Paes AT

Conferncia
Itens essenciais em bioestatstica

Arq Bras Cardiol

volume 71, (n 4), 1998

Itens Essenciais em Bioestatstica

ngela Tavares Paes
So Paulo, SP

Provavelmente, desde o sculo XVII 1, as cincias da

sade vm recorrendo estatstica como instrumento para
a anlise de fenmenos biolgicos. Neste longo perodo,
muitos conceitos e mudanas surgiram nos dois campos
do conhecimento. Por um lado, os estatsticos comearam
a desenvolver tcnicas, motivados principalmente pela
sua aplicao, por outro, os mdicos passaram a dar nfase mensurao como estratgia de anlise cientfica e,
assim, a medicina progressivamente sofisticou suas anlises quantitativas.
Nas ltimas dcadas, esta progresso foi vertiginosa
apoiada pelo crescimento da atividade cientfica em todos os
campos e pela revoluo tecnolgica representada particularmente pelos computadores eletrnicos.
Estimulada pelos desafios das cincias da sade, a
estatstica respondeu to vigorosamente que uma nova
disciplina, a bioestatstica, emergiu em seu meio, organizando um referencial terico prprio e gerando uma grande variedade de conceitos, mtodos e tcnicas de anlise. Para
ser abordado, este universo to vasto requer, inequivocamente, um estudo por partes, o que se busca neste artigo
com a seleo de alguns itens para discusso.

Nvel descritivo (p-value)

Na grande maioria dos artigos cientficos as concluses so baseadas nele; atualmente so raros os que no o
utilizam; pesquisadores so vidos para o revelarem, mas
afinal o que o valor do p?
O valor do p ou p-value conhecido na estatstica
como nvel descritivo e est associado ao que chamamos de
testes de hipteses 2. Portanto, para falar sobre isso necessrio uma breve introduo aos principais conceitos.
Podemos definir como hipteses questes levantadas relacionadas ao problema em estudo e que, se respondidas, podem ajudar a solucion-lo. O papel fundamental
da hiptese na pesquisa cientfica sugerir explicaes
para os fatos. Uma vez formuladas as hipteses, estas devem ser comprovadas ou no atravs do estudo com a ajuda de testes estatsticos. Num teste estatstico so formu-

Instituto Dante Pazzanese de Cardiologia So Paulo

Correspondncia: ngela Tavares Paes Laboratrio de Epidemiologia e
Estatstica Av. Dr. Dante Pazzanese, 500 04012-180 So Paulo, SP
Recebido para publicao em 9/6/98
Aceito em 11/7/98

ladas duas hipteses chamadas hiptese nula (H0) e hiptese alternativa(H1). Hiptese nula aquela que colocada prova, enquanto que hiptese alternativa aquela que
ser considerada como aceitvel, caso a hiptese nula seja
rejeitada.
A grosso modo, nos problemas mais simples da rea
mdica, a hiptese nula est associada uma igualdade entre mdias ou propores que podem indicar a no associao (independncia) entre fatores de interesse. Por exemplo, num estudo sobre fatores de risco para doenas cardiovasculares, uma hiptese nula poderia ser a proporo de
doentes cardiovasculares entre hipertensos igual proporo entre no hipertensos ou a chance da doena a
mesma para hipertensos e no hipertensos. Isto implicaria
em dizer que no existe associao entre hipertenso e
doena cardiovascular. Outro exemplo, desta vez considerando igualdade de mdias, pode ser descrito por um estudo
sobre tempo de recuperao de pacientes transplantados.
Supondo que desejamos comparar trs procedimentos cirrgicos diferentes, uma possvel hiptese seria o tempo
mdio de recuperao o mesmo nos trs procedimentos
cirrgicos, ou seja o tipo de procedimento cirrgico no
influencia no tempo de recuperao do paciente.
Todo teste de hiptese possui erros associados a ele.
Um dos mais importantes chamado erro do tipo I que
corresponde rejeio da hiptese nula quando esta for
verdadeira. No exemplo da doena cardiovascular, a probabilidade do erro do tipo I seria a probabilidade de concluir
que h associao quando na verdade no h, ou seja, concluir uma associao que no existe (que devida ao acaso). No exemplo do tempo de recuperao, o erro do tipo I
corresponderia a dizer que o tipo de procedimento cirrgico
influencia no tempo de recuperao quando na realidade o
tempo mdio o mesmo nos trs procedimentos. A probabilidade do erro do tipo I chama-se nvel de significncia e
expressa atravs da letra grega . Os nveis de significncia
usualmente adotados so 5%, 1% e 0,1%.
Formalmente, o nvel descritivo (p) definido como o
menor nvel de significncia () que pode ser assumido
para se rejeitar H 0, porm esta interpretao no simples
at mesmo para os estatsticos. Considerando, de maneira
muito generalizada, que os pesquisadores ao rejeitarem a
hiptese nula costumam dizer que existe significncia estatstica ou que o resultado estatisticamente significante, poderamos definir o nvel descritivo (p) como a probabilidade mnima de erro ao concluir que existe significncia
estatstica.
575

Paes AT
Itens essenciais em bioestatstica

Arq Bras Cardiol

volume 71, (n 4), 1998

importante ressaltar que o nvel de significncia ()

um valor arbitrado previamente pelo pesquisador, enquanto que o nvel descritivo (p) calculado de acordo
com os dados obtidos. Fixado e calculado o p, a pergunta : ser que posso dizer com segurana que o resultado estatisticamente significante?. Para responder
esta questo necessrio avaliar se a probabilidade de
erro aceitvel ou no, isto , se o valor do p pequeno o suficiente para concluir que existe significncia estatstica dentro de uma margem de erro tolervel. Mas saber
o que pequeno ou grande depende do nvel de significncia adotado, portanto a deciso do pesquisador sempre estar baseada na comparao entre os dois valores.
Se o valor do p for menor que o nvel de significncia ()
deve-se concluir que o resultado significante pois o erro
est dentro do limite fixado. Por outro lado, se o valor de p
for superior significa que o menor erro que podemos
estar cometendo ainda maior do que o erro mximo permitido, o que nos levaria a concluir que o resultado no
significante pois o risco de uma concluso errada seria
acima do que se deseja assumir. Segue abaixo um esquema
que resume a regra de deciso descrita.
p-value < rejeito H 0

diferena

p-value > no rejeito H 0 igualdade

p-value

p-value

----------- | ------------------- | ------------------- | ----------resultado

resultado

estatisticamente

no significante

significante
A grande vantagem de se utilizar o nvel descritivo
a possibilidade de quantificar a significncia, ou seja,
no lugar de uma resposta do tipo sim ou no temos a informao de quanto. Considere os exemplos da tabela
abaixo:

Resposta usual

p-value

(*) ou p < 0,05

p=0,0002 e p=0,048

n.s.

P=0,085 e p=0,987

Note que no 1 exemplo os dois resultados so significantes, porm o valor de 0,0002 expressa uma significncia
muito maior do que 0,048. Alm disso, este ltimo valor muito
prximo ao nvel usual de 5%, o que pode causar dvidas ou
ressalvas na tomada de deciso. No 2 exemplo temos dois
resultados no significantes. O 2 valor (0,987) praticamente
no expressa significncia estatstica nenhuma pois o erro
de quase 100%. J o 1 (0,085) embora no seja significante ao
nvel de 5% um valor bastante indicativo. Portanto, muito
576

mais valioso e informativo expressar as concluses atravs

do valor exato do p em vez de apenas menor ou maior que o
nvel de significncia () fixado.

Intervalos de confiana
Mdias, medianas, modas so chamadas estimativas
pontuais pois correspondem a um nico valor que estima
caractersticas de um grupo sob estudo. Existem tambm as
estimativas por intervalos que so expressas por um limite
inferior e um superior entre os quais acredita-se estar o verdadeiro valor do parmetro. Por exemplo, num estudo em
pacientes hipertensos pode-se dizer que a presso arterial
(PA) mdia 87, 5 variando de 85,7 a 89,3 (intervalo de confiana = [85,7; 89,3]).
Uma das utilidades dos intervalos dar a idia da disperso ou variabilidade das estimativas. Um intervalo muito grande indica que a estimativa calculada no to acurada quanto outra com intervalo menor, ou seja, quanto
maior a amplitude do intervalo menor a confiabilidade da
estimativa.
Existem vrios mtodos para expressar intervalos, sendo exemplos o valor mximo e o valor mnimo e os intervalos
de percentis, como o intervalo 25% - 75%. O mais conhecido e talvez o mais correto seja o intervalo de confiana 3
que permite incorporar uma probabilidade de erro. Esta probabilidade de erro inferida a partir de um conhecimento
do modelo de distribuio de freqncias do fenmeno
estudado. O modelo que mais habitualmente se ajusta
ocorrncia de fenmenos biolgicos o de distribuio
normal, cujo intervalo de confiana envolve para sua
construo o conhecimento da varincia (que permite o
clculo do desvio padro). Os intervalos podem ser
construdos com diferentes coeficientes de confiana,
sendo em geral mais utilizados os intervalos de confiana
de 95% ou 99%. A cada coeficiente corresponde um valor
crtico da distribuio, que uma medida de distncia da
estimativa pontual que se expressa em unidades de desvios padro. Abaixo descrevemos informalmente a frmula
geral dos intervalos de confiana.

IC = estimativa
pontual

valor crtico
da distribuio

desvio padro
da estimativa

Quando se constri um intervalo de confiana para se

descrever a variabilidade de uma medida, o desvio padro
utilizado o desvio padro da medida em questo. Quando
se constri um intervalo de confiana para valores possveis
para uma estimativa pontual, por exemplo, uma mdia, o desvio padro utilizado uma estimativa de desvio padro para
uma suposta srie de medidas de mdias. Este um caso
especial de desvio padro que recebe o nome de erro padro da mdia.
Exemplos:

Arq Bras Cardiol

volume 71, (n 4), 1998

Paes AT
Itens essenciais em bioestatstica

Intervalo de confiana de 95% (Valor crtico 2)

PAD mdia

87,53

[85,72

89,34]

Estimativa pontual
= mdia

Estimativa pontual valor crtico x erro padro

Estimativa pontual +
valor crtico x erro padro

Intervalo de confiana de 95% (Valor crtico 2)

23,15%
Estimativa
pontual = proporo

[19,85%
Estimativa pontual
valor crtico x erro padro

comum em artigos mdicos os valores de medidas

estarem expressos na forma de mdias mais ou menos desvio padro, como por exemplo 87,54,8. A reao natural do
leitor subtrair e somar este valor e interpretar como limites
de intervalo de confiana. Porm, este clculo corresponde
a se criar um intervalo de confiana de 65%, correspondente
ao valor crtico de 1 desvio padro, e leva a um intervalo
muito menor do que o habitual intervalo de confiana de
95%, cujo valor crtico de aproximadamente 2.
Alm de informar sobre a variabilidade/disperso de
estimativas pontuais, os intervalos de confiana podem tambm expressar a significncia estatstica dos testes referentes s comparaes. Por exemplo, num teste de comparao
de duas mdias, um intervalo de confiana para a diferena
entre as mdias que contm o valor zero indica que a diferena
no significante, ou seja, que no existe diferena entre as
mdias. J em uma comparao de propores em que se deseja estimar o risco relativo, a ausncia de significncia se d
quando o intervalo para o risco relativo contm o valor 1,
pois isto indica que as duas propores podem ser iguais.
Exemplos:
Comparao entre duas mdias
mdia 1

mdia 2

dif.

IC 95% p/dif.

53,4

62,8

-9,4

[7,6 ; 11,2]

45,9

47,2

-1,3

[-3,3 ; 0,30]

Obs.
no contm o valor 0
(mdias diferentes)
contm o valor 0
(mdias iguais)

26,45% ]
Estimativa pontual + valor
crtico x erro padro

94

92

90

88

95% CI PAM

% hipertensos

86

84
N =

144

188

Ate' 55 anos

148

55 a 70 anos

Mais de 70 anos

Faixa etria

Grfico I - Comparao entre trs grupos de idade em relao presso arterial mdia.
Fonte: Instituto Dante Pazzanese de Cardiologia pacientes submetidos cirurgia
cardaca entre 1993 e 1994

co para comparar as trs mdias indicaria que no existe diferena entre os dois primeiros grupos e que pacientes do 3 grupo tem PA mdia maior que nos outros dois.
Podemos analisar tambm atravs de grficos, intervalos de confiana para riscos relativos. Neste caso, costumase traar a linha que passa pelo valor 1 e so considerados
significativos os riscos relativos correspondentes aos intervalos que no cruzarem com esta linha, isto , que no contiverem o valor 1.
O exemplo a seguir baseado em um estudo cujo objetivo identificar fatores de risco para impotncia sexual em
pacientes cardiopatas 4. Observe que, entre as variveis

Estimao de risco relativo

odds ratio
2,13
1,25

IC 95% p/odds
[ 1,58 ; 2,68 ]
[0,48 ; 2,02]

Obs.
no contm o valor 1 (h risco)
contm o valor 1 (no h risco)

Uma maneira bastante eficiente de resumir resultados de

comparaes de mdias analisar os intervalos de confiana
graficamente. O exemplo a seguir refere-se comparao entre
pacientes de trs faixas etrias (at 55 anos, 55 a 70 anos e mais
de 70 anos) com relao PA diastlica mdia. Note que entre
os dois primeiros grupos existe uma grande superposio dos
intervalos enquanto que o intervalo correspondente ao grupo
dos pacientes com mais de 70 anos no se sobrepe, ou seja, o
limite inferior deste intervalo ainda maior que o limite superior
dos demais. Isto implica que provavelmente um teste estatsti-

1,8

1,6

1,4

Diabetes
1,2

IAM prvio

Dislipidemia
0,8

Hipertenso
Tabagismo

0,6

0,4
0

Grfico II - Avaliao dos fatores de risco para impotncia sexual.

577

Paes AT
Itens essenciais em bioestatstica

Arq Bras Cardiol

volume 71, (n 4), 1998

investigadas, apenas os intervalos referentes a diabetes e

infarto agudo do miocrdio prvio no passam pela linha do
1, ou seja, a influncia desses fatores na chance de impotncia sexual considerada significante a um nvel de 5%.

Relevncia clnica x significncia estatstica

578

Intervalos de confiana e as cinco possveis interpretaes sobre significncia estatstica e importncia prtica 6 .

um intervalo bastante impreciso. Isto torna o resultado

inconclusivo pois o verdadeiro valor pode estar tanto abaixo do valor estatstico quanto acima do clnico. J o ltimo
caso representa um resultado que chamamos de verdadeiro
negativo, pois ambas as concluses coincidem.
Por outro lado, existe tambm a situao inversa. Um
resultado que no seja estatisticamente significante pode
ser muito importante, no devendo ser desconsiderado. O
exemplo abaixo corresponde a um estudo que examinou complicaes ps-operatrias em trs tipos de interveno cirrgica para uma patologia congnita rara das vias hepticas 7. O
teste de comparao de mdias indicou que no havia diferena significante, porm pode-se notar que o procedimento
do tipo C registra uma freqncia de ocorrncia de complicaes muito menor que a dos outros grupos. Provavelmente, uma eventual diferena significante entre os grupos no
pode ser registrada devido ao pequeno nmero de observaes, mas por se tratar de doena rara no resta ao investigador a opo de aguardar um maior nmero de casos para uma
reanlise de seus dados. Seria insensato, e provavelmente
antitico, ignorar as evidncias disponveis de superioridade
da interveno do tipo C. Ainda que os resultados tenham
sido obra do acaso como sugere a anlise estatstica, ao mdico compete orientar sua prtica de acordo com os conheci-

1.2
1.0

Incidncia de complicaes

No se pode acreditar cegamente em tudo que os testes estatsticos mostram 5. O que o mdico deve se perguntar ao interpretar os resultados de uma pesquisa os resultados obtidos so relevantes do ponto de vista clnico?.
Muitas vezes um resultado estatisticamente significante pode no ser clinicamente importante. Por exemplo, um teste de comparao de mdias pode detectar uma
diferena de 2mmHg na PA como sendo altamente significante apesar desta diferena no ter nenhuma implicao
clnica. Portanto, a importncia em termos biolgicos no
deve ser julgada pelos estatsticos, mas sim pelos profissionais da rea em que a pesquisa est sendo feita.
A figura a seguir 6 mostra cinco tipos de resultados, expressos em termos de intervalos de confiana, que exemplificam diferentes situaes. A linha horizontal cheia corresponde ao valor que, se presente no intervalo, indica que o resultado no estatisticamente significante - intervalo de confiana da diferena incluindo o valor zero. Por exemplo, num
teste estatstico que compara duas mdias, o intervalo referente diferena entre elas no deve conter o valor zero.
A linha pontilhada representa o valor a partir do qual a
diferena considerada importante na prtica. No exemplo
da PA, o mdico pode optar por considerar relevante apenas
as diferenas acima de 5 ou 10mmHg.
Assim, so considerados estatisticamente significantes os intervalos que no cruzam com a linha cheia. No
entanto, somente aqueles que ultrapassam o limite da relevncia clnica (linha horizontal pontilhada) que devem ser
de fato considerados relevantes.
Desta forma podemos analisar as cinco situaes representadas na figura. A situao (a) mostra um resultado
considerado definitivamente importante, pois alm de
significante, todo o intervalo est acima do que considerado clinicamente relevante. A situao (b) corresponde a um
resultado que estatisticamente significante mas cujo intervalo cruza com a linha da relevncia, ou seja, no se pode
afirmar com certeza que o resultado seja relevante mas este
possivelmente um resultado importante.
O 3 caso (c) traduz um dos erros mais freqentes em
pesquisas na rea mdica. Mostra um resultado que apesar
de significante do ponto de vista estatstico, no tem relevncia clnica nenhuma pois o limite superior do intervalo
ainda inferior ao valor considerado importante. Muitas
vezes isto no levado em considerao pelo clnico que
toma concluses baseadas nos resultados estatsticos sem
avaliar a real importncia da diferena detectada.
Os dois ltimos casos correspondem a resultados no
significantes. Como j foi observado no item anterior intervalos com grande amplitude correspondem a estimativas
pouco precisas. Isto acontece na situao (d) que mostra

.8
.6
.4
.2
0.0
-.2
-.4
N=

34

Tipo de interveno

Arq Bras Cardiol

volume 71, (n 4), 1998

mentos que dispe, ainda que se mantenha alerta para eventuais mudanas luz de novas evidncias.
Portanto, no se deve fechar os olhos para um resultado que no seja significativo, preciso levar em conta tambm a importncia do objeto que est sendo estudado.

O tamanho da amostra
Uma pergunta muito freqente em estudos na rea
qual deve ser o tamanho da minha amostra?. Esta uma
questo delicada e muitas vezes polmica. Considere o seguinte exemplo: se nos fosse perguntado quanto de dinheiro preciso levar para as minhas frias? a resposta imediata seria depende. Depende do lugar que deseja ir, quanto tempo pretende ficar, quantas pessoas, qual o meio de
transporte e, claro, entre outros detalhes, qual o dinheiro
disponvel. Da mesma forma, arbitrar um tamanho adequado de amostra envolve conhecimento da natureza das medidas realizadas, do plano de anlise, do nvel de erro aceitvel para estimativas etc.
H com freqncia uma nfase excessiva ao clculo do
tamanho de amostra em detrimento da concepo cuidadosa de um plano amostral 8, que so as estratgias a serem
adotadas para garantir que a amostra a ser estudada seja
representativa do universo real do fenmeno a ser estudado. Os vcios 9 de seleo, de deteco, de exposio, de
informao ou de memria no sero prevenidos por qualquer definio de tamanho de amostra, mas sim por um plano amostral cuidadoso. O tamanho da amostra vai depender da viabilidade de coleta de dados, que envolve principalmente tempo, custos e disponibilidade de casos para
serem estudados. Isto no significa que o clculo de tamanho de amostra seja dispensvel. O que desejamos salientar aqui que ele deve ser utilizado como planejamento,
isto , como parte de um estudo bem delineado onde ele
no substitua o compromisso do investigador de analisar
a representatividade dos casos estudados, seja qual for o
nmero a ser observado.
Uma das vantagens de se calcular corretamente o tamanho da amostra a possibilidade de economia. Por exemplo, um estudo bem planejado pode, a partir de uma amostra
no muito grande, obter as mesmas concluses de um estudo que envolveu uma amostra muito maior por no ter sido
previamente planejado.
Entretanto, o clculo do tamanho da amostra no garante um resultado significante 10. conveniente planejar o
tamanho da amostra para que se possa ter amostras grandes o suficiente para detectar diferenas importantes
(amostras muito pequenas podem deixar que diferenas importantes passem desapercebidas). Por outro lado, amostras exageradamente grandes alm de elevar o custo do estudo, podem tornar diferenas clinicamente irrelevantes em
estatisticamente significativas.
Para o planejamento do tamanho da amostra o investigador precisa estabelecer algumas definies como: tipo de
estudo que pretende realizar (ex. estudo de prevalncia, ensaio clnico, coorte, caso-controle); o tipo de medida que

Paes AT
Itens essenciais em bioestatstica

deve utilizar (ex. medidas contnuas, categorizadas,

prevalncia, incidncia); o tipo de anlise (ex. diferenas
entre mdias, diferena entre propores, clculo de risco);
a margem de erro que pode assumir para o estudo (ex. o nvel de significncia e o poder do teste estatstico que pretende aplicar).
Estes conceitos podem ser melhor esclarecidos na
homepage do Laboratrio de Epidemiologia e Estatstica
(www.lee.dante.br) que apresenta um servio que calcula
tamanhos de amostra para alguns dos desenhos de pesquisa mdica/biolgica mais freqentes, alm de oferecer textos
de apoio para compreenso de cada item envolvido no clculo e referncias bibliogrficas para orientarem interessados num estudo autnomo.

Que tcnica estatstica utilizar?

Imagine a seguinte situao: um paciente chega ao
consultrio mdico e j na recepo preenche uma ficha
sobre os principais sintomas que o levaram ao consultrio.
A recepcionista registra os dados no computador e depois
de alguns segundos devolve ao paciente uma receita com o
nome dos medicamentos que ele deve usar, sem sequer ter
sido examinado pelo mdico. Isto s seria possvel se existisse um tratamento padro associado a cada diagnstico
que tornasse desnecessrio qualquer exame complementar
sobre caractersticas do paciente (sexo, idade), medicao
prvia, outros sintomas, etc.
Da mesma forma que a prtica da Medicina no
completamente objetiva, a da Estatstica tambm no. No
existem receitas prontas para tratar doentes, assim como
no existem fluxogramas que indiquem as tcnicas estatsticas que devem ser utilizadas em cada caso. O que existem so prticas comuns que podem ser aplicadas ou
no, dependendo das condies do estudo. Por exemplo,
um mdico pode optar por um medicamento alternativo no
lugar de um mais comum, devido s condies do paciente (pode ser um paciente idoso cujo medicamento no
recomendado). Portanto, o que pretendemos ressaltar
que cada caso deve envolver uma anlise particular, assim
como em um exame clnico, de forma que a escolha da tcnica seja feita com critrio e cuidado.

Concluses
Where shall I begin, please your Majesty? asked
the White Rabbit.
Begin at the begining and go on till you come to the
end: then stop. Said the King of Hearts. Lewis Carol. Alice
in Wonderland: Alices evidence.
A interdisciplinaridade da cincia moderna convida,
seno exige, que profissionais de diferentes filiaes acadmicas colaborem para a produo do conhecimento. Em
cincias da sade, mdicos e estatsticos precisam buscar
conciliar seus conhecimentos para uma colaborao adequada 11. O presente artigo um modesto esforo neste
579

Paes AT
Itens essenciais em bioestatstica

Arq Bras Cardiol

volume 71, (n 4), 1998

sentido. Longe de se propor como referencial didtico,

busca tentativamente sugerir uma agenda preliminar de
tpicos para uma uniformizao conceitual. A escolha dos
itens abordados no foi aleatria, mas fruto do que nos sugerem alguns anos de convivncia com profissionais de

sade. Foram preteridos itens relativos s estratgias de

anlise (por exemplo, os testes estatsticos mais utilizados
em estudos mdicos), mas como ensina em parbolas de
contos infantis o matemtico Lewis Carol, comecemos
pelo comeo.

Referncias
1.

2.
3.
4.

5.
6.

Graunt J - Natural and political observations mentioned in a following index, and

made upon bills of mortality. In: Wilcox WF (ed) - Natural and Political
Observations Made upon Bills of Mortality by John Graunt. Baltimore: Johns
Hopkins Press, 1937.
Matthews DE, Farewell VT - Using and Understanding Medical Statistics. New
York: Karger, 1988: 17-19.
Intervalos de confiana. In: Fonseca JS, Martins GA - Curso de Estatstica. So
Paulo: Atlas, 1982: 162-75.
Izukawa, NM - Impotncia sexual arteriognica em pacientes portadores de
arterosclerose das artrias coronrias. So Paulo, 1997 (dados originais,
processamento fictcio para criao de exemplo).
Feinstein AR - Why clinical epidemiology. Clin Research 1973; 20: 821-5.
Armitage P, Berry G - Statistical Inference. In: Statistical Methods in Medical
Research. 3rd ed. Oxford: Blackwell, 1994: 98-9.

580

7.

Herman P - Litase intra-heptica primria: resultados do tratamento cirrgico e

anlise dos fatores prognsticos. Tese de Doutorado apresentada FMUSP em
1997. (dados reais, processamento fictcio).

8.

Hulley SB, Gove S, Browner WS, Cummings SR - Choosing the study subjects:
specification and sampling. In: Hulley SB, Cummings SR - Designing Clinical
Research. Baltimore: Williams Wilkins, 1988: 18-29.

9.

Rothman KJ - Modern Epidemiology. Boston: Little Brown, 1986: 83-94

10. Vieira S - Metodologia Cientfica para a rea de Sade. So Paulo: Sarvier,

1984: 77-82.
11. Feinstein AR - Stochastic significance, consistency, apposite data, and some
other remedies for the intellectual pollutants of statistical vocabulary. Clin
Pharmacol Ther 1977; 22: 113-23.