Análise Bivariada 2 - CATEGÓRICA x CATEGÓRICA

Análise 2: CATEGÓRICA x CATEGÓRICA – QUI-QUADRADO

Considerações:

O Stata só considera como códigos válidos 0 e o 1. 
Para desfecho (variável dependente) 0=não desfecho; 1=desfecho, p.e., 0=não hipertenso e 1=hipertenso.

Para fatores de risco, exposição (variáveis independentes) 0=não-risoc/não exposto (referência) e 1=risco/exposto (categoria teste), p.e., 0= IMC normal, 1= IMC alterado

# Para estudos de COORTE

ORDEM DE COMANDOS DIGITADOS:

1. tab varindep vardep, r exp chi

- “varindep” = variável independente

- “vardep” = variável dependente

- r = row, mostra a frequência relativa das linhas

- exp = expected, calcula o valor esperado de cada célula

- chi = qui-quadrado, mostra o valor do teste e o valor de p

2. tab varindep vardep, exact

- Se a variável apresentar algum valor esperado <5, deve-se calcular o teste exato de Fisher

3. cs vardep varindep

- cs = cohort study

- Para o cálculo do RR e seu IC95%, inverte, primeiro vardep e depois varindep.

4. csi caso1 casoref con1 conref

    csi caso2 casoref con2 conref

- Para o cálculo do RR e seu IC95%, variável categórica com mais de 2 categorias, comparando as categorias de exposição com a de referência, usa-se o comando csi para valores imediatos, na seguinte ordem: caso que foi exposto 1, caso não exposto, controle exposto1, controle não exposto;
caso que foi exposto 2, caso não exposto, controle exposto2, controle não exposto.

	0=controle	1=caso
0=não exposto Ou categ referência	conref	casoref
1=categ exposição 1	con1	caso1
2=categ exposição 2	con2	caso2

# Para estudos TRANSVERSAIS

ORDEM DE COMANDOS DIGITADOS:

1. tab varindep vardep, r exp chi

2. tab varindep vardep, exact (teste exato de Fisher, caso alguma célula tenha valor esperado <5)

3. cs vardep varindep

- cs = cohort study, mesmo comando para estudo transversal, cálculo de RP é semelhante ao de RR.

- Para comparação com variável categórica com 2 classes
4. csi caso1 casoref con1 conref

    csi caso2 casoref con2 conref

- Para comparação com variável categórica com mais de 2 classes

# Para estudos de CASO-CONTROLE

ORDEM DE COMANDOS DIGITADOS:

1. tab varindep vardep, r exp chi

2. tab varindep vardep, exact (teste exato de Fisher, caso alguma célula tenha valor esperado <5)

3. cc vardep varindep

- cc = case control, para o cálculo da OR
- Para comparação com variável categórica com 2 classes

4. cci caso1 casoref con1 conref

    cci caso2 casoref con2 conref

- Para comparação com variável categórica com mais de 2 classes

EXERCÍCIO ____________________________________________________________________

Criar variável categórica “desfecho” a partir das variáveis categóricas “hipertenso” e “diabetico”, para as quais 0=não e 1=sim. Comparar se há associação entre as variáveis categóricas e a “desfecho”, considerando que o estudo foi um caso-controle.

COMANDOS DIGITADOS:

gen desfecho=1 if hipertenso==1 & diabetico==1

replace desfecho=0 if hipertenso==0 | diabetico==0

tab IMC, nolabel

Mostra as classes com seus códigos

tab IMC desfecho, r exp chi

tab IMC desfecho, exact

cci 13 174 16 140

cci 99 174 72 140

cci 53 174 19 140

	n	Hipertensos e diabéticos	%	OR	IC95%	p
IMC
Desnutrido	29	13	44,8	0,81	0,53-1,23	*0,018
Normal	314	174	55,4	1	-
Sobrepeso	171	99	57,9	1,04	0,88-1,22
Obeso	72	53	73,6	1,32	1,12-1,57

*p-valor do teste exato de Fisher geral.

________________________________________________________________________________

Até o próximo exercício! Bom proveito!

Análise Bivariada – NUMÉRICA X CATEGÓRICA (Stata)

Para começar, deve-se analisar a normalidade das variáveis numéricas (rever post anterior)!

Análise 1: Numéricas por categóricas

Passo 1: Se a variável categórica (varcateg) tiver 2 classes (dicotômica), a comparação é entre 2 médias.

# 2 médias de distribuição normal - Teste t de Student

COMANDO DIGITADO: ttest varnum, by( varcateg)

OUTROS COMANDOS:

ttest variavel == v

Onde v é valor para saber se uma variável tem uma média de valor específico.

ttest variavel1 == variavel2 , unpaired

Para identificar se duas variáveis têm a mesma média, para dados não-pareados (amostras independentes).

ttest variavel1 == variavel2

Para dados pareados.

ttesti #obs1 #mean1 #sd1 #obs2 #mean2 #sd2

Forma imediata de comparação de médias de duas amostras.

EXERCÍCIO 1 ____________________________________________________________________

Analisar se há diferença entre as médias das variáveis numéricas normais com o desfecho “obesidade_criança”, variável categórica dicotômica. Preencher a tabela.

COMANDO DIGITADO:

ttest idade, by ( obesidade_criança) 

Tabela 1 – Variáveis normais com desfecho dicotômico:

Criança	n	Média	DP	IC95%	*p-valor
Idade
Não obeso	57	7,02	1,37	6,65-7,38	0,443
Obeso	56	6,82	1,34	6,46-7,18

 *O p-valor é o bicaudal.

# 2 médias de distribuição NÃO-normal - Mann-Whitney

COMANDO DIGITADO:

ranksum varnum, by( varcateg) - Para amostras independentes.

signrank - Para dados pareadas, usando teste de Wilcoxon, a hipótese nula é que as distribuições são iguais.

signtest - Também testa a igualdade de observações pareadas através do cálculo das diferenças entre variável e a expressão (ou outra variável). A hipótese nula é que a média das diferenças é igual a zero.

EXERCÍCIO 2:____________________________________________________________________

Analisar se há diferença entre as medianas das variáveis numéricas não-normais com o desfecho “obesidade_criança”, variável categórica dicotômica. Preencher a tabela.

COMANDO DIGITADO:

ranksum perimetro_braquial, by(obesidade_crianca)

bysort obesidade_crianca: sum perimetro_braquial, d

O comando bysort mostra os valores de mediana, P25, P75, pelas categorias da variável “obesidade_criança”.

Tabela 2 – Variáveis não-normais com desfecho dicotômico

Criança	n	Mediana	P25	P75	p-valor
Perímetro braquial
Não obeso	57	19	17	22	0,753
Obeso	56	19	17	22

Passo 2: Se a variável categórica (varcateg) tiver mais de 2 classes, a comparação é entre mais de 2 médias.

# mais de 2 médias de distribuição normal - Análise de variância (ANOVA)

COMANDO DIGITADO: oneway varnum varcateg, tab bonferroni

Primeiro, observa-se o teste de Bartlett, que analisa a desigualdade das variâncias, pois, só se pode fazer ANOVA se as variâncias forem iguais, ou seja, se p > 0,05 (não-significante).

EXERCÍCIO 3 ____________________________________________________________________

Analisar se há diferença entre as médias das variáveis numéricas normais com o desfecho “obesidade_classe”, variável categórica com mais de 2 classes. Preencher a tabela.

COMANDO DIGITADO:

oneway idade obesidade_classe, tab bonferroni

ttest idade if obesidade_classe==0 | obesidade_classe==1, by( obesidade_classe)

ttest idade if obesidade_classe==1 | obesidade_classe==2, by( obesidade_classe)

O tab não mostra IC95% das médias, para isso faz-se o ttest para pares de categorias, um por vez, e mostra o valor de p para o par.

Tabela 3 – Variáveis normais com desfecho de três categorias:

Criança	n	Média	DP	IC95%	p-valor
Idade
Não obeso	57	7,02	1,37	6,65-7,38
Obeso 1	32	6,44	1,32	5,96-6,91	0,148
Obeso 2	24	7,33	1,20	6,82-7,84	0,985

# mais de 2 médias de distribuição NÃO-normal - Kruskal-Wallis

COMANDO DIGITADO: kwallis varnum, by( varcateg)

Compara as medianas de amostras independentes.

EXERCÍCIO 4 ____________________________________________________________________

Analisar se há diferença entre as médias as medianas das variáveis numéricas não-normais com o desfecho “obesidade_classe”, variável categórica com mais de 2 classes. Preencher a tabela.

COMANDO DIGITADO:

kwallis perimetro_braquial, by( obesidade_classe)

bysort obesidade_classe: sum perimetro_braquial, d

Para mostrar os valores de mediana, P25, P75, pelas categorias da variável “obesidade_classe”.

Tabela 4 – Variáveis não-normais com desfecho de três categorias:

Criança	n	Mediana	P25	P75	p-valor
Perímetro braquial
Não obeso	57	19	17	22	0,000
Obeso 1	32	18	16,5	19
Obeso 2	24	21	19,5	24,5

______________________________________________________

Para a análise com variável categórica, sugiro rever como categorizar uma variável numérica, pois pode ser necessário, ok!