Análise de questionários em psicologia: PHQ-9, WHOQOL, SF-36

Por saudelaboratorial · CRBM-GO 5438

Analisar dados de PHQ-9, WHOQOL-bref, SF-36 ou qualquer instrumento psicométrico começa antes do teste estatístico: inversão de itens reversos, cálculo do escore conforme o manual do instrumento, pontos de corte validados para a população brasileira, tratamento de dados faltantes por item. Pular essas etapas produz números que parecem corretos e não são. Este texto cobre os passos que se aplicam a qualquer questionário psicométrico e detalha os instrumentos mais usados em pesquisa de saúde mental no Brasil.

Aplicar o instrumento validado é fácil. Analisar os dados resultantes seguindo o manual é onde metade das teses tropeça. Este texto cobre os passos que valem para praticamente qualquer instrumento psicométrico em psicologia e saúde mental, e detalha as particularidades dos mais usados no Brasil. É o complemento aplicado do post sobre estatística para pesquisa em psicologia.

Antes do escore: os cinco passos que valem para todo instrumento

Independente do instrumento, cinco passos vêm antes do teste estatístico:

1. Verificar a versão validada para o Brasil. Muitos instrumentos têm mais de uma tradução: a análise usa a versão citada no seu método, com os itens exatamente como no manual.
2. Codificar as respostas de acordo com o manual. Likert de 1 a 5 ou de 0 a 4 muda o escore total.
3. Inverter itens reversos. Vários instrumentos misturam itens positivos e negativos para evitar viés de resposta. O manual indica quais precisam ser invertidos antes da soma.
4. Tratar dados faltantes por item. Cada manual define até quantos itens podem faltar para o escore ser calculado, e como imputar (média das respostas do respondente, mediana da amostra, exclusão).
5. Calcular o escore conforme a fórmula do manual, que pode ser soma, média, ou fórmula ponderada (SF-36 usa transformação linear para 0–100 por domínio).

Pular qualquer um desses passos gera resultado publicável mas incorreto. Revisor bom checa o método antes de olhar a estatística.

PHQ-9: depressão

O Patient Health Questionnaire-9 mede sintomas depressivos nas duas semanas anteriores em nove itens, cada um pontuado de 0 (nenhum dia) a 3 (quase todos os dias). Escore total varia de 0 a 27.

Pontos de corte usualmente adotados: 0–4 mínimo, 5–9 leve, 10–14 moderado, 15–19 moderadamente grave, 20–27 grave. Para rastreio de depressão maior, o corte 10 costuma ser adotado como razoavelmente sensível e específico em atenção primária.

Cuidados na análise: use o escore contínuo (0–27) quando o desfecho pede sensibilidade a variação; use a categoria dicotômica (≥10 vs. <10) quando o desfecho pede “sim/não depressão”; a análise passa a ser regressão logística. Se você pretende usar ambos, pré-especifique no plano de análise para evitar cortar de acordo com o resultado.

WHOQOL-bref: qualidade de vida

Versão curta do WHOQOL, com 26 itens: 2 gerais e 24 distribuídos em quatro domínios: físico, psicológico, relações sociais e meio ambiente. A pontuação por domínio segue a fórmula descrita no manual e resulta em escores de 0 a 100 (quanto maior, melhor).

Pontos que aparecem em bancas:

• Cada domínio é analisado separadamente; não some tudo em “escore total de qualidade de vida”.
• Itens reversos (dor, sentimentos negativos, dependência de medicação) precisam ser invertidos antes do cálculo do escore do domínio.
• O item Q26 (relacionado a sexualidade) tem frequência alta de missing; declarar no método e adotar a regra do manual.
• Comparar quatro domínios em vários grupos gera múltiplas comparações; considerar correção (Bonferroni é conservadora; Holm ou Benjamini-Hochberg são mais equilibrados).

SF-36: estado de saúde

O Short-Form Health Survey tem 36 itens em oito domínios: capacidade funcional, aspectos físicos, dor, estado geral de saúde, vitalidade, aspectos sociais, aspectos emocionais e saúde mental. A pontuação envolve transformação linear e é normatizada de 0 a 100, por domínio (maior = melhor).

O SF-36 tem particularidades:

• Alguns itens têm pontuação recodificada antes da soma. A fórmula por item está no manual; não invente.
• Cada domínio é analisado separadamente. Existe cálculo de dois componentes sumários (físico e mental) por escore fatorial, com pesos específicos; só use se seguir o método original.
• Publicações internacionais reportam valores normativos por idade e sexo. Comparar sua amostra com norma populacional agrega interpretação clínica.

Para pesquisa clínica que segue pacientes ao longo do tempo, o SF-36 costuma entrar em análise longitudinal; o encaixe é a bioestatística aplicada à psicologia, com modelos mistos.

Consistência interna: alfa de Cronbach por domínio

Toda análise de instrumento reporta o alfa de Cronbach da versão aplicada, o que mostra se o instrumento funcionou na sua amostra. Recomendações práticas:

• Calcule o alfa por domínio ou subescala, não só o alfa total do instrumento.
• Aceitável para pesquisa: 0,70. Bom: 0,80. Acima de 0,90 pode indicar redundância entre itens.
• Reporte também o alfa “se item deletado”, que mostra se algum item destoa.
• Em escalas dicotômicas, prefira KR-20; em escalas com poucos itens ou distribuição enviesada, considere o ômega de McDonald.

Comparação entre grupos: escolha do teste

Depois de calcular os escores conforme o manual, a análise inferencial segue o mesmo roteiro geral da estatística para psicologia:

• Dois grupos, escore contínuo aproximadamente normal → teste t (com d de Cohen).
• Distribuição assimétrica → Mann-Whitney (com r como tamanho de efeito).
• Três ou mais grupos → ANOVA + Tukey (ou Kruskal-Wallis + Dunn).
• Mesma pessoa em dois tempos → t pareado ou Wilcoxon.
• Vários tempos → ANOVA de medidas repetidas ou, preferível, modelo misto.
• Escore transformado em categoria (rastreio positivo/negativo) → qui-quadrado ou regressão logística.

Sempre reporte tamanho de efeito com intervalo de confiança: a APA e periódicos internacionais cobram.

Análise no R: exemplo mínimo

Um esboço de análise que segue o padrão da maior parte dos instrumentos:

# Exemplo ilustrativo: PHQ-9
library(dplyr)

# 1) inverter itens reversos (nenhum no PHQ-9; para outros instrumentos, use recode)
# 2) calcular o escore total conforme o manual
dados <- dados %>%
  mutate(phq_total = rowSums(select(., starts_with("phq_")), na.rm = FALSE),
         phq_categoria = case_when(
           phq_total < 10  ~ "sem rastreio positivo",
           phq_total >= 10 ~ "rastreio positivo"
         ))

# 3) consistência interna
library(psych)
alpha(dados %>% select(starts_with("phq_")))

# 4) comparação entre grupos (contínuo) + tamanho de efeito
library(effsize)
t.test(phq_total ~ grupo, data = dados)
cohen.d(phq_total ~ grupo, data = dados)

# 5) desfecho binário (rastreio positivo) por grupo
library(gtsummary)
glm(phq_categoria == "rastreio positivo" ~ grupo + idade + sexo,
    data = dados, family = binomial) %>%
  tbl_regression(exponentiate = TRUE)

Para pesquisas de qualidade de vida (WHOQOL-bref, SF-36), o mesmo fluxo se aplica por domínio, com atenção especial à inversão de itens e à fórmula específica de cada instrumento. Para análises comparando muitos domínios simultaneamente, entre em correção de multiplicidade. A parte de importação e organização do banco no R costuma consumir mais tempo do que a análise em si.

Erros comuns em teses que usam instrumentos

• Não inverter itens reversos antes de somar.
• Calcular escore total com missing sem seguir a regra do manual.
• Somar domínios do WHOQOL como se fossem escore único.
• Usar ponto de corte de outra versão do instrumento.
• Comparar escores brutos entre versões diferentes do mesmo instrumento.
• Não reportar alfa de Cronbach para a amostra atual.
• Análise que dicotomiza um escore contínuo perdendo poder: só faça se a categoria for a pergunta clínica.

Próximos passos

Com os escores calculados corretamente (itens invertidos, subescalas somadas conforme o manual), a análise segue o caminho padrão: descritiva por grupo, teste de associação ou diferença com tamanho de efeito. Para o contexto mais amplo de como integrar esses dados a um desenho de estudo, os posts sobre estatística para pesquisa em psicologia e bioestatística aplicada à psicologia clínica cobrem os próximos passos.

Quando a análise passa a envolver modelos mistos, correção de multiplicidade mais elaborada ou apoio na redação do manuscrito, o trabalho deixa de ser tarefa de software e passa a ser consultoria. A Estatística para Pesquisa atende esse tipo de demanda com acompanhamento humano do início ao fim; para conversar sobre o seu caso, acesse /fale-com-especialista/.