Você quer entender um pouco melhor de bioestatística?

A estatística é frequentemente usada para analisar dados de pesquisas quantitativas. Os ensaios clínicos e as pesquisas clínicas e básicas geralmente dependem da estatística. Os ensaios clínicos passam por várias fases de estudo. Assim que as fases de estudo do ensaio clínico são concluídas, a bioestatística é usada para analisar os resultados.

A pesquisa geralmente prossegue de forma ordenada, conforme mostrado abaixo.

Processo de pesquisa

Depois de identificar a pergunta de pesquisa que você precisa responder, é hora de formular uma boa hipótese. A hipótese é o ponto de partida para a bioestatística e geralmente é baseada em uma teoria. Os experimentos são então projetados para testar a hipótese. O que é uma hipótese? Uma #hipótesedepesquisa é uma declaração que descreve uma relação entre duas ou mais variáveis ​​que podem ser testadas. Uma boa hipótese deve ser clara, específica, objetiva e relevante para a questão da pesquisa. Acima de tudo,

uma #hipótese deve ser testável.

Uma hipótese simples conteria um preditor e uma variável de resultado. Por exemplo, se sua hipótese fosse: “O consumo de chocolate está relacionado ao diabetes tipo II”, o preditor seria se uma pessoa come chocolate ou não e o resultado seria o desenvolvimento de diabetes tipo II. Uma boa hipótese também poderia ser mais específica. Isso significa que deve ficar claro quais temas e metodologias de pesquisa serão usados ​​para testar a hipótese. Um exemplo de hipótese específica seria: “Adultos que consomem mais de 20 gramas de chocolate por dia, conforme medido por um questionário ao longo de 12 meses, são mais propensos a desenvolver diabetes tipo II do que adultos que consomem menos de 10 gramas de chocolate por dia. ”

Hipótese nula e alternativa

Em estatística, a hipótese nula (H0) afirma que não há relação entre o preditor e a variável de resultado na população em estudo. Por exemplo, “Não há relação entre um histórico familiar de depressão e a probabilidade de uma pessoa tentar o suicídio”. A hipótese alternativa (H1) afirma que existe uma relação entre o preditor (história de depressão) e o desfecho (tentativa de suicídio). É impossível provar uma afirmação fazendo várias observações, mas é possível refutar uma afirmação com uma única observação. Por exemplo, se você sempre viu tulipas vermelhas, não é prova de que não existam outras cores de tulipas. No entanto, ver uma única tulipa que não é vermelha provaria imediatamente que a afirmação “Todas as tulipas são vermelhas” é falsa. É por isso que as estatísticas testam a hipótese nula. É também por isso que a hipótese alternativa não pode ser testada diretamente.

A hipótese alternativa proposta na pesquisa médica pode ser unilateral ou bicaudal. Uma hipótese alternativa unilateral preveria a direção do efeito. Os estudos clínicos podem ter uma hipótese alternativa onde os pacientes que tomam o medicamento do estudo terão um nível de colesterol mais baixo do que aqueles que tomam um placebo. Este é um exemplo de hipótese unilateral. Uma hipótese alternativa bicaudal declararia apenas que há uma associação sem especificar uma direção. Um exemplo seria, “Os pacientes que tomam o medicamento de estudo terão um nível de colesterol significativamente diferente do que os pacientes que tomam placebo”. A hipótese alternativa não afirma se esse nível será mais alto ou mais baixo do que aqueles que estão tomando o placebo.

A abordagem do valor P para testar a hipótese

Depois de projetada a hipótese, os testes estatísticos ajudam a decidir se você deve aceitar ou rejeitar a hipótese nula. Os testes estatísticos determinam o valor p associado aos dados da pesquisa. O valor p é a probabilidade de haver obtido o resultado por acaso, assumindo que a hipótese nula (H0) fosse verdadeira. Você deve rejeitar a hipótese nula se o valor p dos dados cair abaixo do nível predeterminado de significância estatística. Normalmente, o nível de significância estatístico é definido em 0,05. Se o valor p for menor que 0,05, você rejeitaria a hipótese nula afirmando que não há relação entre o preditor e o resultado na população de amostra.

No entanto, se o valor de p for maior do que o nível de significância predeterminado, não há associação estatisticamente significativa entre o preditor e a variável de resultado. Isso não significa que não haja associação entre o preditor e o desfecho na população. Significa apenas que a diferença entre a relação observada e a relação que poderia ter ocorrido por acaso é pequena.

A hipótese não é uma parte trivial do processo de pesquisa clínica ou básica. É um elemento-chave em um bom plano de bioestatística, independente da fase do ensaio clínico. Existem muitos outros conceitos importantes para a análise de dados de ensaios clínicos. Discutiremos depois...

Veja no nosso blog sobre Hipótese de pesquisa.