[MÚSICA] [MÚSICA] Nesta aula vamos discutir sobre imprecisão e seus impactos nas estimativas. Quando lidamos com amostras, como é o caso da pesquisa, precisamos considerar a influência do acaso, ou seja, o erro amostral. Imagine a seguinte situação: eu tenho uma sala de aula com 100 alunos e gostaria de saber a idade média desses alunos da minha sala. Porém eu não tenho tempo de coletar a idade de todos os 100 alunos, então resolvo fazer isso por uma amostragem. Coleto aleatóriamente três alunos e calculo a idade média. Chego ao valor de 26 anos. Assim eu estimo que a idade média dessa sala de aula deve ser algo muito próximo de 26 anos. Eu saio por cinco minutos, retorno e realizo outra amostra com três novos alunos sorteados. Agora calculo novamente a média de idade dessa amostra e ela é de 30 anos. O que aconteceu? A sala de aula mudou? Ocorreu alguma perda, alguma situação que modificou essa sala? Não. Isso é simplesmente a influência do acaso na minha amostragem. Mas como que eu sei então qual é a média real, o parâmetro, o valor populacional da idade dessa minha sala de aula? É aí que entra uma ferramenta poderosa, que é o intervalo de confiança. Esse intervalo traz a você uma gama de valores onde na possibilidade de realizarmos infinitas amostras ele iria conter o valor verdadeiro, o parâmetro populacional. Assim, quanto maior a amplitude de intervalo de confiança, mais incertos estamos sob qual é o parâmetro, qual é o valor verdadeiro. Imagine a situação que eu apresente à você intervalo de confiança de que a idade média dos alunos é o intervalo de confiança de 25 a 28 anos de idade. E outra situação onde eu digo para você que o intervalo de confiança vai de 15 anos a 35 anos de idade. Há muito mais incerteza na segunda situação. Qual é de fato a média de idade da sala? Então quanto menor o intervalo de confiança, mais precisão dos resultados. E essa precisão é obtida com mais informação, que na pesquisa é obtida geralmente com maior tamanho de amostra. Quanto maior o tamanho da amostra, temos intervalos mais precisos. Mas afinal, qual é o tamanho ideal de intervalo de confiança para considerarmos resultado preciso? Para avaliar essa questão, observe a gama de valores dos intervalos de confiança, sobretudo os seus limites e o seu impacto para a tomada de decisão. Imagine agora essa seguinte situação, onde eu lhe apresento quatro estudos e seus respectivos intervalos de confiança. Mesmo sem apresentar os valores absolutos, é possível perceber que dois dos intervalos, o primeiro e o segundo, cruzam a nossa chamada linha de ausência de efeito. Neste caso, estamos comparando duas intervenções que buscam melhorar a capacidade de caminhar. Assim, a linha de ausência de efeito é o valor zero, ou seja, não houve nenhuma diferença no aumento da capacidade de caminhar, que é medido aí metros. Os dois intervalos contém dentro dos seus valores possíveis o valor zero, ou seja, são intervenções que não tem significância estatística. Agora os outros dois intervalos de confiança, o segundo e o terceiro estudo, não contém o valor zero, ou seja, são intervenções que tem significância estatística. Porém, o valor da informação desses dois intervalos é o mesmo? Para essa situação vamos usar agora o conceito do Limiar de Relevância Clínica. Obter esse limiar é um desafio. Você pode procurar na literatura, pode avaliar o seu contexto. Veja no seu hospital, na sua unidade de saúde, quais são os valores comumente obtidos pelas intervenções já disponíveis. Nesse caso, vamos adotar como 40 metros o limiar mínimo de relevância clínica. Agora a situação foi um pouco modificada. Observe que mesmo estando os dois estudos acima da significância estatística, apenas o segundo intervalo de confiança ultrapassa todo o limiar de relevância clínica. É ele que fornece valores que demonstram uma utilidade maior naquela intervenção. Mesmo na situação de ausência de significância estatística, como foi o primeiro caso e o último, esse limiar é útil para auxiliar a sua decisão. Acho que você pode concordar comigo, que seria muito mais confiável decidir por não recomendar a intervenção do primeiro intervalo, pois ela não somente não consegue essa significância estatística, como nem obteve em momento algum a relevância clínica. Diferente da última situação, onde temos mais incerteza e quem sabe esse resultado precise de mais precisão, mais informação, para você tomar uma melhor decisão. Avaliar a imprecisão é outro desafio que temos que enfrentar na avaliação das evidências. Até mais. [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA]
