Estatística Aplicada à Experimentação em Medicina Veterinária

Sejam muito bem-vindas e bem-vindos ao Workshop: Estatística Aplicada à Experimentação em Medicina Veterinária!

Nesta página, você encontrará informações importantes, bem como poderá baixar os arquivos base que trabalharemos durante o desenvolvimento do workshop.

É importante lembrar que cada participante deverá trazer seu próprio notebook e que os programas utilizados serão as versões para o sistema operacional Microsoft Windows®.

➼ Antes de tudo

No curso, vamos trabalhar com o Microsoft Excel® e com o RStudio®.

O RStudio® é um um software livre que permite uma interface para utilização do R em um ambiente mais amigável. O R, por sua vez, é uma linguagem de programação muito utilizada na Ciência de Dados.

Por ser uma linguagem de programação, o R permite a criação livre de diversos pacotes que incluem comandos e funções necessários para execução de procedimentos estatísticos de interesse de diversas áreas do conhecimento, incluindo a Medicina Veterinária.

Antes de começarmos, você precisa ter instalado em seu computador o R e o RStudio®. Para isso, clique no link abaixo para ser direcionado ao desenvolvedor do RStudio®. Nessa página, encontram-se os links para o R, que você deverá baixar e instalar primeiro, e para o RStudio® Desktop.

Link para o RStudio®: https://posit.co/download/rstudio-desktop/

Siga as instruções de cada site.

Outra recomendação importante: em seu computador, crie uma pasta própria para guardar os arquivos disponibilizados e gerados durante o workshop. Isso facilitará a busca pelos arquivos e a seleção da pasta de trabalho dentro do RStudio®.

Para treinarmos os testes estatísticos, utilizaremos um banco de dados que você pode baixar clicando aqui. Salve-o na pasta de trabalho que você criou para os documentos do workshop.

Para baixar o esqueleto dos scripts que utilizaremos nos encontros, clique aqui.

➼ Conteúdo programático

1. Introdução à estatística

  • O que é estatística
  • Estatística descritiva e estatística inferencial
  • Significância estatística vs. significância biológica
  • Resultado estatístico vs. conclusão do experimento

Bibliografia selecionada

1. Check Hayden E. Weak statistical standards implicated in scientific irreproducibility. Nature. Published online November 11, 2013:nature.2013.14131. doi:10.1038/nature.2013.14131

2. Fay DS, Gerow KA. A biologist’s guide to statistical thinking and analysis. In: WormBook. ; 2013. http://www.wormbook.org/chapters/www_statisticalanalysis/statisticalanalysis.html

3. Larson-Hall J. Moving Beyond the Bar Plot and the Line Graph to Create Informative and Attractive Graphics1. The Modern Language Journal. 2017;101(1):244-270. doi:10.1111/modl.12386

4. Lovell DP. Biological Importance and Statistical Significance. J Agric Food Chem. 2013;61(35):8340-8348. doi:10.1021/jf401124y

5. Zhan X, Long Y, Zhan X, Mu Y. Consideration of Statistical vs. Biological Significances for Omics Data-Based Pathway Network Analysis. Med One. Published online February 25, 2017. doi:10.20900/mo.20170002

2. Tipos de variáveis

  • Variáveis independentes e dependentes
  • Variáveis quantitativas e qualitativas
  • Abordagem multifatorial vs. multivariada

3. Medidas descritivas

  • Amostra e população
  • Medidas de tendência central ou de posição
  • Medidas de dispersão
  • Medida de precisão: erro padrão
  • Distribuição dos dados
  • Intervalo de confiança
  • Valores extremos (Outliers)
  • Representação dos dados

Bibliografia selecionada

1. Cook CN, Freeman AR, Liao JC, Mangiamele LA. The Philosophy of Outliers: Reintegrating Rare Events Into Biological Science. Integrative and Comparative Biology. 2022;61(6):2191-2198. doi:10.1093/icb/icab166

2. Krzywinski M, Altman N. Error bars. Nat Methods. 2013;10(10):921-922. doi:10.1038/nmeth.2659

3. Krzywinski M, Altman N. Visualizing samples with box plots. Nat Methods. 2014;11(2):119-120. doi:10.1038/nmeth.2813

4. Sullivan JH, Warkentin M, Wallace L. So many ways for assessing outliers: What really works and does it matter? Journal of Business Research. 2021;132:530-543. doi:10.1016/j.jbusres.2021.03.066

4. Probabilidade

  • Espaço amostral e evento
  • Cálculo da probabilidade
  • Operações com probabilidade

Bibliografia selecionada

1. Ghanegolmohammadi F, Ohnuki S, Ohya Y. Assignment of unimodal probability distribution models for quantitative morphological phenotyping. BMC Biol. 2022;20(1):81. doi:10.1186/s12915-022-01283-6

2. Nakajima T. Probability in biology: Overview of a comprehensive theory of probability in living systems. Progress in Biophysics and Molecular Biology. 2013;113(1):67-79. doi:10.1016/j.pbiomolbio.2013.03.007

3. Silva ROBD, Capela JMV. Estudo de Distribuições de Probabilidade: Simulação e Aplicação. In: ; 2014. doi:10.5540/03.2014.002.01.0058

5. Inferência estatística

  • Teste de hipóteses
  • Nível de significância
  • Valor de p
  • Erros tipo I e tipo II
  • Poder do teste
  • Tamanho do efeito
  • Como escolher o teste estatístico
  • Análises paramétricas vs. não paramétricas

Bibliografia selecionada

1. Brydges CR. Effect Size Guidelines, Sample Size Calculations, and Statistical Power in Gerontology. Sands LP, ed. Innovation in Aging. 2019;3(4):igz036. doi:10.1093/geroni/igz036

2. Carvalho AMXD, Matsuo É, Maia MDS. Avaliação da normalidade, validade dos testes de médias e opções não-paramétricas: contribuições para um debate necessário. CeN. 2023;45:e9. doi:10.5902/2179460X67509

3. Di Mauro AO, Curcioli VB, Nóbrega JCMD, Banzato DA, Sediyama T. Correlação entre medidas paramétricas e não-paramétricas de estabilidade em soja. Pesq agropec bras. 2000;35(4):687-696. doi:10.1590/S0100-204X2000000400003

4. Krzywinski M, Altman N. Significance, P values and t-tests. Nat Methods. 2013;10(11):1041-1042. doi:10.1038/nmeth.2698

5. Nakagawa S, Cuthill IC. Effect size, confidence interval and statistical significance: a practical guide for biologists. Biological Reviews. 2007;82(4):591-605. doi:10.1111/j.1469-185X.2007.00027.x

6. Neto AAH, Stein CE. Uma abordagem dos testes não paramétricos com utilização do Excel.

7. Sullivan GM, Feinn R. Using Effect Size—or Why the P Value Is Not Enough. Journal of Graduate Medical Education. 2012;4(3):279-282. doi:10.4300/JGME-D-12-00156.1

8. Yang Y, Sánchez-Tójar A, O’Dea RE, et al. Publication bias impacts on effect size, statistical power, and magnitude (Type M) and sign (Type S) errors in ecology and evolutionary biology. BMC Biol. 2023;21(1):71. doi:10.1186/s12915-022-01485-y

6. Planejamento experimental

  • Métodos de estudo
  • Delineamento experimental
  • Coleta dos dados
  • Organização dos dados

Bibliografia selecionada

1. Blainey P, Krzywinski M, Altman N. Replication. Nat Methods. 2014;11(9):879-880. doi:10.1038/nmeth.3091

2. Goldschmidt G, Matthews B. Formulating design research questions: A framework. Design Studies. 2022;78:101062. doi:10.1016/j.destud.2021.101062

3. Lim HJ, Hoffmann RG. Study Design: The Basics. In: Ambrosius WT, ed. Topics in Biostatistics. Vol 404. Methods in Molecular BiologyTM. Humana Press; 2007:1-17. doi:10.1007/978-1-59745-530-5_1

4. Mayo N, Asano M, Barbic S. When is a research question not a research question? J Rehabil Med. 2013;45(6):513-518. doi:10.2340/16501977-1150

5. Nuzzo R. Scientific method: Statistical errors. Nature. 2014;506(7487):150-152. doi:10.1038/506150a

6. Santarrufina Martínez S, Millán Scheiding M. Criteria for a good research topic. Starting point: The research question. Cirugía Española (English Edition). 2022;100(5):309-311. doi:10.1016/j.cireng.2021.10.014

7. Santos CM da C, Pimenta CA de M, Nobre MRC. The PICO strategy for the research question construction and evidence search. Rev Latino-Am Enfermagem. 2007;15(3):508-511. doi:10.1590/S0104-11692007000300023

8. Thabane L, Thomas T, Ye C, Paul J. Posing the research question: not so simple. Can J Anesth/J Can Anesth. 2009;56(1):71-79. doi:10.1007/s12630-008-9007-4

9. Thiese MS. Observational and interventional study design types; an overview. Biochem Med. 2014;24(2):199-210. doi:10.11613/BM.2014.022

7. Análises de regressão e de correlação

  • Análise de regressão linear
  • Teste de correlação de Pearson
  • Teste de correlação de Spearman

Bibliografia selecionada

1. Altman N, Krzywinski M. Association, correlation and causation. Nat Methods. 2015;12(10):899-900. doi:10.1038/nmeth.3587

2. Altman N, Krzywinski M. Simple linear regression. Nat Methods. 2015;12(11):999-1000. doi:10.1038/nmeth.3627

8. Testando uma única amostra

  • Teste t para uma amostra

9. Comparando dois grupos

  • Teste t de Student
  • Teste de Mann-Whitney
  • Teste t pareado
  • Teste de Wilcoxon

10. Comparando mais de dois grupos

  • Análise de variância (ANOVA)
  • Teste de Kruskal-Wallis
  • ANOVA para medidas repetidas
  • Teste de Friedman

Bibliografia selecionada

1. Krzywinski M, Altman N. Designing comparative experiments. Nat Methods. 2014;11(6):597-598. doi:10.1038/nmeth.2974

2. Krzywinski M, Altman N. Analysis of variance and blocking. Nat Methods. 2014;11(7):699-700. doi:10.1038/nmeth.3005

11. Comparando grupos submetidos a mais de uma variável independente

  • ANOVA de dois fatores
  • ANOVA de dois fatores para medidas repetidas
  • Considerações especiais: quadrado latino e delineamento em bloco casualizado

12. Comparando variáveis categóricas

  • Teste de qui-quadrado
  • Teste exato de Fisher
  • Teste de McNemar

13. Concordância interexaminadores

  • Teste κ de Cohen
  • Teste π de Scott
  • Teste κ de Fleiss

14. Análise de sobrevida

  • Método de Kaplan-Meier

15. Comparando métodos diagnósticos

  • Sensibilidade, especificidade e acurácia
  • Curvas ROC
  • Determinação de intervalo de referência

Bibliografia selecionada

1. Altman DG, Bland JM. Statistics Notes: Diagnostic tests 2: predictive values. BMJ. 1994;309(6947):102-102. doi:10.1136/bmj.309.6947.102

2. Ferreira JC, Patino CM. Understanding diagnostic tests. Part 1. J bras pneumol. 2017;43(5):330-330. doi:10.1590/s1806-37562017000000330

3. Ferreira JC, Patino CM. Understanding diagnostic tests. Part 3. J bras pneumol. 2018;44(1):4-4. doi:10.1590/s1806-37562018000000017

4. Friedrichs KR, Harr KE, Freeman KP, et al. ASVCP reference interval guidelines: determination of de novo reference intervals in veterinary species and other related topics. Veterinary Clinical Pathol. 2012;41(4):441-453. doi:10.1111/vcp.12006

5. Landis SC, Amara SG, Asadullah K, et al. A call for transparent reporting to optimize the predictive value of preclinical research. Nature. 2012;490(7419):187-191. doi:10.1038/nature11556

6. Parikh R, Mathai A, Parikh S, Chandra Sekhar G, Thomas R. Understanding and using sensitivity, specificity and predictive values. Indian J Ophthalmol. 2008;56(1):45. doi:10.4103/0301-4738.37595

7. Patino CM, Ferreira JC. Understanding diagnostic tests. Part 2. J bras pneumol. 2017;43(6):408-408. doi:10.1590/s1806-37562017000000424

8. Polo TCF, Miot HA. Aplicações da curva ROC em estudos clínicos e experimentais. J vasc bras. 2020;19:e20200186. doi:10.1590/1677-5449.200186

9. Wellek S, Lackner KJ, Jennen-Steinmetz C, Reinhard I, Hoffmann I, Blettner M. Determination of reference limits: statistical concepts and tools for sample size calculation. Clinical Chemistry and Laboratory Medicine (CCLM). 2014;52(12). doi:10.1515/cclm-2014-0226

16. Metanálise

  • Métodos para variáveis dicotômicas
  • Métodos para variáveis contínuas

17. Amostragem e tamanho amostral

Bibliografia selecionada

1. Charan J, Kantharia ND. How to calculate sample size in animal studies? Journal of Pharmacology and Pharmacotherapeutics. 2013;4(4):303-306. doi:10.4103/0976-500X.119726

2. Dumas-Mallet E, Button KS, Boraud T, Gonon F, Munafò MR. Low statistical power in biomedical science: a review of three human research domains. R Soc open sci. 2017;4(2):160254. doi:10.1098/rsos.160254

3. Ko MJ, Lim CY. General considerations for sample size estimation in animal study. Korean J Anesthesiol. 2021;74(1):23-29. doi:10.4097/kja.20662

4. Krzywinski M, Altman N. Power and sample size. Nat Methods. 2013;10(12):1139-1140. doi:10.1038/nmeth.2738

5. Serdar CC, Cihan M, Yücel D, Serdar MA. Sample size, power and effect size revisited: simplified and practical approaches in pre-clinical, clinical and laboratory studies. Biochem med (Online). 2021;31(1):27-53. doi:10.11613/BM.2021.010502

6. Stevenson MA. Sample Size Estimation in Veterinary Epidemiologic Research. Front Vet Sci. 2021;7:539573. doi:10.3389/fvets.2020.539573

7. Unit of Biostatistics and Research Methodology, School of Medical Sciences, Universiti Sains Malaysia, 16150 Kubang Kerian, Kelantan, Malaysia, Wan Mohammad WMZ, Department of Community Medicine, School of Medical Sciences, Universiti Sains Malaysia, 16150 Kubang Kerian, Kelantan, Malaysia. Sample Size Calculation in Animal Studies Using Resource Equation Approach. MJMS. 2017;24(5):101-105. doi:10.21315/mjms2017.24.5.11

8. Wareham KJ, Hyde RM, Grindlay D, Brennan ML, Dean RS. Sample size and number of outcome measures of veterinary randomised controlled trials of pharmaceutical interventions funded by different sources, a cross-sectional study. BMC Vet Res. 2017;13(1):295. doi:10.1186/s12917-017-1207-0

➼ Depois de tudo

Espero que vocês tenham aproveitado o curso e que o conteúdo seja útil na atuação de profissional de vocês. Com as bases teórica e prática adquiridas no workshop e, principalmente, com os scripts que vocês produziram da forma como melhor compreendem esse conteúdo, vocês terão capacidade de buscar novos métodos de forma autônoma e adaptar os códigos da forma mais conveniente. Ao fim do workshop, vocês receberão por e-mail um formulário de avaliação do curso e o link para acessar seu certificado.

➼ Material complementar

Links úteis:

Orientações para cálculo do tamanho amostral: https://www.ceua.ufv.br/calculo-do-tamanho-da-amostra/

Várias calculadoras estatísticas: https://www.socscistatistics.com/ e https://statpages.info/

Um guia intuitivo para criar gráficos com o pacote ggplot2: https://www.sthda.com/english/wiki/be-awesome-in-ggplot2-a-practical-guide-to-be-highly-effective-r-software-and-data-visualization

Uma galeria com instruções sobre quais tipos de gráficos é mais adequado para diferentes variáveis e como criá-los: https://r-graph-gallery.com/

© 2020 Universidade Federal de Viçosa - Todos os Direitos Reservados