News

#PEDroTacklesBarries para fisioterapia baseada em evidência: Análise de intenção de tratar

A campanha #PEDroCombatendoBarreiras para fisioterapia baseada em evidências ajudará a enfrentar as quatro maiores barreiras da fisioterapia baseada em evidência – falta de tempo, linguagem, falta de acesso e falta de habilidades estatísticas.

Se você é novo na campanha, nós sugerimos que comece pelo início, analisando os posts anteriores sobre estratégias para enfrentar as barreiras da falta de tempo e idioma. Estes posts estão disponíveis no site da campanha, blog, Twitter (@PEDrinho_dbase) ou Facebook (@PhysiotherapyEvidenceDatabase.PEDrinho).

A falta de habilidades estatísticas é uma barreira comum para interpretar a evidência e implementar a fisioterapia baseada em evidência. No mês passado, a campanha #PEDroCombatendoBarreiras (#PEDroTacklesBarriers) focou na interpretação de efeitos comparativos em ensaios. Este mês, vamos nos concentrar em entender a importância do análise de intenção de tratar em ensaios com três pesquisadores clínicos.

Aidan Cashin, fisiologista do exercício e pesquisador, University of New South Wales, Austrália

Área de atuação: Eficácia comparativa de intervenções para pessoas com dor crônica.

Kate Scrivener, fisioterapeuta, educadora e pesquisadora, Macquarie University, Austrália

Área de atuação: Intervenção e pesquisa em fisioterapia pós-AVC.

Mark Elkins, editor científico do Journal of Physiotherapy

Área de atuação: terapias físicas e farmacológicas em doenças respiratórias e melhoria da compreensão e aplicação de pesquisas publicadas por clínicos.

Análise de Intenção de tratar: o que é isso?
Intenção de tratar é uma abordagem para analisar resultados em ensaios controlados randomizados. A intenção de tratar significa que todos os participantes que são randomizados são incluídos na análise estatística e analisados de acordo com o grupo que lhes foi originalmente atribuído, independentemente do tratamento (se houver) que receberam. Intenção de tratar é a abordagem recomendada para analisar dados de ensaios controlados randomizados.

Exemplo
Em um hipotético ensaio ranzomizado, 100 participantes com dor lombar aguda foram randomizados para receber conselhos para permanecer ativo ou descansar na cama. O resultado primário foi dor na região lombar, avaliada na linha de base e às 4 semanas. As características demográficas e clínicas dos participantes (por exemplo, idade, sexo, escore de dor, duração da dor, etc.) foram semelhantes em ambos os grupos na linha de base.

Com 4 semanas, 10 participantes não puderam ser contatados (7 no grupo de descanso da cama) e, portanto, não tinham dados no acompanhamento. Outros 10 participantes não aderiram à intervenção a que foram inicialmente randomizados- 3 pacientes randomizados para aconselhamento de permanência ativa no grupo de descanso na cama e 7 participantes no grupo de descanso na cama permaneceram ativos.

Há um equívoco de que a melhor maneira de analisar os dados deste ensaio hipotético envolveria excluir participantes que não contribuíram para os dados no acompanhamento e aqueles que não aderiram à intervenção. Essa abordagem é errada, pois introduz parcialidade nos resultados do ensaio e não representa o que acontece na prática clínica diária.

Porque a intenção de tratar é importante para o ensaio?
Ambos os grupos no ensaio hipotético foram semelhantes em relação às principais características demográficas e clínicas. A exclusão de participantes que foram perdidos para acompanhamento pode criar desequilíbrio nestas características importantes, o que, por sua vez, enviesará os resultados do ensaio. Por exemplo, talvez os participantes que foram perdidos para acompanhamento tiveram dores mais severas e não viram nenhum benefício com os tratamentos recomendados e decidiram ignorar os pedidos de dados dos pesquisadores. Excluí-los da análise desequilibraria uma característica clínica chave (intensidade da dor), pois havia mais participantes com dores mais graves que se perderam para o acompanhamento no grupo de descanso na cama. Isto é susceptível de gerar efeitos de tratamento tendenciosos. A análise da intenção de tratar evita este problema, preservando os grupos originais.

Na prática clínica, é comum que os pacientes não façam o que os clínicos recomendam, ou seja, a adesão raramente é perfeita. A exclusão de participantes de ensaios que não aderiram às intervenções designadas (também conhecidas como “análise por protocolo”) cria um cenário artificial de aderência perfeita que não representa a prática clínica e introduz viés nos resultados, que normalmente são superestimados. Se a adesão aos tratamentos for fraca, as análises por intenção de tratamento podem subestimar a magnitude do efeito do tratamento que ocorrerá em pacientes que aderiram ao tratamento.

Sign up to the PEDro Newsletter to receive the latest news