Variáveis, ou porque precisamos de ratinhos

A um certo tempo atrás, meu colega Pirula fez um video falando sobre testes em animais no qual ele menciona sobre a necessidade de controlar variáveis durante a realização de um estudo com o objetivo de identificar efeitos de tratamentos médicos.

Apesar da questão ética ser de grande interesse meu, não é exatamente esse o meu foco aqui. Durante o vídeo, Pirula dá alguns exemplos do que seriam “variáveis” e passa a bola para o Bernardo (do canal NerdCetico) explicar em mais detalhes. Eu assisti o vídeo do Bernardo e não acho que ele fez um bom trabalho. Meu objetivo aqui não é mostrar que o Bernardo está errado, pois não sei disso: ele tem formação matemática e eu não. Ou seja, a diferença de nossas explicações podem ser meramente um reflexo do jargão das diferentes áreas. Porém posso dizer que estou relativamente familiarizado o jargão experimental de alguns ramos do conhecimento, especificamente em biologia. Visto que o tema original era sobre experimentação em animais, imagino que minha exposição chegue mais próxima do que o Pirula tinha originalmente em mente, e complemente a explicação sobre o porque precisamos controlar variáveis de um ponto de vista estatístico prático (se é que podemos conceber algo assim).

Sendo assim, vamos aos termos:

O que são variáveis?
Variáveis são quaisquer aspectos de um sistema sob investigação que podem variar entre as diferentes observações. Em outras palavras, é o que pode variar entre diversos objetos ou fenômenos que caem dentro da mesma categoria. Por exemplo, se eu estou investigando cadeiras,  variáveis possíveis são desde o peso, o material do qual ela é feita e até mesmo se o seu design se enquadra no movimento bahaus ou não. Ou seja, não existe uma regra que determina que uma variável necessariamente é expressa em valores numéricos, como normalmente se pensa.

Em sistemas biológicos temos uma multitude de características que variam entre os diversos organismos: cor, tamanho, forma, número de células, capacidade de manutenção de temperatura, grau de atividade, idade, etc. Dentro dessa pluralidade de variáveis podemos reconhecer alguns tipos gerais:
-Variáveis Qualitativas, Categóricas ou Discretas:  são todas aquelas que podem ser expressas em categorias que agrupam todos os objetos que possuem aquela característica específica. Por exemplo, quando tentamos identificar a espécie em roedores silvestres, a pelagem é uma característica bastante importante, podendo variar em cor e em tonalidade. Normalmente tais variáveis não apresentam o que chamamos de “ordenação”, ou seja, não existem valores intermediários entre as categorias: um organismo pode ser autotrofo ou heterótrofo, sendo que não existem intermediários entre essas categorias.
Variáveis Quantitativas ou Contínuas: são todas aquelas que variam ao longo de um escala contínua. A grande maioria das grandezas físicas varia dessa forma: peso, massa, aceleração, etc. Muitas variáveis biológicas também se comportam desta forma, como taxas metabólicas, comprimentos de estruturas biológicas, período de atividade, força de mordida, porcentagem de matéria vegetal na dieta, etc.

Variáveis Ordinais (ou semi-quantitativas): assim como as variáveis categóricas, são compostas por classes mutuamente exclusivas. Assim como as variáveis contínuas, essas categorias estão ordenadas de alguma forma, ou seja, existem valores mais baixos, intermediários e maiores. Exemplos desse tipo de variáveis são contagens de eventos, ou qualquer outro tipo de variável expressa por números inteiros (e.x: 1, 2, 3, 4…).

Nem sempre um tipo de fenômeno precisa ser avaliado necessariamente como um tipo único de variável. Por exemplo, podemos avaliar a altura dos indivíduos de uma população de como uma variável quantitativa (medida em centímetros) ou de forma qualitativa (indivíduos “altos” e “baixos”) ou ordinal (indivíduos “pequenos”, “médios” e “grandes”). Tudo depende do tipo de investigação que está sendo feito, nossa capacidade de medir os fenômenos, etc.

Relações entre variáveis

Uma metodologia comum em investigações científicas é o estudo das relação entre diferentes variáveis, com o objetivo de testar previsões teóricas (ex: tal remédio é seguro para o uso). Nesse contexto, costumamos interpretar o valor de uma variável como uma função dos valores de outra variável. Por exemplo, no exemplo abaixo, y é uma função dos valores de x:

Neste exemplo, a relação entre as variáveis é linear, ou seja podemos entender que a relação entre elas é dada por uma reta (ou por uma equação de primeiro grau), na qual cada valor de x tem um valor associado de y. O que é interessante notar é que nessa caso temos uma variável y que depende do valor de x de forma linear (ou seja, segundo uma equação de primeiro grau do tipo). Por esse motivo chamamos y comumente de variável dependente e o x de variável independente. 

Quando analisamos estatisticamente duas variáveis, digamos, dosagem de uma droga experimental e taxa de recuperação, o que fazemos é tentar achar as relações de dependências entre elas. Ou seja, no exemplo, precisamos achar como a taxa de recuperação (Tr) depende da dosagem (d) da droga experimental. Estatisticamente a relação entre essas duas variáveis é dada pela função

onde a0 e a1 são coeficientes da função linear e epslon (simbolo que parece um “e” no fim da equação) é o que chamamos de “erro“, que contem tudo aquilo que não estamos interessados no momento, como peso do indivíduo, idade, dieta, etc. Dessa forma, os métodos estatísticos nos permitem avaliar o que é o real sinal nos nossos dados (ou seja, qual é o efeito da droga na recuperação) do que não nos interessa naquele momento.

Porque controlar o erro?
Visto que o erro em uma analise pode ser controlado estatisticamente, então porque devemos controlar esse erro, ou melhor, no contexto da discussão inicial, porque devemos usar animais de laboratório, que são todos homogeneizados para minimizar tais erro?

O motivo é basicamente estatístico. Quando nosso erro não está controlado, ele pode apresentar uma magnitude grande demais, o que dificulta a identificação da real relação entre as variáveis. No exemplo abaixo, a relação entre as variáveis é a mesma (y=0.5+0.03*x), mas o erro na segunda analise é muito maior do que na primeira. Note também que as retas são bastante diferentes, indicando que a reta obtida com maior erro é muito diferente da real.

Outro ponto é que para o erro (pequeno ou grande) ser considerado como tal em analises estatísticas, ele tem que ser aleatório, ou seja, não pode mostrar forte associação ou padronização com qualquer outra variável que possa ser relevante para o nosso estudo. Quando isso ocorre, tais variávies precisam ser incorporadas  explicitamente na analise, onde cada variável que existe na população deve ser avaliada:

Onde todas as variáveis são expressas por x e seus coeficientes lineares por a. Nesse exemplo, a taxa de recuperação é uma função não apenas da dosagem do remédio, mas da idade, peso, dieta, tipo sanguíneo, sexo, etc.

Entretanto, a solução não é simplesmente coletar mais informações sobre os indivíduos que estão na análise. Existe um numero mínimo de indivíduos que precisam ser utilizados que aumenta a medida que avaliamos mais e mais variáveis. Esse número mínimo é uma função de diversos fatores, e existe toda uma área dedicada ao estudo desse tipo de coisa, porém uma coisa pode ser colocada categoricamente: o número de indivíduos na sua análise nunca pode ser inferior ao número de variáveis abordadas explicitamente. Ou seja, se formos em uma população humana natural, quantas variáveis devem variar de forma significativa? Cinqüenta? Trezentas? Acho que dá para pegar a idéia. Adicionalmente, quando avaliamos um número muito grande de correlações, existem sempre a possibilidade de identificar correlações onde na verdade não existem nenhuma, por puro acaso (é o que os estatísticos chamam de erro do tipo I).

Isso talvez ajude a entender porque muitas das análises sobre benefícios de algum tipo de alimentação variam tanto. Via de regra, tais estudos tem que ser realizados na população humana, incluindo todos os problemas metodológicos colocados. Ou seja, o resultado pode variar tanto não porque os “cientistas não se decidem se ovo é bom”, mas porque os indivíduos amostrais para esse tipo de investigação (e.g. seres humanos sem controle algum) são particularmente ruins para análises estatísticas.

Em outras palavras, testar um produto em uma população não controlada não é apenas perigoso (afinal, estamos falando de medicamentos, e não shampos para cabelos secos), mas é ciência ruim.

Porque devemos comer carne

Original: John S. Wilkins, evolvingthoughts.net

Humanos, assim como outros primatas, comem principalmente raízes, vegetais e nozes, mas irão comer carne quando disponível. Carne é uma valiosa fonte de proteínas e outros recursos nutricionais, e não pode ser desperdiçada. Mas, apesar dessa ser uma afirmação de fato, ela não é uma afirmação de obrigação ou permissão moral. Eu irei argumentar que nossa história evolutiva torna a ingestão de carne não apenas inevitável, mas algo que vale a pena, apesar de que eu não advogaria em favor da quantidade de carne que ingerimos hoje no mundo ocidental.

Existem muitas teorias de ética, mas uma das mais antigas e influenciais é a visão que pode ser traçada até Aristoteles: a Boa Vida é aquela que leva ao florescimento da vida humana. Isso é chamado de “eudaimonia” em Aristoteles. Agora, dessa perspectiva, o que devemos fazer é o que contribui para a eudaimoni, e por acaso todos concordam que humanos evoluíram para, e se desenvolvem melhor quando, comem uma dieta primariamente constituída de matéria vegetal, com uma pequena quantidade de carne, a famosa “pirâmide alimentar” da escola primária. Existem nutrientes que humanos requerem que a carne provêem e são impossíveis ou muito difíceis de serem obtidos de outra forma.

Eudaimonismo é uma ética “espécie-relativa”. Diferentemente da ética universal do vegetarianismo, direitos e deveres morais não são necessariamente estendidos para outras espécies, mas eles se aplicam à todos os humanos. Em “Expanding the Circle” (Expandindo o Circulo), Peter Singer argumenta que direitos morais são universais a todos os seres sencientes; uma visão eudaimoniana não presume isso. Esse é o universalismo de Kant, não de Bentham. Nós sabemos que todos humanos têm direitos e posturas morais; nós precisamos saber com que base nós devemos conferir direitos a animais. Nós presumimos que membros da especie humana têm uma natureza moral.

Sociedades escolhem conferir direitos baseados nas propriedades morais das pessoas. Pode ser objetado que essa visão faria crueldade contra animais permissível. Isso não procede. Como Kant notou, crueldade contra animais afeta seres humanos, degradando sua natureza moral, e apenas com base nisso ela deveria ser proibida. Mas nós podemos também conferir direitos para não-humanos com base no fato de deterêm algumas ou todas as propriedades morais dos humanos. Por exemplo, adultos de grandes primatas tem as capacidades cognitivas aproximadas de uma criança de três à cinco anos; e então eles deveriam ter os direitos e proteções conferidas a aqueles humanos.

Portanto não devemos comer, ou permitir que comam, grandes primatas ou outras espécies com capacidades cognitivas comparáveis. Mas os animais de abate não estão nessa classe (e aqueles que estão, em algumas culturas, como cachorros, deveriam ser excluidos da categoria de “animais de abate”). Nós deveríamos demandar que animais sejam abatidos (e criados) de forma humana (ou seja, sem crueldade ou dor), mas isso não é o suficiente para que seja proibido consumi-los.

Uma implicação disso entretanto é que nós devemos fazer todas as coisas que contribuem para o florescimento humano, e que isso irá incluir a redução da quantidade de carne ingerida, por vários motivos: muita carne leva a várias doenças, desde gota até problemas cardíacos; carne é um recurso caro e ultimamente insustentável nos níveis atuais; e animais de abate são rotineiramente invasores e ecologicamente nocivos.

Em todas as coisas, proporcionalidade é a chave para o florescimento. Muito de qualquer bem pode se tornar um mal. Um pouco de carne é bom; muito dela é um mal. Isso também é uma visão antiga dos gregos. Epicurianos diziam que o prazer é bom, mas muito dele não é. Em contraste com os extremismos do vegetarianismo, todas as coisas, em moderação, para o florescimento da humanidade, este é o caminho.

Sobre ScienceBlogs Brasil | Anuncie com ScienceBlogs Brasil | Política de Privacidade | Termos e Condições | Contato


ScienceBlogs por Seed Media Group. Group. ©2006-2011 Seed Media Group LLC. Todos direitos garantidos.


Páginas da Seed Media Group Seed Media Group | ScienceBlogs | SEEDMAGAZINE.COM