Plano de Trabalho Estatística aplicada ao esporte
Propaganda
Estatística Aplicada a Medicina Prof. Dra. Camila Bertini Martins [email protected] [email protected] UNIFESP – São José dos Campos Agenda Apresentação Metanálise UNIFESP Importância da Estatística na Pesquisa Referências Bibliográficas 2 • 2009-2013: Doutorado em Estatística (USP) UNIFESP Formação acadêmica: • 2007-2008: Mestrado em Estatística (UFSCar) • 2003-2006: Bacharelado em Estatística (UFSCar) Atuação Profissional: • 2014-atual: Professor Adjunto no ICT - UNIFESP/ SJC • Colaboradora do IPq-HCFMUSP 3 UNIFESP Linha de Pesquisa: • Modelos Estatísticos em Metanálise • Interfaces gráficas e aplicativos digitais envolvendo metodologias estatísticas Áreas de Atuação: • Probabilidade e Estatística Aplicada • Análise de Sobrevivência • Metanálise • Inferência Bayesiana 4 Importância da Estatística Estatística Conjunto de técnicas que permite organizar, descrever, experimentos, realizados conhecimento em qualquer área do UNIFESP analisar e interpretar dados oriundos de estudos ou Divisão da Estatística: • Estatística descritiva • Probabilidade • Inferência Estatística 5 UNIFESP Importância da Estatística População é o conjunto de todos os elementos ou resultados sob investigação. Amostra é qualquer subconjunto da população. 6 Importância da Estatística no Projeto de Pesquisa Definição do Problema estudado • O pesquisador deverá examinar outros levantamentos UNIFESP • Definição ou formulação correta do problema a ser análogos 7 Importância da Estatística no Projeto de Pesquisa Definição do Problema UNIFESP Planejando a coleta de dados 8 Importância da Estatística no Projeto de Pesquisa Planejando a coleta de dados • Custos • Delineamento amostral UNIFESP • Tipo de levantamento: Censo ou Amostragem 9 Importância da Estatística no Projeto de Pesquisa Planejando a coleta de dados tratamento para cada grupo de pessoas, mas Tipo do Estudo usa as informações já disponíveis sobre o UNIFESP Observacional: o pesquisador não impõe um paciente. Intervenção: estudo experimental em que o pesquisador em geral aloca os pacientes a cada tratamento. 10 Importância da Estatística no Projeto de Pesquisa Definição do Problema Organizando os dados UNIFESP Planejando a coleta de dados 11 Importância da Estatística no Projeto de Pesquisa Organizando os dados Indiv Bruno Maria Raphael João Alan Sexo Peso (kg) 1 2 1 1 1 Altura (m) IMC Situação 1,90 1,64 1,80 1,65 1,79 21,1 28,3 25,3 28,7 23,4 2 3 3 3 2 76 76 82 78 75 ... Sexo 1 – Masculino 2 - Feminino UNIFESP Construção do banco de dados ... IMC 12 Importância da Estatística no Projeto de Pesquisa Organizando os dados estatísticas • Investiga-se os dados coletados e UNIFESP • Preparar os dados para possíveis análises Erro digitação arrumados à procura de possíveis valores discrepantes, diferenças acentuadas de escalas e informações não adequadas ao contexto da análise 13 Importância da Estatística no Projeto de Pesquisa Definição do Problema Organizando os dados UNIFESP Planejando a coleta de dados Análises ao longo do processo para guiar a pesquisa 14 Importância da Estatística no Projeto de Pesquisa Análises ao longo do processo para guiar a pesquisa exploratória dos dados, com o intuito de conhecer da amostra. • O interesse está na redução, análise e interpretação dos dados UNIFESP • Toda análise estatística é iniciada com uma análise através de cálculos de medidas resumo e gráficos Tenta-se obter dos dados a maior quantidade possível de informação 15 Importância da Estatística no Projeto de Pesquisa Análises ao longo do processo para guiar a pesquisa A análise estatística a ser realizada varia de acordo com a Algumas técnicas estatísticas: UNIFESP questão a ser respondida Testes de Hipóteses Regressão Linear Frequentemente, no desenvolvimento de um projeto, um conjunto de técnicas estatísticas pode ser utilizado de tal maneira que cada técnica se complementa 16 Importância da Estatística no Projeto de Pesquisa Definição do Problema Organizando os dados UNIFESP Planejando a coleta de dados Análises ao longo do processo para guiar a pesquisa Interpretação dos resultados 17 Comparações, discussões e conclusões Revisão Sistemática e Metanálise Alunos Colaboradores: Catarina Fernandes Proglhof Letícia Souza Gomes Ricardo Manhães Savii Introdução • Devido ao acelerado crescimento da produção de estudos científicos nos últimos anos e à disponibilização de um grande dificuldades em manter-se sempre atualizado e ainda correr o risco de deparar-se com informações divergentes e UNIFESP número de informações, o pesquisador pode encontrar contraditórias 19 Introdução A ferramenta metanálise para dar apresenta-se ao como pesquisador uma boa informações Sintetiza da forma mais coerente informações de estudos UNIFESP consistentes e valiosas. sobre o mesmo tema • Principais fontes de informação nas áreas médicas, biológicas, engenharias, entre outras. 20 Revisão Sistemática UNIFESP Filtro: Garantir a confiabilidade e precisão dos resultados 21 Revisão Sistemática Os dados dos diferentes estudos podem ser quantitativamente combinados por métodos estatísticos UNIFESP metanálise. Observações: Uma Metanálise de qualidade só é possível quando precedida de uma boa Revisão Sistemática. Porém... Pode-se realizar uma Revisão Sistemática sem Metanálise. 22 Metanálise O primeiro a usar técnicas de metanálise foi provavelmente Karl Pearson no início do século XX quando procurava UNIFESP “Síntese de Pesquisas” tratamentos para febre tifoide “Uma análise estatística de grandes coleções de resultados de estudos individuais com o propósito de integrar os achados destes estudos” (Glass, 1976) 23 Metanálise Metanálise Baseada na Literatura resultados (medidas de efeito) de cada estudo, e então, UNIFESP O modo usual de se fazer metanálise é considerar apenas os combiná-los através do cálculo da média ponderada destas medidas (Mantel e Haenszel, 1959; DerSimonian e Laird, 1986). 24 Metanálise Baseada na Literatura Limitações do método: 1. Métodos diferentes (dificuldades na combinação dos 2. Estudos pequenos e que não mostram significância estatística podem não estar representados na literatura UNIFESP resultados) publicada 3. Se apenas medidas-resumo são apresentadas na literatura, pode ser impossível a realização de certos tipos de análises 25 Metanálise Baseada na Literatura • A metodologia pode ser aplicada para diferentes medidas de efeito, tais como: odds ratio, risco relativo, diferença • Homogeneidade entre os estudos: a variabilidade UNIFESP entre médias, proporção, entre outras. observada entre os estudos é devida apenas a flutuações amostrais aleatórias; • Heterogeneidade entre os estudos: a variabilidade dos estudos têm origem não aleatória. 26 Metanálise Baseada na Literatura Heterogeneidade em metanálise -Diferenças os protocolos utilizados; -Definição da doença; -Variações entre tratamentos; UNIFESP Possíveis causas de heterogeneidade entre -Variabilidades demográficas. Sua avaliação é importante, pois indica o tratamento estatístico mais adequado a ser utilizado. Ausência Modelos de Efeito Fixo Presença Modelos de Efeito Aleatório 27 Metanálise Baseada na Literatura Exemplo: avaliação da prevalência de sintomas depressivos clinicamente significativos (SDCS) em idosos brasileiros residentes UNIFESP em instalações de longa permanência (ILP) 28 Figura: Prevalência combinada de SDCS entre idosos de ILP Metanálise Caso a Caso IPD Metanalysis (Individual Patient-level Data) “Padrão Ouro”: Resgata os dados originais de cada • Pode-se realizar análises de subgrupos, combinar diferentes UNIFESP participante dos estudos. escalas de medidas e ainda permite a verificação dos resultados por meio reanálise dos dados Desvantagem: Impossibilidade de acesso aos dados dos estudos por motivos simples, como a falta de colaboração ou perda de dados 29 Metanálise Caso a Caso • Esta abordagem requer habilidades particulares, modelos sofisticados e, é considerada o padrão ouro de metanálise. dados; no entanto, não há uma única "metodologia correta". UNIFESP • Existem diferentes metodologias estatísticas para a análise dos • O modelo estatístico apresentado se baseia na mistura de distribuições a posteriori dos parâmetros de interesse de cada estudo pertencente a metanálise e então, encontrar uma medida metanalítica. 30 Metanálise Caso a Caso Interesse: Verificar o sucesso na aplicação de uma nova técnica cirúrgica que foi aplicada em sete centros universitários de cinco UNIFESP estados brasileiros de três diferentes regiões. Modelo estatístico: Bernoulli com parâmetro p (proporção populacional de sucesso). 31 Metanálise Caso a Caso X: aplicação da nova técnica cirúrgica; X = 1, se houve sucesso com probabilidade p ou X = 0, se não houve sucesso com probabilidade 1 - p. UNIFESP Logo, Y~Bernoulli(p). Para cada estudo j: Posteriori ∝ Priori × Verossimilhança Distribuição a Priori: Uniforme(0,1) Distribuição a Posteriori: 𝜋𝑗 𝑝 𝑋 ~𝐵𝑒𝑡𝑎 𝑦𝑗 + 1, 𝑛𝑗 − 𝑦𝑗 + 1 32 Metanálise: 𝐽 𝑗=1 𝑤𝑗 𝜋𝑗 𝑝 𝑋 UNIFESP Metanálise Caso a Caso 33 Metanálise Caso a Caso • Ao se usar a média como medida-resumo da presente p, perde-se informação. • Probabilidade preditiva: a UNIFESP distribuição metanalítica de chance de um novo paciente obter sucesso na nova técnica cirúrgica é de 56%. • Este resultado é como jogar uma moeda para predizer se o próximo paciente terá ou não sucesso na cirurgia. 34 UNIFESP Metanálise Caso a Caso Distribuições preditivas: 𝑃 𝑍 = 1 𝑦𝐺1 = 73% e 𝑃 𝑍 = 1 𝑦𝐺2 = 51% Resultado muito mais interessante!! 35 UNIFESP Metanálise Caso a Caso 36 Metanálise Caso a Caso Considerações sobre a metodologia: • O método produz como medida metanalítica uma distribuição • Medida geral, fazendo com que ela possa ser utilizada, desde o problema mais trivial de metanálise aos mais complexos; • UNIFESP de probabilidade a posteriori para o parâmetro de interesse; Quando há estatística suficiente disponível, realizar uma metanálise baseada na literatura é equivalente a realizar uma metanálise caso a caso, sem perda de informação. 37 Referências Bibliográficas • Bueno, A et al. (2002). Environmental genotoxicity evaluation: Bayesian approach for mixture statistical model. “SERRA” Stochastic • DerSimonian, R and Laird, N (1986). Meta-Analysis in Clinical Trials. Controlled Clinical Trials, 7, 177--188. UNIFESP Environmental Research & Risk Assessment, 16, 4, 267-78. • Glass, GV (1976). Primary, secondary, and meta-analysis of research. Educ Res, 5, 3--8. • Martins, CB (2013). Metanálise caso a caso sob perspectiva bayesiana. Tese de Doutorado – Instituto de Matemática e Estatística, USP. 38 Referências Bibliográficas • Mantel, N and Haenszel, W (1959). Statistical aspects of analysis of data from retrospective studies of disease. Journal of the National • Pearson, ES (1938). The probability integral transformation for UNIFESP Cancer Institute, 22 (4), 719--748. testing goodness of fit and combing independent tests of significance. Biometrika, 30, 134--148. • http://hiru.mcmaster.ca/cochrane/cochrane/hbook.htm 39
