Oito. Pesquisa e Comunicação

Na última semana, Álvaro Rösler, o cérebro da estatística e da ciência de dados aqui na Oito, foi um dos palestrantes do Innovation Tech Knowledge 2022, realizado na PUCRS.

Álvaro falou sobre inteligência artificial na saúde e levou exemplos já colocados em prática graças à união entre o aprendizado de máquina e o conhecimento especializado na área da saúde. Ele também participou de bate-papo sobre o assunto com Luciano Eifler, CEO da ConceptMed, Tecnologia e Inovação em Saúde.

O ITK 2022 Phygital reuniu lideranças da educação, comunicação, saúde e agronegócios para trocar experiências com profissionais de TI.

O Data Summit ocorreu em Boston, nos Estados Unidos, e abordou principalmente as técnicas de modelagem matemática utilizadas na ciência de dados.

O evento mostrou o que há de mais atual no tratamento e análise de volumes massivos de dados. BI e arquitetura de dados também foram bastante discutidos.

Quase todas as atividades tiveram como foco a aplicação prática das técnicas, possibilitando uma imersão profunda para cientistas de dados, engenheiros de dados e estatísticos.

Nas fotos, também um passeio por Harvard para respirar um pouco daquele ar e, quem sabe, ficarmos mais inteligentes. 🙃

Oioi, alguém por aqui?
Passados muitos meses, a gente decidiu que era hora de voltar a cuidar deste espaço. O sumiço foi unicamente trabalho e necessidade de descansar nos intervalos.
O bom é que a Oito segue com clientes e demandas muito legais e, com isso, a gente tá sempre aprendendo também.
Agora, a ideia é trazer um novo conteúdo uma vez por semana. Se eventualmente precisarmos espaçar um pouco mais, tudo bem porque ninguém é robô. 😉
Amanhã a gente volta para mostrar um evento de ciência de dados que o Álvaro participou em maio, em Boston.

Diversas medidas podem ser utilizadas para descrever uma variável quantitativa, mas as mais comuns são média, desvio padrão e mediana.

💡Incorporar estatísticas adicionais pode auxiliar na compreensão e na descrição da variável.

〰 Na prática, quartis, decis e percentis são as principais separatrizes empregadas para enriquecer este aspecto da análise.

〰 Essas medidas descrevem a posição relativa, em termos de frequência, de um determinado valor presente na amostra.

💡Os quartis dividem a amostra em quatro partes, os decis dividem em dez e os percentis, em cem.

〰 Vale lembrar que a mediana (medida de tendência central) também é uma medida de posição relativa, pois compreende o segundo quartil (Q2).

〰 Já a amplitude interquartil, medida de dispersão fundamental para descrever variáveis quantitativas com distribuição não normal, pode ser descoberta pela subtração do primeiro e do terceiro quartis.

Aproveite essas medidas para qualificar sua análise e aprofundar a compreensão dos seus resultados. 🤗

Diversas medidas podem ser utilizadas para descrever uma variável quantitativa, mas as mais comuns são média, desvio padrão e mediana.

💡 Incorporar estatísticas adicionais pode auxiliar na compreensão e na descrição da variável.

〰 Na prática, quartis, decis e percentis são as principais separatrizes empregadas para enriquecer este aspecto da análise. Essas medidas descrevem a posição relativa, em termos de frequência, de um determinado valor presente na amostra.

〰 Os quartis dividem a amostra em quatro partes, os decis dividem em dez partes e os percentis, em cem.

〰 Vale lembrar que a mediana (medida de tendência central) também é uma medida de posição relativa, pois compreende o segundo quartil (Q2).

〰 Já a amplitude interquartil, medida de dispersão fundamental para descrever variáveis quantitativas com distribuição não normal, pode ser descoberta pela subtração do primeiro e do terceiro quartis.

Aproveite essas medidas para qualificar sua análise e aprofundar a compreensão dos seus resultados. 🤗

A regressão linear simples é um dos modelos matemáticos mais empregados na análise de dados.

〰 Usada para descrever a relação entre duas variáveis aleatórias contínuas, ela permite prever ou estimar o valor de uma variável dependente (desfecho) com base em uma variável independente (explicativa).

💡 A equação da regressão linear é y = a + bx. A letra "a" é o ponto em que a linha intercepta o eixo Y. A letra "b" refere-se à inclinação da reta, ou seja, o valor de "b" (coeficiente de regressão) mede o grau de alteração de y para cada unidade de alteração em x.

Confuso, né? Mas o exemplo vai ajudar. 🙃

Passe as imagens do post para acompanhar.

〰 Abra seu banco de dados no SPSS ou PSPP; clique em "Analisar", selecione "Regressão" e clique em "Linear" (imagem 2).

〰 Na caixa "Dependente”, insira o desfecho; na caixa "Independetes(s)”, insira a variável explicativa. Clique em "Ok” (imagem 3).

〰 Na primeira tabela de resultados, observe que 35,9% da variação dos valores de hemoglobina são decorrentes da idade (imagem 4).

〰 Abaixo, veja que a ANOVA foi significativa (p < 0,001), indicando relação linear significativa entre as variáveis.

〰 A terceira tabela mostra os resultados da regressão. O intercepto foi igual a 19,713 e o coeficiente de regressão igual a -0,106. O valor de p foi significativo (coluna Sig.). Desta forma, caso haja um paciente com idade igual a 79 anos, o valor de hemoglobina estimado será de 11,33 g/dL (y = 19,713 + (-0,106 x 79)).

Esperamos que o conteúdo seja útil. 🤗

De modo geral, cada inclusão em um estudo é representada por uma linha no banco de dados de pesquisa. No entanto, em estudos de maior porte, geralmente com equipe mais numerosa, pode ocorrer repetição na inclusão de dados.

De novo, temos a sorte de o SPSS oferecer uma ferramenta que resolve facilmente o problema. 🤗

Passe as imagens e acompanhe o exemplo:

〰 Abra o banco de dados, clique em "Dados" e, depois, em "Identificar casos duplicados...". (imagem 2).

〰️ Na caixa "Definir casos emparelhados por:", insira a variável identificadora dos indivíduos de pesquisa. No exemplo, a variável é "ID", mas poderia ser nome completo, número do prontuário, etc.
Abaixo, mantenha selecionada a opção "Indicador de casos primários". Observe que o número 1 vai indicar casos únicos e o zero, casos duplicados. A ação vai resultar em uma nova coluna, cujo nome deve ser inserido na caixa "Nome". Lembre-se que o SPSS não aceita espaços entre palavras.
Mantenha marcadas as duas opções na parte inferior. Elas indicam que os casos duplicados vão ser expostos nas primeiras linhas do banco de dados e que vai ser gerada uma tabela de frequências.
Clique em "Ok" para executar a ação e uma janela de resultados vai abrir automaticamente (imagem 3).

〰️ Perceba que foi identificado um caso duplicado no banco de dados - 3,2% dos casos válidos (imagem 4).

〰️ Agora, no banco de dados, veja que as duas ocorrências com ID-015 estão no topo da planilha e que há uma nova coluna chamada "Caso_Único". O primeiro caso com ID-015 recebeu o código zero, classificado portanto como duplicado (imagem 5).

💡Dica final: procure utilizar um identificador individual simples e evite usar o nome completo do indivíduo de pesquisa. Para que o rastreamento funcione, a grafia precisa ser idêntica.

Você já precisou selecionar casos específicos do seu conjunto de dados na hora de realizar uma análise estatística?

Para nossa sorte, o SPSS e o PSPP oferecem uma ferramenta que permite que essa seleção seja feita sem a necessidade de editar um novo arquivo no Excel e de criar bancos de dados secundários.

Vem que a gente mostra como fazer. 🙃

💡O exemplo a seguir possui um conjunto de dados com 29 pacientes. A ideia, no entanto, é analisar apenas pacientes do s**o feminino (código = 0).

Passe as imagens e acompanhe:

〰 Clique em "Dados" e, em seguida, em "Selecionar dados" (imagem 2).

〰 Selecione a opção "Se a condição for cumprida" e clique no botão "Se..." (imagem 3).

〰 Clique na variável "S**o" e arraste para a caixa à direita. Insira um sinal de igual e o número zero. Perceba a criação de um comando que indica a inclusão apenas de pacientes do s**o feminino (S**o = 0). Clique em "Continuar" (imagem 4).

〰 Na caixa principal, observe que, agora, ao lado do botão “Se…”, está o comando definido no passo anterior. Clique em "Ok" e os casos pertinentes vão ser selecionados automaticamente (imagem 5).

〰 Note que todos os casos com o código 1 (masculinos) aparecem riscados e, portanto, não vão ser considerados nas próximas análises (imagem 6).

〰 Para reverter o comando, clique em "Dados", em "Selecionar dados" e, na caixa principal, selecione novamente "Todos os casos”. Para finalizar, clique em "Ok" e todos os casos do conjunto de dados vão voltar a fazer parte da análise.

Salve o post porque essa dica vai ser útil em algum momento. 🤗

Você já se deparou com a ausência de dados na hora de realizar uma análise? É provável que sim.

Quando ocorre, é preciso lançar mão de técnicas para mitigar o efeito negativo que essa falta pode gerar na aplicação dos te**es estatísticos.

💡Contanto que o percentual de perda seja pequeno, é possível realizar a imputação de dados faltantes. Existem diversas técnicas, mas, via de regra, a imputação múltipla é o método mais indicado.

💡No exemplo abaixo, quatro variáveis vão servir de preditor para a imputação dos valores faltantes da creatinina.

Passe as imagens e acompanhe o exemplo prático no SPSS.

〰 Clique em "Analisar", selecione "Imputação múltipla" e clique em "Imputar valores de dados faltantes" (imagem 2).

〰 Transfira as variáveis da caixa "Variáveis" para a caixa "Variáveis no modelo". Abaixo, indique quantos modelos de imputação você quer gerar e atribua um nome para o conjunto de dados que vai ser gerado pela imputação (imagem 3).

〰 Clique na aba "Restrições" e, na caixa "Definir restrições”, atribua a função de cada variável no modelo (imagem4).

〰 Clique em "Ok" e a janela de resultados vai abrir automaticamente (imagem 5).

〰 Observe que as tabelas dos resultados descrevem o modelo e os resultados da imputação.

〰 Os dois valores ausentes de creatinina foram imputados com base nos preditores.

💡Agora, existem dois conjuntos de daos: o original e o conjunto com a imputação. Veja que o segundo mantém grifadas as variáveis imputadas.

As imputações devem ser utilizadas com cautela e bastante critério. Sempre que a técnica for utilizada, ela precisa estar bem descrita e ser totalmente reprodutível. Omitir a realização de imputação é um erro metodológico e não deve ser aceito.

Dúvidas sobre o assunto? Escreve pra gente nos comentários. 🙃

A análise de séries temporais é um recurso bastante útil para investigar eventos ao longo do tempo. Por isso, costuma ser utilizada como suporte para formulação de planos de ação e estratégias. Cada vez mais, diferentes áreas têm se beneficiado das informações extraídas de séries temporais.

〰 Na área da saúde, a análise de uma série histórica pode evidenciar padrões de crescimento, queda, estabilidade, tendência e sazonalidade de uma determinada condição ou evento.

💡Séries temporais têm uma característica determinante: a observação em um ponto do tempo é dependente das observações prévias. Por essa razão, o emprego de regressão linear e modelos lineares generalizados não são uma boa opção para esse tipo de análise.

〰 Para um ajuste adequado, é necessário que a variável em análise possua observações dependentes e correlacionadas. A técnica mais adotada para modelar séries temporais é a função de autocorrelação (ACF - Autocorrelation Function).

〰 A observação da tendência (imagem 2), sazonalidade (imagem 3) e estacionariedade (imagem 4) são fundamentais para a definição da análise e para a escolha do modelo que vai ser implementado para a predição de períodos futuros.

💡As análises de séries temporais podem ser realizadas diretamente no Excel, mas o mais comum é que sejam feitas com o suporte das linguagens de programação R ou Python. Alguns softwares estatísticos também oferecem recursos, mas você vai encontrar limitações importantes.

Deixe um comentário se você tiver interesse em uma dica prática sobre séries temporais. 🤗

No post anterior, abordamos a parte teórica e conceitual da regressão linear simples. Vamos agora a um exemplo prático no SPSS - e lembre-se: essa regressão só se aplica quando há variáveis quantitativas com distribuições que se aproximam da normalidade.

💡Aqui, vamos utilizar as variáveis idade (variável independente) e creatinina (variável dependente) para verificar se elas possuem uma correlação significativa. Caso tenham, vamos quantificar o quanto a creatinina varia em função da idade.

Acompanhe o passo a passo pelas imagem do post.

〰 Clique em "Analisar", siga para "Regressão" e "Linear" (imagem 2).

〰 Na caixa, “Dependente”, insira a variável desfecho. Abaixo, na caixa "Independente(s)”, insira a variável explicativa (imagem 3).

〰 Clique no botão "Estatísticas" e, além das opções já marcadas, selecione "Intervalos de confiança", "Descritivos" e "Alteração quadrada de R”; clique em “Continuar" (imagem 4).

〰 Na caixa principal da análise, clique em "Ok" e uma janela de resultados vai abrir automaticamente (imagem 5).

〰 A tabela "Resumo do modelo" apresenta o coeficiente de Person (R = 0,793) e o coeficiente de determinação (R quadrado ajustado = 0,616). O coeficiente de Pearson indica uma forte correlação positiva da creatinina com a idade, enquanto o coeficiente de determinação mostra que 61,6% da variação da creatinina pode ser explicada pela variação da idade. A última coluna mostra o valor de p (

As análises de regressões são métodos estatísticos que verificam a relação entre duas ou mais variáveis. O objetivo principal é estimar ou predizer uma variável a partir de uma ou mais variáveis explicativas.

💡Por ser extremamente útil, uma das regressões mais conhecidas é a regressão linear simples.

〰 Ela é utilizada para avaliar a relação e estimar valores de uma variável quantitativa dependente com distribuição normal tendo como base uma outra variável quantitativa explicativa, também com distribuição normal.

💡Um modelo de regressão linear simples sempre vai envolver apenas duas variáveis: uma explicativa e uma dependente, ambas quantitativas e com distribuição normal.

〰 Um ponto que merece atenção é a interpretação dos resultados: a existência de uma relação estatística entre a variável dependente e a variável explicativa não determina que exista uma relação de dependência ou de causa e efeito entre elas. A realização e a interpretação de uma análise de regressão deve estar sempre associada à significância clínica referente ao cruzamento das variáveis.

No próximo post, vamos trazer uma dica prática no SPSS e um exemplo de como realizar uma predição com base na equação da regressão linear simples.