Ao analisar os resultados de um estudo epidemiológico, observa-se um valor de p = 0,03. A interpretação correta desse resultado é a de que
Aexiste 3% de chance de a hipótese nula ser verdadeira.
Bhá 97% de certeza de que existe uma associação entre as variáveis estudadas.
Ca diferença observada entre os grupos é estatisticamente significativa.
Do estudo possui um alto poder estatístico.
Ea associação encontrada é clinicamente relevante.
Revelar gabarito e comentário▾
GabaritoC — a diferença observada entre os grupos é estatisticamente significativa.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Interpretação do valor de p em estudos epidemiológicos
Gabarito: letra C. Um valor de p = 0,03 indica que a probabilidade de observar os dados (ou algo mais extremo) sob a hipótese nula é de 3%, abaixo do limiar convencional de 5% (α = 0,05), o que leva à rejeição da hipótese nula e à conclusão de que a diferença observada é estatisticamente significativa. As demais alternativas cometem o erro clássico de interpretar o p-valor como a probabilidade de a hipótese nula ser verdadeira (A), como um grau de certeza sobre a associação (B), ou de confundi-lo com poder estatístico (D) ou relevância clínica (E).
O p-valor é uma das medidas mais mal interpretadas em epidemiologia e estatística. Ele é definido como a probabilidade de obter um resultado tão extremo quanto o observado, ou mais extremo, assumindo que a hipótese nula (H₀) é verdadeira. Em outras palavras, ele mede a compatibilidade dos dados com a hipótese nula: um p-valor pequeno indica que os dados são improváveis sob H₀, o que sugere que a hipótese nula pode não ser verdadeira. O limiar convencional de significância é α = 0,05 (5%), mas esse valor é arbitrário e pode ser ajustado conforme o contexto do estudo (por exemplo, α = 0,01 em estudos com múltiplas comparações).
A lógica do teste de hipóteses segue um fluxo: formula-se a hipótese nula (H₀, geralmente "não há diferença" ou "não há associação") e a hipótese alternativa (H₁, "há diferença" ou "há associação"). Com os dados coletados, calcula-se uma estatística de teste e o p-valor correspondente. Se p < α, rejeita-se H₀ e conclui-se que há evidência estatística de associação ou diferença. Se p ≥ α, não se rejeita H₀, o que significa que não há evidência suficiente para afirmar que existe associação — mas isso não prova que H₀ seja verdadeira.
Um erro comum é interpretar o p-valor como a probabilidade de a hipótese nula ser verdadeira (P(H₀ | dados)). Isso é incorreto porque o p-valor é calculado sob a suposição de que H₀ é verdadeira (P(dados | H₀)), e não o contrário. A probabilidade de H₀ ser verdadeira dado os dados envolveria o teorema de Bayes e dependeria da probabilidade a priori de H₀, que não é capturada pelo p-valor. Da mesma forma, o p-valor não é a probabilidade de a hipótese alternativa ser verdadeira, nem um grau de certeza sobre a associação.
Outra confusão frequente é entre significância estatística e relevância clínica. Um resultado pode ser estatisticamente significativo (p < 0,05) mas clinicamente irrelevante, se a magnitude do efeito for pequena ou se o desfecho não for importante para o paciente. A significância estatística apenas indica que o resultado é improvável de ter ocorrido por acaso, dado o tamanho amostral e a variabilidade dos dados. A relevância clínica é um julgamento que considera a magnitude do efeito, os riscos e benefícios, e o contexto clínico.
O poder estatístico (poder do teste) é a probabilidade de rejeitar H₀ quando ela é falsa, ou seja, a capacidade do estudo de detectar uma associação real. Ele depende do tamanho amostral, da magnitude do efeito, do nível de significância e da variabilidade. Um p-valor pequeno não implica alto poder; um estudo com baixo poder pode não detectar uma associação real, mas se detectar, o p-valor pode ser pequeno. O poder é calculado antes do estudo (para dimensionar a amostra) e não é diretamente inferido do p-valor.
A pegadinha desta questão é a interpretação probabilística do p-valor. A banca explora a confusão entre P(dados | H₀) e P(H₀ | dados), que são conceitos fundamentalmente diferentes. O candidato que entende que o p-valor é a probabilidade dos dados sob H₀, e não a probabilidade de H₀ ser verdadeira, acerta a questão. Além disso, é importante lembrar que o p-valor não mede a magnitude do efeito nem a relevância clínica — ele apenas indica se a diferença observada é estatisticamente significativa.
NÃO CAIA NESSA!
A banca adora inverter a definição do p-valor. O p-valor é a probabilidade de observar os dados (ou algo mais extremo) assumindo que a hipótese nula é verdadeira — ou seja, P(dados | H₀). Ele não é a probabilidade de a hipótese nula ser verdadeira (P(H₀ | dados)), nem o complemento disso (97% de certeza). Essa inversão é o erro clássico que derruba candidatos. Lembre-se: p-valor pequeno → dados improváveis sob H₀ → rejeita-se H₀ → diferença estatisticamente significativa. Com treino, você identifica essa troca de longe 💪.
H₀ verdadeira
H₀ falsa
Não rejeita H₀
Erro tipo I (α)
Correto (poder)
Rejeita H₀
Correto
Erro tipo II (β)
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
Afirma que existe 3% de chance de a hipótese nula ser verdadeira. Isso é uma interpretação incorreta do p-valor. O p-valor é a probabilidade de observar os dados (ou algo mais extremo) assumindo que H₀ é verdadeira — ou seja, P(dados | H₀) = 0,03. Ele não é a probabilidade de H₀ ser verdadeira dado os dados (P(H₀ | dados)). Essa probabilidade envolveria o teorema de Bayes e dependeria da probabilidade a priori de H₀, que não é fornecida pelo p-valor. A alternativa confunde a direção da probabilidade condicional.
Alternativa B — ❌ Incorreta
Afirma que há 97% de certeza de que existe uma associação entre as variáveis. Isso é um erro duplo: primeiro, o p-valor não fornece uma "certeza" sobre a associação; ele apenas indica a compatibilidade dos dados com H₀. Segundo, 1 − p = 0,97 não é a probabilidade de a hipótese alternativa ser verdadeira. O p-valor não mede a probabilidade de H₁ ser verdadeira, nem o grau de confiança na associação. A confiança na associação seria melhor expressa por um intervalo de confiança, que estima a magnitude do efeito com uma determinada confiança (por exemplo, IC 95%).
Alternativa C — ✅ Correta ⟵ GABARITO
Afirma que a diferença observada entre os grupos é estatisticamente significativa. Isso está correto porque, com p = 0,03 < 0,05 (α convencional), rejeita-se a hipótese nula de que não há diferença entre os grupos. A significância estatística indica que a diferença observada é improvável de ter ocorrido por acaso, dado o tamanho amostral e a variabilidade. É importante notar que isso não implica relevância clínica, mas apenas que a diferença é estatisticamente significativa.
Alternativa D — ❌ Incorreta
Afirma que o estudo possui um alto poder estatístico. O poder estatístico é a probabilidade de rejeitar H₀ quando ela é falsa, e depende do tamanho amostral, da magnitude do efeito, do nível de significância e da variabilidade. Um p-valor pequeno não implica alto poder; um estudo com baixo poder pode, por acaso, produzir um p-valor pequeno. O poder é calculado antes do estudo para dimensionar a amostra, e não é inferido diretamente do p-valor. A alternativa confunde o resultado do teste com a capacidade do estudo de detectar efeitos.
Alternativa E — ❌ Incorreta
Afirma que a associação encontrada é clinicamente relevante. A significância estatística (p < 0,05) não implica relevância clínica. Um resultado pode ser estatisticamente significativo mas ter uma magnitude de efeito pequena, que não seja clinicamente importante. A relevância clínica é um julgamento que considera a magnitude do efeito, os riscos e benefícios, e o contexto clínico. A alternativa confunde significância estatística com relevância clínica, que são conceitos distintos.