Capítulo 49 Delineamento de estudos

49.1 Critérios de delineamento

49.1.1 Quais critérios são utilizados para classificar os delineamentos de estudos?

• Os delineamentos de estudos podem ser classificados segundo múltiplos eixos conceituais, que devem ser integrados de forma dinâmica.⁴⁰⁷

• Originalidade do estudo: primário ou secundário.⁴⁰⁷

• Interferência do pesquisador: observacional ou intervencional.⁴⁰⁷

• Unidade de análise: clínico ou experimental.⁴⁰⁷

• Perfil epidemiológico: descritivo ou analítico.⁴⁰⁷

• Direcionalidade temporal: prospectivo ou retrospectivo.⁴⁰⁷

• Período de seguimento: transversal ou longitudinal.⁴⁰⁷

• Relação temporal entre exposição e desfecho: coorte ou caso-controle.⁴⁰⁷

• Existência de controle comparativo: controlado, comparativo ou não controlado.⁴⁰⁷

• Tipo de frequência estudada: prevalência ou incidência.⁴⁰⁷

• Aleatorização amostral: aleatorizado ou não aleatorizado.⁴⁰⁷

• Nível de mascaramento: aberto, unicego, duplo-cego, triplo-cego ou quádruplo-cego.⁴⁰⁷

49.2 Alocação

49.2.1 O que é alocação?

• Alocação é o processo pelo qual os participantes de um estudo são distribuídos entre os diferentes grupos da pesquisa (por exemplo, grupo experimental e grupo controle).⁴⁰⁷

• A qualidade da alocação influencia diretamente o risco de vieses de seleção e a comparabilidade entre os grupos.⁴⁰⁷

• A alocação verdadeiramente aleatória reduz a influência de fatores confundidores, aumenta a validade interna do estudo e permite aplicação adequada de testes estatísticos inferenciais.⁴⁰⁷

49.2.2 Quais são os tipos de alocação?

• Alocação pode ser aleatória (randomização), quando a distribuição é feita por sorteio ou método imprevisível.⁴⁰⁷

• Alocação pode ser não aleatória, quando a distribuição segue critérios definidos previamente (ordem de chegada, conveniência, decisão, dentre outros).⁴⁰⁷

Figura 49.1: Alocação 1:1 entre dois grupos de participantes

49.2.3 O que é alocação oculta (allocation concealment)?

• Alocação oculta é o procedimento metodológico que impede que os pesquisadores responsáveis pelo recrutamento saibam previamente qual será o próximo grupo ao qual o participante será designado.⁴⁰⁸

• Alocação ocultaocorre antes ou no momento da inclusão do participante no estudo.⁴⁰⁸

• O objetivo principal da alocação oculta é prevenir viés de seleção, garantindo que a decisão de incluir um participante não seja influenciada pelo conhecimento da futura alocação.⁴⁰⁸

49.2.4 A alocação oculta é obrigatória em ensaios clínicos?

• Em ensaios clínicos randomizados, a alocação oculta é considerada um componente essencial da qualidade metodológica.⁴⁰⁸

• Sua ausência aumenta o risco de viés de seleção e compromete a validade interna do estudo.⁴⁰⁸

49.3 Mascaramento

49.3.1 O que é mascaramento?

• Mascaramento (ou cegamento) é o procedimento metodológico pelo qual uma ou mais partes envolvidas na pesquisa desconhecem a qual grupo os participantes pertencem, geralmente em ensaios clínicos randomizados.^407,408

• O objetivo principal do mascaramento é reduzir vieses de observação, expectativa e interpretação dos resultados.^407,408

49.3.2 Por que o mascaramento é tão importante?

• A ausência de mascaramento pode introduzir: viés de aferição, viés de expectativa, viés de interpretação, contaminação ou cointervenção e efeito placebo diferencial.⁴⁰⁸

49.3.3 Quem pode ser mascarado?

• Participantes, profissionais de saúde, avaliadores de desfecho, coletores de dados, analistas estatísticos, comitês de monitoramento e autores do manuscrito.⁴⁰⁸

49.3.4 Quais são os tipos de mascaramento?

• Aberto (open label): todos sabem a alocação.⁴⁰⁷

• Unicego; apenas os participantes desconhecem a alocação.⁴⁰⁷

• Duplo-cego: participantes e equipe avaliadora desconhecem a alocação.⁴⁰⁷

• Triplo-cego: inclui também o bioestatístico.⁴⁰⁷

• Quádruplo-cego: inclui ainda o autor responsável pela redação da discussão inicial.⁴⁰⁷

49.3.5 Qual é a diferença entre alocação oculta e mascaramento?

• A alocação oculta protege o processo de inclusão dos participantes e visa reduzir viés de seleção.⁴⁰⁸

• O mascaramento (cegamento) ocorre após a alocação e tem como objetivo reduzir viés de aferição, interpretação ou expectativa.⁴⁰⁸

• Em ensaios clínicos randomizados, a alocação oculta pode sempre ser implementada, enquanto o mascaramento nem sempre é possível.⁴⁰⁸

49.4 Pareamento

49.4.1 O que é pareamento?

• Pareamento significa que para cada participante de um grupo (por exemplo, com alguma condição clínica), existe um (ou mais) participantes (por exemplo, grupo controle) que possui características iguais ou similares relativas a algumas variáveis de interesse.⁴⁰⁹

• As variáveis escolhidas para pareamento devem ter relação com as variáveis de desfecho, mas não são de interesse elas mesmas.⁴⁰⁹

• O ajuste por pareamento deve ser incluído nas análises estatísticas mesmo que as variáveis de pareamento não sejam consideradas prognósticas ou confundidores na amostra estudada.⁴⁰⁹

• A ausência de evidência estatística de diferença entre grupos não é considerada pareamento.⁴⁰⁹

49.5 Aleatorização

49.5.1 O que é aleatorização?

• Aleatorização é o processo de distribuição dos participantes nos diferentes grupos do estudo por meio de um mecanismo imprevisível, garantindo que todos tenham a mesma probabilidade de serem alocados a qualquer grupo.⁴⁰⁷

• Os principais objetivos da aleatorização são minimizar vieses de seleção, balancear variáveis conhecidas e desconhecidas entre os grupos, assegurar comparabilidade amostral e fortalecer a validade interna da pesquisa.⁴⁰⁷

49.5.2 Quais são os métodos de aleatorização?

• Sorteio simples: cada participante tem a mesma probabilidade de ser alocado a qualquer grupo, sem restrições.⁴⁰⁷

• Tabelas de números aleatórios: uso de tabelas pré-geradas de números aleatórios para determinar a alocação.⁴⁰⁷

• Geradores computacionais: uso de algoritmos de geração de números aleatórios em softwares para alocação.⁴⁰⁷

• Blocos: os participantes são alocados em blocos de tamanho fixo para garantir equilíbrio entre os grupos ao longo do tempo.⁴⁰⁷

• Estratificação: os participantes são estratificados por características relevantes (por exemplo, idade, sexo) e depois aleatoriamente alocados dentro de cada estrato para garantir equilíbrio dessas características entre os grupos.⁴⁰⁷

49.5.3 Quais são as vantagens e desvantagens da aleatorização simples?

• A aleatorização simples, embora metodologicamente correta, pode gerar desequilíbrio numérico entre os grupos, especialmente em estudos com amostras pequenas. Estudos de simulação demonstram que a probabilidade de equilíbrio perfeito (1:1) é baixa, independentemente do tamanho da amostra.³⁸⁷

• Em amostras pequenas (\(n \leq 60\)), esse desequilíbrio pode reduzir o poder estatístico, aumentando o risco de erro do tipo II. À medida que o tamanho amostral cresce, o impacto do desequilíbrio no poder estatístico diminui substancialmente.³⁸⁷

• Em amostras pequenas (\(n \leq 60\) participantes), recomenda-se a utilização de randomização em blocos ou métodos que restrinjam o desequilíbrio.³⁸⁷

• Em amostras maiores (\(n > 60\)), a aleatorização simples tende a ser aceitável, pois o desequilíbrio raramente compromete o poder estatístico de forma relevante.³⁸⁷

49.6 Taxonomia de estudos

49.6.1 Como podem ser classificados os estudos científicos?

• Estudos científicos podem ser classificados em básicos, observacionais, experimentais, acurácia diagnóstica, propriedades psicométricas, avaliação econômica e revisões de literatura:^410–419

• Estudos básicos^411,416

  • Genética

  • Celular

  • Experimentos com animais

  • Desenvolvimento de métodos

• Estudos de simulação computacional^417,419

• Estudos de propriedades psicométricas^412,414

  • Validade

  • Concordância

  • Confiabilidade

• Estudos de desempenho diagnóstico^415,418

  • Transversal

  • Caso-Controle

  • Comparativo

  • Totalmente pareado

  • Parcialmente pareado com subgrupo aleatório

  • Parcialmente pareado com subgrupo não aleatório

  • Não pareado aleatório

  • Não pareado não aleatório

• Estudos observacionais^411,416

  • Descritivo

    • Estudo de caso

    • Série de casos

    • Transversal

  • Analítico

    • Transversal

    • Caso-Controle

      • Caso-Controle aninhado

      • Caso-Coorte

  • Coorte prospectiva ou retrospectiva

• Estudos quase-experimentais⁴¹³

  • Quase-aleatorizado controlado

  • Estimação de variável instrumental

  • Descontinuidade de regressão

  • Série temporal interrompida controlada

  • Série temporal interrompida

  • Diferença

• Estudos experimentais^411,416

  • Fases I a IV

    • Aleatorizado controlado

    • Não-aleatorizado controlado

    • Autocontrolado

    • Cruzado

    • Fatorial

  • Campo

  • Comunitário

• Estudos de avaliação econômica⁴¹¹

  • Análise de custo

  • Análise de minimização de custo

  • Análise de custo-utilidade

  • Análise de custo-efetividade

  • Análise de custo-benefício

• Estudos de revisão⁴¹⁰

  • Estado-da-arte

  • Narrativa

  • Crítica

  • Mapeamento

  • Escopo

  • Busca e revisão sistemática

  • Sistematizada

  • Sistemática

    • Meta-análise

    • Bibliométrica.^420,421

  • Sistemática qualitativa

  • Mista

  • Visão geral

  • Rápida

  • Guarda-chuva

49.7 Hierarquia da evidência científica

49.7.1 Quais são os modelos de hierarquia da evidência científica?

• O modelo “4S” organiza as fontes de evidência em uma hierarquia de quatro níveis: Studies (estudos), Syntheses (sínteses), Synopses (sinopses) e Systems (sistemas).⁴²²

• O modelo “5S” representa uma evolução dessa organização, estruturando a evidência em cinco níveis hierárquicos: Studies (estudos), Syntheses (sínteses), Synopses (sinopses), Summaries (sumários) e Systems (sistemas).⁴²³

• O modelo “6S” constitui um refinamento do modelo “5S”, organizando as fontes de evidência em seis níveis hierárquicos, com base no grau de pré-avaliação e aplicabilidade clínica: Studies (estudos), Synopses of Studies (sinopses de estudos), Syntheses (sínteses), Synopses of Syntheses (sinopses de revisões), Summaries (sumários — diretrizes e textos clínicos) e Systems (sistemas de decisão clínica).⁴²⁴

• Recomenda-se iniciar a busca pela evidência no nível mais alto disponível. Na ausência de informações adequadas, deve-se prosseguir progressivamente para níveis inferiores da hierarquia.⁴²²

• À medida que se avança na hierarquia, diminui o esforço necessário para interpretar a evidência, uma vez que os níveis superiores já apresentam informações previamente avaliadas e sintetizadas.⁴²⁵

• No nível basal da pirâmide (Studies), existe ainda uma hierarquia interna entre os diferentes desenhos de estudo, variando desde estudos experimentais iniciais até ensaios clínicos randomizados e revisões sistemáticas.⁴²⁵

49.7.2 Quais são as limitações da hierarquia da evidência científica?

• O modelo tradicional da pirâmide da evidência tem sido progressivamente questionado diante das transformações tecnológicas recentes, especialmente com a incorporação da inteligência artificial na pesquisa clínica.⁴²⁶

• A hierarquia tradicional tende a supervalorizar estudos experimentais altamente controlados, assumindo que maior validade interna implica automaticamente maior aplicabilidade clínica. Estudos conduzidos em condições ideais podem apresentar baixa validade externa, limitando sua generalização para contextos reais.⁴²⁷

• A avaliação de estudos deve considerar separadamente a validade interna (capacidade de estabelecer relações causais sob controle experimental) e a validade externa (grau de generalização dos resultados para contextos reais).⁴²⁷

• Em estudos qualitativos, a avaliação da qualidade metodológica não se baseia nos conceitos tradicionais de validade interna e externa, mas sim em critérios como autenticidade e transferibilidade, que refletem a fidelidade da descrição da experiência e sua aplicabilidade teórica a outros contextos.⁴²⁷

• A posição da meta-análise no topo da hierarquia da evidência não é absoluta. Embora integre resultados de ensaios clínicos randomizados, sua validade depende diretamente da qualidade metodológica dos estudos incluídos, podendo reproduzir ou até amplificar vieses presentes nas evidências primárias.⁴²⁸

• Embora útil como ferramenta de organização e tomada de decisão, a hierarquia da evidência deve ser interpretada como um guia, e não como uma regra absoluta, uma vez que a qualidade metodológica pode variar dentro de cada nível.⁴²⁵

• Os níveis superiores da pirâmide dependem diretamente da qualidade das evidências disponíveis nos níveis inferiores, de modo que limitações nos estudos primários podem impactar toda a cadeia de síntese do conhecimento.⁴²⁵

• Existe um intervalo temporal entre a produção de novas evidências e sua incorporação nos níveis superiores da hierarquia, o que pode limitar a atualidade de algumas fontes secundárias.⁴²⁵

• Evidências pertencentes a um mesmo nível hierárquico podem apresentar qualidade metodológica variável, de modo que a classificação por tipo de estudo não garante, por si só, maior validade científica.⁴²⁵

• A avaliação crítica da evidência deve considerar múltiplas dimensões, evitando uma interpretação rígida da hierarquia e reforçando a necessidade de julgamento clínico e metodológico na tomada de decisão.⁴²⁹

• Ensaios clínicos randomizados iniciam como evidência de alta qualidade, mas podem ser rebaixados dependendo de limitações metodológicas, enquanto estudos observacionais podem ser elevados de nível quando apresentam efeitos consistentes, fortes e biologicamente plausíveis.⁴²⁹

• Embora a hierarquia tradicional da evidência posicione ensaios clínicos randomizados e revisões sistemáticas no topo, estudos mais recentes demonstram que essa classificação, isoladamente, pode ser insuficiente para determinar a qualidade real da evidência.⁴²⁹

Figura 49.2: Hierarquia da evidência científica: modelo 6S

Citar como:
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,

Referências

387.

Shibasaki WM, Martins RP. Simple randomization may lead to unequal group sizes. Is that a problem? American Journal of Orthodontics and Dentofacial Orthopedics. 2018;154(4):600–605. doi:10.1016/j.ajodo.2018.07.005

407.

Hochman B, Nahas FX, Oliveira Filho RS de, Ferreira LM. Desenhos de pesquisa. Acta Cirurgica Brasileira. 2005;20(suppl 2):2–9. doi:10.1590/s0102-86502005000800002

408.

Mathieu E. Research Note: Blinding: what, why, when and how? Journal of Physiotherapy. 2020;66(1):61–63. doi:10.1016/j.jphys.2019.11.017

409.

Bland JM, Altman DG. Statistics notes: Matching. BMJ. 1994;309(6962):1128–1128. doi:10.1136/bmj.309.6962.1128

410.

Grant MJ, Booth A. A typology of reviews: an analysis of 14 review types and associated methodologies. Health Information & Libraries Journal. 2009;26(2):91–108. doi:10.1111/j.1471-1842.2009.00848.x

412.

Souza AC de, Alexandre NMC, Guirardello E de B, Souza AC de, Alexandre NMC, Guirardello E de B. Propriedades psicométricas na avaliação de instrumentos: avaliação da confiabilidade e da validade. Epidemiologia e Serviços de Saúde. 2017;26(3):649–659. doi:10.5123/s1679-49742017000300022

413.

Reeves BC, Wells GA, Waddington H. Quasi-experimental study designs seriespaper 5: a checklist for classifying studies evaluating the effects on health interventionsa taxonomy without labels. Journal of Clinical Epidemiology. 2017;89:30–42. doi:10.1016/j.jclinepi.2017.02.016

416.

Chidambaram AG, Josephson M. Clinical research study designs: The essentials. PEDIATRIC INVESTIGATION. 2019;3(4):245–252. doi:10.1002/ped4.12166

417.

Erdemir A, Mulugeta L, Ku JP, et al. Credible practice of modeling and simulation in healthcare: ten rules from a multidisciplinary perspective. Journal of Translational Medicine. 2020;18(1). doi:10.1186/s12967-020-02540-4

418.

Yang B, Olsen M, Vali Y, et al. Study designs for comparative diagnostic test accuracy: A methodological review and classification scheme. Journal of Clinical Epidemiology. 2021;138:128–138. doi:10.1016/j.jclinepi.2021.04.013

419.

Chipman H, Bingham D. Let’s practice what we preach: Planning and interpreting simulation studies with design and analysis of experiments. Canadian Journal of Statistics. 2022;50(4):1228–1249. doi:10.1002/cjs.11719

420.

Donthu N, Kumar S, Mukherjee D, Pandey N, Lim WM. How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research. 2021;133:285–296. doi:10.1016/j.jbusres.2021.04.070

421.

Lim WM, Kumar S. Guidelines for interpreting the results of bibliometric analysis: A sensemaking approach. Global Business and Organizational Excellence. agosto 2023. doi:10.1002/joe.22229

422.

Haynes RB. Of studies, summaries, synopses, and systems: the “4S” evolution of services for finding current best evidence. Evidence Based Mental Health. 2001;4(2):37–38. doi:10.1136/ebmh.4.2.37

423.

Brian Haynes R. Of studies, syntheses, synopses, summaries, and systems: the "5S" evolution of information services for evidence-based healthcare decisions. Evidence-Based Medicine. 2006;11(6):162–164. doi:10.1136/ebm.11.6.162-a

424.

DiCenso A, Bayley L, Haynes RB. Accessing pre-appraised evidence: fine-tuning the 5S model into a 6S model. Evidence Based Nursing. 2009;12(4):99.2–101. doi:10.1136/ebn.12.4.99-b

425.

Shaneyfelt T. Pyramids are guides not rules: the evolution of the evidence pyramid. Evidence Based Medicine. 2016;21(4):121–122. doi:10.1136/ebmed-2016-110498

426.

Bellini V, Ori E, Coccolini F, Bignami E. Evidence pyramid and artificial intelligence: a metamorphosis of clinical research. Discover Health Systems. 2023;2(1). doi:10.1007/s44250-023-00050-w

427.

Tomlin G, Borgetto B. Research Pyramid: A New Evidence-Based Practice Model for Occupational Therapy. The American Journal of Occupational Therapy. 2011;65(2):189–196. doi:10.5014/ajot.2011.000828

428.

Berlin JA, Golub RM. Meta-analysis as Evidence. JAMA. 2014;312(6):603. doi:10.1001/jama.2014.8167

429.

Murad MH, Asi N, Alsawas M, Alahdab F. New evidence pyramid. Evidence Based Medicine. 2016;21(4):125–127. doi:10.1136/ebmed-2016-110401