Viés em Estudos de Prognóstico

O viés é um erro sistemático que distorce a estimativa do prognóstico de uma doença, afastando o resultado observado do valor real. Entender o viés é essencial na prática clínica, porque um estudo de prognóstico enviesado pode levar você a superestimar ou subestimar o risco de um desfecho e, com isso, tomar decisões equivocadas com o paciente. Diferente do acaso, o viés não desaparece com o aumento do tamanho da amostra - ele precisa ser evitado já no delineamento do estudo.

O que é viés e por que ele importa

Viés (do inglês bias) é qualquer processo, em qualquer etapa da pesquisa, que produz resultados sistematicamente diferentes da verdade. Ao contrário do erro aleatório, que se distribui de forma equilibrada e tende a diminuir com amostras maiores, o viés é direcional: ele empurra o resultado sempre para o mesmo lado, seja superestimando, seja subestimando o efeito ou o prognóstico estudado.

Em estudos de prognóstico, isso significa que a curva de sobrevida, a taxa de recorrência ou o risco de complicação relatado pode não refletir o que realmente acontece com os pacientes na população geral. Reconhecer as fontes de viés ajuda você a ler criticamente um artigo e a decidir se os resultados são aplicáveis aos seus pacientes.

Diferença entre viés e erro aleatório

Antes de detalhar os tipos de viés, vale separar dois conceitos que costumam ser confundidos:

• Erro aleatório (acaso): variação imprevisível que ocorre mesmo em estudos bem desenhados. Reflete-se no intervalo de confiança e diminui conforme a amostra cresce.
• Viés: erro sistemático causado por falhas no delineamento, na seleção da amostra ou na coleta de dados. Não é corrigido por aumentar o número de participantes.

Principais tipos de viés em estudos de prognóstico

Viés de seleção

O viés de seleção ocorre quando a amostra do estudo não representa adequadamente a população de pacientes com a doença. Um exemplo clássico é incluir apenas pacientes atendidos em centros terciários, que costumam ter casos mais graves - o chamado viés de referência (referral bias). Isso infla artificialmente as taxas de complicação e mortalidade observadas.

Viés de aferição (ou de detecção)

O viés de aferição acontece quando o desfecho é medido de forma diferente entre grupos de pacientes, ou quando o avaliador conhece informações que influenciam sua percepção do resultado. Por exemplo, pacientes com fatores de risco conhecidos podem ser investigados com mais intensidade, aumentando a chance de detecção de eventos que, em outros pacientes, passariam despercebidos.

Viés de sobrevivência

O viés de sobrevivência surge quando o estudo inclui apenas pacientes que sobreviveram até um determinado ponto para serem recrutados, excluindo aqueles que morreram ou tiveram desfechos desfavoráveis precocemente. Isso faz o prognóstico parecer mais favorável do que realmente é.

Viés de perda de seguimento

Quando uma proporção relevante de pacientes abandona o acompanhamento (loss to follow-up) e essa perda não é aleatória - por exemplo, pacientes mais graves somem do seguimento por hospitalização ou óbito não capturado -, o resultado final fica distorcido. Um seguimento com perda superior a 20% costuma ser motivo de preocupação na avaliação crítica do estudo.

Viés de migração de estágio

Também chamado de efeito Will Rogers, o viés de migração de estágio ocorre quando o uso de exames mais sensíveis reclassifica pacientes para estágios mais avançados da doença. Isso faz com que tanto o grupo de estágio inicial quanto o de estágio avançado pareçam ter melhor prognóstico, mesmo sem nenhuma mudança real no curso da doença.

Como reduzir o viés no delineamento do estudo

Algumas estratégias ajudam a minimizar o viés desde o planejamento da pesquisa:

• Definir uma coorte de início (zero time) bem estabelecida, no mesmo ponto da história natural da doença para todos os participantes.
• Recrutar pacientes em diferentes níveis de atenção (não apenas centros terciários), reduzindo o viés de referência.
• Utilizar critérios objetivos e cegos para aferição dos desfechos.
• Minimizar perdas de seguimento e reportar claramente quantos pacientes foram perdidos e por quê.
• Manter critérios diagnósticos e tecnologia de exame constantes ao longo do tempo, ou ajustar a análise quando isso não for possível.

Assista a aula completa acima para ver exemplos práticos e continue para a próxima aula do módulo.