Oi dando continuidade a minha parte no curso de manipulação animal da Universidade Federal do Paraná a gente vai falar sobre cálculo de tamanho de amostra eu sou o Bruno martiak professor de departamento de fisiologia da Universidade Federal do Paraná e atualmente coordenador do complexo biblioteca de setor de ciências biológicas muito bem essa é uma pergunta importante para a gente se fazer na hora de preencher o formulário de um projeto de seua e é uma coisa que a gente deve ter em mente Porque é importante para os nossos experimentos não é à toa que no seu
a gente pergunta não é apenas porque a gente quer que as pessoas utilizem o menor número de animais possível a gente quer que as pessoas utilizem o tamanho necessário amostral Então qual que deve ser o tamanho da minha amostra Qual o meu n por grupo 10 por grupo porque o número Redondo oito por grupo porque eu gasto menos 12 para o grupo porque esse parece ser o padrão da literatura para que ela variável como que a gente chega nesses valores e análises indicam que os estudos não clínicos possuem frequentemente baixo poder estatístico e isso leva
a uma falta de confiança nos dados que a gente obtém através dos estudos com modelos dos animais Então os modelos de animais os estudos que utilizam modelos animais frequentemente tem embaixo poder estatístico causado por tamanhos de amostra muito pequenos mas antes o que que é poder estatístico vai ser o que que é podendo teste é a probabilidade de um teste encontrar um efeito assumindo que de fato há um efeito se um tratamento funciona qual é a probabilidade de não experimento mostrar que esse tratamento funciona É isso que o poder do teste vai dizer vamos ver
aqui que essas curvinhas da estatística que às vezes assustam dizem aqui a gente tem a distribuição dos dados de acordo com a hipótese nula H zero e a distribuição dos dados de uma hipótese alternativa digamos os dados que foram de fato obtidos nossa e temos umas letrinhas Gregas e o que que elas significam o Beta significa probabilidade de um falso negativo a uma diferença estatística mas você não a encontrou o alfa significa o nível de significância a probabilidade de um falso positivo é você encontrou uma diferença mas na verdade ela não existe e o que
que é o p o p aquele valor que a gente costuma ver nos artigos científicos bem menor do que 0,05 é o valor estatisticamente significativo qual é a definição de p é a chance de encontrar as coisas ao acaso é a chance de estar errado não é exatamente isso é perto disso vamos lá é a probabilidade de se obter um resultado tão extremo ou mais extremo do que obtido assumindo que a hipótese nula seja verdadeira o que significa isso sim eu encontro Este resultado aqui essa hipótese nula isso aqui foi o que eu encontrei é
a chance de eu obter um resultado igual a esse ou mais extremo uma diferença maior entre os grupos assumindo que é importante assumindo que a hipótese nula na verdade seja verdadeira vai ser de 5%, porque 5% e igual 0,05 se for menor do que isso é considerado estatisticamente significativo isso é totalmente arbitrário mas é um valor que a gente acaba se prendendo então tipicamente a gente usa esse valor aqui é melhor que 0,05 ser estatisticamente significativo e significa que o alfa é 0,05 ou 5% arbitrariamente e talvez por ter sido perguntado o Fischer definiu o
alfa como 0,05 e o coen ele achou que um falso positivo Ele é quatro vezes mais grave que um falso negativo porque se algo poderia ter um efeito e você não detectou não é tão grave quanto achar que algo tem o efeito mas na verdade não tem você acha que encontrou a cura por uma doença você acha que estatisticamente tá certo e na verdade não é uma cura a doença nenhuma então isso é mais grave com isso ele achando que um falso negativo é quatro vezes menos graves a gente multiplica isso aqui o alfa por
4 a gente tem o valor de 20%. então 20% arbitrariamente é o quanto a gente aceita de chance de ter um falso negativo isso nos dá o poder de 80% para os nossos testes a gente parte da ideia de ter um poder de pelo menos 80% arbitrário né também então o que que um poder de 80% significa que você irá detectar um efeito real se ele houver em quatro de cada cinco experimentos se o efeito de fato existe aqui então em 20% haverá um falso negativo encontrei o efeito aqui aqui aqui não encontrei encontrei aqui
encontrei aqui de novo então aqui é o falso negativo A1 é feito mas ele não foi detectado não sei vocês mas 80% não parece muito bom né mas na prática muitos artigos são publicados sem ter um poder de pelo menos 80% do que que depende o poder de um teste depende do tamanho da amostra da variância da amostra do tamanho do efeito e do alfa o alfa é fixo 0,05 Então a gente vai depender do n da dispersão mostra desvio padrão e de quão diferentes os grupos são que envolve também a variância da amostra então
aqui a gente tem uma conta do coen para calcular uma forma de tamanho de efeito quando a gente tem a comparação entre dois grupos média de um grupo menos a média de outra dividido por uma agregado aqui dos desvios padrões então é basicamente a diferença entre os grupos dividido pela dispersão dos dados é isso nos daria o tamanho do efeito e além de mais falsos negativos o que que acontece se eu poder do teste for baixo se o poder foi baixo Então se a gente tiver um valor menor do que 80% a gente vai cada
vez mais ter mais falsos negativos então primeiro que se o alfa é fixo e a variância depende da variável estudada o baixo poder é causada por pequeno amostral a gente pode até tentar reduzir a variável reduzindo erros técnicos erros organização dos dados mas tem variáveis que são intrinsecamente variáveis com uma dispersão muito alta não adianta a gente querer artificialmente limitantes então o baixo poder estatístico acaba sendo causado na prática por algo mais controlável pelo baixo n animestral Então qual que é a consequência se a gente acaba tendo um poder estatístico baixo isso significa que a
gente só vai conseguir detectar efeitos muito grandes apenas tamanhos de efeito muito grande são detectados isso vai fazer aumentar as chances de encontrar falsas positivos então como assim a chance de encontrar verdadeiros efeitos vão diminuir tanto efeitos negativos quanto positivos então além de ter mais falsos negativos a gente fica com mais falsos positivos também porque apenas tamanhos de efeito muito grande são detectados fatores de viés acabam entrando em jogo e superestimando o tamanho de efeito que de fato você está encontrando aqui tem o poder estatístico encontrado em metanálises na área de neurociências a gente tem
49 metanálises que foram estudadas dessas metanálises cada uma delas analisou uma série de outros artigos e olhando o poder que foi encontrado médio em cada uma dessas metanálises vamos ver aqui poder entre 81 e 90%. nada poder entre 91 e 100% 15% dos artigos entre 71 e 80 digamos aqui tá 80% menos de 5%. a maior parte dos estudos tem poder inferior a 70 é muito baixo incrivelmente baixo e isso se resolve com o aumento do tamanho amostral é um curso de manipulação animal aqui a ideia é que a gente use menos animais Mas como
que a gente usa menos animais se a gente faz vários experimentos que não conseguem detectar o efeito verdadeiro a gente está utilizando ou digamos a gente tem várias experimentos com tamanho a mostrar o super pequenininha que não conseguem concluir nada a gente está utilizando mais ou menos animais na prática a gente está utilizando mais animais porque a gente está utilizando pior o importante é que o estudo seja tem um termo chamado winners corce a maldição do vencedor em que o primeiro autor a reportar um efeito provavelmente encontrou um falso positivo ou um tamanho de efeito
superestimado ele encontrou aquilo meio por acaso é encontrar algo que é super grandioso mas na prática foi na especificidade daquele laboratório que aquele efeito foi tão grande na verdade aquele efeito é pequenininho então replicações provavelmente precisam de um tamanho amostral maior que o do original para chegar no mesmo efeito mesmo que o tamanho de efeito Seja verdadeiro analisar estagisticamente uma replicação de um estudo com o mesmo n de um estudo em que o PT é sido exatamente igual 0,05 ele vai encontrar o mesmo efeito em apenas 50% das vezes o que é muito pouco então
quando for fazer uma replicação ideal na verdade absolutamente recomendado é que o seu tamanho de amostra seja maior que a amostra original mas aí como saber o seu n necessária afinal de contas uma coisa importante é levar perdas em consideração você vai fazer uma cirurgia de alta precisão e você não consegue acertar essa cirurgia em todos os seus animais então após calcular Quantos animais você precisa obter você tem que levar em conta quanto que você costuma perder se você precisa de 100 animais Mas você sabe que você vai perder 10 na cirurgia você vai ter
que ter 110 porque 10 serão perdidos o alfa é fixo a variância deve ser conhecida como com estudo piloto analisando a Literatura e aqui entra a parte que ela é importante e ao mesmo tempo ela é muito muito subjetivo porque Qual é o tamanho de efeito esperado O que você espera do seu fator você tá modelando uma doença você tá vendo glicemia dos animais você quer que a Glicemia saia de 90 para 400 Ou você quer que saia de 90 para 300 ou de 90 para 150 o que que é relevante o que que é
biologicamente relevante você quer que a Glicemia dos animais seja reduzida para exatamente o nível do controle ou não tão bom assim você que vai dizer isso é você analisando a literatura como que dá literatura ouve transposições clínicos porque vamos lembrar também que é difícil a gente transpor muitas vezes uma unidade que a gente obtém nos modelos animais diretamente para o que a gente vai obter em um ano depois então é um pouco vago mas você vai precisar não tem como escapar disso tentar definir o tamanho de efeito que você espera então ou você já sabe
o tamanho de efeito calculado pelas análises estatísticas ou você pode obter isso pensando quais os valores de média e de dispersão que é esperado ter em cada grupo Então como que eu vou saber a média de um grupo que eu nem estudei ainda qual é o valor que a biologicamente relevante então se você tem um grupo controle tem a média de peso corporal 30 gramas camundongos aí você tem um grupo tratado a média de peso corporal foi para 29 se você tiver um n de 300 animais por grupo você pode encontrar uma diferença estatisticamente significativa
comparando esses dois grupos Mas é uma diferença que tem um sentido biológico vai que tem né mas eu imagino aqui que uma grama de diferença média de peso corporal não vai ter um efeito muito relevante no que você tá estudando então você deve mirar para um tamanho de efeito que seja relevante quem vai poder dizer isso é você junto com seu orientador analisando a literatura e como calcular como chegar nesses valores a gente tem um software a gente a gente encontra na internet o software chamado G Power que é um programa gratuito que faz cálculos
de amostra e cálculos de poder se você digitar g-power no Google você encontra aqui esse site em um outro vídeo eu vou mostrar como utilizar esse programa esse programa tem um manual e a gente vai dar uma olhada prática na cara exatamente desse programa para fazer alguns testezinhos e alguns cálculos de amostra
