Slide4-Testes de Hipoteses

Bioestatstica
Testes de Hipteses
Prof. Dr. Robson M. Rossi
Departamento de Estatstica
Universidade Estadual de Maring-PR
ROSSI, R. M. (DES/UEM) TH 1 / 64
Introduo
Introduo
Frequentemente necessitamos tomar decises sobre parmetros ou
distribuies populacionais com base em informaes amostrais, as quais
so denominadas Decises Estatsticas.
Na tomada de decises, so formuladas hipteses que podem ser
rejeitadas ou no.
Introduo
Tais hipteses, que podem ser verdadeiras ou no, chamam-se Hipteses
Estatsticas e, em geral, consistem de armaes sobre os parmetros
populacionais ou sobre as distribuies de probabilidade das populaes
como, por exemplo:
1 a mdia populacional da altura dos brasileiros = 1, 65m;
2 33% (p = 0, 33) da populao brasileira alrgica a poeira;
3 a distribuio dos pesos dos pacientes adultos do hospital
universitrio Normal.
Introduo
Os processos que nos permitem decidir por rejeitar ou no rejeitar uma
hiptese, ou determinar se amostras observadas diferem signicativamente
dos resultados esperados, so chamados Testes de Hipteses.
O objetivo fornecer ferramentas que nos permitam validar ou refutar uma
hiptese, por meio de resultados da amostra.
Os Testes de Hipteses podem ser de dois tipos:
(a) No-Paramtricos: quando formulamos hipteses com respeito
natureza da distribuio da populao. Nestes casos, estes testes no
dependem dos parmetros populacionais, nem de suas respectivas
estimativas. Veja o item (3).
(b) Paramtricos: quando formulamos hipteses com respeito ao valor de
um parmetro populacional. Veja itens (1) e (2). Geralmente so
utilizados quando h normalidade nos dados.
Teste de Hiptese
Construo de um Teste de Hiptese
Inicialmente, para a construo de um teste, devemos formular duas hipteses
a cerca da armao:
(a) Hiptese nula (H
0
): uma armao que diz que o parmetro
populacional tal como especicado (
0
).
(b) Hiptese alternativa (H
a
): uma armao que oferece uma alegao
alternativa (isto , o parmetro diferente do valor alegado).
Teste de Hiptese
As hipteses estatsticas para um parmetro ( : , p, etc), podem ser
formuladas como segue:
1 Teste Bilateral: quando utilizamos ambas as caudas da distribuio.
H
0
: =
0
H
a
: =
0
2 Teste Unilateral Direita: quando utilizamos a cauda direita da
distribuio.
H
0
: =
0
H
a
: >
0
3 Teste Unilateral Esquerda: quando utilizamos a cauda esquerda da
distribuio.
H
0
: =
0
H
a
: <
0
Teste de Hiptese
Nvel de signicncia e p-valor
Ao se testar uma hiptese, desejamos vericar por meio de uma estatstica
amostral, se a hiptese pode ou no ser rejeitada com nvel de signicncia
pr-xado, , conhecido como Erro tipo I.
Esta concluso tomada com base na Regio Crtica (RC) que construda
de modo que:
P(
RC| H
0
verdadeira) =
O procedimento que ser utilizado para a construo de um Teste de Hiptese
o que consiste em apresentar o nvel descritivo ou p-valor.
Teste de Hiptese
O p-valor a probabilidade de ocorrncia do valor particular observado para
a estatstica de teste ou de valores mais extremos, na direo da regio crtica,
quando a hiptese nula H
0
verdadeira. Quanto maior for a fora da
evidncia contra H
0
, menor ser o p-valor.
Figura: Regio Crtica em um teste bilateral.
Teste de Hiptese Procedimento para um TH
Procedimento para um Teste de Hiptese
A sequncia a seguir pode ser usada sistematicamente para qualquer teste de
hiptese:
1. Denir as hipteses H
0
e H
a
;
2. Use a teoria estatstica e as informaes para decidir qual a distribuio
da estatstica (estimador) que ser utilizada no julgamento de H
0
;
3. Escolher o nvel de signicncia ;
4. Calcular o valor crtico atravs da Estatstica Teste (e obter o p-valor se
possvel).
para (n 30) para (n < 30 ou desconhecido)
Z
0
=
x
/
n
N(0, 1) T
0
=
x
s/
n
t
n1
para p (supondo normalidade)
Z
0
=
p p
0
_
p
0
(1 p
0
)
n
N(0, 1)
5. Compare o valor crtico calculado (ou p-valor) e comparar com o valor
tabelado (ou ).
6. DECISO: A hiptese nula ser rejeitada para aqueles nveis de
signicncia cujos valores sejam maiores que a probabilidade
calculada, isto :
Rejeitamos H
0
quando p valor < .
Observao: O procedimento de teste de hiptese descrito anteriormente,
fornece informao sobre a fora da evidncia contra H
0
obtida a partir dos
dados. Isto , informado se o valor observado para a estatstica de teste que
levou rejeio de H
0
est prxima da fronteira da regio crtica (RC) (baixa
evidncia contra H
0
) ou se est muito afastada da fronteira (alta evidncia
contra H
0
).
Exemplo A: Teste de Hiptese para Proporo.
Suponha que um laboratrio alegue que uma determinada droga que ele
comercializa eciente em pelo menos 85% dos casos em que utilizada.
Suponha que, para comprovar a alegao do laboratrio, um
organismo de controle testou 180 pacientes, vericando a ao da droga em
146 casos.
Soluo:
O teste da ecincia alegada pelo laboratrio, aos nveis clssicos de
signicncia, seria feito da seguinte forma:
p =
Y
n
=
146
180
0, 811 (proporo de ecincia na amostra)
H
0
: = 0, 85
H
a
: < 0, 85
A Estatstica teste
Z
0
=
p p
0
_
p
0
(1 p
0
)
n
=
0, 811 0, 85
_
0, 85(1 0, 85)
180
=
0, 0389
0, 0266
Z
0
= 1, 46 (p = 0, 072145 ou 7, 2%)
Os valores tabelados para os nveis de signicncia de interesse so:
10% 5% 1%
Z
1, 28 1, 65 2, 33
Observe que Rejeitamos H
0
para : 10%, mas no para : 1% e 5%.
Concluso: Em nvel de signicncia = 10%, h evidncias estatsticas de
que a droga menos ecaz do que o alegado.
Figura: TH para o Exemplo A.
Exemplo B: Teste de Hiptese para a Mdia populacional.
Deseja-se investigar se uma certa molstia que ataca o rim altera o consumo
de oxignio desse rgo. Para indivduos sadios, admite-se que esse consumo
tem distribuio Normal com mdia 12 cm
3
/min. Os valores medidos em
cinco pacientes com a molstia foram:
14,4 12,9 15,0 13,7 13,5
Qual seria a concluso, ao nvel de 1% de signicncia?
Soluo:
O teste de interesse :
H
0
: A molstia no altera a mdia de consumo renal de oxignio;
H
a
: Indivduos portadores da molstia tm mdia alterada.
Em termos da mdia populacional, estamos testando as hipteses:
H
0
: = 12
H
a
: = 12,
e a regio crtica da forma:
RC = {t R|t < t
1
ou t > t
2
}.
Sendo desconhecido, usaremos s como seu estimador e a estatstica teste
ser:
T
0
=
x
s/
n
t
4
=
13, 9 12
0, 82/
5
= +5, 21 (p = 0, 0065)
Os valores tabelados para = 1%, so: t
4;0,5
= 4, 6.
Portanto, como T
0
RC, decidimos pela rejeio da hiptese nula, ou seja, a
molstia tem inuncia no consumo renal mdio de oxignio ao nvel de 1%.
Figura: TH para o Exemplo B.
Comparao Entre Grupos
Comparao Entre Grupos
H situaes em que preciso comparar duas populaes;
Em outras, preciso comparar condies experimentais. Neste caso,
para saber se um tratamento tem efeito positivo, organizam-se dois
grupos de unidades: Grupo Tratado e o Grupo Controle;
Os indivduos no par (caso-controle) so semelhantes, exceto no que se
refere ao tratamento recebido. Em algumas situaes o par constitudo
do mesmo indivduo em duas ocasies diferentes (amostras
dependentes).
Comparao Entre Grupos Resposta Dicotmica: Amostras Independentes
Resposta Dicotmica: Amostras Independentes
Quando estamos em uma situao em que h apenas duas respostas
(dicotmicas: Sim e No , por exemplo), devemos analisar se as
amostras foram obtidas de modo independente ou pareado (dependente),
para que possamos utilizar o teste adequado.
Supomos uma varivel de interesse que seja a ocorrncia de um evento,
como o desenvolvimento de uma doena de certo atributo, por exemplo,
albinismo.
O problema de comparaes das probabilidades de ocorrncia do evento
ou do atributo nos dois grupos (p
1
e p
2
) formulado atravs das
hipteses:
_
H
0
: p
1
= p
2
H
a
: p
1
= p
2
no h diferena signicativa entre os grupos
h diferena signicativa entre os grupos
Ou ainda uma situao que provoca o seguinte teste de hiptese:
_
_
H
0
:no existe evidncias de associao
entre as variveis em estudo
H
0
:existe evidncias de associao
entre as variveis em estudo
Teste Qui-Quadrado
A Tabela 1 apresenta dados genricos de uma situao envolvendo a
comparao de dois grupos em que a resposta de interesse dicotminca: a
ocorrncia (sim) ou no de um evento (no). Neste caso estamos tratando de
uma estatstica No-Paramtrica, onde temos interesse de vericar a
existncia ou no de associao entre as variveis em estudo.
Tabela 1: Distribuio quanto a ocorrncia de um evento
para uma amostra de tamanho n.
Grupo Ocorrncia do Evento
Sim No Total
I a b n
1
II c d n
2
Total m
1
m
2
n
A Estatstica Teste ser a Qui-quadrado de Karl Pearson (1857-1936):
2
=
n (ad bc)
2
n
1
n
2
m
1
m
2

2
1
(Tabelas 2 2)
Existem algumas restries para aplicao do
2
em tabelas de contingncia,
logo a correo de Yates (1934) necessria:
20 < n < 40 e e
i
5 para algum i; (e
i
: valor esperado na i-sima casela)
e
i
=
total na linha total na coluna
n
n > 40 e e
i
5 para algum i;
Em qualquer um destes a estatstica teste ser:
2
Y
=
n
_
|ad bc|
n
2
_
2
n
1
n
2
m
1
m
2

2
1;%
(Tabelas 2 2)
Exemplo 1: Estudo sobre a associao entre o uso corrente de
contraceptivos e o infarto de miocrdio.
Shapiro et al. (1979) observaram os resultados entre pacientes com idade
entre 30 e 34 anos e estes so mostrados na Tabela 2.
Tabela 2: Distribuio de uso de contraceptivo oral segundo grupo que
sofreu ou no infarto do miocrdio.
Uso recente
Grupo Sim No Total
Caso 9 (1,99*) 12 (19,01) 21
Controles 33 (40,01) 390 (382,99) 423
Total 42 402 444
Fonte: Shapiro et al. (1979); *Valor esperado.
Entre os casos, ou seja, entre as pacientes que tiveram um infarto do
miocrdio, a proporo de uso recente de contraceptivos
9
21
= 0, 43 ou 43% e entre os controles,
33
423
= 0, 08 ou 8%.
A diferena entre estas duas propores (35%) parece indicar que o uso de
contraceptivos orais mais frequente entre os casos (infartos).
Mas ser que este resultado no ocorreu por mero acaso?
Vamos testar as hipteses:
_
H
0
: 43% = 8%
H
a
: 43% = 8%
no h diferena signicativa entre os grupos
h diferena signicativa entre os grupos
Sabendo que as respostas so dicotmicas e provenientes de grupos
independentes, utilizaremos a estatstica teste:
2
Y
(Qui-quadrado de Yates)
devido a existncia de um e
i
= 1, 99 5 :
2
Y
= 24, 76 > 3, 84 =
2
1;5%
(p valor = 0 < 5%)
O Resultado nos permite Rejeitar H
0
, isto , ao nvel de 5% de signicncia
ou com alto grau de conana de (95%), podemos armar que existe
diferena entre os grupos, ou similarmente, existe evidncias estatstica de
haver associao entre o uso de contraceptivos orais e infarto do miocrdio
para pacientes entre 30 e 34 anos.
Para tabelas de contingncia de ordem superior a 2x2,
o Teste Qui-quadrado (
2
) dado por:
2
=
k
i=1
(o
i
e
i
)
2
e
i

2
,%
tal que:
o
i
: valor observado;
e
i
: valor esperado;
: graus de liberdade = (n. colunas - 1)(n. linhas - 1).
A mesma estatstica com correo de continuidade de Yates dada por:
2
Y
=
k
i=1
_
|o
i
e
i
|
1
2
_
2
e
i

2
,%
Exemplo 2. Em um estudo do tipo caso-controle, quatro grupos foram
formados de acordo com faixas etrias distintas, e os resultados esto
apresentados na Tabela 3. Aparentemente existe aumento (tendncia
crescente) dos casos a medida que a idade aumenta. Deseja-se testar em nvel
de 5% a hiptese nula:
H
0
: No existe associao entre Grupo e Faixa etria;
ou ento:
H
0
: p
I
= p
II
= p
III
= p
IV
(H homogeneidade de propores).
Tabela 3: Associao entre Grupo e Faixa etria.
Faixas Etrias
Grupos I II III IV
Casos 105 150 170 190
Controles 784 800 950 950
Clculos sem correo:
2
=
(28, 4)
2
133, 4
+
(+7, 5)
2
142, 5
+
(+2, 0)
2
168, 0
+
(+19, 09)
2
171, 0
+
+
(+28, 4)
2
755, 6
+
(7, 5)
2
807, 5
+
(2, 0)
2
952, 0
+
(19)
2
969, 0
= 6, 05 + 0, 39 + 0, 02 + 2, 13 + 1, 07 + 0, 07 + 0, 0004 + 0, 37
= 10, 06 (p-valor = 0, 018).
Conclumos pela rejeio da hiptese nula e, portanto, h associao entre
Grupo e Faixa etria, a saber, a proporo de doentes aumenta com o aumento
das faixas etrias j que p
I
= 12%, p
II
= 16%, p
III
= 16% e p
IV
= 17%.
Teste Exato de Fisher
Em tabelas de contingncia 2 2, com aproximadamente n 20 e,
consequentemente, com frequncias observadas em cada casela muito baixas,
a literatura apresenta o teste Exato de Fisher.
Neste caso as frequncias observadas tm distribuio hipergeomtrica e a
probabilidade de ocorrncia i ser dada por:
p
i
=
n
1
!n
2
!m
1
!m
2
!
a!b!c!d!n!
Exemplo 3: Tratamento de AIDS.
Um estudo foi realizado para vericar a existncia de associao entre o tipo
de Tratamento e Mortalidade por AIDS.
Tabela 4: Tipo de tratamento e mortalidade por AIDS.
Mortalidade
Tratamento Sim No Total
A 7 (58,3%) 5 12 (100%)
B 1 (10,0%) 9 10 (100%)
Como p valor = 0, 0263 menor que 5% decide-se por Rejeitar H
0
, isto ,
podemos concluir que h diferena quanto mortalidade em relao ao tipo
de tratamento, sendo B mais ecaz.
Teste z para Propores
Denotamos os dois resultados possveis da varivel dicotmica por sucesso e
fracasso. Sejam p
1
e p
2
as propores de sucesso referentes aos tratamentos a
serem comparados, que so estimadas por p
1
e p
2
, as propores amostrais
baseadas em amostras de tamanhos n
1
e n
2
, respectivamente. Supondo que os
dados sejam Normalmente distribudos, queremos testar as hipteses:
H
0
: p
1
= p
2
H
a
: p
1
= p
2
isto , estamos investigando a equivalncia entre os dois tratamentos.
Apresentaremos uma alternativa para o teste Qui-quadrado para a comparao
de propores. Trata-se de um teste aproximado que requer amostras grandes
para sua aplicao.
Um critrio exigir que n
1
p
1
e n
2
p
2
excedam o valor 5.
A estatstica teste ser:
Z
c
=
p
1
p
2
_
p
1
(1p
1
)
n
1
+
p
2
(1p
2
)
n
2
N(0, 1).
Exemplo 4: Comparao de drogas contra nusea.
Com o objetivo de comparar a eccia de dois preventivos contra nusea, por
meio de um ensaio clnico aleatorizado dividiu-se uma amostra de 400
marinheiros em dois grupos de 200.
Um grupo recebeu a plula A e o outro a plula B, sendo que no primeiro
grupo 152 no enjoaram durante uma tempestade e no outro grupo apenas
132.
Questo: H indicaes de que a eccia da plula A e B a mesma
(Bioequivalncia Estatstica)?
Soluo: Sejam p
A
e p
B
as propores de marinheiros que no enjoam,
respectivamente para as plulas A e B.
n
A
= 200, n
B
= 200, p
A
=
152
200
= 0, 76 e p
B
=
132
200
= 0, 66
logo tem-se:
Z =
0, 76 0, 66
_
0,76(10,76)
200
+
0,66(10,66)
200
= +2, 2 (p valor = 0, 0281).
Considerando um nvel de signicncia de 5%, Rejeitamos H
0
.
Podemos concluir que as duas plulas no so igualmente efetivas.
Comparao Entre Grupos Resposta Dicotmica: Amostras Pareadas
Resposta Dicotmica: Amostras Pareadas
Podemos distinguir trs tipos de pareamento:
(1) O auto-pareamento:
1a. ocorre quando o indivduo serve como seu prprio controle, como na
situao em que um indivduo recebe duas drogas administradas em ocasies
diferentes;
1b. outra situao a que um tratamento administrado e as variveis de
interesse so observadas antes e depois do programa;
1c. e nalmente, a comparao de dois rgos no mesmo indivduo, como
braos, pernas, olhos, narinas, segundo alguma caracterstica estudada
tambm constitui um auto-pareamento.
(2) O pareamento natural: consiste em formar pares to homogneos quanto
possvel, controlando os fatores que possam interferir na resposta, sendo que
o pareamento aparece de forma natural.
Por exemplo, em experimentos de laboratrio pode-se formar pares de cobaias
selecionadas da mesma ninhada e no caso de investigaes clnicas, gmeos
univitelinos.
(3) O pareamento articial: Aqui escolhe-se indivduos com caractersticas
semelhantes, por meio de fatores de incluso e/ou excluso, tais como, idade,
sexo, nvel scio-econmico, estado de sade ou, em geral, fatores que podem
inuenciar de maneira relevante a varivel resposta.
Teste de McNemar
Com o objetivo de compararmos amostras de forma pareada podemos
resumi-los no formato a seguir:
Tabela 5: Apresentao de dados obtidos
em uma classicao de dados pareados.
Tratamento
Controle Sucesso Fracasso Total
Sucesso a b n
1
Fracasso c d n
2
Total m
1
m
2
n
Se p
1
e p
2
so as probabilidades de sucesso nos grupos controle e tratamento,
respectivamente, a hiptese de interesse :
H
0
: p
1
= p
2
H
a
: p
1
= p
2
A Estatstica Teste ser McNemar (b/c):
2
McN
=
(|b c| 1)
2
b + c

2
1
.
A hiptese nula dever ser rejeitada quando
2
McN
>
2
1
.
Exemplo 5: Amigdalectomia e doena de Hodgkin
Johnson & Johnson (1972), ao analisarem retrospectivamente a histria
clnica de pacientes de doena de Hodgkin, um tipo de cncer no tecido
linfide, no encontraram evidncias que sustentassem a hiptese de que a
amigdalectomia aumenta a suscetibilidade doena, pela remoo da
barreira linftica representada pela amgdala.
Neste estudo, usaram um planejamento do tipo caso-controle pareado. A
concluso relatada no artigo foi feita, entretanto, com uma anlise apropriada
para dados provenientes de grupos independentes.
Logo aps a publicao, vrios autores observaram a impropriedade da
anlise e, utilizando as informaes do artigo, zeram a anlise correta, que
baseada nos dados a seguir.
Tabela 6: Distribuio de pacientes com e sem doena de Hodgkin
em um estudo caso-controle pareado segundo amigdalectomia.
Doena de Controle
Hodgkin Operados No operados Total
Operados 26 15 41
No operados 7 37 44
Total 33 52 85
O valor da estatstica do teste de McNemar :
2
McN
=
(|15 7| 1)
2
15 + 7
= 2, 23 (p = 0, 1353)
Ou seja, com uma conana de 95% No Rejeitamos H
0
, logo acreditamos
que no h associao entre a doena de Hodgkin e a amigdalectomia.
Teste Kappa (concordncia ou replicabilidade)
O coeciente de Kappa utilizado para vericar a concordncia entre dois
mtodos, terapias ou diagnsticos de dois especialistas, por exemplo.
Tabela 7: Concordncia entre dois mtodos.
Mtodo 2 Total
Mtodo 1 Presente (+) Ausente (-)
Presente (+) a (++) b (+-) n
1
= a + b
Ausente (-) c (-+) d () n
2
= c + d
Total m
1
= a + c m
2
= b + d n
Clculos auxiliares:
Proporo de concordncia observada:
p
o
=
a + d
n
Proporo de concordncia casual:
p
c
=
n
1
.m
1
+ n
2
.m
2
n
2
Coefciente:
Kappa =
p
o
p
c
1 p
c
.
Classicao:
Kappa Concordncia
k = 0 nenhuma
k < 0, 4 leve
0, 4 k < 0, 8 moderada
0, 8 k < 1 forte
k = 1 perfeita
Observao: Para realizao do teste, estamos testando a hiptese nula:
H
0
: No h concordncia entre diagnsticos (ou mtodos).
Exemplo 7: Diagnstico de dois especialistas.
Em uma determinada experincia, foi avaliado o grau de leso do tecido
heptico, em 20 cobaias s quais foi administrada uma certa substncia txica.
Tabela 8: Diagnsticos de dois patologistas quanto ao grau de leso do
tecido heptico.
Cobaia 1 2 3 4 5 6 7 8 9 10
Patologista 1 + + + + + + - + + +
Patologista 2 + + - + + + - - + +
Cobaia
Patologista 1
Patologista 2
11 12 13 14 15 16 17 18 19 20
+ + + - - + - + + -
- + + - - - - - + -
+ : presena de leso heptica.
Tabela 9: Concordncia entre o diagnstico de dois especialistas.
Diagnstico Diagnstico Patologista 1 Total
Patologista 2 Presente (+) Ausente (-)
Presente (+) 10 5 15
Ausente (-) 0 5 5
Total 10 10 20
p
o
=
a + d
n
=
10 + 5
20
= 0, 75
p
c
=
n
1
.m
1
+ n
2
.m
2
n
2
=
15.10 + 5.10
20
2
=
200
400
= 0, 5
Kappa =
p
o
p
c
1 p
c
=
0, 75 0, 5
1 0, 5
= 0, 5
p = 0,0049 -> Concordncia Moderada!
Comparao Entre Grupos Medida do efeito
Medida do Efeito
Ao vericarmos a associao entre duas variveis, como fator de risco e
doena, por exemplo, muitas vezes h o interesse em quanticar essa
associao por meio das razes de chances.
Risco Relativo
O Risco Relativo (RR) uma forma de expressarmos a fora de associao
entre exposio ao fator e a doena.
Os estudos longitudinais prospectivos e retrospectivos proporcionam ao
investigador a oportunidade de identicar, dentro do sistema composto das
variveis que so selecionadas e estudadas, os fatores de risco e de proteo,
considerando as variveis independentes e dependentes contidas no modelo
de estudo.
Risco Relativo: relao existente entre o coeciente de incidncia de casos
expostos (I
E
) e o coeciente de incidncia de casos no-expostos (I
NE
).
No estudo de coorte bastante natural pensar na razo entre a proporo dos
que desenvolveram a doena dentre os pacientes expostos e a proporo
anloga entre os pacientes no-expostos.
Observao: Ensaios clnicos podem ser vistos como um
estudo de coortes, em que os grupos foram criados atravs de
alocao aleatria de pacientes aos grupos. Portanto, o risco
relativo tambm pode ser calculado para estes casos.
Tabela 10: Distribuio quanto ocorrncia de um evento.
Doena Fator Total
(Exposto)
Presente
(No-exposto)
Ausente
Presente a b n
1
= a+b
Ausente c d n
2
= c+d
Total m
1
= a+c m
2
= b+d n = n
1
+n
2
de modo geral, podemos encarar o RR como:
RR =
I
E
I
NE
=
Pr(Doente|Exposto)
Pr(Doente|No exposto)
=
a
a + c
b
b + d
.
Exemplo 8: Aberrao cromossmica.
Quando estamos interessados em estimar probabilidades condicionais, por
exemplo, de um nascituro ter aberrao cromossmica, dado que a gestante
est na faixa etria de 35 at 40 anos, e a probabilidade (condicional) de um
nascituro ter aberrao cromossmica, dado que a gestante tem 40 anos ou
mais, comum na rea da sade usar a palavra risco para identicar esta
probabilidade.
Tabela 11: Resultados de casos de diagnstico pr-natal segundo a idade da
gestante e a presena ou ausncia de aberrao cromossmica.
Doena Fator (Idade em anos) Total
(Aberrao)
(Exposto)
40
(No-exposto)
35 40
Presente 18 10 28
Ausente 510 447 957
Total 528 457 985
1 o risco de um nascituro ter aberrao cromossmica, dado que a gestante
tem 40 anos ou mais (I
E
):
I
E
=
18
528
= 0, 0341 ou 3, 41%.
2 o risco de um nascituro ter aberrao cromossmica, dado que a gestante
est na faixa etria de 35 at 40 anos (I
NE
):
I
NE
=
10
457
= 0, 0219 ou 2, 19%.
3 o Risco Relativo (RR) a razo entre duas probabilidades condicionais
(ou dois riscos condicionais).
RR =
3, 41
2, 19
= 1, 56.
Este resultado mostra que o risco de um nascituro apresentar aberrao
cromossmica 1,56 maior se a gestante tiver 40 anos ou mais do que se a
gestante estiver na faixa etria de 35 at 40 anos.
Intervalo de Conana para o RR
Nos estudos longitudinais de coorte, em que procedemos vericao e
identicao dos fatores considerados de risco ou de proteo, determinamos
os valores referentes ao risco relativo. Entretanto,para que possamos concluir
sobre os verdadeiros fatores de risco ou proteo, utilizamos o intervalo de
conana para o RR, IC(RR):
IC(RR) = RR
1
Z
/2
_
2
c
onde
2
c
o valor da estatstica teste calculada atravs dos dados na tabela de
contingncia formada.
Exemplo 9: Intervalo de conana para RR.
Dos dados da Tabela 11, para RR = 1, 56, podemos obter seu
respectivo IC(RR), j que
2
c
= 1, 32 e para um nvel de signicncia de 5%,
o valor de Z
2,5%
= 1, 96 :
IC(RR) = 1, 56
1
1, 96
1, 32
= 1, 56
11,71
IC(RR) : [0, 73; 3, 34]
Observao: Este intervalo no incluindo a unidade, isto , (o nmero 1)
possibilita-nos rejeitar H
0
: No existe associao entre as variveis.
Concluso: existe associao entre idade e aberrao cromossmica, isto , a
idade realmente um fator de risco.
Odds-Ratio
O risco relativo, embora seja uma medida de efeito com muitas qualidades,
tem uma grande limitao: no pode ser estimado em estudo de caso-controle,
forma mais frequente de estudo comparativo.
Isto porque, neste tipo de estudo, as incidncias observadas so meras
consequncias do nmero escolhido de casos e controles e no
caractersticas dos grupos em estudo.
Por isto, buscaram-se maneiras alternativas para se denir o efeito da
exposio de forma adequada a todos os estudos epidemiolgicos.
A soluo encontrada foi o uso de uma medida denominada razo das
chances ou Odds-Ratio (OR).
Dene-se chance de se desenvolver a doena entre os expostos e os no
expostos como a seguinte estimativa:
OR =
Pr(Exposto|Doente)
1 Pr(Exposto|Doente)
Pr(Exposto|No Doente)
1 Pr(Exposto|No Doente)
=
a/(a + c)
c/(a + c)
b/(b + d)
d/(b + d)
=
a/c
b/d
=
ad
bc
Exemplo 10: Amamentao na infncia e cncer de mama.
Para vericar se o fato de ter sido amamentado pela me um fator de
proteo para o cncer de mama, Freudenheim et al. (1994) realizaram estudo
do tipo caso-controle nos condados de Erie e Nigara situados na parte oeste
do estado de New York (EUA).
Tabela 12: Distribuio de casos e controles segundo a amamentao.
Doena
(Fator)
Amamentao
Total
Sim No
Casos 353 175 528
Controles 449 153 602
Total 802 328 1130
O risco de desenvolver cncer de mama entre mulheres que foram
amamentadas, aproximado pela razo de chances (odds-ratio), estimado por
OR =
ad
bc
=
353(153)
175(449)
= 0, 7
ou seja, nominalmente, o risco do grupo amamentado apenas 70% do risco
do grupo no-amamentado.
De forma prtica, fazendo
1
OR
podemos ter uma medida inversa, isto ,
1
0, 7
1, 4 ser a chance que uma me que no foi amamentada na infncia
vir a desenvolver um cncer de mama, comparada aquela que foi amamentada
pela me.
Intervalo de Conana para o OR
Analogamente ao I(RR), a obteno do intervalo de conana para a razo de
chances, IC(OR), ser:
IC(OR) = OR
1
Z
/2
_
2
c
Exemplo 11: Intervalo de conana para OR.
Para obtermos um intervalo com 95% de conana para OR temos:
IC(OR) = 0, 7
1
1, 96
8, 16
= 0, 7
10,69
IC(OR) : [0, 5; 0, 9]
ou
IC(OR) = 1, 4
1
1, 96
8, 16
= 1, 4
10,69
IC(OR) : [1, 3; 2, 0]
Comparao Entre Grupos Resposta Contnua - Teste de Mdias para Amostras Independentes
Resposta Contnua - Teste de Mdias para Amostras
Independentes
s vezes, preciso comparar duas populaes Supondo Normalidade, isto ,
por meio de um Teste Paramtrico.
Testa-se, neste caso, a igualdade das mdias das respostas de dois tratamentos.
Sejam
1
e
2
as mdias populacionais das variveis estudadas para os grupos
1 e 2, respectivamente.
As hipteses a serem testadas so:
H
0
:
1
=
2
: as mdias so provenientes de populaes iguais
H
a
:
1
=
2
Teste t
Se a varivel em anlise tem Distribuio Normal ou Aproximadamente
Normal, aplica-se o teste (t-Student) t para comparar duas mdias.
Passos:
1 Estabelea o nvel de signicncia, .
2 Calcule as mdias de cada grupo:
x
1
: mdia amostral do grupo 1
x
2
: mdia amostral do grupo 2
3 Calcule as varincias ou os desvios-padres de cada grupo:
s
1
: desvio-padro do grupo 1
s
2
: desvio-padro do grupo 2
4 Calcule a varincia ponderada:
s
2
p
=
(n
1
1)s
2
1
+ (n
2
1)s
2
2
n
1
+ n
2
2
5 Calcule o valor da estatstica teste, t
c
e compare com o valor tabelado
t
n
1
+n
2
2;
2
%
(Bilateral):
t
c
=
x
1
x
2
s
2
p
_
1
n
1
+
1
n
2
_
t
n
1
+n
2
2;
2
%
6 Conclua pela Rejeio de H
0
se t
c
RC, isto , se
|t
c
| > t
n
1
+n
2
2;(1
2
)%
ou, analogamente, se
p valor < .
O intervalo de conana para (
1
2
) poder ser obtido atravs de:
(x
1
x
2
) t
n
1
+n
2
2;2%
s
2
p
_
1
n
1
+
1
n
2
_
Exemplo 12: Comparao entre tratamentos para dieta.
Para vericar se duas dietas para emagrecer so igualmente ecientes, um
mdico separou, ao acaso, um conjunto de pacientes em dois grupos. Cada
paciente seguiu a dieta designada para seu grupo. Decorrido certo tempo, o
mdico obteve a perda (ou ganho) de peso, em quilogramas, de cada paciente
de cada grupo. Os dados esto apresentados a seguir:
Tabela 13: Perdas de peso, em quilogramas, segundo a dieta.
Perda de Peso (kg)
Dieta 1 12 8 15 13 10 12 14 11 12 13
Dieta 2 15 19 15 12 13 16 15 - - -
Aps alguns clculos preliminares, temos:
x
1
= 12; x
2
= 15; s
2
1
= 4; s
2
2
= 5; s
2
p
= 4, 4
desta forma, para = 5%, temos t
15;2,5%
= 2, 13, assim:
t
c
=
12 15
4, 4
_
1
10
+
1
7
_
= 2, 902 Regio de Rejeio de H
0
,
p valor = 0, 010947 < 5%.
Logo podemos concluir que, em mdia, as perdas de peso de pacientes
submetidos aos dois tipos de dieta so diferentes.
Em termos prticos, a perda de peso maior quando os pacientes so
submetidos dieta 2.
Teste z
Um pressuposto importante para aplicar o teste t visto anteriormente que os
dois grupos comparados tenham a mesma variabilidade, o que nem sempre
acontece na prtica.
No caso de amostras grandes (n
1
e n
2
30) dispomos de um teste em que no
necessrio qualquer suposio adicional sobre
2
1
e
2
2
, ou seja, as varncias
podem ser iguais ou diferentes.
A estatstica teste usada ser:
Z
c
=
x
1
x
2
s
2
1
n
1
+
s
2
2
n
2
N(0, 1).
Exemplo 13: Efeito do halotano em cirurgias cardacas.
O halotano uma droga bastante utilizada para induzir a anestesia geral.
Entretanto, os efeitos colaterais incluem a depresso do sistema respiratrio e
cardiovascular, sensibilizao a arritmias produzidas por adrenalina e
eventualmente o desenvolvimento de leso heptica.
Alguns anestesistas acreditam que esses efeitos podem causar complicaes
em pacientes com problemas cardacos e sugerem o uso da morna como um
agente anestsico nesses pacientes devido ao seu pequeno efeito na atividade
cardaca.
Conahan et al. (1973) compararam esses dois agentes anestsicos em 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
aleatoriamente a cada tipo de anestesia.
Uma questo que surge se o efeito do halotano e da morna na presso
sangunea o mesmo.
Tabela 14. Mdia e desvio-padro da presso sangunea (mmHg)
segundo o tipo de anestesia.
Informaes Anestesia
sobre a amostra Halotano Morna
Mdia 66,9 73,2
Desvio-Padro 12,2 14,4
n 61 61
Nas condies do problema, as hipteses so:
_
H
0
:
1
=
2
H
a
:
1
=
2
;
isto , devemos testar a diferena entre as presses sanguneas mdias de
indivduos anestesiados com halotano ou morna.
Como as amostras so grandes, podemos usar o teste Z, cujo valor da
estatstica do teste :
Z
c
=
66, 9 73, 2
_
12, 2
2
61
+
14, 4
2
61
=
6, 30
5, 84
= 2, 61.
p valor : 0, 0103 < 5%
Adotando um nvel de siginicncia de 5%, o resultado estatisticamente
signicativo, j que | 2, 61| > 1, 96, indicando que os dois anestsicos no
so equivalentes.
Comparao Entre Grupos Resposta Contnua - Teste de Mdias para Amostras Pareadas
Resposta Contnua - Teste de Mdias para Amostras
Pareadas
Teste t-pareado
Para estudar o efeito de um tratamento, muitas vezes comparam-se pares de
indivduos.
Por exemplo, em alguns estudos de psicologia comparam-se pares de
gmeos: um dos gmeos recebe o tratamento, enquanto o outro
permanece sem o tratamento (controle).
Outras vezes, comparam-se os dois lados dos mesmos indivduos.
Por exemplo, par estudar o efeito de um tratamento para preveno de
caries, o dentista pode aplicar o tratamento em um lado da arcada
dentria de cada paciente, e deixar o outro lado sem tratamento
(controle).
Tambm so feitos experimentos em que se observam os mesmos indivduos
duas vezes, isto , uma vez antes, outra vez, depois de administrar o
tratamento.
Por exemplo, para vericar o efeito de um tratamento sobre presso
arterial, o mdico pode obter os dados de seus pacientes, antes e depois
de administrar o tratamento.
Todos esses exemplos so de observaes pareadas.
Para testar o efeito de um tratamento, quando as observaes so pareadas,
utilizamos o teste t-pareado.
t
c
=
d
_
s
2
n
t
n1;%
onde:
d : mdia das diferenas, d
i
= x
2
x
1
: a diferena entre as unidades de cada
um dos n pares
d =
n
i=1
d
i
n
e s
2
: varincia das diferenas, d
i
.
Toda vez que o valor absoluto de t
c
for igual ou maior do que o valor tabelado
t
n1;%
, Rejeita-se H
0
.
H
0
: O tratamento no tem efeito.
O intervalo de conana para d, ser dado por:
d t
n1;%
s
n
Exemplo 14: Tabela 15: Pesos em Kg de 9 pessoas antes e depois da dieta
para emagrecimento.
Dieta
Antes Depois d
i
77 80 3
62 58 -4
61 61 0
80 76 -4
90 79 11
72 69 -3
86 90 4
59 51 -8
88 81 -7
Total -30
Para fazer o teste, preciso primeiro estabelecer o nvel de signicncia.
Seja = 1%,
d =
30
9
= 3, 33
s
2
= 25
logo,
t
c
=
3, 33
_
25
9
= 2, 0
Em nvel de signicncia de 1% com g.l. = 8, o valor de t tabelado para t
8;0,5%
de 3,36 (Teste Bilateral).
Como o valor absoluto de t
c
(2,0) menor do que o valor da tabela
(p = 0, 040258), conclui-se que o tratamento no tem efeito signicativo. Em
termos prticos, o experimento no provou que a dieta emagrece ao nvel de
1%, porm a 5% nossa deciso seria contrria.
A estatstica a arte
de nunca ter que dizer que voc est errado !
C. J. Bradeld

Slide4-Testes de Hipoteses

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Slide4-Testes de Hipoteses

Caricato da

Copyright:

Formati disponibili

Bioestatstica

Potrebbero piacerti anche