Thread by @azavascki

PARTE 3. Quanto mais evidências de diferenças não esperadas por mero acaso forem sendo encontradas, mas consistência de que aquele efeito é encontrado por aquela causa. +

Mas então é preciso ficar testando indefinidamente para cada vez mais diminuirmos esta probabilidade de ter sido ao acaso o efeito observado? Certamente, não. Aí entrem outros conceitos de probabilidades esperadas a partir do que já se sabe de outros estudos, que vão +

determinar se são necessários novos estudos para comprovar aquelas conclusões ou não. +

Suponha que testemos uma medicação para a covid em diversos ensaios clínicos randomizados e que os resultados destes estudos todos apontem para uma ausência de diferença estatisticamente significativa para benefício dessa medicação. +

Mas se entre n estudos, um deles aponte um efeito estatisticamente significativo. Todos são ensaios clínicos, tivemos n com resultados negativos, mas agora temos um com resultado positivo. O que fazer? Devemos abandonar os n anteriores e basear nossas condutas no mais recente? +

O primeiro passo, é claro, é avaliar a qualidade dos aspectos metodológicos e condução da pesquisa desses estudos. Às vezes, realmente, ensaios clínicos de baixa qualidade são desmentidos quando um de qualidade melhor é realizado. +

Mas no caso de todos serem de qualidade metodológica semelhante, qual vale mais? O raciocínio nestes casos é ainda um pouco mais sofisticado e não entrarei em maiores detalhes, mas devemos aplicar um raciocínio Bayesiano. +

Sumariamente, o raciocínio Bayesiano avalia a probabilidade de um evento, baseado em um conhecimento a priori sobre este evento. Ora, muito simplificadamente, em estudos metodologicamente semelhantes, onde n apresentam um resultado X e um apresenta um resultado Y, +

a probabilidade de que este um seja um efeito do acaso é maior do que a dos outros n terem sido ao acaso. Essa é uma maneira, por exemplo, de que dispomos para avaliarmos se são necessários novos estudos para confirmar ou refutar um efeito. +

Além, é claro, de outros fatores associados aos próprios estudos já conduzidos, a plausibilidade biológica. Precisamos mais estudos para provar que uma vacina contra covid é eficaz? +

Não, baseados em todo o conhecimento que já dispomos sobre o efeito das vacinas na população, um estudo que comprove que a intervenção é eficaz reduz a virtualmente zero a possibilidade de que aquele efeito tenha sido observado ao acaso, +

mesmo que, especificamente no estudo isoladamente, essa possibilidade tenha sido hipoteticamente 1 em 1000.(e isso não significa que sabemos tudo sobre as vacinas!). Porém, a probabilidade de estarmos frente a um efeito devido ao acaso é tão, mas tão remota, +

que podemos classificar essa evidência como uma “prova”. Por outro lado, precisamos de novos ensaios clínicos para testar uma medicação que foi testada várias vezes e nunca mostrou uma diferença estatisticamente significativa a seu favor? +

Depende, mas possivelmente não. Baseado no conhecimento oriundo dos estudos prévios a possibilidade de encontrar um efeito que seja clinicamente relevante em um novo estudo é tão remota que muitas vezes não se justifica, inclusive do ponto de vista ético, +

submeter um grupo de pessoas a uma intervenção cuja probabilidade de ser benéfica é muito próxima de zero. Assim, tanto as “provas” positivas e negativas são construídas nas ciências biológicas. Seguiremos com um conceito relativamente flexível do que é uma prova definitiva, +

mas o raciocínio probabilístico a partir do conhecimento prévio somado a avaliação plausibilidade biológica de algum efeito ocorrer por determinada variável em determinada condição é tão, mas tão remota, que passamos a considerar o fato como cientificamente provado. +

Espero ter contribuído. Certamente há especialistas neste assunto que poderão explicar tecnicamente muito melhor do que fiz neste texto, mas espero que para a transmissão de uma ideia geral de como se constrói conhecimento em ciências médicas tenha sido útil.
FIM