Análise estatística para artigo científico: o que planejar do desenho à submissão

Por saudelaboratorial · CRBM-GO 5438

A análise estatística de um artigo científico começa muito antes do primeiro teste e termina muito depois do último gráfico. Ela permeia o desenho do estudo, o plano de coleta, a execução, a redação e até a resposta aos pareceristas. Tratá-la como uma etapa isolada — “agora vou analisar os dados” — é a raiz de boa parte dos problemas que aparecem na submissão.

Comece pela pergunta, não pelo teste

O erro fundacional é escolher a análise a partir do que se sabe fazer, e não do que a pergunta exige. A sequência correta é inversa: a pergunta de pesquisa define o desenho, o desenho define o tipo de dado, e o tipo de dado define a análise apropriada. Uma pergunta sobre associação entre exposição e desfecho binário aponta para regressão logística; uma sobre diferença de médias aponta para outro caminho. Definir isso no protocolo, antes da coleta, evita análises oportunistas.

O plano de análise estatística

Um artigo sólido tem, por trás, um plano de análise definido a priori: quais são os desfechos primário e secundários, quais análises responderão a cada objetivo, como serão tratados dados faltantes e valores extremos, e quais subgrupos (se houver) serão examinados. Definir isso antes de ver os dados protege contra o “garimpo” de resultados significativos, um dos erros que fazem revisores rejeitarem artigos.

Dimensionamento e execução

O cálculo amostral entra no planejamento e deve constar do método. Dependendo do objetivo, ele segue a lógica de estimativa de prevalência — como em cálculo amostral para estudos de prevalência — ou de poder para comparações, como em poder estatístico e tamanho de amostra. Na execução, trabalhe de forma reprodutível: dados organizados e scripts documentados, conforme organização e importação de dados no R.

Como reportar: o que a seção de métodos precisa ter

A seção de métodos estatísticos deve permitir que outro pesquisador reproduza sua análise. Isso inclui: o software e sua versão, os testes e modelos usados, como as variáveis foram tratadas, o nível de significância adotado, o método de ajuste por confundidores e como os dados faltantes foram manejados. Nos resultados, apresente estimativas com intervalos de confiança, não apenas valores-p — a lógica está em intervalo de confiança vs. valor-p.

Siga a diretriz de reporte do seu desenho

Cada tipo de estudo tem um guia de reporte. Estudos observacionais seguem o STROBE; ensaios clínicos, o CONSORT; revisões sistemáticas, o PRISMA. O EQUATOR Network reúne todos e ajuda a identificar o adequado. Seguir a diretriz certa desde o início economiza retrabalho e transmite competência ao editor.

Do aceite condicional à publicação

Recebida a revisão, a qualidade da resposta define o desfecho. Estruture a carta ponto a ponto, como em a estrutura da carta-resposta aos revisores, e trate as críticas metodológicas com profundidade. Se você discorda de alguma exigência, faça-o com evidência, conforme como responder revisores quando você discorda.

Quando buscar apoio

Análises com estrutura de dados complexa, modelos multivariáveis ou exigências metodológicas específicas do periódico frequentemente se beneficiam de apoio especializado — o papel de uma consultoria estatística bem conduzida.

Análises de sensibilidade: o sinal de maturidade

Um artigo robusto raramente se apoia em uma única análise. As análises de sensibilidade testam se as conclusões se mantêm sob suposições alternativas — outro método de tratamento de dados faltantes, exclusão de outliers, um ponto de corte diferente, ou um modelo estatístico distinto. Se os achados principais permanecem estáveis, a confiança neles aumenta; se mudam, isso precisa ser reportado com honestidade. Revisores experientes valorizam essas análises porque revelam que o autor testou a fragilidade das próprias conclusões em vez de apenas defendê-las. Incluí-las no material suplementar é uma prática cada vez mais comum.

Figuras e tabelas que comunicam de fato

A apresentação dos resultados é parte da análise, não um detalhe estético. Tabelas devem trazer estimativas com intervalos de confiança e denominadores claros; figuras devem ter escalas honestas (eixos que não começam em pontos arbitrários para exagerar diferenças) e legendas autoexplicativas. Um gráfico bem construído comunica um padrão que uma tabela de números esconde, mas um gráfico mal construído distorce. A regra é que qualquer figura ou tabela deve ser compreensível sem recorrer ao texto — porque muitos leitores, e revisores, começam por elas.

Referências

• von Elm E, et al.; STROBE Initiative. The STROBE statement. Lancet. 2007;370(9596):1453-7.
• EQUATOR Network. Reporting guidelines. Disponível em: equator-network.org.
• Wasserstein RL, Lazar NA. The ASA’s Statement on p-Values. The American Statistician. 2016;70(2):129-133.