1

LIVRO: Delineando a pesquisa clínica 1

RESUMO - introdução: anatomia e fisiologia da pesquisa clínica

1. A anatomia da pesquisa é o conjunto de elementos tangíveis que compõem o plano de estudo: a

questão de pesquisa e sua relevância, o delineamento, os sujeitos do estudo e as técnicas de
aferição. o desafio é delinear um plano de estudo com elementos que sejam de custo relativamente
baixo e fáceis de implementar.

2. A fisiologia da pesquisa é como o estudo funciona. Os achados do estudo são usados para
realizar inferências sobre o que realmente ocorreu na amostra (validade interna) e sobre os
eventos do universo exterior (validade externa). O desafio é delinear e implementar um plano de
estudo com um controle adequado sobre as duas maiores ameaças a essas inferências: erro
aleatório (acaso) e erro sistemático (viés).

3. Ao delinear um estudo, pode ser útil considerar as relações entre a questão de pesquisa (o que o
investigador realmente deseja responder no universo), o plano de estudo (aquilo que o estudo foi
delineado para responder) e o estudo efetivamente realizado (aquilo que o estudo irá, de fato,
responder, tendo em vista os erros de implementação que podem ser antecipados).

4. Uma boa forma de desenvolver o plano de estudo é escrever um resumo de uma frase da questão
de pesquisa que especifica as variáveis principais e a população e então expandi-lo em um esboço
de uma página (anteprojeto) que coloca os elementos do estudo em uma sequência padronizada.
posteriormente, o plano de estudo será expandido em um protocolo e em um manual de operações.
2

RESUMO – Elaborando a questão de pesquisa e desenvolvendo um plano de estudo 2

1. Todos os estudos partem de uma questão de pesquisa que aborda aquilo que o investigador
gostaria de saber. a meta é encontrar uma questão relevante que possa ser desenvolvida em um bom
plano de estudo.

2. O domínio do assunto é essencial para desenvolver questões de pesquisa que mereçam ser
estudadas. uma revisão sistemática de estudos pertinentes a uma área de interesse é um bom
lugar para iniciar.

3. Boas questões de pesquisa surgem da identificação de novos colaboradores em conferências, de

um pensamento crítico sobre a prática clínica e seus problemas, da aplicação de novos métodos a
questões antigas e da reflexão sobre ideias que surgem das atividades de ensino, dos devaneios e da
busca persistente por soluções para problemas ainda não resolvidos.

4. Antes de dedicar muito tempo e esforço para escrever uma proposta ou realizar um estudo, o
investigador deve avaliar se a questão de pesquisa e o plano de estudo são FINER: factíveis,
interessantes, novos (inovadores, originais), éticos e relevantes. as agências de financiamento de
pesquisa costumam priorizar propostas inovadoras que tenham impactos significativos na ciência e
na saúde.

5. Em um estágio inicial, a questão de pesquisa deve ser escrita em um esboço do estudo de uma
página que descreva quantos sujeitos serão necessários, como eles serão selecionados e que
aferições serão feitas.

6. A maior parte dos estudos tem mais de uma questão, e é aconselhável focar em uma única
questão principal ao delinear e implementar o estudo.

7. A pesquisa translacional é um tipo de pesquisa clínica que estuda como aplicar os achados
da ciência básica para estudos com pacientes (t1) e, então, como aplicar esses achados para
melhorar as práticas de saúde na comunidade (t2); requer a colaboração de investigadores com
experiência em pesquisa de laboratório e investigadores com experiência em estudos populacionais,
usando os métodos de pesquisa clínica.

RESUMO - Escolhendo os sujeitos do estudo: especificação, amostragem e

recrutamento

1. A maioria das pesquisas clínicas baseia-se, em termos filosóficos e práticos, no uso de uma
amostra que representa uma população.

2. A vantagem de selecionar uma amostra é a eficiência. permite ao investigador inferir sobre

uma população grande, examinando apenas uma amostra a um custo relativamente pequeno em
termos de tempo e esforço. a desvantagem é a possibilidade de erro que introduz. se a amostra
não for suficientemente representativa para a questão de pesquisa, os achados poderão não ser
generalizáveis para a população-alvo, e, se ela não for suficientemente grande, os achados poderão
não minimizar o suficiente o papel do acaso.
3

3. Ao planejar a amostra, o primeiro passo é conceitualizar a população alvo. isso significa 3

formular um conjunto específico de critérios de inclusão que estabeleçam as características
demográficas e clínicas dos sujeitos adequados à questão de pesquisa.

4. O passo seguinte é selecionar uma população acessível adequada, que seja conveniente em
termos geográficos e temporais, e definir um conjunto parcimonioso de critérios de exclusão
que eliminem sujeitos cuja inclusão poderia ferir princípios éticos ou ser inapropriada para o estudo.

5. o próximo passo é delinear uma estratégia para a amostragem da população. uma amostra de
conveniência pode ser adequada, sobretudo para estudos preliminares sobre algumas questões, e
uma amostra consecutiva frequentemente é uma boa opção. a amostragem aleatória simples pode ser
usada para reduzir o tamanho da amostra, quando necessário. outras amostras probabilísticas
(estratificada e por conglomerados) podem ser úteis em determinadas situações.

6. por fim, o investigador deve desenvolver e implementar estratégias que permitam o

recrutamento de uma amostra de sujeitos que seja suficientemente representativa da
população-alvo para controlar para fontes de erro sistemático (viés) e suficientemente grande
para controlar para fontes de erro aleatório (acaso).

RESUMO - Planejando as aferições: precisão, acurácia e validade

1. As variáveis podem ser numéricas ou categóricas. as variáveis numéricas são contínuas

(quantificadas em uma escala infinita) ou discretas (quantificadas em uma escala finita, como
números inteiros); as variáveis categóricas são nominais (não ordenadas) ou ordinais
(ordenadas), e aquelas com apenas duas categorias são denominadas dicotômicas.
4

2. Variáveis mais informativas permitem maior poder estatístico e/ou menor tamanho de 4
amostra, de acordo com a seguinte hierarquia: variáveis contínuas > variáveis numéricas
discretas > variáveis ordinais > variáveis nominais e dicotômicas.

3. A precisão de uma medida (reprodutibilidade de aferições repetidas) é outro determinante

importante do poder estatístico e do tamanho da amostra. a precisão é reduzida pelo erro aleatório
(acaso) a partir de três fontes de variabilidade: observador, sujeito e instrumento.

4. as estratégias para aumentar a precisão que devem ser parte de todo estudo são definir e
padronizar operacionalmente os métodos em um manual de operações. outras estratégias úteis
são treinar e certificar os observadores, otimizar e automatizar os instrumentos e usar a média de
aferições repetidas.

5. A acurácia de uma medida é o grau em que ela se aproxima de um padrão-ouro. a acurácia é

reduzida por erro sistemático (viés), resultante das mesmas três fontes: observador, sujeito e
instrumento.

6. as estratégias para aumentar a acurácia incluem todas as listadas em relação à precisão, com
exceção da repetição. além disso, a acurácia é aumentada com aferições não intrusivas, calibração
e, nas comparações entre grupos, por cegamento.

7. A validade é o grau em que uma medida representa os fenômenos que ela deveria medir. ela
é comumente usada para variáveis mais abstratas e subjetivas e é avaliada por meio da validade
de conteúdo, validade aparente (face validity), validade de construto, validade preditiva e validade
de critério.

8. As medidas devem ser sensíveis, específicas, adequadas às questões do estudo e objetivas,

além de capazes de produzir uma faixa ampla de valores. Em suma, devem ser amplas, mas
parcimoniosas, servindo à questão de pesquisa a um custo aceitável em termos de tempo e recursos
financeiros.

9. Os investigadores devem considerar estocar imagens e outros materiais para medições posteriores
que se beneficiem de novas tecnologias à medida que elas forem desenvolvidas, e da eficiência dos
delineamentos do tipo caso-controle aninhado.
5

RESUMO – Preparando-se para estimar o tamanho de amostra: hipóteses e princípios

básicos

1. O planejamento do tamanho de amostra é uma parte importante do delineamento de estudos

analíticos e descritivos. O tamanho de amostra deve ser estimado em um estágio inicial no
processo de delineamento da pesquisa, de forma que mudanças adicionais que se façam
necessárias ainda possam ser implementadas.

2. Os estudos analíticos e os experimentais necessitam de uma hipótese que especifique, para

fins de testes de significância posteriores, a associação antecipada entre as variáveis preditoras
e de desfecho principais. os estudos puramente descritivos, que não apresentam estratégia de
comparação, não exigem a formulação de uma hipótese.

3. Boas hipóteses são específicas em termos de como a população será amostrada e como as
variáveis serão medidas, simples (com apenas uma variável preditora e uma de desfecho) e
formuladas em um estágio inicial.

4. A hipótese nula, que propõe que a variável preditora não está associada com o desfecho, é a
base para os testes de significância estatística. a hipótese alternativa propõe que há associação.
os testes estatísticos tentam rejeitar a hipótese nula de que não há associação em benefício da
hipótese alternativa de que há associação.

5. A hipótese alternativa é unilateral (apenas uma direção da associação será testada) ou

bilateral (ambas as direções serão testadas). As hipóteses unilaterais somente devem ser usadas
em casos raros quando apenas uma direção da associação for clínica ou biologicamente relevante.

6. Para estudos analíticos e experimentais, o tamanho de amostra é uma estimativa do número

de sujeitos necessários para detectar uma associação de uma determinada magnitude de efeito
e variabilidade, com uma probabilidade especificada de incorrer em erros tipo i (falso-
positivo) e tipo ii (falso-negativo). A probabilidade máxima de um erro tipo i é denominada a; a de
um erro tipo ii, β o valor (1 – β) é o poder estatístico, a probabilidade de se observar uma associação
6

de uma determinada magnitude ou maior em uma amostra se essa associação realmente existir na 6
população.

7. Muitas vezes é desejável estabelecer mais de uma hipótese em um estágio inicial, mas o
investigador deve especificar uma única hipótese principal como foco de delineamento e para
a estimativa de tamanho de amostra. A interpretação dos achados a partir de testes de hipóteses
múltiplas na amostra, incluindo os achados não antecipados que emergirem dos dados, deve basear-
se em juízo sobre a probabilidade a priori de que eles representem um evento real na população.

RESUMO - Estimando o tamanho de amostra e o poder estatístico: aplicações e

exemplos

1. Para estimar o tamanho de amostra para um estudo analítico, deve-se proceder da seguinte
forma: (a) formular as hipóteses nula e alternativa, especificando o número de lados; (b)
selecionar um teste estatístico para analisar os dados, com base nos tipos de variáveis
preditoras e de desfecho (teste do quiquadrado se ambas as variáveis forem dicotômicas, teste
t se uma variável for dicotômica e a outra contínua, e coeficiente de correlação se ambas forem
contínuas); (c) estimar a magnitude de efeito e sua variabilidade, se necessário; e (d)
estabelecer os valores apropriados para α e β., com base na importância de se evitar erros tipo
i e tipo ii.

2. Outros itens a serem considerados no cálculo de tamanho de amostra para estudos analíticos
incluem ajustes para potenciais abandonos e estratégias para lidar com variáveis categóricas, análise
de sobrevivência, amostras por conglomerados, ajuste multivariado e abordagens estatísticas
especiais para ensaios clínicos de equivalência e de não inferioridade.

3. A estimativa de tamanho de amostra para estudos descritivos sem hipóteses apresenta os

seguintes passos: (a) estimar a proporção de sujeitos com um desfecho dicotômico ou o desvio-
padrão de um desfecho contínuo; (b) especificar a precisão desejada (amplitude do intervalo
de confiança); e (c) especificar o nível de confiança (p. ex., 95%).
4. Quando o tamanho de amostra é predeterminado, o investigador pode inverter os procedimentos e
estimar a magnitude de efeito detectável ou, o que é menos comum, o poder estatístico do estudo.

5. As estratégias para minimizar o tamanho de amostra incluem usar variáveis contínuas, medidas
mais precisas, medidas pareadas e desfechos mais comuns, assim como aumentar o número de
controles por caso em estudos de caso-controle.

6. Quando parece não haver informações suficientes para estimar o tamanho de amostra, o
investigador deve revisar a literatura em áreas afins e consultar colegas para ajudarem a escolher
uma magnitude de efeito clinicamente relevante.

7. Erros a serem evitados incluem estimar o tamanho de amostra tarde demais, interpretar
erroneamente proporções expressas como percentagens, não levar em consideração sujeitos e
dados faltantes e não abordar dados em conglomerados e pareados de forma apropriada.
7

RESUMO - Delineando estudos transversais e de coorte

1. Em um estudo transversal, as variáveis são todas medidas em uma única vez, sem distinção
estrutural entre as preditoras e as de desfecho. Os estudos transversais produzem evidências
mais fracas a respeito de causalidade do que os estudos de coorte, pois não demonstram que a
variável preditora precede o desfecho.

2. Os estudos transversais são valiosos para fornecer informações descritivas sobre

prevalência e têm a vantagem de poupar tempo, recursos financeiros e evitar o problema dos
abandonos, típicos de um estudo de seguimento. muitas vezes são úteis como o primeiro passo
de um estudo de coorte ou experimental. é possível também juntar estudos transversais na forma
de séries de inquéritos com amostragem independente, para revelar mudanças populacionais que
ocorrem ao longo do tempo.

3. Os estudos transversais requerem um tamanho de amostra muito grande para estudar doenças e
variáveis que são raras na população geral, mas podem ser usados para estudar uma série de casos
de uma doença rara.

4. Em estudos de coorte, um grupo de sujeitos identificado no início do estudo é acompanhado

ao longo do tempo para descrever a incidência ou a história natural de uma condição e para
identificar preditores (fatores de risco) para vários desfechos. a capacidade de medir a variável
preditora antes da ocorrência do desfecho permite estabelecer a sequência de eventos e controlar os
vieses em sua aferição.

5. estudos de coorte prospectiva começam no início do seguimento e podem demandar

números elevados de sujeitos seguidos durante longos períodos. essa desvantagem pode ser
superada identificando-se uma coorte retrospectiva na qual as aferições das variáveis preditoras já
foram feitas.

6. O delineamento de coortes múltiplas, que compara a incidência dos desfechos em coortes que
diferem quanto ao nível de uma variável preditora (“a exposição”), é útil para estudar os efeitos de
exposições raras e ocupacionais.

7. Riscos, chances (odds) e taxas são três formas de estimar a frequência de um desfecho
dicotômico durante o seguimento; as taxas de incidência, que levam em conta o número de
pessoas-tempo entre os participantes que permanecem vivos e livres de eventos no estudo, são a
base para abordagens modernas de cálculo das razões de azares multivariadas, por meio dos
modelos de azares proporcionais de cox.
8

8. As inferências sobre causa e efeito são fortalecidas medindo e ajustando para todas as 8
possíveis variáveis confundidoras. o viés na avaliação dos desfechos pode ser prevenido
padronizando as aferições e cegando as pessoas responsáveis pela avaliação do desfecho quanto aos
valores das variáveis preditoras.

9. Os pontos fortes de um delineamento de coorte podem ser comprometidos pelo seguimento

incompleto dos sujeitos. as perdas podem ser minimizadas excluindo sujeitos que se identifica desde
o início que poderão não estar disponíveis para o seguimento, coletando informações na linha de
base que facilitem a localização e mantendo-se em contato com todos os sujeitos regularmente.

RESUMO – Delineando estudos de caso controle

1. Em um estudo de caso-controle, a prevalência de um fator de risco em uma amostra de

sujeitos que têm o desfecho de interesse (os casos) é comparada com a prevalência em uma
amostra que não tem (os controles). esse delineamento, no qual as pessoas com e sem a doença
são amostradas separadamente, tem custo relativamente baixo e é extremamente eficiente para
estudar doenças raras.

2. Um problema com os estudos de caso-controle é sua suscetibilidade ao viés de amostragem.

Quatro abordagens para reduzir o viés de amostragem são (a) amostrar os controles e os casos da
9

mesma forma (conscientemente não representativa); (b) realizar um estudo de base populacional; (c) 9
usar vários grupos controle, amostrados de formas diferentes; e (d) parear os casos e controles.

3. O outro problema importante com os estudos de caso-controle é o delineamento retrospectivo,

que os torna suscetíveis ao viés de aferição que afeta casos e controles de forma diferente. esse viés
pode ser reduzido fazendo as aferições da variável preditora antes da ocorrência do desfecho e
cegando os sujeitos e os observadores.

4. A melhor forma de evitar tanto o viés de amostragem quanto o de aferição é delinear um

estudo de caso-controle aninhado, no qual as amostras de casos e controles são sorteadas de
um estudo de coorte maior após sua conclusão. além de controlar esses dois tipos de viés, esse
delineamento permite fazer, no final do estudo, em um número relativamente pequeno de sujeitos,
medições caras em amostras de soro, exames de imagem, e assim por diante, coletados na linha de
base.

5. O delineamento de caso-controle aninhado com amostragem por incidência-densidade permite

analisar relações de risco, levando em consideração mudanças ao longo do tempo nos níveis do fator
de risco e na disponibilidade do seguimento.
6. O delineamento de caso-coorte aninhado usa uma amostra aleatória de toda a coorte no lugar dos
não casos; essa amostra pode servir como grupo controle para estudar mais de um desfecho, e
fornece informações diretas sobre a prevalência geral de fatores de risco na coorte.

7. Estudos cruzados de casos são uma variação do delineamento de caso-controle pareado na qual as
observações em dois ou mais momentos no tempo permitem que cada caso sirva como seu próprio
controle.
10

10

RESUMO - Fortalecendo a inferência causal em estudos observacionais

11

11
1. Ao delinear estudos observacionais, deve-se ter em mente a necessidade de interpretar as
associações encontradas. a inferência de que a associação representa uma relação de causa-
efeito é fortalecida por estratégias que reduzam a probabilidade das quatro explicações rivais
– acaso, viés, efeito-causa e confundimento.

2. O papel do acaso (erro aleatório) pode ser minimizado delineando-se um estudo com
tamanho de amostra e precisão adequados para garantir um baixo índice de erro tipo i e de
erro tipo II. Uma vez terminado o estudo, o efeito do erro aleatório pode ser avaliado a partir da
amplitude do intervalo de confiança de 95% e da consistência entre os resultados do estudo e as
evidências anteriormente publicadas.

3. O viés (erro sistemático) surge de diferenças entre, por um lado, a população e os fenômenos
incluídos na questão de pesquisa e, por outro, os sujeitos e as medidas reais do estudo. Para
tentar minimizá-lo no delineamento, é importante julgar se essas diferenças produziriam uma
resposta errada para a questão de pesquisa.

4. É possível tornar a relação efeito-causa menos provável delineando-se um estudo que permita a
avaliação da sequência temporal e considerando a plausibilidade biológica.

5. O confundimento, que pode estar presente quando uma terceira variável está associada com o
preditor de interesse e é causa do desfecho, torna-se menos provável por meio das seguintes
estratégias, a maioria das quais requer que os potenciais confundidores sejam antecipados e
medidos:
a. especificação ou pareamento, duas estratégias da fase de delineamento que alteram o plano
amostral para garantir que sejam comparados apenas grupos com níveis semelhantes do
confundidor. essas estratégias devem ser usadas com parcimônia, uma vez que podem limitar de
forma irreversível a informação disponível no estudo.

b. algumas estratégias de fase de análise que alcançam o mesmo objetivo e preservam opções para
investigar rotas causais são:
• Estratificação, que, além de controlar para o confundimento, pode revelar modificação de
efeito (“interação”), ou seja, uma magnitude diferente da associação entre preditor e desfecho em
níveis diferentes de uma terceira variável.
• Ajuste, que permite que o impacto de muitas variáveis preditoras seja controlado
simultaneamente.
• Escores de propensão, que aumentam o poder estatístico para abordar o confundimento por
indicação em estudos observacionais sobre a eficácia de um tratamento.

6. Os investigadores devem ficar atentos para a possibilidade de usar delineamentos

observacionais oportunísticos, incluindo experimentos naturais, randomização mendeliana e
outros delineamentos de variáveis instrumentais que permitam inferir sobre a causalidade de forma
semelhante à proporcionada por um ensaio clínico randomizado.

7. Os investigadores devem evitar o condicionamento em um efeito comum na fase de

delineamento, ao não selecionar sujeitos com base em covariáveis que poderiam ser causadas pelo
preditor e, na fase de análise, ao não controlar para essas covariáveis.
12

8. A inferência causal pode ser fortalecida ainda mais por evidências positivas: consistência e 12
magnitude da associação, presença de uma relação dose-resposta e plausibilidade biológica.
13

13

RESUMO – Delineando um ensaio clínico randomizado cego

1. Um ensaio clínico randomizado bem delineado e conduzido pode fornecer a inferência causal
mais definitiva para orientar diretrizes para a prática clínica baseada em evidências.
14

2. A escolha da intervenção e da sua dose são decisões difíceis e que dependem do balanço 14
entre eficácia e segurança; outras considerações são a relevância para a prática clínica, a
possibilidade de cegamento e a utilização ou não de uma combinação de medicamentos.

3. Quando possível, o grupo de comparação deveria ser um controle placebo que permite que
os participantes, os investigadores e a equipe do estudo sejam cegados.

4. Desfechos clinicamente relevantes, como dor, qualidade de vida, desenvolvimento de câncer e

óbito, são os desfechos mais importantes em ensaios clínicos. desfechos intermediários, como carga
viral do hiv, são marcadores substitutos válidos para os desfechos clínicos quando as mudanças que
o tratamento induz nesses marcadores predisserem mudanças no desfecho clínico.

5. Geralmente é útil medir mais de uma variável de desfecho, mas combiná-las em desfechos
compostos requer uma avaliação cuidadosa. Um único desfecho primário deve ser especificado
para testar a hipótese principal.

6. Todos os ensaios clínicos devem incluir medidas que expressem potenciais efeitos adversos
da intervenção, incluindo tanto medidas mais focadas quanto medidas mais abertas, usando
esse segundo tipo com moderação. Deve-se também implementar procedimentos que assegurem
que eventos adversos graves (EAGS) sejam prontamente relatados aos comitês de ética em pesquisa
(CEPS) e às agências de financiamento.

7. Os critérios de seleção de participantes para o estudo devem identificar sujeitos com maior
probabilidade de apresentarem mais benefícios e menos danos com o tratamento, bem como
adequada adesão aos protocolos de tratamento e seguimento. Escolher participantes com alto
risco para o desfecho pode diminuir o tamanho da amostra, mas pode tornar o recrutamento mais
difícil e reduzir a capacidade de generalização dos achados.

8. Devem-se medir variáveis basais com parcimônia para poder descrever características dos
participantes, medir os fatores de risco e os valores basais do desfecho e para permitir o exame
das modificações de efeito, nas quais a intervenção tem efeitos diferentes em subgrupos
diferentes. deve-se considerar armazenar amostras de soro, material genético, exames de imagem, e
assim por diante, na linha de base, para análise posterior.

9. A randomização, que minimiza a influência de variáveis confundidoras na linha de base,

deve ser inviolável; a randomização pareada é uma excelente opção quando factível, e em
ensaios clínicos de pequeno porte à randomização em blocos e estratificada pode reduzir o
impacto da distribuição desigual ao acaso de preditores importantes.

10. O cegamento da intervenção é tão importante quanto à randomização; o cegamento pode

controlar para cointervenções e para avaliação e adjudicação enviesadas do desfecho.