Leitura Crítica de Artigos Médicos: PICO, Vieses, Testes Diagnósticos e GRADE

A quantidade de literatura médica produzida hoje é simplesmente inalcançável: o PubMed adiciona mais de 1 milhão de novos registros por ano, o que torna impossível acompanhar tudo e transforma a leitura crítica em competência nuclear do médico. Medicina baseada em evidências (MBE), na definição clássica de Sackett, é o uso consciente, explícito e judicioso da melhor evidência disponível na tomada de decisões sobre pacientes individuais, integrando-a à perícia clínica e aos valores e preferências do paciente. As provas de bioestatística e MBE exploram exatamente essa cadeia: montar a pergunta clínica correta (PICO), reconhecer o desenho de estudo adequado a cada pergunta, identificar vieses e confundimento, interpretar medidas de efeito e de acurácia diagnóstica e julgar a força das recomendações pelo sistema GRADE. Este artigo percorre cada um desses degraus com os números, fórmulas e checklists que caem em prova.

01A pergunta clínica estruturada: PICO

Toda busca bibliográfica produtiva começa com uma pergunta clínica bem construída. O modelo PICO organiza quatro elementos: P de paciente ou problema (quais as características demográficas e clínicas do doente), I de intervenção (o tratamento, exame ou exposição de interesse), C de comparação (placebo, padrão-ouro, outra droga ou ausência de exposição) e O de desfecho (o evento clinicamente relevante que se quer modificar ou identificar). Distinga perguntas de primeiro plano, que dizem respeito ao paciente específico em frente ao médico e pedem evidência primária, das perguntas de plano de fundo, genéricas e respondidas por livros-texto. A pergunta também define o tipo de estudo ideal: terapia pede ensaio clínico randomizado, diagnóstico pede estudo de acurácia com padrão-ouro cego, prognóstico pede coorte e dano pede coorte ou caso-controle quando randomizar é inviável ou antiético.

O PICO acima foi o do estudo CAST, examinado adiante como o exemplo clássico do perigo dos desfechos substitutos: as drogas suprimiam as extra-sístoles no Holter e, ainda assim, aumentavam a mortalidade.

02Hierarquia de evidências: da opinião de especialista à metanálise

A pirâmide de evidências ordena os desenhos pela resistência esperada ao viés e ao acaso: no topo ficam as revisões sistemáticas com metanálises de ensaios clínicos randomizados, seguidas dos ECRs individuais, coortes, estudos caso-controle, estudos transversais, séries de casos e, na base, relatos de caso e opinião de especialistas. Dois refinamentos caem em prova: a hierarquia vale para perguntas de terapia e prevenção, pois para perguntas de diagnóstico e prognóstico os desenhos observacionais bem conduzidos são o padrão; e a posição na pirâmide é o ponto de partida da avaliação, não o veredito final, porque um ECR pequeno, cego apenas no papel e com perdas de seguimento pode valer menos que uma coorte populacional bem conduzida. O sistema GRADE formaliza essa ideia: ECRs começam como evidência de alta certeza e podem ser rebaixados, enquanto estudos observacionais começam baixos e podem ser elevados.

03Desenhos de estudo: força, limitações e direção temporal

04Vieses, confundimento e acaso: os três inimigos da validade

Validade interna é o grau em que o estudo mede o que se propõe sem erros sistemáticos; validade externa é a aplicabilidade dos resultados a outros pacientes e contextos. Os erros sistemáticos, ou vieses, distorcem o resultado sempre na mesma direção. O confundimento é um fenômeno distinto: um fator terceiro associado à exposição e ao desfecho, fora da cadeia causal, mascara ou simula uma associação, como o café parecer causar câncer de pulmão por ser mais comum entre fumantes. A randomização é o único método que controla confundidores conhecidos e desconhecidos; restrição, pareamento, estratificação, ajuste multivariável e escores de propensão controlam apenas os confundidores medidos. Não confunda confundimento com modificação de efeito, em que a magnitude do efeito realmente difere entre subgrupos, o que exige teste de interação e não ajuste. Por fim, o acaso opera pelos erros alfa (tipo 1, falso positivo, probabilidade alfa convencionalmente fixada em 5%) e beta (tipo 2, falso negativo, beta geralmente 20%), sendo o poder estatístico igual a 1 menos beta, ou seja, 80% na convenção habitual.

• Viés de seleção: amostra sistematicamente diferente da população de interesse, incluindo perdas de seguimento desiguais entre os grupos
• Viés de desempenho: grupos recebem cuidados distintos além da intervenção testada
• Viés de detecção ou de aferição: desfecho aferido de forma diferenciada conforme o grupo alocado, o que quebra o cegamento
• Viés de atrição: perdas diferenciais ao longo do seguimento
• Viés de publicação e de relato: resultados negativos não publicados ou desfechos omitidos seletivamente
• Controle do confundimento: randomização (conhecidos e desconhecidos), restrição, pareamento, estratificação, ajuste estatístico multivariável e escores de propensão (apenas confundidores medidos)

05Como criticar um ensaio clínico randomizado: o checklist CONSORT

O CONSORT 2010 é a diretriz de relato de ensaios clínicos paralelos e seu checklist é o roteiro de leitura crítica. A sequência da randomização tem três etapas que as provas adoram separar: geração da sequência aleatória (tabela de números aleatórios ou computador, não alternância ou data de nascimento), ocultação da alocação (central telefônica ou envelopes opacos lacrados selados, que impedem quem inclui de saber o próximo grupo antes do consentimento) e implementação. O cegamento atua depois da alocação e protege pacientes, cuidadores e, sobretudo, os avaliadores de desfecho, especialmente os subjetivos; o duplo-cego simulado (double-dummy) mantém o cegamento quando os tratamentos têm aparências diferentes. A análise deve seguir o princípio da intenção de tratar (ITT), incluindo todos os participantes randomizados nos grupos originais, mesmo não aderentes, o que preserva o equilíbrio da randomização e dá estimativa conservadora e realista do efeito; a análise por protocolo serve de contraste. O seguimento idealmente completo exige descrição de todas as perdas, com meta clássica de retenção acima de 80%.

• A randomização foi adequada (sequência por computador) e a alocação oculta até o momento da inclusão
• Quem foi cegado: participantes, equipe e avaliadores de desfecho, com estratégia duplo-cega quando as intervenções têm aparências distintas
• O desfecho primário foi definido a priori, com cálculo de tamanho de amostra baseado nele
• A análise principal seguiu a intenção de tratar, com todas as randomizações respeitadas
• Perdas de seguimento descritas grupo a grupo, inferiores a 20% e tratadas com sensibilidade
• Os desfechos medidos são clinicamente relevantes para o paciente, e não apenas substitutos
• Interrupção precoce por benefício deve ser vista com ceticismo, pois tende a exagerar o efeito
• A discussão limita-se aos dados apresentados, sem extrapolação indevida da população estudada

O estudo CAST é o exemplo canônico de desfecho substituto traicionando o clínico: encainida e flecainida foram aprovadas por suprimirem extra-sístoles ventriculares após infarto (marcador eletrocardiográfico associado a morte súbita), mas o ensaio randomizado duplo-cego contra placebo foi interrompido precocemente por segurança ao mostrar mortalidade cerca de duas a três vezes maior nos grupos ativos, com 33 mortes em 730 pacientes sob encainida ou flecainida contra 9 em 725 sob placebo na análise publicada. A lição para a prova: desfecho substituto só é aceitável quando validado como preditor do desfecho clínico, e a régua de julgamento final é o evento que importa ao paciente, como morte, infarto, internação e qualidade de vida.

06Como criticar estudos observacionais: STROBE

O STROBE orienta o relato de coortes, caso-controle e transversais. Na coorte, verifique a definição e a mensuração padronizada da exposição, a completude do seguimento (índice de pessoas-tempo) e a comparação dos perdidos com os acompanhados; ela permite calcular incidência, risco relativo e risco atribuível. No caso-controle, os pontos críticos são a seleção dos casos (incidentes de preferência), a fonte dos controles (mesma população que originou os casos, hospitalar ou comunitária) e o viés de memória, atenuado por registros objetivos; a medida de efeito é a razão de chances (OR), que aproxima o risco relativo apenas quando o desfecho é raro, abaixo de cerca de 10%. O caso-controle aninhado (nested case-control) amostra casos e controles de dentro de uma coorte definida, ganhando eficiência sem perder a lógica longitudinal. No estudo transversal, exposição e desfecho são simultâneos, permitindo apenas prevalência e associação, jamais incidência.

07Revisões sistemáticas e metanálises: PRISMA 2020

Revisão sistemática é a síntese de toda a evidência sobre uma pergunta estruturada, com métodos explícitos e reproduzíveis; a metanálise é o pooling estatístico dos resultados, possível e legítimo quando os estudos são combináveis. O PRISMA 2020 organiza o relato em 27 itens e exige protocolo registrado a priori (plataforma PROSPERO), busca abrangente em pelo menos duas grandes bases com estratégia detalhada, triagem e extração duplicadas e independente, e avaliação formal do risco de viés: ferramenta RoB 2 para ensaios randomizados e ROBINS-I para estudos não randomizados. A leitura crítica exige verificar se os estudos incluídos respondem à mesma pergunta clínica (homogeneidade clínica, metodológica e estatística) e examinar a heterogeneidade estatística: o I quadrado quantifica a variação devida a heterogeneidade verdadeira, com valores em torno de 25, 50 e 75% indicando heterogeneidade baixa, moderada e alta; heterogeneidade alta sugere efeito combinado pouco confiável e pede análise de subgrupos pré-especificada ou modelo de efeitos aleatórios, que nunca é cura para heterogeneidade clínica. O viés de publicação é avaliado por assimetria do gráfico de funil (funnel plot) e testes como o de Egger. No forest plot, cada quadradinho representa o efeito de um estudo, a área do quadrado o peso, a linha horizontal o intervalo de confiança e o losango o efeito combinado, com a linha do efeito nulo (1 para razões) decidindo a significância.

08Estudos de teste diagnóstico: sensibilidade, especificidade e razões de verossimilhança

Estudos de acurácia comparam um teste index com um padrão-ouro, ambos aplicados às cegas, na mesma amostra. A tabela de dois por dois organiza verdadeiros positivos (a), falsos positivos (b), falsos negativos (c) e verdadeiros negativos (d). A sensibilidade, a/(a+c), é a capacidade de detectar os doentes e interessa ao rastreio de doenças graves; a especificidade, d/(b+d), é a capacidade de confirmar a doença em quem a tem e interessa ao diagnóstico confirmatório. Os valores preditivos dependem da prevalência: o valor preditivo positivo, a/(a+b), cai quando a prevalência cai; o valor preditivo negativo, d/(c+d), cai quando a prevalência sobe. Por isso memorize as mnemônicas SnNout (teste muito sensível e negativo praticamente exclui o diagnóstico) e SpPin (teste muito específico e positivo praticamente confirma). As razões de verossimilhança transcendem a prevalência e transformam a probabilidade pré-teste em pós-teste: a LR positiva é a sensibilidade dividida por 1 menos a especificidade, e a LR negativa é 1 menos a sensibilidade dividida pela especificidade; a probabilidade pós-teste em chances (odds) é a pré-teste multiplicada pela razão de verossimilhança, cálculo facilitado pelo nomograma de Fagan. LR positiva acima de 10 e LR negativa abaixo de 0,1 mudam substancialmente a probabilidade. A área sob a curva ROC resume o desempenho global: 0,5 é ausência de discriminação, valores de 0,7 a 0,8 são aceitáveis, acima de 0,9 são excelentes.

09Estatística aplicada à leitura crítica: valor de p, intervalos de confiança e significância clínica

O valor de p é a probabilidade de observar dados tão ou mais extremos que os observados, assumindo que a hipótese nula é verdadeira; ele não é a probabilidade de a hipótese nula ser verdadeira nem de o resultado ser devido ao acaso, distinção que elimina metade dos candidatos em questões de interpretação. O intervalo de confiança de 95% expressa o conjunto de valores compatível com os dados: intervalo do risco relativo ou OR que inclui o 1, ou intervalo da diferença de médias que inclui o 0, indica ausência de significância estatística no nível de 5%. Intervalos largos denotam amostras pequenas e imprecisão. Comparações múltiplas inflam o erro alfa (o problema da multiplicidade) e exigem correção, como a de Bonferroni, ou desfechos e comparações definidos a priori. Análises de subgrupo só são críveis quando especificadas antes, com teste de interação estatisticamente significativo, e a famosa análise de subgrupo do ISIS-2, que mostrou efeito da aspirina aparentemente ausente em nascidos sob os signos de Gêmeos e Libra, ilustra o perigo de garimpar subgrupos. Ensaios de não inferioridade testam se o novo tratamento não é pior que o padrão além de uma margem delta pré-especificada, e a escolha da margem é o ponto crítico da crítica. Por fim, significância estatística não é significância clínica: um desfecho composto pode ser conduzido pelo componente mais brando e mais frequente, e a pergunta decisiva é se a magnitude do benefício absoluto justifica riscos, custos e incômodos.

10GRADE: da qualidade da evidência à força da recomendação

O sistema GRADE separa certeza da evidência e força da recomendação. A certeza parte de alta para ensaios randomizados e de baixa para estudos observacionais, em quatro níveis possíveis: alta, moderada, baixa e muito baixa. Cinco fatores rebaixam a certeza: risco de viés, inconsistência entre estudos (heterogeneidade), indiretabilidade (população, intervenção ou desfecho diferentes da pergunta), imprecisão (intervalos largos ou eventos poucos numerosos) e viés de publicação. Três fatores podem elevar estudos observacionais: magnitude grande do efeito (risco relativo acima de 2 ou abaixo de 0,5), gradiente dose-resposta e direção do confundimento residual plausível que fortaleceria o efeito observado, pois indicaria que o efeito verdadeiro seria ainda maior. A força da recomendação é forte (1) ou fraca e condicional (2), ponderando certeza, balanço entre benefícios e danos, valores dos pacientes e uso de recursos: recomendação forte significa que a maioria dos pacientes informados escolheria a intervenção, e fraca significa que escolhas variarão.

• Passo 1: validade do estudo para a minha pergunta (desenho e proteção contra viés)
• Passo 2: magnitude e precisão do efeito (medidas absolutas, intervalos de confiança)
• Passo 3: aplicabilidade ao meu paciente (perfil demográfico, comorbidades, contexto e adesão provável)
• Passo 4: balanço entre benefícios e danos em termos absolutos, incluindo número necessário a tratar e a ferir
• Passo 5: valores e preferências do paciente, com decisão compartilhada

11Pontos de prova e erros comuns