Capítulo 17 Análise descritiva
17.1 Análise descritiva
17.1.1 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?”.77,163
17.1.2 Como apresentar os resultados descritivos?
Variáveis categóricas: Reporte valores de frequência absoluta e relativa (n, percentual).164
Organização das tabelas: as variáveis são exibidas em linhas e os grupos são exibidos em colunas.164
Calcule percentagens para as colunas (isto é, entre grupos) e não entre linhas.164
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.164
17.2 Apresentação de resultados numéricos
17.2.1 O que são casas decimais?
- O número de casas decimais refere-se à quantidade de dígitos que aparecem após a vírgula decimal.165,166
17.2.2 O que são dígitos significativos?
O termo “dígitos significativos” é preferido a “algarismos significativos” ou “dígitos efetivos” e não se relaciona com significância estatística.165,166
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.165,166
17.2.3 Como arredondar dados numéricos?
Apresentar dados com quantidade excessiva de casas decimais pode dificultar a interpretação e induzir erroneamente uma precisão espúria.165,166
A precisão é determinada pelo grau de arredondamento aplicado, medido em casas decimais ou dígitos significativos.165,166
| 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.165,166
| 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.166
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.165
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.165
17.3 Tabelas
17.3.1 Por que usar tabelas?
- Tabelas complementam o texto (e vice-versa), e podem apresentar os dados de modo mais acessível e informativo.167
17.3.2 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.167,168
17.3.3 Quais são os erros mais comuns de preenchimento de tabelas?
Erros tipográficos.169
Ausência de rótulos ou unidades nas variáveis.169
Relatar estatísticas incorretamente, tais como rotular variáveis contínuas como porcentagens.169
Estatísticas descritivas de tendência central (ex.: médias) relatadas sem a estatística de dispersão correspondente (ex.: desvio-padrão).169
Desvio-padrão nulo (\(\sigma=0\)).169
Valores porcentuais que não correspondem ao numerador dividido pelo denominador.169
O pacote flextable170 fornece as funções flextable, as_flextable e save_as_docx para criar e salvar tabelas tabelas formatadas em DOCX.
O pacote rempsyc171 fornece a função nice_table para criar tabelas formatadas.
O pacote gtsummary173 fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.
17.4 Tabela 1
17.4.1 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.174,175
17.4.2 Qual a utilidade da ‘Tabela 1’?
Descrever (conhecer) as características da amostra e dos grupos sendo comparados, quando aplicável.175
Verificar aderência ao protocolo do estudo, incluindo critérios de inclusão/exclusão, tamanho da amostra e perdas amostrais.175
Permitir a replicação do estudo.175
Meta-analisar os dados junto a estudos similares.175
Avaliar a generalização (validade externa) das conclusões do estudo.175
17.4.3 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.176
17.4.4 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.146,177
O pacote gtsummary173 fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.
17.5 Tabela 2
17.5.1 Qual a utilidade da ‘Tabela 2’?
- A Tabela 2 mostra associações ajustadas multivariadas com o resultado para variáveis resumidas na Tabela 1.174
17.5.2 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.174,178
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.174,178
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.174
17.5.3 Como construir a ‘Tabela 2’?
- A Tabela 2 pode ser utilizada para apresentar estimativas de múltiplos efeitos ajustados de um mesmo modelo estatístico.174
O pacote gtsummary173 fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.
17.6 Gráficos
17.6.1 O que são gráficos?
- Gráficos são utilizados para apresentar dados (geralmente em grande quantidade) de modo mais intuitivo e fácil de compreender.179
17.6.2 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.179
Os pacotes ggplot2180, plotly181 e corrplot182 fornecem diversas funções para construção de gráficos tais como ggplot, plot_ly e corrplot respectivamente.
17.6.3 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.152,154
Barras de erro mais longas representam mais imprecisão (maiores erros), enquanto barras mais curtas representam mais precisão na estimativa.154
Barras de erro descritivas geralmente apresentam a amplitude (mínimo-máximo) ou desvio-padrão.154
Barras de erro inferenciais geralmente apresentam o erro-padrão ou intervalo de confiança no nível de significância \(\alpha\) pré-estabelecido.152,154
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.152
Barras de erro com intervalo de confiança são úteis para fornecer uma estimativa da incerteza da estimativa do parâmetro populacional.152
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.154
De modo contraintuitivo, um espaço entre as barras não garante significância, nem a sobreposição a descarta—depende do tipo de barra.152
Para amostras pequenas é preferível apresentar os dados brutos, uma vez que as barras de erro não serão muito informativas.152
17.6.4 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.154
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.152,154
Evite gráficos de barra e mostre a distribuição dos dados sempre que possível.183
Exiba os pontos de dados em boxplots.183
Use jitter simétrico em gráficos de pontos para permitir a visualização de todos os dados.183
Prefira palhetas de cor adaptadas para daltônicos.183
O pacote ggsci184 fornece palhetas de cores tais como pal_lancet, pal_nejm e pal_npg inspiradas em publicações científicas para uso em gráficos.
O pacote grDevices141 fornece a função dev.new para controlar diversos aspectos do gráfico, tais como tamanho e resolução.