maior seria
a variabilidadl presente nos dados. Entretanto, pela definio de
mdia, L; '~l(Ji - x) =Opara qualquer conjunto de dados.
Uma alternativa seria, portanto, elevar os desvios de cada ob-
servao emrdao mdia ao quadrado, isto , aquantidade 81 ser
calculada seri3L~~1 (: D i - x)2. Desta forma somamos somente val.ores
positivos,
Torna-se ncessrio considerar o nmero de observaes, pc>iso
acrscimo de bservm;esaumenta o valor deste somatrio. Uroa i-
dia sria considerar amdia, isto , L; '~l(Xi - x)2 / n. Empalavras,
a varincia l mdia dos desvios ao quadrado das observaes, em
relao mdi~.
Neste text( usaremos uma outra definio de varincia que ~on-
siste emdividi!por n - 1 ao invs de n. A justificativa meramiBnte
tcnica. O im~ortante ser consistente, usando sempre uma mei?Sma
(l<:finiodentn de ummesmo trabalho.
Recomendmos a diviso por n - 1 por ser o padro das caJcu-
ladoras eprogamas de computador. Seas amostras so grandeS3,os
valores obtidosdividindo-se por n oun - 1 so praticamente iguais.
()s ()lementosmarcados localizarn amediana. Naprimeira amostra,
a II\('dianaO prprio elemento 5, isto , 5';1=5. Na segunda, ame-
dialla ()dada pela mdia aritmtica dos elementos grifados, isto
_ 5+6
7:2 =-- =55
. 2 '
Voltando aos pesos dos recm-nascidos e dispondo-os emordem
l'I'l'Sf'I!llt(), obtemos:
X =3,1 +3, 2 =3 15
2 '
NII dk1110da mdia, todos os valores da amostr a so levados
f'111I'IIIll.a,ao passo que no caso da mediana isto no acontece. Por
1':iI,1I r:VI,ao,valores muito grandes ou muito pequenos, comparados
1\1111 dl'lllais valores da amostra, causam grandes variaes na mdia,
1itjllf' 1'111 )';(,ral ni1,oocorre coma mediana. Por isso, dizemos que a
II\('dalla{!IllItaIlledida robusta, isto , resistente avalores atpicos.
Exemplo 3.15: Peso de recm-nascidos (continuao)
Para oclculo davarincia dospesos derecm-nascidos doExOIu-
pIo 3.14, organizamos osdados na Tabela 3.12. Indicamos na Ta1>ulll,
3.13 oclculo da varincia atravs das trs frmulas.
'I, :r- ;, '['2
; r; 'i - ;1: (.Ti - x)2
. "i
1 3,2 10,24 0,1 0,01
2 3,2' 10,24 0,1 0,01
~:;
2,8 7,84 -0,3 0,09
4
2,1
4,41 -1,0 1,00
5 2,9 8,41 -0,2 0,04
6 3,1 9,61 0,0 0,00
7 3,2 10,24 ' 0,1 0,01
8 3,0 9,00 -0,1 0,01
9
3 " 12,25
0,4
0,16 ,0
10 4,0 16,00 0,9 0,81
Total 31,0 98,24 0,0 2,14
"'11 2 (""I'/, )2/
2 6i=1Xi - 6i=1: Ei 1 7
8 = - - - - - - - - - - -
n-1
Como as frmulas (3.2), (3.3) e (3.4) so algebricamente equiva-
lentes, avarincia pode ser calculada por qualquer uma delas. Entre-
tanto, emgeral, afrmula (3.4) induz amenos erros deaproximao e
aexpresso (3.2) deveser usada seosnmeros envolvidos sograndes.
Desvio- padro
Note que aunidade demedida de 8
2
aunidade de medida das
observaes elevada ao quadrado. Por exemplo, se as observaes
foram medidas em em, a unidade de 8
2
em
2
. Logo, para obter
uma medida devariabilidade comamesma unidade das observaes,
extramos araiz quadrada. Esta medida denominada desvio-padro
edada por
8
2
=2,~4 =0,24
"''fi, ( -)2
6i= 1 :Ei - X
n-1
,2_ 98,1-10(:3,1)2 - O 24
8 - 9 - ,
Portanto, para obtermos o desvio-padro, calculamos primeira-
mente avarincia eento extramos araiz quadrada.
Portanto, avarincia eo desvio-padro deste conjunto dll dl\.dlll'l
so 0,24 kg
2
e0,49 kg, respectivamente.
lJ ma pergunta que pode surgir seUIll desvio- padro grande ou
III'I1111 !110;questo revclante, ])01'exemplo, na avalia(,o da preciso de
111(!1.1 lIlos. Umdesvio-padro pode ser considerado grande ou pequeno
c!lolll'II(l<,ndoda ordem d(, grande~a da varivel. Por exemplo, um
e11 ~~wjo-padro de 10 pode ser insignilicante se aobservao tpica for
I(I.()()O, mas ser um valor lmstante significativo para UIll conjunto de
c!:llloscuja observa(,o tpica (~100.
I'Oltanto, por vezes, (~conveniente exprimir a disperso em ter-
1111 lSrelativos, ou sej a, expressar a variabilidad{; dos dados tirando a
iIi1111l'nciada ordem de grande~a da varivel.
jlode-se obter um ndice relativo de disperso comparando-se o
c!losvio-padro(s) comamdia (x). A medida utilizada denominada
('(/ ('.I : 'iente de VU, T J, e"O e(~definida por
8
CV=-
X
() coeficiente de varia{,o (CV) adimensional, isto , um nmero
jlllJ'Oe usualmente expresso em porcentagem. zero quando no
IIOIIV(~r variabilidade entre os dados, ou seja, quando s =O, o que
IIl:orl'(;quando todos os valores da amostra so iguais.
Suc.t.ytilida.de fornecp:~yma medida para a homo~.Q:~da<i~__ (,lo
I'Ii1ljIlnto_.ge9ad()s.quanto menor o coefic~.f.!1:~~.ge"IJariao, IIlif':
11I1I1I I19ne(),o,c<?Il.ill.Il,t()<:l,8. (l-1Q_9...
Umvalor de CV menor ou igual a 0,25 geralmente indicar que
II I'Illljunto de dados razoavelmente homogneo. Entretanto, esse
Ilac!rilo varia de acordo com a aplicao. Uma possvel classificao
toa seguinte: baixo (inferior a 0,10); mdio (de 0,10 a 0,20); alto (de
Il,:.m a 0,30) emuito alto (supoerior a 0,30).
SI' por um lado pode ser difcil classificar um coeficiente de vari-
:U::1l l como baixo, mdio, alto ou muito alto, esta medida pode ser
11:lsl.al1tetil na comparao de duas variveis ou dois grupos que a
I'ri 11<:piono so comparveis (por exemplo, comordens de grandeza
eIa:, variveis diferentes).
Em um grupo elejovens mdicos resid(~ntes obteve-se, ao medir o
colesterol, a mdia de 205 'fnq/ dl e um desvio-padro de 22 mg/ dl.
Para um grupo de mdicos especialistas, entretanto, a mdia obtida
foi de 244 'fnq/ dl e desvio-padro de 45 mg/ dl. O grupo de mdicos
mais idosos apresenta no s uma rndia mais alta como tambm
maior variabilidade em torno da mdia. O coeficiente de variai'i.()
capta esta diferena. Neste caso, o coeficiente de variao -10,7%
para os residentes e 18,4% para os especialistas.
Na seo anterior vimos como relacionar a mdia e o desvio-
padro para caracterizar a homogeneidade de um grupo. Esta sei'i,o
tambm trata de uma forma de relacionar estas duas estatsticas, mas
l2.,-rac'-c.laindivduo.
A idia que, na comparao dos resultados de dois indivduos,
importante a padronizao emrelao ao grupo. Por exemplo, Ulll
aluno que tenha obtido nota 7numa prova emque amdia da class(,
foi 5apresentou melhor rendimento do que numa prova emque tiro 11
8 mas amdia da classe foi 9. Alm da comparao da nota individual
com a mdia da classe tambm importante avaliar se emcada cas()
a variabilidade das notas foi grande ou no. Assim, o desempenJIl l
deste aluno que obteve nota 7seria bom se o desvio-padro da class(!
fosse 2 e apenas razovel se o desvio-padro da classe fosse 4.
Vamos tomar como referncia os mesmos 10 bebs do Exemplo
3.14 e suponhamos que nasa um beb de 4,1. kg. Este peso cst.:
praticamente dois desvios-padro acima da mdia porque
4,1 - 3, 1
O 49 = 2,04
,
Sejam Xl, '" , Xn os dados observados emuma amostra de tallla
nho n, x e s a mdia eo desvio-padro, respectivamente. Definimos
Xi -x
Zi = - - - ,
S
() valor Zi denominado (;SUin: p(u!nn!iiz(u!o da obsnrvao ; J: , i e o
d(~svioda i-sima observar):io nmrnl;H):ioi1m(~rliadividido pelo desvio-
padrii.o. Portanto, esta rnedida fOl'IlCcno nnwI'O de desvios-padro
I1I1(~a obf3.t:l!'.YEloo dista da. mdia da amostra. Esta interpretao
j IISLi[ica o uso do termo dmvio-padril.o como a unidade segundo a
qlml os desvios em rehH):nrI,mlia dr~V(~111 snr nwdidos.
Surge ento o interesse enl saber quando um escore padronizado
III!VI~ ser considerado grandn.Para responder aesta pergunta necessi-
LalllOSde conhecimentos qun ultrapaCisanl onvel pretendido para este
L(!xLo.Atravs de um rnsultado dn ECitatstica Matmncitica conhecido
1'(1111) Desigualdade de ChebCidwv, podn-Cieobter a Cieguinteregra:
I 'o:ra a maiOTia dos UiTl:f'0:nfos de d(lJ!os, 80% dos dados esfo
no i.nl;eT'ualo cenfnu!o 'lU/ ' 'rnd/ ' cmn o:rnpldv,de de 4- desvio8-padnLo.
I '(I '{U: O, , ~ obseTvaes esfrLo alm, de doi.s desvJs-]JadTo e TaTamente h
1 1 : 1 1 1 .0, obseTvao alm, de S desvio8-]J(u!'('(Lo.
Diante disto, o bebf~de 4,1 :,r; tem um peso muito diferente dos
\111 L!'osdez. No se esperava, a priori, um valor to grande como o
qlI(' ocorreu. Devem-se procurar razes substantivas para este fato.
A paciente A apresentou um resultado de colesterol basuIL(! alLo
(dois desvios-padro acima da mdia). A paciente B no ap),(~sl~IILI)11
nenhum resultado pl'l~ocupante.
Exame x s Resultado Escore
original padronizado
A B A B
(iIicmniaemjejum 85 12,5 90 79 0,40 -0,48
cidolrico 4,2 0,9 3,5 3,1 -0,78 -1,22
'I'l'il':lic{~rides 105 30 97 66 -0,27 -1,30
( ~l )I('st.r~rol total
200 25 251 185 2,04 -0,60
Dados que produzem histogramas simtricos so adequadauwlIL('
descritos e sintetizados pela mdia e pelo desvio-padro. NesLe ca
so, vrias perguntas sobre o comportamento dos dados podmll SI!!'
respondidas usando-se somente estes dois nmeros.
Isto niio ocorre quando os dados siio assimtricos. Vimos COltloa
mediana identifica mais adequadamente o "centro" de um conj 11111,0
de dados com distribui(:o assimtrica. Alm disso, para entmld,!!'
bem uma distribuiiio, precisamos conhecer valores acima ou almixo
dos quais se encontra uma determinada porcentagem dos dados: 1):-\
percentis.
A mediana o percentil de ordem 50. Usando uma fornm] Hl:IU)
mais precisa que a da Seo 3.4.1, definimos mediana como o VII.
lar que deixa pelo me'nos 50% das observaes acima de si (~l}('!o
menos 50% abaixo. Esta definio, embora possa parecer deslwr:I!:-\
sariamente complicada, a forma correta de se tratar qualquer LiP(l
de dados.
De forma geral, o percentil de ordem .1:, representado por l~" , (.
C{ valor que precedido (maior ou igual) por (xn)/100 dos valo]'(~~('
seguido (menor ou igual) por [(100 - .1 : )'1 1 , ] / 1 00.
Os percentis de ordem 25, 50e75so chamados, respectivallH!III.I'
primeiro, segundo e terceiro quaTfis porque dividem a distrilrllil:w)
em 1/4, 2/4 = 1/2 e 3/4. Siio representados por Ql, Q2 e (h (',
evidentemente, Q2 outra notao para a mediana.
O clculo dos percentis feito aplicando-se a definio ou P(ldlHII
ser obtidos de forma aproximada a partir de projees da agi VII..
/\ Tabela 3.14 apresenta os resultados de exames laboratoriais
,'iolir:iLados a duas pacientes, me (A) e filha (B), com respectiva-
111l~111.1! GO e40 anos de idade. Tambm so apresentados os resultados
p:1.l1 f'()11 iZ':adospelo grupo de adultos do sexo feminino.
'I'nlllda :3.14: Mdia (x) e desvio-padro (8) para adultos do sexo
i'1'lllilliIlOeresultados de exames laboratoriais de me (A) efilha (B)
O nvel de albumina no sangue, um indicador do estado IlIIl.ri
cional, foi medido emum grupo de 60 pacientes, obtendo-se ()~mslll
tados (g/ dl) apresentados emforma ordenada na Tabela 3.15,
Tabela 3.15:
Nvel de albumina no languc (g/ dl)
11,114 4,47 4,48 4,51 4,54 4,54 4,61 4,G4 4,66 4,68
1 \ ,(ir\ 4,69 4,71 4,73
Kill \12ill
4,7G 4)H 4,86 4,86
1 1 , : -; 7 4,88 4,90 4,90 4,95 4,95 4,9G 4,97 4,98
~
/l,~m 5,00 5,01 5,01 5,01 5,02 5,04 5 05 5,08 5,09
..:1,OD
5,10 5,11 5,11 5,1G 5,17 5,18 ~i I D
BJ 9\
5,24
:),211 5,26 5,27 5,27 5,29 5,:~2
. 5,.35
5,4G 5,50 5,85
1,0
- ~.
ro
_______ e
D ~. ~-------.
ro
"3
.'
E
0,8
.,//'/
::l ./
U
ro
ro
0,6
.
'u
t\5
/
C
/ <O)
'::l
0,4
I
CY /
O) .
L-
/ 1 /
LL
0,2
,/
.
10
15
20
25 30
35
40
~5
Presso intraocular (mmHg)
() primeiro quartil, conforme adefinio anterior, deixa pelo menos
2:,11:) dos dados abaixo e pelo mcnOl 75% dOldados acima dele. Co-
tllO25% de 60 igual a 15, (h tem pelo nwnOl 15 valores abaixo de
li (~pelo menos 45 acima. Contando-lc 15 valorel do menor para o
Illaior, teremos o paciente com valor de albumina igual a 4,76 g/ dl.
( :1'lIlnl<ando do maior para o menor e contando 45 valores, encon-
I.ralllol tambm 4,76 g/ dl. Assim, a dosagem 4,76 g/ dl o valor do
prillleiro quartil. Podemos dizer que pelo menos 25% dos pacientes
da amostra apresentam nvc1 de albumina inferior ou igual a 4,76
, I / / dl.
() percentil de ordem 80 (Pso) deixa pelo menos 80%, ou seja 48
vall,n~l abaixo de si e pelo menos 12 acima. Contando 48 valores a
parl.ir do menor, chegamos ao valor de 5,18 g/ dl econtando 12 valores
dI) IIlaior para o menor obtemos 5,19 g/ dl. Portanto, Pso qualquer
valor Imtre 5,18 e 5,19. Por conveno, usa-se a mdia destes dois
Vall)n~l,ou seja, o valor 5,185 g/ dl.
() clclll-_dos percentis P.cH~cL_dados agrupados $.JJ2i.tQ_,_at.Lg,Y-B-do
1',I'ilicodas freqn(3i?:s..rel3:t.i::'3:~?:<::l1!J1:11I;:lgl aogiv?:. __
1'ara obte~ ~per~entil traamos uma reta paralela ao eixo horizon-
I.al, a partir do percentil que se quer calcular. No encontro desta reta
('11111 I) grfico traamos uma reta perpendicular ao eixo horizontal,
1'111'llIltrandoassim, no eixo horizontal, o valor procurado. A Figura
;U; I'xmnplifica a regra de clculo.
/\. 111)1<8,0 de percentil especialmente usada emPediatria, emque
1\ : li I.lI1'aeopeso so utilizados como ndices do estado geral de cresci-
1111'111.1 I. Por isto existem tabelas e grficos apresentando, para cada
idade, o valor mdio para o peso e altura, assim como asua variw;1lI I
normal. Dada a importncia destas informaes, foram dell!lIvolvi
dos padres em vrios pases do mundo. Hoje, no entanto, lu, 1111111
clara tendncia para a adoo de um nico padro mundial. I';HI.I'
est disponvel em um antigo programa de computador, distri!>lIidl)
pela Organizao Mundial da Sade.
Atravs da Figura 3.3, vemos que o percentil 95 da taxa de ;ddl)
rico igual a 7,25 mg/ dl, isto , P95 = 7,25 mg/ dl. Isto ligllilil'll,
que cerca de 5% dos indivduos da amostra tm taxas acima dl~7,2:1
mg/ dl.
Existem muitas outras medidas descritivas. So particuiarllll'III.('
importantes oscoeficientes que descrevem ascondies da saI li!111'11 lii
ca de um pas. Existem, por exemplo, inmeros indicadorel I!pidelttl
olgicos de mo,rbidade emortalidade.
(; socialmente muito importante saber,para todos os nascidos
vivos de uma regio, sua condi(Jio (se vivo ou morto) ao fim do
\ll'illl(~i]'()ano de vida. Estes dados permitem a construo do coe-
I11' i(!III,(~(lemortalidade infantil (Cl\ ! [[) da regiiio dado por
nS!. de bitos de menores de 1 ano, rea A, ano t
( '1 1 1 1 = l' 1 . , A t x 1000
nQ cenasclCos VIVOS, area ., ano ~
Aps acoleta elosdados, opnxiIno passo ()aconstrlll,:odo banco
dedados. Conto, emgeral, aconsolida(,ilo dos dados f()itaatravs de
uso do computador, silonecessrios osconceitos bsicos deentrada de
dados emprogramas computaciollais ede)uso deplanilhas c1etrnicas.
O grau de dificuldade para a constru(,,o de um banco de dados
pode variar, dependendo do nmero de variveis, tipos de dados,
tamanho da, amostra, etc.
Nunca demais lembrar aimportncia da realiza,o da confern-
cia de dados especialmente para amostras grandes e quando vrias
pessoas est.oenvolvidas na coleta, organiza,o epreparao do ban-
co de dados. Essa conferncia deve ser baseada em informaes
existentes, como, por exemplo, verificar a existncia de valores fo-
ra da amplitude esperada da varivel e verificaes lgicas. Obser-
vaes suspeitas devem ser conferidas eos erros encontrados, corrigi-
dos. Quando no for possvel fazer a correo no dado identificado,
recomenda-se codific-lo como sefosseumdado omisso. Tempo gas-
to no incio da anlise para verificao dos dados um tempo bem
empregado; erros nos dados no identificados no curso da anlise
principal dos dados exigiro que toda aanlise sejarefeita.
i\ 11l<~dida que vo melhorando as condi(,es devida, edesade da
1"11liilal.;i1.o, emuma rea, vai diminuindo a mortalidade infantil. A
111I11'1.1! (Iemenores deumano diretamente infiuenciada por condies
li,' Sall<~amento,nutrio, (xlucao, habita(,o, assistncia pr-natal
I' iIl) parto. Enfim, pode-se dizer que oC]vI I est ligado diretamente
)): i (:( 1I1( lic,:esscio-econmicas da populao.
() ()studo de ndices como () C 111I () objeto da disciplina de Epi-
dl'lllioiogia ou Sade Pblica.
I';;.: istem vrias maneiras de secoletar dados, sendo que o instru-
1111'111.0 dI)medida pode depender dotipo deestudo outipo devarivel
1llIlllisada. Por exemplo, emum experimento envolvendo cobaias,
I'I"1111111 amedida direta das variveis deinteresse. Emuminqurito, o
11111'Hi i(1I1riooinstrumento demedida mais utilizado. Empesquisas
,'llllic:as, o instrumento de medida pode ser um formulrio de infor-
IIIIII:I)('S, () pronturio do paciente, ou aficha que ser preenchida na
11111111111I!SC.
V :il'ilIScuidados devem ser tomados na elaborao e utilizao
I li' III1IiIlsl,rumento de pesquisa. A definio de quais dados devem
:11'1' I"ddados, como captar as informaes, aclareza das questes do
IIIII'HI, illll:,ri()so extremamente importantes. Para esse ltimo item,
:11111 I'ld'(!l't~llciasteis Mucchielli (1979), Barros & Victora (1991) e
11"11111'1,1, 8.:, H,itchie (1975).
Para variveis categricas devem-se criar cdigos para cada cate-
goria. Eles so arbitrrios e a escolha pode depender dos objetivos
da anlise. A mudana decdigos essencialmente no muda os resul-
tados, mas uma escolha adequada, pode facilitar ainterpretao.
Para variveis dicotmicas, oscdigos mais convenientes so O e1.
Por exemplo O pode representar ausncia e1 presena dedeterminada
caracterstica. Para variveis com k categorias devem ser criadas
k - 1 variveis indicadoras (Oe 1), pois elas definem completamente
cada categoria. So assim denominadas porque apenas indicam a
que categoria o dado pertence. Usualmente acategoria de referncia
corresponde situao em que todas as variveis indicador as so
iguais aO (ou aI).
I'aravariveis contnuas recomendvel entrar comos dados ori-
",i IllIis(~nb os codificados para classes deinteresse, pois pode haver
111'1'I'ssi<!ade de mudana nas classes durante aanlise. Por exemplo,
1'111'11 idad(; s se deve entrar comfaixas drias se houver interesse
1I1'1'llasmn faixas pr-fixadas.
I'ara dados omissos, deve-se usar umcdigo que facilmente iden-
l,iliqlll~I~SS() tipo dedado. A forma mais usual consiste emcompletar
1I 1I1'IIII1~ro de dgitos como valor 9 (9, 99, 999, de.), naturalmente
:U' I~SSI~ no um possvel valor para avarivel. Por exemplo, para
1'1'1 ':,sall arterial usamos 999epara sexo ocdigo seria g.
Categorias Cdigos
Idade
<G O O
2': GO 1
Estadiamento
Estdios I eII O
Estdios III eIV 1
1':xc~lIlplo3.20: Tentativas de suicdio (continuao)
Suponha agora queosestdios no sejamagrupados eque oesta-
diamento tenha 4classificaes (I, II, III eIV). Neste caso, podemos
criar trs variveis indicadoras (fI ,heh), comoindicadas naTabela
3.18.
1 \ Tabela 3.16 exemplifica obanco dedados do Exemplo 3.5 . Os
dldigos usados para sexo foram O para msculino e 1 para feminino
I' I,ara avarivel profisso foramos seguintes: 1 - servios gerais, 2-
dlllll{~si,ica,3- do lar, 4- indeterminada, 5- emprego especializado, 6
1111~llor, 7- desempregado, 8- estudante, 9- lavrador, 10- autnomo
I' I I - aposentado. Oindivduo n~1umhomemde25anos deidade
,
i.rahalhor deservios gerais. O indivduo n~2uma domstica de48
1IIIIlS(~oindivduo n~302 uma estudante de 13 anos.
Estdio fI
r o
II 1
III o
IV o
h h
O o
o o
1 o
o 1
Indivduo Sexo
1 O
2 1
Profisso Idade
1 25
2 48
Na regra bsica de arredondamento, os dgitos excedentes devem
ser descartados seo ltimo deles menor que 5e, emcaso contrrio
o ltimo dgito retido acrescido de 1. Por exemplo, se os dados
forem anotados como 87,72; 90,58 e 98,04 equisermos usar apenas
uma casa decimal, ento os arredondamentos sero respectivamente
87,7; 90,6 e98,0.
Como cada vezmais osclculos sofeitos atravs decomputadores
ecalculadoras que fazemos arredondamentos automaticamente este ,
assunto no to importante emtermos declculos. Entretanto, para
1 \ Tabela 3.17 mostra possveis cdigos para as variveis idade
I' I'si.a<!iamentoconforme as categorias usadas no artigo descrito no
1'>((~lIlpJo 3.6.
11111:\, boa apresentao dos resultados, as seguintes rec:omendac:es
d('v(!1!lser observadas:
I. Sempre que possvel, usar o mesmo nmero de casas decimais
mnuma anlise.
(a) encontrar umextremo (valor mximo oumnimo) ou
(b) um valor correspondente a 1,5DQ, se o extremo corn~s-
pondente estiver amais de 1,5 DQ do quartil respectivo.
:2. I'~rngeral duas casas decimais silo suficientes, a no ser que o
nmero seja menor qU(~1 (;muito pequeno, tal que umnmero
1 naior de casas decimais seja necessrio para distinguir uma
observao deoutra (por exemplo 0,0001 c 0,00(2).
Os pontos que estilo amais de 1,5 DQ do quartil correspondellt.(~
at 3,0 DQ so chamados .1 .!!!!!.tos e~2s eos que esto a mais d(~
3,0 DQ, pontos soltos. Existem smbolos especiais para representar
no bo;x;plot ospontos externos eossoltos. Sero utilizados ossmbolos
* eO para indicar os pontos externos esoltos respectivamente. Um
esquema de bO.'Eplot apresentado na Figura 3.7.
:\. Niiosedevearredondar umnmero mais deuma vez, pois pode
resultar emumarredondamento incorreto. Por exemplo, ovalor
K7,348074arredondado para umnmero comduas casas deci-
mais 87,35eseeste nmero for arredondado novamente para
umnmero comuma casadecimal 87,4. Entretanto, seovalor
original for arredondado para umnmero comuma casa deci-
mal, onmero resultante 87,3(diferente doprimeiro esquema
dearredondamento).
Ponto solto
1
o,
Ponto 8xter'no
1
*
V alor mximo
1
-~~-
~. Arredondamentos no devemser feitos at ofinal apresentao
dos resultados, isto , a preciso completa deve ser mantida
durante toda aanlise.
'1,500 I V alcw~"
_ _ _ _ _ _ _ _ _ _ _ ] tprccls
3,000
Umtipo de grfico muito til para a descrio de dados, visua-
liy;acJiodesua variabilidade, comparao entre diferentes grupos o
J',I';\'[ic:o emcaixas, bo;x;plot, erningls. Foi introduzido pelo estatstico
allH!ricanoJohn Tukey em1977.
Para a construo do boxplot obtm-se primeiro as seguintes es-
l.aLfsticas: 1
Q
quartil (Qr), mediana (Q2), 3
Q
quartil (Q3) eadistncia
ilil,{~rquartlica(D Q), definida comoD Q =Q3 -Ql. O boxplot obti-
III I seguindo-se osseguintes passos:
L Numa reta so marcados o 1
Q
quartil (Ql), amediana (Q2) eo
3
Q
quartil (Q3)'
O boxplot tambm fornece informaes importantes sobre oc{1111
portamento do conjunto dedados, como simetria evariabilidade!. SI'
a amplitude for muito maior que a distncia interquartlica c~a 11)('
diana estiver mais prxima do 1Y. quartil do que do 3
Q
quart.i I, 11(1
fortes indicaes deassimetria positiva edegrande dispersi1.odas (lI,
servaes.
:2. Acima dessa reta constri-se umretngulo comlimites iguais
<1S posies do primeiro eterceiro quartis, cortado por umseg-
mento dereta na posio relativa mediana.
Mota (1992) faz umestudo comparativo decrianas filhasdi' 111111'il
chagsicas comfilhas demes no chagsicas (grupo COll LI'il H'
N()steestudo foram consideradas dosagens obtidas emexames la-
h()J'atoriais, medidas de variveis vitais, antropomtricas ede desen-
volvimento motor (firmar acabea, sentar eandar).
Para ogrupo demes chagsicas, osdados j ordenados dadosagem
d(~hilirrubina (mgjdl) so os apresentados na Tabela 3. 19
concluses obtidas atravs de uma anlise estatstica padrii(), Il( li'
tanto, de fundamental importncia detectar edar um tratamellto
adequado a elas. sempre boa prtica fazer-se uma inspe(i,() d()H
dados no incio da anlise estatstica. Tcnicas descritivas de (h,( I(lH
tm umpapel importante nesta fase.
'I'ahda 3. 19: Dosagem debilirrubina (Tnqjdl) de46 crianc:as filhas de
1I1:\,(~S chagsicas
1, 3 1, 5 1, 9 2, 0 2, 1 2, 8 2, 8 2, 9 2, 9
3, 1
: \ , 1 3, 2 3, 2 3, 2 3, 2 3, 2 3, 3 3, 7 3, 7 3, 8
: \ , 9 4, 0 4, 3 4, 3 4, 4 4, 9 6, 0 6, 1 6, 2 6, 3
, 3 6, 6 6, 7 6, 8 6, 8 7, 8 8, 2 8, 3 8, 8 9, 5
D , 7 10, 1 10, 7 11, 2 11, 3 12, 5
Dentre as possveis causas doaparecimento de outliers, podem-s(~
citar as seguintes:
Mudanas no controlveis nas condies experimentais ou d()H
pacientes.
As estatsticas descritivas so :r =5, 404, s =2, 967, Xmin =1, 300,
:l:llIilX =12, 500, Ql =3, 175, Q2 = 4, 300, Q:3 =7, 050. O boxplot corres-
pOlldente apresenta:do na Figura 3.8.
Caracterstica inerente varivel estudada (por exemplo, gralld(~
instabilidade do que est sendo medido).
Por exemplo, emum experimento oftalmolgico sobre os efeit()H
do trauma devido fotocoagulao com laser na ris de coelhos, (I
pesquisador mediu, entre outras variveis, aconcentrao de pro1d
nas totais no humor aquoso (lquido contido no espao entre acrrH~a
eocristalino). Observou que uma medida era muito maior do qu<)as
outras. Procurand_o a causa, verificou que havia cado um mosquit(l
na amostra analisada aumentando consideravelmente seu teor proU,j
co.
:l.G.!) Observaes atpicas (outlier')
I;; Illllitocomum aparecerem entre osdados coletados, observaes
IIl.lpicas (mdliers), isto , valores muito grandes ou muito pequenos
('1111'l.J:\,(,::'i.o aos demais. Umconjunto de dados pode apresentar ape-
111111 11111 011vrios outliers.
()hs(~rva(;esatpicas alteram enormemente as mdias evariabili-
,11U1, (I,lSgrupos a que pertencem epodem at mesmo distorcer as
As questes bsicas so quais observaes devemser consideradas
como outliers e como detect-Ias. Existem procedimentos para n~H
ponder aessas perguntas.
Os outliers podem ser detectados simplesmente por uma verifi-
cao lgica dos dados, atravs degrficos especficos ouainda atraV{~H
de testes apropriados. Uma forma grfica usual o boxplot apreSl,ll"
tado na Seo 3. 5. 4.
Na verificao lgica dos dados, pod-se t{)star se as observa{;es
l!st.aodentro de faixas de valores espc:)rados, confirmam-se c1assifi-
(';U:(I(!Sdos dados, entre outros procedimentos. Em conseqncia
1liIssrvd eliminar inconsistncias eerros encontrados.
Foram identificados dois outliCTS: umponto externo (ovaIo]' li) ('
umponto solto (ovalor 17). Baseado naliteratura mdica, oprillll~il'o
valor detectado no foi tido como aberrante eassimoptou-se por lIa()
retir-Io da anlise. A cric.ulC;<l que firmou acabea aos 17 mes{)s(~]'a
portadora de paralisia cerebral.
1 \ {listribuio deidade emque ascriarl<:asfilhas demes chagsi-
('a,',lil'll1aramacabea apresentada na Tabnla ~1.2().
Porcentagem
simples acumulada
19,60 19,60
54,90 74,50
19,60 94,10
1,96 96,06
1,96 98,02
1,96 100,00
100,00
Quando ummltlicT detectado, duas medidas podemser tomadas:
abandon-Io ou conserv-Io. Existem justificativas para cada UUla
dessas medidas eo tipo de anlise pode variar, dependendo seo (J'I I , / , -
l'iCT foi ou no eliminado.
UmOUtliCT deveser eliminado da anlise quando houver uma jlls-
tificativa convincente para isto, por exemplo quando a observa(;il.o(!
incorreta ou houve erro na execuo do experimento ou na medida
tomada. Aps aeliminao do ov.tlicT pode-se fazer aanlise estaLfs-
tica usando-se apenas as observaes restantes, ou uma anlise mais
sofisticada, assunto que fogeao nvel deste texto.
Por outro lado, senenhuma explicao pode ser dada observa(;;'u)
atpica, o ov.tlie:r pode refietir uma caracterstica do que est smI(11)
estudado. Neste caso, tal observao deveser includa naanlise e11111
tratamento especial deve ser dado aos dados. Por exemplo, pod{!-sl'
usar uma ponderao da infiuncia das observaes ou alternativa
mente uma transformao (y'X, log x, etc.) da varivel estudada,
Para mais detalhes consultar Snedecor &Cochran (1989) eAltulall
(1991).
'1';J1I1.Ja :3.20: Distribui(;o elaidade ao firmar acabe(;a de 51 crianas
lillla:-;dI) mes chagsicas
Idade ao firmar
acabea (meses)
-
2
3
4
5
6
17
Total
Freqncia
absoluta
() valor 17 meses est muito fora do padro (3 meses segundo a
lii(l'at.lIT'a),oque confirmado no boxplot apresentado na Figura 3.9.
- D- *
A Tabela 3.21 mostra osresultados de Shapiro et aI. (1986) rl!!'(!
rentes a contagens de linfcitos T CD4 de 20pacientes emreIlliss;u)
de doena de Hodgkin (x = 823,2; S = 566,4) e de 20 paCi{mt.I'H
emremisso de malignidades disseminadas no Hodgkin (x = G22,I;
s =293, O).
O valor 2415 do paciente n'i- 20 do grupo comdoena deHod/',kill
parece estar um pouco alto. Se for considerado como um O'l/ , u.., . ('
d(~scartado do conjunto de dados, a mdia e desvio-padro das 19
(1 1 )s(~rva(~es caemrespectivamente para 739 e436.
N- Hodgkin No Hodgkin
1 171 116
2 257 151
3 288 192
4 295 208
5 396 315
6 397 375
7 431 375
8 435 377
9 554 410
10 568 426
11 795
44C)
12 902 503
13,
958 675
14 1004 688
15 1104 700
16 1212 736
17 1283 752
18 1378 771
19 1621 979
20 2415 1252
Todas foramestudadas apartir d(~surto eleITU, suspeitado pela
sintomatologia, sendo hipertemia o fato rnais importante. Cultura
quantitativa commnwro d(~coltmias igualou superior a 10
5
por ml
deurina, colhida emcondi(~esadequadas, confirmou odiagnstico.
Estudos anatJmicos do aparelho urinrio realizaram-se a partir
deurografia excrctora (UE) euretrocistografia miccional (UCM). Os
refluxos foram classificados apartir da UCM nos graus I, II, III, IV
eV conforme Comit Internacional de Refiuxo. Avaliaram-se ainda
medidas renais (dimetros longitudinal etransversal eespessura do
crtex) epresen(~adecicatrizes renais.
Umtotal de 48 crianas foramacompanhadas sob protocolo por
perodo mdio de 4 anos. Todas as crianas eram portadoras de
RVU semoutra anormalidade dotrato urinrio, sendo queem26pa-
cientes era unilateral e 22bilateral, totalizando 70unidades renais.
Considera-se unidade renal oconjunto envolvido no fenmeno dere-
fluxo vesicureteral representado pelo rim, sistema excretrio intra-
renal, pelve eureter at suajuno combexiga.
Houve predominncia do sexo feminino (81%), coma idade no
incio do estudo variando entre umms eoito anos enovemeses.
Seguindo o diagnstico de ITU, as crianas foram submetidas
teraputica antimicrobiana por 10 dias. Aps melhora sintomtica,
a droga foi suspensa por 5 dias e nova urulcultura realizada para
confirmao de esterilizao da urina. Pacientes comurina compro-
vadamente "livredebactria" receberam quimioprofilaxia por tempo
prolongado comsulfametoxazol associado aotrimetoprim ounitrofu-
rantona.
Exames radiolgicos dos 48 pacientes foramrepetidos cominter-
valos deumatrs anos durante operodo deobservao, tendo cada
paciente pelo menos dois estudos radiolgicos no perodo deestudo.
A Tabela 3. 22 mostra adistribuio dosgraus dorefluxo no incio
do estudo eadistribuio decasos decura edequadros estveis.
O RVU foi tratado clnica ou cirurgicamente, salientando-se qlW
ospacientes submetidos correo cirrgica dorefluxo possuam, (~TIJ
:J .H Exemplo comentado: Refluxo vesicurete-
ral primrio em crianas
Noperodo compreendido entre 1971 e1985, aUnidade deNefro-
l"I',ia (>(~ditricado Hospital das Clnicas da UFMG desenvolveu um
I'HI.IJdocomcrianas portadoras de infeco do trato urinrio (ITU)
(' 1'I'!IIIxovesicureteral (RVU) descrito emDiniz et aI. ( 1996) .
Grau Inicial Cura Estvel
deRVU n % n % 11 %
I 10 14, 3 3 6, t S 5 33, 3
II 25 35, 7 l t S 40, 9 5 33, 3
III 8
11, 4
5
11, 4
1 6, 7
IV 15 21, 4 7 15, 9 3 20, 0
V 12 17, 01 11 25, 0 1 6, 7
Total 70 100 44 100 15 100
H indicao de melhora.do RVU seI ERVU <1 (AO <Ai),
de RVU estvel se I ERVU = 1 (AO ~ AI ) ede piora do RVU H<l
I ERVU> 1(AO> AI ). '
A relao temporal entre o incio dos sintomas eos diagnsti<:oH
deITU eRVU mostrada na Tabela 3.23.
Tabela 3.22: Distribuio dos graus do refluxo no incio do estudo,
decasos de cura ede quadros estveis segundo o grau de refluxo
Tabela 3.23: Distribuio segundo faixa etria no incio da sintoma-
tologia, poca do diagnstico deITU edeRVU
Grupo Incioda
Diagnstico Diagnstico
etrio sintomotologia eleITU
eleRVU
(anos) n % n % 11 %
0f--1
32 67 30 63 13 27
1 f--5
14 29 16 33 28 58
~5 2 4 2 4 7 15
Total 48 100 48 100 48 100
grande maioria, graus mais graves de refluxo almde apresentar~m
commaior freqncia leses de cicatrizes renais antes mesmo da 1Il-
terveno teraputica. .
Apesar do tratamento (conservador ou cirrgico) estabelecIdo,
houve 8 casos de piora: duas unidades passando de I para II, duas
unidades de III paTaIV e quatro unidades de IV para V. Em trs
unidades houve melhora: duas deII para I euma deIV para 1.
A partir degrau do RVU observado acada verificao radiolgica
edo grfico delinhas correspondente, criou-se umndice deevoluo
do refluxo (I ERVU). Foi definido como o quociente entre a rea
observada (AO) e a rea sob a curva que seria obtida caso o grau
inicial fosse mantido (AI ), isto , I ERVU =AO/ AI . Esse ndice
reflete trs situaes distintas, ilustradas na Figura 3.10.
G rlUl> Oe RVU G rAUS d~ RV U G rauscleRV U
I'} Ibl
::-~~-~-;71
,,' v
"L
N.
:- '~- '- '
.
Ul' lU'
~.;AI A.:,=A,
A,
, A,,>A.
II
~~]
"
I
"
I
...,..._-,-........-~ ,
""'""'" '" "'"
00
D"
I!) '0 :;o Ml M M 10 ~,' ~ 100
"
H>
"""
.,
'"
ao
'"
'00
TMlpO" d~ ob$MvaAo (meses) Tempo de obs.:::rval'lo (mesa! l) Tampo de observao (ma-$es)
No houve retardo considervel para o diagnstico do ITU, 111,(1
ocorrendo omesmo comodiagnstico doRVU. Esses fatos so clara-
mente identificados ao se observar que 63% das crianas estudadas
tiveram diagnstico deITU comidade inferior a1 ano eque, no nws
moperodo, somente 27%tiveram odiagnstico deRVU estabelecido.
interessante destacar que o diagnstico deITU emcrianas muito
novas no to freqente, devido m interpretao de hipertmnin
nessa faixa etria.
A distribuio de cicatrizes renais iniciais, sua evoluo ao lOII)J;O
do acompanhamento eosurgimento denovas cicatrizes so apnlS(lll-
tadas na Tabela 3.24. Das 21 unidades renais comcicatrizes noill(c:jo
do estudo, houve progresso em16. Emcinco casos houve piora COII.
comitante do grau de refluxo (quatro de IV para V eum de I pal'a
II). Nas sete unidades renais emque apareceram novas cicatriy,cs, e I
refluxo j havia sido curado, trs comtratamento conservador (gl'all
II) equatro cirrgicos (graus III eIV).
A tabela 3.25mostra adistribuio etria dospacientes segulldo a
ocorrncia decicatrizes no incio do estudo, comnotvel predolll (rlie)
no primeiro ano devida.
Figura 3.10: Grficos exemplificando aevoluo do grau de refluxo:
(a) melhora, (b) estvel e(c) piora
Tabela 3. 24: Distribuio decicatrizes renais segundo grau dorefluxo
Cicatrizes GraudeRVU
renais I rI III IV V Total
6.
Iniciais 2 2 1 10 6 21
Estveis 1 O O
Li
O 5
Progresso O 3 1 2 10 16
Novas O 3 O 1 :3 7
Final 1 6
]
7 13 28
madamente 68. Usando essaregra, obtenha intuitivamente uma
estimativa para o desvio-padro das idades de estudantes que
cursam no primeiro ano deMedicina.
(a) Seummesmo nmero somado a todos os elementos de
umconjunto dedados?
(b) Secada elemento deumconjunto dedados for multiplicado
por umvalor constante?
'I'aIH:la3. 25: Distribuio ctria dos pacientes segundo aocorrncia
dl~c:icatrizesno incio do estudo
(a) Sempre ametade dos dados est abaixo da mdia.
(b) A mdia ovalor tpico deumconjunto dedados.
(c) Enquanto tivermos alunos comrendimento abaixo da m-
dia, no poderemos descansar.
Grupoetrio
(anos)
01-1
11-5
25
Total
Rinscomcicatrizes
TI , %
8 38
1 5
21 100
8. Apresentamos a seguir os resultados da segunda prova da tur-
ma C do 1~ ~emestre de 1990 da disciplina deEstatstica para
Medicina.
I. Classifique as variveis dos Exemplos 3. 3 e 3. 4. (use os tipos
descritos na Seo 3. 2. 2) .
6 12 12 14 15 15 15 15 \ 16 '
17 18 18 19 19 19 20 21\ 21
l
22 22 22 23 23 23 23 23 23
24 25 25 2- 5 27 27 28 32
(a) Calcule amdia eamediana.
(b) Calcule oprimeiro eterceiro quartis. Explique osignifica-
do destes nmeros.
.) r~sboceumbanco de dados para a pesquisa descrita na Seo
:1.6, incluindo acodificao das variveis envolvidas.
:\. lJsnasua calculadora para obter odesvio-padro dos 10pesos
de recm-nascidos, usados como exemplo na Seo 3. 4. 2. Est
sendo usada afrmula quecontmn oun - 1 no denominador?
(c) Considere tambm osresultados das turmas A eB. Com-
pare asnotas dastrs turmas quanto asuahomogeneidaclll.
,I. Digacomsuas prprias palavras oqueodesvio-padro deum
(:clujunto denmeros.
Desvio-padro
4,5
5,4
r,. IJmaconseqncia daregra daSeo3. 4. 4queaamplitude dos
dados (a diferena entre omaior emenor valores) vale aproxi-
Turma Mdia
A 22, 5
B 24, 0
-
9. Utilizando os dados do Exemplo :).2construa uma tabela de
freqncia com os dados agrupados para um nmero e uma
amplitude declasses convenientes.
10. Consideremos 12observa(;cs (ordenadas) do tempo de inter-
nao (dias) depacientes acidentados notrabalho, emumcerto
,
hospital: 1, 4, 7, 9, 10, 1:3,15, 17, 17, 18, 19, 21. Obtenha os
quartis einterprete estes valores.
11. O tempo (emmeses) entre a remisso de uma doena e a re-
cidiva de 48 pacientes de uma determinada clnica mdica foi
registrado. Os dados ordenados so apresentados a seguir, se-
paradamente para os sexos masculino (M) efeminino (F):
M 2 2
9 10
44447
15 15 15 16 18
778 9
18 22 22 24
F 2
7
4 5 5 6 6
8 10 10 11 11
7 7
12 18
(a) Calculeamdia, odesvio-padro, amediana eocoeficiente
devariao para cada sexo. Interprete.
(b) Repita os clculos pedidos em (a) para todos os 48 pa-
cientes. Compare comos resultados de (a).
12. Umlaboratrio resolveu divulgar, almdo valor da dosagem,
a ordem do perc-entil para pessoas sadias a ela associada. In-
terprete os seguintes resultados de uma pessoa que fez exames
neste laboratrio:
Albumina 5, 3g/ dl percentil 95
Colesterol180 mg/ dl percentil 5
1 :\. A tabela a seguir apresenta os dados de um teste de psico-
analogia (umteste de inteligncia c:f!l que um indivduo tem
que resolver uma srie de analogias). A amostra contm 158
indivduos que receberam notas de acordo como rendimento
!lO teste.
Escore Freqncia absoluta
simples acumulada
33 f- 36
1 1
36 f- 39
3 4
:39f- 42
1 5
42 f- 45
4 9
45 f- 48
3 12
48 f- 51 7 19
51 f- 54
15 34
54 f- 57
23 57
57 f- 60
16 73
60 f- 63 24 97
63 f- 66
21 118
66 f- 69
21 139
69 f- 72
15 154
72 f--75
4 158
(a) Construa ohistograma eaogiva.
(b) Localizeasclassesquecontmo1!2. quartil (Q1 ), amediana
eopercentil deordem90 (Pgo).
(c) Acima de quenota encontram-se 80% dos indivduos? A
quepercentil corresponde este valor?
Os dados da tabela a seguir referem-se taxa de colesterol
(mg/ dl) deumgrupo A de50estudantes comidade entre 10e
19anos dedeterminada escolapblica encontra-se na tabela:
Taxa de
colesterol
112 f- 132
132 f- 152
Freqncia absoluta
simples acumulada
1
3
6
9
14
9
_5 _/
2
1
50
Freqncia relativa
simples acumulada
(a) Complete a tabela.
(I Construa o histograrlla e aogiva.
(c) Calcule graficamente Puo Qual {~o seu significado?
( I) Outro grupo de indivduos (B), comfaixa etria entre 50e
60 anos, apresentou uma taxa d(~colesterol mdia igual a
254 mg/ dl com um desvio-padro de 48 'my/ dl. Qual dos
dois grupos mais hOIllOgllCO?Por que?
(~) O que podemos suspeitar, comparando as mdias dos dois
grupos?
I;l. \';\u urna pesquisa sobre a conccntra(;iio de minerais no leite
IIl<1terno, foram coletados no perodo dc 1984 a 1985 dados de
;)[) mes do Hospital Maternidade Odete Valaelares em Belo
Horizonte. As m~tCsforam divididas em dois grupos, segundo
() perodo de lacta(;iio: colostro c leite maduro. Os minerais
considerados foram ,cob~), magnsio ezinco. Os dados aseguir,
(~xtrados de Nunes et al. (1988), referem-se ao clcio e zinco:
113
163
167
159
238
277
1,07
G ,07
7,45
0,52
1,55
2,63
Clcio (p,g I ml eleleite) - Grupo colostro
181 254 311 334 145 221 256 312
225 275 313 372 163 231 296 323
241 303 325 375 437
Clcio (p,g I ml de leite) - Grupo maduro
175 181 188 200 206 213 214 217
238 242 244 256 259 260 263 264
279 281 293 302 303 314 344 394
Zinco (~LgI rnl de leite) - Grupo colostro
1,20 1,30 3,13 3,20 3,70 4,40 4,57 5,20
6,13 6,50 6,82 6,82 6,90 7,23 7,42 7,43
8,25 8,40 8,77 9,54
Zinco (~Lglrnl eleleite) - Grupo maduro
0,60 0,78 0,86 1,08 1,23 1,28 1,31 1,40
1,60 1,92 2,15 2,27 2,40 2,41 2,52 2,57
2,92 3,02 3,05 3,57 3,88 5,50 7,38
344
375
231
275
5,82
7,43
~
17.
t
1,55 ti
2,60
t
!
(a) Calcule medidas de tendrmcia central e de vari abilidade . _. . - ,
o coeficiente d() variiu;iio e os quartis. Apresente essas es-
tatsticas em urna tabela contendo inclusive o ttulo. Co-
mente os resultados.
(b) Verifique, construindo bO: I : J! lof: s, se h O'I J.f) : T8 e, em caso
afirmativo, classifique-os.
(c) Quais grficos seriam indicados para esses dados?
Urna das formas que um pediatra usa para avaliar o grau de
controle do diabetes a dosagem da glicohemoglobina, que
medida em % da hemoglobina total. Valores acima de 12 in-
dicam que o paciente no est sob controle. Em um grupo de
15 criam;as obtiveram-'se os seguintes resultados para 13 delas:
10,5'
12,4
12,1
13,1
12,3
13,1
12,3
13,5
11,2
12,4
11,7
12,5
Por motivos associados limitao do aparelho de anlise, sabe-
seapenas que osvalores observados dedois pacientes so maiores
que 14,
Para mostrar que este grupo tem um alto valor de glicohe-
moglobina, ele igualou a 15,5 os dois valores maiores que 14
e tirou a mdia dos 15 valores. Comente o procedimento usa-
do, proponha e obtenha uma forma alternativa de sntese dos
dados. \"'\E ~,f'\;'l'l'" kEd? ?
O grfico a seguir mostra as composies, ordenadas por ano,
de Robert Schumann, compositor alemo que viveu entre 1810
e1856 (Jaminson, 1995). As obras esto representadas por seus
nmeros de opus.
o')', 1:~(;
00;< 128
- 1'2"1
08e 119
1"1'1'117
113
07I120'11;'
078 '125 '111 184
0700971'10 133
07 0';,;',109 '1"1:~132
072 l'l 07'1 O~XI "107 '1'17 131
060 0:,:008'1073 tO '1'10'125
06507-1070 104 '13G 123
118
Aproximadamente a qual percentil corresponc.leuma das
mais conhecidas pcas para piano elocomposItor: Cenas
Infantis (opus n.'.'.1G ),(
Em que ano Schurmmn completou 75% de seu tr:a~alho'(
Qual o percentil correspondente equal a composIao que
marca essarca.lizao'(
Em 1833, St':humanntentou suicidar-se pela primeira :rezo
Seeletivesse conseguido realizar seu intento, qual sena o
percentual deperda desuas obras para ahumanidade?
Osanos 1840 e1849 foramextremamente produtivos. Qual
, d 7
opercentual desua obra foi composto nessepeno O.
I~, Nll linal de 1988, o Prof. Eder Quinto da Escola Paulista
I 11' Medicina submeteu dez amostras do mesmo sangue a dez
1:I1>oratrios'da cidade de So Paulo. Segundo delarao do
I lI'S<lIsador (Folha de So Paulo de 3/ 08/ 89) . os ~,abor~trios
('sClllldosforam "osdez maiores emais conhecIdos da CIdade.
1.\ lI':un obtidos osseguintes resultados para onvel decolesterol
(' I.l'iglicrides(rng/ dl).
Colesterol 284 295 330 228
365,
335 361 333 294 318
Triglicrides 166 158 202 162
135 82 150 86 121
NIll.a: - significadado ausente
84
(a) Comente equantifiquc avariao encontrada nestes resul-
tados.
(b) O jornal apresentou a notcia coma seguinte manchete:
"Mdico constata erro emexames para colestcrol". Ojor-
nalista que escreveu esta manchete usou uma expresso
adequada para apresentar osresultados?
19. A tabela a seguir mostra a distribuio do peso ao nascer dos
7. 225 nascidos vivos no ano de 1992 na regio urbana do dis-
trito sede de Juiz de Fora (Souza & Costa, 1993) . No foram
includas na tabela 99crianas compeso ao nascer ignorado.
Peso ao nascer
( g )
500 I- 1000
1000 I- 1500
1500 I- 2000
2000 I- 2500
2500 I- 3000
3000 I- 3500
3500 I- 4000
4000 I- 4500
4500 I- 5000
5000 I- 5500
5500 I- 6000
Total
Freqncia absoluta
simples acumulada
33
60
147
614
2077
2875
1113
184
20
1
2
Percentual
simples acumulado
(a) Complete atabela.
(b) Emque classeest amediana da distribuio?
(c) Acima dequepeso encontram-se 90%dos nascidos vivos?
Qual opercentil correspondente?
(d) Construa ohistograma ecomente.
20. Obtenha os escores padrqnizados para os dados do Exemplo
3. 14. Comente.
21. A seguir apresentamos tabelas obtidas pelo cruzamento deva-
riveis do estudo descrito no Exemplo 3.7.
Faixa de
idade
60 f- 75
75 f- 100
Total
SI~XO
Masl:111) Feminiw)
(e) Segundo os autores, 54,2?1) dos residentes que tinlmlll li.\.'
gum grau cl<~dderiorae,o nas funes do comportalll<!11
to necessitavam dl~ajuda importante nas tarefas di;\,l'ias.
Identifique (~sscscasos.
(f) Baseado nessas tal)(~las e/ou na tabela apresentada 110
Exemplo 3.7, C:Olnplc~tese possvel o seguinte pargrnJo:
"A anlise das vari<i,vlsernseparado mostrou que IX,
elos residentes apresentavam distrbios ela mobilil lal lI!;
.......... % eram agitados; % necessitavam de ajllda
para se alimentar; % eram incontimentes de urilla;
.......... % apresentavam distrbios do sono e % alll
cinavam e/ou tinham idias delirantes" .
30 (21,1%)
17 (lO,7%)
lU) (7D,D%)
142 (t:\D,3%)
Grau ele
deteriorao
Nulo
Leve
Moderado
Grave
Total
Sem
lG (D4,1%)
51 (41,1%)
10 (11,5%)
4 (5,0%)
Demncia
Leve~ Grave
O(0,0%)
4G(37,1%)
Gl (70,1%)
G D(86,3%)
1 (5,D%)
')7 ('Xl QO/) , ; ...; , : ...J ,o / 0
1G(lt:\,4%)
7 (8,8%))
22. Para o exemplo sobre reHuxo vesicureteral primrio enl cl'i~
anas, apresentado na Seo 3.6:
(a)
Funef1 de Alterao
(b)
comportamento Nenhuma Alguma Completa
Mobilidade 178 (57,8%) 130 (42,2%) 47 (15,3%)
Orientao 95 (30,8%) 213 (69,2%) 34 (11,0%)
(c)
Comunicao 84 (27,3%) 224 (72,7%) 17 (5,5%)
Cooperao 89 (28,9%) 219 (71,1%) 95 (30,8%) (d)
Agitao 181 (58,8%) 127 (41,2%) 7 (2,3%)
Vesturio 203 (65,9%) 105 (34,1%) 40 (13,0%)
Alimentao 242 (78,6%) 66 (21,4%) 21 (6,8%)
C:ontinncia urinria 220 (71,4%) 88 (28,6%) 61 (19,8%)
SImo 187 (60,7%) 121 (39,3%) 7 (2,3%)
Ilmnor objetivo 69 (22,4%) 239 (77,6%) 61 (19,8%)
Illunor subjetivo 70 (22,7%) 238 (77,3%) 36 (11,7%)
Quantas meninas havia no grupo de pacientes desse mi,lI-
do?
.Tustifique aimportncia da utilizao do ndice deevolllcl\l )
eloreHuxo (IERVU). '
Em quantas unidades renais houve constatao de cica
trizes no incio do estudo?
Para as tabelas a seguir, compare os grupos com ou SI!1I1
cicatrizes em relao ao padro de infeco urinria I! aI)
acometimento unilateral ou bilateral dos rins.
Infeco urinria Semcicatrizes Comcicatrizes
TI , % n %
Semrecorrncia 8 32,0 8 34,8
Recorrncia ocasional 6 24,0 8 34,8
Recorrente
8 32,0 3 13,0
Persistente
')
12,0 4 17,0
0
Total
25 100 23 100
(a) Complete os totais das tabelas.
(I)) Comente os resultados apresentados nas tabelas.
(c) qual a prevalncia da demncia? \",V'\-A-b'f~ "\)'\''''
(d) qual o percentual de idosos com algum grau de deterio-
me,o nas funes de comportamento?
Ocorrncia RVU
decicatri~es Unilateral Bilateral
TI, % n %
Sim 18 69 5* 23
Captulo 4
No 8 31 17 77
Total 26 100 22 100
Probabilidade e Avaliao
de Testes Diagnsticos
~:l. Faauma anlisedescritiva completa dosdados apresentados na
Tabela 3.2da8eo3.2.3(recomendvel ousodecomputador).
~;). Comusodeumprograma computacional, faauma anlise des-
critiva completa dos dados dos Exemplos 3.3e3.4.
~(;. Apresente exemplos deaplicao doquefoi estudado nessecap-
tulo retirados derevistas, jornais epublicaes cientficas. Co-
mente aadequacidade dousodaestatstica nesses exemplos ese
for ocaso sugira modificaes da anlise e/ou da apresentao.
Uma das experincias mais rotineiras da prtica mdica asoli-
citao deumteste diagnstico. Os objetivos sovrios, incluindo a
triagem depacientes, odiagnstico dedoenas eoacompanhamento
ouprognstico da evoluo deumpaciente. Para chegar ao diagns-
tico, o mdico considera vrias possibilidades, comnveis decerteza
quevariam de acordo cornas informaes disponveis.
Umobjetivo deste captulo , usando a linguagemda Probabili-
dade, mostrar como semede onvel de certeza da ocorrncia de um
(:~vento,por exemplo, apresena deuma doena aps aobservao de
umteste positivo. Consideraremos oteste positivo quando indicar a
presena da doena enegativo quando indicar aausncia.
No existe teste perfeito, aquele que comcerteza absoluta deter-
mina apresena ou ausncia da doena. Assim, oobjetivo principal
deste captulo estudar osndices nos quais oconceito dequalidade
deumteste diagnstico usualmente desmembrado.
Freqentemente, umnico teste no suficiente, eportanto deve-
S(~ combinar dois ou mais testes. O ideal seria que, para cada pa-
I.ologia, fossemdeterminados ostestes aseremincludos no processo
diagnstico eanlelhor forma decombin-Ios. Nestecaptulo tamb(~1I1
SilO apresentadas as formas mais comuns de combinao de test(~s(~
como medir aqualidade do teste conjunto.
Para atingir estes objetivos introduYJimosde forma intuitiva con-
1:I~jtoselementares da Teoria das Probabilidad(~s. Apresentamos 1'01'-
IllalulCnte os conceitos de sensibilidade, especificidade, valores de
III'I!( [i ()io positivo enegativo.
(~ventosd(~inter<~sse,por exemplo, F: "asornados dois valores 10";
G: "osdois valores so iguais"; H: "urna das faces maior que 3".
fcil ver queF temtrs elementos, isto , F ={(4, 6), (5, 5), (6, 4)},
G eH tmseis evinte eset(~dernentos, respectivamente.
(;onceitos probabilsticos so necessrios para se estudar fen-
1111 !IIOSaleatrios, isto , sitwtl{esemqu<~os resultados possveis so
('.1li1Ij(~cidos,mas no sepode saber apriori qual deles ocorrer.
Os primeiros resultados da Teoria das Probabilidades foram obti-
IIIiSqnando matemticos do sculo XVII tiveram que responder per-
1',lllltasde amigos sobre jogos de aYJar. Usarmllos esta mesma moti-
val{aopara ilustrar os conceitos bsicos. Nosso objetivo, entretanto,
I"allalisar situa({es muito mais complexas, colocadas pela medicina
dlllica.
Nesta seo apresentamos alguns resultados, essenciais para ocl-
1'1ilode probabilidades na maioria das sitlull{esprticas.
Na etapa de pesquisa para adetennina({o do grau de confiabili-
dade deumteste diagnstico, o pesquisador utiliYJa-oprimeiramente
emdois grupos muito especficos de p(~ssoas: um de portadores da
doena perfeitamente caracterizada eoutro depacientes semadoena
emquesto. O diagnstico, nesta etapa, deve ser feito por ummeio
dif(~rentedo teste emestudo, o chamado lHul'('(l, o O'/ J, T'O. OSresultados
desta etapa da pesquisa podem ser resumidos na forma da Tabela
4.1.
Tabela 4.1: Esquema padro desntese dos dados para verificao da
qualidade de umteste clnico
O conjunto de todos os resultados possveis de um experimento
:dl!ai,{)rio chamado de espao amostral eser denotado por E. Um
1'/lI"II'!;() umsubconjunto do espa({oamostra!. Quando constitudo de
111 li!llaSumelemento, chama-se evento simples.
Doena Teste
Positivo Negativo Total
Presente a b a+b
Ausente c c+d
Total a+c b+d n
Para definir os ndices que descrevem ograu de confiabilidade de
umteste, precisamos trabalhar comos seguintes eventos:
( ~1)llsideremosoexperimento "lanamento deumdado". Trata-se
e11' 11111 (!xperimento aleatrio. O espao amostral {I, 2, 3, 4, 5, 6}.
~;il,l)(:VI!ltt,OS simples: { 1 }, { 2 }, { 3 }, { 4 }, { 5 }, { 6 }. Outros
"V"lltoS: A ={1,3}, B ={2,4,6} ={nmeros pares}, C ={3,5,6}.
T+ corresponde ateste positivo
T_ corresponde ateste negativo
D+ corresponde aindivduos portador da doena
D_ corresponde irindivduo no portador da doena.
1 \ situa({o menos simples quando se lanam dois dados. O
"::lliU,:Oamostral tem agora 6 x 6 = 36 elementos, j que cada face
IIIIIII!ocorrer associada comtodas as outras. Muitos podem ser os
Nosexemplos 4.1 e4.2, oseventos simples soequiprovveis. Suas
probabilidades sao, portanto, calculadas contando-se o nmero de
J'(~Sl 11tados favorveis aoevento deiIlt(~reSseedividindo-o pelo nmero
t.ot.al (k possibilidades. Nestas circuustfmcias, o clculo da probabi-
Iidadl~de um evento requer simpksuwnt,(~ a coutagem do nmero de
J'('SI 11t.ados favorveis eo muwro total de possibilidades.
A ocorrncia simultfmea dos eventos A eB chamada de (~V(~llt.O
interse(:o e representada por A nB. Contm todos os pontos dll
espao amostral comuus aA eB, sendo ilustrada pela rea sombn~ada
na Figura 4.1.
NoExemplo 4.1, aprobabilidade deocorrfmcia decada face 1/6
I' l'llll:.. ;(~qentemente:
2
Fr(A) =G
3
P, .(B) = G
p, .(C) = t
No Exemplo 4.2 os eventos simples S80tambm equiprovveis.
I'IIl't.allto, as probabilidades dos eventos F, G, eI -I S8.o:
;)
Fr(F) =-
3G
(C
") 6
PT T =-
3G
27
P'I '(I -I ) = - ,
36
Namaioria das situa(:es prticas, oselementos doespao amostral
IliII)s;i()igualmente provveis e, deste modo, aprobabilidade dos even-
1., I,';Ikv(~ser calculada utilizando-se da noo de freqncia relativa,
i:iI,l){',aproporo doresultado deinteresse emsucessivas observaes
:il.II 111<~SlllaS condies do fenmeno aleatrio.
1)1)1' exemplo, a probabilidade de infeco nos leitos de uma ala
l'ill'II'!',icade umhospital s pode ser calculada atravs da freqncia
1I,Iat.ivad(~infeces, j que diferentes pacientes tm riscos diferentes.
Na J'(~alidade,a freqncia relativa apenas converge para o valor
01/1 I'l'olml>ilidadedo evento. Esta idia spode ser colocada sob bases
li' di.Ia:,at.ravs do estudo da teoria axiomtica da Probabilidade. Isto
1111' I :~I'I';!'nitoneste texto. Registramos simplesmente que aafreqn-
I'ia 1"'lat.iva{~diferente do valor da probabilidade, mas no faremos,
,1" a)','II';\'I~mdiante, diferena entre os dois valores. Estaremos ad-
II1 it.ilI<10qlll~o nmero elerepeties suficientemente grande para
11111' ;I IIiri ~l'eIl(:asej adesprezvel.
o evento unuJ,O de A e B equivale ocorrncia de A ou de 1 / ,
ou de ambos. Contm os elementos do espao amostral que esto I~III
pelo menos um dos dois eventos. Denota-se por A UB, representada
pela rea sombreada da Figura 4.2.
oevento cO'lI ljilc'I nc'I I '/ ; (), 'r deA conthn todos osc1enwlltosdoespa(.;o
1I.IIIostralqueno pertecem aA, 011 seja, trata-se danega(.;iiodoevento
/1. I;; usualmente indicado por A.
I)ois eventos A eI J si1.o'min! ilUl, 'rnC'I I .! ; c c; r; r; l-ndc'I / , / ; c8 se aocorrncia
,1,- 11111 deles impossibilita aocorr(\]Jciado outro. Eln outras palavras,
(I:; (I. lis eventos niio Wmnenhuru c1emento do espa.r.;oamostral em
"'IIIIIllIl,isto , AnB = 0.
Emmuitas situa(.;()(~So objdivo {~c;t1cular aprobabilidade de 11111
evento restrito n, determinada condi(.;iio. ]~;a chamada probabilidadc
condicnud. Por exenlplo, na avaIia(.;iiod(~um teste diagnstico, in-
teressa conhecer a prolmbilidade de o teste ser positivo, dado que o
paciente ounilodoente. Portanto, podemos calcular probabilidades
cO'l/ , rciO'l/ , r 8, representar Ias por:
11.2.4 Propriedades da probabilidade
I. ():::::Pr(A): : : : : 1, para qualquer evento A
~. PT(E) =1, onde E o espao amostral
:\. SeA eB so eventos mutuamente exdudentes, entiio
Para introduzir oconceito deprollabilidade condicional, voltamos
entretanto motivao simples forrwcida pc10 lam.;amento de dois
dados.
Suponhamos que selancem dois dados niio viciados. Existem 36
resultados possveis, todos comprobabilidade 1/36. Sedispusermos,
entretanto, da informaiio de que o resultado do primeiro dado 3,
qual ser aprobabilidade de asoma dos dois dados ser 8?
Para calcular esta probabilidade, raciocinamos da seguinte ma-
neira: como o resultado do primeiro dado 3, existem somente seis
resultados possveis emnosso experimento:
I\. partir das regras anteriores, pode-se mostrar que valem as
:H !I';II iIItosrelaes:
Note que agora oespao amostral ficoureduzido aapenas 6pon-
tos. Intuitivamente, como cada umdesses resultados era equiprov-
vel antes deseconhecer oresultado do primeiro dado, omesmo deve
continuar acontecendo, aps considerar-se aquela informao. Co-
mo apenas o par (3,5) satisfaz a condio desejada, aprobabilidade
procurada 1/6. Naturalmente a probabilidade condicional, dado
que o primeiro dado produziu 3, dos outro:;; 30 resultados ento
zero, j que sua ocorrncia impossvel.
Vemos que a probabilidade de um evento A modifica-se quando
se dispe de uma informao sobre a ocorrncia de um outro even-
to associado. A probabilidade do evento A, quando se sabe que o
evento B ocorreu, chamada probabilidade condicional de A dado
B; denota-se por PT(AI B) eseP.r(B) > Ocalculada por
I;;fcil justificar o termo subtrativo considerando aFigura 4.2.
S.~tomassemos apenas PT(AuB) =Pr(A)+Pr(B), estaramos
('ousiderando duas vezes aprobabilidade deinterseo.
( :01110 adificuldade de clculo da probabilidade dos eventos A
(!/1 {~usualmente muito diferente, esta propriedade tem muitas
aplicar.;esna prtica.
T'I '(An 1 3)
PI '(AI 1 3) = P'I '(1 3)
que estamos fazendo precisamente estabelecer PT(AI 1 3) a plll'UI'dt.
Pr(A n1 3) =0,10 ePI '(1 3) =0,25. Assim, PT(AI 1 3) =O, 10/0, '2r,
0,4 a probabilidade condicional de A dado 1 3. Empalavras, 1'111.1'1'
as pessoas comex<:<~c-:so de peso, 40% tmpresso elevada.
Ajuda aentender aexpresso (4.1) pensar que, quando escrevemos
I )'I '(AI 1 3), oespao amostral ficourestrito aoevento 1 3. Reescrevendo
(1 1 .1 ), obtemos aexprec-:s8.oda r<~grada multiplica(;o.
Dois eventoc-:A e1 3 sU.o'lTl, dqw'I I , dr: 'I I , tcs seo fato de um(kll~s1.(:1'
ocorrido niio altera ,J, probabilidade de ocorrncia do outro. 1';c-: 1.11
definio expresc-:aemfrmula (~
Umgrupo de pessoas foi classificado quanto apeso epresso ar-
I.erial de acordo comas propores mostradas na Tabela 4.2.
ou seja, a probabilidade condicional de A dado B igual ,1. pl'!11111
bilielade niio condicional de A. Em outras palavras, a ocorl'{\!H:i 11
do evento 1 3 no fornece nenhuma informa(;o sobre aocorrC~lIciadi)
evento A.
Tabela 4.2: Distribuio de umconjunto de pacientes segundo peso
I~presso arterial
Presso Peso
arterial Excesso Normal Deficiente Total
Elevada 0,10 0,08 0,02 0,20
Nonnal
0,15 0,45 0,20 0,80
Total 0,25 0,53 0,22 1,00
Para a extrao sucessiva sern repOSH;aode duas cartas d(~11111
baralho comum, vamos calcular aprobabilidade deambas sereml ":i,s",
Antes da primeira extra(J.o, hei 4 ases em52cartas. PorL: \.I Ii,( I, II
probabilidade eloevento A: "s na primeira extrao"
Qual a probabilidade de uma pessoa escolhida ao acaso naquele
gl'llpo ter presso elevada? Considerando que apessoa escolhida tem
(~xcessodepeso, qual aprobabilidade deter tambm presso elevada?
Chamando de A o evento tr: T pTcsso elevada, elembrando que a
pl~ssoa escolhida ao acaso, emum grupo emque 20% tem presso
(dl~vada,temos que PT(A) =0,20.
Clmmemos 1 3 o evento teT excesso de peso. Diante da informao
d(~qne a pessoa tem excesso de peso, passam a no nos interessar
as colunas correspondentes s pessoas de peso normal e deficiente.
Na primeira coluna, vemos que, no grupo dos que tm excesso de
P(~,'4i), aproporo dos quetmpresso elevada 0,10/0,25 = 0,4. O
4 1
PI '(A) = - =-
52 13
J na segunda extrao, o espao amostral se reduziu pOI'<j 111' II
primeira carta extrada no foi reposta. Restam 51 cartas, (~ellI.I'!'
elas apenas 3ases. Chamando 1 3 oevento "s na segunda extr:lC,:/U)"
P(1 3I A) = ~
51
4 3 1
PT(A n1 3) =Pr(A)PT(1 3I A) =- x - =-
52 51 221
Os eventos no S,)()illd('I)('lld(~nl(~s.A pl'ollabiljdad(~do SCl..',uudo
I'V(~IILo depende do resultado do prinwiro. SecOllsiderannos amesma
~:i Llla(:,),o, porm comreposi(:i",oda primeira carta, o espa(:o amostral
:;1' Illallter inalterado aps aprimeira extra(;iio, como tambm apro-
l' al li1idade deextrao de um,\.s
Um casal possui 2filhos. QnaJ a pr()hahilidad(~de ambos serem
do sexo masculino'!
Os eventos M: "nascer urna criarl<.;a(10 s(~xonrasculino" e F:
"nascer urna criaw:a do sexo feminiuo" siio equiprovv<s. Logo a
probabilidade denascer umfilhodosexornasculino 1/2. A ocorrn-
ciadoevento A: "oprimeiro f-ilho{~dosexomasculino" no infiuncia
a ocorrncia do evento B: "osegundo filho (~do sexo masculino", e
ento:
1
PI '(BI A) = PI '(B) = 1:J
1 1 1
PI '(A nB) =52 x 13 =676
] 1 1
P(A nB) =P(A)P(B) ="2 x "2 =4"
Qualidade de testes diagnsticos
1';sL<: o primeiro problema que De Mer props ao matemtico
I\Iais(~Pascal, que ao resolv&~-loiniciou () desenvolvimento da Teoria
,I;,s I'mbabilidades. Qual {;o resultado mais provvel: obter a face
(i Ill'j(l menos uma vez em quatro jogadas de um dado, ou obter a
::"llla 12pelo menos urna vez em24jogadas dedois dados? Como as
,I"!',a(Iasdo dado so independentes, temos:
I l", (
ao menos urn 6 )
em4jogadas
1 '1 ' (
a(l 111l~nos uma sorna )
12(~m24jogadas
1_ PI ' ( nenhum 6 )
em4jogadas
1 _ (~}1=0,518
Obomuso deumteste diagnstico requer, almeleconsideraes
clnicas, o conhecimento de medidas que caracterizam a sua quali-
dade intrnsica: asensibilidade, aespecificidaeleeos parrnetros que
refietem asua capacidade deproduzir decises clnicas correta's: valor
da predi.o positiva eovalor da predi(:o negativa.
Usando os resultados da Teoria de Probabilidades apresentados
nas sees anteriores, vamos nos ocupar desses quatro ndices nos
,quais usualmente decomposta a idia de qualidade de um teste
diagnstico.
P
(
nenhuma soma )
1- T
12 em24jogadas
(
35) 24
1- -, =O491
36 '
Naanlise da qualidade detestes diagnsticos, interessa conhecer
duas probabilidades condicionais que, pela sua importncia, recebem
nomes especiais: sensibilidade eespecificidade.
A sensibilidade, denotada por 5, definida como
ou seja, a probabilidade de o teste ser positivo sabendo-se qlW()
paciente que est sendo examinado doente.
Tabela 4.3: Resultadoc: da aplicar;o do teste ergomtrico de tolenln-
cia a excrccioc: em 1. 465pec:c:oac:
Docnr;a
c:oronarian,l.
Presente (D_
1
_)
Ausente (D_)
Total
Teste ergcimtrico
Poc:itivo (7~1_) Negativo (T_)
1)15 208
115 327
930 535
Total
1023
442
1465
'111c:(ja, a probabilidade de o teste ser negativo c:abendo-c:e que o
lIa' :i(~llteexaminado no portador da doenr;a.
()c: nomes so dcscritivoc:: sensibilidade mrx1c a capacidade de
I'C'IUJ \.( l do teste em um paciente doente enquanto que ()c:pecificidade,
II lIao I'<~aodo teste empacientes no portadores da doena, isto ,
'I 1.1'c:I.I~ ()especfico para a docna em questiio.
A anlise da defini(;o desses dois ndicec: (8 e c) mostra que,
:illlljaccntemente a estes conceitos, estamos assumindo a exisWncia
.I,' 11111 padro onro, ou seja, um teste diagnstico que sempre pro-
,IIIZ('(~sultados corretos, Alm disso, assumimos que os pacientes so
l'lac:c:ilicados apenas como doentes e no doentes, no se admitindo
I':d,l.)',ioc: intermedirios.
o - 815 - () 797
8 - 102:i - , ,
:327
e = 442 = O, 740
oteste ergomtrico tem uma sensibilidade de 79,7%, ligeiramente
superior que sua especificidade (74%).
l )c:ando a notao da Tabela 4.1 e a defini(;o de probabilidade
I"~IlIcIicional, os ndices s ec so estimados por:
a
,---
, - a+b
Lind & Singer (1986) estudaram a qualidade da tomografia com-
putadorizada para odiagnstico demetstase decarcinoma defgado,
obtendo os resultados sintetizados na Tabela 4.4. Um total de 150
pacientes foram' submetidos a dois exames: a tomografia computa-
dorizada ealaparotomia. Este ltimo tomado como o padro ouro,
isto , classifica o paciente sem erro,
d
e==--
c+d
Tabela 4.4: Resultados da tomografia computadorizada em 67 pa-
cientes com metstase e83 sem metstase do carcinoma heptico
Wil'III')' daI. (1979) compararam osresultados do teste ergomtri-
" , ,I" L, dl'l'll.llciaaexerccios entre indivduos com esem doena coro-
1111I11111a. () i;()stefoi considerado positivo quando se observou mais
di' 1/11'/11, d,~depresso ou elevao do segmento ST, por no mnimo
11,11:-': 8, ('111comparao com os resultados obtidos com o paciente em
I' '11' IWiI), () diagnstico definitivo foi feito atravs de angiografia. A
'I'alll'la 1 1 .: \ sintetiza os resultados encontrados,
Metstase de
carcinoma heptico
Presente (D +)
Ausente (D_)
Total
Tomografia computadorizada
Positiva (T+) Negativa (T_)
52 15
9 74
61 89
Total
67
83
150
A sensibilidade eaespeciJlci<lad(~(latomografia cOIuputadoriy,ada
Si\.() (~stimadospor:
Tabela 4.G: Pro]mbilidades necessrias para o clculo dos (lIdicnH
Vpp eVPN
Proporc)io comresultado
Positivo Negativo
]).'1 p(l - 8)
(1 -p)(1 -c) (l-p)e
ps+(1 -p)(1 -c) p(1 -8)+(1 -p)c
Popu-
la(;o
Doente
Sadia
Total
P
1 - J}
p+(1 -p) I)ifnrentemente do exemplo anterior, a <~Sl)(~ci(icidade (89,2%)
Illaimdo que asensibilidad(~ (77,(jeXJ).
prevalnc:ia da doell<;ana popula(;o de interesse, isto , apropoI'<;iu)
de pessoas doentes, ou aprolmbilidade de doen(;a pr-teste.
O valor de predi(;o positiva {~obtido dividindo-se a freqIH:ia
dos "verdadeiros" positivos, aqueles oriundos de pacientes doeut(~s,
pelo total de positivos. Obtni-se aseguinte expresso
1 \ sensibilidade e a cspec:ificidade, embora semdondices ilustra-
li vos (~bons sintetizadores das qualidades gerais de um teste, tm
IIll1alimitao sria: uo ajudam ad(~cis;ioda equipe rndica que, re-
('I-11(~lldoumpaciente comn~sultado positivo do teste, precisa avaliar
:iI' o paciente est ou niio doent(~. No se pode depender apenas da
:1l'lIsi I>ilidadee da especificidade, pois estes ndices so provenientes
d(' IlIllasituao emque h certey,atotal sobre o diagnstico, o que
11111) acontece no consltrio mdico. Da a necessidad<:;destes dois
(1lltros ndices que refietem melhor a realidade prtica. Neste mo-
1III'IILl), interessa mais conhecer os seguintes ndices denominados va-
lor da predio positiva (V PP) evalor da predic;o negativa (V PN),
111-1illidos respectivamente por:
ps
VPp=------
ps +(1 - p)(1 - c)
De forma anloga, considerando-se os "verdadeiros" negativos
obtemos o valor da prcdi(;o negativa
V P N =__ (_ l_ - _ p_ )E _ '~ - -
p(l - s) +(1 - p)e
Ambas as expresses dependem do conhecimento de p, uma (~S-
timativa da prevalncia da doena na populao de interesse. Estas
so probabilidades de resultados corretos de diagnstico.
1';111 palavras, V P P aprobabilidade do paciente estar realmente
dll('111,1' (Jllandooresultado doteste positivo eV P N, aprobabilidade
IIII IIIU'il~I tt,l~n.oestar doente quando o resultado do teste negati-
\'ll. 1';sL(~s valores so probabilidades condicionais, tal que o evento
1't1ll<lil'il)llallt(~ o resultado do teste, aquele que na prtica acontece
1111111< 'Iro.
1 \ IlIal)(~iramais fcil de se calcular o VPN e o VPP atravs
dn '1':11>(-1" iJ.5, sugerida por Vecchio (1966). Seja p = PT(D+) a
Exemplo 4.1 1 : Metstase de carcinoma heptico (continu-
ao)
Para uma populao cuja prevalncia de metstase de carcinoma
de fgado de 2%, os valores de predio da tomografia computa-
dorizada so:
VPP = 0,02 x 0,78 =O13
0,02 x 0,78 +(1- 0,02)(1- 0,89) ,
(1 - O, (2) x O,8D
V P N = (1 _ 0,(2)0, 8D+0,02(1 _ 0,78) = 0,99
Entre as vrias tccnologias para detectar a presena do TI I V,
a primeira a se difundir no Brasil foi o teste de ELISA (Enz; I j'lI u'
linked n:m:u:no8oT!Jcrd o,88o,;tj). Em lD85esta tcnica foi simultmwa
mente cOIIwrcializadapor vrios labortorios americanos: ABBOTT,
DUPONT, ELECTHO-NUCLEONICS, LITTON, TRAVENOL. ()
Laboratrio ABBOTT reportou, emseus testes preliminares, sensi-
bilidade ele95% eespecificidade de99,8%. Os valores para os outros
laboratrios so parecidos, segundo Marwick (1985).
A Tabela 4.6apresenta osvalores dos ndices V P P eV P N para a
implemental;o ABBOTT dotmte ELISA evrios valores daprevalf~lI-
Cl a.
I'I ntanto, ovalor depredil{::opositiva baixo enquanto queovalor
dl~pn~elionegativa bastante alto. Se o resultado da tomografia
1'1 11 111 >utadorizada negativo, a chance de no haver mctstase de
!)!l%,. Se, antes dequalquer informao, opacientc tinha uma chance
111' ~(!',deapresentar acloclH{a,aps oresultado doteste negativo esta
l'II:IIICI~ {,de apenas 1%.
Tabela 4.6: Valores elapredio (V P P eV P N) eproporo defalsos
resultados (P F P e P F N) do teste ELISA para deteo do HIV,
verso ABBOTT
Prevalncia VPP (%) VPN (%) PFP (%) PFN (%)
1/100.000 0,47 100,00 99,53 0,00
1/10.000 4,54 100,00 95,46 0,00
1/l.000 32,21 99,99 67,79 0,01
1/500 48,77 99,99 51,23 0,01
1/200 70,47 99,99 29,53 0,01
1/100 82,75 99,99 17,25 0,01
l/50 90,65 99,89 9,35 0,11
1'1 - 1'1 ~n~III-se,respectivamente, aofalso-pos'ivo efalso-negativo, isto ,
dl'('is()(~sincorretas basaclas no teste diagnstico.
1I ddizmente, no h na literatura padronizao relativa anomes
dos flldicl~sde umteste diagnstico. Por exemplo, as probabilidades
,1 1 ' .I il,l80-pos'it'ivo e falso-negativo so muito freqentemente usadas
li/Ira as quantidades 1 - seI - e, quando deveriam ser reservados
1IIII'a1- V P fel - V P N. Por isto, na medida do possvel estes
1.1 '1'111< ISsi\.oevitados neste texto.
()III.I';\' dificuldade quemuitos autores admitem, implicitamente,
'1111' a pn~valnciaque ocorre na tabela. a mesma na populao de
illl,l'n~:,SI~ I~assim usam a tabela 2 x 2 para calcular os valores de
j!I'I'dil::Ul.Nada justifica esta hiptese eeste procedimento, seusado
IliHI.I'lIlal.icaulImte, leva aerros srios.
Considerando-se a populao total de um pas, a AIDS urna
doena deprevalncia pequena. Osresultados daTabela 4.6mostram
que emum programa de uso do teste emlarga escala, grande parte
dos pacientes comresultado positivo consiste na realidade de falsos-
positivo; em outras palavras, o valor da predio positiva muito
pequeno. Por outro lado, pouqussimos no doentes deixaro de ser
detectados e, portanto, o valor de predio negativa alto. Isto su-
gereumcuidado bsico: umresultado positivo deveser reconfirmado
atravs deteste baseado emtecnologia diferente do ELISA.
Combinao de testes diagnsticos
Muitas vezes, para o diaglH'>sticodl~certa dOClH{a, dispomos ape-
lias d(~testes comVr r OHv r N baixo OH,seexiste um bom teste,
1':il.l'(! muito caro ou OfeI'l~CI~ graude risco e/oH desconforto ao pa-
l'il'III.I!. Nestas circunst<1,llcias, UIU.aoj)IJio freqentemente usada o
11:,1) Ill~uma combinal{ilndetesj;I!Sllmissimj)l(~s. A associa({iiodetestes
1.j(!V:t aqualidade do (liagn()stico, diminuindo onmero deresultados
illl:llI'I'ctos.
qltando dois ou mais testes siio usados para se chegar a um cli-
a)',llstico preciso sal)(~rccimosiio obtidos os ndices de qualidade
(11)I.l~stemltiplo, aquele COIUpostOpda agregal{iio de dois ou mais
I.I'SI.I~S individuais. R(~stringiremos ao caso de apenas dois testes e
a:-:i(l{~iasapresentadas aseguir podem ser estendidas para o caso de
11mis tmtes. Alguns dctallws podem ser encontrados em Hirsch &
Itil.jgdman (1996).
Nesse caso, o resultado do teste ser considerado positivo, S(!1)('
10 menos um dos testl~s apresentar resultado positivo. de mai()l'
utilidade em casos d(~urg(~llcia, quando se necessita de uma ab()l'-
dagem rpida, oupor outro tipo deconvellincia, como para pacientes
provenientl)s de lugares distantes. A Tabela 4.7 apresenta de forma
explcita o procedinwnto proposto.
Tabela 4.7: Resultado do testE) emparalelo dependendo da classifi-
cao dos testes individuais A eB
+ +
+ +
+ + +
I\s maneiras mais simples deseformar umteste mltiplo apartir
IIIISI'l~sultadosde dois testes sil,oos esquemas emparalelo eemsrie.
NI)caso do teste emparalelo, seumdos dois testes positivo oteste
l'l)lljllllto tambm o. O teste emsrie considerado positivo apenas
::1'IISdois testes individuais so positivos. A associao de testes em
::('I'il~(~bastante empregada, tanto emtriagens como no diagnstico
illllividual, sendo de grande utilidade quando a questo do custo
1'1.j( ~vallte.
(:Immando os testes originais deA eB, oteste emparalelo de Tp
I' 1I(!11lsrie de T", eusando a linguagem de eventos da Seo 4.2.3
1.( '1111 IS I pIe:
Em analogia expresso (4.4) eaplicando apropriedade da pro-
babilidade de unio de eventos, a sensibilidade do teste emparalelo
calculada como:
Pr[A+ UB+I D +J
Pr[A+I D +J +Pr[B+I D +J - Pr[A+ nB+I D +J
Pode-se calcular aespecificidade deumteste emparalelo usando-
se a definio (4.5). Admitindo-se que os resultados dos dois testes
so independentes, pode-se escrever
I\s slmsibilidades eespecificidades deTp eTs so calculadas como
1111:dlio das regras de clculo de probabilidades de eventos explicadas
11I1i,1 'I'iIIl'Illente.
Pr[A_ nB_I D _]
Pr[A-I D _J x Pr[B-I D _J
utilizando-se regras de clculo para aprobabilidade do evento illLm
seo. Por exemplo, para o clclllo da sensibilidade temos que
Portanto, facilmente calculamos asensibilidade eaespecificidade
di! 11111 teste emparalelo apartir das sensibilidades c especif1cidades
IIIISLI~stesA eB. Almdisso, ospar:lmetros V P P eV P Nsocalcula-
dos aLravsde (4.10) c (4.11) para testes isolados, utilizando-se agora
11 ~,( !llsibilidade eespecif1cicladeelacombirwf{oemparalelo, obtidas
al.rav{!sde (4.16) e (4.17), e;apnwalncia da populal{o de;interesse.
A partir de raciocnio anlogo, obtemos a expresso para a es-
pecificidade:
N(!ssecaso, os testes so aplicados consecutivamente, sendo o se-
1',ll1ldoteste aplicado apenas se o primeiro apresentar resultado po-
::il.ivo. O teste s ser considerado positivo, se o resultado dos dois
1.1 'SI.I~S for positivo. Esseprocedimento indicado emsituaes emque
11aI111:. necessidade de,rpido atendimento equando opaciente pode
81'1'acompanhado ao longo do tempo, e se a considerao de custo
{,i111 portante, seja pela questo f1nanceira, pelo risco ou desconforto
illllllzidos pelo exame. A Tabela 4.8 apresenta de forma explcita o
111'1 Il'I~( limento proposto.
Os valores de V P P e V P Nsao tambm obtidos usando-se as
expresses (4.10) e (4.11) substituindo s e c calculados atravs d(!
(4.18) e (4.19).
'I 'aiIl!la4.8: Resultado do teste emsrie dependendo da classificao
(I(IS I.I~sLns individuais A eB
Para os clculos da sensibilidade e especificidade da associaeJi,,)
em srie e em paralelo, a independncia dos dois testes crucial.
Entretanto, no sepode garantir que isto ocorra sempre. Quando 1):-4
testes no foremindependentes, no h uma forma analtica simplc!:-4
para seobter tais ndices para umteste composto.
Teste A Teste B Teste emsrie
desnecessrio
Imagine umpaciente idoso comdores persistentes nas costas (~IIII
abdomem eperda depeso. Na ausncia deuma explicao para e~sL(~:j
sintomas, a possibilidade de cncer do pncreas freqenterIH~ltI,('
levantada. comum para severificar esta possibilidade diagnsLicn,
que ambos os testes de ultra-som etomografia computadorizada (111
pncreas sejamsolicitados. A Tabela 4.9 apresenta dados hipot{~LicoH
sobre os ndices 5 eedos testes, quando utilizados separadamcnLI! ('
emconjunto (Griner et a1" 1981).
Note que os esquemas C e D correspondem respectivamcIIL(! /I
testes em paralelo e em srie. Admitindo que os resultados do:!
( ~(IIII1) S(I se~raoaplicados dois testes se o primeiro for positivo,
o ('11::1,11 dl'sSI! Lipode combinao menor. Uma discusso sobre a
'lI'd('111 IIlaisiIldicada para aaplicao dos testes aseremcombinados
1'111 s{~ril!pod(~SI,]'mrcontrada emSoares &Parenti (1995).
SI! os dois testes A e B so independentes, a sensibilidade (55)
I' nl!sp(!ciJicidade(C8) para o teste combinado emsrie so obtidas
'l'al)(da 4.9: Sensibilidade e especificidad() dos testes (l(~ultm-som e
1.IIIIIografiacomputadorizada no diagnstico do cncer de pncreas,
illdividualmente eemconjunto
Tabela 4.10: Sensibilidade, especif-icidade e valores de pnxli(Jio
de testes individuais A e B (~dos testes em srie e em paral()]o
considerando-se uma prevalf)ncia de 1(X)
Teste Sensi bili(lade (%) ESI)ecificidade (%)
Teste
""
c VPP VPN
A: Ultrasom ~O 60
A 0,9500 0,9000 0,O~?6 0,9994
I~:Tomografia 90 90
B 0,8000 0,9500 0,1391 0,9979
1111' \' ,\ .
C: A ou B positivo 98 54
Paralelo 0,9900 0,8550 0,0645 0,9999
D: A eB positivo 72 96
Srie 0,7600 0,9950 0,6056 0,9976
, jl'
A combinao emparalelo apresenta alta sensibilidade (0,99) mas
sua especiI1cidade menor que ados testes isolados. J acombinao
emsrie apresenta alta especificidade (0,995) enquanto que a sensi-
bilidade relativamente baixa compa.ra,dacomtestes isolados.
Gomo esperado, os valores de predil,o m;gativa so altos, tanto
para os testes isolados como para as duas formas combinadas dos
testes. Entretanto, os valores de predio positiva no so altos,
sendo que a combina(,o em srie proporcionou o melhor resultado
(0,6056).
importante lembrar que, na maioria das vezes, os testes usados
na combinao so dependentes entre si. Portanto, os valores aci-
ma tendem a superestimar o verdadeiro valor dos ndices dos testes
combinados. Nesse caso, no possvel detenninar os valores dos
parmetros de qualidade conhecendo-se apenas os valores de cada
teste emseparado. Torna-se necessrio um trabalho de pesquisa re-
alizado em um grupo de pacientes nos quais so utilizados o teste
padro ouro eteste combinado (DiMagno et aI., 1977).
dI listestes sejam independentes eusando as expresses (4.16), (4.17),
(,1.IK) e (4.19) temos as seguintes sensibilidades ecspecificidades:
quando um ou outro teste positivo, a sensibilidade combinada
(, Illaior que omais sensvel dos testes, mas aespecificidade menor.
1 \ 1 I contrrio, quando o critrio para a positividade do teste que
1.11111.1) I) ultra-som como atomografia sejam positivos, aespecificidade
I" 1\I11 liIladamaior queomais especfico dos dois, mas asensibilidade
I' 111' '11111'.
1' ;XI !1l1plo 4.1 4: Sensibilidade e especificidade de testes em
pilr: ddo ( ; emsrie
Hpelo menos duas situaes emqueanecessidade decombinao
de testes surge naturalmente: triagem ediagnstico individual.
( :11\ Isidmcmos dois testes A eB comsensibilidade eespecificidade
1I111'I'~H'III.:l(los 1mTabela 4.10 esuponhamos uma prevalncia de 1%.
llHlllllll1a:, t)XI)J'()SSes (4.16) a (4.19) easeguir as expresses (4.10) e
(11.11),PI'I'I'IWIII'lllllSas outras entradas do corpo da Tabela 4.10.
Triagem um tipo de procedimento que visa classificar pessoas
assintomticas quanto probabilidade deterem ou no adoena.
aplicado em grande nmero d(~pessoas d(~UlIlapopulao. Dessa
1'01'1 lia, atriagem no faz por si S(J odiagnstico, mas aponta as pes-
:HIasque tem maior probabilidade deestarem doentes. Para essas,
ili' Ii,:ado umteste diagnstico para comprovar ou no apresena da
,I, )('II<,a.
. triagem indicada emcaso de dOeIH?lsria, se o tratamento
lia fase assintomtica mais benJico do que na fase sintomtica e
"111 casos de alta prevalncia. Na linguagem desta sec;iio,o teste de
I.l'iag(~mconsiderado o primeiro dos testes de UlIlacombinao em
:i{'l'i(!,j que o segundo teste (no qual o diagnstico definitivo ser
Ila:H!ado) s ser aplicado seoresultado da triagem for positivo.
4.7 Testes diagnsticos baseado emvariveis
contnuas
I )jagnstico individual
Nodiagnstico individual, aparecem osdois tipos decombinao:
"111 s{Tiee em paralelo. A combinac,iio em paralelo usada, como
j:i. foi citado, emcasos de urgncia ou para pacientes residentes em
Illi',an~sdistantes.
(;omo exemplo danecessidade deseusar testes emparalelo, pode-
IIIOS pensar emum paciente que chega ao hospital comsuspeita de
iIIl'al'l.o. Como setrata deumcaso de urgncia, o clnico poder in-
di"al' vrios exames, tais corno, eletrocardiograma, dosagem deLDH
"dosagem deCPK-MB, quesero realizados imediatamente eaomes-
1110 L(!mpo.Aofinal dostestes, oclnico analisa osresultados eaponta
'I diagnstico. Muitas vezes, estabelecida uma norma para orien-
I.al' a deciso do clnico. Por exemplo, se foremrealizados 4 testes,
(I diagllstico seria de infarto se 3 ou 4 resultados fossempositivos
( :abl &Gambino, 1975).
. combinao emsrie usada emconsultrios eclnicas hospi-
Lalan!se emcasos de testes caros e arriscados. Nesse ltimo caso,
"I, 'sl.(~mIl srie se torna de grande validade. O paciente realiza
l'lillwiramente umteste simples ebarato e, se apresentar resultado
Ili ':Iil.ivo, indicado o teste de maior custo ou que oferece riscos ao
l'il,i('IIL(~.Comesse procedimento, menor nmero de pessoas sadias
,I,'v'-r:.s(~submeter aesses testes.
Os ndicc~susados neste captulo para definir qualidade de um
teste clnico requerem que o resultado do teste seja, por simplici-
dade, classificado corno positivo ou negativo eque aclassificao do
diagnstico tambm seja dicotmica (por exemplo doente ou sadio).
Para dados dc~variveis contnuas, tais como dosagens, surge a
questo decornodicotomizar deforma queosdados sejamcolocados
no formato da tabela. 2x 2considerada anteriormente. preciso en-
to estabelecer olimite entre oqueser considerado sadio oudoente,
isto , um valor a partir do qual o teste considerado positivo ou
negativo. Este limite chamado de valoT de TefeTncia ou ponto de
cOTte. Assim, cada teste clnico ou critrio declassificao caracte-
rizado por umvalor dereferncia evariando-se este ponto decorte, a
sensibilidade eaespecificidade tarnbm variam. Para cada situao
preciso escolher o valor que fornece acombinao de sensibilidade
eespeciJicidade mais adequada.
4.7.1 Efeitodoponto decortenaqualidadedeumteste
diagnstico
A cada valor crtico est associada uma sensibilidade e uma es-
pecificidade. Freqentemente pode-se alterar a sensibilidade e a es-
pecificidade de umteste trocando-se o ponto de corte, como ilustra
oexemplo aseguir, adaptado deIngelfinger et aI. (1987).
Os digitlicos (digoxina edigitoxina) podemser degrande benef-
ciopara pacientes comfalha congestiva do corao porque produzem
reduo de batimento cardaco eaumento da fora de contrao do
miocrdio. A terapia comessas drogas pode, entretanto, resultar em
uma complicao sria, a intoxicao, que ocorre em5% a 30% de
pacientes hospitalizados que fazemuso dedigitlicos.
O diagnstico da intoxicao pode ser difcil porque muitos dos
sintomas de intoxicao, como por exemplo, contrao ventricular
pl'mnatura, nusea efadiga, siiotamb{~msintOIna~defalha con~esti~a
col'adaca. A concentnl()io srica de digitlicos fornece umchagnos-
t.icotil para atoxiciclacle.
Umnvel de digoxina (l<~1,7 Tu}/ rnl eumnvel de digitoxina de
~;) ny/ ml so essencialmente equivalentes es~).consi~eraclo.scomo
(:ollclmtraesaltas. () resultado do tl~stl~detoxlcldade ecomnderado
Ililsitivo para concentral{cs acima desses nveis. ~
13elleret aI. (1971) examinaram a rd,u)io entre concentrao~s
~,(~I'icas dedigitlicos esua toxiciclade. Das 931 admisses consecutl-
vasdohospital Boston Oity, foraminvestigados todos os135p~ci~ntes
qll(~ estavam fazendo uso de digoxina ou digitoxina. Na admlssao, a
(:1 li11 :(mtraodessas drogas foi anotada ec1ctrocardiogramas fornece-
1'/1.111 informaes do acompanhamento decada paciente.
Atravs decritrios clnicosbastante apurados, ospacientes foram
c1:\,ssili.cadoscomo intoxicados ou no, como mostra aTabela 4.11.
21 pacientes intoxicados e 62 nao intoxicados, sendo que aml)(IH(lI-!
grupos depacientes faziamuso dedigoxina.
Tabela 4.12: Distribuio daconcentrao sricadedigoxina (ng/ ml)
para pacientes intoxicados ou no pelo uso da digoxina
Digoxina
(ng lrnl)
O I- 0,5
0,5 I- 1, O
1,01-1,5
1,51-2,0
2, OI- 2,5
2,5 I- 3, ()
3,01-3,5
3,5 I- 4, ()
4, OI- 4,5
4,5 I- 5, O
Total
Pacientes
Intoxicados No intoxicados
Tabela 4.11: Resultados doteste eletoxicidade dedigitlicos aplicado
a I :\5 pacientes que faziamuso deeligoxinaou digitoxina
Classificao eletoxicidacle
baseada emcritrios clnicos
Intoxicado
No intoxicado
Total
Teste detoxicidade
positivo negativo
25 18
14 78
39 96
Total
43
92
135
Suponha agora queocritrio declassificao quanto toxicidadl~
fossetrocado, isto , oponto decorte do teste para o nvel dedigo-
xina fossealterado. Considere ()spontos de corte para classificao
emrelao aos nveis eledigoxina para diagnstico deintoxicao: J
ng/ ml (critrio 1) e1,5 ng/ ml (critrio 2).
Os resultados para estes dois critrios eleclassificao nos 83 pa-
cientes emuso dedigoxina esto organizados nas tabelas 4.13, 4.14.
!\ sensibilidade ea especificidade eloteste que usa o nvel srico
111: 1I igoxinaoudigitoxina para classificar oindivduo comointoxicado
78 t":
C = 92 = 0,80
Classificao detoxicidade
baseada emcritrios clnicos
Intoxicado
No intoxicado
Total
Teste detoxicidade
positivo negativo
18 3
38 24
56 27
Total
21
62
83
1':~it.I~S c:;.1culos mostram queesseteste temuma boa especificidade
I' 11111i\. s(~llsibilidadeapenas razovel.
III11 (~studoanlogo ao anterior porm comoutro grupo de pa-
l'il'IIt.I'Sroi conduzido. A Tabela 4.12 representa a distribuio de
emBex:k& Shu}ty,(lDi)0), Fle~tchere~taI. (1989) eno Captlllo I dI'
Hirsch & Riegdman (lDD0).
Classificao d(~toxicidade
baseada emcritrioc; duicoc;
Intoxicado
No intoxicado
Total
'rec;t(~d() toxicidade
jloc;itivo Jl(~gativo
14 7
Total
21
02
i)3
4.8 Escolha entre testes diagnsticos
2 ~{= 0,07
54 - O 87
62 - ,
Idealment(\ oc; tec;tec;utiliy,ac1oc;devem ter alta sensibilidadc) ()
especificidade. Entretanto, na prtica nem c;empreexistem tec;tc)c;
disponveis com caractersticas timac;. relativamente comum a
situao emque h m;-c;deumteste eento surge anecessidade da
comparao entre elec;para urna escolha mais adequada.
Suponha que dois tec;tesdiagnsticoc; ec;todisponveis: umCOlJl
alta sensibilidade mas relativamente baixa especificidade e o outro
com alta especificidade e relativamente baixa sensibilidade. Qual
seria amelhor escolha?
Embora a avaliao de um teste no seja trivial, j que vanoc;
fatores devem ser considerados, apresentaremos aJguns argumentoc;
baseados nas medidas de qualidade definidas neste captulo, que po_
demajudar na escolha deumteste diagnstico.
O primeiro fato importante que, como visto na Seo 4.5.2,
os valores de predio (V P P eV P N) dependem conjuntamente da
sensi bilidade (s), da especificidade (e) e da prevalncia (p). Soarec;
& Parenti (1995) apresentam um estudo detalhado atravs de gr-
ficos que ilustram claramente o efeito da prevalncia nos valores de
predio. O exemplo aseguir ilustra numericamente este fato.
A Tabela 4.15 IJlOstra a senc;ibilidadc) c~e~sI)ecific:idadede cada
l'I'ith.'io. Note queocritrio 2produY-uperda. dec;enc;ibilidadeeganho
,I()()c;pecificidade.
Critrio Sensibilidade (s)
1
18 - O i)0
21 - ,
Especificidade (e)
24 O 39
62 = , .
:\.7.2 Escolha do ponto de corte
lJ IlIapossibilidade pa,raaescolha do ponto decorte seria calcular
;\ :j, )llc;iIJilidadee a especificidade para vrios valores de referncia e
"111.;\.11 adotar aquele que produz uma combinao mais desejvel para
I':;:;a;:dllas medidas da qualidade de um teste. Por exemplo, Galen
,\, ( :alllIJino(1975) sugeriram uma medida deeficincia definida pela
: 111111 ada c;ensibilidade eespecificidade.
11111 procedimento alternativo a anlise das curvas de operao
"lIlal'i.(1'c;l.ica(emingls ROC, a abreviao para receiveT opemtor
t'! I / I , I 'tI , t'i.(", "isi: ic), nome recebido porque o mtodo originou-se em es-
1.11<10:" dI) (ldeco de sinais por operadores de radar. Esta uma
I' '111'( ':;()I d,;),({ogrfica da sensibilidade (eixo vertical) eo complemen-
1.111 (IaI)c;pc~cificidade (eixo horizontal) para diversos pontos decortes.
I )dallil)c; c;obreaconstruo einterpretao da curva como tambm
ailllc;l.l'a<';i\o comexemplos reais podem ser encontrados por exemplo
O teste Gonosticon Dri-Drot, desenvolvido para o diagnstico de
gonorria, tem sensibilidade de 0,80 eespecificidade de 0,95. Os va-
lores da predio positiva enegativa so apresentados na Tabela 4.16
para quatro populaes comdiferentes prevalncias.
Embora oteste tenha parmetros dequalidade razoveis, oV P P
baixssimo para populaes debaixa prevalncia, tornando oexame
semutilidade nessas condies.
Para simplificar o raciocnio sobre a escolha de testes diagns-
ticos, vamos inicialmente considerar duas situaces extremas obvia-
, ,
mente seminteresse prtico, edepois vamos estender para situaes
Tal ll~la4.16: Valores dcpredi({~,() (VP P I~Vl
'
N) do t(stc G(Hlosticon
I ll'i I)rol, para quatro prcvalf~ncias (fi)
Tabela 4.18: Va]()]'(~sd(~p]'(~di(;i\.o(V r r c VPN) para alguns valores
de scnsibilida,de (~CSl)(~cificidadl~pi\Ja prcval&mciasde 1% e90%
Popula().() ))
V] > P VPN
A O,GOO 0,940 O,8:m
B
O,J 00 O(j40 O,~)80
,
C 0,020 O,2GO O,!J!JO
D 0,001 0,020 1,000
Prevalf~IH:iade 1%
Pr<~valnciade 90%
8 e
VI ) ] >
VPN VPP VPN
O,!J!J O,!J!J 0,5000 O,ODDD O,OD8!J 0,9167
O,D9 O,DO O,O!JOD O,D90D O,988!J 0,0091
090 0,80 O,047G 0,9999 0,9780 0,8989
,
O,!JO O,9D O47G2 09090 0,9988 0,52:)8 , ,
0,90 0,90 0,08:13 O,998D 0,0878 O,SOOO
0,00 0,80 0,0435 OD987 0,9759 0,470G ,
0,80 0,99 04469 09980 O998G 0,3548
, , ,
0,80 090 0,0748 09978 O98G3 03333
, , , ,
0,80 0,80 0,0388 09975 0,9730 0,3077 ,
Illais i);I~rais.Suponhamos qlW]i =O, isto , ningum tem a c~oena,
1111 qlll~fi =1, isto , toda apopula(;~,()tcm adocIH{aemquestao .. ~n-
illil.ivalnente ou atravs das cxprcss(\(~S(4.10), (4.11), (4.12) e (4.13),
1': 11: illlH~ntechegamos nos valores apn~sentados na Tabela 4.17, para
'1IIaisqlleI' valores de sensibilidade eespccificidade.
'I 'aIllda 4.17: Valores elepn~di'{8,()(VrP c VPN) e proporo de
1'1 ':11 li L:\.{ [osfalsos (PFP ePFN) para casos extremos de prevalncia
ciado mais pela sensibilidade do que pela especificidaele.
Embora este no seja um estudo exaustivo, existem evidncias
para as seguintes concluses:
p VPP
O O
1 1
PFP
1
O
VPN
1
O
PFN
O
1
1. Umteste comalta especificidade deve ser usado quando apre-
valncia eladoena relativamente baixa (doena rara), mesmo
que o teste tenha relativamente baixa sensibilidade.
A (~xt<~nsopara o caso mais geral dep pequeno (doena rara) e
/1 ",I':lIldl~(doena comum) pode ser feita pela anlise das e~~r~sses
(,1111) (~ (4.11) variando-se as quantidades envolvidas (senSIbIlIdade,
,':qll','ilicidade e prevalncia), mas nos restringimos a apresenta~~s
1IIIIa1lIll,lisenumrica. A Tabela 4.18 mostra os valores de predIao
1'111'11 pl'l~valfmciasde 1% e90%. . _ ..
qllalH[o aprevalncia baixa, ovalor depredIao PO~I~lva(VP~)
I' Illili::illlluenciado pela especificidade. O valor de predIao negativa
( \ ' I ' N) (~ pouco influenciado tanto pela sensibilidade quanto pela
":'Ill"'ilicida,le e alto, como era de seesperar.
I'al'a a prevalncia alta, o valor de predio positivo (V PP) .
IIIII~ i1110dl~1, independente dos valores da sensibilidade eda. espeCI-
lil'id:llll~. Almdisso, ovalor de predi({o negativo (VPN) mfiuen-
2. Um teste com alta sensibilidade deve ser usado quando a pre-
valncia da doena alta (doena. com'um,), mesmo que o teste
tenha relativamente baixa especificidade.
comum a idia de que se a,doem{arara, um teste com alta
sensibilidade deveser usado para achar oscasos epara uma doena de
alta prevalncia, umteste comalta especificidade deve ser escolhido.
Esse raciocnio no coincide comos argumentos apresentados.
No caso de associao detestes, outros procedimentos podem ser
recomendados, como aqueles descritos emSoares & Parenti (1995).
4.9 Consideraes finais
Na definio dos importantes ndices VPP e VPN, o valor de
p, a prevalncia da doena na populao de interesse, desempenha
papel crucial. Este vaJor pode variar lllui t.odependendo do tipo de
pl)pllia()io considerada. O rndico que trabalha elll Ullla clnica de
1'1.f, '1'!llciapara doenas cardacas encontra Ulllaprevalncia dnangina
1IIIIil.omaior do que aquele qun atc~mlnapopula()io (;mgmal. Assim,
II 11I1 !SlllOteste ter utilidades difnren(;nspara nstmdois profissionais.
()lll.ra interpretao possv(~l para p tonr-lo como a probabili-
,1;\111' II(~ocorrncia da donn(~a, assumida pc10m{~dico,antes do teste
"li'I' I'I!i 1.0.Recebe neste caso ollOllWdepn}/ JO,/ ri,llwle (J, PTJT" l ou pT-
I t . ll'. I';staprobabilidade no leva crIl conta apenas a freqncia da
II'II'III,:;\, nacomunidade aqun opaciente; pert.ence, mas tarnbrn asua
Ili::II'II'iafamiliar, idade, sint.omas, fatores de risco, etc.
V;l'ios trabalhos tm sido desenvolvidos com objetivo de se de-
1.1'l'lllillarprobabilidades pr-teste para vrios tipos de pacientes, em
1',,1:\1:;\1) a uma dada doerH:a. Esse tipo de estudo auxilia o clnico
lia :1I1:Jisedo estado do paciente e tambm de grande utilidade,
Ilal'a o clculo corret.o do valor ela predi<:o positiva. Diamond &
I,',)1'I'(~sl.m(1979) realizaram ampla pesquisa bibliogrfica e, para cada
I'aixa dria, sexo e tipo de "int.oma, estabeleceram a probabilidade
111'1" I.(!sl.(;de um paciente ter doena coronariana. Por exemplo, a
1IIIIaIlIlllher com35anos de idade esemqueixa de angina associa-se
1IIIIaprobabilidade de t.er a doena de 0,008 antes do teste. J para
11111 IlolllCm.ele65 anos deidade ecomangina tpica associa-se, antes
,I,' 1',!;\,li~aro test.e, uma probabilidade de 0,906. Da podemos no-
1:11' COIIIOdois pacientes de uma mesma populao podem apresentar
1'1"d)ahilidades pr-teste bem diferentes que resultaro emvalores de
1'1'1 'IIi<.: ao distintos.
I J:;alldoesta interpretao possvel quantificar quanto muda a
"'I'II'/',adodiagnstico depois derealizado ot.est.ee, portanto, verificar
:1 ::1111 Ill.ilidaderelativa. Oleitor interessado deve consultar Diamond
,\ 1"')I'I'I!sl.er (1983).
DaltollisIllI)
Pn~seIlt.(~
AUSeI]tl~
Total
Masculillo
4,2:l
l
}{)
4(- ),4(- )%
S2,71%
F(~minillo
O,GS%
4G ,G 4%
47,29%
Total
4,88%
9S,12%
100,00%
(a) UIlJa pessoa {!escolhida, ao acaso, dessa popula(Ji,o. Cal-
cule aprobabilidade de ela s(~r:
i. Daltnica;
11. Do sexo feminino;
m. Daltnica sabendo-se que {~do sexo feminino;
IV. Daltnica sabendo-se que (;do sexo masculino.
(b) Trs pessoas so selecionadas ao acaso, com r"po o,' -
c; ~ SIao,
dessa populao. Qual aprobabilidade de:
I. Apenas uma ser daltnica: ,
11. Todas serem daltnicas;
m. Duas ou mais serem daltnicas;
iv. No mximo uma ser daltnica.
(c) Os eventos ser daltnico eser do sexo masculino so inde-
pendentes? O que isto significa na prtica?
. (d) Se 1000 indivduos so selecionados ao acaso, qual o n-
mero esperado eledaltnicos?
2. Se A eB so event.os mutuamente excludentes, qual o valor
de Pr(AI B) ede Pr(BI A)?
3. Durante oms dejulho de 1985, aimprensa, atravs deeditori-
ais, tratou freqentemente do assunto AIDS. Umdos pontos em
questo era oteste recm-descoberto para adeteco do HIV.
I, I:;Iwmconhecido que daltonismo hereditrio. Devido ao fato
11,)gime responsvel ser ligado ao sexo, o daltonismo ocorre
Illais freqentemente nos homens do que nas mulheres. Numa
1',l'alld(~populao humana, adistribuio de daltonismo da cor
(a) A verso do teste do laboratrio Abbot produziu 37resul-
tados positivos em 17.420 amostras elesangue de pessoas
sadias e123 positivos em129 pacientes comprovadamente
com AIDS. Calcule a sensibilidade e a especificidade do
teste. Comente.
(b) Seaprevalncia da AIDS de15/100.000, qual ovalor da
predio positiva do tc~ste?
(a) Calcule asensibilidade ea especificidade do raio X COlllO
teste diagnstico para tuberculose.
(b) Calcule as propol'(;esdefalso-positivo efalso-negativo.
(c) Seummdico tem75% de certeza sobre odiagnstico d(~
tuberculose emum dado paciente, quanto aumenta esta
probabilidade depois deseobservar umteste deleitura de
raios X positivo. Pl S .'0 . ~)- / PCDlt);:.-
4. A faixa usual de normalidade da pressiio sangnea diastlica
para adultos jovens (~de 75 a 85. Explique os riscos para o
diagnstico mdico d(; semodificar as faixas para 75 a 120ou
50 a 80. Use na sua resposta os conceitos de especificidade
esensibilidade econsidere corno doentes apenas os indivduos
compresso alta.
fi. (a) Os testes clnicos usuais tmsensibilidade eespecificidade
acima de70(/("). Qual ainfluncia nos valores das predies
destes testes aosepassar deuma situao debaixa preva-
lncia para uma de alta?
(b) Demaneira geral oque sedeve fazer para no seincorrer
no erro falso-positivo muito freqentemente? e. tt
(i. Emque condic;esovalor depredi(;o positiva (V PP) igual a
o,j(a +c) para os dados da Tabela 4.1?
9. Pesquisadores quetratam dedoen(;as hepticas emuma clnica
especializada sugeriram urnnovo teste para detectar cncer 11<)
fgado. Os resultados do experimento, para uma amostra d(~
2.22fi pacientes atendidos nessa clnica, foram:
Cncer
heptico
Presente
Ausente
Total
Teste
Positivo Negativo
90 17
39 2.079
129 2.096
Total
107
2.118
2.225
7. Para o Exemplo 4.9, sobre o teste ergomtrico, calcule VPP,
VPN, PFP ePFN para as seguintes prevalncias 0,05,0,10 e
0,15. Comente osresultados.
\(8J Foram examinadas radiografias do trax de 1.820 indivduos,
dosquais 30estavamcomtuberculose e1.790no apresentavam
adoena, por diagnstico feito deforma independente da leitu-
ra dos raios X e com uma margem de erro desprezvel. Os
rmultados do experimento esto resurnidos na tabela abaixo.
Pelo modo comoosdados foramobtidos, aprevalncia decncer
heptico, nesta clnica, pode ser calculada usando os dados da
tabela.
Leitura dos raios X
Positivo Negativo
22 8
51 1.739
73 1.747
Total
30
1.790
1.820
(a) Calcule asensibilidade eaespecificidade do teste.
(b) Calcule a probabilidade de um paciente, atendido nessll
clnicaequeno temcncer nofgado, tenha umresultado
positivo no teste.
(c) Calcule ovalor da predio positiva eovalor da predi(;.i.()
negativa.
(d) Ospesquisadores quedesenvolveram oteste sugeriram S(~II
uso como ummeio simples para os clnicos emgeral de"
cidiremsedevemouno encaminhar opaciente para 1.111111
clnica :specializada. Critique esta recomendao.
~lb\t) np ~..c' '01 \ , \ '1 -1 ., - '.. ~f ~(' b1n.~1
10. Os valores da sensibilidade eespecificidade deumteste; larll li
deteo da diabetes so s =0,95 ee =0,95.
Presente
Ausente
Total
Ildo modo como estes 1.820 pacientes foram selecionados, a
!l]'()valnciada doena, tanto neste grupo quanto na populao
d(~interesse dep =30/1.820 =O, C1l65.
(a) Umpaciente assintomtico sulmH:te-seaoteste. Seoresul-
tado for positivo, qual aprobabilidade d(~eleter realmente
adoena? P( '])lt) ~'("N~ .~ \'tI < r)
(b) Umoutro paciente que apres(~ntaalguns dos sintomas da
doena (como sede anormal e pnrda de peso) e possui
histria de diabetes na famlia, tambm se submeteu ao
teste. Seo resultado for positivo, o q1H~voc espera que
acontea comovalor do VPFI Por quf~,(
Foi feita avaliao para cncer deprstata em300homens hos-
pitalizados devido a sintomas de obstr1H:ourinria. Umdos
testes realizado foi o exame digital do reto. O resultado foi
classificado como "positivo" segundo o critrio padro. Os re-
sultados doexamedigital edabipsia soapresentados aseguir:
o VPP deste teste inaceitavelmente baixo. Jamais lisa
ria mil tes~equeenl urna dada populao produz VPP de:
0,01%. \-Il'<L, Hr drcr~~ ck 'f \hc\K' 'Q~\tf- f:.l.:)A,
A cspccificidade dest(~teste alta, logoamaioria dostest(:s
negativ(2scorn~pondem apessoas no doentes. P( t' b) t </ t' IJ'
. ['<- 1$). \\,,.,..... - _ .
OVPN abaixa 9uando aprevalncia aumenta. i~F- =- f(- I}) ~
l 1\;
13. No dia 28 de janeiro de 1995, O Jornal do Brasil publicou a
seguinte notcia:
Resultado
da bipsia
Presente
Ausente
Total
Resultado do exame digital
Positivo Negativo
48 21
25 206
73 227
Total
69
231
300
Teste detecta tumor deprstata emfaseinicial
BOSTON, EUA - Um teste sangneo que detecta precoc(:-
mente cncer deprstata apartir da presena deumantgmi()
no sangue bastante preciso, apontando apresena da docw:a
w . .
em80/0 dos homens afetados pelo tumor, segundo estudo r()-
alizado por pesquisadores do Br'i,qham and Women's Hosp'i/ ,a/
de Boston. Quando oteste foi aplicado emamostras desanglH)
de 1464 homens coletadas em1982, poca emqueoexame ni'io
estava disponvel, verificou-sequeelepoderia ter revelado 80%
dos cnceres quesforamdetectados cincoanos aps arealiy,a-
o dos exames desangue disponveis na ocasio.
Critique aforma dedivulgao deste novo teste.
14. Comente aseguinte afirmativa: A qualidade deumteste clni-
co medida pelos ndices s ee, enquanto que a qualidade do
diagnstico pelos ndices VPP e VPN.
(a) Admita que o resultado da bipsia completamente pre-
ciso na determina(:o de presena do cncer de prstata.
Qual asensibilidade eaespecificidade do exame digital
na deteco decncer deprstata?
(b) Nesta populao de homens, qual o valor de predio
positiva eovalor depredio negativa do exame digital?
(c) Umclnico geral est considerando apossibilidade derea-
lizar oexamedigital doreto emtodos oshomens commais
de50anos queprocuram seuconsultrio, mesmo no apre-
sentando sintomas de obstruo urinria. Da literatura,
cl(~sabe queaprevalncia decncer deprstata nesta faixa
dria ele0,005. Usando osvalores para asensibilidade e
()spccificidadeobtidos anteriormente, calcule a proporo
(I(~homens comresultado positivo no exame digital que
n)almente tem adoena.
'~~'\-\b)
15. Suponha que aprevalncia deuma dada doena 1/100 eCllW
um teste de diagnstico para esta doena est sendo propos-
to. Seemuma verificao preliminar deste teste 99% das p(~S-
soas testadas queestavam realmente doentes e1% das pessoas
testadas queestavamrealmente ssproduziram resultados posi-
tivos, quais soospercentuais defalso-positivo efalso-negativo'(
Na sua opinio este teste confivel?
( 16). A deteco precoce do cncer cervical uterino crucial para o
tratamento ecura da pacient(~. O papanicolau um dos testes
utilizados no diagnstico. Na tabela aseguir temos os resulta-
dos deste teste para 600 mulheres. As mulheres foram classi-
ficadas como portadoras ou n8,oda doeIH{aatravs de bipsia
cervical.
Infarto agudo
Sim No
15 114
118 15
97 1
230 130
Total
129
133
98
360
CFC <80'
80::; CFC <280
CFC 2': 280
Total
Teste
Positivo Negativo
94 6
250 250
344 256
Total
100
500
600
(a) Considerando como resultado positivo valores deCFC li 1I\. i
ores ou iguais a 80 (teste 1), calcule a sensibilidadn (~a
especificidade.
(b) Considerando como resultado positivo valores deCFC IUl\.i
ores ou iguais a 280 (teste 2), calcule a sensibilidad(~ n I\.
especificidade.
(c) Considerando que aprevalncia deinfarto emhospiLais dll
corao seja aproximadamente igual deste estudo, <:1\.1<:111(1
VPP eVPN para cada teste. Comente os resultados.
Comcncer
Semcncer
Total
(a) Calcule aprevalncia de cncer na amostra.
(b) Calcule asensibilidade ea especificidade do papanicolau.
Interprete os valores obtidos.
(c) Calcule o VPP e o VPN usando a prevalncia obtida no
item (a).'
(d) Considere aseguinte afirmao:
"O papanicolau til para excluir apresena da enfermi-
dade, embora umresultado positivo no possa ser confivel
para diagnosticar a presena da doena". Voc concorda
coma afirmao? Justifique sua resposta.
19. A hemorragia peri-intraventricular (HPIV) uma das <:aIIHI\,H
mais freqentes deagresso aosistema nervoso central no 1)(ld( I
do ne0!latal easegunda causa mais freqente demorte empl'l'
maturos, precedida apenas pela doena da membrana hialilllL
Atualmente, omtodo de escolha para diagnstico consisL(~(lIll
tcnicas no invasivas (ultra-sonografia etomografia COlllpllLI\.
dorizada) .
Tavares (1995) estudou aocorrncia desta enfermidade nt.ll I:.elO
dos 129 recm-nascidos com peso menor que 2000 g, nascidllH
no Hospital das Clnicas da UFMG, no perodo de 18/0 I/1),1
a 17/05/95. O critrio nico para excluso foi morte lWOII 1\,1. 1\.1
precoce, anterior possibilidade de realizao do exanw 1111.1'1\.
sonogrfico.
Umclnico considera uma pessoa diabtica seaconcentrao de
glicose no sangue maior que LI , Umoutro clnico toma como
valor de referncia L2 (L2 ~ LI )' Compare as sensibilidades e
aespecificidades dos testes utilizados pelos dois mdicos.
A creatinina fosfocinase (CFC) ummarcador para odiagnsti-
co de infarto agudo do miocrdio. Pacientes cominfarto agudo
do miocrdio apresentam valores elevados de CFC. A tabela a
seguir apresenta os valores de CFC para 360 pacientes de um
hospital do corao, sendo 230 cominfarto agudo do miocrdio.
(a) Para avaliar a eficcia do exame clnico neurol()gico, IlN
crianas (comexceo deuma) foram examinadas pOl' 11111
p'ediatra clnico comformao emneonatologia, snlll li ('(I
nhecimento prvio dos exames ultrasonogrficos, (pll~ ('1111
firmam ou no o diagnstico fornecido pelo 11I{~di<:lI. (l/I
Exame neurolgico
Alterado Normal Total
38
81
119
Prsent(~ 25 1; ~
Ausent(~ 31 50
Total
5( j Ci;~
Calcule a sensibilidade e especificidade do exame clnico-
neurolgico e a prevalncia dessa condio na populao
emquesto.
(b) O baixo peso ao nascer usado freqentemente para ras-
trear HPIV, sendo 1500 q o limite sugerido para tal fim.
Considerando essa informao eos dados mostrados ase-
guir do peso ao nascer (, q) de ;39crianc:as comHPIV, qual
seria a sensibilidade resultante do rastreamento? Abaixo
de que peso encontram-se 95% das crianas com HPIV?
Quais as conseqncias de se alterar o valor de referncia
para o nov:ovalor encontrado?
1530 1520 1350 1260 1160 1120 1500 1020
1000 1020 1690 1140 1160 1290 1410 1850
1280 1410 1750 800 1020 830 1620 1430
21.
1150 1230 1660 1430 1590 1280 1040 1810
1420 1760 1670 1520 1680 1650 1180
~( l . O'Shea et a1. ( 1996) testaram a exatido do diagnstico de
leses traumticas no joelho a partir da histria do paciente,
exame fsico e radiogrfico (comparados com artroscopia pos-
terior) como forma de verificar at que ponto uso da tcnica
de imagem ressonncia magntica (exame de alto custo), que
()stsetornando oestudo suplementar preferido na avaliao de
I()sesno joelho, necessrio. O estudo incluiu 156 pacientes
com 156 leses no joelho ( 72 agudas e 84 crnicas) que foram
ai,(Tldidosdurante um ano no Mo,r-t'in Ar-my Community Hos-
7J'illl.l, Georgia, EUA. Por setratar de uma base do Exrcito, a
IlIaioria dos pacientes era composta de homens jovens, ativos e
(1()lm~amaneira geral saudveis. Cada paciente recebeu pelo
111<)1I0S urrl diagnstico primrio para qual o procedimento de
artroscopia foi indicado. Vinte ecinco pacientes tiveram 1lI 11 011
mais diagnsticos secundrios, emque no se acreditava S(~J ' 11
causa da maioria dos sintomas ou pensava-se ser conseqii()II<:il1
do diagnrstio primrio.
As tabelas aseguir representam osresultados obtidos para 1"1 I p-
tura do menisco nwdial e condromalcia. Para cada tipo (t()
leso, calcule asensibilidade eespecifidade. Comente.
Ruptura do
menisco medial
Presente
Ausente
Total
Teste
Positivo Negativo
CiO 8
20 68
80 76
Total
68
88
156
Teste
Positivo Negativo
11 18
O 130
11 148
Total
29
130
149
Presente
Ausente
Total
Dor persistente no tendo de Aquiles (tendo calcanear) d1i
rante mais de seis meses pode ser causada por ruptura parcial
do tendo. Essa leso geralmente refratria atratamento COlI
servador, sendo freqente anecessidade deinterveno cirrgicil.
para alvio da dor. Para avaliar o valor diagnstico da ultl'a
sonografia nesses casos, 37 pacientes tiveram seus achados do
exame pr-operatrio comparados aos da cirurgia (Kalebo <do
a1., 1992) . Os 30 resultados positivos encontrados na 11]1,1'11.
sonografia foram confirmados, mas dos 7resultados negativ( IS,
2eram na verdade positivos.
(a) Calcule asensibilidade eespecificidade da ultra-sonogl'afi li
. para diagnstico de ruptura parcial de tendo de Aqui I(~H.
(b) Por que sepode afirmar que aprevalncia calculada apil.l'
tir desses estudo diferente daquela encontrada na JlOpl1
lao emgeral?
(c) Urnabailarina chegaaoconf->ultrioeleseuortoped,ta com
histria clnica, f->US ef->intOlnas que o fazemtcr 70% de
certeza no diagnstico de ruptura parcial elotendo de
Aquiles. Comresultado lH~gativoda ultra-f->onografiaqual
aprobabilidade dela no t(~rales8o? () que aconteceria se
oresultado fossepOf->itivo?
Captulo 5
22. Suponha queasensibilidade (~aespecificidaelededois testes (A
eB) para odiagnstico eleuma determinada doena sejam:
Teste
A
B
Sensibilielael(~
0,90
0,70
Especificidade
0,70
0,90
Caracterizao Estatstica
de Variveis
(a) Assumindo que os testes sejam realizados de forma inde-
pendente, qual a ordem que produz as melhores carac-
tersticas gerais do teste conjunto em paralelo, isto , o
resultado positivo seambos silopositivos?
(b) Baseado na resposta de(a) ena informao deque osdois
testes so 'igualmente invasivos eos custos para aplic-los
emumindivduo s,oosmesmos, emque ordem elE;sdeve-
riamser aplicados para urna populao cuja prevalncia
p = 1.000/11.000? (Sugesto: para as duas ordens, simule
o que seria esperado para urna amostra de 11.000 indiv-
duos.)
Neste captulo vamos apresentar urna forma de caracterizar va
riveis, que consiste em agrupar situaes envolvendo variveis do
mesmo tipo emclasses denominadas 'modelos. Descreveremos apenas
os modelos de Poisson e de Gauss, respectivamente para variv{~is
discretas e contnuas. Eles tm grande importncia porque POC1<;111
descrever muitas situa({esprticas.
No possvel conhecer apriori ovalor deurnavarivel intrinseca-
mente sUJo eita variabilidade da ela ser chamada varivel aleatrl" . ,
Portanto, para estud-Ia, temos que identificar os valores que pode
assumir e a correspondente freqncia de ocorrncia, isto , a sua
distribuio de probabilidade, ou seja, o modelo que ser usado para
caracteriz-Ia.
Embora no exista um padro geral para a distribuio de da-
dos provenientes de variveis biolgicas, destaca-se uma forma c1<~
distribuio que, pelo menos de maneira aproximada, encontrada
muito freqentemente. a distribuio gaussiana, que recebe alter-
nativamente o nome dedistribui,o normal, termo que ser evitado
neste texto pelas bvias dificuldades que traz no estudo devariveis
com interpretao clnica. Esta distribuio ser utilizada para a
determinao defaixas dereferncia para medidas labora~oriais.
Este umcaptulo conceitual enemsempre possvel apresentar
Illol.ivaessimples eintuitivas. Apn~sentamos, entretanto, aplica({es
i1111)( lrtantes, como adctermiw1<)iodefaixa dercferncia de medidas
cifllicas. Ressaltamos queas idias aqui estudadas siioabsolutamente
1'111)( Iamentais para oentendirnt~nto das solues deproblemas mdicos
/l.pn~s(mtadosediscutidos apartir do prximo captulo.
A partir da distribuiiio de probabilidade podemos calei dar pl'll
babilidades da ocorr(~ncia de um determinado evento. Assi 111,I'I'I!
qentemente estaremos escrevmHl(l:
para indicar aprobabilidad(; deavarivel aleatria X tomar umvalor
no intervalo [a, li] .
Outros exemplos apresentados a seguir ajudaro a melhorar o
entendimento do conceito de varivel a.leatria ede distribuio d(~
probabilidade.
r,.2.1 Variveisaleatrias esuas distribuies de pro-
babilidade
I}evidovariabilidade inerente aos seres hurnanos, amaioria das
val'i:,veisde interesse clnico aleatria, ou seja, produz valores dife-
1'I'III.esquando observadas emrepeti(:es feitas mesmo sob condi~{es
idl\IILicas. Da a importncia de se estudar o conceito de varivel
Idl~al.riaantes de seconsiderar outros problemas clnicos resolvidos'
I'0111o auxlio de tcnicas estatsticas.
Crianas de mesma idade, mesmo sexo, mesma classe scio-eco-
11(lIl1ica, mesma raa, medidas pelo mesmo pediatra, tm pesos di-
1'I'I'I~lltes.Ento, o peso de urna cri~tn({adeve ser estudado atravs
do <:llnceitode varivel aleatria. A palavra aleatria indica aqui
:'1)('11<1.8 queopeso est sujeito variabilidade eexigepara seu estudo
II cllllhecimento deseus valores possveis eda respectiva freqncia.
Valores possveis e freqncia so duas informaes que identi-
lil'llIll a distribuio de pmbabil'idade da varivel aleatria, conceito
kl:,i<:llpara todas as idias apresentadas neste texto.
Asvariveis aleatrias, usualmente representadas por letras mais-
1'lIlas, podem ser classificadas emdiscretas ou contnuas, se algumas
11'('11 ic:alidades foremdesprezadas.
A varivel discreta pode assumir um nmero finito de valores,
III,ia:;probabilidades deocorrncia so conhecidas. Onmero decon-
Illillas 111(;dicasanuais de umassociado de umplano de sade uma
\'lIlilivc~1aleatria discreta. H urna probabilidade de um associado
11111' ra:t,I~r nenhuma consulta, de fazer urna, duas eassimpor diante.
A varivel contnua pode assumir todos valores de um intervalo
I' 11:1pmimbilidades necessrias ao seu estudo so calculadas corno a
1111'11 ai laixoda curva da distribuio, usualmente chamada defuno
t! "I I , 'iullUle de pmbo.biliade. A presso arterial umexemplo.
SeX onmero de rneninos emurna famlia comduas criancas
___ 3'
seus valores possfveis so O, 1 e2. A probabilidde das crianas ser;;;:;;
do mesmo sexo 1/4 eindicamos como Pr[X =O]=1/4 para duas
menimas e Pr[X = 2] = 1/4para dois meninos. A probabilidade
de apenas um rnenino 2/4 = 1/2 e indicamos por Pr[X = 1] =
2/4 = 1/2. A distribui({o deprobabilidade deX est apresentada na
Tabela 5.1.
Tabela 5.1: Distribui(:o deprobabilidade do nmero demeninos em
uma famlia comduas crianas
Nmero demeninos (:r:)
O
1
2
Total
Pr(X =1;)
1/ 4
2/ 4
1/ 4
1
Em umlanamento de umdado, seja Y o nmero da facevolta-
da para cima. Os valores possveis para Y so 1,2,3,4,5,6 e Slla
distribuio de probabilidade dada na Tabela 5.2.
Pr[Y =y]
1/ 6
1/ 6
1/ 6
1/ 6
1/ 6
1/ 6
1
presso arterial fazem sua avaliac<ofundamental na prtica Ild~<!iC:lI.
A Figura 5.1 mostra adistrilmic;o da presso diastlica dn J :IH.!)()(;
pessoas entre 30 e 69 anos de 14 comunidades nos Estados lJlli<!II:1
(Cin;ulatio'/ l, Rcsco,'rch, 1977). Para pessoas, mesmo pertencnu<!1 I I\.
uru grupo homogneo, S3.0 observados valores diferentes de p]'(~ssal)
arterial, da ser considerada urna varivc1 aleatria. No entanto, lIWS
mo coru sua diversidadn natural, percebe-se um comportamento COI I I
clara estrutura, que pode ser sintetizada na sua distribuio.
'l'abela 5.2: Distribuio de probabilidade dos resultados do lanc;a-
Illcnto de um dado
R.esultado (y)
1
2
3
4
6
Total
cada vez maior o nmero de pessoas que utilizam planos sade
c:omoforma degarantia de atendimento mdico. Na elaborao destes
planos, devemos considerar umgrande nmero devariveis aleatrias.
1';1]treelas, por causa do alto volume de recursos que exige, destaca-se
onmero de consultas mdicas por ano por associado (T). cujos valo-
I'c)spossveis so 0,1,2, etc. O nmero mximo de consultas depende
(10 plano. Neste caso, adistribuio de probabilidade no conhecida
Illas podemos obter a distribuio emprica a partir dos dados.
() termo presso sangnea refere-se presso do sangue nas
I\.I'U~l'ias,da a denominao presso arterial usualmente empregada.
( )sII(vcis pressricos alteram-se ao longo do ciclo cardcaco, atingindo
lI( ~II ponto mais alto quando o msculo do corao est mais contra-
IIII, I'on;ando sangue nas artrias, eseu menor valor quando omsculo
l'l.Jax1l.,ao fimda batida. A contrao elocorao chamada sstole e
1)111' isi.oapresso medida naquela circunstncia chamada de presso
I:icd/>Iic:a.Analogamente existe a distole e a presso eliastlica.
disponibilidade elemtodos simples efidedignos de medida as-
:i' wia<!a;1 grande incidncia eimportncia dos distrbios relacionados
Corno o peso ao nascer urna varivel com grande importilll<:il\.
prognstica, h todo interesse emestud-Ia. Trata-se de urna vari;,vI.J
aleatria contnua e para se chegar sua distribuio necess;,l'i,I
assumir urna expresso matemtica baseada em algum conhecim()IIi.I)
prvio ou a partir de um trabalho emprico.
Na realizao de um estudo importante primeiramente ser 1I111iH
especfico e estabelecer critrios de incluso, corno crianas do S(~XII
feminino nascidas de gravidez a termo, e critrios de excluso, 1)1)1'
exemplo, presena de diabetes na me.
Em urna maternidade, tornando os pesos de 100 recm-nasci din1
que satisfizeram os critrios estabelecidos econstruindo o histogl'1l.1111\.
de seu peso, obtemos o grfico da Figura 5.2.
O,4U
'" > 0,30
.~
"
'"
0.20 '03
c
,"
.;0
O'
0.'10
1:
LL
Uma varivel aleatria esua respectiva distribuio muiLofl'l'
qentemente chamada del)()p'u, lo, o, conceito estatstico difenmL(~dI)
significado usual desta palavra. Ref~~n~~se atodos osvalores possv(~is,
comasrespectivas freqncias, deuma medida especfica, eno a11111
conjunto genrico depessoas. Podemos, pois, nos referir populac{i"i.<)
da presso diastlica detodos os alunos admitidos emuma univm'si-
dade emdeterminado ano.
Neste contexto, o,Tno8tn/ , um conjunto de observaes extraf
das da populao. O processo elese obter uma amostra chamado
amostTO,geTn evisagarantir representatividade dapopulao. Para is-
to sonecessrias tcnicas especializada.s que geralmente incorporalll
especificidades das variveis estudadas eelotipo de estudo.
Na prtica, tipicamente dispomos de apenas uma amostra c~a
partir dela pretendemos fazer inferncias para a populao. Assilll,
baseados na amostra estimamos parrnetros populacionais de iuL(~
resse (por exemplo mdia, varincia eproporc:o que apresenta IUlla
determinada caracterstica). A teori(.\. da estimao estatstica foi
desenvolvida para resolver este problema.
Embora o comportamento da varivel possa ser sugestivo, 100
valores pouco para sedeterminar adistribuio do peso ao nascer,
pois o histograma no apresenta forma bemdefinida. Elevando-se o
""'Iucro de observaes para 1.500, obtemos o histograma da Figura
!.:\, cuja forma da distribuio bemmais clara.
g;
~ 0,3
~
'" '0: 0.2
c
,"
'::l
2" 0,1
u::
omodelo de Poisson freqentemente usado para descrever Vil.
riveis aleatrias que seexpressam atra,vs de contagens ..
Suponha que avarivel aleatria X represente o nmero de or:o'I '
rncias de 'UTnevento em um peT'odo de tempo. Muitas variveis C1<~SSI'
tipo seguemomodelo desenvolvido pelo matemtico francs POiSSOIl,
cujadistribuio deprobabilidade dada por
e-X / :
Pr(X =x) =-' -,-,
; X; .
Na I'l~alidade, por maior que seja o nmero de recm-nascidos
1'1 IIIHidl~l'ados,s conhecemos de fato a distribuio desta varivel
1I11'al/ll'iaquando identificamos a expresso matemtica de sua dis-
Il'illllil:IIO,isto , asua funo de densidade de probabilidade. Neste
1'/IHo, !',lIiadospela Figura 5.3, razovel admitir queopeso ao nascer
11'111 disLl'ilmic.;iiogaussiana, que ser apresentada na Seo 5.4.
onde e ~ 2,7183, xl = 1 x 2 x ... > < x e (l-se lambda) {~11111
valor positivo. O parmetro interpretado como a taxa md:/ , dI '
ocoTrncias, isto , o nmero mdio de ocorrncias por unidadc~dI'
tempo. Observe que neste modelo n&o h limite superior para as
contagens que podem ser observadas.
A Figura 5.4ilustra adistribui<{(lodePoisson para alguns valores
(te .
~ 0,3
eu
:g
:. 0,2
eu
..a
2 0,1
D.. ; i 1 J1lliL1 i I illll!
; 'I I I i j I ; ,
1
I I I I , i i J i I ~: <
..... L,_. LLu.l.L~_ ' i i _ _ ..- - - '- - J .! I~
Suponha que onmero depacientes que chegam aumpronto so
corro deuma pequena cidade durante amadrugada tenha distribui({I.l)
de Poisson commdia 3 ( =3). Para aobteno da distribuio d(~
probabilidade apresentada naTabela 5.3, aprobabilidade dechegadas
de :1: pacientes calculada como
Note que a distribui({Lode Poisson pode ou no ser simtrica,
d(~pendendo do valor de . Tende aser assimtrica para valores pe-
<[ll<mosde . Alm disso, pode-se perceber que a concentrao das
probabilidades ocorre erntorno damdia (). Essas observaes tam-
I)(~lnpodem ser notadas na Tabela A2 do apndice.
Os pressupostos bsicos para autilizao do modelo so:
:r Pr(X =:r) :r Pr(X =:1:)
O 0,050 7 0,022
1 0,149
8 0,008
2 0,224 9 0,003
3 0,224 10 0,001
4 0,168 11 0,000
5 0,101 12 0,000
6 0,050 2:: 13 ~O
l. Ascondies permanecem estveis nodecorrer dotempo, isto ,
ataxa mdia deocorrncias () constante ao longo do tempo.
~. Intervalos de tempo disjuntos so independentes, isto , a in-
formao sobre onmero deocorrncias emumintervalo nada
revela sobre o nmero deocorrncias emoutro intervalo.
Alhn dotempo, pode-se considerar aocor-Tncia. do evento pOT cer--
/ 1 1 'l} ()l'll: rne ou por- cer-ta , r-ca. Nmero deregistros anuais decnceres,
111'11I1(~1'O debitos dirios emumgrande hospital, nmero debactrias
IliIr 'I I I -l de urina enmero de pacientes que chegam diariamente em
('('II!.I'()8d(~sade so exemplos de situaes que podem se ajustar
(li~iI,l'ill\Ii(Ji,o de Poisson.
1. muito pouco provvel que nenhum paciente chegue em1111111
determinada madrugada, pois Pr(X =O) =0,050.
2. muito provvel que pelo menos umpaciente chegtw (~III di'
terminada madrugada, pois Pr(X 2:: 1) = 1 - P(X = O)
1 - 0,050 =0,950.
3. improvvel que cheguem 13 ou mais pacientes durarl!.(' I1
madrugada, j que Pr(X 2:: 13) ~ O.
11. A maior concentrao da distrilmi(.;i'i.oest nIntorno de :r =:~,
que onmero mdio dedwgadas de pacientes de madrugada.
r). Se fossem consideradas duas madrugadas, o nmero mdio de:
chegadas seria 6 =2x ;~; emum ms espera-se que cheguem
DO=30 x 3 pacientes.
A curva que vamos estudar nesta se(.;odeve-se aGauss, eminente:
matemtico alemo, epor isto ficouassociada aseunome. A curva da
distribuio da varivel X caracterizada por dois parmetros: f.L (l-
se mi) erT (l-se sigma). definida matematicamente pela seguinte
equaao
() nmero de consultas rndicas anuais de um associado de um
plnllo de sade , naturalmente, um mmero iinito. Uma aproxi-
11111(';:\.0, que simplifica aespecificao desua distribLli(.;o, supor que
IliliI(~tomar qualquer valor do conjunto {O,1,2,3,4, ... }.
I<;mum plano com 5.694 filiados, ao firn de um ano fizeram-se
I:I.()DH consultas, segundo adistribuio mostrada na Tabela 5.4.
A Figura 5.5arepresentao grfica desta equao. A curva de
Gauss sempre positiva, embora parea anular-se para valores fora
do intervalo [/" - 3rT, / " +3rT] , regio em que assume valores muito
pequenos. simtrica emtorno de fi. eengloba uma rea total de 1,
ou seja, 100%. As constantes li erT so, respectivamente, a mdia e
o desvio-padro populacionais.
N!.'. de consultas Freqncia N- de consultas
O 589 5
1 1274 6
2 1542 7
3 1144 8
4 663 9
Freqncia
304
126
39
10
3
11-'"- total de consultas
n
Q
total de associados
1 x 1274+2 x 1542 +..8 x 10+9 x 3
589 +1274+1542 +..10 +3
13.098
5.694 =2,3
() valeli' 2,3 a mdia de consultas anuais. Isto significa que o
1lllIilll'iacie) Upico deste plano de sade faz cerca de duas consultas
1IIIIIIIi:, (~(~spma-seaproximadamente 23consultas em10 anos.
Seuma varivel aleatria X tem distribuio caracterizada pela
curva de Gauss, representada na Figura 5.5, dizemos que segue a
distribuio ga:ussiana eindicamos como
Inmeras variveis clnicas, pelomenos aproximadamente, seguem
adistribuio gaussiana: valoresdahemoglobina empacientes sadios,
presso arterial sistlica, temperatura corporal, altura decrian(;:asde
uma mesma idade, etc.
A distribuio gaussiana commdia O edesvio-padro 1, isto ,
1 1 , =O e(J "=1, chamada degaussiana padro. Seugrfico est na
Figura 5.6.
propriedade decorre dasimetria da curvagaussiana padro emtomo
dezero.
Da Figura 5.8, vemos que, para calcularmos a probabilidado (1 1 1
X estar entre dois valores, a eb, precisamos fazer aseguinte conta
Umavarivel quetemacurva deGauss padro comodistribuio
(l usualmente identificada pela letra Z erepresentada por
Para oestudo eusodetcnicas estatsticas, fundamntal conhe-
em' esaber usar atabela da curva gaussiana padro, reproduzida na
Tabela A3do Apndice.
Esta tabela d, para cada nmero x entre -3 e3, a rea abaixo
da curva gaussiana padro no intervalo (-00, x] . Ou seja, fornece o
valor dePr[Z :S x] , correspondente rea sombreada da Figura 5.7.
Observe que nmeros negativos tm valores tabelados menores
qllll 0,5 enquanto nmeros positivos, valores maiores que 0,5. Esta
Figura 5.8: Probabilidade deocorrncia devalores entre a()h
Portanto, para oclculo daprobabilidade desejada, basta conHIJI~
tar atabela duas vezes: uma para obter Pr[Z :S b] eoutra para obt;(l/'
Pr[Z: s a] eento fazer adiferena entres osdoisvalores lidoH.
Para calcular reas sob acurva de Gauss comparmetros 1 1 , (! (T,
basta redmjr oproblema ao usoda curva padro atravs do segllilll.l
resultado
Neste exemplo ilustramos todos os tipos deuso da tabela da dis-
I.riIJIlic~ogaussiana padro necessrios emproblemas prticos.
X -li,
X rv N(fI ', I T) ===? - - rv N(O, 1)
I T
I. Pr[Z: : ; 1] ePT[Z : : ; - 1]
Os valores dessas probabilidades sao obtidos diretamente da
tabela: Pr[Z : : ; -1] = 0,1586 ePI '[Z : : ; 1] = 0,8413.
~. PT[-1 : : ; Z : : ; 1]
Atravs da expresso (5.6), P, .[-1 : : ; Z : : ; 1] = PT[Z : : ; 1] -
Pr[Z: : ; -1] = 0,8413 - 0,1586 = 0,6827.
[
X - 1 1 , a - fi, ] [ a-lI ]
PI ' [X : : ; a] = PI ' -I T-: : ; -I T- = p,. Z: : ; -I T-
Esta ltima probabilidade, comovimos, obtida facilmente atrav{)s
deuma consulta tabela da gaussiana padro. A Figura 5.9most.ra
graficamente oresultado enunciado em(5.7).
Ou seja, o intervalo centrado na mdia comamplitude de dois
desvios-padro engloba 68,27% da distribuio.
Ou seja, 13,6% dos valores da distribuio esto no intervalo
[1; 2].
~1- 20"
X
J.l-G
~
l!.I- a
~L+2cr J.l+3a
Z
-3 -2 - 1 o 2 3
:1 . Pr [1 ::; Z ::; 2]
Pr-[1 : : ; Z : : ; 2]= PI '[Z : : ; 2] - Pr-[Z : : ; 1] = 0,9773 - 0,8413 =
0,1360.
1 1 . ['o1 '[Z? : 2,33]
Para oclculo desta probabilidade podemos usar asimetria da
curva, reconhecendo que Pr'[Z ?: 2,33] = Pr[Z : : ; -2,33] =
0,0099 (valor lido diretamente da tabela). Alternativamente,
podemos lembrar que a rea total 1 e portanto Pr[Z ?:
2, ~~3]= 1 - Pr[Z : : ; 2,33] = 1 - 0,9901 = 0,0099.
Ou seja, 2,33 opercentil deordem0,99 da gaussiana padro.
rI . ! 'T[Z <1,64] e Pr[Z <1,96] Pr-[Z <1, 64] ~ 0,950 e Pr[Z <
I, !J6]~ 0,975.
Figura 5.9: Correspondncia depercentis deuma curvageral (x) COIII
os da curva padro (z)
1{I)slIluindo,1,64; 1,96 e2,33 so respectivamente os percentis de
IIl'lil'lll O,!J5; 0,975e0,99da distribuio gaussiana.
Freqentemente, tem-se interesse nos intervalos cujos limites S;l,( I
mdia 1 desvio-padro, mdia 2 desvios-padro e mdia :I ;\
desvios-padro. Pata omodelo gaussiano, as probabilidades da vari
vel estudada estar nestes intervalos so mostradas aseguir:
1
'1 . _. - -I 6'8! l'
Em palavras, emuma c181.1'1 J UH;(),() gauSSlaua, cerca ( e 1 0 c'c
populao apresenta resultado entre amdia eodesvio-padro; apro-
ximadamente 95%, entre amdia e2desvios-padro epraticamente
toda apopulao (99,7%), entre amdia <~;3 desvio-padro.
Suponha que apresso arterial sistlica empessoas jovens gozan-
do deboa sade tenha distribuio N(1 20, 1 0)'\
1. Qual apr~babilidade deseencontrar uma pessoa compresso
sistlica acima de 140m:rnHq?
- P.,. [X-120 > 140-120J =PT[Z > 2]
- 10 - 10 -
=1- PT[Z::; 2] =1- 0,9772 =0,0228
Ouseja, 2,275%das pessoas jovens esadias tmpresso sistlica
acima de 140mmHg.
2. Quais so os limites de um intervalo simtrico em relao
mdia que engloba 95% dos valores das presses sistlicas de
pessoas jovens esadias?
Neste caso queremos encontrar a. eb tais que: P.,.[o. ::; X ::; b] =
0,95. Primeiro padronizamos essa probabilidade, isto ,
[
a. - 120 X - 120 b - 120]
P'r[o. <X <b] = PT <- - - <- - - = 0,95.
- - 10 - 10 - 10
<)Il seja, Pr[a' ::; Z ::; 1/] = 0,95. Escolhendo uma soluo
~~illl(d.ri<:a temos -a' =b'. Como PT[Z ::; 1/] =0,975, da tabela
da gaussiana padriio obtemos a' =-1,96 e b' =1,9(j. CI'II~iI'
", j-' -'-j-' !/.--J20 - _ - I ge" 1i-120 - 1 96 O . - I()()"I I'
qllcn,U11ClL<', I() - , ) <. 10 - , . u seja, a --
b =139,6.
Para essapopula<JiodejoV(~nssaudveis, ointervalo [100,4; I;\!), til
engloba 95% dos va.lor<~s pressricos, isto , aproximadament(l <~II(.rl:
100Tn:rnH:r; e 140'm:mJ!q.
Desde o isolamento em 1983 do Hel:obo.ctCT pyloT'i na mw:osa
gstrica humana, inmeros estudos tm sido realizados objetivau( 11)
determinar umapossvcl n;la(;ocausal entre sua presena ealgulllas
entidades gastroduoc1enais: lceras, gastrite crnica, etc.
A prescn<;ado microorganismo tern sido diagnosticada atrav{~s(11)
exame de cultura (comuma margem de erro desprezvel). Um011
tI'Omtodo, mais simples erpido ()teste respiratrio queemprq',a
uria marcada comcarbono-14 (CI 4). Por possuir uma urease, CII-
zima capaz de degradar uria a gs carbnico CO2, a presena da
bactria pode ser evidenciada pela detec<;ode carbono marcado I)()
ar expirado aps administrao, por via oral, da uria marcada.
Suponha que aquantidade deC1 4 , liberada sob aforma deC<)~~
p'arapacientes no portadores dabactria H. pylo'{" i" sejauma vari <.V I 0/
gaussiana commdia 0,07 unidades de C1 4 edesvio-padro igual a
0,03 unidades deC1 4 . A partir dessa informao podemos calcular:
(a) Entre 0,04e0,10unidade deC
1 4
.
PT [O 04<'Z' __ / <O 10] =PT [0,04-?,07 <Z <0,10-0,07] _
, - "- , 0,03 - - 0,03
PT [Z ::; 1] - PT [Z ::; -1] =0,8413 - 0,1587 =0,6826.
(b) Mais de0,15unidades deC
1 4
.
P., . [X >0,15] =Pr [Z >O,1~~~,7] =PT [Z >2,67].
H duas solues:
1. Pr [Z > 2,67] =PI ' [Z <-2,67] =0,0038-
ii. 1 - Pr [Z <2,67] =1 - O,9D62=0,0038.
( '2. ,Quaisvalores, simtricos emrc1ac;8,o(),mdia, incluem80% dos
I
/ pacientes no infectaclos?
P [ < Z<
[]
- r, [a-O,07 <Z <(1-O,07]
r a ) - I o,m - - 0,0:\
Pr [ai :s:Z:s: b'] =0,80.
Como Pr- [Z <0, 1 ] = PI ' [Z >b'] = 0,10 =? 0,' = -1,28 e
[
I _ 28 A"',' (J,-O,07 - -1 ')0, iJ-O,07 - 1 28 =O03'
) _ 1, . ssnn, 0,0:.\ - , ~O c O,f);) - , =? a ,
eb = 0,11. Ointervalo [0,03; O,11] engloba 80% dos indivduos
no infectados.
5.5 Verificao da adequao do modelo
Aps a escolha de um modelo para descrever uma situac~o
I\(~cessrioverificar a sua adequao aos dados. A verificao pode
sl~rbaseada nas caractersticas do modelo, emgrficos especiais eem
t.1~stesde aderncia. Citaremos alguns desses procedimentos para os
dois modelos tratados neste captulo.
Uma forma para a verificao da adequao do modelo de Pois-
sou consiste emcomparar as propores observadas comas proba-
I,ilidades obtidas pelo modelo ou equivalentemente, as freqncias
I1I)servadas comas esperadas segundo o modelo. Seas discrepncias
rI H'em"pequenas" existem evidncias de umbom ajuste do modelo
aos dados.
I'~xemplo 5.1 1 : Nmero de consultas mdicas (continuao)
As propores de ocorrncia de cada nmero de consultas obti-
das no Exemplo 5.7 so prximas das probabilidades obtidas pela
I\xpresso P(X =x) =(e-
2
,32, 3
X
)/ x!, como mostra aTabela 5.5.
rabda 5.5: Pm'centllais obsCl'vadoseosesperados segundo o IIIIHII- III
dePoissou
N'-'-ck
consultas
O
1
2
:3
4
Pcn:entual
obscrvado esperado
10,34 10,0:3
22,37 2:3,06
27,08 26,52
20,09 20,33
11,64 11,69
5,34 5,38
2,21 2,06
0,68 0,68
0,18 0,19
0,05 0,05
A partir desses valores podemos calcular osvalores previstos pelo
modelo, conf~rme mostra aTabela 5.6. Por exemplo, onmero espe-
rado deassocmdos comduas consultas obtido peloseguinte clculo:
5.694 x O,2652 ~ 1.510. A comparao dos dois percentuais indica
que omodelo dePoisson parece ser adequado.
Tabela 5.6: Freqncias de associados segundo nmero de consultas
efetivamente feitas eprevistas pelo modelo dePoisson
NQ de
Freqncia N'-'-de
Freqncia
consultas observada prevista consultas observada prevista
O 589 571 5 304 306
1 1274 1313 6 126 117
2 1542 1510 7 39 39
3 1144 588 8 10 11
4 663 666 9 3 3
computador. construdo eletal forma que seh uma boa ad(~I'(~lIcill.
dos dados ao n~()delogaussiano, as observaes estaro alinbadas ('111
torno de UInareta destacada no grfico.
A maneira mais simples para veriL-icarapartir deuma amostra se
a varivel estudada pode-)ser adequadamente descrita por uma dis-
Ll'ihnie,ogaussiana consiste emexaminar graficamente adistribuio
dos dados, por exemplo, atravs elohistograma. Seogrfico apresen-
LaI'alovel simetria eforma aproximada da curva gaussiana, tem-se
iIldicae,ode adequacidade do modelo gaussiano aos dados.
Almdisso, importante verificar as proporc,es de)observae;es
('111determinados intervalos que envolvam a mdia. Para uma dis-
Ll'ilmie;ogaussiana commdia fi, edesvio-padro I T, sabemos que os
illLel'valos(jl-I T; j-1 +I T), (I L-2I T; I L+2I T) e(1 1 -3I T; 1 1 +3I T) compreendem
I'l!spc)ctivamente68,3%, 95,4% e 99,7(Yr, da distril:nJic,o. Em geral,
Lalil,oI ' quanto I T so desconhecidos, mas comuma amostra razoavel-
111(!IILe grande, digamos '/I, 2: 30, deseesperar que amdia amostral
:i: esteja prxima deI r eque odesvio-padro amostral s esteja prxi-
1110de I T. Podemos ento, combase nos dados amostrais, calcular x
(! ,'I, e contar o nmero de observaes nos intervalos (x - s;x +s),
(:I : - 2s; x +2s) e (x - 38;X +38). Dividindo essas contagens por n,
C)Lamanho da amostra, obtemos as freqmciasrelativas observadas
IIIH!devem ser comparadas com as probabilidades tericas (0,683;
(),DG 4 e0,997). Grandes discrepncias entre as freqncias relativas
"hs(~rvadas eas probabilidades acima indicam uma possvel falta de
II(bJlrao ao modelo gaussiano.
Em resumo, existe indicao de que os dados so adequados ao
IllOddogaussino se:
Os alunos de uma turma de 60 estudantes do sexo masculillO
mediram a pre'sso sistlica (m: mHI J), uns dos outros, obtendo os
resultados da Tabela 5.7,
Tabela 5.7: Presso sistlica (m: mHg) de 60estudantes
142 142 134 110 98 130
136 120 118 130 116 140
118 122 128 128 114 138
104 116 110 100 128 128
124 14Q 108 146 116 114
152 118 140 128 116 110
138 132 118 120 122 120
108 112 941, 130 130 118
120 128 108 120 124 110
124 132 132 130 102 118
O histograma desses dados, apresentado na Figura 5.10, enlhora
ligeiramente assimtrico, tem aproximadamente a forma gaussi;l.Il:1.,
Portanto, razovel pensar que apresso sistlica possa ser de)scl'iLII
pela distribuio gaussiana.
Para esses dados tem-se: x = 122,70 e 8 = 12,21. Espc)l'a-sl'
cerca de-08,3%, 95,4% e 99,7% da populao respectivameni,() IIIIS
faixas (122,70 -12,21; 122,70+12,21) =(110,49; 134,91), (122, 7()
2 x 12,21; 122,70 +2 x 12,21) = (98,28; 147, 12) e (122, 70 ~ :\ ;.
12,21; 122,70 +3 x 12,21) =(86,07; 159,33), enquanto que os IH'I'
centuais observados so 63,3%, 95,0% e 100%. Como no h gl'1I.lldl'
discrepncia entre estas porcentagens e as probabilidades tc!6l'iclIH
conclui-se que omodelo de Gauss para esta varivel razovd.
O Q-Q plot apresentado na Figura 5.11 indica uma C)xcc~bIL('
aderncia dos da,dosao modelo gaussiano.
I';xistcmoutros critrios mais precisos para severificar seh uma
IH 111 ad(~rnciade umconjunto de dados ao modelo gaussiano. Uma
1,1111 I'derncia o Captulo 1 do livro deMadansky (1988). Destaca-
: 11' I1111 grfico denominado Q- Q plot, disponvel nos programas de
que neste caso o modelo gaussiano no razovel. Isto cOllfi1'1 11a<iI I
pelo grfico (J-(J pio!; da Figura 5.12.
A hemoglobina umparmetro hematolgico deuso rotineiro 1111
clnica mdica. Tomando o histograma da Figura 5.13 como :"I)J '( I
ximao para a sua distribuio entre mulheres, vemos que vaJol'I'~;
menores que 12g/ dl so pouco comuns. , pois, razovel considl!I'HI'
umdiagnstico de anemia ao seobservar uma paciente comvalm di'
hemglobina de 11 g/ dl.
1 \ lnclia e o desvio-padro para as 78 observaes do Exemplo
;1:1, do Captulo 3 so x = 221,27 e8 = 51,02. As faixas (221,27 -
~II,I)~; 221, 27+51, 02) =(170,25; 272, 29), (221, 27-2x51, 02; 221, 27+
'. ;)1,02) (119,23;323,31) e (221,27 - 3 x 51,02;
'~:"I, ~7 + ~1x 51,02) = (68,21; 374, 33), englobam 79,5%, 98,3% e
!1;,,7%1 dos dados. O primeiro percentual difere significantemente do
il'lili('() (G 8,3%).
() ilistograma mostrado na Figura 3.1 assimtrico, indicando I".
Por causa da variabilidade entre iudivduoe:, aanlie:ede um valor
('e:I)(~<:fico de hemoglobina emmlhe]'(~e:dev<~e:erfeita confrontando-o
('0111a faixa 12-16 g/ dl. a chamada .!a';a de Te.!'c'rbu;/ ,.
'1'<)da medida laboratorial analie:ada confrontando-e:e seu valor
('(1111\Una faixa. Isto tiio commll que, na prpria aprmenta()io do
I'Pe:ldl.ado,muitos laboratrioe: j indicam oe:limitm inferiores eSUP(;-
I'illl'(!e:para o valor da medida que dcvelll e:crvir de bae:eao raciocnio
I'lfllico.
() procedimento di; defini()io de faixa de rcferfmcia baseia-se na
I1iI)(\I.<~e:e de que as popula<;ee: de pee:e:oae:sacliae: e ae: de pessoas
II)('IILesproduzem, para aquela m(xlida, valores que Hutuam emtorno
li' Illlias diferentes, gerando curvae: com pequena interse(;o. A
1"i)',lIl'a5.14 ilustra um possvel nlodelo.
to, inmeras dificuldades para definio desta popula(Jio (!div(!l'g(\lldll
entre os autoree: a ee:e:(; ree:peito. preciso considerar tarn1J{~1I1 (111l.t'IlH
caractersticas al{~mdaquela em estudo: idade, sexo, peso, II(VId 111'
atividade, tabagismo, dida" ra(;a, local de residncia e nv(~1s<')(:i( I
econmico. Esses elelnentos criaro uma forma de comparn<,a() (I()~;
valores com aqueles (Iapopu1a<.,u,()estudada. Todo mdico qur iIJ( '()I'
pora criticamente sua experincia anterior desenvolver, ao long() (1;1
vida, critrio di; valoriza(,o de desvios dos valores de referncia.
Existem, essencialmente, duas marwiras de se obter uma faixa di!
referncia. A primeira, baseada na curva de Gauss, s apropriada
para variveis que tm distribui<;o definida por esta curva. Apesal'
disto, aforma mais usada. A segunda, mais recomendada, baseada
nos percentis evale para qualquer tipo de distribuio.
Em algumas circunstncias, h outros fatores relevantes qlW1.01'
nam inadequada a simples utilizao desses mtodos na constrll<,iI()
de faixas elereferncia. Este o caso da presso arterial, em Cjll(!(IS
limites para diagnstico de hipertensiio baseiam-se tambm IlOriscll
aumentado de complicaes cardiovasculares ena interveno m{~t!ica
para reduzi-Io. Nesses casos, torna-se necessrio incorparar ese:(~e: 1)11
tros fatores na construo de faixas de referncias atravs de mot!(!!os
multivariados.
(\ (\
~)~ \
Na Seo 5.4, vimos como obter valores, simtricos em torno (Ia
mdia lI , tais que a rea sob a curva de Gauss, delimitada por (~e:I.('
intervalo, seja um valor pr-fixado. Em particular, sabemos q11<~(I
intervalo (1 -1 ,-2J, l-i+2J) engloba 95,6% da rea sob acurva gause:ialla,
Em ouiras palavras, uma varivel comesta distribuio produzir:., (~III
mdia, 95,6% de valores naquela faixa.
Como na prtica lidamos sempre comuma amostra adistribuicall , , '\
no completamente conhecida e, portanto, utilizamos o intervai()
1';e:l.asfaixas devem ser utilizadas de maneira crtica. A associ-
lU:al)de valores fora da faixa com a condio de doente no pode ser
11111.( llw\,tica. O conceito elesade complexo eno pode ser reduzido
11('111 a uma nica dimenso, nem a uma sucesso de exames labora-
1.( Il'iaie:. l~necessrio unificar todas as informaes disponveis, tarefa
I.I 111{~dico.
,;; L\,cilprovar que aprobabilidade de uma pessoa apresentar valo-
1'1';; dmil;ro da faixa de referncia em todos os exames de uma grande
IIIII.('l'iad(~testes muito pequena. Ou seja, o uso ingnuo destas
I'lIix a" pode levar a concluses clinicamente sem sentido.
1 \ I:OlIstruo de faixas de referncia baseia-se no uso de infor-
1111I(,:()(!e: d(~pessoas pertencentes auma populao sadia. H, entretan-
como faixa elereferncia. Na expresso acima, o nmero 2 est,\, HH
sociado ao valor de cobertura 95,6%, valor prximo de 95%. ()lILl'oH
II1Idtiplicadores produzem intervalos CUlU(liferentes porcentagens de
cobertura. Por exemplo, 2,5 prodnz luua faixa de) l'(~fernciaque en-
globa 98,75% dos valo1'()sda medida d(~interesse. Apresentamos a
SI!gllir as faixas de ref(~rl~nciaspara as col)(~lturas mais COlIluns.
Cobertlua
90l/(')
95%
99%
Faixa (lerefc~rl~ncia
(:i: - 1,048;;}; +1, (48)
(:1: - 1, %8; ;1'; +1,9(8)
(
"0 2t":8 '-+')t":8)
:};- , de8;;}; ~, ,) 8
exemplo, valor negativo para o limite inferior em urna si I.IIltl,:1I1 I 1' 111
que as medidas tomam apenas valores positivos).
Corno, entrdanto, nem sempre as pessoas que constroelll 1)11111'< 11'i;
de rderncia estilOatentas aesses problemas, ametodologia dI! ( :ali:,:>
utilizada com grande freqlmcia, s vezes indevidamente.
Para superar as limita(,es do mtodo baseado na curva d(~Cal"""';,
basta usar o mtodo do,..;percentis, adequado a qualquer tipo dI! di,..;
tribui(;o. Por (~xernplo, para lllWl.cobertura ele95% utilizamo,..; CI)1111 I
limites de rcfer'mcia os percentis de ordem 2,5% ede 97,5%, ou 0111.1'11"';
mais convenientes sitwlI,o.
No Captulo 3 vimos como calcular os percentis. Entrdallt.l),
quando so poucos os dados, uma forma aproximada, mas ba,..;t.allt.l'
efetiva de se obter a faixa, descrita aseguir. Ordenam-se os valI >1'1 's
a serem usados e diante de cada um coloca-se o valor i-~,G, IJllIll!i
o nmero de ordem e TI, o nmero total de observaes. Esk valI 11'
uma boa aproximac)io para a ordem elopercentil, correSpOndl!lIt.l'
ao valor de ordem , i. Procura-se ento os percentis mais prxiulI)s :ti1:1
percentuais fixados.
I';mmuitas sitml.</ies se) irlt(~ressa o limite inferior ou o limite su-
I'1!l'iorde referncia. Nestes casos, faz-se aextenso eloprocedimento
da construo de faixas de ref<~rncia. Os limites so determinados
racilrnente utilizando-se a tabela da elistribui(;o gaussiana padro.
1'1)1'exemplo, o limite superior de referncia que engloba 95% dos
VIti ores da medida de interesse ;1:+1, 048.
Utilizando os dados da Tabela 3.1 do Captulo 3, referentes ao
1.1'1)1' de gordura fecal de 43 crialH,as que no eram amamentadas pela
1111\1" calculamos a rndia e o desvio-padr.o (;1: =2,303, 8 =0,872)
(' ()iJt.emos os seguintes valores de referncia com cobertura de apro-
xillladamente 95%:
Glaucoma uma sena doena oftalmolgica que pode l(!val' :1
cegueira. A presena de presso intraocular elevada a pri IIci1'111
indicao de que a doena est em desenvolvimento. Por isto (! 1'1111
damental para aprtica oftalmolgica estabelecer faixas de refm(lllI'ill
para a medida da presso intraocular.
Muitas populaes j foram estudadas, o que permite estal > 1'11'
cer limites estatsticos de referncia com bastante segurana. (JI Ia"'; I,
todos estes estudos indicaram que a distribuio da presso oClilal'
entre indivduos normais assimtrica direita, como ilustradll 1111
Figura 5.15.
A forma de clculo dos limites no pode ser, portanto, alllllolll
baseada na curva de Gauss. Aqui s interessa o limite sup(~l'i()f'. 1 \
Tabela 5.8 apresenta percentis obtidos em algumas pesquisa.s.
Estes estudos justificam o uso do valor 21 mmHg conlO lilltil.l'
superior de normalidade para uma medida isolada da pressiJ,oOCI111\.1',
Para cada medida utilizada em sua prtica, o mdico c]'it.(~ril)HII
deve conhecer estudos como estes quejustificam os limites cscIJlI1idl ':1.
(:l'Licas podem ser feitas ao clculo de faixas de referncia pelo
111(o!,otlIJ da curva de Gauss. A principal delas que os limites do
illl.l!],vlllo(;1: - 28, x +28) so muito dependentes da suposio de que
1Idisl.ri Imir,o da medida de interesse gaussiana e nem sempre isto
(' VI!I'da(hUsar este intervalo em populao no gaussiana produz,
11:1 V(!ZI,S, valores pouco razoveis para os limites da faixa (como, por
N-'-'- d(~
Valor Ordem do
deordmn ()])iiervado percentil
] 0,78 0,012
2 1,00 0,035
')
1,00 0,058 d
4
1,12
0,081
5 1,28 0,105
G 1,:31 0,128
Autores, ano
N-'-'- de
Tonmctro Percentis
pessoa:,; 97,5 99 99,9
I~I~chrakis,l969 1.235 Aplana(:o 21 24 30
Ilollow &Graham, 1966 4.049 Aplan;),(:o 21 22 30
I\nnaly, 1965 4.652 Aplanao 20 21 28
IJ( ~'ydheckr et
a1.,
1958 19.880 Sc:hiotz 26 29 32
3G
3,12 O,82G
:37 3,22 0,849
38 3,24 0,872
39 3,27 0,895
40 3,G8 0,919
41 3,81 0,942
42 3,91 0,9G5
43 4,58 0,988
'I 'ailda 5.8: Informa(:e:,; sobre vrios trabalhos que obtiveram per-
1'(~IILis para a presso intraocular
5.7.1 Cartas paracontrole de processos emhospitais
Freqentemente h a preocupao em monitorar problelll :1:: ,I"
Sade Pblica, como surtos de doenas, e em detectar deiivj, lii ,I:I::
normas aceitas em hospitais. Sellick .Ir. (1993) apresenta Ulll illll li1i
tante procedimento para o controle de processos em hospitaiii. li;::!"
controle feito mantendo-se o resultado mensurvel eimporJ,;\1Ii(' til'
processo dentro de limites. Por exemplo, no processo de COULlllll'ti"
/infeco hospitar, pode-se contar o nmero de infeces porlllll 1:1'11",
perodo. Analogamente para determinados acidentes de traI )all\I I 11I I
hospital, bitos, etc., pode-se considerar as freqncias de 1)(',I>I'I'I'1l
cias, mas poderia ser definido um outro indicador ligado aI) I)1'( )(:, 'S:" "
Os dados so as observaes referentes ao processo tOllla( Ias 111'
longo do tempo. Alm de freqncias, pode-se tambm CIlllsitil'lal
medidas, como tempo de espera ou presso sangnea. COliJOa IIlaill
( )s clculos necessrios para se obter a faixa de referncia para o
LI~' li(tegordura fecal atravs do mtodo dos percentis esto na Tabela
rI.!).
1 \ partir desses resultados, uma faixa razovel seria (1,00 - 3, 91)
I" >Ir'~iipondente aos percentis de ordem 3,5% e 96,5%. Atravs do
IliI'oI,'lIlode Gauss obtivernos (0,559 ~ 4,047). Observe que mtodos
ti ir, 'I(~I iI,(~sproduzem valores diferentes para a faixa de referncia.
I'iados dados relacionados ao contwll~dl~processos ()lUhospitais so
;d,l'illlltoS, por exemplo preselll,a ou nil.olk il1f<~cl,o, as fr<~qii(mc:ias
:;;uI 1I1<11S comuns.
() artigo de Sellick.Ir. (l9!);l) apresenta aplic:ali)es para variveis
,lil" podem ser descri tas atrav(~sdo ruoddo dl~POiSSOllediscute tmn-
11('111 outros casos dl~variveis discrd,as. Niio trata, eni,rda,llto, dl~
:d",lllllas situaes de lltl~resse, COlHOpor l~xemplode variveis Ull1-
1Illllas, embora apreseutl~rcfl~r()llciaspara eSSI~caso.
() princpio bsico do procedillwut.o (~qlWtodos os processos tm
1IIIIavariabilidade inerent.e eque podem ser descritos emtermos es-
l:iI,I:,l.icos.A forma deavaliar seopwcmso l~stsob controle atravs
,IacOllstruo de umgrhco conhecido COlUOcaif'ta de cO'I 'dTole. Ce)ll-
::i:;I(~(~mconstruir um grfico de linhas (discutido na Seo 3.3 do
( 'aptulo 3) eadicionar linhas paralelas ao eixodo ternpo na altura da
1111':<Iia, da mdia 2desvios-padril.o eda mdia 3desvios-padro,
l'ollrOnne mostra aFigura 5.16.
Deuma forma geral, considera-se que asseguintes situa(,()(~s1111'1'1'
cemser investigadas, pois podem indicar que o processo esl.:.rOl'; 1<lI'
controle:
Um ponto encontra-Sl~acima da liuha LCS ou abaixo da lildlH
LCI.
Dois de trs pont.os COllSI~CUtiVOS esto entre as faixas Li\S I'
LCS ou entre as faixas LA1 eLeI.
Quatro de cinco pontos consl"cutivos est8.0entre alinha ln(~dia
+1 desvio-padr8.o e a linha LAS ou entre a linha mdia I
desvio-padr8.o I" alinha LAI.
Quinze pontos consecutivos esto dentro das linhas m(~diaI'
mdia +1desvio-padr8.o oudas linhas mdia emdia - 1d(~svj()
padro.
Lei
Mil,
Estes testes refletem no s adistncia de umdado valor (~III1'1'
lao mdia, mas tambm padres no naturais para pontos delil.l'l'
delinha decontrole. Portanto, ascartas decontrole podem ser lIsal Ia::
para detectar alguma causa devariao.
Essas variaes so geralmente relacionadas com influncias ;\
lheias ao processo, tais como troca na populao de pacientes, II1IV' ,
mtodo devigilncia, novopessoal deatendimento, oupodem n~sllll.al'
de caractersticas intrnsecas ao processo.
Os testes de controle podem tambm ser usados para moniLIlI':11'
mudanas emcausas comuns de variao durante ou aps a impll'
mentao de atividades de melhoramento de qualidade do proc( ~s:",-
I\s linhas correspondentes a dois desvios-padro so chamadas
I1111 iL,'s (I(~ ateno superior (LAS) e inferior (LAI) , e as linhas cor-
1I'::!'OlIllmltma 3desvios-padro, limites de controle superior (LCS)
I' illrl'I'jol' (LCI). No h um critrio claro sobre quantos perodos de
1."1111 I( I (Ills, ano, etc.) devern ser considerados para o clculo da
11I1'<Iia. ,'-)I~ o perodo de tempo ms, geralmente so usados 12 a 24
11I1 '::('o': (' I)Sperodos de epidemia devem ser excludos. ,
Colite associada aantibitico relaciona-se comaltera(~sliaII1Il'il
microbiana normal que podem levar a supercrescimento de UI 1 l8/ 'I '1
di'um d~fficile eproduo detoxina pelo mesmo. Os sintomas Val'ialll
dediarria levecolite pseudomembranosa, condio potencia!lllC'lIil'
I'al,al (~mque esto pn~s(~lI,I,(~s Jdn'(:, (1m ahdolu in;I!, dial'la, muco ou
,';all,!~II(~ nas fezes. Odia~I\('JSi.icoUSIl;tllll(~ld,(~ {~Jii,opda delllollstr;u;8,O
I11'I,oxina nas fc/',es. A pl'iJcl.1Jscopia ]'(~v(~1 a placas I)l'al1G1Se (jJuardas
::1I111'(: a mucos a do (/)]OU. C(:ralIlWld,(~IJ(,rellLss80 COlUa int<~rTUp(;8'o
dll liSOdo antibitico, UlaS r(~cidivas pod(~ul OC()]]'(~l'.AI~unlas ve~/',es
I' III'1:( :ssria terapi a eSI)(~dJica,
1';111um hospital I]I W (~sj,;\, IU(lIlii,oraudo o pr()IJI(~IUade colit,e as-
:;III'iada a antibiticos por C! o, ')l: ri'i, 'I I , 'I I I , di.lJ:e, vaulOS assUJuir que o
1111 iVi:I'SOde pacientes {~(:stvd (~1]11(: uin llollve troca d(~llrtodos de
I' I)',iI:'tIlcia, nos procedinJ(~ntos, IlOS(~XnJIl(~S e~ CIlW aproximadamente
I'I1I1sl,anteo nmero de~sse~s(~xmues n~;tlj/',ados por mf~s.
Na Tabela 5.1() encontra-se o muwro luensal de resultados po-
::11,1 V I lSno exame deh~/',es para a i,oxilla pl'Odll/',ida pelo C! o, ')(; r'I I : m
1 1 1 .! li('ile.
Tal da 5.10: Nruero ulellsal de resultados positivos de toxina pro-
I111!'i( Iapelo C! o, ')(; ru'/ J! , difJ:'i!e em e~x;mwsde fezes
M0s do N!.!.de resultados
exame positivos
Feve]'(;iro 4
Marco 1
,
Abril ~~
Maio 1
Junho 4
Julho O
Agosto ~~
Setembro 4
Outubro 3
Novembro G
Dezembro 3
Total 34
I~li 11 \(A~S de novembro houve o maior nmero de resultados posi-
111'11:;, aproximadamente duas vezes maior que amdia mensal de 2,8.
:\ III'1',1', 1IIII,a{~se~ esses seis resultados positivos devem ser motivo de
preocupaeJio, ou se~.ia,s(~{:rmlul(~ute mna contagem estatisticalll(~III,('
improvvel. Parn resp()]ld(~r (~ssaper~unbt construmos a cal'l,a di'
controle COl]}mlia 2,H e desvio-padr;\,o l,G.
Como pode ser visi,o lia Fi~lIra 5.17, nenhum ponto do ~r;\,liciI
atinge os crilh'ios elo t(~st<~estatstico d(~vnriae;iio significant(~.lsl,( I
no significa CIlWalu{~diaIIH~IIS;II de resliltados positivos apropriada
ou acejtvd, luas sonlente~ CIlW,b;lse~ado na experincia anterior, (l
nmero est;, de~lJtroda variaeJin espentda.
w
o
'>
: ' r: ' ? '
~t" , , i\ LAS" 132
~; 'i / \'1 "t,)
2 ~,A, ' ,
J: / \ / \ / "", 1 \
2 / \ I \ 1 x ::.: ;~,8
Q) ,,1/ \ / \ /
T) \ / \ 1
Z " 'V \/
I - i- - ....;- .L- l- - _ .1-
"
A ~;,:
5.7.2 Rastreamento de doadores de sangue
Esta seoo tem como objetivo, alm de ilustrar o uso da di::
tribuio gaussiana, esclarecer alguns elosprincpios bsicos dos 111'1 I
gramas elerastreamento de massa.
A dosagem srica da enzima alanina transaminase (ALT) , alll.i)',:1
mente designada transaminase glutmico pirvica (TGP), (~w,adn
desde 1955 como indicador a eledanos hepatocelulares, encolll.l'alldl I
sepronunciadamente aumentada nos casos de hepatites virais, a)',lliIa:I
e crnicas, sendo mais especfica para detectar doena lwp;\.I,ica :1,';
sintomtica em pacientes no alcolicos. Nos bancos de Sall!',lIi', 11:1
doadores so rotineiramente avaliados para a elevae;o CbSil (~II'/'illl;1
antes da transfus8,o.
Apresentamos aseguir uma adapta(;o deumexenlp!o (bl'l'i LI)1'111
Colton (1974), baseado no artigo de Prince & Gors]loll (!!)(i:,) Ijlli'
I.ral.a da transmisso da hepatite virtica na transfut>iio de t>angue.
Na (!poca foi implantado um programa de rat>treamento de t>angue
1"lIll.:l.Iuinado com vrus da hepatitc) em doadol'()t>de um banco de)
:illlll',II(),baseado na medida de ALT.
I()t>ultadosempricos de vriat>I)()t>qllit>at> indicam qUC)ologaritmo
1111c!dmminao do ALT tem aproximadamente dit>tribuic;il.ogaut>-
:illll:J (a distribuio do ALT dellominada log-normal) nat>popula-
':' I( ':i SI)11l ecom danos hepatocc1ularet>, ret>pectivamcnte denominadat>
,'/ 1 / 1 1 / 1 1 , ') doente. Os parmctros destas populac;cs na escala logart-
111 Il'II 1!1tlUI / Z esto mostrados no quadro abaixo:
Populao
Sadia
Doente
Mdia
1,25
1,55
Desvio-padro
0,12
O,U
1 6
'4 - '/,-1,25 -'- ., - 1 4to:
,. -~----r,L- , ;)
atravs da sobreposie;iio das curvas correspondentes s populaes
sadia edoente.
O percentual de amostras aceitas indeviclamente bastante alto
e pode ser diminudo mudando-se o ponto de corte para um valor
menor. Idealmente deveria ser obtido um ponto de corte tal que o
percentual de sangues contaminados fosse o menor possvel. Entre-
tanto, isto implicaria no aumento do percentual de sangues rejeitados
indevidamente, o que poderia inviabilizar o programa de rastreamen-
to. Uma soluo seria ento fazer uma anlise variando-se o ponto
de corte e ento calcular ot>percentuais de sangues aceitos erejeita-
dos indevidamente. A partir destes clculos seria escolhido um ponto
de corte timo, definido a partir de algum critrio (por exemplo, em
termos de valores de predio).
No Captulo 4 vimos como os valores de predio dependem da
prevalncia na populao. Ilustraremos estes clculos para uma pre-
valncia de danos hepat'ocelulares de 12%. Podemos usar as frmulas
da Seco 4.6.2 ou alternativamente podemos simular uma populao
de determinado tamanho e construir uma tabela 2 x 2 a partir dos
percentuais fixados. Por exemplo, em uma populao de 1.000 indi-
vduos, seriam 120 doentes (correspondendo a 12% que aprevaln-
cia) e 880 sadios. Considerando o ponto de corte de 1,45 e portanto
os percentuais de sangue aceitos e rejeitados indevidamente respec-
t0amente de 21,8% e 5%, espera-se que 44 (880 x 0,05) doadores
saudveis rejeitados e26 (120 x 0,218) doadores doentes aceitos. Re-
sumindo, temos a Tabela 5.11.
I'ara definir o rastreamento proposto, foi necessrio estabelecc~r
11111 ponto de corte de X = log (ALT). Assim, o sangue de um doador
1'111pol.cmcial comx acima deste ponto de corte seria rejeitado eabaixo
:;('rill aceito. Foi estabelecido que este ponto de corte seria tal que
'I Ili',)(:edimento de raseamento aceitasse 95% dos doadores prove-
Ili(!III.I)t> ela populao sadia. A determina.o do ponto de corte (:T)
11::IlIIc!O c;8tecritrio facilmente obtida, lembrando-se que o percentil
,11'(11'< Imn 95 da gaussiana padro 1,64. Assim,
'1"(' c:o]']'()spondedosagem de ALT igual a 28,18.
I"lrtanto, se para um doador, :r fosse maior que 1,45, seu sangue
::,'rill rl)jcitado. Obviamente um doador nestas condies poderia ser
"1111110 portador do vrus da hepatite. Pelo critrio adotado, 5% dos
:11I11I',II('S sero rejeitados indevidamente, isto , arriedida x seria maior
'1"(' I"H') mas odoador n.oportador do vrus. Por outro lado, ofato
,I" ,I' ::"1'lucnor que 1,45 no garante que odoador n.oseja portador do
1'11'11:;. Sllrge ent.o a pergunta: qual o percentual de sangues aceitos
1I1l11'vic!:Jllwnte?Para este clculo, basta padronizar o ponto de corte
1111 "llrVil da populao doente (z = (1,45 - 1,55)/0,13 = -0,77) e
I','rili('ilr 1111{; a rea abaixo deste percentil 0,218. Portanto, espera-
:li' ,"11':2 I,- ',l).{l dos portadores do vrus teriam seu sangue aceito. A
1,'11',11111 :l. IK mostra esquematicamente este programa derastreamento
Doador provenilmtc~
de popll1al,il,o
Sadia
Doente
Total
padril,o de 4,5. Todos os alunos que obtiveram nota d(~7() II
80 tiveram conceito 13. Se as notas tm distribuio apmx i
madauwnte gaussiana ese10estudantes obtiveram conceito 1\,
quantos sesulnnetcram ao exame?
Tabela 5.11: Distribuio de sangues aceitos l~rejeitados em UlWl
populao de 1.000 indivduos
Sallglll~
ACl~itO lll~j(~itado
i'3:\G 44
2G D4
8G2 Ui'3
Total
880
120
1.000
:3. Suponha que onnwro denovos casos decncer diagnosticados
mn urna dderrllil1ada regio siga a distribuio Poisson COI11
parmetro ).. = 2, 2. Interpret(~ esse valor e apresente possv(~is
apliutc,es prticas do uso desse modelo neste caso.
4. Na curva gaussiana padro obtenha o valor Zo tal que a n~a
entre amdia da curva eZ(J seja 0,40.
A efetividade do rastreamento pode ento ser avaliada atravs dos
valores preditivos ouequivalentementl~ defalsos-positivos enegativos.
I';utre os 862 doadores aceitos, apenas 26 (3(X)) so doentes. Por
OlltI'Olado, dos 138 doadores rejeitados, 44 (32%) poderiam ter sido
aceitos. Em resumo, usando oponto elecorte de 1,45tem-se um alto
percentual de falso-positivo (32%) e um baixo percentual de falso-
1J(~gativo(3%). A detivielade deste programa bastante boa, mas
pode no ser vivel na prtica.
Se, emuma tentativa de minimizar arejei(,o de sangue emdoa-
llores saudveis, passarmos a aceitar 97,5% dos doadores originados
da populao sadia, o ponto de corte seria 1,49. Nesse caso, apenas
2,5% de sangue seriam rejeitados indevidamente, mas o percentual
lIl~doentes comsangue aceito passaria para 32,3%.
Para a prevalncia de danos hepatocelulares anterior (12%), o
I)(~rcentual de sangue rejeitado de indivduos sadios cairia para 20%
(~o percentual de doentes comsangue indevidamente aceito passaria
para 4%.
5. Um teste de aptidii.o para o exerccio de certa profisso (~XI
ge lHW1,seqncia de opera(;es a serem executadas rapi( Ia
mente uma aps outra. Para passar no teste, o candidato d(~v('
complet-lo em80 minutos no mximo. Admita que o tClIli)()
para completar () teste seja uma varivel aleatria N(90, 20).
(a) Qual a porcentagem elos candidatos tem chance d(~s('[
aprovados?
(b) Os melhores 5% recebero umcertificado especial. Qual (I
tempo mximo para fazer jus atal certificado?
A distribuio da altura de 500 estudantes do sexo mascnl iII11
de uma escola aproximadamente gaussiana, commdia 1,7()
medesvio-padro 2,5 em.
(a) Quantos tm altura inferior a 1,75 m?
(b) Quantos tm altura entre 1,72 e 1,80 m?
1. A vida de certo aparelho cirrgico pode ser descrita pela dis-
tribuio gaussiana commdia de oito anos edesvio-padro de
1,4 anos. O contrato de garantia diz que o fabricante substi-
tuir os aparelhos que apresentarem defeito dentro do prazo de
garantia. Seeledeseja substituir no mximo 5% dos aparelhos
quefabrica, qual deveser oprazo degarantia aser estabelecido?
2. I;~mum exame de Estatstica, anota mdia foi 70 com desvio-
(a) Determine os valores de referncia.
(b) Umlivro de referncia estabelece, para adultos jOV(~IIS dll
sexo masculino entre 20 e24 anos, osvalores de ]();) a I'11)
mmHg. Os resultados obtidos em(a) so compatv(~is ('11111
estes limites?
~. Calcule amediana nopnn:c~ntil dc onlmn 7G para uma varivel
comdistribuic;:o gaussiana commlia fi. udesvio-padro (T.
9. Os seguintes valorcs n~pl'(~sentamos tnmpos gastos, umsngun-
dos, por pessoas corll docIH;:acardaca ,mr'aa realm(;:ode um
teste simples d(~csfol'(.;o.
2~9,
2Gl,
20:3,
24G ,
:)G 9,
224,
24:3,
2:)9,
2:)2,
220,
210
211
(a) Calcule amdia, mediana, desvio-padro nos percentis de
ordem 2Ge7G.
(b) Estes dados foram gmados dn uma popula(;:o gaussiana?
Justifiqu<') sua rusposta. (Sugesto: usn o resultado do e-
xerccio anterior).
10. A distribui<.;.oda press.o sistlica por faixa etria emuma po-
pulao masculina apresentada na tabela abaixo. Consideran-
do o modelo gaussiano adequado para a clescrio dessa dis-
tribuio, as faixas de referncia esto abaixo. Comente as re-
percues da ~idooelosvalores encontrados como limites para
classifica.o elehipertenso.
Idade (anos) Mdia Desvio- padro Faixa de referncia
16 118,4 12,17 [94,06; 142, 74]
17 121,0 12,~~ [95,24; 146,76]
1~ 119,8 11,9G [95,90; 143, 70] 13.
19 121,8 14,99 [91,82; 151,78]
20 f- 25 123,9 13,74 [96,42; 151,38]
25 f- 30 125,1 12,58 [99,94; 150, 26]
30 f- 35 126,1
13,61 [98,88; 153,32]
35 f- 40 127,1 14,20 [98,70; 155,50]
40 f- 45 129,0 1G,07 [98,86; 159, 14]
45 f- 55 132,3 18,11 [96,08; 168,52]
55 f- 65
139,8 19,99 [99,82; 179, 78]
I I. sabido que, para os adultos do sexo masculino, gozando de
boa sade, em uma certa populao, a temperatura corporal
sngue distribui.o gaussiana commdia de 36,8 graus edesvio-
padro de 0,15 graus.
(a) Se considerarmos 1000 elessas pessoas, quantas sn(~:"q)( '1'1\.
riam comtnmpnratura entre 36,8 e37,2 graus?
(b) Em qual intmvalo dntempnraturas est.o98% dos adlll t,os
llLasculinos sadios dnsta popula(;:o?
12. Um pesquisador dnsnja criar unI padr.o para identificar Pl'<:'
sena de infec(;:.obacteriana (Psc'lulornona.s sp) no trato rnspi-
ratrio at1'av{,selecultura. de nscarro. Para isto, coletaram-si;
dados depessoas sabidamnnte sadias edeterminou-se onmel'()
de colnia.s encontradas nmcada cultura. Foram encontrados
os seguintes resultados:
17 22 2:3 23 23 23 24 24 24
24 24 24 2G 2G 25 2G 25 25
2G 26 28 28 29 30 30 31 31
35 35 35 36 40 41 41 41 42
51 54 56 56 56 58 60 68 79
(a) Determine uma faixa denormalidade ele95%para onn}(~I'<)
decolnias debactrias notrato respiratrio depessoas sa
dias, usando o mtodo dos percentis eo mtodo da curva
de Gauss.
(b) Qual dos dois mtodos omais indicado neste caso.. J 1IS
tifique.
Para a populao masculina nos Estados Unidos (1976-1!)KO)
comidade entre 18e74anos, apresso sistlica temdistribuj(;:al'
aproximadamente gaussiana com mdia 129 mmHg e desvill
padro 19,8 mmHg. Recomendaes do Jozt Ntional Com:m
tee of Hyper-tension e America.n Heo:rt Association, 1993 cOllsi
deram nveis pressricos normais menores que 130/85 m:m.ll,l/ .
(a) Qual aprobabilidade de umhomem dessa popula8.o pllS
suir presso sistlica normal?
(b) Selecionando-se ao acaso 1000 homens dessa popnl aI;:: I.l I,
quantos seriam diagnosticados comhipertenso modmaila
(presso sistlica entre 160 e179 mmHg)?
Id. A figura a seguir representa colnias de baet{~rias (pontos ne-
gros) que se desenvolveram elU Ulna muostra de sangue coloca-
da em uma placa de Petri dividida eUl pequenos quadrados em
condies ideais.
(a) Realizaram-se oitoexprimentos com oito diferentes tipos
de bactrias. O nmero de quadra,c1os em que foram ob-
servados exatamente ;r; pontos negros (colnias) est apre-
sentado na tabela ,1, seguir. Comente os resultados encon-
trados em um dos experimentos.
1-
1- '
-_.-
n
_.
PontoH
negroH A B
O 5 26
1 19 40
2 26 38
3 26 17
4 21 /7
5 13 O
6 8 O
7 O O
Total
quadradoH 118 128
colnias 346 195
Experimento
C D E F G
59 83 8 7 3
86 134 16 11 7
49 135 18 11 14
30 101 15 11 21
20 40 9 7 20
O 16 7 8 19
O 7 O O 7
O O O O 9
244 516 73 55 100
354 989 168 134 378
Expcrin)()lli,( ) M{)dia Experimento Mdia
A 2,~):1 E 2,30
13 1,52 F 2,44
C 1,45 G 3,78
D 1,92 H 1,21
(c) Podemos calcular probabilidades associadas ao modelo de)
Poisson para cada um dos parmetros apresentados na
tabela anterior e ento obter os nmeros esperados de)
quadrados contendo ;r; colnias. Os resultados so apresen-
tados na tabela aseguir. Complct(~ alinha correspondente
ao experiruento A e fa(,a uma avalia(,o da adequacidad()
do modelo, comparando os valores observados com os pre-
vistos pelo modelo.
Experi- Pontos negros (colnias)
mento O 1 2 3 4 5 6 7
A
B 28,0 42,5 32,4 16,4
6') 1,9 0,5 0,1 ,~
C 57,2 82,9 60,2 29,1 10,5
3,1
0,8 0,1
D 75,6 145,2 1:39,4 89,2 42,8 16,4 5,3 1,4
E 7,3 16,8 19,4 14,8 8,5 3,9 1,5 O,[)
F 4,8 11,7 14,3 11,6 7,1 3,6 1,4 0,5
G 2,3 8,6 16,3 20,5 19,4 14,7 9,2 5,0
H 62,6 75,8 45,8 18,5 5,6 1,3 0,3 0,0
210
254
15. A fosfatase alcalina em uma populao de pessoas gozando de)
boa sade tem distribuio gaussiana com mdia 42 rnUlell ()
desvio-padro 13 rnUlell. Calcule a porcentagem de pessoas
com fosfatase alcalina entre 15 e 69 rnUI dl.
(h) A mdia da distribuio de Poisson (),) para cada expe-
rimento mostrada a seguir. Comente os resultados da
16. Explique porque, algumas vezes, necessrio usar o mtodo (los
percentis na determinao de um padro de referncia.
17. Sabe-se que a distribuio de presso arterial na criana () a
proximadamente gaussiana e os valores encontrados so 1)()]jl
menores que os de adultos. Os critrios usados na defini(,iJ.o de)
normalidade so arbitrrios e complexos. J foram propostos
Ainda para esse valor (lereferncia, qual aprobahilid:u li'
de fallla ua pJ'(~dil.:ii.o d(~DCC para um homem qUl~adi'
S(~IIV(llv(~r;j?
Oq\l(~acouteceria COlUosvalores dasensibilidade eesp(~ci
ficidad(~alteraudo-se ovalor d(~referncia para 250 'my/ dl?
Nessapopulal.;i.o,ousodos uveis iniciais decolesterol s(~ri
co pareCel]] adequados para previso de DCC?
nveis limites como dois desvios-pad6.o aciula da mdia, acima
dos percentis 90 ou 95ou limites fixos d(~l ; 30- 140mimHI J para
presso sistlica e85-90 '{I I / rnHI } para adiasilic;\. (L()]]dect al.,
1971; Rance et al., 1D 74) .
O relatrio da Tas/ ;; Fmn: de 1 9K7 proptls qlWfossemconside-
radas nOT7na'is as criauI:as COlUuveis de pressi.osistlica edi-
astlica inferiores aoperceutil 90para aidade; 'nO'l"m, ()/ lS altos os
valores depresso arterial entrr~ospercentis 90e95ehilpeT!;en-
S08 os valores persistentenlente acima do percentil 95. Essas
crianas hipertensas (~ramcousidmadas portadoras dehipeIten-
so significativa quando os nveis pressricos mtiveRsenl entre
o 95 - e 99
2
pcrcentil,e hiperteus'-w grave para ORnveis per-
sistentemente acirua do perr:entil 9!J . Para uma POPU1aI{i.o de
crianas entre 10 e 12 ano~:, o percentil 95 da presso sistli-
ca corresponde a 126 Tnm, HI j eda diastlica. a 82 mmJI g . .J o
percentil 99, 134 e90'm/ mJi, l} para presRosistlica ediaRtlica,
respectivamente.
19. Para exemplo da Sel.;o5.7.2 sobre o rastreamento dedoadoT'l~s
de sangue.
(a) Calcule amdia eodesvio-padro dadistribuio dapresso
sistlica emcrian({asde 10 a 12 anos.
(b) Acima deque valor depresso sistlica encontram-se 80%
das crianas da populai.o?
CalculcVPP, VFN, FFP ePFN para onovo ponto d(~
corte (1,49) sugerido no final da sel:o. Compare os l'I~slil-
tados como primeiro ponto decorte considerado (1,4G).
Repita os clculos anteriores considerando a preval('~III:ia
igual a1%. Compare comaprevalncia de 12 % usada 1111
exemplo.
20. O teste deconjuntos mede afurll{omental. umteste r8.pidll ('
simples erequer queumindivduo serecorde deitens deqnal.l'll
categorias connll1s. Oteste foi aplicado ern65voluntrios idosll:;
semdisfulll{omental eos resultados apresentados na talH:!aa
seguir. A mdia, de;,;vio-padro emediana foram: x =:lO, (;:1,
8 =7,67 e i: =32.
1:--\. No estudo de Framingham relatado emPagano et al. ( 1993) ,
mediram-se osnveis sricos decolesterol emumgrande nmero
de homens saudveis que foram acompanhados por dezesseis
anos. Ao final do perodo dividiram-se os homens emdois gru-
pos: aqueles que desenvolveram doena cardaca coronariana
(DCC) eaqueles que no apresentaram este problema. A dis-
I.ribuio dos nveis iniciais decolesterol srico para cada grupo
(\ aproximadamente gaussiana. Para os indivduos que even-
I.lIalmente desenvolveram DCC, tem mdia I I =244 mg/ dl e
d(~svio-padro I T = 51 mg/ dl e, para aqueles que no desen-
volveram, 1 / = 219 mg/ dl eI T' = 41 Tng/ dl.
4 11 12 15 15 16 20 21 22 22 23 2~ ~!I
25 26 26 26 26 27 27 28 28 29 29 29 :\ll
30 30 30 31 32 32 32 32 33 33 34 :)~ :I;l
35 35 36 36 37 37 37 37 37 37 . 37
; )K :):--\
39 39 39 39 39 39 39 40 40 40 40 40
/1 (I
(a) Suponha queumnvel srico decolesterol de260 mg/ dl ou
superior seja usado como prognstico para desenvolvimen-
to de DCC. Qual a probabilidade de se prever a doena
emumhomem que nunca adesenvolver?
(a) Calcule o limite inferior de referncia, que seja SIlIH~I':1.I111
por aproximadamente 85% dos idosos testados.
(b) Calcule einterprete aespecificidade deste teste.
(c) Neste caso podemos calcular asensibilidade? PIlI' (1111!':'
(d) Secalculssemos O valor dereferncia inferior has(~:ul(1('111
95%, ao invs de 85%, o que ocorreria COIl!a I'SIH'I'iiil'i
dade? Por qu?
Comparando Dois Grupos
desse tratamemto.
Considerenlos ocaso de duas terapias. Setodos os portado]'(~s dI'
determinada doeIH,aseconlpoI'tassenl demaneira idntica emrei i\.(,:; 1.1 1
aos tratanwlltos utili~ados, bastaria examinar o comportamenL( 1(1('
um ou no mximo dois deles, frente s alternativas existentl~s. /\
decis-osobre qual amelhor seria bvia, eportanto; nenhuma an;,lis(!
estatstica seria Iwcessria.
Tal, entretanto, no (~ocaso. A re;).(,80aumtratamento varia di!
indivduo para indivduo e, viaderegra, no h umtratamento LilllO
para todos. Como, em geral, no se conhece Q, priori a realJuI dI!
cada indivduo, prescreve-se otratamento que apresenta em m: ! l' r, IIS
melhores resultados. Emoutras palavras, asitua-o ideal da e~scol lia
do Inelhor tratamemtc), para cada indivduo n-opossvel na pr;.t.il:iI,
Conseqentemente, :sgnsidera-se como o melhor tratamento aI 111< dI'
que p;'cxluz bons resultados para a grande maioria da populal"ul 1'111
estudo. "
Extrapolaes dos resultados obtidos nogrupo estudado para 1111111
populao deinteresse exigecuidados especiais noplanejamenLo LallL()
de ensaios clnicos quanto de estudos observacionais. Fatof"(!s'1111'
afetam a resposta sendo avaliada devem ser controlados, j',allLoII11
fase de coleta como na anlise dos dados. Por exemplo, no e~sLlldodll
presso arterial, a idade, a raa e o sexo so fatores que (ll~VI!III :;('1
levados emconta.
O procedimento para determinar qual dos dois tratamentos t, I'liI
mdia omais eficiente envolve geralmente aseleo deduas aUIONLI'i1:;
e a comparao dos resultados obtidos. Neste captulo disCl1Li1111,:;
como comparar os efeitos mdios de dois tratamentos, q11<\.Ildll ;,11:1
resposta medida para uma varivel contnua ou dicotmica.
Para isto, o primeiro passo a clara identificao dos ,1-;1'11 JiO,';:I
serem comparados. Depois necessrio definir avarivc1 ]'(~sJio;;LiI ;\
ser usada como critrio de comparao. Nos estudos caSll-CI1111.1'1 > 1(',
os grupos so os doentes eos no doentes, eoobjetivo podl! 1'1'1', Jilll
exemplo, comparar a proporo daqueles que foram eXJiosL( lI' ;1.1 I 1'11
tor derisco. Neste caso, aresposta deinteresse (presmll,a do l'aLIII').'
dicotmica eexiste umteste estatstico especfico ellwdl!vl~S('I'IIlIlIdll
como critrio dedeciso. Emestudos decoork, osgl'1ljlllSSilO1'(11'111:1
dos entre Osque foram expostos ao fator de risco I!IIS'1111' III1lI1""'11111
expostos. Se a resposta de interesse for mlla val'i;V<'1'11I:t1l Li1.11 LiI'll
Captulo 6
I<~mtodas as reas do conhecimento humano h uma busca con-
IfIlIIae ininterrupta por novos mtodos e novos procedimentos que
111<!lhoremem algum sentido aqueles j existentes. Na agricultura
IIIINcam-sevariedades mais adequadas e mais produtivas de cereais
I' lia indstria automobilstica procuram-se motores de maior rendi-
1I1<!IILo ede menor rudo. A pesquisa rndica tem como objetivo por
l'xl!lIlploaobteno eledrogas mais seguras, commaior poder decura
I' Illaior tolerabilidade.
I';mtodas essas situae~es preciso comparar as tcnicas usuais
I"111 I os mtodos alternativos. Esta comparao , pois, uma questo
iII11 IIIrtante que surge freqentemente no trabalho de pesquisa ede-
:"'livolvimento. No se trata, entretanto, de tarefa simples como a
Jil'iIlcpio pode parecer. necessrio coletar informaces e fazer in-
l'I'f"(~IIcias apartir de evidncias experimentais ou obs:rvacionais.
I) lua questo importante que surge no trabalho de pesquisa na
:11'1',\II1dica a comparao de drogas, de mtodos cirrgicos, de
I11'1 I~:I~( limentos elelaboratrios, de dietas ou de tratamentos.
l Na comparao de um tratamento novo comum tratamento pa-
111:t.l 1Jiode-se levar emconsiderao, entre outros aspectos, o custo,
iI LIIXicidad~ ou ainda a. f~cilidade de implementaj- !!? objetivo
I""11' SI~1' verIficar asuperIOrIdade deumtratamento ou aequivalncia
1'111.1'1' Id(!s] Aps ter-se estabelecido o critrio para se considerar um
IlaLal1I<!I ;- (;0 mais eficiente do queooutro, aprxima etapa aescolha
(l'I)!llIl por exernplo nvel de colesterol () pj'()ss~\,() sangn()a) tambm
1'xi,stl' Inu teste apropriado para est(~caso. li'iualulent(), ()preciso saber
: ,I' IISti ados foram obtidos deforma illdepelLdelli;(~oupareada, pois os
I.',';1.1 'ss,l,oespecficos para cada tipo (leI)1an(),i anwnto,
I''i'<)qentemente,para coru[mracJ.odI)dois tratamentos obsm-vam-
::.' I'al'adersticas oumede-se ovalor da vari<ivdresposta deinteresse
1 '1 1 1 I JI I , '/ 'C8 de indivduos. No p1<llwjallwntodo ()st.udo, cuida-se para
11111' ascaractersticas inlportanb)s dos indivduos qlWint.egraruomes-
11111 Ilar sejam to semelhant.es quanto possvel. O tratamento ad-
111 i11isl.rado a um dos c1ementos do par (~o outro (~mantido como
1'11111.1'(11). A vantagem do procediment.o (~clara. Os indivduos no par
:;:111 sl)ludhantes, exc8to no queserdre ao tratanwnto recebido. Em
:l1,1',II11las situaes o par (~constitudo do mesmo indivduo emduas
111 ':tsillI)Sdiferentes.
1';111 resumo,goteste estatstico aser usado depende dotipo devari-
:IV':! I)do tipo d;]5lanejament2"\ A seguir seril,oapresentados os testes
IIlaiscomuns para quatro situac;es:(~rivel dicotmica (amostras in-
II1'Ili)IIClentes epareadas) evarivcl contnua (amostras independentes
I' J>al'l)ada~
Sit.ua(;il.o
Vivo Morto
144 1
121 1(j
2G G 17
Total
145
137
282
AZT
Placebo
T()t.al
Esse experimento foi cercado de muitos cuidados e, embora a
anlise estatstica dos dados sejafundamental, adeciso final delibe-
raco do AZT foi tomada levando-se ern considerao muitos outros
re~ultados fornecidos pelo estudo, como aqueles referentes a efeitos
colaterais.
A anlise dos dados da Tabela G .1 consiste basicamente na com-
parao de duas propcm;es. Entre os pacientes que receberam o
AZT, a proporc;o dos que estavam vivos depois de 24 semanas de
tratamento foi de i1~= 0,993, enquanto amesma proporo para o
grupo placebo foi de i~~ = 0,883.
Como a alocao dos pacientes aos grupos foi feita de forma
aleatria, 3, diferena entre essas duas propores parece indicar que
em pacientes com AIDS o AZT tem o efeito de prolongar a vida.
Antes de se aceitar esta concluso, entretanto, preciso afastar o
acaso como explicao alternativa. Ou seja, deve-se responder per-
gunta: ser que este resultado ocorreu por mero acaso ou por ser o
AZT de fato uma droga efetiva?
() procedimento estatstico denominado Teste de Hipteses usa-
.111:\I11plamentenas reas do conhecimento humano emque as vari-
\'I'i,',1)llvolvidasesto sujeitas avariabilidade. Neste texto, entretanto,
1'::l.alllosinteressados noproblema especfico decomparao entre dois
)',111 J>0S' Assim, embora as idias bsicas desta seo sejam de apli-
1:1\':11 l geral, sero ilustradas apenas no contexto da comparao de
,1,,i,,:tratamentos mdicos.
6.2.1 H ipteses a seremtestadas
Geralmente podemos formular os problemas, como o do AZT,
atravs das hipteses seguintes.
I"i,'-wlll et aI. (1987) publicaram o primeiro relato de um ensaio
,lllIil'(1qllecomprovou aeficciadezidovudina (AZT) para prolongar
iI l'i'!:1dI) pacientes comAIDS. Os dados centrais do trabalho esto
1111 '1':ti lI)laG .1.
H iptese nula
No problema de comparao de dois tratamentos usual fixar
como hiptese de interesse a inexistncia de diferena entre os dois
tratamentos comparados. Como freqentemente acomparao fei-
ta entre um tratamento padro e um tratamento novo, esta opc;o
implica colocar o nus da prova de efetividade no tratamento novo,
1IIIIaOP(J,oconservadora mas pnldm(~.Por estas rail,es,0 hiptese
aS(!I'j,(~stadausualmente chamada hip()j,es(~nula (II;], nonlCque se
1',I'II(!l'alizoumesmo para situDl{iesemque o problenJa no 1l1,Sde
I'IlIlljlarao entre dois tratamentos.
1.,0 hiptese nula,,;~eve' s(~rCOlllpD.radaCOIllUlllahiptes(~alterna-
Li va, denominada I -h .: ~Para cada situa(;iio existem muitas hip(lteses
:ti 1,1 !I'Imtivas adequad"~. Neste t(~xto,entrd,anto, seguindo converH:o
I':;I.abdecida pelos editore~sde revistas cientficas na rea mdica, a
\1 1 i p(jtese al:t~rnativa ser s(~mpreainexistncia de igualdade entI'._Qe,
1~1';II.;llnento~J
NoExemplo 6.1 ahiptese nula (~
IlIldePc ePT so respectivamente as prolmbilidades deseobservar a
1'1 !sposta deinteresse entre os controles eentre"os pacientes do grupo
I.1'; \,I.amento.
Deacordo comaopo feita acima, ahiptese alternativa ser
H
1
:"';;~:";;7:')
Ikcididas as hipteses aserem testadas, oprximo passo cons-
1.I'IIil' 11mcritrio baseado noqual ahiptese Ho serjulgada. Embora
IIIlal(IILCr critrio possa emprincpio ser considerado, aTeoria Estats-
I.il'a,j;, desenvolveu para um grande nmero de situaes testes que
:,I' 1'1 ~vdaramas melhores opc:esequeso apresentados comdetalhes
'111 Iivros textos.
() critrio de deciso baseado na estatstica de teste. De uma
rlll'lIlabem genrica e intuitiva podemos dizer quer estatstica do
l"
I.,':d,('l\l(xlea discrepncia entre o que foi observado na amostra eo
I/li" :il!l'iaesperado se ahiptese nula fosse verdadeij,:'aJ Uma grande
""'f<_d'
di::i,;lIl(:iamedida pela distribuio de probabilidade indicao de
1"" 1/0 lIoverdadeira, devendo portanto ser rejeitada.
ResumilJ(lo,ij.;~jeita-seahiptese nula seo valor da estatstica do
teste "gralld(:-J Ess(~valor dev(~portanto ser comparado a algu-
ma distriln(Ji.o (leprobabilidade que depende de cada caso, COlHO
veremos nas s(~(i)esaseguir.
6.2.3 Erros do tipo I e 1 1 , nvel de significnciae poder
do teste
Noexelnplo doAZT havia apossibilidade deserejeitar ahiptese
de igualdade entre o AZT eo placebil, mesmo sede fato eles fossem
iguais.
, Em te:'mo:')tcnicos, f1.,1. decis,'ii.od(,~re.ic::.\tarn, O, q:l(~ndode fato Ho
everdadmra echama(li" ili~e'(''('()do tZI }() L,Para eVlta,-lo escolhemos
_ 1' '
um critrio de deciso (que corresponde aum percentil de uma dis-
tribuio de probabilidade) que torna este erro pouco provvel. Na
literatura, ~ probabilidade de cometer este erro recebe o nome de
n'uel de s'ig:ryj,f:n,cio. do teste, sendo usualmente representado pela
letra grega.2J(l-se alfa).
H, no entanto, um;i:egundo tipo de en:~l No exemplo do AZT
ele consists emmo rejEitar a hiptese de ig~aldacl~\entre o AZT e
o placebo \~,:lando elefato estes dois tratamentos so diferente~Isto
implicaria na no libera<:oelonovo tratamento, cujo efeito real no
estaria sendo percebido.
Para umtamanho fixoda amostra, no h.1. como controlar simul-
taneamente ambos os erros, Convencionou-se que o erro mais srio
seria oerro dotipo 1. Emumsegundo momento, calcula-se otamanho
da amostra quereduza aprobabilidade doerro dotipo II,usualmente
representado pela letra grega fi (l-sebeta), anveis aceitveis.
A Tabela 6.2 sintetiza ose[1:ospossveis associados acada deciso
tomada emumteste de hipteses.
Concluso
do teste
Nao rejeitar H
o
Rejeitar Ho
Situao real
Ho verdadeira Ho falsa
deciso correta erro tipo II
erro tipo I deciso correta
1 \ rapacidade de um teste identificar diferelH:as que realmente e-
xistl~li21ou sej~, de Fejeitar Ho \Jl~alld(),t:r:()ah.lWld,eJals(l., {~denOlllirmda
1
/ 1 (i(I r: '1 ' do test e definida con;;ri -
--- -\
Resposta dicotmica: amostras indepen-
dentes
Comparar dois ~rupos atnw{~s do l'l~sultado observado em uma
varivel dicottnnica {~unI probleLua COllllUllna pl~squisa mdica, apare-
cendo com fl'(~qfmcia em todos os tipos de estudos clnicos.
A varivcl de int,erc~sse{~a ocorrfmcia de um evento, como o de-
senvolvimento de urna doelll:a, ou a preselH.;a clr~certo atributo, por
exemplo, albinismo. () problema de comparar.;i1o das probabilidades
de ocorrncia do evento ou do atributo nos dois ~rupos (Pl e ])2)
formulado atravs das hiptcsc~s
I';xistem duas opr.;es lJD.[aexpl'I~SS<lTa COIIClusi\ofinal dc~lUll teste
(11' hipteses. A primeira consist(~ elll COlllpllrar o valor da estatstica
IIl~tl~stecom o valor obtido a partir da distrilmic:iio terica, especfica
para o teste, para um valor prclixado do nvd de si~nificflIlcia (por
('x(~lllplo 5% ou 1%),
Na segunda aborda~elu, atualmente luais usada, o interesse
llllautificar a chance do que foi observado ou resultados mais ex-
Ir(~lllOS,sob a hiptese eleigualdade dos grupm.i. Assim, essa ope:o,
I)as(~ia-se na probabilidade dc~ocorrncia de valores iguais ou superi-
')J'(~Sao assumldc)jJell, estatstica de teste, sob a hipt~se de Clll(; 'H()
1\ v(~rdadeira.
Este nmero chamado de liT'Oal)'i,llade de S'i(j'l7i~fi: c, ncJ, ou valoT'-
I i (~ freqentemente indicado apenas por p. Corno o valor-p cal-
l:1 dado supondo-se que Ho verdadeira, pode-se fazer duas conjec-
11II'asquandc)se obtem um valor muito pequeno. Um evento que
,\ (~xtremamente raro pode ter ocorrido ou a hiptese Ho no deve
s(~rverdadeira, isto , a conjectura inicial e conservadora no parece
pIaus vel.
1--
, . Portanto, ~;lanto menor o v~lor-p ~n~ior a e~idncia par~L se re-
.ll~ltar H'iJD e um modo geral, na area mechca, conSIdera-se quei::'alor-p
1I1(~nOr ou igual a 0,05 indica que h diferenas significativas entre os
";01"
!',I'IIPOS~
Pci'Tacada um dos testes das sees a seguir vamos mostrar como
calcular e interpretar o valor-p. Por exemplo, baseado no valor-p
pode-se avaliar se o fator sob investigao um possvc~l fator de
risco ou de proteo.
Todas as idias aqui apresentadas ficam mais claras aps II llis-
':lIsso de situaes especficas. Apresentamos tambm COI)WIII lrios
adicionais sobre valor-p na Sec:80 6.D.
A Tabela 6.3 apresenta dados genricos de urna situao envol-
vendo a comparac{o de dois grupos e que a resposta de interesse
dicotmica: a ocorrncia ou no de um evento.
Ocorrncia do evento
Sim No
o. I )
c: r i
'(1 1 '1 = a +c: '111,2 = b +d
Total
(f +b ='!'LI
c +d ='! 'L2
'! 'LI +'n2 = N
I
Ir
Total
Se no h diferencia l~lltl'CilS Jlmpol'(,:(Jesde ocorrncia elo ('vento
nos dois grupos, ento
'1/,1 '11-i /11,/12 JV
A partir dessas igualdades podemos escrever
'! n2 X 1 7, 2
rI = ----
N
Tmuos, portanto, dois conjuntos (k valores: os ob.s., cT''I la, dos, (O, )
tlll!! Si\,()denotados por a, b, ce,rl eos (8J? r.~:m,dos(E,) ,cc:)]l11ados sob
11 IlipL(~sede igual,dade dat>pl'OponJes de sucessQ,ntre osgruposc
11:1l1( lSI)(;lasexpresses anteriores.
S(~as propores de sobrevivncia siio iguais nos dois grupos, a
,lisl:l'I~p{lnciaentre os dois conjuntos de nnwros acima niio dev(~ser
J',I'l\.lldn.Pearson, importante estatstico do incio do sculo, props
111(~dil' a/discrepncia entre osvalores observados e(~sperad;~das qua-
i.l'll(~lltradas de uma tabela 2x 2atravs da expresso
O,
144
121
1
l G
282
13G,2G
128,74
8,74
8,2G
282
O;-E,
7,74
-7,74
7,74
7,74
O
1
2
3
4
Total
Calculado o valor da expresso X
2
, preciso decidir se este
ou no umvalor "grande". Devido ao efeito amostral, mesmo se na
realidade as propores fossem exatamente iguais, possvel obter
qualquer valor para X
2
. Entretanto, valendo ahiptese deigualdade
entre as duas propores, valores "grandes" ocorrero pouco freqen-
temente.
Assim, para se tomar uma deciso sobre a igualdade ou no das
duas propor(~es, preciso conhecer o comportamento, isto , a dis-
tribuio estatstica dos valores de X
2
quando as propores so
iguais. Esta distribuiiio foi obtida erecebeu onome dequi-quadrado
com 1 grau de liberdade, indicada por XI e est sintetizada em
tabelas de fcil utilizao (Tabela A4do apndice).
/-' O valor da estatstica de teste foi de 15,01. Como este valor
{maior que 3,84, valor obtido da distribuio do XI para um nvel
de significncia de 0,05, rejeitamos a hiptese de igualdade entre os
grupos detratamento econtrole. Emoutras palavras, decidimos com
, 95% de certeza que h evidncia de efeito do AZT.
""o" Para obtermos aprobabilidade designificncia devemos calcular a
probabil.idade deencontrar valores maiores que 15,01, isto , Pr[xr 2:
15,01], sendo verdadeira ahiptese deigualdade das propores. Da
tabela dadistribuio doXI, vemos queestevalor aproximadamente
0,0001, ou seja ovalor-p 0,0001.
Baseado nesse estudo podemos dizer com grande certeza que o
AZT tem efeito deprolongar avida depacientes comAIDS, primeira
evidncia necessria para aliberao do medicamento.
I;;possvel mostrar que o valor do X
2
obtido atravs de G.6pode
::, 'I' calculado demaneira fcil ealgebricamente semelhante usando-se
li:, 1~llLradasda tabela 2x 2atravs da expressiio:
(
,)2
2 N fuI - ! )c
./Y =
Supondo que o AZT e o placebo so equivalentes, teramos os
\':dlll'l~Sesperados mostrados na Tabela 6.4.
'I':dllda 6.4: Valores esperados de sobreviventes sob a hiptese de
"li11 ivalencia entre AZT eplacebo
Situao
Vivo Morto
136,26 8,74
128,74 8,26
265 17
Total
145
137
282
AZT
Placebo
Total
( )sclculos necessrios paraa obteno do valor da discrepncia
Ili'l lpllsLapor Pearson so mostrados na Tabela 6.5.
(O, - Ei?
59,91
59,91
59,91
59,91
239,64
(O;.-Ei)2
Ej
0,44
0,47
6,85
7,25
15,01
vVelinet aI. (1987) rdaLaraul os ]'(~suILadosde UlUestudo reali-
1';;1( [ocomo objetivo d(~dderlUinal' os faj,or(~sd(~risco para acidentl~
vascular cerebral (AVC) eUI hOlLWIJSdl~,11L(~ia idade. Todos os ho-
III(~USnascidos Clll Goteminu-;.;o, l~llll~)Ll, el11dias nultiplos de trt~s,
Il1lmtotal de 973 hOlllens, foram convidados a participar do estudo.
I)(~stes,789 aceitaram particilJar. No perodo d(~dural)io do estudo
(d(~1967 a 1986), 57 homeus sofreram AVC, enquanto 7:12n::ioforam
acometidos.
A Tabela 6.G , rcprodu\ida do artigo original, apresenta as pro-
P( l]'(;esde presen(;a de alguns fal~oresde risco nos indivduos que
SIlfreram, AVC enaqueles que ni,oforam acometidos pela doena. Os
valores-p apresentados na t;tbda tm interpreta(;o conforme descri-
I.()anteriormente. Por exemplo, ;.1 ocorrncia de AVC na m::iecomo
cansa principal de mOlte pode ser considerada um possvel fator de
I'iscopara o aparecimento de AVC no filho, urna vez que a diferena
ollsmvada foi altamente significativa (valor-p =0,0005).
."_ .~
, . N 2 .
') tv(1 (ul- bc 1 -
2
)
X~ =
ao invs da (~xpr(~ssil.() (G .7), oh1.(~mosum valor mais apropriado ;1
ser comparado com a distribui(;il.o do X I (~ conhecida como qI I i
quadrado com a COT'l'c(:o dc conl;'i'l1 :u:io.dc em cOT'reo de Yo.!.cs. t\
justificativa {~CllW a distribui<;::iode frequ&~nciasobservadas, (JlIl!(,
discreta, est sendo aproximada pela distribuio qui-quadrado, qUI'
contnua. Note a semdhan(;a, das duas expresses: a dif(m~IIl,:a('
apenas o fator de corre(;i,ode continuidade. Recomendamos (1'11' I1
teste qui-quadrado seja sempl'i~feito usando-rie essa expressil,o.
Tabela 6.6: Percentuais e valor-p para a c:omparaao do grupo que
S(lfreu como que no sofreu AVC
Emumestudo sobre aassociao entre ouso corrente dl~cOIIII':I
ceptivos eo infarto de miocrdio, Shapiro et aI. (1979) obsel'Val'all1
osresultados entre pacientes comidade entre 30 e34 anos m08LI';J.( II):1
na Tabela 6.7.
Fator
AVC
Sim No Valor-p
AVC como causa principal da morte
na mae
29,8 11,2 0,0005
no pai
7,0 7,5 0,72
AVC como causa principal ou
contribuindo para acausa da morte
na mae
29,8 14,2 0,002
no pai
7,0 9,2 0,59
Doena coronariana
7,0 6,3 0,83
Sinais eletrocardiogrficos
hipertrofia do ventrculo esquerdo 3 t::
1,0 0,08 ,0
doena coronariana
10,5
6 t::
0,23 ,0
Tabela 6.7: Distribui(;o de uso elecontraceptivo oral segundo ~';rl11liI
que sofreu ou no infarto elomiocrelio
Grupo Uso recente
Sim Niio Total
Casos 9 12 21
Controles 33 390 423
Total 42 402 444
Entre oscasos, ouseja, entre as pacientes qu~tiveram lU11 ilil':ll'lo
elomiocrelio, a proporo eleuso recente elecontraceptivo8 (, ~:II
0,43 e entre os controles, ~3i~3= 0,08. A diferena entl'(~(~8La:, d11;,::
propores (0,35) parece indicar que o uso de contracepLi Vi)8I Hlli:I
mais freqente entre os casos. 1\Ilasser que este ]'(~s,ilL;l(loIIl1il
ocorreu por mero acaso?
Foram observados (~feitosadversos emquatro casos: um (3,1%,)
no grupo qlWn~cebml cefadroxil, C0111ocorrncia de nuseas que d(~-
salxlr<x:eranl conl o tratamento siutonltico institudo; todos os tr()s
casos (9,7
1
l',) do grnpo cefal(~xillativeranl diap'ia, dois se recupera-
rarn espontanemIl<mt(~(~llnl teve que intmTompcr otratamento,
Para comparar os percellj~lmisd(~cura e de ocorrncia de efeitos
adversos, por s(:tratar dI)alnostras pequellls, utilizou-se oteste exato
deFisher. Os valores-p S80l'l)SI)(:citvanwntep =0,5886 ep =0,5898.
No h portanto evidncia de diferew;a entn: os dois tratamentos
tanto emtermos de cura como na ocorrncia de efeitos adversos. Os
achados deste trabalho esto resmnidos na Tabela 6.8.
lJsando a notao da Tabela G.3, !/, =9, li =12, I: =;33, lI , =;190
I ' N == 444. A express.o do X
2
COlnCOlT(~(;8'o d(~continuidade nos d
~~,1,7(;. A tabela do Xf nos infonna que diJ(:r<~Ij(,:as iglIais ou maiores
11111' a observada s ocorreUl caso 118.0llaja associa(;8'oentre infarto
I' liSOrecente de contrac(~ptivo corn fr(~qiiucia uwnor que O,O()l, ou
:;(',ja,I ) <0,001. PodeuJos, portanto, COlnalto grau decerteza alinuar
IIII1I (Ixisteassocia.o (>U!,r<) ouso decontrac(~ptivos orais c infarto do
111 iO<:;,rdiopara pacimJtes (~ntI'();30 (~:14 anos.
I
t~!;uma dificuldade ih:nica na aplica(;8.odo teste qui-quadrado,
I '11111 ou semCorr<-X;8.o de continuidade, qml.nd(~,,()valor esperado em
:t1J"llIllacasela na tabela 2 x 2 {~menor qlW5.\ Neste caso o uso
".-i> ,
I Iadistribuio Xf no mais completamente ailropriado. Ou seja, o
)'.1':111 decerteza na clecis8'otomada no exatamente aquele fornecido
Ilid adistribuio xf.
() uso da correl;8,Ode Yates no remove a exigncia de tamanho
;lIbluado das freqncias esperadas. A alternativa usar o teste
I')(al.ode Fisher, que ('~a verso exata eloteste do qui-quadado. A
Illaioria dos sofbuo:res de anlise estatstica de dados fornece como
I 'iH,:;tO oteste deFisher. No discutiremos aqui, entretanto, as etapas
I II~sua construo. Embora simples, so muito tcnicas para o nvel
IlId,endido neste texto. Entretanto, apresentaremos o resultado do
IIIsl,eaplicado auma situao emque seu uso apropriado.
Tabela G.8: Percentuais de curas, de efeitos colctarais e valor-p na
compara(;o de cefadroxil ecefalexina
Quadro
Cura
Efeitos adversos
Cefadroxil
96,9%
3,1%
Cefalexina
90,3%
9,7%
Valor-p
0,5886
0,5898
Denotamos osdois resultados possveis davarivel dicotmica por
sucesso efracasso. Sejam])1 e])2 as propores desucesso referentes
aos tratamentos a serem comparados, que so estimadas por ireih,
as propores amostrais baseadas emamostras detamanhos 'n1 e'n2,
respectivamente. Queremos testar as hipteses: Ho: P1 = P2 versus
H1 : P1 #])2, isto , estamos investigando aequivalncia entre osdois
tratamentos.
Apresentaremos uma alternativa para o teste qui-quadrado para
a compara\;o de propores. Trata-se de um teste aproximado que
requer amostras grandes par.a.llaaplicao. Umcritrio exigir que
'n1 P1 e'n21 2 excedam ovalor 5. }'\
oteste baseado em
Pasternak et aI. (1992) avaliaram a eficcia esegurana de dois
:1111, ibiticos notratamento depneumonia bacteriana deorigemcomu-
11iI:\ria emadultos. Foram estudados 63 pacientes, sendo 32 doentes
Iral.ados comcefadroxil e31 comcefalexina. A avaliao da resposta
1I 'raputica foi baseada na evoluo do quadro clnico e do exame
1;lIliolgicodo trax feito na admisso ao estudo e no 10- dia de
Ir:l.l.amento.
I)os pacientes avaliados, a cura completa ocorreu em 31 dos 32
(%,D%) pacientes do grupo cefadroxil e em 28 dos 31 (90,3%) pa-
('il'11Cesdo grupo cefalexina.
1)1 - 1)2
yiJ(l-yiJ) P2(I -YJ2)
'0, 1 + '0, 2
Alternativamente, pode-se prillJei]'iU1I<!lli(' (,st.illJa]'aprolmbilidadc)
de' SIH:qSSO nas duas amostras COllJiJillildil.'-;. d('llotada por i; ecalculada
\' m] -fri2'! , , [ , - . ,
1'11I1J(\11 = nl+
n
2,," OllCe '1/1,] (, '1 1 1 , : 2 sao u)spectl\Tallwnte o nUllero ck
::11<:( !SSSdecadaarnostra. Neste caso, calculamos
nusea COIl11mrada;\plula 13.OpuxillJOpasso quantificar adi I'('J'( :11
ados eh,itos das duas phllas atravs da construo deumiu!.(!]'vall)
de confiaw;a, assunto tra!.ado llOprr'lximocaptulo.
J
} ] - 7.}:2 \
Z* = - - ;:::======') (6.10)
/ I J(l - JJ)(~, +~) \
V I /,J 1/,' ,2 J:
/' () valor Z (ouZ*) dc,v()s()rcon1lmra<loao per:centil cladistribui(;o
, ) I Ia,';ans.. 'sia~a paclrilo :) rej eita-s(, H" S()I ~ I>...21,,"(:2 (.o,.u.' ~* I> 2"'/:2)'
('>lldl' 2"'/2 eo percentIl de ordenl (1- n/2) da (llstnbm(,;ao N(O, 1 ).
- I'ode-se mostra.r que Z:2 = ./y:2, isto (),[:;) o valor da cstat-:tica
((i.~)) for elevado ao quadrado obterenlOs o valor da estatstica i!? 7).
1:-;1,0 mostra aequivalncia dos dois testes para amostras grande:,!
6}.4 Resposta dicotmica: amostras pareadas
O exelnplo a sei,!;uirilustra a necessidade de desenvolvimento (11'
umteste espc)cficopara asitua(;o de dados pareados eln qu<)a ]'(!S
posta dicotmica.
Suponhamos que dois patoloi,!;istasexaminaram, separadaJJJ(lI1!.'!,
o material de 100 tumores eos classificaram como benignos ou .!lIa
lignos. A questo de interesse saber seos patologistas diferel] I 1I0S
seus critrios de deciso.
Neste caso, aforma adequada eleapresenta(,;odosdados mostra
da na Tabela 6.9.
Comoobjetivo de comparar aeficcia dedois preventivos contra
Il:.llsea, dividiu-se aleatoriamente uma amostra de 400 marinheiros
(:111dois grupos de 200. Um grupo recebeu a l:ilulaA e o outro a
pflnla B, sendo que no primeiro grupo 152 no enjoaram durante
111I1a tempestade eno outro grupo apenas 132. H indicaes de que
adiccia das plula A eB amesma?
Sejam PA e PB as propores de marinheiros que no enjoam,
J'('spectivamente para as plulas A eB. Temos que nA =200, nB =
'/()() " - 152 - O 76" - 1:32 - O 6'6 ,'- 152+132 O C
., , PA - 200 - , , Pn - 200 - , , P - 200+200 = ,71. omo
1111)stradoabaixo, os valores das duas estatsticas (Z eZ*) so quase
i,I';uais.
Tabela 6.9: Classificao de dois patologistas (A eB) quanto :l. Illa
lignidade de tumores
Diagnstico
deB
Malignos
Benignos
Total
Diagnstico de A
Malignos Benignos
9 1
9 81
18 82
Total
10
90
100
Z = 0,76-0,66 - 0,10 - 2 22
J
()
- o,(),~ - ,
0,7G 1-:0,7G +0,GG(1-0,GG)
20U 200
importante observar que a unidade de anlise aqui o I : I I , 'I / W I ',
avaliado por dois patologistas. Embora tenham sido feitas 200 ;1.I1;ili
ses, ototal de tumores , na realidade, apenas 100.
Alm disto, alguns tumores sero claramente mais maliguos 1 11)
que outros e, portanto, a hiptese fundamental na construc;ao dI)
teste deprobabilidade constante de malignidade no razovel :lq11i.
Isto explica anecessidade dedesenvolvirrinto deteste especfi<:o,iHIII
, para dados pareados.
Apresentamos a seguir o teste de McNemar, que apa]'()c(!('(I111
mais freqncia na literatura, embora existam alternativas IImis i11
teressantes.
Z* = 0,76-0,66 = 0,10 = 2 20
)0,71(1-0,71)(260+260) 0,05 '
Fixando-se o nvel de significncia em 5%, rejeita-se Ho. Os
valorcs-p encontrados para Z eZ* so respectivamente O,026 e0,028.
1'(ntanto, pode-se concluir que asduas plulas no so igualmente efe-
li vasoH indicaes de que aplula A oferece maior proteo contra
ondc XI,J ~(\. hopcn:clltil d(~mdcm l-a dadistribuio qui-quadrado
com1 gnUl (h~lii)('nLtdc'.
()s dados a serem analisados no proccsso dc companvJio podcm
:ic'r rcsumidos no formato da Tabela (i.IO. Usamos a nomcIldatura
:,II<:C~SS() efracasso para aocorrncia ou niiodo cvento dcintcn~ssc.
Sucesso
/;;
T
Fracasso s
Total 'fi! '! 'Tn2
Jolmson & .)ohnson (ID72), ao analisarem retrospectivamente a
histria clnica dc pacientcs dc do(m(~adc Hodgkin, umtipo decncer
no tecido linfide, no encontraram evidncias que sustentassem a
hiptese dequeaamigclaleetomia aumenta asuscetibilidade doena,
pelaremo(~iioda "barreira linftica" representada pelaamgdala. Nes-
te estudo, usaram um planejamento do tipo caso-controle pareado.
A concluso relatada no artigo foi feita, entretanto, comuma anlise
apropriada para dados provenientes de grupos independentes. Lo-
go aps apublic<1(~o, vrios autores observaram aimpropriedade da
anlise e, utilizando as informaes no artigo, fizeram a anlise cor-
reta, que baseada nos dados da Tabela 6.11.
Ta1>da6.10: Apresentc1(~odedados obtidos emuma classific:aciiode
dados pareados ' . .
Controle Tratamento
Sucessso Fracasso Total
s(~Pl eP2 so as probabilidades desucesso nos grupos controle e
I.ral.mnento, respectivamente, ahiptese deinteresse
Tabela 6.11: Distribuio depacientes comesemdoena deHodgkin
emumestudo caso-controle pareado segundo amigdalectomia
Os pares que produziram sucesso ou fracasso nos dois elementos
di) par no contm informao para discriminar Pl deP2. Se H
o

vI'l'Iladeira, ouseja, osdois grupos so equivalentes, as discordncias
Id)smvadas so fruto do acaso. Noutras palavras, sel' es tmvalores
::I'lllIdhantes, sob Ho espera-se arnetade do nmero dediscordncias
( I'~..::'.). A hiptese H
o
deve, portanto, ser rejeitada se a distncia
I'III.I'I! osvalores observados eesperados for grande, deforma anloga
lU) qllc foi visto para amostras independentes.
I}sando acorreo decontinuidade, aestatstica do teste
Doena de
Hodgkin
Operados
No operados
Total
Controle
Operados No operados
26 15
7 37
33 52
Total
41
44
85
x2 =(115 - 71 - 1)2 =2 23
McN 15+--7 '
Este valor deve ser comparado com3,84 para um nvel de sig-
nificncia de 5%. Ou seja, comuma confiana de 95% acreditanlOs
queno h associao entre adoena deHodgkin eaamigdalectomia.
Esta conclus'o no est de acordo comtrabalhos anteriores, como o
deVianna et al. (1971).
(11' - si - 1)2
x'iJ cN =------'-- > v
2
1
1
T +S /\. , - O<
()'5 Resposta contnua: amostras independen-
tes
pelo numerador da (~statstica T. Por outro lado, quanto 1I1aiol' rol' "
variabilidad(~ das I'(~Spost,as, um1s2l s(~ra dificuldade de s(~ddl'I'i.111'
difernII<;as nntre os d'(~itos m{~dio~.,() desvio-padro, no dcnolllilllldlll'
da expressi'.o acima, rdlet(~ ess(~fato, fornecendo aunidade na (11lal a:,
clifernII<;asobsnrvadas d(~VeIUsmme( lidas. Em outras palavras, CII1111i
estatstica T (~st<1mosmedindo a,diferena entre as mdias em LI!I'IIIIIS
de Flcsvios-padri'.o.
iDcvernos re.i(~itar Jlo s(~T for "grande" em valor ab~Qluto. I'al'll
tomarmos nsta decisi'o, usamos a distribui<.;o t de Stude~ (Stn<lI!IIL,
1908). Essa distribui(;o {~caraderi/\ada por um parmetro qlll! as
sumI' apenas valores inteiros positivos que so chamados de gralls <11'
liberdade. muito parecida comadistrilmi(;o gaussiana ~sua ["01'111;1
tpica mostrada na Figura 6.1.
Os percentis da distribuio t dn Student para vrios gralls 111'
liberdade so mostrados na Tabela AS elo apndice. Para gralls 111'
liberdade muito grandes, seus percentis so praticamente iguais ;111;,
da cljstribuio gaussiana.
~ a compara<;iio de mdias de amostras independentes, os ~118
de liberdade so '1 7, 1 +'1 7, 2 - 2, o nmero total da amostra menos ~:\
N(~staseo apresent;unos amd,o( lologia para comparar doisgru-
IIIISde pacientes (por exelllplo, doentes v(~rsus 11i'.odoentes) em n~-
[Iu.. :ao auma resposta coutnua, por exeluplo, pn~ssi'.osistlica. Testa-
::1', Ilmte caso, a igualdade das ln{~diasdas respostas de dois trata-
1111~lltOS.
S(am I -L1 e/"2 as m{~diasda vari:.vc1(~studada para os dois grupos,
If'SI)(~ctivamente. As hip()teses a serem t(~stadas so
Vamos apresentar aqui o teste mais conhecido, oteste j; para duas
;lIllostras, adequado para situa(;es emque as respostas aos dois trata-
1111!lltOS so varicivcis quantitativas com distribui(;o gaussiana com
pal'llJnetros (/ L1 ,!T) 8 (1 " 2,!T), respectivamente. Assim, as suposies
Ilal'aseusar este teste so que as variveis estudadas tm distribuies
,1',;lIlssianascom o mesmo desvio-padro. Note que 1 -1 '1 ' I -L2 e ! T so
Ilal'l\luetros populacionais e, portanto constantes desconhecidas.
Para testar a hiptese 6.14, coletamos um amostra de tamanho
/lI 110grupo 1 (;(;11' ;rI2' ... ,;rl
n
J c uma aruostra de tamanho '1 7, 2 no
,1',I"llpO2 (X 21 lX 22, ... ,.T2n2)' A partir desse dados, calculamos as m-
,lias (:r1 eX 2) eos desvios-padril.o (81 e 82) dos dois grupos.
() critrio de deciso para setestar ahiptese nula acima consiste
"111I'<eitar Ho se
- -
Xl -X2
T =DP(X
1
_ X
2
) (6.1 5)
" ",,';rande~J sendo Xl eX2 as mdias das respostas dos indivduos do
IIIj11\(!roedo segundo grupos eo denominador o desvio-padro da
dirl'l'l~\J(,:adestas medidas.
1 \ d;~cisobaseada nesta estatstica de teste intuitiva, pois~~an-
I1I Illaior for adiferena entre as mdias amostrais, In~tior acha~e de
'-::!;II'IIIOSdiante de dois grupos realmente diferentes,J Isto captado
....-.#
Para efetuarmos os clculos necessrios ao teste, preciso CIIIri \('
cer a expresso para a varincia de Xl - X2. Para isto usall \(18li
resultado demonstrado pela Estatstica Matemtica
tnd-n~-~;l-% 2: 2,00. Ou s(~.ia"se a razo Ti emvalor absoluLo, r<ll'
maior que 2 (;stanlixc;diante de uma diferem:a significativa ao nvd
de 5%. No entanto, dev(~-seprcfmir os valores exatos emtrabalhos
cientficos. Comas facilidades d(~Clclllotrazidas pelos programas d(~
computador esp(~cializados e111clculos estatsticos, cada vez mais
freqentc ouso do valor-p, ao inv{~sdes(~comparar ovalor deT com
umvalor tabelculo.
,--V//'2 (,. ;-, ) 2
L.-i.~~I '/'~i - .L~
'/I.~ - 1
(
.) ') ( . ')
'11'1 - 1 sI + '/I.~ - 1)3
2
'li,] +'1 1 , 2 - 2
A frutosamina um ndice do controle metablico no diabetes
mellitus podendo refietir as variaes da glicemia nas ltimas duas a
trs semanas. Representa um conjunto de protenas glicosadas, cuja
frao principal aalbumina. Comoobjetivo deestabelecer osvalo-
res normais da frutosamina emhomens, mulheres gestantes ou no,
Camargo et aI. (1994) realizaram um estudo que inclua um grupo
composto de 42 indivduos normais, 21 mulheres (22 a 71 anos) e21
homens (24a81 anos). Ooutro grupo era constitudo de36gestantes
(17 a37 anos) atendidas no ambulatrio deGinecologia eObstetrcia
do Hospital de Clnicas de Forto Alegre. A idade gestacional variou
de 17 a 37 semanas.
Como recomendado, os autores apresentam as mdias edesvios-
padro de todas as variveis consideradas para cada grupo (tabelas
6.12 e6.13), deforma quepossvel repetir osclculos decada valor-p
apresentado.
(:omo asuposi<)o que as varillcias dos dois grupos so iguais,
p'ld(~mosusar tanto a(~xpresso(G.17) ou (G.lS) para estimar (T2. En-
Ll'danto, pode-se mostrar que amelhor estimativa para (T2 a rnd'io.
1 1 (} 'I I .r! em, do., compesos proporcionais aos tamanhos elas arnostras, ou
'"() teste t para compara(:o deduas amostras consiste emserejeitar
//11 (~mfavor de H] ao nvel ao de significncia, se
Tabela 6.12: Mdia (x) edesvio-padro (s) devariveis para mulheres
no gestantes ehomens
Varivel Mulheres Homens
, ....Xl 31 X2 32
Idade (anos) 39 14 43 14
Glicose (rng/ dlj 95 20 84 24
Frutosamina (rnrnol/ l) 2,70 0,26 2,99 0,32
Triglicerdios (rng/ di) 145 135 124 62
,I
IHHI(~1 '/ I , I +n2-2; 1 -% opercentil deordem 1-~eladistibuio t com
/lI I '/1.2 - 2 graus de liberdade efacilmente obtido fonsultando-se
lal lidas, corno aTabela AS do apndice.
1';JI1borao valor de tnl+n2-2; 1 -% varie para c,",dasituao, uma
1'1 HlslIlLas tabelas da distribuiot mostra que se ao =0, OSento
Varii.vd
Idade (anos)
Idade gestacional (senmwl.s)
Glicos(~('! fuI / di)
Frutosamina ('llI iI lW I / I )
Albumina ('! fUI / di)
;};
8
2G 7
2K [)
10:3 17
2,40 0,22
4,1
O,G
grupos d(~paci(~JLi~(~s, COlllpo::-:tos dn forma aleatria, e quall1.iIje:li' /I
depressil.o atrav(~s da escala dn Montgomery-Asberg (MADIU'; ), "111
que os valores maion~siJldieam maior gravidade da deprnss:1lI, ()
escore foi obtido para cada pacientn 7, 14, 21, 28 e 42 dias ai )('IS Ii
incio do ensaio.
Pelo planejanwnto adotado, os dois grupos no diferiam (~]J I 1."1'
mos de deprmsil.o no incio do ensaio. Assim, uma evidncia solll'l~li
efeito da timwptina (~obtida comparandll-se os dois grupos ao lilll dI'
42 dias.
A Tabela G.14 apresenta os mcorm finais dos pacientes dos dlli::
grupos admitidos emB(~loI-Iorizonte.
Tabela 6.13: Mdia (:Y:) ed(~svill-padrilo (8) d(~variv(~ispara gnstant(~s
Apresentamos aseguir alguns dos resultados obtidos neste estudo
I'111que oteste t de amostras independnntes foi aplicado.
As mdias das idadm dos grupos dn mulherc~se homnns n,o a-
pf'(~sentaram diferena estatisticamente significantn (jJ = O, :HJ). A
!J;lic(~miade jejum e a dn 2 horas aps a sobrecarga oral de glicose
"ao foram diferentes entre homens ernullwres (p = 0,08 ep = 0,40,
f'(~spectivamente). A diferen<:aentre sexos para frutosamina estatis-
1.ie:unentesignificant(~(p =0,0(2). Como adistribuio gaussiana,
a raixa denormalidade obtida foi calculada corno mdia 2desvios-
Ila(lr,o,sendo portanto 2,35 a3,63 rnTI I , olI para homens e2,18 a3,22
I lI o'lnol/ l para mulheres.
No grupo das gestantes, os valores de frutosamina tambm apre-
,S(~II1.aramdistribuio gaussiana eafaixa denormalidade neste grupo
r, li de 1,96 a 2,84 rnrn o1/1.
Os achados principais indicam que devemser considerados osexo
" apresena ouno degravidez para sedefinir oslimites normais dos
\'alllf'(~sda frutosamina srica.
Tabela G.14: Escore final na escala MADRS de pacientes dos dois
grupos admitidos emBelo Horizonte
Grupo Escores
Pla,cebo G 33 21 26 10 29 33 29
37 15 2 21 7 26 13
Tianeptina 10
21
8 17
3 7
4 17 14
10 29 13
n1 =15
n2 =16
Xl = 20,53
X 2 = 11,37
81=11,09
82= 7,26
I';xmnplo6.9: Comparao da tianeptina complacebo
1 \ tianeptina um frmaco antidepressivo do grupo dos triccli-
"II,S. Sna ao antidepressiva potencial foi demonstrada em estudos
pr{' clnicos atravs de testes emanimais. Rocha (1995) relata os re-
::1"Ladosdeumensaio clnico aleatorizado, duplo-cego, realizado com
Ii I"I.jdivo decomparar atianeptina comoplacebo. Participam deste
I 'I I.':aillpacicntes de Belo Horizonte, Rio de Janeiro eCampinas.
S11ei 111.mncnte,o ensaio consistiu ~madministrar a droga a dois
2 14(11, (9)2.~ 15(7,26)2 = (9 31)2
8
p
15+16- 2 '
20,53 - 11,37
9,31 Us +r
1
(,)
que comparado como valor de /;'2!); O,D7G = 2,045 kva re.i(~i({iioda
igualdade entre os dois grupos no nvel de 5%. () valor-p O, Ol04.
pressiio sist(lica, apressiio diastlica, o ndice de obesidad(l ahdullli
nal, fibrinog{~llio(~capacidade vital so poss've'is fatores derisc(l pll.l'II
oAVC emhonWIlS. A vm'ilicvJtolinal da influncia destes faL()J'1 's 11: I
ocorrncia de AVe foi feita. usando-s(~anlises multivariadas.
6.5.2 Teste ';Zpara comparao de mdias
Noestudo deGoteIublll'go, citado noEx(~m[JloG.:), aln do hbito
(11l fumar (escore) foram consideradas diversas variveis quantitati-
vas (contnuas) con10possveis fatores d(~risco para AVe: press.u
sistlica (mrnHg) ediastlica (-m/ mil, ! } ), peso (klj), altura ('(1 1 , ), ndice
dl~massa corporal definido corno peso/(aU:ura?(]{,!}/m'2), medida da
cintura (em), medida do quadril (em.), ndice de obesidade abdomi-
Ilal definido como cintura/quadril, nvc1srico decolesterol (mg/ d1 ),
1';1 icose no sangue (uuJ/ d1 ), fibrinognio no plasma (, ! } / 1 ), nveis de
Il<lmoglobina(g/ d1 ) edehematcrito (%), ecapacidade vital (1 ).
NaTabela 6.15 reproduzimos do artigo original osvalores mdios
<Iasdiversas variveis para osindivduos doestudo, divididos emdois
grnpos: os que sofreram AVC eos que no sofreram AVe.
UInpressuposto important(~ para aplicar o teste 1.da seo ,\.I I L(l
rior que os dois grupos coruparados tenham amesma variabilid'l.<l<l,
o que nmu serupre acontece na prtica. Nocaso deamostras graUd(lS
(nl e'n'2 2: 30) dispomos de umtestecm que no necessrio qual
'2 '2 .' . . A' I
quer suposio adicional sobre !TI e!T'2' ou seja, as vananCIas P()( (llll
ser iguais ou diferentes.
Para fazermos inferncia sobre adifereIl<~ade mdias (~I'l - !1.'2) (,
natural utilizarmos ainforma(~oamostraL,contida emXl - X '2, cllja
varincia (~estimada por sI!'({,j +s~/ TI , '2' A estatstica do teste para
testar ahiptese de igualdade de mdias(Ro: fI 'I =~(2)
z = (Xl - X'2)
J srj-nl +syn2
que aproximadamente N(O, l), sob Ro, 181.0 , a hiptese lllila (,
rejeitada seovalor absoluto daestatstica (6.22) for maior queZI (\/ ~!l
o percentil de ordem (1 - /2) da distribuio N(O, 1).
Tabela 6.15: Valores mdios dos fatores estudados no incio do
pesquisa evalor-p obtido atravs elotest(~1.decomparao demdias
Fator AVC
Sim No Valor-p
Fumo
2,9 2,6 0,16
Presso sistlica 151,9 143,2 0,004
Presso diastlica
96,8 90,1 0,0001
ndice massa corporal 25,7 24,9 0,08
Medida do quadril 94,8 93,6 0,23
ndice obesidade abdominal 0,95 0,93 0,0004
Colesterol 275 269 0,40
Glicose 64,8 67,9 0,60
Fi brinognio 3,6 3,3 0,01
Hemoglobina 14;9 14,8 0,40
Hematcrito 44,3 44,0 0,46
Capacidade vital 4,3 4,5 0,03
ohalotano uma droga bastante utilizada para induzir arwsL('Hia
geral. Trata-se de umpoderoso anestsico de inalao, no inflallr:
vel eno explosivo, comumodor relativamente agradvel. P()d(~~il'l
administrado ao paciente comomesmo equipamento usado para HIIiI
oxigenao. Aps ainalao, asubstncia chega aos pulmes (,01'11,111
do possvel apassagem para oestat10anestsico mais rapidam(llll.(' dll
que seria possvel comdrogas administradas de forma intrav(~lI(lHa.
Entretanto, os efeitos colaterais incluem a depresso do SiSI.('1I111
respiratrio e cardiovascular, sensibilizao a arritmias prOdlll',jllll:1
por adrenalina eeventualmente odesenvolvimento deleso Iwp:,l.iclI
Alguns anestesistas acreditam que esses efeitos podem causal' CUIII
plicaes empacientes comproblemas cardacos esugerem () llHI' d/I
lllorfina corno um agente ancstsico ncsscs pacientcs devido ao seu
pequeno efeito na atividade cardaca.
Conahan et aI. (1973) compararam esses dois agentes anestsicos
Clll um grande nmero de pacientes submetidos a uma cirurgia de
rotina para reparo ou substituio da vlvula cardaca. Para obter
duas amostras comparveis, os pacientes foram alocados aleatoria-
IlIcnteacada tipo deanestesia.
A fimde estudar o efeito desses dois tipos de anestesia, foram
rcgistradas variveis hemodinmicas, como pI'l?ssosangnea antes
(Ia induo da anestesia, aps a anestesia mas antes da inciso, e
(~IIJoutros perodos importantes durante aoperao. A questo que
surge seoefeito do halotano eda morfina na presso sangnea o
IIlesmo. Para comparar os dois grupos, necessitamos dos resultados
apresentados na Tabel 6.16.
Tabela 6.16: Mdia e desvio-padro da presso sangnea (TTlirnHg)
s(:gundo otipo deanestesia
Informac:es
, .,
sobre aamostra
Mdia
Desvio-padro
n
Anestesia
Halotano Morfina
66,9 73,2
12,2 14,4
61 61
Nas condies do problema, as hipteses so H
o
: ~ll = P2 e
1 / 1 : /
1
'1 #~l2, isto , devemos testar a diferena entre as presses
sangiineas mdias deindivduos anestesiados comhalotano ou mor-
fi 11 a.
Cornoasamostras sograndes, podemos usar oteste Z, cujo valor
da (:statstica do teste
66,9 - 73, 2 -6 30
J(1 2, 2)2/61 +(14,4)2 /61 =J5: 84 =-2,61
Adotando umnvel designificncia de5%, oresultado estatisti-
Cll.lltnlltcsignificativo, j que 1- 2, 61[ >1,96. Almdisso, ovalor-p
O, ()(J!), que menor que ovalor de aestipulado, indicando que os
de)isallcstsicos no so equivalentes.
Consideremos a seguintc pergunta: ser que o armazenan\(~IIL()
da amostra do sangue influencia o valor da medida do colestcro\ (:
do triglicrides? Seno h mudana, o annazenamento de amostras
poderia ser usado emestudos tipo coorte, emquepacientes so aCOlll-
panhados ao longo do tempo, () que geraria vrias facilidades para o
pesquisador clnico.
Neste caso, oproblema deinteresse uma comparao entre dois
grupos de medidas: detriglicrides, por exemplo. -razovel supor,
e existem evidncias empricas neste sentido, que a distribuio es-
tatstica do nvel de triglicrides gaussiana. Seopossvel efeito do
armazenamento se d apenas no aumento ou decrscimo na mdia
da distribuio, no na sua variabilidade, ento as hipteses asermu
testadas so
onde ~ll eI l2 so as mdias antes edepois do armazenamento.
O erro do tipo I, neste caso, dizer que o armazenamento tmll
efeito, quando, na realidade no tem, enquanto o do tipo n, qlH!
no h efeito quando, de fato, os resultados de medies feitas (H 1.1
diferentes momentos so diferentes. A escolha deHo implica qlW,lia
ausncia deoutras evidncias, consideraremos que o armazenanwlILo
no temefeito.
Intuitivamente, o critrio de deciso, a ser utilizado para tosLar
Ho, deve ser baseado nas diferenas entre os valores do triglicridcH
nas duas ocasies das medidas. Se houver influncia do armaJ'-clIa-
mento, ento essas diferenas devemser diferentes dezero.
O problema deescolha deumcritrio dedeciso reduz-se aCHCO-
lher urna forma deverificar seas diferenas so provenientes d<]1111111.
distribuio commdia zero.
Deuma maneira geral, considerando opar formado por umilldivr-
duo querecebe otratamento eoutro dogrupo controle, osdados si",o'I/.
pares de observaes: (X l1 , X 21 ), (X 1 2, X 22), ... , (X ln, X 2n)' Para cada
par tomamos adiferena das duas observaes, isto , dI = :I:J J _. :1:21 ,
d2 =x1 2 - x22, ... , dn =X ln - ;[;2'/1,'
, \ '''''fI , I '
d = 0-1 =, 1 (, '/ ,
'li,
l{,ealiZll-:-:e11lIle:-:LlldoCOIll O objdivo de avaliar aefetividad( ~di'
uma dida cOlIlbinada corn umum progranla de exerccios f:-:ico:-: lia
redur)io do nvc1 de colmterol.
A Tabela G .17 mo:-:tra0:- : nvei:-:de coln:-:Lerolele12 particillall LI~:-:
no incio eno final do programa,
Umcritrio razo;vc1 () a di:-:U\nciaentre a mdia das cliferencas
((I ) () zero. Como no problerna da :-:1~1;;:io anterior, esta diferer;r;a
111~vl~ :-:ermedida em termos de de:-:vio:-:-padro. Usando-se Estats-
LicaMatemtica po~e-:-:ernostrar que, para TI , pare:-:de ob:-:erval;e:-:,
I I (1<~:-:vio- padro de D {~.I ft. Como o de:-:vio-padro ( ri usualmente
(I<~:-:conhecido, estima-:-:ee:-:teparilmdro por '" ri, o desvio-padro das
di[(!l'Imasdas dua:-:meclida:-:.
Portanto,S'tmte c:on:-:i:-:te emrejeitar Ho se
Programa Diferena Desvio Desvioaoquadralll)
Incio (:];1) Final (:];2) ri =:];1 - :];2 ri - (I (ri - d?
201 200 1 -19,16 367,36
231 236 -5 -25,16 633,36
221 216 +5 -15,16 230,03
260 233 +27 6,83 46,69
228 224 +4
-16,16 261,36
237 216 +21 0,83 0,69
326 296 +30 9,83 96,69
235 195 +40 19,83 393,36
240 207 +"" 12,83 164,69 00
267 247 +20 -0,16 0,03
284 210 +74 53,83 2898,03
201 209 -8 -28,16 793,36
T _(1-0_ ri
\r~ ] J - 8d - Sr}
\ ..;n ..;n
1)11s<a,{sea distncia entre a mdia d(~'-)diferenas e zero, medida
1'111 desvs-padro tem umvalor "grand?!].
1 \ deciso dequo "grande" ovalor de~) deveser exigeoconheci-
1I11~IILo desua distribuio. Aqui tambm~) tem distribuio t, agora
I'11111 'li, - 1graus de liberdade, quando a distribuio da diferenca
- ~
I',all:-::-:iana.
1 \ regra do teste ent~:~ejeitar H
o
se
Quanto maior ovalor d maior aevidncia de que oprograma l'I~
duz onvel decolesterol; quanto menor avariabilidade das diferelll;a:-:
individuais maior a chance de se detectar um efeito mdio significa
tivo, isto , uma reduo significativa do colesterol devido ar)io do
programa eno ao acaso. Estes aspectos podem ser avaliados atmv(!:-:
do teste t.
Sejam fia, efi~ respectivamente as mdias dos nveis de colc:-:t(~l'ol
antes edepois doprograma. Par-testar ahiptese dequeoprograrua
altera o nvel de colesterol (Ho: fia, = firi versus H1 : lia -# fI 'ri) :-:(~l';
aplicado o teste t (11 graus de liberdade).
1111111' 1 "1 1 1 1 -.0. o percentil de ordem (1 - .9:) da distribuio t de
' , 2 2 ~
~~I,IIII('I li, comn - 1 graus de liberdade.
Apenas dois participantes tiveranl o 11v(~1 de col(~stero]ill1I1leIlta-
do aps o programa, rnas por 1)(~qllClLas quantida.d(~s(Ge8 m'.!J/ dl).
As mdias antc;s e dq)ois do prognuua S,\.orespectivamente 244,2G
(~224,08, correspondent.c~a uUla r(,dIHJioln(~dia20,12 'truJ/ dl (c7=
20,17). Almdisso, .'id = ;,Sr:,7 =2:3,L}(: TI ' =:3,02 (p =O,(12),
isto , h evidncia de qUC\C,lIlmdia, o programa a1tc,rao uvcl de
C( ll(~sterol. No prximo captulo vaUlos quantificar a J'(~dw,;il.o que o
I)i'( 19ramaproporcionou.
() teste dc~Mann- vVhitney (,usado para acomparao dedois grll
pos independentes. Para sua constru<.;o,primeiramente, obtem<lS(IS
postos atodas asobservaries comosedas fossemuma nica amostra.
A estatstica do teste d(~
Testes no-paramtricos
nJ(nJ+l)
1 \!I W = nj'I/'2 + 2 - T
Os testes apresentados uas sees 6.S e6.0 foram derivados para
:;il.llaesemque o efeito do tratamento descrito por varivel CClll-
LIIIIIl. comdistri bui<.;ogaussiana. Estes testes so denominados pa-
m/ mtricos, pois suas estatsticas de teste usam as estimativas dos
panlmetros da distribuio gaussiana.
Existem testes paramtric:os para compara.o eledois grupos de-
S(~lIvo]vidospara outras distribuies, por exemplo Poisson. Entre-
tanto geralmente nci seencontram disponveis emtextos elementares
I~(~tIlsoftwares estatsticos,
Nesta seo vamos apresentar dois testes no-paramtT'icos, de-
s<~llvolvidospara cornparar grupos emsituac;esemqueadistribui.o
(Iavarivel de interesse no conhecida ou tem comportamento no
!',allssiano.
Esses testes so construdos usando-se os postos das observaes.
() posto de uma observa.o o nmero de ordem da observao, es-
talido as observaes ordenadas. Quando h empates, toma-se como
1)(Isto de cada observao amdia dos postos que seriam atribudos
:\,c; IliJscrvaes, caso os empates no existissem.
()s testes no-paramtricos so boas opes para situaes em
I111< ~ocorrem violaes elos pressup.ostos bsicos necessrios para a
apl icac;ode umteste paramtrico. Por exemplo, para testar adife-
1'<'1 1I.,: ade dois grupos quando adistribuio subjacente assimtrica
11 ti ()Sdados foram coletados emuma escala ordinal.
Vamos apresentar dois testes para variveis contnuas, sendo o
prillj(~iropara amostra independentes e o segundo para amostras
pll.l'<~adas.Os clculos necessrios so simples mas trabalhosos epor
: i::, I m<:lllnendamoso uso de computador.
onde' '(rI c n2 so os tamanhos elasamostras elosdois grupos e'I ' (, 'I
ttal dos postos do grupo menor.
Para atomada dedeciso ovalor daestatstica 1 \!I W deveser <:<llll
parado comopercentil deuma distribuic;o especial (n.oapresellt,ada
nesse texto).
O teste pode ser baseado na estatstica T que;aparece em(fi. 2K ),
Para amostras grandes (pelo menos 10emcada grupo), T tenl il.Jll'll
. 1 1"] . ~. , l' np(np-I -nc: I I)
Xlmacamente clstn )UlaOgaussmna commecIa I J, T = 2- "
e desvio-padro (JT =J.nGrt'T, onde 'np enu so os tamanJl<ls ,111
amostra do grupo menor e maior, respectivamente. Neste cas,I, (I
valor da estatstica Z = T-I JT deve ser comparado como T)en:(~lll.il
(JT 1 :
da distribuio gaussiana padro.
Exemplo 6.13: Comparao datianeptina complacebo (COII-
tinuao)
Para os dados do Exemplo 6.9, vamos comparar o grllpo '111<'
recebeu tianeptina com o que recebeu placebo atravs do t<~sL(~ ,I,'
Mann- Whitney. Os dados ordenados eos postos correspondellLI's 1'H
to apresentados na Tabela 6.18.
O valor-p 0,0266 indicando que h diferena entre os dois 1',1'11
pos comparados. mais do dobro do que ovalor-p obtido pelo I.I'HLI'
t de Student (p = 0,0104). 2,bserveque o uso de um L(~sLI' 1I1111
paramtrico mais apropriado j que aescala usada para III<~dir dI'
presso ordinal.
'I'a1>da6.18: Postos atribudos ,\,osdados al-';I'()g,1,( los dos dois grupos
(i>laC(~boetianeptina)
Placnllo
Escore Posto
2 1,5
21 21,5
26
2') r:
c l , L J
26 23,5
29 25,5
33 27,5
' J f)
27,5 c l c l
39 29
TiHIWllbllH
Escore Posto
2 1,5
')
:3 .)
4 IJ,5
4 4,5
7 7,5
~ 9
9 10
10 12
10 12
13 14,5
14 16,5
14 16,5
17 19,5
17 19,5
21 21,5
:3. Calcular asornaelospostos (S) di) todas as diferenas negativas
(ou positivas),
Para amostra p(~qllenas(at(~25pares), ovalor-p deve ser obtido
atravs deuma tabela especial (no includa nessetexto).
Para amostras grandes, aestatstica doteste (S) temaproximada-
mente distribui(~ogaussianacommdialis = n'('I~+I) edesvio-padro
(TS = n(n+Jlf,l'll+J). Assim, ovalor deZ = S-Ps deve ser compara-
. .. us
do ao valor do percentil da distribuio gaussiana.
Embora no haja nenhuma suposio sobreaforma dadistribuio
das observa,(~es,otestemais poderoso para distribuies simtricas.
Rocha (1995), almda anlise sintetizada na seo anterior, veri-
ficou sehouve diminuio do escore de depresso entre os pacientes
deumdos grupos durante odesenvolvimento do estudo.
A Tabela 6.19 mostraosescores dos pacientes dogrupo tianeptina
queforamadmitidos emBelo Horizonte no primeiro (X l) eno ltimo
dia (X 42)'
Como O escore MADRS , na realidade, uma medida emescala
ordinal, ouso detesteno-paramtrico mais apropriado. Ouso do
teste t, ssejustifica como aproximao.
Dois pacientes (nmeros 14e15) no completaram oestudo. As-
sim, no fornecem informaes suficientes para a comparao pre-
tendida e, por isto, foramexcludos da anlise.
As diferenas emvalor absoluto, Idl, eosrespectivos postos esto
mostrados na Tabela 6.20. O valor-p 0,0225 que maior que o
obtido atravs do teste t (p = O,(013). H portanto indicao de
alterao dos nveis eledepressg...para pacientes que fezeram uso de
tianeptina.
() I,(~stede Wilc:oxon usado para comparar dois tratamentos
'1llallcloosdados so obtidos atravs do esquema depareamento.
Tal )(~la6.19: Escores dos jmcieutes do ,1')'11pOtiaJl(~j)ti]l.a
no I)r11ne1n)
( :\ I ) eltimo dia
(X42)
N.'!.
Xl X42 d= : 1 : 42
~
: 1 : 1
N.'!.
xI : 1 : 42 d= : 1 : 42
~
:r:,
I
24 6 - l i )
D : ) G : ) 7
+2
2 46 33 - 1: ) 10 :m I G - I G
I
')
26 21 - G 11 ;)H
2 - : ) ( i
L
<>
4 44 26 - l i ) 12 ; ) K
21 - 17
G 27 10 - 17 1:\ :n 7 -2/ 1
G 34 29 - G lil
27
* *
7 33
C) ')
O I G :3/1
* *
,j,j
i ) 25 29 +1 1 l ( i ;)2
2G - G
Tabela 6.20: Posto atribudo ao valor absoluto eladiferena I dl
Idl
Posto N-'-'- do pacielli.e
[di Posto N-'-'- do paciellte
O 1 7 l G i )
10
2 2 D 17 9, 5 5
4
')
i )
17 9, G 12
,j
5 4, 5
')
l i ) 11, 5 1
,j
5 4, 5 G l i ) 11, 5 4
G 6 l G 24 13 13
13 7 2
36 14 11
Exemplo comentado: Imunogenicidade de
uma vaCIna
!\ illr('(:(~opor vrus infiuenza ocorre atravs da contaminao de
111< IiV dllo susceptvel por secrees respiratrias de indivduo infec-
I;11 liI. A eloew,a respiratria febril aguda resultante pode se apresen-
1;(, ('( 11110sndnllues clnicas diversas: resfriados comuns, faringite,
I,; I' 1
111
'oilronquite, pneumonias virais e at mesmo pneumonias bac-
1.. 'li; 111; I~; secundrias. Geralmente auto-limitada, responde por alta
111' 1111i( I:\dee mortalidade na populao idosa, especialmente em vir-
1.11< I,' de) Illior risco de complicaes pulmonares. Ressalta-se ainda
a ocorrC~I.H:iaeln surtos e as altenHi)(~s de mtigenicidade.
A principalllwdida profiltica (~a utilizac~o de vacina tlivale'III..,
contendo lnn ou lllais subtipos do vrus influenza A eB com rc:vi~;ae1
alltigC~uicaanual. No (~lltanto, as vacinas disponveis contra illlllle'll
za WnJ vrias liulitvJm. Destaca-se a no obteno consisteut(! ele'
nv(~isprotetores de auticorpos na populac:o idosa aps dose nica ela
vacina, restando lllna prol)oro da populac,.o imunizada sob risceI.
EUl U1uateutai.iva d(~produzir uma nova vacina commaior inlllll( 1
genicidad(~, G1w:k et aI. (1994) dmenvolvermn uma vacina viross()llli
ca trivalente de infhwnza inselindo hemaglutinina purificada do VlllS
na menlbrana dc~lipossomas (virossomas).
Para verilicar asegunluc,a (~iIullIJ()gc~nicidade, conduziram li111 ('s
tudo em unIa casa dc~repouso para idosos em Cagliari, Itlia. ():;
residente;s foram excludos na presen<.;a(1eevidncias de doena agi 1
da. ou crnica no momelO da vacinac,o, histria de infiuenza nos
ltimos 12 meses, alergia a qualquer elos cornponentes da vacina (111
protenas de aves, uma reao grave pr(wia a essa vacina ou estar
participando de outro (~stuelo.
Cento e~vinte eseis residentes sc1ecionados rece~beram, aleatoria
mente, Ulna das trs vacinas: vrus inteiros, sul lll1lidade viral e vi-
rossmica. As rea(~es adversas foram diariaIlil'lIi (~l"egistradas eduas
amostras elesangue, coletadas, antros e 2- \ (li<lSaps a imunizao.
A idade mdia do grupo estudHI() foi de 78 anos, sendo 7()1j{ dos
participantes mulheres. Alm disso, 12% haviam lH:C,hid" <I \'acilla
contra esse vrus no ano anterior. No formu ]"c' LIj ; \( I:1:-; IC'ilc,c)eslocais
ou sisternicas nos grupos. As caracterstici(:-; (I, 1:-; IIC'sgrupos estudados
esto resumidas na Tabela 6.21.
Tabela 6.21: Informao soilre idade dos P;Wil'IIII"'-'; e distribui8.o
quanto ao sexo e vacinao contra infllll'll/<I III)Sltimos 24 meses
Vacina Idade
NQde idosos
x (faixa) Homens JVlul1w]"l's '1()l;d
Vacillados
Vrus inteiros 78 ( 64- 8i ) ) 9
')')
32 1
_d
Virossmica 78 ( 63- 102) 22 41 63 10
Subunidade 79 ( G3- 102)
/ " . 7
24 31 LI
Total 78 ( 63- 102) 3i ) 8i ) 126 Li
A Tabela 6.22 mostra a resposta imuIJ(~,ls tl.; vacinas. Atravb;
do t(~stet pareado constatou-se elevacJio significativa (p <0,(1) da
111(\diageomtrica dos ttulos emrelac;iioaos ttulos basais para as
II'(!Scepas virais. auso da ln(~diageomtrica justifica-se pc10 tipo
,1(' varivel (titulao); nest(~caso, trabalha-se conl o logaritmo da
lilll!<u;oe, ento, o logaritmo da mdia geOln(~trica(~igual ,l,m,dia
; 11' iIIntica na escala logartmica.
6.9 Consideraesprticas sobretestes de hi-
pteses
Tabc1a 6.22: Mdia geomd,rica e faixa dos ttulos de Ac anti-Ha
;\1 iI,(~se aps vacina8.o com os trC~spreparados vacinais referentes
;LC; trs cepas: HINl Sillgapore (C(~pa1), H3N2 Beijing (Ccpa2) e
I\jYamagata (Cepa ~~)
Reunimos IlCsta se(;ao alp.;umasconsideracies eSSenCIalSpara o
uso crtico dos t(~st(~Sde liip()tnses na prtica. Como atualmente os
clculos p,tra a]'(~aJiy,a(;il.o d(~qualquer teste est8.odisponveis empro-
gramas de computador, vrias observa(ii(Sdesta seo so potencial-
mente lnais inlportmltes qll(~aquelas das sees anteriores, emque se
explica basicarnente amecil,nicade clculo das estatsticas de alguns
testns de hiptes<~s.
Tipo de Cqm1 Cepa2 Cepa3
vacina Pr lYls Pr() Ps Pr Ps
V rllSinteiros 2,9 29,1 25,2 130 3,4 16,3
(O-~O) (0-320) (0-1GO) (10-640) (0-20) (O-MO)
V iI'ossmica
2,4
4L1 , 2 20,fi 142
2,4
17,5
(0-30) (O-MO) (0-320) (20-2560) (0-40) (0-320)
SIIImnidade 1,~ 14 2G,4 121 2,9 11,4
(0-40) (0-320) (0-160) (10-5120) (0-40) (0-160)
, .!:- deciso final sobre a hiptese nula tomada omparando-se o
valor-p comumvalor pr-fixado, usualmente 0,05::\.9uando ovapor-p
menor que estf:.1Kmtode corte, o resultado chamadoestatistica-
merde significo.nte,e, alto:mente siqrl:~!ico:nt;e, quando elemenor que
--.._. v _ P ' ' ' ' ' ' ' ' ' -
umponto decorte ainda menc)r (digamos 0,01). INas outras situaes
o teste dito niio s'lg'nificante. Por esta raz8.0os"testes S8.0den~mi-
nados testes de siqn:if'r:cii'l7,cia." -
Esses pontos de corte so arbitrrios eno se deve dar uma im-
portncia exagerada a eles. inaceitvel que os resultados de dois
estudos emque os valores-p sejam 0,045 e0,055 sejam interpretados
de forma diferente para cy =0,05. Esses valores devem levar a con-
cluses muito parecidas, niio a concluses diametralmente opostas.
Esse raciocnio ficar mais claro no prximo captulo, quando estu-
darmos o conceito de intervalo de confiana.
A eficciavacinal foi avaliada atravs dapropor8.0 deimunizados
lill(!adquiriram nveis protetores deanticorpos. A Tabela 6.23mostra
,)::valores-p obtidos atravs do teste t. A vacina virossmica levou
pl'Opor8.0mais alta de pessoas comttulos protetores de anticorpos
('()IILl'aduas de trs cepas virais quando comparada -outra vacina.
1''11''1 acepa H3N2 no houve diferena provavelmente pela alta por-
('('IILagemde indivduos comnveis basais de anticorpos protetores.
Tipo de vacina
Vrus inteiros
Virossmica
HINl Singapore
0,022
0,007
BjYamagata
0,035
0,002
As hipteses alternativas, respectivamente para o teste de com-
parao depropores edemdias so: H1 : Pl I- P2 e H
1
: ~I'lI- ~L2'
Podem ser desmembradas como: H1 : Pl > P2 ou Pl <P2 eH
1
:
~Ll > ~L2 ou H1 : ~Ll <~L2'
Estas hipteses assumem, portanto, que qualquer um dos dois
grupos pode ter uma propor~ ouuma mdia maior eloque ooutro.
Por isto este tipo dehiptese denominada bilateml. ia valor-p bila-
,
teral aprobabilidade deseobter emq'LUz.lg;uerdiTeo~a diferena
igualou mais extrema do que aobservada.,
.--J
(1;xistetambm a possibilidade d(~SI)fOl'llluJar hip()teses alterna-
I.ivas (H1 ) unilaterais, como Illostra o (luadro aLmixo.
Situao PI'OIH)1'<';( )es IV !()(lias
(1) 1 1 ] : Ji] > JiL RI : /IJ > / I 'L
(2) fI l: Ji I <JiL [lI :
/"1 </ I L
acontecer. Embora exista uma boa razo para esperar (11i(! li(IV: I~; 111'1)
gas ou novos procedimentos sejam melhores que os do grtlJHI 1'llIiI,l'llil'
(caso contrrio o estudo no estaria sendo realizado), ainda a:-;~;i 111
existe a possibilidade, llWSIllOque remota, de que seus resul I.ai IiISSI'
jam piores. 'Na compara(Ju) de urna droga comoplacebo, no SI!1)1 li11'
descartar a possibilidade de que a droga tenha um efeito deld,{)l'ilI, I'
portanto no deva ser recomendad.
Na escolha entre hiptese bilateral eunilateral os seguintes aSpl!I'
tos devem ser considerados:
Nestes casos, as conlpara(;(~s s~in()stabd(~cidas em uma dctermi-
Ilal Iadireo. Assim, por exeInplo :';),~) s(~comparar um procedimento
1II)VOcom um padril.o, estamos avaliando se a inova<;o deve ser re-
I:Omendada':(portanto, aescolha d(~hipteses unilaterais ou bilaterais
influencia dcisivamente a interpreb),()io dos resultados da anlise es-
1.; \.Lstica.
Para se testar hipteses unilaterais baseadas na clistribui(;o t de
Sl.ndent ou na distribuiil.o gaussiana, utiliza-se apenas uma cauda da
(Iistribuio. Por exemplo, fixando-se umnvel designificncia de 5%,
() IH)rcentil utilizado para testes bas()ac1osna distri bui(;il.ogaussiana
I,(j4eno 1,96. Embora a diferena no seja grande, ainterpretao
I)()(leser diferente para um nvel de significncia fixado.
As duas op<;esde testes (unilateral ou bilateral) esto disponveis
(!11l programas decomputador. Emgeral, ovalor-p para teste bilateral
I'!o dobro do valor-p correspondente hiptese unilateral.
H circunstncias em que hiptese unilateral a melhor forma
IlI!se formular a questil.o de interesse. Em estudos comparando uma
ilIovao de um procedimento padro, ahiptese alternativa mais in-
1.()J'()ssanteque ainova(;o superior, um apelo hiptese unilateral.
1';111 um estudo sobre a qualidade da gua, importante verificar se
as contagens bacteriolgicas das amostras analisadas esto acima do
I)allril.oconsiderado aceitvel. Obviamente, no h nenhuma preocu-
l,a(J.oquando a gua estiver mais pura do que opadro estab_elecido,
I) (lnejustificaria a hiptese unilateral.
Umteste unilateral tambm pode ser justificado quando se pode
afirmar que uma das direes contempladas pela hiptese bilateral
I'olllpletamente inconcebvel, como a situao descrita por Luthra et
aI. (1982). '
() argumento mais forte contra o uso de hipteses unilaterais
Ifli(! por maior que seja a evidncia de que um tratamento seja supe-
1'11)1' ao outro, nunca se tem certeza absoluta do que realmente pode
1. Otipo de hiptese adotado deve preceder a anlise dos d;1.(lo~;,
isto , a escolha no deve ser inHuenciada pelo resultado d:1
anlostra.
2. O teste bilateral mais conservador do que o unilat()l'al. N:J
maioria dos casos, testes unilaterais so vistos corno unia 11111
n~ir~ de se exagerar a fora dos c~chad.?..:'J'Qehouver (l11al<lIII'1'
dUVIda, deve-se optar pelo teste bIlate~.
3. Segundo alguns autores, a distino entre testes unilal.(!l'ais I'
bilaterais no de fundamental importncia na interpl'da<:1I.l1
dos resultados, desde que fique claro qual foi usado.
4. Mesmo quando o teste unilateral pode ser justificado, plldl' :11'
encontrar resistncia editorial para publicar tais achadlls,
Alguns estatsticos e editores de jornais acreditam que o vali li' 1i
unilateral nunca deve ser usado. O primeiro argumento a1lllil'()!'lIli
dade de apresentao dos resultados, tal que um determinado vali lI' Ii
tenha ummesmo significado emtodos os artigos. Segundo, aCI'I!dil.all1
que situaes que justificam o uso de testes unilaterais so (~xl.l'l'III:1
mente raras. Terceiro, em estudos sobre importantes quesU)(!S, ('11111<1
a regulamentao de uma droga, o valor-p apenas um fat()!' Ilsadl I
na tomada de decises. O critrio de que ovalor-p seja nWJ1ol'dll <[111'
0,05 em geral insuficiente para estabececer eficincia (; p()lo 1111'1111:1
o teste bilateral mais con;;;ervador.
Aceitando estes argumentos e considera:qs\9 a padro 11 i/,,: 11,: ai I ,n
existente na maioria dos peI:~~e\licosmdicos,_Ec:comeIH!ali II)SII li:II I
rotineiro de,hipteses bilaterais.,
O.O.:l Conclusesapartir detestes dehipteses
r~p,artir d~testes bilaten~,is niio se),p(!(leconcluir que mn trata-
1111 '1 T,o()supen()r ao outro eSIILl que 1 w dlierew,;a entre os tratallwn-
IiI,': ('.1 li uparados. Urna llHtlWiraapropriada para avaliar qual (l omais
1'lil'il)IILe atr'~';s da quanLiJicae.;ii,odos "efeitos" dos tratamentos,
:1:;:;IIIILo tratado no prximo captulo.
1 \ ()vidnciafornecida pelo valor-p ()mna evidflncUe1. probabilstica.
1 \ : , : ; iIII em~ ensaio clnico,;se ovalor- p() "gralHIC:'( digamos maior
qlll' O,20),.podemos dizer sili a evidfmcia fOl'llecidasugen) que os
lJ'aLalllcnt~sso equivalent::::l Nil.opodemos (lxc:luir, entretanto, que
I':, LJ'atamentos sejam diferentes, aperws ()stamos mais seguros que
:;:111 ()quivalentes. "
r- " I
I'or outro lado,'.seovalor-p ()peqlwll(Mdigamos menor que 0,(01),
\I'IIL;\()a igualdade dos dois tratanlelo~Ilil.o parece ser plausve. A
"vidf)Llcia.sugereque umdos tratament()s superior. -. ,
\.- -
Conforme comentado naSeil.oG.2.4,o valor-p igual a0,05usado
I 'I li IJ()referncia para tornada de decisil.oempesquisas mdic<~.s.1 Isto
:;i!',llificaumresultado que pode ocorrer Inenos que urna vez emvinte
qI1 alI(10 a hiptese nula verdadeira. Nesta formulao, quando se
1".il'iLaahiptese nula, aceita-se ahiptese alternativa complementar.
\ ~~I: 0"1 valor-p no excede o ponto elecorte, nil.ose rejeita a hiptese
111 11 a.! Entretanto, no sepode dizer que ahiptese nula verdadeira,
,.- \
Illassornente quenil.oh evidncia suficiente para que elaseja rejeita-
I Ia. I';stauma distin<;osutil.mas importante.
(:oucluindo, no se elevef1xar no critrio de p <0,05, mas sim
IIILI'J'pretarcorretamente o resultado do teste atravs do valor-p.
presso sangullwa foi esLatisticamente siguif1cante, mas sem qual-
quer imporUhICia clnica. For 011 tI'Olado, pode ocorrer que o teste
n,otenha sido est,atisLicmu()]lic)significante, mas osdados podem ter
mostrado mua diferelH;aiUlportante na prtica. Esses efeitos podem
estar ligados a,otamanho elaamostra (Lemeshow et aI., 1990).
Nemsempre adiferew;a observada entre as respostas, atravs da
aplica(;o do teste t ou tesLe qui-qua,drado, pode ser atribuda ao
fator usado para dividir ospacientes nos dois grupos de comparao.
Como visto no Captulo 2, eventuais diferenas podem ser atribudas
a um outro fato'r que recebe neste caso, a denominao de fator de
confuso.
!Como qualquer realidade clnica complexa, a possibilidade de
exi~tncia de fatores de confuso deVI)ser sempre consielerad~.i De
~ ..P.
fato, qualquer resposta clnica, como sobrevida, remisso, recidiva ou
desaparecimento dos sintomas, influenciada por vrios fatores.
Para sefazer compara({es vlidas, na presena defatores de con-
fuso, foram desenvolvidos vrios mtodos estatsticos que recebem
na literatura mdica onome genrico de mtodos multivariados.
fi.O.4 Significnciaestatstica esignificnciaclnica
I )(:lItrodo contexto de teste de hipteses, a palavra sign~ficante
11'111 sido muitas vezes usada de forma incorreta. Por essa razo no
I' 11'I:t"IIcndada emalguns peridicos mdicos. Pode-se usar correta-
1111'111.,) li conceito designificncia estatstica ena prtica interpret-lo
til' r, >l'lllaindevida. Portanto, importante entender adiferena entre
: I iJ'.11 iIic;\,llciaestatstica esignificncia clnica.
11111 I'<)sultadoestatisticamente significante no implica necessaria-
1111'111.1' 1~1ll uma importncia clnica. Por exemplo, Gould et aI. (1985)
'II:ilalll mn estudo em que uma pequena diferena de 1 mmHg na
Emanlises que envolvemtestes dehipteses, boa pntica apre-
sentar osvalores necessrios para que ovalor-p possa ser recalculado.
Por exemplo, emtestes de comparao de mdias para amostras in-
dependentes, as mdias eos desvios-padro para cada grupo devem
ser apresentados.
Deve-se evitar a apresentao do valor-p emforma de intervalos
(p > 0,05; 0,01 <P <0,05). recomendado apresentar o valor-p
exato obtido (por exemplo, p =0,012), qU8emgeral asada padro
de programas de computador. Emgeral duas ou trs casas decimais
so suficientes.
6.9.7 Pressupostos dostestes
(
Corno mencionado nas sees emque os testes foram apresenta-
dos, cada umdeles foi desenvolvido apartir de determinados pressu-
postos. Aps aescolha do teste aser utilizado, as seguintes questes
I'ldnvantes podem ser levantadas: Os dados ,ulalisados satisfa~mn os
11I'(~SSllpOStoS? Seeles n80 forem cOluplc1.amente satisfeitos, quais S80
IIScOllseqncias? Elas S80graves?
I';xistem vrias formas para averifica(;iio dos rlI'(~SSupostos: anlise
,I,'sni tiva dos dados, grficos (;speciicos e os chamados testes de
1Il11~1'l'llcia. Cada suposi(;iio avaliada de 111.nafonna eSIlccfica. Por
I'XI'1llplo, no Captulo 5 discutimos formas dc~avaliar a suposio de
cI' I' ~a varivel tem distribuio gaussiana,.
I';mgeral, a violao da suposi(:o alt()l'Clo nvel de significncia.
1',11'c~xemplo, algum pode estar pensando que est testando a um
II VId de significncia de 5(li] e realmente o nvel sc~rmaior, digamos
,'" :'X , , Outros efeitos tambm podem ocorrer, dependendo da situao
" do tipo de teste.
A seguir apresentamos alguns comentrios sobre os pressupostos
dI' dois testes discutidos neste captulo: teste qui-quadrado e teste t.
:2. O resultado que ocorre para um paciente de qualquer dos gru-
pos no infiuencia de nenhuma maneira o resultado de outros
indivduos.
so iguais. Com essas duas SUpOSIoes, a hiptese dc~i)..';llI\.ldltdn1 1 1 1
mdia :xl'isg(~ral do que a princpio parece, pois (~C~<lllivlIl('III.(I ,)
hiptese de <l11c' os dois 1]',lt.anHmtos produzem o rnesmo d(!i j,(), '111
seja, no apc~llasqlWIJS1]'ai amentos sejam em mdias COIUIIIII':V('is,
Esse o tipo <1<: cOluparac;iio que mais interessa na prtica.
Estudos mosb',tm que o teste t robusto com relao S11POSil:1Il1
da distribuio, isto , o t(~ste{~apropriado mesmo para varivc~is<111<'
sejam um pouco assirn{~tricas ou que efetivamente no tenhaul dis
tribuio gaussiana (por exeruplo escalas). Entretanto, a suposil:llo
de igualdade de varincia, dellominada hOTnocedasticidade, 11111 i))I
portante aspecto a ser avaliado, pois sua violao pode resultar 1~1I1
concluses incorretas.
Outros estudos demonstrara,m que seotamanho das amostras' dos
dois grupos igual (nI = n2) eas amostras so grandes, onvel dl~si)',
nificncia calculado segundo asuposio de que a distribuiu,() slrll,ill
cente gaussiana eh igualdade de desvio-padro vlido, nWSllloSI'
essas suposies forern violadas. Entretanto, se TLl i- n2 eos dl~svilIH
padro no so iguais, o nvel de significncia pode ser alterado P(lf'
uma quantidade que depende de quantas vezes um desvio- padl'al I (,
maior que o outro.
A homocedasticidade pode ser avaliada por umteste de igualdad('
de varincia. A heteTOcedasticidade, varincias diferentes, podc~Hc'l'
corrigi da pelo uso de transformao da varivel; alternativan\(~IIt.c~
pode-se usar testes desenvolvidos para esta situao.
Alm do aspecto tcnico apresentado sobre o desvio de hOIlIC)
cedasticidade, importante estar atento ao significado das hip(Jt.(~H(~H
no caso de heterocedasticidade. Nesse caso, oteste de compara6i,() dc!
r- .
mdias pode no ter muito interesse na prtica.!,pois tratamentos <l1)C!
tenham a mesma mdia podem ter efeitos completamente diferelJLc~s,
e I(,ortanto no serem considerados equivalent~i;
() ,teste qui-quadradQ foi desenvolvido para situaes em que so
v:lidas as seguintes sur;sies:
I. A probabilidade de sucesso no varia de indivduo para indiv-
duo dentro dos grupos de controle etratamento.
qllando a condio 1no for vlida, necessrio usar uma outra
:l11:liHC), por exemplo, combinao de tabelas 2 x 2 (Fleiss, 1981).
qllando a segunda hiptese, de independncia, no verdadeira,
Il: 111:liordificuldade na anlise. Mtodos adequados de anlise para
c,:;1,:1 HiLnao sforam desenvolvidos muito recentemente. Esto agru-
1111,1,IHuo tpico Anlise de Dados Dependentes.
( )sHnguintes pressupostos so feitos para aplicar oteste t descrito
11:1SI~IJ\.{) 6.5.1 ~a a comparao de mdias quando as amostras so
111,lc")(!1 f( lentes: .a varivel tem distribuio gli~assiana e as varincias
Nas sees 6.3.1 e 6.5.1, usamos as denominaes teste qlli-<l1I1l.
drado e teste t. Essas so as formas populares como esses LC!HLns
so conhecidos. Entretanto, existe uma pequena imprecis8.o III~HHII
Dificuldades prticas na formao depares homogneos
Naprtica podem existir dificuldades no conhecimento das carac-
tersticas que devemser controladas emesmo conhecendo-as pode ser
difcil formar pares homogneos, como por exemplo no caso emque
o nmero de fatores muito grande.
EmlImitas situac;es, embora desejvel, torna-se difcil oumesmo
impossvel aimplementao doplanejamento comamostras pareadas.
III'111 llllillac;opois na verdack existeuJ iuI'uJl(~rost(~st(~Sbaseados nas
di~il.ribui(;esqui-quadrado et de St,IHkl1t.
1':111 geral, o planejamento de mllostras par(~adas lJwlllora a pre-
I I::;\11 lias estimativas das diferelH,;asentn~as lll(~diasdos tratameutos.
1-:111.1'l'I.al1to, quando os indivduos j fmeul horuoglwoS ou quando
;1 Iwt{~J'()geneidadeno pud(~r ser atribuda a fatores identificveis,
'I Ilal'l~amento arbitrrio nem sempre coutribui para Ullla reducJio
11:1variabilidade, ou seja, para a mclboria da preciso. Neste caso,
II ,d;\.II<amentode amostras indepeudentes seria recomendado (ver
:"',;a'l !J .G deBhattacharyya &Johnson, 1!> 77).
Uma questo essencial emqualquer pesquisa sobre a amostra
a ser coletada ou pesquisada. Alm da necessidade de se ter uma
amostra com uma boa representatividade da populao! que pode
ser obtida atravs de um planejamento adequado, ~.quantidade de
indivduos crucial para avalidade das concluses! A chave de uma
pesquisa portanto, corno equanto arnostTaT. Umdos problemas que
pode acompanhar a no deteco de diferena significativa em um
estudo o tamanho de amostra insuficiente (Freiman et aI., 1978).
Os principais esquemas amostrais que podem ser implementados
so: amostragem aleatria simples, estratificada, por conglomerados
esistemtica ou combinaes entre eles.
Os critrios usuais na determinac:o do tamanho da amostra so:
preciso, erros associados atestes dehipteses, poder estatstico, cus-
tos, ouainda acombinao dealguns destes critrios. Existem frmu-
las desenvolvidas para dimensionamento deamostras que consideram
o esquema amostral e/ou o planejamento do estudo. Entretanto, al-
gumas frmulas populares de tamanho de amostra nem sempre so
apropriadas (Kupper &Hafner, 1989).
Gail (1976), Kraemer & Thiemann (1987), Lemeshowet aI. (1990),
Levi & Lemeshow (1991), Lwanga & Lemeshow (1991) eSilva (1998)
so boas referncias para esses tpicos.
1'1)( lemos distinguir trs tipos de pareamento: auto- parectmento,
1';II'I;\.I1lCnto natural epareamento artificial.
( ), l/ , uto-paTearnento corre quando:,~) indivduo serve como seu
IJI"jlrill contr()l~).como na situao emcl..e\mindivduo recebe duas
II1I',1 ',asadmini~'adas emocasies diferent~>JOutra situao a que
["i ;IJlresentada no Exernplo 6.12, em que o nvel de colesterol foi
1111" Ii( I() antes e depois do programa. Finalmente, a comparac:o de
'\'Ii:; l'll'gosno mesmo indivduo, como braos, pernas, olhos, narinas,
::t'I',IIIHlll alguma caracterstica estudada tambm constitui um auto-
I';li' 'alll<~nto.
( ) lJI / , Tearnentonat'lLraZ consiste em\t:9rmar pares to homogneos
IIllillll.lIJlossvel, controlando os fatores que possam interferir na res-
I"d<:,s(~ndo que opareamento aparece de forma natural. Por exem-
I,j I', ;'1~1I~xperimentos delaboratrio pode-se formar pares de cobaias
:,1,1"1 'i,luadas da mesma ninhada; em investigaes clnicas, gmeos
1IIIII'ildillOSso muitos usados.'
I~,I lJI I , ', .(; arne'Qtoar: ti, fi, c), L"~olhe-se indivduos comcaractersticas
:il'lllI'lll:llli,i~s,'i tais-c~mo, i~la~l~~sexo, nvel scio-econmico, estado
,.".,.J
II,' :::11'1"( ~011, em geral, fatores que podem influenciar de maneira
11'1"I':IIILI~ avarivel resposta.
Hipteses mais gerais
Neste captulo as hipteses testadas referem-se a igualdade de
mdias eigualdade de propores dos tratamentos comparados. Em
algumas situaes pode haver o interesse de testar hipteses mais
)',1 !l'aiH, jHto , que a diferena (~ntn~aHIn{~diaHou aHpropon:eH de
:lIll'I'HH(l dos tratamentos uma cm'ta quantidade. Por exemplo, pode-
1111 li, LI~Htarse a diferena entre aHm{)diaHda preHHiiosangnea antes
I' dI '1)(lis de um exerccio fsico () 20 'lI I ill/ , I -Jy. Poderamos ainda testar
:11'a 1>J'()fcrnciapara o partido poltico A eHbi 10pontos pen:entuais
IIl'iI 1 li\.do partido B.
I'al'a estas situaes, testmnos as seguintes hiplteHeHde compara-
I:all dl~mdias: Ho: fI 'l - 1 ','2 = 1 1 '0 verSUH11l: 1 1 '1 1 ','2 i- 1 1 .0 e as
::I"',llilil,()Hhipteses de comparaiio de pn)pon:()()s: Ho: Pl - P2 =PO
\,(,I':;IIH1 h: Pl - P2 i- Po Note qlH) para o teste de igualdade de
III1'diaH1 "0 =O epara o teste de igualdade de propon;es PO =0, isto
1\ I':>L(~s testes so um caso particular do teste mais geral.
Hestatsticas para os testes de mdia, para amostras indepen-
111'lltl)Hou emparelhadas, e para o teste Zpara comparao de pro-
11111'1,:1 )()Sso semelhantes quelas apresentadas nas sees anteriores;
l'lltld,anto, no numerador da estatstica do teste, a diferena das es-
lilllativas dos parmetros comparada com o valor espeficicac10 na
IIiI)('lLeHI~ nula. Por exemplo, no teste Zelecomparao de propores
III'VI~IIIOS calcular
1. Observou-se nos anos 60 que a ocorrncia de abortos espont-
neos nas gestaes de mdicas anestesistas era mais elevada do
que o nonna1, Para verificar se esta observao refletia, ou no
uma conc1i<:ogeral, realizou-se em1970 um estudo no Hospital
da Universidade de Stanford, Califrnia. Foram encontrados os
seguintes resultados:
Especialidade
Anestesista Outra
2~~ 52
14 6
37 58
Total
75
20
95
Gestao normal
Aborto espontneo
Total
(1)1 - 1)2) - PO
1)1(l-tJL) lJ2(1-1)2)
'/1.] + T/ '2
(a) Escolha a hiptese nula e a alternativa que so razoveis
nesta situao.
(b) Faa o teste adequado considerando uma margem de erro
provvel inferior a 5%. Calcule o valor-p. Qual ,,asua
concluso?
IIIIII(~lio ovalor especificado no problema (no exemplo da preferncia
1>' d(LicaPO = 0,10).
2. Para os dados de glicose etriglicerdeos do Exemplo 6.8, calcule
o valor-p para o teste de companu)io de mulheres e homens.
Comente.
IVlni:>de dois grupos
I'::>t()captulo trata do easo de comparao de dois grupos, mas
i",tj(I'~lltemente o objetivo de uma pesquisa a comparao de mais
,11'li, liHgrupos. No apropriado fazer-se comparaes duas a duas
:11'111 IlIlalquer ajuste. Torna-se, portanto, necessria a extenso dos
1,1':Ii,I':-; Iql],<)Hentados.
f\ ':'llnparao de mdias de mais de dois tratamentos feita
IILIIIVI"HdI) anlise de varincia e comparaes mltiplas. Para a
'"l1l1lal'll.I:;',ode mais de duas propores podemos utilizar o teste
'11" I11ladI'ado, com as devidas adaptaes. Altman (1991) uma
I"il'lllllcia para esses dois tpicos.
"
3. Frick et a1,(1987) realizaram em Helsinque um ensaio clnico
aleatorizado com o objetivo de verificar se o frmaco gemfi-
brozil, que reduz o nvel de colesterol, era eficiente para a pre-
veno primria de doena coronariana em homens de meia-
idade assintomticos com dislipidemia. Para isto, compara-
ram o grupo que durante o ensaio tomou gemfibrozil (grupo
1), com o grupo que usou placebo (grupo 2). Entre as vrias
anlises, verificaram o nvel de colesterol (mg/ dl) observando
os seguintes resultados:
nl = 1973
n2 =1958
Xl =244,7
X 2 =272,5
SI = 33,7
S2 = 31,4
,
Combase nos resultadol acima pode-le afirmar quc, ao nvel
designificncia de5%, ogcmfil)1'o~ilatua lobrconvel decolel-
t,(~l'01 ?
~. Transcrevemos a seguir rClultacloldo artigo de Rothenberg et
aI. (1987), onde so descritas aBcaractersticas dos primeiros
5833casos de AIDS emNova York. () termo lobrevida zero
Illadopara indicar que opaciente morreu no primeiro ms aps
o diagnstico de AIDS.
Teste a hip()h~l('de' ;\ll(J('];\(:ao entre o nvel de catecolaminH
no sanguc (~a illcidllcia de doena coronariana, ao nvel d(~
significncia de 1(Xl.
Masculino
Feminino
5281
552
Mdia
(dias)
374
298
Sobrevida
Mediana
(dias)
357
263
Zero
( %)
10,9
16,3
. I
6'; Nove indivduos do lexomasculino, sadios, com idade mdia
\ de 21 ancmparticiparam, voluntariamente, deurna pesquisa cu-
jo objetivo era verificar lCa alcalose respiratria, induzida por
hiperventilao voluntria, aumenta acapacidade fsica avalia-
da pelo tempo decorrida de800metros. Neste estudo, os nove
indivduos participaram da corrida de800metros em2momen-
tos: umdeles emcondies normais (semhiperventilao) eno
outro aps ahiperventilao voluntria. Os dados obtidos (em
minutos) esto apresentados aseguir:
Nmero de
pacientes
Indivduo Hiperventilao
Com Sem
1 155 151
2 150 152
3 174 172
4 158 150
5 155 152
6 148 150
7 142 144
8 164 169
9 143 144
Sexo Sobrevida zero
Sirn No Total
Masculino
Feminino
Total
(b) Teste ahiptese deque aproporo dehomens comsobre-
vida zero igual proporo de mulheres com sobrevida
zero (use o:=0,05). Calcule ovalor-p.
rI . i n,ealizou-se umestudo tipo coorte para investigar a associao
(~ntreonvel decatecolamina no sangue eaincidncia posterior
(ledoena coronariana. Para isto, 609 homens comidade entre
!J () e76 anos foram acompanhados no perodo de 1960 a 1989.
() nvel de catecolamina foi determinado em1960eclassificado
<:ornoalto ou baixo. Os resultados so apresentados na tabela
al);xo:
Expresse emtermos estatsticos as hipteses de interesse
aserem testadas pelo pesquisador.
Teste ahiptese estabelecida em(a), aonvel designificn-
cia de 5%. CalculB ovalor-p eapres~nte suas concluses.
7. O artigo transcrito aseguir foi publicado, no primeiro semestre
de 1990, pela Folha de So Paulo:
ENZIMA INDICA PROPENSO RECIDIVA
Doena
coronanana
Presente
Ausente
Total
Nvel inicial de catecolamina
Alto Baixo
27 44
95 443
122 487
Total
71
538
609
Boston, Massachusetts - Urna enzima denominada catepsina D
pode indicar quais as pacientes comcncer de mama so mail
suscetveis arecidivas, indica estudo da Universidade do TexaK
De acordo comos pesquisadores, mulheres comaltos nveil d(~
catepsina D parecem t(~rmais do dohro de chances de recidi-
vacinco anos aps acirurgia, devendo por isso ser submetidas
a tratamentos esp(~cficos. Uma das fUJl(~esda catepsina D
{~decompor protenas ellcontradas nos alimentos. O trabalho
acompanhou 199 mulheres cujo cncer no havia se estendi-
do aos ndulos linfticos. UmteI'(~oapre~sentoualtos nveis de
catepsina D; dessas, GO% sofreram recidivas. Nas mulheres com
baixas taxas daenzirna, opercentual caiupara 29%, equivalente
ao da maioria das mulheres americanas que tiveram a doena
diagnosticada emestgios iniciais. Os resultados do estudo in-
dicam que pacientes precocemente diagnosticadas que tenham
alto nvel da enzima devemser submetidas quimioterapia ou
terapia hormonal para reduzir os riscos de recidiva. Cerca
de 140 mil americanas morrem anualmente nos Estados Unidos
emconseqncia da doene~a. Metade dos casos diagnosticada
emestgios iniciais.
(a) Que forma depesquisa mdica foi utilizada neste estudo?
Justifique, identificando osgrupos earesposta deinteres-
se.
(b) Utilizando os dados fornecidos no artigo, faa oteste ade-
quado para verificar seosresultados obtidos pelos pesqui-
sadores indicam que aenzima catepsina D est associada
recidiva nos casos de cncer de mama (use a= 0,05).
Calcule ovalor-p.
K. Para determinar comoumadoseexperimental deanestesia afeta
homens emulheres, uma amostra de 15 homens e 17 mulheres
foi selecionada aleatoriamente emuma clnica odontolgica e
slmstempos dereao (emminutos), registrados. As seguintes
mtatsticas sumarizam os dados:
Estatstica
Mdia
Desvio-padro
Homens
4,8
0,8
Mulheres
4,4
0,9
(a) Usando a = 0,05, teste se existe diferena significativa
entre os tempos dereao dehomens emulheres.
(b) Qual {~a relevncia do fato de os pacie)1test(:I'(!111 sidos
esco]]j i<[os,11('il1< )rimllente?
9. Cinqenta iUuosLl'ilS(lesalivasa1Jidamentepositivaspara l) Ilal'i
lo da tuberculos(~foram colocadas emduas diferentes clIltil rm;
(A e 13). O objetivo do experimento era a cornparae~iioci(:St('ci
meios na detecIJi.odo bacilo. Os resultados est,oresumidos lia
tabela abaixo:
=================- - - -
Meio A Meio 13
Detectou No det~
20 12
2 16
Detectou
No detectou
Existe evidncia deque osmtodos sejamdiferentes? (lIselI'
0,05).
10. Numa pesquisa deopinio pblica 1000homens e1000mullll:I'l':-;
foramentrevistados sobre aposio acerca do a.borto. Entn: as
mulheres 356 manifestaram-se contra a legaliz;;todo abortl I,
enquanto que 515 homens tiveram a mesma posio. Exist(:
diferena significativa entre osdoissexosquanto opinio sohl'l'
alegalizao do aborto? (use a=0,05). CalCllleovalor-p.
11. O Ca:nadian Nledical Association Jemrnal publicou emnovelll-
bro de 1972 os seguintes resultados de um etperimento qlW
procurou investigar se o uso de vitamina C previne resfria-
dos. Por um determinado perodo de tempo, 407 indivduos
tomaram fortes doses de vitamina C e 411 receberam place-
bo. No grupo da vitamina, 105 participantes ficaramlivres de)
doenas do tipo respiratrio enquanto que no grupo dos pseu-
domedicados, apenas 76. OqueospesquisadoreS puderam con-
cluir? (use a= 0,05). Calcule ovalor-p.
12. Para verificar se, na faixa etria de 7 a 10 anOS, crianas do
sexo masculino tmdesempenho emuma corrida de50metros
diferente decrianas do sexo feminino, obteve-s6 uma amostra
de30meninos e30meninas escolhidos aleatoria.mente entre os
804 alunos do Colgio Pitgoras Pampulha en}Belo Horizonte
queparticiparam da Mini-Olimpada de1989. A partir dos da-
dos referentes aotempo gasto para completa,r opercurso foram
calculadas as seguintes estatsticas:
Estatstica Meninos
x 8, 75
s 1,5G
Meninas
9,08
1,G 8
(a) Estabelea ahiptese aser testada.
(b) Teste-a aonvel designificncia de5%.
(c) Existe algumfator deconfuso possvel neste caso?
(d) A escolhaaleatria elosalunos resolveadificuldade trazida
por umeventual fator deconfuso?
A seguir apresentamos oresumo doartigo intitulado Prevalence
af Low Birth WC'ight and Pr'CteTTnDeliver-y in Relation to the
I nterval Between PregnanC'ies o:monq White and Black Women,
de autoria de Rawlings, J. S. et al., publicado no The New
England Jo'urnal pf Med:ine em12 dejaneiro de 1995.
A taxa de mortalidade infantil nos Estados Unidos mais al-
ta entre os negros do que entre as outras raas. Isto pode ser
devido auma maior freqncia decrianas nascidas prematura-
mente oucombaixo peso entre osnegros, fatores que, por sua
vez, esto assocados apequenos intervalos entre as gestaes.
Assim, uma possvel explicao para adiferena demortalidade
infantil entre as raas seria o menor intervalo entre gestaes I
para as mulheres da raa negra.
Para verificar essa hiptese, os autores fizeramumestudo re-
trospectivo envolvendo 1624 mulheres brancas e298 negras, to-
(lascomacessoaumserviodesadegratuito dealta qualidade.
Sforamincludas mulheres quetiveramduas gestaes simples
comomesmo parceiro.
Alguns resultados esto sintetizados na tabela a seguir. Par~
as variveis idade e paridade, apresentamos as mdias e os
d(~svios-padroe para as variveis solteira e pr-natal tardio,
as freqncias comas respectivas porcentagens entre parnte-
s(~s. Por pr-natal tardio entende-se que o acompanhamento
mdico iniciou-se aps o primeiro trimestre da gravidez ter-se
completado.
Informa(;es Intervalo Intergensico Valor-p
< 6 meses :2:6 meses
Brancas
Freqncia 286 1338
Idade 2354 2 2~4,6 <0,001
c;-~- ,
Paridade 2,71,1
2,71,
0,924
Solteira 11(3,8) 45(3,4) 0,685
Pr-natal tardio 11(3,8) 24(1,8) 0,030
Negras
Freqncia 89 209
Idade \
21,,34,5 ?QJ4,4 0,183
Paridade ),.(1,1 2,71,2 0,381
Solteira i.9(10,1) ~9(9,1) 0,782
Pr-natal tardio 4(4,5) 5(2,4) 0,332
(a) Os dados evidenciam diferena entre mulheres negras e
brancas quanto aointervalo entre gestaes? Faa oteste
quejulgar apropriado, explicitando ahiptese, aestatsti-
cado teste, ovalor-p easua concluso.
(b) Oestado civil das mulheres negras influencia no intervalo
entre gestaes?
(c) Verifique se a idade mdia das mulheres no grupo <6
mesesestatisticamente diferentedaidademdianogrupo
:2: 6meses. Interprete osresultados.
L Considerando as brancas.
n. Considerando as negras.
14. Considere asseguintes informaes adicionais doestudo descrito
no Exemplo 6.11 sobre a comparao do efeito do halotano e
da morfina na pn~SS\() sallgllll(~a: dos 61 pacientes anestesia-
dos comhalotano S (1J,l(){J) morreram, assimcomo 10 dos 67
110
(14,9%) pacientes anestcsiados commorfina.
(grupo controle ou grupo 1) comcrianas desprivilegiadlll'l, dll
camadas sociais mais baixas (grupo 2). As crianas do grlll li I
controle vinham de 15escolas particulares da cidade, mHJlIilIlf.()
asdooutro grupo, deorfanatos ecasas decaridade oud<~ouf.ras
reas da cidGvle,(mde cheiravam cola, roubavam ou vendialll
frutas, chocolate,s edoces.
Amostras desangue das crianas foramcolhidas eumdos asp(~c-
tos estudados foi aconc<mtra<:iiototal deprotenas plasmticas
e tambm nveis de albumina eglobulina, responsveis, entn~
outras coisas, pela produo de presso osmtica a nvel de
membrana capilar epela imunidade natural eadquirida que o
organismo possui, respectivamente. Os resultados obtidos, em
giZ, esto sintetizados na tabela aseguir.
(a) Compare osvalows das estatsticas (6.9) e (6.10).
(b) Ao nvel designificncia de5% useoteste Zeoteste qui-
quadrado para avaliar emtennos demortalidade seosdois
anestsicos s.oequivalentes.
J.(. Dezenove crianas comdiagnstico de AIDS foram separadas
emdois grupos deacordo comasusceptibilidade droga. Con-
sidera-se susceptvel quando ovrus HIV <" inibido por concen-
trao dezidovudina (AZT) menor do que0,1 I lgI Z eresistente
quando ainibiiio exigenvel acima de 10I / giZ. A durao em
meses daterapia comAZT relatada por Ogino (1993) mostra-
c.aaseguir.
Resistentes
(n =9)
12
14
5
14
15
17
13
13
12
Informaes Protena total Albumina Globulina
Grupo 1
Mdia 69,2
\.
32,4 15,4
Desvio-padr o 5,1 4,0 3,1
n 412 412 412
Grupo 2
Mdia 70,0 30,3 18,9
Desvio-padriio 5,9 4,0 4,3
n
196 196 196
Susceptveis
(n = 10)
9
7
12
18
10
10
10
13
13
9
(a) Verifique seexiste diferena significativa na concentrao
total deprotenas entre osdois grupos. Escreva as hipte-
ses deinteresse eaconcluso.
(b) A partir unicamente do resultado obtido em(a), pode-se
concluir apresena ouno dedesnutrio nas crianas des-
privilegiadas? (Sugesto: anlise do significado das pro-
tenas albumina eglobulina).
(a) Para cada grupo calcule amdia eodesvio-padro dotem-
po detratamento comAZT.
(I Existe difierena significativa entre os dois grupos no que
diz respeito ao tempo de terapia com AZT? Formule a
hiptese deinteresse eteste-a ao nvel designificncia de
5%. Calcule ovalor-p einterprete-o.
17. Uma das questes mais controversas da Medicina contempor-
nea diz respeito eutansia esuicdio assistido por mdicos em
pacientes comdoenas terminais. Almdo "direiro demorrer" ,
outros aspectos vemsendo questionados, desde adurabilidade
}
1(;, I) III(~studorealizado emRecife(Linhares et aI., 1986) comparou
niall(:as entre 7e17anos declasses scio-econmicas elevadas
do desejo pela mort(~at{~fator(~s qlW () influenciem, especial-
mente aqueles remediv(~iscon] intcrvelHJio rndica esocial. ~_
xiste hoje urna preOCUpil,(:i',o d(~que od(~i:1ej() pela morte, mer,mo
entre doentes t(~rminais, pode s(~rum indicativo de d(~sordem
psiquitrica potencialmellte~ tratvd.
Chochinov et aI. (1995) entn~Vii:1tarmll199 pacientes de dois
hospitais emWinnipeg, Canad, com diagnstico primrio de
cncer terminal, admitidos noperodo decoletcti)dedados. Uma
das preocupaes era verificar a existncia de-lQlao eI.!tr~J2._
d~~.i.clf) illQrt rell:tl:clopor JllgllIls dele~c(l,dBpress.o. ..diag:.._
nosticacl.a~m alg11I10.0a.sQ:._ A tabela abaixo mostra os dados
obtidos para essa varivel (diaglH)stico de depresso).
Desejo pela
morte
Presente
Ausente
Total
Depress.o
Presente Ausente
10 7
14 168
24 175
mulheres bebeu o etanol no suco de laranja no prillH~il'lldill
de teste (~o suco de laranja puro no segundo. A Ol'd(I/l11'111
invertida para as seii:1mulheres remanescentes. Am()sl,l':l~ldi'
leite para o estudo foram obtidas 30 minutos, 1, 2 (l :1 lima::
aps o consumo da bebida., de modo a interromper o utflli/lli)
possvd a amanwnta(:8.o.
Os bebs alimentaram-se livremente e o.total de leitejl~L.
..du. foi ei:1timadoa partir de clculos sobre o peso da crialJ(,:a(~
a densidade do leite humano. .Ja,.Q.uraoda amamcntiu,:;'ul__...
(tempo) foi obtida atravs de gravaes emvdeo.
Esses dados encontram-i:1eexpostos na tabela a seguir, ,jlllil.a
mente comos resultados do teste t pareado (11 graus (klil)(,1'
dade) que compara o comportamento das crianas d(~;tcmdll
coma bebida tomada por suas m.es.
Total
17
182
199
Varivel Bebida alcolica Teste t V alili: I1
Sim No
Leite ingerido (1 1 1 ,1 ) 156,48,2 120,4 9,5 4,69
< (),i)() I
Tempo (Trn) 28,6 7,7 28,2 7,3 0,15 (),H,~
(a) Formule a hiptese de interesse e teste-a ao nvel de sig-
'fi A 1 1::01
m cancla ce;)/0.
(a) Para cada varivel, formule as hipteses que foralll 1,(':- 1
tadas.
(b) Existe associao entre a presena ou no de lc:()1li 11:1
bebida da me eo total de leite ingerido pelo fillJo'! ,111::
tifique.
(c) Interprete o valor-p para a varivel durao da alJl:l.Ill1'll
tao.
(b) Calcule o valor-p.
(c) Qual a relevncia do resultado para a discuss.o atual
sobre eutansia?
IH. O consumo de pequenas quantidades de lcool tem sido re-
comendado amulheres que amamentam afimde ajudar lac-
tao. Entretanto, no h evidncias cientficas para tanto. As
crianas so expostas ao lcQol do leite desuas mes, que repre-
sentam uma pequena fra' do total ingerido, sendo mnimos
os efeitos a longo pra,po. A ocorrncia de alterao nas carac-
tersticas sensoriais do leite ou no comportamento dos lactentes
foi objeto de estudo de Mennella & Beauchamp (1991).
Dmante dois dias, comintervalo deuma semana, doze mulheres
consumiram suco de laranja puro ou contendo etanol (0,3 g/ kg
<lemassa corporal) antes deamamentarem suas crianas emeia-
Ilora aps ter sido obtida uma amostra do leite. Metade das
19. A existncia de relao entre criatividade e certos disl/ll'llill,':
mentais sempre foi alvodeespeculaes. Relatos mais aJ1Lig( lS .i:i
indicam taxas mais altas deesquizofrenia, psiconeuroses (~,Illai:1
modernamente, distrbios afetivos, depresso ealcoolii:1ll1o.
Estudos clnicos ecientficos ao longo dos anos no foralll ca
pazes de resolver essas controvrsias. Diferenas na COIIC( ~i L\I
ao emedida da criatividade, nos critrios de diagnstim psi
quitrico, na mtodologia einterpretao fazemcomqlW mlll
paraes entre esses estudos seJamimpraticveis.
Umdos trabalhos mais iUlportantcs para essadiscusso foi pu-
blicado por Ludwig emU)!)2, no qual ele compara o compor-
tamento criativo epsicopatologia entrc diversos grupos profis-
sionais, apartir depelo mcnos 1l111a foni;cbiogrfica bemdocu-
mentada ebemestudada.
Clnicils da UFl\/C (11 = Ll), representando um hospital 1(1
caliy,ado (!111lUua rcgi,\.() barulhenta, e o Hospital da H:ti('i"
('li, = 22), considerado um hospital mais silencioso. Os IH,)'
centuais de queixas elospacientes quanto afatores que pod('111
atrapalhar o sono obscrvados nos dois hospitais eos valoI'(,s-p
do teste) exato deFisher encontram-se na tabela abaixo. Mais de 1000 personalidades eminc)fltes,j falecidas equevive-
rampelomenos 1l1naparte desuas vidas nosculo XX foramdi-
vididas emdezc)IJovecategorias profissionais eobservac)scom-
portamentais ejulgamentos sobre eles, realizadas combase em
evidncias cientficas. Umdos aspectos abordados no estudo
envolveu a comparae;o entre dois grandes grupos, umcomos
integrantes da chamada "arte criativa" (arquitetos, pintores,
msicos, poetas, escritores, entre outros) eoutro comaqueles
deoutras profisses (por exemplo, banqueiros, atletas, filsofos
ecientistas).
Barulho
Acomod:1<Jioruim
Temperatura
Presena ou atelH;oa outra pessoa
Umidade, mofo, cheiro, p
Luz
Silncio excessivo
Desadaptao anova situao
Outros
(a) Sabendo que 38,7% dos membros do grupo de "arte cria-
tiva" (n = 555) e16,4% dos membros deoutras profisses
(n =450) experimentaram depresso antes dos 40 anos,
avalieaexi~tnciadediferenciasignificativa entre essesgru-
pos.
(b) Outro objeto de estudo foi a existncia de diferenas na
psicopatologia para integrantes do grupo artstico. A ta-
bela a seguir mostra a incidncia de suicdio como causa
demorte para poetas eescritores defico.
Hospital o
Baleia Clnicas
31,82 69,23
9,09 7,69
27,2 15,38
9,09 38,46
0,00 7,69
22,73 46,15
4,55 0,00
9,09 15,38
0,00 7,69
Valor-p
0,04:J
1,000
0,G 80
0,07G
0,371
O,2G H
1,000
O,GI K
O,:J71
(a) J ustiiique ouso do teste exato deFisher.
(b) Comente os resultados mostrados na tabela.
Causa da morte Poetas Escritores defico Total
Suicdio
10 7 17
Outras
43 173 216
Total
53 180 233
Formule a hiptese de interesse eteste-a ao nvel de sig-
nificncia de5%. Calcule ovalor-p.
:~(). I'> m umestudo sobre o efeito de condies ambientais sobre a
(Jllalidade do sono de pacientes, Pimentel-Souza et aI. (1996)
compararam dois hospitais de Belo Horizonte: o Hospital das
Captulo 7
Nesta sel)]O valnos apresentar os conceitos bsicos 1l1~I'I'S~,:l'il I:;
para a cornprel:nsiio do captulo. Utilizaremos para isto o CIli11.1' x 1.( I
de uma anlisl~dl~dados eln qlW existe apenas uma varivel n'sl)1181.:1
de interC8sl~,dl~scrita pela distribuil:o gaussiana.
Medida do Efeito de uma
Interveno ou Exposio
Moura (1990) avaliou os nveis plasmticos de vitamina A 1'111
um grupo de 47 crimll:as diabticas comidade at 12 anos. li III d('
seus interesses era conhecer o nvel sangneo da vitamina 1 \ 11l'~,I.I'
grupo, composto depacientes tpicos dos atendidos pelo setOl' dI! 1';1l
drocrinologia Peditrica da Faculdade de Medicina da UFM( :.
Nos estudos do tipo caso-controle, estamos interessados emveri-
lic:l.rse o grupo de pacientes com a patologia de interesse foi mais
(IliI rnenos) exposto ao fator de risco em anlise. Ao verificarmos,
:l.l.r:l.vsde testes de hipteses, a e:ristncla de efeito da exposio,
d(~llloSuma resposta parcial aessa questo.
Neste captulo vamos responder mesma pergunta medindo, en-
I.rdanto, oefeito da exposio. Essa abordagem , emmuitos aspec-
I.IIS,mais completa etil do que a apresentada no captulo anterior.
1' 1 Iristo tornou-se aforma padro deanlise da associao entre fator
IlI' risco e doena nas revistas cientficas da rea mdica. Sua utili-
II:ukse estende, naturalmente, aos outros tipos de estudos clnicos,
1'111. n~eles estudos de coorte eensaios clnicos.
( :(nno fizemos no Captulo 6, vamos dividir a apresentao do
1.1'111:1. de acordo com o tipo da resposta de interesse (contnua ou
(li('oL(nllica) eda forma decoleta dedados utilizada (grupos indepen-
dl'III.I~Sou pareamento). No entanto, para tratar destes assuntos,
111'1 'I:isoconhecer alguns resultados gerais, que sero introduzidos nas
:11'(:IIf~S 7.2 e7.3.
Em termos estatsticos o objetivo eloestudo descrito no EXI'lllpllI
7.1 conhecer o nvel rndio, fi. , da distribuil:o do nvel sall!',ilflll'll
de vitamina A emcrianas diabticas, Neste caso, {L o ] JI / , ni: I I ll'iI '1 l
de inteTesse.
Em geral, para a anlise estatstica dos dados de um p1'<l1 )1('111:1
clnico preciso, primeiramente, identificar os parmetros dl~i111.1 '1'1':1
se, isto , aqueles cujo conhecimento viabiliza a soluo da <I"1'81.:UI
colocada. Esta identificao exige de quem analisa os dados I~XIH 'ri
ncia clnica relevante, intuio econhecimentos estatsticos.
A tomada dequalquer deciso deve ser baseada no valor dI I paril
metro de interesse que, entretanto, no conhecido na pn.Lica. I';lliI
atender a esta necessidade foram desenvolvidos mtodos agrllp:ulll::
na chamada Teoria da Estimao, uma grande eimportant(~ :l'l~a(1:1
Estatstica.
A se aprende como, apartir de dados amostrais, podmllos 01)1.( 'I
valores que se aproximam do verdadeiro valor do parml)tl'o. 'l'alll
bm pode-se entender exatamente como estas aproximal;()()s d('VI'111
ser construdas edeque forma esto prximas dovalor do par;'\,lIldrl I,
Este captulo trata dos aspectos mais simples esempn: t(~I)( I() ('1111111
referncia as necessidades dos estudos clnicos.
razovel admitir que o nvel langiineo de vitamina A tem dil-
t.l'iImi({ogaussiana. Com eltaelpeci1ca(;iio, o problema do Exemplo
7. I l()reduz a encontrar mtimatival para Oldoil parmetros da dis-
t.l'illlti(;o (fI e 0-).
A Teoria Estatstica tem vrias soluc;es para este problema. A
1I1ail comum dada pc10 Tntodo da Tn:r:'na vc'{'()ssiTnha'na. Em
1.1 !l'lllOSintuitivos este mi:odo baseia-se no leguinte princpio: entre
t.odas as amostras possveil, aquc1a observada a que tem maior
Ill'()1>abilidade.
Assumindo que os valores dos nveis da vitamina A so rnpresen-
t.ados por X 1 ,X 2, ... ,X 'n (n = 47), () reprelcntando fi, e &2 os csti-
IItadores fornecidos pelo mtodo elamxima verossimilhana, temos
IPU!
Com a construc;iio de intervalos de confiana agregamol ai) I!~i
timador pontual informa(;iio sobre sua variabilidade. Isto (! Id1.0
escolhendo-se um limite inferior e outro superior para a estiIl tal.iva.
Descutimm: a seguir o sentido pnciso destes limites ea forma de)llla
obten({i:io.
Para construirmos o intervalo de confiana para {L, usareI tI( ll (I
seguinte resultado da Teoria Estatstica, que justificado intllit.ivll.
mente na prxima se(;o
X -I L
- ",- - rv t.n-
1
:A
b I
"fi" l' t 'b ' - " S Z;(X i-'\')~! t
onde osm o orv slgm ca ter eIS 1'1'ma.o, x = n-I (i '/I I
representa a distribuio t com.~ graus de liberdade, cuja 1.11.1 l(\11I.
est disponvel no apndice A5. Ou s~ja, mesmo no se COIlIt()('(IIHlo
{L, podemos calcular probabilidades envolvendo a estatstica
X -I L
T---
- s~; ,
Vii
:B'I)' , (X - X )2
'1,=1 I,
Umgrande nmero de autoi'es recomenda, entretanto, para (T2 o
:,1igllinte estimador
que nos permite construir o inteT" ualo de confiana para I '"
Para isto, atravs da tabela da distribui(;o t
n
-
1
O!>t(!III(I,"11111
valor t* tal que
D'n (X X -)2
2 = LJi=1 i -
n-l
I';xistem motivos tericos e prticos para esta indicao. Sem
"X JlIicjtar as justificativas, cujo entendimento exige conhecimentos
111
11
' Iiltrapassam o nvel terico pretendido para este texto, vamos
1I.(1,1i,; .. ia.
I';lt()l dois estimadores so chamados de pontuais, pois fornecem
IIJlI'llalo valor da estimativa do parmetro. A questo da sua vari-
ahi Iidadl) tratada pela construo do intervalo de confiana, assunto
,Ia Ill'()xima seo.
[
* X - I L *] Pr -t:S 5, :St
Vii
[
- Sx - S\, 1
Pr X -t*-, -' :S{L:SX +t*-" , (I '
vn .JI i
Assim, um 'inteTvalo COTld l, 'I J, (: a para f" COIU uvel d{~couJian{,a clr:~
I()()(1- (v)% dado por
[
X - t* 8,); ; X +1;* , E/ I : ]
vn vn
Tabela 7.1:
Amostras de tamanho 6 esuas mdias
Amostra :rl :r2 :I:;3 :(;4 :r5 x6 Mdia
1 11,7 11,:3 11,3 11,8 11,7 12,7 11,8
2 12,9 12,5 9,9 11,7 12,9 12,3 12,0

3 12,3 13,5 12,8 12,6 10,9 12,8 12,5

I
11,4 11,9 13,5 12,6 13,3 12,6
4
13,1
5 12,4 14,0 12,0 12,5
12,1 11,4 12,4
6 12,0 12,0 12,5 13,5 11,1 12,3 12,2
7 12,6 12,7 10,9 10,7 10,9 13,8 11,9
8 11,6 12,3 11,8 13,2 13,5 13,5 12,7
9 12,7 12,8 13,4 11,4 11,2 12,9 12,4
10 9,7 13,4 11,2 12,0 12,6 11,4 11,7
50 11,2 11,4 12,1 13,4 11,9 11,5 11,9
V()l'emos na proxlma seo <]11<) )n () uma estimativa do desvio-
pa<ll'ao de X. Assim, o intervalo d{~conJiaw,a para fi, centrado na
,'sl,iI 11 ativa do efeito, e varia de uma quantidade 't* de:wios-padro
Ilal'a baixo at o mesmo nmero de desvios-padro para cima.
I'lxumplo 7.2: Nveis plasmticos de vitamina A (continu-
lIio)
I'ara os dados do Exemplo 7.1, :Y:=25,5 '1 neg/ dl e8 =8,5 meg/ dl.
I'ara umnvel deconfian{,a de 95(/r1, opercentil da distribuio com 46
)',I'aw..;de liberdade t

,fJ7c, = 2,0129. Portanto, o intervalo de confi-

allC,apara amdia do nvel plasmtico devitamina A [23,00; 28, 00].
( ~llIll95% de confiana 'podemos afirmar que onvel plasmtico de vi-
1,'l.Il1illaA em criam,as diabticas com idade at 12 anos varia entre
~~:\'/ I / ,{;g/ dl e 28 meg/ dl.
Na Figura 7.1 apresentamos o histograma da coluna de mdias,
que tem mdia 12,072 e o desvio-padro 0,359.
() objetivo desta seo apresentar os resultados da Teoria Es-
l,aUsbca, usados na construo de intervalos de confiana. Esta seo
alll'I)S{mtaresultados tericos e pode ser omitida em uma primeira
1"jl,llra. , entretanto, fundamental para um entendimento mais pro-
1'1111111) da forma de construo dos intervalos de confiana.
Sao trs os resultados aserem apresentados: afrmula do desvio-
1111.<11',10 da mdia, adistribuio da mdia amostral esua distribuio
li,1111'1 llliladapelo desvio-padro.
( :ollsideremos que a varivel aleatria nvel da hemoglobina em
IlIIJill()I'{)S jovens gozando de boa sade tenha distribuio gaussiana
,'llIll 11I{)dia12 edesvio-padro 1. Vamos tirar sucessivas amostras de
1IIIIIalllloGdesta populao epara cada amostra, calcular sua mdia.
1'lira !l() ]'(;peties, obtivemos os resultados da Tabela 7.1.
Os dois primeiros resultados que devemos explicar referem-s{) 1l.I)S
valores tericos da mdia edo desvio-padro d~populao de m{)<! ias,
uma amostra da qual est apresentada na ltima coluna da 'T'aIHdIl
7.1.
'111 s(~ja, quej-; desvio-padl,'~,~ da lndia {~dado pelo desvio-padro da
poplllao diVIdido por.j0,i
Note o leitor que o desvio-padro da mdia, tambm chamado de
("no padro, sempre menor que o desvio-padro da popula{:iio para
n:~ 2. Intuitivamente este rmultado esperado j que amdia de um
cOlljunto devalores, de uma mesma popula{Jio, deve variar menos que
'JS prprios valores. Alnr disso, o desvio-padro da mdia diminue
:\ Ilwdida que cresce o tamanho da amostra, mais precisamente
1It<~didaque cresce a raiz quadrada do tamanho da amostra.
Neste exemplo deveramos obter ~ = 0,41. A diferena entre o
valor terico de 0,41 e o valor observado de 0,359 advm do fato de
,'sl,annos usando uma amostra de tamanho 50.
O segundo resultado, Teor-enw, CentTal do Limite, diz que amdia
L,~11l aproximadamente distribuio gaussiana centrada na mdia da
populao edesvio-padro dado pela expresso (7.7), isto ,
7.3 Medida do efeito: resposta contnua
o objetivo desta seiio mostrar como o efeito pode ser estilllll.<lo
apartir dos dados ecomo deve ser tratada aquesto da variabili<lll.ll,'
desta estimativa para os dois tipos de coleta de dados: anJ(lsl,rll.H
emparelhadas eindependentes.
Consideremos uma situao em que os pacientes do estudo (!HI,IIII
divididos em dois grupos e a resposta de interesse contnua. 11111
exemplo tpico um ensaio clnico para verificar se uma droga 1,('111
efeito hipotensor. Nesta circunstncia, o comportamento global ('111
cada grupo sintetizado pela mdia aritmtica dos valores da varifv(.1
resposta. O efeito da inter-veno definido como a difen~1i<:a<1":1
mdias das respostas dos pacientes nos dois grupos.
() histograma da Figura 7.1sugere avalidade terica deste resulta-
do. Repetindo o processo de gerao de mdias para 1.000 amostras,
(>IJI,(!mosa Figura 7.2, cujo aspecto gaussiano mais claro.
() terceiro resultado devido a W. Cosset que descobriu, no
pri llcpio do sculo, que a razo
A varivel resposta denotada por Xl e X
2
, respectivalli<'III",
para os dois grupos a serem comparados. Os dados so paJ'(~s<I,'
observaes: (xn, X 1 2), (X 21 , X 22), ... , (X nl, X
n
2)' bastant{~ illl,11 iLi
vo pensar que o efeito de interveno para cada par medido p,!Ias
diferenas dI =X n - X 1 2, d2 =X 2l - X 22, ... , dn =X nl - :I :
n
'2 ,~ '1111' a
estimativa do efeito 1-"1 - f-L2 = / "d dada por
1"111distribuio que no depende de 1-" e1 T
2
, mas apenas do tamanho
f /11alllostra. Produziu as primeiras tabelas para esta nova distribuio
f 1
11
" rl!(:(~beuonome de t de St'Udent, pseudmino utilizado por Cosset
I':lra plIl llicao do resultado.
()I>tida esta estimativa, (~nal,lu';11 I)(Tgllutar-r:(~r:oln'() a variabi-
lillal!() associada a este valor. A rcsposta {~dad, pc10 '!J;CTVlr,/ O dc
j r! 'lI jr: n: o., que neste car:o {~
Este intervalo nos d uma boa representao da variabilidade com
que conseguimos medir o efeito hipotensor do timolol. Podemos afir-
mar com 95% de confiana que o timolol reduz a presso ocular por
uma quantidade que varia de 0, 4 mmHg a4, 8 mmHg. A no incluso
do zero no intervalo indica, ao nvel de confiana de 95%, aexistncia
do efeito, mesmo resultado que obteramos atravs do uso do teste t
para dados pareados, descrito no Captulo 6.
/,* / o percentil eleordeul ] - 1\'/'2 ela (.lis. t.ribui()io t com
l-c> 2
1
1'[ . 1 '
graus de liberdade c -"ri () o desvio-padriio ( as ( 1'ereue{as, lS',0e~,
I ;(d;-JY
n~l
II;Ulestudo realizado no Hospital Si"l,oGeraldo da UFMG, Cronem-
I)(~I')', 81; Calixto ( 1991) estudaram acapacidade de reduo da presso
iIill'aocular das drogas timolol, bctaxolol e levobunolol. Para isto,
IIII~elicaram10pacientes com as trs drogas ecompararam os resulta-
IIIIr:com aqueles obtidor: quando os pacientes receberam um placebo.
I\s Ilwdidas da presso intraocular, expressas em mmHg, obtida s
li I,mas da manh com os pacientes usando timolol e placebo so
ai 11'1)sclltadasna Tabela 7.2.
muito comum em ensaios clnicos a necessidade de realizar
comparaes entre grupos independentes de pacientes. Chamando
as observaes do primeiro grupo de X ll, ... , :r
n1
l, e as do segundo
X12, ... , Xn22, a estimativa do efeito dada por
Corno no caso anterior, este valor apenas a estimativa do ver-
dadeiro valor do efeito lil - /-"2'
No Captulo 6usamos oseguinte resultado demonstrado pela Teo-
ria Estatstica:
I)Iacebo 22 25 23 18 24 24 17 23 22 23
'I 'irnolol 18 20 20 17 16 20 20 20 20 24
1';Feito - 4 - 5 - 3 - 1 - 8 - 4 3 - 3 - 2 1
1)1)1' exemplo, o efeito do timolol para O' primeiro paciente foi de
11'1 IIII'.j I' a presso ocular em 4 mmHg. Para descrever o efeito global
11,,:: I() pacientes considerados, usamoscI, a mdia do efeito em cada
11111 clllr: 10pares. Neste caso II = -2,6 m:mHg urna estimativa
cl" dl,it,o hipotensor do timolol, ou seja, esses 10 pacientes fornecem
I'Vil\I'I\l:iar:de que o timolol diminui a presso ocular em 2,6 mmHg.
1 \ \{~llldisso, Sd =3, 098, .fi;, =0, 98, t* =2, 262. Assim, ointervalo
111' l'llulialll;a com nvel de 95% para o efeito hipotensor do timolol
Obtendo da tabela da distribuio t com nl +n2 - 2 graus de
liberdade um nmero t* tal que Pr [-t* : : : ;t
n1
+
n2
-2 :::;t*] = 1 - 0:,
onde 1 - o: o nvel de confiana escolhido.
Fator
Exposto No-exposto
pPl qPo
p(Jl q(J()
1 ) q
Umexemplo ilustra que os clculos neccssrios que so razoavel-
111(~lltc simples.
Present(~
Auscnte
Total
Utilizando os dados obtidos no Exemplo 6.9do Captulo 6, pode-
IIIOSobter uma estimativa do efeito da tianeptina ao fimde 42 dias
(I( ~ \lSO.
Total
PP1 +qPo
p(Jl +qQo
1
Em um estudo de coortes, as propores p eq =1 - p indicam
simplesmente o tamanho relativo das coortes do estudo. Entre os
pacientes e:;;postos P1 aproporo dos que desenvolveram adoena
eP
o
apropor({o anloga entre os pacientes no e:EpostoS.
Os dados amostrais, emestudos tipo caso-controle e de coorte,
so usualmente apresentados como na Tabela 7.5.
Fator
Exposto No-exposto
0,08 0,06
0,32 0,54
0,4 0,6
Grupo placebo
Grupo tianeptina
sl=1 1 ,09
S2 = 7,26
Presente
Ausente
Total
:[;1 =20,53
:[;2 = 11,37
TI '1 = 15
'1 7.2 = 16
(20,53 - 11,37) ,(2, 0452)(9, 31 )1 ]~'i+1
1
6 =
ID, 16- 6,84; 9, 16+6,84] =[2,32 ; 16,00]
Ou seja, a tianeptina tem claro efeito, ainda que medido com
1',I':uldcvariabilidade, neste ensaio clnico.
Total
0,14
0,86
1
Tabela 7.5: Freqncias observadas em estudos caso-controle ou
coorte
varivel resposta pode ser dicotmica emqualquer tipo de es-
LII"Oclnico. No entanto, otipo padro deresposta emestudos tipo
(':I:I() controle eemmuitos estudos de coorte.
Tabela 7.3 apresenta, neste caso, as prop.Qres dos pacientes
('( )1'1'( !spolldentes a cada possvel classificao. Para exemplificar, va-
IliI):-;SIIJH)rque P1 = 0,20, Po = 0,10 e p = 0,4. Obtemos a dis-
Llilllli({<l.o da Tabela 7.4.
Presente
Ausente
Total
Fator
Presente Ausente
a b
c d
a+c b+d
Total
a+b
c+d
N
o risco de quem tomava aspirina regularmente i' [)!)% do l'isCII c!O",/
que niio o faCiarn.ou ainda, o risco de quem no toma a dmga (! 1,00
vezes maior do qlH~o dos usurios.
No est,ydo de coorte {~lmstaut,e uatnral p{~llSarna razi'io de PI e
I il, como~edida de efeito da exposil}w ao fateil Esta raCorecebe
(J l!ollWde risco r'C1 ati'U(), ser denotada por RR edefinida por
o.,risco rdativo, embora seja uma medida de efeito COUl 1I1IIiLaH
qualidades, tem uma grande limitao: po p{)de SE)!: estimado I!111
. > ,<, .. ,,"....._ .- ... '..... ~--.-r'.
,estulo..de caso-controle, forma mais freqente de estudo cOlll(araLI
:;.-Isto porque, neste tipo de estudo, as incidncias observadas Si\1I
meras conseqncias do nmero escolhido de casos e control{!s I! Ilao
caractersticas dos grupos emestudo. Por isto, buscaram-se nli\.Il<!irw-i
alternativas para se definir o efeito da exposio de forma adl!(Jllada
a todos os estudos epidemiolgicos. A soluo encontrada Foi II IIHI I
de uma medida denominada mziio da8 chances.
Define-se chance de se desenvolver a doena entre os (!XIliIHL{ lil
como f: [; e entre os no expostos como ~~. Portanto, a 'I 'I L".rl.O d(/ ,,~
chances :
orisco relativo , ,natu:'almel1t(), estimado pela razo das duas
propores amostrais P1 e p().
fi _1 _'.
R
'R =_ 1 = o-+r:
.. , li
- RI I i+d \)
() leitor deve se lernbrar de que um ensaio clnico pode ser visto
1:111110 umestudo decoortes, emque osgrupos foram criados atravs de
alocao aleatria de pacientes aos grupos. Portanto, o risco relativo
Il(l(l{~ser calculado para ensaios clnicos.
Com o objetivo de testar se 325 mg de aspirina (65% de um com-
priluido usual que de 0,5 g), ingeridas emdias alternados, reduzem a
111I1I'Lalidade devida adoenas cardiovasculares, umensaio clnico con-
Ll'Illado, duplo-cego, envolveu umtotal de 22.071 mdicos americanos,
1'0111idades entre 40 e 84 anos, que no tinham histria de infarto
IIlI Illiocrdio, acidente vascular celebral (AVC) ou ataque isqumico
Lr:lllsitrio, no usavam regularmente aspirina e nem apresentavam
{'IJliI.ra-indicaes ao seu uso. Destes, 11.037 receberam aspirina ativa
(' II.m4, placebo. O experimento teve incio em 1982 com os resulta-
dll,L:liuais publicados pelo Steering Commitee of Physicians' Healthy
(, "'OUI ) (!m1989. Durante otempo deseguimento (mdia de 57meses),
1{IIalllobservados 139infartos no grupo que tomava aspirina e239 no
",I'IIJ I( I placebo. Assim, P1 =li67 =0,013 ePo =li6~4 =0,022.
"III'l.anto, uma estimativa do risco relativo :
Este o parmetro de interesse para anlise de tabelas ~:x :2I' I'
estimado por
a./ (a+c)
, c/ (a+c)
1/) = b/ (b+d)
d/ (b+d)
Por razes tericas a variao de 'V) mais facilmentl! calt:l 11111 111
na escala logartmica. Vale o seguinte resultado
, 1 1 1 1
Var[ln 1/)] =- +- +- +-
a b c d
, 0,013 1 0,022
RR =---ci2? =0,59 ====? - ,- =O 013 =1,69
O, ~ RR,
Como ln~ tem aproximadamente distribuio gaussiaua 1:1111.'11.1'111
mos intervalos de confiana para In'V)da mesma forma da SI!I:all1111
terior, isto ,
Conseqiientem(mte, o risco relativo, aproximado pda l'ay,/I,( I (1 1 lH
chanccs, pode ser estirnado diretamente de um estudo tiJlcI c'n:,(I
controle, ainda qu<~esta razo no fornea nenhuma informa(,:1<I s(1111'('
o valor absoluto das taxas de incidncia (Po ePl) nos grupos ('XJlll:1
tos cno-expostos, Esta uma forte justificativa para ouso da l'aY,i!C I
das chanccs como medida de efeito quando a varivel resposta (~cii
cotmica.
Para se apreciar completamente a importncia deste resul tadcI,
alguns outros fatos so necessrios. O leitor interessado cOllvidacicI
aconsultar Breslow eDay (1980), umlivro clssico da rea.
Em estudos pareados comresposta clicotmica possvd (~stjlllnl'
arazo das chances. A forma mais simples desefazer isto, entl'dalll.cI,
via acombinao de tabelas 2 x 2 (Fleiss, 1981).
cliId(~z* o percentil obtido de uma tabela da gaussiana padro tal
clll<~PT[-Z* <Z <z*] = 1 - Ct eVo, 'I '[lI l'J} ] dada por 7.20.
Considerando que as probabilidades associadas aos valores 0,01 e
(), OS, correspondendo aumnvel deconfianc;aele99% e95%, tomados
fJ'(lqentemente como referncia, temos z* igual a 2,33 e 1,9G.
Seeste intervalo contm onmero zero (correspondendo ao valor
I para arazo dechances) entiio aassocic:tl,oentre adoena eofator
nl.o estatisticamente significativa.
Para obter o intervalo de confiana para 4} basta exponenciar os
liluites inferior esuperior do intervalo (7.21), isto , [
i
; 'l
Dois motivos concorrem para adoo da razo das chances como
a forma de se medir associao entre fator de risco e doena, como
discutido aseguir.
Usualmente as doenas so raras, isto , P1 e Po so pequenos
(~portanto Ql = Qo .~ 1. Nesta situao, 4) = ~l = RR. Noutras
(- - 9 " .
IlaIavras, \I2a,radoenas raras, arazao das chances eproxlma do nsco
I'lli:l.tivoepode portanto ser interpretada da mesma manir:\
Osegundo motivo que .) pode ser estimado comdado-;"dequal-
. (11 I(lrtipo deestudo. Esta segunda vantagem foi percebida edivulgada
JlI)[Cornfield (1956), emumartigo fundamental para aepidemiologia
IlIoderna. A seguir apresentamos uma justificativa intuitiva para este
1'( :sllltado.
Considerando aTabela 7.3como proveniente de umestudo caso-
c'cliIt1'ole,temos que
Para verificar se o fato de ter sido amamentado pela IlIac~(. 11111
fator de proteo para ocncer de mama, Freudenheim 01 . aI. (I !l!),I)
realizaram estudo do tipo caso-controle nos condados de El'i(: (' Nil"
gara situados na parte oeste do estado de Nova York (EUA).
As pacientes tomadas como controle foram escolhidas lia JlCI1 111
lao da regio, no havendo emparelhamento. Os dados lllll.icic1:1
esto apresentados na Tabela 7.6.
Amamentao
Sim No
353 175
449 153
pH
Pl =Pr[exposio I caso] =-P---
P 1 +qPo
Casos
Controles
Po =PT[exposio I controle] = Q PQl Q
P l+q o
O risco de desenvolver cncer de mama entre mulher<~salllalllc'lI
tadas pela me, aproximado pela razo de chances, estillladll Jl11I
Pl/ ql =PlqO =P1 Qo ='ljJ
po/ qO POql POQl
A (353)(153) ,
4)= (175)(449) =0,69
ou seja, nominalnwni;(), o risco do grupo anmuwntado apenas 69%
do risco do grupo no amarnentado. Para obtermos umintervalo de
confiana para '1 / ) temos que calcular:
, 1 1 1 1
Vel'/'[ln"/;] - - +- +- +- - O 02
, y - 353 175 449 153 - ,
ou seja, a estimativa do desvio-padro de ln,)) y',02 = 0,14. Um
intervalo de 95% de confiam:apara ln'l/) portanto
o intervalo para '1 / ) ento obtido tomando-se aexponencial dos
limites inferior esuperior deste intervalo, ou seja, [0,53 ; 0,90], in-
dicando uma associao significativa entre ter sido amamentada e
cncer demama.
Esse resultado deve ser interpretado comcuidado, uma vez que
no foramconsiderados fatores importantes, como histria familiar e
idade na primeira gestao. De fato, ao ajustar o modelo incorpo-
rando essas variveis, a associao deixou deser significativa.
Os resultados finais do ensaio clnico sobre aeficcia da aspirina
lia preveno de doenas coronarianas, so dados pela Tabela 7.7.
N(~statabela a estimativa do risco relativo eintervalo de confiana
fo!'amobtidos por mtodos, no descritos aqui, que consideram o
L(~IIJpode acompanhamento decada indivduo.
Quem tomou aspirina teve uma reduo de 44% na chance de
Ln!'infarto do miocrdio (fatal eno fatal) emrelao ao grupo que
IIHOj;omou. Este resultado estatisticamente significativo j que o
iIIL(~I'Valo de confiana no contem o valor 1. Quanto ao AVC (fatal
(' lIao fatal), quem tomou aspirina teve sua chance aumentada de
:2~(X"mn relao ~os que no receberam aaspirina. Este valor no ,
('11 LI'danto, estatisticamente significativo.
Tabela 7.7: Freqncias e riscos relativos referentes a infarto do
miocrdio (1M) e acidente vascular cerebral (AVC) nos grupos que
receberam aspirina ou placebo
Resultados
finais
Grupo Risco relativo
Aspirina Placebo (RR)
LC. para RR
(95%)
1M
Fatal
No fatal
Total
26
213
239
0,34 0,15- 0,75
0,59 0,47- 0,74
0,56 0,45- 0,70
1,51 0,54- 4,28
1,20 0,91 - 1,59
1,22 0,92- 1,60
10
129
139
AVC
Fatal
No fatal
Total
9
110
119
7.5 Exemplo comentado: Desnutrio hospi-
talar
A desnutrio, umestado mrbido secundrio a uma deficincia
ou excesso, relativo ou absoluto, de umou mais nutrientes tem alta
prevalncia empacientes internados, especialmente cirrgicos. Pode
relacionar-se doena debase (cncer, A1DSedoenas inflamatrias
intestinais, dentre tantas outras), a componente iatrognico (jejum
prolongado para realizao depropedutica, por exemplo) etambm
a alteraes metablicas induzidas no trauma operatrio. Pacientes
cirrgicos desnutridos tmmaior incidncia decomplicaes endices
superiores demortalidade.
Naavaliao do estado nutricional podem ser empregadas vrias
abordagens. So utilizadas, por exemplo, avaliao subjetiva global
(histria clnica completa), medidas dedados antropomtricos (peso,
altura, ndice de massa corporal: 1MC =pesojaltura
2
, medida do
pregas cutneas), anlises bioqumicas (contagem total de linfcitos
ealbumina) eresposta atestes desensibilidade cutnea.
Correia (1997) estudou pacientes do Sistema nico doSade COlll
idade superior a18anos, internados em25hospitais da rndn PI'lhli<:lI.,
cOJlveniados, filantrpicos c llllivcrsitrios d(~12 cstados do Brasil e
do Distrito Federal entrc maio (~uovClJlln'o dc 19()6.
Neste estudo, que rccebcu a d(~llOmilla(JioIllqU{~IitoBrasilciro dc
N\I tric:o (IBRANUTIU), foralll lcIndos 4000 casos, 2072 clnicos c
I!)2H cirrgicos. Dos paci<~nt<~scin'lrgicos, :W4 referiam-se a cirurgias
do aparelho digestivo (~hrnias da lmr(~(l(~abdominaL
A Tabela 7.8 evidencia o (~stado nutricional de toda a amostra do
(!sLudo, dos pacientes cirrgicos (~dos pacieltl.es sulmwtidos acirurgias
do aparelho digestivo (~hrnias da pared(~ abdominal.
Tabela 7.(): Distrilmi<.;o para algumas caractersticas di! plldc'llll'H
submdidos a cirurgias do apclrelho digestivo ehrnias da pal'l ,di' 1111
dominal, a estimativa para a razo de chances (1 / )) (! o 1'1 !~qli 'I -Li ""
intervalo de ()5% de confiam:a
Caracterstica Pacientes -J) Te I>al'al/'
dos pacientes Desnlltridos Nutridos (%IX,)
Idade
> GO anos 85 (64,4
1
/(',) 47 (35,6%) 1,81 1,14 - 2,S'I
:s; 00 anos 121 (50%) 121 (50%)
Cncer
Sim 116 (85,5%) 23 (16,6%) 8,13 4,70 .. ' liI,I'1
No 90 (38,3%) 145 (61,7%)
Infeco
Sim 92 (61,7%) 57 (31,1%) 1,57 I ,O I '.~,I ri
No 114 (50,7%) 111 (49,3%)
Internao
2: 8 dias 114 (69,9%) 49 (30,1%) 2,73 I ,(,li 1':1 I
<8 dias 92 (43,6%) 119 (56,4%)
Tabela 7.8: Distribui(Jio do estado nutricional dc todos os pacientes
do IBRANUTRI edos pacicIJt(~scirrgicos dcstacando-se os submdi-
dos a cirurgias do aparelho dig(~stivo c hrnias da parede abdominal
:AD+HPA)
Nutrido
Desnutrido
moderado
grave
Scm diagnstico
'rotal
1407 (35,2%)
498 (12,4%)
34 (0,8%)
4000 (100%)
Tipo dc Cirurgia
Geral CAD+ HPA
1233 (64,0%) 188 (45%)
543 (28,2%) .
140 (7,3%)
12 (0,6%)
1928 (100%)
135 (36%)
71 (19%)
A Tabela 7.9 mostra a distribuic:o para algumas caractersticas
11I >spacientes submetidos a cirurgias do aparelho digestivo e hrnias
lia parede abdominal, a estimativa para a razo de chances e o res-
Ili!ctivo intervalo de confiana.
Estimou-se que pacientes portadores de neoplasias malignas tm
11111 risco de desnutrio cerca de 8 vezes maior do que os no porta-
I II)['(~s.
Pacientes internados por um perodo superior a 7 dias (2: 8 dias)
apn~sentaram uma chance de desnutrio 2,73 vezes maior do que
aqlldcs internados h menos tempo.
De acordo com a conveno cientfica, um achado {~1!~,L:il:iIlill
mente significante seovalor-p menor que um ponto d(~cOI'LI'(1',1'1111
mente 0,05). Por outro lado,fllm resultado clinicament(~ llll liIII.:lliI,'
I-
se o intervalo de confiana para o parmetro de intcl'!!ssl! dirl'lI' d"
valor especificado na hiptese nula por uma quantidadc (:oll~;dl'I:ldll
clinicamente relevanti]
A Figura 7.3 ilustra os tipos diferentes de resultados lia ~;iLII:U:IIO
em que a inexistncia de efeito corresponde ao valor ~(!1'Ilc' 1'111 '1111'
W a quantidade considerada clinicament. e importanLI!. ITlllillldo o
intervalo de confiana re.presentad..~"~,, elo se.gmcnto.d(! nA"_illl'llIi 'I
zero, cu:.esultad--Uo.bignifi9clltEl.~e o efeito esti I nado (, i11r,'Iilll 11
W, o efeito no considerado clinTcamente importall~
a rmlao de / ; a: J: O, , ~ dn incidncia da doena. Neste ca:-:o, dividl' ~~I'I I
nmero dn dOI~ute:-:pc10 n1m(~rototal de unidades de tmllpo 1'111li"l'
foram acompanhal [0:- :. Alternativamente usam-se modelo:-: (~:-:l.aU~iI, il'I ,: i
para o tempo de acolllpanhamento, ou sobrevivncia (1<1(~ildlalllll,
1995).
['3tathlicaJ TI8nte no significant8
F'V 3",velnlonle Impoltante
E statisticamente slglllflcelnte
F'os~:)ivolnvjnt8 inlportante
E stali "licarnente significanle
Impolt81lte
E statisticamente no significante
f\I;]OImpOltante
E statisticamente signlflcante
I'.loImportante;
No h con:-:ensoemcomo traduzir otermo odds-ratio. Pl'<J(~ri1111 ,:I
o nome Taziio das cha'nccs qun criticado porque a palavra dlalll'l'
est mais relacionada com probabilidade, conceito diferente daI 11li011'
captado pela palavra odds. Optamo:-: por criar um novo sentido parI!
a palavra chance ao invs de criar um neologismo, corno d(J(~11I1 id,)
por aqueles que usam termos corno r'(J,ziio de odds.
1,'i)',lII'a7.3: Esquema ilustrativo da signihcncia estatstica n SIg-
Ililidl.Jlcia clnica
7.(j.2 Equivalncia entre teste dehipteses eintervalo
deconfianq
i)oCentro de Acompanhamento Pr-Natal, para dnpI'lldl'III.I':i
;/ de drogas qumicas, da Escola de Medicina da Univ(~l':-:i<1:)( li' di'
Northwestern - Chicago acompanhou agravidez de 55 111111111'1'1':1
dependentes de cocana. Destas, apesar de todo o 1~:-:r()J\'1 I IIiI
centro, apenas 19 conseguiram parar de usar a droga <1111':1111."
o 1- trimestre. A tabela abaixo apresenta os resulta<1o:-:do::
pesos dos recm-nascidos do grupo 1, filhos de mes qlll~II:-:al'alll
cocana apenas no 1!2. trimestre de gravidez, edo grul)() ~, IiII1Ilii
de mes que usaram cocana durante toda a gravidny..
I';xiste equivalncia entre teste de hipteses bilaterais e intervalo
,li' confiana. (Pode-se entender que o intervalo de ~onfiana en~loba
Il,c;valores plausveis do parmetro para um determmado coefiCIente,
I111(' {~o complemento do nvel de significncia., Assim, se o intervalo
d" I:()llfiana contem o valor especificado na hiptese nula, no se
1'1 '.iI'iI.aa hiptese.
I'01' exemplo, baseados no intervalo de confiana para a razo
di' I'!tarlces ('I jJ) do Exemplo 7.6, podemos testar as hipteses Ho:
1/' I versus H1 : 4) # 1. Como o intervalo de 95% de confiana
."d,illl) [O530 90] no contem o valor 1, no se reJ'eita Ho ao nvel
, , " , --
di' :-:igllificncia de 5%.
Informao
Tamanho da amostra
Mdia (g)
Desvio-padro (g)
Grupo 1
19
3160
453
Grupo :2
36
2829
70S
(a) Faa o teste estatstico adequado para verificar a 11ip{d,I'::I'
de que os filhos de mes que usaram cocana dlll'alll.l' 1.11
da a gravidez trn peso ao nascer diferente do:-: fi1111 I:: di'
mes que usaram cocana apenas no primeiro tl'illll"c;l.l'l'111'
gravidez.
Na:-::-:eesanteriores, ao tratar do estudo de coorte, assumimos
'1111'I.alll.oos pacientes do grupo exposto quanto os do grupo no
"X Ili1:-:1.0 foram acompanhados durante o mesmo perodo de tempo.
I:d,l1,', 11mi:-:a exceo do que a regra e portanto, para se descrever
" ri::cII rc1ativo em estudo de coortes usa-se muito freqentemente
(a) Para as lllullwn~sC01nidade entre 40 e50 anos verifiqn(~,
usando otest(~,uleqwHto, s(~ter sido amamentada pela m(~
(~fator deproLe()'i.opara ocnc(~rdernama. Usecy =0,05.
(b) Determine, C01]lapn~cisil.opermitida pela tabela, ovalor-p
associado ao teste ft~itomu (a). InLerprete este valor.
(c) Para as mulheres comutais (k GOanos, calcule o efeito da
mnaruentaJ;o comleite materno e o respectivo intervalo
de 9G(l() de confialll;a. Interprete or;resultados.
4. Segundo Grady et aI. (1986), a probabilidade de uma mu-
lher casada experimentar uma gravidez indesejada durante o
primeiro ano de uso de um dos seguintes mtodos de contra-
cepo estimada por:
(I Estime o efeito da cocana no P(~sOdos ]:eul-Imscidos (;
construa o respectivo inj,(~rvatode cOIlfiaw;a. C0111erL!;c os
resultados.
;~. 'I 'I'inta pacientes com nwlauO]lmforam acompanhados at a
Illmte pelo Centro de Ci(~llciasda Sad(~d(~Oklahoma. O ob-
jetivo era comparar aimuIloterapia C. Parvum (md;odo IlOVO)
(:OIUoBCG (mtodo padril.o) ql1alJtoasna capacidade de pro-
longar o tempo de sobn)Viv(~llcin, eo tempo de remissiio de in-
tiivduos comadoen(;a. Os telnpos de remisso (; de sobrevida
(~Ill meses observados por Calvet(~(lm';(j) estil.osintetizados na.
Labelaabaixo.
Tempo de remissil.o
BCG C. Parvum
n 11 19
:r 13,73 11,53
8 12,11 7,43
Tempo desobrevivncia
BCG C. Parvum
11 19
17,18 14,26
10,20 6,82
Mtodo de
contracepo
Nenhum
Diafragma
Preservativo
DIU
Plula
(a) Escreva emnotailo estatstica as hipteses relevantes.
(b) Faa os respectivos testes dehiptese.
(c) Determine, na preciso possvel da tabela do texto, apro-
babilidade de significncia.
(d) Determine oefeito do mtodo novo.
Probabilidade
de gravidez
0,431
0,149
0,106
0,071
0,037
Para cada mtodo listado, calcular o risco de gravidez para
mulheres usando o mtodo comparado como de mulheres no
utilizando nenhum tipo decontracepo. Interprete ecompare
os resultados obtidos.
5. A deficincia devitamina A, reconhecida por suas complicaes
oculares, tem mostrado efeitos sistmicos que contribuem para
aumento de mortalidade e morbidade. O sarampo continua
sendo uma das doenas infecciosas mais graves emcomunidades
pobres, epara verificar se a suplementao de vitamina A re-
duz amorbidade dessa enfermidade, Coutsoudis et aI. (1991)
conduziram umestudo na frica do Sul.
Sessenta crianas de baixas condies scio-econmicas (idade
entre 4 e 24 meses) comsarampo e complicaes (pneumonia
ediarria grave), admitidas no King Edwoxd VI I I H08Vita1 em
:1. Freudenheim et aI. (1994) publicaram umestudo sobre a in-
11 nncia da amament,v;il.o comleite materno no desenvolvimen-
hl, anos depois, decncer demama. () estudo foi feito noforma-
L()decaso-controle. Os casos forarn todos recm-diagnosticados
(' os controles escolhidos na mesma faixa etria eresidentes no
111(~Smo local dos casos. A tabela fornece alguns resultados para
as pacientes que ainda no tinham entrado na menopausa.
Casos
Amamentao
Sim No
96 108
16 9
Controles
Amamentao
Sim No
124 94
20 8
40-50
>50
])urban foram aleatorianwntc (lividi(tas mn dois grupos. Am-
bos receberam terapia [mdrilo (antibi()ticos, antipirticos c re-
hidratao oral) e monitoramento pata as condi(~esapresen-
bulas. O grupo experimental recebeu vitamina A emdose re-
comendada pela ()rgani~(1(;i:;'oMundial eleSade, enquanto o
controle recebeu placebo. Vitamina A e placebo foram aelmi-
uistrados pela meSlnapessoa na adrnisso enos dias 2e8 (es-
tudo duplo-cego). Nilos(; conhecia o estado nutricional prvio
(tascrianas, IIlasnenhuIlla deIllonstrou sinais dedeficincia de
vitamina A que exigissecuidados.
A tabela a seguir mostra alguns resultados para as seguintes
variveis deinteresse obtidas apartir do acompanhamento das
crianas: X
I
- dunt(~odepneumonia clnica (dias); X2 _durao
da diarria (dias); X :3- ganho de peso aps 6 semanas (Kg)
X4 _ganho depeso aps 6meses (Kg).
N! . ! . e l o
P r 8s s i i o s ang ne H,
N! . ! . e l o
P r e s s o s ang ne a
P ac i e nt e r e po us o e x ( ) r c c i o P ac i e nt e ; r e po us o e x e r c c i o
1 17G 190 19 120 186
2 140 160 20 150 180
')
140 22G 21 162 194
d
4 148 190 22 172 204
G l G4 232 23 178 220
6 140 170 24 168 220
7 170 200 25 134 168
8 158 190 26 154 180
9 175 185 27 130 220
10 140 170 28 120 146
11 154 166 29 160 214
12 150 174 30 160 160
13 132 144 31 150 170
14 178 214 32 170 204
15 122 154
') ')
122 162 d0
16 128 150 34 180 220
17 160 218 35 140 190
18 125 172
Varivel
XI
X2
X3
X4
Placebo
5, 70 0, 79 ( 1l =31)
4, 50, 0, 35 ( 1l =31)
0, 90 0, 14 ( 1l =24)
2, 37 0, 20 ( n=16)
Vitamina A
3, 80 O, 40 ( n=29)
3, 20 0, 71 ( n=29)
1, 29 0, 31 ( n=24)
2, 89 0, 23 ( 1l =20)
Valor-p
0, 04
7. Umdos objetivos dapesquisa descrita noexerccio 19do Cap-
tulo 4era averiguar aassociao dealguns fatores deriscopara
hemorragia ped-intraventricular (HPIV). A partir dosdados da
tabela aseguir, estime orisco (odds mt'io) associado apeso ao
nascer inferior a 1500 g eseu respectivo intervalo deconfiana.
(a) Calcule o valor-p para as demais variveis e verifique se
existe diferena significativa entre os dois grupos.
(b) Estime oefeitodavitamina A comseurespectivo intervalo
de95% deconfiana.
HPIV Peso (g)
<1500 1500-2000 Total
Presente 24 15 39
Ausente 32 49 81
Total 56 64 120
li. Trinta e cinco pacientes comdoena arterial coronariana, de
idade entre 35 e75 anos, foramsubmetidos ateste ergomtrico
(Miller et a1" 1990). Os estudos realizaram-se embicicleta er-
gomtrica, comos exerccios continuando at angina ou fadiga
que requeresse a suspenso da atividade. O tempo mdio de
durao do exerccio foi 716 s, desvio-padro 437 s, variando
(1e240 a 1845 s. A tabela abaixo mostra apresso sangunea
sistlica emmmHg dos indivduos emrepouso eno pico do e-
xerccio. Calcule o efeito do exerccio sobre apresso sistlica
(tosparticipantes da pesquisa eointervalo deconfiana corres-
1)( ltlelente.
8. Baseado nos dados do Exemplo 6.12 do Captulo 6, estime a
reduo no nvel decolesterol proporcionado pelo programa de
exerccios fsicos. Contrua ointervalo deconfiana'e interprete.
---
:r
1 2 2,5
') ') r:
5 8 10 d d,iJ

0,3Gi-l 0,135 0,0i-l2 0,050 o,mo 0,007 0,000

O,l)()()
1 O,:3G8 0,271 0,205 O,14!J O,1OG 0,034 0,003 0,000
2 0,1i-l4 0,271 0,257 0,224 0,185 0,084 0,011 0,00:2
')
O,OGJ
0,1i-lO
0,214 0,224 O,21G 0,14
0,029 O,OOH d
4 0,015 0,090 0,134 O,lGi-l O,1i-l9 0,175 0,057 0,0I!)
5 0,003 0,03G 0,067
0,101 0,132 0,175 0,092 O,o:IH
G 0,001 0,012 0,028 0,050 0,077 0,146 0,122 O,O(i:1
7 0,000 0,003 0,010 0,022 0,039 0,104 0,140 O,O!lO
8 0,000 0,001 0,003 0,008
0,017 0,065 0,140 O,1J :1
9 0,000 0,000 0,001 0,003 0,007 0,036 0,124 0,12:,
10 0,000 0,000 0,000 0,001 0,002 0,018 0,099 0,125
11 0,000 0,000 0,000 0,000 0,001 0,008 o,on 0,]1;/
12 0,000 0,000 0,000 0,000 0,000 0,003 0,048 0,0%
13 0,000 0,000 0,000 0,000 0,000 0,001 0,030 0,07:1
14 0,000 0,000 0,000 0,000 0,000 0,000 0,017 0,052
]5 0,000 0,000 0,000 0,000 0,000 0,000 0,009 0,035
16 0,000 0,000 0,000 0,000 0,000 0,000 0,005 0,013
17 0,000 0,000 (1,000 0,000 O,OOlJ 0,000 0,007 0,022
18 0,000 0,000 0,000 0,000 0,000 0,000 0,002 0,01:3
]9 0,000 0,000 0,000 0,000 0,000 0,000 0,001 0,007
20 0,000 0,000 0,000 0,000 0,000 0,000 0,000
O,O(}!I
21 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,002
22 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,001
Exemplo: Pr(X =]) =O,149 para =3
Apndice A
Tabelas
Linha
Coluna
1 2 3 4 5 6 7 8 9
1 6640 5245 2410 5920 0305 2375 9430 7560 9704
2 9199 5866 7747 8516 2002 6931 8586 1494 2947
:l 7572 3016 3052 9135 7907 6860 5981 9052 6540
ti
6003 5876 8380 7513 5443 3572 7010 5784 6023
! 5232 3748 8135 2. 104
1983 1781 8599 2345 6241
(i
6122 5300 4649 6540 6961 6549 7223 1633 7176
7 4747 1480 4225 4401 6765 6691 C~?)6770 9680
N 9195 5493 9353 9430 6236 3120 2689 5482 5634
!)
2256 8490 9043 1055 6528 3741 1500 3608 7843
10 2803 7471 2884 4722 7652 5732 3118 5662 9370
I1 1616 1914 3103 5856 1470 7273 8376 8479 3771
12 4290 2794 6221 8280 5200 4040 6008 4539 7905
1:;
2848 8528 5328 2664 4510 7935 9752 9831 5280
Irl
4030 4827 2277 50l H 1227 7892 2646 6564 4700
Ir,
2950 8725 4141 3611 5879 1833 8270 8875 4482
Ili 6707 3274 4461 5435 5601 5000 2606 1132 5006
17 1762 4679 2700 1729 9674 7035 3150 1836 3260
I~ 6170 1830 6496 1027 6020 4001 3305 4448 1600
Tabela A3: Distribui8,o gaussiaua para valon~snegativos:
Pr(X :; :1 :)
: r ,
S(~gll11daC<\.Ha d( )cillUl.l d( l ;1:
O 1 2 :1 ,I ;,
(i
7 K ')
-2,!) OOI!) 00llS OO.!K
0017 OOl(i OOl(i 001;' 00];' 00],1 '00] ,]
-2, 1 3 002 002;' 002il 002:1 002:1 0022 002] 0021 0020 00]0
-2,7 003::; OO:;il OO:!:1 00:12 00:11 OO:W 0020 00213 0027 OIl2(i
-2, 0047 004::; 004il 004:, 0041 O(j,(O
00:;0 OO:;i) 00:,7 OO:JG
-2,S OO2 OOGO OO;,!)
00;'7 00;';' 00;',] 00;'2 00;'] 00,11) OO!]i)
-2,4 OOi)2 OOi)O 007K 007:, 007:! 0071 OOli'J OOGi) OO(;(i OO!]
-2,3 OlO7 OllJ4 0]02 0000 OOO OO!),! OO!)] OOWJ OOK7 OOi)']
-2,2 0l3!) OJ:;G 01:;2 0]20 0]2;' 0122 Oll!) Oll(i 011:; OHO
-2,1 0l7!) 0174 0170 O]GG OJ(i2 OI;,K 01;'4 01;'0 014G 014:;
-2,0 022i) 0222 02]7 02]2 0207 0202 Ol'J7 0102 O]KK Oli):;
-I,!) 02137 02i)1 027,] 02(ji) 02G2 02:JG @) 024,J 02:10 023:;
-1,13 03::;!) 03::;1 O:l']i/ O:;:; O:;2!) 0:;22 031] 0307 0:;0] 02!Ji1
-1,7 O'14G O'];)G (H27 (J,I]i)
040') Oto'! O:;!)2 03i)'] O:J7;, 03G7
-I, O::;4i) O:J:J7 ,0::;2(, O:Jl(; O;,O~ O,J'):J 04i)S 047::; 04::; 04::;::;
-l,S Oi3 O::;::; Oi/:; OG:W OG1i) OGOG O::;!)4 0::;132 0::;71 0::;::;0
-1,'1 Oi)Oi) 07!J:l 077,~ 07G'1 074'J 07:;::; 0721 0708 O!)'l OG81
-] ,:; O!)(j8 0%] OU:;,] O!H8 O!)O1 0813::; 08!) 08::;3 0838 082:;
-1,2 11::;1 113] 1112 lO!):; 1 07: : ; 1O::;G 1 038 1020 100;) O!)8::;
-1,1 1:;57 133::; 1314 12!)2 1271 1251 1230 1210 l1!)O 1170
-1,0 1 : : ; 1 37 1::;G2 15:;!) 1:J15 Ji!!)2 14!) 1'14G 1'123 1,101 1370
-O,!) 1i)41 181'] 1 71 38 17G2 173G 1711 lG85 1GGO 1:15 lGl.I
0,8 2110 20!)O 20GI 20:;3 2005 1D77 1!J4'J 1!)22 18!)4 18G7
0,7 2420 2;)8D 2:;58 2:;27 220G 22G 223G 220G 2177 2148
,O,G 274;) 270!) 2G7G 2G4:; 211 2578 2:J4G 2514 241 3: ; 2,1::;1
O,;' 30i3:J 3050 3015 2!)81 2!)4G 2D12 2877 2843 2810 277-(;
0,-1 :;44G 340!) 3372 :;:;:;G 3:WO :;2'l 322i) ;)1!)2
315 3121
O,:! ;)821 378;) :J745 3707 3GG'J 3G32 ;):J!)'1 3557 3520 ; )41 33
0,2 ']207 41l) 412!) 40!)O 'lO:J2 4013 3!)H 3!)3G : ; 1 3!)7 3i3:J!)
0,1 402 45G2 '1522 '1,]8;)
'14'1:; 4'104 43G4 4325 421)G 42'17
0,0 :JOOO 4D(;O
'1!)20 '1I:l80 '1I:l40 '11)01 47GI 4721 'J(j1)1 4G41
1 \
tahela apresenta a parte decimal de F-r[X :S xJ
-
i';x"lllplo:
Pr[X <-1,96] =0,0250
~,
,I:
I ~\ - '
\ Tabela A;~:Distribui(;8,ogaussiana para valores posit.ivos:
p,. (X : ; :1 :) (continuao)
a; Sq"Illl<lncnsn decimal de x
'"~-
O I 2 :1 ,1 :J 7 K !I
- ,,_ .,
0,0 ',;'000 ;'0,10 ;'(1)0 :J120 ;,IGO :Jl!)!) ::;23D ::;27!) :,:110 [I; ~;I!
O,] ;,:10i) ,;"I:li) ;,,]7i) :J;,17 SeiS? :J5DG ::;3G 5G7::; ;'71,1
r ''f'
0 1 1 ' "
0,2 ;'70:1 ;,K:12 ; '1 37] ::;!JlO :J!)4i) :J'Ji)7 G02G O4 (i10:1 (,1,1
O,:; G170 G217 G2:J5 G2!J:; :13] G;)Gi) G40 G44:; G4i)O G:,I'
0,4
( i[)[it! G:J'J] e;:zi) GG(j,1 G700 G7:; 772 Gi)Oi) GI),I,1 Ii,~'(
O,:J (i')I;, (i'):JO G'Ji);, 701'J 70:J,1 70i)i) 7123 7157 7]!)() '(~~~~,
O,1i 72:J7 72!)] 7:;2'1 7:1::;7 7:;1)'J 7422 74::;,1 74i) 7;'1.7 ' ( tI ' !
0,7 751)0 7Gll 7G42 7(;7:; 7704 77:;4 77G4 77'J4 7i)2:1 ' / K ! ,
0,1) 7i)i)] 7D1O 7'):;D 7%7 7'J% i)02:; i)O:JI i)071) i)IO(i ,~I:1
O,D i)l::;!J I)ll) 1)212 1)2:;1) i)2'] i)21)') 1);)1::; i)340 i):W:, H:IH
1,0 1)'113 i)43i) i)'IG] i)/Ii) 5 i)50i) i)::;:n t s ! J 5 4 i)577 I);,!JO l~lJ '.~
1,1 I)G4:1 i)GG:J I)Gi)(i 1)70i) i)720 1)74D i)770 1)7DO I)i)1O ,~H:I
1,2 i)1)4'J I)i)GD I)i)i)i) i)!)07 I)D2:J i)D44 1)'JG2 i)Di)O i)!)!J7 !)(II
1,3 'JO:;2 D(Jil!) DOGG !)O1)2 !)O!)'J !)11:J 'H31 \)147 \)J(i2 !) I '(
1,'1 !)J'J2 ')207 !)222 D23(j D2:JI \)2G:J D27D \):mli !I:II
1 ,S !)3:;2 'J:H:J \)3::;7 !J:)70 !):;i)2 \)3!)4 !)40G \)41i) !H2'J 0,1,1
1, \)4::;2 !)4G3 !J474 D4i)'1 !WJ:J !)::;O::; %15 D::;25 !)5:;;, !I:>-I
1,7 D G G 4 \)54 %7;) D51)2 %\)] !)::;!)!) %(1) %I %2;' !II,:I
1,1) %41 %4D !)G::;G D(;G'J 'JG71 'JG7i) DGi)G %!)3 !)(jf)!J !J'(O
I,!) !)713 D71') D72G !)732 !)73i) !J744 <:~) D7::; !)7(il ~)' /' i
2,0 !)772 !)77i) D7i);) D7i)i) !)7!J3 D7!)i) !)803 !)i)Oi) !)i)12 !),~1.
2,1 Di)21 !)i)2 !Ji):;O Di):;4 !)1):;i) Di)'12 \)84G !)i)50 !)i);,1 !H' !I
2,2 !)i)Gl Di)G4 !)i)i) !)871 !)i)7::; !)i37i) !)8i)1 !)1)84 !)i)S7 !)H!)
2,3 !)i)D3 (Ji)(JG ')8!J8 !)')Ol D!JO'1 !J!)OG !)!)O!) !)!)U !)!JI:l !I!II
2,4 ! )! )l8 'J'J20 !J!)22 !)!)25 !)!)27 !)!)2!) !)!)31 !)!)32 !)!):,l,j !I!I:I
2,J !)D38 !)D'lO DD !)D4:; \)D4::; DD,J(j DD'18 DD4D DD;,I !)!)f,
2,G DD:J:l U 0 S S DD::i D%7 DD::;!) D!JGO D!)GI DDG2 D!)(i:; !J!lIi
2,7 D!)G5 D!)(jG D')(j7 D')(jl) !)!)(jD !)!)70 DD71 D!)72 \)'J7:! !J!I'(
2,8 D!)74 DD7::; !)D7G DD77 !)D77 !)!)7i) !)!J7!) !)!)7!) \)!JKO !l!IH
2,!) !)!)i)] !)!)i)2 !)!)82 !)',)i);) !J!)i),J !)!)i)4 !)!)i)5 !)!)i)5 O!Ji)(i !I!I,.,
A tabela apresenta a parte decimal de F-r(X :S :r)
Exemplo: Pr(X < 1,96) =0,9750
Tabela A5: Distrilmiiio /; de Student : Pr(X:S; - :1;) +Pr(X 2: x)
Pr(X 2: ;I;)
-
:
1
Graus ele Pr(X :::.:-;r:) +Pr(X 2: :1:)
,
liberda,le 0,50 0,40 0,20 0,10 0,05 0,02 0,01
--: :D)
1 1,000 1,376 ~1,O78 6,314 12,706 31,821 63,657
) )
0,025 0,010 0,005 2 0,817 1,IHJl 1,886 2,920 4,303 6,965 9,925
I 5,024\ 6,6:35 7,879 :3 0,765 0,978 1,6:38 2,35:3 3,182 4,541 5,841
7,:378 9,210 10,597
,
4 0,741 0,941 1,5:3:3 2,132 2,776 3,747 4,604
D,:348 11,345 12,838 5 0,727 0,920 1,476 2,015 2,571 3,365 4,032
,
11,14:3 13,277 14,860 6 0,718 0,906 1,440 1,943 2,447 3,143 3,708
O 12,8JJ 15,086 16,750 7 0,711 0,896 1,415 1,895 2,365 2,998 3,500
2 14,449 16,812 18,548 8 0,706 0,889 1,397 1,860 2,306 2,897 3,355
'7 16,01J 18,475 20,278 9 0,703 0,883 1,383 1,83J 2,262 2,821 3,250
)7 17,535 20,090 21,955 10 0,700 0,879 1,372 1,812 2,228 2,764 3,169
9 lD,023 21,666 23,589 11 0,697 0,876 1,363 1,796
'2~20D
2,718 3,106
t_../
)7 20,483 23,209 25,188 12 0,695 0,873 1,356 1,782 2,179 2,681 3,055
5 21,920 24,725 26,757
13 0,694 0,870 1,350 1,771 2,160 2,650 3,012
6 23,337 26,217 28,300 14 0,692 0,868 1,345 1,761 2,145 2,625 2,977
'2 24,736 27,688 29,819 15 0,691 0,866 1,341 1,753 2,132 2,603 2,947
) 5
26,119 29,141 31,319 16 0,690 0,865 1,337 1,746 2,120 2,584 2,921
6 27,488
30,578 32,$JH 17 0,689 0,863 1,333 1,740 2,110 2,567 2,898
6 28,845 32,000 34,267 18 0,688. 0,862 1,330 1,734 2,101 2,552 2,878
7 30,191 33,409 35,718 19 0,688 0,861 1,328 1,729 2,093 2,540 2,861
9 31,526 34,805 37,156 20 0,687 0,860 1,325 1,725 2,086 2,528 2,845
3 32,852 36,191 38,582 30 0,683 0,854 1,310 1,697 2,042 2,457 2,750
O 34,170 37,566 39,997 40 0,681 0,851 1,303 1,684 2,021 Q, 423 2,705
3 46,979 50,892 53,672 60 0,679 0,848 1,296 1,671 2,000 2,390 2,660
9 59,342 ' 63,691 66,767 120 0,677 0,845 1,289 1,658 1,980 2,358 2,617
5 71,420 76,154 79,490 A tabela fornece probabilidades acumuladas nas duas caudas.
2 83,298 88,381 91,955 Exemplo: para 10 graus de liberdade,
3,841) =0,050
Pr(X <-2,228) +Pr(X > 2,228) =0,05; Pr(X2: 2,228) =0,025
I
265
c .~_",."
12,59
14,06
15,5(
16,91
18,JI
19,67
21,02
22,36
2:3,68
24,99
26,29
27,58
28,86
30,14
31,41
43,77
55,75
67,50
79,08
1':")lllplo: para 1grau de liberdade, Pr(X 2:
(:1'11.110 de
IiI,,)rclade
0,750 0,250 0,100
0,102
I ,J2~1 2,70(i
2 0,575 2,77:3 4,G05
:\ 1,213 4,108 G,251
,I
1,923 5,J85 7,779
;)
2,675 G,G26 9,2:W
fi 3,455 7,841 1 0,645
7 4,255 9,037 12,0,17
8 5,071 1 0,21 9 13,362
!l 5,899 11,389 14,684
10 6,737 12,549 15,987
)
1I 7,584 13,701 17,275
12 8,438 14,845 18,54D
I:l 9,299 1,5,984 19,812
11/
10,165 17,117 21,064
IG 11,037 18,245 22,307
Ili 11,912 19,369 2J,542
17 12,792 20,489 24,769
11-:
13,675 21,605 25,989
I!) 14,562 22,718 27,204
~m 15,452
23,828 28,412
:1II 24,478 34,800 40,256
,li)
33,660 45,616 51,805
!,II 42,942 56,334 63,167
lill 52,294 66,982 74,397
Pr(X ~
0,051
! :3,84
i
5,!J91
7,815
9,488
(c) CVA = 0,200; CVB = 0,225; CVr: =(),:WO. ()H l'I'HltI~,"
dos mostram maior homogeneidade na Turma A, (~lIqlli\.lIt.I) n 11111,1111'
variabilidade encontrada na Turma C.
Apndice B
Respostas dos exerccios
11 (") TI ' = lI) 71' s = 6 82', x~) = D,'(: VI I I o, (i/l
(.L ''(n, " r I/ , " " , .
X I = 7,17; 8I = 3,67; X I = 7; CVr O,:)1
(b) X = 8,94; 8 = 5,70; X = 7,5; CV cc O,(i/I
12. Ovalor para albumina dessa pessoa SIIJ)('I'a:I~i1111'1 Iill:l::1'111'1111
tradas em95% dos indivduos. J ovalor do COII'St.I'I'I d :0111'1'1'11 "1"'11"11
5% dos valores.
. 1 ;)1 I [,'{', (ill I (.; I
13. (b) Q1 , i: e P90 esto nas segumtes c assl ~s:
e69 f- 72.
(c) Aproximadamente 53, correspondendo a I'~!II.
5. Considerando o menor valor como 17 anos e o maior 21 anos:
(is -= 4 e s =0,67.
(i. (a) Haver aumento do valor da mdia correspondente ao n-
IIJ(~I'Oadicionado. O valor do desvio-padro no sofrer alterao.
(b) A mdia eodesvio-padro ficaro multiplicados pela cons-
14.
(a)
Taxa de Frequncia absoluta Frequlll:ia I'ldal.i.v/I
colestel'Ol simples acumulada simples iU:11I111I11Il11l
112 f- 132 1 1 0,02 O,O~
132 f- 152
')
4 0,06 0,1 lK ...,
152 f- 172 6 10 0,12
O,',!,II
172 f- 192 9 19 0,18 O,: \,'"
192 f- 212 14 33 0,28 O, (i!i
212 f- 232 9 42 0,18 O,KI
232 f- 252 5 47
0,10 (l,!)1
252 f- 272 2 49 0,04 O,!lK
272 f- 292 1 50 0,02 I ,011
Total 50 1
7. (a) A mdia est abaixo de no mnimo um dos dados. a
11I1'dianaque se encontra sempre abaixo da metade dos dados.
(b) A mdia uma medida representativa apenas para conjunto
dI' dados simtricos.
(c) A frase muito ambgua. Seentendermos mdia no sentido
I':d.aUsLico, sempre haver alunos com nota abaixo da mdia, pela
Ill't'llll'iadefinio desse conceito. No entanto, a palavra mdia u-
linda lia linguagem coloquial com sentido de padro (a mdia para
alll'ov;u.. :;\O, por exemplo, 60). Nesse sentido, a frase expressa uma
1'11'oCIIpa({ocorreta.
,"\. (a) X =i' 20,26; X =21,00.
(11) (21 =16,5; Q3 =23, O.
(c) P90 ~ 244.
(d) O grupo A (entre 10 (~19 anos) (~11I<I.1S 11011111",1'111''', I''''
apresentar menor coeficiente de varia()io: C V;\ :-c 0,1 7, (' \ '/I li, 111
(e) H uma tendncia de aumento da I.axadI! clIll~SI.I '1'1d 1111'11 i/I
com a idade.
J u. o procedimento utili~ado foi inadequado porque qualquer
val'ia<)io nos valores da amostra tremi altera<;es indesejveis ao valor
da 11l{~dia.A forma mais apropriada de sntese dos dados, nesse caso,
{~a 11l<~diana,pois seu clculo independe de valores extremos.
blema inverso. H urna diminuio da especificidadc (~allllll~1I1.1 I dll
sensibilidade porque alguns testes negativos tOI'naranl-S<~posi I.iVOH,
17. (a) P1 3.
(b) 1850. Opus 87.
(c) At 1833 havia composto somente G%de sua obra, POI'-
1.:1.Ii1,o, uma perda de 94% d(~seu trabalho.
(d) Durante esses dois anos, Schumann comps 35,12% de
:;r Iaobra.
5. (a) Geralmente, ao se aumentar a pI'<walfmci;\', v(~l'ilica:,1' 1111
mento significativo do valor da predio positiva, <~llql1alll.oII vIIIII1
da predi(;o negativa sofI'<"pequena variao.
6. O valor de precli(;o positiva dado Pl)]' 11,/(1/. I I'l qlllllldl I
a prevalncia populacional igual prevalfmcia di\, I.ai)(da, 1i 11'11'
raramente ocorre na prtica.
21. (c) 73,7%
(d) 94,5%
7. Para p = 0,05: VPP = 0,139; VPN = O, 9H(i; J'/ " " (I, Hlil;
PFN = 0,014.
Para p = 0,10: VPP = 0,254; VPN = O, mo; ,,/,'" (I, '(Ili;
PFN = 0,030.
Parap=0,15: VPP=0,351 ; VPN= 0,9G!\; /,/,'" (1,liI!I,
PFN = 0,046.
Conforme oesperado, aum aumento na preva.lf~llcill HI'J',III'III 111'
o aumento no valor de V P P e a pouca alterao de V/ ),'.
18. (b) A expresso "erro em exames" inadequada para o caso.
( ) que houve, na verdade, foi detec(:o de variao para as medidas de
1'1,I(~sterol etriglicrides. Como no fornecido um padro para com-
I)ala(:o, no sepode demonstrar se avariaiio encontrada aceitvel
1111se esto configurados realmente erros nos exames.
22. (a) 39 meninas.
(b) 21
8. (a) .'3 = 0,733; e= 0,972.
(b) Definindo-se proporo de falso- positivo com() \/ "" I'
proporo de falso-negativo como 1- VPN, obtem-se O,(i!)f) I' (1,(IlI!,
respectivamente.
(c) Se um mdico tem 75% de certeza sobre o dia/',lll'd.ilII, 11
V P P passa a ser 0,998, aumentando' a probabilidade em 2
/
1 ,K'Y.,.
I. (a)i. 0,0488 ii.0,4729
(b) i. 0,044~ ii. 0,0001
(d) 49 i'ndivduos.
iii. 0,0137
iii. 0,0024
IV. 0,0800
iv. 0,9048
9. (a) .'3 = 0,841; e= 0,982.
(b) Probabilidade de teste positivo emindivduo sadill il',llai 11
0,302.
(c) VPP = 0,698; VPN = 0,992.
(d) A recomendao dos pesquisadores precipitada. () 1.1':iI.l'
apresenta valor baixo para VPP, mostrando que um test(~posil.ivo :li'l
corresponderia a cncer heptico em 70% dos casos. Assilll, alll.l':1
de encaminhar um paciente para uma clnica especialila<Ia, 11111.1'1111
exames deveriam ser realizados de modo a confirmar ess<~n~sli1l.wllI,
:\. (a) .'3 = 0,953 ; e= 0,998.
(1 )) VPP = 0,0667.
'I. Alterando-se a faixa de normalidade de 75 a 85 para 75 a 120,
1I11',IIIIS dos indivduos, antes considerados doentes, passam a apresen-
1mI.I~SI.<~ negativo, significando diminuio de sensibilidade eaumento
,I,' I':-;1 )(~cificidade. Ao variar a faixa para 50 a 80, acontece um pro-
10. (a) Considerando p = 0,05, um valor razovel para PII'VIlII'1I
cia de diabetes na populao, V P P = 0,50.
(b) Espera-se que haja umaurnenf,o~ignif:icativono valor dc
li1 '1 ), uma vez que o pacientl~apre~enta um valor p maior do que
lU IllIdl'correspondente ao da po[m1a(,iioemgeral.
(c) Vr] ' =O,:.27;~;I I FN =O,!)77.
(d) Sim. Como oVrN (~aHo, o h~~j(, I'mqlle~L\()(, til para
cxcluir a docm,a; o baixo I I T' r, faz comqlWumre~ultado po~itivo
no seja confivc1 para diagno~ticar adoena.
11. (a) 5 =0,696; c = O,i)02.
(b) VPP =0,6Gi); VPN =0,907.
(c) Considerando p = 0,005: IIr? = 0,0:31.
17. Oclnico queu~acornocritrio deanormaldade conccntra(,e~
de glico~emaiore~ (10que LI, faz comque oteste detodos o~~adio~
seja negativo mas leva~\n~tOdctec(;o dadoena emalguns paciente~.
O outro clnico, cujo critrio (~ovalor L2, observa teste positivo para
todos os doentes, mas tambm, para alguns sadios. Desse modo,
ao utilizar LI, h ganho emespecificidade eperda de sensibildade
quando comparado ao uso do valor L2
I2. (a) O VPP depende fundamentalmente da prevalncia da
,1,11 '1 11,: a de interesse na populalJio, da a incoerncia da afirmativa.
t /111 LI,st~eque produza VPP baixo emdeterrninada populal;iio pode
11111) faz-lo emoutra. E mesmo naquela, dependendo do interesse,
IllIdl'I':.ser utilzado satisfatoriamente (um VPP baixo no inHui no
\ '/ ' N, que uma vez alto, ser de grande utilidade para descartar a
11I1:;si Ililidade de urna doen(,a).
(b) Especificidade alta significaquegrande nmero depessoas
Ilall doentes tero testes negativos. Para avaliar a probabildade de
11111 LllStenegativo corresponder aumestado de ausncia de doena,
(, III,cI~ssriaautilzao do liP N.
18. (a) 5 =0,93; e=0,88.
(b) 5=0,422; e=0,992.
(c) Para o teste 1: VPP = 0,931; VPN
teste 2: VPP =0,989; VPN =0,492.
19. (a) 5= O,6G8; e= 0,612; p = 0,319
(b) P95 =1 7609.
I;\. A divulga.o do teste foi feita de maneira confusa. Mas
1IIIIiLomais importante, queapenas osdados relevantes aoclculo da
::1'11:;j l>ilidadedo teste so apresentados. No existe qualquer meno
:1. I'apil.cidadedoteste n.odetectar pessoas sadias (especificidade), to
i1111)( lItante quanto adeteco do tumor de prstata emfase inicial.
20. Para ruptura do menisco medial: s =0,882; e=0,773. Para
condromalcia: s = 0,379; e= 1,00.
11. A afirmativa sintetiza de forma correta os significados dos
1IIIIil:l's5, e (em que a condio prvia dos indivduos conhecida)
" \/ 1 ) P, VP N (emque h necessidade de se conhecer a condi.o do
IJlIl'il'llteapartir do resultado de umteste).
21. (a) s =0,938; e=1,00.
(b) A prevalncia. na amostra 0,86, muito menor do que a
encontrada na populao emgeral.
(c) p =0,7; VPN =0,87.
1(;. (a) p =0,167 (16,7%).
(b) s =0,94; e=O,GO.
22. (a) A sensibildade eespecificidade doteste conjunto so 0,63
e0,97 independente da ordem.
(b) Suponhamos que o teste seja usado em 11.000 pessoas.
Quando o teste A (o de maior sensibildade) usado primeiro, 3900
pessoas devem receber ambos os testes. Quando o teste b (o de
maior especificidade) usado primeiro, somente 1.700 pessoas devem
receber ambos os testes. Ent.o economicamente vantajoso usar o
teste B primeiro, j que oteste B custa 2,3 vezes (3900/1700) menos
que oteste A.
lfi. s = 0,99; e= 0,99; VPP = O,GO;VPN = 0,99; p = 0,01.
//I'/'CCC 1- VPP = O,GO; PFN = 1- VPN = 0,01. O teste no
lllllli:vc! nesta populao, por apresentar pequeno valor de predi.o
l"I:;jLivII.No caso, apenas GO%das pessas comteste positivo ter.o
I I ll()( ~IIC~(L
o
(c) 6,3
1
18,5
2
27,0
3
26,3
4
19,3
5
11,3
()
5,5
7
2, 3
15. 96,20% das pessoas apresentam fosfatase alcalina entre 15 e
69 '(nUlell.
16. Nem sempre a varivc1 de interesse tem distribuio gaus-
siana. Almdisso, aexpressiio (x - 28, X +28) pode no ser razovel
para oproblema emquesto. Ela fora aexistncia delimites superi-
or einferior, que emdeterminadas situaes perdem sentido. Outras
vezes, essa expresso gera valores que no condizem comos limites
denormalidade.
r). (a) 31% dos candida,tos tf~mchancc deserem aprovados.
(b) Otempo mximo para merecer ocertificado 57minutos.
li. (a) 489 estudantes.
(b) 106 estudantes.
7. (a) Pelo mtodo de percentis: [97,5;146,5]. Pelo mtodo de
( ::IIISS: [98,28; 147, 12].
17. (a) Mdia edesvio-padro so 106,42 e11,94.
(b) 80% das crianas emquesto tm presso sistlica acima
de 94,40 mmHg.
18. (a) 0,16
(b) 0,62
(c) Aumento desensibilidade ediminuio deespecificidade.
9. (a) x =243,92; :1; =235,5; s = 43,04; P25 = 215,5; P75 =
~W ~,5.
(b) No hindicao dequeosdados foramgerados apartir de
1IIIIapopulao gaussiana, urna vez queosvalores observados diferem
(I()s()sperados seeles seguissem essa distribuio (mdia =mediana
I '" P25 =257,7 eP75 =273,2).
19. (a) VPP =0,957; VPN =0,787; PFP =0,043; PFN =
0,213.
11. (a) 496 pessoas.
(b) [36,45; 37,15].
20. (a) P1 5 =22.
(b) e=0,85.
(c) No sepode calcular asensibilidade porque ostestes foram
realizados somente emidosos semdisfuno mental.
(d) Ocorrer aumento da especificidade, j que um nmero
maior de resultados negativos nos indivduos testados. 1:2. (a) Mtodo dos percentis:\ [19,5; 73,5]. Mtodo da curva de
(:allss: [6,06; 63,54].
(b) O mtodo mais indicado nesse caso o mtodo dos per-
1'1'IILis,uma vez que o mtodo da curva de Gauss coloca o limite
iI Ii'( 'l'ioI' semsignificado para os dados obtidos.
I;L (a) 0,52
(b) 52homens.
1. (a) Ho: A proporo de abortos espontneos em mdicas
anestesistas igual proporo emmdicas deoutras especialidades.
H
1
: A proporo de abortos espontneos emmdicas anestesistas
diferente da proporo encontrada emmdicas de outras especiali-
dades.
(b) X
2
= 10,27; X ;2 = ~,G9 (comcorrcl)lo); valor p <0,005.
I<;xistediferena na propon)lo de abortos espoubl,ncos cntrc mdicas
all(~stesistas ede outras CSI)(~cialidad(~s.
1 0. X
2
= 51,42 (valor-fi ~ O); X ,/ : = 50,77 (valor-p ~ O); . .%"
7,2G (valor-p ~ O).
2. Emrelao aos dados deglicos(\ valor-p ~ O; para triglicridcs,
valor-p =0,52.
1 1 . X
2
= G,34 (valor-p
Z =2, G7(valor-p =O, (1).
3. Pode-se afirmar qlll~o gemfibro';il atua sobre o nvel de coles-
I.(~rol(Z =26, 7G,valor-p ~ O).
Sobrevida ';ero
Sim No Total
57G 4705 52~1
90 4G2 552
66G 5167 5833
12. (a) fI o: No existe diferen<.;ana perfonnance emcorrida dI'
50metros entre meninos emeninas.
(b) t =0,79; valor-p =0,4:).
(c) A diferena de idade entre os grupos, aprtica espml.iv:I
por algumas crianas, almde caractersticas individuais POdCll1:-:1 'I'
fatores de confuso.
(d) A escolha aleatria garante repre:-:entatividade daali 10:-:1.1'11 ,
mas no acomparabilidade entre grupos, oqueno elimina os fa1.III'('11
de confuso.
Masculino
Feminino
Total
(b) X
2
= 0,(002).
13. (a) fI o: Intervalo entre gestaes menor que 6mescs 01'(11'1'1'
comas mesmas propores emmulheres negras ebrancas.
X
2
= 24,08 (valor-p~ O); Xz = 23,31 (valor-p~ O). I';~ilil.l'
diferena na proporo de mulheres negras que tm intervalo l'lill'"
gestaes menor que 6meses emrelao s mulheres branca:-:.
(b) No existe influncia do estado civil de mulhel'l!:-:111 "',IlIiI
no intervalo entre gestaes (valor-p= 0,78).
(c) i. Para mulheres brancas: existe diferena na idadl' 1111,.1111
das mulheres no grupo <6meses eno grupo 2': 6meses ('" 'i , 'i! I)
ii. Para mulheres negras: aidade mdia igual para Ili: )',1111" ,:,
de mulheres negras comintervalo de gestao <6meses (! . li 111"il"11
(T = 1,43; valor-p~ 0,16).
14. (a) Z =0,294 (valor-p = 0,77); Z* =0,292 (valm II
(b) X
2
= 0,087 (valor-p = 0,77); X,/: = 0,001;,
=0,97).
I ), 'i't')
(1':tI'I' I'
6. (a) Definindo ~"h como a mdia do tempo de corrida dos in-
Ilivduos quando hiperventilados eJ-" s' mdia semhiperventilao, as
Iti pteses aserem testadas so: fI o: ~"h = ~" s vs fI o: ~"h :f ~" s'
(b) T = 0,42; valor-p = 0,69. No existe diferena na ca-
Ilacidade fsica (avaliada por corrida de 800 metros) de indivduos
:-:1" nnetidos ouno alcalose respiratria, adquirida atravs dehiper-
vcntilao.
7. (a) Estudo de coorte - estudo prospectivo visando verificar
a iuHuncia dos altos nveis de catepsina na recidiva de cncer de
Illama empacientes submetidas cirurgia. Acompanhamento dedois
",l'llpOS, umcomaltas taxas de catepsina D eoutro combaixas.
(b) X
2
= 18,03 (valor-p ~ O); Xz = 16,75 (valor-p ~ O).
~. (a) No existe diferena signifi.cativaentre ostempos dereao
,k llomens emulheres (T = 1,32; valor-p =0,20).
15. (a) Para o grupo de crianas susceptveis: x = 11, I;.'. :\, I
Para o grupo de crianas emque h resitncia ao AZT: :T: I'.', ,'i,
s =3,3.
(b) T =3,20; valor- p =0,01.
[(j. (a) Ho: No existe dih~n~ll(,ana cOllceutral,o plamntica
dI ~protenas totais nos grnpos estndados. lI I : Exist(~ (lifc:reu<,ana
1'1lilCentrao dessas protenas lias crialH,as I~studadas.
No existe difen~ll(,asiguilicativa IJOSdois grupos, cornjmrando-
:;1'o valor encontrado no tl~sLc~COlUo respectivo padr8,o: Z = 1, G ~~
(I'alol"-p = 0,10); T = 1,7'2 (valor-p =- - = O,(9).
(d) Diminuir o tclUPO de remisso 1~lll2,20 111I'SI'S t' 1111'1111111
de sobrevivCmcia em '2,9'2 meses.
17. ( a) Ho: N8.o existl~ difen~UI,ana pn~seUl,a d(~depresso nos
I'YllpOS. Hl: Existe difermll.;a ua pr(~SI~llI,ade depresso nos pacicntcs
t'sl.ll(lados.
(b) X
2
=:m,:~:~ (valor-p ~ O); X / = :~:~,GG (valor-p ~ O).
3. (a) X
2
=4,07; X ,2 =3,69.
(b) Valor-p ~ O, OS.
(c) Estimativa do deito =~ = 0,71; 1.<~.11:11;\ I;' [li,:~:~, :~,',~(IJ
Para lllulhl:res acima d(~SO anos, o fator 1,('1" :--;ido:1111:11111'111.:111:1 11:t1l
cxerce influC~llciauo desenvolvimento de 6\,IICI'I'di' Illalll:l.
4. Estimativa do risco para os mtodlls: di;ll"r:iI',III:1
preservativo = 0,246; DIU = 0,165; plula c O,O:-\(i,
19. (a) X
2
= GO,29 (valor-p ~ O); X / = 59,21 (valor-p ~ O).
(b) H
o
: No cxiste diferen(,a na ocorrncia de suicdio como
1';I.IISade morte eIll podas eescritores de JiC<,;8.o. Hl: Existe diferena
lia ocorrncia de suicdio nos grupos estudados. X
2
=13,58 (valor-p
0, (002); Xz = 11, 4G (valor-p = O, ()()07).
5. (a) Para X 2 eX 4, valor-p ~ O.
(b) Xl =Durao da pneumonia (dias): 101'1' i1.11 I ,!I, I ( ,
[1 , 57; 2, 23] ; X 2 = Durac:o da diarria (dias): dl'il.ll 1,:\, 1('
[1 , 02; 1 , 58] ; X3 = Ganho de peso aps 6 seIllallas (/ 1 1 / ) "1 "1 1 1 1
0,39; LC.= [0,25; O,53]; X 4 = Ganho de peso apc')s(j 111I':il':> I 1 1 '/ 1
efeito= 0,52; LC.= [0,37; O,57].
6. Atividade fsica na presso arterial: efeito = ;l(j,(j;\ 1 1 1 1 1 1 / / '1 , I ( I
[29,93; 43,33].
1. (a) T = 1,84 (valor-p = 0,07).
(b) Estimativa do efeito = 331 g; intervalo de confiana, LC.
[-20,82; 682,82]. No existe diferena significativa no peso mdio
III~n:cm-nascidos cujas mes usaram cocana apenas no l- trimestre
t~daquelas que a utilizaram durante toda a gravidez.
8. Atividade fsica no colesterol: efeito
=[15,93; 24,41].
2. (a) Considerando rndia no tempo de remisso I LB para imu-
IIId,erapia com BCG e / I .C para aquela com C. Parvum, e mdia no
LI'111 po de sobrevida I L~3 e 1 1 c para os dois tratamentos, tem-se que:
Ilara tempo de remisso: Ho: I I B = I Lc e H1 : / L1 3 "# I Lc; para tempo
dl~sobrevivncia: Ho: / L~ =p.c eH1 : / -L~ "# / -I C
(b) Tempo de remisso: T = 0,62. Tempo de sobrevivncia:
I ' 0,94.
Niio h evidncia dediferena entre osmtodos BCG eC. parvum,
1'lJlllparados em relao aos tempos mdios de remisso e de sobre-
I'i1'1~llcia.
(c) Tempo de remisso: valor-p ~ 0,10. Tempo de sobrevivn-
I'ia: valor-p ~ 0,35.