Conceitos básicos da pesquisa em saúde – parte 1: o desenho do estudo

As pesquisas em saúde costumam receber bastante atenção da mídia, mas isso não significa que os veículos de mídia façam um bom trabalho em explicar os seus resultados. A impressão de que os cientistas estão constantemente mudando de ideia, por exemplo, quanto ao que “faz bem” ou “faz mal” para a saúde, já virou piada velha. Nesta série de textos, vamos discutir os principais conceitos para entender estudos em saúde. Para interpretar os resultados de qualquer estudo, precisamos entender como cientistas descobrem relações de causa e efeito, quais fatores podem interferir nos resultados e que medidas são usadas para contornar essas interferências. Este texto apresenta o desenho de ensaios clínicos, que são os estudos usados para testar novos tratamentos. O próximo discutirá as técnicas estatísticas usadas para analisar os resultados de estudos. O terceiro falará do efeito placebo e o último apresentará os conceitos de risco relativo e risco absoluto, que são fundamentais para entender os resultados de estudos observacionais, ou seja, aqueles que procuram identificar quais fatores levam as pessoas a ter determinadas doenças.

Para entender os ensaios clínicos, vamos primeiro pensar num modelo de experimento mais simples. Digamos que você quer testar se uma substância Y funciona como antibiótico. Você pega uma cultura de bactérias, introduz essa substância e espera para ver se as bactérias morrem. Depois de um tempo, você observa que as bactérias realmente morreram, mas como ter certeza de que foi mesmo a substância Y? Afinal, alguma outra coisa pode ter interferido em seu experimento sem você saber. Para evitar essa interferência e garantir que os resultados são, de fato, efeito da substância que você está medindo, é necessário ter duas culturas de bactérias, totalmente idênticas e mantidas nas mesmas condições, mas só introduzir a substância Y em uma delas. Qualquer diferença necessariamente tem que ser resultado dessa substância, pois todos os outros fatores – ou variáveis – foram controlados. Nesse experimento, a cultura que não recebeu a substância Y é o controle, pois é o que nos diz o que aconteceria sem a intervenção da variável que queremos testar.

A lógica de ensaios clínicos é a mesma desse tipo de experimento. O objetivo é tentar isolar ao máximo o efeito do que os pesquisadores estão medindo – seja ele um remédio, um procedimento, um aparelho, ou qualquer outro tipo de intervenção. Nesses estudos, como no nosso experimento anterior, as pessoas que recebem a intervenção são o grupo experimental e as que não recebem nada formam o grupo controle[1]. No entanto, ao contrário do nosso experimento imaginário, conseguir isolar o efeito de uma única variável é bem mais difícil em seres humanos. Tanto doenças quanto resultados de tratamentos costumam envolver um número grande de fatores, como histórico familiar, sexo, idade e hábitos de vida. Com isso, desenhar estudos para que os dois* grupos sejam idênticos e, ainda por cima, representem bem o conjunto da população é uma tarefa complexa. Uma forma de gerar grupos o mais parecido possível é definir aleatoriamente quais participantes estarão em que grupos. A aleatoriedade evita que pessoas que compartilham outras características – por exemplo, pessoas que têm um mesmo hábito, como fumar, ou que têm o mesmo histórico familiar de uma doença – sejam incluídas num mesmo grupo, algo que poderia interferir com os resultados do estudo (mais sobre isso no segundo texto).

Por outro lado, há o desafio de recrutar participantes com perfis diferentes. Isso é importante porque não há garantias de que os resultados de uma intervenção serão os mesmos para todas as pessoas. Assim, é necessário testar os resultados em pessoas com perfis diferentes para confirmar se a intervenção funciona para todos. Um exemplo disso diz respeito a mulheres grávidas, que geralmente são excluídas de ensaios clínicos devido a preocupações sobre os efeitos possíveis da intervenção na gravidez. Ainda que a preocupação seja justificada, essa exclusão também gera problemas, porque torna impossível obter informações sobre a segurança e eficácia de diferentes tratamentos em mulheres grávidas[2].

Conseguir um conjunto de participantes diverso e dividi-los em grupos semelhantes é com frequência um ponto fraco de ensaios clínicos. Assim, duas das principais críticas de cientistas a ensaios clínicos se focam no fato de terem um número pequeno de participantes, ou apenas participantes de um tipo (pessoas de países desenvolvidos, pessoas brancas, nenhuma pessoa acima do peso, e por aí vai). Em ambos os casos, o que essas críticas estão dizendo é que os resultados desses estudos não necessariamente se aplicam a todas as pessoas e precisam ser comprovados em estudos com um conjunto maior e mais diverso de participantes.

Até aqui, já temos alguns critérios que precisamos ter em mente quando lemos uma notícia sobre um estudo em saúde: qual era o número de participantes? O estudo buscou incluir um conjunto variado de participantes, ou todos tinham um perfil similar? O estudo tinha um grupo controle e um grupo experimental? Eles foram selecionados aleatoriamente? Mesmo que um estudo atenda a todos esses critérios, há outras questões a se considerar. No próximo texto, vamos discutir as técnicas estatísticas usadas para analisar os resultados dos estudos em saúde e algumas dificuldades que essas técnicas precisam superar.

* É possível ter mais de dois grupos em um só estudo, por exemplo, se os pesquisadores quiserem testar combinações de intervenções, mas a lógica do grupo controle/grupo experimental é sempre a mesma.

Fontes:
[1] Hinkelman, Klaus e Kempthrone, Oscar. Desing and Analysis of Experiments – Volume 1: Introduction to Experimental Designs. Hoboken: Wiley, 2008. Disponível em: https://books.google.de/books?id=T3wWj2kVYZgC&printsec=frontcover&redir_esc=y&hl=de#v=onepage&q&f=false
http://care.diabetesjournals.org/content/39/6/1004
[2] Phelan, Alannah L., Kunselman, Allen R., Chuang, Cynthia H., Raja-Khan, Nazia T. e Legro, Richard S. Exclusion of Women of Childbearing Potential in Clinical Trials of Type 2 Diabetes Medications: A Review of Protocol-Based Barriers to Enrollment. Diabetes Care, vol. 40, n. 5, 2017. Disponível em: http://care.diabetesjournals.org/content/39/6/1004

Anúncios

4 comentários sobre “Conceitos básicos da pesquisa em saúde – parte 1: o desenho do estudo

  1. Pingback: Conceitos básicos da pesquisa em saúde – parte 2: correlações, confundimento e significância estatística | cientistasfeministas

  2. Pingback: Conceitos básicos da pesquisa em saúde – parte 3: o efeito placebo | cientistasfeministas

  3. Pingback: Precisamos de mais antibióticos: a busca por novos fármacos | cientistasfeministas

  4. Pingback: Conceitos básicos da pesquisa em saúde – parte 4: risco | cientistasfeministas

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s