Pesquisa clínica: erros que comprometem seus resultados

O que ninguém te conta sobre erros em pesquisa clínica

Olha só: a maioria dos cursos de metodologia em saúde ensina o que você deve fazer. Poucos dedicam tempo suficiente para o que você não deve fazer, e ainda menos para o porquê esses erros são tão comuns mesmo entre pesquisadores experientes.

Esse texto é sobre os erros. Não para envergonhar quem já cometeu (todos cometemos), mas para nomear o que costuma comprometer pesquisas em saúde antes mesmo da coleta de dados.

Vamos lá.

Erro 1: Confundir desenho de estudo com pergunta de pesquisa

Um dos equívocos mais frequentes em pesquisa clínica é escolher o desenho antes de entender a pergunta. O pesquisador chega com “quero fazer um ensaio clínico randomizado” sem ter clareza sobre o que está testando, para quem, em que condições, e com qual desfecho.

O desenho de estudo deve ser escolhido em função da pergunta. Não o contrário.

Perguntas de causalidade (essa intervenção funciona?) demandam ensaios clínicos randomizados ou quase-experimentos. Perguntas descritivas (qual é a prevalência dessa condição?) pedem estudos transversais. Perguntas sobre fatores de risco (o que aumenta a chance de desenvolver essa doença?) costumam ser respondidas por coortes ou caso-controle. Perguntas sobre mecanismos (por que isso acontece?) frequentemente demandam abordagens qualitativas ou estudos laboratoriais.

Quando você inverte essa lógica, cria um problema que vai se arrastar por toda a pesquisa: um desenho que não consegue responder à pergunta que você realmente quer fazer.

Erro 2: Tamanho amostral subestimado

Em pesquisa clínica, o tamanho da amostra não é uma questão de “quantas pessoas consigo recrutar”. É um cálculo baseado em premissas específicas: qual é o efeito esperado da intervenção? Qual é a variabilidade do desfecho? Qual é o poder estatístico desejado? Qual é o nível de significância adotado?

Amostras pequenas geram dois problemas sérios.

O primeiro: se há efeito real mas a amostra é pequena, o estudo não terá poder para detectá-lo. Isso gera falsos negativos, resultados que dizem “não há diferença” quando na verdade há. Esses estudos são publicados e alimentam revisões de literatura com evidência equivocada.

O segundo: com amostras muito pequenas, qualquer resultado positivo que apareça é instável. Replicar o estudo com outra amostra tende a não confirmar os achados.

O cálculo amostral deve ser feito antes do início da coleta, com base em dados da literatura para estimativa de efeito esperado. Não depois, para “justificar” o tamanho que você coletou.

Erro 3: Critérios de inclusão e exclusão mal definidos

Quem pode participar da sua pesquisa? Quem não pode? Se essa resposta não estiver muito clara antes do início da coleta, você vai ter problemas de comparabilidade dos dados.

Critérios de inclusão definem quem faz parte da população-alvo do estudo. Critérios de exclusão definem situações que, mesmo dentro da população-alvo, impedem a participação (comorbidades específicas, uso de medicamentos que interferem no desfecho, incapacidade de consentir).

Critérios vagos geram amostras heterogêneas. Amostras heterogêneas geram variância que “esconde” efeitos reais ou cria diferenças artificiais entre grupos.

Um erro comum é criar critérios de exclusão excessivos que resultam em uma amostra tão selecionada que os resultados não se aplicam à realidade clínica. Um ensaio com critérios de exclusão muito rigorosos pode demonstrar que a intervenção funciona em condições ideais, mas dizer pouco sobre o que acontece na prática real.

Erro 4: Viés de seleção ignorado

Viés de seleção acontece quando a forma como os participantes são recrutados influencia o resultado do estudo de forma sistemática.

Exemplos comuns: estudar pacientes de um único hospital terciário de referência (que tende a ter casos mais graves e atípicos). Recrutar voluntários que respondem a anúncios (que tendem a ser mais motivados e engajados do que a população geral). Usar prontuários com dados de apenas uma instituição (que reflete o perfil daquela instituição, não da população em geral).

Viés de seleção não invalida automaticamente uma pesquisa, mas limita sua generalização. O problema é quando ele não é reconhecido e os resultados são apresentados como se fossem aplicáveis a todos.

Na discussão da sua pesquisa, o viés de seleção precisa ser nomeado. Não como falha a esconder, mas como limitação a reconhecer com honestidade metodológica.

Erro 5: Desfecho mal definido ou inadequado

O desfecho é o que você vai medir para saber se a intervenção funcionou ou se o fenômeno é como você hipotetizou. Escolher o desfecho errado é um dos erros mais custosos, porque você só percebe o problema depois de coletar todos os dados.

Alguns problemas comuns com desfechos:

Desfecho substituto sem validação: usar um marcador laboratorial como proxy de um desfecho clínico relevante (como mortalidade ou qualidade de vida), sem que essa relação esteja bem estabelecida na literatura.

Desfecho composto mal construído: combinar desfechos de diferentes “pesos” clínicos em um único endpoint composto, o que pode mascarar efeitos ou criar resultados que não têm significado clínico real.

Desfecho não padronizado: usar escalas ou instrumentos sem propriedades psicométricas validadas para a população estudada, ou aplicar instrumentos validados em condições que diferem das do estudo original.

Múltiplos desfechos sem definição de primário e secundários: quando você mede muitas coisas sem definir previamente qual é o desfecho principal, aumenta o risco de pegar o resultado mais favorável e apresentá-lo como se fosse o objetivo original.

Erro 6: Negligenciar o comitê de ética no planejamento

Esse erro tem consequências diretas e práticas. Muitos pesquisadores tratam a aprovação ética como burocracia a ser cumprida, em vez de parte integrante do planejamento.

O problema é que o processo de aprovação pelo CEP leva tempo, às vezes meses. Quem subestima esse tempo começa a coletar dados antes da aprovação (o que invalida a pesquisa para publicação em periódicos sérios) ou atrasa o cronograma de forma significativa.

Além disso, o protocolo submetido ao CEP precisa ser consistente com o que será feito na prática. Modificações no protocolo após aprovação exigem emendas, que também têm prazo de análise.

Planeje o processo de aprovação ética como parte do cronograma, não como etapa paralela. E leia as diretrizes da Resolução CNS 466/2012 e suas atualizações antes de submeter.

O que ajuda a evitar esses erros

Colaboração com metodologista ou bioestatístico desde o planejamento: muitos erros metodológicos em pesquisa clínica podem ser evitados ou minimizados com uma consultoria metodológica antes do início da coleta.

Revisão de literatura robusta: entender o que já foi feito na área ajuda a calibrar expectativas de efeito, identificar lacunas, e evitar repetir erros de estudos anteriores.

Piloto antes da coleta principal: um estudo piloto com uma amostra pequena ajuda a identificar problemas no protocolo, nos instrumentos, e nos critérios antes que eles contaminem toda a coleta.

O Método V.O.E. tem uma aplicação direta aqui: a etapa de Visão, que trata da clareza sobre o que se quer responder, é o fundamento que evita a maior parte dos erros listados acima. Pesquisa sem pergunta clara não tem desenho adequado possível.

Erro 7: Confundir correlação com causalidade na interpretação

Esse é um erro de interpretação, não de coleta. E ele aparece com frequência na discussão de estudos observacionais.

Estudos transversais, de coorte e caso-controle descrevem associações. Eles podem mostrar que A e B aparecem juntos, que quem tem A tem mais chance de ter B, ou que B aumentou após exposição a A. Mas sem controle adequado e sem aleatorização, eles não podem provar que A causa B.

A causalidade em saúde tem critérios próprios, popularizados pelos critérios de Bradford Hill: força da associação, consistência, especificidade, temporalidade, gradiente biológico, plausibilidade, coerência, experimento e analogia. A temporalidade (a causa precede o efeito) é o critério mínimo e inegociável.

Quando um pesquisador usa linguagem causal em um estudo que não tem poder para estabelecer causalidade, está cometendo um erro que pode enganar leitores e, pior, informar decisões clínicas equivocadas.

Na discussão dos seus resultados, seja preciso na linguagem: “os dados sugerem associação entre”, “observamos relação positiva entre”, “os resultados são consistentes com a hipótese de que”. Não: “demonstramos que A causa B” quando o seu desenho não permitia essa conclusão.

Para fechar

Pesquisa clínica bem feita não é só ciência. É responsabilidade. Os dados que você coleta informam decisões clínicas, políticas de saúde e formação de profissionais.

Erros metodológicos em pesquisa em saúde têm consequências que vão além do artigo publicado. Por isso, vale o tempo investido em planejamento rigoroso antes de iniciar a coleta.

Nomear os erros é o primeiro passo para não repeti-los.