A importância da estatística na enfermagem (com exemplos)

O campo da estatística preocupa-se com a coleta, análise, interpretação e apresentação de dados.

Na enfermagem, as estatísticas são importantes pelos seguintes motivos:

Fundamentação 1 : A estatística permite que os enfermeiros compreendam como interpretar estatísticas descritivas, como média, mediana, desvio padrão, intervalo e percentis.

Fundamentação 2 : As estatísticas permitem que os enfermeiros compreendam como interpretar os resultados de ensaios clínicos recentes e como comunicar esses resultados aos pacientes.

Justificativa 3 : As estatísticas permitem que os enfermeiros entendam como interpretar as razões de probabilidade, o que pode dar aos pacientes uma ideia dos fatores de risco relacionados a diferentes medicamentos ou escolhas de estilo de vida.

No restante deste artigo, desenvolvemos cada uma dessas razões.

Razão 1: entender como interpretar estatísticas descritivas

Estatísticas descritivas são usadas para descrever dados.

Num contexto médico, um enfermeiro pode ter acesso às seguintes estatísticas descritivas de um paciente:

• O peso médio do paciente durante um determinado intervalo de tempo.
• O desvio padrão do peso do paciente durante um determinado intervalo de tempo.
• O percentil da altura, peso, pressão arterial e frequência cardíaca de um paciente.

Usando essas medidas, a enfermeira pode compreender melhor o estado geral de saúde de um determinado paciente e fornecer recomendações para melhorar sua saúde.

Por exemplo, suponha que uma enfermeira consiga ver que um paciente está no percentil 93 de peso para sua faixa etária.

Ao fazer um curso de estatística, uma enfermeira saberia que isso significa que o indivíduo pesa 93% a mais do que todos os indivíduos da mesma faixa etária.

Esta é uma indicação clara de que o indivíduo não está com um peso saudável e a enfermeira pode recomendar um determinado medicamento ou mudança de estilo de vida que possa ter um efeito positivo no indivíduo.

Razão 2: Entenda como interpretar os resultados dos ensaios clínicos

Outra razão importante pela qual os enfermeiros entendem as estatísticas é saber como interpretar os resultados dos ensaios clínicos.

Por exemplo, suponha que os investigadores estejam a realizar um novo ensaio clínico para determinar se um novo medicamento afecta a perda de peso.

Suponha que os seguintes resultados do ensaio sejam relatados em uma revista médica:

Houve uma diferença significativa na perda média de peso entre o novo medicamento (M = 5,75, DP = 1,25) e o placebo (M = 0,23, DP = 0,97); p = 0,021.

Uma enfermeira que fez um curso de estatística saberá que o p mostrado nos resultados representa o valor p de um teste t de duas amostras.

E como esse valor de p é inferior a 0,05, eles saberão que os resultados do estudo são estatisticamente significativos, indicando que há uma diferença estatisticamente significativa na perda de peso entre os pacientes que tomaram o novo medicamento e aqueles que tomaram o mesmo medicamento. um placebo.

Ao compreenderem como interpretar estes resultados, podem transmitir esta informação aos pacientes que estão a considerar tomar o novo medicamento para perda de peso.

Nota : Este é apenas um exemplo de teste estatístico que pode ser realizado em ensaios clínicos. Outros testes comuns incluem teste t de uma amostra , teste t de amostras pareadas , ANOVA unidirecional e ANOVA bidirecional .

Razão 3: Entenda como interpretar odds ratio

Outra razão importante pela qual os enfermeiros compreendem as estatísticas é saber como interpretar os rácios de probabilidade.

Uma razão de chances nos diz a razão entre as chances de um evento ocorrer em um grupo de tratamento e as chances de um evento ocorrer em um grupo de controle.

Por exemplo, suponhamos que os investigadores queiram compreender a relação entre a idade da mãe e a probabilidade de ter um bebé com um peso saudável à nascença.

Para explorar isso, eles realizam regressão logística usando a idade como variável preditora e peso saudável ao nascer (não = 0, sim = 1) como variável de resposta .

Suponha que eles coletem dados de 200 mães e ajustem um modelo de regressão logística. Aqui estão os resultados:

A razão de probabilidade para a variável preditora idade é inferior a 1. Isto significa que cada aumento adicional de um ano na idade está associado a uma diminuição nas probabilidades de uma mãe ter um bebé saudável.

Em particular, podemos utilizar a seguinte fórmula para quantificar a evolução das probabilidades:

% de alteração de probabilidades: (OR-1) * 100

Por exemplo, o odds ratio (OR) para a idade é 0,92. Assim, poderíamos calcular:

% de alteração das probabilidades: (0,92 – 1) * 100 = -8%

Isto significa que cada aumento adicional de um ano na idade está associado a uma diminuição de 8% na probabilidade de uma mãe ter um bebé saudável.

Ao compreender como interpretar esta razão de probabilidade, uma enfermeira pode comunicar claramente este resultado a uma potencial mãe.

Recursos adicionais

Os artigos a seguir explicam a importância das estatísticas em outras áreas:

A importância das estatísticas nas empresas
A importância das estatísticas na educação
A importância das estatísticas na economia
A importância das estatísticas na pesquisa
A importância das estatísticas na saúde