Antes de pensar em que técnica estatística utilizar para analisar seus dados é preciso pensar nas diferentes fases do estudo definindo no projeto cada etapa. Assim, em 10 etapas descritas a seguir, um passo a passo para se chegar a um bom plano de análise.
Passo 1 – Pergunta condutora: a partir da pergunta de pesquisa definir qual o evento a ser investigado. Dependendo da pergunta, o trabalho pode ter um ou mais eventos a serem estimados; o trabalho pode ser descritivo (como por exemplo, estimar a freqüência de diálise em pacientes com insuficiência renal crônica) ou analítico, quando o objetivo é analisar a associação da ocorrência de um evento condicionada a uma exposição ou a um conjunto de fatores (por exemplo, quais os fatores associados ao desenvolvimento de câncer de próstata, ou a condição de ser tabagista está associada ao desenvolvimento de câncer de próstata);
Passo 2 – Definição do desenho de estudo: com a elaboração da pergunta condutora deve-se definir qual o desenho de estudo apropriado para responder aos objetivos. Dentre os desenhos epidemiológicos temos: estudos ecológicos transversais ou longitudinais, estudo de corte transversal, caso-controle, coorte e ensaio clínico, ou por meio de revisões sistemáticas meta-analíticas.
Importante: nas perguntas elaboradas acima podemos pensar em diferentes desenhos metodológicos para responder a mesma pergunta. Por exemplo, se o interesse é estimar a freqüência de diálise em pacientes com insuficiência renal crônica, poderíamos ter como desenho um estudo transversal ou uma coorte; na pergunta dos fatores associados ao desenvolvimento de câncer de próstata o tipo de estudo poderia ser um caso-controle ou uma coorte.
Passo 3 – Definição do tamanho da amostra: o tamanho da amostra é estimado a partir da escolha do desenho do estudo definindo os parâmetros do evento estudado a partir do que se conhece na literatura, assim como os erros admitidos no estudo. Os erros são uma escolha do pesquisador e são definidos na maioria das vezes pelos recursos disponíveis, seja financeiro ou de recursos humanos.
Passo 4 – Seleção da amostra: uma amostragem ideal é aquela em que seus elementos tenham sido escolhidos de forma aleatória (por sorteio), essas amostras recebem o nome de amostras probabilísticas. As amostras que são selecionadas sem uma técnica de aleatorização são chamadas de amostras não probabilísticas ou amostras de conveniência. Para essas amostras, o pesquisador deve se certificar que a seleção não foi tendenciosa/viesada, implicando num erro da estimativa por conta de uma viés de seleção.
Passo 5 – Coleta dos dados: nessa etapa é importante definir quais as variáveis serão coletadas; definir se a fonte de dados vai ser do tipo primária ou secundária, qual(is) variável(eis) é(são) a(s) dependente(s) e quais são as independentes, se as variáveis são quantitativas ou qualitativas, se as quantitativas vão ser categorizadas ou serão analisadas na sua forma original. É importante frisar que essas definições irão guiar as suas decisões quanto ao uso da técnica estatística adequada para cada variável analisada.
Passo 6 – Análise exploratória de dados: nessa etapa do estudo todas as variáveis serão analisadas, uma por uma, para conhecer qual sua distribuição. Para as variáveis qualitativas, conhecer a distribuição de freqüência, a partir daí, definir se há necessidade de agrupamento de algumas categorias. No caso das variáveis quantitativas, a análise de sua distribuição se dá pela observação das medidas de tendência central, medidas de posicionamento e medidas de variação. Para uma variável quantitativa contínua é necessário confirmar a hipótese de distribuição normal, para isso o histograma nos dá uma boa pista e um teste estatístico comprova a condição. Caso a variável tenha distribuição normal a medida adequada para representação é a média com seu respectivo desvio padrão, caso contrário, a medida adequada é a mediana acompanhada das informações do intervalo interquartílico (primeiro e terceiro quartil).
Passo 7 – Análise bivariada: essa etapa é necessária nos estudos analíticos, e consiste em comparar a distribuição de uma variável independente segundo a variável dependente. Por exemplo, a média de idade de um paciente com baixa adesão medicamentosa é diferente de um paciente com boa adesão? Ou a freqüência de depressão é maior entre pacientes com baixa adesão? Para essas análises utilizamos uma tabela de contingência e aplicamos os testes estatísticos adequados conforme descritos no ponto 9.
Passo 8 – Estimar o intervalo de confiança: a medida de intervalo de confiança é necessária para se observar a precisão da estimativa, haja visto que a amplitude do intervalo está associado ao tamanho da amostra. É recomendável que para qualquer estimativa, seja ela uma média, um percentual ou uma odds ratio, que essas medidas venham acompanhadas pelo intervalo de confiança.
Passo 9 – Testar as diferenças pelo teste de hipótese adequado: a escolha do teste de hipótese adequado depende do tipo de variável, conseqüentemente da medida que se quer comparar. Caso as variáveis (ambas) sejam qualitativas (comparação de proporções), o mais adequado para se testar a associação entre elas é o Qui-Quadrado de Pearson ou Fischer (no caso de pequenas amostras). Se a comparação é entre duas médias (uma variável qualitativa e outra quantitativa) o teste adequado é o t de student; caso a comparação seja entre duas medianas o teste adequado a ser utilizado é o não paramétrico de Mann-Whitney. Algumas outras variações de teste de hipóteses devem ser consideradas de acordo com o desenho do estudo. Há uma diversidade de testes estatísticos que podem ser utilizados de acordo com o desenho de estudo empregado.
Passo 10 – Cálculo de uma medida de associação: as medidas de associação empregadas nos estudos analíticos derivam do desenho de estudo empregado. No caso de um estudo transversal a medida de associação a ser analisada é a razão de prevalência (RP); no caso de um estudo de caso-controle a medida de associação é a Odds-Ratio (OR); em uma coorte ou ensaio clínico a medida de associação é o risco relativo (RR). A interpretação dessas medidas de associação é a mesma, porém a menção da relação causal tem importantes diferenças.
É importante pensar que não conhecemos tudo, e que todo estudo é multidisciplinar, por isso a formação de um grupo de pesquisa é fundamental e que nesse grupo se tenha profissionais das diferentes áreas que o projeto abordará.
