Todos os dias, a comunidade oncológica é inundada com novos dados e resultados de estudos. E um é omnipresente: o p-valor. Escapar ao seu feitiço e manter-se actualizado ao mesmo tempo é como uma impossibilidade. Afinal, é ele que decide, por exemplo, se um novo medicamento é classificado como eficaz ou não. Mas o que significa exactamente o valor p?
Primeiro: quanto menor, melhor. Isto é geralmente verdade neste caso e deveria ser familiar à maioria das pessoas – mesmo que o estudo das estatísticas remonte a alguns anos e o interesse seja limitado. No entanto, esta simplificação grosseira faz uma injustiça ao valor p, porque há muito mais por trás disso. Muito mais que não é assim tão difícil de compreender.
Sentido e objectivo
O p-valor tem exactamente uma tarefa. O seu único objectivo é ou manter ou rejeitar a hipótese nula. Por exemplo, o valor p determina se aceitamos a hipótese de que as oncologistas femininas são mais inteligentes do que as cirurgiãs ortopédicas. A nossa hipótese nula neste caso seria “as oncologistas são igualmente inteligentes como as cirurgiãs ortopédicas”. Se o valor p calculado for menor do que o nível de significância, que é estabelecido antecipadamente, podemos assumir que a nossa hipótese nula é falsa, ou seja, que os oncologistas são – de acordo com a nossa expectativa – mais inteligentes do que os cirurgiões ortopédicos. Se, por outro lado, o valor p for maior do que o nível de significância, devemos manter a hipótese nula, a diferença presumida em inteligência não é estatisticamente significativa.
E qual é o nível de significado agora, por favor?
O nível de significância é fixado pelos próprios autores do estudo, na maioria dos casos em 5%. É assim que surge a famosa fotografia p<0.05, que conhecemos muito bem de várias publicações – e muitas vezes o que queremos ver. Para p<0,05 significa que a hipótese nula pode ser rejeitada ao nível de significância especificado de 5%, ou seja, os oncologistas são mais inteligentes do que os cirurgiões ortopédicos. O nível de significância seleccionado representa um valor limite. Descreve a probabilidade tolerada de cometer um erro ao rejeitar a hipótese nula. Com um nível de significância de 5%, assumimos no nosso exemplo para a aceitação do nosso pressuposto (que os oncologistas são mais inteligentes do que os cirurgiões ortopédicos) que o risco de fazer uma falsa declaração a este respeito deve ser inferior a 5%. Se baixarmos o valor crítico para 1%, a probabilidade de erro é correspondentemente menor, mas também é mais difícil confirmar a nossa hipótese. Inversamente, podemos aumentar o nível de significância para 50% – com a consequência de que a nossa afirmação tem 50% de probabilidade de ser falsa e, portanto, sem relevância.
Ao compreender o nível de significância, é agora fácil compreender também a declaração do valor p. Isto é porque indica o risco de cometer um erro ao rejeitar a hipótese nula. É assim uma medida da probabilidade do resultado ou ainda mais extrema se a hipótese nula for verdadeira. Assim, se o nosso estudo conclui que os oncologistas têm em média 20 pontos de QI mais do que os cirurgiões ortopédicos, o valor p é uma medida da probabilidade de observarmos uma diferença de QI de 20 ou mais pontos de QI na nossa amostra, quando na realidade não há qualquer diferença de QI. Se o valor de p for 0,01, a probabilidade de cometer tal erro é de 1%. Neste caso, se não houver diferença de QI na população, é apenas 1% de probabilidade de retirar uma amostra que tenha 20 pontos de QI ou mais. Tudo bem?
Fonte: Fahrmeir L, et al.: Statistik: Der Weg zur Datenanalyse. 8ª ed. Springer Spektrum; 2016.
InFo ONcOLOGIA & HaEMATOLOGIA 2021; 9(3): 26
InFo PNEUMOLOGIA & ALERGOLOGIA 2021; 3(4): 27
