Fiche de révision : Medidas de Tendência Central em Saúde

📋 Plano do Curso

1. Média aritmética como medida de tendência central e suas características
2. Cálculo e interpretação da mediana em conjuntos de dados ímpares e pares
3. Definição e propriedades da moda em séries estatísticas
4. Comparação entre média, mediana e moda na representação do valor típico
5. Aplicação prática das medidas de tendência central em dados biológicos e clínicos
6. Desafios das medidas de tendência central em escalas ordinais, dados qualitativos e percepções subjetivas
7. Avaliação crítica da média em dados assimétricos, com subgrupos heterogêneos e dados discretos
8. Importância de medidas complementares e análise temporal para dados de eventos clínicos e epidemiológicos

📖 1. Média aritmética como medida de tendência central e suas características

🔑 Conceitos-chave e definições

• Tendência Central : Categoria de medidas estatísticas que descrevem o valor central ou típico de um conjunto de dados, incluindo a média, mediana e moda.
• Média aritmética : Outra expressão para média aritmética, que é calculada somando-se todos os valores e dividindo pelo número de observações.

📝 Pontos essenciais

• A média pode não coincidir com nenhum valor observado no conjunto de dados.
• A média é sensível a valores extremos, podendo ser influenciada por outliers.

💡 Conclusão principal

A média pode não coincidir com nenhum valor observado no conjunto de dados.

📖 2. Cálculo e interpretação da mediana em conjuntos de dados ímpares e pares

🔑 Conceitos-chave e definições

• Mediana : Medidas de tendência central F 130 A 172 B 185 C 148 D 143 E 155 G 200 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição 𝑛 = 7 ҧ 𝑥

📝 Pontos essenciais

• Quando o número de observações é par, a mediana é a média dos valores nas posições n/2 e (n/2)+1.
• A mediana não é afetada por valores extremos, ao contrário da média.
• Divide o conjunto em duas partes iguais.

💡 Conclusão principal

A mediana é uma medida robusta que divide os dados em duas metades iguais, com cálculo distinto para conjuntos ímpares e pares.

📖 3. Definição e propriedades da moda em séries estatísticas

🔑 Conceitos-chave e definições

• Moda : É o valor ou conjunto de valores com maior frequência absoluta em um conjunto de dados.
• Todos estavam vivos no início : Indica que, no início do período de observação, todos os indivíduos considerados estavam vivos.

📝 Pontos essenciais

• A moda é o valor ou conjunto de valores que mais se repete em um conjunto de dados.
• A moda pode ser unimodal, bimodal ou multimodal, dependendo do número de valores mais frequentes.
• A moda pode não existir se todos os valores tiverem a mesma frequência.
• A moda não sofre influência de valores extremos.

💡 Conclusão principal

A moda identifica os valores mais frequentes em uma série, podendo assumir múltiplas formas e não sendo afetada por outliers.

📖 4. Comparação entre média, mediana e moda na representação do valor típico

🔑 Conceitos-chave e definições

• Típico Média ҧ 𝑥 Mediana : A B Proporções (%) 31% Ƹ 𝑝= 31 100 69 % Ƹ 𝑝

📝 Pontos essenciais

• A média, mediana e moda indicam o centro ou valor típico de um conjunto de dados, mas podem divergir em sua representação.
• A média é influenciada por valores extremos, enquanto a mediana e a moda são mais robustas.
• A moda pode ser múltipla, dificultando a representação de um único valor típico.
• Em distribuições assimétricas, a mediana pode representar melhor o valor típico do que a média.
• Medidas de tendência central (matemática...) n=7 7 9 8 9 1 2 }{3 7 8 9 1 23 Conjunto de dados Medidas de tendência central (matemática...) Moda 𝑀𝑜 Mo = 9 (moda) Medidas de tendência central (matemática...) Medidas que indicam o “centro” ou típico de um conjunto de dados.
• Um único outlier (50 °C), em um conjunto com 199 valores coerentes Média não garante a qualidade individual das observações Não se deve confiar apenas no valor da média, pois, na presença de outliers, sua influência pode não ser facilmente perceptível.

💡 Conclusão principal

Cada medida de tendência central tem vantagens e limitações na representação do valor típico, sendo essencial escolher a mais adequada ao contexto dos dados.

📖 5. Aplicação prática das medidas de tendência central em dados biológicos e clínicos

🔑 Conceitos-chave e definições

• Com base nesses dados : Expressão utilizada para indicar que as conclusões ou análises seguintes são fundamentadas nos dados apresentados ou coletados.
• Medidas de tendência central : 65+ anos),
• ~30 % de casos com idades mais baixas (<30 anos) ෤𝑥 = 72,5 (mediana) ҧ 𝑥

📝 Pontos essenciais

• A média pode ser usada para resumir medidas repetidas do mesmo indivíduo ao longo do tempo.
• A mediana é útil para representar dados com valores extremos, comuns em dados clínicos, como idades ao morrer.
• A média pode mascarar subgrupos heterogêneos presentes em dados biológicos, levando a conclusões equivocadas.
• A análise conjunta de média e mediana pode revelar a presença de subpopulações distintas em amostras biológicas.
• Maior 220 2 15 18 27 66 68 ҧ 𝑥 = 57,4 (média) 70 Indivíduo A B C D E F G H I J K L M N O P Q R S T Idade ao morrer 0 2 15 18 22 27 66 68 70 72 73 74 75 77 78 79 80 82 84 86 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição 8ª posição 9ª posição 10ª posição 11ª posição 72 73 Medidas de tendência central
• ~70 % de casos com idades altas (ex.: 65+ anos),
• ~30 % de casos com idades mais baixas (<30 anos) ෤𝑥 = 72,5 (mediana) ҧ 𝑥 = 57,4 (média) Medidas de tendência central Maioria das pessoas morre em idades avançadas Mortes precoces (crianças, adolescentes) são valores extremos (raros) que puxam a média para baixo Indivíduo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Idade ao morrer 0 2 15 18 22 27 66 68 70 72 73 74 75 77 78 79 80 82 84 86 ҧ 𝑥 = 76 (média)“Como a média direta das idades ao morrer é influenciada por mortes precoces ou fatalidades isoladas, a expectativa de vida baseia-se nos riscos de mortalidade por idade” Medidas de tendência central Medidas de tendência central Média como ponto de “equilíbrio” dos dados.

💡 Conclusão principal

A aplicação das medidas de tendência central em dados biológicos e clínicos requer atenção às características dos dados para evitar interpretações errôneas.

📖 6. Desafios das medidas de tendência central em escalas ordinais, dados qualitativos e percepções subjetivas

🔑 Conceitos-chave e definições

• Escalas ordinais : 3 e 4 (Multimodal) 32 2 2 3 4 4 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição 8ª posição 5 Percepção “moderada” de dor ҧ 𝑥
• Medidas de tendência central : 3 e 4 (Multimodal) 32 2 2 3 4 4 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição 8ª posição 5 Percepção “moderada” de dor ҧ 𝑥

📝 Pontos essenciais

• A média pode gerar valores sem significado prático em escalas ordinais, pois representa uma ordem, não uma magnitude.
• A mediana e a moda são mais adequadas para representar dados em escalas ordinais e qualitativas.
• Em percepções subjetivas, a contagem absoluta e a distribuição dos eventos são mais informativas do que a média.
• Medidas de tendência central podem não representar adequadamente o típico em dados qualitativos e ordinais.
• Reticulócitos células imaturas (maior tamanho) Hemácias maduras (menor tamanho) Média ҧ 𝑥 Típico ≈ As medidas de tendência central tendem a coincidir aproximadamente com o típico Medidas de tendência central Exemplos em que as medidas de tendência central já se tornam pouco relevantes (podem não representar bem o “típico”) 5min 10min 15min 20min 25min 30min 35min 40min 5 4 4 3 3 2 2 2 Escala de dor Muito intensa Intensa Moderada Leve Sem dor1 2 3 4 5 A percepção de dor de um paciente foi registrada a cada 5 minutos, utilizando uma escala ordinal de 1 a 5, totalizando 8 registros ao longo do atendimento.
• 1 e 2 (Multimodal) 10 0 0 0 1 1 2 ҧ 𝑥 = 0,8 (média) 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição 8ª posição 9ª posição 2 Medidas de tendência central ෤𝑥 = 1 ҧ 𝑥 = 0,8 Típico Nesse caso, as medidas de tendência central não representam adequadamente o típico Mas então como descrever os dados?

💡 Conclusão principal

Medidas de tendência central tradicionais enfrentam limitações em dados ordinais e qualitativos, exigindo abordagens alternativas para interpretação.

📖 7. Avaliação crítica da média em dados assimétricos, com subgrupos heterogêneos e dados discretos

🔑 Conceitos-chave e definições

• Diferenças entre subgrupos ou padrões : categorias ou grupos dentro de um conjunto de dados que apresentam características distintas, podendo influenciar a interpretação de medidas resumo como a média. Quando esses subgrupos são heterogêneos, suas diferenças podem não ser evidenciadas ao considerar apenas a média geral, levando a conclusões equivocadas sobre o comportamento do conjunto total.

📝 Pontos essenciais

• A média pode ser distorcida em distribuições assimétricas devido à influência de valores extremos. Quando os dados apresentam uma distribuição assimétrica, valores extremos ou outliers podem puxar a média para um lado, fazendo com que ela não represente adequadamente o centro dos dados. Por exemplo, em uma distribuição de temperaturas, alguns dias extremamente quentes podem elevar a média, mesmo que a maioria dos dias tenha temperaturas próximas ao valor mais comum.

• A presença de subgrupos heterogêneos pode levar a conclusões equivocadas se apenas a média for considerada. Grupos com características diferentes, como diferentes faixas etárias ou regiões geográficas, podem apresentar médias distintas que, ao serem agregadas, não refletem a realidade de cada subgrupo. Assim, uma análise apenas da média geral pode mascarar diferenças importantes e levar a interpretações incorretas.

• Dados discretos podem apresentar médias que não correspondem a valores observados, dificultando a interpretação. Como a média de dados discretos pode resultar em valores não inteiros ou valores que não existem na amostra, ela pode gerar uma impressão de precisão que não condiz com a realidade observada. Por exemplo, a média de contagem de plaquetas ao longo de vários dias pode não ser um valor observado em um único dia, dificultando a compreensão clínica ou prática do dado.

• A análise isolada da média pode ocultar padrões importantes presentes nos dados. Quando se considera apenas a média, informações sobre a dispersão, a variação ou a presença de subgrupos podem ser negligenciadas. Assim, padrões de comportamento ou diferenças específicas entre grupos podem passar despercebidos, prejudicando a compreensão completa do fenômeno estudado. Por exemplo, uma média de temperatura pode esconder que há dias com temperaturas muito baixas e outros com temperaturas elevadas, indicando uma distribuição assimétrica.

💡 Conclusão principal

A média deve ser interpretada com cautela em dados assimétricos e heterogêneos, complementando-a com outras medidas e análises para obter uma compreensão mais precisa e completa do conjunto de dados.

📖 8. Importância de medidas complementares e análise temporal para dados de eventos clínicos e epidemiológicos

🔑 Conceitos-chave e definições

• Medidas de tendência central ҧ 𝑥 : Valores que representam um ponto central ou típico em um conjunto de dados, como média, mediana e moda, usados para resumir informações quantitativas.
• Incidência acumulada : Quantos eventos (óbitos) no período: 3 na semana 1+1+1
• Indicadores epidemiológicos : Medidas que quantificam a frequência, distribuição e evolução de eventos de saúde em populações, essenciais para monitorar e compreender fenômenos epidemiológicos.
• Possíveis limitações dessas medidas para : Medidas de tendência central isoladas podem não capturar variações e mudanças ao longo do tempo, limitando a compreensão da dinâmica dos eventos clínicos e epidemiológicos.
• Limitações dessas medidas para representar : Medidas resumo podem ocultar padrões temporais e tendências importantes, sendo necessária a análise temporal para uma avaliação mais completa dos dados.

📝 Pontos essenciais

• A análise temporal permite identificar padrões e tendências que medidas resumo não revelam.
• Informativo para decisão clínica ou gestão de saúde Quantos eventos (casos) no período: 21 no período 15+6=21 Incidência acumulada (risco): 10,5% 21 200 = 0,105 Medidas de tendência central Indivíduo A Indivíduo B Indivíduo C Indivíduo D Indivíduo E Indivíduo F Indivíduo G Tipo sanguíneo A AB AB B O B AB Transformado em número 1 3 3 2 4 2 3 1 2 3 4 ҧ 𝑥 = 1+3+3+2+4+2+3 7 ҧ 𝑥 = 18 7 ҧ 𝑥 = 2,6 (média) Posição da mediana = 𝑛+1 2 8 2 = 4 ෤𝑥 = 3 (mediana) Menor >Maior 1ª posição 2ª posição 3ª posição 4ª posição 5ª posição 6ª posição 7ª posição Mo = 3 e 2 (bimodal) 31 2 2 3 3 4 Medidas de tendência central Indivíduo A Indivíduo B Indivíduo C Indivíduo D Indivíduo E Indivíduo F Indivíduo G Tipo sanguíneo A AB AB B O B AB Transformado em número 1 3 3 2 4 2 3 1 2 3 4 Contagem absoluta de eventos (medida descritiva) Medidas de tendência central ҧ 𝑥 = 1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1+⋯……….
• Dia 7 0 1 0 0 1 0 1 Medidas de tendência central

💡 Conclusão principal

A análise temporal permite identificar padrões e tendências que medidas resumo não revelam.

📊 Tabelas de síntese

Comparação entre medidas de tendência central

⚠️ Armadilhas e confusões comuns

1. Confundir média com valor típico em distribuições assimétricas ou com outliers
2. Usar moda quando ela não existe ou é múltipla, levando a interpretações incorretas
3. Aplicar média em escalas ordinais, onde ela pode não fazer sentido
4. Confiar apenas na média em dados heterogêneos ou com subgrupos distintos
5. Ignorar a influência de valores extremos na média, distorcendo a interpretação

✅ Lista de verificação para exame

1. Compreender a definição de média, mediana e moda
2. Saber calcular a mediana em conjuntos pares e ímpares
3. Identificar a moda em séries estatísticas
4. Comparar as medidas de tendência central em diferentes distribuições
5. Reconhecer limitações da média em dados assimétricos
6. Aplicar medidas de tendência central em dados biológicos e clínicos
7. Analisar dados em escalas ordinais e qualitativos
8. Utilizar análise temporal para dados de eventos epidemiológicos
9. Avaliar criticamente a média em subgrupos heterogêneos
10. Entender a importância de medidas complementares e análise de tendências