Estatística

A maioria dos artigos científicos inclui análise estatística, e as conclusões de um estudo dependem dos resultados dessa análise. Se os dados forem analisados ou reportados de maneira incorreta, o artigo iludirá os leitores. Portanto, como cientista e revisor, é importante ter sólidos conhecimentos em estatística, e examinar cuidadosamente os métodos estatísticos e como eles são apresentados nos artigos que você revisar. Caso você não se sinta qualificado para avaliar a seção de análise estatística, diga isso ao editor nos seus comentários para que ele saiba que precisa pedir a outra pessoa que a revise.

Algumas questões a serem perguntadas quando você revisa as análises estatísticas e resultados são:

O tamanho da amostra é apropriado e/ou justificado? Os autores fizeram uma análise de potência estatística como parte do desenho de pesquisa?
Os dados satisfazem as premissas dos testes utilizados? (por exemplo, muitos testes estatísticos só podem ser utilizados para dados com distribuição normal. Dados como proporções ou contagens do número de eventos geralmente não são distribuídos normalmente e precisam ser transformados ou, preferencialmente, analisados com modelos estatísticos adequados a esses tipos de dados). Os testes utilizados foram adequados?
Os pontos de dados individuais são estatisticamente independentes? Se houve medidas repetidas (por exemplo, múltiplas medidas do mesmo paciente), foram utilizados os modelos estatísticos apropriados?
Foram consideradas e contabilizadas na análise as fontes potenciais de viés (por exemplo, variáveis confundidoras)?
Quando são apresentadas porcentagens, o numerador e o denominador são claros? Por exemplo, “Das 500 colônias de abelhas, 200 (40%) foram afetadas pelo vírus” ou “Quarenta por cento (200/500) das colônias de abelhas foram afetadas pelo vírus”.
Os valores p são reportados onde apropriado? Geralmente, o valor p deve acompanhar todas as comparações estatísticas mencionadas no texto, figuras e tabelas. O valor p real deve ser apresentado (por exemplo, p = 0,049 e p = 0,0021 em vez de p ‹ 0,05 ou p ‹ 0,01). No entanto, é aceitável afirmar que p ‹ 0,0001 se o valor estiver abaixo desse limite. A seção Análise Estatística também deve dizer qual foi o limite para aceitar a significância estatística, como “Valores de P ‹ 0,05 foram considerados estatisticamente significativos”.

Problemas comuns com métodos e estatísticas

Existem vários problemas comuns que você pode considerar quando estiver revisando os métodos e a análise estatística de um estudo. Eles incluem:

Replicação ausente ou inadequada. A replicação é essencial para minimizar o erro amostral. Se um estudo não tiver o número certo de replicações, não podem ser feitas inferências gerais a partir dele e o poder das análises estatísticas realizadas com os dados seria muito baixo. O resultado do baixo poder estatístico é que não podem ser detectadas as diferenças reais ou o efeito dos tratamentos.
Variável de confusão. O problema da variável de confusão significa que as diferenças causadas pelos tratamentos experimentais não podem ser separadas de outros fatores que podem estar causando a diferença observada. A variável de confusão pode ser evitada através de um desenho experimental cuidadoso, com replicação, controles e randomização adequados.
Métodos deficientes de amostragem. Em estudos observacionais, a amostragem aleatória é necessária para garantir que a amostra experimental é representativa da população inteira. Se não tiver sido utilizada amostragem aleatória, certifique-se de que os autores justificaram seus métodos amostrais.
Falta de randomização. Em estudos experimentais, os “tratamentos” devem ser alocados aleatoriamente a unidades experimentais (ou vice-versa) para garantir que os grupos que estão sendo comparados são similares e que os fatores que poderiam confundir a interpretação dos efeitos do tratamento estão sendo minimizados.
Pseudorreplicação. O tamanho da amostra deve refletir o número de diferentes vezes em que o feito de interesse foi testado de maneira independente. Por exemplo, se houver medidas repetidas no mesmo conjunto de indivíduos, como pode ocorrer ao medir indivíduos repetidamente por um período de tempo, os pontos de dados individuais não são independentes. Nesses casos, as médias por indivíduo, ou os modelos estatísticos apropriados que consideram medidas repetidas (por exemplo, modelos de efeitos mistos), devem ser utilizados para analisar os dados. Se a estatística não for explicada, a pseudorreplicação pode ser frequentemente detectada observando os graus de liberdade (essencialmente, o número de fragmentos de informações independentes) dos testes estatísticos