This thesis aims to introduce and raise interest on pretest/posttest analysis in epidemiological studies. In a first article, conceptual aspects are described and methodological guidelines for this type of analysis are systematized. We defined the key concepts of pretest and posttest and how they can be applied to epidemiology. Methods to assess pretest and posttest are very common and there are many ways to resolve the same problem. The objective here is to present some of them: t-test, analysis of variance (ANOVA) on the gain scores, analysis of covariance (ANCOVA), ANOVA on residual scores, and repeated measures ANOVA. The second article presents a general family of skew-symmetric distributions applied on pretest/posttest in epidemiological studies by considering a longitudinal approach. Situation where the normality assumption is not valid are very common, especially when data present a skewed distribution. For taking into account possible skewness effects, we propose the use of longitudinal analysis from a Bayesian perspective. In both articles, results of an application to a real data set related to multiple sclerosis are reported.

Esta tese tem por objetivo introduzir e explorar o interesse na análise pré-teste / pós-teste em estudos epidemiológicos. Em um primeiro artigo, aspectos conceituais são descritos e diretrizes metodológicas para esse tipo de análise são sistematizadas. Definimos os conceitos-chave de pré-teste e pós-teste e como eles podem ser aplicados à epidemiologia. Os métodos para avaliar o pré-teste e o pós-teste são muito comuns e existem várias maneiras de resolver o mesmo problema. O objetivo aqui é apresentar alguns deles: teste t de Student, análise de variância (ANOVA) nos escores de ganho, análise de covariância (ANCOVA), ANOVA em escores residuais e ANOVA com medidas repetidas. O segundo artigo apresenta uma família geral de distribuições assimétricas aplicadas no pré- teste / pós-teste em estudos epidemiológicos, considerando uma abordagem longitudinal. Situações em que a suposição de normalidade não é válida são muito comuns, especialmente quando os dados apresentam uma distribuição assimétrica. Para considerar possíveis efeitos de assimetria, propomos o uso de análises longitudinais em uma perspectiva bayesiana. Nos dois artigos, são relatados os resultados de uma aplicação em um conjunto de dados reais relacionados à esclerose múltipla.