Capítulo 20 Análise descritiva

20.1 Análise descritiva

20.1.1 O que é análise descritiva?

• Análise descritiva é usada para compreendermos algum aspecto de um conjunto de dados, respondendo a perguntas do tipo “quando?”, “onde?”, “quem?”, “o quê?”, “como?” e “e daí?”.^109,183

O pacote base⁹⁷ fornece a função summary para calcular diversos parâmetros descritivos.

20.1.2 Como apresentar os resultados descritivos?

• Variáveis categóricas: Reporte valores de frequência absoluta e relativa (n, percentual).¹⁸⁴

• Organização das tabelas: as variáveis são exibidas em linhas e os grupos são exibidos em colunas.¹⁸⁴

• Calcule percentagens para as colunas (isto é, entre grupos) e não entre linhas.¹⁸⁴

• Em caso de dados perdidos, não inclua uma linha com total de dados perdidos, pois distorce as proporções entre colunas e as análises de tabela de contingência. Indique no texto ou em uma coluna separada o total de dados perdidos por variável.¹⁸⁴

20.2 Apresentação de resultados numéricos

20.2.1 O que são casas decimais?

• O número de casas decimais refere-se à quantidade de dígitos que aparecem após a vírgula decimal.^185,186

20.2.2 O que são dígitos significativos?

• O termo “dígitos significativos” é preferido a “algarismos significativos” ou “dígitos efetivos” e não se relaciona com significância estatística.^185,186

• O número de dígitos significativos é a soma total de dígitos, desconsiderando a vírgula decimal e os zeros à esquerda; os zeros à direita são considerados informativos, salvo exceções.^185,186

20.2.3 Como arredondar dados numéricos?

• Apresentar dados com quantidade excessiva de casas decimais pode dificultar a interpretação e induzir erroneamente uma precisão espúria.^185,186

• A precisão é determinada pelo grau de arredondamento aplicado, medido em casas decimais ou dígitos significativos.^185,186

Tabela 20.1: Quantidade de casas decimais e dígitos significativos.

Valor	Casas Decimais	Dígitos Significativos
0,00789	5	0
0,0456	4	0
45,6	1	2
123,456	3	3
7890,0000	4	4

• O arredondamento também introduz erros, uma vez que aumenta a imprecisão (isto é, incerteza) em torno do valor original.^185,186

Tabela 20.2: Valores originais, arredondamentos e erros de arredondamento por casas decimais.

Valor	Casas Decimais	Dígitos Significativos	2 Casas decimais [Margem de erro]	1 Casa decimal [Margem de erro]	Sem casa decimal [Margem de erro]
0,00789	5	0	0,01 [0,005, 0,015]	0,0 [-0,05, 0,05]	0 [-0,5, 0,5]
0,0456	4	0	0,05 [0,045, 0,055]	0,0 [-0,05, 0,05]	0 [-0,5, 0,5]
45,6	1	2	45,60 [45,595, 45,605]	45,6 [45,55, 45,65]	46 [45,5, 46,5]
123,456	3	3	123,46 [123,455, 123,465]	123,5 [123,45, 123,55]	123 [122,5, 123,5]
7890,0000	4	4	7890,00 [7889,995, 7890,005]	7890,0 [7889,95, 7890,05]	7890 [7889,5, 7890,5]

• A regra geral é utilizar 2 ou 3 dígitos significativos para tamanhos de efeito e 1 ou 2 dígitos significativos para medidas de variabilidade.¹⁸⁶

• Regra dos 3 dígitos significativos para proporção de risco: em média, o erro de arredondamento é menor que os 0,5% exigidos, de modo que três dígitos significativos são mais precisos do que o necessário.¹⁸⁵

• Regra dos 4 dígitos significativos para proporção de risco: divida a proporção de risco por quatro e arredonde para dois dígitos significativos e, em seguida, relate a proporção para esse número de casas decimais.¹⁸⁵

20.3 Tabelas

20.3.1 Por que usar tabelas?

• Tabelas complementam o texto (e vice-versa), e podem apresentar os dados de modo mais acessível e informativo.¹⁸⁷

20.3.2 Que informações incluir nas tabelas?

• Título ou legenda, uma síntese descritiva (geralmente por meio de parâmetros descritivos), intervalos de confiança e/ou P-valores conforme necessário para adequada interpretação.^187,188

20.3.3 Quais são os tipos de tabelas?

• Tabela de frequência: apresenta a quantidade de ocorrências (frequência absoluta e relativa) de cada categoria de uma variável; usada com variáveis qualitativas ou quantitativas discretas.^REF?

• Tabela de frequência agrupada: organiza dados contínuos em intervalos de classe (ex: faixas etárias) e mostra as frequências correspondentes.^REF?

• Tabela de contingência (ou tabela cruzada): cruza duas variáveis categóricas, permitindo observar possíveis associações entre elas.^REF?

• Tabela de medidas descritivas: resume variáveis quantitativas com estatísticas como média, mediana, desvio-padrão, mínimo, máximo e quartis.^REF?

• Tabela de comparação entre grupos: apresenta médias, desvios-padrão e ocasionalmente resultados de testes de inferência estatística para comparar dois ou mais grupos.^REF?

• Tabela de resultados de testes estatísticos: exibe valores de estatísticas de teste , P valores e intervalos de confiança; usada para mostrar inferências.^REF?

• Tabela de regressão (ou de modelos estatísticos): mostra os coeficientes de regressão, erros padrão, intervalos de confiança e P valores para cada variável de um modelo.^REF?

• Tabela de séries temporais ou longitudinais: organiza dados medidos em diferentes momentos no tempo, permitindo visualizar tendências ou variações longitudinais.^REF?

O pacote flextable¹⁸⁹ fornece as funções flextable, as_flextable e save_as_docx para criar e salvar tabelas formatadas em DOCX.

O pacote rempsyc¹⁹⁰ fornece a função nice_table para criar tabelas formatadas.

O pacote table1¹⁹¹ fornece a função table1 para construção de tabelas.

O pacote gtsummary¹⁹² fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

20.3.4 Quais são os erros mais comuns de preenchimento de tabelas?

• Erros tipográficos.¹⁹³

• Ausência de rótulos ou unidades nas variáveis.¹⁹³

• Relatar estatísticas incorretamente, tais como rotular variáveis contínuas como porcentagens.¹⁹³

• Estatísticas descritivas de tendência central (ex.: médias) relatadas sem a estatística de dispersão correspondente (ex.: desvio-padrão).¹⁹³

• Desvio-padrão nulo (\(\sigma=0\)).¹⁹³

• Valores porcentuais que não correspondem ao numerador dividido pelo denominador.¹⁹³

20.4 Tabela 1

20.4.1 O que é a ‘Tabela 1’?

• A ‘Tabela 1’ descreve as características demográficas, sociais e clínicas da amostra, completa ou agrupada por algum fator, geralmente por meio de parâmetros de tendência central e dispersão.^194,195

20.4.2 Qual a utilidade da ‘Tabela 1’?

• Descrever (conhecer) as características da amostra e dos grupos sendo comparados, quando aplicável.¹⁹⁵

• Verificar aderência ao protocolo do estudo, incluindo critérios de inclusão/exclusão, tamanho da amostra e perdas amostrais.¹⁹⁵

• Permitir a replicação do estudo.¹⁹⁵

• Meta-analisar os dados junto a estudos similares.¹⁹⁵

• Avaliar a generalização (validade externa) das conclusões do estudo.¹⁹⁵

20.4.3 O que é a falácia da ‘Tabela 1’?

• Falácia da Tabela 1 ocorre pela interpretação errônea dos P-valores na comparação entre grupos, na linha de base, de um ensaio clínico aleatorizado.¹⁹⁶

20.4.4 Como construir a ‘Tabela 1’?

• A Tabela 1 geralmente é utilizada para descrever as características da amostra estudada, possibilitando a análise de ameaças à validade interna e/ou externa ao estudo.^197,198

O pacote table1¹⁹¹ fornece a função table1 para construção de tabelas.

O pacote gtsummary¹⁹² fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

20.5 Tabela 2

20.5.1 Qual a utilidade da ‘Tabela 2’?

• A Tabela 2 mostra associações ajustadas multivariadas com o resultado para variáveis resumidas na Tabela 1.¹⁹⁴

20.5.2 O que é a falácia da ‘Tabela 2’?

• A Tabela 2 pode induzir ao erro de interpretação pelas estimativas de efeitos para covariáveis do modelo também serem utilizados para controlar a confusão da exposição.^194,199

• Ao apresentar estimativas de efeito ajustadas para covariáveis juntamente com a estimativa de efeito ajustada para a exposição primária, a Tabela 2 sugere implicitamente que todas estas estimativas podem ser interpretadas de forma semelhante, se não de forma idêntica, como estimativa do efeito total.^194,199

• A falácia da Tabela 2 pode ser evitada limitando-se a tabela a estimativas das medidas primárias do efeito de exposição nos diferentes modelos, com as covariáveis secundárias de “ajuste” relatadas em uma nota de rodapé, juntamente com a forma como foram categorizadas ou modeladas.¹⁹⁴

20.5.3 Como construir a ‘Tabela 2’?

• A Tabela 2 pode ser utilizada para apresentar estimativas de múltiplos efeitos ajustados de um mesmo modelo estatístico.¹⁹⁴

O pacote table1¹⁹¹ fornece a função table1 para construção de tabelas.

O pacote gtsummary¹⁹² fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

20.6 Gráficos

20.6.1 O que são gráficos?

• Gráficos são utilizados para apresentar dados (geralmente em grande quantidade) de modo mais intuitivo e fácil de compreender.²⁰⁰

20.6.2 Quais são os tipos de gráficos para variáveis categóricas?

• Gráfico de barras: Mais usado para comparar frequências absolutas ou relativas entre categorias.^REF?

Figura 20.1: Gráfico de barras simples representando frequências por categoria.

• Gráfico de barras empilhadas: Útil para comparar proporções entre grupos em mais de uma variável categórica.^REF?

Figura 20.2: Gráfico de barras empilhadas representando frequências por categoria.

Figura 20.3: Gráficos de barras represetando médias, barras de erro e dados individuais.

20.6.3 Quais são os tipos de gráficos para variáveis numéricas?

• Histograma: Distribuição de frequência de uma variável contínua. Mostra a forma da distribuição (simétrica, assimétrica, bimodal).^REF?

Figura 20.4: Histograma da variável ‘valor’.

• Gráfico de densidade: Similar ao histograma, mas mais suave. Útil para avaliar a distribuição.^REF?

Figura 20.5: Gráfico de densidade da variável ‘valor’.

• Diagrama de caixa (boxplot): Resume mediana, quartis e valores extremos. Excelente para comparar grupos.^REF?

Figura 20.6: Boxplot por grupo.

• Gráfico de violino: Combina boxplot e densidade, mostrando a distribuição da variável. Útil para comparar grupos.^REF?

Figura 20.7: Violin plot por grupo.

• Gráfico de pontos (dot plot): Mostra cada valor individualmente, útil para pequenas amostras e para visualizar a distribuição.^REF?

Figura 20.8: Gráfico de pontos da variável ‘valor’.

20.6.4 Quais são os tipos de gráficos para relações entre variáveis?

• Gráfico de dispersão (scatter plot): Mostra a relação entre duas variáveis quantitativas. Ideal para investigar correlações.^REF?

Figura 20.9: Gráfico de dispersão representando a relação entre duas variáveis.

• Gráfico de bolhas (bubble chart): Expande o gráfico de dispersão adicionando uma terceira variável (tamanho da bolha).^REF?

Figura 20.10: Gráfico de bolhas representando a relação entre três variáveis.

20.6.5 Quais são os tipos de gráficos para séries temporais?

• Gráfico de linhas: Mostra a evolução de uma variável ao longo do tempo, com pontos conectados por linhas.^REF?

Figura 20.11: Gráfico de linha representando uma série temporal.

20.6.6 Quais são os tipos de gráficos para dados multivariados?

• Gráfico de dispersão: Representa a relação entre duas variáveis, com pontos e uma linha de tendência.^REF?

Figura 20.12: Gráfico de correlação entre duas variáveis com linha de tendência.

• Gráfico de matriz de dispersão: Mostra relações entre múltiplas variáveis quantitativas, útil para identificar padrões.^REF?

Figura 20.13: Matriz de dispersão representando relações entre múltiplas variáveis.

• Gráfico de calor (heatmap): Representa dados em uma matriz, com cores indicando intensidade ou frequência.^REF?

Figura 20.14: Mapa de calor da correlação entre variáveis.

• Gráfico de radar (ou gráfico de aranha): Representa várias variáveis em um único gráfico, útil para comparar perfis.^REF?

Figura 20.15: Gráfico radar representando múltiplas variáveis.

20.6.7 Que elementos incluir em gráficos?

• Título, eixos horizontal e vertical com respectivas unidades, escalas em intervalos representativos das variáveis, legenda com símbolos, síntese descritiva dos valores e respectiva margem de erro, conforme necessário para adequada interpretação.²⁰⁰

Os pacotes ggplot2¹⁸¹, plotly²⁰¹ e corrplot²⁰² fornecem diversas funções para construção de gráficos tais como ggplot, plot_ly e corrplot respectivamente.

20.6.8 Para que servem as barras de erro em gráficos?

• Barras de erro ajudam ao autor a apresentar as informações que descrevem os dados (por exemplo, em uma análise descritiva) ou sobre as inferências ou conclusões tomadas a partir de dados.^203,204

• Barras de erro mais longas representam mais imprecisão (maiores erros), enquanto barras mais curtas representam mais precisão na estimativa.²⁰³

• Barras de erro descritivas geralmente apresentam a amplitude (mínimo-máximo) ou desvio-padrão.²⁰³

• Barras de erro inferenciais geralmente apresentam o erro-padrão ou intervalo de confiança no nível de significância \(\alpha\) pré-estabelecido.^203,204

• Barras de erro com desvio-padrão são úteis para descrever a variabilidade dos dados, enquanto as barras de erro com erro padrão da média são úteis para descrever a precisão do parâmetro estimado (média) e sua relação com o tamanho da amostra.²⁰⁴

• Barras de erro com intervalo de confiança são úteis para fornecer uma estimativa da incerteza da estimativa do parâmetro populacional.²⁰⁴

• O comprimento das barras de erro sugere graficamente a imprecisão dos dados do estudo, uma vez que o valor verdadeiro da população pode estar em qualquer nível do intervalo da barra.²⁰³

• De modo contraintuitivo, um espaço entre as barras não garante significância, nem a sobreposição a descarta—depende do tipo de barra.²⁰⁴

• Para amostras pequenas é preferível apresentar os dados brutos, uma vez que as barras de erro não serão muito informativas.²⁰⁴

20.6.9 Quais são as boas práticas na elaboração de gráficos?

• O tamanho da amostra total e subgrupos, se houver, deve estar descrito na figura ou na sua legenda.²⁰³

• Para análise inferencial de figuras, as barras de erro representadas por erro-padrão ou intervalo de confiança no nível de significância \(\alpha\) pré-estabelecido são preferíveis à amplitude ou desvio-padrão.^203,204

• Evite gráficos de barra e mostre a distribuição dos dados sempre que possível.²⁰⁵

• Exiba os pontos de dados em boxplots.²⁰⁵

• Use jitter simétrico em gráficos de pontos para permitir a visualização de todos os dados.²⁰⁵

• Prefira palhetas de cor adaptadas para daltônicos.²⁰⁵

O pacote ggsci²⁰⁶ fornece palhetas de cores tais como pal_lancet, pal_nejm e pal_npg inspiradas em publicações científicas para uso em gráficos.

O pacote grDevices²⁰⁷ fornece a função dev.new para controlar diversos aspectos do gráfico, tais como tamanho e resolução.

20.6.10 Como exportar figuras em formato TIFF?

• .^REF?

O pacote tiff²⁰⁸ fornece a função writeTIFF para exportar gráficos em formato TIFF.

Citar como:
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,

Referências

97.

R Core Team. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing; 2023. https://www.R-project.org/.

109.

Vetter TR. Fundamentals of Research Data and Variables. Anesthesia & Analgesia. 2017;125(4):1375–1380. doi:10.1213/ane.0000000000002370

181.

Wickham H. ggplot2: Elegant Graphics for Data Analysis. Springer; 2016. https://ggplot2.tidyverse.org.

183.

Gerring J. Mere Description. British Journal of Political Science. 2012;42(4):721–746. doi:10.1017/s0007123412000130

184.

Cummings P, Rivara FP. Reporting Statistical Information in Medical Journal Articles. Archives of Pediatrics & Adolescent Medicine. 2003;157(4):321. doi:10.1001/archpedi.157.4.321

185.

Cole TJ. Setting number of decimal places for reporting risk ratios: rule of four. BMJ. 2015;350(apr27 3):h1845–h1845. doi:10.1136/bmj.h1845

186.

Cole TJ. Too many digits: the presentation of numerical data. Archives of Disease in Childhood. 2015;100(7):608–609. doi:10.1136/archdischild-2014-307149

187.

Inskip H, Ntani G, Westbury L, et al. Getting started with tables. Archives of Public Health. 2017;75(1). doi:10.1186/s13690-017-0180-1

188.

Kwak SG, Kang H, Kim JH, et al. The principles of presenting statistical results: Table. Korean Journal of Anesthesiology. 2021;74(2):115–119. doi:10.4097/kja.20582

189.

Gohel D, Skintzos P. flextable: Functions for Tabular Reporting.; 2023. https://CRAN.R-project.org/package=flextable.

190.

Thériault R. rempsyc: Convenience functions for psychology. Journal of Open Source Software. 2023;8:5466. doi:10.21105/joss.05466

191.

Rich B. table1: Tables of Descriptive Statistics in HTML.; 2023. https://CRAN.R-project.org/package=table1.

192.

Sjoberg DD, Whiting K, Curry M, Lavery JA, Larmarange J. Reproducible Summary Tables with the gtsummary Package. The R Journal. 2021;13:570–580. doi:10.32614/RJ-2021-053

193.

Barnett A. Automated detection of over- and under-dispersion in baseline tables in randomised controlled trials. F1000Research. 2023;11:783. doi:10.12688/f1000research.123002.2

194.

Westreich D, Greenland S. The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficients. American Journal of Epidemiology. 2013;177(4):292–298. doi:10.1093/aje/kws412

195.

Chen H, Lu Y, Slye N. Testing for baseline differences in clinical trials. International Journal of Clinical Trials. 2020;7(2):150. doi:10.18203/2349-3259.ijct20201720

196.

Pijls BG. The Table I Fallacy: P Values in Baseline Tables of Randomized Controlled Trials. Journal of Bone and Joint Surgery. 2022;104(16):e71. doi:10.2106/jbjs.21.01166

197.

Greenhalgh T. How to read a paper: Statistics for the non-statistician. I: Different types of data need different statistical tests. BMJ. 1997;315(7104):364–366. doi:10.1136/bmj.315.7104.364

198.

Hayes-Larson E, Kezios KL, Mooney SJ, Lovasi G. Who is in this study, anyway? Guidelines for a useful Table 1. Journal of Clinical Epidemiology. 2019;114:125–132. doi:10.1016/j.jclinepi.2019.06.011

199.

Bandoli G, Palmsten K, Chambers CD, Jelliffe-Pawlowski LL, Baer RJ, Thompson CA. Revisiting the Table 2 fallacy: A motivating example examining preeclampsia and preterm birth. Paediatric and Perinatal Epidemiology. 2018;32(4):390–397. doi:10.1111/ppe.12474

200.

Park JH, Lee DK, Kang H, et al. The principles of presenting statistical results using figures. Korean Journal of Anesthesiology. 2022;75(2):139–150. doi:10.4097/kja.21508

201.

Sievert C. Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman; Hall/CRC; 2020. https://plotly-r.com.

202.

Wei T, Simko V. R package ’corrplot’: Visualization of a Correlation Matrix.; 2024. https://github.com/taiyun/corrplot.

203.

Cumming G, Fidler F, Vaux DL. Error bars in experimental biology. The Journal of Cell Biology. 2007;177(1):7–11. doi:10.1083/jcb.200611141

204.

Krzywinski M, Altman N. Error bars. Nature Methods. 2013;10(10):921–922. doi:10.1038/nmeth.2659

205.

Weissgerber TL, Winham SJ, Heinzen EP, et al. Reveal, Don’t Conceal. Circulation. 2019;140(18):1506–1518. doi:10.1161/circulationaha.118.037777

206.

Xiao N. ggsci: Scientific Journal and Sci-Fi Themed Color Palettes for ggplot2.; 2023. https://CRAN.R-project.org/package=ggsci.

207.

R Core Team. R: A Language and Environment for Statistical Computing.; 2024. https://www.R-project.org/.

208.

Urbanek S, Johnson K. tiff: Read and Write TIFF Images.; 2022. https://CRAN.R-project.org/package=tiff.