Noes de Epidemiologia
Em algumas aplicaes de sade, a base do conhecimento de natureza probabilstica. Algumas aplicaes envolvem o que chamamos em sade de
indicadores epidemiolgicos
Uma aplicao importante da teoria das probabilidades em sade est relacionada avaliao da capacidade que um determinado exame tem de acertar o verdadeiro diagnstico. Isto acontece devido limitao que o pesquisador possui para elaborao do exame. Ou seja, um diagnstico emitido de acordo com a capacidade de um exame clnico para detectar o evento de interesse. O quadro a seguir mostra de maneira esquemtica os possveis resultados associados comparao do resultado de um exame que est sendo avaliado e o resultado denitivo ou diagnstico denitivo ou diagnstico de certeza.
continuao
versus
diagnstico de certeza
Totais
a+b c +d a+b+c +d
Conceitos Iniciais
Falso-Positivo:
b a + b.
Falso-Negativo:
c c + d.
continuao
Sensibilidade: a proporo de indviduos cujo exame revelou resultado positivo e que possuem a doena, no grupo de indivduos doentes. Ou seja:
Sensibilidade = S =
verdadeiro nmero de doentes. Quanto mais prximo de 1 estiver o valor da sensibilidade do teste, melhor ser esse teste.
a a+c
a proporo de indivduos doentes que o exame deixou de diagnosticar como tais? Essa proporo
Observao Importante:
Ao fazer
(1 S ),
o pesquisador est
continuao
Especicidade: a proporo do nmero de indivduos sadios cujo exame resultou negativo, no grupo de indivduos sadios.
Ou seja,
Especicidade = E =
d b+d
A especicidade expressa o total de exames corretamente negativos sobre o total de indivduos sadios. Quanto mais prxima de 1 estiver a especicadade, melhor ser esse teste.
Observao Importante: Ao fazer (1 E ), temos a proporo a proporo de falso-positivos no total de pessoas doentes.
continuao
Valor preditivo positivo:
a proporo de indivduos doentes com
a a+b
d c +d
continuao
Acuidade ou Ecincia Global do Teste:
Verica o percentual de
Acuidade = A =
a+d a+b+c +d
Prevalncia:
pacientes analisados.
Prevalncia = P =
a+c a+b+c +d
Observaes Importantes
Cienticamente j foi constatado que um teste com alta especicidade deve ser usado quando a prevalncia da doena relativamente baixa (doena rara), mesmo que o teste tenha relativamente baixa sensibilidade.
O mesmo pode ser dito em relao a um teste com alta sensibilidade deve ser usado quando a prevalncia da doena alta (doena comum), mesmo que o teste tenha relativamente baixa especicidade.
Coeciente de Kappa ()
Coeciente utilizado quando se tem interesse em testar a concordncia entre dois diagnsticos diferentes, fornecidos por pesquisadores diferentes. Concordncia de diagnstico entre dois pesquisadores
Diagnstico 2 (+) ( )
Totais
a+b c +d a+b+c +d
b (+) d () b+d
PCO =
a+d a+b+c +d
concordncia causal:
PCC =
(a + b )(a + c ) + (c + d )(b + d ) (a + b + c + d )2
Coeciente de Kappa ()
Logo:
Quando h total concordncia, o coeciente igual a 1. Quando h discordncia total, o coeciente igual a 0. Para avaliar o grau de concordncia, possvel avaliar a seguinte classicao:
=0
0 0, 4
total discordncia concordncia leve concordncia moderada concordncia forte concordncia perfeita
0, 8
Distribuies de Probabilidade
Denio: Denimos como uma varivel aleatria X uma caracterstica que pode assumir valores denidos em um conjunto de n valores:
X = {x1 , x2 , . . . , xn }
A relao
xi f (xi )
dene uma correspondncia entre todos os valores que a varivel aleatria pode assumir, ocorrncia,
f (xi ).
xi ,
discretas e contnuas.
Exemplo
Suponha que o nmero mximo de leitos que uma unidade de terapia intensiva comporte seja 4. Denindo a varivel aleatria como nmero de bitos (na UTI), os valores que a varivel aleatria pode assumir, num certo perodo de tempo, so:
X = {0, 1, 2, 3, 4}
onde:
X X X X
=0 =1 =2 =3
signica nenhum bito (quatro pacientes vivos); signica um bito (trs pacientes vivos); signica dois bitos (dois pacientes vivos); signica trs bitos (um pacientes vivos);
Por m,
X =4
Exemplo
Suponha que o nmero mximo de leitos que uma unidade de terapia intensiva comporte seja 4. Denindo a varivel aleatria como nmero de bitos (na UTI), os valores que a varivel aleatria pode assumir, num certo perodo de tempo, so:
X = {0, 1, 2, 3, 4}
onde:
X X X X
=0 =1 =2 =3
signica nenhum bito (quatro pacientes vivos); signica um bito (trs pacientes vivos); signica dois bitos (dois pacientes vivos); signica trs bitos (um pacientes vivos);
Por m,
X =4
Exemplo
Supondo que as probabilidades associadas a cada um destes possveis resultados sejam
= = = = =
X f (x )
0 0,3164
1 0,4219
2 0,2109
3 0,0461
4 0,0039
Soma
1
continuao
temos que
n i =1
n = 4. f (xi ) = 1
Em nosso exemplo,
X.
Suponha que a probabilidade de bito de um paciente, ao dar entrada na UTI, seja de 25% (risco de morte). Denindo a varivel aleatria
X ={0,
Ou seja,
f (0) = 0, 75 f (1) = 0, 25
X f (x )
0 0,75
1 0,25
Soma
1
= 2),
i
sobreviver e
p (vi )
a probabilidade do paciente
probabilidade do paciente
p (oi )
morrer, tem-se
X ={0,
p (v1 )p (v2 ) = 0, 75 0, 75 = 0, 5625 p (v1 )p (o2 ) = 0, 75 0, 25 = 0, 1875 0, 3750 p (o1 )p (v2 ) = 0, 25 0, 75 = 0, 1875 p (o1 )p (o2 ) = 0, 25 0, 25 = 0, 0625
X f (x )
0 0,5625
1 0,3750
2 0,0625
Soma
1
Observaes Importantes:
Distribuio Binomial.
casos, considera-se a
Distribuio Binomial
Considere uma varivel aleatria denida em termos seja, com dois valores possveis de ocorrer em ensaios, ou
tentativas,
binrios, ou
experimentos, ou
casos, etc.
q = 1 p.
por
q,
tem-se
X por p p + q = 1.
em
ocorrncias da
P (X = x ) =
n x nx p q x
continuao
Atravs de uma distribuio de probabilidade possvel calcular valores para o que chamamos em estatstica de
parmetro, ou seja,
um valor conceitualmente conhecido na populao com base nos valores da amostra. Dessa forma, para o modelo binomial:
npq p
e de
EXEMPLO
Suponha que a probabilidade de um indivduo do sexo masculino(M), com mais de 60 anos, sedentrio(S) e fumante(F), desenvolver uma doena cardiovascular nos prximos 8 anos seja de 40%. A partir de um estudo controle com 10 indivduos com essas caractersticas, qual a probabilidade de que nenhum desses indivduos sofra doenas cardiovasculares no perodo determinado?
EXEMPLO
Suponha que a probabilidade de um indivduo do sexo masculino(M), com mais de 60 anos, sedentrio(S) e fumante(F), desenvolver uma doena cardiovascular (DCV) nos prximos 8 anos seja de 40%. A partir de um estudo controle com 10 indivduos com essas caractersticas, qual a probabilidade de que nenhum desses indivduos sofra doenas cardiovasculares no perodo determinado?
Resposta:
Note que
n = 10.
Alm disso,
P (DCV |M (60+) S F ) = P (X ) = p = 0, 4
Logo, a probabilidade de nenhum caso de DCV resulta em
P (X = 0) =
10 0
continuao
Qual a probabilidade de menos de trs indivduos da amostra terem DCV?
P (X < 3) P (X = 0) P (X = 1) P (X = 2)
= P (X = {0, 1, 2}) = P (X = 0) + P (X = 1) + P (X = 2) = = =
10 0 10 1 10 2
(0, 4)0 (0, 6)10 = 0, 0060 = 0, 60% (0, 4)1 (0, 6)9 = 0, 0403 = 4, 03% (0, 4)2 (0, 6)8 = 0, 1209 = 12, 09%
P (X < 3)
continuao
Qual a probabilidade de pelo menos trs indivduos da amostra terem DCV?
P (X 3)
i =1
P (X 3)
continuao
= 10 0, 4 = 4 casos
10
0, 4 0, 6 = 1, 55 2casos .
Distribuio de Poisson
A distribuio de Poisson est associada com a do nmero de casos da varivel aleatria
X.
taxa de ocorrncia
A funo de
P (X = x ) =
A partir deste tipo de distribuio tambm possvel obter valores de mdia, varincia e desvio padro:
continuao
= np ,
Ao substituir
por
probabilidade de
P (X = x ) =
e (np ) (np )x (e ) x = x! x!
Esta expresso d uma aproximao da distribuio binomial, tanto mais precisa quanto menor for o valor de
p.
Em reas de sade, essa modelagem probabilstica utilizada em situaes de estudos relacionados patologias raras (valor de baixo).
EXEMPLO
Suponha que uma em cada mil pessoas que utilizam determinado anestsico sofra uma reao negativa. Num total de 500 cirurgias em que se empregou esse anestsico, qual a probabilidade de que 1 pessoa sofra a reao?
Resposta:
Primeiramente,
= = n p = 500 0, 001 = 0, 5
Logo,
P (X = 1) =
e 0,5 0, 51
1!
continuao
Qual a probabilidade de nenhum paciente sofrer reao?
Resposta:
P (X = 0) =
e 0,5 0, 50
0!
Resposta:
P (X > 1) P (X > 1)
= =
1 1
Distribuio Normal
Observemos por exemplo, o peso em Kg, de 1500 pessoas adultas selecionadas ao acaso em uma populao. O histograma do conjunto de dados dado a seguir:
Distribuio Normal
A anlise do histograma mostra que: a distribuio dos valores aproximadamente simtrica em torno de 70kg; a maioria dos valores (88%) encontra-se no intervalo (55;85); existe uma pequena proporo de valores abaixo de 48kg (1,2%) e acima de 92kg (1%).
Distribuio Normal
Denindo a varivel aleatria X : peso, em kg, de uma pessoa adulta escolhida ao acaso da populao. natural ento considerar a aleatria
X,
Distribuio Normal
A distribuio normal uma das mais importantes distribuies
Exemplos:
1. Altura; 2. Presso sangunea; 3. Peso. Pode ser utilizada para calcular, de forma aproximada, probabilidades para outras distribuies, como por exemplo, para a distribuio Binomial.
Observao Importante
Nem todos os fenmenos se ajustam distribuio Normal.
Exemplo:
1.
Y:
A experincia sugere que esta distribuio deve ser assimtrica - grande proporo de valores entre 0 e 500 horas e pequena proporo de valores acima de 1500 horas
funo densidade
f (x ) =
exp
(x )2 2 2
amplo
( < < )
2
> 0)
Apesar da complexidade da expresso, a utilizaremos para clculo de probabilidades de uma forma fcil, atravs do uso de uma tabela de clculo de probabilidades, com base na chamada
normal padro.
distribuio
iguais.
Temos uma notao apropriada para representar uma varivel aleatria com distribuio normal. Ou seja, quando
for uma
X N , 2
Valores concentrados em torno da tendncia central. No grco, as reas (probabilidades) para um, dois e trs desvios padres em torno da mdia so, respectivamente:
> 1 ).
2 ). > 1
Clculo de probabilidades
P (a < X < b )
rea sob a curva e acima do eixo horizontal(X ) entre
X , em unidades Z , onde Z =
padronizadas. Ou seja,
Z N (0, 1),
chamada
Com isso, ca fcil determinar as probabilidades associadas uma determinada varivel aleatria, pois existe uma tabela especca de clculo de probabilidades com base na distribuio normal padronizada.
Denotamos:
A(z ) = P (Z z ),
para todo
z 0.
EXEMPLO
Calcular
P (Z 0, 32)
Logo,
continuao
continuao
EXEMPLO
Calcular
P (0 < Z 1, 71)
EXEMPLO
Calcular
P (1, 32 < Z 1, 79) = A(1, 79) A(1, 32) = 0, 9633 0, 9066 = 0, 0567
EXEMPLO
Calcular
P (Z 1, 5)
Logo,
EXEMPLO
P (Z 1, 3)
Calcular
Logo,
P (Z 1, 3) = A(1, 3) = 0, 0968
EXEMPLO
Calcular
P (1, 5 < Z 1, 5)
EXEMPLO
Calcular
P (1, 32 < Z 0)
EXEMPLO
Calcular
0, 9066
0, 5 = 0, 4066
EXEMPLO
Calcular
P (1, 0 < Z 2, 0)
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (Z z ) = 0, 975?
Note que
tal que
A(z ) = 0, 975.
Pela tabela,
z = 1, 96.
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (0 < Z z ) = 0, 4975?
Note que
P (0 < Z z ) = 0, 4975 = A(z ) A(0) = 0, 4975 = A(z ) = 0, 9975. Pela tabela, z = 2, 81.
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (Z z ) = 0, 3?
Note que
Pela tabela,
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (Z z ) = 0, 975?
Note que
Pela
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (Z z ) = 0, 10?
z = 1, 28.
EXEMPLO
Como encontrar o valor da distribuio
N (0, 1)
tal que
P (z < Z z ) = 0, 80?
Note neste caso que P (Z < z ) = P (Z > z ) = 0, 1 P (Z < z ) = A(z ) = 0, 90 e assim, z = 1, 28.
EXEMPLO
Seja
Calcular
0, 5987
0, 3085 = 0, 2902.
EXEMPLO
Suponha que o comprimento mdio de recm-nascidos do sexo feminino no-portadores de anomalias seja 48,54cm. Alm disso, sabemos que o desvio padro da varivel igual a 2,5cm. Qual a probabilidade de haver na populao indivduos com comprimento maior ou igual 48,54?
Resposta:
P (X 48, 54).
48, 54
Logo:
P (X 48, 54)
48, 54
2, 5
= P (Z 0).
ou
P (X < x ).
P (X x )
Por isso, 1 2 1 2
P (Z 0) = 1 P (Z < 0) = 1
continuao
Resposta:
P (X < 44, 79) = P X
44, 79
<
48, 54 2, 5
= A(1, 5) = 0, 0668
continuao
Resposta:
P (X > 47, 29) = P X
47, 29
>
48, 54 2, 5
= P (Z > 0, 5)
P (X x )
ou
P (X < x ).
Por isso,
continuao
Qual a probabilidade de indivduos terem comprimento entre 46,04cm e 51,04cm?
Resposta:
P (46, 04 X 51, 04) = P
46, 04
48, 54
2, 5
51, 04
48, 54
2, 5
P (a Z b ) = P (Z b ) P (Z a)
Logo,
continuao
Qual o limite inferior nas crianas com maior comprimento, cujo percentual de 5% na populao?
Resposta:
invs de encontrar a probabilidade, precisamos encontrar o menor valor dentre os maiores comprimentos. Sabemos que as maiores crianas correspondem 5%. Ou seja, precisamos ento encontrar o valor de
tal que
x 48, 54
2, 5
= 0, 95
x 48, 54
2, 5
Ou seja, 5% das crianas nasce com comprimento superior 52,67. Neste exerccio o valor de chamado de
percentil 95.
EXEMPLO
X N (60, 64).
Considerando as reas sob a distribuio (probabilidades) em relao ao desvio padro, seria possvel armar para este exemplo que