Viés de tamanho inadequado da amostra

LEGENDA TRADUZIDA

Ocorre quando um estudo utiliza o tamanho inadequado de amostra. Amostras de tamanho insuficiente podem levar a um achado devido ao acaso, enquanto amostras grandes normalmente são estatisticamente significantes, mas não clinicamente relevantes.

TEXTO TRADUZIDO

Introdução

Estudos sobre saúde humana utilizam amostras para inferir informações sobre toda a população relevante e para representar de forma acurada a população de interesse. Quando tamanhos de amostra pequenos são utilizados, o risco de que os resultados observados sejam ao acaso é grande, o que não é o caso em estudos de grande tamanho amostral. Porém, tamanhos de amostra muito grandes podem detectar associações pequenas que podem não ser clinicamente importantes ou relevantes.

Indicadores estatísticos, incluindo o valor de p e o intervalos de confiança, são utilizados para ajudar a determinar o nível de certeza de que os resultados observados não tenham ocorrido ao acaso. Amostra muito grandes podem levar a um amplo número de resultados estatisticamente significantes, mas que podem não ser importantes se o tamanho do efeito for pequeno, ou se a relação encontrada não for clinicamente relevante para a saúde.

Estudos com grande tamanho amostral são muito melhores que os pequenos, porém deve se tomar cuidado na interpretação dos resultados de ambos, pois tamanhos de amostra grandes podem ampliar qualquer viés presente.

Exemplos

No artigo de Ioannidis, “Por que a maioria dos estudos publicados têm resultados falsos” (Why Most Published Research Findings Are False) ele afirma que “quanto menor o tamanho de amostra de um estudo científico, menor a probabilidade de que os achados da pesquisa sejam verdadeiros“. Como exemplo, em ensaios clínicos placebo-controlados sobre medicamentos anti-reumáticos de segunda linha, o viés de tamanho de amostra demonstrou que o efeito decaiu conforme o tamanho da amostra aumentava.

Tamanhos de amostra grandes também podem estar errados. Na eleição de 1936, a maior pesquisa de intenção de votos da história dos Estados Unidos, realizada com 2,4 milhões de participantes, teve um resultado completamente errado. O resultado da pesquisa mostrava que Landon ganharia com a maioria dos votos. Porém, Roosevelt ganhou em 46 dos 48 estados. A pesquisa foi conduzida pela Literary Digest, que teve como participantes seus próprios leitores, pessoas que apoiavam Landon. Este erro ocorreu devido ao viés de averiguação, mas a conclusão é: não seja enganado pelo tamanho da amostra.

Impacto

Uma comparação dos benefícios estimados dos tratamentos por estudos com amostras grandes (pelo menos 100 participantes por braço) e por estudos com amostras pequenas mostrou que, em média, os efeitos dos tratamentos foram maiores em estudos com amostras pequenas. Na neurociência, os tamanhos de amostra tendem a ser pequenos, dando poder pequeno para detectar associações e assim a probabilidade de que um achado seja verdadeiro é pequena.

Passos para prevenção

Para prevenir o viés de tamanho inadequado de amostra, ao planejar um estudo é essencial buscar a assessoria de um estatístico. Ao interpretar os resultados, não fique convencido apenas por grandes números e pequenos intervalos de confiança. Considere explicações racionais para os resultados observados, e a relevância do tamanho do efeito observado. Tome cuidado ao utilizar os valores de p para sustentar ou refutar hipóteses, especialmente quando um grande número de testes estatísticos foi realizado para fornecer este valor de p.

Estudos observacionais muito grandes, como o Million Women Study, ao invés de usarem intervalos de confiança de 95% para indicar a confiança em uma estimativa, algumas vezes utilizam intervalos de confiança de 99%.

Outra área em que níveis mais rigorosos de significância estatística são utilizados inclui os estudos de associação de genoma, que lidam com um grande número de dados e avaliam um amplo número de associações. Para a descoberta de genes desses estudos, é mais importante evitar falsos-positivos do que perder algumas associações verdadeiras; assim, esses estudos têm como padrão utilizar um nível de significância estatística muito mais rigoroso.