Fandom

Wiki AIA 13-17

Erros aleatórios

333 pages em
Este wiki
Adicione uma página
Comentários0 Share

Interferência de bloqueador de anúncios detectada!


A Wikia é um site grátis que ganha dinheiro com publicidade. Nós temos uma experiência modificada para leitores usando bloqueadores de anúncios

A Wikia não é acessível se você fez outras modificações. Remova o bloqueador de anúncios personalizado para que a página carregue como esperado.

Editora: Bruna da Silva Ferreira

Colaboradores: Augusto Radünz do Amaral, Felipe Starling Jardim e Fernanda Cristina Zanotti

Erros aleatóriosEditar


“Embora... os seres humanos não sejam singulares em suas respostas a um determinado tratamento, não há dúvida de que eles provavelmente variam, e algumas vezes variam muito. Duas ou três observações podem, portanto, fornecer, meramente através dos desígnios do acaso, um quadro favorável nas mãos de um médico e um desfavorável nas mãos de outro”.
                                                                    - Sir Austin Breadford Hill, 1971.


A experiência clínica pode, muitas vezes, ser afetada seja durante a realização de uma pesquisa formal ou no cuidado do paciente devido a dois processos: viés e acaso. O viés caracteriza-se como um erro sistemático em que os procedimentos aplicados fazem com que as observações sejam sistematicamente distintas dos valores reais, desviando-as de maneira sistemática em um sentido. Há um grande esforço, na pesquisa clínica, a fim de evitá-lo sempre que possível ou quando for inevitável, controlar e estimar os seus efeitos.
O erro aleatório, por outro lado, resulta do acaso, sendo inerente a todas as observações. Nunca pode ser completamente evitado, apenas estimado. Essa fonte de erro aleatória é designada desse modo pelo fato de que, em geral, possui a probabilidade igual de resultar em valores observados de um lado do valor verdadeiro ou do outro. Além disso, é capaz de afetar todas as etapas da observação clínica. Como o acaso não pode ser eliminado, sua influência pode ser reduzida planejando adequadamente o delineamento de uma pesquisa e a probabilidade de erro pode ser quantificada pela estatística. Essa quantificação é necessária para estipular o quanto é aceitável errar ao se fazer conclusões sobre um estudo, além disso, os testes estatísticos auxiliam nas estimativas do quanto as observações se aproximam da verdade.       

Bias.png

Fonte: Bagpipe online, 2013















No geral, duas abordagens são utilizadas para avaliar o acaso nas observações clínicas. A primeira, chamada teste de hipótese, faz o questionamento da presença de um efeito (diferença), utilizando testes estatísticos, a fim de examinar a hipótese de não haver diferença (“hipótese nula”). É a forma mais tradicional e está relacionada com os “valores P”. A outra abordagem denomina-se estimativa e utiliza métodos estatísticos com o objetivo de estimar a faixa de valores que provavelmente inclui o valor verdadeiro.


Teste de hipótese

As principais conclusões de um ensaio clínico são, geralmente, expressas em termos dicotômicos, avaliando se um novo tratamento é mais eficaz ou não do que o habitual, e se os resultados são ou não “estatisticamente significativos”, ou seja, pouco provável de terem ocorrido ao acaso. Entre as conclusões estatísticas e os fatos na realidade, existem quatro possibilidades de relação entre as conclusões.

Erro tipo 1 e erro tipo 2.jpg

Fonte: Allpsych online, 2013.













A hipótese nula sacramenta que não há diferença entre os grupos. Já a hipótese alternativa diz que existe diferença entre os grupos. Apenas duas das quatro possibilidades apresentadas na figura acima levam a conclusões corretas. O novo tratamento realmente é melhor e esta é a conclusão do estudo (na figura é representado pelo Accurate 1-β); e os tratamentos realmente apresentam efeitos semelhantes e o estudo conclui que uma diferença é improvável (na figura é representado pelo Accurate 1-α).

Resultados estatísticos falso-positivos e falso-negativos

Há também duas maneiras de os resultados estarem errados. O tratamento pesquisado e o de costume podem apresentar efeitos parecidos, porém a conclusão do estudo é que o tratamento testado é mais eficaz, essa conclusão é “falso-positiva” e representa o Erro Tipo I ou erro α. Ou seja, diz-se que há uma diferença entre os tratamentos quando, na realidade, não há. Por outro lado, o novo tratamento pode ser de fato, mais eficaz, porém o estudo pode concluir que não, caracterizando um “falso-negativo”, chamado Erro tipo II ou erro β. Ou seja, afirma-se que não existe diferença nos efeitos do tratamento quando, na verdade, essa distinção está presente. A probabilidade de haver erro decorrente de uma variação aleatória é estimada através da estatística inferencial, caracterizada como uma ciência quantitativa que assume pressupostos a respeito das propriedades matemáticas e, dessa maneira torna-se a base para o cálculo da probabilidade de que os resultados poderiam ter ocorrido apenas pelo acaso.

Valor de P

Grande parte das estatísticas observadas na literatura médica diz respeito à probabilidade de um erro tipo I, sendo expressas pelo valor P. O valor P representa uma estimativa quantitativa da probabilidade de que as diferenças encontradas nos efeitos de tratamento em um determinado estudo científico poderiam ter ocorrido somente pelo acaso, presumindo que não existiam diferenças entre os grupos estudados.
Atribuiu-se um significado especial aos valores P menores do que 0,05 (1 em 20). Essa probabilidade de 1 em 20 é muito pequena, portanto é coerente concluir que é pouco provável que os resultados obtidos tenham surgido somente pelo acaso, existe a possibilidade, mas é improvável. Dessa forma, as diferenças que apresentem um valor P menor do que 0,05 são ditas estatisticamente significativas.
É relevante destacar que uma diferença estatisticamente significativa, independente de quão pequeno tenha sido o valor P, não significa que ela seja clinicamente importante. Se um valor P <0,0001 surgir de um estudo bem delineado, atribui um grau de confiança elevado de que realmente há uma diferença, contudo não mostra a magnitude dessa diferença ou sua importância clínica. Na realidade, diferenças corriqueiras podem ser estatisticamente significativas se uma quantidade suficientemente grande de pacientes for estudada. Desse modo, fica evidente que o valor P é susceptível à quantidade de indivíduos incluídos em uma amostra, podendo representar valores significativos para desfechos duvidosos. Por outro lado, valores P não tão impressionantes podem ser resultado de pesquisas que mostram efeitos de tratamento fortes, caso realizadas com poucos pacientes.

ReferênciasEditar

1 - FLETCHER, Suzanne W., FLETCHER, Robert H. Epidemiologia Clínica - Elementos Essenciais. 4 ed: Artmed, 2006.

2 - PEREIRA Mauricio G. Epidemiologia. Teoria e prática. 4ª ed: Guanabara Koogan: Rio de Janeiro, 2000.

3 - ROUQUAYROL, Maria Z. Epidemiologia e Saúde. 5 ed. Rio de Janeiro: Medsi, 1999.

4 - FERREIRA Bruna S. Anotações da Aula de Epidemiologia. 04/09/2013.

5 -  JEKEL, James F.; KATZ, David L.; ELMORE, Joann G. Epidemiologia, bioestatística e medicina preventiva. 2. ed. Porto Alegre: Artmed, 2006.

Links externosEditar

1 - Error type I and type II

2 - What is p-value?

3 - Hypothesis tests, p-value-Statistics help

Mais da comunidade Wikia

Wiki aleatória