Definindo viés
Posted on 16th March 2017 by Cochrane Brazil
This blog is a Portuguese translation of the blog ‘Defining Bias’ written by Dabean Faraj. Read the English version here. With thanks to Cochrane Brazil for the translation.
Defina os seguintes termos:
A. Viés
B. Viés de atrito
C.Viés de detecção
Introdução
Viés. Uma palavra que é tão comumente proferida e todos sabem o significado. Mas se eu pedisse a você para definir especificamente o termo – muitas pessoas teriam dificuldades apesar de compreenderem o conceito. Neste blog, eu espero esclarecer o assunto.
A. Viés.
Bem, viés não é bom em estatística. Basicamente, viés refere-se a dados, a resultados e ao valor verdadeiro:
- Dados – o que você coletou.
- Resultados – o que os seus dados mostram.
- Valor verdadeiro– o valor real do que quer que seja que você está tentando medir.
No mundo real, o “valor verdadeiro” de algumas coisas pode jamais ser conhecido. Mas medidas estatísticas podem ser usadas para estimar o valor verdadeiro da melhor maneira possível. O ‘viés’ acontece quando os dados que você coletou são distorcidos de alguma maneira, e isso afeta os resultados.
A verdade e o problema
A verdade – não existe teste estatístico ou método de coleta de dados que seja 100% perfeito (livre de viés). Sempre haverá viés. Mas o objetivo principal de um bom teste estatístico é tentar chegar o mais próximo possível do valor verdadeiro – e você faz isso reduzindo o máximo de viés que for possível.
O problema – existem diversos tipos de vieses. Diversos! O que torna tudo um pouco complicado.
B) Viés de atrito.
Este é o tipo de viés que você tem quando perde participantes num estudo que você está realizando. Digamos que você quer testar uma nova medicação para o câncer. Imagine que você deu a nova medicação para metade dos participantes e a outra metade recebeu a medicação atual ou placebo. Enquanto os participantes vão sendo acompanhados, alguns vão sair do estudo ao longo do caminho. Frequentemente, isso ocorre porque eles acham que o tratamento não está funcionando para eles, então não querem mais continuar.
É possível lidar com isso de algumas maneiras. Uma delas é ignorar completamente qualquer dado das pessoas que saíram– como se elas nunca tivessem feito parte do estudo. Entretanto, isso pode causar um problema porque pode ser que aqueles que desistiram o tenham feito porque não acharam a medicação eficaz, e o objetivo do estudo era justamente testar se a nova droga era mais eficaz do que o tratamento atual ou placebo. Isso é um problema!
C) Viés de detecção
Este tipo de viés está relacionado ao método de “cegamento” usado nos estudos. Continuemos com o nosso estudo da medicação para câncer. Um bom estudo faria com que:
- Os pacientes não saibam que medicação estão tomando.
- Os examinadores não saibam que medicação o paciente tomou. Assim, eles não sabem de que grupo é o desfecho que eles estão avaliando.
MAS! O cegamento funciona até certo ponto. Porque pode ser que mesmo que essas medidas tenham sido usadas para ocultar deles o que estão tomando/avaliando, eles ainda podem saber. Talvez os examinadores sejam tão familiarizados com o padrão de sintomas da antiga medicação que quando eles avaliam os pacientes, imediatamente identificam que deve ser a medicação antiga que tais pacientes estão tomando. Então, os examinadores podem atuar de forma diferente com os pacientes que não apresentam os mesmos padrões de sintomas. Isso é um problema!
Mais
http://bmg.cochrane.org/assessing-risk-bias-included-studies
Language Bias. Mais here.
