Construção da base de dados

Transcrição

1

2 Construção da base de dados

3 Construção da base de dados Construção da base de dados Exemplos de Inquéritos O instrumento de notação Codificação e dicionário das variáveis Data view e variable view Introdução de dados

4

5

6

7

8

9

10 Construção da base de dados Dicionário de Dados Para cada questão do inquérito: Tipo de variável - qualitativa (nominal ou ordinal), quantitativa (discretas, contínuas) Valores e códigos - definir os suportes das variáveis e códigos para as situações de informação omissa. Qualitativas, atribuir códigos numéricos às suas categorias; Quantitativas, definir os valores possíveis (mínimo e máximo) Nome para as variáveis SPSS com um máximo de 9 caracteres

11 Construção da base de dados Dicionário de Dados Exemplo: Inquérito sobre Hipertensão Arterial Sistólica Isolada: 11. Estado civil 1. solteiro 2. casado 3. viúvo 4. divorciado 5. outro 9. não sabe 8. não responde 15. Actividades do doente são: 1. normais 2. ligeiramente reduzidas 3. muito limitadas 9. não sabe 8. não responde

12 Construção da base de dados Dicionário de Dados Exemplo: Inquérito sobre Hipertensão Arterial Sistólica Isolada: 11. Altura (cm) 999. não sabe 998. não responde 31. Número de cigarros 999. não sabe 998. não responde 11. Altura (mt) 9,99. não sabe 9,98. não responde

13 Construção da base de dados Dicionário de Dados Exemplo: Inquérito sobre Hipertensão Arterial Sistólica Isolada: 21. Medicação habitual 1. sim 2. Não 9. não sabe 8. não responde 22.1 Diurético 0. não 1. sim 9. não sabe 8. não responde 7. não aplicável (quando se respondeu 2, 9 ou 8 em 21)

14 Construção da base de dados Dicionário de Dados Exemplo: Inquérito sobre Hipertensão Arterial Sistólica Isolada: 26. Insuficiência renal 1. sim 2. não 9. não sabe 8. não responde 27. Se sim, qual o valor da Creatinina 999. não sabe 998. não responde 997. não aplicável (quando se respondeu 2, 9 ou 8 em 26)

15 Construção da base de dados Dicionário de Dados Para cada variável: Nome na base de dados Nome da variável, referência no questionário Valores e códigos possíveis Tipo (Numérico: nº de algarismos e casas decimais, caracter: número de caracteres)

16 Dicionário de dados Plano de operacionalização das variáveis Nome na base de dados Nome da variável, referência no questionário Valores/Códigos Tipo Nprocess 1. Nº do processo Caracter(6) Csaude 2. Centro de saúde Caracter(255) DataReg 3. Data registo dd/mm/aaaa Data MedFam 4. Médico de Família Caracter(255) Nome 5. Nome do doente Caracter(255) Resid 6. Residência Caracter(255) Telef 7. Telefone nº Caracter(7) Datanasc FregNat CodFregNat ConcNat CodConcNat 8. Data de nascimento 9. Naturalidade/ Freguesia 9. Naturalidade/ Freguesia 9. Naturalidade/ Concelho 9. Naturalidade/ Freguesia dd/mm/aaaa Codificação INE Codificação INE Sexo 10. Sexo 1. homem 2. mulher 9. não sabe 8. não responde EstCivil 11. Estado civil 1. solteiro 2. casado 3. viúvo 4. divorciado 5. outro 9. não sabe 8. não responde Raca 12. Raça 1. branca 2. negra Data Caracter(255) Caracter(6) Caracter(255) Caracter(4) Caracter(1) Nominal Caracter(1) Nominal Caracter(1) Nominal Nome na base de dados (Continuação) Nome da variável, referência no questionário Reforma 14. Reformado 1. sim Activ 15. Actividades do doente são: Valores/Códigos 2. não 9. não sabe 8. não responde 1. normais 2. ligeiramente reduzidas Peso 16. Peso 0 a? kg 3. muito limitadas 999. não sabe Altura 17. Altura 0 a? cm Pas1 Pas2 Pad1 Pad2 Freqcard Medicam 18. Pressão arterial sistólica última medição 18. Pressão arterial sistólica actual 19. Pressão arterial diastólica última medição 19. Pressão arterial sistólica actual 20. Frequência cardíaca 21. Medicação actual 998. não responde 999. não sabe 998. não responde 0 a? 999. não sabe 998. não responde 0 a? 999. não sabe 998. não responde 0 a? 999. não sabe 998. não responde 0 a? 999. não sabe 998. não responde 0 a? ppm 999. não sabe 998. não responde 1. sim 2. não Tipo Caracter(1) Nominal Numérico(1) Ordinal Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Numérico(3.2) Quantitativa continua Caracter(1) Nominal

17 Construção da base de dados Exercícios Práticos Para o exemplo de inquérito sobre o estados da saúde, construa o dicionário de variáveis e a respectiva estrutura de dados no SPSS.

18 Construção da base de dados Exercícios Práticos 1. Análise descritiva, apropriada, para cada uma das variáveis. Discussão dos resultados 2. Construção de variáveis secundárias Idade = Data de Registo - Data Nascimento Mês de Registo = Mês (Data registo) Indice Massa Corporal = Peso / (Altura) 2

19 Construção da base de dados 2. (continuação) Grupos etários (decenais), Exercícios Práticos Grupos IMC (<18, 18 e <20, 20 e <25, 25 e <27, 27 e <30, 30) Classificação da HTA (PAS>140 e PAD>90), Hipercolosteremia (Coles>200) 3. Análise descritiva das variáveis construídas Discussão dos resultados

20 Estatística descritiva

21 Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas Algumas Noções

22 População Amostragem Amostra Uma ou mais variáveis (X) são observadas Verdadeiro valor µ medição média

23 Exatidão + - Precisão + * * * * * * µ * µ * * * * * * * - * * * * * * µ * µ * * * * * * * * *

24 ESTATÍSTICA 1. Estatística Descritiva Explorar, apresentar e resumir os dados da amostra. (tabelas, Gráficos, medidas de localização, medidas de dispersão, etc.) 2. Inferência Estatística Afirmações sobre parâmetros da população. (Estimativas pontuais, intervalos de confiança, Testes de hipóteses) Algumas Noções

25 Exemplos de variáveis X - indica o Sexo (Masculino, Feminino). X - representa a Altura (cm). X - representa o Número de filhos. X - representa o Grupo Sanguíneo. X - representa o Resultado do Tratamento (melhoria, sem alterações, pioria). Tipos de Variáveis Qualitativas Quantitativas Algumas Noções

26 Qualitativas Nominais Não existe uma ordem entre as categorias Exemplos: Sexo (dicotómica), Grupo sanguíneo (policotómico). Ordinais Existe uma ordem natural Exemplos: Resultado do tratamento ( - ; = ; + ) Habilitações literárias Classe social. Algumas Noções

27 Quantitativas Discretas (contagens) Exemplos: Nº. de elementos do agregado familiar. Número de glóbulos brancos numa amostra de sangue. Contínuas Exemplos: Altura, Idade, Pressão arterial. Algumas Noções

28 Como descrever Distribuições? Variável qualitativa Tabelas Tabela de Frequências (Qual a frequência de cada categoria). SEXO Valid Total Masculino Feminino Total Frequencia % % válida 18 45,0 45,0 45, ,0 55,0 100, ,0 100, ,0?X % cumulativa Não faz sentido usar frequências acumuladas! Menor que sexo Feminino? Gráficos Diagrama de barras Percentagem Masculino Feminino Percentagem 40 Masculino Feminino SEXO SEXO Exploração e representação de Dados

29 etc. Sectogramas ( queijos ) Masculino 18,00 / 45,0% Feminino Masculino 18,00 / 45,0% 22,00 / 55,0% Feminino 22,00 / 55,0%

30 Variável quantitativa PESO Tabelas Tabela de frequências Diagrama de Caule-e-Folhas Etc. Valid 50,0 50,5 53,0 54,5 57,0 Frequency Percent Valid Percent Cumulative Percent 1 2,5 2,6 2,6 1 2,5 2,6 5,1 1 2,5 2,6 7,7 1 2,5 2,6 10,3 2 5,0 5,1 15,4 58,0 2 5,0 5,1 20,5 59,0 2 5,0 5,1 25,6 PESO Stem-and-Leaf Plot 60,5 62,0 63,0 1 2,5 2,6 28,2 2 5,0 5,1 33,3 1 2,5 2,6 35,9 Frequency Stem & Leaf 65,0 66,5 2 5,0 5,1 41,0 1 2,5 2,6 43,6 4, , , , , , , , , , , ,00 Extremes (>=118) 67,0 67,5 68,0 70,0 71,0 73,0 75,0 77,0 77,5 78,0 79,0 79,5 82,0 87,0 1 2,5 2,6 46,2 1 2,5 2,6 48,7 1 2,5 2,6 51,3 2 5,0 5,1 56,4 1 2,5 2,6 59,0 2 5,0 5,1 64,1 1 2,5 2,6 66,7 1 2,5 2,6 69,2 1 2,5 2,6 71,8 1 2,5 2,6 74,4 1 2,5 2,6 76,9 1 2,5 2,6 79,5 1 2,5 2,6 82,1 1 2,5 2,6 84,6 Stem width: 10,0 Each leaf: 1 case(s) 91,0 92,0 96,5 97,0 1 2,5 2,6 87,2 1 2,5 2,6 89,7 1 2,5 2,6 92,3 1 2,5 2,6 94,9 100,5 1 2,5 2,6 97,4 118,2 1 2,5 2,6 100,0 Total 39 97,5 100,0 Missing,0 1 2,5 Total 1 2,5 Total ,0

31 Gráficos Diagrama de barras Percentagem Histogramas IDADE ,7 45,0 53,3 61,7 70,0 78,3 Std. Dev = 10,65 Mean = 63,7 N = 40, Std. Dev = 10,65 Mean = 63,7 N = 40,00 35,0 45,0 55,0 65,0 75,0 40,0 50,0 60,0 70,0 80,0 IDADE IDADE

32 Diagrama de Caule-e-folhas IDADE Stem-and-Leaf Plot Frequency Stem & Leaf 1, , , , , , , , , , Stem width: 10 Each leaf: 1 case(s)

33 Caixa-de-bigodes N = 40 IDADE IDADE

34 Como se obtêm estas representações gráficas? Usando o SPSS... Statistics Analyse Descriptive Satatistics Summarize Explore Dependent List aqui colocamos a varoável que queremos estudar Factor List Se quisermos estudar a Variável por outros níveis, Por exemplo, sexo, grupo etário, Colocamos aqui essa variável Label Cases by Por vezes existem observações que são discrepantes das restantes se as quisermos identificar de algum modo, colocamos aqui a variável que contém essa identificação.

35 Estatísticas descritivas que caracterizam a distribuição Medidas de Localização Valid Frequency IDADE Percent Valid Percent Cumulative Percent 1 2,5 2,5 2,5 1 2,5 2,5 5,0 1 2,5 2,5 7,5 Média, Mediana, Moda Quantis (e.g. 1º. Tercil, Decis, percentis, quartis) ,5 2,5 10,0 1 2,5 2,5 12,5 1 2,5 2,5 15,0 1 2,5 2,5 17,5 1 2,5 2,5 20, ,0 5,0 25, ,0 5,0 30, ,0 5,0 35, ,5 2,5 37, ,0 5,0 42, ,5 2,5 45, ,5 2,5 47, ,0 5,0 52, ,0 5,0 57, ,0 5,0 62, ,5 7,5 70, ,5 2,5 72, ,0 5,0 77, ,5 2,5 80, ,5 2,5 82, ,0 5,0 87, ,5 2,5 90, ,0 5,0 95, ,5 2,5 97, ,5 2,5 100,0 Total ,0 100,0 Total ,0

36 Mínimo e Máximo Descriptive Statistics IDADE Valid N (listwise) N Minimum Maximum Quantis Statistics N Percentiles IDADE Valid Missing ,10 47,30 56,25 59,00 66,00 71,00 76,90

37 Medidas de tendência central Média Média (População ) População Amostragem Amostra média = Soma de todos os valores x na População Tamanho da População Média (Amostral) População Amostragem Amostra x = Soma de todos os valores x na Amostra Tamanho da Amostra

38 Exemplos individuo SEXO PESO TRIG IDADE 1 Masculino Masculino Masculino 77, Masculino 50, Masculino Masculino Masculino Masculino Masculino Masculino 96, Masculino Masculino Masculino Masculino Masculino Masculino Masculino 100, Masculino Soma N média 76, , ,22222

39 Medidas de tendência central Mediana Valor que divide a amostra em 50% para cada lado A fórmula de cálculo desta estatística depende do tamanho, n par ou impar. 20, 20, 20, 22, 58 20, 20, 22, 58 mediana = = 21 Nota: Dados ordenados

40 20, 20, 20, 22, 58 Mediana = 20 Média=28 20, 20, 22, 58 Mediana = 21 Média=30 Exemplo Valid 46 Frequency IDADE a Percent Valid Percent Cumulative Percent 1 5,6 5,6 5, ,6 5,6 11, ,6 5,6 16, ,6 5,6 22, ,1 11,1 33, ,6 5,6 38, ,6 5,6 44, ,6 5,6 50, ,6 5,6 55, ,6 5,6 61, ,6 5,6 66, ,7 16,7 83, ,6 5,6 88, ,6 5,6 94, ,6 5,6 100,0 Total ,0 100,0 Total ,0 a. SEXO = Masculino

41 Medidas de tendência central Moda Valor da amostra com maior frequência Nem sempre faz sentido, porque existem muitos valores com a mesma frequência (variáveis contínuas), nestes casos Faz mais sentido falar na classe modal e num valor que representa essa classe.

42 Exemplo Idade 16 IDADE Stem-and-Leaf Plot 14 Frequency Stem & Leaf ,7 45,0 53,3 61,7 70,0 78,3 Std. Dev = 10,65 Mean = 63,7 N = 40,00 1, , , , , , , , , , IDADE Stem width: 10 Each leaf: 1 case(s) Medidas de tendência central Statistics N IDADE Valid Missing Mean Median Mode ,70 66,00 69

43 Medidas de Dispersão Desvio padrão, Variância Amplitude amostral, Dispersão Quartal As medidas de dispersão dão informação sobre a precisão da média observada. σ pequeno σ grande µ µ

44 Variância e Desvio padrão Desvio padrão (Populacional) σ = Soma ( dos desvios dos x em relação à media ao quadrado) Tamanho da População Desvio padrão amostral s = ( ) x x i n 1 2

45 X - Idade dos indivíduos do sexo masculino ( X X) Indivíduo X X X , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,71605 Soma ,111 N 18 Média 62,22222 s 2 80,4183 s 8,

46 Estatística descritiva para variáveis Quantitativas Se distribuição simétrica Gaussiana (Normal), então Média Desvio Padrão Simetria

47 Se os dados não são simétricos, então Assimetria Bimodal Mediana Dispersão quartal Amplitude interquartil

48 Mediana Quantil 25% Quantil 75% - Amplitude interquartil - Dispersão quartal

49 Exemplo: Idade Descriptives IDADE Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic Std. Error 63,70 1,68 60,29 67,11 64,00 66,00 113,446 10, ,75 -,473,374 -,266,733

50 Exemplo: Peso Descriptives PESO Mean Statistic Std. Error 71,531 2,445 95% Confidence Interval for Mean Lower Bound Upper Bound 66,580 76,481 5% Trimmed Mean 70,600 Median 68,000 Variance 233,213 Std. Deviation 15,271 Minimum 50,0 Maximum 118,2 Range Interquartile Range 68,2 20,000 PESO 37 Skewness 1,015,378 Kurtosis 1,007,

51 Como se interpreta uma Caixa-de-bigodes A construção da caixa de bigodes baseia-se em 5 estatísticas também chamadas as 5 Letras resumo: a mediana, o quarto inferior, o quarto superior, o mínimo e o máximo. Caixa das 5 Letras Resumo # 39 Profundidade PESO me F 10,5 59,75 78, ,2 Barreiras de Outlies (50 ; 106,625) Existem Outliers na cauda superior Localização, Dispersão, Assimetria, Outliers (valores discrepantes). PESO

52 A dispersão dos dados é dada nas caixas de bigodes pelo tamanho da caixa. O equivalente do desvio padrão é a dispersão quartal. As barreiras de outliers são definidas por forma a incluir 3 dispersões, baseando-se em pressupostos teóricos de que 99,9 dos dados estão dentro de 3 dispersões dos dados.

53 Exemplo: trigliceridos transformações TRIG TRIGLOG 32 TRIGLOG2 3,5 4,0 4,5 5,0 5,5 6,0 6,5 1,3 1,4 1,5 1,6 1,7 1,8 1,9

54 Comparar duas distribuições Exemplo: Trigliceridos 3,5 3,0 2,5 2,0 1,5 1,0,5 0,0 SEXO: 1 Masculino 325,0 300,0 275,0 250,0 225,0 200,0 175,0 150,0 125,0 100,0 75,0 50,0 Std. Dev = 64,38 Mean = 140,3 N = 18, SEXO: 2 Feminino 450,0 400,0 350,0 300,0 250,0 200,0 150,0 100,0 50,0 Std. Dev = 97,46 Mean = 169,5 N = 22,00 TRIG TRIG

55 Caixas de bigodes paralelas Masculino 17 Feminino 32 SEXO TRIG

56 SEXO = Masculino SEXO = Feminino Descriptives a Descriptives a Statistic Std. Error Statistic Std. Error TRIG Mean 140,28 15,17 TRIG Mean 169,55 20,78 95% Confidence Interval for Mean Lower Bound 108,26 95% Confidence Interval for Mean Lower Bound 126,34 Upper Bound 172,29 Upper Bound 212,76 5% Trimmed Mean 135,09 5% Trimmed Mean 159,56 Median 137,50 Median 142,50 Variance 4144,683 Variance 9497,784 Std. Deviation 64,38 Std. Deviation 97,46 Minimum 59 Minimum 62 Maximum 315 Maximum 472 Range 256 Range 410 Interquartile Range 85,25 Interquartile Range 152,25 Skewness 1,091,536 Skewness 1,566,491 Kurtosis 1,845 1,038 Kurtosis 3,022,953 a. SEXO = Masculino a. SEXO = Feminino

57 Dados bi-variados Relação entre o peso e os trigliceridos? 110 SEXO: 1 Masculino 120 SEXO: 2 Feminino PESO PESO TRIG TRIG Diagramas de dispersão

58 Dados bi-variados Relação entre o peso e os trigliceridos? Correlação paramétrica O coeficiente de correlação de Pearson SEXO = Masculino Correlations a SEXO = Feminino Correlations a Pearson Correlation Sig. (2-tailed) N PESO TRIG PESO TRIG PESO TRIG PESO TRIG 1,000,549*,549* 1,000,,022,022, *. Correlation is significant at the 0.05 level (2-tailed). a. SEXO = Masculino Pearson Correlation Sig. (2-tailed) N PESO TRIG PESO TRIG PESO TRIG a. SEXO = Feminino PESO TRIG 1,000,331,331 1,000,,133,133,

59 Dados bi-variados Relação entre o peso e os trigliceridos? Correlação não paramétrica O coeficiente de correlação de Spearman SEXO = Masculino Correlations a SEXO = Feminino Correlations a Spearman's rho Correlation Coefficient Sig. (2-tailed) N PESO TRIG PESO TRIG PESO TRIG PESO *. Correlation is significant at the.05 level (2-tailed). a. SEXO = Masculino TRIG 1,000,520*,520* 1,000,,033,033, Spearman's rho Correlation Coefficient Sig. (2-tailed) N a. SEXO = Feminino PESO TRIG PESO TRIG PESO TRIG PESO TRIG 1,000,319,319 1,000,,148,148,

60 Dados bi-variados Exemplo Relação entre peso e idade SEXO = Masculino 110 SEXO: Masculino SEXO = Feminino 120 SEXO: Feminino PESO PESO IDADE IDADE

61 Dados bi-variados Relação entre peso e idade SEXO = Masculino SEXO = Feminino Correlations a Correlations a Spearman's rho Correlation Coefficient PESO IDADE PESO IDADE 1,000,246,246 1,000 Spearman's rho Correlation Coefficient PESO IDADE PESO IDADE 1,000 -,191 -,191 1,000 Sig. (2-tailed) PESO IDADE,,342,342, Sig. (2-tailed) PESO IDADE,,394,394, N PESO N PESO IDADE IDADE a. SEXO = Masculino a. SEXO = Feminino Não há evidência de que o peso e a idade estejam relacionados. No entanto, delineia-se uma tendência positiva nos homens e uma tendência negativa nas mulheres.