Questões de Concurso Público FIOCRUZ 2010 para Tecnologista em Saúde - Estatística

Um programa de emagrecimento deseja verificar a relação entre perda de peso e peso inicial dos participantes do programa. Para isso observou-se o peso inicial (X) de 20 participantes e a quantidade de peso perdido (Y) ao final de um mês. O peso inicial e o peso perdido foram ambos medidos em kg. Obteve-se com esses dados a seguinte equação de regressão linear:

Y = –5 + 0.1 X

É possível afirmar que:

A tabela abaixo mostra o resultado fictício de uma análise de regressão linear realizada com um amostra de 600 crianças de três anos de idade, tendo como objetivo relacionar o seu peso com as seguintes variáveis explicativas: altura da mãe (em cm), peso da mãe aos cinco meses de gravidês (em kg), peso da criança ao nascer (em gramas), tempo da gestação (em semanas) e tamanho da criança ao nascer (em cm):

R² = 0,159

Quanto ao resultado apresentado acima, analise as afirmativas a seguir.

I. O coeficiente angular relativo à variável “tempo de gestação” é significativamente diferente de zero a nível de significância de 5%

II. O peso médio das crianças da amostra é necessariamente igual a 6,33kg

III. Nenhuma covariável utilizada está significativamente correlacionada com a variável resposta pois o R² não é significativo

Assinale:

Assinale a alternativa que indique o problema mais apropriado para aplicação da regressão logística.

Quanto aos Modelos Mistos, analise as afirmativas a seguir:

I. são modelos estatísticos caracterizados por conter efeitos fixos e efeitos aleatórios

II. são usados para conjuntos de dados com estrutura hierárquica

III. são modelos Bayesianos

Assinale:

Assinale a alternativa que indique o modelo de regressão para análise de sobrevida cuja distribuição corresponda a uma função de risco com envelhecimento acelerado e riscos proporcionais.

Um estudo foi conduzido para relacionar o sexo do indivíduo com a existência ou não de complicações associadas a uma determinada doença crônica. Para isso, observou-se o sexo de 100 indivíduos (de características similares) que sofriam da doença (sexo=1 para mulheres e sexo=0 para homens), e se eles apresentavam ou não complicações associadas a ela (Y=1 em caso de complicação, e Y=0 caso contrário). Uma regressão logística foi conduzida.

O intercepto foi estimado em -0.6, e o coeficiente relacionado a sexo foi estimado em 0.8 (ambos significativos a nível de 1%). Quanto a esse resultado, podemos afirmar que:

Qual dos modelos abaixo não é um Modelo Linear Generalizado:

Qual dessas hipóteses não é uma hipótese do modelo de regressão de Poisson:

Um Modelo Misto pode ser escrito na forma matricial da seguinte forma:

onde Z ~ N_k(0,) denota que Z tem distribuição normal multivariada de ordem k, com vetor de médias em que todos os elementos são iguais a zero, e matriz de covariâncias .

y_i é o vetor resposta de tamanho n_i x 1 para observações no i-ésimo grupo

X_i é a matriz n_i x p de efeitos fixos para observações no grupo i

β é o vetor p x 1 de coeficientes dos efeitos fixos

Z_i é a matrix n_i × q de efeitos aleatórios para as observaçõesno grupo i

b_i é o vetor q x 1 de coeficientes dos efeitos aleatórios para ogrupo i

e_i é o vetor n_i x 1 de erros para observações no grupo i

Ω é a matriz de covariâncias q x q para os efeitos aleatórios

Λ_i é a matriz de covariâncias n_i x n_i entre os erros no grupo i

b_i e e_i são independentes

Considerando o modelo descrito acima, e denotando por I_p amatriz identidade de ordem p, qual é matriz de covariânciasdo vetor y₁?

O teste Logrank pode ser utilizado para testar se duas curvas de sobrevida (de dois grupos de a serem comparados) são iguais. O teste torna-se inapropriado, entretanto, sob a seguinte circunstância:

Um dos principais estimadores utilizados em Análise de Sobrevida é o Estimador de Kaplan-Meier. Quanto a este estimador, não é correto afirmar que:

A vantagem do método de imputação múltiplo para o método de imputação simples no tratamento de dados faltantes é:

Um problema comum em investigações científicas na área de saúde é a ocorrência de dados faltantes. Em situações como essa, é comum ao analista restringir-se à análise dos sujeitos com dados completos, e retirar aqueles com alguma informação omissa.

O principal problema causado por essa prática quando observações são omissas sistematicamente é:

Verificou-se em um estudo que em uma certa amostra de pessoas, entre as pessoas que jogavam baralho todos os dias, 20 em cada 1000 tinham a doença A. Entre as pessoas que não jogavam baralho todos os dias, 5 em cada 1000 tinham a doença A.

A explicação mais plausível para esse resultado é:

Um estudo está sendo desenvolvido para comparar um tratamento tradicional para o câncer (controle) e um tratamento experimental. Dois grupos de pessoas são selecionados sendo que cada grupo é submetido a um tratamento diferente. O grupo I, constituído por 100 crianças, recebeu o tratamento experimental, e o grupo II, constituído por indivíduos adultos, recebeu o tratamento tradicional. Ao fim do período de condução do experimento, verificou-se quantos indivíduos estavam curados e foi feito um teste de hipóteses. Concluiu-se que o tratamento experimental é melhor que o tradicional com nível de significância de 1%.

Quanto à conclusão tirada, ela pode não estar correta se:

Verificou-se que 80% dos pacientes de câncer de mama de um hospital eram negros. Uma amostra representativa de indivíduos saudáveis foi também obtida na cidade onde o hospital ficava localizado, com o objetivo de comparar a composição racial dos dois grupos. O pesquisador concluiu com nível de significância de 5% que o câncer de mama afeta mais aos indivíduos da raça negra. A conclusão, entretanto, não estava correta, visto que o pesquisador não estava ciente da composição racial da população de indivíduos que frequentavam aquele hospital (80% eram negros).

A conclusão errada do pesquisador foi:

Um teste para detectar a presença de uma enfermidade é montado da seguinte forma: se a contagem de glóbulos brancos do indivíduo estiver abaixo de um patamar X, o teste acusa positivo, se estiver acima, acusa negativo. Sabe-se que a probabilidade de erro tipo I é 0.05, e a probabilidade de erro tipo II é 0.1 para esse teste. Deseja-se modificar o procedimento para aumentar o poder do teste. Como isso seria possível?

Um experimento é conduzido cuidadosamente para avaliar se o tratamento A é mais eficiente que o tratamento B em termos de redução de mortalidade. Para isso, dois grupos de pacientes são analisados, cada um recebendo um dos tipos de tratamento. Testa-se a hipótese nula de que não existe diferença entre os tratamentos A e B. Seja α a probabilidade de erro tipo I (falsos positivos), e β a probabilidade de erro tipo II (falsos negativos). Quanto ao teste descrito acima,podemos afirmar:

I. se existe diferença entre os tratamentos, a probabilidade disso ser detectado corretamente é igual a β

II. o p-valor do teste é igual a α

III. o poder do teste é dado por (1-β)

Assinale:

Deseja-se testar se a altura média de indivíduos de uma população A é igual a dos indivíduos de uma população B. Considere hipoteticamente que a variância das alturas é conhecida e igual a 10cm² em ambas as populações. Seleciona-se amostras de n indivíduos de cada população. Seja x a média das alturas (em cm) na amostra de indivíduos da população A, e y a média das alturas (em cm) na amostra de indivíduos da população B. Um teste de hipóteses é montado da seguinte forma: se |x-y|>K, a hipótese de igualdade das médias é rejeitada.

Supondo normalidade dos dados, n deveria valer, para assegurar que o erro tipo I desse teste seja menor ou igual a 5%, aproximadamente:

Um novo tratamento é desenvolvido para uma doença antes incurável e fatal. Com este tratamento, apesar da doença permanecer sem cura, o tempo de vida dos indivíduos portadores da doença é aumentado consideravelmente. Com isso, é possível afirmar que: