Introdução à Análise de Dados para pesquisa no SUS

Neste módulo você aprendeu conceitos fundamentais para compreender e aplicar modelos estatísticos à análise de dados em saúde, desenvolvendo a capacidade de interpretar resultados com maior rigor e selecionar o modelo mais adequado ao tipo de dado e à pergunta de pesquisa.

Começamos abordando os princípios da inferência estatística, com foco na generalização de resultados de uma amostra para a população, por meio do uso de intervalos de confiança para médias e proporções, testes de hipóteses com definição das hipóteses nula e alternativa, níveis de significância, p-valor e aplicações práticas, como testes t, testes para proporções e ANOVA para comparação de grupos.

Depois, foram introduzidos os modelos estatísticos, com destaque para regressão linear e não linear, explicando relação entre variáveis, interpretação dos coeficientes e uso preditivo dos modelos. Também foi apresentada a abordagem dos Modelos Aditivos Generalizados (GAMs), que permitem modelagens mais flexíveis em casos de relações não lineares, com exemplos de aplicação e avaliação dos pressupostos.

Exploramos também modelos voltados para dados com estruturas de dependência, como os modelos multiníveis, que consideram variações entre diferentes níveis de agrupamento (por exemplo, pacientes dentro de hospitais); os modelos de séries temporais, que capturam padrões ao longo do tempo, como tendência e sazonalidade (ex.: ARIMA e SARIMA), e os modelos de sobrevivência, voltados para a análise do tempo até a ocorrência de eventos, como o modelo de riscos proporcionais de Cox. Esses conteúdos ampliam a capacidade de análise ao lidar com dados complexos e estruturados, comuns em pesquisas e práticas na área da saúde.