EPIDEMIOLOGIA E BIOESTATÍSTICA - LIVRO

Prévia do material em texto

EPIDEMIOLOGIA E 
BIOESTATÍSTICA 
• 1. Conceitos básicos em epidemiologia . . . . . . . . . . . . . . . . . . . . . . 3
• 2. História natural da doença . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16
• 3. Vigilância em Saúde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
• 4. Medidas de saúde pública . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
• 5. Tipos de estudos epidemiológicos . . . . . . . . . . . . . . . . . . . . . . . 56
• 6. Amostragem e coleta de dados . . . . . . . . . . . . . . . . . . . . . . . . . 72
• 7. Medidas de tendência central . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
• 8. Tabulação dos dados, inferência estatística e distribuição dos 
dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
• 9. Testes de hipóteses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .113
• Encerramento do E-book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Sumário
UNIDADE DE
APRENDIZAGEM
CONCEITOS BÁSICOS EM 
EPIDEMIOLOGIA
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 1
4
Breve contextualização
Neste capítulo, você verá os conceitos-chave relacionados 
à História Natural da Doença e aprenderá a identificar os 
estágios de desenvolvimento de doenças e os fatores de 
risco associados. Também ficará evidente a importância da 
prevenção primária e secundária na saúde pública.
Boa leitura!
Apresentação do E-book
Ao longo das próximas páginas, você será guiado através 
de nove capítulos que exploram os conceitos fundamentais 
necessários para compreender e aplicar a epidemiologia e 
bioestatística no contexto da saúde pública e da pesquisa 
biomédica. Começaremos com os conceitos básicos em 
epidemiologia e avançaremos para tópicos como a história 
natural da doença, vigilância em saúde, medidas de saúde 
pública, tipos de estudos epidemiológicos, amostragem e 
coleta de dados, estatísticas descritivas, inferência estatística e 
testes de hipóteses.
Boa leitura!
Objetivos da Disciplina
• Compreender os princípios e conceitos fundamentais 
da epidemiologia e bioestatística.
• Analisar dados epidemiológicos e de saúde utilizando 
técnicas estatísticas apropriadas.
• Aplicar os conhecimentos adquiridos na avaliação de 
problemas de saúde pública.
• Interpretar estudos epidemiológicos e sua relevância 
para a saúde da comunidade.
• Desenvolver habilidades para coleta e análise de dados 
em pesquisa biomédica.
5
Para Início de Conversa
A epidemiologia, frequentemente chamada de “ciência 
da saúde pública”, é a espinha dorsal do entendimento 
das doenças e da saúde das populações. Neste capítulo, 
vamos compreender sobre os conceitos básicos dessa 
disciplina. Imagine um quebra-cabeça gigante, no qual 
cada peça representa um indivíduo em uma comunidade. 
A epidemiologia nos dá as ferramentas para montar esse 
quebra-cabeça, revelando padrões, identificando peças 
faltantes e até mesmo ajudando a prever como a imagem 
mudará ao longo do tempo. Ao compreender os termos 
como epidemia, endemia e curva epidemiológica, você 
estará equipado para iniciar o aprendizado sobre os dados 
de saúde de forma crítica. À medida que avançamos, você 
perceberá como a epidemiologia é essencial para a prevenção 
de doenças, a promoção da saúde e a tomada de decisões 
baseadas em evidências.
Objetivo de Aprendizagem 
do Capítulo
• Compreender a distinção entre epidemiologia 
descritiva e epidemiologia analítica, bem como suas 
respectivas contribuições para a compreensão e 
controle de doenças.
• Reconhecer as diferentes classificações de doenças, 
incluindo endêmicas, epidêmicas, esporádicas e 
inexistentes, e ser capaz de fornecer exemplos de cada 
uma.
• Entender os critérios e diferenças entre pandemia, 
epidemia, surto e endemia, incluindo sua definição e 
importância na saúde pública.
• Familiarizar-se com o uso de diagramas de controle na 
determinação do nível endêmico e na monitorização 
da incidência de doenças ao longo do tempo.
• Compreender a importância da curva epidemiológica 
na representação visual da evolução de uma epidemia, 
identificando suas fases e entendendo como ela é 
utilizada na prática epidemiológica.
6
em termos de fatores causais. Essa abordagem procura 
entender por que e como as doenças afetam diferentes grupos 
de pessoas e locais. Envolve estudos mais aprofundados, como 
estudos de coorte e caso-controle, que buscam estabelecer 
relações de causa e efeito entre variáveis. A epidemiologia 
analítica desempenha um papel crítico na elaboração 
de políticas de saúde e na implementação de medidas 
preventivas eficazes.
Para entender plenamente o perfil epidemiológico de 
uma doença, consideramos três aspectos fundamentais:
• Quem?
Identificar grupos mais vulneráveis, levando em 
consideração fatores como idade, sexo, raça, escolaridade, 
estilo de vida, profissão, cultura, religião e outros.
• Onde?
Analisar onde a doença está concentrada, considerando 
aspectos geográficos, como cluster espacial (epidêmico), 
características climáticas, solo, vegetação e a difusão da 
doença por meio de migração e mobilidade.
• Quando?
Analisar o tempo em que a doença ocorre, considerando 
intervalos de tempo, anos cronológicos, estações do ano e 
agregados temporais (cluster temporal, epidêmico).
As doenças podem ser classificadas de quatro maneiras 
principais:
1. Fundamentos de 
epidemiologia
A epidemiologia é o campo da saúde pública dedicado 
à análise da distribuição e dos determinantes das frequências 
das doenças em uma população. Para uma análise mais 
aprofundada, dividimos a epidemiologia em duas partes 
essenciais: a epidemiologia descritiva e a epidemiologia 
analítica, ambas desempenhando papéis cruciais na 
compreensão e controle das doenças.
A epidemiologia descritiva concentra-se exclusivamente 
na investigação da distribuição das frequências das doenças. 
Isso envolve identificar padrões geográficos e demográficos, 
tais como idade, sexo, raça, escolaridade, estilo de vida, 
profissão, cultura e religião, que podem influenciar a 
prevalência e a incidência das doenças. Além disso, essa análise 
também considera fatores ambientais, como clima, solo e 
vegetação, bem como a distinção entre áreas rurais e urbanas. 
A epidemiologia descritiva é vital para identificar áreas com 
maior risco de doenças e direcionar recursos de saúde de 
maneira eficaz.
A epidemiologia analítica é o cerne da disciplina 
epidemiológica, buscando identificar os determinantes das 
frequências das doenças e explicar a distribuição observada 
7
1. Endêmicas: doenças endêmicas são aquelas que estão 
constantemente presentes em uma determinada população 
ou região, mantendo uma taxa de incidência relativamente 
estável ao longo do tempo. Em outras palavras, essas doenças 
ocorrem regularmente, e as pessoas estão sempre expostas a 
elas. Um exemplo clássico de doença endêmica é a malária em 
algumas áreas tropicais, onde a doença ocorre continuamente 
em taxas previsíveis.
2. Epidêmicas: doenças epidêmicas ocorrem de 
forma não constante e geralmente envolvem um aumento 
significativo e repentino no número de casos em uma 
população em um curto período de tempo. As epidemias são 
caracterizadas por surtos de doenças que excedem o que é 
considerado normal para aquela área ou comunidade. Um 
exemplo recente é a epidemia de COVID-19, que teve um 
aumento dramático de casos em todo o mundo durante um 
período relativamente curto.
3. Esporádicas: doenças esporádicas são aquelas 
que ocorrem de forma irregular e imprevisível, com casos 
isolados ou pequenos surtos que não seguem um padrão 
definido. Essas doenças não apresentam uma incidência 
constante ou sazonal, tornando difícil prever quando e onde 
ocorrerão. Um exemplo pode ser uma infecção rara que surge 
ocasionalmente, sem um padrão evidente de propagação.4. Inexistentes: esta categoria simplesmente indica 
que a doença não está presente na população ou na região 
em questão. Isso significa que não foram relatados casos da 
doença naquela área específica, e ela não representa uma 
ameaça atual para a saúde das pessoas que vivem lá.
FONTE: HTTPS://WWW.EUMEDICORESIDENTE.COM.BR/POST/VOCE-SABE-A-
DIFERENCA-ENTRE-PANDEMIA-EPIDEMIA-ENDEMIA 
FIGURA 1 – COMO UMA PANDEMIA É DEFINIDA
8
IMPORTANTE: É importante ressaltar que um alto 
número de casos não garante que uma doença seja 
considerada uma epidemia. Por exemplo, o acidente vascular 
cerebral (AVC) pode ter dezenas de milhares de novos casos 
por ano, mas isso não significa uma epidemia de AVC.
Portanto, uma epidemia ocorre quando há um aumento 
significativo e repentino no número de casos de uma doença 
em uma determinada área ou população em um curto período 
de tempo. Isso significa que, em um determinado momento, a 
incidência da doença excede o que é considerado normal para 
aquela área ou população. As epidemias geralmente chamam 
a atenção das autoridades de saúde pública e podem exigir 
medidas urgentes para controlar a propagação da doença. Um 
exemplo clássico de epidemia é o surto de gripe sazonal que 
ocorre em uma região durante o inverno.
Por outro lado, a endemia refere-se a uma situação em 
que uma doença está constantemente presente em uma 
população ou área geográfica específica, mantendo uma taxa 
de incidência relativamente estável ao longo do tempo, como a 
malária em algumas regiões tropicais (Figura 2).
Ainda na população, a doença pode estar em surto ou 
ainda se tornar uma pandemia (Figura 1). 
Uma pandemia é uma situação em que uma doença 
infecciosa se espalha de forma generalizada e sustentada em 
múltiplas regiões geográficas, afetando populações em todo 
o mundo. Para ser considerada uma pandemia, a doença deve 
ultrapassar as fronteiras de países e continentes, causando 
uma disseminação global significativa. Um exemplo recente é 
a pandemia de COVID-19, que começou na China em 2019 e se 
espalhou para quase todos os países do mundo, resultando em 
impactos de saúde pública em escala global.
Um surto, por outro lado, refere-se a um aumento súbito 
e inesperado no número de casos de uma doença em uma 
área geográfica específica ou em uma população definida. 
Os surtos podem variar em tamanho e gravidade, mas são 
caracterizados por uma incidência de doença que excede o 
que é considerado normal para aquela área ou população 
em um determinado período de tempo. Os surtos podem 
ser localizados, afetando uma comunidade específica, ou 
mais amplos, envolvendo várias regiões. Eles são geralmente 
monitorados e investigados pelas autoridades de saúde 
para controlar a disseminação da doença e tomar medidas 
preventivas adequadas.
9
é comum. Se alguém contrair malária em uma região onde a 
malária não é endêmica, mas tenha viajado recentemente para 
uma área onde a malária é comum, esse caso é considerado 
alóctone.
A distinção entre casos autóctones e alóctones é 
importante porque o aparecimento de casos autóctones em 
uma área previamente livre da doença pode indicar o início de 
uma epidemia. Isso sugere que a doença está se espalhando 
localmente e pode exigir medidas de controle imediatas para 
evitar que a epidemia se desenvolva.
A definição de se uma doença está em nível endêmico 
ou epidêmico envolve critérios complexos que consideram 
variáveis como média, variância, desvio padrão, frequência 
máxima esperada, frequência mínima esperada e incidência. 
O “nível endêmico” é estabelecido com base em medidas 
epidemiológicas específicas. Para isso, pode-se usar um 
diagrama de controle, que é uma ferramenta gráfica usada 
para monitorar a evolução dos coeficientes de incidência 
ao longo do tempo. Ele ajuda a estabelecer e implementar 
medidas preventivas para manter a doença sob controle. O 
diagrama inclui conceitos como frequência máxima esperada 
e frequência mínima esperada, que indicam os limites dentro 
dos quais a incidência da doença deve se manter.
Outros dois conceitos importantes são casos autóctones 
e alóctones. Os casos autóctones são aqueles que se originam 
na área ou região em que a doença é endêmica ou está 
ocorrendo. Por exemplo, se alguém contrair malária em 
uma área onde a malária é comum, esse caso é considerado 
autóctone. Por outro lado, os casos alóctones são aqueles que 
são importados de outras regiões ou áreas onde a doença não 
FIGURA 2 – ENDEMIA VERSUS EPIDEMIA
FONTE: HTTPS://RUBENROA.BLOGSPOT.COM/2022/01/ENDEMICO-NO-SIGNIFICA-
BENIGNO.HTML
10
incomum está acontecendo.
Progressão
Essa fase é caracterizada pelo crescimento constante 
da incidência da doença. A epidemia continua a se espalhar, 
e os casos continuam a aumentar. As medidas de controle 
podem ser implementadas nessa fase para tentar conter a 
disseminação da doença. O pico da epidemia é geralmente 
atingido durante essa fase, quando o número de casos é o 
2. Curva epidemiológica
Outro conceito bastante importante é o de curva 
epidêmica (Figura 3), que nada mais é do que uma 
representação gráfica da evolução de uma situação 
epidêmica. Ela inclui quatro fases principais: incremento 
inicial de casos, egressão, progressão e regressão. Cada fase 
descreve diferentes estágios da epidemia, desde o início até 
a sua resolução ou estabilização. A curva epidêmica é uma 
ferramenta visual que representa a evolução de uma epidemia 
ao longo do tempo. Ela é útil para entender como uma doença 
se espalha em uma população e como as medidas de controle 
podem afetar sua trajetória. A curva epidêmica é geralmente 
composta por quatro fases principais:
Incremento inicial de casos
Essa é a primeira fase da epidemia. Nessa fase, o número 
de casos da doença começa a aumentar de forma mais 
acentuada. Os casos podem ser esporádicos ou limitados a 
grupos específicos de pessoas. O coeficiente de incidência 
tende a aumentar rapidamente nessa fase.
Egressão
A fase de egressão marca o início da identificação e 
reconhecimento da epidemia. Os profissionais de saúde 
começam a notar um aumento nos casos da doença. É 
também o momento em que as autoridades de saúde pública 
podem ser alertadas sobre a situação. A incidência continua a 
aumentar, mas pode haver um reconhecimento de que algo 
FIGURA 3 – CURVA EPIDÊMICA
FONTE: GARCIA; DUARTE (2020) 
11
3. Classificação das 
epidemias
Uma epidemia pode ser lenta ou rápida, e isso depende 
da natureza da doença, das características da população 
afetada e das medidas de controle implementadas. Aqui estão 
algumas considerações:
• Velocidade de transmissão: a velocidade com que 
uma doença se espalha de pessoa para pessoa varia. 
Algumas doenças podem se espalhar rapidamente, 
infectando um grande número de pessoas em um 
curto espaço de tempo, enquanto outras se espalham 
mais lentamente.
• Tempo de incubação: o tempo que leva desde a 
exposição à doença até o aparecimento dos sintomas 
(período de incubação) pode influenciar a velocidade 
da epidemia. Doenças com um curto período de 
incubação podem se espalhar mais rapidamente do 
que aquelas com um período mais longo.
• Eficácia das medidas de controle: as ações tomadas 
para controlar a epidemia também desempenham 
um papel importante. Medidas como o isolamento 
de casos, o rastreamento de contatos, a vacinação e o 
uso de equipamentos de proteção podem retardar a 
propagação da doença.
mais alto.
Regressão
A fase de regressão é quando a epidemia começa 
a diminuir. O número de casos novos começa a diminuir 
gradualmente. Isso pode ocorrer devido a medidas de controle 
bem-sucedidas, como isolamento, tratamento, vacinação ou 
mudanças no comportamento da população. A epidemia 
eventualmente se estabiliza em um nível mais baixo ou 
desaparece completamente, dependendo das ações tomadas.
IMPORTANTE: É importante observar que a duração 
de cadafase e a forma da curva epidêmica podem variar 
dependendo da natureza da doença, da eficácia das medidas 
de controle e de outros fatores. A compreensão dessas fases 
é essencial para planejar a resposta a uma epidemia e tomar 
decisões informadas sobre intervenções de saúde pública. 
Adicionalmente, as epidemias têm durações limitadas, 
ao contrário da endemia, que é contínua. A duração de 
uma epidemia pode variar de algumas horas a décadas, 
dependendo do tipo de doença. Além disso, as epidemias 
podem ocorrer em diferentes escalas, desde surtos epidêmicos 
localizados até pandemias que afetam várias nações.
12
Epidemia lenta: uma epidemia lenta tem uma 
progressão mais gradual ao longo do tempo. Os casos 
da doença aumentam de forma constante, mas em um 
ritmo mais lento do que em uma epidemia explosiva. Um 
exemplo pode ser uma epidemia de diabetes tipo 2, que 
está relacionada a fatores de estilo de vida e que tende a 
aumentar ao longo de anos devido a mudanças na dieta e no 
comportamento.
Epidemia progressiva ou propagada: nesse tipo de 
epidemia, a transmissão da doença ocorre diretamente de 
hospedeiro a hospedeiro. É comum em doenças infecciosas, 
como HIV, quando a infecção se espalha de pessoa para 
pessoa por meio de contato sexual desprotegido ou 
compartilhamento de agulhas contaminadas.
• Suscetibilidade da população: a susceptibilidade da 
população à doença também é relevante. Se a maioria 
das pessoas for suscetível à infecção, a epidemia pode 
se espalhar mais rapidamente. Por outro lado, se uma 
porcentagem significativa da população for imune 
(por vacinação ou infecção prévia), a propagação pode 
ser mais lenta.
• Intervenções precoces: a detecção precoce de casos 
e a implementação rápida de medidas de controle 
podem ajudar a conter uma epidemia antes que ela se 
espalhe rapidamente.
Por isso, epidemias podem ser classificadas com base em 
diversos critérios, como velocidade de progressão, mecanismo 
de transmissão, fonte comum e persistente. Cada tipo de 
epidemia apresenta características distintas que influenciam 
seu controle e gestão.
Epidemia explosiva: esse tipo de epidemia é 
caracterizado por uma rápida progressão e o número de 
casos de uma doença aumenta significativamente em um 
curto período de tempo. Geralmente, isso ocorre quando uma 
população é exposta a um agente patogênico altamente 
contagioso e suscetível, o que leva a uma rápida disseminação 
da doença. Um exemplo clássico é uma epidemia de 
gripe sazonal, que pode se espalhar rapidamente em uma 
comunidade devido à fácil transmissão do vírus entre as 
pessoas.
FONTE: ENVATO ELEMENTS
13
Conglomerado temporal: por outro lado, quando 
ocorrem casos da doença em intervalos de tempo 
semelhantes, isso sugere uma possível origem comum para 
esses casos. Ou seja, os indivíduos afetados podem ter sido 
expostos a um mesmo evento ou agente causador em um 
período próximo, o que indica a necessidade de investigação 
adicional para identificar a fonte comum.
Essa análise de conglomerados espaciais e temporais 
desempenha um papel crucial na detecção precoce de surtos 
de doenças, permitindo a implementação de medidas de 
controle eficazes e a identificação das causas subjacentes da 
propagação da doença.
A epidemiologia é uma disciplina essencial para 
compreender a saúde da população, identificar fatores de risco 
e desenvolver estratégias eficazes de prevenção e controle de 
doenças. A análise epidemiológica envolve uma variedade de 
conceitos e ferramentas para descrever, analisar e responder 
às mudanças na saúde pública, desde surtos locais até 
pandemias globais.
DICAS: A área da Biomedicina é dinâmica e em constante 
evolução. Portanto, é fundamental que você esteja sempre 
atualizado com os avanços mais recentes, as técnicas de 
laboratório mais modernas e as descobertas científicas 
recentes. Isso pode ser alcançado por meio de:
Epidemia por fonte comum: nesse caso, a transmissão 
da doença ocorre por meio de uma fonte comum, como água 
contaminada, alimentos contaminados ou ar contaminado. 
Um exemplo é uma epidemia de doenças transmitidas por 
alimentos, quando várias pessoas adoecem após consumir um 
alimento contaminado com bactérias ou vírus.
Epidemia por fonte persistente: nesse tipo de epidemia, 
a fonte de exposição à doença é duradoura e a exposição da 
população se estende por um longo período. Um exemplo 
pode ser uma epidemia de exposição ocupacional, quando os 
trabalhadores em uma fábrica são continuamente expostos a 
produtos químicos tóxicos, resultando em casos crescentes da 
doença ao longo dos anos.
Além disso, é importante notar que casos de doenças que 
apresentam semelhanças ou possivelmente têm uma origem 
comum podem se agrupar, formando o que chamamos de 
conglomerados espaciais ou temporais. Esses agrupamentos 
são de extrema importância para a investigação e controle de 
surtos de doenças. Ao considerar conglomerados espaciais, 
levamos em conta os fatores inerentes ao local, como os 
agentes etiológicos (causadores da doença) e as condições 
propícias que sempre estiveram presentes na área, bem como 
os fatores agregados, que são novos elementos introduzidos na 
região.
Conglomerado espacial: nesse caso, os casos da doença 
ocorrem de forma concentrada em uma área geograficamente 
delimitada. Isso sugere que a disseminação da doença está 
associada a fatores específicos presentes naquela região.
14
Considerações Finais
Neste primeiro capítulo, conhecemos os conceitos 
fundamentais da epidemiologia, abordando a importância 
da análise da distribuição e dos determinantes das doenças 
em uma população. Discutimos as duas vertentes essenciais 
da epidemiologia, a descritiva e a analítica, e desdobramos 
as etapas cruciais da análise epidemiológica, respondendo às 
perguntas “quem, onde e quando”. Além disso, exploramos 
a classificação das doenças, diferenciando entre endêmicas, 
epidêmicas, esporádicas e inexistentes, entendendo como 
esses termos descrevem a ocorrência das doenças em 
uma população. E discutimos também a importância de 
compreender conglomerados espaciais e temporais, que 
desempenham um papel vital na investigação e no controle de 
surtos de doenças.
Em conclusão, este capítulo pode servir como uma 
base sólida para o estudo em epidemiologia. Entendemos 
os conceitos-chave e a terminologia fundamental que nos 
acompanharão ao longo das aulas, fornecendo as ferramentas 
necessárias para compreender e aplicar os princípios 
epidemiológicos em estudos e práticas de saúde pública. Nos 
capítulos seguintes, aprofundaremos nosso conhecimento e 
exploraremos aplicações práticas desses conceitos em cenários 
do mundo real.
Leitura regular: dedique tempo para ler artigos 
científicos, livros e publicações relacionados à Biomedicina. 
Assine revistas científicas e acompanhe os principais sites e 
blogs da área.
Participação em cursos e workshops: esteja disposto a 
participar de cursos de atualização e workshops relacionados 
à sua especialidade dentro da Biomedicina. Isso o manterá 
atualizado com as técnicas e tecnologias mais recentes.
Redes profissionais: conecte-se com outros profissionais 
da área, incluindo professores, pesquisadores e colegas de 
classe. Participe de conferências e eventos acadêmicos para 
ampliar sua rede de contatos.
Aprendizado on-line: aproveite os recursos on-line, como 
webinars, cursos e plataformas de aprendizado para adquirir 
novos conhecimentos e habilidades.
Envolvimento em pesquisa: seja ativo na pesquisa 
científica, seja como assistente de pesquisa em laboratório 
acadêmico ou participando de projetos de pesquisa relevantes 
para sua área de interesse.
Manter-se atualizado não apenas o ajudará a se destacar 
em sua carreira, mas também garantirá que você esteja 
preparado para enfrentar os desafios e as oportunidades em 
constante mudança na Biomedicina.
15
ReferênciasGARCIA, Leila Posenato; DUARTE, Elisete. Intervenções 
não farmacológicas para o enfrentamento à epidemia da 
COVID-19 no Brasil. Epidemiologia e Serviços de Saúde, v. 29, 
p. e2020222, 2020.
ROTHMAN, Kenneth; GREENLAND, Sander; LASH, 
Timothy. Epidemiologia Moderna. 3. ed. Artmed Editora, 2016.
ROUQUAYROL, Maria Zélia; GURGEL, Marcelo. 
Rouquayrol: Epidemiologia e saúde. Medbook, 2021.
UNIDADE DE
APRENDIZAGEM
HISTÓRIA NATURAL DA DOENÇA
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 2
17
Para Início de Conversa
A saúde humana é afetada por uma variedade de fatores, 
e o entendimento da história natural da doença é essencial 
para a prática clínica e a saúde pública. Nesta introdução, 
iremos compreender as origens e fundamentos desse conceito, 
explorando como as doenças se desenvolvem e progridem 
em indivíduos e comunidades. Além disso, abordaremos a 
importância de identificar pontos de intervenção ao longo 
dessa trajetória para melhorar a saúde. Você pode imaginar um 
exemplo, sobre qualquer doença, e a partir dela você começar 
a trabalhar com todas as possibilidades a fim de prevenir a 
doença ou, ainda, evitar sequelas e óbito. Isso é o que a história 
natural da doença permite! Reconhecer cada momento das 
doenças é o que permite trabalhar na prevenção.
Objetivo de Aprendizagem 
do Capítulo
Ao final deste capítulo, você será capaz de:
• Compreender os conceitos-chave relacionados à 
História Natural da Doença.
• Identificar os estágios de desenvolvimento de doenças 
e os fatores de risco associados.
• Avaliar a importância da prevenção primária e 
secundária na saúde pública.
• Aplicar o conhecimento sobre a história natural da 
doença em contextos de saúde e pesquisa.
• Reconhecer estratégias eficazes de intervenção para 
melhorar a saúde e prevenir doenças.
18
1. Histórico
A história da saúde pública é pontuada por momentos 
cruciais que moldaram a compreensão e o controle das 
doenças. Entre esses marcos, destaca-se a investigação 
notável realizada por John Snow em meados do século XIX em 
Londres. A contribuição de Snow não apenas salvou vidas na 
época, mas também estabeleceu os alicerces dos princípios 
fundamentais da epidemiologia moderna, que são essenciais 
para a compreensão da história natural da doença.
John Snow, um médico e pioneiro epidemiologista, 
desempenhou um papel crucial no desenvolvimento da 
epidemiologia como ciência. Sua investigação icônica 
sobre o surto de cólera em Londres, em 1854, demonstrou 
a importância da coleta e análise de dados precisos para 
compreender a distribuição de doenças. Snow mapeou 
meticulosamente os casos de cólera em um mapa da cidade, 
revelando uma concentração de casos perto de uma famosa 
bomba de água contaminada. Essa abordagem pioneira 
evidenciou como a análise espacial de dados poderia revelar as 
ligações entre a exposição a fontes específicas e o surgimento 
de doenças.
Um dos princípios essenciais que emergiram do 
trabalho de Snow foi a ênfase na investigação de surtos e 
epidemias para identificar as fontes de transmissão. Antes 
de sua pesquisa, a compreensão das doenças infecciosas 
frequentemente carecia de rigor científico e baseava-se 
em teorias imprecisas. Snow introduziu o conceito de que a 
transmissão de doenças poderia ser rastreada por meio de 
investigações epidemiológicas detalhadas. Isso não apenas 
permitiu a identificação de fontes de infecção, mas também 
estabeleceu um modelo para a detecção e resposta a surtos de 
doenças que continua a ser aplicado na saúde pública até os 
dias de hoje.
Além disso, a pesquisa de John Snow ressaltou a 
necessidade de intervenções baseadas em evidências para 
prevenir e controlar doenças. Sua abordagem não se limitou 
a documentar a disseminação da cólera, mas também 
propôs medidas práticas para interromper a transmissão. 
Snow convenceu as autoridades locais a retirar a alça da 
famosa bomba de água contaminada, resultando na redução 
significativa dos casos de cólera na área afetada. Esse exemplo 
pioneiro ilustra a importância de implementar ações de saúde 
pública com base em dados e evidências sólidas, um princípio 
que permanece como pedra angular da epidemiologia 
moderna.
Após John Snow, uma série de pioneiros dedicados 
continuaram a avançar no campo da epidemiologia, 
transformando-a em uma disciplina científica essencial 
para a compreensão da saúde pública. Entre esses notáveis 
19
como a vacinação em massa contra a varíola e o combate ao 
mosquito Aedes aegypti, vetor da febre amarela. Esses esforços 
contribuíram significativamente para a redução da morbidade 
e mortalidade por essas doenças e estabeleceram as bases da 
epidemiologia no país.
A importância desses primeiros estudos de epidemiologia 
no Brasil para a história natural da doença reside na 
compreensão das relações complexas entre fatores ambientais, 
sociais e biológicos na determinação do perfil de saúde da 
população. Por meio da vigilância epidemiológica e da coleta 
sistemática de dados, os pesquisadores puderam identificar 
os determinantes das doenças, os modos de transmissão e 
contribuintes, destacam-se Pierre Louis, cujo uso pioneiro de 
métodos estatísticos na investigação clínica permitiu análises 
cruciais, como a relação entre a letalidade da pneumonia e 
práticas médicas da época, como a sangria. Louis Villermé, 
por sua vez, empreendeu investigações significativas sobre 
pobreza, condições de trabalho e seu impacto na saúde, 
lançando luz sobre a etiologia social de doenças. William 
Farr desempenhou um papel fundamental na identificação 
de disparidades regionais e sociais nos perfis de saúde por 
meio de seu trabalho no Registro Geral inglês, contribuindo 
diretamente para a reforma sanitária do Reino Unido. 
Esses pioneiros, por meio de suas contribuições notáveis, 
solidificaram a epidemiologia como uma disciplina crucial que 
não apenas examina a disseminação de doenças, mas também 
se preocupa com fatores sociais e práticas médicas, moldando 
assim o curso da saúde pública e da medicina moderna. 
O estudo da epidemiologia no Brasil remonta ao século 
XIX, quando o país enfrentava desafios significativos de saúde 
pública, como epidemias de febre amarela, varíola e cólera. 
A necessidade de compreender e controlar essas doenças 
levou à introdução das práticas epidemiológicas no país. 
Destaca-se, nesse contexto, a figura de Oswaldo Cruz, um 
médico e cientista visionário que desempenhou um papel 
fundamental no início dos estudos de epidemiologia no Brasil. 
Sob sua liderança, foram implementadas medidas pioneiras, 
FONTE: ENVATO ELEMENTS
20
os grupos mais vulneráveis. Isso permitiu o desenvolvimento 
de estratégias de prevenção e controle direcionadas, 
influenciando positivamente a história natural de doenças 
no país. Além disso, esses estudos iniciais estabeleceram as 
bases para a criação de políticas de saúde pública baseadas 
em evidências, que continuam a ser fundamentais para a 
promoção da saúde e a prevenção de doenças no Brasil até os 
dias de hoje.
 Portanto, a investigação de John Snow e dos demais 
pesquisadores não apenas marcou um ponto de viragem 
na história da saúde pública, mas também estabeleceu os 
princípios fundamentais da epidemiologia moderna. Seu 
trabalho destacou a importância da coleta e análise de dados 
precisos, da investigação de surtos para identificar fontes de 
transmissão e da implementação de intervenções baseadas 
em evidências. Esses princípios continuam a guiar o campo 
da epidemiologia e são essenciais para a compreensão da 
história natural da doença e para o desenvolvimento de 
estratégias eficazes de prevenção e controle de doenças. Por 
fim, a epidemiologia evoluiu ao longo dos anos, tornando-se 
uma disciplina multifacetada que aborda uma ampla gama 
de questões de saúde pública. Ela se concentra não apenas no 
estudo de doenças infecciosas, mas também em doenças não 
transmissíveis,como doenças cardiovasculares e câncer.
A epidemiologia, como disciplina central da saúde 
pública, repousa sobre o alicerce de oito pilares fundamentais 
que sustentam seu papel na compreensão e no controle das 
doenças em escala populacional. Esses pilares formam a base 
sólida que permite aos epidemiologistas analisar, interpretar e 
tomar medidas direcionadas para promover a saúde pública e 
prevenir enfermidades.
• O primeiro pilar, a ocorrência de doenças em 
escala populacional, estabelece a necessidade de 
compreender como as doenças afetam comunidades 
inteiras. A epidemiologia busca não apenas identificar 
os casos individuais, mas também analisar padrões de 
doenças em grupos populacionais, permitindo uma 
visão abrangente dos desafios de saúde.
• Investigar as causas de doenças é o segundo pilar, 
e isso inclui a análise meticulosa dos fatores que 
contribuem para a ocorrência de enfermidades. Essa 
investigação é essencial para a identificação dos 
fatores determinantes da saúde, o terceiro pilar, que 
nos ajuda a entender as influências que moldam nossa 
saúde, desde determinantes sociais até genéticos.
• A partir desse entendimento, surge o quarto pilar: 
o desenvolvimento de estratégias de prevenção, 
controle e erradicação. A epidemiologia não se limita 
a descrever problemas de saúde, mas também busca 
soluções práticas para melhorar a saúde pública.
• A descrição da distribuição e magnitude dos 
problemas de saúde, o quinto pilar, envolve avaliar 
21
2. Processo saúde-doença
O processo saúde-doença é um conceito fundamental na 
epidemiologia, que é o estudo da distribuição e determinantes 
das doenças em populações humanas. Esse processo descreve 
como a saúde e a doença evoluem ao longo do tempo em uma 
população. Ele pode ser dividido em várias etapas:
1. Determinantes de saúde: são fatores que influenciam 
a saúde de uma população e podem ser de natureza biológica, 
comportamental, social, econômica, cultural, ambiental e 
política. Esses determinantes afetam a exposição das pessoas a 
riscos de saúde e sua capacidade de resposta a esses riscos.
2. Riscos à saúde: são condições, comportamentos ou 
onde e com que intensidade as doenças ocorrem. Essa 
análise é fundamental para a alocação de recursos e a 
tomada de decisões informadas em políticas de saúde.
• A coleta de dados para o planejamento e avaliação 
de ações de saúde é o sexto pilar, destacando a 
importância da obtenção de informações precisas 
para orientar intervenções eficazes. Em seguida, o 
sétimo pilar se concentra na identificação dos fatores 
etiológicos na gênese das enfermidades, explorando as 
causas subjacentes das doenças.
• Por fim, o oitavo pilar enfatiza a promoção da saúde 
e a prevenção de doenças, destacando a missão da 
epidemiologia de não apenas responder a crises de 
saúde, mas também de trabalhar proativamente para 
melhorar a saúde em geral.
Um exemplo notável da aplicação desses pilares é o caso 
do HIV/AIDS. Desde sua identificação em 1981, a epidemiologia 
desempenhou um papel crucial na compreensão e controle 
dessa epidemia. Por meio de estudos que analisaram grupos 
populacionais e comportamentos de risco relacionados ao HIV, 
a epidemiologia permitiu o desenvolvimento de estratégias 
eficazes de prevenção e tratamento. Esses esforços não 
apenas salvaram vidas, mas também destacaram o poder da 
epidemiologia na defesa da saúde pública em escala global.
FONTE: ENVATO ELEMENTS
22
individuais, como tabagismo, consumo excessivo de 
álcool, dieta inadequada, falta de atividade física e uso 
de drogas, desempenham um papel significativo na 
saúde. Mudanças comportamentais podem melhorar a 
saúde.
• Determinantes ambientais: isso abrange a qualidade 
do ar, água e solo, exposição a poluentes químicos, 
acesso a alimentos saudáveis, segurança no ambiente, 
acesso a espaços verdes e mudanças climáticas. O 
ambiente desempenha um papel crucial na saúde.
• Determinantes biológicos e genéticos: a predisposição 
genética e a biologia individual também influenciam 
a saúde. Alguns problemas de saúde têm uma base 
genética, e a pesquisa genômica está cada vez mais 
relacionada à medicina personalizada.
• Determinantes culturais e comunitários: as crenças, 
valores, práticas culturais e o apoio da comunidade 
desempenham um papel na saúde. A cultura e a 
comunidade podem afetar as escolhas de saúde e o 
acesso aos serviços.
• Determinantes políticos e econômicos: políticas 
governamentais, sistemas de saúde, regulamentações 
econômicas e distribuição de recursos influenciam a 
saúde da população. Uma boa governança e políticas 
públicas eficazes podem melhorar a saúde.
Entender e abordar esses determinantes é fundamental 
exposições que aumentam a probabilidade de uma pessoa ou 
população desenvolver uma doença. Por exemplo, tabagismo, 
alimentação inadequada, poluição do ar e falta de acesso a 
cuidados de saúde são riscos à saúde.
3. Doenças e agravos à saúde: são as condições de 
saúde que afetam as pessoas. Isso inclui doenças infecciosas, 
crônicas, lesões e outros problemas de saúde.
4. Intervenções em saúde pública: são ações realizadas 
para prevenir doenças, promover a saúde e controlar a 
disseminação de doenças. Isso inclui vacinação, educação em 
saúde, políticas de saúde pública e tratamento médico.
5. Resultado em saúde: são os efeitos finais do processo 
saúde-doença. Isso pode incluir a melhoria da saúde da 
população, a redução da mortalidade e morbidade e a 
promoção do bem-estar.
Como mencionado anteriormente, os determinantes de 
saúde (Figura 1) são fatores que influenciam a saúde de uma 
população. Eles podem ser divididos em várias categorias:
• Determinantes sociais: isso inclui fatores como 
educação, renda, emprego, habitação, acesso a 
serviços de saúde e redes de apoio social. Condições 
socioeconômicas desfavoráveis estão associadas a 
piores resultados de saúde.
• Determinantes comportamentais: comportamentos 
23
3. História natural da 
doença 
A história natural das doenças (Figura 2) descreve a 
evolução de uma doença em quatro estágios: evolução 
aguda rapidamente fatal, evolução aguda clinicamente 
evidente, evolução sem sinais clínicos e evolução crônica. Essa 
compreensão ajuda na prevenção e no tratamento de doenças. 
Podemos dizer, portanto, que a “História Natural da Doença” 
é um conceito fundamental na epidemiologia e na medicina 
que descreve o curso típico de uma doença desde o seu início 
até a sua resolução, se possível. Essa descrição é dividida em 
estágios ou períodos que refletem as fases pelas quais uma 
doença passa à medida que evolui no corpo de um indivíduo 
ou em uma população. 
para o planejamento de intervenções em saúde pública 
eficazes. Uma abordagem holística que considere todos esses 
fatores é necessária para melhorar a saúde e prevenir doenças 
em uma população.
FIGURA 1 – DETERMINANTES DE SAÚDE
FONTE: HTTP://WWW.CCS.SAUDE.GOV.BR/SUS/DETERMINANTES.PHP
24
PERÍODO PRÉ-PATOLÓGICO (OU 
PERÍODO EPIDEMIOLÓGICO)
O período pré-patológico, também conhecido como 
período suscetível, representa uma fase crítica na história 
natural das doenças. Nesse estágio, o organismo humano está 
suscetível à exposição a agentes causadores de doenças, como 
vírus, bactérias ou fatores ambientais que podem desencadear 
a enfermidade. Importante notar que, até esse momento, a 
doença ainda não se manifestou clinicamente, e os indivíduos 
podem estar em risco de desenvolvê-la.
 Dentro desse contexto, a prevenção desempenha um 
papel fundamental. A prevenção primária, especificamente, é 
direcionada a essa fase, com o objetivo de evitar que a doença 
se desenvolva. Isso é feito por meio de diversas estratégias, 
como a promoção da saúde e a redução da exposição a fatores 
de risco. Por exemplo, campanhas de vacinação em massa 
são uma forma eficaz de prevenção primária, pois protegem 
os indivíduos da exposiçãoa vírus e bactérias patogênicas, 
reduzindo, assim, o risco de desenvolver doenças infecciosas.
 Além disso, o sistema de saúde desempenha um papel 
crítico na identificação e monitoramento de grupos de risco 
durante o período pré-patológico. Exames de rastreamento, 
testes de diagnóstico precoce e aconselhamento genético 
são algumas das ferramentas que podem ser empregadas 
Os estágios da história natural da doença são os 
seguintes:
FIGURA 2 – HISTÓRIA NATURAL DA DOENÇA
FONTE: CASTILLO-SALGADO, CARLOS ET AL. (2013)
25
PATOLÓGICO OU PERÍODO DA 
DOENÇA
Período de convalescença, sequelas e óbito: 
abordagens e prevenção
O período de convalescença, também conhecido como 
recuperação, marca uma fase crítica na história natural da 
doença. Nesse estágio, a doença já se manifestou clinicamente, 
com a apresentação de sintomas como febre, dor, erupções 
cutâneas, entre outros. Nesse contexto, o foco da prevenção se 
desloca para a prevenção secundária, que visa detectar e tratar 
precocemente a doença para evitar complicações e reduzir o 
impacto na saúde do indivíduo.
A prevenção secundária envolve estratégias como 
triagem, rastreamento e diagnóstico precoce. Exames médicos 
regulares, testes laboratoriais e de imagem são utilizados 
para identificar a doença em seu estágio inicial, quando o 
tratamento é mais eficaz. Por exemplo, exames de mamografia 
para detecção precoce do câncer de mama ou testes de 
glicemia para o diagnóstico precoce da diabetes são medidas 
de prevenção secundária.
Após a fase aguda da doença e a intervenção médica 
apropriada, o organismo entra no período de convalescença, 
em que inicia o processo de recuperação. Nesse estágio, a 
para identificar indivíduos em risco e iniciar intervenções 
preventivas apropriadas. Essas ações têm o potencial de 
alterar o curso da doença, impedindo que ela se manifeste ou 
atrasando seu desenvolvimento, contribuindo, assim, para a 
promoção da saúde e o bem-estar da população.
 Um exemplo prático do período pré-patológico pode 
ser observado na prevenção do câncer de mama. Mulheres 
com histórico familiar dessa doença estão em um período 
suscetível, uma vez que têm maior risco de desenvolvê-la. 
Nesse contexto, a realização regular de mamografias como 
parte de um programa de rastreamento é uma abordagem de 
prevenção primária. Identificar e tratar precocemente as lesões 
pré-cancerígenas pode impedir que o câncer de mama se 
desenvolva em estágios mais avançados, melhorando as taxas 
de sobrevivência e a qualidade de vida das pacientes. Portanto, 
a abordagem no período pré-patológico é uma estratégia 
crucial na promoção da saúde e na prevenção de doenças.
QUADRO 1 – PREVENÇÕES PRIMÁRIAS DO PERÍODO EPIDEMIOLÓGICO
26
Portanto, a compreensão das diferentes fases da história 
natural da doença é crucial para orientar estratégias de 
prevenção e intervenção que visam proteger a saúde e o bem-
estar dos indivíduos e da população em geral.
prevenção terciária desempenha um papel fundamental. 
Seu objetivo é minimizar o impacto das sequelas que podem 
persistir após a doença. Isso envolve reabilitação, terapia física, 
aconselhamento psicológico e apoio social para melhorar a 
qualidade de vida dos pacientes.
No entanto, em alguns casos, a doença pode deixar 
sequelas permanentes, como após um acidente vascular 
cerebral (AVC). Nesses cenários, a prevenção terciária se 
concentra em maximizar a funcionalidade e o bem-estar do 
paciente, adaptando suas atividades diárias às novas condições 
de saúde.
Por fim, em situações mais graves, a história natural da 
doença pode levar ao óbito. Nesses casos, a prevenção terciária 
se concentra no cuidado paliativo, visando proporcionar 
conforto e dignidade aos pacientes em seus momentos finais.
Um exemplo prático pode ser observado na prevenção 
secundária do câncer de cólon. Por meio de exames de 
rastreamento, como a colonoscopia, é possível detectar pólipos 
precocemente e removê-los antes que se tornem cancerosos. 
Isso não apenas reduz a incidência da doença, mas também 
melhora as perspectivas de tratamento e sobrevivência. A 
prevenção terciária, por outro lado, envolve a reabilitação e o 
apoio a pacientes após a cirurgia ou tratamento do câncer de 
cólon, visando minimizar as sequelas e melhorar a qualidade 
de vida.
QUADRO 2 – PREVENÇÃO DO PERÍODO PATOGÊNICO
27
Em resumo, a história natural da doença nos ensina que 
o conhecimento é uma ferramenta poderosa na luta contra as 
doenças. Compreender as causas, os estágios e as intervenções 
adequadas é essencial para promover uma sociedade mais 
saudável e resistente às ameaças de saúde. À medida que 
continuamos a avançar, a epidemiologia permanece como 
uma aliada valiosa na busca pela saúde pública e pelo bem-
estar de todos.
Considerações Finais
A história natural da doença, juntamente com os estágios 
do período pré-patogênico e patogênico, forma uma estrutura 
essencial para a compreensão e abordagem das doenças 
em diferentes estágios. À medida que revisitamos os marcos 
históricos e os conceitos fundamentais da epidemiologia, 
percebemos a importância vital da prevenção e intervenção 
precoce.
John Snow, conhecido como o pai da epidemiologia, 
deixou um legado duradouro ao investigar a transmissão da 
cólera, demonstrando como a análise cuidadosa de dados e a 
identificação de fontes de transmissão podem salvar vidas. Sua 
influência perdura na epidemiologia moderna, uma disciplina 
que desempenha um papel crucial na promoção da saúde e 
no combate às doenças em todo o mundo.
À medida que avançamos no século XXI, a compreensão 
dos princípios da epidemiologia e a aplicação de suas técnicas 
continuam sendo fundamentais para a melhoria da saúde 
pública e a prevenção de epidemias. A história natural da 
doença, com suas fases pré-patogênicas e patogênicas, 
lembra-nos da importância de abordagens de prevenção, 
diagnóstico precoce e tratamento eficaz em todos os estágios 
das doenças. Isso não apenas beneficia os indivíduos, 
mas também contribui para a saúde e o bem-estar das 
comunidades e da população em geral.
28
Referências
CASTILLO-SALGADO, Carlos et al. Módulos de principios 
de epidemiología para el control de enfermedades (MOPECE). 
Revista Facultad Nacional de Salud Pública, v. 31, n. 1, p. 137-
137, 2013. 
GARCIA, Leila Posenato; DUARTE, Elisete. Intervenções 
não farmacológicas para o enfrentamento à epidemia da 
COVID-19 no Brasil. Epidemiologia e Serviços de Saúde, v. 29, 
p. e2020222, 2020.
ROTHMAN, Kenneth; GREENLAND, Sander; LASH, 
Timothy. Epidemiologia Moderna. 3. ed. Artmed Editora, 2016.
ROUQUAYROL, Maria Zélia; GURGEL, Marcelo. 
Rouquayrol: Epidemiologia e saúde. Medbook, 2021.
UNIDADE DE
APRENDIZAGEM
VIGILÂNCIA EM SAÚDE
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 3
30
Para Início de Conversa
A vigilância em saúde é a base do controle de doenças 
e ameaças à saúde pública, mas a eficiência desse processo é 
substancialmente aprimorada pelos Sistemas de Informação 
em Saúde (SIS). Nesta introdução, discutiremos como a 
integração dos SIS com a vigilância em saúde oferece uma 
visão abrangente e em tempo real dos dados de saúde, 
capacitando as autoridades a tomar medidas mais eficazes em 
resposta a surtos de doenças, além de melhorar a qualidade 
dos cuidados de saúde.
Objetivo de Aprendizagem 
do Capítulo
• Compreender o conceito de vigilância em saúde e sua 
importância no contexto da saúde pública, bem como 
a interação com os Sistemas de Informação em Saúde.
• Explorar os principais componentes, métodos e 
ferramentas utilizados na vigilância em saúde e nos 
SIS.
• Analisar casos de sucesso e desafios na aplicação 
da vigilância em saúde, demonstrando como os SIS 
podem contribuir para superá-los.
• Reconhecer a relevância da vigilância em saúde e dos 
SIS na prevenção, controle de doenças e promoção 
da saúde pública, destacando sua interconexão para 
benefícioda sociedade.
31
1. Vigilância em saúde
A vigilância em saúde é um conceito intrinsecamente 
ligado à microbiologia e à transmissão de doenças infecciosas, 
tendo desempenhado um papel crucial ao longo da 
história. Essa prática engloba a atenção aos doentes e a 
implementação de ações para conter a disseminação de 
doenças. A utilização do termo “vigilância” teve seu início 
em abril de 1955, com o Programa Nacional de Vigilância 
da Poliomielite, uma iniciativa conjunta com o CDC/USA. 
Assim, a vigilância em saúde compreende diversas fases e 
componentes essenciais para o controle das doenças e para a 
promoção da saúde da população:
A Observação Contínua é uma das fases do processo 
de vigilância em saúde pública, que visa monitorar e analisar 
constantemente a distribuição e as tendências da incidência 
de doenças em uma determinada população. Essa fase é 
fundamental para identificar surtos ou epidemias em estágios 
iniciais, bem como para acompanhar a evolução de doenças 
crônicas e outras condições de saúde ao longo do tempo.
1. Coleta de Dados: durante a Observação Contínua, 
é crucial realizar a coleta sistemática de dados relacionados 
à saúde da população. Isso inclui informações sobre casos 
de doenças, lesões, morbidade (a ocorrência de doenças) e 
mortalidade (as mortes ocorridas). Esses dados podem ser 
obtidos de várias fontes, como hospitais, clínicas, laboratórios, 
registros de óbitos, entre outros.
2. Análise de Dados: os dados coletados são analisados 
para identificar tendências e padrões. Isso permite que os 
profissionais de saúde e epidemiologistas identifiquem 
qualquer aumento anormal no número de casos de uma 
doença específica, o que pode indicar a ocorrência de um 
surto.
3. Divulgação de Informações: a divulgação regular 
e transparente das informações coletadas é uma parte 
essencial da Observação Contínua. Essas informações são 
compartilhadas com o público em geral, profissionais de saúde 
e autoridades governamentais. Isso ajuda a conscientizar a 
população sobre a situação de saúde e permite que as pessoas 
tomem medidas preventivas adequadas.
FONTE: ENVATO ELEMENTS
32
a saúde da população. Em 1975, a promulgação da Lei 6.529 
foi um marco importante com a criação do Sistema Nacional 
de Vigilância Epidemiológica, estabelecendo as bases para o 
controle de doenças e agravos à saúde. No entanto, naquela 
época, a vigilância ambiental estava praticamente ausente 
do sistema de saúde público, revelando uma negligência em 
relação aos fatores ambientais que impactam a saúde, e a 
vigilância sanitária também estava em estágios iniciais de 
desenvolvimento.
No Brasil, a vigilância em saúde é regulamentada por leis 
e decretos. O Sistema Único de Saúde (SUS) é responsável por 
coordenar a vigilância em saúde no país, e diversas normativas 
e regulamentos são estabelecidos para orientar as ações nessa 
área. Além disso, o Ministério da Saúde desempenha um papel 
fundamental na formulação de políticas e diretrizes para a 
vigilância em saúde.
É importante ressaltar que a vigilância em saúde é uma 
atividade contínua e dinâmica, e sua eficácia depende da 
coleta, análise e divulgação adequada de dados, bem como 
da colaboração entre diversos setores, incluindo o público, 
profissionais de saúde e autoridades governamentais, para 
proteger a saúde da população.
O estudo epidemiológico é uma parte essencial da 
vigilância em saúde.
Envolve a análise da ecologia dos agentes infecciosos, dos 
hospedeiros, dos reservatórios e dos vetores, além de avaliar 
como a infecção se propaga. O objetivo é entender a extensão 
da disseminação da doença e identificar fatores de risco.
A evolução da vigilância em saúde no Brasil ao longo das 
décadas (Figura 1) demonstra um compromisso contínuo com 
a melhoria do sistema de saúde pública e o reconhecimento 
da importância de abordagens abrangentes para proteger 
FONTE: ENVATO ELEMENTS
33
A Constituição Federal de 1988 trouxe mudanças 
significativas ao determinar que o Sistema Único de Saúde 
(SUS) fosse responsável pela execução das ações de vigilância 
sanitária e epidemiológica, além das ações de saúde do 
trabalhador. Esse reconhecimento fortaleceu o papel do SUS 
na proteção da saúde pública e na promoção de estratégias 
abrangentes de vigilância em saúde.
A Lei 8.080, promulgada em 1990, expandiu ainda 
mais o escopo da vigilância em saúde ao incluir a saúde do 
trabalhador como parte fundamental dessa abordagem. 
Ela definiu a saúde do trabalhador como um conjunto de 
atividades destinadas à promoção, proteção, recuperação 
e reabilitação da saúde dos trabalhadores, reconhecendo 
a importância de considerar os aspectos ocupacionais na 
vigilância em saúde.
Em 1999, a Lei n.º 9.782 estabeleceu o Sistema Nacional 
de Vigilância Sanitária e a Agência Nacional de Vigilância 
Sanitária (ANVISA), atribuindo competências para a regulação, 
normatização e fiscalização na área de vigilância sanitária, 
fortalecendo a capacidade de monitoramento e controle de 
produtos e serviços que afetam a saúde da população.
A descentralização das ações de vigilância 
epidemiológica, regulamentada pela Portaria 1.399 em 
dezembro de 1999, definiu as competências da União, estados 
e municípios nessa área, permitindo uma abordagem mais 
próxima das necessidades locais e uma resposta mais eficaz às 
emergências de saúde.
Em 2004, a Portaria 1.172 trouxe um avanço importante 
ao introduzir o conceito de “Vigilância em Saúde”, que 
abrange não apenas a vigilância de doenças transmissíveis, 
mas também doenças não transmissíveis, agravos ambientais 
e a situação de saúde da população como um todo. Essa 
abordagem ampliada reconhece a complexidade dos fatores 
que afetam a saúde pública.
Além disso, a incorporação dos Determinantes Sociais 
da Saúde (DSS) na abordagem da vigilância em saúde 
representa um avanço significativo. Ela reconhece a influência 
dos fatores sociais, econômicos, culturais, étnicos/raciais e 
comportamentais na ocorrência de problemas de saúde, 
enfatizando a importância de ações interdisciplinares e 
políticas públicas que visem à redução das desigualdades em 
saúde.
FONTE: ENVATO ELEMENTS
34
recentes, como a Lei n.º 13.301/2016 e a Portaria MS nº 
1.172/2019, ampliaram o escopo da vigilância epidemiológica 
e estabeleceram critérios para a vigilância de arboviroses 
urbanas, demonstrando a capacidade do sistema de saúde em 
se adaptar às emergências de saúde emergentes.
A trajetória da vigilância em saúde no Brasil continua 
a demonstrar um compromisso inabalável com a melhoria 
da saúde pública e a adaptação às demandas em constante 
evolução. Em 2009, a Portaria 3.252 definiu a Vigilância em 
Saúde como um conjunto de ações destinadas a controlar 
determinantes, riscos e danos à saúde das populações em 
determinados territórios, enfatizando a importância de uma 
abordagem integral que abrange tanto a atenção individual 
como a coletiva.
Essa abordagem ampla da Vigilância em Saúde engloba 
diversas dimensões, incluindo a vigilância epidemiológica, 
promoção da saúde, vigilância da situação de saúde, vigilância 
ambiental em saúde, vigilância da saúde do trabalhador e 
vigilância sanitária. Essa diversidade de componentes reflete 
a complexidade do campo da saúde pública e a necessidade 
de lidar com uma variedade de fatores que afetam a saúde da 
população.
Em 2011, a Portaria 104 introduziu o conceito de 
Emergência de Saúde Pública de Importância Nacional 
(ESPIN) para eventos que apresentam risco de propagação 
de doenças. Essa medida se tornou fundamental para uma 
resposta rápida e coordenada a ameaças à saúde pública que 
transcendem fronteiras geográficas.
A legislação brasileira continua a evoluir para enfrentar 
os novos desafios de saúde pública. Leis e portarias 
FONTE: A AUTORA
FIGURA 1 – LINHA DO TEMPO SOBRE VIGILÂNCIA EM SAÚDE NO BRASIL
35
prontamente para evitara disseminação de doenças e agravos 
à saúde. Isso pode incluir a implementação de medidas de 
isolamento, quarentena, vacinação ou outras estratégias de 
prevenção.
4. Avaliação de Eficácia das Intervenções: ao rastrear a 
progressão de casos notificados e a resposta às intervenções, 
as autoridades de saúde podem avaliar a eficácia das medidas 
de controle e ajustá-las conforme necessário.
5. Epidemiologia Descritiva e Analítica: a notificação 
compulsória fornece dados para a epidemiologia, permitindo 
a análise de tendências, a identificação de grupos de maior 
risco e a compreensão dos fatores que contribuem para a 
disseminação de doenças.
No Brasil, a lista de doenças, agravos à saúde e eventos 
sujeitos à notificação compulsória é estabelecida pelo 
Ministério da Saúde, em colaboração com as Secretarias 
de Saúde dos estados e municípios. Essa lista é atualizada 
periodicamente para refletir as prioridades de saúde pública e 
os eventos emergentes. As instituições de saúde, profissionais 
de saúde e laboratórios são legalmente obrigados a relatar 
esses eventos às autoridades de saúde, o que ajuda a construir 
um panorama epidemiológico abrangente e a proteger a 
saúde da população.
3. Sistema de informação 
em saúde
2. Notificação compulsória
A notificação compulsória é um componente essencial 
da vigilância epidemiológica e desempenha um papel crucial 
no monitoramento e controle de doenças transmissíveis 
e outros eventos de saúde pública. Essa prática envolve a 
obrigatoriedade legal de profissionais de saúde, laboratórios 
e instituições de saúde comunicarem à autoridade de saúde 
pública competente casos individuais ou surtos de doenças 
específicas, agravos à saúde ou eventos de interesse sanitário. 
No caso do Brasil, o Ministério da Saúde estabelece e mantém 
uma lista de doenças, agravos à saúde e eventos que são 
sujeitos à notificação compulsória.
A notificação compulsória tem vários propósitos 
importantes:
1. Monitoramento Epidemiológico: a notificação 
compulsória permite que as autoridades de saúde monitorem 
a ocorrência de doenças e agravos à saúde em tempo real. Isso 
inclui a identificação de surtos e epidemias precocemente, o 
que é essencial para uma resposta rápida e eficaz.
2. Tomada de Decisões Baseadas em Evidências: ao 
coletar informações sobre casos de doenças notificadas, as 
autoridades de saúde podem tomar decisões informadas sobre 
políticas de saúde, alocação de recursos e implementação de 
medidas de controle.
3. Intervenção Oportuna: a notificação compulsória 
permite que as autoridades de saúde intervenham 
36
sólidas.
No contexto brasileiro, diversos sistemas específicos 
em saúde desempenham papéis fundamentais tanto em 
âmbito nacional quanto estadual. Cada um deles tem uma 
função específica na coleta, organização e disseminação de 
informações cruciais para a gestão da saúde pública.
1. Sistema de Informações de Atenção Básica (SIAB): o 
SIAB concentra-se na coleta de dados relacionados à atenção 
básica à saúde, sendo responsável por registrar informações 
sobre o atendimento prestado nas unidades de saúde da rede 
pública. Os relatórios gerados por esse sistema auxiliam na 
avaliação e no planejamento das ações de atenção primária, 
promovendo a melhoria dos serviços.
2. Sistema de Informações Hospitalares (SIH/SUS): o 
SIH/SUS concentra-se na gestão de informações relacionadas a 
internações hospitalares, procedimentos médicos realizados e 
óbitos ocorridos em hospitais públicos e privados conveniados 
com o Sistema Único de Saúde (SUS). Esse sistema é vital 
para o acompanhamento e controle da utilização dos serviços 
hospitalares e para a alocação eficiente de recursos.
3. Sistema de Informação de Mortalidade (SIM) e 
Sistema de Informação de Nascidos Vivos (SINASC): o SIM 
e o SINASC têm a importante tarefa de registrar dados sobre 
óbitos e nascimentos, incluindo causas de morte, idade, sexo e 
Os Sistemas de Informação em Saúde (SIS) 
desempenham um papel essencial na gestão e 
monitoramento do setor de saúde, oferecendo uma 
infraestrutura sólida para a coleta, armazenamento, 
processamento e análise de informações cruciais. No contexto 
da saúde, a informação é uma ferramenta poderosa, e os 
sistemas de informação em saúde capacitam profissionais e 
gestores da área a tomarem decisões informadas, aprimorando 
a qualidade da assistência médica e fortalecendo a saúde 
pública.
A coleta de dados é o ponto de partida fundamental 
para esses sistemas. Eles reúnem uma ampla variedade de 
informações, incluindo dados de pacientes, registros médicos 
eletrônicos, informações de pesquisa, dados financeiros e 
dados de gestão. Essas informações provêm de diversas 
fontes, como hospitais, clínicas, seguradoras, agências 
governamentais e pesquisadores, formando um panorama 
completo do setor de saúde.
O principal objetivo dos Sistemas de Informação em 
Saúde é apoiar os profissionais de saúde na tomada de 
decisões informadas, melhorar a qualidade da assistência 
médica e a eficiência dos serviços de saúde. Além disso, 
eles desempenham um papel crítico no planejamento, 
organização, operação e avaliação dos serviços de saúde, 
garantindo que recursos sejam alocados de forma eficaz e que 
políticas de saúde sejam direcionadas com base em evidências 
37
central no monitoramento de doenças que representam risco 
para a população, permitindo uma resposta rápida a surtos e 
epidemias.
5. Sistema Nacional de Vigilância Sanitária (SNVS) e 
Sistema de Informações em Vigilância Sanitária (SIVISA): 
o SNVS, com destaque para o SIVISA, é responsável por 
monitorar e fiscalizar a qualidade de produtos e serviços 
relacionados à saúde, como medicamentos e alimentos. Esses 
sistemas garantem a segurança e a qualidade dos produtos 
consumidos pela população.
6. Sistema de Informação sobre Orçamentos Públicos 
em Saúde (SIOPS): o SIOPS é fundamental para controlar 
os gastos em saúde por parte dos estados e municípios, 
assegurando o cumprimento dos investimentos mínimos 
necessários para manter um sistema de saúde eficiente e 
acessível.
7. Sistema de Informação da Assistência Farmacêutica 
(SIAF): o SIAF monitora e controla a distribuição de 
medicamentos pelo SUS, garantindo o acesso da população a 
medicamentos essenciais.
8. Programa Nacional de Imunizações (SI-PNI): o SI-
PNI (Figura 3) é responsável por controlar a administração de 
vacinas em todo o país, monitorando as coberturas vacinais e 
contribuindo significativamente para a prevenção de doenças 
outros detalhes relevantes. Esses sistemas são cruciais para a 
avaliação da saúde da população, identificação de tendências 
e formulação de políticas de saúde baseadas em evidências.
4. Sistema de Notificação de Agravos (SINAN): o SINAN 
é responsável pela coleta e registro de casos de doenças 
e agravos de notificação (Figura 2) compulsória, como 
tuberculose, HIV/AIDS e dengue. Ele desempenha um papel 
FIGURA 2 – FICHA DE NOTIFICAÇÃO DO SINAN
FONTE: INSTRUÇÃO NORMATIVA Nº 2, DE 22 DE NOVEMBRO DE 2005
38
Funcionamento do PNI:
O PNI funciona por meio da distribuição e administração 
de vacinas em todo o território brasileiro. As vacinas são 
disponibilizadas gratuitamente em postos de saúde, unidades 
básicas de saúde e em campanhas de vacinação em todo 
o país. As datas de vacinação são amplamente divulgadas 
para garantir que o maior número possível de pessoas seja 
imunizado.
Importância do PNI:
O PNI desempenha um papel crucial na saúde pública 
brasileira. Contribui para a redução significativa da incidência 
de doenças infecciosas, prevenindo surtos e epidemias. Além 
infecciosas. É um componente vital da saúde pública brasileira.
Cada um desses sistemas desempenha um papel 
específico e é essencial para a promoção da saúde, prevenção 
de doenças, diagnóstico e tratamento de pacientes, além 
de direcionar políticas de saúde eficazes com base eminformações precisas e atualizadas. Sua relevância está 
intrinsecamente ligada à melhoria contínua dos serviços de 
saúde e à proteção da saúde da população.
O Programa Nacional de Imunizações (PNI) é uma 
iniciativa do Ministério da Saúde do Brasil que visa proteger 
a população contra diversas doenças infecciosas por meio da 
administração de vacinas. Foi criado em 1973 e é considerado 
um dos programas de imunização mais abrangentes e bem-
sucedidos do mundo.
Objetivos do PNI:
1. Prevenção de Doenças: o principal objetivo do PNI é 
prevenir doenças infecciosas que podem ser evitadas por meio 
da imunização. Isso inclui doenças como sarampo, poliomielite, 
difteria, tétano, hepatite, febre amarela, entre outras.
2. Erradicação e Controle de Doenças: o programa busca 
a erradicação de algumas doenças, como a poliomielite, no 
Brasil. Além disso, trabalha no controle de doenças endêmicas, 
como a tuberculose e a hanseníase.
3. Proteção de Grupos Vulneráveis: o PNI prioriza a 
proteção de grupos mais vulneráveis, como crianças, idosos, 
gestantes e pessoas com condições de saúde que as tornam 
mais suscetíveis a doenças.
FONTE: ENVATO ELEMENTS
39
de acesso aos dados, qualidade dos dados e atrasos na 
notificação. Essas limitações podem afetar a precisão e 
utilidade das informações, ressaltando a necessidade de 
melhorias contínuas.
A introdução de avanços tecnológicos, incluindo sistemas 
informatizados, tem sido uma revolução na área da saúde. Eles 
permitem a coleta e análise de dados de maneira mais rápida 
e eficiente, possibilitando o acesso mais fácil às informações e 
facilitando a comunicação entre diferentes partes do sistema 
de saúde.
As legislações relacionadas ao sistema de informação 
em saúde no Brasil são fundamentais para estabelecer 
diretrizes, normas e regulamentos que governam a coleta, 
armazenamento, processamento e compartilhamento de 
dados de saúde. Aqui estão algumas das legislações mais 
importantes relacionadas a esse assunto:
Constituição Federal (1988): embora não trate 
diretamente dos sistemas de informação em saúde, a 
Constituição estabelece que a saúde é um direito de todos 
e dever do Estado, e a assistência à saúde é um direito 
fundamental. Isso fornece a base para a criação de sistemas 
de informação em saúde que ajudam a garantir a prestação 
adequada de serviços de saúde à população.
Lei Orgânica da Saúde (Lei n.º 8.080/1990): essa lei 
estabelece as bases do sistema de saúde no Brasil, o Sistema 
Único de Saúde (SUS). Ela aborda questões relacionadas à 
organização, financiamento e controle social da saúde. O 
disso, ajuda a evitar complicações graves e óbitos associados a 
essas doenças.
Atualizações e Desafios
O PNI está em constante evolução para incorporar novas 
vacinas e atualizações nas recomendações de vacinação. 
Também enfrenta desafios, como a necessidade de manter 
altas coberturas vacinais, superar hesitações de vacinação e 
garantir a distribuição equitativa das vacinas em todo o país.
Apesar de sua importância, os Sistemas de Informação 
em Saúde enfrentam desafios significativos, como 
subnotificação, subregistro, falta de padronização, dificuldade 
FIGURA 3 – IMAGEM DE CAMPANHA DE VACINAÇÃO E PNI
FONTE: HTTPS://WWW.SILVES.AM.GOV.BR/NOTICIAS_VER.PHP?ID_NOTICIA=1800 
40
de indicadores de saúde, o funcionamento de sistemas 
específicos, a coleta de dados e muito mais.
É importante destacar que o cenário regulatório 
relacionado a sistemas de informação em saúde pode evoluir 
ao longo do tempo, à medida que novas tecnologias e 
desafios surgem. Portanto, é essencial estar atualizado sobre 
as legislações e normas em vigor, especialmente se você 
estiver envolvido na coleta ou uso de informações de saúde no 
Brasil. Além disso, é fundamental cumprir rigorosamente as 
regulamentações para proteger a privacidade e os direitos dos 
pacientes.
Capítulo IV da Lei trata especificamente dos sistemas de 
informação em saúde.
Lei de Acesso à Informação (Lei n.º 12.527/2011): essa lei 
regulamenta o direito do cidadão de acessar informações 
públicas, incluindo informações de saúde. Isso é importante 
para garantir a transparência e o acesso às informações 
coletadas pelos sistemas de informação em saúde.
Lei Geral de Proteção de Dados (Lei n.º 13.709/2018 - 
LGPD): embora não seja especificamente voltada para a 
saúde, a LGPD estabelece regras para o tratamento de dados 
pessoais, o que inclui informações de saúde. Ela define 
diretrizes para a coleta, armazenamento, processamento e 
compartilhamento de dados de saúde, com foco na proteção 
da privacidade dos indivíduos.
Portaria de Consolidação n.º 2/2017: essa portaria do 
Ministério da Saúde consolida normas sobre o financiamento 
e a transferência de recursos federais para a saúde. Nela 
também estão incluídas diretrizes para sistemas de informação 
em saúde e o uso de informações para a gestão do SUS.
Resolução CIT n.º 27/2012: a Comissão Intergestores 
Tripartite (CIT) é responsável por estabelecer diretrizes para 
a organização do SUS. A Resolução CIT n.º 27/2012 estabelece 
diretrizes para a gestão de informações e informações em 
saúde, incluindo sistemas de informação em saúde.
Normas Técnicas e Portarias Específicas: além das 
leis, existem normas técnicas e portarias específicas do 
Ministério da Saúde que regulamentam aspectos detalhados 
dos sistemas de informação em saúde, como a definição 
41
Em última análise, a vigilância em saúde e os sistemas 
de informação desempenham um papel vital na promoção 
da saúde, prevenção de doenças e formulação de políticas 
de saúde embasadas em evidências. Esses sistemas são um 
ativo valioso para garantir que o sistema de saúde brasileiro 
funcione de maneira eficaz e atenda às necessidades da 
população, contribuindo para um país mais saudável e 
resiliente.
Considerações Finais
Ao longo deste capítulo, exploramos a evolução dos 
sistemas de vigilância em saúde no Brasil, destacando a 
importância da coleta, análise e disseminação de informações 
para a promoção da saúde pública. Desde a criação do Sistema 
Nacional de Vigilância Epidemiológica em 1975 até as recentes 
legislações e portarias que ampliaram o escopo da vigilância 
em saúde, fica evidente o compromisso contínuo do país em 
aprimorar seus mecanismos de monitoramento e controle 
de doenças, agravos à saúde e outros eventos de interesse 
sanitário.
Os Sistemas de Informação em Saúde desempenham 
um papel central nesse contexto, permitindo a coleta de 
dados precisos e a tomada de decisões informadas. No 
entanto, enfrentam desafios, como a qualidade dos dados 
e a necessidade de constante atualização e aprimoramento. 
É fundamental abordar essas limitações para garantir a 
eficácia desses sistemas. A incorporação dos Determinantes 
Sociais da Saúde e a ênfase na vigilância ambiental, 
juntamente da descentralização das ações, refletem uma 
abordagem abrangente e atualizada da vigilância em saúde. 
Isso demonstra a capacidade do Brasil de adaptar-se às 
necessidades emergentes em um cenário de saúde pública 
em constante evolução.
42
nº 3/GM/MS, de 28 de setembro de 2017. Diário Oficial da União, 
Brasília, DF.
Brasil. Portaria nº 1.172, de 15 de junho de 2004. Introduz 
o conceito de “Vigilância em Saúde” e define suas atribuições. 
Diário Oficial da União, Brasília, DF.
Brasil. Portaria nº 1.399, de 15 de dezembro de 1999. 
Regulamenta a Norma Operacional Básica 01/96, que 
dispõe sobre a descentralização das ações de vigilância 
epidemiológica. Diário Oficial da União, Brasília, DF.
ROTHMAN, Kenneth; GREENLAND, Sander; LASH, 
Timothy. Epidemiologia Moderna. 3ª Edição. Artmed Editora, 
2016.
ROUQUAYROL, Maria Zélia; GURGEL, Marcelo. 
Rouquayrol: Epidemiologia e saúde. Medbook, 2021.
Referências
Brasil. Constituição da República Federativa do Brasil 
de 1988. Promulgada em 5 de outubro de 1988. Diário Oficial 
da União, Brasília,DF.
Brasil. Lei nº 13.301, de 27 de junho de 2016. Dispõe 
sobre a adoção de medidas de vigilância em saúde quando 
verificada situação de iminente perigo à saúde pública pela 
presença do mosquito transmissor do vírus da dengue, do 
vírus chikungunya e do vírus da zika; e altera a Lei nº 6.437, de 
20 de agosto de 1977. Diário Oficial da União, Brasília, DF.
Brasil. Lei nº 6.529, de 11 de maio de 1975. Dispõe sobre 
a criação do Sistema Nacional de Vigilância Epidemiológica. 
Diário Oficial da União, Brasília, DF.
Brasil. Lei nº 8.080, de 19 de setembro de 1990. Dispõe 
sobre as condições para a promoção, proteção e recuperação 
da saúde, a organização e o funcionamento dos serviços 
correspondentes. Diário Oficial da União, Brasília, DF.
Brasil. Lei nº 9.782, de 26 de janeiro de 1999. Define 
o Sistema Nacional de Vigilância Sanitária, cria a Agência 
Nacional de Vigilância Sanitária, e dá outras providências. 
Diário Oficial da União, Brasília, DF.
Brasil. Ministério da Saúde. Portaria nº 1.172, de 25 de 
junho de 2019. Institui o Programa Nacional de Fortalecimento 
dos Conselhos de Saúde e revoga a Portaria de Consolidação 
43
UNIDADE DE
APRENDIZAGEM
MEDIDAS DE SAÚDE PÚBLICA
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 4
44
Para Início de Conversa
Neste capítulo, iremos aprender sobre métricas cruciais 
que ajudam a avaliar a saúde de comunidades inteiras. 
Vamos entender como os indicadores de saúde refletem o 
pulso da saúde pública e discutir a importância da transição 
demográfica, nutricional e epidemiológica na evolução da 
saúde das populações. Para iniciar nossa exploração sobre 
indicadores de morbidade e mortalidade, vamos desvendar o 
mundo das estatísticas de saúde, revelando como os números 
se tornam cruciais na promoção do bem-estar da sociedade.
Objetivo de Aprendizagem 
do Capítulo
• Compreender a importância dos indicadores de saúde 
na avaliação da situação de saúde de uma população.
• Explorar os principais tipos de indicadores de saúde 
e suas características, como validade, sensibilidade e 
especificidade.
• Entender as diferenças entre dados absolutos e dados 
relativos na análise da saúde pública.
• Investigar os tipos de indicadores mais usados, 
incluindo taxas de mortalidade, taxas de natalidade e 
prevalência.
• Analisar a relação entre a transição demográfica, 
nutricional e epidemiológica e seu impacto no perfil 
de saúde de uma população.
45
1. Indicadores de 
morbidade e mortalidade
A saúde de uma população é um reflexo complexo, 
resultado da interação de diversos fatores que vão muito além 
da simples ausência de doenças. Para entender e melhorar 
a saúde de uma comunidade, é necessário considerar uma 
ampla gama de variáveis que influenciam o bem-estar. Dentre 
esses fatores, destacam-se a qualidade de vida, o acesso a 
serviços de saúde, as condições socioeconômicas e ambientais.
A qualidade de vida de uma população está 
intrinsecamente relacionada à sua saúde. Uma boa qualidade 
de vida envolve aspectos como nutrição adequada, moradia 
digna, educação de qualidade, acesso a água potável e 
saneamento básico, segurança, entre outros. Todas essas 
condições têm impacto direto na saúde das pessoas, 
influenciando a ocorrência de doenças, a expectativa de vida e 
a mortalidade. O acesso a serviços de saúde desempenha um 
papel fundamental na promoção da saúde de uma população. 
Quando as comunidades têm acesso a cuidados médicos 
adequados, a detecção precoce de doenças, o tratamento 
eficaz e a prevenção se tornam realidades alcançáveis. Esse 
acesso é influenciado por fatores como a disponibilidade de 
instalações de saúde, a acessibilidade financeira e a qualidade 
dos serviços prestados.
As condições socioeconômicas também são 
determinantes cruciais da saúde. Populações que enfrentam 
desigualdades sociais e econômicas têm maior probabilidade 
de sofrer com problemas de saúde. Questões como 
desemprego, falta de acesso a uma educação de qualidade, 
renda insuficiente e moradia precária estão associadas a 
uma maior incidência de doenças e a taxas de mortalidade 
mais elevadas. As condições ambientais desempenham um 
papel igualmente relevante. Poluição do ar, contaminação da 
água, degradação ambiental e exposição a produtos químicos 
tóxicos podem afetar diretamente a saúde das pessoas. Além 
disso, eventos climáticos extremos, como ondas de calor ou 
inundações, têm impactos imediatos na saúde pública.
Para compreender e gerenciar a saúde de uma 
FONTE: ENVATO ELEMENTS
46
da presença de atributos fundamentais. Eles devem ser válidos, 
ou seja, capazes de identificar situações em que a qualidade 
dos cuidados de saúde precisa ser melhorada. Além disso, 
precisam ser sensíveis o suficiente para identificar todos os 
casos em que existam problemas nos cuidados de saúde, 
evitando subnotificações. Ao mesmo tempo, devem ser 
específicos, identificando apenas casos reais de problemas, 
evitando falsos positivos que possam distorcer a interpretação 
dos dados.
A simplicidade é outra característica importante dos 
indicadores de saúde. Eles devem ser fáceis de buscar, calcular 
e analisar. A simplicidade é crucial para que os indicadores 
sejam amplamente compreendidos e utilizados por uma 
variedade de partes interessadas. Além disso, os indicadores 
de saúde devem ser objetivos, com um objetivo claro e bem 
definido, aumentando a confiabilidade das informações 
obtidas. O custo também é uma consideração prática. 
Indicadores que têm custos de coleta e análise muito altos 
podem inviabilizar sua utilização rotineira, especialmente em 
locais com recursos limitados. A eficiência dos indicadores 
é outra consideração importante, uma vez que é necessário 
que forneçam informações valiosas sem desperdiçar recursos 
escassos.
A eficácia está relacionada ao alcance das metas 
população em face desses múltiplos fatores, os profissionais 
da saúde pública recorrem a uma variedade de ferramentas 
e métricas, sendo os indicadores de saúde uma das mais 
importantes. Essas métricas são cruciais para avaliar o estado 
de saúde de uma população e identificar áreas de intervenção. 
Elas fornecem um meio objetivo de medir o progresso em 
direção a metas de saúde, orientando políticas públicas e 
programas de intervenção.
Os indicadores de saúde são medidas essenciais para a 
avaliação da saúde pública em diferentes níveis: local, regional, 
nacional e global. Eles fornecem dados concretos que podem 
ser usados para monitorar o impacto de intervenções de saúde, 
tomar decisões políticas informadas e alocar recursos de forma 
eficaz. Em resumo, essas métricas são como “termômetros” 
que medem a temperatura da saúde de uma comunidade.
Entretanto, a eficácia dos indicadores de saúde depende 
FONTE: ENVATO ELEMENTS
47
programadas para um determinado período de tempo. 
Indicadores eficazes são aqueles que ajudam a avaliar o 
progresso em direção aos objetivos de saúde estabelecidos. 
Por fim, a efetividade é a combinação de eficiência e eficácia, 
representando a relação entre os resultados alcançados e os 
objetivos esperados. Indicadores efetivos são aqueles que 
realmente promovem melhorias na saúde da população. 
Além disso, indicadores de saúde dependem da coleta e 
análise de dados. Existem duas categorias principais de 
dados utilizados: dados absolutos e dados relativos. Os dados 
absolutos resultam da coleta de informações e geralmente são 
expressos em números brutos. Embora sejam verdadeiros, por 
si só, eles podem não fornecer uma visão numérica clara ou 
significativa. Por outro lado, os dados relativos são resultado 
de comparações estabelecidas entre os dados absolutos. Essas 
comparações podem ser feitas em termos de porcentagens, 
índices, coeficientes e taxas. Os dados relativos facilitam a 
compreensão e a interpretação das informações coletadas, 
proporcionando uma visão mais completa da situação de 
saúde.
Importantesaber que existem diversos tipos de 
indicadores de saúde, cada um adequado para medir aspectos 
específicos da saúde da população. Os principais tipos incluem 
proporções, índices, razões e coeficientes. As proporções 
representam a relação entre as frequências de um evento 
em relação ao número total de eventos, como o número de 
óbitos por doenças cardiovasculares em relação ao número 
total de óbitos. Os índices, por sua vez, não expressam uma 
probabilidade (ou risco) como os coeficientes, uma vez que 
o denominador não está sujeito ao risco de sofrer o evento 
descrito no numerador. Exemplos de índices incluem o 
número de óbitos específicos em relação ao número total de 
óbitos e a relação entre leitos hospitalares e a população.
As razões medem a frequência de um grupo de eventos 
em relação à frequência de outro grupo de eventos e envolvem 
uma fração em que parte dos elementos do numerador não 
está contida no denominador. Por exemplo, a razão entre o 
FONTE: ENVATO ELEMENTS
48
2.Indicadores de 
morbidade e mortalidade
Os indicadores de saúde também podem ser agrupados 
em indicadores de morbidade e mortalidade.
Morbidade: refere-se ao conjunto de indivíduos que 
adquirem doenças em um determinado intervalo de tempo 
em uma população. Indicadores de morbidade incluem 
incidência, prevalência, taxa de ataque e distribuição 
proporcional. A incidência mede a probabilidade de ocorrência 
de casos novos de doença em uma população, enquanto a 
prevalência indica a quantidade total de casos de uma doença 
em um local e período específicos. A taxa de ataque é útil para 
investigar surtos de doenças em áreas específicas.
Mortalidade: refere-se ao conjunto de indivíduos que 
morreram em um determinado intervalo de tempo em 
uma população. Os indicadores de mortalidade incluem 
coeficientes ou taxas de mortalidade geral, mortalidade 
infantil, mortalidade por causa e letalidade. O coeficiente 
de mortalidade infantil, por exemplo, mede a proporção de 
crianças que morrem antes de completar um ano de vida em 
relação aos nascidos vivos.
Taxa de mortalidade total e taxa de mortalidade infantil
número de óbitos por doença meningocócica e o número de 
óbitos por meningite tuberculosa. Por fim, os coeficientes ou 
taxas representam a relação entre o número de casos de um 
evento e uma determinada população em um local e época 
específicos. Esses coeficientes informam o “risco” de ocorrência 
de um evento, como o número de óbitos por leptospirose no 
Rio de Janeiro em relação à população residente na cidade.
Em resumo, os indicadores de saúde são peças 
fundamentais na avaliação, monitoramento e melhoria da 
saúde de uma população. Eles fornecem uma base sólida 
para a tomada de decisões políticas, o desenvolvimento de 
programas de saúde e a implementação de intervenções 
direcionadas. Essas métricas representam a voz dos dados, 
permitindo que a saúde pública seja conduzida com base em 
evidências sólidas, melhorando a qualidade de vida e o bem-
estar de comunidades em todo o mundo. Portanto, o estudo e 
a aplicação adequada desses indicadores são essenciais para 
promover uma sociedade mais saudável e equitativa, para que 
cada indivíduo tenha a oportunidade de desfrutar de uma vida 
saudável e plena.
49
crianças menores de 1 ano e houve 2.000 nascimentos vivos no 
mesmo ano, a taxa de mortalidade infantil seria (20 / 2.000) x 
1.000 = 10 óbitos por 1.000 nascimentos vivos.
Taxa de natimortalidade e taxa de mortalidade perinatal
Taxa de natimortalidade: essa taxa mede o número 
de natimortos (bebês nascidos mortos após 28 semanas de 
gestação) em relação ao total de nascimentos, vivos e mortos, 
no mesmo período.
Cálculo: Taxa de Natimortalidade = (Número de 
Natimortos / Total de Nascimentos) x 1.000
Taxa de mortalidade perinatal: essa taxa engloba o 
número de natimortos e óbitos de crianças com até 7 dias de 
vida em relação ao total de nascimentos no mesmo período.
Cálculo: Taxa de Mortalidade Perinatal = (Número de 
Taxa de mortalidade total: essa taxa mede o número de 
óbitos em uma população durante um determinado período, 
geralmente um ano, em relação à população total. É expressa 
como o número de óbitos por mil habitantes no mesmo 
período.
Cálculo: Taxa de Mortalidade Total = (Número de Óbitos 
no Ano/População Total) x 1.000
A importância na epidemiologia: a taxa de mortalidade 
total é um indicador-chave da saúde geral de uma população. 
Pode ajudar a identificar problemas de saúde, avaliar o 
impacto de intervenções médicas e orientar políticas de saúde 
pública.
Exemplo: se uma cidade com uma população de 50.000 
pessoas registrou 500 óbitos em um ano, a taxa de mortalidade 
total seria (500 / 50.000) x 1.000 = 10 óbitos por 1.000 habitantes.
Taxa de mortalidade infantil: essa taxa mede o número 
de óbitos de crianças com menos de 1 ano de idade em relação 
ao número de nascimentos vivos no mesmo período. É um 
indicador crítico da saúde neonatal e infantil.
Cálculo: Taxa de Mortalidade Infantil = (Número de Óbitos 
de Menores de 1 Ano / Número de Nascimentos Vivos) x 1.000
A importância na epidemiologia: a taxa de mortalidade 
infantil é usada para avaliar a qualidade da assistência médica 
materno-infantil, a nutrição infantil e as condições de vida de 
uma população.
Exemplo: se em uma região ocorreram 20 óbitos de FONTE: ENVATO ELEMENTS
50
um determinado ano, o estado de São Paulo teve um total de 
5.000 casos de tuberculose confirmados.
Cálculo de prevalência: para calcular a prevalência da 
tuberculose em São Paulo, precisamos considerar dois fatores: 
o número total de casos existentes (casos prevalentes) e a 
população em risco naquele momento. Vamos supor que, no 
mesmo ano, a população de São Paulo era de 45 milhões de 
pessoas.
A fórmula para calcular a prevalência é:
Prevalência = (Número de Casos Prevalentes / População 
Total) x 1.000
Substituindo os valores:
Prevalência = (5.000 / 45.000.000) x 1.000
Prevalência = (0,0001111) x 1000 ≈ 0,1111
Interpretação do resultado:
A prevalência calculada é de aproximadamente 0,1111 por 
1000 habitantes. Isso significa que, a cada 1.000 habitantes em 
São Paulo, cerca de 0,1111 pessoas têm tuberculose naquele 
ano. É uma métrica importante para entender a carga da 
doença em uma população e pode ajudar os gestores de 
saúde a alocar recursos e desenvolver estratégias de controle 
da tuberculose.
Exemplo de cálculo de incidência: dengue em uma 
cidade hipotética
Hipótese: vamos imaginar uma cidade hipotética 
Natimortos + Número de Óbitos em Menores de 7 Dias / Total 
de Nascimentos) x 1.000
Essas taxas são fundamentais para avaliar a saúde 
neonatal e materna, identificar áreas de intervenção e 
melhorar os cuidados perinatais.
Letalidade: uma perspectiva de gravidade
A letalidade é uma métrica que relaciona o número de 
óbitos por uma determinada causa ao número de pessoas 
afetadas por essa doença. Ela oferece informações sobre a 
gravidade de uma doença e a qualidade da assistência médica 
prestada à população.
Conclusão
Os indicadores de saúde desempenham um papel 
crucial na análise da situação de saúde de uma população e na 
orientação de políticas públicas eficazes. Eles permitem que os 
profissionais de saúde pública e os formuladores de políticas 
avaliem o progresso, identifiquem áreas de preocupação e 
tomem medidas para melhorar a saúde de comunidades 
inteiras. Portanto, compreender a variedade de indicadores 
disponíveis e sua aplicação adequada é fundamental para 
promover uma sociedade mais saudável e equitativa.
Exemplo de cálculo de prevalência: tuberculose no Brasil
Hipótese: vamos considerar uma situação hipotética 
de tuberculose no Brasil, uma doença infecciosa que afeta 
milhares de pessoas anualmente. Nossa hipótese é que, em 
51
prevalência e incidência podem ser feitos. Na prática, dados 
reais e atualizados seriam necessários para uma avaliaçãoprecisa da situação de saúde.
chamada “Cidadelandia” que está enfrentando um surto de 
dengue. Durante um ano, registramos um total de 500 novos 
casos de dengue na cidade.
Cálculo de incidência:
Para calcular a incidência da dengue em Cidadelândia, 
precisamos considerar o número de novos casos (casos 
incidentes) e a população em risco durante aquele ano. Vamos 
supor que a população da cidade era de 50.000 pessoas no 
início do ano.
A fórmula para calcular a incidência é:
Incidência = (Número de Novos Casos / População no 
Início do Ano) x 1.000
Substituindo os valores:
Incidência = (500 / 50.000) x 1.000
Incidência = (0,01) x 1.000 = 10
Interpretação do resultado:
A incidência calculada é de 10 por 1.000 habitantes. 
Isso significa que, a cada 1.000 habitantes em Cidadelândia, 
10 novos casos de dengue foram diagnosticados ao longo 
daquele ano. A incidência é uma métrica importante 
para avaliar o risco de surtos e epidemias e orientar a 
implementação de medidas de controle, como campanhas de 
conscientização e controle do mosquito transmissor.
Nota importante: esses exemplos são hipotéticos e usam 
números fictícios apenas para ilustrar como os cálculos de 
52
que reflete o número médio de filhos que uma mulher em 
idade reprodutiva teria durante toda a sua vida, influencia 
as políticas de saúde materna e o planejamento familiar. A 
pirâmide etária é um reflexo direto da transição demográfica. 
À medida que as taxas de natalidade e mortalidade mudam, 
a estrutura da população também se transforma, com 
implicações sociais e econômicas significativas.
O segundo pilar, a transição nutricional, está relacionado 
aos hábitos alimentares e ao impacto na saúde da população. 
Essa transição é moldada por fatores socioambientais, como 
urbanização e a disponibilidade de alimentos industrializados. 
Com isso, observamos um aumento nas taxas de sobrepeso 
e obesidade, resultado de dietas empobrecidas e do 
sedentarismo. As mudanças na composição da dieta, da 
3. Transição demográfica e 
epidemiológica
A transição demográfica, epidemiológica e nutricional 
é um fenômeno intrinsecamente relacionado à passagem do 
tempo e suas implicações sobre a população. Essas mudanças 
fundamentais têm um impacto significativo na saúde, na 
qualidade de vida e no bem-estar das sociedades ao redor do 
mundo. A passagem do tempo é uma progressão ininterrupta 
em direção à finitude. À medida que o tempo avança, a 
dinâmica populacional sofre transformações profundas. Para 
entender esse processo complexo, é crucial analisar cada uma 
das três dimensões da transição: demográfica, epidemiológica 
e nutricional.
A transição demográfica, o primeiro dos pilares descreve 
as mudanças na composição e tamanho da população ao 
longo do tempo. Vários fatores influenciam esse processo. 
Avanços médicos, urbanização, tecnologia e políticas públicas 
têm papel fundamental. A compreensão da transição 
demográfica passa pela análise de taxas demográficas.
A taxa de natalidade, que mede o número de 
nascimentos vivos em uma população durante um período 
específico, é um indicador-chave. Ela é vital para determinar 
o crescimento populacional e a necessidade de serviços de 
saúde materna e infantil. Além disso, a taxa de fecundidade, 
FONTE: ENVATO ELEMENTS
53
inextricavelmente ligada às mudanças demográficas, 
epidemiológicas e nutricionais que afetam a saúde e o bem-
estar das populações. À medida que as sociedades evoluem, 
é crucial entender essas transições para tomar decisões 
informadas em políticas de saúde, urbanismo, seguridade 
social e promoção da saúde. A análise detalhada dessas 
dimensões oferece insights valiosos para enfrentar os desafios 
de saúde do presente e do futuro.
alimentação natural para a industrializada, afetam a saúde 
da população em escala global. Além disso, o sedentarismo 
tornou-se mais prevalente, gerando consequências graves para 
a saúde pública.
A terceira dimensão, a transição epidemiológica, 
descreve mudanças nas causas de morte ao longo do 
tempo. Antigamente, doenças infecciosas eram as principais 
responsáveis pelas mortes. No entanto, com o avanço da 
medicina, saneamento básico, vacinação e melhorias nas 
condições de vida, as doenças crônicas não transmissíveis 
ganharam destaque. Problemas como hipertensão, diabetes 
tipo 2 e doenças cardiovasculares estão intimamente 
ligados à transição epidemiológica. Além disso, a transição 
epidemiológica pode ser dividida em cinco fases, como 
descrito por Popkin (1993). Desde a era dos caçadores e 
coletores até as mudanças nos comportamentos modernos, 
as causas de morte evoluíram significativamente ao longo da 
história. 
Finalmente, ao refletir sobre essas transições, é 
importante considerar os fatores que afetam a longevidade e 
uma vida saudável. O acesso a cuidados de saúde adequados, 
a herança genética, a sorte, o ambiente e o estilo de vida 
desempenham papéis fundamentais. Compreender e abordar 
esses fatores é essencial para promover a saúde e o bem-estar 
a longo prazo.
Em resumo, a passagem do tempo está 
54
população. Essa transformação é influenciada por fatores 
socioambientais, incluindo urbanização e a crescente 
disponibilidade de alimentos industrializados. O resultado é 
um aumento alarmante nas taxas de sobrepeso e obesidade, 
que são consequências diretas de dietas empobrecidas 
e estilos de vida sedentários. A substituição de alimentos 
naturais por produtos industrializados é uma tendência 
preocupante, uma vez que dietas inadequadas são fatores 
determinantes para doenças crônicas.
A terceira dimensão, a transição epidemiológica, 
descreve as mudanças nas principais causas de morte ao 
longo do tempo. À medida que a sociedade avança, as 
doenças infecciosas perdem espaço para doenças crônicas 
não transmissíveis como as principais causas de óbito. Esse 
deslocamento reflete os avanços na medicina, melhorias 
nas condições de vida, saneamento básico e programas 
de vacinação. Doenças como hipertensão, diabetes tipo 2 
e enfermidades cardiovasculares se tornaram as principais 
causas de morte, exigindo uma alocação eficaz de recursos e 
políticas de saúde.
Essas dimensões, embora distintas, estão interconectadas 
e têm um impacto significativo na saúde e no bem-estar da 
população. Além disso, a longevidade e uma vida saudável 
são afetadas por diversos fatores, como acesso a cuidados de 
saúde de qualidade, herança genética, ambiente e estilo de 
vida. Reconhecer e abordar esses elementos é fundamental 
para promover um bem-estar sustentável.
Considerações Finais
As dimensões entrelaçadas da transição demográfica, 
epidemiológica e nutricional desempenham um papel central 
na configuração da saúde pública e, por consequência, no 
bem-estar da sociedade global. À medida que o tempo avança, 
as complexas mudanças na composição demográfica, nas 
causas de morte e nos hábitos alimentares têm um impacto 
direto na saúde das comunidades em todo o mundo, tornando 
imperativo compreender essa complexidade para orientar 
decisões e políticas de saúde eficazes.
A primeira dimensão, a transição demográfica, está 
intrinsecamente ligada às mudanças na população ao longo 
do tempo. Fatores como avanços médicos, urbanização e 
políticas governamentais desempenham papéis cruciais nesse 
processo. Para uma avaliação precisa, é fundamental analisar 
as taxas demográficas, em especial a taxa de natalidade, que 
afeta diretamente o crescimento populacional e a demanda 
por serviços de saúde materno-infantil. Da mesma forma, 
a taxa de fecundidade tem implicações significativas nas 
políticas de saúde materna e no planejamento familiar, 
enquanto a evolução da pirâmide etária reflete mudanças nas 
taxas de natalidade e mortalidade, com profundas implicações 
sociais e econômicas.
A segunda dimensão, a transição nutricional, concentra-
se nos impactos dos padrões alimentares na saúdeda 
55
Referências
GARCIA, Leila Posenato; DUARTE, Elisete. Intervenções 
não farmacológicas para o enfrentamento à epidemia da 
COVID-19 no Brasil. Epidemiologia e Serviços de Saúde, v. 29, 
p. e2020222, 2020.
POPKIN, Barry M. Nutritional patterns and transitions. 
Population and development review, p. 138-157, 1993.
ROTHMAN, Kenneth; GREENLAND, Sander; LASH, 
Timothy. Epidemiologia Moderna. 3ª Edição. Artmed Editora, 
2016.
ROUQUAYROL, Maria Zélia; GURGEL, Marcelo. 
Rouquayrol: Epidemiologia e saúde. Medbook, 2021.
SOARES J. F. S. Módulo Teórico 5: Medidas de Frequência 
em Epidemiologia. In: Brasil. Ministério da Saúde. Curso 
de Atualização para Análise de Situação de Saúde do 
Trabalhador -ASST aplicada aos serviços de saúde [recurso 
eletrônico] / Ministério da Saúde, Universidade Federal da 
Bahia. – Brasília: Ministério da Saúde, pp. 1-26, 2021.
56
UNIDADE DE
APRENDIZAGEM
TIPOS DE ESTUDOS EPIDEMIOLÓGICOS
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 5
57
Para Início de Conversa
A epidemiologia desempenha um papel crucial 
na compreensão e controle de doenças em populações. 
Neste capítulo, exploraremos os fundamentos dos estudos 
epidemiológicos, desde o rigor científico até a classificação dos 
tipos de estudos. Uma ênfase especial será dada às diferenças 
entre estudos observacionais, que observam o mundo real 
sem intervenções deliberadas, e estudos experimentais, que 
aplicam intervenções controladas para avaliar causalidade. 
Além disso, abordaremos os tipos de estudos analíticos, como 
estudos de caso-controle, que exploram associações, e estudos 
de coorte, que examinam fatores de risco ao longo do tempo. 
Esses conceitos são essenciais para a pesquisa epidemiológica 
e saúde pública.
Objetivo de Aprendizagem 
do Capítulo
• Reconhecer a importância dos estudos 
epidemiológicos na tomada de decisões clínicas, 
políticas de saúde e sociedade.
• Diferenciar os tipos de delineamento de estudo.
• Identificar a unidade de estudo e a intervenção do 
pesquisador.
• Distinguir entre estudos epidemiológicos com 
propósito descritivo e analítico.
• Classificar os diferentes tipos de estudos 
epidemiológicos e compreender suas aplicações.
58
1. Fatores importantes 
sobre como fazer um 
desenho de pesquisa 
epidemiológica
A condução de um estudo epidemiológico é um processo 
complexo que envolve várias etapas cruciais para garantir 
que os resultados sejam válidos e confiáveis. Essas etapas são 
fundamentais para a pesquisa epidemiológica, pois fornecem 
estrutura e rigor ao estudo, permitindo a análise precisa das 
relações entre fatores de exposição e resultados de interesse, 
como doenças ou condições de saúde em uma população.
Definir o objetivo da investigação é o ponto de partida. 
Um estudo epidemiológico deve ter um objetivo claro e bem 
definido, muitas vezes refletido no título da pesquisa. Isso 
estabelece o que será investigado, fornecendo direção e foco.
Identificar a população de estudo é crucial para garantir 
que o estudo seja aplicável à questão. Isso inclui a seleção de 
grupos de exposição e não exposição, quando relevante, para 
possibilitar comparações significativas.
Escolher o tipo de estudo é uma etapa que depende do 
objetivo da pesquisa e da população de estudo. Pode incluir 
estudos de coorte, estudos de caso-controle, ensaios clínicos 
ou outros métodos, cada um com suas próprias aplicações.
Definir as variáveis e como serão medidas é essencial. 
As variáveis, como exposição, resultado e possíveis fatores de 
confusão, devem ser claramente definidas e suas medições 
planejadas minuciosamente. Isso ajuda a coletar dados de alta 
qualidade.
Planejar a análise estatística é uma parte crítica, pois 
determina como os dados serão interpretados. A escolha dos 
métodos estatísticos adequados ajuda a avaliar associações, 
calcular riscos e identificar tendências de forma rigorosa.
Considerar a ética em pesquisa com seres humanos 
é uma obrigação, uma vez que os estudos epidemiológicos 
envolvem a participação de pessoas. Isso requer aprovação de 
comitês de ética, garantindo o respeito aos participantes e a 
obtenção de consentimento adequado.
Na pesquisa epidemiológica, é importante compreender 
e evitar erros. Dois tipos principais de erros são erros 
aleatórios (decorrentes da observação de apenas uma parte 
da população) e erros sistemáticos – vieses (resultantes de 
falhas no planejamento, implementação ou análise dos 
dados). O controle desses erros é essencial para a validade dos 
resultados.
Fatores de confusão são variáveis que podem influenciar 
a relação entre a exposição e o resultado, devendo ser 
considerados na análise. Eles devem estar associados 
tanto à exposição quanto ao resultado, ajudando a evitar 
59
interpretações incorretas dos dados.
Além disso, o estabelecimento de hipóteses 
epidemiológicas é uma etapa fundamental. Essas hipóteses 
fornecem a base para investigar as relações entre fatores 
de risco (variáveis independentes) e resultados de interesse 
(variáveis dependentes). A formulação de hipóteses ajuda a 
estruturar a pesquisa.
Variáveis desempenham um papel crucial na 
epidemiologia, classificando-se em quantitativas (contínuas 
e discretas) e qualitativas (ordinais e nominais). Medir 
essas variáveis com precisão e acurácia é vital para garantir 
resultados confiáveis.
Finalmente, o tamanho da amostra é um fator-chave 
na pesquisa epidemiológica, afetando a representatividade 
e a aplicabilidade dos resultados. A escolha da amostragem 
adequada, como a amostragem probabilística, é essencial para 
evitar viés e obter conclusões válidas.
Em resumo, a pesquisa epidemiológica é um processo 
complexo e rigoroso que visa entender e explicar as 
relações entre exposições e resultados de interesse em uma 
população. Por meio de etapas bem definidas, controle 
de erros, considerações éticas e formulação de hipóteses, 
os epidemiologistas podem contribuir significativamente 
para o avanço do conhecimento em saúde pública e no 
desenvolvimento de estratégias preventivas.
FONTE: HTTPS://BRAINLY.COM.BR/TAREFA/54876519 
60
2. Tipos de estudos 
epidemiológicos
Os desenhos de estudo epidemiológico são métodos 
de pesquisa utilizados para investigar a distribuição, causas 
e efeitos de doenças e eventos de saúde em populações. 
Esses desenhos podem ser classificados em três categorias 
principais: observacionais e experimentais. Essas categorias 
ajudam a classificar os desenhos de estudo de acordo com 
seus objetivos e métodos. Cada tipo de estudo tem suas 
vantagens e limitações e é escolhido com base nas perguntas 
de pesquisa e na viabilidade ética e prática. Juntos, esses 
desenhos contribuem para a compreensão das relações entre 
exposições e desfechos de saúde e são fundamentais para a 
epidemiologia e a pesquisa em saúde pública.
A) OBSERVACIONAIS:
Esses estudos podem ser divididos em descritivos e 
analíticos.
FONTE: SCIMAGO INSTITUTIONS RANKINGS, 2005. 
HTTPS://WWW.SCIELO.BR/J/ACB/A/BHWP75Q7GYMJ5CRDQSXTQBJ 
61
Estudos descritivos
Esses, na epidemiologia, têm como objetivo principal 
fornecer uma visão detalhada e abrangente da distribuição 
de uma doença ou condição de saúde em uma população. 
Eles não se concentram em comparar grupos de pessoas ou 
estabelecer relações de causa e efeito. Em vez disso, esses 
estudos se concentram na coleta e descrição de informações 
sobre a frequência, a distribuição geográfica, a gravidade e 
as características demográficas de uma doença ou condição 
específica.
Aqui estão algumas características importantes dos 
estudos descritivos:
Foco na descrição – O objetivo principal é descrever o 
“quê”, “quando”, “onde” e “quem” relacionado à doença ou 
condição em estudo. Isso significa documentar detalhes como 
a prevalência (número de casos em uma população em um 
determinado momento), incidência (número de novos casos 
em um período específico), localização geográficada doença, 
grupos populacionais afetados e características demográficas 
dos afetados.
Não estabelecem causa e efeito – Ao contrário de estudos 
analíticos, como estudos de coorte e caso-controle, os estudos 
descritivos não buscam determinar as causas subjacentes da 
doença ou estabelecer relações de causa e efeito. Eles não 
procuram responder por que uma doença ocorre.
FONTE: HTTPS://STUDYMAPS.COM.BR/ESTUDOS-EPIDEMIOLOGICOS/ 
62
de saúde, fornecendo informações valiosas para a comunidade 
médica e científica, particularmente quando lidam com 
situações incomuns ou emergentes.
Estudos analíticos
Os estudos analíticos buscam identificar associações 
ou relações entre variáveis, como fatores de risco (exposições) 
e doenças (desfechos). Eles não envolvem intervenções 
controladas, mas procuram entender como diferentes fatores 
podem estar relacionados a eventos de saúde.
Estudos transversais são um tipo de estudo observacional 
na epidemiologia em que a exposição (fatores de risco) e o 
desfecho (doença ou condição) são avaliados em um único 
ponto no tempo, ou seja, simultaneamente. Esses estudos têm 
como objetivo principal fornecer um instantâneo da situação 
em uma população, medindo a prevalência de uma doença 
ou condição e identificando associações em um momento 
específico. Vamos nos aprofundar em algumas características e 
detalhes importantes dos estudos transversais.
Características dos estudos transversais:
• Medem a prevalência – A principal medida de 
frequência de um evento em estudos transversais é 
a prevalência. Isso significa que eles avaliam quantas 
pessoas na população estudada têm a doença ou estão 
expostas a um fator de risco no momento da coleta de 
dados.
Tipos de estudos descritivos:
Relatos de caso – Nesses estudos, informações detalhadas 
sobre um caso específico de doença são apresentadas. Isso 
pode incluir histórico médico, sintomas, resultados de exames 
e tratamentos.
Séries de casos – Uma série de casos é uma coleção de 
relatos de caso semelhantes que são analisados em conjunto 
para identificar tendências e padrões comuns.
Utilidade – Os estudos descritivos são particularmente 
úteis para identificar novas doenças ou associações 
incomuns, especialmente quando se trata de eventos de 
saúde emergentes. Eles também podem ser valiosos na 
documentação de surtos de doenças e na identificação de 
grupos populacionais específicos que podem estar em maior 
risco.
Estágio inicial de investigação – Normalmente, os estudos 
descritivos representam o estágio inicial de investigação 
em epidemiologia. Eles servem como ponto de partida para 
entender melhor uma doença ou condição e podem levar a 
estudos analíticos mais aprofundados.
Em resumo, os estudos descritivos na epidemiologia têm 
como principal objetivo descrever a distribuição de doenças 
ou condições de saúde em uma população, sem a intenção de 
estabelecer relações de causa e efeito. Eles desempenham um 
papel importante na identificação e documentação de eventos 
63
relacionadas a determinadas doenças.
• Recordação de exposições passadas – Em alguns 
casos, os estudos transversais podem incluir perguntas 
sobre exposições que ocorreram no passado para 
tentar capturar informações sobre a sequência 
temporal. No entanto, essa recordação de exposições 
passadas pode ser menos confiável do que o relato de 
exposições atuais.
Diferença entre estudos transversais e longitudinais:
A distinção importante entre estudos transversais 
e estudos longitudinais (coorte) está na forma como a 
informação sobre exposições e efeitos é coletada. Para os 
estudos transversais, a exposição e efeitos são avaliados ao 
mesmo tempo, em um único ponto no tempo. Enquanto 
que para os estudos longitudinais (coorte), os participantes 
são seguidos ao longo do tempo, permitindo a avaliação das 
mudanças na exposição e no desenvolvimento de doenças ao 
longo de vários momentos.
Em resumo, os estudos transversais são uma ferramenta 
valiosa na epidemiologia para avaliar a prevalência de doenças 
e identificar associações em um ponto no tempo. No entanto, 
eles não podem ser usados para estabelecer relações de causa 
e efeito, pois não consideram adequadamente a sequência 
temporal. Eles desempenham um papel fundamental na 
geração de hipóteses que podem ser posteriormente testadas 
• São rápidos e de baixo custo – Estudos transversais 
têm a vantagem de serem de rápida execução e 
fornecer resultados em um curto período de tempo. 
Eles também podem estudar várias exposições ou 
doenças ao mesmo tempo, tornando-os eficientes em 
termos de custo.
• Limitações na causalidade – Uma limitação 
fundamental dos estudos transversais é que eles não 
são adequados para estabelecer relações de causa 
e efeito. Isso ocorre porque eles não consideram a 
sequência temporal necessária para estabelecer 
causalidade. Não podem determinar se a exposição 
ocorreu antes do desenvolvimento da doença ou se a 
doença precedeu a exposição.
• Indicados para prevalência e exposições estáveis – São 
mais indicados para doenças ou exposições de alta 
prevalência e para situações em que a exposição e a 
doença são estáveis ao longo do tempo. Eles podem 
ser úteis para descrever o estado de saúde atual em 
uma população.
• Papel na geração de hipóteses – Os estudos 
transversais são frequentemente usados para gerar 
hipóteses sobre possíveis associações entre fatores 
de risco e doenças. Eles fornecem uma visão geral da 
situação, identificando quais exposições podem estar 
64
A relação entre o número de casos e controles 
geralmente é 1:1 (um caso para um controle), mas em situações 
em que o número de casos é limitado, a relação pode chegar a 
1:4, o que aumenta a eficiência da amostra.
Os controles podem ser pareados (selecionados de forma 
que sejam semelhantes aos casos em termos de variáveis 
relevantes, como idade e sexo) ou não pareados.
Natureza retrospectiva:
O estudo é chamado de “retrospectivo” porque a 
exposição ao fator de risco ocorreu no passado, antes do 
desenvolvimento da doença nos casos.
Os participantes são recrutados após o desenvolvimento 
da doença, então já estão doentes quando entram no estudo.
A informação sobre a exposição passada é obtida por 
meio da memória dos pacientes, o que pode introduzir algum 
grau de erro ou viés de recordação.
em estudos mais aprofundados, como estudos de coorte ou 
estudos de caso-controle.
Estudos caso-controle são um tipo de estudo 
observacional na epidemiologia que tem o objetivo de 
investigar a causa de doenças ou condições de saúde, 
especialmente aquelas consideradas raras. Nesse tipo de 
estudo, os pesquisadores comparam um grupo de pessoas 
com a doença em questão (casos) a um grupo de pessoas que 
não têm a doença (controles) para identificar fatores de risco 
comuns nos casos em comparação com os controles. Aqui 
estão alguns pontos-chave para entender os estudos de caso-
controle:
Seleção de casos e controles:
Os casos são indivíduos que já foram diagnosticados com 
a doença de interesse.
Os controles são indivíduos sem a doença, mas que são 
semelhantes à população que constitui os casos em termos de 
idade, sexo e outras características relevantes.
A seleção dos casos geralmente é feita em hospitais ou 
ambulatórios especializados, onde os pacientes com a doença 
são tratados.
Para reduzir o viés de seleção, os controles podem ser 
recrutados na mesma comunidade de origem dos casos. Isso 
ajuda a garantir que os controles sejam representativos da 
população de onde os casos se originam.
65
Vantagens e limitações:
Estudos de caso-controle são indicados para investigar 
doenças raras e oferecem vantagens, como rápida execução, 
custos relativamente baixos e a capacidade de investigar vários 
fatores de risco em um único estudo.
No entanto, eles apresentam algumas limitações, 
incluindo possíveis viés de seleção e medição da exposição,não permitem a avaliação da incidência da doença (apenas a 
prevalência) e não estabelecem a sequência temporal entre 
doença e exposição.
Exemplo clássico:
Um exemplo clássico de um estudo de caso-controle 
foi a descoberta da relação entre a talidomida e defeitos nos 
membros do corpo em bebês nascidos na República Federal 
da Alemanha entre 1959 e 1960. O estudo, realizado em 1961, 
comparou mães que tiveram bebês com malformações típicas 
(casos) com mães que tiveram bebês normais (controles). 
Das mães dos bebês com malformações, a maioria havia 
tomado talidomida entre a quarta e a nona semana de 
gestação, enquanto nenhuma das mães do grupo de controle 
havia usado talidomida durante esse período. Isso forneceu 
evidências fortes de uma associação entre o uso de talidomida 
durante a gravidez e os defeitos dos membros dos bebês.
Estudos de coorte são um tipo de estudo observacional 
na epidemiologia que envolvem a observação de um grupo de 
Medição da associação:
A associação entre a doença e a exposição é avaliada por 
meio do cálculo do oddsratio (OR), que é uma estimativa do 
risco relativo.
O OR expressa a chance de um caso (indivíduo doente) 
ser exposto em comparação com a chance de um controle 
(indivíduo não doente) ser exposto.
FONTE: HTTPS://MED.ESTRATEGIA.COM/PORTAL/CONTEUDOS-GRATIS/RESUMO-DE-
ESTUDOS-EPIDEMIOLOGICOS-TRANSVERSAL-COORTE-ENSAIOS-CLINICOS-E-MAIS/ 
66
avaliar a ocorrência de desfechos. Ambos os tipos de estudos 
de coorte são valiosos na pesquisa epidemiológica e podem 
fornecer insights importantes sobre as relações entre fatores 
de risco e doenças.
Nos estudos de coorte, os indivíduos são selecionados 
e classificados em dois grupos: expostos e não expostos. 
Isso permite o estudo de exposições relativamente raras. 
A seleção dos grupos de estudo com base na exposição 
permite a comparação direta entre aqueles expostos a um 
fator de risco específico e aqueles não expostos. Nesse caso, a 
exposição é o fator de risco ou causa potencial de doença que 
os pesquisadores desejam estudar. Pode ser uma exposição a 
um agente químico, um comportamento, um medicamento, 
entre outros. Nos estudos de coorte histórica, os registros 
de exposição dos indivíduos no passado são usados para 
classificar os grupos de exposição. Isso pode introduzir algum 
grau de imprecisão na mensuração da exposição. Nos estudos 
de coorte contemporânea, a coleta de dados sobre a exposição 
é feita de maneira mais precisa no presente.
Vale ressaltar que como os estudos de coorte são 
observacionais, a exposição não é aleatoriamente alocada 
aos grupos de estudo. Isso pode levar a diferenças entre os 
grupos em termos de outras exposições que não são a causa 
de interesse. Variáveis de confusão são outras exposições que 
podem afetar os resultados do estudo. É importante coletar 
pessoas (coorte) ao longo do tempo para determinar como a 
exposição a determinados fatores de risco está relacionada ao 
desenvolvimento de doenças. Aqui estão alguns pontos-chave 
para entender os estudos de coorte:
Prospectivos e retrospectivos:
Estudos de coorte podem ser prospectivos (iniciando 
no presente e seguindo a coorte no futuro) ou retrospectivos 
(analisando registros passados da coorte). Os estudos 
prospectivos são mais comuns e envolvem a seleção de 
uma coorte de pessoas sem a doença em questão no início 
do estudo. Essas pessoas são acompanhadas ao longo do 
tempo para determinar a incidência da doença e como 
ela se relaciona com exposições passadas. Já nos estudos 
retrospectivos, os pesquisadores analisam registros passados 
da coorte para avaliar a relação entre exposições passadas e 
o desenvolvimento da doença. Esses estudos são úteis para 
investigar doenças com longos períodos de latência entre a 
exposição e o desenvolvimento da doença.
Em resumo, a principal diferença entre estudos de coorte 
retrospectivos e prospectivos é o momento da coleta de dados 
de exposição e desfechos. Estudos de coorte retrospectivos se 
baseiam em dados históricos para investigar relações entre 
exposições passadas e desfechos, enquanto estudos de coorte 
prospectivos coletam dados de exposição no início do estudo 
e acompanham os participantes ao longo do tempo para 
67
Vantagens e desvantagens:
Vantagens dos estudos de coorte incluem a capacidade 
de medir a exposição antes do início da doença, a capacidade 
de estudar exposições raras, a possibilidade de observar 
vários efeitos para uma mesma exposição e a mensuração da 
incidência da doença nos grupos de expostos e não expostos.
Desvantagens dos estudos de coorte incluem o potencial 
de serem longos e caros, mudanças na exposição e nos 
critérios diagnósticos ao longo do tempo, avaliação do efeito 
influenciada pela exposição e a perda de indivíduos durante o 
seguimento, o que pode introduzir vícios no estudo.
Em resumo, os estudos de coorte são uma ferramenta 
valiosa na epidemiologia para investigar a relação entre 
exposições e o desenvolvimento de doenças ao longo 
do tempo, fornecendo informações importantes para a 
compreensão de fatores de risco e medidas de prevenção.
Estudos ecológicos, também conhecidos como estudos 
de dados agregados, são uma abordagem na epidemiologia 
que compara indicadores de saúde em níveis populacionais 
ou geográficos, em vez de analisar os indivíduos. Nesses 
estudos, a exposição e os resultados são medidos em grupos 
ou populações inteiras, e não em nível individual. A principal 
característica desses estudos é que eles utilizam dados já 
registrados ou dados secundários para avaliar relações entre 
a exposição a determinados fatores e a incidência de doenças 
informações sobre essas variáveis para ajustar a análise 
estatística e minimizar o efeito delas nos resultados.
Um dos principais benefícios dos estudos de coorte é 
a capacidade de observar vários efeitos para uma mesma 
exposição. Isso significa que os pesquisadores podem avaliar 
como a exposição se relaciona com o desenvolvimento de 
diferentes doenças ou condições. A mensuração do efeito 
deve ser aplicada de maneira rigorosamente idêntica para os 
indivíduos expostos e não expostos, a fim de evitar vícios de 
mensuração.
FONTE: HTTPS://KLUBLR.COM/PTA/ESTUDO-DE-COORTE-PROSPECTIVO 
68
ser diretamente aplicadas a indivíduos. A associação observada 
entre exposição e doença em nível populacional pode não se 
aplicar a todos os indivíduos dentro dessa população.
Confounders – Os estudos ecológicos são mais suscetíveis 
a confundimento, e a associação observada entre a exposição 
e a doença pode ser influenciada por outros fatores não 
considerados no estudo.
Dados de baixa qualidade – A qualidade dos dados 
utilizados nos estudos ecológicos é fundamental. Dados 
imprecisos ou incompletos podem levar a conclusões errôneas.
Ausência de causalidade – Os estudos ecológicos 
geralmente fornecem evidências de associação, mas não 
estabelecem causalidade. A relação observada entre a 
exposição e a doença pode ser influenciada por diversos 
fatores, e é necessária uma investigação mais aprofundada 
para confirmar relações de causa e efeito.
Em resumo, os estudos ecológicos são uma ferramenta 
valiosa na epidemiologia para identificar tendências e gerar 
hipóteses, mas é importante reconhecer suas limitações, 
especialmente em relação à generalização de conclusões para 
nível individual e estabelecimento de causalidade. Eles muitas 
vezes servem como ponto de partida para investigações mais 
detalhadas e específicas.
em populações ou subgrupos.
Por exemplo, em um estudo ecológico, pode-se comparar 
a incidência de câncer de pulmão em diferentes áreas 
geográficas com o consumo médio de tabaco nessas áreas. 
Os pesquisadores não coletam dados de consumo de tabaco e 
incidência de câncer de pulmão de indivíduos específicos, mas, 
em vez disso, usam dados populacionais dessas áreas para tirar 
conclusões.
Principais vantagensdos estudos ecológicos:
Eficiência: esses estudos permitem a análise de grandes 
populações ou regiões geográficas de forma rápida e com 
menor custo, utilizando dados já disponíveis.
Geração de hipóteses: os resultados de estudos 
ecológicos podem fornecer informações valiosas para 
a geração de hipóteses que podem ser investigadas 
posteriormente em estudos mais detalhados.
Tendências e variações geográficas: esses estudos 
podem revelar tendências de saúde e variações geográficas 
na incidência de doenças, o que é útil para a saúde pública e a 
alocação de recursos.
No entanto, existem algumas desvantagens e limitações 
importantes nos estudos ecológicos:
Falácia ecológica – Um desafio fundamental é a 
chamada “falácia ecológica”. Isso ocorre porque as conclusões 
baseadas em dados agregados para populações não podem 
69
Intervenções terapêuticas: esses estudos envolvem 
pacientes que já têm uma condição de saúde específica. 
O objetivo é avaliar a capacidade de uma determinada 
intervenção (por exemplo, um novo medicamento ou 
tratamento) para produzir recuperação, reduzir sintomas, 
prevenir recidivas ou diminuir o risco de evolução desfavorável. 
A unidade de amostragem e análise nesse tipo de estudo é o 
indivíduo.
Intervenções preventivas: esses estudos envolvem 
pessoas saudáveis, e o objetivo é avaliar a capacidade de 
uma intervenção em prevenir a ocorrência de um evento 
indesejado, como uma doença. Nesse caso, as unidades de 
amostragem podem ser tanto indivíduos como comunidades.
A alocação dos participantes em grupos de intervenção 
ou controle deve ser realizada de maneira aleatória para 
garantir que os grupos sejam comparáveis e que o pesquisador 
não influencie a seleção. A alocação aleatória elimina o 
potencial de viés por parte do pesquisador, contribuindo 
para resultados mais confiáveis. Quanto maior o tamanho da 
amostra, maior a eficácia da alocação aleatória na distribuição 
de fatores de confusão igualmente entre os grupos.
Para garantir a validade dos resultados em estudos 
experimentais, é essencial os participantes aderirem 
adequadamente ao regime de intervenção ao qual 
foram alocados. A falta de aderência ou a desistência dos 
B) EXPERIMENTAIS:
Os estudos epidemiológicos experimentais, também 
conhecidos como estudos de intervenção ou ensaios clínicos, 
têm como principal característica a alocação deliberada dos 
participantes a diferentes grupos, com ou sem exposição a 
uma intervenção específica. Eles são projetados para avaliar 
a eficácia e efetividade de procedimentos diagnósticos, 
preventivos e terapêuticos, além de testar hipóteses 
etiológicas. Esses estudos são classificados em duas grandes 
categorias: intervenções terapêuticas e intervenções 
preventivas.
FONTE: HTTPS://PERIODICOS.UFJF.BR/INDEX.PHP/HUREVISTA/ARTICLE/VIEW/33504 
70
sobre a eficácia da intervenção para justificar a não oferta 
da mesma a uma parte dos participantes, e uma grande 
expectativa de benefício para justificar a oferta aos outros. A 
ética na pesquisa com seres humanos é fundamental e deve 
ser respeitada em todos os momentos.
participantes pode afetar os resultados do estudo. Portanto, 
estratégias como esclarecimento dos objetivos do estudo, 
contatos frequentes e até mesmo incentivos podem ser 
empregadas para melhorar a aderência.
A avaliação dos resultados da intervenção é uma 
parte crucial do estudo. É importante que a avaliação seja 
realizada de maneira não tendenciosa. Pessoas que recebem 
tratamentos médicos podem apresentar melhorias devido 
a efeitos psicológicos, como o efeito placebo. Portanto, 
é essencial evitar que tanto os observadores quanto os 
participantes saibam qual intervenção foi recebida, o que 
é conhecido como duplo-cego. Isso ajuda a garantir uma 
avaliação imparcial.
O delineamento fatorial é uma técnica usada para 
melhorar a eficiência no uso de recursos. Ela permite que 
duas ou mais hipóteses sejam testadas simultaneamente, 
o que é útil quando o estudo envolve a avaliação de várias 
intervenções. No delineamento fatorial, os participantes são 
alocados a diferentes grupos e, posteriormente, submetidos 
a uma segunda alocação aleatória para diferentes grupos de 
intervenção. Isso permite testar várias questões em um único 
estudo, economizando tempo e recursos.
Embora os estudos experimentais sejam poderosos na 
avaliação da eficácia de intervenções, eles também envolvem 
questões éticas importantes. Deve haver incerteza suficiente 
FONTE: HTTPS://WWW.SANARMED.COM/RESUMO-SOBRE-OS-TIPOS-DE-ESTUDOS-
EPIDEMIOLOGICOS-SANARFLIX 
71
Referências
GARCIA, Leila Posenato; DUARTE, Elisete. Intervenções 
não farmacológicas para o enfrentamento à epidemia da 
COVID-19 no Brasil. Epidemiologia e Serviços de Saúde, v. 29, p. 
e2020222, 2020.
ROTHMAN, Kenneth; GREENLAND, Sander; LASH, 
Timothy. Epidemiologia Moderna-3ª Edição. Artmed Editora, 
2016.
ROUQUAYROL, Maria Zélia; GURGEL, Marcelo. 
Rouquayrol: Epidemiologia e saúde. Medbook, 2021.
Considerações Finais
Neste capítulo, exploramos as diversas abordagens e tipos 
de estudos epidemiológicos. Desde os estudos observacionais, 
como coortes e caso-controles, até os experimentais, como 
os ensaios clínicos, e os estudos de dados agregados, como 
os estudos ecológicos. Cada tipo de estudo desempenha um 
papel único na pesquisa epidemiológica, permitindo-nos 
investigar relações de causa e efeito, identificar tendências em 
saúde pública e gerar hipóteses valiosas.
Entendemos a importância de definir claramente os 
objetivos do estudo, selecionar a população de estudo de 
forma precisa, escolher o melhor delineamento de pesquisa, 
medir as variáveis com precisão, considerar questões 
éticas e controlar vieses em todas as etapas. Além disso, 
compreendemos as vantagens e desvantagens de cada tipo de 
estudo, reconhecendo que a escolha do método depende do 
que se pretende investigar e das limitações inerentes.
A epidemiologia é essencial para a compreensão 
das causas de doenças, o desenvolvimento de estratégias 
preventivas e a promoção da saúde pública. Cada tipo de 
estudo oferece uma visão única dos padrões de saúde e das 
relações entre exposições e resultados. Portanto, a escolha do 
estudo apropriado e a aplicação rigorosa de suas metodologias 
são cruciais para a geração de conhecimento válido e confiável 
que pode beneficiar a sociedade como um todo.
72
UNIDADE DE
APRENDIZAGEM
AMOSTRAGEM E COLETA DE DADOS
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 6
73
Para Início de Conversa
A amostragem é uma prática fundamental na estatística 
e na pesquisa, desempenhando um papel crucial na coleta 
de dados de maneira eficiente e representativa. Ela permite 
que os pesquisadores extraiam informações significativas de 
uma população maior, sem a necessidade de examinar cada 
indivíduo ou elemento. Em um mundo repleto de informações, 
a amostragem é uma ferramenta essencial para lidar com 
grandes volumes de dados de maneira prática. Uma amostra 
bem selecionada deve ser representativa da população de 
interesse, refletindo suas características de maneira precisa. 
Isso envolve escolher o tamanho apropriado da amostra e a 
técnica de amostragem correta, levando em consideração o 
tipo de dados e os objetivos da pesquisa.
Objetivo de Aprendizagem 
do Capítulo
• Compreender os conceitos essenciais para uma 
amostragem eficaz.
• Identificar e distinguir diferentes tipos de variáveis em 
estudos estatísticos.
• Explorar as fases e o planejamento da Bioestatística.
• Aprender sobre a importância da escolha da técnica 
de amostragem adequada.
• Calcular o tamanho da amostra necessário para 
representar uma população.
74
1. Conceitos importantes 
para uma boa amostragem
Estatística descritiva: nessa etapa, a estatística se 
concentra na descrição e análise de dados existentes em 
uma população ou amostra. No contexto da saúde pública, 
essa análise pode ser fundamentalpara identificar padrões 
de distribuição de doenças e agravos nas comunidades. Ao 
compreender como as doenças estão distribuídas entre 
a população, os pesquisadores podem obter informações 
valiosas que ajudam no desenvolvimento de medidas eficazes 
de prevenção e controle. Em outras palavras, a estatística 
descritiva permite a obtenção de uma visão detalhada e 
“descritiva” do cenário de saúde em uma área específica.
Inferência estatística: essa fase envolve a aplicação 
de conceitos estatísticos para tirar conclusões sobre uma 
população com base em informações coletadas de uma 
amostra. A inferência estatística permite generalizar os 
resultados obtidos de uma amostra para toda a população, 
embora a análise seja realizada em um subconjunto menor de 
dados. Isso é alcançado por meio de técnicas como estimação 
intervalar e testes de hipóteses, que fornecem uma base 
estatística sólida para fazer afirmações sobre a população em 
geral. A inferência estatística é crucial quando é inviável ou 
muito dispendioso coletar dados de uma população inteira, 
tornando-a uma ferramenta essencial em pesquisa e análise 
de dados.
No contexto da Bioestatística, esses conceitos 
desempenham um papel fundamental para compreender a 
saúde das comunidades e conduzir estudos de maneira eficaz 
e informada. Vamos explorar esses conceitos com exemplos 
práticos.
INDIVÍDUO: em termos estatísticos, um indivíduo 
representa cada elemento, dentro de uma população, que 
pode ser afetado por uma medida específica ou que pode 
ser identificado de alguma forma. Por exemplo, ao realizar 
um estudo sobre a altura dos estudantes de uma escola, 
cada aluno na escola é um indivíduo. Eles são os membros 
individuais que compõem a população sob investigação.
Exemplo 1 - Estudo de altura de estudantes: imagine 
que você está conduzindo um estudo para entender a altura 
dos estudantes de uma escola. Nesse caso, cada estudante 
na escola é um indivíduo. Você pode medir a altura de cada 
aluno, e cada um deles representa um indivíduo na sua análise 
estatística.
Exemplo 2 - Pesquisa de satisfação do cliente: se você 
trabalha em uma empresa de comércio eletrônico e deseja 
realizar uma pesquisa de satisfação do cliente, os clientes que 
compraram produtos da sua empresa são os indivíduos nesse 
75
N Amostral: o “n amostral” representa o tamanho da 
amostra, ou seja, o número de indivíduos, elementos, ou 
unidades que são selecionados para fazer parte de uma 
amostra em um estudo estatístico. O tamanho da amostra 
é uma parte fundamental da amostragem, pois afeta 
diretamente a precisão e a representatividade das conclusões 
tiradas a partir da amostra. A escolha do tamanho da amostra 
(n amostral) é uma decisão crítica em qualquer pesquisa. 
Se a amostra for muito pequena, os resultados podem não 
ser representativos da população de interesse, levando a 
contexto. Cada cliente é um elemento que pode ser afetado 
pela pesquisa de satisfação. Você pode enviar questionários 
para cada cliente e coletar suas opiniões. Cada cliente 
representa um indivíduo na sua pesquisa.
VARIÁVEL: uma variável é uma característica específica 
que é estudada por interesse em um estudo estatístico. A 
escolha da variável depende dos objetivos da pesquisa. Existem 
diferentes tipos de variáveis:
Qualitativas (Categóricas): essas variáveis representam 
características que podem ser divididas em categorias, 
mas não têm uma ordem específica. Por exemplo, o sexo 
(masculino, feminino) ou a cor dos olhos (azul, castanho).
Qualitativas (Ordinais): essas variáveis também 
representam características que se enquadram em categorias, 
mas têm uma ordem específica. Um exemplo seria a classe 
social (baixa, média, alta) ou o grau de instrução (ensino 
fundamental, médio, superior).
Quantitativas (Discretas): essas variáveis representam 
contagens de itens e são expressas em números inteiros. 
Exemplos incluem o número de filhos, carros ou peças em um 
estoque.
Quantitativas (Contínuas): essas variáveis são mensuradas 
numericamente e podem assumir valores em uma escala 
contínua. Exemplos são a altura de uma pessoa ou a 
temperatura.
FONTE: HTTPS://JOSENALDO.GITHUB.IO/CADERNO-ESTATISTICA/AULAS/AULA-002
76
conclusões imprecisas. Por outro lado, uma amostra muito 
grande pode ser dispendiosa e demorada de coletar e analisar, 
tornando-a excessiva para os objetivos da pesquisa.
Portanto, ao planejar um estudo, os pesquisadores devem 
considerar cuidadosamente o tamanho da amostra necessário 
para alcançar os objetivos da pesquisa com precisão estatística. 
Isso geralmente envolve cálculos estatísticos para determinar 
o tamanho ótimo da amostra com base na margem de erro 
desejada, no nível de confiança e na variabilidade dos dados.
Esses conceitos básicos são essenciais para planejar 
e conduzir estudos em Bioestatística, permitindo que os 
pesquisadores obtenham informações valiosas e tomem 
decisões informadas sobre a saúde das comunidades e muito 
mais.
2. Tipos de amostragens
Amostra: representatividade e tamanho
A amostra desempenha um papel crucial em estudos de 
estatística, sendo fundamental para tirar conclusões sobre uma 
população maior. Ela deve representar a população da melhor 
forma possível, pois a qualidade dos resultados depende disso. 
Um dos princípios importantes a serem considerados é que 
quanto maior for o tamanho da amostra, maior será a precisão 
dos resultados obtidos.
A seleção de uma amostra é influenciada pelos objetivos 
do estudo. Isso significa que a população de interesse pode 
variar dependendo do que se deseja investigar. Por exemplo, 
se você está interessado na opinião dos jovens em relação a 
um produto, sua população seria os jovens, enquanto em um 
estudo sobre a população idosa, a população de interesse seria 
composta por idosos.
Razões para usar amostras:
Questões práticas: coletar dados de toda a população 
pode ser inviável devido ao alto custo, tempo e recursos 
necessários. Portanto, uma amostra é uma alternativa mais 
viável.
População hipotética: em alguns casos, a população 
real não está acessível ou não existe ainda. Por exemplo, ao 
FONTE: HTTPS://SOLVIS.COM.BR/
77
Vantagens e desvantagens da amostragem:
Vantagens: amostrar em vez de estudar toda a 
população permite economizar tempo e recursos, simplificar 
a manipulação de dados e estimar parâmetros populacionais 
desconhecidos, além de ser a única opção viável quando a 
realização de um censo é impraticável.
Desvantagens: o risco de selecionar uma amostra 
inadequada pode levar a conclusões imprecisas. Não existe 
nenhuma técnica estatística que possa compensar uma 
amostra mal coletada.
Portanto, a escolha criteriosa de uma amostra 
representativa, levando em consideração seus objetivos 
e o tamanho adequado, é essencial para obter resultados 
estatisticamente significativos. Um exemplo notável de uma 
amostragem probabilística é o censo de um país, realizado a 
prever o desempenho de um novo produto, a população 
de compradores em potencial é hipotética, uma vez que o 
produto ainda não foi lançado.
Medidas e generalização:
A amostra fornece uma medida numérica que descreve 
alguma característica da população, chamada de parâmetro, 
geralmente representada por letras gregas, como , µ, , 
etc. Um exemplo é a média populacional representada por 
µ. Quando trabalhamos com toda a população, obtemos um 
parâmetro; quando trabalhamos com uma amostra, obtemos 
uma estatística.
É importante notar que, ao generalizar os resultados da 
amostra para a população, pode haver algumas discrepâncias. 
Essas discrepâncias podem ser corrigidas considerando dois 
parâmetros essenciais: a margem de erro (a diferença máxima 
entre os dados observados na amostra e os dados reais da 
população) e o nível de confiança (o grau de certeza de que os 
dados reais estão dentro da margem de erro).
FONTE: HTTPS://WWW.NETQUEST.COM/PT-BR/BLOG/AMOSTRAGEM-PORQUE-FUNCIONA
78
cada 10 anos, enquanto a amostragem não probabilística pode 
ser usada em situações práticas específicas, apesar de seus 
riscos potenciais.
Na Bioestatística, a amostragem desempenha um 
papel crucial na compreensão da saúde da comunidade e na 
realização de estudos de forma eficaz. Dois tipos principais 
de amostragem são a amostragem probabilística e a não 
probabilística. A distinção entre eles está relacionada à 
probabilidade de seleção de elementos da população.
Amostragem probabilística: nesse tipo de amostragem, 
todos os elementos da população têm uma probabilidade 
conhecida, diferente de zero, de serem escolhidos para fazer 
parte da amostra. Isso implica em um sorteio com regras bem 
definidas, geralmente viável quando a população é finita e 
acessível em sua totalidade.
Exemplo: considere um estudo sobre a altura dos 
estudantes de uma escola. Se cada aluno na escola tiver uma 
chance conhecida e igual de ser selecionado, estamos lidando 
com uma amostragem probabilística. Isso é como um sorteio 
lotérico, em que todos têm igual probabilidade de serem 
escolhidos.
Principais técnicas de amostragem probabilística 
incluem:
FONTE: HTTPS://BOOKDOWN.ORG/LUISFCA/DOCS/TIPOS-DE-AMOSTRAGEM.HTML 
79
3. Detalhes dos tipos de 
amostragem
Amostragem casual simples:
A amostragem casual simples, também chamada de 
amostragem aleatória, é um método de seleção de uma 
amostra da população em que todos os elementos da 
população têm uma chance igual de serem escolhidos e todas 
as possíveis amostras têm a mesma probabilidade de ocorrer.
Passos para realizar a amostragem casual simples:
1. Definir a população: primeiro, você precisa definir 
claramente a população da qual deseja obter uma amostra. 
Por exemplo, se você deseja estudar a opinião de todos os 
alunos de uma escola, a população seria o conjunto de todos 
os alunos matriculados.
2. Determinar o tamanho da amostra (n): decida quantos 
elementos você deseja incluir na amostra. Isso depende dos 
seus objetivos de pesquisa e da disponibilidade de recursos.
3. Atribuir um número a cada elemento: para realizar a 
amostragem, atribua um número único a cada elemento da 
população. Isso é comumente feito numerando os elementos 
sequencialmente.
4. Usar um dispositivo aleatório: para escolher os 
elementos da amostra, use um dispositivo ou método aleatório, 
Amostragem não-probabilística: nesse caso, a 
probabilidade de seleção de elementos da população não é 
conhecida ou é zero para alguns elementos. Isso pode ocorrer 
quando a população não é totalmente acessível, ou quando o 
amostrador faz escolhas intencionais.
Exemplo: se em vez de sortear os alunos aleatoriamente 
você escolher apenas os alunos mais acessíveis, como os que 
estão próximos a você, isso se torna uma amostragem não 
probabilística. Esse tipo de amostragem pode ser conveniente, 
mas pode não ser representativo de toda a população da 
escola.
Ambos os tipos de amostragem têm seu lugar na 
pesquisa, mas a amostragem probabilística é geralmente 
recomendada para garantir a representatividade da amostra. 
No entanto, em situações práticas, às vezes, é necessário 
recorrer à amostragem não probabilística devido a limitações 
logísticas ou de acesso à população de interesse.
Outros métodos de amostragem, como amostragem 
sistemática, por conglomerados, estratificada e múltipla, 
também podem ser usados em contextos específicos, 
dependendo das características da população e dos objetivos 
da pesquisa. Esses métodos ajudam a otimizar a coleta de 
dados e a obter informações precisas sobre a população, 
mesmo em amostras menores.
80
A amostragem casual simples é eficaz para obter 
uma amostra representativa, desde que os números sejam 
escolhidos de maneira verdadeiramente aleatória. Ela é 
frequentemente utilizada em pesquisas de opinião, estudos de 
mercado e pesquisas científicas.
Amostragem estratificada:
A amostragem estratificada é um método que envolve 
a divisão da população em subgrupos distintos chamados 
estratos, nos quais se acredita que a variável de interesse 
tenha um comportamento similar. Em seguida, uma amostra 
é coletada aleatoriamente de cada estrato. Isso é feito para 
garantir que todos os estratos sejam representados na amostra 
final. 
como uma tabela de números aleatórios, um software 
de seleção aleatória ou até mesmo um sorteio manual. O 
dispositivo garante que a escolha seja verdadeiramente 
aleatória, sem viés.
5. Selecionar os elementos: usando o dispositivo aleatório, 
selecione aleatoriamente n números da sequência atribuída 
aos elementos. Os elementos correspondentes a esses 
números formarão a sua amostra.
Exemplo:
Imagine que você está conduzindo uma pesquisa de 
satisfação dos clientes em um restaurante. A população 
é composta por todos os clientes que frequentaram o 
restaurante no mês passado. Você decide que deseja 
entrevistar 50 clientes. Aqui estão os passos que você seguiria:
1. Defina a população como todos os clientes que 
frequentaram o restaurante no mês passado.
2. Determine que o tamanho da amostra (n) será de 50 
clientes.
3. Atribua um número único a cada cliente, como um 
número de registro de cliente.
4. Use um software de seleção aleatória para escolher 
aleatoriamente 50 números entre os números de registro dos 
clientes.
5. Os clientes correspondentes aos números selecionados 
formarão a amostra para a pesquisa de satisfação.
FONTE: HTTPS://BOOKDOWN.ORG/LUISFCA/DOCS/TIPOS-DE-AMOSTRAGEM.HTML 
81
Aqui estão os passos:
1. Defina a população como todos os estudantes da 
universidade.
2. Identifique os estratos com base nas faculdades: 
ciências sociais, ciências exatas e ciências humanas.
3. Determine o tamanho da amostra desejada para 
cada estrato, com base na proporção de estudantes em cada 
faculdade.
4. Use métodos de amostragem aleatória para selecionar 
amostras aleatórias de estudantes de cada faculdade.
5. Combine as amostras de cada faculdade para obter 
a amostra final que representa todos os estudantes da 
universidade.
A amostragem estratificada é útil quando há variações 
significativas entre os subgrupos da população e você 
Passos para realizar a amostragem estratificada:
1. Definir a população: primeiro, você define a população 
da qual deseja obter uma amostra.
2. Identificar estratos: divida a população em subgrupos 
ou estratos com base em uma característica específica que 
deseja estratificar. Por exemplo, se você estiver estudando 
estudantes universitários, seus estratos podem ser divididos 
por faculdade (por exemplo, ciências sociais, ciências exatas, 
ciências humanas).
3. Determinar o tamanho da amostra por estrato: defina 
o tamanho da amostra que deseja obter de cada estrato. Isso 
pode ser feito com base na proporção da população que cada 
estrato representa.
4. Selecionar amostras aleatórias em cada estrato: 
usando métodos de amostragem aleatória, selecione amostras 
aleatórias de cada estrato separadamente. Isso garante que 
cada estrato esteja representado na amostra final.
5. Combinar as amostras dos estratos: una as amostras 
coletadas em cada estrato para obter a amostra final.
Exemplo:
Suponha que você deseja realizar uma pesquisa sobre 
o desempenho acadêmico de estudantes universitários. A 
população é composta por estudantes de uma universidade. 
Os estratos são divididos por faculdades, e você deseja obter 
uma amostra representativa de estudantes de cada faculdade. 
FONTE: HTTPS://BOOKDOWN.ORG/LUISFCA/DOCS/TIPOS-DE-AMOSTRAGEM.HTML 
82
pessoas, e você deseja entrevistar 100 delas. Aqui estão os 
passos:
1. Defina a população como todos os residentes da 
cidade.
2. Determine que o tamanho da amostra (n) é de 100 
pessoas.
3. Calcule o intervalo (k): k = 1.000 (tamanho da 
população) / 100 (tamanho da amostra) = 10.
4. Escolha aleatoriamente um número inicial entre 1 e 10, 
por exemplo, 7.
5. Comece a selecionarelementos a cada décimo (k) 
na lista de residentes, começando com o sétimo residente, e 
continue até que você tenha 100 elementos na amostra.
A amostragem sistemática é eficiente quando a 
população está bem organizada e você deseja coletar uma 
amostra representativa sem a necessidade de escolher 
aleatoriamente elementos individuais.
deseja garantir que todos esses subgrupos estejam bem 
representados em sua amostra.
Amostragem sistemática:
A amostragem sistemática é um método que envolve a 
seleção de elementos da população a intervalos regulares. Isso 
significa que os elementos são escolhidos a cada “k” elementos 
na população, onde “k” é um número fixo. 
Passos para realizar a amostragem sistemática:
1. Definir a população: comece definindo a população da 
qual deseja obter uma amostra.
2. Determinar o tamanho da amostra (n): especifique o 
tamanho da amostra que você deseja.
3. Calcular o intervalo (k): calcule o intervalo necessário 
para obter a amostra desejada. O intervalo é encontrado 
dividindo o tamanho da população (N) pelo tamanho da 
amostra (n): k = N / n.
4. Escolher um número inicial aleatório (R): selecione 
aleatoriamente um número entre 1 e “k” como ponto de 
partida.
5. Selecionar os elementos: a partir do número inicial, 
escolha cada “k-ésimo” elemento subsequente na população 
para fazer parte da amostra.
Exemplo:
Suponha que você deseja fazer uma pesquisa de 
mercado em uma cidade com uma população de 1.000 
FONTE: HTTPS://BOOKDOWN.ORG/LUISFCA/DOCS/TIPOS-DE-AMOSTRAGEM.HTML 
83
• p é a estimativa da proporção da população que possui 
a característica que você está estudando. Se você não 
tem uma estimativa, pode usar 0,5, o que assume a 
maior variabilidade.
• E é a margem de erro desejada, que é a diferença 
máxima permitida entre os resultados da amostra e a 
verdadeira proporção na população.
Agora, aqui está um exemplo de passo a passo de como 
calcular o tamanho da amostra:
Suponha que você deseja conduzir uma pesquisa para 
determinar a proporção de pessoas que apoiam uma nova 
política em uma cidade com uma população de 10.000 
habitantes. Você deseja um nível de confiança de 95% e 
uma margem de erro de 3%. Não temos uma estimativa 
da proporção, então usaremos 0,5 para assumir a maior 
variabilidade.
Z para um nível de confiança de 95% é aproximadamente 
1,96.
A fórmula seria:
Resolvendo isso, você encontrará o tamanho da amostra 
necessário para representar a população. Lembre-se de que, 
em alguns casos, o tamanho da população é suficientemente 
4. Cálculo para 
amostragem
O cálculo do tamanho da amostra necessário para 
representar uma população é uma etapa fundamental na 
pesquisa de amostragem. Para calcular o tamanho da amostra, 
você deve considerar vários fatores, incluindo o tamanho da 
população, a margem de erro desejada, o nível de confiança 
e a variabilidade dos dados. Aqui está uma fórmula geral que 
você pode usar:
Onde:
• n é o tamanho da amostra necessário.
• Z é o valor crítico da distribuição normal padrão 
correspondente ao nível de confiança desejado. Por 
exemplo, para um nível de confiança de 95%, o valor de 
Z é aproximadamente 1,96. Você pode encontrar esses 
valores em tabelas estatísticas.
84
Considerações Finais
Por fim, a amostragem desempenha um papel crucial 
na estatística. É vital entender conceitos como estatística 
descritiva e inferência estatística. A primeira concentra-se em 
analisar e descrever dados em uma população ou amostra, 
revelando padrões na distribuição de doenças, sendo essencial 
para a saúde pública. A inferência estatística, por sua vez, aplica 
conceitos estatísticos a uma amostra para tirar conclusões 
sobre toda a população. É fundamental quando coletar dados 
de uma população inteira é inviável.
Indivíduos e variáveis são unidades de observação. 
Indivíduos são elementos estudados, enquanto variáveis 
representam características específicas. A escolha cuidadosa 
de ambos é vital. O tamanho da amostra, denominado “n 
amostral,” é crítico, influenciando a precisão das conclusões. 
Calculá-lo envolve considerar a margem de erro, o nível de 
confiança e a variabilidade dos dados.
Há dois tipos principais de amostragem: probabilística 
e não-probabilística. A probabilística é recomendada para 
representatividade. A amostragem aleatória simples, 
sistemática, por conglomerados, estratificada e múltipla são 
técnicas. A não-probabilística é usada em circunstâncias 
práticas específicas, mas com potencial de viés.
Em resumo, escolher uma amostra criteriosamente é 
essencial para obter resultados significativos. A bioestatística 
usa esses princípios para entender a saúde das comunidades 
grande (geralmente mais de 100.000) e que o tamanho da 
amostra não é significativamente afetado por comparação. 
Se esse for o caso, você pode considerar a população como 
infinita ao calcular o tamanho da amostra.
85
Referências
BUSSAB, W.; BOLFARINE, H. Elementos de amostragem. 
São Paulo: Edgar Blucher, 2005.
DE OLIVEIRA FILHO, Petrônio Fagundes. Epidemiologia 
e Bioestatística–Fundamentos para a leitura crítica. Editora 
Rubio, 2015.
GLANTZ, Stanton A. Princípios de bioestatística. AMGH 
Editora, 2014.
MARTINEZ, Edson Zangiacomi. Bioestatística para os 
cursos de graduação da área da saúde. 1. ed. São Paulo: 
Blucher, 2012. E-book. Disponível em: https://plataforma.
bvirtual.com.br. 
e conduzir estudos eficazes. Portanto, pesquisadores devem 
compreender esses conceitos para obter resultados confiáveis 
e representativos.
86
UNIDADE DE
APRENDIZAGEM
MEDIDAS DE TENDÊNCIA CENTRAL
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 7
87
Para Início de Conversa
A análise estatística desempenha um papel crítico na 
área da biomedicina, fornecendo ferramentas essenciais para 
entender e interpretar dados clínicos e de pesquisa. Entre 
as medidas estatísticas mais fundamentais utilizadas nesse 
campo, destacam-se a média, mediana, moda, variância e 
desvio padrão. A média aritmética é amplamente empregada 
para calcular valores médios de observações, como idades, 
níveis de biomarcadores ou pressão arterial, fornecendo uma 
representação numérica central dos dados. A mediana, por 
sua vez, ajuda a identificar um valor “típico” em conjuntos de 
observações, sendo particularmente útil quando os dados 
estão sujeitos a valores extremos. A moda é empregada 
para encontrar os valores mais frequentes em um conjunto 
de dados, enquanto a variância e o desvio padrão medem 
a dispersão e variabilidade dos dados. Essas medidas são 
essenciais para avaliar a consistência e o grau de variação em 
parâmetros clínicos e biomédicos. Em estudos biomédicos, 
a escolha entre essas medidas depende do objetivo da 
análise e das características dos dados, garantindo uma 
compreensão mais completa das informações e auxiliando 
na tomada de decisões clínicas embasadas em evidências. 
Portanto, a aplicação criteriosa desses conceitos estatísticos 
desempenha um papel crucial na interpretação e no avanço 
do conhecimento na área da biomedicina.
Objetivo de Aprendizagem 
do Capítulo
• Compreender a importância da tabulação de dados na 
organização e apresentação de informações.
• Dominar as medidas de tendência central, como 
média, moda e mediana, e sua aplicação na área da 
Biomedicina.
• Aprender a calcular e interpretar a frequência 
absoluta, relativa, amplitude, variância e desvio padrão 
em contextos biomédicos.
• Adquirir habilidades para analisar e interpretar 
resultados clínicos e de pesquisa com base nas 
medidas apresentadas.
88
1. Medidas de tendência 
central: média, moda e 
mediana
Frequências são medidas estatísticas usadas para 
descrever a ocorrência e a distribuição de valores em um 
conjunto de dados. Elas desempenham um papel fundamental 
na análise estatística e são amplamente utilizadas na área 
da Biomedicina para resumir informações relevantes sobre 
pacientes, condições desaúde, resultados de exames e estudos 
de pesquisa.
Frequência Absoluta (f):
A frequência absoluta é o número de vezes que um dado 
específico ocorre em um conjunto de dados. Em Biomedicina, 
isso pode ser usado para contar o número de pacientes com 
uma determinada condição em uma amostra.
Exemplo: em um estudo de pesquisa, você coleta dados 
sobre o número de pacientes com diferentes tipos de câncer 
em um hospital. Você encontra 20 pacientes com câncer de 
mama e 15 com câncer de pulmão. Portanto, a frequência 
absoluta de câncer de mama é 20 (f = 20) e a frequência 
absoluta de câncer de pulmão é 15 (f = 15).
Frequência Relativa (fr):
A frequência relativa é a proporção da frequência 
absoluta de um dado em relação ao número total de 
elementos na população. É frequentemente expressa como 
uma porcentagem.
Exemplo: no mesmo estudo, se o número total de 
pacientes for 100, a frequência relativa de câncer de mama 
é 20/100 = 0,20 (ou 20%) e a frequência relativa de câncer de 
pulmão é 15/100 = 0,15 (ou 15%).
Frequência Absoluta Acumulada (fa):
A frequência absoluta acumulada até um determinado 
dado em uma distribuição de frequência é a soma das 
frequências absolutas desse dado com as dos dados anteriores. 
Isso ajuda a calcular a distribuição acumulada.
Exemplo: se tivermos uma distribuição de frequência 
de idades em um estudo populacional e quisermos calcular 
a frequência absoluta acumulada até a idade de 40 anos, 
somaríamos todas as frequências absolutas das idades 
menores ou iguais a 40.
Frequência Relativa Acumulada (fra):
A frequência relativa acumulada de um dado é a razão 
entre a frequência absoluta acumulada até esse dado e a 
frequência absoluta acumulada do total de dados. Isso ajuda a 
determinar a proporção acumulada de dados.
Exemplo: se tivermos a distribuição acumulada de idades 
mencionada anteriormente e quisermos calcular a frequência 
relativa acumulada até a idade de 40 anos, dividimos a 
89
Média aritmética:
A média aritmética é uma medida de centralidade 
amplamente utilizada na área de Biomedicina para resumir 
dados numéricos e calcular um valor médio representativo. Ela 
é especialmente útil para calcular valores médios de resultados 
de testes, medições ou amostras de pacientes.
Fórmula da média aritmética: a fórmula para calcular a 
média aritmética é a seguinte:
Média = Soma dos Números / Quantidade de Números
frequência absoluta acumulada até 40 anos pela frequência 
absoluta acumulada total.
Amplitude (A):
A amplitude é uma medida de variabilidade que 
representa a diferença entre o valor mais alto e o valor mais 
baixo em uma série de dados. Isso pode ser útil para avaliar 
a variação em parâmetros biomédicos, como pressão arterial 
sistólica em um grupo de pacientes.
Exemplo: se você medir a pressão arterial sistólica de 50 
pacientes e o valor máximo for 150 mmHg e o valor mínimo for 
110 mmHg, a amplitude é A = 150 - 110 = 40 mmHg.
FONTE: O AUTOR
90
Ou
Média = Xi / N
Onde:
“Média” é o valor médio desejado.
“ Xi” representa a soma de todos os valores individuais 
no conjunto de dados.
“N” é o número total de observações ou valores no 
conjunto de dados.
Essa fórmula é amplamente utilizada na estatística e na 
análise de dados para calcular um valor médio representativo 
de um conjunto de observações. Na área da Biomedicina, 
por exemplo, a média é frequentemente usada para calcular 
valores médios de resultados de testes, medições de pacientes 
e em estudos clínicos para resumir dados numéricos.
Exemplo 1 - Média de idade de um grupo de pacientes: 
imagine que você esteja conduzindo um estudo clínico e tenha 
a idade de 10 pacientes:
Idade dos pacientes: 30, 35, 40, 45, 50, 55, 60, 65, 70, 75
Para calcular a média de idade desse grupo de pacientes, 
você soma todos os valores e divide pelo número de pacientes:
Média de idade = (30 + 35 + 40 + 45 + 50 + 55 + 60 + 65 + 70 
+ 75) / 10 Média de idade = 545 / 10 Média de idade = 54,5 anos
Portanto, a média de idade desses pacientes é de 54,5 
anos.
Exemplo 2 - Média de níveis de colesterol no sangue: 
suponha que você esteja medindo os níveis de colesterol no 
sangue de um grupo de 20 pacientes:
Níveis de colesterol (mg/dL): 180, 190, 200, 210, 220, 230, 
240, 250, 260, 270, 280, 290, 300, 310, 320, 330, 340, 350, 360, 370
Para calcular a média dos níveis de colesterol no sangue, 
você soma todos os valores e divide pelo número de pacientes:
Média de colesterol = (180 + 190 + 200 + 210 + 220 + 230 + 
240 + 250 + 260 + 270 + 280 + 290 + 300 + 310 + 320 + 330 + 340 
+ 350 + 360 + 370) / 20 Média de colesterol = 6.450 / 20 Média de 
colesterol = 322,5 mg/dL
Portanto, a média dos níveis de colesterol no sangue 
desses pacientes é de 322,5 mg/dL.
Moda (mo):
A moda é o valor que ocorre com maior frequência em 
um conjunto de dados. Em Biomedicina, isso pode ser usado 
para identificar o valor mais comum em um conjunto de 
resultados de exames.
Exemplo: se você coletar dados de temperatura corporal 
de 100 pacientes e a temperatura mais comum for 37°C, então 
a moda é 37°C.
Mediana:
A mediana é o valor que ocupa a posição central em 
um conjunto de dados quando os dados são organizados 
em ordem crescente ou decrescente. Ela é uma medida de 
91
35, 42, 50, 56, 62.
2. Como o número de observações é ímpar (n = 5), a 
posição da mediana é a observação do meio, que é a terceira 
observação.
3. Portanto, a mediana é 50 anos.
Neste caso, a mediana é o valor que divide o conjunto de 
idades em duas metades.
tendência central que ajuda a encontrar um valor “típico” no 
conjunto de observações biomédicas.
• Quando o número de observações (n) é ímpar, a 
posição da mediana é o valor que divide o conjunto 
em duas metades. A fórmula para encontrar a posição 
da mediana é (n + 1) / 2, onde “n” é o número de 
observações. O valor na posição calculada é a mediana.
• Quando o número de observações (n) é par, a mediana 
é a média dos valores nas posições (n / 2) e (n / 2) + 1 
após a ordenação dos dados. Isso ocorre porque não 
há um valor do meio único quando o número de 
observações é par.
A mediana é útil quando se deseja encontrar um valor 
que represente o centro do conjunto de dados, e é menos 
sensível a valores extremos do que a média.
Esses conceitos são importantes na análise estatística e 
na interpretação de dados biomédicos, pois ajudam a entender 
a distribuição dos valores em um conjunto de observações.
Exemplo 1: Mediana para um número ímpar de 
observações (n = 5)
Suponha que você tenha as seguintes idades de 
pacientes em um estudo clínico:
Idades: 35, 42, 50, 56, 62
Para encontrar a mediana, siga estes passos:
1. Ordene os dados em ordem crescente ou decrescente: FONTE: HTTPS://WWW.EDUCAMAISBRASIL.COM.BR/ENEM/MATEMATICA/MEDIA-
MODA-E-MEDIANA
92
2. Medidas de posição: 
variância e desvio padrão
Variância (VAR): a variância é uma medida que nos ajuda 
a entender o quão espalhados ou próximos os valores de 
um conjunto de dados estão em relação à média. Em outras 
palavras, ela nos diz o quão “agrupados” ou “espalhados” os 
dados estão em torno da média.
A fórmula da variância pode ser dividida em etapas 
simples:
1. Calcule a média dos valores no conjunto. Isso é 
feito somando todos os valores e dividindo pelo número de 
observações. A média é representada como “X̄” (pronuncia-se 
“X-barra”).
2. Subtraia cada valor individual da média (X - X̄). Essa 
etapa nos diz o quanto cada valor se afasta da média.
3. Eleve ao quadrado o resultado obtido na etapa anterior. 
Isso é feito para evitar que os desvios negativos e positivos se 
anulem. (X - X̄)²
4. Some todos esses quadrados.
5. Finalmente, divida a soma dos quadrados pelo número 
de observações (N). O resultado é a variância.
Exemplo 2: Mediana para um número par de observações 
(n = 6)
Agora, suponha que você tenha as seguintes idades de 
pacientes:
Idades: 30, 40, 45, 55, 60, 70
Paraencontrar a mediana com um número par de 
observações, siga estes passos:
1. Ordene os dados em ordem crescente ou decrescente: 
30, 40, 45, 55, 60, 70
2. Como o número de observações é par (n = 6), a 
mediana será a média das duas observações do meio, que são 
a terceira e a quarta observações.
3. Portanto, a mediana é (45 + 55) / 2 = 50 anos.
Neste caso, a mediana é calculada como a média das 
duas idades do meio, 45 e 55, o que representa o valor central 
do conjunto de idades.
93
1. Paciente 1: 120 mg/dL
2. Paciente 2: 130 mg/dL
3. Paciente 3: 110 mg/dL
4. Paciente 4: 125 mg/dL
5. Paciente 5: 135 mg/dL
Primeiro, vamos calcular a média desses valores:
Média (X̄) = (120 + 130 + 110 + 125 + 135) / 5 = 620 / 5 = 124 
mg/dL
Agora, vamos calcular a variância usando a fórmula:
Variância (VAR) = (X - X̄)² / N
onde:
• X é cada valor individual.
• X̄ é a média que calculamos (124 mg/dL).
• representa a soma.
• N é o número de observações (5 pacientes).
• Agora, calculamos a diferença entre cada valor e a 
média, elevamos ao quadrado e somamos todos os 
quadrados:
VAR = [(120 - 124)² + (130 - 124)² + (110 - 124)² + (125 - 124)² + 
(135 - 124)²] / 5 VAR = [(-4)² + (6)² + (-14)² + (1)² + (11)²] / 5 VAR = (16 
+ 36 + 196 + 1 + 121) / 5 VAR = 370 / 5 VAR = 74 mg/dL²
Portanto, a variância dos níveis de glicose no sangue 
desses pacientes é de 74 mg/dL². Isso nos diz o quão dispersos 
estão os valores em relação à média, indicando uma variação 
considerável nos níveis de glicose entre esses pacientes.
Em termos simples, a variância mede o quão longe os 
valores estão da média, considerando o valor absoluto dessas 
distâncias e depois fazendo uma média ponderada. Quanto 
maior a variância, mais dispersos estão os valores em relação à 
média, e quanto menor, mais próximos eles estão. A variância 
é uma ferramenta útil para entender a consistência ou a 
dispersão dos dados, o que é valioso em análises estatísticas 
em Biomedicina e outras áreas.
Vamos considerar um exemplo de cálculo de variância na 
área de Biomedicina.
Suponha que você está conduzindo um estudo para 
medir os níveis de glicose no sangue em um grupo de 5 
pacientes:
FONTE: O AUTOR.
94
permitindo a comparação da homogeneidade entre diferentes 
grupos de dados, como ilustrado no exemplo. Essas medidas 
estatísticas são úteis para avaliar a consistência e a dispersão 
dos resultados em contextos biomédicos.
Suponha que um pesquisador esteja realizando um 
estudo sobre os níveis de colesterol em duas amostras 
diferentes de pacientes, A e B. Ele coletou dados sobre os níveis 
de colesterol de 10 pacientes em cada grupo e deseja calcular o 
desvio padrão para avaliar a dispersão dos dados.
Amostra A (em mg/dL): 98, 112, 120, 105, 130, 118, 100, 112, 125, 
108
Amostra B (em mg/dL): 145, 132, 128, 138, 152, 140, 125, 130, 
135, 142
Desvio padrão (S ou ): o desvio padrão é uma medida 
que quantifica o grau de dispersão dos dados em relação à 
média. Ele corresponde à raiz quadrada positiva da variância. O 
desvio padrão é uma ferramenta valiosa, uma vez que fornece 
uma medida da dispersão dos dados na mesma unidade das 
observações originais.
Fórmula do desvio padrão: o desvio padrão (S ou ) é 
calculado a partir da variância, como segue: Desvio Padrão (S 
ou ) = √Variância
Exemplo de utilização do Desvio Padrão na área de 
Biomedicina: vamos supor que temos um conjunto de dados 
representando os níveis de glicose no sangue de 5 pacientes, 
com uma variância de 2. Podemos calcular o desvio padrão 
da seguinte forma: Desvio padrão (S) = √2 ≈ 1,41 O desvio 
padrão dos níveis de glicose no sangue desses pacientes é 
aproximadamente 1,41.
O desvio padrão desempenha um papel crucial na área 
de Biomedicina, pois auxilia na compreensão da dispersão ou 
consistência dos dados de medições clínicas ou experimentais. 
Quanto maior for o desvio padrão, maior será a variabilidade 
nos resultados, o que pode ter implicações significativas 
na interpretação clínica e na tomada de decisões médicas. 
Além disso, o coeficiente de variação (CV) é frequentemente 
mencionado como uma medida de variabilidade relativa, 
FONTE: HTTPS://BLOG.PROFFERNANDAMACIEL.COM.BR/DESVIO_ERRO_PADRAO/ 
95
colesterol em cada grupo de pacientes. Um desvio padrão 
maior na amostra B sugere uma maior variabilidade nos 
níveis de colesterol em comparação com a amostra A. Isso 
pode ser importante na interpretação de resultados clínicos 
ou na escolha de tratamentos específicos para cada grupo de 
pacientes.
Primeiro, vamos calcular o desvio padrão para a amostra 
A:
1. Calcular a média (μ) da amostra A: (98 + 112 + 120 + 105 + 
130 + 118 + 100 + 112 + 125 + 108) / 10 = 110.8
2. Calcular a diferença entre cada valor da amostra A e a 
média, elevar ao quadrado e somar todos os resultados: [(98 - 
110.8)² + (112 - 110.8)² + (120 - 110.8)² + (105 - 110.8)² + (130 - 110.8)² 
+ (118 - 110.8)² + (100 - 110.8)² + (112 - 110.8)² + (125 - 110.8)² + (108 - 
110.8)²] = 809.6
3. Dividir a soma do passo 2 pelo número de observações 
menos 1 (no caso, 10 - 1 = 9) para calcular a variância: Variância ( 
²) = 809.6 / 9 ≈ 89.96
4. Finalmente, calcular o desvio padrão ( ) como a raiz 
quadrada positiva da variância: Desvio padrão ( ) = √89.96 ≈ 
9.49
Agora, faremos o mesmo cálculo para a amostra B:
1. Calcular a média (μ) da amostra B: (145 + 132 + 128 + 138 
+ 152 + 140 + 125 + 130 + 135 + 142) / 10 = 137.7
2. Calcular a variância da amostra B: variância ( ²) = 150.5
3. Calcular o desvio padrão da amostra B: desvio padrão ( 
)= √150.5 ≈ 12.27
Agora, temos os desvios padrão para as amostras A e B:
• Desvio Padrão da Amostra A ( ) ≈ 9.49 mg/dL
• Desvio Padrão da Amostra B ( ) ≈ 12.27 mg/dL
Esses valores indicam o grau de dispersão dos níveis de 
96
• Coeficiente de variação: é uma medida relativa que 
compara o desvio padrão com a média. É útil para 
comparar a variabilidade entre diferentes conjuntos 
de dados, especialmente quando as médias são 
diferentes.
Em conclusão, essas medidas estatísticas desempenham 
papéis cruciais na análise de dados em diversas áreas, 
incluindo a biomedicina. Elas ajudam a entender a distribuição, 
a tendência central, a variabilidade e a homogeneidade dos 
dados. A escolha da medida apropriada depende do tipo de 
dados e dos objetivos da análise. Essas ferramentas estatísticas 
desempenham um papel fundamental na tomada de 
decisões informadas, na pesquisa científica e na prática clínica, 
permitindo uma compreensão mais profunda e precisa dos 
fenômenos estudados.
Considerações Finais
Média, mediana, moda, variância, desvio padrão e 
coeficiente de variação são medidas estatísticas fundamentais 
na análise de dados. Cada uma delas desempenha um papel 
específico na caracterização e interpretação de conjuntos de 
dados:
• Média: é a média aritmética dos valores em um 
conjunto de dados e fornece um ponto central de 
referência. É amplamente utilizada na avaliação de 
tendências centrais.
• Mediana: é o valor que se encontra no centro de um 
conjunto de dados quando eles são organizados 
em ordem crescente. Ela é menos sensível a valores 
extremos, tornando-a útil em situações em que a 
distribuição dos dados não é simétrica.
• Moda: refere-se ao valor mais frequente em um 
conjunto de dados. A moda é especialmente útil 
em dados categóricos e pode indicar picos em 
distribuições de dados.
• Variância: mede a dispersão dos dados em relação 
à média, calculando a média dos quadrados das 
diferenças entre cada valor e a média. Uma variância 
maior indica maior dispersão.
• Desvio padrão: é a raiz quadrada da variância e 
expressa a dispersão dos dados na mesma unidade 
das observações originais. É uma medida comum para 
avaliar a consistência ou a variabilidade dos dados.
97
Referências
DE OLIVEIRA FILHO, Petrônio Fagundes. Epidemiologia 
e Bioestatística–Fundamentos para a leituracrítica. Editora 
Rubio, 2015.
GLANTZ, Stanton A. Princípios de bioestatística. AMGH 
Editora, 2014.
MARTINEZ, Edson Zangiacomi. Bioestatística para os 
cursos de graduação da área da saúde. 1. ed. São Paulo: 
Blucher, 2012. E-book. Disponível em: https://plataforma.
bvirtual.com.br. 
98
UNIDADE DE
APRENDIZAGEM
TABULAÇÃO DOS DADOS, INFERÊNCIA 
ESTATÍSTICA E DISTRIBUIÇÃO DOS 
DADOS
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 8
99
Para Início de Conversa
A análise de dados desempenha um papel crítico na 
área da Biomedicina, ajudando a extrair informações valiosas 
para a pesquisa médica e prática clínica. Este capítulo aborda 
conceitos-chave de tabulação de dados, inferência estatística 
e distribuição dos dados, fundamentais para entender e 
interpretar informações biomédicas. Você explorará como 
organizar dados, realizar inferências a partir de amostras e 
compreender as características das distribuições de dados. 
Essas habilidades são fundamentais para pesquisadores, 
profissionais de saúde e tomadores de decisões, permitindo 
uma abordagem mais informada e eficaz na Biomedicina.
Objetivo de Aprendizagem 
do Capítulo
• Compreender a importância da tabulação de dados na 
organização de informações biomédicas.
• Dominar conceitos-chave de inferência estatística e 
sua aplicação em pesquisa médica.
• Identificar e caracterizar várias distribuições de dados 
relevantes na Biomedicina e compreender seu papel 
na análise estatística de informações clínicas.
100
1. Tabulação dos dados 
coletados
A tabulação de dados coletados é uma etapa crucial 
na análise de informações em diversas áreas, incluindo a 
Biomedicina. Ela envolve a organização sistemática de dados 
brutos em tabelas, gráficos ou outros formatos, tornando as 
informações mais acessíveis e fáceis de entender. Essa prática 
desempenha um papel vital na simplificação da interpretação 
e comunicação dos dados.
Ao tabular os dados, é possível categorizá-los e agrupá-
los de acordo com características relevantes, como idade, sexo, 
diagnóstico médico, ou qualquer outro critério de interesse. 
Isso permite a criação de resumos estatísticos que destacam 
tendências, padrões e diferenças significativas nos dados. A 
tabulação também é útil para calcular medidas de tendência 
central, como a média, moda e mediana, que fornecem uma 
visão geral da distribuição dos dados.
Além disso, os gráficos gerados a partir da tabulação 
podem oferecer representações visuais claras dos dados, 
facilitando a identificação de tendências, anomalias ou insights 
importantes. A tabulação de dados coletados é uma prática 
essencial na pesquisa biomédica, auxiliando na tomada de 
decisões clínicas informadas, na elaboração de relatórios e 
na comunicação eficaz dos resultados para profissionais de 
saúde, pesquisadores e tomadores de decisões. Portanto, 
compreender e dominar essa técnica é fundamental para o 
sucesso na área da Biomedicina.
Tabelas são representações organizadas de dados em 
filas e colunas, geralmente em formato retangular. Elas 
são amplamente utilizadas na pesquisa, análise de dados, 
relatórios e comunicação de informações. As tabelas são uma 
forma eficaz de apresentar dados de maneira estruturada e 
legível, permitindo que as informações sejam visualmente 
organizadas e compreendidas. Aqui está a importância das 
tabelas:
1. Organização de dados: as tabelas ajudam a organizar 
grandes quantidades de dados de maneira sistemática, 
tornando mais fácil encontrar, comparar e interpretar 
informações relevantes.
2. Compreensão visual: as informações dispostas em 
tabelas são visualmente claras e podem ser facilmente 
compreendidas. As filas e colunas fornecem uma estrutura que 
facilita a leitura e a interpretação dos dados.
3. Comparação de dados: tabelas permitem comparar 
dados lado a lado, o que é útil para identificar tendências, 
padrões, diferenças e semelhanças entre diferentes conjuntos 
de dados.
101
Tabela simples: suponha que estamos coletando dados 
de um estudo clínico sobre a pressão arterial sistólica (PAS) de 
um grupo de pacientes. Aqui está uma tabela simples com 
dados fictícios:
Legenda: essa tabela apresenta informações de cinco pacientes, 
incluindo idade, sexo e pressão arterial sistólica (PAS) em milímetros 
de mercúrio (mmHg). Os pacientes são identificados como Paciente 1, 
Paciente 2, Paciente 3, Paciente 4 e Paciente 5. Os dados são fictícios 
e fornecem uma visão geral das variáveis biomédicas relacionadas à 
pressão arterial em uma amostra de pacientes.
Nesta tabela simples, estamos registrando informações 
de cada paciente, incluindo idade, sexo e a pressão arterial 
sistólica (PAS) medida em milímetros de mercúrio (mmHg). 
Cada linha representa um paciente, e cada coluna contém um 
tipo de dado.
Tabela composta: agora, vamos criar uma tabela 
composta, que relaciona os resultados da pressão arterial 
sistólica com os resultados de um exame de colesterol em um 
grupo de pacientes:
4. Apresentação eficiente: em relatórios, artigos 
científicos, apresentações e documentos, as tabelas permitem 
apresentar dados de forma concisa e eficiente, economizando 
espaço e reduzindo a redundância de informações.
5. Tomada de decisão: em muitos campos, como 
negócios, ciência e medicina, as tabelas desempenham um 
papel fundamental na tomada de decisões. Elas ajudam os 
profissionais a basearem suas decisões em dados objetivos.
6. Análise estatística: tabelas são uma ferramenta 
essencial na análise estatística, permitindo calcular medidas de 
tendência central, variabilidade e correlações entre variáveis.
7. Visualização de relações: em tabelas compostas, é 
possível representar relações complexas entre diferentes 
variáveis, o que pode ser valioso para análises mais avançadas.
No contexto da pesquisa biomédica, por exemplo, 
as tabelas são frequentemente usadas para apresentar 
resultados de estudos clínicos, dados de pacientes, resultados 
de exames, e muito mais. Elas ajudam os profissionais de 
saúde a avaliarem eficácia de tratamentos, identificar padrões 
epidemiológicos e comunicar descobertas importantes. Em 
resumo, as tabelas desempenham um papel essencial na 
organização, análise e comunicação de informações, tornando-
as uma ferramenta indispensável em diversos campos.
102
Legenda: essa tabela apresenta informações de cinco pacientes, 
incluindo idade, sexo, pressão arterial sistólica (PAS) em milímetros de 
mercúrio (mmHg) e níveis de colesterol em miligramas por decilitro (mg/
dL). Os pacientes são identificados como Paciente 1, Paciente 2, Paciente 
3, Paciente 4 e Paciente 5. Os dados são fictícios e fornecem uma visão 
geral de variáveis biomédicas em uma amostra de pacientes.
Nessa tabela composta, adicionamos uma coluna extra 
para “Colesterol (mg/dL)” e registramos os níveis de colesterol 
de cada paciente. Agora, estamos relacionando duas variáveis 
diferentes (PAS e colesterol) na mesma tabela, o que pode ser 
útil para analisar possíveis correlações entre esses fatores na 
área da Biomedicina.
Tabelas compostas são valiosas quando se deseja 
comparar múltiplas variáveis em um único conjunto de dados, 
permitindo uma análise mais abrangente e facilitando a 
identificação de padrões ou tendências.
A inclusão de uma legenda para tabelas é uma prática 
importante em relatórios, documentos e apresentações. A 
legenda tem a finalidade de fornecer informações adicionais e 
contextualizar a tabela para os leitores. Aqui está a importância 
de se utilizar uma legenda:
1. Identificação rápida: a legenda permite aos leitores 
identificar prontamente o conteúdo da tabela, economizando 
tempo na busca de informações relevantes.
2. Explicação de títulos: ela pode incluir explicações 
adicionais sobre os títulos das colunas, abreviações ou 
qualquer outra terminologia especial usada na tabela.
3. Contextualização: a legenda contextualiza a tabela, 
fornecendo informações sobrea fonte dos dados, a data da 
coleta, o contexto do estudo e qualquer outra informação 
relevante que possa ajudar na interpretação dos dados.
Outros tipos de tabelas:
Tabela de frequência: uma tabela de frequência é uma 
tabela estatística que resume a distribuição de valores em 
uma única variável. Ela lista os valores únicos (ou grupos de 
valores) dessa variável e indica com que frequência cada valor 
ocorre. As tabelas de frequência são comumente usadas para 
variáveis categóricas, como cores, categorias de produtos, 
tipos de sangue, e assim por diante. Elas ajudam a visualizar 
a distribuição da variável e podem incluir informações como 
frequência absoluta (o número de vezes que um valor ocorre) 
e frequência relativa (a proporção em relação ao total de 
observações).
103
1. Gráfico de barras:
• Representa dados por meio de barras verticais ou 
horizontais, em que o comprimento ou altura das 
barras representa a quantidade ou frequência de uma 
variável.
• Pode ser usado para comparar categorias ou grupos de 
dados.
• 2. Gráfico de linha:
• Conecta pontos de dados com linhas, mostrando a 
evolução ou tendência de uma variável ao longo do 
tempo.
• É útil para exibir mudanças contínuas ou sequenciais 
em dados.
• 3. Gráfico de pizza (ou gráfico de setor):
• Divide um círculo em segmentos que representam a 
proporção de cada categoria em relação ao todo.
• Adequado para mostrar a composição de um todo em 
termos percentuais.
• 4. Gráfico de dispersão:
• Representa pares de valores em um plano cartesiano, 
mostrando como uma variável depende da outra.
• É usado para identificar relações e padrões entre duas 
variáveis.
• 5. Histograma:
• Apresenta a distribuição de frequência de uma variável 
Tabela de contingência: uma tabela de contingência 
é usada para resumir a relação entre duas ou mais variáveis 
categóricas. Ela mostra como as categorias de uma variável 
estão relacionadas às categorias de outra variável. Por exemplo, 
em um estudo médico, você pode criar uma tabela de 
contingência para analisar como o gênero dos pacientes se 
relaciona com a eficácia de dois tratamentos diferentes. Isso 
ajuda a identificar associações, dependências ou diferenças 
nas frequências de categorias entre as variáveis.
Tabela descritiva: uma tabela descritiva é uma tabela que 
fornece uma visão geral ou resumo de dados. Ela pode incluir 
várias informações, como medidas resumo (média, mediana, 
desvio padrão), percentis, valores mínimos e máximos, 
contagens, e outras estatísticas descritivas relevantes. As 
tabelas descritivas são comumente usadas para apresentar 
características-chave dos dados, tornando mais fácil para os 
leitores entenderem as principais tendências e características 
dos dados.
Gráficos são representações visuais de dados que 
facilitam a compreensão e interpretação de informações 
de maneira mais acessível e eficaz. Eles desempenham um 
papel importante na comunicação de dados complexos e na 
identificação de padrões, tendências e relações entre variáveis. 
Existem vários tipos diferentes de gráficos, e aqui está um 
resumo dos principais:
104
• 10. Gráfico de Mapa de Calor:
• Representa dados em uma matriz de cores, 
destacando variações e tendências em uma matriz de 
valores.
• É frequentemente usado em análises espaciais e em 
visualização de dados geográficos.
A escolha do tipo de gráfico depende do tipo de dados 
que você deseja apresentar e da mensagem que deseja 
comunicar. Cada tipo de gráfico tem suas próprias vantagens 
e é adequado para cenários específicos, portanto, é importante 
selecionar o gráfico mais apropriado para os seus objetivos de 
representação visual de dados.
contínua por meio de barras verticais adjacentes.
• Permite visualizar a forma da distribuição dos dados.
• 6. Gráfico de radar:
• Apresenta diversas variáveis em um gráfico circular, 
mostrando como elas se comparam em relação a um 
ponto central.
• É útil para comparar o desempenho de múltiplas 
categorias em várias dimensões.
• 7. Gráfico de caixa (ou Box Plot):
• Mostra a distribuição e a dispersão dos dados, 
incluindo os quartis, valores extremos e possíveis 
outliers.
• É usado para identificar a variação e a simetria dos 
dados.
• 8. Gráfico de Gantt:
• Utilizado em gerenciamento de projetos para mostrar 
a programação de atividades ao longo do tempo.
• Ajuda a visualizar o cronograma de tarefas e suas 
interações.
• 9. Gráfico de Área:
• Semelhante ao gráfico de linha, preenche a área 
abaixo da linha com cor, mostrando a evolução 
cumulativa de uma variável ao longo do tempo.
• É útil para destacar a contribuição de diferentes 
categorias para um todo.
FONTE: //GENIODAMATEMATICA.COM.BR/
105
3. Teste de hipóteses: na Biomedicina, muitas vezes 
é necessário realizar testes de hipóteses estatísticas para 
determinar se as diferenças ou relações observadas na amostra 
são estatisticamente significativas. Isso ajuda a decidir se 
os resultados são realmente significativos ou se podem ter 
ocorrido devido ao acaso.
4. Validação e confirmação: a inferência estatística 
permite aos pesquisadores validarem suas descobertas, 
garantindo que seus resultados não sejam meras coincidências 
ou erros. Por meio da análise estatística, é possível avaliar a 
robustez das conclusões e a confiabilidade dos resultados.
5. Predição e tomada de decisões: com base nas 
conclusões obtidas por meio da inferência estatística, os 
profissionais da Biomedicina podem tomar decisões clínicas 
ou realizar previsões sobre a saúde, tratamento e prognóstico 
dos pacientes. Isso é particularmente importante na pesquisa 
médica e no desenvolvimento de tratamentos.
6. Controle de variáveis de confusão: a inferência 
estatística também é usada para controlar variáveis de 
confusão que podem afetar os resultados. Isso envolve a 
análise de covariáveis para garantir que os resultados sejam 
corrigidos para fatores que possam influenciar as conclusões.
Em resumo, a inferência estatística na Biomedicina 
desempenha um papel crítico na interpretação de dados 
de pesquisa, na validação de descobertas e na tomada de 
2. Inferência estatística
A inferência estatística na Biomedicina é uma ferramenta 
fundamental que ajuda os profissionais da área a fazerem 
julgamentos e tomar decisões com base em dados amostrais. 
Ela envolve a aplicação de técnicas estatísticas para tirar 
conclusões sobre uma população maior com base em 
informações coletadas de uma amostra menor, uma vez que 
muitas vezes é inviável ou impraticável estudar a população 
inteira de interesse.
Aqui estão alguns pontos-chave sobre a inferência 
estatística na Biomedicina:
1. Amostragem: para realizar uma análise estatística 
em Biomedicina, é comum coletar dados de uma amostra 
representativa da população de interesse. Essa amostra 
deve ser cuidadosamente selecionada para garantir que 
seja representativa e imparcial, o que envolve técnicas de 
amostragem apropriadas.
2. Estimação: após a coleta de dados da amostra, 
os pesquisadores podem calcular estatísticas descritivas, 
como médias, desvios padrão e intervalos de confiança, que 
fornecem estimativas dos parâmetros da população, como 
a média, a variância e outros valores de interesse. Essas 
estimativas permitem extrapolar conclusões sobre a população 
total.
106
ser a estimativa ao se extrapolar da amostra para a população 
total. A margem de erro é expressa geralmente como um 
intervalo em torno da estimativa.
Exemplo:
Vamos considerar um exemplo de uma pesquisa de 
opinião pública. Suponhamos que uma empresa de pesquisa 
deseja estimar a proporção de eleitores que apoiam um 
determinado candidato nas eleições. Eles entrevistam uma 
amostra de 1.000 eleitores e descobrem que 55% deles 
expressam apoio ao candidato.
Nesse cenário, a margem de erro indicaria a faixa de 
valores em torno da estimativa de 55% que pode ser esperada. 
Por exemplo,eles podem relatar que a estimativa é de 55% 
com uma margem de erro de ±3 pontos percentuais a um nível 
de confiança de 95%.
Isso significa que a estimativa de apoio ao candidato é 
de 55%, e com uma margem de erro de ±3 pontos percentuais, 
o intervalo de confiança varia de 52% a 58%. Portanto, 
a proporção real de eleitores que apoiam o candidato 
provavelmente está dentro dessa faixa (52% a 58%) com 95% de 
confiança.
Em resumo, a margem de erro fornece uma medida 
de quão ampla pode ser a faixa de valores em torno de 
uma estimativa amostral. Quanto menor a margem de erro, 
mais precisa é a estimativa, enquanto uma margem de erro 
decisões informadas. Ela permite que os profissionais médicos 
e pesquisadores extrapolem resultados de amostras pequenas 
para a população maior, fornecendo uma base sólida para 
avanços na Medicina e na pesquisa biomédica.
Aqui estão alguns conceitos-chave na inferência 
estatística e exemplos relacionados à área de Biomedicina:
Parâmetro vs. Estimativa:
Parâmetro: é o valor verdadeiro de uma característica ou 
medida em toda a população. Geralmente, é desconhecido e 
impossível de calcular usando apenas dados amostrais.
Estimativa: é uma estimativa do parâmetro com base nos 
dados da amostra. É uma estimativa conhecida e calculável 
usando dados amostrais.
Exemplo: na Biomedicina, você pode estar interessado 
na taxa de incidência de uma doença em toda a população 
(parâmetro), mas só pode calcular uma estimativa dessa taxa 
com base em um estudo de amostra.
A margem de erro e a estimação intervalar são conceitos 
essenciais na estatística que ajudam a quantificar a incerteza 
em torno de estimativas obtidas a partir de amostras. Vamos 
explorar esses conceitos com mais detalhes:
1. Margem de erro
A margem de erro é uma medida que quantifica a 
incerteza associada a uma estimativa baseada em uma 
amostra. Em outras palavras, ela indica a quão imprecisa pode 
107
95% de que o parâmetro populacional esteja dentro 
desse intervalo.
Suponha que pesquisadores estejam estudando a 
concentração de um marcador sérico específico associado a 
uma doença em uma população de pacientes. Eles coletam 
uma amostra de 100 pacientes e calculam um intervalo de 
confiança de 95% para a concentração média do marcador, 
que é de 50 a 60 unidades. Isso significa que com 95% de 
confiança, a concentração média real desse marcador na 
população de pacientes da qual a amostra foi retirada está 
contida nesse intervalo de 50 a 60 unidades.
3. Confiabilidade e significância
• A confiabilidade está relacionada ao nível de confiança 
associado a um intervalo de confiança. Por exemplo, 
um intervalo de 95% de confiança significa que existe 
uma probabilidade de 95% de que o valor verdadeiro 
esteja dentro desse intervalo.
• A significância, por outro lado, refere-se à 
probabilidade de que o intervalo de confiança não 
contenha o valor verdadeiro. Isso está relacionado ao 
complemento do nível de confiança. No caso de um 
intervalo de 95% de confiança, a probabilidade de 
erro (significância) é de 5%. O nível de significância 
(geralmente denotado como ) é uma medida 
utilizada em testes de hipóteses estatísticas. Ele 
maior indica maior incerteza na estimativa. A margem de 
erro é importante para comunicar a confiabilidade de uma 
estimativa baseada em uma amostra, como em pesquisas de 
opinião, estudos clínicos e outras análises estatísticas.
Imagine que um grupo de pesquisadores está 
conduzindo um estudo sobre a eficácia de um novo 
medicamento para reduzir a pressão arterial em pacientes 
com hipertensão. Eles coletam dados de uma amostra de 200 
pacientes e encontram que a pressão arterial média caiu em 
média 10 mmHg após o tratamento, com uma margem de 
erro de ±2 mmHg. Isso significa que a estimativa da redução 
da pressão arterial é de 10 mmHg, mas a margem de erro de 
±2 mmHg indica que a redução real na população pode estar 
entre 8 mmHg e 12 mmHg com 95% de confiança.
2. Estimação intervalar
• A estimação intervalar envolve a criação de um 
intervalo de valores dentro do qual se acredita que o 
parâmetro populacional verdadeiro está contido.
• Um intervalo de confiança é construído em torno 
da estimativa amostral para expressar a incerteza 
associada a essa estimativa.
• Os intervalos de confiança são frequentemente 
expressos com base em um nível de confiança, como 
90%, 95%, 99% etc. Um intervalo de confiança de 95%, 
por exemplo, significa que há uma probabilidade de 
108
população em risco.
A inferência estatística é uma ferramenta essencial na 
área de Biomedicina para tomar decisões informadas, fazer 
previsões e entender a variabilidade em dados clínicos e de 
pesquisa. Ela permite que os profissionais de saúde extrapolem 
os resultados obtidos a partir de amostras limitadas para fazer 
afirmações significativas sobre populações maiores.
3. Distribuição dos dados
A distribuição de dados é um conceito fundamental na 
estatística que descreve como os valores de um conjunto de 
dados estão dispostos ou distribuídos em relação a diferentes 
valores possíveis. A seguir, são detalhados os conceitos-chave 
relacionados à distribuição de dados, a partir de exemplos e 
explicação da importância na área de Biomedicina:
1. Histograma
• Um histograma é uma representação gráfica comum 
representa a probabilidade de rejeitar uma hipótese 
nula quando ela é verdadeira. Em outras palavras, o 
nível de significância está relacionado à probabilidade 
de cometer um erro do Tipo I (rejeitar uma hipótese 
verdadeira). Os níveis de significância comuns são 0,05 
(5%) ou 0,01 (1%), entre outros.
Em resumo, a margem de erro e a estimação intervalar 
são usadas para quantificar o grau de incerteza em torno 
das estimativas obtidas a partir de amostras, permitindo que 
os pesquisadores expressem a confiança na proximidade 
das estimativas aos valores reais da população. O nível de 
confiança e a significância são importantes para entender o 
quão seguros estamos em relação aos intervalos construídos e 
ao potencial de erro associado a eles.
Exemplos de aplicação em Biomedicina:
Em estudos clínicos, a inferência estatística é usada para 
determinar a eficácia de um tratamento com base em uma 
amostra de pacientes e, em seguida, extrapolar os resultados 
para a população em geral.
Em epidemiologia, a inferência estatística é usada para 
estimar a taxa de incidência de doenças em uma população 
com base em amostras de casos confirmados.
Em pesquisa em saúde pública, a inferência estatística 
é usada para analisar a relação entre exposições (como 
tabagismo) e doenças (como câncer) e fazer previsões sobre a 
FONTE: HTTPS://LEANSIXSIGMABRASIL.COM.BR/HISTOGRAMA/ 
109
parâmetros: a média e o desvio padrão.
• Exemplo: a distribuição de pressão arterial sistólica em 
uma população pode seguir uma distribuição normal 
com uma média de 120 mmHg e um desvio padrão de 
10 mmHg.
3. Distribuição assimétrica:
• Uma distribuição assimétrica é aquela em que os 
valores não estão igualmente distribuídos em ambos 
os lados da média.
• Pode ser assimétrica positiva (cauda longa à direita) ou 
assimétrica negativa (cauda longa à esquerda).
• Exemplo: a distribuição de renda em uma população 
frequentemente segue uma distribuição assimétrica 
positiva, com algumas pessoas ganhando muito mais 
do que a maioria.
da distribuição de dados.
• Consiste em barras que mostram a frequência ou a 
contagem de observações em intervalos específicos 
de valores (chamados “bins”).
• Exemplo: em um estudo médico, um histograma da 
altura dos pacientes pode mostrar quantos pacientes 
têm altura dentro de intervalos específicos, como 150-
160 cm, 160-170 cm, 170-180 cm etc.
2. Distribuição normal (gaussiana)
• A distribuição normal é uma das distribuições de 
probabilidade mais comuns e é caracterizada por sua 
forma de sino.
• É simétrica em relação à média e é definidapor dois 
FONTE: HTTPS://WWW.VOITTO.COM.BR/BLOG/ARTIGO/DISTRIBUICAO-NORMAL 
FONTE: HTTPS://CURSOS.ALURA.COM.BR/FORUM/TOPICO-PROBABILIDADE-EM-
DISTRIBUICOES-ASSIMETRICAS-147810 
110
de todas as probabilidades) é igual a 1. Isso significa que a 
probabilidade total de ocorrência de todos os eventos possíveis 
é 100%.
Pico: o gráfico atinge um valor máximo (o pico) e depois 
diminui. O valor no pico representa o valor mais provável, ou 
seja, o número de eventos mais provável de ocorrer.
Cauda longa: a distribuição de Poisson tem uma cauda 
longa que se estende para a direita, o que significa que, 
embora eventos raros sejam mais prováveis, eventos mais 
extremos (um número muito alto de eventos) ainda têm uma 
probabilidade não nula, embora pequena.
Lembre-se de que a forma exata do gráfico de uma 
distribuição de Poisson depende dos parâmetros da 
distribuição, especificamente da taxa média de ocorrência ( ). 
À medida que você varia o valor de , a forma da distribuição 
também varia, mas a assimetria e o pico sempre estão 
presentes nas distribuições de Poisson.
A distribuição de Poisson é frequentemente usada para 
modelar eventos raros, como o número de acidentes de carro 
em uma interseção em um determinado período ou o número 
de chamadas de emergência em um centro de atendimento 
durante uma hora específica.
5. Distribuição de Bernoulli:
• A distribuição de Bernoulli é usada para modelar 
4. Distribuição de Poisson
• A distribuição de Poisson é usada para modelar a 
contagem de eventos raros em um intervalo de tempo 
ou espaço fixo.
• É comumente usada em estudos epidemiológicos 
para modelar a incidência de doenças raras.
• Exemplo: o número de casos de uma doença rara em 
uma determinada área durante um período de um ano 
pode seguir uma distribuição de Poisson.
O gráfico de uma distribuição de Poisson geralmente se 
assemelha a um gráfico de barras, no qual o eixo horizontal 
representa o número de eventos (geralmente inteiros, como 
0, 1, 2, 3 etc.), e o eixo vertical representa a probabilidade de 
ocorrência de cada número de eventos. A forma do gráfico 
tende a ser assimétrica e se assemelha a uma curva sino 
inclinada.
A distribuição de Poisson é caracterizada por alguns 
traços distintivos:
Assimetria: a distribuição de Poisson é assimétrica e 
não simétrica como a distribuição normal. A maioria das 
probabilidades se concentra em valores baixos (próximos a 
zero) e, em seguida, diminui à medida que você se move para 
valores mais altos.
Probabilidade: a área total sob a curva (ou seja, a soma 
111
eventos binários, nos quais há apenas dois resultados 
possíveis, como sucesso ou falha, presença ou 
ausência.
• Exemplo: em um estudo de teste de gravidez, os 
resultados podem ser modelados usando uma 
distribuição de Bernoulli, onde “1” indica gravidez 
positiva e “0” indica gravidez negativa.
6. Outras distribuições específicas:
• Dependendo dos dados e do contexto na área 
de Biomedicina, outras distribuições podem ser 
apropriadas.
• A distribuição exponencial é usada para modelar o 
tempo até um evento ocorrer, como o tempo até a 
falha de um dispositivo médico.
• A distribuição binomial é adequada para eventos 
de contagem com duas categorias possíveis, como 
o número de pacientes que responderam a um 
tratamento em um ensaio clínico.
A análise da distribuição de dados coletados é crucial na 
área de Biomedicina, pois ajuda a entender a variabilidade dos 
dados, identificar tendências, detectar anomalias e escolher 
os métodos estatísticos apropriados. A escolha da distribuição 
apropriada para modelar os dados depende da natureza dos 
dados e dos objetivos da análise, e pode influenciar as decisões 
clínicas e de pesquisa na área biomédica.
FONTE: HTTPS://CURSOS.ALURA.COM.BR/FORUM/TOPICO-PROBABILIDADE-EM-
DISTRIBUICOES-ASSIMETRICAS-147810 
112
Referências
DE OLIVEIRA FILHO, Petrônio Fagundes. Epidemiologia 
e Bioestatística–Fundamentos para a leitura crítica. Editora 
Rubio, 2015.
GLANTZ, Stanton A. Princípios de bioestatística. AMGH 
Editora, 2014.
MARTINEZ, Edson Zangiacomi. Bioestatística para os 
cursos de graduação da área da saúde. 1. ed. São Paulo: 
Blucher, 2012. E-book. Disponível em: https://plataforma.
bvirtual.com.br. 
Considerações Finais
A tabulação de dados em Biomedicina e em várias 
áreas é fundamental para organizar, simplificar e comunicar 
informações. Ela envolve categorizar dados em tabelas e 
gráficos, permitindo identificar tendências e calcular medidas 
de tendência central. A tabulação é crucial em relatórios, 
pesquisa médica e tomada de decisões clínicas, facilitando a 
comunicação de resultados.
As tabelas organizam dados de forma legível, enquanto 
as legendas contextualizam as informações. Os gráficos 
oferecem representações visuais claras. A inferência estatística, 
por outro lado, é valiosa para generalizar conclusões de 
amostras para populações maiores. Ela envolve estimar 
parâmetros populacionais, construir intervalos de confiança 
e realizar testes de hipóteses. A análise da distribuição de 
dados é essencial para caracterizar a variabilidade, identificar 
tendências e escolher distribuições adequadas para 
modelagem, como a normal, assimétrica, Poisson e Bernoulli.
Em resumo, a tabulação de dados, a inferência estatística 
e a análise da distribuição são componentes essenciais para a 
análise de informações em biomedicina, permitindo decisões 
clínicas informadas e avanços na pesquisa biomédica.
113
UNIDADE DE
APRENDIZAGEM
TESTES DE HIPÓTESES
EPIDEMIOLOGIA E 
BIOESTATÍSTICA 9
114
Para Início de Conversa
Testes de hipóteses desempenham um papel vital na 
Biomedicina, permitindo que os pesquisadores avaliem a 
significância estatística de suas descobertas e tomem decisões 
fundamentadas. Imagine um estudo que investiga a eficácia 
de um novo medicamento no tratamento de uma doença 
específica. A hipótese nula, nesse caso, pode afirmar que o 
medicamento não tem efeito, enquanto a hipótese alternativa 
sugere que ele é eficaz. Ao realizar o teste de hipóteses, os 
pesquisadores coletam dados de pacientes tratados com o 
medicamento e de um grupo controle não tratado. Com base 
na análise estatística desses dados, eles determinam se há 
evidências suficientes para rejeitar a hipótese nula, indicando 
que o medicamento é realmente eficaz. Essa abordagem 
rigorosa ajuda a garantir que as descobertas na Biomedicina 
sejam confiáveis e sólidas, contribuindo para avanços na área 
da saúde.
Objetivo de Aprendizagem 
do Capítulo
• Compreender o conceito de hipóteses estatísticas e 
sua importância na tomada de decisões.
• Aprender a formular hipóteses nulas e alternativas de 
forma adequada.
• Conhecer os diferentes tipos de testes de hipóteses e 
quando aplicá-los.
• Desenvolver habilidades para realizar testes de 
hipóteses e interpretar os resultados de maneira 
crítica.
• Aplicar os testes de hipóteses em situações práticas e 
analisar exemplos reais de estudos estatísticos.
115
1. Fundamentos dos testes 
de hipóteses e importância 
área da saúde e biológicas
O que é o teste de hipóteses?
O teste de hipóteses é uma técnica estatística usada 
para tomar decisões ou fazer inferências sobre parâmetros 
populacionais com base em amostras de dados. Ele envolve 
a formulação de duas hipóteses: a hipótese nula (H0) e a 
hipótese alternativa (Ha). O objetivo do teste de hipóteses 
é avaliar a evidência estatística disponível para decidir se 
a hipótese nula deve ser rejeitada em favor da hipótese 
alternativa.
Fundamentos dos testes de hipóteses
1. Hipótese Nula (H0): a hipótese nula é uma afirmação 
que assume que não há efeito, diferença ou relação 
significativa na população. É geralmente a hipótese que se 
pretende testar ou refutar.
2. Hipótese Alternativa (Ha): a hipótese alternativa é uma 
afirmação que representa uma alegação de efeito, diferença 
ou relação significativana população. É o que se espera provar 
se a hipótese nula for rejeitada.
3. Nível de Significância ( ): o nível de significância 
é a probabilidade de cometer um erro do Tipo I ao rejeitar 
erroneamente a hipótese nula quando ela é verdadeira. 
É geralmente definido em um valor, como 0,05 ou 0,01, e 
representa o limite de aceitabilidade para o erro do Tipo I.
4. Estatística de Teste: a estatística de teste é um valor 
calculado com base nos dados da amostra e na hipótese nula. 
É usado para determinar a probabilidade de observar um 
resultado tão extremo quanto o observado, se a hipótese nula 
fosse verdadeira.
5. Tomada de Decisão: com base na estatística de teste 
e no nível de significância, você toma uma decisão. Se a 
estatística de teste estiver além do limite crítico (determinado 
pelo nível de significância), você rejeita a hipótese nula. Caso 
contrário, você falha em rejeitar a hipótese nula.
Importância na área da saúde e biológicas
Os testes de hipóteses desempenham um papel crítico 
na área da saúde e biológicas por várias razões:
1. Teste de eficácia de tratamentos: os ensaios clínicos 
usam testes de hipóteses para avaliar a eficácia de novos 
tratamentos médicos. Por exemplo, um teste de hipóteses 
pode ser usado para determinar se um novo medicamento 
é eficaz na redução da pressão arterial em pacientes 
hipertensos.
2. Pesquisas epidemiológicas: os testes de hipóteses são 
aplicados em estudos epidemiológicos para avaliar se fatores 
específicos, como tabagismo ou exposição a poluentes, estão 
116
observacionais ou experimentais.associados a doenças, como câncer de pulmão.
3. Teste de efeitos em populações: na biologia, os testes 
de hipóteses são usados para investigar se a exposição a 
um agente químico ou ambiental tem efeitos adversos em 
populações de organismos, como peixes ou pássaros.
Exemplo na área da saúde
Suponha que um pesquisador deseja testar se um novo 
tratamento para insônia é eficaz em melhorar a qualidade do 
sono dos pacientes. A hipótese nula (H0) é que o tratamento 
não tem efeito, enquanto a hipótese alternativa (Ha) é que o 
tratamento melhora a qualidade do sono.
O pesquisador coleta dados de um grupo de pacientes 
que passaram pelo tratamento e calcula uma estatística 
de teste com base nas melhorias observadas. Em seguida, 
ele compara a estatística de teste com um valor crítico 
determinado pelo nível de significância ( ), por exemplo, 0,05.
Se a estatística de teste estiver além do valor crítico (ou 
seja, p < 0,05), o pesquisador rejeita a hipótese nula e conclui 
que o tratamento é eficaz na melhoria da qualidade do sono. 
Caso contrário, ele não rejeita a hipótese nula e não conclui 
que o tratamento é eficaz.
Os testes de hipóteses são uma ferramenta poderosa 
para tomar decisões informadas na área da saúde e biológicas, 
ajudando a avaliar a eficácia de tratamentos, investigar 
relações entre variáveis e tirar conclusões com base em dados 
FONTE: HTTPS://WWW.VOITTO.COM.BR/BLOG/ARTIGO/TESTE-DE-HIPOTESE 
117
2. Hipóteses nula e 
alternativa
Vamos detalhar o conceito de hipótese nula e hipótese 
alternativa, explicar sua aplicação e fornecer exemplos na 
área de saúde, tanto para variáveis quantitativas como para 
variáveis qualitativas.
Hipótese Nula (H0)
A hipótese nula (H0) é uma afirmação que assume que 
não há efeito, diferença ou relação significativa na população. 
Em outras palavras, H0 representa a situação em que não há 
mudança ou efeito após uma intervenção ou tratamento.
Na prática, a hipótese nula é usada para testar a validade 
de uma afirmação, tratamento ou intervenção, supondo que 
não haja impacto real. A ideia é avaliar se os dados observados 
fornecem evidências estatísticas suficientes para rejeitar H0.
Hipótese Alternativa (Ha)
A hipótese alternativa (Ha) é uma afirmação que 
representa uma alegação de efeito, diferença ou relação 
significativa na população. É o oposto da hipótese nula e é o 
que se pretende provar se a hipótese nula for rejeitada.
Em resumo, enquanto H0 assume a ausência de efeito, 
Ha afirma a presença de um efeito real.
Como medir e escolher as hipóteses
A escolha das hipóteses (H0 e Ha) depende dos objetivos 
da pesquisa, das questões a serem respondidas e da natureza 
dos dados. É importante definir as hipóteses de forma clara 
e específica antes de coletar os dados. Aqui estão algumas 
diretrizes gerais:
1. Hipóteses devem ser testáveis: as hipóteses devem 
ser formuladas de maneira que possam ser testadas 
empiricamente com dados coletados. Devem ser declaradas 
de forma clara e específica.
2. Hipótese nula deve ser falsificável: a hipótese nula deve 
ser formulada de modo que seja possível rejeitá-la com base 
em evidências observacionais. Se não for possível falsificá-la, o 
teste de hipóteses não será informativo.
Aqui estão exemplos na área de saúde, um para variáveis 
quantitativas e outro para variáveis qualitativas:
Exemplo 1 - Variável quantitativa (teste de eficácia de 
um tratamento)
Suponha que um pesquisador esteja testando um novo 
medicamento para reduzir a pressão arterial em pacientes 
hipertensos. As hipóteses podem ser formuladas da seguinte 
forma:
• Hipótese Nula (H0): o novo medicamento não tem 
efeito significativo na redução da pressão arterial 
média dos pacientes (ou seja, a média da pressão 
arterial antes e depois do tratamento é a mesma).
118
(como o teste qui-quadrado) para determinar se H0 pode ser 
rejeitada.
Em ambos os exemplos, a escolha das hipóteses é 
fundamental para a análise estatística e para tirar conclusões 
significativas sobre os dados coletados na área da saúde. A 
hipótese nula representa a ausência de efeito, enquanto a 
hipótese alternativa representa a presença de um efeito a ser 
testado. O teste de hipóteses permite que os pesquisadores 
avaliem se há evidências estatísticas para apoiar ou refutar 
essas hipóteses com base em dados empíricos.
• Hipótese Alternativa (Ha): o novo medicamento tem 
um efeito significativo na redução da pressão arterial 
média dos pacientes (ou seja, a média da pressão 
arterial antes e depois do tratamento é diferente).
O teste de hipóteses envolve a coleta de dados de pressão 
arterial antes e depois do tratamento e o cálculo de uma 
estatística de teste (por exemplo, teste t) para determinar se 
H0 pode ser rejeitada.
Exemplo 2 - Variável qualitativa (teste de associação 
entre doença e exposição)
Suponha que um epidemiologista esteja investigando 
se o tabagismo está associado a um maior risco de câncer de 
pulmão em uma amostra de indivíduos. As hipóteses podem 
ser formuladas da seguinte forma:
• Hipótese Nula (H0): não há associação entre o 
tabagismo e o risco de câncer de pulmão (ou seja, a 
exposição ao tabagismo não afeta o risco de câncer de 
pulmão).
• Hipótese Alternativa (Ha): existe uma associação entre 
o tabagismo e o risco de câncer de pulmão (ou seja, a 
exposição ao tabagismo está relacionada ao aumento 
do risco de câncer de pulmão).
O teste de hipóteses envolve a coleta de dados sobre o 
tabagismo (exposto/não exposto) e a ocorrência de câncer de 
pulmão (sim/não) e o uso de um teste estatístico adequado 
FONTE: HTTPS://WWW.KAGGLE.COM/CODE/LEODANIEL/HYPOTHESIS-TEST-CLEAR-
EXPLAINED 
119
distribuição dos dados com uma distribuição normal padrão e 
calcula uma estatística de teste. Se o valor-p (p-valor) for menor 
que um nível de significância escolhido (geralmente 0,05), a 
hipótese nula (H0) de que os dados seguem uma distribuição 
normal é rejeitada.
2. Teste de Anderson-Darling: similar ao teste de 
Kolmogorov-Smirnov, o teste de Anderson-Darling verifica 
a normalidade dos dados e fornece um p-valor. Uma 
baixa estatística de teste e um p-valor baixo indicam uma 
distribuição não normal.
3. Teste de Shapiro-Wilk: esse teste é amplamente 
utilizado para verificar a normalidade. Ele calcula uma 
estatística de teste e um p-valor.Se o p-valor for menor que o 
nível de significância escolhido, H0 é rejeitada.
4. Teste de Ryan-Joiner: esse teste é usado quando a 
distribuição dos dados pode conter caudas pesadas. Ele avalia 
a normalidade dos dados e fornece um p-valor.
Interpretação dos testes de normalidade
• Hipótese Nula (H0): os dados seguem uma distribuição 
normal.
• Hipótese Alternativa (Ha): os dados não seguem uma 
distribuição normal.
Se o p-valor for menor que o nível de significância 
(geralmente 0,05), H0 é rejeitada, o que significa que há 
evidências estatísticas para sugerir que os dados não seguem 
uma distribuição normal. Se o p-valor for maior que o nível 
de significância, H0 não é rejeitada, indicando que não há 
evidências suficientes para concluir que os dados não são 
3. Como escolher o teste 
de hipóteses correto
Suposição de normalidade em testes estatísticos
A suposição de que a amostra aleatória foi extraída 
de uma população normal é uma premissa importante em 
muitos testes estatísticos. Ela se refere à ideia de que os dados 
na população de interesse seguem uma distribuição normal, 
também conhecida como uma distribuição gaussiana ou em 
forma de sino. Essa suposição é fundamental para muitos 
testes estatísticos, pois eles são baseados em propriedades da 
distribuição normal.
Por que a suposição de normalidade é importante
A suposição de normalidade é importante porque 
afeta a validade dos resultados dos testes estatísticos. Muitos 
testes paramétricos, como o teste t de Student e a análise de 
variância (ANOVA), pressupõem que os dados vêm de uma 
população normal. Se essa suposição for violada, os resultados 
dos testes podem ser inválidos ou imprecisos.
Testes para verificar a normalidade
Para verificar se os dados seguem uma distribuição 
normal, os pesquisadores podem realizar testes de 
normalidade. Alguns dos testes de normalidade comuns 
incluem:
1. Teste de Kolmogorov-Smirnov: esse teste compara a 
120
2. Exemplos: testes de Wilcoxon-Mann-Whitney, teste de 
Wilcoxon pareado, teste de Kruskal-Wallis, entre outros, são 
exemplos de testes não paramétricos.
3. Vantagens: os testes não paramétricos são robustos, 
ou seja, funcionam bem mesmo quando as suposições 
paramétricas não são atendidas. Eles são ideais para dados 
categóricos ou ordinais.
A escolha entre testes paramétricos e não paramétricos 
depende das características dos dados e do design do estudo. 
Se as suposições paramétricas não são atendidas ou se os 
dados não seguem uma distribuição normal, os testes não 
paramétricos são uma opção mais apropriada. Eles são menos 
sensíveis a desvios das suposições, mas podem ser menos 
poderosos quando as suposições paramétricas são satisfeitas.
• Para dados normalmente distribuídos:
normalmente distribuídos.
Tipos de testes estatísticos dependendo da 
distribuição e das amostras
Os tipos de testes estatísticos a serem escolhidos 
dependem da distribuição dos dados (normal ou não normal) 
e do tipo de amostras (pareadas ou não pareadas). Alguns 
exemplos de testes comuns incluem:
Testes paramétricos e não paramétricos são dois tipos de 
abordagens estatísticas usadas para analisar dados, e a escolha 
entre eles depende das características dos dados em estudo.
Testes paramétricos
1. Suposições: esses testes assumem que os dados 
seguem uma distribuição de probabilidade específica, 
geralmente a distribuição normal (ou gaussiana). Eles também 
supõem homogeneidade das variâncias.
2. Exemplos: o teste t de Student, ANOVA (Análise 
de Variância) e regressão linear são exemplos de testes 
paramétricos. Eles são amplamente utilizados quando as 
suposições paramétricas são atendidas.
3. Vantagens: testes paramétricos são geralmente mais 
poderosos (capazes de detectar diferenças significativas) 
quando as suposições são atendidas.
Testes não paramétricos
1. Suposições: os testes não paramétricos não fazem 
suposições estritas sobre a distribuição dos dados. Eles são 
adequados para dados não normalmente distribuídos ou 
quando as suposições paramétricas não são atendidas.
FONTE: HTTPS://EMGOTAS.COM/2016/11/11/O-QUE-E-UM-TESTE-DE-HIPOTESES/ 
121
Um valor de p abaixo do nível de significância escolhido 
(geralmente 0,05) leva à rejeição da hipótese nula.
Atenção:
O valor de p não fornece a probabilidade da verdadeira 
hipótese nula; indica a probabilidade dos dados observados 
dada a hipótese nula.
Em resumo, o valor de p auxilia na tomada de decisão em 
testes de hipóteses, fornecendo uma medida de quão provável 
os resultados observados são sob a hipótese nula.
• Teste t de Student (amostras independentes ou 
pareadas).
• ANOVA (Análise de Variância) para comparar médias 
entre grupos.
• Para dados não normalmente distribuídos:
• Teste não paramétrico de Wilcoxon ou Mann-Whitney 
para amostras independentes.
• Teste de Friedman ou Kruskal-Wallis para comparar 
medianas entre grupos.
A escolha do teste adequado depende da natureza dos 
dados e das hipóteses de pesquisa em questão. A verificação 
da normalidade é um passo importante na seleção apropriada 
do teste estatístico.
O valor de p (p-value) é uma medida estatística que 
ajuda a avaliar a evidência contra uma hipótese nula em um 
teste estatístico. Em um teste de hipóteses, a hipótese nula 
(H0) assume que não há efeito ou diferença real, enquanto 
a hipótese alternativa (H1) sugere o contrário. O valor de p 
quantifica a probabilidade de obter os resultados observados, 
ou mais extremos, se a hipótese nula for verdadeira.
Interpretação:
Valor de p baixo (por exemplo, p < 0,05): evidência forte 
contra a hipótese nula; sugere rejeição da H0.
Valor de p alto (por exemplo, p > 0,05): evidência fraca 
contra a hipótese nula; sugere falha em rejeitar a H0.
Significância estatística:
122
Referências
DE OLIVEIRA FILHO, Petrônio Fagundes. Epidemiologia 
e Bioestatística–Fundamentos para a leitura crítica. Editora 
Rubio, 2015.
GLANTZ, Stanton A. Princípios de bioestatística. AMGH 
Editora, 2014.
MARTINEZ, Edson Zangiacomi. Bioestatística para os 
cursos de graduação da área da saúde. 1. ed. São Paulo: 
Blucher, 2012. E-book. Disponível em: https://plataforma.
bvirtual.com.br. 
Considerações Finais
Fundamentos dos testes de hipóteses desempenham um 
papel crucial na área da saúde e biológicas, permitindo que 
os pesquisadores avaliem evidências estatísticas para tomar 
decisões informadas. O teste de hipóteses é uma ferramenta 
poderosa para investigar a eficácia de tratamentos, examinar 
associações entre variáveis e tirar conclusões com base em 
dados empíricos.
As hipóteses nula e alternativa são a espinha dorsal 
dos testes de hipóteses, delineando claramente o que está 
sendo testado e o que se espera provar. A escolha do teste 
de hipóteses correto depende da distribuição dos dados e do 
tipo de amostras, com testes paramétricos sendo ideais para 
dados normalmente distribuídos e testes não paramétricos 
sendo apropriados quando as suposições paramétricas não são 
atendidas.
Em resumo, a compreensão dos fundamentos dos testes 
de hipóteses e a escolha cuidadosa das hipóteses e do teste 
estatístico adequado são essenciais para realizar análises 
sólidas e confiáveis na área da saúde e biológicas, contribuindo 
para a base científica de políticas de saúde pública, pesquisas 
epidemiológicas e estudos biomédicos. É uma habilidade 
valiosa que capacita os profissionais a tomarem decisões 
baseadas em evidências e a avançarem no campo da ciência 
da saúde.
123
Encerramento do e-book:
No encerramento deste e-book, abordamos de forma 
abrangente os conceitos e aplicações da análise de dados em 
ciências da saúde. Ao longo dos nove capítulos, exploramos 
desde os fundamentos da Epidemiologia e Bioestatística 
até a aplicação prática dessas disciplinas na avaliação de 
problemas de saúde pública. Você aprendeu a coletar, analisar 
e interpretar dados epidemiológicos e biomédicos,bem como 
a compreender a importância do raciocínio epidemiológico no 
contexto da saúde individual e coletiva.
Esperamos que, ao longo desta jornada de aprendizado, 
você tenha adquirido as habilidades necessárias para promover 
uma compreensão crítica da literatura científica relacionada 
à Epidemiologia e Bioestatística. Esses conhecimentos são 
cruciais para profissionais da saúde e pesquisadores que 
buscam contribuir para políticas de saúde pública mais 
informadas e eficazes. Continue a explorar e aplicar essas 
ferramentas em sua carreira, ajudando a promover a saúde e o 
bem-estar das comunidades.