Estudos científicos — e as reportagens sobre eles — costumam afirmar que um estudo foi “controlado” em relação a determinadas variáveis.
Por exemplo, o Washington Post publicou recentemente uma matéria sobre um estudo sobre medicamentos à base de GLP-1 e um distúrbio hormonal. O artigo observou que “as mulheres que tomavam GLP-1 perderam mais peso do que aquelas dos grupos de controle”.
Alguns meses antes, o mesmo Washington Post publicou uma reportagem sobre um estudo diferente a respeito dos medicamentos GLP-1 e lesões ósseas e nos tendões. Ele afirmava que “os pesquisadores controlaram fatores como idade, sexo, raça e tabagismo” e descobriram que as pessoas que tomavam estes remédios apresentavam maior risco de distúrbios esqueléticos do que as que não os usavam.
Essa linguagem geralmente dá a impressão de que a existência de um grupo de controle aumenta a credibilidade. Mas o que exatamente significa “controle”? E você deveria ficar impressionado com isso?
Sou estatístico há muitos anos, e minha pesquisa recente mostrou que 90% dos adultos americanos baseariam suas decisões em estatísticas, pelo menos às vezes, se compreendessem melhor os conceitos básicos. E controle é um desses conceitos.
Compreender o que é um controle pode ajudar a avaliar até que ponto as conclusões de um estudo são respaldadas por evidências e a julgar a interpretação da mídia sobre novas pesquisas.
Observado ou manipulado?
Um controle pode ter significados diferentes, dependendo do desenho do estudo. A maioria dos estudos se enquadra em uma das duas categorias: experimental ou observacional.
Em um estudo experimental, os pesquisadores podem administrar um medicamento ou tratamento a alguns participantes e não a outros. O grupo de controle é formado pelas pessoas que não receberam o medicamento ou tratamento.
No estudo sobre perda de peso e distúrbios hormonais em mulheres, os pesquisadores administraram os medicamentos baseados em GLP-1 a algumas participantes e não os administraram a outras, para que pudessem comparar os resultados entre os dois grupos. Aqui, “controle” significa que os pesquisadores influenciaram diretamente a forma como os dados foram gerados.
Por outro lado, em um estudo observacional, os pesquisadores examinam dados existentes, como prontuários eletrônicos, para identificar padrões. Eles utilizam diferentes ferramentas estatísticas para verificar como vários fatores, como idade ou sexo, podem ter afetado os resultados para as pessoas, independentemente de quem tenha recebido tratamento. Essa etapa ajuda a garantir que a associação entre o tratamento e o resultado não seja influenciada por uma das variáveis conhecidas que afetam ambos.
Veja um exemplo. No estudo sobre os medicamentos GLP-1 e lesões ósseas, os pesquisadores controlaram fatores como idade, sexo, raça e tabagismo. Isso significa que compararam as lesões entre pessoas que se enquadravam em cada uma dessas categorias, para verificar se havia diferenças entre aquelas que tomavam GLP-1 e aquelas que não tomavam.
Por exemplo, suponha que fumantes tenham maior probabilidade de tomar medicamentos GLP-1 e que o próprio tabagismo, independentemente disso, aumente o risco de lesões ósseas. Se os pesquisadores não controlarem o tabagismo, parecerá que o uso de GLP-1 está associado a mais lesões ósseas simplesmente porque muitos usuários de GLP-1 também fumam.
Aqui, “controle” significa levar em conta elementos dos dados que já foram coletados, sobre os quais os pesquisadores não tiveram influência.
Aleatoriedade por definição
Em um estudo experimental sobre um novo medicamento, os cientistas determinam aleatoriamente quem recebe o tratamento e quem não recebe. As pessoas que não recebem o medicamento geralmente recebem um placebo, como um comprimido falso. Elas constituem o grupo de controle.
Além disso, se os cientistas sabem que certos fatores podem influenciar o resultado de um estudo, como a gravidade de uma doença ou outros medicamentos que os participantes possam estar tomando, eles podem randomizar o tratamento dentro desses grupos de pessoas. Isso é chamado de estratificação; ela evita que os pesquisadores, inadvertidamente, atribuam um número desproporcional de participantes que compartilham uma característica específica ao grupo de tratamento ou ao grupo do placebo.
Por exemplo, um estudo experimental de 2021 investigou a perda de peso entre pessoas com diabetes tipo 2 que receberam um medicamento à base de GLP-1. Os pesquisadores garantiram que os grupos de tratamento e controle tivessem membros selecionados aleatoriamente entre pessoas com diferentes níveis iniciais de glicemia, bem como entre aquelas que tomavam diferentes medicamentos para diabetes. Dessa forma, é menos provável que, por acaso, um número desproporcional de participantes com, por exemplo, os níveis mais altos de glicemia seja designado ao grupo placebo. Essa etapa também ajuda os pesquisadores a calcular o efeito do tratamento com maior precisão.
Os participantes de um estudo experimental podem não representar exatamente toda a variedade de pessoas que, algum dia, possam receber um tratamento que venha a ser aprovado. Pode ser impossível ou proibitivamente caro incluir pessoas suficientes para abranger todas as variações.
Esse desafio costuma ser o motivo pelo qual os pesquisadores recorrem a estudos observacionais, também chamados de estudos de evidência do mundo real. Nesses casos, os pesquisadores utilizam registros já existentes; não é possível realizar randomização. Em vez disso, eles utilizam diferentes ferramentas estatísticas para levar em conta fatores que possam ter afetado os tratamentos e os resultados.
Por exemplo, em um estudo observacional sobre GLP-1, os pesquisadores utilizaram bancos de dados de prontuários médicos e estimaram quanto peso as pessoas que tomavam medicamentos à base de GLP-1 perderam em comparação com aquelas que tomavam outros medicamentos para diabetes tipo 2.
Em estudos observacionais, deixar de controlar — ou seja, deixar de levar em conta — variáveis importantes pode comprometer a credibilidade dos resultados. Por exemplo, um estudo observacional poderia relatar benefícios à saúde de algum suplemento nutricional sem, no entanto, controlar as diferenças iniciais de saúde entre usuários e não usuários. Nesses casos, indivíduos mais saudáveis poderiam ter sido mais propensos a optar por tomar o suplemento desde o início, fazendo com que parecesse que o suplemento traz um benefício à saúde, mesmo quando nenhum existe.
Muitas dessas descobertas posteriormente não conseguem ser replicadas em estudos experimentais que controlam essas fontes de viés por meio da randomização.
Tentar controlar todas as variáveis possíveis também seria um problema. Se elas não estiverem realmente relacionadas às variáveis de interesse — e, ao realizar um estudo, os pesquisadores não sabem ao certo quais são —, um número maior de variáveis de controle torna as estimativas matemáticas menos precisas. Controlar certas variáveis chamadas colididoras pode distorcer o efeito que o estudo pretende avaliar.
Ao analisar os resultados de estudos observacionais, tente avaliar se o estudo se enquadra em um desses extremos – controlando poucas variáveis, ou variáveis demais.
Avaliando estudos por conta própria
Para ajudar as pessoas a entender os vários tipos de controles, preparei um aplicativo online que permite comparar análises em abordagens observacionais e experimentais, usando dados simulados.
Você não precisa ser um cientista para examinar estudos que despertem seu interesse. Mas é importante reconhecer que mesmo termos aparentemente intuitivos, como “controlado”, podem ter significados muito diferentes.
Da próxima vez que você se deparar com uma notícia na mídia sobre uma nova descoberta, considere se o estudo foi observacional ou experimental e quais variáveis os pesquisadores controlaram. Ter essas distinções em mente pode ajudá-lo a avaliar melhor quais conclusões as evidências podem apoiar com segurança.
Mark Louie Ramos não presta consultoria, trabalha, possui ações ou recebe financiamento de qualquer empresa ou organização que poderia se beneficiar com a publicação deste artigo e não revelou nenhum vínculo relevante além de seu cargo acadêmico.