Delineando a pesquisa clínica 4a Ed

determinar o tamanho de amostra a partir da magnitude de efeito desejada

para a hipótese mais importante. As magnitudes detectáveis dos demais

efeitos podem, então, ser estimadas a partir desse tamanho de amostra.

Caso existam várias hipóteses de mesma importância, o tamanho da

amostra para o estudo deve basear-se na hipótese que exigir a maior

amostra.

α, β e poder estatístico

Após o término de um estudo, o investigador usa testes estatísticos para

tentar rejeitar a hipótese nula em benefício da hipótese alternativa, da

mesma forma que um promotor tenta convencer o júri a rejeitar a

inocência em benefício da culpa. Dependendo de se a hipótese nula é

verdadeira ou falsa na população e pressupondo-se que o estudo esteja

livre de vieses, quatro situações são possíveis (Tabela 5.2). Em duas

delas, os achados na amostra e a verdade na população estão de acordo, e

a inferência do investigador será correta. Nos outros dois casos, terá

havido um erro tipo I ou tipo II, e a inferência será incorreta.

TABELA 5.2 Verdade na população vs. resultados na amostra do estudo: as quatro possibilidades

VERDADE NA POPULAÇÃO

RESULTADOS NA AMOSTRA

DO ESTUDO

ASSOCIAÇÃO ENTRE O

PREDITOR E

O DESFECHO

AUSÊNCIA DE ASSOCIAÇÃO

ENTRE

O PREDITOR E O DESFECHO

Rejeitam a hipótese nula Correta Erro tipo I

Não rejeitam a hipótese nula Erro tipo II Correta

Antes de realizar o estudo, o investigador determina a probabilidade

máxima tolerada para erros tipo I e tipo II. A probabilidade máxima de

um erro tipo I (rejeitar a hipótese nula quando ela for verdadeira) é

denominada α (alfa). Outro termo para a é nível de significância

estatística.

Se, por exemplo, um estudo sobre os efeitos da atividade física nos

níveis de glicemia de jejum for delineado com um a de 0,05, isso significa

que se definiu como de 5% a probabilidade máxima de se rejeitar a

hipótese nula quando ela for verdadeira (ou seja, inferir que há associação

entre atividade física e níveis de glicemia de jejum na população, quando

na verdade não há). Esse é o nível de incerteza que o investigador se