Os pensamentos mecanicista, frequentista e bayesiano. Um resumo:
Mecanicista: todos nós durante a graduação. Faz parte do aprendizado que tenhamos noções sobre fisiopatologia e farmacologia, p ex. É normal que se valorizem os mecanismos e que a cadeira sobre MBE fique às traças.
Mecanicista: todos nós durante a graduação. Faz parte do aprendizado que tenhamos noções sobre fisiopatologia e farmacologia, p ex. É normal que se valorizem os mecanismos e que a cadeira sobre MBE fique às traças.
Um dia, contudo, o médico precisa ter o estalo: o momento da curva de Dunning-Kuger em que a ficha cai: A FACULDADE ME ENSINOU ISSO??
Feliz do médico em que a ficha cai. Ou ele passará o resto da vida no primeiro pico “ignorante” da auto-confiança.
Feliz do médico em que a ficha cai. Ou ele passará o resto da vida no primeiro pico “ignorante” da auto-confiança.
Depois, o médico que é introduzido às evidências científicas vira, primeiro, um frequentista.
Ele já sabe que a seção “evidências” do capítulo que está lendo é mais importante que a seção “mecanismo”.
Mas ao ler uma evidência, ele se fixa muito ao valor de p.
Ele já sabe que a seção “evidências” do capítulo que está lendo é mais importante que a seção “mecanismo”.
Mas ao ler uma evidência, ele se fixa muito ao valor de p.
Ser frequentista nessa ocasião é lidar com controvérsias. É ficar na ciranda eterna do “ovo faz bem, ovo faz mal”, porque cada novo estudo, dependente ou independente de sua capacidade de analisar artigos, acaba virando a nova verdade.
Ou, um frequentista ainda mais experiente, pode usar a hierarquia dos estudos e classificar as evidências que recebe de acordo com a metodologia. E acabar acreditando na que for mais robusta.
Sobre terapias: Trials randomizados >>> Observacionais.
Sobre terapias: Trials randomizados >>> Observacionais.
Por fim, o bayesiano. Conhecendo essa tabela, o bayesiano sabe que, além da hierarquia, da análise da metodologia, também é importante aplicar a probabilidade pré-teste.
Um valor de p < 5% pode gerar resultados falsos em > 89%.
Um valor de p < 5% pode gerar resultados falsos em > 89%.
Resumindo a análise desses diferentes tipos de pensamento em análise de evidências médicas:
• • •
Missing some Tweet in this thread? You can try to
force a refresh
