Capítulo 14 Análise inicial de dados

14.1 Análise inicial de dados

14.1.1 O que é análise inicial de dados?

• Análise inicial de dados¹⁴⁵ é uma sequência de procedimentos que visam principalmente a transparência e integridade das pré-condições do estudo para conduzir a análise estatística apropriada de modo responsável para responder aos problemas da pesquisa.⁷⁷

• O objetivo da análise inicial de dados é propiciar dados prontos para análise estatística, incluindo informações confiáveis sobre as propriedades dos dados.⁷⁷

• A análise inicial de dados pode ser dividida nas seguintes etapas:⁷⁷

  • Configuração dos metadados

  • Limpeza dos dados

  • Verificação dos dados

  • Relatório inicial dos dados

  • Refinamento e atualização do plano de análise estatística

  • Documentação e relatório da análise inicial de dados

• A análise inicial de dados não deve ser confundida com análise exploratória¹⁴⁶, nem deve ser utilizada para hipotetizar após os dados serem coletados (conhecido como Hypothesizing After Results are Known, HARKing)¹⁴⁷.

14.1.2 Como conduzir uma análise inicial de dados?

• Desenvolva um plano de análise inicial de dados consistente com os objetivos da pesquisa. Por exemplo, verifique a distribuição e escala das variáveis, procure por observações não-usuais ou improváveis, avalie possíveis padrões de dados perdidos.⁷⁷

• Não altere diretamente os dados de uma tabela obtida de uma fonte. Use scripts para implementar eventuais alterações, de modo a manter o registro de todas as modificações realizadas no banco de dados.⁷⁷

• Use os metadados do estudo para guiar a análise inicial dos dados e compartilhe com os dados para maior transparência e reprodutibilidade.⁷⁷

• Representação gráfica dos dados pode ajudar a identificar características e padrões no banco de dados, tais como suposições e tendências.⁷⁷

• Verifique a frequência e proporção de dados perdidos em cada variável, e depois examine por padrões de dados perdidos simultaneamente por duas ou mais variáveis.⁷⁷

• Verifique a frequência e proporção de dados perdidos em cada variável, e depois examine por padrões de dados perdidos simultaneamente por duas ou mais variáveis.⁷⁷

• Exclusão de dados ad hoc baseada no desfecho pode influenciar os resultados do estudo, portanto os critérios de exclusão de dados antes da análise estatística (descritiva e/ou inferencial) devem ser reportados.¹⁴⁸

14.1.3 Quais problemas podem ser detectados na análise inicial de dados?

• Ocorrência de dados perdidos, que podem ser excluídos ou imputados para não reduzir o poder do estudo.^REF?

O pacote stats⁷¹ fornece a função na.omit para retornar os dados sem os dados perdidos.

O pacote stats⁷¹ fornece a função complete.cases para identificar os casos completos - isto é, sem dados perdidos - em um banco de dados.

• Registros duplicados, que devem ser excluídos para não inflar a amostra.¹⁴⁹

O pacote base⁶⁵ fornece a função duplicated para identificar elementos duplcados de um banco de dados.

• Codificação 0 ou 1 para variáveis dicotômicas para representar a direção esperada da associação entre elas.¹⁴⁹

• Ordenação cronológica de variáveis com registros temporais (retrospectivos ou prospectivos).¹⁴⁹

• A distribuição das variáveis para verificação das suposições das análises planejadas.¹⁴⁹

• Ocorrência de efeitos teto e piso nas variáveis.¹⁴⁹

Referências

65.

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

71.

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

77.

Baillie M, Cessie S le, Schmidt CO, Lusa L, Huebner M. Ten simple rules for initial data analysis. PLOS Computational Biology. 2022;18(2):e1009819. doi:10.1371/journal.pcbi.1009819

145.

Chatfield C. Exploratory data analysis. European Journal of Operational Research. 1986;23(1):5-13. doi:10.1016/0377-2217(86)90209-2

146.

Ferketich S, Verran J. Technical Notes. Western Journal of Nursing Research. 1986;8(4):464-466. doi:10.1177/019394598600800409

147.

Kerr NL. HARKing: Hypothesizing After the Results are Known. Personality and Social Psychology Review. 1998;2(3):196-217. doi:10.1207/s15327957pspr0203_4

148.

Landis SC, Amara SG, Asadullah K, et al. A call for transparent reporting to optimize the predictive value of preclinical research. Nature. 2012;490(7419):187-191. doi:10.1038/nature11556

149.

Huebner M, Vach W, Cessie S le. A systematic approach to initial data analysis is good research practice. The Journal of Thoracic and Cardiovascular Surgery. 2016;151(1):25-27. doi:10.1016/j.jtcvs.2015.09.085