Podcast sobre Fundamentos de Metodologia e Estatística

Kapitoly

O Plano por Trás da Descoberta

Estudos Experimentais: A Procura pela Causa

O Padrão-Ouro: RCT

A Fotografia vs. o Filme: Transversal e Longitudinal

A Longa Duração: Estudos Longitudinais

Olhando para o Passado e para o Futuro

O Poder do Grupo: Estudos de Coorte

Mergulho Profundo: O Estudo de Caso

Organizando a Evidência

Exercício Materno e o Fígado do Bebé

Hepatite do Atleta: O Lado Extremo

Do Estudo de Caso à Generalização

A Hierarquia da Evidência

A Prova dos Fitbits

O Poder da Consistência

A Credibilidade da Fonte

Přepis

Matheus: Pense na sua app de fitness ou no seu smartwatch. Ele diz-lhe que dar 10.000 passos por dia ou correr regularmente melhora a saúde do seu coração. Mas... como é que eles sabem isso com tanta certeza? Como é que uma empresa pode afirmar que o seu produto ou um certo hábito leva a um resultado específico?

Júlia: Exatamente. A resposta não é magia, é método. E o método por trás dessas grandes descobertas é o que vamos desvendar hoje. Trata-se do plano, da receita que os cientistas seguem para garantir que os seus resultados são válidos e confiáveis.

Matheus: É o mapa do tesouro da ciência! Este é o Studyfi Podcast, e hoje vamos falar sobre desenhos de investigação. Júlia, por onde começamos?

Júlia: Vamos começar pelo básico. Um desenho de investigação, ou desenho de estudo, é basicamente o plano estratégico de um cientista. É a estrutura que define como é que os dados vão ser recolhidos e analisados para responder a uma pergunta específica.

Matheus: Então, não basta ter uma boa pergunta? É preciso ter um bom plano para a responder?

Júlia: Precisa mesmo! Sem um bom desenho, os resultados podem não ser fiáveis. É como construir uma casa sem uma planta. Pode acabar com a porta na parede errada e o telhado a meter água. A validade e a confiabilidade dos resultados dependem inteiramente do desenho escolhido.

Matheus: Ok, então existem diferentes tipos de “plantas” para estas “casas” científicas. Qual é um dos tipos mais importantes?

Júlia: Um dos mais poderosos é o desenho experimental. Aqui, os investigadores não se limitam a observar... eles intervêm. Eles manipulam ativamente uma coisa para ver o efeito que tem noutra.

Matheus: Manipulam? Soa um pouco sinistro.

Júlia: Não nesse sentido! Pense assim: eles mudam uma “variável independente” para medir o impacto na “variável dependente”. Por exemplo, um investigador pode dar um novo medicamento (variável independente) a um grupo de pacientes para ver se os seus níveis de colesterol (variável dependente) diminuem.

Matheus: Ah, entendi! Eles controlam a causa para observar o efeito. É por isso que estes estudos são ideais para estabelecer relações de causa e efeito, certo?

Júlia: Perfeito! É exatamente isso. Ensaios clínicos, como os testes de novas vacinas, são um exemplo clássico de desenhos experimentais. Eles querem provar que a vacina *causa* a imunidade.

Matheus: Falando em ensaios clínicos, já ouvi falar do termo “Randomised Control Trial” ou RCT. O que o torna tão especial?

Júlia: O RCT, ou Ensaio Clínico Aleatorizado, é considerado o “padrão-ouro” da evidência científica. E o segredo está no nome: “aleatorizado” e “controlo”.

Matheus: Vamos por partes. O que significa “controlo”?

Júlia: Significa que temos pelo menos dois grupos. Um grupo de intervenção, que recebe o tratamento que estamos a testar — como o novo medicamento —, e um grupo de controlo, que recebe um placebo ou o tratamento padrão já existente.

Matheus: Ok, e o “aleatorizado”?

Júlia: Essa é a parte genial. Os participantes são distribuídos por esses grupos de forma completamente aleatória, como se fosse um sorteio. Isso garante que os dois grupos são o mais semelhantes possível no início do estudo.

Matheus: E por que isso é tão importante?

Júlia: Porque elimina o risco de viés. Se os grupos forem semelhantes em tudo, exceto na intervenção que recebem, então qualquer diferença que encontrarmos no final só pode ser atribuída a essa intervenção. É a forma mais robusta de provar causa e efeito.

Matheus: É como se quiséssemos testar um novo método de estudo para um exame. Pegaríamos numa turma, dividiríamos aleatoriamente, um grupo usaria o método novo e o outro o método antigo, e depois compararíamos as notas. Fascinante!

Júlia: Exatamente! Qualquer diferença nas notas seria por causa do método de estudo, e não porque um grupo era, à partida, mais inteligente que o outro. A aleatorização resolve esse problema.

Matheus: Certo, os estudos experimentais são ótimos para testar intervenções. Mas e se quisermos apenas observar o que já está a acontecer no mundo, sem manipular nada?

Júlia: Aí entramos no domínio dos estudos observacionais. E aqui temos duas abordagens principais, que podemos comparar a tirar uma fotografia versus fazer um filme. São os estudos transversais e os longitudinais.

Matheus: Uma fotografia e um filme? Gosto da analogia. Explica melhor.

Júlia: Um estudo transversal é como uma fotografia. Tira um retrato de uma população num único momento no tempo. Recolhemos dados de diferentes grupos de pessoas ao mesmo tempo para ver como se comparam.

Matheus: Lembra-se daquele nosso exemplo da corrida e do colesterol bom, o HDL-C? Como é que isso funcionaria num estudo transversal?

Júlia: Seria exatamente como no exercício. Pegaríamos em várias pessoas hoje, neste exato momento, e dividi-las-íamos em grupos com base na distância que correm por semana: um grupo de sedentários, um que corre 24 km, outro 48 km, e por aí em diante.

Matheus: E depois mediríamos o HDL-C de toda a gente e compararíamos os grupos.

Júlia: Isso mesmo. A grande vantagem é que é rápido e relativamente barato. Podemos estudar múltiplas coisas ao mesmo tempo. Mas tem uma grande desvantagem... não podemos estabelecer uma sequência temporal.

Matheus: O que quer dizer com isso? O clássico problema do ovo e da galinha?

Júlia: Exatamente! No nosso exemplo, se descobrirmos que os corredores têm um HDL-C mais alto, não podemos ter a certeza de que foi a corrida que o aumentou. Talvez as pessoas com HDL-C naturalmente mais alto simplesmente gostem mais de correr. O estudo transversal não consegue responder a essa pergunta de causa e efeito.

Matheus: Ok, a fotografia tem as suas limitações. Então, o filme — o estudo longitudinal — resolve este problema?

Júlia: Resolve, sim! Um estudo longitudinal segue os mesmos participantes ao longo do tempo, recolhendo dados em vários momentos. É um filme da vida deles, que nos permite observar mudanças e padrões de desenvolvimento.

Matheus: Então, para o nosso exemplo do colesterol, em vez de fotografar grupos diferentes, filmaríamos um grupo ao longo do tempo?

Júlia: Perfeito. Poderíamos pegar num grupo de pessoas sedentárias, medir o seu HDL-C no início, e depois fazê-las começar um programa de corrida. Mediríamos o seu colesterol novamente a cada 3 meses, durante um ano, por exemplo. E claro, teríamos um grupo de controlo sedentário para comparação.

Matheus: E assim veríamos o HDL-C a aumentar *depois* de começarem a correr! A sequência temporal fica clara.

Júlia: Fica claríssima. Vemos a mudança a acontecer. É por isso que os estudos longitudinais são tão poderosos para estudar os efeitos a longo prazo de um processo, como o treino, ou de um medicamento.

Matheus: Mas imagino que fazer um filme seja mais complicado e demorado do que tirar uma foto.

Júlia: Muito mais! São estudos mais caros, demoram mais tempo, e há sempre o risco de os participantes desistirem a meio do caminho. Outro problema curioso é o “efeito de condicionamento”.

Matheus: Efeito de condicionamento? O que é isso?

Júlia: Se contactarmos as mesmas pessoas muitas vezes, elas podem começar a mudar o seu comportamento simplesmente porque sabem que estão a ser observadas. É como quando o teu chefe está a olhar e tu finges estar super concentrado no trabalho.

Matheus: Ah, percebo perfeitamente! A pessoa fica mais consciente de si mesma e isso pode influenciar os resultados.

Júlia: Exato. E dentro dos estudos longitudinais, e também de outro tipo chamado estudos de coorte, temos mais uma divisão importante: podem ser prospetivos ou retrospetivos.

Matheus: Próspero e retroativo... soa a ficção científica. Um olha para o futuro e outro para o passado?

Júlia: É exatamente isso! Um estudo prospetivo começa no presente e segue os participantes para o futuro, para ver que acontecimentos se desenrolam. O nosso exemplo de acompanhar os corredores durante um ano é prospetivo.

Matheus: E o retrospetivo?

Júlia: Um estudo retrospetivo olha para trás. Começa com o resultado que temos hoje e tenta encontrar as causas no passado, muitas vezes usando dados que já foram recolhidos, como registos médicos.

Matheus: Dê-me um exemplo.

Júlia: Imagine que queremos estudar a ligação entre um poluente ambiental e uma doença rara. Seria muito difícil e demorado seguir pessoas durante 30 anos para ver quem fica doente. Em vez disso, pegamos nas pessoas que já têm a doença hoje (os casos) e num grupo semelhante que não a tem (os controlos).

Matheus: E depois? Investigamos a vida passada delas?

Júlia: Basicamente, sim. Analisamos os seus registos para ver se o grupo com a doença esteve mais exposto ao poluente no passado do que o grupo de controlo. É mais rápido e mais barato, mas a qualidade dos dados antigos pode ser um problema.

Matheus: E onde entram os estudos de coorte nessa história toda? Mencionou-os agora.

Júlia: Boa pergunta. Um estudo de coorte é um tipo específico de estudo observacional, que pode ser tanto prospetivo como retrospetivo. A chave aqui é a palavra “coorte”, que significa um grupo de pessoas que partilha uma característica ou experiência em comum.

Matheus: Como todas as pessoas que nasceram no mesmo ano, ou todos os alunos que entraram na universidade em 2023?

Júlia: Exatamente! O estudo começa por identificar uma coorte. Depois, dentro dessa coorte, identificam-se dois grupos: um que foi exposto a um fator de risco (por exemplo, fumadores) e outro que não foi (não-fumadores).

Matheus: E depois seguem-se os dois grupos ao longo do tempo para ver quem desenvolve uma determinada doença, como cancro do pulmão.

Júlia: Perfeito! O estudo de coorte prospetivo é muito poderoso para identificar fatores de risco. O famoso “Framingham Heart Study”, que segue os residentes de uma cidade desde 1948, foi um estudo de coorte que nos ensinou quase tudo o que sabemos sobre os fatores de risco para doenças cardíacas.

Matheus: Uau, desde 1948! Isso é um compromisso de longa data.

Júlia: Sem dúvida! É a dedicação da ciência em ação. E, como já dissemos, também podem ser retrospetivos, usando dados históricos para reconstruir coortes e exposições do passado.

Matheus: Já falámos de experiências, fotografias, filmes, grupos... mas e se quisermos focar-nos numa única pessoa ou numa única situação?

Júlia: Aí entra o estudo de caso. É um mergulho profundo e detalhado num único “caso”, que pode ser um indivíduo, um grupo, uma organização ou um evento.

Matheus: Então, em vez de olhar para a média de 1000 pessoas, olhamos para a história completa de uma pessoa?

Júlia: Exato. O objetivo não é generalizar para toda a população, mas sim compreender em profundidade uma questão complexa. Os investigadores usam múltiplas fontes de dados: entrevistas, observações, documentos, história familiar... tudo o que puderem encontrar.

Matheus: Parece um trabalho de detetive.

Júlia: É muito parecido! Pensa-se “para trás”. Temos um fenómeno interessante e tentamos desconstruí-lo para perceber todos os fatores que contribuíram para ele. É muito comum em psicologia, para estudar casos clínicos raros, ou em negócios, para analisar o sucesso de uma empresa específica.

Matheus: Ok, Júlia, temos tantos tipos de estudos: RCTs, coortes, transversais, estudos de caso... Como é que um cientista sabe qual deles é mais “forte” ou mais fiável?

Júlia: Excelente pergunta, Matheus. Existe uma espécie de hierarquia da evidência. Nem todos os desenhos de estudo têm o mesmo peso.

Matheus: Uma pirâmide de poder científico?

Júlia: Pode pensar nisso dessa forma! No topo da pirâmide, com a evidência mais forte para estabelecer causa e efeito, estão as revisões sistemáticas e meta-análises de vários RCTs. Logo abaixo, temos os RCTs individuais.

Matheus: O nosso padrão-ouro.

Júlia: Exato. Depois, descendo na pirâmide, temos os estudos de coorte, seguidos pelos estudos caso-controlo, depois os estudos transversais e, na base, temos os estudos de caso e a opinião de especialistas. Quanto mais alto na pirâmide, menor o risco de viés e maior a confiança que podemos ter nos resultados.

Matheus: Então, quando lemos uma notícia sobre um novo estudo, é importante perceber que tipo de desenho foi usado para avaliar a força daquela afirmação.

Júlia: É absolutamente crucial! Uma afirmação baseada num estudo de caso é muito diferente de uma afirmação baseada num grande ensaio clínico aleatorizado. Compreender estes desenhos torna-nos consumidores de informação muito mais críticos e informados.

Matheus: Resumindo, o desenho do estudo é o manual de instruções que nos diz o quão a sério devemos levar uma descoberta científica. Júlia, isto foi uma aula incrível sobre os bastidores da ciência!

Júlia: O prazer foi meu, Matheus. É fundamental perceber que a ciência é um processo, e o desenho do estudo é o coração desse processo.

Matheus: ...e isso mostra como o exercício é fundamental para a nossa própria saúde metabólica. Mas Júlia, o que me surpreendeu na nossa pesquisa foi descobrir que os benefícios podem atravessar gerações.

Júlia: Exatamente! E um ótimo exemplo disso é a saúde do fígado. Um estudo recente mostrou algo fascinante.

Matheus: Fascinante como? Conta-nos mais.

Júlia: Investigadores descobriram que quando ratazanas grávidas se exercitavam, os seus filhotes ficavam protegidos contra a doença hepática gordurosa não alcoólica, ou NAFLD, mesmo quando eram alimentados com uma dieta rica em gordura na vida adulta.

Matheus: Espera aí. Então o exercício da mãe durante a gravidez funciona como um escudo para o fígado do bebé mais tarde? Como é que isso é possível?

Júlia: É um processo chamado "programação metabólica hepática". Pensa nisto desta forma: o exercício da mãe basicamente "ensina" o fígado do feto a ser mais eficiente e a lidar melhor com a gordura desde o início. É como uma atualização de software antes mesmo do nascimento!

Matheus: Uma atualização de software para o fígado! Adorei a analogia. Então, o fígado já nasce mais preparado para os desafios.

Júlia: Isso mesmo. É uma proteção que dura a vida toda. Mas... falando em exercício e fígado, existe também o outro lado da moeda.

Matheus: O outro lado? Pensei que exercício era sempre bom para tudo.

Júlia: Geralmente é. Mas o excesso pode ser um problema. Existe uma condição rara chamada "hepatite do atleta".

Matheus: Hepatite do atleta? Isso soa sério.

Júlia: E é. Houve um caso de um jovem saudável de 25 anos que desenvolveu hepatite isquémica aguda depois de correr uma meia-maratona. Os níveis das enzimas do fígado dele dispararam.

Matheus: Uau! Mas porquê? O que acontece durante um exercício tão extremo?

Júlia: Durante um esforço físico intenso, o corpo é muito inteligente. Ele desvia o fluxo de sangue dos órgãos, como o fígado, para os músculos que estão a trabalhar arduamente. O fígado fica temporariamente com menos oxigénio.

Matheus: Então o fígado basicamente sacrifica-se pelos músculos? "Vão vocês, rapazes, eu aguento aqui atrás!"

Júlia: É uma ótima forma de ver! Na maioria das vezes, o fígado recupera bem. Felizmente, o jovem recuperou totalmente com cuidados de suporte.

Matheus: Que alívio. Então, a mensagem principal aqui é que o exercício é um super-herói para o fígado, tanto para nós como para os nossos futuros filhos, mas até os super-heróis têm os seus limites.

Júlia: Exatamente. Moderação e ouvir o nosso corpo é fundamental. O equilíbrio é a chave para desbloquear estes benefícios incríveis sem sobrecarregar o sistema.

Matheus: Perfeito. Falando em sobrecarregar o sistema, isso leva-nos diretamente ao nosso próximo tópico: a importância da hidratação e como a falta dela afeta o desempenho...

Matheus: Ok, então já recolhemos os dados. E agora? Guardamo-los num cofre e esperamos que se transformem magicamente em conhecimento?

Júlia: Quase isso! Agora vem a parte de analisar e apresentar tudo: os relatórios e os resultados. É aqui que a história que os dados contam realmente ganha vida.

Matheus: E como é que contamos essa história? Existe um formato específico?

Júlia: Existem vários. Um muito comum é o estudo de caso. Basicamente, pegamos num caso específico... pode ser uma pessoa, uma empresa, uma escola... e analisamo-lo muito a fundo.

Matheus: E isso funciona? Digo, estudar apenas um caso serve para entender todos os outros?

Júlia: Essa é a grande questão! A ideia é que o caso seja típico, para podermos fazer generalizações. Mas é um grande "se". É como dizer que por conheceres o teu gato, conheces todos os gatos do mundo.

Matheus: O meu gato dorme o dia todo, por isso espero bem que não!

Júlia: Exatamente. E é por isso que os cientistas falam numa espécie de hierarquia da evidência. Nem todos os tipos de estudo têm o mesmo peso ou a mesma força.

Matheus: Uma hierarquia? Tipo um ranking de estudos, do mais forte para o mais fraco?

Júlia: Precisamente. Por exemplo, os estudos de caso-controlo são ótimos para resultados raros, mas têm um risco elevado de erros e preconceitos, o que chamamos de viés.

Matheus: Entendi. Então, cada tipo de estudo tem as suas forças e fraquezas, e temos de as conhecer.

Júlia: Exato. O segredo é saber qual usar para cada pergunta. E isso leva-nos diretamente à escolha do design da investigação...

Matheus: E essa ideia de usar dados do dia a dia é fascinante. Tem um estudo super recente que fez exatamente isso com atividade física, não é, Júlia? Usando Fitbits.

Júlia: Exato, Matheus! Foi um estudo do programa "All of Us" dos EUA. Eles conectaram os dados de passos de quase seis mil participantes, direto dos seus Fitbits, com seus prontuários médicos por anos.

Matheus: Uau. Chega de só preencher questionário e tentar lembrar o que fez. E o que eles descobriram de tão importante?

Júlia: Aqui vem a parte incrível. Eles viram que quem dava em média 10.700 passos por dia tinha um risco 44% menor de desenvolver diabetes tipo 2... isso quando comparado com quem dava apenas 6.000 passos.

Matheus: Quarenta e quatro por cento! É uma redução de risco gigante. Basicamente, seu relógio inteligente pode estar te salvando de uma doença séria... se você obedecer, claro.

Júlia: É a mais pura verdade! O ponto chave aqui é a consistência. Cada passo realmente conta, e a tecnologia só está nos ajudando a provar isso de forma muito clara.

Matheus: Faz todo o sentido. Então, além de nos mexermos mais, o que mais podemos fazer no nosso cotidiano? Por exemplo, como a alimentação entra nessa equação?

Matheus: E isso leva-nos direitinhos ao nosso último ponto de hoje, que é algo que vemos sempre mas nem sempre paramos para pensar.

Júlia: Exatamente. A instituição académica por trás do estudo.

Matheus: Isso mesmo! Vemos aqueles cabeçalhos, 'Politécnico do Porto', 'Escola Superior de Educação'. O que é que isso nos diz, na prática?

Júlia: Diz-nos quase tudo sobre a credibilidade. Pensa nisto: é o selo de aprovação. Mostra que a pesquisa foi feita num ambiente académico sério, com regras e recursos.

Matheus: Ok, então não é só um logótipo bonito. E quando vemos o nome de um autor, tipo 'Inês Gonçalves', e até o email?

Júlia: Isso é a tua pista para a responsabilidade. Alguém está a dar a cara por aquele estudo. E a revista onde é publicado, como 'The Lancet' ou 'Circulation', é outro nível de confiança.

Matheus: É como verificar o realizador antes de ver um filme, para não ser uma produção amadora.

Júlia: Exatamente! A origem importa tanto quanto a própria informação.

Matheus: Que ótima forma de fechar. Então, para resumir o nosso episódio, aprendemos a olhar para os métodos, a interpretar resultados e, por fim, a verificar a credibilidade da fonte. O segredo é ser um detetive da informação.

Júlia: É isso mesmo. Não aceitem tudo como garantido. Questionem sempre!

Matheus: Perfeito. Júlia, muito obrigado mais uma vez por estes insights. E a todos os nossos ouvintes, obrigado por estarem connosco no Studyfi Podcast. Até à próxima!