Lumina
Estatística Aplicada à Saúde · Nível 0
EN · PT
Nível 0 · prontidão

Leia o estudo antes do software

“O programa ajudou?” não é uma única pergunta estatística. A AURORA-30 é a coorte e o conjunto de dados didáticos totalmente sintéticos usados para expor essa ambiguidade: 30 registros fictícios, sem pacientes, instituições, intervenções ou desfechos reais e sem constituir evidência clínica. Este diagnóstico mostra o que revisar antes de o software entrar no raciocínio.

o que você vai conseguir fazerTraduzir uma pergunta de saúde em linguagem comum para a estrutura estatística mínima exigida em HEALTH.1 — e executar um comando pronto sem tratar a saída do software como conclusão.

O conflito inicial: uma tabela, três perguntas

A tabela AURORA-30 torna três rotas plausíveis:

As três podem estar matematicamente corretas. Não são intercambiáveis: cada uma estima uma quantidade diferente, trata a dependência de modo distinto e sustenta outra interpretação. O rigor começa por declarar qual pergunta o resultado deve responder e preservar essa escolha para que outra pessoa analista possa examiná-la.

A armadilha: confundir domínio do software com prontidão estatística

Uma pessoa pode executar um teste t e ainda comparar a unidade errada. Outra pode nunca ter aberto o Python e, mesmo assim, reconhecer corretamente medidas pareadas. A segunda tem a base mais sólida. Programação é um meio de execução; o desenho e a mensuração determinam o significado dos números.

não é uma provaMarque “revisar” quando houver dúvida. O resultado fica no seu navegador, não impede o avanço e jamais deve ser interpretado como credencial clínica ou profissional.
como ler os resultados dos gatesUm gate é uma verificação com critério explícito. Checagem didática aprovada (PROMOTE) e revisão necessária (HOLD) descrevem apenas um artefato de ensino. Em um Verdict, confidence é a certeza da verificação, e não força da evidência, intervalo de confiança, validade clínica ou externa nem autorização para realizar pesquisa.

Oito sinais de prontidão

Escolha uma resposta para cada sinal. Não existe nota nem aprovação: “revisar” apenas acrescenta a correção correspondente à sua rota. O diagnóstico funciona sem servidor e não envia resposta alguma.

01População, amostra e unidade

Consigo distinguir quem pretendo compreender, quem foi observado e o que cada linha representa.

02Desfecho, exposição e comparação

Consigo indicar o que muda, o que pode explicar a mudança e a referência do contraste.

03Escala da variável

Consigo classificar uma variável como nominal, ordinal, discreta ou contínua.

04Dependência

Consigo diferenciar pessoas independentes, pares correspondentes e observações repetidas.

05Descrição

Consigo ler contagens, proporções, média/DP, mediana/IQR, tabelas e gráficos honestos.

06Raciocínio numérico

Consigo trabalhar com porcentagens, razões, subtração, divisão e rearranjos elementares.

07Incerteza

Consigo distinguir uma estimativa pontual de um intervalo de confiança.

08Execução

Consigo abrir um CSV e copiar um comando pronto em Python ou R a partir da pasta correta.

As respostas ficam somente neste navegador e neste dispositivo. Você pode apagá-las quando quiser; o resultado nunca impede o acesso a HEALTH.1.

um arquivo tem duas visitas por participante. O que uma linha representa?
Uma visita, e não necessariamente uma pessoa participante. O identificador liga as linhas; uma análise que considerasse todas as linhas independentes perderia essa dependência.

Exemplo resolvido: conheça a AURORA-30

A AURORA-30 é uma coorte fictícia para ensino de métodos, formada por 30 registros sintéticos. Ela contém pontuação inicial e no dia 30, fluxo de acompanhamento atribuído, centro, tempo até evento, classificação de referência sintética e avaliações de duas pessoas leitoras. É pequena o bastante para inspeção e rica o bastante para sustentar o dossiê. Não constitui evidência sobre uma intervenção real.

perguntaqual efeito? uma linhaunidade / visita variáveisescala + papel dependênciaquem se repete? resumoestimativa + IC

Primeira execução: comece na pasta do laboratório

Localize a pasta do curso que contém START_HERE.md, abra um terminal nela e copie uma das rotas abaixo. Não é necessário escrever código, mas os laboratórios exigem usar o terminal com os comandos prontos fornecidos. O primeiro comando fixa a pasta de trabalho; o segundo verifica o ambiente; o terceiro executa o plano sintético fornecido.

# A partir da pasta do curso que contém START_HERE.md:
cd labs/analysis-plan-contract
python --version
python analysis_plan_contract.py --input samples/aurora30_plan.json --lang en --format text
python analysis_plan_contract.py --input samples/aurora30_plan.json --lang pt --format text

# Rota alternativa em R base, na mesma pasta do laboratório:
Rscript --version
Rscript analysis_plan_contract.R --input samples/aurora30_plan.json --lang en --format text
Rscript analysis_plan_contract.R --input samples/aurora30_plan.json --lang pt --format text
se o terminal apresentar um erro “No such file”: execute pwd (macOS/Linux) ou Get-Location (PowerShell) e retorne à pasta que contém analysis_plan_contract.py, analysis_plan_contract.R e samples/. “Python not found”: tente py -3 no Windows ou python3 no macOS/Linux no lugar de python. “Rscript not recognized”: Python continua suficiente. No macOS/Linux, execute which Rscript. No Windows, execute where.exe Rscript; se não houver resultado, use abaixo a descoberta somente de leitura no PowerShell. Não existe um caminho universal para o R. 
# Windows PowerShell — descoberta somente de leitura em pastas comuns
Get-ChildItem -LiteralPath 'C:\Program Files\R','C:\Program Files (x86)\R' `
  -Filter Rscript.exe -File -Recurse -ErrorAction SilentlyContinue |
  Select-Object -ExpandProperty FullName

# Se aparecer um caminho, execute exatamente o arquivo encontrado:
& '<discovered absolute path to Rscript.exe>' --version

Se a descoberta localizar Rscript.exe, use o caminho absoluto nos comandos em R ou acrescente a pasta bin correspondente ao PATH do Windows. Se as duas verificações não retornarem nada, prossiga com Python; instale o R somente se quiser o segundo ambiente e tiver confirmado que ele está ausente.

qual é o desfecho: o fluxo atribuído ou a pontuação no dia 30?
A pontuação no dia 30 é o desfecho. O fluxo atribuído é a intervenção/exposição; o outro fluxo é a comparação. O estimando ainda precisa declarar o contraste e a população pretendidos.

Adaptação observável: preveja, execute e inspecione

Preserve a amostra versionada. Na pasta analysis-plan-contract, faça uma cópia que pertença a você com o comando correspondente ao seu terminal:

# Windows PowerShell
Copy-Item -LiteralPath 'samples/aurora30_plan.json' -Destination 'my_aurora30_plan.json'

# Terminal do macOS/Linux
cp -- samples/aurora30_plan.json my_aurora30_plan.json
  1. Abra my_aurora30_plan.json em um editor de texto. Troque o metadado seguro "version": "1.0" por "version": "1.0-practice". Preveja o token da primeira linha e execute python analysis_plan_contract.py --input my_aurora30_plan.json --lang pt --format text. Inspecione por que o resultado continua sendo PROMOTE: o contrato do método não mudou.
  2. No mesmo arquivo que você copiou, troque "time_horizon_days": 30 por "time_horizon_days": 60. Faça outra previsão, repita o comando e inspecione HOLD junto de time_horizon_days:expected_30. O erro explícito mostra que mudar o horizonte é uma decisão de análise, e não um metadado inofensivo.
a regra de adaptaçãoAltere um campo, preveja o gate, execute e examine a evidência exata antes de mudar outro. Sua cópia é descartável; samples/aurora30_plan.json continua sendo a referência estável.

O contrato reutilizável de doze perguntas

Leve esta lista para HEALTH.5–7 e para o capstone. Se uma pergunta estiver sem resposta, o próximo passo não é “escolher um teste”, mas “reparar o contrato”.

  1. Qual é a pergunta e o estimando?
  2. Quais são a população e a unidade de análise?
  3. Qual é o tipo e a escala do desfecho?
  4. Quantos grupos, tempos ou condições existem?
  5. As observações são independentes, pareadas ou repetidas?
  6. Como a amostra foi obtida e quais vieses são plausíveis?
  7. Há dados ausentes, valores atípicos, erros de unidade ou codificação?
  8. As suposições são razoáveis para o desenho e os dados?
  9. A análise foi pré-especificada e quantas comparações foram planejadas?
  10. Qual método estima diretamente o efeito de interesse?
  11. Qual efeito, intervalo e diagnóstico acompanham o p-valor?
  12. Quais limitações impedem inferência causal ou generalização?
se o teste de normalidade tem p > 0,05, a normalidade foi provada?
Não. Deixar de rejeitar não prova a hipótese nula, e amostras pequenas têm pouco poder para revelar desvios. Avalie suposições com conhecimento do desenho, distribuições, resíduos e análises de sensibilidade, não com um teste mecânico isolado.

Rota de revisão: corrija somente o que estiver incerto

Use a rota gerada acima ou consulte as oito correções. Cada uma é propositalmente curta: conclua a atividade, retorne ao diagnóstico e troque “revisar” por “pronto” quando conseguir explicar a ideia com suas palavras.

01 · População, amostra e unidade

Para a AURORA-30, escreva: população-alvo = as pessoas a que a pergunta se refere; amostra = os 30 registros sintéticos observados; unidade = participante. Depois pergunte se uma linha representa uma pessoa ou uma visita. Continue em HEALTH.1.

02 · Desfecho, exposição e comparação

Identifique a pontuação no dia 30 como desfecho, o fluxo atribuído como intervenção/exposição e o outro fluxo como comparação. Não escolha um teste enquanto o contraste e o horizonte temporal não estiverem explícitos.

03 · Escala da variável

Pratique com quatro campos: centro é nominal, gravidade ordenada é ordinal, contagem de visitas é discreta e pontuação é contínua. HEALTH.2 transforma esses rótulos num dicionário de dados.

04 · Dependência

Duas pessoas participantes diferentes são independentes; duas visitas da mesma pessoa são repetidas; um par de controle deliberadamente combinado é pareado. O identificador, e não o número de linhas, revela a estrutura.

05 · Descrição

Para os valores 2, 3, 3, 4 e 18, compare a média com a mediana e identifique o valor incomum. Para cada porcentagem, escreva o numerador e o denominador. HEALTH.3 amplia isso para o perfil descritivo.

06 · Raciocínio numérico

Se 6 de 24 registros atendem a uma regra, calcule 6 ÷ 24 = 0,25 = 25%. Depois expresse a comparação como 6:18 e a diferença em pontos percentuais contra uma referência declarada.

07 · Incerteza

Leia “efeito 2,1; IC 95% de 0,4 a 3,8” como uma estimativa da amostra mais uma faixa produzida por um método de intervalo declarado, e não como garantia de que todos os valores são igualmente plausíveis. HEALTH.4 desenvolve o contrato de incerteza.

08 · Execução

Conclua a primeira execução literal. Uma execução bem-sucedida termina com AURORA-30 | analysis_plan | PROMOTE; em linguagem humana, o contrato de ensino fornecido passou na checagem didática estrutural. Isso não estabelece validade clínica ou externa nem autoriza pesquisa.

Sua vez: escreva o cartão do estudo em cinco linhas

Sem usar software, escreva cinco linhas sobre a AURORA-30: população, unidade, desfecho, comparação e dependência. Se alguma linha estiver vaga, retorne ao sinal de prontidão correspondente. Se as cinco forem concretas, você está pronto para HEALTH.1; a primeira execução e a adaptação em duas mudanças são programação suficiente para o primeiro dia.

pontos principais