[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]
Tais Freire GalvaoProfessora Doutora
Ivan Ricardo ZimmermannAnalista de Políticas Sociais, MBA, PhD
Everton Nunes da SilvaProfessor Adjunto II
Marcus Tolentino SilvaProfessor Adjunto da Universidade Federal do Amazonas e da Universidade de Sorocaba
