Iniciação à Pesquisa Científica em Saúde /REPOSITÓRIO DE EXERCÍCIOS RESOLVIDOS/ Exercício 14: Hipertensão arterial em gestantes I

Questão 14: Hipertensão arterial em gestantes I

editar

Para realizar um estudo sobre hipertensão arterial na gravidez, 86 mulheres gestantes hipertensas e normotensas foram aleatoriamente selecionadas. Na Tabela a seguir, características clínicas forma comparadas entre os grupos

Tabela 1 - Características clínicas das grávidas incluídas no estudo
Hipertensas (n=61) Normotensas (n=25) p
Pressão arterial média (DP), mmHg 133,8 (17,7) 89,6 (9,6) <0,001
Hipertensão arterial prévia 22 (36,1%) ...
Uso de vasodilatadores 32 (52,5%) ...
Idade materna (DP), anos 27,5 (6,1) 28,9 (6,1) 0,07 (NS)
Raça branca 17 6
Raça não branca 46 19 0,74 (NS)
Idade gestacional (DP), semanas 34,5 (3,5) 36,5 (3,9) 0,06 (NS)
S: significativo, p<0,05. NS: não significativo. DP: desvio padrão

a)     Existe diferença significativa entre os valores da pressão arterial media das gestantes normotensas e hipertensas?

b)    Formule o teste de hipóteses para a variável idade materna. Analise o p-valor e compare as idades em função do resultado do teste

c) Houve associação entre raça branca ou não branca e a ocorrência de hipertensão arterial?

Resposta da questão:

editar

a)  Resposta: A diferença entre a pressão arterial média das gestantes normotensas e hipertensas foi significativa, uma vez que p-value<α.

Justificativa: Um resultado estatisticamente significativo deve ser interpretado como a rejeição da hipótese nula Ho (que os valores médios da pressão são iguais no grupo de hipertensas e normotensas). Neste caso, a Ho seria: “a pressão arterial média é igual entre as gestantes hipertensas e normotensas”. Para sabermos se vamos ou não rejeitá-la, precisamos de mais outros dois valores:

Escolher um nível de significância para o teste (α): é a probabilidade de se cometer erro tipo I (rejeitar a hipótese nula quando esta for verdadeira). Ou seja, é o erro máximo que se está disposto a aceitar. Ele é estabelecido arbitrariamente. Neste caso, adotou-se α=5%.

Verificar se os pressupostos para o teste escolhido foram atendidos: para se utilizar o teste-t de médias para amostras independentes é preciso que as variáveis sejam numéricas e que apresentem distribuição normal (ou que tende para normal) nos subgrupos analisados (hipertensas e normotensas). Além disto as amostras precisam ser independentes, ou seja, a gestante só faz faz parte de um dos grupos (ou é normotensa ou é hipertensa). O verdadeiro valor do desvio-padrão populacional é desconhecido (sigma).

Calcula-se a estatística do teste e o p-valor correspondente: é a probabilidade calculada de se obter os dados observados se a Ho for verdadeira, ou seja, é a probabilidade de ter sido ao acaso. Neste caso, o valor de p encontrado foi <0,001.

Se p-value < α, descartamos a hipótese nula e o resultado é estatisticamente significante. Porém, se p-value > α, a probabilidade de se cometer erro tipo I é maior do que a aceitável, o que nos faz aceitar a Ho.

Referência bibliográfica: Triola F. Mario, Estatística

b) Resposta:

Ho: A média de idade das gestantes hipertensas é igual a média de idade das gestantes não hipertensas. (µ = 28,9)

Ha: A média de idade das gestantes hipertensas é diferente da média de idade das gestantes não hipertensas.

Nível de significância (α): α = 0,05 ( Aceitaremos Ho se -12,706< tCALC.< 12,706)

Estatística do teste: Usaremos o teste t, uma vez que não conhecemos o σ e a população é normalmente distribuída.

 

 

 

 
Valores críticos de t (para nível de significância igual a 0,05 e graus de liberdade igual a 1)

Vemos que o t calculado está fora da região crítica, o que favorece a Ho ( está na área branca do gráfico): Interpretação do valor de p e conclusão: p =0,07 significa que a probabilidade da diferença de idades ter sido ao acaso é de 7%. Observamos, então, que este valor é maior do que o nível de significância (α= 0,05). Dessa forma, aceitamos a Ho como verdadeira, ou seja, a média de idade das gestantes hipertensas é igual a média de idade das gestantes não hipertensas, o que nos mostra que a idade materna não tem relação com o desenvolvimento de hipertensão arterial.

Teste de hipóteses

·        Primeiro passo: Formular a Hipótese nula (Ho) e a Hipótese alternativa (Ha)

Ho é uma afirmação que diz que o valor de uma parâmetro populacional (ex.: média e desvio padrão) é igual a um outro valor especificado (podem-se usar os símbolos ≤ ou ≥, mas, na maioria das vazes o = é o usado). Supõe-se que ela seja verdadeira e faz-se o teste para confirmá-la ou descartá-la. Já Ha é uma afirmativa que difere da Ho. Podem-se usar os símbolos >, < ou ≠.

·        Segundo passo: Escolher o nível de significância

Nível de significância (α): é a probabilidade de a estatística teste cair na região crítica quando a Ho for verdadeira, ou seja, é a probabilidade de rejeitarmos a Ho quando ela é verdadeira (erro tipo I). Valores comuns são 0,05; 0,01 e 0,10.

Obs.: Nos testes bilaterais, o valor de α é dividido igualmente entre as duas caudas que correspondem à região crítica.

 
Nos testes bilaterais, o nível de significância é distribuído igualmente entre as duas caudas que, juntas, formam a região crítica.

·        Terceiro passo: Calcular a estatística do teste

Estatística de teste: é um valor encontrado que converte proporção, média ou desvio padrão em um score que permitirá a tomada de decisão acerca da  Ho.

1) Para a proporção, usa-se:  

2) Para média, usam-se:   ou  

3) Para o desvio padrão, usa-se:  

 = proporção amostral

  = média amostral

  = desvio padrão amostral

  = desvio padrão populacional

  = tamanho da amostra

obs.: Nos casos em que não se conhece o σ e a população é normalmente distribuída, ou quando σ é desconhecido e n > 30 usa-se a distribuição t, e não a z.

·        Quarto passo: comparar o valor do teste com o da região crítica

 Região crítica: são todos os valores que nos fazem rejeitar a Ho

Valor crítico: é qualquer valor que separa a região crítica dos valores que não levam a rejeição da Ho. Encontram-se os valores críticos nas tabelas de distribuição.

·        Quinto passo: interpretar o valor-p do teste estatístico

Valor p: é a probabilidade calculada de se obter os dados observados se a Ho for verdadeira, ou seja, é a probabilidade de ter sido ao acaso.

·        Sexto passo: Tomar uma decisão

 
Possibilidades de conclusão para um gráfico bicaudal de distribuição normal.

Se o valor do teste exceder a região crítica, rejeitamos a Ho. Caso contrário, aceitamo-lo.

Referências bibliográficas: Triola F. Mario, Estatística; Velarde C. G. Luis, Noções de bioestatística; Informática Medica USP (http://fm.usp.br/dim/testez/index.php)

C) Resposta: Não

Justificativa: Como estamos estudando grupos independentes e queremos saber a associação entre duas variáveis categóricas (fator de interesse x doença), usaremos conceitos do teste Qui Quadrado(χ²), que nos mostra a distância matemática entre os valores esperados (ao acaso) e os reais (observados). Se essa distância é grande (χ² grande e p-value pequeno), concluímos que há forte associação entre preditor-desfecho e descartamos a Ho.

 
Análise de dados feita no programa Epi Info

Para resolver a questão, foi usado o programa Epi Info™, que analisa dados estatísticos. Colocando os preditores na coluna (raça branca e não branca) e os desfechos (presença ou não de hipertensão) na linha, obeteremos os cálculos de valores como p-value e χ². Nos resultados, χ² (0,0826) é menor que p-value (0,39718459). Desse modo, como o valor de qui-quadrado é pequeno e o p é maior que o admitido (p<0,05), admitimos a hipótese nula de que não há associação entre este par de preditor-desfecho.

Teste Qui-quadrado

O teste qui-quadrado mostra a distância matemática entre os valores esperados (isto é, ao acaso) e os reais (observados numa pesquisa), avaliando, assim, a presença de associação entre as variáveis. Estas são geralmente categóricas, isto é, qualitativas (Ex: Fator de exposição X Doença). Além disso, os grupos devem ser independentes, os dados amostrais aleatórios e não há exigência de distribuição normal das variáveis. No teste Qui-quadrado de Pearson, para toda célula, a frequência esperada é de no mínimo 5, analisando N-fatores X N-desfechos. Já no de Fisher, que analisa 1 fator X 1 desfecho, a frequência esperada é menor que cinco.O cálculo é feito da seguinte forma:

 
Fórmula do Qui-quadrado

Para encontrar a frequência esperada para cada caso, fazemos uma tabela com os valores observados (preditor na coluna e desfecho na linha) e calculamos do seguinte modo:

Doença sim Doença não
Fator presente A B
Fator ausente C D

Probabilidade do acaso de A, por exemplo: Pa =   ou seja (Linha x Coluna) Total

 
Gráfico do Qui-quadrado

Assim, pode-se testar a hipótese nula (Ho) de que não há associação entre os fatores. Um qui-quadrado pequeno mostra que a ocorrência está próxima do esperado (nos leva a aceitar a hipótese nula como verdadeira). Já quando o valor é grande, há grande diferença entre o esperado e o observado, levando-nos a rejeitar a hipótese nula.

Referências bibliográficas: Triola F. Mario, Estatística; Velarde C. G. Luis, Noções de bioestatística; Biometria -Qui-quadrado-UFPA (http://www.ufpa.br/dicas/biome/bioqui.htm), CDC (https://www.cdc.gov/epiinfo/index.html).

Indexadores do tema deste exercício

editar

Testes qui-quadrado

Teste de médias

Preparação e análise de tabelas sobre dados de saúde

Apresentação de dados científicos sobre saúde

Comparação entre grupos amostrais em saúde

Bibliografia utilizada

editar

Triola F. Mario, Estatística

Velarde C. G. Luis, Noções de bioestatística

Biometria -Qui-quadrado-UFPA (http://www.ufpa.br/dicas/biome/bioqui.htm)

CDC (https://www.cdc.gov/epiinfo/index.html)

Informática Medica USP (http://fm.usp.br/dim/testez/index.php)

Indexadores do tema deste exercício

editar