REVISÃO SISTEMÁTICA E METANÁLISE
● Risco
○ Fator de risco → maior risco de doença
■ hereditárias
● Genes específicos ligados ao risco de câncer de colo e mama
■ Ambiental
● Toxinas, poluição
● Infecção
■ Social
● Solidão
■ Comportamental
● Fumo, álcool, drogas
○ Exposição ao fator de risco
■ Em um único ponto – radiação de Goiânia
■ Exposição prolongada – sol, promiscuidade
○ Medida à exposição
■ Ter sido exposto
■ Dose atual
■ Dose cumulativa
■ Anos de exposição
○ Reconhecimento do risco é clinicamente difícil
■ Longo período de latência
● Hipertensão – doenças cardíacas
● Ingestão de cálcio – osteoporose
■ Baixa incidência das doenças
● Câncer do pulmão 2 a 3 por 1.000
● Multi-causalidade
○ Predição ocorrência de doença
■ Causa
● Proximais, distais
● Fator de risco nem sempre é a causa: escolaridade materna x baixo peso ao nascer
= Marcador
■ Diagnóstico
● Programas de screening (prevenção)
● Evidências e o sistema grade
○ A classificação inicial da qualidade da evidência, é definida a partir do delineamento dos estudos.
○ A partir da classificação inicial, critérios são definidos e o julgamento desses aspectos permitem
reduzir ou elevar o nível de evidência. Os fatores responsáveis pela redução no nível de evidência
são:
■ Limitações metodológicas (risco de viés);
■ Inconsistência;
■ Evidência indireta;
■ Imprecisão;
■ Viés de publicação
○ Evidências
■ Adicionalmente, caso o nível não tenha sido rebaixado devido aos fatores acima
apresentados, a evidência procedente de estudos observacionais pode ser elevada
considerando três fatores
● Grande magnitude de efeito;
● Gradiente dose-resposta;
● Fatores de confusão residuais, os quais aumentam a confiança na estimativa.
● Revisão sistemática e metanálise
○ estudo secundário
○ reúne estudo semelhantes de boa qualidade
■ evitar vieses
■ estabelece métodos rigorosos de seleção e análise dos dados
○ início: elaboração da questão clínica
○ ampla busca na literatura → estudos relacionados à questão
■ critérios previamente definidos → avaliação da qualidade metodológica
○ quando possível → análise estatística e metanálise
○ Forest plot / Blobograma / Gráfico em floresta
■
■ Também chamado de forest plot ou blobograma, é um gráfico centrado no efeito nulo, por
causa do risco relativo (RR). A esquerda tem-se o tratamento e a intervenção, e a direita, o
grupo controle. As linhas horizontais indicam o intervalo de confiança. O tamanho das
figuras ao centro das linhas horizontais representa a quantidade de pessoas envolvidas no
estudo. É por esse motivo que, quanto maior a figura ao centro, menor será a linha
horizontal – quanto maior a população, mais preciso o estudo.
■ O losango abaixo recebe o nome de diamante da meta-análise. Ele representa a decisão final,
a conclusão da análise estatística. Caso ele se encontre a esquerda da linha central de efeito
nulo, o resultado é favorável à intervenção (tratamento). Por outro lado, se estiver a direita, está
a favor do controle/placebo/não intervenção. O resultado é considerado inconclusivo se o
diamante incluir o efeito nulo (passar pela linha central). O intervalo de confiança de diamante é
indicado por seu formato
AMOSTRAGEM E ANÁLISE DE DADOS
● Hipóteses estatísticas
○ As provas de decisão têm como ponto de partida o estabelecimento de uma hipótese estatística.
Estas são as que se submetem à comprovação nas provas de significação. As hipóteses
estatísticas são duas, a Hipótese Nula (H0) e a Hipótese Alternativa (H1).
○
○ A diferença é estatisticamente nula. As diferenças observadas se devem às oscilações ao acaso.
Dependendo dos estatísticos que se queira contrastar, a expressão da hipótese nula assume
diversas formas, por exemplo:
■ A hipótese nula é sempre uma relação matemática de igualdade
○ As diferenças observadas não podem ser explicadas pelas oscilações ao acaso, isto é, as
diferenças são estatisticamente significativas
■ H1 é a negação de H0, sendo inexata.
○
○ Rejeitar a hipótese nula supõe automaticamente aceitar a hipótese alternativa
● Erros e probabilidades
○ Nível de Significância
■ Α (alfa) (Probabilidade a priori) (5% ou 1%)
○ Grau de Significância
■ p-value (p) (Probabilidade a posteriori)
○ Critério de decisão
■ P-valor > Alfa → Aceitamos a Hipótese Nula P-valor ≤ Alfa → Rejeitamos a Hipótese Nula
○ Estudo de caso 1
■ Como p-value é menor que 5%, concluímos que os dois protocolos não são igualmente
eficientes, ou seja, existe diferença estatisticamente significativa entre os protocolos
avaliados
○ Estudo de caso 2
■ Como p-value é maior que 5%, concluímos que o protocolo de tratamento não surtiu efeito
○ estudo de caso 3
■ Como p-value é maior que 5%, concluímos não existem diferenças entre os serviços de
PAEO
● Análise de variância - ANOVA (análise de variância e aplicações)
○ Análise de Variância trata-se de um conjunto de técnicas estatísticas para descobrir “fatores” que
produzem mudanças sistemáticas em alguma variável de interesse.
○ ANOVA é uma técnica que pode ser usada para determinar se as médias de três ou mais
populações são iguais.
○ O teste se baseia numa amostra extraída de cada população.
○ ANOVA – é a generalização do Teste t, isto é, quando necessitamos comparar mais do que duas
médias.
○ Método estatístico desenvolvido por Fisher, que, por meio de teste de igualdade de médias,
verifica se os fatores (variáveis independentes) produzem mudanças sistemáticas em alguma
variável de interesse (variável dependente).
○
○ A ANOVA é um teste de média, utilizando as variâncias, sendo que ela analisa as variações dentro
da amostra (variações aleatórias) e as variações entre amostras (variações explicadas).
○ Estudo de caso 4
■ Como p-value é menor que 5%, concluímos o horário em que o medicamento é ministrado
interfere no seu resultado
○ Estudo de caso 5
■ Como p-value é maior que 5%, concluímos que não há diferença significativa entre os três
protocolos clínicos para a lesão de útero.
VARIÁVEIS AMOSTRAGEM E TESTES DE HIPÓTESES
● Valor de P, poder de estudo, erro do tipo 1 e 2
○ Erro tipo 1 é quando o pesquisador encontra um resultado falso-positivo.
○ Erro tipo 2 é quando o pesquisador encontra um resultado falso-negativo.
○ A capacidade de um teste ser verdadeiro positivo é chamada de “sensibilidade” em Medicina, mas
em pesquisa se chama “power” ou poder do estudo
○ O poder do estudo normalmente buscado em pesquisas médicas é de 0,8 ou 80% (ou seja, se
aceita um máximo de 20% de falsos-negativos ou erros do tipo 2)
○ A capacidade de um teste ser verdadeiro negativo é chamada de “especificidade” em Medicina.
Em pesquisas, é chamado de 1 – α
○ cálculo do valor de p
■ Se você encontrou resultados “normais”, deve usar testes paramétricos: teste t de Student,
ANOVA, qui-quadrado (χ2) ou teste exato de Fisher (usado para dados categóricos: SIM ou
NÃO)
■ Se você tiver encontrado resultados “não normais”, então deve usar Mann-Whitney.