Amostragem

olá meu nome é raimundo azevedo nós vamos apresentar hoje a aula de amostragem na disciplina de metas quantitativos para o curso de princípios de pesquisa clínica o tema amostragem é central no desenvolvimento de toda a pesquisa porque dela da aquisição então da casuística na pesquisa clínica é que será possível tirar conclusões e efetivamente fazer a mudança e eventualmente de condutas dentro de um plano de princípios gerais nós precisamos seguir um certo roteiro antes de propriamente constituir a mostra é necessário propor como nós já vimos a pea pergunta a ser respondida é definindo os objetivos da

pesquisa precisamos formular essa hipótese de pesquisa e partir da hipótese nula e definir a hipótese alternativa nós vamos aqui dar um exemplo ao longo da aula será usado essa mesma modalidade para mostrar as diferentes estratégias então vamos supor que o nosso objetivo seja verificar se o estilo de vida sedentário está associado à ocorrência de proteína em diabéticos nossa hipótese nulo é de que a ocorrência de proteína área é similar em diabéticos sedentários e naqueles que pratica exercício aeróbio a hipótese alternativa é de que a ocorrência de proteína é maior em diabéticos sedentários do que naqueles

que pratica exercício aeróbio reparem que ao formular a hipótese da maneira oral com palavras eu não estou ainda definir as variáveis eu apenas descrever um fenômeno de interesse então proteinúria pode ser medida de muitas maneiras e à actividade de exercício aeróbio e sedentarismo tem também ser definidas na metodologia então ainda não estamos no plano metodológico apenas nas hipóteses gerais do processo como disse anteriormente para testar uma hipótese dessa natureza a nossa coleta de dados terá que ser feito em uma população bem definida de interesse no caso uma população de diabéticos pacientes portanto os portadores de

diabetes ainda é necessário definir faixas por exemplo como agilidade se nós vamos usar o gênero masculino e feminino se vamos incluir no estudo pessoas com uma certa comodidade como hipertensão então ao desenhar um estudo não basta definir apenas as hipóteses é preciso que na metodologia seja descritos pormenorizada mente todos os aspectos que vão levar a caracterizar aquela população aquele grupo de interesse ao falar diabéticos portanto não definir tudo não basta dizer vou estudar diabéticos é preciso descrever fatores critérios de inclusão e de exclusão além disso quando nós falamos em proteína área já adiantamos que não

não é uma medida natural eu tenho várias maneiras de abordar o fenômeno proteinúria uma possibilidade é medir a proteína na urina em gramas por litro como aqui nós temos essa primeira possibilidade mas também é possível fazer uma análise qualitativa por exemplo a proteína em número de cruzes uma cruz de proteína e duas cruzes três cruzes reparem que se eu fizer em gramas por litro se eu fizer em cruzes eu já tenho modelos diferentes de análise para por vir isso muda a minha forma de calcular por exemplo o tamanho da amostra além disso é possível tratar

a proteína apenas como presente ausente então reparem que quando nós declaramos nos objetivos que iriam estudar proteína área em diabéticos sedentários e fala e faz exercícios a frase era ainda muito genérica porque proteinúria estava completamente não definida como eu vou medir proteinúria ea forma de obter esse dado esta variável vai implicar em mudanças na mostrar como nós vamos ver agora a seguir se á a variável escolhida é quantitativa contínua e no caso aqui gramas por litro tem essa característica não é uma variável coxa seu contínuo o meu teste de hipóteses vai poder se referir à

média então a média do grupo sedentário é igual ou menor do que o grupo que faz exercícios físicos e alternativa é a média do grupo sedentário é maior do que a média do grupo que faz exercícios então nesse caso aqui nós estamos tratando de um teste terá duas amostras se por outro lado nós optamos por trabalhar pro teoria em número de cruzes que é uma variável qualitativa original o meu teste de hipóteses vai se referir ao ranqueamento é a alma outro tipo de variável secundária que vai colocar em ordem crescente ranquear os resultados do grupo

sedentário e do grupo que faz exercício ea hipótese nula portanto envolve a igualdade os rankings são semelhantes ou o ranking dos sedentários é maior do que o grupo de pacientes que faz exercício aeróbio nesse caso estamos falando de um teste de mão itens são continuam sendo dois grupos independentes mas o teste em análise aqui na análise estatística que vai ser usado um teste de mão firme já no caso de presente ausente nos interessam as proporções que nós temos uma variável qualitativa bignone ao em que as contagens né de presente na proteína presente preto unir ausente

é que interessam por tanto no teste de hipóteses é a proporção de positividade da proteína excedentário comparada com a proporção de positividade em pacientes que fazem exercício e aqui eu tenho me leva a uma análise do tipo teste que quadrado reparem que o mesmo fenômeno proteinúria teve três saídas e teve três soluções estatísticas diferentes e cada uma delas vai levar a um cálculo diferente de amostra é importante notar que a variável e o teste estatístico determinam cálculos de amostras diferentes é muito comum que as pessoas quando vão começar um projeto corre para calcular mostra mas

sem saber ainda qual vai ser a variável de interesse sem definir a priori qual é a variável que vai ser medida para representar o fenômeno de interesse portanto essa etapa é fundamental além de declarar a pergunta além de definir a inclusão critérios de inclusão de exclusão definir qual vai ser a variável de estudo e como ela é qual é a característica dessa variável é quantitativa ou se é qualitativa em cada uma das categorias qual o teste estático que vai ser utilizado parece uma antecipação exagerada e muitas vezes quando nós analisamos projetos de pesquisa reparamos que

falta todo esse conjunto de definições a priori não basta definir a pergunta não basta definir a casuística é preciso definir a variável e acolhe a característica da variável muito bem temos que lembrar também no dia de hoje nesta aula que para poder realizar a amostragem nós temos que lidar com erros e dois tipos de erros que são importantes no teste de hipóteses são o tipo 1 também chamada de alfa ou nível de significância e o erro tipo 2 que 1 - beta nos dá o poder estatístico do seu estudo o alfa na verdade é um

limite para o meu erro quando eu defino nível de significância estou definindo o maior erro para rejeitar h0 rejeitar a hipótese de lula quando ela for verdadeira e quando definimos beta estamos definindo limites de maior erro para ao rejeitar ao aceitar a gazela ser verdadeira então - beto diz respeito a este a este contexto de aceitar a 0 e ela seja verdadeira muito bem esse quadro já é conhecido de todos ele nos mostra que se existe uma realidade em relação à hipótese lula ela pode ser verdadeira na realidade ou falsa na realidade mas o nosso

estudo ao nós como pesquisadores cabe aceitar a hipótese nula ou rejeitá lá sabendo que podemos cometer esses dois tipos de erro o erro tipo um erro tipo 2 o alfa e beta se a 0 for falsa e nós aceitarmos a 0 nós cometemos um erro tipo dois cometemos um erro benta se rejeitarmos h0 ela for verdadeira cometemos um erro do tipo então nesse neste braço aqui nesta diagonal estão os nossos dois erros possíveis que nós queremos controlar controle de ponto de vista estabelecer um máximo para eles graficamente nós poderemos representar essa situação de rejeição e

aceitação dh zero em relação à hipótese alternativa desta maneira supondo que nós temos um fenômeno aqui que a curva normal possa descrever e se nós tivermos dois grupos em comparação entre as médias são comparadas nós já sabemos que esta margem aqui é aquilo que nós chamamos de alfa quando nós colocamos um alfa por exemplo de 5% estamos pegando a cauda no caso no caudal né de 5% aqui de acordo com certo critério de corte de separação das duas das duas populações supõe que a população aqui vermelha e azul ou estejam em teste podemos pensar que

na proteína por exemplo é o nosso exemplo proteinúria em diabéticos que são sedentários e proteinúria em diabéticos que faz exercícios digamos que nosso estudo esteja tentando mostrar se a diferença entre os dois nós limitamos então alta de 5% portanto estabelecemos um critério aqui que representado por essa barra que corta essas duas curvas nesse ponto e reparem que a partir desse critério a esquerda nós temos um erro do tipo beta que aparece vocês já repararam que quando nós mexemos nos critérios um afeta o outro de certa maneira é muito difícil reduzir os dois tipos de erros

simultaneamente mas também temos as virtudes que são representados pelas areias brancas 1 - beta é o nosso poder do estudo eo - alfa é a nossa credibilidade em relação a afirmar o o o ipod alternativa nesse caso repare que acontece quando nós apertamos o valor é o quando nos separamos as curvas nerd no se o nosso fenômeno não tivesse essas duas médias mas eu conseguisse médias mais afastadas eu teria este efeito quando as médias se afastam eu diminuo o erro o meu valor de peak no caso vai ser menor o valor de beta também cai

se afastar um pouco mais as médias eu tenho de novo uma redução ainda maior do valor do ipi eo valor do e roberto também cá então à medida que os meus ou à minha medida minha variável se afasta em média nos dois grupos eu tenho uma diminuição dos erros meu problema está quando elas se aproximam que os erros são potencialmente maiores para diminuir o erro ou para melhorar a definição nós temos um conceito central que é o cálculo tamanho da amostra sempre que nós vamos trabalhar com amostragem aparece essa necessidade qual é a mostra que

melhor representará uma certa diferença suposta a priori então quando estudamos uma ou mais variáveis nós precisamos além de determinar a análise estatística apropriada e escolher os testes para poder calcular na mostra temos que definir o desenho do estudo dessas variáveis então é preciso saber se o estudo vai ser unir variados e portanto aqui nós estamos falando de teste terá nova e o cox tom a análise e variados está centrada uma única variável se ao estudo é um bem variado e aqui nós temos caracteristicamente o teste que quadrado ter pisado de fischer correlação de pirson com

relação de espuma que então duas variáveis são confrontados no teste estático e ou teremos uma análise multivariada com três ou mais variáveis regressão múltipla por exemplo análise fatorial e regressão logística então também interfere na minha decisão o modelo de análise unib e multivariada pelo mesmo motivo de que a análise estatística que vir a resultar num cálculo de amostra diferente de tamanho de amostra diferente como regra geral para se calcular o tamanho de qualquer amostra de qualquer estudo nós temos que partir da fórmula do erro daquele daquele da técnica estatística envolvida no caso vou apresentar para

vocês o erro padrão na média que é usado em estudos e técnicas estatística que usou a distribuição normal como referência então o padrão da média têm esta esta formulação o desvio-padrão dividido pela raiz do tamanho da da mostra como nós estamos estamos interessados em calcular o tamanho da amostra basta é definir ou este mar nós temos uma estimativa do temos que ter uma estimativa do desvio padrão esperado para aquele fenômeno e temos que indicar qual é um erro padrão da média a priori isso torna muitas vezes difícil um cálculo de amostra por que eventualmente não

conheço o fenômeno de maneira muito completa ainda estou numa fase preliminar nesse caso quando nós não temos idéia do erro para na média do fenômeno e nem desvio padrão nós podemos lançar mão de um estudo-piloto pra determinar esses valores ou também podemos recorrer à literatura para obter esses valores na literatura uma vez obtido esses valores eu posso isolar a incógnita é o tamanho da amostra o n ao fazer isso matematicamente aritmeticamente aqui no caso então pra fazer isso precisamos levar ao quadrado dos dois lados teremos então aqui um estado de variância sobre o erro para

uma média ao quadrado uma vez isolado henin nós temos condições agora e adicionar os outros dois fatores que são o nível de significância o zd alfa e o erro beta o tipo 2 ed beta então ao somar esses dois erros no cálculo da mostra eu estou e elevada ao quadrado também porque nós estamos lidando aqui com as dimensões ao quadrado ao fazer isso nós estamos calculando o melhor tamanho de amostra necessário para obter uma representatividade daquele daquele fenômeno na população então é se essa é a regra básica saímos de um do erro que tem fórmula

conhecida em cada técnica estatística e isolamos o o termo n para chegarmos nessa construção vamos ver um outro exemplo agora utilizando o teste t o teste tempo as duas amostras independentes como vocês devem se lembrar para realizar um teste de nós temos esta formulação a média do grupo a de um grupo anémonas a média de um grupo b sobre o erro padrão da diferença das médias o e pmd como é que é o cálculo de e pmd e pmd nada mais é do que a conjugação das variâncias do cpm de cada mostra então das variantes

sob o n de cada amostra reparem que o n aparece caso aqui quando nós desenhamos uma um cálculo de amostra nós vamos supor que os eles serão iguais em cada grupo é uma primeira abordagem que se sugere fazer quando nós temos vários grupos no caso aqui dois é desejável que em cada grupo o n previsto seja similar então nós podemos considerar que ele dê a é igual a e b como nós vamos conjugar as variantes numa única também para o cálculo de amostra nós podemos é incluir dentro da chave duas vezes o mesmo esse mesmo

termo duas vezes é o quadrado sobre n se os genes são iguais e as vaias são iguais são conjugadas nós podemos reduzir a fórmula a esse a esse é termo que esta formulação o t substituído pelo t de alfa mais o ted beta embutido portanto os dois os dois erros aqui alfa e beta nível 1 nível 2 tipo 1 e tipo 2 melhor dizendo 'é a diferença a expectativa de diferença eu já coloco no cálculo de amostra então isso não uma pesquisa clínica é importante que eu tenha é uma pressuposição de que diferença e espero

encontrar que diferença é clinicamente interessante ser verificada nós não trabalhamos uma pesquisa clínica sem uma intenção então se vamos no grupo a ministrar o exercício físico por exemplo no caso dos diabéticos e proteinúria e no grupo b temos um grupo sedentário eu devo imaginar qual é a diferença de proteína área que em termos clínicos têm significado e interesse para ser testada eu não posso trabalhar sem essa intencionalidade eu preciso ter uma intenção clara de diferença então quando vamos estudar qualquer qualquer aspecto da clínica é muito comum o pesquisador colher tudo e depois ver o que

deu mas um projeto racional pressupõe de diferenças à priori e tem uma intenção de verificar diferenças bem definidas porque senão o que acontece é o acaso então o estudo bem concebido pressupõe qual a diferença que eu considero clinicamente relevante considero que tenha importância clínica portanto essa diferença tem que ser embutida já no cálculo amostral e assim fazendo agora podemos isolar o n bastando para isso e levar ao quadrado dos dois lados da equação e isolando o valor de m temos aqui então novamente um cálculo amostral que é igual a duas vezes o valor de ter

de alfama esteve perto ao quadrado vezes a variância sobre a diferença ao quadrado não reparem que para cada técnica estatística é possível fazer o mesmo raciocínio é possível isolar o ele das fórmulas do teste estático que estou usando alguns testes e isso em alguns testes é mais simples fazer isso essa conta aritmeticamente em outros testes será um pouco mais complexo é principalmente porque tem essas essas manobras de levar ao quadrado em algumas circunstâncias e n às vezes dá x outros fatores o que dificultaria de médica mas de qualquer forma continua sendo uma aritmética escolar com

a gente diz né aquilo que a gente aprendeu no colégio tava lendo aqui aqui na pesquisa clínica né não é uma matemática muito sofisticada é realmente uma equação simples e é possível obter de qualquer cálculo em qualquer técnica estatística para calcular mostraram muito bem vamos falar um pouco sobre o poder do estudo porque esse é um outro termo muito recorrente e muito importante porque muitos estudos não tem cálculo amostral a priori como eu disse muitas pesquisas são feitas as coletas são feitas antes ou feitas de maneira cumulativa e depois o estudo retrospectivo e não se

calculou a mostra a mostra foi uma amostra aquela mostra de conveniência o número de pacientes que era possível calcular é coletar mas nesse caso nós podemos ainda ao invés de calcular o tamanho da amostra calcular o poder do estudo e que é o poder do estudo nada mais é do que um - o erro tipo beta então vocês vão ver que quando nós não temos estudos em que nós não temos o cálculo de amostra nós podemos voltar e calcular o poder do estudo dado que nós já coletamos dados de cem pacientes que poderão ter naquele

estudo nesse caso basta que nós tenhamos nós já temos um nível de significância que geralmente já é adotado a priori mesmo o tamanho da amostra que foi obtido na prática ea diferença encontrada naquele estudo então vejam que ama nesse cálculo o poder de tudo eu tenho três das variáveis que estão naquelas equações que nós mostramos anteriormente e para obter o poder estatístico baetão dessa maneira vou obter o beta o erro tipo 2 para obter o poder basta tirar beta de um - beta é o nosso poder do estudo como é que fica isso na equação

voltando àquele exemplo do simples do erro padrão na média se nós temos a equação dn e queremos obter o beta o z beta basta isolar agora na equação zebeto então o que nós vamos fazer aqui é fazer a aritmética de novo passar isso aqui são fatores multiplicativos que eu posso passar essa variância para o lado de lá dividindo n o erro para uma média passou para o lado de lá multiplicando no2 também passamos é pra lá extraímos a raiz quadrada desses termos pra poder abrir essa chave e passamos o cd alfa por outro lado o

resultado nesta fórmula aqui que solos e direta então para calcular o poder de tudo eu fui na outra na outra intenção eu tinha o iene que está aqui e quero calcular o beta ou no caso de beta na tabela z e obtenho a qual essa probabilidade beta então vejam que continua sendo o marítimo médica simples é apenas uma inversão quem que eu estou com a incógnita qual é o termo que eu não conheço no nosso caso agora para calcular poder se eu tenho n tem uma diferença tem uma variância eu calculo o beta a partir

disso temos o alfa é é arbitrário eu defino alfa sempre a priori então nós temos um conjunto completo capaz de calcular agora o beto é claro que isso a gente faz a mão armament porque nós temos a capacidade de usar os pacotes estatísticos no software estatísticos eu vou deixar para vocês aqui anotada algumas referências que tratam sobre a amostragem para a leitura complementar desta aula dois desses desses materiais estão disponíveis para vocês no site do curso de pesquisa clínica princípios brinca 11 é uma arte uma pequena um pequeno artigo a respeito do assunto que está

na revista da associação médica brasileira e outra é uma tese de doutorado sobre cálculo de amostra é existe uma revisão bastante boa nessa tese do doutor euro de barros conta júnior essa tese mostra de maneira bem detalhada cálculos para é cálculos de amostra para um item para a relação e regressão para aqui quadrado então lá vocês têm um arsenal interessante pra ver as fórmulas para diversas técnicas estatísticas e agora pra complementar vamos vamos entrar no mini tab pra mostrar pra vocês como é que se calcula alguns exercícios de cálculo de amostra a partir de um

software estatístico como vocês poderão ver aí existem outros pacotes que fazem também cálculos de amor de amostra tamanho de amostra eu vou mostrar o nome time apenas por uma questão de conveniência nesse momento porque ele me permite fazer algumas algumas demonstrações rápidas aqui no caso de cálculo do tamanho da nossa pelo militar bm e eu não tenho nenhuma pra ir pra usar evidentemente eu só tenho que indicar para o software os valores que eu disse para vocês a diferença esperada o alfa o beta que ele calcula a mostra então a partir desses valores vamos ver

um primeiro exemplo então a partir daqui do istat no power exemplo ou sais vamos tomar o exemplo do tst para duas amostras independentes reparem que tem várias técnicas estatísticas aqui para as quais é possível calcular tamanho de amostra não tem todas não a todas as técnicas estatísticas né mas as mais freqüentes estão aqui representadas vamos aqui para nosso exemplo agora trabalhar com o teste t para duas amostras independentes quando nós optamos por esse por essa técnica nós temos aqui que definir se queremos calcular o tamanho da amostra o centro ou sais do da cada grupo

né então o n que vai sair aqui é pra cada grupo são dois grupos o n não é para dividir por dois uma tenta uma uma falha ao interpretar esse tipo de cálculo dividiu ele por dois depois não o eniac é para cada grupo não é o n total mas é o n para cada grupo amostrado se nós queremos calcular então o tamanho da amostra deixamos em branco sem pulsação o que nós temos que ficar aqui a diferença o poder o valor do poder de estudo 1 - 1 beta e o desvio padrão então vamos

vamos supor aqui no nosso exemplo que a diferença esperada de proteína área seja aí da ordem de 10 gramas entre os dois grupos 10 gramas por litro digamos que seja essa uma diferença esperada entre os dois grupos que o poder do estudo que eu quero trabalhar aqui seja da ordem de 0,8 o poder é aceitável um pouco de tudo bom 80% de poder estudo é um poder estudo inicial bom e o desvio padrão que eu desejo vê é que o que eu estimo da proteína área seja algo em torno de 5 gramas por litro é

o desvio padrão que eu espero obter aqui options vocês vão reparar que já existe o livre significância automático de 5% eu vou mantê-lo momentaneamente depois vamos variar esses parâmetros para ver como eles afetam o tamanho da amostra então observe o seguinte 1 5% para um teste be caudal então aqui nosso rico quer dizer que a alternativa é diferente o náutico muito bem temos aqui a diferença estimada a priori está o desvio padrão é premeditado e o poder de todo desejado 80% temos os quatro características vamos ver qual é o tamanho da amostra necessário aqui aparece

um gráfico mostrando o poder de tudo como ele varia de acordo com a diferença deixando para depois um pouquinho essa análise o ponto o tamanho da amostra para demonstrar essa diferença de apenas seis indivíduos em cada grupo porque 10 gramas num desvio padrão de 5 é bastante se houver a diferença mesmo eu demonstro com seis pacientes em cada braço ou seja a mostra não é muito grande e não seja uma amostra muito grande e o poder de 80% agora repare o que acontece com o tamanho da amostra se eu colocar um poder nesse estudo aqui

agora no mesmo teste ter para duas amostras se o poder subir para 90 por cento com as mesmas características 10 gramas e cinco de desvio padrão a minha análise sob pouco também 77 pacientes em cada grupo não percebam que essa diferença a diferença muito grande e fácil de ser demonstrada com poucos pacientes se houver a diferença e com 90 por cento de poder de estudo agora reparem se eu mexer na diferença seu reduzir a diferença para por exemplo 8 8 gramas por litro a minha meu tamanho de amostra vai pra 10 repare que cada vez

que eu mexo na diferença pra baixo e aumenta o tamanho da amostra necessária num certo limite se eu reduzir isso aqui para 5 por exemplo a minha mostra vai parar em 23 indivíduos em cada braço então à medida que eu diminuo a diferença esperada eu preciso aumentar o tamanho da amostra para representar o fenômeno bem se houver diferença em muita gente fica tentando perseguir qual é o tamanho da amostra necessário para mostrar a diferença não é essa intenção se houver essa diferença de cinco gramas e eu quero eu quero poder de 90% e preciso de

23 pacientes em cada grupo para chegar nesses valores não quer dizer que eu vou conseguir mas a diferença muita gente tem esperança ao ver esta aula de que achou a mina de ouro quero mostrar uma diferença eu vou fazer tanto indivíduos quanto sejam necessários para mostrar a diferença não é bem assim porque podem ter diferença nenhuma não é só o estudo vai mostrar se tem diferença não nós não estamos antecipando o resultado do estudo nós estamos mostrando como obter uma amostra significativa para representar um fenômeno desta característica com essa diferença tá certo então vejam como

é que esses parâmetros interferem nesta nessa no tamanho da amostra para cada grupo vamos supor agora que vocês já tenham feito estudo então não foi calculado o tamanho da amostra tá certo mas eu obtive uma diferença de 5 com 11 o padrão de 5 e eu peguei dez pacientes em cada grupo o que eu posso fazer bom já tem os pacientes já tenho as diferenças já tem o padrão então ao publicar no seu o seu achado você pode introduzir o poder do estudo qual é o poder do meu estudo com dez pacientes em cada grupo

e com uma diferença de cinco gramas e um alfa de 5% né meu poder de estudo é de 56% tá certo então com dez pacientes se porventura eu tenha demonstrado alguma diferença né eu tenho um poder baixo definição é 1 56% não é um poder muito bom é o que eu tenho na verdade assim é publicável mas tem essa restrição não têm muito poder de definição entre igualdade diferença supondo que eu tenho visto a diferença né seu novo time a diferença nem adianta mostrar o poder também muito que eu não ter nome afirma nenhum ponto

né nem no p n números beta então mas é fácil de obter uma vez que eu tenha feito uma coleta eu tenho a diferença tenho o desvio padrão por exemplo aqui no caso de um teste te eu posso obter o poder do estudo já realizado toque então desta maneira fica fácil de ir nas duas vias tanto a calcular o tamanho da amostra antes do projeto ou para calcular o poder de tudo depois de feito o projeto é ou ele tem que ser interrompido muitas vezes um projeto tem que ser interrompido pela metade mas já tem

já foi feito mas é da coleta eu posso calcular o poder que eu tenho naquele momento tá certo por forças superiores eventualmente não é possível concluir muitos projetos ou por falta de recursos ou pelo tempo que a disponibilidade para recrutar mais pacientes às vezes não é possível continuar um estudo muito bem o teste ter ficou simples eu imagino a demonstração podemos fazer agora um teste de duas proporções por exemplo que também surge é muito comum fazer o quê quadrado né uma solução pelo que quadrado na verdade é um é uma associação de desproporção ou de

proporcionalidade dentro da tabela de contingência se eu quero calcular o tamanho da amostra deixamos em branco o simple sites nós temos então duas proporções uma que eu vou chamar de proporção braziline que seria aquela proporção que eu esperaria por exemplo caso sejam iguais a as proporções na tabela né então suponhamos que a proporção esperada para uma certa situação uma certa pois a proporção de proteína área a empresa presença de proteína área em diabéticos que faz exercício seria da ordem de 60% dos que fazem exercício né dos que não faz exercício opa dos que não faz

exercício agora vai implicar com isso aqui eu não posso colocar o inter e 0,16 é 0,6 o programa trabalha temos que lembrar que não trabalham com a porcentagem de mães com a fração é com a com o número decimal entre 0 e 10 vila 6 ok e os pacientes por exemplo que são sedentários será que tem proteína aumentada eu obtive eu vou acho que vou obter algo em torno de 80% era portanto uma diferença de 20% entre 08 e 06 começamos lá com 11 poder desde 2008 novamente nosso automaticamente já está como não igual eu

vou tirar esse o gráfico um pouquinho só porque não é necessário aqui então por uma diferença de 20% entre 06 e 08 com o poder de 81 alfa de 5% o nosso e necessário é de 82 pacientes em cada braço então pra mostrar uma diferença de 20% com o poder de 85 de alfa eu preciso de 82 pacientes em cada grupo dos sedentários e no grupo de que faz exercício é um número e veja que a diferença não era pequena mas no que quadrado isso explode veja como teste para métrico do tipo t resolve diferenças

de maneira com eles muito pequenos se ela houver se acontecer a diferença né mas no que quadrado eu vou precisar de uma demonstração com marun e maior então o que acontecerá se aumentar um pouquinho esse poder de tudo né vamos ver aqui com duas proporções que é o nosso caso suponhamos que eu queira 85% de popa eiac o alvo aqui era não tá certo 85 85% de poder que acontece com o nosso n93 eu subir 5% de poder e aumentei 11 pacientes em cada braço do estudo ou seja a vamos ver se isso não deve

ser linear porque essa conta não é muito não é linear no cálculo da mostra mas se aumentar mais 5% de poder aqui nos a 90 para 109 ele é mais explosivo então veja que não é linear para aumentar 5% de poder eu aumentei é 26 pacientes em 35 e 90 então a mostra cresce consideravelmente né nós não exploramos o que acontece quando eu diminuo alfa se eu quiser um alfa mais criterioso menor do que 5 por cento e também posso fazer isso então aqui em opções digamos que eu quero um alfa de 1% um estudo

bem caprichado né um critério bem rigoroso 1% de alfa o meu n para 90% de poder com a diferença de 20% entre as duas proporções vai para 154 então veja aqui se eu quero critérios de aumentar poder diminuir o alfa diminuo significância mais criterioso o mel a minha amostra tem que crescer consideravelmente muitas vezes esses essas situações têm que ser arbitrada ou seja tem que ser escolhas diante da realidade nem sempre posso fazer uma amostragem ideal porque a certa restrição de recursos por exemplo por isso que nós partimos sempre do 5% de alfa e 80

por cento de poder de tudo que seria uma espécie assim de valores a partir do qual eu posso pensar para aumentar o poder ou diminuir o alfa de 5% esse balanço tem que ser bem equilibrado e tem que ser pensado de acordo com as características que eu estou estudando para cada caso eu vou ter um alfa e um poder de tudo um beta o - beto no caso é adequados para as minhas necessidades ou pra mim é variável em estudo tá certo bem eu sugiro então que vocês como atividade prática no seu como vocês têm

que fazer um projeto para entregar ao final desse curso trabalha em um pouco com estas idéias que eu mostrei hoje para que vocês possam é finalmente né embutir no seu material e métodos o valor de de cálculo de amostra ok eu agradeço a atenção de todos durante essa disciplina e há qualquer dúvida estaremos à disposição pelo site do curso durante o período que durará a nossa trajetória durante este ano muito obrigado e até breve