AVALIAÇÃO DE DADOS EXPERIMENTAIS: UMA ABORDAGEM ALÉM DAS TÉCNICAS BIOESTATÍSTICAS
Na pesquisa científica, a análise de dados experimentais representa importante etapa no processo de esclarecimento de um problema do mundo real. A variedade e pronta disponibilidade de softwares contribui marcadamente no processo de tradução do conjunto de dados heterogêneos em informações valiosas, que quando devidamente integradas, contribuirão marcadamente para a produção de conhecimento útil e relevante. Fatores tais como a existência de particularidades inerentes às pesquisas em ciências da saúde, ressaltam a importância de o pesquisador ampliar sua visão acerca do processo de análise de dados experimentais. Nesse contexto, o presente capítulo abordará, de forma sucinta, alguns aspectos a serem observados em diferentes estágios da análise dos dados, visando assegurar a produção de um conhecimento diferenciado pela pesquisa conduzida. Sendo assim, em um primeiro momento, serão abordadas na etapa pré-analítica, a importância da identificação dos tipos de variáveis do estudo e de uma análise exploratória dos dados na busca de eventuais anomalias (tais como valores duplicados, ausentes, inconsistentes ou atípicos). Em seguida, na etapa analítica, serão comentadas algumas premissas a serem observadas por diversas técnicas estatísticas rotineiramente utilizadas em pesquisas de saúde (independência de observações, linearidade, normalidade e observações atípicas), de forma a assegurar a obtenção de resultados válidos. Finalmente, na etapa pós analítica, será considerada a importância de particularidades inerentes às pesquisas na área de saúde (variabilidade biológica, existência de covariáveis e interações), além dos conceitos de significância estatística e relevância clínica, extremamente relevantes no momento de interpretação, extrapolação e discussão dos resultados obtidos, que devem sempre estar devidamente alinhados com a fundamentação teórica do desenho experimental.
AVALIAÇÃO DE DADOS EXPERIMENTAIS: UMA ABORDAGEM ALÉM DAS TÉCNICAS BIOESTATÍSTICAS
-
DOI: 10.22533/at.ed.82220251123
-
Palavras-chave: Análise de dados experimentais, bioestatística, premissas.
-
Keywords: Experimental data analysis, biostatistics, assumptions.
-
Abstract:
Experimental data analysis consists of an important step during the process of clarifying problems of the real world. The wide range and ready-to-use statistical packages represent a valuable tool in the process of translating heterogenous data sets to valuable information, which after the proper integration, contribute a lot for the production of useful and relevant knowledge. The existence of particularities inherent to health sciences highlight the importance of the researcher to broaden his own horizons regarding the experimental data analysis process. In this context, the present chapter will briefly discuss some aspects to be considered at different steps during experimental data evaluation, in order to assure the delivery of a valuable knowledge by the research design. Initially, at the pre-analytical step, the relevance of identification of variable types, as well as the exploratory data analysis in order to identify potential anomalies (such as duplicate, missing, atypical or inconsistent values) will be commented. Next, during the analytical step, some important assumptions, required by many statistical tests employed at regular basis on health researches (such as independence of observations, linearity, normality and atypical observations) are considered, in order to provide valid results. Finally, at the post-analytical step, there will be discussed some peculiarities faced by health sciences researches (such as wide biological variability, existence of co-variables and interactions) as well as the concepts of statistical significance and clinical relevance - factors that must to be taken into account by the researcher during data interpretation, extrapolation and discussion, to assure the closer alignment with the theorical basis and fundamentals of the study design
-
Número de páginas: 16
- Lucio Souza Gonçalves
- Giselle Marianne Faria
