Série de posts sobre as maravilhas e limitações da randomização
Nesse post vamos compreender um pouco das limitações da randomização! "Conhecemos adequadamente o que é pelo o que não é"
Como vimos no post anterior, um bom experimento fornece avaliação imparcial da intervenção, evitando confundimento de outros fatores, que são conhecidos e desconhecidos. A randomização assegura que cada paciente tenha uma chance igual de receber qualquer um dos tratamentos em estudo, gerando grupos de intervenção comparáveis, que são semelhantes em todos os aspectos importantes, exceto pela intervenção que cada grupo recebe. Também fornece uma base para os métodos estatísticos usados na análise dos dados.
Os benefícios básicos da randomização são os seguintes: elimina o viés de seleção, equilibra os grupos com relação a muitas variáveis conhecidas ou desconhecidas de confundimento ou prognóstico, e forma a base para testes estatísticos, uma base para uma suposição de teste estatístico gratuito da igualdade de tratamentos [1]
Em geral para estudarmos apropriadamente o efeito de uma intervenção (uma nova droga, um novo procedimento etc) o ideal é um estudo randomizado controlado (controlado: há grupo controle contra o qual será comparado o grupo intervenção). O grupo controle é amostrado da mesma população da qual derivou o grupo intervenção, de forma que a única diferença entre eles após o experimento será o efeito (ou não) da intervenção proposta.
Ocorrem situações por exemplo em que a randomização não é uma opção factível. É o caso de todos os estudos que investigam risco à saúde. Por exemplo, não seria ético randomizar pacientes para receberem algo tóxico (ex. fumar, inalar sílica ou asbesto, ser inoculado com um vírus) para aferirmos o efeito dessas ocorrências na saúde humana.
Então vocês vão observar que a maioria dos estudos que constatam causalidade de uma exposição nociva sobre um determinado desfecho em saúde, como por exemplo da associação entre cigarro e câncer, são estudos observacionais (ex, de coorte, caso-controle). E a inferência de causalidade a partir de estudos observacionais merece nova série de posts!
Além disso estudos randomizados podem ter outros problemas que impedem adequada inferência causal: falta de poder para demonstrar a diferença quando ela de fato existe (erro tipo II), pouca validade externa dos dados (a amostra estudada diverge muito da população para a qual o dado seria extrapolado), o desfecho que foi medido foi inadequado, perda de dados (missing data) [1]
Para ler um pouco mais sobre randomização, recomendo esse artigo aqui. Está super detalhado e acrescenta a esse post comentários sobre os diferentes tipos de randomização.
Comentários, dúvidas são bem-vindos!
[1] Suresh KP. An overview of randomization techniques: An unbiased assessment of outcome in clinical research. J Hum Reprod Sci, 2011.
[2] Robertsa C; Torgersonb D. Randomisation methods in controlled trials. BMJ 1998
Declaração de conflitos de interesse: nenhum
Projeto Respira Evidência por Leticia Kawano Dourado
Comments