Onde Encontro?

Doenças do cólon

2010-01-13T19:42:00.000Z

O cólon é o intestino grosso. As doenças do cólon são várias e apresentam diversos graus de gravidade. Algumas podem prevenir-se com hábitos alimentares adequados. Outras, as mais graves, como o caso do cancro do cólon, devem ser detectadas atempadamente através de exames médicos, para que os tratamentos posteriores produzam os efeitos desejados.
Obstipação (prisão de ventre), dores abdominais e diarreias são os sintomas mais frequentes de doença do cólon.
Algumas das doenças que frequentemente atingem o cólon são:

Colites infecciosas. As colites infecciosas podem ser provocadas por bactérias, vírus, fungos, protozoários e parasitas.
Dença diverticular do cólon. Divertículo é uma cavidade em forma de dedo ou bolsa que se forma na parede dum órgão oco (cólon, esófago, duodeno, intestino delgado ou estômago). Os divertículos são frequentes no cólon depois dos 50 anos de idade, nos habitantes dos países industrializados A doença diverticular do cólon é a inflamação dos divertículos do cólon.
Síndrome do intestino irritável ou cólon irritável. Os sintomas são essencialmente dor ou desconforto do abdómen e alteração dos hábitos intestinais (diarreia/obstipação). É uma doença benigna.
Doenças inflamatórias do intestino - colite ulcerosa - doença de Crohn. Estas são duas doenças crónicas, isto é, prologam-se por muito tempo, geralmente por toda a vida. Na colite ulcerosa, como o nome indica, formam-se úlceras na parede intestinal, na fase aguda da doença. A doença de Crohon é muito idêntica à colite ulcerosa mas pode localizar-se em qualquer região do tubo digestivo.
Pólipos do cólon. Pólipo é uma estrutura que se projecta (proeminente) numa superfície. Pólipo não é sinónimo de tumor, nem maligno nem benigno. Porém, mais de 50% dos pólipos são adenomas - tumores benignos que podem evoluir para o cancro.
Tumores do cólon e recto. Tumores (neoplasias) são um conglomerado de células com proliferação incontrolada. Os tumores benignos não são cancros. Os tumores malignos ou cancros, invadem os tecidos contíguos e esta invasão têm que ser travada por meios cirúrgicos, químicos ou físicos. Actualmente é possível curar mais de 50% dos cancros.

Muitas outras doenças atingem o cólon e grande grande parte da população mundial já sofreu, sofre ou sofrerá de alguma delas. São por isso um grande problema de Saúde Pública.
Evitar as doenças, de todo, não é possível mas podemos reduzir a sua incidência com hábitos alimentares saudáveis: o consumo de muitas verduras, frutas, cereais e pão escuro podem evitar a formação de divertículos no cólon.
A adesão aos rastreios de doenças do cólon é muito importante para a detecção precoce de uma doença do cólon já instalada.
Os pólipos devem ser removidos da parede do intestino para prevenir a sua evolução para cancro.
A partilha de informação e de experiência de pessoas que têm as mesmas doenças, pode ajudar a lidar com o problema.

Aprender matemática com ajuda online

2010-01-04T22:49:00.001Z

O ensino da Matemática em Portugal é excessivamente "mecanizado" e não leva os alunos a pensar. Esta a primeira frase do artigo "Ensino da Matemática é mecanizado", de Elsa Costa de Silva, publicado no Diário de Notícias online em 6 de Dezembro de 2005, onde a autora apresenta as conclusões de um teste de diagnóstico sobre as dificuldades de aprendizagem que explicam os consecutivos maus desempenhos dos alunos portugueses na disciplina.
É certo que já se passaram cinco anos desde a realização deste estudo mas o problema continua o mesmo. Ensina-se matemática mas não se ensina explica para que serve a matemática. O carácter abstrato desta disciplina acentua-se e grande parte dos alunos "não gosta" de matemática. Mesmo entre os que conseguem obter notas positivas, tavez a maioria apenas se interesse por dominar regras e técnicas. A utilização da matemática para resolver problemas, para raciocinar e comunicar, implica confiança e motivação. Felizmente que os alunos portugueses na generalidade dominam a língua inglesa em grau suficiente para encontrarem ajuda online. Existem muitos sites que oferecem ajuda nestas matérias "difíceis" para nós. Um destes sites é o TutorNext, que proporciona ajuda aos alunos até ao grau de ensino K-12, equivalente aos ensinos básico e secundário, no sistema português (1ºciclo ao 12º ano).
Math tutors certificados e motivados, motivam os alunos com técnicas de ensino fáceis e divertidas.
Em Math Answers, o aluno obtem o seu trabalho de casa e respostas para as suas dúvidas, prepara-se para os exames e pode até obter respostas para as suas dúvidas de última hora, conectando-se online de modo fácil e rápido com o seu Tutor.
Experimente uma sessão gratuita e conclua e decida se o método lhe interessa, antes de pagar as secções seguintes, que são úteis mas não são baratas.

Estudar Psicologia online no Course Hero

2009-09-17T17:15:00.003+01:00

Já me referi ao Course Hero num artigo anterior. Trata-se de um curso online onde os interessados acedem aos conteúdos do seu próprio interesse, consultam textos, realizam exercícios e obtêm soluções conforme as suas próprias necessidades.

Entre os vários cursos que o website disponibiliza, conta-se o Curso de Psicologia. O Course Hero disponibiliza para este curso, tal como o faz para todos os outros cursos, materiais de estudo, textos de ajuda, grupos de estudo e um dicionário com tradutor. Se o estudante precisar ajuda para escrever os seus trabalhos académicos, em Psych Essay Paper pode aceder aos materiais de estudo de milhares de universidades dos Estados Unidos da América.

O website têm uma interface muito intuitiva, o que facilita o acesso directo e rápido do estudante a todos os conteúdos, em todas as fases do seu estudo, desde o guia de estudo e programas de cursos, passando por trabalhos de casa e soluções dos problemas. Aceda à preparação para exames em Psych Exam e tenha bom aproveitamento!

Como ganhar dinheiro na internet

2009-09-09T18:11:00.023+01:00

Eventualmente existem muitos modos de ganhar dinheiro online mas, para quem não tem produtos ou serviços para vender, o meio mais fácil de ganhar algum dinheiro na net, ocupando as horas livres, é visitar os sites propostos nos sites Paid To Click (PTC).
O investimento é nulo. Se tem tempo livre e um cartão visa, pode inscrever-se nos sites que lhe pagam para visualizar outros sites.
A exigência de ter um cartão visa é apenas para a ele associar uma conta PayPal, destinada a receber os seus lucros. Porém, nem todos os sites PTC são credíveis. Eu acredito nos que constam na última lista da barra lateral deste blog. Inscreva-se.

Atenção: NÃO FICARÁ RICO mas se alguém se inscrever por seu intermédio, poderá obter ganhos interessantes.

---------------------

Explicacões online‏

2009-07-30T00:25:00.007+01:00

Ter explicações quando se aproximam os exames ou durante todo o ano lectivo, é uma opção que muitos estudantes fazem. As explicações presenciais ajudam de facto os estudantes na aprendizagem de disciplinas tão variadas como inglês, matemática, geometria, álgebra, trigonometria, estatística, biologia, física, química, cálculo, etc., mas tem vários inconvenientes, nomeadamente:

a) implicam a deslocação dos estudantes a horas pré-determinadas para os locais designados;

b) ao preço da explicação acrescem os custos de transporte;

c) os horários são mais ou menos rígidos e limitados, quer em termos de tempo quer em termos de dias da semana;

d) por vezes a disponibilidade de professores e estudantes não coincide.

As explicações online eliminam todos estes inconvenientes e acrescentam vantagens. Professores qualificados, disponíveis 24 horas por dia, todos os dias da semana, dão explicações a milhares de alunos de todo o mundo, na plataforma TutorVista. O estudante, na sua casa e no seu computador, estuda e contacta com os explicadores no dia e hora que lhe for mais conveniente. O preço a pagar por este serviço permanente não excede o que pagaria por outra modalidade de explicações.

Entre as várias disciplinas, saliento a área de cálculo, especialmente útil aos estudantes de engenharia e ciências. Em Calculus help, o estudante familiariza-se com os conceitos da disciplina, com ajuda do calculus tutor que está sempre disponível para o ajudar e com suporte de textos, simulações e animações que facilitam aprendizagem.

Se o estudante necessitar de explicações intensivas de conceitos essenciais antes de iniciar o estudo de cálculo encontra o que precisa em Precalculus help, incluindo uma demonstração gratuita (free precalculus help).
Em Free calculus help, pode começar a sua aprendizagem de cálculo gratuitamente, começando pelos conceitos de derivação, integração, sucessões de números reais, continuidade e limite de funções, funções exponencias logarítmicas e outros.

Na página Precalculus é proposto ao estudante que estude de forma regular, execute os trabalhos de casa e beneficie do auxílio que lhe é oferecido em testes de preparação para os exames.

A bioestatística é a aplicação da estatística ao campo biológico

2009-06-22T15:52:00.004+01:00

A bioestatística é a aplicação da estatística às ciências biológicas e médicas.
O termo já é utilizado desde 1923, como substituição da expressão "estatísticas vitais". Hoje, tem um significado mais abrangente, envolvendo os processos de desenho de estudo, recolha da dados, análise e interpretação de resultados.
A bioestatística utiliza os métodos descritivos e inferenciais da estatística, incluindo amostragem e probabilidade, para tratar dados obtidos de diferentes áreas do conhecimento, todos eles ligados às ciências da vida, tais como medicina, biologia, ecologia, psicologia, epidemiologia e saúde pública. Do tratamento dos dados pela bioestística, resultam as evidências estatísticas, base fundamental para a elaboração de protocolos.
Quem nunca ouviu falar de medicina baseada na evidência? Os médicos tomam decisões baseadas na evidência quando tem ao seu dispor os protocolos ou guidelines para se orientarem em situações específicas. Se não houver evidência científica suficiente, é necessário proceder a estudos, sumariar a informação relevante obtida da bioestatística e elaborar protocolos.
O tempo em que se dava credibilidade à opinião de profissionais de saúde (médicos ou outros) quando estes começavam uma frase por "da minha experiência profissional...", felizmente já lá vai. A percepção individual da estatística dos acontecimentos é quase sempre distorcida: é preciso apresentar números para fundamentar as decisões. No campo da saúde, é este o grande papel da bioestatística.

Referências

Faculdade de Medicina da Universidade de Coimbra. Bioestatística (BE)[https://woc.uc.pt/fmuc/class/getpresentation.do?idclass=356&idyear=3]

Wikipédia. Bioestatística.[http://pt.wikipedia.org/wiki/Bioestat%C3%ADstica]

Cadernos de Saúde pública. Os caminhos da Estatística e as suas incursões pela epidemiologia. [http://www.scielosp.org/scielo.php?pid=S0102-311X1992000100002&script=sci_arttext]

Crítica a um artigo científico

2009-06-18T21:48:00.004+01:00

Não existe um modelo único que se possa seguir para criticar um artigo científico.

Quando o pretendemos fazer, podemos orientar-nos por uma série de questões gerais (veja um exemplo em Como avaliar um artigo científico) que não constituem uma regra. Pelo contrário, podem (devem) ser adaptadas a cada crítico e a cada artigo.

A redacção da crítica também é variável, dependendo do estilo da pessoa que critica o artigo e do próprio artigo a criticar. Seguem-se dois textos que poderiam ser duas críticas a dois supostos artigos: um bom artigo (crítica 1) e um mau artigo (crítica 2). Tenha atenção que os bons artigos existem mas talvez não constituam a maioria dos artigos publicados. Entre todos os outros, não conseguiria encontrar um tão mau como o que supostamente originou a crítica 2, pois se ele tivesse sido escrito, não seria aceite para publicação por nenhuma revista científica.

Os dois textos foram escritos em colunas paralelas para que o leitor interessado possa facilmente verificar as diferenças que existem na estrutura e redacção dos dois supostos artigos, ao longo do seu desenvolvimento.

Crítica 1	Crítica 2
O título descreve a essência do artigo de forma lógica, rigorosa e breve.	O título é longo e tem palavras desnecessárias (ex. um estudo de…).
Os nomes dos autores estão indicados por ordem decrescente de participação no estudo. Estão mencionadas as respectivas filiações e endereço electrónico de um dos autores para contacto.	Os autores estão indicados por ordem alfabética e a sua descrição não segue uma regra: uns tem o nome e sobrenome por extenso e outros o sobrenome por extenso e iniciais dos nomes.
O resumo especifica de forma concisa o que os autores fizeram, como fizeram, os resultados que obtiveram e a sua importância.	O resumo é demasiado extenso. É basicamente uma cópia de partes da introdução. Refere os resultados mas não especifica a sua importância.
O artigo tem uma lista de palavras-chave.	Os autores não fornecem palavras-chave.
A fundamentação teórica do estudo é satisfatória, o objectivo está bem delimitado e é relevante – acrescenta conhecimento ao” estado da arte”. O autor cita a bibliografia consultada, com rigor e fidelidade ás fontes. As frases são curtas, sem erros ortográficos, gramaticais ou técnicos. Fica clara a ideia da necessidade de efectuar o estudo. O tipo de estudo efectuado (ex. observacional) está descrito.	A introdução não obedece a uma lógica de pensamento. Os parágrafos ou são muito longos ou demasiado curtos, com menos de cinco linhas. Os autores não são objectivos: repetem-se e não se cingem ao essencial. Divagam sobre assuntos supérfluos, sem interesse para o estudo. Existem partes do texto copiadas, palavras desnecessárias e tradução literal. Foram identificados erros de carácter científico. O objectivo do estudo não está explicito.
Os procedimentos estão expostos de um modo claro. A tecnologia utilizada está descrita com detalhe suficiente para permitir a reprodução do estudo nas mesmas condições. Os autores identificam os fornecedores dos equipamentos e/ou sistemas de informação e fornecem informações sobre a verificação periódica dos mesmos, incluindo calibrações, testes de reprodutibilidade e de validade. A população está bem definida e amostra foi obtida de modo aleatório (ou de um modo que assegure a sua representatividade).	O autores não explicam com clareza e por ordem cronológica, as acções que levaram a cabo para a realização do estudo. Trata-se de um estudo no qual se pretende verificar o efeito de um tratamento na redução da dor, pelo que se deveria ter assegurado a respectiva validade interna, utilizando um grupo controlo, o que não foi realizado. Os autores são omissos quanto à validação do questionário de percepção da dor aplicado antes e depois do tratamento. Os diferentes graus de dor não estão definidos exaustivamente.
Os dados apresentam-se de forma condensada, com os resultados mais importantes destacados. Os quadros e figuras são legíveis, estão correctamente legendados e numerados sequencialmente. A análise estatísica é adequada aos dados e à questão formulada na introdução (ex. compararam-se mais de 2 grupos de uma variável quantitativa com distribuição normal, com uma análise de variância).	As tabelas são ilegíveis e não têm título. A colocação das legendas não segue as normas convencionais (acima da tabela e abaixo do gráfico). O tratamento estatístico não foi adequado (ex. compararam-se grupos –graus – da variável qualitativa ordinal “dor”, realizando o teste t para amostras emparelhadas quando deveria ter sido utilizado o teste do qui-quadrado).
Na discussão, os autores evitam tanto as repetições como o supérfluo. Discutem os resultados sem os recapitular, abordam a adequação da sua amostra ao propósito do estudo, explicam porque escolheram este método e comparam o procedimento com outros. Utilizam frases adequadas à exposição das ideias que pretendem transmitir, sem recorrer a expressões excessivas ou desnecessárias. Não se expressam de modo taxativo, pelo contrário, utilizam expressões como “os resultados sugerem”, “evidenciou-se” e “supõe-se”.	Abundam no texto e em particular no capítulo da discussão, frases introdutórias inadequadas à exposição das ideias. Exemplos: “é interessante notar que...”; “aqui trazemos nossa modesta contribuição...”; “considerando a importância de pesquisa nesta área, decidiu-se estudar...”. Os autores exprimem-se de modo taxativo com expressões tais como “afirma-se” e “comprovou-se”, que deveriam ter sido evitadas. Não comparam os resultados com outros em termos de custo/benefício ou custo/eficácia.
Os autores apresentam as conclusões, as evidências que as suportam, as implicações do estudo e a sua contribuição para a ciência e para a sociedade, numa linguagem precisa, clara e concisa.	Os autores não apresentam as conclusões de um modo conciso. Exemplo: utilizam a expressão “não há dúvida de que, com toda a probabilidade” em vez de “provavelmente”.
As referências bibliográficas são credíveis, actualizadas e citadas por outros autores. São respeitadas rigorosamente as regras conformes à Norma (ex. Vancouver) e estão listadas pela ordem em são referidas no texto.	As referências bibliográficas são escassas e em grande parte referem-se a autores sem mérito técnico-científico reconhecido – não citados por outros autores. Abundam as referências a artigos de opinião.
O artigo está organizado de uma forma lógica e bem apresentado. Os autores utilizam uma linguagem impessoal, coerente, correcta e precisa (sem recurso a palavras ou expressões com duplo sentido), não deixando dúvidas na exposição das suas ideias. O artigo é acessível a qualquer profissional da área. Existe interligação entre as partes do artigo, de modo a que este forme um todo.	A organização do artigo não segue completamente as normas estabelecidas. Os autores não separam os procedimentos dos resultados. A forma ambígua como se exprimem não é completamente esclarecedora das suas ideias. Utilizam excesso de adjectivação, bem como argumentações emotivas e sentimentais. O estudo não é original (ex. existe uma publicação anterior de um artigo idêntico.

Referência

Maria Cristina Martins. Artigo Científico: escrever, publicar e apresentar. Apresentação para a semana pedagógica. URL: www.faculdadedombosco.edu.br/downloadAnexo.php?type=noticia&id=14 – (acedido em 10 de Junho de 2009).

Course Hero – o conhecimento numa rede social

2009-06-17T15:04:00.000+01:00

O Course Hero é um curso online em língua inglesa acessível a todos e especialmente útil para estudantes. Não é preciso increver-se num curso e seguir o ritmo das lições como nos cursos convencionais. Aqui, o estudante acede aos assuntos que lhe interessam, consulta os textos, realiza exercícios (Computer Science Test) e obtém soluções (Computer Science Textbook Answer) conforme as suas próprias necessidades. São disponibilizados materiais de estudo, textos de ajuda, grupos de estudo e um dicionário com tradutor.

Não se trata de um normal curso online nem se aplica apenas a estudantes. O Course Hero é útil para professores e para todos os que procuram conhecimento. Para além de ser um sítio online recheado de conhecimento, o curso possibilita uma aprendizagem colaborativa, dado que as pessoas de todo o mundo que o frequentam podem comunicar entre si, de forma anónima ou não, conforme a sua preferência.

Escolha a matéria que lhe interessa, estude, faça exercícios e consulte as soluções. Se ainda assim tiver dúvidas, coloque uma pergunta e obtenha a resposta: há sempre alguém disposto a judar. Isto porque, para além de todas as vantagens já referidas, o curso corre numa aplicação do Facebook, uma das principais redes sociais do mundo. Apenas necessita ter registo na rede (simples e gratuito) para aceder ao Hero Course.

Pandemias

2009-06-12T18:10:00.009+01:00

Para ser declarada uma pandemia, têm que ser reunidas três condições:

O aparecimento de uma nova doença;
A doença tem que ser provocada por um agente infeccioso;
O agente infeccioso transmite-se de humano a humano em múltiplos países de múltiplas regiões.

As pandemias só podem ser provocadas por um agente infeccioso (bactéria, vírus...). Uma doença não pode ser considerada uma pandemia somente porque provoca muitas mortes (ex. as doenças cardiovasculares causam muitas mortes mas não provocam uma pandemia).

As pandemias virais são especialmente difíceis de combater devido à grande capacidade de mutação dos vírus, o que torna seu controlo e profilaxia uma tarefa complicada e nem sempre bem sucedida.

A influenza, também conhecida como gripe, é uma doença viral que foi, possivelmente, adquirida através do contacto humano com animais domesticados.

Pensa-se que a maioria das pandemias de gripe tenham tido origem na China, onde a agricultura tradicional faz com que as aves, os suínos e os seres humanos estejam em contacto próximo, o que propicia um "laboratório" natural para novas recombinações de vírus da gripe.

Seguem-se três excertos do artigo “Conheça as pandemias no mundo nos últimos 200 anos 11/06/2009 - 14:06” publicado no jornal online Último Segundo, que resumem muito bem as pandemias de que há relato até ao século XX: peste Justiniana, cólera, varíola e peste negra.

«A primeira pandemia conhecida da doença foi a da "Peste Justiniana", que matou milhões de pessoas no Império bizantino, entre os séculos VI e VIII.»

«Entre os séculos XIV e XVII, a segunda pandemia da peste tinha dizimado mais de 30% da população europeia (25 milhões de mortos).»

«1817 – Cólera - A primeira "epidemia global" documentada de cólera se estendeu do sudeste asiático para o resto do mundo e, desde então, a OMS contabilizou sete pandemias.

Até 1860, houve 15 milhões de mortos na Índia e dois milhões na Rússia. A quinta pandemia causou 120 mil mortes na Espanha, em 1885 e, na sexta pandemia (1899-1923), 500 mil russos, 800 mil indianos e 200 mil filipinos contaminados morreram. A última começou na Indonésia, em 1961, e se estendeu pela Ásia, Europa e África.Ressurgiu na América Latina em 1991, matando quatro mil pessoas.

1824-1840 - Varíola - A doença causada pelo vírus "orthopoxvirus" ressurgiu em 1824 e se estendeu por quase toda Europa, depois de causar 827 mil mortes na Rússia, entre 1804 e 1810. Um novo aumento do número de casos foi registrado durante a Guerra Franco-Prussiana (1870-1871), provocando mais de meio milhão de mortes. Sucessivas campanhas de vacinação permitiram sua erradicação total em 1979.

1855 - Peste Negra - A terceira pandemia da peste surgiu na China, causada pela bactéria "Yersinia pestis" e transmitida por roedores. Estendeu-se pelo mundo e, só na Índia, matou dez milhões de pessoas até o fim do século. Em 1900, ressurgiu em São Francisco e causou 113 mortos.»

No século XX, há registo de três pandemias de gripe, que tiveram o efeito nefasto de causar milhões de mortes mas também foram impulsionadoras dos grandes avanços que se verificaram na área da microbiologia, da biotecnologia e dos cuidados de isolamento.

Durante a Primeira Guerra Mundial, em que morreram mais de 9 milhões de soldados nos vários campos de batalha, as condições sanitárias estavam degradadas e as casernas sobrelotadas. No final da guerra, 1918-1919, muitos soldados estavam contagiados pela gripe, que ficou conhecida como Gripe espanhola ou peste pneumónica. As condições eram propícias para que este surto alastrasse e se tornasse rapidamente numa pandemia. Além da Europa, a gripe espanhola atingiu regiões tão longínquas como o Alasca, a Austrália, a China, a África do Sul ou o Norte da Noruega. O número de mortes provocadas pela doença ultrapassou em muito o número de mortos nos campos de batalha. Estima-se que aproximadamente de 20 a 40% da população mundial tenha adoecido e que tenham morrido de 40 a 50 milhões de pessoas. O agente causal da gripe, que hoje se conhece como o vírus influenza, à data ainda não era conhecido. A comunidade científica comemorava as recentes descobertas da bacteriologia de que cada doença tinha uma causa, que o conhecimento desta permitiria o desenvolvimento das estratégias mais adequadas para o seu combate e pensava-se que em breve a humanidade se livraria de qualquer moléstia de carácter contagioso. No entanto, a bacteriologia não estava preparada para detectar, reconhecer e identificar o vírus responsável pela influenza, o que só viria a acontecer em 1930. A doença, causada por uma cepa denominada H1N1, subtipo do vírus da gripe suína é conhecida como "gripe espanhola" porque somente a imprensa da Espanha publicava notícias sobre o assunto.

Em 1957 surgiu a "Gripe asiática", que em Portugal chegou a levar ao fecho de escolas. O vírus H2N2 fez suas primeiras vítimas na China, onde foi pela primeira vez isolado. Em dois meses, a doença espalhou-se por Hong Kong, Singapura, Índia e todo o Oriente. Depois foi a vez da África, Europa e, por último, Estados Unidos. Uma segunda onda da infecção surgiu em 1958. Mais de um milhão de pessoas morreram. O artigo Pandemics and Pandemic Threats since 1900 publicado no site PandemicFlu.gov relata que, ao contrário do que tinha acontecido por ocasião da pandemia de “gripe espanhola”, quando surgiu a gripe asiática o vírus foi rapidamente identificado e foi produzida uma vacina disponibilizada em Agosto de 1957 e que nesse verão, nos Estados Unidos, houve apenas uma série de pequenos surtos de gripe. Em Outubro desse ano, a gripe infectava sobretudo crianças, jovens e mulheres grávidas. Entre Setembro de 1957 e Março de 1958, registavam-se altas taxas de mortalidade por pneumonia associada à gripe na população mais velha. Este é o exemplo (lê-se no artigo) de como numa pandemia de gripe, quando parece que a doença está controlada, existe o potencial de ressurgir numa segunda onda, afectando outros grupos da população.

A Gripe de Hong Kong, em 1968-1969 foi a terceira pandemia do século passado. A cepa do subtipo H3N2 surgiu na China, em Julho de 1968 e passou para Hong Kong, para depois chegar aos EUA, Europa, Sudeste Asiático, Japão, América do Sul e África. Números da OMS sugerem que um milhão de pessoas morreram, bem menos do que a pandemia de dez anos antes. Este facto, foi atribuído a dois factores:

«em primeiro lugar, as estirpes das gripes "de Hong-Kong" e "asiática" tinham semelhanças genéticas (a imunidade desenvolvida na população contra a estirpe "asiática" pode ter conferido alguma protecção contra a estirpe "da gripe de Hong-Kong"); em segundo lugar, pensa-se que uma estirpe de gripe semelhante à do vírus da "de Hong-Kong" poderá ter circulado entre os finais do século XIX e os primeiros anos do século XX, havendo ainda algumas pessoas com mais de 60 anos de idade com imunidade residual».

Um terceiro factor é apontado em PandemicFlu.gov: os doentes tiveram acesso a melhores cuidados médicos e antibióticos mais eficazes para tratar as infecções secundárias.

Em 11 de Junho de 2009 a Gripe A, causada pelo vírus H1N1, foi declarada a primeira pandemia do século XXI pela Organização Mundial da Saúde (OMS), mais uma que se soma aos outros surtos deste tipo que afectaram a humanidade ao longo da história, a cujo desenlace assistiremos “in loco”.

Como avaliar um artigo científico

2009-06-10T02:26:00.003+01:00

Antes de se fazer qualquer avaliação, é necessário saber o que é avaliar. Uma das possíveis definições do termo ‘avaliar’ pode ser: “reunir informações sobre o valor ou mérito de um objecto utilizando um método sistemático”.

Esta definição é quase perfeita (Trochim, 2006) mas existem muitas avaliações que não são necessariamente resultado de reunião de informações sobre o valor ou mérito, como por exemplo os estudos descritivos, a execução de análises ou a avaliação formativa.

Avaliar pode ser também a “aquisição de informações sobre o impacto e a efectividade de um evento utilizando um método sistemático” ou ainda “aquisição sistemática de informações úteis para fornecer feedback sobre algum objecto”. O termo “objecto” pode referir-se a um programa, política, tecnologia, pessoa, necessidade, actividade, e assim por diante.

Questões e métodos de avaliação ou crítica de um artigo científico

O conteúdo de um artigo científico deve ser original e deve ter relevância para a ciência. Os avaliadores fazem vários tipos de perguntas e utilizam vários métodos para os formular. Exemplos:

O título descreve a essência do artigo? É curto (menos de treze palavras)?

A identificação do(s) autor(es) e a respectiva filiação (instituição a que pertencem) estão indicados?

O resumo não excede 200 palavras? Especifica de forma concisa o que o autor fez, como fez, os resultados que obteve e a sua importância?

O artigo tem uma lista de palavras-chave (keywords)?

Qual é a definição, a natureza e o alcance do problema ou da questão? ou “Qual é a questão?” ou “Onde está o problema e quão grande ou grave é?”

A essência do ‘estado da arte’ no domínio abordado está descrita?

Que tipo de estudo foi realizado?

Qual é o objectivo do estudo?

Qual é a relevância para fazer progredir o ‘estado da arte’?

Na introdução, o autor deve explicar como é que os investigadores identificaram uma questão e a necessidade de obter uma resposta. Deve incluir análise das fontes de dados existentes – estado da arte -, ou seja, referência ao que já foi feito e se sabe sobre o assunto pesquisado. A introdução fornece ao leitor o enquadramento para a leitura do artigo e deve fornecer resposta à questão mais abrangente, que resume as anteriores: Porque houve necessidade de efectuar este estudo? Ainda na introdução deve estar descrito o tipo de estudo que foi efectuado (observacional, quasi-experimental, experimental…).

Que programa ou tecnologia se utilizou para resolver o problema?

Qual é o desempenho do programa ou da tecnologia utilizada?

Em Materiais e métodos, são importantes os detalhes do programa ou da tecnologia utilizada. A descrição da(s) técnica(s) deve(m) ser suficientemente detalhada(s) para permitir a reprodução do estudo. Toda a proposta de técnica ou modelo deve possuir uma validação detalhada (Pamplona, 2009). Inclui monitorização de técnicas qualitativas e quantitativas e sistemas de informação.

Os resultados estão resumidos em tabelas e gráficos?

Os resultados mais importantes estão reaçados?

Utilizaram-se os métodos estatísticos apropriados?

Os Resultados são a parte mais importante do trabalho. Nesta secção apresentam-se os dados de forma condensada, com as idéias mais importantes ressaltadas (em destaque).

Os objetivos foram alcançados?

As questões propostas foram respondidas?

Na Discussão, discutem-se os resultados, evitando a sua recapitulação ou repetição do que foi escrito na secção anterior. Maria Cristina Martins propõe a seguinte estrutura para a redacção da discussão: «É mais simples, em primeiro lugar, redigir a discussão relacionada ao material e aos métodos. Por que foram escolhidos os indivíduos, os grupos e os métodos utilizados no trabalho? Este procedimento foi adequado à pesquisa proposta? Havia outras possibilidades metodológicas quanto aos indivíduos escolhidos? Quais as vantagens e desvantagens do procedimento usado em relação a outros?». Pode incluir métodos de avaliação custo/eficácia e custo/benefício.

As conclusões são claras?

As evidências que suportam cada conclusão estão sumariadas?

Qual foi a eficácia do programa ou tecnologia?

Qual foi o impacto do estudo?

Na Conclusão, apresentam-se as conclusões, as evidências que as suportam, e as implicações do estudo e a sua contribuição para a ciência e para a sociedade.

Referências

Introduction to Evaluation. Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of 10/20/2006).

Vitor Pamplona. Como Revisar um Artigo Científico. Publicado em Jan 27, 2009 URL: http://vitorpamplona.com/wiki/Como%20Revisar%20um%20Artigo%20Cient%C3%ADfico (acedido em 10 de Junho de 2009).

Maria Cristina Martins. Artigo Científico: escrever, publicar e apresentar. Apresentação para a semana pedagógica. URL: www.faculdadedombosco.edu.br/downloadAnexo.php?type=noticia&id=14 – (acedido em 10 de Junho de 2009).

Células estaminais curam a cegueira

2009-06-06T00:42:00.003+01:00

As células estaminais também chamadas células-tronco, são células indiferenciadas, ou seja, não possuem uma função determinada. Podem transformar-se em vários tipos de células diferentes, através de um processo denominado “diferenciação”.

A sua principal característica é a capacidade de se transformar em vários tipos de tecidos que constituem o corpo humano. Elas podem ser de dois tipos: embrionárias ou adultas. As embrionárias são aquelas que são retiradas do animal ainda na fase de embrião. Como característica principal apresentam uma enorme capacidade de se transformar em qualquer outro tipo de célula. As células estaminais adultas podem ser encontradas em várias partes do corpo humano. As mais usadas para fins medicinais as células do cordão umbilical, da placenta e da medula óssea. Para além da medula óssea, outros tecidos de onde se podem extrair células estaminais adultas são a retina, a córnea, a polpa gengival, a pele, o fígado, o tracto gastrointestinal e o pâncreas. Pelo facto de serem extraídas do próprio paciente, oferecem pequeno risco de rejeição nos tratamentos médicos. A principal desvantagem em relação às células estaminais embrionárias é a sua menor capacidade de transformação.

Os cientistas tem tentado encontrar a cura para várias doenças – Parkinson, Alzheimer, acidentes vasculares cerebrais, a diabetes, doenças cardíacas e até mesmo a paralisia – utilizando as células estaminais, especialmente as embrionárias mas em muitos países existem impedimentos legais para a utilização destas células e outros ainda não possuem leis claras que regulem a investigação de células estaminais humanas.

Em virtude destes impedimentos, as células estaminais mais utilizadas têm sido as adultas, encontradas na medula óssea dos adultos, as quais têm o potencial de se diferenciarem em diferentes linhagens celulares. Estas células têm a capacidade de se auto-renovar durante toda a vida do organismo.

Tem havido investigações no sentido de manipular as células estaminais adultas para se diferenciarem em células de diferentes tecidos tais como células nervosas, do cérebro, do fígado e do coração.

As pesquisas no tratamento e cura de doenças com células estaminais, têm-se revelado auspiciosas. Eis uma boa notícia, que traz esperança às pessoas invisuais ou que têm visão reduzida, publicada no artigo Stem Cell Contact Lenses Cure Blindness in Less Than a Month de Adam Frucci. Foi restabelecida a visão de três pessoas, duas cegas de um dos olhos e uma com visão muito reduzida também num dos olhos, em menos de um mês, com lentes de contacto revestidas com cultura de células estaminais.

Foram extraídas células estaminais dos olhos sãos, as quais foram foram cultivadas em lentes de contacto durante 10 dias e depois colocadas nos respectivos pacientes. Dentro de 10 a 14 dias de utilização, as células estaminais começaram a colonizar e a reparar a córnea.

O grau de recuperação da visão nestes três pacientes não foi igual. Os que tinham cegueira total, passaram a conseguir ler letras grandes e o que tinha ainda alguma capacidade de visão passou a ver normalmente.

A equipa de pesquisa está animada com os resultados mas ainda é cautelosa: ainda restam dúvidas quanto a saber se a correcção da visão será permanente. Para já, é encorajador o facto de que os pacientes tenham, não apenas recuperado a visão mas também tenham mantido a recuperação da visão nos últimos 18 meses.

A simplicidade da técnica e o seu baixo custo permitirá que eventualmente ela seja levada a cabo em países com baixos recursos.

Histograma

2009-06-03T21:27:00.000+01:00

Por vezes não é conveniente apresentar as frequências de todos os valores de uma variável. Neste caso podem-se agrupar os valores em categorias (por exemplo, em intervalos de idade) e determinar então a frequência de cada classe.

Um histograma é uma representação gráfica da distribuição de frequências com que ocorre uma medida dentro de um intervalo de medidas, num gráfico de colunas ou barras verticais. É composto por rectângulos adjacentes em que a base de cada um deles corresponde ao intervalo de classe e a sua altura à respectiva frequência. Quando o número de dados aumenta indefinidamente e o intervalo de classe tende a zero, a distribuição de frequência passa para uma distribuição de densidade de probabilidades.

A construção de histogramas tem carácter preliminar em qualquer estudo em que temos dados contínuos e é um importante indicador da distribuição destes dados. Os histogramas são particularmente úteis para variáveis contínuas ou variáveis com poucos valores repetidos. Eles podem indicar se uma distribuição se aproxima de uma função normal, e também podem indicar mistura de populações quando se apresentam bimodais.

A característica geométrica do histograma permite-nos retirar informações úteis sobre os dados, tais como:

A localização do "centro" dos dados.
O grau de dispersão das observações.
A extensão em que é assimétrico, ou seja, desigual de ambos os lados do seu pico.
A altura das colunas ou barras.

Antes de construir um histograma devemos definir o número de classes que pretendemos. O número de classes de um histograma é arbitrário mas um número muito reduzido ou demasiado grande não fornece uma imagem muito clara da distribuição das frequências.

Há métodos que podem ser utilizados para calcular o número de classes de um histograma. A regra de Sturge permite determinar o número de classes (k), quando n ≥ 30.

Nº de classes (k) = 1 + 3,322log₁₀(n)

onde Log₁₀ é o logarítmo de base 10 e n é o número de valores numéricos do conjunto de dados.

Construção de gráfico de colunas no Excel

2009-05-31T14:14:00.012+01:00

O gráfico de barras ou de colunas é frequentemente utilizado para mostrar a relação entre duas variáveis categóricas.

O gráfico de Pareto é um gráfico de colunas, com a particularidade de ser um gráfico de frequências para variáveis qualitativas, em vez de se utilizarem dados quantitativos agrupados em classes.

Exemplo: registaram-se as frequências de tipo de calçado usado por uma turma de alunos numa determinada aula. Com estes dados construiu-se um gráfico de colunas, numa folha de cálculo excel.

As variáveis independentes, neste caso categóricas (sapato, sapatilha, bota), foram registadas na coluna A da folha de cálculo. As variáveis resposta, ou seja, a frequência absoluta observada para cada variável foi registada na linha respectiva, na coluna B.

Para construir o gráfico, clicar numa célula vazia afastada dos dados. Clicar sucessivamente em: , , . Em 'Subtipo de gráfico', escolher colunas agrupadas. Clicar em . Com o cursor em 'Intervalo de dados' seleccionar os registos pretendidos, clicando na célula A1 e arrastando o cursor até B3. Clicar em . Nesta fase, pode formatar-se o gráfico, eliminando as linhas de grelha ou a legenda, por exemplo, ou alterando as cores da área de desenho ou das colunas. Podem adicionar-se títulos ou alterar a escala no eixo dos yy, clicando nos separadores respectivos. Clicar em .

O gráfico resultante é uma imagem que pode ser copiada e colada numa folha Word.

Esclerose múltipla - doença crónica

2009-05-28T12:01:00.004+01:00

A Esclerose Múltipla (EM) é uma doença não contagiosa que afecta as células nervosas de mais de um milhão de pessoas em todo o mundo.

Os estudos epidemiológicos apontam para a existência de 450.000 pessoas com Esclerose Múltipla só na Europa, sendo a incidência maior nos países nórdicos. Estima-se que o número de doentes em Portugal seja da ordem dos 5000.

É uma doença inflamatória crónica, desmielinizante e degenerativa, do sistema nervoso central que interfere com a capacidade do mesmo em controlar funções como a visão, a locomoção, e o equilíbrio, entre outras.

Denomina-se Esclerose pelo facto de, em resultado da doença, se formar um tecido parecido com uma cicatriz, que endurece, formando uma placa em algumas áreas do cérebro e medula espinal.
Denomina-se Múltipla, porque várias áreas dispersas do cérebro e medula espinal são afectadas.
É desmielinizante porque há caracteristicamente lesão das bainhas de mielina que envolvem as fibras nervosas.
É degenerativa porque surge também lesão da própria fibra nervosa, por vezes irreversível.

Sintomas

Os sintomas podem ser leves ou severos, e aparecem e desaparecem, total ou parcialmente, de maneira imprevisível.

Segundo a Sociedade Portuguesa de Esclerose Múltipla, os sintomas mais frequentes na EM são (com a percentagem de doentes dela sofrendo, em média, indicada entre parênteses):

Alterações do equilíbrio (78%)
Perturbações da sensibilidade (71%)
Fadiga (65%)
Paraparésia (62%)

Paralisia incompleta de nervo ou músculo dos membros inferiores ou superiores que não perderam inteiramente a sensibilidade e o movimento.

Sintomas urinários (62%)
Disfunção sexual (60%)
Perda Visual (55%)
Monoparésia (52%)

Paralisia incompleta de nervo ou músculo de um só membro que não perdeu inteiramente a sensibilidade e o movimento.

Incoordinação motora (45%)
Diplopia (43%)

Visão dupla de um mesmo objecto.

Alterações sensoriais (40%)
Dor (25%)

Sistema Nervoso Central

O Sistema Nervoso Central, é constituído pelo cérebro e pela medula espinal, e funciona como uma "central de comandos", enviando mensagens eléctricas e químicas através dos nervos para as diversas partes do corpo. Estas mensagens controlam todas as funções, em particular os movimentos, conscientes e inconscientes do nosso corpo. A comunicação ocorre através de impulsos nervosos – sinais eléctricos conduzidos ao longo dos nervos.

Sistema Nervoso Periférico

Para além do Sistema Nervoso Central, existe também o Sistema Nervoso Periférico, composto pelos nervos distribuídos pelo corpo, os quais podem ser de dois tipos, os nervos sensitivos e os nervos motores.

Os nervos sensitivos conduzem as informações da periferia para o Sistema Nervoso Central, por exemplo acerca do que se vê, ouve, cheira, sente e saboreia.

Os nervos motores transportam os sinais de comando do Sistema Nervoso Central aos músculos, para o controlo do movimento e das funções corporais em geral, como a frequência cardíaca, respiração, digestão, produção de suor.

A função do sistema nervoso central e a substância branca

No sistema nervoso central existem células nervosas. Quando observados a olho nu, os tecidos que contêm células nervosas apresentam uma tonalidade cinzenta. Por essa razão, são conhecidos como «substância cinzenta». Estas células nervosas estão ligadas entre si e ao resto do corpo por fibras nervosas chamadas axónios.

Através dos axónios são emitidos sinais eléctricos muito fracos, o que permite a troca de informação entre as células nervosas. Os axónios são mais claros do que as células nervosas porque são envolvidos pela chamada «substância branca», ou mielina.

A mielina é uma substância gorda que envolve as fibras nervosas e funciona como uma espécie de isolamento em torno das fibras nervosas, permitindo que a informação (sinais ou impulsos eléctricos) seja transmitida mais rapidamente do cérebro ao resto do corpo, ou de uma parte específica do corpo ao cérebro.

A bainha de mielina contém interrupções chamadas "nós" de "Ranvier". Ao saltar de "nó" em "nó", a condução do impulso torna-se muito mais rápida do que se tivesse de ser efectuada ao longo de todo o comprimento da fibra nervosa. Os nervos mielinizados podem transmitir um sinal a velocidades tão elevadas como 100 metros por segundo.

Desmielinização na Esclorese Múltipla

A baínha de mielina – um complexo lipoproteico formado pelas células da glia ou oligodendrócitos – protegem as longas fibras nervosas dos neurónios (os axónios), tal como o isolamento de um fio eléctrico. Este isolamento ajuda a transmitir os impulsos nervosos de um nó de Ranvier para outro.

Quando a baínha de mielina é danificada (hipóxia, químicos tóxicos, insuficiencia vascular ou resposta autoimune), inflama-se e a camada membranar quebra-se em pequenos componentes, num processo chamado desmielinização. Estes componentes são circunscritos em placas formadas por elementos da microglia, da macroglia e linfócitos.

Uma baínha de mielina danificada impede a condução nervosa normal, o que resulta em disfunção neurológica. A perda de bainha de mielina que envolve o nervo origina vários sintomas, porque a transmissão dos impulsos nervosos é atrasada ou bloqueada, uma vez que tem agora de ser efectuada continuamente ao longo de toda a fibra nervosa. Uma área onde a mielina foi destruída é denominada lesão ou placa.

Este atraso de condução nervosa e o "curto-circuito" dos impulsos nervosos provocados pelas lesões, originam vários sintomas relacionados com a actividade do sistema nervoso. Após algumas semanas, depois de a inflamação ter desaparecido, o sistema nervoso pode ser reparado. É também possível que a mielina seja reconstituída (a isto chama-se «remielinização» ou reposição da mielina). Mas quando a inflamação cobre uma grande área, pode deixar uma cicatriz no sistema nervoso. A cicatriz é conhecida como uma «placa».

No processo de desmielinização, a bainha de mielina que envolve as fibras nervosas desaparece gradualmente porque a camada de mielina é destruída. A camada de mielina torna-se cada vez mais fina. A transmissão de informação pela fibra nervosa torna-se mais difícil. Pode acontecer, eventualmente, que a transmissão de informação seja bloqueada e, em casos extremos, que as fibras nervosas sejam mesmo destruídas.

Causas da Esclerose Múltipla

Apesar das grandes pesquisas efectuadas, ainda não se sabe exactamente quais são as causas da EM. Mas existem algumas ideias sobre os factores que podem ser responsáveis.

Factor ambiental. A EM não ocorre com a mesma frequência em todos os países do mundo. Afecta em especial as pessoas de raça branca, na Europa, América do Norte e Austrália. As diferenças não são tão acentuadas como se pensava anteriormente, mas sabemos hoje que tanto no Hemisfério Norte como no Hemisfério Sul, a EM é tanto mais frequente quanto mais afastado do equador está o país.

Aparentemente, as pessoas mais idosas que emigram têm as mesmas probabilidades de sofrer de EM do que se permanecessem nos seus países de origem, mas as crianças que emigram têm as mesmas probabilidades de vir a sofrer de EM que as pessoas que sempre viveram no país para o qual as crianças emigraram.

Parece existir um ponto de viragem por volta dos quinze anos de idade que influencia os riscos de contrair EM. Por isso, pensa-se que o meio ambiente em que as pessoas vivem pode ter algo a ver com o desenvolvimento da EM.

Vírus. Foram realizadas muitas pesquisas sobre as possíveis ligações entre EM e toda a espécie de vírus, ou com algum tipo de doença viral contraída na infância. Mas até ao momento não foram encontradas provas seguras da existência de um vírus específico responsável pela EM. Existem algumas teorias sobre a influência da dieta nas probabilidades de contrair EM, mas a ligação não é muito clara.

Factor hereditário. Sabe-se que a EM é, até certo ponto, hereditária. Resultados de estudos em gémeos verdadeiros (homozigóticos) confirmam-no. No entanto, se a doença fosse definitivamente hereditária deveria afectar não apenas um, mas os dois gémeos, mas as probabilidades de isto acontecer na EM não são de 100%, mas sim de 25%.

No que diz respeito aos membros de uma família com EM, estes têm um risco maior de contrair a doença do que alguém sem familiares com EM. A nível mundial, observam-se diferenças nítidas na incidência da EM: afecta principalmente pessoas de raça branca.

Este facto pode igualmente apontar para um factor hereditário entre as causas da EM. Presentemente, em algumas doenças hereditárias, sabemos que é possível assinalar a posição exacta onde o factor hereditário se localiza no nosso material genético, os cromossomas. Infelizmente, na EM a investigação científica ainda não chegou aos mesmos resultados.

Doença auto-imune. A EM é uma doença «auto-imune»: são os próprios doentes que sofrem de EM que produzem reacções inflamatórias contra o seu próprio tecido nervoso. De forma genérica, as reacções inflamatórias ocorrem apenas quando o sistema imunológico reage a vírus e bactérias que penetram no organismo. Mas em casos excepcionais, pode ocorrer uma reacção inflamatória contra tecidos ou partes do próprio organismo, tal como acontece com a mielina na EM ou com as articulações na doença reumática.

Combinação de factores. Crê-se, regra geral, que a EM seja causada por uma combinação de factores. É provável que as pessoas com EM, por razões hereditárias, sejam, até certo ponto, propensas a desenvolver a doença. Então, um factor ambiental desconhecido poderá activar o sistema imunológico, conduzindo a uma doença auto-imune, que ataca posteriormente a substância branca do sistema nervoso central.

Evolução da Esclerose Múltipla.

Os primeiros sinais de EM manifestam-se frequentemente entre os 20 e os 40 anos de idade. A EM pode começar tanto na infância, como nos idosos. A progressão da doença a partir daí é muito variável, dependendo da gravidade da inflamação e do ritmo a que a mielina se deteriora. O doente poderá aperceber-se da inflamação da substância branca do sistema nervoso central através dos sintomas que surgem. Um período destes tem o nome de “surto”, “exacerbação” ou “recidiva”.

Quando a inflamação abranda, nota-se que os sintomas da EM também diminuem: a isto chama-se «remissão» ou «recuperação». A recuperação normalmente não significa um regresso ao estado anterior ao surto. Alguns sintomas podem persistir.

Em virtude da evolução da Esclerose Múltipla ser imprevisível as necessidades e as capacidades variam, assim uma reavaliação médica periódica é fundamental. Os medicamentos são também imprescindíveis, nomeadamente os relaxantes musculares, pois permitem reduzir a tensão dos músculos e melhorar os movimentos. Nos últimos anos utilizam-se diversos fármacos que actuam no sistema imunitário, chamados imunomoduladores, como os Interferões-beta e o acetato de glatiramero, entre outros, que ajudam a modificar a alteração da doença.

Representação dos dados em gráficos

2009-05-27T00:23:00.008+01:00

Uma das formas mais comuns para descrever uma única variável é com uma distribuição de frequências. As distribuições de frequência podem ser representadas de duas formas: em tabela ou em gráfico.

Retornando ao exemplo dado em Frequências relativas e ac umul adas, a tabela de distribuição de frequências das idades agrupadas em 7 classes, poderia ser a seguinte.

Os gráficos de distribuição de frequências mais frequentes são:

Gráficos de frequências;
Histogramas;
Diagramas de dispersão (scatterplot);
Gráficos circulares (pie charts).

Gráficos de frequências são gráficos de barras que traduzem graficamente o conteúdo da tabela de frequências. Os gráficos de frequências (não acumuladas) são apropriados para dados qualitativos ou numéricos discretos.

Os mais habituais são os gráficos de frequências absolutas ou relativas, mas também podemos construir gráficos de frequências absolutas ou relativas acumuladas.

Quando as frequências absolutas são reduzidas e a gama de valores da amostra é dispersa os gráficos de frequências tornam-se pouco interessantes (muito irregulares).

Os diagramas de dispersão são gráficos que permitem relacionar duas variáveis entre si. Representam-se pares de dados (x,y), onde no eixo horizontal marcam-se os valores de x e no eixo vertical os valores de y.

Para representar os dados em termos percentuais, particularmente úteis para variáveis qualitativa ou quantitativas ordinais são os gráficos circulares.

Outros gráficos também muito utilizados são os diagramas de extremos e quartis (box-plots) e os diagramas de caule-e-folhas.

Benefícios das microalgas na saúde

2009-05-25T10:07:00.003+01:00

As microalgas serão "ingrediente do futuro" (Luisa Gouveia, Expresso). As propriedades nutricionais das microalgas tornam-nas adequadas para serem integradas na composição de novos alimentos – alimentos funcionais.

Alimentos funcionais são os alimentos que fazem parte da dieta normal (pão, leite, etc.) mas que, além das suas funções nutricionais básicas: contem minerais específicos, vitaminas, ácidos gordos ou fibra; são enriquecidos com componentes adicionados – componentes biologicamente activos (fitoquímicos ou outros antioxidantes) ou probióticos (ex. microrganismos no iogurte) –, com o objectivo de promover a saúde e reduzir o risco de doenças.

Os alimentos do futuro, como as micro-algas, vão poder ajudar-nos a reduzir o risco de doenças cardiovasculares, diabetes ou mesmo de cancro (CiênciaHoje. Micro-algas e outros alimentos do futuro vão ajudar a prevenir doenças).

No campo da saúde, as microalgas serão um ingrediente funcional do futuro. «É possível produzir novos alimentos, mais saudáveis, nomeadamente ricos em antioxidantes e ácidos gordos poliinsaturados, do tipo ómega-3, com vantagens do ponto de vista económico - porque prevenir doenças é mais barato do que curá-las - e social - porque não é necessário que as pessoas mudem comportamentos alimentares para obterem benefícios» (Luísa Gouveia).

Já há alguns anos que se extraem das microalgas compostos com propriedades nutricionais e farmacêuticas, tais como ácidos gordos poliinsaturados, carotenóides, ficobilinas, polissacarídeos, vitaminas, esteróis e diversos compostos bioactivos naturais como antioxidantes, redutores do colesterol etc., os quais podem ser empregues especialmente no desenvolvimento de alimentos funcionais (Microalgas, produtos e aplicações). A investigadora do INETI, Luisa Gouveia, acrescenta ainda que a grande riqueza nutricional das microalgas tem uma eficácia superior em relação às tradicionais culturas vegetais terrestres.

As microalgas também são ricas em vitaminas, oligoelementos e proteínas e têm a mesma quantidade de hidratos de carbono de outras espécies vegetais. Depois de processadas, podem ser transformadas em cápsulas ou incorporadas nas farinhas para confeccionar pão e outros produtos.

As microalgas verdes podem vir a desempenhar um papel importante, não apenas na alimentação e na saúde mas também na produção de energia, no desenvolvimento sustentado e na gestão dos recursos naturais porque a sua cultura é menos exigente em termos nutricionais do que as plantas (quase só precisam de água), crescem com rapidez e exponencialmente (duplicam em 1-2 dias), são ricas em lípidos que podem ser utilizados como biocombustíveis (biodisel, bioetanol e biohidrogénio), podem ser colhidas em qualquer época do ano e têm um papel ecológico semelhante ao das plantas, consumindo dióxido de carbono e libertando oxigénio para a atmosfera.

Construção de um ficheiro de dados no Excel

2009-05-24T12:24:00.003+01:00

Um ficheiro de dados construído numa folha de cálculo Excel, pode facilmente ser aberto com o SPSS. Para que esta acção se possa realizar de um modo satisfatório, devem seguir-se algumas regras, muito simples mas imprescindíveis.

A identificação das variáveis deve realizar-se na primeira linha, começando na primeira coluna.
O nome da variável deve ser curto e sem espaços.
Cada variável deve ser inserida numa coluna.
As colunas devem ser preenchidas consecutivamente.
A cada linha corresponde um caso.
Apenas a folha onde se constrói o ficheiro de dados deve existir - as restantes devem ser eliminadas.

Exemplo: Num parque encontram-se 9 crianças a brincar, com idades compreendidas entre 2 e 8 anos. Construamos um ficheiro de dados com os nomes e as idades de todas as crianças numa folha de cálculo Excel.

Na primeira linha e na primeira coluna, identifique a variável "nome". Nas linhas seguintes, na mesma coluna, insira os nomes das crianças. Na primeira linha e na segunda coluna, identifique a variável "idade". Nas linhas seguintes, na mesma coluna, insira as idades das respectivas crianças. Clique consecutivamente nos separadores das folhas 2 e 3 do livro, com o lado direito do rato e clique em Eliminar. Guarde o ficheiro, atribuindo-lhe o nome "crianças no parque" (não coloque as aspas).

Neste ficheiro de dados, pode inserir mais variáveis e casos. Não deve, no entanto, proceder nela a nenhuma outra actividade, nem mesmo testes estatísticos realizados sobre este dados, sob pena de danificar a estrutura de ficheiro de dados para a qual foi concebida. Para realizar testes estatísticos pode copiar o ficheiro, atribuir-lhe outro nome, guardar e então trabalhar os dados copiados. Assim, o seu ficheiro original ficará sempre disponível para ser preenchido com mais dados e porventura para ser aberto por outro programa ou software estatístico.

Controlo das epidemias víricas

2009-05-21T00:43:00.002+01:00

Os agentes microbianos responsáveis pelas doenças infecciosas que afectam os humanos, têm características particulares que por sua vez determinam as acções a tomar para o seu controlo.

Das características biológicas dos vírus, em particular, depende a eficácia das medidas de controlo. Os vírus simples, como o vírus do sarampo, são fáceis de controlar com um programa nacional de vacinação. Já os vírus que provocam as hepatites infecciosas, com vários tipos distintos, os quais têm características epidemiológicas diferentes, são mais difíceis de controlar. No entanto, o vírus da imunodeficiência humana, apenas tem dois subtipos e todas as acções que têm sido levadas a cabo pelo mundo, inclusivamente por organismos internacionais como a Organização Mundial de Saúde têm sido infrutíferas.

O vírus da gripe, tem a particularidade de sofrer mutações genéticas periódicas, o que dificulta o seu controlo.

O que é necessário saber sobre um vírus para que sejam tomadas as medidas adequadas para travar a sua disseminação? As vias de transmissão - contacto directo (beijo, relações sexuais...) ou indirecto (transmissão através do ar, de objectos contaminados...) - o conhecimento dos hospedeiros, o período de incubação, o período de contágio e a sazonalidade da doença (caso exista).

É necessário ainda saber se existe o estado de portador do vírus (indivíduo infectado, sem sintomas de doença mas potencialmente transmissor do vírus), se os sinais e sintomas da doença são inequívocos ou se podem ser interpretados incorrectamente e se a doença provoca imunidade provisória ou definitiva.

O conhecimento do material genético do vírus é necessário para desenvolvimento de uma vacina. Uma vacina eficaz, barata e que possa ser armazenada em condições extremas é condição fundamental para que possa ser utilizada em grande escala e em qualquer ambiente (lembremos que existem populações no mundo que não têm condições de armazenamento de vacinas que necessitem de refrigeração). Para isso, há que conjugar ainda outros factores sem os quais não é possível implementar acções de combate a uma epidemia: haver financiamento, vontade política e aceitação social.

Foi assim que foi erradicada a varíola do mundo. Mas não nos iludamos: «não há vírus conhecido entre os que afectam os humanos que tenha as mesmas características que tinha o vírus da varíola» (leia A OMS tenta controlar o vírus H1N no blog "Loco citato").

Referência

Donald B. Stone, R. Warwick Armstrong et. al. Introdution to Epidemiology. Tradução de Henrique Barros. Editora McGraw-Hill de Portugal, Lda., 1999. ISBN: 972-773-002-7.

Notação estatística

2009-05-19T21:54:00.019+01:00

Estatística ou medida amostral, é uma quantidade que é calculada a partir de uma amostra de dados e que descreve essa amostra. É utilizada para dar informações sobre valores desconhecidos na população correspondente, os parâmetros da população.

A média (), a variância () e o desvio-padrão ( ) da amostra, são medidas empíricas (observadas), ou estatísticas da amostra ou ainda estimadores dos parâmetros da população média da população (), variância da população () e desvio-padrão da população (), respectivamente.

Em geral, as estatísticas da amostra representam-se por letras latinas e os parâmetros da população representam-se por letras gregas. O tamanho de uma população (quando finita) é representado por "N", enquanto que o tamanho de amostra é representado por "n".

Uma estimativa estatística é uma indicação do valor de uma quantidade desconhecida baseado em dados observados. Mais propriamente, uma estimativa é o valor de um estimador particular, obtido a partir de uma determinada amostra de dados e que indica o valor de um parâmetro.

Dentro de uma população, um parâmetro é um valor fixo que não varia. Cada amostra retirada da população tem seu próprio valor de qualquer dado estatístico que é utilizado para calcular esse parâmetro. Por exemplo, a média do conjunto de dados de uma amostra deve dar informação acerca da média de toda a população .

Exemplo: Suponha que o gerente de uma loja quer saber a média de despesas dos seus clientes no ano passado. Em vez de calcular a despesa média das centenas (ou mesmo milhares) de clientes que compraram produtos na sua loja, ele pode usar uma estimativa da média desta população (despesa dos clientes na loja no ano passado), calculando a média de uma amostra representativa de clientes. Se o valor médio de despesa dos clientes () tiver sido €25, então a estimativa será =25.

As estatísticas da amostra, sendo estimativas das características correspondentes da população de onde a amostra é originária, não podem, em geral, descrever completamente a distribuição (Fx), quer da amostra, quer da população. Na verdade, diferentes distribuições podem ter a mesma média e desvio-padrão. No entanto, podem descrever completamente a distribuição normal, na qual os desvios positivos e negativos em relação à média são igualmente comuns e os pequenos desvios são mais comuns do que os grandes.

Notas:

Chi-square, ou qui-quadrado, não é o quadrado de nada. É o nome de uma distribuição.
As letras mu e nu, lêem-se respectivamente, miu e niu.
Rho é o coeficiente de correlação de Spearman.

Síntese:

As estatísticas da amostra são estimadores dos parâmetros da população.

Estatística é uma quantidade que é calculada a partir de uma amostra de dados. É utilizada para dar informações sobre valores desconhecidos na população correspondente. Por exemplo, a média dos dados de uma amostra é utilizada para dar informações sobre a média geral da população a partir da qual essa amostra foi recolhida.

Às estatísticas são muitas vezes atribuídos caracteres romanos (por exemplo, e ), enquanto que o equivalente em valores desconhecidos da população (parâmetros) são atribuídas letras gregas (por exemplo, e ).

Um parâmetro é um valor desconhecido da população, que tem de ser estimado. Os parâmetros são usados para representar uma certa característica da população. Dentro de uma população, um parâmetro é um valor fixo que não varia. Cada amostra retirada da população tem seu próprio valor de qualquer dado estatístico que é utilizado para calcular esse parâmetro. Por exemplo, a média dos dados de uma amostra é utilizada para dar informações sobre a média geral da população da qual essa amostra foi recolhida.

Frequências relativas e acumuladas

2009-05-18T19:11:00.005+01:00

A frequência relativa simples ou percentual "fr_i" é o quociente entre a frequência simples "fi" e o total de dados "n". O somatório das frequências relativas é igual a "1".

A frequência acumulada simples ou absoluta "F_i" da linha "i” é a soma das frequência simples ou absolutas até a linha "i".

A frequência acumulada relativa ou percentual "Fr_i" da linha "i" é a soma das frequências relativas ou percentuais até a linha "i".

Os valores das colunas da esquerda das tabelas de frequência são denominados "pontos" ou "valores". Cada um deles é representado por x_i , onde "i" varia de 1 até k, sendo "k" o número de linhas da tabela.

Retomando o exemplo dado no artigo Tabela de fre quências absolutas_Excel, construiu-se uma tabela de frequências absolutas, frequências relativas, frequências acumuladas e frequências relativas acumuladas.

Tabela de frequências. Idade das crianças que brincam num parque.

Dicas de interpretação

Cerca 33% das crianças que bricam num parque têm 2 anos de idade (fr₁ = 0,333).
Oito crianças têm idade até 7 anos (F₆ = 8).
Aproximadamente 89% das crianças têm idade até 7 anos (Fr₆ = 0,889).

Retomando o exemplo dado no artigo Tabela de frequência_dados classificados_Excel, construiu-se uma tabela de frequências absolutas, frequências relativas, frequências acumuladas e frequências relativas acumuladas para dados classificados.

Na tabela “Idade dos colaboradores de uma empresa” os valores da coluna da esquerda são denominados de classes ou intervalos. As classes variam de 1 até k.

O limite inferior da classe "i", anota-se por li_i. O limite inferior da segunda classe é: 31.

O limite superior da classe "i", anota-se por ls_i. O limite superior da segunda classe é: 40.

A amplitude da classe "i", anota-se por h_i e é calculada como a diferença entre os limites superior ou inferior da classe "i" (h_i = ls_i - li_i). A amplitude da classe três é: h₃ = ls₃ - li₃ = 50 - 41 = 9 anos.

O ponto médio da classe é representado por x_i e calculado por: x_i = (li_i + ls_i) / 2.

Tabela de frequências. Idade dos colaboradores da empresa X.

Dicas de interpretação

Cerca 32% dos colaboradores da empresa X têm idades superiores a 41 anos e inferiores a 50 anos de idade (fr₃ = 0,317).
Vinte e cinco por cento dos colaboradores têm entre 31 e 40 anos de idade (fr₂ = 0,25).
Cinquenta e um trabalhadores têm idades até 50 anos (F₃ = 51).
Aproximadamente 47% dos colaboradores da empresa X têm idades superiores a 40 anos (Fr₄- Fr₂).

Referências

Microsoft Office Online. URL: http://office.microsoft.com/pt-pt/default.aspx

Página Pessoal - Ufrgs - Prof. Lori Viali. Série Estatística Básica. Disponível em http://www.pucrs.br/famat/viali. Publicações. Didáticas. Apostilas. Área exactas.

Tabela de frequência_dados classificados_Excel

2009-05-17T21:54:00.004+01:00

Se o leitor quiser treinar a construção de uma tabela de frequências para dados classificados no Excel, é aconselhável que leia e realize primeiro o exercício proposto no artigo Tabela de frequências absolutas_Excel, publicado neste blogue.

Suponhamos que temos um ficheiro de dados "funcionarios" que contem as idades dos colaboradores de uma empresa (N = 60). A idade mínima é de 21 anos e a máxima é de 55 anos.

34, 39, 35, 21, 33, 53, 27, 26, 55, 45, 47, 42, 25, 40, 55, 44, 54, 22, 28, 33,

39, 30, 52, 25, 35, 41, 49, 40, 41, 22, 31, 21, 38, 42, 31, 53, 22, 43, 40, 44,

41, 41, 23, 45, 25, 24, 41, 22, 41, 36, 22, 37, 52, 54, 52, 41, 47, 22, 47, 25.

Para construir uma tabela de frequência para dados classificados no Excel, em primeiro lugar temos que definir os valores máximos das classes. Calculemos as frequências absolutas com que ocorrem as idades classificadas em classes: ≤30; 31-40; 41-50 e ≥50.

Trabalhemos numa cópia do ficheiro.

Inserimos numa coluna, os valores dos limites máximos de cada classe, exceptuando a última, dado que, para esta classe, não definimos valor limite.

Seguindo o exemplo, comece na célula F7 e termine em F9. Clique na célula G7, aponte o cursor do rato para o botão soma automática e seleccione a função FREQUÊNCIA. Prima OK.

Na janela "Argumentos de função", clique em Matriz_dados e seleccione todos os valores das observações (A2:A61). Clique em Matrix_bin, seleccione os valores limite das classes e prima OK. É devolvido o valor 17 na célula G7, que corresponde à frequência da primeira classe. Seleccione esta célula e as três seguintes (G7 a G10), adjacentes aos limites de classe. A célula adicional devolve o número de valores da matriz_dados que sejam maiores que o valor do terceiro intervalo.

Prima a tecla F2 do teclado do computador e em seguida, CTRL+SHIFT+ENTER.

Descrição do resultado {=FREQUÊNCIA(A2:A61;F7:F9)}:

Dezassete colaboradores têm idades menores ou iguais a 30.
Quinze colaboradores têm idades no intervalo binário 31-40.
Dezanove colaboradores têm idades no intervalo binário 41-50.
Nove colaboradores têm idades maiores ou iguais a 50.

Referência

Microsoft Office Online. URL: http://office.microsoft.com/pt-pt/default.aspx

Tabela de frequências absolutas_Excel

2009-05-17T19:46:00.008+01:00

O Excel calcula a frequência com que os valores ocorrem num intervalo e devolve uma matriz vertical de números. Por exemplo, utilize FREQUÊNCIA para contar o número de resultados de testes que correspondem a determinados intervalos de resultados. Como esta função devolve uma matriz, tem de ser introduzida como uma fórmula de matriz. Verifiquemos as frequências absolutas das idades de 9 crianças que brincam num parque.

Se quiser treinar, copie o ficheiro de dados "crianças no parque".

Este pequeno treino será suficiente para que quem não souber e estiver interessado em utilizar o Excel para obter tabelas de frequências absolutas dos seus próprios dados, independentemente do tamanho do ficheiro, o possa fazer de uma forma rápida e eficaz.

Dica: Pode diminuir ou aumentar a largura das colunas, seleccionando as colunas (clicar em cima de uma das letras e arrastar o rato sobre as seguintes). Com o rato sobre a área seleccionada, clicar no lado direito, clicar em "largura da coluna" e modificar o valor pré-definido.

Sabendo que a idade mínima é 2 e a máxima é 8 anos, insira os valores de 2 a 8, sequencialmente, numa coluna qualquer do ficheiro de dados Excel "crianças no parque" (se quiser seguir o exemplo, comece na célula E4).

Clique na célula em frente ao primeiro valor do qual se pretende obter a frequência (seguindo o exemplo abaixo, célula F4), aponte o cursor do rato para o botão soma automática , seleccione a categoria estatística e a função FREQUÊNCIA. Prima OK.

Abre-se a janela "Argumentos de função". Se esta janela estiver sobre os dados, pode modificar a sua posição, clicando na barra superior e arrastando a janela.

Clique em Matriz_dados e seleccione todos os valores das observações (B2:B10). Clique em Matrix_bin e seleccione os valores de 2 a 8 (E3:E9) e prima OK.

Matriz_dados é uma matriz de ou uma referência a um conjunto de valores, cujas frequências se deseja contar. Se matriz_dados não contiver valores, FREQUÊNCIA devolve uma matriz de zeros.

Matriz_bin é uma matriz de ou uma referência a intervalos, nos quais deseja agrupar os valores contidos em matriz_dados. Se matriz_bin não contiver valores, FREQUÊNCIA devolve o número de elementos em matriz_dados.

É devolvido o número 3 na célula F4, que corresponde à frequência do primeiro valor (2).

Seleccione a célula F4 e as seguintes, em frente aos valores de 2 a 8 (neste exemplo, ficam seleccionadas as células F4 a F10). Prima a tecla F2 do teclado do computador e em seguida, CTRL+SHIFT(↑)+ENTER.

São devolvidas as frequências de todas as idades, de 2 a 8. A idade que se repete mais vezes é 2 anos (frequência = 3). Há 2 crianças com 3 anos, nenhuma delas tem 6 anos e as restantes têm apenas 1 ano de idade.

Referência

Microsoft Office Online. URL: http://office.microsoft.com/pt-pt/default.aspx

Tabela de frequências

2009-05-17T15:46:00.002+01:00

Frequência de um valor é o número de vezes que esse valor ocorre. Para dados classificados, em vez de se contar a frequência com que ocorre cada valor, são contadas as frequências com que ocorrem os valores dentro de cada classe.

Uma tabela de frequências é uma tabela onde figuram os valores de pelo menos um destes tipos de frequências:

Frequência absoluta;
Frequência relativa;
Frequência absoluta acumulada;
Frequência relativa acumulada.

As tabelas de frequência ou distribuições de frequências, resumem a informação contida na amostra, ordenando os seus valores e agrupando-os em classes de valores repetidos ou de valores distribuídos por intervalos.

Podem calcular-se frequências absolutas e relativas de todas as variáveis: qualitativas nominais, qualitativas ordinais e quantitativas. Em geral, variáveis discretas (obtidas por contagem) são agrupadas em distribuições por ponto ou valores e variáveis contínuas (obtidas por medida) em distribuições por classes ou intervalos (Prof. Lori Viali).

Na tabelação de dados, fazemos uma lista de todos os valores de um atributo e à frente de cada um colocamos o número de vezes que esse atributo ou valor ocorreu. Esta é a tabela de frequências absolutas.

A frequência relativa, é a percentagem de ocorrência de cada atributo em relação ao total de observações. Esta é a melhor forma, segundo A. Gouveia de Oliveira (2006), para apresentar dados binários e categoriais.

A frequência acumulada é a percentagem de observações do conjunto dos dados que são iguais ou inferiores a esse valor (A. Gouveia de Oliveira, 2006).

A frequência acumulada relativa é a soma das frequências relativas ou percentuais.

Referências

A. Gouveia de Oliveira (2006). Bioestatística, Epidemiologia e Investigação. LIDEL - Edições Técnicas, Lda. ISBN 978-972-757-558-9.

Página Pessoal - Ufrgs - Prof. Lori Viali. Série Estatística Básica. Disponível em http://www.pucrs.br/famat/viali. Publicações. Didáticas. Apostilas. Área exactas.

Técnicas de amostragem

2009-05-15T23:49:00.002+01:00

Os inquéritos por amostragem fazem parte do nosso quotidiano diário. Estes estudos permitem-nos ter conhecimento de assuntos tão diversos como o que as populações comem, o número de horas que passam a ver televisão e quais são as suas intenções de voto.

Uma amostra é um grupo de unidades seleccionadas de um grupo maior, a população. A razão mais frequente de selecção de uma amostra é que a população é demasiado grande para ser estudada na totalidade. O objectivo de estudar a amostra é tirar conclusões válidas acerca da população.

Quando a amostra não é aleatória, não se podem extrapolar os resultados obtidos para o universo da população. É o caso da amostragem por conveniência, que «ocorre quando a participação é voluntária ou os elementos da amostra são escolhidos por uma questão de conveniência (muitas vezes, os amigos e os amigos dos amigos). Deste modo, o processo amostral não garante que a amostra seja representativa, pelo que os resultados desta só se aplicam a ela própria» (Clara Coutinho).

Para ser representativa da população, a amostragem deve ser aleatória. A melhor forma de conseguir este objectivo é obter uma amostra aleatória de uma população bem definida. Existem técnicas de amostragem a que devemos recorrer para assegurar que a amostra forneça uma boa estimativa dos parâmetros que se desejam conhecer da população. Algumas destas técnicas são:

Conveniência. Como o nome indica, tomam-se como amostra, os elementos da população que estão mais disponíveis.
Aleatorização. A geração de números aleatórios é o método de amostragem mais utilizado.
"Clusters" ou amostragem por agrupamentos, quando a população é homogénea mas está muito distribuída geograficamente (ex. funcionários de um banco com sucursais espalhadas pelo país ou mesmo no estrangeiro).
Estratificação, utilizada quando se pretende uma amostra representativa de vários estratos de uma população (ex. género, faixa etária ou nível de instrução de uma população).

A amostragem aleatória é provavelmente o mais popular método de amostragem. Quando se escrevem nomes em papelinhos, se misturam num saco ou num chapéu e se tira um à sorte para determinar quem vai realizar um trabalho específico, o que se está a fazer é uma tentativa de alcançar uma escolha aleatória de um conjunto de itens. Na realidade, a verdadeira amostra aleatória deve ser obtida com o auxílio de um programa computorizado ou de uma tabela de números aleatórios, cujos valores são dados por um gerador de números aleatórios computorizado.

A amostragem por clusters (agrupamentos) usa-se quando a população é homogénea mas pode ser dividida em consequência da distância. Por exemplo, os bancos têm clusters de funcionários distribuídos geográficamente por várias dependências. Neste caso, um estudo aplicado ao universo de funcionários (por exemplo, bancários) seria moroso e dispendioso. Como a população é homogénea, se o estudo for aplicado a todos os bancários de alguns dos balcões seleccionados aleatoriamente, a amostra é considerada representativa da população e os resultados podem ser extrapolados para a todos os bancários da instituição. Exemplo: se os resultados do estudo indicarem que 40% dos bancários inquiridos estão muito satisfeitos com as condições físicas em que trabalham, sendo a amostra representativa da população, pode afirmar-se que 40% de todos os bancários da instituição estão muitos satisfeitos com as condições físicas em que trabalham.

A amostragem estratificada pode ser usada quando a população pode ser dividida em sub populações, sendo estas homogéneas, de acordo com determinada característica de interesse. Exemplo de sub-populações homogéneas de uma população são os géneros masculino e feminino ou classes etárias. No caso de se terem classes etárias, estas terão de ser bem definidas em termos de idade. Exemplo: não basta considerar a classe etária "idosos"; é necessário que o investigador defina claramente o que se considera "idoso" no estudo (≥ 65 anos; > 60 anos; 70 a 90 anos, etc.).

Outras técnicas de amostragem são utilizadas em situações específicas. Por exemplo, em estudos epidemiológicos, observam-se todos os elementos de uma população previamente definida num determinado momento ou durante um determinado intervalo de tempo, obtendo-se assim uma amostra para estudos transversais ou longitudinais.

Citando Jorge Barbosa (2008) no seu artigo online Técnicas de Amostragem, «... quando a amostra não se verifica representativa da população particular que pretendemos estudar, as conclusões que daí retirarmos, afastar-se-ão das que teríamos obtido se tivéssemos oportunidade de ter inquirido toda a população. Dizemos então que a amostra é enviesada, pois a generalização não é legítima.

Alguns destes enviesamentos podem constituir-se no próprio momento da constituição da amostra como, por exemplo, na falta de uma lista exaustiva da população, temos por aproximação uma base de sondagem que cobre somente parte da população visada. Podemos ainda ser confrontados, por múltiplas razões, com as ausências e recusas por parte da população seleccionada para fazer parte da amostra.»

Dados e variáveis

2009-05-14T23:54:00.005+01:00

Dados são informações e variáveis são características ou fenómenos que podem assumir diferentes valores.

Dados. Os dados são informações (observações ou atributos; números ou quantidades) de qualquer coisa do nosso dia-a-dia. As nossas vidas estão cheias de dados: o tempo, os pesos; as alturas; os preços; os da nossa saúde; as notas dos exames; os saldos do banco; as sondagens; os resultados das eleições, etc. Os dados aparecem de muitas maneiras, a maior parte das vezes como números que se interpretam e dos quais se tiram conclusões.

Variável é uma característica ou fenómeno que pode assumir diferentes valores, como o peso o género.

As variáveis a tratar incluem-se num de dois grandes grupos: ou são qualitativas ou são quantitativas.

As variáveis qualitativas, nominais ou categóricas exprimem atributos de qualidade. Não existe qualquer relação de ordem entre elas. São rótulos que indicam a que categoria ou classe pertence um indivíduo, objecto ou processo.

Exemplos de variáveis qualitativas, nominais ou categóricas:

O sistema ABO dos grupos sanguíneos - O, A, B ou AB;
As raças de cães:
O estado do tempo - nublado, solarengo, chuvoso, etc.
O sexo - masculino e feminino.
A religião - católico, protestante, etc.

Não existe uma ordem particular entre as categorias ou grupos e além disso duas categorias quaisquer são mutuamente exclusivas, isto é, um elemento não pode pertencer simultâneamente a duas ou mais categorias.

As variáveis qualitativas ordinais, não são métricas mas incluem relações de ordem. É o caso da variável "Peso" medida em 3 níveis (pouco pesados, pesados, muito pesados). No entanto, não é possível afirmar o quanto uma categoria é maior do que a anterior. Exemplo: as famílias podem ser classificadas de acordo com seu status sócio económico em alta, média alta, média, média baixa e baixa mas não é possível afirmar que a diferença entre a alta e a média alta seja a mesma que entre a média e a média baixa.

As variáveis quantitativas exprimem quantidade. Consistem em medidas que tomam valores numéricos para os quais tem significado o cálculo de medidas descritivas como a média e o desvio-padrão. São exemplo de variáveis quantitativas: idade (medida em anos) e peso (medido em gramas).

Os dados quantitativos podem ser ordenados e podem ser discretos ou contínuos.

Os dados obtidos por contagem são variáveis discretas. Tomam valores num conjunto finito ou infinito mas numerável. Exemplo: o número de peças defeituosas num dia de produção.

Os dados obtidos por medida são variáveis contínuas. Podem tomar um número infinito de valores num dado ntervalo. Exemplo: a altura de uma pessoa.

As variáveis binárias ou dicotómicas referem-se a atributos que tomam apenas dois valores chamados binários: sim ou não; morto ou vivo; presente ou ausente; homem ou mulher; etc.

«Em geral variáveis discretas são agrupadas em distribuições por ponto ou valores e variáveis contínuas em distribuições por classes ou intervalos. A separação não é rígida e depende basicamente dos dados considerados. Poderá ser necessário usar uma distribuição por classes ou intervalos mesmo quando a variável é discreta» (Página Pessoal - Ufrgs - Prof. Lori Viali).

Referência

Página Pessoal - Ufrgs - Prof. Lori Viali. Série Estatística Básica. Disponível em http://www.pucrs.br/famat/viali. Publicações. Didáticas. Apostilas. Área exactas.

Escalas de medição

2009-05-13T23:09:00.004+01:00

As escalas binárias, categoriais, ordinais e de intervalos e de razão, são escalas de medição de atributos qualitativos e quantitativos.

Escalas binárias ou dicotómicas. Estas escalas medem atributos que têm apenas dois valores: sim ou não; morto ou vivo; presente ou ausente; homem ou mulher; etc.

Escalas categoriais ou nominais. Estas escalas são utilizadas para organizar dados segundo categorias mutuamente exclusivas e exaustivas. Medem atributos com mais de dois valores não numéricos e com ordem de grandeza arbitrária, ou seja, os atributos (estado civil, religião, cor do cabelo...) não estão relacionados numericamente entre si. Nas escalas categoriais ou nominais as categorias ou nomes são mutuamente exclusivos, ou seja, cada elemento é incluído numa única categoria. Exemplo: cada doente tem uma profissão, uma residência e um diagnóstico. Esta escala é utilizada para medir variáveis qualitativas.

Escalas ordinais. Estas escalas são utilizadas para atribuir um valor numérico a pessoas ou objectos que se classificam em categorias segundo uma ordem de grandeza mas não quantificam a diferença entre os valores consecutivos. Um bom exemplo da escala ordinal é o estádio de um tumor (estádio I, II, III e IV) em que o estádio I é o menos invasivo e o IV o mais invasivo. Os estádios são ordenados por ordem de grandeza da invasão mas não se pode dizer que a diferença entre o estádio I e II seja igual à diferença entre os estádios II e III ou entre os estádios III e IV. Outro bom exemplo de uma escala ordinal é uma lista dos participantes num concurso, ordenada pelo lugar em que ficaram distinguidos. Não se pode dizer que a diferança de conhecimentos, capacidades, competências, etc. que existe entre o 1º e o 2º classificado seja a mesma que existe entre o 2º e o 3º classificado, ou entre o 4º e o 5º classificado, e assim por diante. Outros exemplos ainda são a divisão da população em classes etárias com intervalos desiguais, tais como jovens (até 18 anos), adultos (18 a 65 anos) e idosos (mais de 65 anos) ou a classificação dos alunos de Mau a Muito bom, escalas de opinião, escalas de atitudes ou o nível académico.

Escalas de intervalos. Estas escalas medem atributos com mais de dois valores numéricos que têm intervalos iguais e que podem ser ordenados. São exemplos de escalas de intervalos, a idade, a altura, o peso, a pressão arterial, a concentração de colesterol no sangue, etc. A temperatura e as horas também são medidas em escalas de intervalos mas a estas variáveis pode-se atribuir um significado à diferença de valores mas não à sua razão porque a origem da escala è arbitrária. Pode-se dizer que a diferença entre 20 e 25ºC é a mesma que existe entre 5 e 10ºC mas não se pode dizer que a temperatura de 20ºC é duas vezes mais quente que a de 10ºC porque o ponto zero é arbitrário (0ºC = 32ºF; 10ºC = 50ºF; 20ºC = 68ºF). Do mesmo modo, pode-se dizer que o intervalo entre as 15h e as 16h é igual ao intervalo entre as 9h e as 10h mas não se pode calcular o quociente entre as horas porque a origem (meia-noite) é arbitrária.

Escala de razão, escala racional ou escala de proporção. É uma escala de intervalos que, para além de possuir valores conhecidos entre os seus intervalos, estabelece a relação entre dois valores em relação a zero. Nesta escala são possíveis todas as operações aritméticas (somas, subtrações, divisões e multiplicações), porque o zero tem significado. Por exemplo, pode-se dizer que 20 Kg pesam metade de 40 Kg.

Referências

A. Gouveia de Oliveira (2006). Bioestatística, Epidemiologia e Investigação. LIDEL - Edições Técnicas, Lda. ISBN 978-972-757-558-9.

Fortin, M. F. (2006). O Processo de Investigação: Da Concepção à realização. Tradução de Nídia Salgueiro. LUSOCIENCIA - Edições Técnicas e Científicas, Lda. ISBN: 972-8383-10-X.

Estudos observacionais

2009-05-11T22:20:00.004+01:00

Os estudos descritivos têm como objectivo a descrição detalhada das variáveis através da observação directa e sistemática.

Tal como já foi referido no artigo Desenhos de estudo, os estudo descritivos têm como objectivo a descrição detalhada das variáveis através da observação directa e sistemática. São, portanto, estudos observacionais.

Entre os estudos observacionais, destacam-se os estudos de coorte e os estudos de caso-controlo, pela semelhança que têm com os estudos experimentais - dois grupos, sendo um deles o grupo controlo. No entanto, não são experimentais porque não há aleatorização nem manipulação da exposição.

Coorte (cohort studies)

Uma coorte é um grupo de pessoas que compartilha uma característica ou experiência comum, num período definido. Por exemplo, as pessoas que nasceram em determinado ano, as pessoas que consomem uma droga, que foram vacinadas contra determinada doença, etc. O grupo de comparação pode ser uma coorte que não esteja exposta à mesma condição. Nos estudos de coorte, o investigador forma os grupos de expostos e não expostos de entre as pessoas que já apresentam cada uma das condições (ex. alcoólicos e não alcoólicos) e segue-os durante algum tempo para verificar os efeitos da exposição, por comparação dos dois grupos.

Caso-controlo (case-control studies)

Os estudos de caso-controlo são estudos epidemiológicos que permitem identificar factores de risco para uma determinada condição de saúde. O investigador forma os grupos de doentes e não doentes de entre as pessoas que já apresentam cada uma das condições para estimar factores de risco para a doença, comparando as exposições a que os dois grupos estiveram sujeitos.

Longitudinais (longitudinal studies)

Os estudos longitudinais há seguimento dos participantes po longos períodos de tempo (ás vezes décadas). Servem essencialmente para estudar a incidência das doenças. O seguimento pode ser retrospectivo ou prospectivo. No seguimento retrospectivo, colhem-se dados sobre exposições ou doenças que ocorreram no passado. No seguimento prospectivo, colhem-se dados sobre exposições ou doenças que ocorrem no presente ou que vão ocorrer no futuro, durante o período de seguimento dos indivíduos.

Transversais (cross-sectional studies)

Determinam quantitativamente a distribuição dos estados de saúde e dos seus determinantes, numa população e num determinado momento temporal. Também são designados por estudos de prevalência. Exemplos: prevalência de bebedores em indivíduos jovens; prevalência de diabetes tipo II em mulheres pós-menopáusicas.

Ecológicos (ecologic studies)

Utilizam como unidade de observação grupos de indivíduos e não indivíduos isolados. Estudam a ocorrência de doença num grupo de indivíduos em função das características desse grupo. Servem essencialmente para levantar hipóteses para estudos analíticos.

Caso clínico (case report)

Estes estudos constam da descrição completa e sequencial da história, do exame físico, dos exames complementares de diagnóstico e da evolução de um doente.

Séries de casos (case series report)

Documentam características particulares e pouco habituais num conjunto de indivíduos doentes. Exemplo: exposição das características de mulheres jovens com adenoma hepatocelular (exposição a contraceptivos de altas doses). Estes estudos efectuam-se quando há a possibilidade - baseada em avaliações clínicas detalhadas relatos dos doentes - de haver associações entre os efeitos observados e determinadas exposições. Podem fornecer as primeiras pistas para documentar doenças ou efeitos adversos devidos a determinadas exposições ambientais.

Séries temporais (time series)

São estudos nos quais são efectuadas medições periódicas antes e durante uma intervenção ou tratamento para tirar conclusões sobre o efeito da intervenção. As séries temporais documentam alterações na ocorrência da doença ao longo de períodos de tempo prolongados, geralmente anos ou décadas.

Vigilância (surveillance)

Colheita, análise e interpretação sistemática de informação sanitária essencial para o planeamento, implementação e avaliação das práticas de saúde pública.

Vigilância passiva – dados obtidos em canais tradicionais. Ex. certificados de óbito.

Vigilância activa – procura de casos. Ex. mortalidade por abortamento. Envolve vários grupos: grupos de investigação em mortalidade materna; organizações profissionais; publicações; profissionais da área, etc.

Registos (registers)

Todos os casos de uma doença ou condição de saúde numa população definida. Exemplos: registos de cancro, registo de anomalias congénitas; registo de crianças de alto risco, etc.

Referências

Serviço de Bioestatística e Informática Médica. Faculdade de Medicina da Universidade do Porto. Desenhos de estudo. Disponível em http://stat2.med.up.pt (acedido em 9/5/2009)

Desenhos de estudo

2009-05-10T09:28:00.004+01:00

Um desenho de estudo é um conjunto de estratégias - projecto - que tem como objectivo encontrar respostas para uma questão científica.

É um plano do trabalho de investigação que inclui estratégias para encontrar a verdade, ao mesmo tempo que se tenta reduzir e minimizar o viés (erros sistemáticos que se cometem e podem ser evitados no planeamento do estudo), confundimento e acaso.

Os estudos realizados na área biomédica podem ser classificados quanto à intervenção do investigador (exposição do objecto de estudo a formação, medicamento, etc.), quanto à aleatorização (randomização) da exposição, quanto à unidade de observação (indivíduo ou grupo), quanto à base de selecção dos participantes - expostos a determinado factor (ex. tabaco) ou doença, doentes e não doentes -, quanto ao período de seguimento dos indivíduos, quanto ao período de referência (retrospectivos e prospectivos) e quanto ao objectivo (descritivos e analíticos).

Principais tipos de estudos		Exemplos de estudos
Analíticos	Experimentais	Ensaios clínicos randomizados
	Quasi-experimentais	Ensaios clínicos não randomizados
		Intervenções na comunidade
		Ensaios de campo
	Observacionais	Coorte
		Casos e controlos
		Longitudinais
Analíticos ou Descritivos		Transversais
Analíticos ou Descritivos		Ecológicos
Descritivos		Caso clínico
		Séries de casos
		Séries temporais
		Vigilância
		Registos

Os estudos analíticos destinam-se a destinam-se a explorar relações da causalidade através da investigação de associações. Os estudos descritivos têm como objectivo a descrição detalhada das variáveis através da observação directa e sistemática.

Os estudos experimentais são os que fornecem maior evidência científica porque utilizam um grupo controlo, os indivíduos atribuídos a cada grupo são seleccionados de modo aleatório e a exposição a que o grupo em estudo é sujeito (ex. medicamento), é controlada pelos investigadores. Nestes estudos, consegue-se a recolha de evidência que suporte uma relação de causalidade. O exemplo típico de estudo experimental é o ensaio clínico randomizado. Estes estudos, por sua vez, são as unidades de análise de estudos de revisão sistemática.

Os estudos quasi-experimentais, são estudos analíticos nos quais existe manipulação da intervenção mas não é possível determinar quais os indivíduos que estão expostos e que não estão expostos, nem é possível controlar a exposição.

Nos estudos observacionais, não é feita qualquer intervenção nos indivíduos estudados e são os que fornecem menos evidência científica. Nestes estudos, estimam-se parâmetros de uma população e identificam-se factores relacionados com as doenças, os quais poderão ser, por sua vez e posteriormente, objecto de estudo em estudos analíticos.

Outros estudos

Existem ainda os estudos de revisão bibliográfica com ou sem metanálise, cuja unidade de análise são os trabalhos de investigação e artigos publicados. Estes estudos reúnem e sintetizam a informação existente sobre um assunto bem definido e delimitado.

Referências

A. Gouveia de Oliveira (2006). Bioestatística, Epidemiologia e Investigação. LIDEL - Edições Técnicas, Lda. ISBN 978-972-757-558-9.

Serviço de Bioestatística e Informática Médica. Faculdade de Medicina da Universidade do Porto. Desenhos de estudo. Disponível em http://stat2.med.up.pt (acedido em 9/5/2009)

Cálculo simples da dimensão da amostra

2009-05-08T19:32:00.007+01:00

Na perspectiva clássica da amostragem, o conceito de representatividade da amostra está directamente relaccionado com a sua dimensão: quanto maior for a amostra, maior representatividade fornecerá da população da qual provém.

A. Gouveia de Oliveira (2006), explica, com exemplos que isto não é bem verdade. Diz ele que na prespectiva actual, "a estrutura da amostra tem de ser consistente com a estrutura da população" para que ela possa "proporcionar uma forma de avaliar a plausibilidade de várias hipóteses sobre a população através de um número limitado de observações".

O importante numa amostra é que ela represente os padrões de interesse na população e sugere que pensemos na amostra de um tapete. Se o tapete for constituído por pequenos padrões que se repetem, basta-nos ver um pedacinho pequeno para podermos imaginar o aspecto de toda a peça. Pelo contrário, se o padrão de outro tapete for grande, precisaremos de uma amostra maior para termos ideia do aspecto da peça. Com estes exemplos é fácil entender que a representatividade de uma amostra não está relacionada com o seu tamanho.

A representatividade de uma amostra é determinada pelo método de amostragem. Podemos então perguntar: se um elemento da população, escolhido ao acaso (aleatóriamente) for representativo do seu todo, a amostra de 1 elemento será suficiente para efectuar o estudo? Não, porque, embora a amostra tivesse representatividade, as conclusões do estudo não teriam precisão - quanto maior for a amostra, mais precisos serão os resultados.

A dimensão da amostra é importante - não necessáriamente para assegurar representatividade mas para assegurar a precisão do estudo. Então, qual terá de ser a dimensão mínima de uma amostra?

Existem várias fórmulas para calcular a dimensão da amostra e programas informáticos como o EpiInfo (na secção STATCALC) que permitem efectuar o cálculo da dimensão da amostra, que podem ser utilizadas quando quando os investigadores têm alguns conhecimentos dos dados, tais como heterogeneidade dos dados, dimensão da população, nível de confiança pretendido e frequência da variável a estudar na população.

Um cálculo mais simples da dimensão da amostra, que pode ser utilizado quando a dimensão da população é conhecida, é-nos apresentado em Dr. Arsham's Statistics Site. Arsham diz que a dimensão de uma amostra proveniente de uma população finita de tamanho N é dado por

arredondado para o número inteiro mais próximo.

Cálculo da dimensão da amostra no excel

A dimensão da amostra pode ser facilmente calculada na folha de cálculo Excel.

Questão exemplo: Deseja-se aplicar um inquérito a uma amostra de uma população de 300 funcionários de uma instituição. Qual deverá ser a dimensão da amostra?

Procedimento. No excel, digitar numa célula = 300^(1/2)+1. Esta expressão aparece na caixa de edição de célula. Clicando em enter o resultado 18,32051 é devolvido na célula onde foi digitada a expressão.

Resposta. Devem ser inquiridos 18 funcionários.

Referências:

Dr. Arsham's Statistics Site. Statistical Thinking for Managerial Decisions

A. Gouveia de Oliveira (2006). Bioestatística, Epidemiologia e Investigação. LIDEL - Edições Técnicas, Lda. ISBN 978-972-757-558-9.

Conceito de população e de amostra

2009-05-08T12:20:00.003+01:00

População é a totalidade de pessoas, animais, plantas ou objectos, da qual se podem recolher dados. É um grupo de interesse que se deseja descrever ou acerca do qual se deseja tirar conclusões.

Amostra é um subconjunto de uma população ou universo. A amostra deve ser obtida de uma população específica e homogénea por um processo aleatório. A aleatorização é condição necessária para que a amostra seja representativa da população. Em teoria, quanto maior for a amostra, mais fidedignos serão os resultados obtidos. Assim, o ideal seria tomar a população inteira para o estudo. Contudo, raramente é possível estudar toda a população, por duas razões principais:

O estudo de toda a população é muito dispendioso e/ou consome muito tempo;
O processo pode ser destrutivo.

No primeiro caso, o recurso à estatística para calcular a dimensão da amostra, contribui para reduzir os custos e / ou o tempo dispendido para a realização do estudo.

No segundo caso, o estudo da população destruiria a população. A amostragem, neste caso, traz o benefício acrescido de reduzir este problema.

Em qualquer caso, recolhem-se informações de uma amostra retirada de uma dada população e tenta-se inferir informações acerca da população, examinando apenas uma pequena amostra.

É importante que o investigador defina cuidadosa e completamente a população antes de recolher a amostra, incluindo uma descrição dos membros que devem ser incluídos. Para cada população, há muitas amostras possíveis e qualquer delas deve fornecer informação dos parâmetros da população correspondente. É importante definir os critérios que permitem determinar se um indivíduo pertence ou não à população em estudo. Para isso, define-se conceptualmente a população (ex. hipertensos). Falta ainda saber o que se entende por "hipertenso". Este é o critério operacional que vai permitir saber quem pertence à população. Tem de ficar bem definido quem é hipertenso. A. Gouveia de Oliveira (2009) dá o seguinte exemplo: "... todos os indivíduos com uma pressão arterial superior a 140/90 mmHg, na média de 2 medições feitas em 3 ocasiões diferentes após 5 minutos de repouso e na posição sentada, utilizando um esfimomanómetro digital sobre a artéria braquial direita". Arsham, em Dr. Arsham's Statistics Site dá outro exemplo: a população de um estudo de saúde infantil pode ser todas as crianças nascidas na década de 80, nos EUA.

As amostras devem ser obtidas por métodos aleatórios, sempre que se pretende tirar conclusões sobre a população mas muitas vezes são obtidas por métodos não aleatórios. A amostra pode ser todos os bebés nascidos a 7 de Maio, em qualquer dos anos (exemplo de Arsham). Neste último caso, as conclusões a retirar do estudo, apenas se reportam à amostra.

Referências:

Dr. Arsham's Statistics Site. Statistical Thinking for Managerial Decisions

A. Gouveia de Oliveira (2006). Bioestatística, Epidemiologia e Investigação. LIDEL - Edições Técnicas, Lda. ISBN 978-972-757-558-9.

O leite na saúde e na doença

2009-05-07T14:16:00.002+01:00

O leite, a lactose e a lactase são, respectivamente: o alimento primordial dos mamíferos, o açucar deste alimento e a enzima que a metaboliza.

O leite é o alimento dos mamíferos na primeira fase da sua vida. A composição do leite é tão rica e variada que contem todos os nutrientes necessários para alimentar o recém-nascido: proteínas; hidratos de carbono; lípidos; vitaminas e minerais. Contém ainda anticorpos (moléculas de defesa contra doenças) produzidos no organismo da fêmea produtora do leite.

A composição do leite, em termos de quantidades relativas dos nutrientes, é diferente entre as espécies e adaptada às necessidades de cada espécie. Assim: o leite humano tem a composição de nutrientes adequada para alimentar o recém-nascido humano; o leite de vaca, tem a composição de nutrientes adequada para alimentar o bovino recém-nascido. Então, não convém alimentar o recém-nascido humano nos primeiros meses de vida com leite de vaca inteiro (sem modificações na sua composição a nível industrial). Se o recém-nascido humano não puder ser alimentado com leite humano nos seus primeiros meses de vida, deve ser alimentado com leite de vaca adaptado industrialmente às necessidades do bébé.

Mais tarde, quando as necessidades em termos nutricionais aumentam, o leite materno deixa de ser suficiente para alimentar a criança e o leite de vaca inteiro pode ser introduzido na alimentação da criança, a par com outros alimentos. Regra geral, o leite continua a ser consumido ao longa da vida e o seu consumo é recomendado, tanto por especialistas em alimentação como pelas industrias de lacticínios.

Contudo, há excepções à regra. Por vezes, as crianças não toleram o leite de vaca. Isto pode acontecer por dois motivos principais: porque são alérgicas às proteinas do leite (caseína) ou porque as suas células intestinais não produzem a enzima lactase em quantidade (ou qualidade) adequada para a metabolização (digestão) da lactose. Neste caso, diz-se que há intolerância à lactose.

O diagnóstico de alergia às proteinas do leite de vaca é feito pela história clínica, incluindo sinais e sintomas que a criança apresenta e o médico interpreta e confirma com o resultado de testes que requisita ao laboratório.

A intolerância à lactose pode acontecer em quaquer fase da vida mas especialmente nos adultos porque a produção de lactase vai naturalmente diminuindo com a idade. Também pode ser facilmente diagnosticada mas nem sempre è detectada. Isto porque, por um lado, nem sempre acontece na primeira fase da vida e por outro lado, os sintomas que resultam da intolerância à lactose são comuns a outras patologias.

A lactase pode ser produzida pelo organismo da criança em quantidade e qualidade adequadas mas com o aumento da idade a sua produção pode diminuir. A produção de lactase também pode ser inibida temporária ou definitivamente devido a doenças que afectam a capacidade do organismo de a produzir ou que afectam a mucosa intestinal. Então, uma pessoa (criança ou adulto) que até determinada altura da sua vida tolerava bem o leite, passa a ter sintomas de intolerância que se manifestam por desordens gástricas porque a lactose é mal absorvida ou não é absorvida pela mucosa do intestino delgado e chega ao intestino grosso onde é fermentada pelas bactérias intestinais, com produção de gás e ácidos orgânicos.

Os principais sintomas de intolerância à lactose são diarreias com grande perda de líquidos, especialmente nas horas seguintes ao consumo do leite, barriga inchada, produção de gases e dores abdominais. No entanto, estes sintomas são comuns a muitas outras doenças, não podendo por si só fazer o diagnóstico de intolerância à lactose.

Os médicos têm ao seu alcance o meios necessários para comprovar uma eventual suspeita de intolerância à lactose. De qualquer forma, se uma pessoa consome leite e sistemáticamente tem estes sintomas, pode experimentar retirar o leite da sua alimentação temporáriamente e verificar se os sintomas desaparecem. Também pode consumir leite conhecido por "digestão fácil". A este leite é adicionada a enzima lactase, na industria de lacticínios, que vai "digerir" a lactose do leite. Assim, as pessoas com deficiência na produção desta enzima já podem consumir o leite, embora em quantidades moderadas porque não se garante que toda a lactose do leite seja "digerida" pela lactase adicionada industrialmente. Os iogurtes podem continuar a ser consumidos e podem mesmo substituir a ingestão de leite porque durante o processo de fermentação deste produto lácteo, os microrganismos Streptococcus thermophilus e Lactobacillus bulgaricus degradam a lactose.

Resumindo: o leite que nos alimenta e faz tão bem à saúde, que é sistemáticamente recomendado e de um modo muito especial para crianças em crescimento e mulheres menopáusicas para prevenir a osteoporose, em determinados casos pode ser a causa de grande mal-estar e sintomas de doença.

Interacções humanas e validade interna dos estudos

2009-05-06T22:50:00.004+01:00

As actividades humanas envolvem interacções sociais e estas podem constituir ameaças à validade interna dos estudos de grupos populacionais, conduzindo a conclusões que não são directamente causadas pelo programa ou tratamento dirigido ao(s) grupo(s) estudado(s).

A maioria destas ameaças ocorrem porque os grupos, os investigadores e outras pessoas envolvidas na investigação, ainda que conscientes do papel que desempenham no estudo, têm contacto uns com os outros. Muitas destas ameaças podem ser minimizadas isolando os grupos uns dos outros mas isso leva a outros problemas: por um lado, é difícil isolar um grupo aleatorizado; por outro lado, é difícil garantir a validade externa (generalização das conclusões para a população) de um estudo de grupos isolados.

As principais ameaças à validade interna dos estudos, devidas às interacções sociais, são: difusão ou imitação do tratamento; rivalidade compensatória; desmoralização e equalização compensatória do tratamento.

Tomemos como exemplo dois grupos de estudantes da mesma escola e do mesmo nível de ensino. No início do estudo os dois grupos têm o mesmo nível de conhecimentos. Apenas a um deles é aplicado um programa de formação em matemática e o outro é o grupo controlo. Pretende-se saber em que medida o programa de formação vai contribuir para a aquisição de competências em matemática, comparando os conhecimentos dos dois grupos numa avaliação final, após o programa.

Difusão ou imitação do tratamento. Acontece por exemplo, quando o grupo controlo tem conhecimento, directa ou indirectamente, dos conhecimentos adquiridos pelo grupo que recebe formação específica. Também pode acontecer que o grupo controlo se esforçe por "imitar" o grupo em estudo, aprofundando os seus conhecimentos de matemática, logo, reduzindo a diferença de conhecimentos que poderia existir nos dois grupos no fim do estudo se o grupo controlo não tivesse tido conhecimento do programa de formação.

Rivalidade compensatória. Neste caso, o grupo controlo esforça-se por adquirir as mesmas competências do grupo em estudo, mas motivados por um sentimento de rivalidade. Pode acontecer que o grupo controlo seja mesmo incentivado por professores para "fazer ver" ao grupo em estudo que também são capazes de adquirir os mesmos conhecimentos, apesar de não terem acesso ao mesmo programa de formação. Se os dois grupos adquirirem níveis de competências próximos no fim do estudo, é impossível verificar os efeitos da formação, ainda que eles tenham existido e tenham sido positivos.

Desmoralização. Esta é a ameaça à validade interna do estudo, oposta às anteriores. Neste caso, o grupo controlo, descontente, revela propositadamente na avaliação final um nível de conhecimentos mais baixo do que aquele que realmente tem, aumentando a diferença entre os dois grupos. Isto faz com os efeitos do programa pareçam maiores do que na realidade foram.

Equalização compensatória do tratamento. Nesta ameaça à validade interna dos estudo, estão envolvidos os próprios investigadores. Pode acontecer que os professores e /ou os pais dos alunos do grupo controlo, considerem que estes ficam em desvantagem em relacção ao grupo que recebe o programa e pressionem os investigadores para que compensem este grupo com outro programa de formação. Este programa de compensação pode interferir nas conclusões do estudo. Por exemplo, se aumentar a autoestima do grupo controlo, não vai ser possível ao investigador avaliar as alterações da auto-estima do grupo em estudo relativamente aos programas tradicionais do ensino da matemática.

A interacção humana interfere e está sempre presente nos estudos de investigação que envolvem as pessoas. A interacção pode ser reduzida se os grupos formados não se conhecerem (por exemplo, se o grupo controlo e o grupo ao qual é dirigida a formação pertencerem a escolas diferentes) mas nunca poderá ser totalmente eliminada: haverá sempre a possibilidade de que as interacções humanas interfiram na avaliação de relações causa-efeito.

Referência

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Viés de selecção e validade interna dos estudos

2009-05-05T23:31:00.004+01:00

Grande grande parte dos estudos de investigação, envolve dois grupos: o grupo no qual o investigador vai intervir e outro grupo, em tudo comparável ao primeiro, sobre o qual não vai incidir nenhuma intervenção. Este, é o grupo controlo ou grupo de comparação. Porém, não é sempre assim: há estudos em que dois ou mais grupos idênticos são sujeitos a intervenções diferentes, com o objectivo de comparar os efeitos (outcomes) relativos das respectivas intervenções.

Frequentemente, as medidas ou avaliações são efectuadas pelo menos em dois momentos - antes e depois da intervenção. O investigador pretende saber se da sua intervenção (causa) surge um outcome (efeito) e em que grau ele ocorre. Para isso, é necessário garantir que todo o efeito produzido seja realmente devido ao programa aplicado. Como é que o investigador consegue isso? Na selecção dos grupos.

No início do estudo, antes do programa ou tratamento, os grupos têm que ser em tudo idênticos. Se não forem, os resultados que o investigador vai obter não podem ser considerados (ou pelo menos não totalmente) efeitos da intervenção. Assim se compreende que o ponto fulcral dos estudos com múltiplos grupos é a selecção dos participantes no estudo. Se a selecção não for aleatória, ou se os grupos não forem comparáveis, o que o investigador vai obter é um viés de selecção, que está na base de todas as ameaças á validade interna dos estudos de múltiplos grupos.

Nos casos em que não seja possível aleatorizar os participantes dos grupos, estes devem ser tão equivalentes quanto possível. Por exemplo, é razoável crer que duas turmas do mesmo ano e do mesmo estabelecimento de ensino básico, possam constituir dois grupos equivalentes.

As ameaças à validade interna dos estudos de múltiplos grupos tem paralelismo com a ameaças à validade interna dos estudos de um único grupo. A diferença é que, no caso dos estudos com dois ou mais grupos, as ameaças estão relacionadas com a selecção dos participantes.

Tomemos como exemplo dois grupos de crianças da mesma escola e do mesmo nível de ensino. Apenas a um deles é aplicado um programa de formação em matemática e o outro é o grupo controlo.

Selecção-História – podem ocorrer acontecimentos específicos, no decurso do estudo mas exteriores a ele, que interfiram de diferentes modos em cada grupo. Por exemplo, num dos grupos pode haver maior percentagem de crianças que vejam programas televisivos onde são ensinados conceitos de matemática. Se o grupo em estudo tiver hábitos televisivos que lhe confere mais conhecimentos de matemática do que o grupo controlo, obterá melhores resultados no teste final, independentemente do programa de formação. Se o grupo controlo tiver hábitos televisivos que lhe confere mais conhecimentos de matemática do que o grupo em estudo, o investigador pode concluir erradamente que o seu programa de formação não teve o efeito desejado.

Selecção-Maturação – o processo natural de maturação dos sujeitos (ficar mais velho, ser exposto a uma série de eventos exteriores ao estudo) pode ser diferente nos dois grupos. Um dos grupos pode ter uma taxa maior de maturidade em relativamente à compreensão dos conceitos matemáticos do que o outro, no tempo que decorre entre a primeira e a última avaliação. Se o grupo em estudo tiver maior taxa de maturação do que o grupo controlo, obterá melhores resultados no teste final, independentemente do programa de formação. Se o grupo controlo tiver maior taxa de maturação do que o grupo em estudo, o investigador pode concluir erradamente que o seu programa de formação não teve o efeito desejado.

Selecção-Efeitos do teste – o pré-teste pode predispor os sujeitos e prepará-los para o pró-teste, sem necessidade de nenhuma outra intervenção, tornando os participantes mais conscientes do que se espera deles no pós-teste. Se esta percepção for diferente nos dois grupos, a predisposição para o pós-teste acontecerá de modo diferente, o que irá condicionar os resultados do estudo.

Selecção-Instrumentação – refere-se a qualquer diferença nos instrumentos de avaliação inicial e final usados nos dois grupos, ou mesmo a diferentes atitudes dos observadores (formadores diferentes, cansaço, aborrecimento, etc.) na avaliação de cada grupo.

Selecção-Mortalidade – acontece quando há diferença na percentagem de abandono do programa, em dois grupos não selecionados aleatóriamente. Esta pode ser a causa de eventuais diferenças encontradas na avaliação final dos dois grupos e não o próprio programa.

Selecção-Regressão – acontece quando o fenómeno de regressão à média é diferente entre os dois grupos. Isto pode acontecer quando um dos grupos é mais extremo do que o outro. O grupo mais extremo apresentará uma regressão à média maior do que o outro. Se o grupo mais extremo for o grupo em estudo, o investigador pode facilmente concluir que este grupo obteve melhores resultados no pós-teste do que o grupo controlo, sem que na verdade isso tenha acontecido.

Convém frisar que um estudo de dois ou mais grupos, só poderá ter validade interna se os grupos formados forem comparáveis, o que só se consegue se forem constituídos de forma aleatorizada. Não sendo possível, os grupos equivalentes poderão dar uma razoável segurança quanto à validade interna do estudo mas não é garantido que isto aconteça. No primeiro caso, o desenho (design) do estudo é experimental: são chamados os estudos experimentais. No segundo caso, estamos perante estudo quase-experimentais.

Nos estudos quase-experimentais, uma primeira avaliação ou medição de baseline poderá dar uma indicação das diferenças existentes entre os dois grupos e fornecer algumas indicações sobre a plausibilidade da existência de viés de selecção.

Nos estudos em que se pode demonstrar que não há viés de selecção, ainda assim não se pode assumir uma garantia absoluta da existência de validade interna. Existem ainda ameaças à validade interna relacionadas com a interacção humana, que existe sempre quando se estudam grupos integrados na sociedade.

Referência

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Artigos relacionados:

Validade interna na pesquisa científica

Relações de causalidade e ameaças à validade interna

Ameaças à validade interna no estudo de um único grupo

Regressão à média

Artigos científicos em português

2009-05-02T18:45:00.002+01:00

Onde pesquisar artigos científicos / revistas científicas em língua portuguesa, publicadas online?

Para facilitar a sua pesquisa, "Onde Encontro?" disponibiliza-lhe listas de publicações científicas em língua portuguesa, as quais, não pretendendo ser exaustivas, podem ser actualizadas sempre que os visitantes queiram colaborar. Para isso, basta que comentem este ou qualquer outro artigo do blogue, e contribuam com a sua sugestão.

Estimativa e correcção da regressão à média

2009-05-01T21:15:00.011+01:00

A regressão à média é um fenómeno estatístico que ocorre quando a amostra não é representativa da população e constitui uma das ameaças à validade interna dos estudos. (leia Ameaças à validade interna no estudo de um único grupo e Regressão à média, dois artigos publicados neste blogue.

A regressão à média (rm) é inversamente proporcional à correlação (r) entre as medidas: se a correlação for total (r = 1), a regressão à média é 0; se a correlação for de 50%, a regressão à média tem o mesmo valor; se a correlação for nula (r = 0), a regressão à média é 1 (100%).

A fórmula para calcular a regressão à média é: Pmr = 100(1-r).

Trochim exemplifica a estimativa e correcção da regressão à média com o exemplo de um estudo em que o investigador pretende averiguar o impacto de um programa de formação a um grupo. Para isso, o investigador selecciona a amostra, aplica um pré-teste para saber quais são os conhecimentos de base do grupo, dá a formação e, para finalizar o estudo, aplica um teste final. O impacto do estudo será a diferença entre as médias obtidas pelo grupo no pré-teste e no teste final.

Suponhamos que a média do pré-teste na população seria de 50 pontos e que a amostra (não representativa da população) obteve uma média de 30 pontos.

Se o programa de formação não tiver qualquer efeito, podemos predizer que no teste final, a média da população continuaria a ser de 50 pontos e que a amostra obterá os mesmos 30 pontos, se não se verificar o fenómeno de regressão à média.

Suponhamos agora que a correlação entre as avaliações dos dois testes para a população seria de 50% (r = 0,5).

Dada a fórmula, podemos esperar 50% de regressão à média no grupo amostrado, o que significa que, em vez de se verificar a média de 30 pontos no teste final, o grupo apresentará este valor, somado a 50% da diferença entre as médias da amostra e da população no pré-teste.

Trochim_socialresearchmethods_regmean2.gif

Assim, a média da amostra será de: 30 + 0,5 x (50-30) = 40 pontos, ou seja, verifica-se um pseudo-efeito de 10 pontos, devido ao fenómeno de regressão à media, o que pode levar investigador a concluir erradamente que os 10 pontos de diferença entre os dois testes são efeito do seu programa de formação.

Consideremos agora que o programa de formação tem como efeito um acréscimo de 15 pontos na avaliação média da população (50 + 15 = 65 pontos). Neste caso, seria esperado que a amostra que tinha obtido uma média de 30 pontos no pré-teste, obtenha uma média de 45 pontos (30 + 15) no teste final se não se verificasse o fenómeno de regressão à média (r = 1).

Recordemos que a correlação entre as avaliações dos dois testes para a população seria de 0,5. Assim, a regressão à média vai abranger 50% da diferença entre a médias de 45 pontos da amostra e a média de 65 pontos da população e então a média da amostra no teste final será: 45 + 0,5 x (65-45) = 55 pontos.

Trochim_socialresearchmethods_regmean3.gif

Mais uma vez, verifica-se um pseudo-efeito de 10 pontos, devido ao fenómeno de regressão à média.

A regressão à média, é uma das mais subtis ameaças à validade interna dos estudos que, na opinião de Trochim, por vezes escapa aos investigadores.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Regressão à média

2009-04-30T10:02:00.004+01:00

A regressão à média é um fenómeno estatístico que ocorre quando a amostra utilizada não é aleatória e no estudo existem duas medidas (medições ou avaliações) mal correlacionadas. Este fenómeno constitui uma das ameaças à validade interna de um estudo.

Da avaliação inicial efectuada num estudo (baseline), são obtidas medidas que na população apresentam uma distribuição normal, ou seja, a distribuição de frequências tem aproximadamente a forma de sino.

Assumindo que a amostra é constituída pelos 10% dos elementos da população que têm a menor avaliação num teste efectuado previamente à intervenção do investigador (ex. formação), a média de todas as avaliações no pré-teste, será claramente inferior à média que se obteria se a amostra fosse representativa da população.

Agora vamos supor que a formação dada ao grupo amostrado, não funciona. O que acontecerá no pós-test (avaliação no final da formação)? Os resultados da avaliação final serão tão maus quanto foram os da avaliação inicial? Ou, posta a questão de outro modo: a distância a que estava a média obtida pela amostra relativamente à média da população no pré-teste, mantêm-se a mesma no pós-teste? Seria de supor que sim, mas não.

Trochim_socialresearchmethods_regmean1.bmp

Na figura que Trochim apresenta para ilustrar este fenómeno, verifica-se que no pós-teste, a média da amostra se aproxima da média da população – regress toward the mean. Daqui a expressão “regressão à média”.

Qual será a explicação para este fenómeno? Vejamos: a amostra é constituída pelos 10% dos elementos da população que têm a menor avaliação no pré-teste. No entanto, não será de supor que exactamente o mesmo grupo constituísse o grupo dos piores classificados num eventual pós-teste efectuado por toda a população. A maioria deles talvez, mas alguns dos elementos teriam uma avaliação mais próxima da média da população e não fariam parte dos 10% com piores classificações. Por outro lado, alguns dos que conseguiram escapar do grupo dos 10% que tiveram piores classificações no pré-teste por algum golpe de sorte, poderão ficar entre o 10% pior classificados no pós-teste.

O mesmo se verificaria se, no extremo oposto, a amostra escolhida tivesse sido os 10% melhor classificados no pré-teste: grande parte dos elementos deste grupo constituiria o grupo dos melhor classificados no pós-teste, mas nem todos. Também neste caso, no pós-teste, a média dos 10% melhor classificados sofreria uma “regressão” em direcção ao valor médio da população. A regressão à média tem características próprias.

É um fenómeno estatístico, consequência de se ter uma amostra não representativa da população. Se a amostra fosse aleatória, a média da amostra no pré-teste coincidiria com a média da população (+ ou – o erro aleatório) e neste caso não haveria lugar a este fenómeno.

É um fenómeno de grupo porque, a média do grupo aproxima-se da média da população no pós-teste, embora possam haver indivíduos na amostra cuja avaliação se afaste.

Acontece entre quaisquer duas variáveis, que se medem em momentos diferentes do tempo ou que se medem simultâneamente (ex. peso e altura).

É um fenómeno relativo porque, qualquer que seja o desempenho da média da população no pós-teste, a média da amostra aproxima-se sempre da média da população.

Pode acontecer nos dois sentidos – se a amostra for constituída pelos sujeitos que no pré-teste tiveram a pontuação extrema inferior, o valor médio desta amostra no pós-teste subirá; pelo contrário, se a amostra for constituída pelos sujeitos que no pré-teste tiveram a pontuação extrema superior, o valor médio desta amostra no pós-teste baixará.

Quanto mais extrema for a amostra maior é a regressão à média. Se a amostra não for muito extrema, a sua média no pré-teste estará próxima da média da população, o que impede que a regressão possa ser grande mas quanto mais extrema for a amostra, mais “espaço” haverá para que a regressão possa ocorrer, entre as grandezas das médias da amostra e da população.

Quanto menos correlacionadas estiverem duas variáveis, maior é a regressão à média. Se todas as medidas estiverem perfeitamente correlacionadas não haverá regressão à média mas na prática, não é provável que isto ocorra dado que as medidas têm sempre algum grau de incerteza.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Ameaças à validade interna no estudo de um único grupo

2009-04-27T15:20:00.005+01:00

Para assegurar a validade interna de um estudo de investigação é necessário conhecer os factores externos que a ameaçam e colocar uma série de questões para verificar se estas ameaças exteriores serão (ou foram) controladas.

«Se alguém enunciar uma explicação alternativa (hipótese rival) dos resultados obtidos, a investigação não possui validade interna», afirma Chagas. Segundo Trochim, as ameaças à validade interna de um estudo de investigação efectuado com um único grupo podem ser divididas em seis categorias principais: história; maturação; teste; instrumentação; mortalidade e regressão. As duas primeiras podem ocorrer, independentemente de haver ou não uma medição no início de estudo. As restantes, só ocorrem quando o projecto do estudo compreende uma avaliação de baseline ou pré-teste e uma avaliação no fim do estudo, ou pós-teste (tema tratado no artigo Desenhos de estudo com um único grupo, publicado neste blog).

Trochim e Chagas, ilustram estas ameaças à validade interna, utilizando como exemplos a aquisição de conhecimentos por parte de um grupo de crianças do primeiro grau de ensino exposto a um programa de formação em matemática e um estudo sobre os efeitos das actividades de investigação no aproveitamento em matemática, respectivamente.

História – podem ocorrer acontecimentos específicos, no decurso do estudo mas exteriores a ele, que interfiram na investigação. Exemplo de Trochim: o melhor aproveitamento em matemática não se deveu apenas ao programa de formação em matemática, mas também a programas televisivos que apresentam conceitos matemáticos elementares, tais como a Rua Sésamo, a que as crianças assistiram do decurso do estudo. Exemplo de Chagas: os alunos participaram num trabalho projecto, entre o pré-teste e o pós-teste.

Maturação – os resultados obtidos no final do estudo devem-se apenas ao processo natural de maturação dos sujeitos (ficar mais velho, ser exposto a uma série de eventos exteriores ao estudo). A ameaça “maturação” difere da ameaça “história” na ocorrência de acontecimentos diversos, próprios da vida normal dos sujeitos ou acontecimentos específicos, respectivamente. Trochim e Chagas dão exemplos idênticos, que se podem resumir da seguinte forma: o resultado do estudo teria sido exactamente o mesmo se não tivesse existido o programa de formação em matemática, devido ao processo natural de maturação no período em que decorreu o estudo, o que implicou mudanças significativas nos sujeitos tais como o desenvolvimento das suas capacidades de compreensão associadas ao crescimento.

Efeitos do teste – o pré-teste pode predispor os sujeitos e prepará-los para o pró-teste, sem necessidade de nenhuma outra intervenção. Esta ameaça à validade interna só ocorre nos desenhos de estudo em que se projecta uma medição (avaliação) no início do estudo para servir de ponto de partida ou baseline. Exemplo de Trochim: o pré-teste tornou as crianças mais conscientes do que seria esperado delas no pós-teste, de modo que, no decurso do programa de formação em matemática, elas prepararam-se para o teste final de um modo que não teriam feito se não tivessem sido confrontadas com o pré-teste. Exemplo de Chagas: os sujeitos podem “ter aprendido algo” ao realizar o pré-teste de avaliação de competências específicas.

Instrumentação – «falta de fiabilidade ou de consistência nos instrumentos de recolha de dados e respectiva utilização», assim define Chagas esta ameaça à validade interna de um estudo. Tal como a ameaça “efeitos do teste”, a ameaça “instrumentação” só se aplica aos estudos em que há uma medição de baseline. Exemplo de Trochim: a alteração que houve nas avaliações pré-teste e pós-teste, não se deveu ao programa de formação em matemática mas sim ao instrumento de avaliação – provas de avaliação não equivalentes ou cansaço do avaliador. Exemplo de Chagas: os investigadores que corrigiram o pré-teste eram diferentes dos que corrigiram o pós-teste.

Mortalidade – significa a perca de sujeitos durante o estudo, não porque morram (embora isso também possa acontecer) mas porque abandonam o estudo no seu decurso. O problema que se coloca nesta situação é que se o abandono do estudo for diferencial (ex. os que tinham as avaliações mais baixas no pré-teste) a diferença entre as observações obtidas no pré-teste relativas a todos os participantes e as observações obtidas no pós-teste relativas aos participantes que ficaram, não será a mesma que teria sido se não tivesse havido abandono do estudo. O investigador poderia resolver este problema comparando as médias obtidas no pré e pós-teste, considerando apenas os sujeitos que ficaram mas provavelmente esta sub-amostra não será representativa da amostra original. Para o saber, o investigador pode comparar as observações do pré-teste obtidas nos dois grupos: os que abandonaram e os que ficaram. Se não houver diferenças significativas, é razoável assumir que a “mortalidade” não foi diferencial, ou seja, os sujeitos que abandonaram o estudo não eram um subgrupo específico da amostra original e que por isso os resultados não vão ser muito enviesados. Se pelo contrário as observações do pré-teste forem muito diferentes nos dois grupos, os resultados serão enviesados pela “mortalidade”. Trochim explica que se os sujeitos que abandonaram o estudo eram os que tinham as avaliações mais baixas no pré-teste e o investigador usar todas as avaliações de pré-teste e de pós-teste, vai obter uma medida inflacionada da diferença das duas médias.

Regressão – regressão artefacto (regression artifact), regressão à média (regression to the mean), é um fenómeno estatístico que ocorre quando a amostra não é aleatória e as medidas de pré-teste e pós-teste não estão correlacionadas, explica Trochim: «consequência de se terem escolhido sujeitos com base nos respectivos resultados extremos», assim define Chagas esta ameaça à validade interna de um estudo. Para exemplificar esta ameaça à validade interna, Trochim diz que não é provável que se a amostra for constituída pelos 10% de alunos que têm as avaliações mais baixas no pré-teste, estes constituam exactamente os 10% de alunos que teriam menores classificações no pós-teste. Por outro lado, a média da avaliação em matemática que se verificar no pós-teste, não poderá ser menor do que a obtida no pré-teste e há uma tendência destas medidas apresentarem valores mais próximos da média, podendo assim levar a impressões erradas sobre os efeitos do tratamento.

Uma das formas de minimizar as ameaças à validade interna num estudo, como já foi referido no artigo Relações de causalidade e ameaças à validade interna publicado neste blog, é a existência de um grupo controlo, em tudo semelhante ao grupo estudado (incluindo todas as ameaças à validade interna aqui referidas) excepto na exposição à intervenção do investigador, o que vai permitir excluir muitas variáveis exteriores ao estudo, passíveis de influir nele.

Entretanto, se houvesse um grupo controlo, estaríamos a tratar um desenho de estudo diferente, com mais do que um grupo e também susceptível a vieses provocados por outras ameaças à sua validade interna.

Referências:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Isabel Chagas. Ameaças à Validade de uma Investigação. Publicação online. URL: http://www.educ.fc.ul.pt/docentes/ichagas/mi1/ameacasvalidade.pdf, acedido em 23 de Abril de 2009.

Desenhos de estudo com um único grupo

2009-04-27T09:59:00.003+01:00

Quando um estudo de investigação incide sobre um único grupo de indivíduos, o investigador pode efectuar as suas medidas num só momento ou em dois momentos diferentes – pré-teste e pós-teste –, conforme as características do grupo alvo do estudo e a intervenção ou programa a que o grupo é exposto.

Trochim, http://www.socialresearchmethods.net/kb/intsing.php

No primeiro caso, não há necessidade de efectuar medidas no início do período do estudo. Um exemplo desta situação é um estudo em que se pretende avaliar o desempenho de um grupo que nunca tenha utilizado um computador, depois de um programa de formação na utilização da internet. Parte-se do princípio de que o conhecimento de base (baseline) deste grupo em utilização da internet é nulo e uniforme (nenhum dos sujeitos tem conhecimentos em internet). Neste caso, apenas é necessário tomar medidas de aquisição de competências – pós-teste – após a intervenção, ou seja, após a formação administrada ao grupo.

Um exemplo do segundo caso é um estudo em que se pretende avaliar o desempenho de um grupo que já utilize computadores, depois de um programa de formação na utilização da internet. Parte-se do princípio de que o conhecimento de base deste grupo em utilização da internet não é nulo nem uniforme. Neste caso, o investigador tem que tomar medidas dos conhecimentos que os sujeitos têm no início do estudo – baseline – para as comparar com as medidas de aquisição de competências após a intervenção, ou seja, após a formação administrada ao grupo.

Em qualquer dos casos, o investigador quer saber se houve aumento de aquisição de competências em utilização da internet, mas não lhe basta avaliar e quantificar – tem que se certificar de que as competências adquiridas são realmente resultado do seu programa.

O investigador deve fazer a seguinte interrogação: as diferenças observadas na variável dependente (aquisição de competências, no exemplo dado) são o resultado directo de uma manipulação na variável independente (programa de formação, no exemplo dado)?

De facto podem não ser porque existem ameaças à validade interna de qualquer estudo, exteriores ao estudo mas que podem enviesar os resultados e as conclusões.

Se precisar recordar o conceito de validade interna de um estudo, leia os artigos Validade interna na pesquisa científica e Relações de causalidade e ameaças à validade interna, publicados neste blog.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Relações de causalidade e ameaças à validade interna

2009-04-24T15:12:00.010+01:00

A condição fundamental para que se verifique validade interna num estudo de investigação é a relação causal. Garantir a validade interna de um estudo, é garantir que uma intervenção produziu um efeito (outcome).

Mas que condições têm de ser cumpridas para que se verifique a relação causa-efeito?

A evidência de uma relação causal é dada pela satisfação de três critérios principais: precedência temporal; covariação da causa e efeito; inexistência de explicações alternativas plausíveis.

Precedência temporal. A causa deve existir antes do efeito. Parece lógico: se uma pessoa toma um medicamento, o efeito dele acontecerá depois de o ter tomado. A toma do medicamento (causa) precede o seu efeito. Porém, nem sempre é assim tão simples determinar a causa e o efeito. Há processos que se influenciam reciprocamente e que ocorrem ciclicamente, como as taxas de inflação e de emprego, no exemplo dado por Trochim. É possível que a inflação possa afectar as taxas de emprego? É possível que as taxas de emprego tenham influência nas taxas de inflação, pelo menos até certos limites?

Trochim, http://www.socialresearchmethods.net/kb/intval.php

Os economistas saberão responder as estas questões e possivelmente concordarão que por vezes poderá ser muito difícil determinar qual destas variáveis é a causa e qual delas é o efeito, o que torna muito difícil estabelecer uma relação causal nesta situação.

Covariação da causa e efeito. Uma relação causal só pode ser demonstrada se demonstrar que há alguma relação entre dois acontecimentos. Exemplo: se da realização de determinada intervenção surge determinado efeito e se da não realização da mesma intervenção não surge o mesmo efeito, então esta intervenção e este efeito estão relacionados.

Inexistência de explicações alternativas plausíveis. A demonstração de uma relação entre a intervenção e o efeito só por si não demonstra que haja uma relação de causalidade – pode haver um(a) ou mais variáveis ou factores associados à intervenção, responsáveis pela ocorrência do outcome. Este é o cerne da questão da validade interna. Quais são algumas das explicações alternativas plausíveis? Mais uma vez, um exemplo de inspirado em Trochim: há evidências de que uma campanha de sensibilização para os malefícios do tabaco efectuada em determinado grupo, na qual o investigador quantificou o consumo diário de cigarros por parte dos sujeitos antes e depois da campanha, teve como efeito uma redução significativa do consumo. Entretanto, sabe-se que enquanto decorria a campanha, uma autoridade de saúde de reconhecida competência, emitiu advertências para os perigos do tabaco, às quais este grupo, assim como a população em geral teve acesso. Dado que a campanha de sensibilização para os malefícios do tabaco efectuada em determinado grupo pelo investigador coincidiu em termos temporais com as advertências da autoridade de saúde de reconhecida competência, as conclusões do estudo ficam comprometidas. O que terá de facto causado a redução do consumo do tabaco naquele grupo? A campanha do investigador ou a explicação alternativa plausível “advertências da autoridade de saúde”? O investigador só pode argumentar que o seu estudo tem validade interna – que há um nexo de causalidade entre as suas variáveis (campanha e redução do consumo de tabaco)– se excluir explicações alternativas plausíveis para o outcome encontrado no seu estudo. Esta exclusão não se pode realizar depois do estudo estar feito. Evitam-se as explicações alternativas para o outcome, no desenho do estudo e é por isso que o desenho de estudo é muito importante e está intimamente ligado ao conceito de validade interna.. Exemplo: se o investigador tivesse seleccionado dois grupos equivalentes da mesma população, tivesse quantificado o consumo diário de cigarros por parte dos sujeitos dos dois grupos antes e depois da campanha, tivesse exposto apenas um dos grupos à sua campanha e tivesse concluído que no grupo exposto à campanha tinha verificado uma redução significativa do número de cigarro diários consumidos relativamente ao grupo não exposto (grupo controlo), então poderia excluir a influência das advertências da autoridade de saúde nos seus resultados e concluir que havia uma relação causal entra a campanha e a redução do consumo do tabaco. A existência de um grupo controlo, em tudo semelhante ao grupo estudado excepto na exposição à intervenção do investigador, permite excluir muitas variáveis exteriores ao estudo, passíveis de influir nele.

Para assegurar a validade interna de um estudo de investigação é ainda necessário conhecer os factores externos que a ameaçam e colocar uma série de questões para verificar se estas ameaças exteriores serão (ou foram) controladas.

Segundo Trochim, as ameaças à validade interna de um estudo de investigação podem ser divididas em três categorias principais, conforme digam respeito à intervenção efectuada num único grupo – histórica, maturação, teste, instrumentação, mortalidade, regressão –, em múltiplos grupos – selecção – ou na sociedade. Refere ainda o autor que neste último caso, as ameaças que surgem à validade interna de um estudo são diferentes das que envolvem os grupos porque quando se trata de efectuar uma pesquisa no contexto da sociedade, a reacção das pessoas não decorre apenas do que as afecta mas também do que afecta as pessoas que as rodeiam.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition.Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

Validade interna na pesquisa científica

2009-04-22T18:07:00.012+01:00

Um desenho de estudo é uma planificação ou estrutura do trabalho de investigação que se pretende desenvolver, com o objectivo de responder a uma questão científica.

Os desenhos de estudo mostram como interagem os diversos elementos do estudos – amostras, unidades de análise, medidas, tratamentos, programas e métodos – de forma a obterem-se resultados com validade científica, que respondam às questões centrais da investigação.

A validade dos estudos tem três vertentes: a validade externa, a validade interna e a validade de construto. Estes três tipos de validade já foram abordados no meu artigo Métodos de Investigaçã o, no qual apresentava o Web site de Trochim "Research Methods Knowledge Base".

A validade interna de um estudo, não deve ser confundida com a validade externa nem com a validade de construto. A validade externa de um estudo está relacionada com a veracidade aproximada das conclusões e com a generalização para a população, como já descrito no artigo anteriormente citado e a validade de construto está relacionada com o que se pretende medir e o que realmente se mede, o que por vezes pode não ser exactamente a mesma coisa. Validade de construto e validade interna são conceitos tão diferentes que um estudo pode ter validade interna e não ter validade de construto. Neste caso, a relação de causa-efeito existe, mas não é necessariamente aquela acerca da qual o pesquisador conclui. Validade externa e validade de construto serão abordadas em artigos posteriores. Por agora, centremo-nos na validade interna dos estudos.

A validade interna de um estudo é a aproximação das inferências à verdadeira relação causa-efeito observada. Assim sendo, a validade interna de um estudo só se aplica a estudos cujo objectivo é demonstrar relações causais. Os estudos observacionais ou os estudos descritivos não têm este objectivo, por isso a validade interna não lhes é aplicada. Já os estudos nos quais há intervenção, no sentido de aplicar um programa social, outra intervenção ou tratamento (ex. estudos em que se pretende demonstrar a eficácia de um medicamento para tratar determinada patologia), e determinar se há alteração das observações dado que foi realizada tal intervenção, é essencial assegurar a validade interna do estudo.

O desenho de estudo tem que ser efectuado de tal forma que dê a máxima garantia de que as relações causa-efeito observadas possam ser atribuídas à intervenção efectuada no estudo.

Trochim, http://www.socialresearchmethods.net/kb/intval.php

Por outras palavras: quando se conclui num estudo que há evidência de que uma causa produziu um efeito, deve haver garantia de que a “causa” que produziu o “efeito” (mudança observada ou outcome), foi a intervenção do investigador e não outras possíveis causas.

Exemplo (adaptado de Trochim): imaginemos um estudo em que se observaram os efeitos na aprendizagem de matemática numa turma do 1º ciclo, com a introdução de um jogo de computador no ensino desta disciplina, dadas por um novo professor treinado no software em que corre o jogo. Imaginemos que se verificou uma melhoria no desempenho em matemática por parte desta turma e que o investigador concluiu que o referido jogo teve influência na aprendizagem dos alunos, no sentido de a promover.

De facto, a intervenção do investigador teve o efeito observado mas não há garantia de que a promoção da aprendizagem se tenha devido ao jogo. Pode ter sido devida apenas a uma causa paralela: capacidade do novo professor de captar a atenção dos alunos para a disciplina. Este estudo tem validade interna? Tem, porque houve uma causa (introdução de aulas dadas por um professor treinado num jogo de computador concebido para o ensino da matemática) que produziu o efeito de promover a aprendizagem. De facto, a intervenção do investigador produziu um efeito. O que o estudo não tem é validade de construto, um tema que abordarei proximamente.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: <http://www.socialresearchmethods.net/kb/> (version current as of October 20, 2006).

Métodos de Investigação

2009-04-19T19:17:00.006+01:00

Considero o Web site "Research Methods Knowledge Base" um manual ou mesmo um curso que aborda todas as etapas de um projecto de investigação.
Os conteúdos estão organizados num layout muito agradável e facilitador do percurso que o leitor queira fazer pelas páginas, sem perder a sequência do seu estudo.
Começa por considerações sobre a linguagem, filosofia, ética, conceptualização e avaliação na investigação. De seguida, apresenta um método de formulação de um projecto de pesquisa em ciências sociais, baseado em técnicas tradicionais de geração de ideias tais como "brainstorming" ou o "brainwriting", desenvolvido pelo próprio autor.
Nas páginas seguintes, o autor desenvolve o tema "investigação" desde o seu início - a formulação das questões - até ao fim - as regras de escrita do documento final -, incluindo as técnicas de amostragem probabilística e não probabilística, os diferentes tipos de medidas, os desenhos de estudo e a análise dos dados.
Dá especial relevo à questão da qualidade, apresentando pormenorizadamente os métodos de avaliação da reprodutibilidade e da validade dos estudos.
* A validade externa, relacionada com a amostragem.
* A validade de constructo, relacionada com as medidas.
* A validade interna, relacionada com o desenho de estudo.

Trochim explica que a validade externa de um estudo está relacionada com a veracidade aproximada das conclusões e com a generalização para a população - o grau em que as conclusões do estudo são válidas para a população e apresenta alguns métodos de amostragem probabilística e não probabilística.
É dada especial importância à validade de construto dos estudos de medidas escalares, com a explicação e interpretação da matriz de correlação de coeficientes para a validade convergente e discriminante dos conceitos.
A consistência das medidas é tratada com pormenor, incluindo a explicação de alguns estimadores da reprodutibilidade, entre os quais o Cronbach's Alpha. Relaciona a reprodutibilidade com a validade das medidas, e estas com a validade interna dos estudos. Inclui noções de confiabilidade da medição, e apresenta uma variedade de estimadores de fiabilidade.
Após uma série de importantes considerações relativas à decisão de construir um questionário para um estudo de escrutínio (survey), o autor apresenta alguns exemplos de questões estruturadas e considerações sobre o conteúdo, o formato de resposta (estruturada / não estruturada), a ordem e o local das questões no questionário.
Segue-se uma série de importantes considerações sobre a entrevista, a formação e os comportamentos desejáveis dos entrevistadores.
As escalas utilizadas para medir conceitos abstratos (Trurstone, Likert e Guttman), são explicadas do modo simultâneamente preciso e claro que caracteriza o autor.
Após uma pormenorizada descrição das medidas, seguem-se os relativamene extensos mas bastante pormenorizados capítulos que versam os desenhos de estudo (e a respectiva validade interna), a análise estatística e a redacção do documento final.
Este web site possui ainda um motor de pesquisa que permite ao utilizador o acesso rápido a pequenos excertos de texto do próprio site, nos quais é tratado o assunto relacionado com o(s) termo(s) pertendido(s).
Poderá ser muito útil como orientação de estudantes, professores e investigadores na elaboração e orientação de monografias e projectos de investigação em variadas áreas.

Referência:

Trochim, William M. The Research Methods Knowledge Base, 2nd Edition. Internet WWW page, at URL: http://www.socialresearchmethods.net/kb/ (version current as of October 20, 2006).

O Cálcio na saúde e na doença

2009-04-17T18:42:00.003+01:00

Uma alimentação rica em cálcio é fundamental para a manutenção da saúde e para a prevenção da doença, especialmente da osteoporose, mas também pode provocar cálculo biliar ou renal.

O cálcio é um dos muitos sais minerais que entram na composição do organismo humano e um dos mais conhecidos. Mas, entre todos os minerais (fósforo, magnésio, ferro, cobre, zinco, sódio, potássio, etc. ), o cálcio é talvez o mineral que desempenha mais funções no organismo humano: actua na formação dos ossos e dos dentes; é essencial para o crescimento, a par com outros nutrientes como as proteínas e vitaminas; entra na cascata da coagulação sanguínea, juntamente com a vitamina K; intervém na transmissão do impulso nervoso, participa nos processos de contracção e relaxamento muscular, etc. No processo de contracção e relaxamento muscular, o cálcio desempenha a importante função de permitir que a fibra muscular miosina se movimente ao longo da actina, outra fibra muscular.

Cerca de 99% de todo o cálcio do organismo humano está depositado nos ossos e é regulado pela vitamina D, que promove a sua absorção (após exposição à luz solar). Por sua vez, a absorção do cálcio a nível do intestino é influenciada pela presença de fósforo. A hormona feminina estrogénio também colabora na fixação do cálcio nos ossos. Para haver cálcio em quantidade suficiente no organismo, ele tem que ser ingerido.

A falta de cálcio durante o crescimento leva à deformação dos ossos dos membros inferiores - raquitismo.Na natureza, encontra-se no leite e produtos lácteos, couve, bróculos, espinafres, agrião, alface, aveia, salsa, beterraba, batata doce, cebola, laranja e milho.

O cálcio também pode ser ingerido em alimentos fortificados (aqueles que têm algum nutriente importante adicionado) com este nutriente. Estes alimentos são produzidos pela industria alimentar e destinam-se a suprir carências de grupos específicos ou de populações cuja dieta é deficiente em determinados nutrientes.

Os níveis anormalmente altos de cálcio do sangue - hipercalcemia - podem ocorrer por dois mecanismos principais: por mobilização do cálcio ósseo ou por aumento da absorção intestinal de cálcio. A hipercalcemia pode verificar-se em numerosas patologias, nomeadamente nas neoplasias ósseas e em outras neoplasias em que há metástases no esqueleto.

Nos casos de imobilização prolongada, há descalcificação dos ossos e, ainda que não se verifique hipercalcemia, aumenta a quantidade de cálcio excretada na urina - hipercalciúria. Neste caso, e também no caso das metástases ósseas, a hipercalciúria é devida a um excesso da concentração do cálcio no sangue, que é eliminado pela urina. Pode ainda ocorrer na dieta láctea excessiva, na osteoporose e em outras patologias.

A osteoporose, em particular, é uma doença que atinge particularmente as mulheres durante a menopausa, quando os níveis de estrogénio ficam diminuídos.

Os níveis anormalmente baixos de cálcio do sangue - hipocalcemia - podem ocorrer em várias patologias, nomeadamente no kala-azar (doença provocada pelo parasita Leishmania), nos casos avançados de hipoproteinemia (concentração de proteínas anormalmente baixa no sangue), na pancreatite aguda como consequência da administração de certos medicamentos.

A eliminação diminuída de cálcio na pela urina - hipocalciúria - também se pode verificar em várias patologias, entre as quais o raquitismo e a insuficiência renal.

O cálcio também pode fazer da composição de cálculos biliares ou renais.

Os cálculos biliares são formados por sais biliares, provocados principalmente pelo excesso de cálcio e colesterol na bílis e a retenção desta por muito tempo na vesícula biliar.

Os cálculos renais formam-se no rim, pela acumulação excessiva de sais minerais ou outras subtâncias tais como o ácido úrico ou o oxalato de cálcio. Uma das razões para a ocorrência destes cálculos poderá ser uma dieta excessiva de produtos lácteos e uma ingestão insuficiente de água.

Reprodutibilidade e validade de medidas

2009-04-12T22:39:00.004+01:00

As medidas efectuadas num estudo tem que ser verificadas quanto á sua reprodutibilidade e quanto à sua validade.

Reprodutibilidade
A reprodutibilidade é a medida do grau de concordância - consistência - entre as observações feitas nas mesmas circunstâncias e pode ser verificada a dois níveis: concordância intra-observador/instrumento e concordância inter-observador/instrumento.
A reprodutibilidade intra-observador/instrumento refere-se às medidas efectuadas pelo mesmo observador, com o mesmo instrumento de medida e nas mesmas condições.
A reprodutibilidade inter-observador/instrumento refere-se às medidas efectuadas por diferentes observadores.
A reprodutibilidade de medidas pode ser verificada por testes estatísticos adequados aos dados existentes. Exemplos: análise de variância e coeficiente de correlação intraclasse (para dados quantitativos); estatística Kappa (para dados qualitativos).

Validade
Medidas válidas são aquelas que medem o que é suposto medir. Sabe-se se as medidas obtidas por determinado procedimento são válidas, comparando-as com um padrão-ouro ou Gold Standard, isto é, o melhor procedimento que se conheça para efectuar as mesmas medidas ou observações. O Gold Standard é um método de referência, já validado.
Aqui, o leitor poderá estar a interrogar-se: "se existe um Gold Standard, porque não utilizá-lo sempre nas medições/observações?". Porque pode ser muito dispendioso, ser inacessível ao investigador ou, se falamos em investigação na área da súde, em certos casos, não pode ser utilizado em tempo útil. Por vezes a certeza sobre a existência de uma doença só se dá com o uso de metodologias (Gold Standard) invasivas, como as cirurgias ou mesmo as autópsias. Para efectuar medidas indicadoras das doenças sem recurso a estas metodologias, utilizam-se outras - as que têm que ser validadas, comparando os resultados com os obtidos em casos idênticos com a metodologia que nos dá mais garantias de resultados credíveis.
Os instrumentos ou procedimentos de medida não válidos conduzem a erros sistemáticos, ou seja, há um viés de medição, sempre no mesmo sentido. Exemplo: um aparelho automático de medição da pressão arterial não válido pode indicar sistemáticamente valores de pressão arterial mais altos ou mais baixos do que aqueles que a pessoa realmente tem.
Apenas as medidas reprodutíveis podem ser validadas.
Tal como para a reprodutibilidade, a validade de medidas pode ser verificada por testes estatísticos adequados aos dados existentes. Exemplos: teste t para amostras emparelhadas e coeficiente de correlação intraclasse.

Consequências da não reprodutibilidade de medidas
Uma das condições dos estudos científicos é que devem ser susceptíveis de serem repetidos por outros investigadores, nas mesmas condições. Se as medidas efectuadas num estudo não forem reprodutíveis, desse mesmo estudo, repetido nas mesmas condições, não se obterão as mesmas medidas. Assim, o estudo não pode ser considerado um estudo científico.
Outras consequências são observadas em áreas específicas como a saúde. Exemplo: se as medidas obtidas de um teste de diagnóstico não forem reprodutíveis, em dois testes consecutivos efectuados ao mesmo utente podem obter-se dois resultados diferentes. Assim, pode acontecer que seja fornecido um resultado positivo a um utente quando de facto o seu verdadeiro resultado seria negativo ou vice-versa.

Consequências da não validade de medidas
Se as medidas obtidas num estudo não forem validadas, os resultados do estudo são enviesados. Um dos exemplos mais óbvios é a medição do peso. Se a balança não estiver bem aferida, as pesagens resultarão erradas e por consequência os resultados do estudo serão enviesados, no sentido do erro na medição. A média dos pesos será maior ou menor do que na realidade é se a balança pesar mais ou menos do que deveria pesar, respectivamente. Outras medidas também poderão ser afectadas devido ao erro da pesagem (ex. o índice de massa corporal, em cujo cálculo entra o peso de uma pessoa, sofrerá um viés se esta medida não for correcta).
Tal como na reprodutibilidade, a validade das medidas também tem consequências em áreas específicas, tais como a saúde. Neste caso, medidas efectuadas por procedimentos não válidos, podem levar os clínicos a prescrever medicação não indicada ou em doses não apropriadas para o verdadeiro estado de saúde do paciente.

Segurança Transfusional

2009-04-07T01:40:00.003+01:00

Milhões de vidas são salvas todos os anos através de transfusões sanguíneas. Em muitos países, porém, as pessoas continuam a morrer devido a um inadequado fornecimento de sangue e dos seus produtos.
Estas morte têm particular impacto nas mulheres (em consequência de complicações relacionadas com a gravidez), crianças (desnutrição, malária e anemia grave com risco de vida), vítimas de trauma e sobretudo entre os pobres e desfavorecidos.
O surgimento do HIV na década de 1980 fez destacar a importância de garantir a segurança do sangue e a adequação dos fornecimentos de sangue nacionais. Em muitos países, mesmo naqueles que têm disponibilidade de sangue, os pacientes continuam em risco de contrair doenças transmissíveis através da transfusão, como resultado de práticas ineficientes de recrutamento e selecção de dadores e de utilização de unidades de sangue não testado.
Todos os país devem assegurar:

Disponibilidade de sangue e dos seus produtos, em quantidade adequada e a sua acessibilidade a todos os doentes que necessitem transfusão.
Segurança do sangue e dos seus produtos.
Segurança e adequada utilização clínica do sangue e dos seus produtos.

A equipa de Segurança Transfusional da OMS apoia a criação de programas nacionais sustentáveis de sangue que possam garantir uma provisão de sangue e dos seus produtos, seguros e de alta qualidade, acessíveis a todos os doentes que necessitem transfusões e a sua utilização adequada e segura. Em apoio a esta missão, a equipa de Segurança Transfusional da OMS recomenda a seguinte estratégia integrada para as autoridades de saúde nacionais:

Criação de um serviço nacional de sangue bem organizado, coordenado a nível nacional, capaz de fornecer atempadamente sangue seguro e adequado a todos os pacientes que dele necessitem.
Recolha de sangue exclusivamente a dadores de sangue voluntários e não remunerados, de baixo risco de contrairem infecções transmissíveis por transfusão e critérios rigorosos de selecção.
Testes a todas as dádivas de sangue destinadas a transfusão, para infecções transmissíveis, grupos sanguíneos e compatibilidade.
Produção de componentes sanguíneos para maximizar o uso das dádivas de sangue e possibilitar a prestação de apoio terapêutico aos pacientes com necessidades especiais de transfusão.
Adequada utilização clínica do sangue e a utilização de alternativas, sempre que possível, para minimizar transfusões desnecessárias.
Práticas seguras de transfusão à cabeceira do doente.
Sistema de qualidade abrangente, cobrindo todo o processo transfusional, desde o recrutamento de dadores ao acompanhamento dos beneficiários de transfusão.

Referência: Tradução de "Blood Transfusion Safety". Artigo da autoria da Organização Mundial de Saúde.

Construção de questionários

2009-04-05T02:41:00.002+01:00

Quando o investigador se propõe medir um fenómeno, tem que usar o instrumento adequado, e validado. Quando as medidas são objectivas como o peso, a altura, a temperatura e a velocidade de um grupo de pessoas, podem usar-se instrumentos de medida como uma balança, uma fita métrica, um termómetro e um cronómetro respectivamente.

Mas quando se pretende obter medidas subjectivas, como a satisfação, a fadiga ou a náusea e o grau em que elas ocorrem, os instrumentos para medidas objectivas não são apropriados. Neste caso usam-se instrumentos já previamente construidos e validados por outros autores para populações idênticas ou então têm de ser construídos pelos investigadores interessados na medição.

Os instrumentos mais habituais para medidas subjectivas são as observações, as escalas, as entrevistas, e os inquéritos por questionário. As escalas são um tipo especial de questionários padronizados para ajudar a medir, por exemplo, o grau de depressão. São exemplos, a escala de percentagem da depressão de Hamilton, que se efectua de modo verbal por um entrevistador, e o inventário da depressão de Beck, que consiste num questionário que o paciente deve preencher. A construção destes instrumentos deve ter em conta a percepção dos questionados e a avaliação da intensidade ou das mudanças na sensação.

Existem questionários publicados que podem ser utilizados. Se existirem mas não estiverem publicados, os questionários podem ser solicitados aos respectivos autores, bem como a autorização escrita para o seu uso. Por vezes, estes questionários têm que ser traduzidos e adaptados à população-alvo da investigação, podendo mesmo ser necessário retirar ou acrescentar alguma pergunta.

Os questionários e as entrevistas utilizam-se para recolher informação junto dos participantes relativas a factos, ideias, comportamentos, preferências, sentimentos, expectativas, atitudes e conhecimentos. Enquanto que as entrevistas requerem entrevistadores, via telefónica ou presencial, os questionários têm sobre elas a vantagem de os dispensar, ficando menos dispendiosos em termos de custos e também de tempo. Outra vantagem dos questionários sobre as entrevistas no caso do investigador querer explorar sentimentos ou percepções dos questionados, é que estes se sentirão mais à vontade respondendo de forma anónima.

As questões fechadas, nas quais o questionado assinala a opção que pretende responder de uma lista de respostas, englobam as questões cujas respostas são dicotómicas (ex. sim ou não), escolha múltipla ou gradação em contínuo (ex. extremamente satisfeito, muito satisfeito, bastante satisfeito e insatisfeito). Neste tipo de questões, as potenciais respostas devem ser exaustivas e mutuamente exclusivas.

As questões fechadas do questionário estruturado, limita o sujeito às questões formuladas e às opções de resposta que são apresentadas. Comparativamente com as questões abertas, as questões fechadas têm as desvantagens de não permitir que o sujeito precise o seu pensamento e de eventualmente se perderem respostas importantes para o estudo mas por outro lado têm a grande vantagem de fornecer respostas facilmente codificáveis. A codificação permite simplificar registos e facilita a análise estatística dos dados.

Segundo Fortin (2006), são seis as etapas de construção de um questionário estruturado:

Delimitação da informação a recolher.
Formulação das questões.
Sequência e formato das questões.
Revisão do esboço do questionário.
Pré-teste do questionário.
Redacção da introdução e das directrizes.

Na etapa de delimitação da informação a recolher, o investigador, conhecedor do objectivo do estudo, deve preocupar-se em recolher somente os dados necessários e nada mais.

Na etapa de formulação das questões, o investigador decide o tipo de questões a utilizar, determina se vai utilizar uma só questão para cada ponto a tratar ou um conjunto de questões cobrindo vários aspectos do mesmo tema a tratar, para obter informação mais precisa. Deve usar frases curtas, compreensíveis e que exprimam uma só ideia.

Na etapa de sequência e formato das questões, o investigador agrupa as questões que respeitam a um mesmo tema e ordena as questões. A ordem das questões pode ser feita de vários modos. Exemplos: a) em primeiro lugar as questões de ordem geral, seguindo-se as questões mais específicas; b) em primeiro lugar as questões que suscitam mais interesse para os sujeitos.

Na etapa de revisão do esboço do questionário, o investigador submete-o à crítica de pessoas capazes de detectar erros técnicos ou gramaticais e dar opiniões sobre o seu conteúdo e estrutura.

No etapa de pré-teste do questionário, o investigador dá o questionário (questionário-piloto) a preencher a um pequeno grupo de pessoas, porém representativo da população à qual o questionário se destina a ser aplicado. O pré teste destina-se a verificar:

Se as questões são bem compreendidas.
Se as questões utilizadas permitem recolher a informação que o investigador deseja.
Se o questionário é demasiado longo e/ou se o seu preenchimento é fastidioso, desinteressante ou provoca irritação nos questionados.
Se as questões são ambíguas.

Na etapa de redacção da introdução e das directrizes, o investigador deve colocar no início do questionário uma introdução, a definição do objectivo, a identificação do investigador, instruções de preenchimento, questões relativas a dados demográficos dos sujeitos e um pequeno texto assegurando a confidencialidade dos dados recolhidos.

Os questionários de percepção, assim como qualquer outro instrumento de medida, têm que ser validados, utilizando questionários pré-teste ou questionários-piloto e uma análise estatística adequada.

Referência

Fortin, M. F. (2006). O Processo de Investigação: Da Concepção à realização. Tradução de Nídia Salgueiro. LUSOCIENCIA - Edições Técnicas e Científicas, Lda. ISBN: 972-8383-10-X.

Onde pesquisar artigos científicos

2009-04-02T01:40:00.004+01:00

O melhor meio de pesquisar artigos científicos é a consulta de bases de dados que os compilam, tais como:

Medline / PubMed.
Biblioteca do conhecimento Online (b-on).
ISI Web of Knowledge.

Existem milhares de revistas online nestas bases de dados, sendo que a maior parte delas é publicada em inglês.

As bases de dados disponibilizam texto integral de alguns artigos, os quais se podem consultar em html ou mesmo imprimir em pdf. No entanto, apenas é disponibilizado o resumo da maior parte dos artigos, sendo o acesso ao texto integral apenas possível mediante a compra do artigo.

Existem bases de dados públicas e outras de acesso restrito. Entre as bases de dados públicas e portanto de acesso livre a qualquer utilizador, a partir de qualquer computador, estão a Medline/PubMed e a b-on.

A PubMed é uma base de dados de referência bibliográfica da Biblioteca Nacional de Medicina americana, especializada na área da medicina e biologia, que inclui mais de 18 milhões de citações da Medline sobre ciências da vida, biomateriais e informática médica.

A b-on é um portal de acesso ilimitado às principais revistas científicas internacionais. Reúne mais de 16 750 publicações das principais editoras de revistas científicas internacionais de modo a oferecer um conjunto vasto de artigos científicos disponíveis on-line.

Entre as bases de dados de acesso restrito a assinantes incluem-se as que estão indexadas à Web of Science, também conhecidas como Science Citation Indexes. Estas bases de dados de referência bibliográfica não contêm o texto integral dos documentos mas permitem identificar os que têm maior relevância (quantas vezes foram citados e por quem). A pesquisa das bases de dados indexadas na Web Science, incluindo artigos apresentados em conferências a nível mundial, pode fazer-se através do interface da ISI Web of Knowledge.

Quando os assinantes são instituções de investigação e de ensino superior, normalmente são fornecidos aos colaboradores/alunos passwords que lhes dão acesso gratuito as estas bases de dados na rede de computadores da instituição.

Exemplo de outros sítios de relevância para efectuar pesquisas de informação científica são o Public Library of Science (PloS) e o Google Académico.

O PloS é uma organização sem fins lucrativos de cientistas e médicos empenhados em tornar o mundo da literatura científica e médica um recurso público de livre acesso.

O Google Académico é um motor de busca de informação científica onde se podem encontrar livros, jornais, artigos e resumos.

Os resultados da pesquisa nestes motores de busca são apresentados por ranking de consulta.

Política de Privacidade

2009-04-02T01:37:00.004+01:00

O Google, como fornecedor de terceiros, utiliza cookies para exibir anúncios neste site. Com o cookie DART, o Google pode exibir anúncios para os seus usuários com base nas visitas feitas aos meus e a outros sites na Internet. Os usuários podem desactivar o cookie DART visitando a Política de privacidade da rede de conteúdo e dos anúncios do Google.
Usamos empresas de publicidade de terceiros para veicular anúncios durante a sua visita ao nosso website. Essas empresas podem usar informações (que não incluem o seu nome, endereço, endereço de e-mail ou número de telefone) sobre suas visitas a este e a outros websites a fim de exibir anúncios relacionados a produtos e serviços de seu interesse. Para obter mais informações sobre essa prática e saber como impedir que as empresas utilizem esses dados, clique aqui.