Sobre o Curso
O curso de Análise Estatística em Pesquisa Clínica visa ensinar estatística de forma simples, através de exemplos práticos e funcionais, dando ênfase na intuição e não na argumentação matemática. Não é exigido do aluno conhecimento prévio.
Objetivos:
Nosso objetivo é demonstrar que a estatística está ao alcance de todos.
Público-Alvo:
Médicos e todos os profissionais que atuam ou queiram atuar com pesquisa científica.
Carga horária:
A carga horária deste curso será de 8h de aulas on-line gravadas.
Programação
Aula de Abertura: Introdução a Pesquisa Clínica – Prof. Dr. Álvaro Nagib Atallah
Como fazer a Pergunta, Tipos de Estudos, Projetos de Pesquisa, Níveis de Evidências para tomada de decisões clínicas.
Aula 1: Definição de Estatística, Classificação de variáveis e Análise descritiva de variáveis numéricas
Definição de estatística, população, amostra, tipos de variáveis. Noções de planejamento e organização de bancos de dados. Medidas-resumo (média, mediana, moda, quartis, amplitude, variância e desvio-padrão) para resumir variáveis numéricas.
Aula 2: Análise descritiva de variáveis numéricas (continuação) e categóricas.
Gráficos para variáveis numéricas (histogramas, dotplot, box-plot e diagrama de dispersão unidimensional e bidimensional). Definição de valor discrepante (outlier). Medidas-resumo (frequências absoluta e relativa) e gráficos (barras, setor circular) para variáveis categóricas.
Aula 3: Análise Inferencial: Intervalos de confiança.
Definição de erro-padrão, erro amostral, precisão e acurácia. Noções de tamanho amostral. Intervalos de confiança para uma média, uma proporção e diferença de duas médias e duas proporções.
Aula 4: Testes de Hipóteses (Qui-Quadrado de Pearson).
Etapas que constituem o teste de hipótese (definição do objetivo da pesquisa, construção das hipóteses nula e alternativa, cálculo da estatística de teste (medida de afastamento), valor de p e conclusão . Teste de hipótese de Qui-Quadrado de Pearson.
Aula 5: Teste de Hipóteses (McNemar) e Coeficiente de Concordância Kappa.
Construção das hipóteses nula e alternativa, cálculo da estatística de teste (medida de afastamento), valor de p e conclusão para teste de hipóteses de McNemar. Definição de concordância observada e esperada em tabelas quadradas para apresentação do Coeficientes de concordância Kappa.
Aula 6: Testes Diagnósticos.
Definição de sensibilidade, especificidade, valores preditivos positivo e negativo, razão de verossimilhança. Curva ROC (receiver operator characteristic), teste de DeLong e índice de Youden.
Aula 7: Teste de Hipóteses: t-Student e Análise de Variância (ANOVA) com Um Fator Fixo
Construção das hipóteses nula e alternativa, cálculo da estatística de teste (medida de afastamento), valor de p e conclusão para teste de hipóteses t-Student para amostras independentes/dependentes e Análise de Variância (ANOVA) com Um Fator Fixo (one-way). Conceito e testes de hipótese para investigar a homocedasticidade (Bartlett e Levene) e normalidade (Shapiro-wilk). Comparação múltipla pelo método de Tukey.
Aula 8: Teste de Hipóteses: Análise de Variância (ANOVA) com Dois Fatores Fixos
Construção das hipóteses nula e alternativa, cálculo da estatística de teste (medida de afastamento), valor de p e conclusão para Análise de Variância (ANOVA) com Dois Fatores Fixos (two-way). Definição de interação (modificador de efeito). Comparação múltipla pelo método de Tukey.
Aula 9: Correlação e Regressão Linear Simples e Múltipla.
Definição de correlação (coeficientes de correlação de Pearson e Spearman). Ajuste e interpretação dos parâmetros dos modelos de Regressão Linear Simples e Múltipla. Definição dos conceitos de Multicolinearidade, Coeficientes de determinação (coeficiente de explicação) não ajustado (R2) e ajustado (R2 ajustado).
Aula 10: Regressão Logística Simples e Múltipla.
Definição de razão de chances no ajuste do modelo de Regressão Logística. Aspectos importantes antes do ajuste de qualquer modelo múltiplo (parcimônia, interação e multicolinearidade).
