Quantitativo - qualitativo (minayo 1993)

Quantitativo - qualitativo (minayo 1993)

(Parte 1 de 4)

Cad. Saúde Públ., Rio de Janeiro, 9 (3): 239-262, jul/set, 1993239

Quantitativo-Qualitativo: Oposição ou Complementaridade? Quantitative and Qualitative Methods: Opposition or Complementarity?

Maria Cecilia de S. Minayo 1 Odécio Sanches 2

MINAYO, M. C. S. & SANCHES, O. Quantitative and Qualitative Methods: Opposition or Complementarity? Cad. Saúde Públ., Rio de Janeiro, 9 (3): 239-262, jul/sep, 1993.

This paper summarizes a methodological debate underway at the Brazilian National School of Public Health concerning the two major approaches for investigations in the field of health: the quantitative and qualitative methods. The authors — a public health anthropologist and a biostatistician — used theoretical and practical arguments to demonstrate that these methods are differentiated in nature, but that they complement each other in the understanding of social reality. In a world where human beings are distinguished by communicative language, this debate focuses on the possibility, meaning, and limits of both mathematical language and the language commonly used in everyday life.

Key words: Biostatistics; Research Methods; Social Sciences; Public Health

Este artigo tem sua origem em uma das atividades curriculares do Curso de Pós-Graduação em Saúde Pública da Escola Nacional de Saúde Pública (Ensp), Fundação Oswaldo Cruz (Fiocruz) — os denominados Seminários Avançados de Teses —, quando os autores, discutindo um dos projetos apresentados, tiveram a oportunidade de apontar as potencialidades e limitações das abordagens quantitativa e qualitativa que estavam sendo utilizadas no projeto em discussão.

Estas abordagens são os instrumentos de que se serve a Saúde Pública, em particular, para se aproximar da realidade observada. Nenhuma das duas, porém, é boa, no sentido de ser suficiente para a compreensão completa dessa realidade. Um bom método será sempre aquele, que permitindo uma construção correta dos dados, ajude a refletir sobre a dinâmica da teoria. Portanto, além de apropriado ao objeto da investigação e de oferecer elementos teóricos para a análise, o método tem que ser operacionalmente exeqüível.

Aceitando um desafio do Editor da Revista, dois investigadores se encontram: um trabalha com a abordagem quantitativa; o outro, com a metodologia qualitativa. Ambos defendem seus respectivos instrumentos de ação, porém ambos os relativizam, pois só quando os mesmos são utilizados dentro dos limites de suas especificidades é que podem dar uma contribuição efetiva para o conhecimento da realidade, isto é, a busca da construção de teorias e o levantamento de hipóteses.

Na primeira parte, a abordagem quantitativa é examinada mais no contexto de uma linguagem. Sem particularizar para o campo da Saúde Pública, procura-se evidenciar a evolução das idéias associadas a esta abordagem na descrição e interpretação de fenômenos biológicos de um modo geral (portanto, não adentrando a complexidade inter e multidisciplinar da Saúde Pública).

Na segunda parte deste trabalho, a metodologia qualitativa é abordada procurando enfocar, Departamento de Ciências Sociais da Escola Nacional de Saúde Pública. Rua Leopoldo Bulhões 1480 - 9º andar, Rio de Janeiro, RJ, 21041-210, Brasil. Departamento de Epidemiologia e Métodos Quantitativos em Saúde da Escola Nacional de Saúde Pública. Rua Leopoldo Bulhões 1480 - 8º andar, Rio de Janeiro, RJ, 21041-210, Brasil.

principalmente, o social como um mundo de significados passível de investigação e a linguagem comum ou a “fala” como a matéria-prima desta abordagem, a ser contrastada com a prática dos sujeitos sociais.

Finalmente, procura-se concluir que ambas as abordagens são necessárias, porém, em muitas circunstâncias, insuficientes para abarcar toda a realidade observada. Portanto, elas podem e devem ser utilizadas, em tais circunstâncias, como complementares, sempre que o planejamento da investigação esteja em conformidade.

O conhecimento científico é sempre uma busca de articulação entre uma teoria e a realidade empírica; o método é o fio condutor para se formular esta articulação. O método tem, pois, uma função fundamental: além do seu papel instrumental, é a “própria alma do conteúdo”, como dizia Lenin (1965), e siginifica o próprio “caminho do pensamento”, conforme a expressão de Habermas (1987).

A Descrição Matemática como uma Questão de Linguagem

O desenvolvimento da linguagem é uma etapa fundamental na evolução do controle deliberado e consciente das circunstâncias ambientais. A fala exerce um papel vital na rápida transmissão de grandes quantidades de informação entre os diferentes elementos de um grupo. Quando se atinge o estágio da escrita, cria-se, então, a possibilidade do registro permanente, revisado e acumulado. A modificação consciente e intencional da linguagem para servir a propósitos deliberados é uma etapa posterior do processo.

Aqueles que acompanham e operam na evolução das idéias e do conhecimento sabem que a situação atual da investigação científica é urgente: os trabalhos científicos são produzidos a uma taxa sempre crescente, tornando-se constantemente mais difícil acompanhar lado a lado os novos desenvolvimentos, tanto na própria área de interesse específico quanto no âmbito inter e multidisciplinar, independentemente da existência de meios eletrônicos para armazenamento da informação.

Nas áreas denominadas ciências exatas, nos últimos 3 séculos tem havido consideráveis avanços a este respeito, já existindo, atualmente, todos os pré-requisitos para o manuseio do crescimento acelerado do conhecimento, principalmente o da linguagem, conforme acentua Bailey (1967).

De fato, a título de ilustração, consideremos aquela que parece ser a mais antiga das ciências exatas: a Astronomia. É bem conhecido o fantástico conhecimento adquirido pelos astrônomos da Babilônia e do Egito antigo, não só envolvendo a observação prolongada e precisa dos eventos, mas também desenvolvendo a habilidade para se distinguir padrões de mudanças, sobre cuja base puderam criar um calendário suficientemente preciso, que permitiu o desenvolvimento de atividades que, modernamente, constituem o cerne da economia agrícola.

Na verdade, para se alcançar tais resultados era necessário mais que observar os acontecimentos e registrar luz e calor nos dias de verão, ou luz esmaecida e dias frios no inverno. A observação de padrões reconhecíveis e a determinação e mensuração de suas posições eram essenciais. A manipulação e o registro de tais medidas com propósitos de predição implicavam a existência de uma linguagem e de uma escrita adequadas. Não é, pois, por um acidente que a matemática babilônica e egípcia possuía as qualidades suficientes para atender a tais necessidades.

A lição fundamental que se pretende extrair da lembrança histórica de tal fato de conhecimento de todos é que, mesmo no chamado Mundo Antigo, um conhecimento considerado suficientemente preciso não teria sido atingido e aplicado sem as noções básicas de contar e medir, acompanhadas de um adequado instrumento matemático para manipulá-las.

Isto parece corroborar nosso ponto de vista de que uma interação entre pensamento e linguagem e, conseqüentemente, seu desenvolvimento mútuo são pautados por uma correspondente interdependência entre pensamento e matemática, quando nos dispomos a usá-la para propósitos de maior precisão de expressão.

A despeito dos grandes avanços na Biologia

Molecular e na Engenharia Genética, reconhecemos, no entanto, que nas chamadas soft

240Cad. Saúde Públ., Rio de Janeiro, 9 (3): 239-262, jul/set, 1993

Minayo, M. C. S. & Sanches, O.

sciences da Biologia, Psicologia, Sociologia, etc., o progresso tem sido mais incerto. Uma razão para este fato é que os sujeitos da pesquisa, nestas áreas, são muito mais variáveis e complexos que aqueles das denominadas Ciências Exatas.

No entanto, à medida que as observações e mensurações tornam-se mais acuradas e extensivas, no âmbito das soft sciences tem surgido a oportunidade de se usar a linguagem matemática para descrever, representar ou interpretar a multidiversidade de formas vivas e suas possíveis inter-relações.

A questão fundamental, porém, é decidir que espécies de arrazoados matemáticos são relevantes para determinados problemas, que limitações estão impostas e como tais métodos podem ser ampliados e generalizados. Não se pode perder de vista que o uso da linguagem matemática leva a descrições e modelos idealizados, uma construção abstrata que, na prática, na melhor das situações, será observada apenas parcialmente.

Quanto mais complexo for o fenômeno sob investigação, maior deverá ser o esfoço para se chegar a uma quantificação adequada, em parte porque algumas atividades são inerentemente difíceis de serem mensuradas e quantificadas e, em parte, porque, até o presente momento, descrições matemáticas excessivamente complicadas são extremamente intratáveis, do ponto de vista de solução, para que tenham algum valor prático.

Deve, então, ser exercitada uma considerável habilidade no julgamento de quais fatores são relevantes, ou pelo menos aproximadamente relevantes, para um determinado problema.

A realidade, porém, é que nos defrontamos com uma situação conflitante, que requer realismo e manejabilidade. Uma descrição extremamente precisa de todos os fatos conhecidos, por exemplo, a respeito da evolução de uma espécie, pode impedir qualquer representação matemática útil. Por outro lado, uma supersimplificação do quadro matemático utilizado poderia permitir, com grande facilidade, o cálculo numérico de certos coeficientes, mas isto seria, ou poderia ser, totalmente infrutífero, porque muitos fatos relevantes teriam que ser omitidos.

Este é, certamente, um dos dilemas presentes no moderno trabalho de investigação como um todo, não se restringindo, portanto, à investigação biológica, médica ou social.

O Papel da Teoria de Propabilidade e da Inferência Estatística

Todos nós sabemos que características individuais tais como peso, altura, pressão arterial, taxas de componentes bioquímicos no sangue, resposta a estímulos externos, etc., variam entre indivíduos de um grupo num dado instante e, num mesmo indivíduo, de instante para instante. Ordem e regularidade só podem ser estabelecidas, de forma aproximada, em termos médios e sobre um grande número de indivíduos.

Nossa impossibilidade de predizer antecipadamente, e com certeza, os resultados de um experimento em sucessivas repetições, sempre sob as mesmas condições, caracteriza-se como um experimento aleatório. A variabilidade presente, nestas condições, é chamada variabilidade aleatória, casual, randômica ou estocástica.

Em matemática, o instrumento adequado para trabalhar o aleatório é um conjunto de procedimentos que constitui a chamada teoria da probabilidade. Para todo evento aleatório é possível associar uma ou mais variáveis, ditas variáveis aleatórias (função definida no espaço amostral do experimento aleatório em questão), e para cada variável aleatória (ou conjunto de variáveis aleatórias) é possível encontrar uma função que descreva a distribuição de probabilidades para a referida variável (ou conjunto de variáveis), dita função densidade de probabilidade.

O uso de distribuições de probabilidade para descrever padrões biológicos, médicos ou sociais não é recente. Quetelet (1835) já havia utilizado as propriedades da distribuição de Gauss para descrever padrões de altura de seres humanos; Galton (1889), um médico inglês, havia utilizado as propriedades da mesma distribuição nos estudos de genética sobre herança natural, tendo sido o criador da teoria de análise de dados largamente utilizada em estatística e conhecida sob o rótulo de regressão linear.

É importante observar que as distribuições de probabilidade estão fundamentalmente associadas a conceitos matemáticos, embora sejam derivadas das noções comuns de chance e

Quantitativo-Qualitativo

Cad. Saúde Públ., Rio de Janeiro, 9 (3): 239-262, jul/set, 1993241 possibilidade, estabelecidas pelo senso comum, e as conclusões devam ser interpretadas em sentido prático.

Ao construirmos um quadro matemático válido de alguns fenômenos com fortes flutuações aleatórias, introduzimos idéias de probabilidades e usamos a teoria da probabilidade para desenvolver as implicações práticas da mesma. Se o modelo é razoavelmente satisfatório, pelo menos a algum respeito, então as implicações devem ser verificadas na prática. Isto é, as conclusões matemáticas devem mostrar um certo grau de aproximação ou aderência às observações que são feitas e aos resultados obtidos para o fenômeno em questão.

É função da estatística estabelecer a relação entre o modelo teórico proposto e os dados observados no mundo real, produzindo instrumentos para testar a adequação do modelo. Em resumo, enquanto a teoria da probabilidade está dentro da esfera da lógica dedutiva, a estatística encontra-se no âmago da lógica indutiva, conforme explicita Bailey (1967).

A grande potencialidade dos procedimentos estatísticos de análise de dados, na presença de variabilidade aleatória está contida na possibilidade de se estabelecer inferência, neste caso chamada inferência estatística.

Uma das aplicações da inferência estatística é o teste de ajuste — também chamado teste de aderência (em inglês, goodness of fit) — de um modelo teórico proposto ao conjunto de dados observados.

Formalmente, dois são os grandes problemas estatísticos de natureza inferencial: os problemas de estimação de parâmetros e os problemas de testes de hipóteses estatísticas.

As questões de inferência estatística que deram origem à denominada estatística matemática surgiram de modo mais formal com os trabalhos, quase simultâneos (e às vezes polêmicos), de Sir Ronald A. Fischer e da dupla J. Neyman e E. S. Pearson, na década 20-30 (Neyman, 1976; Neyman & Pearson, 1967; Fischer, 1934), sendo brilhantemente unificadas num contexto de teoria das decisões por A. Wald (Wald, 1950).

Um grande avanço tem sido conseguido nas ciências da saúde, e em particular na Epidemiologia, com a criação de alguns procedimentos inferenciais estatísticos, específicos para deter- minados desenhos de estudo. No entanto, tem ocorrido um certo abuso na utilização de tais procedimentos por parte de muitos pesquisadores desta área, que, desconhecendo ou intencionalmente ignorando as limitações impostas a tais procedimentos pelos pressupostos sobre os quais se assentam, extrapolam sua aplicações, deixando sob suspeita os resultados da análise conduzida (Altman, 1991). Isto ocorre principalmente nos testes de hipóteses estatísticas, em particular com o abuso do chamado “p-valor” como uma medida de evidência em relação à hipótese de nulidade (Miettinen, 1985; Stephen et al., 1988; Berger & Selke, 1987; Goodman & Royall; 1985). Os estatísticos encontram-se atualmente na situação dos bioquímicos e dos farmacólogos: não se sentem responsáveis pelo uso indevido e abusivo de seus produtos. Não são procedentes as críticas feitas à Estatística; elas devem ser dirigidas aos maus usuários.

Associadas às questões de inferência estatística temos as questões de amostragem. Em regra, aqui também há um desconhecimento quase geral, por parte dos não-especialistas, a respeito do papel da amostragem, sua relação com a inferência e, conseqüentemente, os pressupostos básicos que devem nortear a opção por um determinado desenho de amostragem e um tamanho específico da amostra. Esta não é uma questão apenas técnica, relacionada à definição do tamanho da amostra; não é uma questão meramente estatística ou para deixar para o estatístico resolver. Pesquisadores experimentados na área das ciências humanas (aqui incluindo as ciências da saúde) não podem ignorar, e muito menos esquecer, que as questões de amostragem são parte integrante das questões gerais de desenho da investigação.

O Social como um Mundo de Significados Passível de Investigação

(Parte 1 de 4)

Comentários