(vivo ou morto) pode ser interpretado erroneamente como contínuo
quando expresso em termos da percentagem de indivíduos vivos. Da
mesma forma, em uma análise de sobrevivência em que nem todos os
sujeitos morrem, um desfecho dicotômico pode aparentar ser contínuo
(p. ex., mediana da sobrevida em meses). Em todos esses casos, o
desfecho é, na verdade, dicotômico (uma proporção), e a abordagem
simples apropriada para o planejamento do tamanho de amostra seria o
teste do qui-quadrado.
- O tamanho de amostra estima o número de sujeitos que deverão
apresentar dados sobre o desfecho, e não simplesmente o número que
deverá ser incluído no estudo. O investigador deve sempre estar
preparado para casos de abandono (dropouts) e para casos com dados
faltantes (missing data).
- As tabelas no final deste capítulo pressupõem que os dois grupos em
estudo têm tamanhos iguais de amostra. Esse nem sempre é o caso.
Por exemplo, um estudo de coorte para saber se suplementos
vitamínicos reduzem o risco de queimaduras solares provavelmente
não poderia incluir número igual de sujeitos que usaram e que não
usaram vitaminas. Se os grupos não forem de mesmo tamanho,
deve-se usar as fórmulas que aparecem depois das tabelas ou
calculadoras disponíveis na internet ou em softwares estatísticos.
- Ao usar o teste t para estimar o tamanho de amostra, o desvio-padrão
da variável de desfecho é um fator-chave. Portanto, se o desfecho for a
mudança em uma variável contínua, o investigador deve usar o
desvio-padrão da mudança, em vez do desvio-padrão da própria
variável.
- Cuidado com dados em conglomerados. Quando parecem existir dois
“níveis” de tamanho de amostra (p. ex., um para médicos e outro para
pacientes), os conglomerados podem ser um problema e as tabelas nos
apêndices não são adequadas.
- Se você tiver dificuldade para estimar um tamanho de amostra para
seu estudo, assegure-se de que sua hipótese de pesquisa atende aos
critérios discutidos no capítulo anterior (simples, específica e
formulada antes dos fatos).