Erros
Em Medicina Baseada em Evidências, sempre estamos preocupados em não errar (ou encontrar os erros em estudos para não tomar condutas erradas nos baseando em evidências de baixa qualidade). Erros podem ser sistemáticos (mais conhecidos pelo termo "viés") quando derivam de falhas na metodologia que colaboram para afastar o resultado da verdade em um sentido específico, ou aleatórios (quando resultam do acaso). Erros aleatórios são de dois tipos:
Erro do tipo I - Afirmar como verdade uma coisa falsa (aceitar a hipótese alternativa quando a hipótese nula era correta)
Erro do tipo II - Rejeitar uma coisa verdadeira (rejeitar a hipótese alternativa quando ela está certa, mantendo-se com a hipótese nula).
Falaremos nesse post sobre o instrumento que nos serve para evitar erro do tipo I.
O valor de P
Em bioestatística, poucos conceitos são tão reproduzidos quanto o valor de P, que é aliás fruto de diversas discussões acerca de limitações e usos inapropriados.
Antes de entrar em qualquer discussão sobre suas limitações, é importante entender o que de fato o valor de P representa.
Para isso, é importante realizar um exercício: imagine que queremos desenvolver um estudo para estabelecer causalidade - estabelecer por exemplo que uma droga em comparação com placebo é benéfica para um grupo de pacientes. No intuito de investigar esta hipótese, poderíamos desenhar um Ensaio Clínico Randomizado (ECR). Digamos que este ECR tenha uma metodologia perfeita: desenho adequado (ensaio clínico), com uma randomização bem feita, controlado por placebo, com desfechos duros e objetivos (digamos que o desfecho poderia ser apenas mortalidade), análise seguindo o princípio de intenção para tratar, follow-up de 100%. Podemos afirmar que este é um estudo sem fatores que justifiquem a existência de viés.
Ao final do estudo, obtemos uma curva de incidência de eventos, como a exposta abaixo (que foi retirada do estudo SPRINT, que não é perfeito, mas serve só como uma ilustração de curva de eventos). Como nenhum estudo avalia o universo inteiro, estamos sujeitos ao acaso: a amostra que pegamos pode, por pura sorte, apresentar alguma diferença na incidência de eventos, sem que isso de fato represente a verdade. A diferença de eventos entre um grupo e outro neste gráfico pode ser um fenômeno verdadeiro ou pode ser fruto do acaso. Utilizamos o valor de P para fazer essa avaliação.
O valor de P é definido estatisticamente como a probabilidade, assumindo que a hipótese nula é verdadeira, do resultado do estudo ocorrer. De início, quando conduzimos um experimento, estamos sempre partindo do pressuposto de que a hipótese nula é verdadeira, e só aceitamos rejeitá-la diante de uma evidência muito forte de que a hipótese alternativa é que está certa (logo, se o valor de P for muito pequeno, é muito pequena a chance do resultado do estudo ter sido obra do acaso, é ficamos com a hipótese alternativa). Valores de P abaixo de 0.05 são, por convenção, considerados pequenos o suficiente para justificar que rejeitemos a hipótese nula e fiquemos com a alternativa.
Derivamos alguns pontos essenciais dessa discussão:
-
Valor de P serve para avaliar o risco de erros aleatórios
-
O P mede a chance de um determinado resultado acontecer se a hipótese nula for verdadeira (se for muito pequeno, menor que 0.05, deixamos a hipótese nula e ficamos com a alternativa)
Figura retirado do estudo SPRINT, no New England Journal of Medicine
Download
