Análise estatística do TCC, sem sustos

A análise estatística do TCC costuma ser a parte que mais assusta — e a que mais rende perguntas na banca. A boa notícia: ela segue um roteiro previsível, do banco de dados à apresentação. Este guia mostra a sequência completa e os pontos onde os trabalhos mais tropeçam.

Passo 1 — Comece pela pergunta, não pelo teste

Antes de pensar em qui-quadrado ou teste t, escreva com clareza a pergunta de pesquisa e o desfecho principal. É a pergunta que define o teste, e não o contrário. Um objetivo bem delimitado ("a técnica A reduz a taxa de complicação em relação à B?") já aponta o desenho, o desfecho e a análise. Idealmente, isso é definido no projeto, junto com o cálculo do tamanho amostral — feito antes de coletar.

Passo 2 — Organize o banco de dados

É aqui que se ganha ou se perde tempo. Um banco bem estruturado segue regras simples:

• Uma linha por participante, uma coluna por variável.
• Categorias padronizadas: nada de "Fem", "F", "feminino" misturados na mesma coluna.
• Codificação consistente para variáveis categóricas e uso correto de números para as quantitativas.
• Dados faltantes marcados de forma única e explícita, nunca como zero.
• Sem identificadores de pacientes — nome, prontuário, CPF não entram na planilha de análise.

Um banco limpo elimina a maior parte dos erros que aparecem depois.

Passo 3 — Descreva antes de comparar

Toda análise começa pela estatística descritiva, que caracteriza a amostra:

• Variáveis contínuas: média e desvio-padrão quando simétricas; mediana e intervalo interquartil quando assimétricas.
• Variáveis categóricas: frequências absolutas e percentuais.

É a clássica "Tabela 1", que apresenta as características dos participantes. Ela também ajuda a decidir, mais à frente, entre testes paramétricos e não paramétricos.

Passo 4 — Escolha os testes certos

A escolha decorre de três perguntas: tipo da variável de desfecho, número de grupos e se os dados são independentes ou pareados. Em resumo:

• Dois grupos, desfecho contínuo: teste t ou Mann-Whitney, conforme a normalidade.
• Três ou mais grupos: ANOVA ou Kruskal-Wallis, com testes post hoc se necessário.
• Duas variáveis categóricas: qui-quadrado ou Fisher.
• Prever um desfecho binário ajustando por confundidores: regressão logística.
• Tempo até um evento: Kaplan-Meier e log-rank.

O roteiro completo está no informativo qual teste estatístico usar. Defina o plano antes de rodar os dados — escolher o teste pelo p mais bonito é p-hacking.

Passo 5 — Interprete com cuidado

Aqui moram as perguntas de banca. Lembre-se de que o valor de p não mede a importância do efeito, e que significância estatística não é o mesmo que relevância clínica. Reporte sempre o tamanho do efeito e o intervalo de confiança, não apenas se "deu p < 0,05".

Passo 6 — Tabelas, figuras e apresentação

Resultados bem comunicados valem nota. Tabelas devem ter unidades, número de casas decimais consistente e legendas claras; figuras (boxplots, curvas, gráficos de barras) devem ser legíveis e sem texto sobreposto. Na seção de métodos estatísticos, declare quais testes usou, como verificou pressupostos, o nível de significância e o software. Essa transparência — alinhada a diretrizes de relato como o checklist STROBE/CONSORT — é o que protege o trabalho na arguição.

Erros que mais reprovam

• Coletar primeiro e pensar na estatística depois.
• Banco de dados bagunçado, com categorias inconsistentes.
• Teste inadequado para o tipo de variável ou para dados pareados.
• Concluir "não houve diferença" a partir de p > 0,05 em amostra pequena.
• Reportar só o valor de p, sem efeito nem intervalo de confiança.