Aula prática 4 Parte I - Correlação e regressão linear simples

Transcrição

1 Aula prática 4 Parte I - Correlação e regressão linear simples Para esta aula prática vamos trabalhar com dados de um estudo cujo objetivo foi verificar a associação entre atividade física, aptidão cardiorrespiratória e biomarcadores inflamatórios em adultos jovens. Vamos utilizar o banco de dados bancopratica4 para realizar as análises no Statistix. 1. Para iniciar, construa uma tabela com a média e o desvio padrão das seguintes variáveis numéricas: IMC (kg/m²), circunferência abdominal (cm), Vo2max (ml.kg -1. min -1 ), atividade física de lazer - (min/semana), proteína C-reativa (mg/l) e força de preensão manual (kg/f). Atalho: Statistics summary statistics descriptive statistics Variáveis Média DP IMC (kg/m²) 24,9 3,2 Circunferência abdominal (cm) 80,7 11,2 Vo2max (ml.kg -1. min -1 ) 41,9 7,15 Atividade física de lazer (min/semana) 408,1 365,0 Proteína C-reativa (mg/l) 1,59 1,16 Força de preensão manual (Kg/f) 47,7 7,9 2. Faça a correlação entre a Proteína C-reativa com as variáveis numéricas citadas acima e a seguir responda: Atalho: Statistics linear models correlations (Pearson) a) Quais as três variáveis mais correlacionadas com a Proteína C-reativa e qual o valor dos coeficientes de correlação obtidos para as mesmas?

2 Circunferência abdominal (0,30); VO2max (- 0,32) e IMC (0,37) b) Esses coeficientes indicam uma correlação direta ou inversa entre as variáveis? Circunferência abdominal e IMC: direta VO2max:: inversa c) Quanto da variação da Proteína C-reativa é devido ao Vo2max? 0,32 x 0,32 = 0, 1024 = 10,2% 3. Agora faça uma regressão linear para a Proteína C-reativa com cada uma dessas três variáveis e interprete os coeficientes obtidos. Atalho: Statistics linear models linear regression Circunferência abdominal: 0,03 - A cada aumento de 1 cm na circunferência abdominal, há um aumento de em média 0,03 na concentração da proteína c-reativa. VO2max: -0,05 - A cada aumento de 1mL.Kg -1. min -1 no VO2max, há uma diminuição de em média 0,05 na concentração da proteína c- reativa. IMC: 0,13 - A cada aumento de 1kg/m² no IMC, há um aumento de em média 0,13 na concentração da proteína c-reativa Parte II Qui-quadrado e intervalo de confiança de 95% Agora vamos trabalhar com dados categóricos. A nossa variável de desfecho será a prática de atividade física (sim/não). No banco de dados a variável está nomeada como ativo. 4. Para começar verifique a frequência e o intervalo de confiança de 95% dessa variável e os interprete.

3 Atalho: Statistics summary statistics descriptive statistics 70,8% (IC95% 61,6 80,1) A prevalência de atividade física foi de 70,8% e existe 95% de probabilidade que a prevalência de atividade física esteja entre 61,6 e 80,1%. 5. Estamos interessados em testar a associação entre atividade física e excesso de peso. Para isso, construiremos uma tabela 2x2 de atividade física por excesso de peso e depois aplicaremos um teste de hipóteses. Atalho tabela 2x2: Statistics summary statistics cross tabulation marque para aparecer os % da coluna e grades da tabela. Cross Tabulation of ativo by excessope excessope ativo Col % Cases Included 96 Missing Cases 0 a) Com base na tabela construída, responda: qual a prevalência de atividade física entre aqueles com excesso de peso e entre aqueles sem excesso de peso? Com excesso de peso: 79,1% Sem excesso de peso: 64,2% b) É possível afirmar que existe associação entre atividade física e excesso de peso? Por quê? Não, pois é preciso fazer um teste formal, descartando a probabilidade de o resultado ter ocorrido somente ao acaso. c) Aplique o teste através do comando abaixo e interprete o resultado obtido.

4 Atalho teste: Statistics Association tests Chi-squared tests Chi-Square Test for Heterogeneity or Independence for 1 = ativo excessope excessope ativo Observed Expected Cell Chi-Sq Observed Expected Cell Chi-Sq Overall Chi-Square 2.56 P-Value Degrees of Freedom 1 Cases Included 96 Missing Cases 0 Valor p = 0,11, portanto não existe associação entre as variáveis. d) Usando outro programa estatístico, foi possível calcular além do quiquadrado, o teste exato de Fisher, sendo obtidos os valores abaixo: Pearson chi2(1) = Pr = Fisher's exact = A partir dos valores observados e esperados da tabela que você montou para calcular o chi-quadrado, você conclui que o teste adequado é o qui-quadrado, o exato de Fisher ou ambos trazem resultados válidos? Ambos trazem resultados válidos. N total > Agora vamos testar a associação entre atividade física e tercis de proteína C-reativa (protc3). Atalho: Statistics Association tests Chi-squared tests a) Qual o teste adequado para testar essa associação? Teste do qui-quadrado ou tendência linear. b) Qual o valor do teste? Interprete o resultado do teste.

5 Chi-Square Test for Heterogeneity or Independence for 1 = ativo protc3 protc3 ativo Observed Expected Cell Chi-Sq Observed Expected Cell Chi-Sq Overall Chi-Square 8.32 P-Value Degrees of Freedom 2 Cases Included 85 Missing Cases 11 Valor p = 0,01, portando existe associação entre as variáveis. 7. Quando temos uma variável de exposição ordinal também é possível testar a existência de tendência linear. Usando outro programa estatístico, o resultado obtido para o teste de tendência linear segue abaixo. Interprete o resultado.. nptrend ativo, by(protc3) protc3 score obs sum of ranks z = 1.94 Prob > z = Não existe tendência linear. Valor p>0,05.