delineamento, o de não inferioridade tem a vantagem de ser unilateral,
permitindo um menor tamanho de amostra ou um alfa menor.
Outro problema é a perda das salvaguardas comuns contra erros tipo I
(rejeitar falsamente a hipótese nula). Essas salvaguardas são inerentes ao
paradigma da hipótese nula e protegem um estudo convencional que
compara um medicamento ativo contra um placebo. O paradigma da
hipótese nula assegura que problemas no delineamento ou na execução de
um estudo, como uso de medidas imprecisas ou perda excessiva no
seguimento, tornem mais difícil rejeitar a hipótese nula. Portanto, em um
estudo convencional que tenta rejeitar uma hipótese nula, há um forte
incentivo para que se faça o melhor estudo possível. Em um estudo de não
inferioridade, entretanto, em que o objetivo é não encontrar uma
diferença, essas salvaguardas não se aplicam.
■ TÉCNICAS DE TAMANHO DE AMOSTRA PARA ESTUDOS
DESCRITIVOS
Princípios um tanto diferentes também norteiam a estimativa de tamanho
de amostra para estudos descritivos, incluindo os estudos sobre testes
diagnósticos. Tais estudos não têm variáveis preditora e de desfecho,
tampouco comparam estatisticamente grupos diferentes. Portanto, os
conceitos de poder e de hipóteses nula e alternativa não se aplicam.
Nesses estudos, o investigador calcula estatísticas descritivas, como
médias e proporções. Mesmo assim, é comum estudos descritivos (Qual é
a prevalência de depressão em pacientes idosos em um ambulatório?)
fazerem perguntas analíticas (Quais são os preditores de depressão nesses
pacientes?). Nesse caso, o cálculo do tamanho de amostra também deve
considerar o estudo analítico, para evitar um problema comum que é obter
poder insuficiente para o que é uma questão de interesse maior.
Estudos descritivos costumam relatar intervalos de confiança, ou seja,
uma faixa de valores para a média ou proporção da amostra. O intervalo
de confiança é uma medida de precisão de uma estimativa amostral. O
investigador determina o nível de confiança, como, por exemplo, 95% ou
99%. Um intervalo com nível de confiança maior (p. ex., 99%), por ser
mais amplo, tem maior probabilidade de incluir o valor populacional real
do que um intervalo com um nível de confiança menor (p. ex., 90%).
