Thread by @azavascki

PARTE 2. Como são mais fáceis e rápidos de serem realizados, os estudos observacionais muitas vezes frente a uma situação inédita ou inesperada são a primeira base do nosso conhecimento sobre o novo ocorrido e a partir dos seus resultados direcionamos as nossas ações. +

Além disso que foi explicado, um estudo científico precisa ser minuciosamente descrito em todos os seus aspectos. Muitas vezes como ocorreu agora na pandemia, muitos estudos observacionais careciam de descrições às vezes muito básica, +

como por exemplo, quando a intervenção foi administrada de forma que fica impossível sequer averiguar se a administração da intervenção guarda alguma relação temporal com o evento (desfecho) que estava sendo medido. +

Pequenos detalhes nos estudos observacionais, muitas vezes não avaliados ou não descritos no artigo, comumente explicam aquela diferença estatisticamente significativa observada no resultado final. +

Então, como temos alguma “prova científica” nas ciências da vida? A resposta é muito difícil, mas já estamos mais próximos de entender como construímos uma evidência mais consistente para, quem sabe, posteriormente somarem-se a outras e indicar uma "prova" científica. +

A melhor forma de avaliarmos relações de causalidade em ciências da vida é através de experimentos em que podemos controlar totalmente a intervenção que pretendemos avaliar. +

Além disso, é preciso assegurar que os grupos que vamos comparar não diferem em determinadas características que poderão afetar, assim como a intervenção que estamos testando, a ocorrência do evento que estamos medindo. +

Ora, isso é bem mais fácil quando estamos avaliando uma intervenção em pequenos animais, como ratos, por exemplo, quando podemos ter grupos muito semelhantes em idade, sexo, peso, ausência ou presença de determinada doença, comportamento entre outras variáveis. +

Na verdade, estudos em animais são muito úteis e usualmente fazem parte de uma cadeia de experimentos necessários antes de testarmos algo em humanos. Ainda, podem corroborar resultados encontrados em estudos clínicos que, por n razões, podem não ter o desenho mais apropriado. +

O melhor modo que a ciência médica dispõe hoje para testar uma relação de causalidade entre duas variáveis ou para testar o efeito de uma intervenção é o que denominamos de ensaio clínico randomizado, ou, como ficou mais conhecido durante a pandemia, são os testes clínicos. +

Em um ensaio clínico, os pesquisadores conseguem controlar, em teoria, todo o processo da intervenção a ser avaliada, desde a dose, o momento, a forma a ser administrada. Assim, busca-se avaliar mais adequadamente a relação entre a intervenção e o efeito de interesse. +

Porém, seres humanos são diferentes. Diferem em idade, sexo, peso, altura, hábitos e comportamentos, em doenças preexistentes, entre outras variáveis que, muitas vezes, isoladas ou em conjunto, favorecem ou desfavorecem a ocorrência daquilo que desejamos medir. +

Exemplos muito simples: eu não posso avaliar adequadamente o efeito de uma medicação para prevenir câncer de pulmão se em qualquer um dos grupos avaliados (o que receberá e o que não receberá a medicação) houver uma distribuição desigual de tabagistas, +

ou se entre os tabagistas, a volume deste hábito for muito superior em indivíduos de dos grupos. Eu não posso avaliar adequadamente o efeito de uma medicação em reduzir a gravidade da covid se em um dos grupos a média de idade dos indivíduos for muito superior ao outro. +

Como, então, em seres tão diferentes como os humanos, garantir que essas diferenças básicas entre eles, incluindo diferenças de hábitos e comportamentos que não conseguimos medir facilmente, possam estar similarmente distribuídas entre os grupos estudados? +

É aí que entra a randomização! A randomização (ou, simplesmente, aleatorização) da decisão de quem vai receber ou não a intervenção investigada assegura, na dependência do número de participantes, +

que essas variáveis que diferem entre os indivíduos e que podem estar associadas ao evento de interesse da pesquisa, estejam distribuídas de forma muito similar entre os grupos intervenção e controle. +

Isso ocorre pelo fato de que a distribuição das variáveis biológicas seguem comportamentos predizíveis. Amostras de indivíduos de uma população obtidas aleatoriamente tendem a repetir a mesma distribuição esperada na população inteira. +

Portanto, são os ensaios clínicos randomizados os estudos em ciências médicas capazes de gerar evidências consistentes em relação, por exemplo, uma intervenção e um efeito, e são, por isso, os estudos de eleição quando desejamos avaliar se a medicação X, +

aplicadas no momento Y, em pessoas com a doença W com gravidade Z são capazes de ocasionar um efeito desejável. Estes efeitos, os desfechos de interesse da pesquisa podem ser, por exemplo, redução dos dias de sintoma, de complicações ou de morte por aquela doença. +

Ainda, como no caso das vacinas, o desfecho pode ser a ocorrência da própria doença. Neste caso, o estudo precisa aplicar a intervenção ou o placebo (não entrarei em detalhes do porquê é necessário) aleatoriamente em pessoas sem a doença de interesse. +

Essa aleatorização assegura que as pessoas que receberam a vacina e as que receberam o placebo possuem fatores de risco para doença semelhantes e que possuem hábitos que irão determinar riscos também semelhantes de exposição à doença que se deseja prevenir. +

Então significa que o resultado de um ensaio clínico é uma prova científica? Não, amigos, ainda não. O resultado de um ensaio clínico não é uma prova, mas é sim uma evidência consistente – claro, desde que tenha sido bem desenhado e bem conduzido +

e não tenha sido afetado por alguns vieses específicos – de que aquela intervenção determina tal efeito. Mas porque não é uma prova? Bem, mesmo um ensaio clínico necessita de testes estatísticos para avaliar se a eventual diferença entre os grupos não se devea o acaso. +

De novo, mesmo que improvavelmente devido ao acaso, a possibilidade nunca é 0. Por isso, os ensaios muitas vezes necessitam ser reproduzidos por grupos diferentes em populações diferentes. +

Segue aqui. Parte 3 (Final)

https://twitter.com/azavascki/status/1345101083132223488