Resultados da Pesquisa em Saúde

Prévia do material em texto

Resultados da Pesquisa em Saúde
Profª. Juliana Leal
Descrição
A construção e a redação da seção dos resultados de um TCC na área
de saúde.
Propósito
Compreender que a escrita é o meio pelo qual os profissionais da área
de Saúde comunicam sua pesquisa e seus estudos à sociedade e aos
demais colegas de profissão.
Objetivos
Módulo 1
A seção “Resultados”
Reconhecer a estrutura geral da seção Resultados.
Módulo 2
Como usar ilustrações
Empregar corretamente o uso de ilustrações.
Um trabalho de conclusão de curso (TCC) na área da Saúde pode
abranger uma variedade de áreas de pesquisa, desde a botânica à
imunologia. Cada área tem as suas peculiaridades de conteúdo e
metodologia, mas, apesar das diferenças, a escrita do TCC segue
normas gerais, sobre como cada uma das seções do texto deve ser
redigida e apresentada. Neste conteúdo, abordaremos
especificamente a seção Resultados.
As seções do TCC se dedicam a conter a informação necessária
para que uma pergunta específica seja respondida. As seções
Introdução e Materiais e Métodos se dedicam a responder,
respectivamente, às perguntas: Por que você fez? Como você fez?
Já a seção Resultados deve responder: O que você encontrou?
Nos próximos módulos, apresentaremos as informações
necessárias para que você redija a seção Resultados do seu TCC
com qualidade e ainda comunique, visualmente, os seus resultados
de maneira adequada.
Introdução
1 - A seção “Resultados”
Ao final deste módulo, você será capaz de reconhecer a estrutura geral da seção
Resultados.
Recomendações gerais para a
escrita científica
A escrita científica requer algumas recomendações que devem ser
aplicadas em todas as seções do seu TCC, independentemente da
“pergunta” a que seção se dedica a responder.
 Seja objetivo
A principal recomendação é que a escrita deve ser
concisa e objetiva. Em outras palavras, vá direto ao
assunto!
 Atenha-se aos fatos
Outra recomendação muito importante é ter em
mente que um texto científico não é aquele onde
você expressa a sua opinião. Na escrita científica, é
preciso se ater aos fatos, aos dados do seu
trabalho.
 Não esqueça as referências
Toda afirmação deve ser referenciada, ou seja,
devem ser dados os devidos créditos aos autores
que desenvolveram as teorias, os métodos e
estudos de caso utilizados durante o
desenvolvimento e a escrita do seu trabalho.
Especificamente na seção Resultados, não há
citação de referências, pois esse espaço é
reservado à descrição dos seus novos achados. Já
nas demais seções — Introdução, Materiais e
Métodos, Discussão e Conclusão — sempre são
necessárias as citações.
 Cada parágrafo é uma ideia
O id l é ê d di d á f d
Resultados: o que você
encontrou?
Na seção Resultados, são descritas as descobertas do seu trabalho
com base na metodologia aplicada. Nessa seção, são apresentados os
dados obtidos a partir de experimentos em laboratório ou coletas em
campo.
Mas e se você optou por conduzir uma revisão
bibliográfica para o seu TCC em vez de experimentos ou
coletas?
Nesse caso, a seção Resultados não é apresentada no seu trabalho,
com algumas exceções. Existem revisões bibliográficas que se propõem
a verificar tendências na literatura, por exemplo, verificar como o uso de
determinada metodologia expandiu ao longo dos anos (cienciometria)
ou sumarizar, estatisticamente, os resultados de outros estudos já
publicados (meta-análise). Nesses casos, é necessária uma seção de
resultados no trabalho.
O ideal é que você dedique cada parágrafo do seu
texto a um tema ou a um tipo de resultado. Caso
seja uma informação muito curta, cujo texto se
restringe, por exemplo, a uma única linha, tente
incorporá-la em outro parágrafo, evitando
parágrafos compostos por apenas uma frase.
Estrutura geral dos Resultados
As suas descobertas devem estar organizadas em uma sequência
lógica, determinada pela forma como a metodologia foi apresentada. A
seção Materiais e Métodos, onde se insere a metodologia, deve ser
estruturada como uma receita de bolo — afinal, um experimento ou uma
coleta em campo também possui uma ordem de execução. Os
resultados devem ser relatados na mesma ordem sequencial em que a
metodologia foi apresentada nos Materiais e Métodos.
Resultados ou Resultados e
Discussão
No TCC, existem duas maneiras de apresentar e organizar os resultados.
Na primeira, você apresenta os seus achados na seção Resultados e,
depois, os discute e interpreta na seção Discussão. Essa forma de
estruturar o seu trabalho pode ajudar o leitor a entender melhor o
resultado — o que pode ser especialmente importante em trabalhos
extensos ou muito complexos. Já na segunda maneira, a apresentação
dos seus resultados deve ser seguida de uma breve explicação. Assim, a
seção se chamará Resultados e Discussão.
A escrita da seção Resultados
A seção Resultados precisa contar com um conteúdo textual, mas,
frequentemente, o uso de imagens contribui bastante para a
visualização dos achados. O passado deve ser a referência temporal do
texto, além disso não é necessária a citação de outros trabalhos, a
menos que o seu TCC seja uma revisão bibliográfica.
O uso de citações para expor o resultado de seus experimentos e de
suas coletas de campo não é preciso uma vez que foi você quem gerou
esses dados, ou seja, você é o autor da pesquisa.
Figuras, gráficos, tabelas e quadros são formas auxiliares para melhor
apresentar o que você encontrou e devem ser “chamadas”, citadas, no
texto.
Exemplo
“As armadilhas de interceptação e queda com uso de cerca guia foram
instaladas em uma área de Cerrado e em uma mata de galeria da área
de estudo, situada na área rural denominada Serra (21° 00’ 02.42” S e
44° 18’ 16.09” O), localizada no município de Ritápolis, na Serra da
Bandeira (Figura 2)” (SOUSA et al., 2010, p. 130-131 – grifo nosso).
“Na avaliação do desenvolvimento neuropsicomotor através da escala
de DENVER II, foi possível observar atrasos importantes nos quatro
campos avaliados, como pode ser observado na tabela 1” (FLOR;
GUERREIRO; DOS ANJOS, 2017, p. 315 – grifo nosso).
Para escrever, é preciso
entender os seus dados
Uma vez entendido como você deve conduzir a escrita da seção
Resultados do seu TCC, o próximo passo é compreender o que é preciso
para a elaboração dos resultados propriamente ditos. Todo experimento,
coleta de campo ou até mesmo revisão bibliográfica geram dados
relativos às variáveis que um pesquisador se propõe a avaliar. Entender
o que são dados e variáveis é fundamental no dia a dia de um
profissional da área de saúde, principalmente aqueles que atuam como
pesquisadores.
De maneira geral, os dados são medidas, quantidades ou eventos que
podem ser caracterizados com números ou códigos, por exemplo uma
letra. Já as variáveis são os nomes dados aos parâmetros que podem
possuir diversos valores ou categorias (isto é, variam) e são capazes de
descrever o seu objeto ou fenômeno de pesquisa.
Vamos demonstrar esses conceitos usando como exemplo o estudo
realizado por Zanusso Junior et al. (2011). Nele, avaliou-se a atividade
anti-inflamatória de substâncias encontradas no coentro.
Os pesquisadores realizaram um experimento com
camundongos que apresentavam inflamações e edemas. Para
verificar se determinada substância do coentro tinha algum
efeito anti-inflamatório nas lesões dos camundongos, os
pesquisadores decidiram medir o número de leucócitos (células
sanguíneas que protegem o corpo contra inflamações) antes e
depois de os animais serem tratados com um extrato de coentro.
Experimento com camundongos 
Nesse exemplo, podemos afirmar que “número de leucócitos” foi
uma das variáveis medidas pelos pesquisadores em questão, e
os dados seriam todos os valores do número de leucócitos
encontrados para cada um dos camundongos.
Tipos de variáveis
As variáveis podem ser classificadas de acordo com as medidas que as
compõem e o modo como são estudadas. O conhecimento sobre a
natureza das variáveis presentes no seu estudoé muito importante para
que você seja capaz de ter uma ideia básica sobre a análise de dados e
de escolher a forma correta de mostrar os seus dados em tabelas e
gráficos.
Variáveis categórica e numérica
Uma variável categórica é aquela cujas observações são classificações
nominais, de modo que não se pode quantificar a diferença entre elas.
Sendo assim, os dados coletados para uma variável categórica são
qualitativos. Como exemplos de variáveis categóricas, podemos citar: o
tipo sanguíneo (A+, A- etc.), o desenvolvimento de um inseto
holometábolo (larva, pupa, imago e adulto), o clima de uma região
tropical (seco e chuvoso) e o sexo de um indivíduo (masculino,
feminino).
O desenvolvimento de uma borboleta é um exemplo de variável categórica.
A densidade de hemácias no sangue é um exemplo de variável numérica.
Já as variáveis numéricas têm valores que lhes conferem uma
quantidade mensurável, permitindo que a diferença entre as
observações seja mensurada. Em outras palavras, as variáveis
numéricas são aquelas em que é possível determinar o quanto delas há.
Os dados coletados para uma variável numérica são quantitativos.
Como exemplos de variáveis numéricas, podemos citar: a densidade de
células em uma lâmina histológica, a abundância de indivíduos em uma
população, o peso de um indivíduo e a atividade de uma enzima.
Variáveis contínua e discreta
As variáveis numéricas podem ser divididas em contínuas ou discretas.
O volume de reagente adicionado para uma reação química é um exemplo de variável contínua.
As variáveis contínuas são aquelas que admitem valores fracionários,
ou seja, valores não inteiros. O valor dado a uma observação para uma
variável contínua pode incluir valores tão pequenos quanto a medição
possa permitir. São exemplos de variáveis contínuas: concentração de
oxigênio na água de uma lagoa, volume de reagente adicionado para
uma reação química e idade de um fóssil.
As variáveis discretas só podem assumir valores inteiros. Dentre os
exemplos de variáveis discretas, podemos citar: o número de filhotes em
uma ninhada, a riqueza de espécies de determinado local e o número de
gametas produzidos por um indivíduo.
O número de filhotes em uma ninhada é um exemplo de variável discreta.
Variáveis resposta e preditora
Variável resposta
Também chamada variável dependente, é aquela cujos valores ou cujas
variações nas suas observações dependem da influência de outros
fatores medidos pelo pesquisador. Esses fatores capazes de influenciar
determinada variável resposta são as variáveis preditoras, ou
independentes.
Variável preditora
É aquela que explica a variável resposta, ou seja, existe entre ambas
uma relação de causalidade. No caso de uma variável preditora
categórica ou discreta, existem ainda as categorias, também chamadas
de tratamentos, em que a variável preditora se apresenta.
A seguir, abordaremos alguns exemplos para que você consolide estes
conceitos.
O acompanhamento da fertilidade dos pandas em cativeiro é importante para a manutenção da
espécie.
Suponha que um grupo de veterinários pretenda comparar a eficácia de
dois tratamentos de fertilidade a fim de aumentar o sucesso reprodutivo
de pandas mantidos em cativeiro. Para fazer essa comparação, os
veterinários optaram por utilizar a fertilização in vitro e o uso de
medicamentos para fertilidade nos pandas machos.
Para avaliar as chances de sucesso reprodutivo, os pesquisadores
verificaram o número de fecundações bem-sucedidas após a utilização
dessas duas formas de tratamento.
O que você consideraria como variáveis preditora e
resposta nesse caso?
Primeiramente, os veterinários consideraram que os dois
tratamentos de fertilidade são aqueles que podem influenciar o
sucesso reprodutivo dos pandas. Sendo assim, o tipo de
tratamento de fertilidade é a variável preditora. Como o tipo de
tratamento de fertilidade é uma variável categórica, os seus
níveis são fertilização in vitro e o uso de medicamentos para
fertilidade.
Em paralelo, o sucesso reprodutivo, objeto de interesse do
estudo e dependente dos tratamentos de fertilidade, é avaliado
por meio do número de fecundações bem-sucedidas quando se
utiliza cada um dos tratamentos. Portanto, o número de
fecundações bem-sucedidas é a variável resposta.
Resposta 
Planilha com os dados
Para o seu TCC, caso você tenha optado por conduzir um experimento
ou uma coleta de campo, certamente mediu uma série de variáveis. Para
que você possa realizar uma análise estatística posteriormente, o
primeiro passo a se tomar é organizar os dados que gerou em uma
planilha do Excel. Uma planilha é uma tabela composta por linhas e
colunas utilizada para organizar informações.
Planilha do Excel ainda sem dados. As colunas são representadas pelas letras, na vertical; e as
linhas, por números, na horizontal.
Usualmente, você deve organizar a sua planilha de modo que a primeira
linha da primeira coluna, isto é, a célula A1 da planilha, receba o nome
da sua unidade amostral ou experimental. Nas linhas abaixo, isto é, da
célula A2 da planilha em diante, deverá haver a identificação de cada
uma das unidades.
Uma unidade amostral, ou experimental, é a menor unidade física de
interesse em uma coleta de campo ou experimento, respectivamente.
Exemplo
Na área de saúde, uma unidade amostral ou experimental costuma ser
um indivíduo (pessoa, árvore etc.) ou um ambiente (um parque, um lago,
cultivo de microrganismos etc.).
As próximas colunas podem ser utilizadas para adicionar variáveis
relevantes para a caracterização da sua unidade amostral ou
experimental. Por exemplo, se a coleta de campo foi realizada na
estação seca ou chuvosa ou se os indivíduos utilizados em um
experimento faziam parte do grupo de um tratamento ou do grupo
controle.
O nome de cada variável deve estar na primeira linha de cada coluna, ou
seja, no cabeçalho da planilha. Logo abaixo, você deve adicionar os
valores que mediu para cada uma das variáveis, cada valor em uma
célula.
Células são pequenos retângulos visualizados no cruzamento de uma
linha com uma coluna.
Print de tela do Microsoft Excel com exemplo de planilha contendo a disposição das
informações.
Para facilitar o seu entendimento, vamos retomar o exemplo do
experimento com os camundongos.
Zanusso Junior e colaboradores (2011) estavam interessados em
entender como o sistema imunológico dos camundongos responderia
ao tratamento com o extrato de coentro. Sendo assim, a menor unidade
física do interesse deles é o indivíduo. Como o estudo foi feito através
da realização de um experimento, o camundongo é a unidade
experimental. Todas as unidades amostrais ou experimentais devem
receber uma identificação e, com certeza, os camundongos utilizados
possuíam algum nome ou código que os identificasse.
As primeiras linhas da primeira coluna da planilha utilizada por
esses pesquisadores seria algo como nesta imagem.
Seguindo com o exemplo, as próximas três colunas podem ser
utilizadas para caracterizar os camundongos com variáveis que
os pesquisadores julgassem interessantes, isto é, que
pudessem afetar de algum modo o resultado do experimento.
Em seguida, poderíamos adicionar variáveis medidas no
experimento, como a contagem de leucócitos:
Cuidados ao planilhar os dados
Por mais que o preenchimento da planilha com os dados gerados seja
uma tarefa simples para quem já domina o Excel, existem alguns
cuidados a serem tomados a fim de se evitar problemas futuros, tais
como:
 Crie uma outra planilha ou mesmo um documento
de texto que mostre o significado de cada sigla ou
código que você utilizou (por exemplo, Inf =
inflamação), bem como as unidades de medidas de
cada variável (por exemplo, peso em gramas).
 As siglas e os códigos utilizados para a
caracterização das variáveis categóricas devem
sempre conter letras. Por exemplo, use T200mg
para representar o grupo dos camundongos, e
200 C á i l d
Análise de dados
O ato de planilhar os dados de seu estudo é importantenão só para que
você os tenha organizados e salvos, mas também para conduzir a
análise estatística do seu trabalho. A análise de dados se utiliza do
raciocínio estatístico, lógico, para obter informações dos dados. Aqui,
iremos apresentar conceitos básicos sobre o tema para que você
compreenda minimamente o assunto. Não fique apreensivo, o domínio
da análise de dados virá com o tempo.
Estatística descritiva dos resultados
nunca 200. Caso contrário, elas podem ser
confundidas como variáveis numéricas em alguns
programas de análise de dados.
 Evite acentos, "ç'', pontuações e espaços na sua
planilha de dados (conforme demonstrado nos
exemplos acima), porque alguns programas de
análise de dados são baseados na língua inglesa e
não reconhecem esses caracteres e os
espaçamentos. Caso queira adicionar um espaço
entre palavras, prefira o símbolo _ (underline).
Escreva normalmente somente nas tabelas não
destinadas à análise de dados (como as que são
inseridas ao longo do texto dos seus Resultados) e
nos gráficos.
 Se você ainda não tem familiaridade com o uso do
Excel, procure no Youtube por tutoriais básicos de
como utilizá-lo antes de se aventurar. O Excel
possui uma série de “truques” que podem agilizar o
seu trabalho e, por isso, vale a pena conhecê-los
primeiro.
A estatística descritiva é aquela que atua na descrição e apresentação
dos dados. Na área da Saúde, a estatística descritiva é essencialmente
numérica ou gráfica.
Ilustração simplificada de distribuição normal ou gaussiana de um conjunto de dados.
Estatística descritiva numérica
Quando os seus dados apresentarem uma distribuição normal ou
gaussiana, os parâmetros da estatística descritiva numérica que devem
ser utilizados, para uma variável, são, principalmente, a média e o
desvio-padrão. Por outro lado, quando os dados não apresentam uma
distribuição normal ou gaussiana, esses parâmetros são,
principalmente, a mediana, os percentis ou o intervalo interquartil.
Para saber se os seus dados possuem, ou não, uma distribuição normal
— e, consequentemente, saber quais parâmetros descritores utilizar —
você pode conduzir um teste de normalidade no Excel ou em outro
programa estatístico. Visualmente, você pode ter uma ideia da
distribuição dos seus dados ao fazer um gráfico do tipo histograma com
os valores da sua variável resposta. Se o gráfico for em forma de sino e
simétrico em relação à média, geralmente você pode assumir a
normalidade. O teste de normalidade só é aplicável a variáveis
respostas numéricas.
Exemplo de como deve ser a representação gráfica de uma distribuição normal.
E quando queremos descrever a relação entre duas
variáveis, se elas estão ou não relacionadas?
Nesse caso, podemos utilizar o coeficiente de correlação, uma medida
da associação entres duas variáveis, cujo valor pode variar de -1
(relação negativa forte) a 1 (relação positiva forte). Se o coeficiente de
correlação mostrar valores próximos a 0, significa que não há correlação
entre as variáveis, ou seja, não estão relacionadas.
Demonstração gráfica da correlação entre duas variáveis hipotéticas, destacando-se o valor do
coeficiente de correlação (r).
Estatística descritiva gráfica
A estatística descritiva gráfica é uma maneira visual de descrever os
dados, podendo ocorrer por meio de gráficos ou diagramas. Geralmente,
os gráficos possuem um eixo horizontal e outro vertical, e cada um
deles deve receber um título. O título dos eixos deve ser o nome das
variáveis envolvidas na análise, mostrando ainda a unidade de medida
de cada uma delas entre parênteses, como podemos ver ao lado.
Exemplo de gráfico com as devidas unidades de medida mostradas nos títulos dos eixos.
No texto do seu TCC, você deve acrescentar uma legenda ao gráfico,
onde explicará tudo que é necessário ao leitor para compreendê-lo. Por
isso, o título do gráfico não é uma informação obrigatória. No entanto,
caso você apresente o seu trabalho com o auxílio de slides ou banner,
por exemplo, onde a legenda não estiver presente, o título do gráfico se
torna uma informação imprescindível. No próximo módulo,
abordaremos mais detalhes sobre como os gráficos do seu TCC devem
ser feitos.
Estatística inferencial
A estatística inferencial ajuda a sugerir explicações para uma situação
ou fenômeno. Enquanto a estatística descritiva resume os dados
medidos, a inferencial se baseia em extrapolações a partir de amostras
geradas para que você chegue às suas conclusões.
Inferencial deriva do verbo inferir, que significa concluir ou julgar a partir
de evidências — e não provar. Frequentemente, a estatística inferencial
envolve a realização de estimativas e teste de hipótese. No teste de
hipóteses, encontram-se evidências a favor ou contra uma explicação,
no caso a hipótese do seu trabalho.
Comentário
Existem muitos tipos de análises estatísticas inferenciais, e cada uma é
apropriada para um projeto de pesquisa, considerando as peculiaridades
dos experimentos ou da amostragem feita em campo. A determinação
da melhor análise estatística para o seu TCC deve ser feita com o seu
orientador.
Para a determinação do melhor método de análise estatística é
necessário, porém, que você entenda, minimamente, algumas das
análises estatísticas inferenciais mais simples e comumente utilizadas
nos estudos da área de saúde.
Principais análises estatísticas
Antes de realizar uma análise estatística inferencial, é importante
entender qual o tipo dos seus dados. Como já falamos, na estatística
descritiva, a distribuição dos dados é um fator extremamente
importante a ser observado, assim como na estatística inferencial.
As análises estatísticas que aprenderemos a seguir são chamadas de
testes paramétricos porque pressupõem que os dados analisados
possuem distribuição normal. Caso os seus dados não possuam uma
distribuição normal, você pode transformá-los (por exemplo, tirar a raiz
quadrada dos valores ou logaritmizá-los) para corrigir a distribuição não
normal ou optar por utilizar um teste não paramétrico. Os testes não
paramétricos não pressupõem a distribuição normal dos dados.
Geralmente, cada um dos testes paramétricos que veremos tem uma
“versão não paramétrica”.
Medição da raiz de uma muda
Vale destacar que, quando nos referimos à normalidade dos dados,
estamos falando sobre a distribuição dos dados de variável resposta
numérica. Por exemplo, se o trabalho científico para o seu TCC foi
acompanhar o crescimento radicular de mudas de plantas cultivadas
sob diferentes níveis de adição de nutrientes no solo, você deve verificar
a normalidade dos dados referentes às medições da raiz dessas mudas.
Os valores gerados pela medição da raiz de uma planta podem ser a
variável resposta de um experimento e, consequentemente, a
normalidade desses dados deve ser verificada antes de conduzir uma
análise estatística.
Comparação entre grupos
Abaixo apresentamos dois tipos de análises cuja função é estabelecer a
comparação entre grupos:
Teste-t
Essa análise é adequada para verificar se há diferenças
significativas entre dois grupos. Por exemplo, se existe diferença
na resposta imunológica de um grupo de pacientes antes e
depois da aplicação da vacina (os dois grupos comparados
seriam “antes” e “depois”); ou se há divergência na taxa de
decomposição de folhas de duas espécies de plantas (os dois
grupos comparados seriam “espécie de planta A” e “espécie de
planta B”). Cada um dos grupos representa diferentes níveis da
variável preditora, e os dados comparados são da variável
resposta.
ANOVA
O objetivo dessa análise é verificar se há diferenças significativas
entre três ou mais grupos. Os exemplos da ANOVA podem ser
aqueles do Teste-t, aumentando-se somente o número de grupos
comparados. Por exemplo, verificar se há diferença na taxa de
decomposição de folhas de três espécies de plantas (os grupos
comparados seriam “espécie de planta A”, “espécie de planta B” e
“espécie de planta C”). Cada um dos grupos representadiferentes
níveis da variável preditora, e os dados comparados são da
variável resposta.
Associação entre variáveis
Na análise estatística, muitas vezes é importante se fazer uso da
associação entre variáveis para que se obtenha melhores resultados.
Abaixo, apresentamos dois métodos de associação entre variáveis:
Correlação
Essa análise é utilizada para responder à seguinte questão: Existe uma
associação entre os dados dessas duas variáveis emparelhadas? Sendo
assim, não há distinção entre as duas variáveis, ou seja, não existe uma
variável preditora e uma variável resposta. A análise de correlação pode
ser utilizada para verificar, por exemplo, se existe uma associação entre
o tamanho corporal de um peixe e a sua idade ou uma relação entre a
densidade de adipócitos no corpo da pessoa e o seu colesterol.

Você sabe o que são correlações
espúrias?
Neste vídeo, a especialista falará sobre o que são as correlações
espúrias e como você deve evitá-las em seu TCC. Vamos lá!
Regressão
A análise de regressão não apenas faz associações, como também as
utiliza para prever resultados. Nessa análise, há sempre uma variável
preditora ou independente e uma variável resposta ou dependente. A
análise de regressão pode ser utilizada, por exemplo, para avaliar o
tamanho da prole gerada por fêmeas marsupiais com idade de 4 anos,
tendo dados do tamanho da prole gerada por animais com idades entre
2 e 7 anos.
Interpretação dos resultados
gerados
Os resultados das análises estatísticas podem gerar uma série de
valores, como valores t, valores F, coeficientes de correlação e valores
de p. Sem um entendimento básico de qual deles deve ser considerado
para entender a mensagem principal da sua análise de dados,
certamente, você ficará desmotivado e se sentirá perdido em relação
aos próximos passos a serem tomados.
Um entendimento básico sobre análise de dados facilita a interpretação
dos resultados mostrados e, consequentemente, do processo de escrita
do TCC. Com as explicações a seguir, você será capaz de fazer uma
interpretação básica dos seus resultados.
A pergunta básica a ser respondida para ter noção dos resultados da
análise de dados é a seguinte: Existe ou não significância estatística?
Essa questão pode ser respondida olhando para um único valor: o valor
de p. Quando realizamos, por exemplo, um teste estatístico para
comparar grupos, usamos um teste estatístico de hipóteses. Os testes
de hipóteses são usados para avaliar a validade de uma afirmação feita
sobre um conjunto de unidades a respeito do qual desejamos obter
informação. O nome dado a essa afirmação testada é hipótese nula.
Saiba mais
No teste de hipóteses, existem a hipótese nula, que considera não haver
diferença significativa entre os grupos, e a hipótese alternativa, que
considera haver diferença significativa entre os grupos.
Quando você executa um teste de hipótese em estatísticas, o valor p
ajuda a determinar a significância de seus resultados. O valor p é
utilizado para “pesar” a força da evidência a favor ou contra a hipótese
nula, de que não há diferença entre os grupos.
Os valores de p podem variar entre 0 e 1, sendo interpretados da
seguinte maneira:

Um valor de p baixo
(normalmente < 0,05)

Um valor p alto (> 0,05)
indica uma evidência
indica forte evidência
contra a hipótese nula.
Consequentemente,
você rejeita a hipótese
nula e aceita a hipótese
alternativa.
fraca contra a hipótese
nula, então você falha
em rejeitar a hipótese
nula e,
consequentemente, não
pode aceitar a hipótese
alternativa.
Um valor de p de 0,05 é geralmente considerado a probabilidade de
“corte”, um limiar. Os valores de p menores que 0,05 fornecem boas
evidências contra a hipótese nula, enquanto os valores maiores, não. Na
prática, um valor de p de 0,5 sugere que há uma chance de 50% de que
os seus dados suportem a hipótese nula. Já um valor de p de 0,05
sugere que a probabilidade de os seus dados suportarem a hipótese
nula é de apenas 5%. Por isso, os valores de p menores que 0,05
sugerem que a hipótese nula está incorreta.

Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
Questão 1
Sobre o texto apresentado na seção Resultados de um TCC,
podemos afirmar, de maneira geral, que:
Parabéns! A alternativa E está correta.
Assim como na seção Materiais e Métodos, todos os verbos
utilizados no texto da seção Resultados devem estar escritos no
passado. Além disso, não é necessária a citação de outros
A
verbos não devem ser utilizados e são necessárias
referências bibliográficas.
B
os verbos devem ser escritos no presente e não são
necessárias referências bibliográficas.
C
os verbos devem ser escritos no futuro e são
necessárias referências bibliográficas.
D
os verbos devem ser escritos preferencialmente no
presente e são necessárias referências
bibliográficas.
E
os verbos preferencialmente são escritos no
passado e não são necessárias referências
bibliográficas, a menos que seja uma revisão
bibliográfica.
trabalhos, a menos que o TCC seja uma revisão bibliográfica. Não é
necessário usar citações ao longo do texto dos resultados de
experimentos e coletas de campo, uma vez que você foi você
mesmo quem gerou os dados, ou seja, você é o autor da pesquisa.
Questão 2
Um pesquisador hipotetiza que a origem dos grãos usados para
fazer o café afeta o grau de hiperatividade da pessoa que o ingere.
Para testar a sua hipótese, ele vai conduzir um experimento para
verificar se os grãos de café originários da África, América do Sul e
do México afetam, de maneiras diferentes, a hiperatividade de seu
consumidor. Com base no exemplo anterior, assinale a alternativa
correta correspondente à variável preditora e aos seus respectivos
níveis.
Parabéns! A alternativa B está correta.
A variável preditora é aquela que explica a variável resposta, ou seja,
possui uma relação de causalidade com a variável resposta. Em
outras palavras, a variável preditora é aquela que afeta ou influencia
o comportamento da variável resposta. No exemplo acima, a
hipótese do pesquisador é de que “a origem do grão de café afeta o
grau de hiperatividade da pessoa que o ingere”. Portanto, a “origem
A Grau de hiperatividade / Pessoa.
B
Origem do grão de café / África, América do Sul e
México.
C
Grau de hiperatividade / África, América do Sul e
México.
D Origem do grão de café / Pessoa.
E Grau de ingestão / Pessoa.
do grão de café” é a variável preditora. A “origem do grão de café”
se apresenta nos níveis “África, América do Sul e México”.
2 - Como usar ilustrações
Ao final deste módulo, você será capaz de empregar corretamente o uso de
ilustrações.
O papel das ilustrações no seu
TCC
As principais ilustrações utilizadas em um TCC da área de saúde são
tabelas, quadros, gráficos, fotos ou esquemas. O propósito dessas
ilustrações é mostrar, de maneira direta, o que está sendo comunicado
no texto. Os recursos visuais também são um modo de facilitar a leitura
e interpretação do leitor. Já imaginou como seria a leitura se somente
abordássemos os valores numéricos no texto? Seria extremamente
confuso e monótono, não acha?
Na seção Resultados do TCC, quaisquer ilustrações são permitidas,
desde que sejam coerentes com a informação descrita no texto,
inclusive com a análise de dados. Além disso, é importante que você
não utilize os recursos visuais somente como forma de repetir o que
está escrito.
Por exemplo, ao conduzir um estudo sobre a composição de espécies
da comunidade de vertebrados de um fragmento florestal, você destaca
no texto que a composição da comunidade encontrada foi de 44% de
anfíbios, 31% de mamíferos, 19% de répteis e 6% de aves. Nesse caso,
não é necessária uma ilustração com a mesma informação.
As ilustrações não devem mostrar exatamente as mesmas informações já descritas no texto.
Abordaremos aqui a confecção das ilustrações conforme as normas da
Associação Brasileira de Normas Técnicas (ABNT), as quais serão
adotadasna formatação de seu TCC. Posteriormente, caso você e seu
orientador decidam publicar seu trabalho em uma revista científica, será
necessário verificar, no website da revista, quais são as suas regras de
formatação.
Tabelas
As tabelas são representações de informações, principalmente, cedidas
por dados numéricos. No entanto, esses dados numéricos não devem
ser brutos, ou seja, do modo em que se encontram em sua planilha, e
sim, devem ser informações resumidas. Ao invés de mostrar os dados
brutos, você pode mostrar na tabela, por exemplo, os seus valores de
média e o desvio padrão.
Tamanho Comprimento Largura
Pequena 16,49 ± 0,74 12,11 ± 0,96
Tamanho Comprimento Largura
Média 18,33 ± 0,36 13,25 ± 0,70
Grande 19,52 ± 0,50 13,87 ± 0,87
Tabela - Dimensões médias e o desvio padrão (após os sinais de ±) de sementes com diferentes
classes de tamanhos.
Como pôde ser observado na imagem acima, a moldura é formada por
três linhas horizontais paralelas, não havendo linhas verticais fechando
os lados da tabela. Você também pode optar por construir uma tabela
com linhas verticais separando cada uma das colunas e linhas, desde
que a lateral permaneça aberta.
Quadros
Assim como as tabelas, os quadros são representações de informações,
principalmente de dados numéricos ou literais. Possuem as suas
laterais fechadas por linhas verticais. Não utilize quadros ou tabelas
longos. Caso seja necessário mostrar um grande volume de
informações, você pode distribuí-las em mais de um quadro ou tabela,
ou optar por colocar uma tabela ou um quadro mais longo em anexo ao
seu TCC.
Musculatura
afetada
Manifestações Sintomas clínico
Palpebral Blefaroespasmo
Fechamento
palpebral
Facial, laríngea,
mandíbula e de
língua
Crises bucolinguais
Movimento de
deglutição ou
mastigação
repetitivos,
engasgos,
assimetria facia
protrusão da líng
trismo
Ocular extrínseca Crises oculógiras
Desvio conjugad
de olhar
Musculatura
afetada
Manifestações Sintomas clínico
Laríngea e faríngea Distomia laríngea
Disfonia, estrito
disgagia
Cervical Torcicolo
Contratura cervi
mantida ou
espasmódica,
desvio lateral da
cabeça
Paravertebral Opistótono
Hiperextensão d
tronco
Quadro - Manifestações clínicas da liberação extrapiramidal em função da musculatura afetada.
Gráficos
Os gráficos são ilustrações que permitem ao leitor verificar e comparar,
visualmente, os resultados descritos na seção Resultados do seu TCC.
Para evitar que os gráficos se tornem confusos e visualmente poluídos,
foque em mostrar os dados referentes a duas ou três variáveis, no
máximo. O gráfico mais adequado para ilustrar o que você encontrou
depende, essencialmente, do tipo de informação e da análise estatística
conduzida.
Vamos iniciar o nosso aprendizado com o entendimento dos eixos que
compõem os principais gráficos. Em seguida, abordaremos cada um
dos tipos de gráficos que você pode utilizar no seu TCC, bem como a
análise de dados que costuma estar associada a cada um deles.
Ilustração da relação entre as variáveis preditora e resposta
Gráficos são diagramas matemáticos que representam a relação entre
duas ou mais variáveis.
Na maioria dos TCC da área da Saúde, busca-se entender como
determinada variável preditora influencia uma variável resposta, ou seja,
avalia-se a relação entre duas variáveis. Nessas circunstâncias, a
variável resposta é denotada por “y”; e a variável independente, por “x”.
Nos gráficos, “x” e “y” correspondem aos eixos horizontal e vertical,
respectivamente. A variável preditora (“x”) e a variável resposta (“y”),
portanto, devem ser plotadas nos eixos que lhes são correspondentes.
Assim, ter conhecimento sobre quais são as variáveis preditora e
respostas do seu estudo é fundamental não só para conduzir
adequadamente uma análise estatística, mas também para ilustrar o
resultado.
Exemplo do posicionamento dos eixos que compõem a maioria dos gráficos.
Por mais que nas tabelas e nos quadros não haja eixos específicos para
mostrar as informações, podemos dizer também que as colunas iniciais
dessas ilustrações devem conter as informações referentes às suas
variáveis preditoras. Retomando o exemplo da tabela, podemos
observar que a primeira coluna é dedicada a informar como as classes
de tamanho de sementes (níveis da variável preditora “tamanho das
sementes”) influenciou as medidas de crescimento de uma espécie de
planta.
Tamanho Comprimento Largura
Pequena 16,49 ± 0,74 12,11 ± 0,96
Média 18,33 ± 0,36 13,25 ± 0,70
Grande 19,52 ± 0,50 13,87 ± 0,87
Tabela - Dimensões médias e o desvio padrão (após os sinais de ±) de sementes com diferentes
classes de tamanhos.
Suas tabelas com informações das variáveis preditora e resposta devem
sempre ser iniciadas pela variável preditora, uma vez que é
contraintuitivo mostrar, primeiramente, as informações da variável
resposta.
Vamos retornar ao nosso exemplo. Você conseguiria entender sobre o
que se trata a tabela acima caso os autores a iniciassem com as
informações de comprimento, largura, espessura e, depois, as classes
de tamanho das sementes? Certamente, só compreenderia a
informação que os autores pretendiam passar quando a sua leitura
atingisse a última coluna. Com certeza, enquanto lesse, você se
perguntaria: Comprimento de quê? Largura e espessura de quê?
Atenção
Lembre-se sempre de que o papel das ilustrações é resumir, para o leitor
de um trabalho científico, as informações apresentadas de maneira
simplificada e de fácil compreensão. Portanto, se a interpretação de um
gráfico ou tabela estiver confusa, significa que essa ilustração não está
cumprindo o seu papel.
Gráficos
Abaixo, enumeramos alguns dos tipos de gráficos que podem ser
utilizados na apresentação de resultados.
Gráfico de barra ou diagrama de Pareto
O gráfico de barras, ou diagrama de Pareto, deve ser usado para
comparar dados, tais como: valores, tempos ou frequências dos níveis
exibidos por uma variável preditora categórica. Para interpretar um
gráfico de barras, é preciso considerar que, quanto maior o tamanho da
barra, maior será o valor associado à categoria que a exibe. Os gráficos
de barras podem se apresentar de diferentes formas, mas o modo de
interpretá-los continua o mesmo.
Diferentes possibilidades visuais dos gráficos de barra.
No exemplo ao lado, retirado de um artigo científico de Nascimento et
al. (2019), temos um gráfico de barras demonstrando a diferença na
frequência cardíaca de ratos, antes (no gráfico, chamado de veículo) e
depois (no gráfico, chamado de DL) de receberem uma injeção D-
limoneno, principal componente do óleo essencial de frutas cítricas.
Exemplo de gráfico de barras de um estudo na área de saúde para mostrar variação na
frequência cardíaca dos ratos.
Nesse exemplo, a “altura” das barras demonstra a frequência cardíaca
média dos ratos de cada um dos grupos experimentais, enquanto a
barra vertical acima delas aponta o desvio padrão. Podemos observar
ainda a presença de um asterisco (*) sobre a barra do desvio padrão do
grupo DL. O asterisco é o símbolo que indica a existência de uma
diferença significativa, mostrada pela análise de dados, quando os
autores do artigo comparam a frequência cardíaca dos dois grupos
experimentais. No caso, devemos afirmar que, após receberem a injeção
de D-limoneno, os ratos têm a frequência cardíaca significativamente
reduzida.
Como vimos, os gráficos de barras podem ser utilizados quando há uma
variável preditora categórica – no caso do exemplo acima, o “estágio da
aplicação da injeção”: antes (veículo) ou depois (DL). Sendo assim, as
análises estatísticas que podem ter os seus resultados mostrados com
um gráfico de barras são o teste-t e a ANOVA – as análises que
comparam grupos. No estudo de Nascimento et al. (2019), por exemplo,
os autores utilizaram o teste-t.
Gráfico circular ou gráfico de pizza
O gráfico de pizza, ou circular, recebe esse nome porque se assemelha a
uma pizza fatiada. Esse gráfico deve ser utilizado parademonstrar a
proporção observada de níveis ou categorias de uma variável
categórica.
O gráfico circular se assemelha a uma pizza.
Para interpretar um gráfico de pizza, você deve estar ciente de que cada
fatia representa a proporção observada para cada variável categórica
que está sendo retratada. Além disso, o tamanho das fatias é
diretamente proporcional à sua representatividade. Juntas, essas fatias
representam 100% dos dados. Caso você ache pertinente adicionar um
gráfico desse tipo ao seu TCC, fique atento aos seguintes pontos:
Evite esse gráfico quando houver um número muito alto de
categorias, de modo que as fatias não possam ser claramente
visualizadas.
Evite esse gráfico quando houver fatias com tamanho
extremamente reduzido, ou seja, com uma representatividade
próxima a 0, pois, nesse caso, elas também não serão visualizadas
claramente.
Utilize cores contrastantes e diferentes para representar cada
fatia.
Exemplo de como não fazer um gráfico de pizza: as cores parecidas dificultam a identificação
das fatias.
Algumas dicas para ter boas
ilustrações em seu TCC
A apresentação de boas ilustrações, como gráficos e esquemas, em um
trabalho científico requer não só dados de qualidade, mas também uma
linguagem visual clara e atrativa. Neste vídeo, a especialista dará
algumas dicas para que você apresente melhores gráficos e esquemas
em seu TCC. Vamos lá!

Exemplo de gráfico circular ou de pizza de um estudo na área de saúde.
No exemplo ao lado, a autora classificou os cães portadores de doença
renal crônica envolvidos no estudo de acordo com o nível de proteína na
urina dos animais (proteinúria). Desse modo, “nível de proteína na urina”
é uma variável categórica com as seguintes classes: “não proteinúrico”,
“proteinúrico borderline” e “proteinúrico” — e, portanto, pode ser
demonstrada em um gráfico de pizza.
Não necessariamente a variável categórica descrita no gráfico de pizza
precisa se enquadrar como preditora ou resposta. Como você deve ter
notado, não há eixos “x” e “y”. O intuito desse tipo de gráfico é
demonstrar uma informação visualmente, não estando associado
diretamente a um tipo de análise estatística. O gráfico de pizza, por
exemplo, pode ser utilizado, simplesmente, para descrever a saúde renal
dos animais acometidos por uma síndrome, sem necessariamente haver
uma relação de causa e efeito.
Dica
Você pode utilizar um gráfico de pizza para demonstrar a proporção de
dias chuvosos e ensolarados durante o seu trabalho de campo, por
exemplo.
Boxplot ou diagrama de caixa
Os gráficos boxplots ou diagrama de caixas fornecem um resumo visual
dos dados, permitindo ao leitor identificar rapidamente alguns valores
importantes dos dados, como a mediana, os valores mínimo e máximo e
a sua dispersão. Antes de aprendermos mais sobre os boxplots, vamos
conhecer alguns conceitos estatísticos necessários para a interpretação
da estrutura dessas ilustrações.
 Mediana
É l édi d j d d d A
Forma e componentes de um boxplot.
A posição da mediana, representada pela linha transversal no interior do
boxplot, indica se os dados possuem uma distribuição normal ou não.
Quando a mediana se situa no meio da caixa que compõe o boxplot e as
barras, que apostam os valores mínimos e máximos, têm
aproximadamente o mesmo tamanho, os dados representados têm
distribuição normal. Caso a mediana não esteja situada no centro da
É o valor médio de um conjunto de dados. A
mediana divide um conjunto de dados em duas
partes iguais, sendo uma parte maior ou igual a
este valor e a outra, menor.
 Valor mínimo
É o valor mais baixo de um conjunto de dados.
 Valor máximo
É o valor mais alto de um conjunto de dados.
 Dispersão
Também chamada de variabilidade, é a extensão da
distribuição dos dados.
caixa e as barras apresentem tamanhos diferentes, os dados não
possuem distribuição normal.
Com base nas características dos boxplots ilustrados ao lado, por
exemplo, poderíamos dizer que o conjunto de dados representado pelo
boxplot da esquerda não possui distribuição normal, e o da direita, sim.
As características dos boxplots indicam a distribuição dos dados por eles representados.
O tamanho da caixa que compõe cada boxplot representa o quão grande
é a diferença entre os valores presentes no conjunto de dados
ilustrados. Em outras palavras, o tamanho da caixa indica a amplitude
da dispersão dos dados.
Para facilitar o seu entendimento, vamos pensar em dois conjuntos de
dados. O primeiro conjunto apresenta os valores 1, 2, 2, 3, 3 e 4, logo a
diferença entre o maior e o menor valor (4 - 1) é de 3 unidades. Já o
segundo conjunto apresenta os valores 0, 1, 20, 30, 40 e 100, a diferença
entre o maior e o menor valor, portanto, é de 100 unidades (100 - 0).
Concluímos que a dispersão do primeiro conjunto de dados é bem
menor que aquela do segundo, assim como também será o tamanho da
caixa de seu boxplot.
Retomando a ilustração anterior, poderíamos inferir, por exemplo, que o
boxplot da esquerda, com uma caixa maior, representa o segundo
conjunto de dados, que possui uma grande dispersão. Por outro lado, o
boxplot da direita, com uma caixa menor, representa o primeiro conjunto
de dados, que possui uma pequena dispersão. Os limites superior e
inferior da barra vertical que corta cada boxplot indicam os valores
mínimo e máximo dentre o conjunto de dados ilustrado,
respectivamente.
Saiba mais
Essencialmente, para interpretar um gráfico desse tipo, é preciso
comparar as medianas entre cada boxplot apresentado. Caso a linha da
mediana de um boxplot fique fora da caixa de outro, que está sendo
comparado, é provável que exista uma diferença significativa entre os
grupos comparados.
Para facilitar o seu entendimento, observe o gráfico abaixo, retirado de
um estudo de Gaspar, Bezerra e Mota (2020).
Exemplo de boxplot (direita) em estudo da clorofila em capim-citronela.
Nesse gráfico, os autores ilustraram os efeitos da forma como o capim-
citronela é cultivado (A: na água tratada; B: no esgoto tratado, com
cloração; C: no esgoto tratado, sem cloração) no índice de clorofila
presente nas folhas dessa espécie. Ao prolongarmos a linha da mediana
dos boxplots acima (em azul), podemos verificar que a linha da mediana
de nenhum boxplot alcança a caixa dos outros boxplots. Com base
nessa informação, podemos inferir que a forma com que o capim-
citronela é cultivado afeta, significativamente, o índice de clorofila nas
suas folhas.
Mas de que forma podemos usar os gráficos de boxplots?
Os gráficos de boxplots são utilizados, na área da Saúde, para comparar
níveis ou categorias de uma variável preditora categórica. No caso do
exemplo do capim-citronela, a variável preditora categórica é “a forma
de cultivo”, com as categorias “água tratada”, “esgoto tratado, com
cloração”, “esgoto tratado, sem cloração”. Já a variável resposta, afetada
pela “forma de cultivo”, é o índice de clorofila nas folhas. Sendo assim,
as análises estatísticas que podem ter os seus resultados mostrados
com um gráfico de boxplots são o teste-t e a ANOVA – as análises que
comparam grupos.
Histograma
Um histograma é um gráfico que permite sumarizar variáveis contínuas
ou discretas, que foram medidas/analisadas em determinados
intervalos. Caso você tenha, por exemplo, realizado para o seu TCC um
estudo que leve em consideração a faixa etária das pessoas, poderia
utilizar um histograma para ilustrar os seus dados – afinal, estaria
avaliando os intervalos de idades. Ao abordar a normalidade dos dados,
os histogramas ainda permitem descobrir e mostrar a distribuição da
frequência de um conjunto de dados.
Apesar de, visualmente, os histogramas serem similares aos gráficos de
barra, há algumas diferenças importantes. No gráfico de barras, o eixo
“x” apresenta os níveis de uma variável preditora categórica; e o eixo “y”,
os valores da variável resposta associados a cada um desses níveis. Já
no histograma, o eixo “x” apresenta os intervalos numéricos(chamados
de classes) de uma variável numérica; e o eixo “y”, a frequência com que
as classes aparecem no conjunto de dados que está sendo ilustrado.
Exemplo de histograma de um estudo na área de saúde.
A interpretação dos histogramas é feita com base no tamanho das
barras. As classes com frequências mais baixas são aquelas com os
menores tamanhos de barras. Já as classes com frequências mais altas
apresentam os maiores tamanhos de barras.
No exemplo ao lado, as classes seriam os intervalos de 5mg/dL da
lipoproteína de alta densidade (HDL), sendo representadas por cada
uma das barras, e aquela de maior frequência seria a de 50-55mg/dL.
Comentário
Em relação à análise de dados, o histograma não está diretamente
associado à apresentação gráfica dos resultados de nenhuma das
análises estatísticas mais utilizadas na área da Saúde. Esse tipo de
gráfico é imprescindível somente quando você pretende mostrar a
normalidade (ou não) dos seus dados de maneira visual.
Gráfico de dispersão
O gráfico de dispersão mostra a relação entre duas variáveis numéricas:
a preditora e a resposta.
Cada um dos pontos presentes em um gráfico de dispersão representa
uma observação, isto é, uma medida realizada, e a sua respectiva
posição em relação aos eixos “x” e “y”, o valor encontrado para cada
uma das variáveis representadas. Para interpretar um gráfico de
dispersão, devemos procurar tendências nos dados conforme
observamos da esquerda para a direita.
Se os pontos presentes no gráfico mostrarem um padrão de subida,
conforme você se move da esquerda para a direita, isso indica uma
relação positiva entre as variáveis representadas nos eixos “x” e “y”:
conforme os valores da variável no eixo “x” aumentam, os valores de “y”
também tendem a aumentar. Essa relação positiva é demonstrada no
exemplo abaixo.
Exemplo de gráfico de dispersão em estudo de correlação envolvendo neurônios de ratos.
No entanto, se você verificar a tendência contrária, na qual os pontos
presentes no gráfico mostram um padrão de declive, conforme se move
da esquerda para a direita, isso indica uma relação negativa entre as
variáveis representadas nos eixos “x” e “y”: conforme os valores da
variável no eixo “x” aumentam, os valores de “y” tendem a diminuir.
Exemplo de gráfico de dispersão em estudo de pacientes com tuberculose
Se os dados não se assemelham a nenhum tipo de padrão, mesmo que
vago, é possível inferir que não existe relação entre as variáveis
representadas nos eixos “x” e “y”, como no gráfico de dispersão
hipotético abaixo. Ainda, o quão forte será a relação positiva ou negativa
verificada dependerá da inclinação dos pontos. Uma “nuvem” de pontos
bem inclinada, como no exemplo do artigo de Muniz, Sant’ana e De
Almeida Araújo (2007), indica uma relação forte. Já uma “nuvem” de
pontos pouco inclinada, como no exemplo de Da Silva Junior et al.
(2006), indica uma relação fraca.
Exemplo de como seria a ausência de padrão verificada a ausência de relação entre as duas
variáveis representadas no gráfico de dispersão.
Gráfico de série temporal
Os gráficos de série temporal podem ser usados para visualizar
tendências em contagens ou valores numéricos, de uma ou mais
variáveis, ao longo do tempo. O intervalo de tempo analisado pode ser
contado em minutos, horas, dias, meses, anos, décadas ou mesmo
séculos – ou seja, qualquer unidade de tempo. A visualização e a
análise de séries temporais são cruciais para o entendimento dos dados
que variem ao longo do tempo. Assim, é possível verificar tendências
para rastrear mudanças ao longo do tempo e gerar previsões.
Em um gráfico de série temporal, o eixo “x” é usado para traçar uma
linha temporal, enquanto o eixo “y” aponta os valores da variável
numérica que está sendo medida. Os gráficos de série temporal
representam uma série de medições obtidas ao longo do tempo. Esses
gráficos são ferramentas ideais para que o leitor do seu TCC possa
identificar rapidamente uma tendência, detectar uma anomalia ou
analisar como uma métrica está mudando ao longo do tempo.
Para interpretar um gráfico de série temporal, o primeiro passo é
verificar se há uma tendência geral nos dados, de aumento ou
diminuição ao longo do tempo. Em seguida, você deve verificar se há
padrões cíclicos ou sazonais: Existem padrões de aumentos ou
decréscimos que se repetem a cada intervalo de tempo ou estação do
ano? Ainda, é importante que você se atente a possíveis “anomalias”
nos dados, isto é, algum comportamento atípico em algum dos anos
estudados.
Por exemplo, no gráfico de série temporal de Fernandes et al. (2012),
que apresentamos abaixo, podemos verificar que, no estado de São
Paulo, com o passar do tempo, houve uma tendência geral de redução
do número dos casos de dengue. No entanto, o ano de 2010 foi atípico e
houve um aumento abrupto. O que será que deve ter acontecido nesse
ano? Enquanto pesquisador, você deve procurar informações e fatos que
justifiquem ou, pelo menos, apontem alguma razão por trás de um
comportamento anômalo na sua série temporal.
Exemplo de gráfico de série temporal em estudo de casos de dengue
Legendas das ilustrações
Quando figuras, quadros e tabelas forem adicionados aos resultados,
cada um deles deve conter uma legenda concisa e autoexplicativa, de
modo que, mesmo que o leitor não tenha lido todo o seu TCC, consiga
entender sobre o que se trata. É importante ainda estar atento ao local
onde a legenda das figuras e tabelas será inserida.
De acordo com a ABNT, tabelas, quadros, figuras e gráficos devem ter as
suas respectivas legendas situadas na parte superior. Além disso, a
legenda deve sempre ser iniciada pela palavra que designa a imagem,
seguida por um número arábico que representa a ordem em que
aparece no trabalho, por um travessão e, logo após, pelo texto
propriamente dito, conforme exemplificado abaixo:
Exemplo de legenda em ilustração.
Para tabelas e quadros, a localização da legenda se torna um pouco
mais intuitiva, uma vez que são lidos sempre de cima para baixo. Todas
as abreviações presentes na sua ilustração devem ter os seus
significados explicitados nas suas respectivas legendas.
Exemplo de uma tabela e sua respectiva legenda de acordo com as normas da ABNT.
Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
Questão 1
Utilizando-se somente os critérios de interpretação dos gráficos de
boxplots, assinale a afirmativa correta sobre o gráfico hipotético a
seguir:
Parabéns! A alternativa C está correta.
Para interpretar um gráfico de boxplots, é preciso comparar as
medianas (linhas transversais no interior da caixa) entre cada
boxplot apresentado. Caso a linha da mediana de um boxplot fique
fora da caixa do outro boxplot, que está sendo comparado, é
provável que exista uma diferença significativa entre os grupos
comparados. No gráfico apresentado na questão, a linha da
mediana do Grupo 1 está fora dos limites das caixas dos boxplots
dos Grupos 2 e 3. Portanto, o Grupo 1 é diferente do Grupo 2 e do
Grupo 3. Ainda, verificamos que a linha da mediana do Grupos 2
está dentro dos limites da caixa do boxplot do Grupo 3 e vice-versa.
A Grupo 2 é diferente do Grupo 1 e do Grupo 3.
B Não há diferença entre os grupos.
C
Grupo 1 é diferente do Grupo 2 e do Grupo 3, mas o
Grupo 2 e o Grupo 3 não são diferentes entre si.
D
Grupo 3 é diferente do Grupo 1 e do Grupo 2, mas o
Grupo 1 e o Grupo 2 não são diferentes entre si.
E
Grupo 3 é diferente do Grupo 2, mas não é diferente
do grupo 1.
Portanto, não há diferença entre o Grupo 2 e o Grupo 3. A opção que
contempla as conclusões acima é a Letra C.
Questão 2
Utilizando-se somente os critérios de interpretação dos gráficos de
dispersão, é possível afirmar sobre o gráfico hipotético, a seguir,
que:
Parabéns! A alternativa D está correta.
A relação positiva entre as variáveis representadas em um gráfico
de dispersão pode ser verificada a partir de um padrão de subida,
conforme você se move da esquerdapara a direita, enquanto a
relação negativa é verificada a partir de um padrão de declive. A
ausência de relação entre as variáveis é verificada quando os
pontos do gráfico não apresentam nenhum tipo de padrão. Por
outro lado, a força da relação entre as variáveis é verificada a partir
da inclinação dos pontos ilustrados: quanto maior a inclinação,
maior é a força. Considerando que os pontos do gráfico
apresentado se mostram em um padrão de subida inclinada
(verificada pela posição da reta na imagem), podemos afirmar que a
opção correta é a Letra D.
A não há relação entre as variáveis representadas.
B há uma relação positiva fraca entre as variáveis.
C há uma relação negativa fraca entre as variáveis.
D há uma relação positiva forte entre as variáveis.
E há uma relação negativa forte entre as variáveis.
Considerações finais
Neste conteúdo, aprendemos que as descobertas de seu estudo com
base nas informações coletadas e nas metodologias aplicadas são
relatadas na seção Resultados do seu TCC. A ordem de apresentação
dos resultados deve estar de acordo com o que foi escrito nos Métodos.
A seção Resultados deve ser escrita no tempo passado por ser algo já
feito, e sua estrutura pode ser escrita de duas maneiras: com ou sem a
discussão dos resultados. Caso você opte pela segunda, pode
simplesmente apresentar o que foi encontrado, sem viés ou
interpretação. A utilização de ilustrações é fundamental para comunicar
adequadamente seus resultados, mas esteja atento para utilizar o tipo
de ilustração apropriado para representar os seus dados e interpretá-los.
Podcast
Para encerrar, a especialista falará sobre como os estudantes da área de
saúde podem lidar e abordar um resultado não significativo em seus
TCC. Vamos ouvir!

Explore +
Para saber mais sobre os assuntos aqui tratados:
Leia o livro Estatística para Leigos, da autora Deborah J. Rumsey, que
pode ser muito útil caso tenha interesse em se dedicar mais ao estudo
sobre análises estatísticas.
Utilize a ferramenta on-line de seleção de paleta de cores do Adobe
Color, pois escolher as cores mais atraentes para as suas ilustrações
pode parecer simples, mas tem alguns segredos. Um deles é a
utilização de cores harmoniosas. Depois que decidir quais cores
pretende usar, é só buscá-las no programa em que você está fazendo os
seus gráficos!
Referências
BASSOLI, T. et al. Metoclopramida e seus efeitos extrapiramidais em
crianças. Brazilian Journal of Development, v. 6, n. 10, p. 77339-77345,
2020.
CONTIN, C. M. Eletroforese das proteínas séricas e urinárias de cães
com erliquiose na fase aguda. Dissertação (Mestrado em Medicina
Veterinária). Universidade Estadual Paulista, Faculdade de Ciências
Agrárias e Veterinárias, 2015.
DA SILVA JUNIOR, C. T. et al. Influência da idade sobre a atividade da
adenosina desaminase na tuberculose pleural. Pulmão, v. 15, n. 2, p. 75-
80, 2006.
FERNANDES, M. A. B.; NATAL, D.; DE FÁTIMA DOMINGOS, M. Aspectos
epidemiológicos da transmissão de dengue em Santos, São Paulo, no
período de 1997 a 2012. Journal of Health & Biological Sciences, v. 2, n.
1, p. 5-12, 2014.
FIGUEIREDO, T. C. de; MOURA, R. B. de. Prática de pesquisa e trabalho
de conclusão na área de saúde. Rio de Janeiro: SESES, 2019.
FLOR, C. J. D. R. V.; GUERREIRO, C. F.; DOS ANJOS, J. L. M.
Desenvolvimento neuropsicomotor em crianças com microcefalia
associado ao Zika Vírus. Revista Pesquisa em Fisioterapia, v. 7, n. 3, p.
313-318, 2017.
FRANÇA-SANTOS, A. et al. Estudos bioquímicos da enzima bromelina
do Ananas comosus (abacaxi). Scientia Plena, v. 5, n. 11, 2009.
GASPAR, G. V.; BEZERRA, F. M. L.; MOTA, F. S. B. Desenvolvimento de
citronela (cymbopogon winterianus) irrigada com esgoto doméstico
tratado e com água de abastecimento. Brazilian Journal of
Environmental Sciences (on-line), v. 55, n. 1, p. 145-157, 2020.
MUNIZ, E.; SANT’ANA, D. de M. G; DE ALMEIDA ARAÚJO, E. J. Análise
morfométrica e quantitativa dos neurônios do plexo mientérico do ceco
de ratos submetidos a intensa carência de proteína. Arquivos de
Ciências Veterinárias e Zoologia da UNIPAR, v. 10, n. 2, 2007.
NASCIMENTO, G. A. do et al. Efeitos bradicardicos e antiarritmicos do
D-Limoneno em ratos. Arquivos Brasileiros de Cardiologia, v. 113, p. 925-
932, 2019.
NORMANDO, D.; TJÄDERHANE, L.; QUINTÃO, C. C. A. A escolha do teste
estatístico-um tutorial em forma de apresentação em PowerPoint.
Dental Press Journal of Orthodontics, v. 15, n. 1, p. 101-106, 2010.
QUERIOZ, T. A. F.; DIAS, D. P. Efeito do tamanho das sementes sobre a
emergência e morfofisiologia de mudas de mama cadela. Nativa, v. 9, n.
3, p. 260-265, 2021.
RIZZATTI, M. et al. Avaliação geográfica para risco de COVID-19 em
população a partir de 50 anos na área urbana de Santa Maria, RS,
Brasil. Geografia Ensino & Pesquisa, v. 24, p. 1-33, 2020.
SOUSA, B. M. et al. Répteis em fragmentos de Cerrado e Mata Atlântica
no Campo das Vertentes, estado de Minas Gerais, Sudeste do Brasil.
Biota Neotropica, v. 10, p. 129-138, 2010.
ZANUSSO-JUNIOR, G. et al. Avaliação da atividade anti-inflamatória do
coentro (Coriandrum sativum L.) em roedores. Revista Brasileira de
plantas medicinais, v. 13, p. 17-23, 2011.
Material para download
Clique no botão abaixo para fazer o download do
conteúdo completo em formato PDF.
Download material
javascript:CriaPDF()
O que você achou do conteúdo?
Relatar problema