Michael A. Überall, MD, Nuremberga, analisou de perto as armadilhas da leitura de publicações de estudo e o significado dos dados estatísticos numa série de seminários. Ao fazê-lo, recomendou que se confiasse no senso comum e que não se deixasse enganar pelos números. Isto porque muitos estudos são enganosos e já oferecem, em abstracto, que não vale a pena uma análise mais atenta do conteúdo.
Todos os anos, são publicados inúmeros estudos sobre a eficácia – ou ineficácia – das terapias. Um critério central na avaliação da eficácia é o valor p: se falhar a significância estatística com um valor >0,05, um estudo é geralmente considerado como tendo falhado. “O valor p, contudo, nada diz sobre o certo ou o errado, mas apenas indica uma probabilidade”, explicou Überall. Assim, um p-valor ≤0.05 significa que o resultado é certo com uma probabilidade de 95% ou mais. No entanto, o valor também pode ser alcançado por acaso. Com um p-valor de 0,06, o resultado é ainda 94% certo – e a diferença para p≤0,05 mínimo. “Será que um valor p >0,05 significa, portanto, que a terapia não funciona realmente? Devemos questionar se esta convenção está correcta”, diz ele. Isto porque um p-valor =0,06 poderia significar que um medicamento que é possivelmente urgentemente necessário para muitos pacientes não recebe aprovação.
A certeza de que uma diferença entre dois grupos não é aleatória pode ser aumentada em p-valores <0,01 ou <0,001. Um p-valor <0,001 é considerado altamente significativo – e o resultado 99,9% fiável. Uma probabilidade de erro de 0,1%, contudo, significaria que 445.000 prescrições seriam preenchidas incorrectamente todos os anos ou que um dos aviões que descolasse ou aterrasse em Frankfurt se despenharia de dois em dois dias, salientou Überall. Mesmo um p-valor <0,001 não é, portanto, 100% certo. Na sua opinião, um dos valores mais importantes na medicina é o intervalo de confiança, que normalmente é dado como 95%. Se o intervalo encerra o valor 1 ou se os intervalos de confiança de duas terapias se sobrepõem, as diferenças documentadas em termos de eficácia são estatisticamente irrelevantes. “Então pode pôr o estudo de lado em segurança”, afirmou Überall.
Se o estudo não cumprir o que promete
No que diz respeito à leitura de estudos em geral, basta um olhar para o resumo para ver se vale a pena continuar a ler. Überall ilustrou isto com o exemplo de um estudo sobre o tratamento da dor neuropática em pacientes com esclerose múltipla. O medicamento em estudo não foi mais eficaz do que placebo no alívio da dor – mas causou efeitos secundários duas vezes mais frequentes. No entanto, os autores escrevem no título da publicação que o medicamento é uma opção segura para a terapia a longo prazo da dor neuropática. “Portanto, leia com senso comum se o conteúdo de uma publicação cumpre o que o título promete”, Überall apelou aos participantes do congresso.
Conclusões erradas de avaliações defeituosas
Quantos dados de estudo podem induzir em erro é demonstrado por uma avaliação que jogou a favor dos cépticos da vacinação Corona em 2021. De acordo com dados do Ministério da Saúde da Baviera, as pessoas vacinadas tinham uma taxa de mortalidade mais elevada de 4,3% do que as não vacinadas com 3,4%. No entanto, as pessoas mais velhas estavam fortemente sobre-representadas na avaliação – e após a ponderação da idade, mostrou que os vacinados tinham um risco de morte inferior ao dos não vacinados. O que é que aprendemos com isto? Os estudos de leitura também precisam de ser aprendidos.
Fonte: Überall M: Estatísticas em Medicina da Dor. Dia Alemão da Dor e Paliativo 2023
InFo NEUROLOGIA & PSYCHIATRY 2023; 21(2): 29
