Capítulo 66 Tabelas

66.1 Tabelas

66.1.1 Por que usar tabelas?

• Tabelas complementam o texto (e vice-versa), e podem apresentar os dados de modo mais acessível e informativo.⁵⁵³

66.1.2 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.^553,554

66.1.3 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 gtsummary³²⁰ fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

O pacote table1⁵⁵⁵ fornece a função table1 para construção de tabelas.

O pacote flextable⁵⁵⁶ fornece as funções flextable, as_flextable e save_as_docx para criar e salvar tabelas formatadas em DOCX.

O pacote rempsyc⁵⁵⁷ fornece a função nice_table para criar tabelas formatadas.

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

• Erros tipográficos.⁵⁵⁸

• Ausência de rótulos ou unidades nas variáveis.⁵⁵⁸

• Relatar estatísticas incorretamente, tais como rotular variáveis contínuas como porcentagens.⁵⁵⁸

• Estatísticas descritivas de tendência central (ex.: médias) relatadas sem a estatística de dispersão correspondente (ex.: desvio-padrão).⁵⁵⁸

• Desvio-padrão nulo (\(\sigma=0\)).⁵⁵⁸

• Valores porcentuais que não correspondem ao numerador dividido pelo denominador.⁵⁵⁸

66.2 Tabela 1

66.2.1 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.^454,488

66.2.2 Qual a utilidade da ‘Tabela 1’?

• Descrever (conhecer) as características da amostra e dos grupos sendo comparados, quando aplicável.⁴⁸⁸

• Verificar aderência ao protocolo do estudo, incluindo critérios de inclusão/exclusão, tamanho da amostra e perdas amostrais.⁴⁸⁸

• Permitir a replicação do estudo.⁴⁸⁸

• Meta-analisar os dados junto a estudos similares.⁴⁸⁸

• Avaliar a generalização (validade externa) das conclusões do estudo.⁴⁸⁸

66.2.3 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.⁴⁹³

• Não interprete P da linha de base em ensaios clínicos como “desequilíbrio” (falácia da Tabela 1). Mantenha P-valor apenas como descritivo (ou omita), enfatizando desenho e aleatorização.²⁴⁰

66.2.4 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.^270,544

O pacote table1⁵⁵⁵ fornece a função table1 para construção de tabelas.

O pacote gtsummary³²⁰ fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

Tabela 66.1: Características da amostra por grupo.

Características	N	Controle N = 1031	Intervenção N = 971	Valor-p2
Sexo	200			0.060
F		49 (48%)	59 (61%)
M		54 (52%)	38 (39%)
Idade	200			0.8
Média (Desvio Padrão)		61 (12)	60 (12)
Mediana [Q1, Q3]		61 [53, 69]	60 [53, 69]
IMC	200			0.2
Média (Desvio Padrão)		26.8 (3.7)	27.5 (4.0)
Mediana [Q1, Q3]		26.6 [24.5, 29.7]	27.6 [25.6, 29.9]
1 n (%)
2 Teste qui-quadrado de independência; Teste de soma de postos de Wilcoxon

66.3 Tabela 2

66.3.1 Qual a utilidade da ‘Tabela 2’?

• A Tabela 2 mostra associações ajustadas multivariadas com o resultado para variáveis resumidas na Tabela 1.⁴⁵⁴

66.3.2 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.^318,454

• 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.^318,454

• 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.⁴⁵⁴

Tabela 66.2: Exemplo clássico de apresentação suscetível à Falácia da ‘Tabela 2’.

Características	Sem ajuste			Ajustado
	OR	95% IC	Valor-p	OR	95% IC	Valor-p
Grupo
Controle	—	—		—	—
Intervenção	1.71	0.98, 3.02	0.061	1.70	0.97, 3.03	0.067
Idade				1.02	1.00, 1.05	0.087
IMC				1.05	0.97, 1.13	0.2
Abreviações: IC = Intervalo de Confiança, OR = Razão de chances

66.3.3 Como construir a ‘Tabela 2’?

• A Tabela 2 pode ser utilizada para apresentar estimativas de múltiplos efeitos ajustados de um mesmo modelo estatístico.⁴⁵⁴

Tabela 66.3: Exposição (OR; 95% IC) com e sem ajuste.

Características	Sem ajuste			Ajustado
	OR	95% IC	Valor-p	OR	95% IC	Valor-p
Grupo
Controle	—	—		—	—
Intervenção	1.71	0.98, 3.02	0.061	1.70	0.97, 3.03	0.067
Abreviações: IC = Intervalo de Confiança, OR = Razão de chances
Nota. Modelo ajustado por Idade (contínua) e IMC (contínuo). Covariáveis são usadas apenas para controle de confusão e não devem ser interpretadas como efeitos causais (Falácia da Tabela 2).

O pacote table1⁵⁵⁵ fornece a função table1 para construção de tabelas.

O pacote gtsummary³²⁰ fornece a função tbl_summary para construção da ‘Tabela 1’ com dados descritivos.

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

Referências

240.

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

270.

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

318.

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

320.

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

454.

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

488.

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

493.

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

544.

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

553.

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

554.

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

555.

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

556.

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

557.

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

558.

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