Estatística essencial para dentistas: parte 2
"Não consigo entender o valor p". Essa talvez seja a frase mais repetida nas salas de aula.
O "p" é uma probabilidade. No dia a dia, trocamos esta palavra por "chance". Então, fica "qual é a chance disso ou daquilo ocorrer"?
No caso, a nossa chance (probabilidade) de dois grupos serem realmente diferentes entre si, ou seja, um nada tem a ver com o outro. Essa é a situação mais simples.
Exemplo: no Congresso de número 41 do CIOSP, você percebe que os estandes das empresas estão cheios de novidades. O seu foco está nos lançamentos em resinas flow.
Bem, um dos fabricantes diz que a resina flow lançamento tem um desempenho clínico melhor que a resina flow clássica do mercado.
E, por coincidência, você tem uma grande chance de usa-la no seu consultório ou projeto, por ter pacientes com cavidades classe I (são amálgamas antigos) nos dentes pré-molares superiores.
E para a sua sorte, as cavidades possuem quase as mesmas dimensões! Bem, de um lado, você trabalha com a resina flow convencional, e do outro lado com a resina flow clássica, dando os mesmos toques no acabamento e polimento.
O seu propósito é comparar a diferença de cor após um ano.
Chegou o grande dia: você usa uma escala de cores, um espectrofotômetro ou algo parecido. Anota todos os valores, encontra a média e o desvio padrão para cada grupo, e finalmente, aplica o teste de comparação.
O famoso teste t de Student, cuja resposta é o valor p.
Por convenção, usamos um limite de referência: se o nosso valor p for menor que 0,05 , teremos uma diferença estatisticamente significativa.
Pronto: eu já sei que existe uma diferença, e ela é menor que 0,05 .
O que isso significa?
Em termos bem simples, a chance desta diferença estar errada é menor do que 1 em 20 , ou podemos escrever p < 0,05 .
Em termos mais simples, a cor final na resina flow convencional é diferente da cor final na resina flow lançamento.
Mas e se o valor de referência for 0,01 ?
A interpretação fica: a chance desta diferença estar errada é menor do que 1 em 100 (muito pequena mesmo), ou podemos escrever p < 0,01 .