Clinical data analysis

Clinical Data Analysis — Skill de Análise de Dados Clínicos

Análise estatística e visualização de dados para prática clínica endocrinológica e pesquisa acadêmica.

Capacidades

1. Análise de Dados de Pacientes

• Evolução temporal de parâmetros (peso, IMC, circunferências, labs)
• Análise de composição corporal (bioimpedância seriada)
• Correlações entre variáveis clínicas e laboratoriais
• Estratificação de risco metabólico
• Curvas de resposta terapêutica

2. Estatística para Pesquisa

• Teste t, Mann-Whitney, Wilcoxon
• ANOVA / Kruskal-Wallis
• Regressão linear e logística
• Curvas ROC e AUC
• Análise de sobrevida (Kaplan-Meier)
• Tamanho amostral e poder estatístico
• Meta-análise (forest plots, funnel plots)

3. Validação de IA Médica

• Sensibilidade, especificidade, VPP, VPN
• Matrizes de confusão
• Curvas ROC para modelos de classificação
• Validação cruzada k-fold
• Concordância inter-observador (Kappa de Cohen)
• Bland-Altman plots
• Calibração de modelos (Hosmer-Lemeshow)

4. Dashboards Clínicos

• Perfil de pacientes por diagnóstico
• Distribuição de comorbidades
• Tempo médio de espera / follow-up
• Indicadores de qualidade assistencial
• Análise financeira da clínica

Parâmetros Endocrinológicos Comuns

Perfil Tireoidiano

Exame	Unidade	Referência	Notas
TSH	mUI/L	0.4 - 4.0	Ultrassensível
T4 Livre	ng/dL	0.7 - 1.8
T3 Total	ng/dL	80 - 200
Anti-TPO	UI/mL	< 35	Autoimunidade
Anti-Tg	UI/mL	< 115
Tireoglobulina	ng/mL	< 77	Seguimento ca tireoide

Perfil Metabólico

Exame	Unidade	Referência
Glicemia jejum	mg/dL	70 - 99
HbA1c	%	< 5.7 (normal), < 7.0 (DM controlado)
Insulina basal	µUI/mL	2.6 - 24.9
HOMA-IR	-	< 2.71
Colesterol total	mg/dL	< 190
LDL	mg/dL	Conforme risco CV
HDL	mg/dL	> 40 (H), > 50 (M)
Triglicérides	mg/dL	< 150

Perfil Hormonal

Exame	Unidade	Notas
Cortisol 8h	µg/dL	6.2 - 19.4
ACTH	pg/mL	7.2 - 63.3
IGF-1	ng/mL	Ajustar por idade
GH basal	ng/mL	< 3.0
Testosterona total	ng/dL	249-836 (H)
Estradiol	pg/mL	Conforme fase do ciclo
PTH	pg/mL	15 - 65
25-OH Vitamina D	ng/mL	30 - 60 (suficiente)
Cálcio iônico	mmol/L	1.12 - 1.32

Ferramentas Estatísticas

Python (preferido)

# Bibliotecas core
import pandas as pd
import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.metrics import roc_curve, auc, confusion_matrix
import statsmodels.api as sm

Visualizações Padrão

• Evolução temporal: Line plot com IC 95%
• Distribuição: Histogramas com KDE overlay
• Correlação: Scatter plots com regressão + r²
• Comparação de grupos: Box plots / Violin plots
• ROC: Curva com AUC e IC bootstrap
• Forest plot: Para meta-análises
• Waterfall plot: Para variação individual

Formatação de Gráficos Clínicos

# Paleta médica padrão
COLORS = {
    'normal': '#2ecc71',
    'borderline': '#f39c12',
    'alterado': '#e74c3c',
    'referencia': '#95a5a6',
    'primary': '#3498db',
    'secondary': '#9b59b6'
}

# Estilo padrão
plt.style.use('seaborn-v0_8-whitegrid')
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.size'] = 11
plt.rcParams['figure.dpi'] = 150

Validação de IA Dermatológica (Pesquisa Doutoral)

Métricas Obrigatórias

1. Acurácia global e por classe
2. Sensibilidade/Especificidade por lesão
3. Curva ROC multiclasse (one-vs-rest)
4. Matriz de confusão normalizada
5. Concordância IA vs dermatologista (Kappa ponderado)
6. Calibração (reliability diagram)

Framework de Validação

DATASET
├── Treino (70%)
├── Validação (15%)
└── Teste (15%) — nunca tocado até avaliação final

AVALIAÇÃO
├── Validação cruzada 5-fold no treino
├── Métricas no conjunto de teste
├── Comparação com dermatologistas (ground truth)
└── Análise de subgrupos (fototipo, localização, tamanho)

Fluxo de Análise

1. Receber dados (CSV, XLSX, ou entrada manual)
2. Validar integridade e qualidade dos dados
3. Explorar estatística descritiva e distribuições
4. Analisar conforme objetivo (comparação, correlação, predição)
5. Visualizar com gráficos publicação-ready
6. Gerar relatório com interpretação clínica
7. Exportar em formato solicitado (xlsx, pdf, png)

Exemplos de Uso

• "Analise a evolução de TSH destes 50 pacientes ao longo de 12 meses"
• "Calcule o HOMA-IR e estratifique o risco metabólico desta coorte"
• "Gere uma curva ROC para o modelo de classificação de lesões dermatológicas"
• "Compare os resultados de perda de peso entre semaglutida e tirzepatida neste dataset"
• "Monte um dashboard dos KPIs da clínica no último trimestre"
• "Faça a análise estatística para o artigo sobre validação de IA dermatológica"