Estudos randomizados em pesquisa básica

A formação biomédica, quando bem-feita, ensina princípios de experimentação controlada, como randomização e protocolos de mascaramento (blinding).

A maioria dos envolvidos em pesquisa básica nunca teve a oportunidade de colaborar em trials randomizados envolvendo seres humanos. Mesmo assim, a compreensão deste tipo de estudo é relativamente fácil para quem está acostumado a experimentos em animais, células ou moléculas. Foi por isso que usamos exemplos provenientes de estudos randomizados nas seções que explicaram risco relativo e risco absoluto.

Estudos randomizados em humanos?

A maior parte das evidências envolvendo populações humanas se baseia em estudos observacionais, onde a intervenção ou a exposição não são randomizadas.

Como faria para randomizar o estudo dos efeitos de uma dieta ? Até podemos imaginar participantes presos em ambientes controlados durante alguns poucos dias, com dieta randomizada. Mas um estudo de curta duração não seria muito útil para entender o risco de diabetes tipo II ou de hipertensão. Mesmo para performance física, nenhum efeito da dieta foi encontrado no estudo randomizado de Dawson e cols., 2026, "Short-term moderately high-fat diet has no effect on physical performance", Med Sci Sports Exerc 58:840-850.

Como faria para randomizar um estudo para medir possíveis efeitos teratogênicos de chumbo no ar sobre a saúde? Não seria ético recrutar participantes para um grupo exposto, e não seria possível impedir participantes de se mudar para um ambiente mais saudável durante um estudo de longa duração.

Os desafios de estudos observacionais

Estudos observacionais, não randomizados, formam a grande maioria dos estudos em populações humanas, mas sua interpretação vem com desafios adicionais. Muitos leigos são tão frustrados com estudos mal interpretados que já não acreditam mais em estudos científicos em geral.

As associações estimadas a partir de estudos observacionais não devem ser simplesmente interpretadas como explicações causais, pois existem uma série de possíveis vieses, muito mais do que em estudos randomizados. Vamos dedicar várias seções mais à frente às ferramentas que permitem julgar se uma correlação reflete de fato uma relação de causa e efeito.

Fatores de risco múltiplos

Neste momento, só vamos mencionar que a análise mais básica para desfechos contínuos (por exemplo a pressão sanguínea) é a regressão linear chamada múltipla, pois leva em conta múltiplas informações sobre cada participante. Para desfechos dicotômicos (por exemplo presença de hipertensão), é a regressão logística múltipla.

O procedimento mais correto é de especificar o fator de risco pelo qual se interessa (por exemplo, a quantidade de carne vermelha consumida) antes de conduzir as análises, e só informar aos leitores os coeficientes de associação obtidos para este fator de risco. As outras informações disponíveis sobre o paciente podem ser incluídas nas análises para diminuir vieses, mas seus coeficientes não serão discutidos no texto principal do artigo.

Para reforçar esta forma de conduzir um estudo, muitas revistas exigem a submissão de um protocolo de estudo, que especifica os fatores de risco e os desfechos pelos quais os pesquisadores se interessam, antes mesmo de começarem as análises.

Não é correto conduzir uma análise usando todas as informações disponíveis e "pescar" os coeficientes de associação mais altos só depois de ver os resultados. Se destacasse estes coeficientes escolhidos "depois do fato" (post hoc) no artigo, talvez até no resumo ou no título, as chances de reportar um resultado puramente randômico e portanto impossível de replicar em outros estudos seriam bem mais altos. 

Os efeitos de um estudo assim sobre a confiança na ciência que a população tem seriam aqueles mencionados na reportagem acima!