2. Estatística Dedutiva

Download do manual

Para além da simples descrição dos dados que temos, a Estatística pretende ajudar-nos a inferir até que ponto os nossos resultados poderão ser representativos da população que está por trás da nossa amostra.

Ou seja, suponhamos que retiramos de forma aleatória uma amostra de 100 doentes de um ficheiro clínico com 1000 doentes. Após verificarmos que na nossa amostra temos 10% de mulheres, poderemos perguntar-nos até que ponto, na população, também existe 10% de mulheres.

De facto, devido ao acaso, ao seleccionar aleatoriamente uma amostra, podemos sempre ter o azar de encontrar 100 sujeitos que são muito diferentes da população.

É intuitivo que quanto maior for a diferença entre a amostra e a população de origem, menor será a probabilidade de isso acontecer. Por outras palavras, a probabilidade de termos uma amostra semelhante à sua população é elevada, mas existe sempre uma possibilidade de a amostra ser diferente, sendo a probabilidade de isto acontecer tanto menor quanto maior for esta diferença. Mas, como medir esta probabilidade?

Aqui entram as Provas estatísticas e os seus resultados em termos de probabilidades "p" de significância estatística.

É importante referir que existem 3 formas de aplicar os testes estatísticos:

1º Provas de conformidade, ou seja, para verificar se há diferenças entre uma amostra e uma população (é o exemplo atrás referido em que pretendemos saber qual a probabilidade de a percentagem de mulheres na nossa amostra ser semelhante há que existe na população de origem). Por outras palavras, até que ponto a minha amostra é representativa da população?

2º Provas de homogeneidade, ou seja, para verificar se as diferenças encontradas entre dois grupos da amostra serão representativas de diferenças reais na população de origem. Por exemplo, através do comando MEANS no EpiInfo, podemos ver se as mulheres são diferentes dos homens quanto à variável idade na nossa amostra. Também aqui há a possibilidade de haver diferenças entre a idade dos dois grupos, mas isto poderá ser devido apenas ao acaso e não a verdadeiras diferenças na população. As provas estatísticas medem sempre a probabilidade de as diferenças encontradas serem devidas ao acaso, partindo do pressuposto que na verdade não existem diferenças na população. Se a probabilidade encontrada for pequena, teremos mais confiança em afirmar que as mulheres e os homens têm idades diferentes na população.

3º Provas de independência, ou seja, verificar se duas variáveis simétricas são independentes (ex: se a cor dos olhos é independente ou está associada à raça e até que ponto isso também existe na população de origem).

Repare-se que o "p" de significância estatística, resultante destas provas, dá-nos sempre a a probabilidade de os nossos resultados serem semelhantes ao que existe na população de origem (partindo do pressuposto que na população de origem não há diferenças entre grupos, nem associações entre variáveis). Geralmente, em ciências da saúde, quando estas probabilidades são inferiores a 5%, ou seja, há menos de 5 possibilidade em 100 de suceder um determinado resultado, nós consideramos que são estatisticamente significativas.

Como este "p" tem a ver apenas com a probabilidade de os nossos resultados se assemelharem ao que existe na população, têm uma grande limitação: não nos dizem se as diferenças encontradas ou a associação entre as variáveis são fortes ou importantes! De facto, nem sempre aquilo que é estatisticamente significativo é importante! Repare-se: suponhamos que queremos saber se as mulheres são diferentes dos homens quanto à idade. Se aplicarmos um teste estatístico os seus resultados são tanto mais estatisticamente significativos quando maiores forem as diferenças entre os dois grupos, e também, quanto maior for a dimensão da amostra estudada. Isto significa que por vezes, pequeníssimas diferenças entre os dois grupos podem ser estatisticamente significativas se a amostra tiver grandes dimensões. Mas a questão que aqui se põe é: são estas pequeníssimas diferenças importantes do ponto de vista clínico, social, etc.?

Neste caso particular, o aprendiz de estatística tenderá a valorizar um qualquer resultado estatisticamente significativo, mesmo que este não tenha interesse absolutamente nenhum, atendendo ter a ver com pequeníssimas diferenças...

Em conclusão, existem duas dimensões na análise dos resultados: uma em que a Estatística nos diz até que ponto o que vemos na nossa amostra é o que existe na população, ou seja, até que ponto é estatisticamente significativo; outra em que procuramos verificar até que ponto os nossos resultados implicam associações entre variáveis ou diferenças importantes e fortes, calculadas através de simples subtracções (Diferenças de Riscos) ou quocientes (Risco Relativo, Odds Ratio, etc). É possível haver uma associação forte nos resultados da nossa amostra que, no entanto, não sendo estatisticamente significativos, têm pouco interesse porque não temos garantias de existirem na população real. Por outro lado, tal como já referimos, é possível haver uma associação estatisticamente significativa mas que, por ser tão fraca, não tem importância nenhuma.

Posto isto vamos agora partir para a compreensão dos testes estatísticos no EpiInfo.

Parte 1 - metodologia básica da investigação

3.2  Estudos de caso-controlo

Bibliografia