Fórmulas, Algoritmos e Exemplos para Cálculo de Intervalo de Confiança de Dados Distribuídos Binomialmente: Risco Excessivo, Risco Relativo e Razão de Chances

Estudos médicos frequentemente envolvem uma comparação entre dois resultados, cada um coletado de uma amostra. A probabilidade associada e a confiança no resultado do estudo são de máxima importância, visto que pode-se argumentar que estar errado em uma porcentagem poderia ser o que matou um paciente. A amostragem é geralmente realizada a partir de uma população finita e discreta e segue um experimento de Bernoulli, resultando em uma contingência de duas amostras distribuídas binomialmente (melhor conhecida como tabela de contingência 2×2). As diretrizes atuais recomendam relatar medidas relativas de associação (como o risco relativo e a razão de chances) em conjunto com medidas absolutas de associação (que incluem a diferença de risco ou risco excessivo). Como a distribuição é discreta, a avaliação do intervalo de confiança exato para qualquer uma dessas medidas de associação é um desafio matemático. Alguns cenários alternativos foram analisados (contínuo vs. discreto; hipergeométrico vs. binomial), e no caso principal — experimento binomial bivariado — uma estratégia para fornecer p-valores exatos e intervalos de confiança é proposta. Algoritmos que implementam a estratégia são apresentados.