Instrumentos de Coleta e Questionários: Adaptação Transcultural e Validação

Grande parte do que a medicina conhece sobre dor, qualidade de vida, sintomas e comportamento não é medido por exames, mas por instrumentos de medida: questionários e escalas que transformam percepções subjetivas em escores comparáveis. O SF-36, o WHOQOL, o DASH, o WOMAC, o BECK e centenas de outros instrumentos só podem ser usados no Brasil depois de passar por dois processos distintos e complementares: a adaptação transcultural (garantir que a versão em português signifique o mesmo que a versão original) e a validação (demonstrar, com dados, que a versão adaptada mede o que propõe com validade, confiabilidade e capacidade de detectar mudanças). Bancas cobram exatamente essa distinção: traduzir bem não é validar, e validar não começa pela estatística, começa pela autorização do autor original.

01Conceitos fundamentais: construto, validade, confiabilidade e responsividade

Construto é o atributo latente que o instrumento pretende medir (qualidade de vida, depressão, gravidade da dor). Como construtos não são diretamente observáveis, o instrumento é julgado por suas propriedades de medida, organizadas pela taxonomia COSMIN em três grandes domínios: validade (o instrumento mede o que propõe), confiabilidade (mede de forma consistente, sem erro excessivo) e responsividade (detecta mudanças clinicamente relevantes ao longo do tempo quando o construto muda). Um instrumento pode ser confiável sem ser válido (uma balança descalibrada repete sempre o mesmo peso errado) e raramente será válido sem ser confiável, pois erro grande impede correlação com o construto.

• Validade de conteúdo: os itens cobrem todo o domínio do construto, do ponto de vista de especialistas e da população-alvo (juízes e pré-teste).
• Validade estrutural: a estrutura interna dos itens (fatores) corresponde ao construto teórico (análise fatorial).
• Validade de construto: os escores se comportam conforme hipóteses pré-definidas (correlações com outros instrumentos, diferenças entre grupos conhecidos).
• Validade de critério: o instrumento converge com um padrão-ouro ou critério externo aceito (curvas ROC, sensibilidade e especificidade).
• Confiabilidade: consistência interna (homogeneidade dos itens de um mesmo domínio) e reprodutibilidade (teste-reteste, interobservador, intraobservador).
• Erro de medida: SEM (erro padrão de medida) e SDC (menor mudança detectável), que traduzem a confiabilidade em unidades interpretáveis.
• Responsividade (reatividade): sensibilidade do escore a mudanças reais no estado do paciente.

02Tipos de instrumentos e formatos de coleta

A escolha do instrumento antecede qualquer estatística. Instrumentos genéricos (SF-36, WHOQOL, EQ-5D) permitem comparar populações e doenças diferentes, mas são menos sensíveis a mudanças específicas; instrumentos específicos (DASH para membro superior, WOMAC para osteoartrose de joelho e quadril, FAAM para tornozelo) são mais responsivos ao problema estudado. Quanto ao respondente, há instrumentos autorrelatados (preenchidos pelo próprio paciente, os chamados PRO, patient-reported outcomes) e heteroaplicados (aplicados por entrevistador treinado, como a escala de Hamilton). Formatos digitais (ePRO em tablets e aplicativos) preservam a lógica psicométrica do original, mas exigem verificação formal de equivalência entre modos de aplicação antes de substituir o papel.

03Construção de um novo instrumento: da ideia ao item

Quando não existe instrumento adaptado para o construto, o pesquisador constrói um novo seguindo etapas padronizadas: definição do construto e da população-alvo, revisão de literatura e entrevistas com especialistas e pacientes para gerar o banco de itens, seleção e redação dos itens (uma única ideia por item, linguagem acessível, evitar itens duplos e negativas duplas), escolha do formato de resposta (escala de Likert com 4 a 7 pontos; escalas com ponto neutro favorecem respostas centrais), e em seguida o processo de validade de conteúdo com juízes e o pré-teste cognitivo com a população-alvo.

A validade de conteúdo é quantificada pelo índice de validade de conteúdo (CVI): cada juiz classifica cada item quanto à relevância em escala ordinal e calcula-se a proporção de juízes que classificaram o item como relevante. O CVI de item (I-CVI) deve ser de pelo menos 0,78, e o CVI médio da escala (S-CVI/Ave) de pelo menos 0,90. Alternativa clássica é a razão de validade de conteúdo de Lawshe (CVR), que corrige o acaso: CVR = (ne - N/2)/(N/2), em que ne é o número de juízes que consideraram o item essencial e N é o total de juízes; o valor mínimo depende do número de juízes (por exemplo, 0,62 para 10 juízes e 0,42 para 20 juízes). Itens reprovados são revisados ou eliminados antes de qualquer aplicação em amostra grande.

04Adaptação transcultural: as seis etapas de Beaton

As diretrizes de Beaton e colaboradores (Spine, 2000) são o roteiro mais cobrado para adaptar um instrumento de autorrelato a uma nova cultura e idioma. O processo vai muito além da tradução: busca equivalência semântica (mesmo significado das palavras), idiomática (expressões e coloquialismos), experimental (situações da vida cotidiana da cultura-alvo) e conceitual (mesmo conceito subjacente), avaliadas por um comitê de especialistas na quarta etapa. Antes da primeira etapa, porém, há um passo obrigatório que derruba candidato em prova: entrar em contato com o autor do instrumento original e obter autorização formal de uso e adaptação, já que instrumentos são protegidos por direitos autorais.

Os princípios ISPOR (2005) para tradução e adaptação cultural de instrumentos de desfechos relatados por pacientes convergem com Beaton e acrescentam pontos práticos: usar mais de um tradutor, retrotradutores cegos, relatório completo e auditável de todas as decisões, evidência de que os itens foram compreendidos (entrevistas cognitivas) e declaração explícita de responsabilidade pelo processo. A recomendação central é a mesma: nenhuma versão adaptada deve ser usada em pesquisa clínica sem evidência documentada de equivalência e propriedades de medida.

05Propriedades de medida: a taxonomia COSMIN

O consenso COSMIN (2010) padronizou mundialmente a nomenclatura e agrupou as propriedades de medida em três domínios, cada um com suas propriedades específicas. Dominar essa taxonomia permite ler qualquer artigo de validação e responder questões que pedem qual propriedade está sendo avaliada em cada análise.

06Confiabilidade e erro de medida: alfa, ICC, kappa, SEM e SDC

O alfa de Cronbach avalia consistência interna e deve ser calculado por domínio, nunca no escore total de instrumentos multidimensionais: valores entre 0,70 e 0,95 são desejáveis; abaixo de 0,70 indicam itens heterogêneos ou erro elevado, e acima de 0,95 indicam redundância (itens perguntando praticamente a mesma coisa). Para reprodutibilidade, usa-se o coeficiente de correlação intraclasse (ICC) quando o escore é contínuo, com interpretação usual de 0,50-0,75 moderada, 0,75-0,90 boa e acima de 0,90 excelente, e o kappa de Cohen para respostas categóricas, com boa concordância a partir de 0,61. O intervalo do teste-reteste deve ser curto o suficiente para o paciente não mudar (usualmente 1 a 2 semanas) e longo o suficiente para evitar efeito de memória.

O erro de medida traduz a confiabilidade para a prática: o erro padrão de medida é SEM = DP vezes a raiz de (1 - ICC), em que DP é o desvio-padrão do escore, e a menor diferença detectável com 95% de confiança para um indivíduo é SDC = 1,96 vezes a raiz de 2 multiplicada pelo SEM (o fator raiz de 2 aparece porque há erro nas duas mensurações). Se um instrumento de dor tem SDC de 4 pontos, uma melhora de 3 pontos no acompanhamento de um paciente individual pode ser apenas erro de medida; para grupos, o SDC diminui com o tamanho amostral (divide-se pela raiz do número de participantes). Reportar apenas correlação de teste-reteste sem SEM e SDC é considerada limitação grave em avaliação pela COSMIN.

07Validade estrutural, de construto e de critério: o que cada análise mostra

A validade estrutural começa pela análise fatorial exploratória (quando não se conhece a estrutura), com verificação prévia de adequação da matriz (Kaiser-Meyer-Olkin de pelo menos 0,60-0,80 e teste de esfericidade de Bartlett significativo), extração de fatores e rotação; espera-se que cada item carregue acima de 0,40-0,50 no fator teórico. A análise fatorial confirmatória testa a estrutura previamente definida com índices de ajuste: CFI e TLI de pelo menos 0,95 (aceitável a partir de 0,90), RMSEA de até 0,06 (aceitável até 0,08) e SRMR de até 0,08. A validade de construto usa testes de hipóteses pré-especificadas: convergência com instrumentos que medem constructos próximos (correlação forte, usualmente acima de 0,50) e divergência com constructos distintos, além de capacidade de discriminar grupos clínicos conhecidos (por exemplo, escores piores em portadores da doença grave). A validade de critério compara o instrumento a um referencial externo: curvas ROC com área de 0,70-0,80 considerada aceitável e acima de 0,80 excelente, definindo pontos de corte com sensibilidade e especificidade.

08Responsividade, mudança mínima importante e efeitos piso/teto

Responsividade é a capacidade do instrumento de detectar mudança quando o paciente de fato muda, avaliada por tamanho de efeito (d de Cohen, sendo 0,2 pequeno, 0,5 moderado e 0,8 grande), SRM ou comparação com âncora externa (por exemplo, a escala global de mudança percebida, GROC). A mudança mínima importante (MIC, ou MID) é o menor valor de mudança de escore percebido como relevante pelo paciente, estimado por métodos baseados em âncora ou em distribuição; um instrumento útil deve ter MIC maior que o SDC, ou seja, a menor mudança que importa precisa ser maior que o ruído do erro de medida. Efeitos piso (concentração de respostas no pior escore) e teto (no melhor escore) acima de 15% comprometem a responsividade: pacientes no teto não têm como melhorar mais, mesmo que clinicamente melhorem.

09Exemplo brasileiro e registro do processo de validação

O caminho descrito aqui é o mesmo trilhado pelos instrumentos em português do Brasil em uso hoje. Exemplo canônico é a versão brasileira do SF-36, publicada por Ciconelli e colaboradores em 1999, que seguiu tradução, retrotradução e avaliação de equivalência antes da aplicação em amostra brasileira; o mesmo roteiro foi aplicado ao WHOQOL-BREF, ao DASH e a dezenas de escalas em reumatologia, ortopedia, cardiologia e saúde mental. Ao ler ou redigir um estudo de validação, a estrutura esperada é: autorização formal, descrição das etapas de adaptação (com Beaton ou ISPOR como referencial), características da amostra (critério de 5 a 10 respondentes por item), propriedades avaliadas conforme COSMIN com critérios numéricos explícitos, e limitações, incluindo ausência de avaliação de responsividade ou de MIC quando for o caso.