Merge pull request #2 from philsf-biostat/1-sap

1 sap

report/SAP_DM_2020-v01.Rmd

@@ -1,7 +1,7 @@
 ---
 title: "Plano de Análise Estatística de ..."
-author: '**De:** Felipe Figueiredo **Para:** ___'
-date: '**Data: ** dd/mm/aaaa'
+author: '**De:** Felipe Figueiredo **Para:** Diego Rezende Martins'
+date: '**Data: ** 07/01/2021'
 output:
  html_document:
  fig_caption: yes
@@ -72,6 +72,12 @@ colnames(sigs) <- c("Papel", "Nome", "Função", "Assinatura", "Data")
 
 # Lista de abreviaturas
 
+- DM: Diabetes mellitus
+- EVD:
+- HAS: Hipertensão arterial sistêmica
+- HT: Hipotireoidismo
+- IVC:
+
 # Introdução
 
 ## Contexto
@@ -82,37 +88,174 @@ colnames(sigs) <- c("Papel", "Nome", "Função", "Assinatura", "Data")
 
 # Limpeza dos dados
 
+Os dados recebidos serão reorganizados em uma tabela retangular, agrupando todos os casos em linhas com uma coluna por variável.
+A coluna ID será redefinida de modo que haja um ID único para cada participante incluído no estudo, independente do grupo.
+Com isso, a tabela de dados analíticos apresentará uma linha para cada observação das variáveis, i.e., cada um dos vinte participantes incluídos no estudo.
+
+As seguintes novas variáveis serão criadas a partir para a análise:
+
+- **EVD dif:** diferença entre EVD pré e pós (numérica)
+- **Dominante:** se o lado acometido era o lado dominante do participante (dicotômica)
+
+As seguintes variáveis serão limpas para adequação nas análises:
+
+- **Tempo artrose:** convertida em valores numéricos
+ - valores possíveis: número (anos) ou célula vazia
+- **Comorbidades:** redefinidas como variáveis dicotômicas
+ - reorganizadas em colunas independentes
+ - valores possíveis: nome da comorbidade ou célula vazia
+- **Retorno:** Esta coluna é repetida em todas as quatro planilhas
+ - serão utilizados as duas primeiras ocorrências deste dado:
+ - Folha 1 - Tabela 1 - Volar
+ - Folha 1 - Tabela 2 - Dorsal
+
+A tabela de dados analíticos será criada de acordo com a seguinte estrutura da Tabela 1.
+
+```{r tab.dados}
+tab.dados <- tibble::tibble(
+ ID = c(1:3, "...", 20),
+ Idade = "",
+ Sexo = "",
+ Grupo = "",
+ "EVD Pré" = "",
+ "EVD Pós" = "",
+ "EVD dif" = "",
+ "Lado dominante" = "",
+ "Lado acometido" = "",
+ "Dominante" = "",
+ Artrose = "",
+ "Tempo artrose" = "",
+ "Statisfação" = "",
+ "Retorno" = ""
+ )
+pander(tab.dados, split.table = Inf)
+```
+
+Table: **Tabela 1** Estrutura da nova tabela de dados analíticos
+
+As colunas de comorbidades serão acrescentadas à tabela de dados, seguindo a estrutura apresentada na Tabela 2.
+
+```{r tab.dados.comorb}
+tab.dados.comorb <- tibble::tibble(
+ ID = c(1:3, "...", 20),
+
+ "(colunas tabela 1...)" = "",
+ HAS = "",
+ DM = "",
+ TABAGISMO = "",
+ HT = "",
+ IVC = ""
+ )
+pander(tab.dados.comorb, split.table = Inf)
+```
+
+Table: **Tabela 2** Representação das comorbidades na tabela de dados analíticos
+
 # Variáveis do estudo
 
 ## Desfechos primário e secundários
 
+Serão avaliados quatro desfechos na comparação entre os dois grupos de participantes:
+
+**desfecho primário**
+
+- Diferença na EVD pré e pós nos dois grupos (numérica)
+
+**desfechos secundários**
+
+- Alteração degenerativa (artrose) (dicotômica)
+- Grau de satisfação (numérico)
+- Retorno à profissão (dicotômica)
+
 ## Covariáveis
 
+- Idade (em anos)
+- Sexo (feminino/masculino)
+- Acometimento no lado dominante (direito/esquerdo)
+- Tempo até a artrose (em anos)
+- Comorbidades (dicotômicas)
+ - HAS
+ - DM
+ - Tabagismo
+ - HT
+ - IVC
+
 # Métodos estatísticos
 
 ## Análises estatísticas
 
 ### Análise descritiva
 
+As variáveis numéricas serão descritas como média e desvio padrão.
+As variáveis categóricas serão descritas como frequência e proporção.
+As proporções serão apresentadas como porcentagem.
+
+A análise descritiva será dividida em duas tabelas:
+
+- tabela das características dos participantes do estudo, apresentando as covariáveis descritas na seção 4.2
+- tabela descritiva dos desfechos do estudo descritos na seção 4.1
+
+Ambas as tabelas apresentarão os dados estratificados nos dois grupos.
+
+```{r tab.descr}
+
+```
+
 ### Análise inferencial
 
-### Modelagem estatística
+A comparação de variáveis numéricas entre os dois grupos será avaliada com o teste t de Student não pareado.
+O p-valor do teste t de student será apresentado na tabela descritiva dos resultados
+
+A comparação de variáveis categóricas entre os dois grupos será avaliada com o teste exato de Fisher.
+
+```{r tab.res}
+
+```
+
+
+<!-- ### Modelagem estatística -->
 
 ## Significância e Intervalos de Confiança
 
+Todas as análises serão feitas com nível de significância de 5%.
+Todos os testes de significância e intervalos de confiança calculados serão bilaterais.
+
 ## Tamanho da amostra e Poder
 
+```{r}
+library(pwr)
+n <- 10
+ES.large <- pwr.t.test(n = 10, d = 0.8)
+ES.study <- pwr.t.test(n = 10, power = 0.8)
+# s/m/l = .2/.5/.8
+```
+
+O desfecho primário deste estudo é uma variável numérica e será analisada com o teste t de Student.
+Na ausência de estimativas prévias da média e desvio padrão do desfecho primário (EVD) a análise de poder só pode ser feita usando-se o método de Cohen (Cohen, 1988) de tamanho de efeito padronizado.
+Esta abordagem utiliza apenas os dados obtidos na amostra de estudo e Cohen sugere a seguinte interpretação de tamanhos de efeito padronizados:
+
+- efeito pequeno: d = 0.2
+- efeito médio: d = 0.5
+- efeito grande: d = 0.8
+
+Com `r n` participantes incluídos em cada grupo, este estudo é capaz de detectar um tamanho de efeito grande (d = 0.8) com poder de `r format.pct(ES.large$power)` e significância de 5%.
+Por outro lado, se estipularmos o nível de poder tipicamente encontrado na literatura de 80%, o efeito padronizado precisa ser pelo menos `r format.float(ES.study$d)` para que este estudo possa detectá-lo com significância de 5%.
+
+É pouco provável que esta amostra seja suficiente para detectar um efeito estatisticamente significativo entre os grupos.
+
 ## Softwares utilizados
 
 Esta análise será realizada utilizando-se o software `R` versão `r getRversion()`.
 
 <!-- # Resultados -->
 
-# Exceções e Observações
+<!-- # Exceções e Observações -->
 
 <!-- # Conclusões -->
 
 # Referências
 
-# Apêndice
+- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale,NJ: Lawrence Erlbaum.
+
+<!-- # Apêndice -->