*Esse texto foi adaptado do artigo de
Beck (2013) sobre o cálculo amostral em pesquisas de treinamento de força e
exercício físico.
Uma das perguntas comuns entre alunos de mestrado e doutorado é sobre a quantidade de
participantes/amostra/indivíduos necessária para atingir um nível apropriado de
poder no estudo.
Para isso, o
entendimento do poder estatístico e o cálculo amostral são importantes
componentes para o delineamento experimental.
O
poder estatístico é justamente a sensibilidade de detectar se existe uma
diferença real em um experimento, ou seja, é a habilidade do pesquisador
rejeitar a hipótese nula (não há diferença entre os grupos) quando ela é realmente
falsa.
O
que pode afetar o poder de um estudo?
De
acordo com Beck (2013), somente três fatores podem afetar o poder de um estudo.
Dentre eles, o nível de significância, a magnitude do tratamento do efeito e o
tamanho da amostra.
Desses
três fatores, de acordo com Beck (2013) somente o tamanho amostral pode ser
manipulado pelo pesquisador, pois o nível de significância é usualmente fixo e
o tamanho do efeito é determinado pela efetividade do tratamento. Em adendo, a
identificação de dois fatores normalmente determina o terceiro. Por isso, é
muito comum entre os pesquisadores e alunos o uso antecipado no nível de
significância e o tamanho do efeito para estimar o tamanho da amostra para um
determinado poder.
Essa
prática é normalmente realizada antes do estudo e é denominada a priori power analysis que não deve ser
confundida com a post hoc power analysis
que é realizado após os dados serem coletados e analisados e fornece o
valor do poder observado para aquele estudo.
Curiosamente,
existem autores que condenam o uso inapropriado do cálculo amostral após a coleta
e análise dos dados para ajudar na interpretação dos dados que não obtiveram
diferenças estatísticas. Além disso, existem periódicos que requerem o post hoc power analysis quando os tratamentos
não apresentam diferenças significativas.
O que pode reduzir o poder de um estudo?
É
importante considerar que o resultado do cálculo amostral demonstrado pelo software
é apenas uma estimativa da quantidade de participantes necessária para
alcançar um determinado poder (80%). UMA ESTIMATIVA!
Fatores
como erros de calibração, erros na coleta e eventos não previstos podem
reduzir o poder durante o estudo. Então, se o cálculo aponta para uma
quantidade de 25 participantes em cada grupo. O pesquisador deve recrutar 35,
já considerando a perda amostral comum em estudos com seres humanos.
Como realizar o cálculo amostral?
Como o objetivo
desse blog é disseminar a informação. Clicando na referência desse texto vocês
serão direcionados ao artigo do Beck (2013) que explica de forma didática como
realizar o cálculo amostral para diferentes delineamentos amostrais em
pesquisas de treinamento de força.
Tentem
realizar os exercícios (exemplos) que ele propõe e tentem após isso realizar
com os dados já coletados por vocês. Vamos praticar!
Onde
eu encontro o G*Power?
Acesse esse link: http://www.gpower.hhu.de/
*Referência
BECK, Travis W. The importance of apriori sample size estimation in strength and conditioning research. Journal of Strength and Conditioning Research, v. 27, n. 8, p. 2323-2337, 2013.
Professor Dr. Dahan da Cunha Nascimento.
