Como Projetar Estudos de Pesquisa de Resultados de Saúde Impactantes para Análise

Jacob VanHoutenAnalista de dados clínicos e consultor em bioestatística na Kolabtree, fornece dicas de ponta sobre como projetar pesquisas de impacto na saúde para análise. 

Se você está na área médica e já leu, fez ou até pensou em fazer pesquisa nas últimas duas décadas, é provável que você esteja familiarizado com o conceito de pesquisa de resultados. Em resumo, a pesquisa de resultados é um campo onde o objeto de estudo é um resultado de saúde definível, do qual darei exemplos posteriormente, e o que é medido são os efeitos que diferentes partes do fluxo de trabalho geral têm sobre esses resultados. Como o objetivo de tais estudos é determinar quais fatores afetam os resultados de interesse, muitos desenhos diferentes de estudos experimentais e observacionais são bem adequados para esta tarefa, incluindo estudos epidemiológicos clássicos, como por exemplo:

• ensaios controlados aleatorizados,
• estudos de corte transversal,
• estudos de coorte,
• revisões/análises sistemáticas, ou
• metodologias de pesquisa para melhoria da qualidade.

Por que mesmo fazer pesquisa de resultados?

Há muitas, muitas razões para fazer pesquisas de resultados, e listar todas elas estaria muito além do que seria possível fazer neste posto. Em poucas palavras, a pesquisa de resultados, tal como se aplica ao campo da biomedicina, está focada principalmente em melhorar o desempenho de alguma tarefa dentro desse campo. Como famoso consultor administrativo Peter Drucker é creditado com a frase: "Você não pode administrar o que não pode medir". Em outras palavras, você não pode "mover a agulha" na melhoria sem saber para onde ela está apontando em primeiro lugar. Além disso, tal medição pode levar a

• melhoria da qualidade,
• decreased saúde costs,
• maior eficiência no diagnóstico e tratamento, e
• experiência do paciente.

E quem não gostaria de ter os melhores resultados para seus pacientes? É, sem dúvida, o principal imperativo da pesquisa na área da saúde ser continuamente medido para melhorar, e a pesquisa de resultados é um poderoso conjunto de ferramentas para se chegar lá.

Como pensar na pesquisa de resultados como um estatístico

Quando se pensa em iniciar uma pesquisa, talvez a primeira coisa a saber seja "o que você quer saber". Você está mais interessado no sistema e na eficiência, ou nas medidas intangíveis de qualidade de vida determinadas pelos pacientes? Você está interessado em tornar o atendimento mais acessível, equitativo e acessível aos pacientes, ou sua preocupação é a rentabilidade de uma prática? Algumas perguntas-chave incluem:

• o que é o resultado de interesse,
• que são as partes interessadas relevantes,
• como o resultado de interesse é melhor representado, e
• como posso obter os dados que preciso para responder minhas perguntas?

Tipos de resultados

Um dos pontos fortes da pesquisa de resultados é a capacidade de considerar muitos resultados diferentes e seus méritos relativos, assim como de muitos pontos de vista diferentes (mais sobre isso abaixo). De fato, algumas construções de pesquisa de resultados, tais como Anos de Vida Ajustados à Qualidade, foram projetadas especificamente para fazer a comparação de diferentes resultados. Resultados que podem ser de tipos diferentes podem ser comparados através da conversão de um resultado em um resultado equivalente (ou seja, quantidade de dinheiro que alguém teria que receber para desistir de uma noite de sono) que é mais diretamente comparável.

Quem se importa?

Ao pensar sobre os resultados acima para medir, talvez a primeira pergunta devesse ser "quem se importa? E não se trata de uma questão de flacidez. Sinceramente, quem é o que se preocupa com este resultado. Os pacientes? Os provedores? As seguradoras, os sistemas de saúde? Não é irrazoável imaginar que um paciente e um hospital valorizem o resultado da satisfação do paciente de maneira muito diferente, embora seja importante para ambos. Para avaliar adequadamente os resultados que você deseja medir, você deve considerar qual(is) perspectiva(s) é(são) a melhor a partir da(s) qual(is) avaliar. Identificar claramente no início de um plano analítico a perspectiva a partir da qual você considerará que os resultados protegem tanto contra confusão quanto contra manipulação de dados pós-hoc, seja acidental ou não. Embora uma lista abrangente de resultados potenciais de interesse esteja além do escopo deste artigo, a tabela a seguir destaca algumas das categorias de resultados mais amplamente utilizadas.

Categorias de resultados largamente utilizadas

Segurança	Uso indevido da terapia médica e supervisão no curso dos cuidados clínicos; Erros médicos que colocam os pacientes em risco de eventos adversos
Eficácia	A lacuna entre o que pode ser alcançado através de intervenção ou política médica e o que é realmente alcançado
Equidade	Exame da disparidade na prestação de cuidados de saúde que se concentra em fatores não-clínicos, tais comoraça,gêneroestatus socioeconômico influenciar o atendimento aos pacientes
Eficiência	Concentra-se em maneiras de maximizar a eficiência, limitar os custos da saúde e reduzir o desperdício no sistema de saúde.
Oportunidade	Acesso do paciente à saúde: barreiras ao acesso e incapacidade do paciente não segurado de se beneficiar da saúde.
Capacidade de resposta do sistema	Esforços educacionais entre a comunidade médica e implementação de políticas de saúde que melhorem o atendimento ao paciente
Centrado no paciente	Como as intervenções médicas irão afetar os pacientes, o que os pacientes sentem e o que podem fazer para afetar a tomada de decisões médicas.

 

Tipos de dados

Além do tipo de resultados em que você está interessado, vale a pena pensar na forma como você concebe os dados, especificamente em termos de tipos de dados.

Os dados vêm em dois sabores principais: numérico, e categórico.

Dados numéricos

Numérica é exatamente como soa; a variável sendo medida é quantitativa, sendo do tipo inteiro, que são os números inteiros, e flutua, que são todos os números com alguma parte de números não inteiros.

Exemplos de inteiros incluem o número de bebês entregues em um hospital, resultados de um questionário da escala Likert sobre a satisfação do paciente, ou o número de minutos tomados durante uma cirurgia, assim como muitos, muitos outros.

Dados categóricos

Os dados categóricos são aqueles dados que só podem assumir certos valores específicos. Alguns pontos de dados são categóricos e dicotômicos, o que significa que a variável pode tomar um e apenas um de dois resultados possíveis. Por exemplo, uma lâmpada pode ser desligada, ou ligada, mas será uma dessas opções, e não a outra. Às vezes existem mais de duas categorias, e isto define uma variável nominal. As variáveis nominais têm vários valores possíveis diferentes, mas sem ordenação natural entre elas; um exemplo pode ser os tipos de flores, onde a planta pode ser uma rosa, tulipa, margarida, girassol, etc. Finalmente, as variáveis categóricas que têm uma ordenação natural, mas que ainda estão restritas a resultados específicos, são denominadas ordinais.

Um exemplo deste tipo de variável pode ser uma representação categórica da satisfação do paciente: insatisfeito, ligeiramente satisfeito, satisfeito, muito satisfeito. Mesmo aqueles que têm um universo restrito de resultados possíveis, estes níveis têm uma ordenação natural entre si.

A razão pela qual é tão importante estar ciente dos tipos de resultados e tipos de dados é porque você mesmo decidirá em grande parte como modelar os dados, o que por sua vez determinará quais tipos de análises são possíveis. Se você quiser saber o número de operações cirúrgicas em seu hospital por dia, você pode usar o número inteiro real (1,2,3, etc.), ou você pode fatorizá-los em dias de alto, médio e baixo volume. No final, a forma como você escolhe representar os dados revela para aqueles que lêem seu trabalho como você vê o mundo, bem como porque você tomou as decisões que tomou. Eles podem não concordar com você, ou ser capazes de reproduzir seus dados, mas se você não deixar espaço para ambigüidade, não há dúvida quanto à verdade de suas descobertas.

De onde vêm seus dados? Você vai coletá-los ou obtê-los de outra fonte? Se você mesmo estiver registrando os dados, a responsabilidade é sua para decidir o que você vai gravar e o que não vai gravar, o que terá impacto nas opções de análise disponíveis. Se você mesmo não vai coletá-los, como o conjunto de dados está armazenado atualmente (tipo de dados, localização, etc.)? E muito importante: conhecer e entender o processo pelo qual os dados são produzidos e coletados. Um mal-entendido sobre estas questões pode levar a pesquisas que não respondem a sua pergunta pretendida.

Dica de bônus: Por que contratar um estatístico poderia salvar seu estudo

I’m not a car guy. When mine needs regular work or a specific repair, I’m the first guy to take it to the shop. Why? Because I know that I do not have the skills to do the job. Similarly, not everyone will be doing their own estatísticas, either because they do not have the required training or simply because they choose to put their efforts elsewhere. With that in mind, those who still wish to do outcomes research but do not want to be responsible for their own analysis should consider hiring a estatístico freelanceque você pode encontrar facilmente em Kolabtree.

Se você optar por trabalhar com um estatístico, faça um favor a si mesmo e envolva-os mais cedo em vez de mais tarde. Como o famoso (se não for lembrado gentilmente) estatístico R.A. Fisher é citado, "Consultar o estatístico após a conclusão de um experimento é muitas vezes simplesmente pedir-lhe que conduza um exame post-mortem. Ele talvez possa dizer do que o experimento morreu".

Isto é absolutamente verdade, na medida em que uma vez que um experimento tenha sido realizado e os dados coletados, há alguns métodos de análise que não estão mais disponíveis que poderiam ter sido se decisões diferentes tivessem sido tomadas em estágios anteriores da pesquisa.

Além de não ter que fazer sua própria análise estatística, pode haver outros benefícios tangíveis e intangíveis para trabalhar com um estatístico. Por exemplo, eles provavelmente, através de seu treinamento, foram expostos a alguns métodos mais complexos de projeto experimental ou análise, e é possível que o uso de um desses métodos, em vez de métodos padrão, possa economizar significativamente recursos, tais como tempo, participantes ou dinheiro. Também pode haver novas idéias no campo que você talvez não conheça, tais como melhores práticas para reprodutibilidade de resultados ou os pacotes de software mais atualizados para análises complexas. O melhor de tudo, neste momento, poderia ser o melhor momento para se conseguir um excelente estatístico para uma pechincha. Dados os efeitos econômicos arrepiantes da pandemia, os indivíduos de todas as camadas foram duramente atingidos. Os estaticistas afetados pela pandemia estão à procura de shows freelance, e muitos estão dispostos a dar descontos em troca de fidelidade.

Conclusão

Esta é, por NO MEANS, uma discussão exaustiva dos resultados da pesquisa; ao contrário, ela deve servir como uma introdução em tamanho de mordida para os novatos completos. Mas, mesmo para tais pesquisadores, uma pequena reflexão inicial a respeito de seu resultado de interesse, como os elementos de dados serão representados e onde você poderá obter os dados pode ir muito longe para garantir que a pesquisa de resultados que você realiza seja significativa e responda à pergunta para a qual você a pretende. E lembre-se, se você achar que não pode ou prefere não fazer a análise você mesmo, ou se quiser saber mais sobre os mais novos métodos de análise disponíveis, não se esqueça de procurar/encontrar seus colegas estatísticos.

Precisa de ajuda na realização de um ensaio clínico e na análise dos resultados? Consulte um consultor em pesquisa clínica em Kolabtree ou trabalhar com um analista estatístico freelance.