{"id":5256,"date":"2020-03-12T07:03:04","date_gmt":"2020-03-12T07:03:04","guid":{"rendered":"https:\/\/www.enago.com\/academy\/br\/?p=5256"},"modified":"2020-08-12T14:44:38","modified_gmt":"2020-08-12T14:44:38","slug":"common-statistical-errors-to-avoid-when-writing-your-manuscript","status":"publish","type":"post","link":"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/","title":{"rendered":"Erros estat\u00edsticos que devem ser evitados durante a escrita de seu manuscrito"},"content":{"rendered":"<p>Uma das coisas mais frustrantes para um revisor de artigo \u00e9 receber um manuscrito com uma excelente ideia cient\u00edfica bem fundamentada, mas com uma execu\u00e7\u00e3o experimental mal planejada e uma falha de an\u00e1lise estat\u00edstica dos dados gerados no trabalho.<\/p>\n<div id=\"om-pfplvd0ed6opopdv00fk-holder\"><\/div>\n<p><script type=\"text\/javascript\" src=\"https:\/\/a.omappapi.com\/app\/js\/api.min.js\" data-campaign=\"pfplvd0ed6opopdv00fk\" data-user=\"41855\" async><\/script><\/p>\n<p>Infelizmente a esmagadora maioria dos trabalhos cient\u00edficos publicados cont\u00e9m resultados positivos; entretanto, a publica\u00e7\u00e3o de dados negativos, que seria extremamente importante ao desenvolvimento da ci\u00eancia, por permitir que pesquisadores n\u00e3o cometam erros previamente realizados, raramente s\u00e3o aceitos para publica\u00e7\u00e3o. Como consequ\u00eancia direta, a grande maioria dos trabalhos publicados tentam mostrar correla\u00e7\u00f5es e signific\u00e2ncia estat\u00edstica, e n\u00e3o a aus\u00eancia destas. Assim, devido a press\u00e3o por publica\u00e7\u00f5es, cientistas e pesquisadores tendem muitas vezes a utilizar an\u00e1lises estat\u00edsticas de dados que favorecem as suas hip\u00f3teses.<\/p>\n<p>Entretanto um texto publicado recentemente na <a href=\"https:\/\/elifesciences.org\/articles\/48175\" target=\"_blank\" rel=\"noopener noreferrer\">elife<\/a> enumera 10 erros estat\u00edsticos comumente cometidos em manuscritos submetidos a publica\u00e7\u00e3o. Neste texto iremos citar aqueles mais importantes e que devem ser evitados a todo custo para que o seu artigo seja aceito e nunca seja retratado.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_74 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Ausencia_de_controles_positivos_e_negativos\" >Aus\u00eancia de controles positivos e negativos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Uso_de_amostras_de_tamanho_inapropriado\" >Uso de amostras de tamanho inapropriado<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Correlacao_nao_significa_causalidade\" >Correla\u00e7\u00e3o n\u00e3o significa causalidade<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Flexibilizar_as_analises_para_hackear_os_valores_no_teste_de_valor-p\" >Flexibilizar as an\u00e1lises para hackear os valores no teste de valor-p<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Interpretar_demais_resultados_nao_significativos\" >Interpretar demais resultados n\u00e3o significativos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Analise_circular_de_dados\" >An\u00e1lise circular de dados<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.enago.com\/academy\/br\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Outros_tipos_de_erros_estatisticos_comumente_encontrados_em_manuscritos\" >Outros tipos de erros estat\u00edsticos comumente encontrados em manuscritos<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Ausencia_de_controles_positivos_e_negativos\"><\/span>Aus\u00eancia de controles positivos e negativos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Todos os pesquisadores, querendo provar uma hip\u00f3tese alternativa, necessitam achar uma associa\u00e7\u00e3o entre causa e efeito fenomenol\u00f3gico. Portanto, a hip\u00f3tese a ser demonstrada tem que fundamentalmente ser diferente da hip\u00f3tese nula (aus\u00eancia de associa\u00e7\u00e3o entre diferentes vari\u00e1veis).<\/p>\n<p>Entretanto, para utilizar par\u00e2metros objetivos de compara\u00e7\u00e3o em um estudo, s\u00e3o necess\u00e1rios controles negativos (que indicam a aus\u00eancia de associa\u00e7\u00e3o ou correla\u00e7\u00e3o) e controles positivos (indicando a presen\u00e7a do fen\u00f4meno de interesse). A presen\u00e7a de controles experimentais n\u00e3o apenas torna claro se um experimento apresentou uma associa\u00e7\u00e3o ou a falta dela, como tamb\u00e9m pode permitir a quantifica\u00e7\u00e3o de um efeito em rela\u00e7\u00e3o ao controle.<\/p>\n<p>Um outro erro comumente cometido \u00e9 a utiliza\u00e7\u00e3o de controles n\u00e3o adequados, o qual em geral \u00e9 facilmente corrigido atrav\u00e9s da replica\u00e7\u00e3o do teste, mas na aus\u00eancia do fator que causa o efeito. Isto tamb\u00e9m permite-se aplicar uma corre\u00e7\u00e3o do ru\u00eddo que o experimento possui e indica a quantidade de poss\u00edveis falsos positivos inerentes ao estudo.<\/p>\n<p>Entretanto, tais erros s\u00e3o facilmente detect\u00e1veis em um manuscrito, j\u00e1 que manuscritos sem grupo controles experimentais apresentam apenas um grupo experimental que n\u00e3o \u00e9 diretamente comparado.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Uso_de_amostras_de_tamanho_inapropriado\"><\/span>Uso de amostras de tamanho inapropriado<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O erro associado a medidas experimentais \u00e9 inversamente proporcional ao tamanho da amostra utilizada no estudo. Portanto, em estudos utilizando pequenas amostras, apenas efeitos grandes podem ser detectados de maneira significante, dado que efeitos menores podem ser da mesma ordem de grandeza do erro (ou da incerteza) associado \u00e0 sua medi\u00e7\u00e3o. Isso acontece porque a introdu\u00e7\u00e3o aleat\u00f3ria de falsos positivos em amostras pequenas pode apresentar uma forte correla\u00e7\u00e3o (que \u00e9 falsa). Como exemplo no texto, os pesquisadores citam que os falsos positivos em uma amostra <em>N<\/em> = 15 apresentam correla\u00e7\u00e3o variando entre 0,5 e 0,75, enquanto para uma amostra <em>N<\/em> = 100 essa correla\u00e7\u00e3o entre falsos positivos cai para 0,2 a 0,25.<\/p>\n<p>Outro problema \u00e9 que amostras pequenas (menores que <em>N<\/em> = 30) tendem a n\u00e3o apresentar uma distribui\u00e7\u00e3o normal, o qual \u00e9 o modelo assumido por muitas an\u00e1lises estat\u00edsticas. Por outro lado, amostras extremamente grandes, que diminuiriam a incerteza associada ao estudo e se aproximam de uma distribui\u00e7\u00e3o normal, tendem a ser muito custosas, demandando muito mais tempo e recursos financeiros para serem testadas.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Correlacao_nao_significa_causalidade\"><\/span>Correla\u00e7\u00e3o n\u00e3o significa causalidade<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Um <a href=\"https:\/\/www.tylervigen.com\/spurious-correlations\" target=\"_blank\" rel=\"noopener noreferrer\">estudo<\/a> demonstrou que o consumo de queijo entre 2000 e 2010 apresenta uma alta correla\u00e7\u00e3o com o n\u00famero de pessoas que se sufocaram no pr\u00f3prio len\u00e7ol. Enquanto ter uma alta correla\u00e7\u00e3o pode indicar associa\u00e7\u00e3o entra causa e efeito, v\u00e1rias correla\u00e7\u00f5es podem ocorrer ao acaso.<\/p>\n<p>Em geral, pesquisadores deveriam entender os fundamentos do seu experimento e, baseado nisso, ter uma ideia se deveria esperar por uma correla\u00e7\u00e3o entre vari\u00e1veis ou n\u00e3o.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Flexibilizar_as_analises_para_hackear_os_valores_no_teste_de_valor-p\"><\/span>Flexibilizar as an\u00e1lises para hackear os valores no teste de valor-p<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Em geral, pesquisadores trabalham com amostras menores que as necess\u00e1rias para se ter uma distribui\u00e7\u00e3o normal dos dados, e, portanto, o teste de valor-p \u00e9 utilizado para analisar se existem diferen\u00e7as estatisticamente significantes entre duas popula\u00e7\u00f5es (geralmente experimental e controle).<\/p>\n<p>Ao flexibilizar a an\u00e1lise de teste de valor-p utilizando par\u00e2metros ao inv\u00e9s de dados brutos permite a introdu\u00e7\u00e3o de extra falsos positivos. Como visto acima, a introdu\u00e7\u00e3o rand\u00f4mica de falsos positivos na an\u00e1lise pode levar a correla\u00e7\u00f5es (ou valores-p estatisticamente significantes).<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Interpretar_demais_resultados_nao_significativos\"><\/span>Interpretar demais resultados n\u00e3o significativos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Resultados estatisticamente n\u00e3o significativos podem ter diferentes significados: eles podem indicar um resultado realmente nulo, ou podem indicar que o efeito estudado n\u00e3o tem um efeito significativo nas condi\u00e7\u00f5es testadas.<\/p>\n<p>No caso deste \u00faltimo, a aus\u00eancia de evid\u00eancias demonstrando associa\u00e7\u00e3o entre causa e efeito n\u00e3o necessariamente significa evid\u00eancia de aus\u00eancia de associa\u00e7\u00e3o. Outros estudos futuros utilizando o mesmo modelo podem se provar mais sensitivos na detec\u00e7\u00e3o de produtos do experimento testado e demonstrar associa\u00e7\u00e3o entre 2 vari\u00e1veis. Um valor-p n\u00e3o significante n\u00e3o distingue entre falta de efeito observado e falta de sensitividade do experimento em quest\u00e3o. Nunca utilize falta de signific\u00e2ncia (baixos valores de valor-p) para demonstrar aus\u00eancia de efeito.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Analise_circular_de_dados\"><\/span>An\u00e1lise circular de dados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Os dados s\u00e3o soberanos e n\u00e3o podem ser alterados. Os dados experimentais obtidos provam ou desaprovam teorias, e podem ser utilizados para formular novas hip\u00f3teses. N\u00e3o use os seus dados de maneira recicl\u00e1vel para estudar as vari\u00e1veis em quest\u00e3o e criar infer\u00eancias estat\u00edsticas, ou ainda, n\u00e3o separe somente os subconjuntos de dados que demonstram uma teoria, ignorando os dados que claramente desaprovam ela.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Outros_tipos_de_erros_estatisticos_comumente_encontrados_em_manuscritos\"><\/span>Outros tipos de erros estat\u00edsticos comumente encontrados em manuscritos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Al\u00e9m dos erros estat\u00edsticos citados acima, temos alguns outros deslizes que podem ser evitados, como por exemplo a utiliza\u00e7\u00e3o de correla\u00e7\u00f5es falsas, elimina\u00e7\u00e3o de dados fora da reta te\u00f3rica; falhar em corrigir m\u00faltiplas compara\u00e7\u00f5es ou interpretar compara\u00e7\u00f5es entre dois efeitos sem compara-los diretamente.<\/p>\n<p>Assim, a escrita de um manuscrito de qualidade come\u00e7a com experimentos bem desenhados e contendo todos os controles necess\u00e1rios, com a execu\u00e7\u00e3o correta dos experimentos, utilizando o tamanho amostral correto e com a interpreta\u00e7\u00e3o estat\u00edstica adequada dos dados obtidos, sem faltar com clareza em como os dados foram obtidos. Evite os erros estat\u00edsticos acima citados, e as suas chances de ter um manuscrito com boas ideias rejeitado ser\u00e1 drasticamente reduzido.<\/p>\n<!-- AddThis Advanced Settings generic via filter on the_content --><!-- AddThis Share Buttons generic via filter on the_content -->","protected":false},"excerpt":{"rendered":"<p>Uma das coisas mais frustrantes para um revisor de artigo \u00e9 receber um manuscrito com [&hellip;]<!-- AddThis Advanced Settings generic via filter on get_the_excerpt --><!-- AddThis Share Buttons generic via filter on get_the_excerpt --><\/p>\n","protected":false},"author":8214,"featured_media":5263,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"footnotes":""},"categories":[36,27],"tags":[689],"class_list":["post-5256","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-understanding-ethics","category-publishing-research","tag-importance-of-research-ethics"],"acf":[],"single_webinar_page_date":null,"single_webinar_page_time":null,"session_agenda":null,"who_should_attend_this_session":null,"about_the_speaker_field":null,"co-webinar-sec":null,"co_webinar_sec_one":null,"speaker-name":null,"webinar-date":null,"webinar-time":null,"webinar-s-image":null,"custum_webinar_category":null,"_links":{"self":[{"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/posts\/5256","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/users\/8214"}],"replies":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/comments?post=5256"}],"version-history":[{"count":4,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/posts\/5256\/revisions"}],"predecessor-version":[{"id":5690,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/posts\/5256\/revisions\/5690"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/media\/5263"}],"wp:attachment":[{"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/media?parent=5256"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/categories?post=5256"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/br\/wp-json\/wp\/v2\/tags?post=5256"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}