O que decide a resposta

A natureza da variável define tanto a forma de sintetizar os dados quanto o teste de hipótese aplicável: variáveis categóricas são descritas por frequências e proporções e avaliadas por testes como Qui-quadrado, enquanto variáveis numéricas exigem medidas de tendência central e dispersão (média e desvio padrão ou mediana e intervalo interquartil) e testes como t de Student ou Mann-Whitney.

Raciocínio clínico

Ao estruturar um estudo epidemiológico ou analisar um banco de dados, o primeiro passo analítico é determinar a escala de mensuração de cada variável.

As variáveis categóricas (qualitativas) dividem-se em nominais (como sexo ou tipo sanguíneo) e ordinais (como estadiamento de uma neoplasia). Nelas, não há sentido aritmético em calcular uma média; a análise descritiva baseia-se em contagens absolutas e proporções percentuais, e a comparação entre grupos emprega testes de independência, como o teste do Qui-quadrado de Pearson ou o teste exato de Fisher.

Já as variáveis numéricas (quantitativas) podem ser discretas (número de episódios de convulsão) ou contínuas (pressão arterial, glicemia). Para elas, a análise requer a avaliação da forma da distribuição: se simétrica (normal), utilizam-se média e desvio padrão com testes paramétricos (teste t de Student, ANOVA); se assimétrica, utilizam-se mediana e intervalo interquartil com testes não paramétricos (Mann-Whitney, Kruskal-Wallis).

Portanto, classificar a variável é o pré-requisito indispensável para selecionar a ferramenta descritiva e o modelo de inferência estatística apropriado.

Por que acontece

Variáveis numéricas possuem propriedades métricas reais que autorizam operações aritméticas diretas (soma, subtração e cálculo de variância), ao passo que variáveis categóricas representam apenas rótulos ou ordenações arbitrárias. Aplicar um cálculo de média ou um teste paramétrico a uma variável categórica gera resultados matematicamente inválidos e biologicamente sem sentido.

Conduta

Na elaboração do plano de análise estatística de um protocolo de pesquisa:

Primeiro, categorizar formalmente os desfechos e preditores em qualitativos ou quantitativos. Para as variáveis quantitativas, aplicar previamente testes de aderência à normalidade, como Shapiro-Wilk ou Kolmogorov-Smirnov.

Não aplicar testes paramétricos (como o teste t de Student) a variáveis categóricas ordinais ou a variáveis contínuas com distribuição marcadamente assimétrica; nesses cenários, o padrão analítico exige testes não paramétricos ou a transformação dos dados antes da modelagem.

Como isso cai nas provas

• –Qui-quadrado versus Teste t de Student: a confusão clássica em escolha de testes estatísticos. O que separa os dois é o tipo de variável: o Qui-quadrado compara frequências entre variáveis puramente categóricas (por exemplo, proporção de tabagistas entre infartados versus não infartados), enquanto o teste t compara as médias de uma variável numérica contínua entre dois grupos categóricos (por exemplo, níveis de colesterol LDL entre usuários de estatina versus placebo).
• –Medidas de Associação (Risco Relativo/Odds Ratio) versus Correlação: o cálculo de RR e OR exige variáveis categóricas dicotômicas em tabelas 2×2 (exposição e desfecho presentes ou ausentes); a correlação linear (Pearson ou Spearman) avalia o grau de associação entre duas variáveis numéricas contínuas simultâneas.