Blog
Bioestatística aplicada à psicologia: ensaio, sobrevida e modelos
Quando a pesquisa em Psicologia adota desenho clínico (ensaio controlado, coorte longitudinal, análise de desfecho no tempo), os testes psicológicos padrão não cobrem o que a pergunta exige. É aí que a bioestatística entra. Este texto cobre os métodos mais usados em pesquisa clínica que chegam à Psicologia: análise de desfechos em ensaios, modelos de medidas repetidas, análise de sobrevida e os pré-requisitos que cada um exige para ser executado corretamente.
Este texto é um par complementar do post sobre estatística para pesquisa em psicologia, que cobre o núcleo psicométrico (Likert, escores, alfa, tamanho de efeito). Aqui o foco é o que a bioestatística acrescenta quando o desenho vira ensaio, coorte ou prognóstico: desenhos frequentes em psicologia clínica, terapia baseada em evidências, avaliação de intervenções e pesquisa em transtornos mentais.
Onde bioestatística e psicologia se encontram
Psicologia clínica e bioestatística compartilham perguntas centrais:
- A intervenção funciona? Ensaios controlados de psicoterapia (TCC, ACT, TDC) usam o mesmo arcabouço dos RCTs em medicina: randomização, cegamento (quando possível), análise por intenção de tratar, tamanho de efeito com IC.
- Quem responde ao tratamento? Análise de subgrupos, modelagem de resposta e regressão logística para desfechos binários (respondeu / não respondeu, remitiu / não remitiu).
- Quanto tempo até o desfecho? Tempo até remissão, tempo até recaída, tempo até abandono do tratamento: análise de sobrevida com Kaplan-Meier e modelos de Cox.
- Como o efeito muda ao longo do tempo? Medidas repetidas e modelos mistos para escores acompanhados em vários pontos.
São questões que testes t e ANOVA respondem parcialmente. A bioestatística oferece o instrumental completo.
Ensaio controlado em psicoterapia: princípios que a análise precisa respeitar
Ensaio clínico randomizado (RCT) é o desenho de maior peso para avaliar eficácia de intervenção. Em psicoterapia, apresenta particularidades que a análise precisa acomodar:
- Randomização: por participante ou por cluster (quando a intervenção é em grupo). Randomização por cluster exige ajuste na análise (modelos mistos ou GEE); analisar como se fosse individual infla o erro tipo I.
- Cegamento: raramente possível para paciente ou terapeuta em psicoterapia. Costuma-se cegar o avaliador externo do desfecho. Isso precisa aparecer nos métodos.
- Análise por intenção de tratar (ITT): todo participante randomizado é analisado no grupo em que foi alocado, mesmo que tenha abandonado a intervenção. É o padrão para eficácia; análise per protocol entra como sensibilidade.
- Dados faltantes: comuns em psicoterapia por abandono. LOCF (last observation carried forward) foi padrão histórico, hoje é considerado enviesado. Métodos preferidos: modelos mistos de medidas repetidas (MMRM), imputação múltipla.
- Relato: seguir o CONSORT, com fluxograma e itens do checklist. Bancas de doutorado internacionais cobram.
Desfecho binário: regressão logística com covariáveis
Muitos desfechos em psicologia clínica são binários: remitiu vs. não remitiu; respondeu vs. não respondeu; teve recaída vs. não teve. O teste apropriado, ajustado por covariáveis, é a regressão logística, que devolve razão de chances (OR) com intervalo de confiança.
Pontos-chave na aplicação em pesquisa em psicologia:
- Cerca de 10 eventos por variável independente é a orientação clássica para evitar overfit. Estudos com poucos desfechos precisam parcimônia.
- Multicolinearidade entre escores de instrumentos (BDI e HAM-D correlacionam alto) infla erros-padrão. Considerar componentes principais ou escolher um.
- Interações precisam ser pré-especificadas: testar todas as combinações inflaciona falsos positivos.
Análise de sobrevida: tempo até resposta, remissão ou recaída
Quando o desfecho é “tempo até algo acontecer” (remissão sustentada, recaída, abandono), Kaplan-Meier e modelos de Cox são as ferramentas certas. Duas razões técnicas:
- Censura: participantes que saem do estudo antes do evento contribuem com o tempo observado, sem serem descartados. Análise que ignora censura desperdiça informação e enviesa.
- Riscos ao longo do tempo: a probabilidade de remitir não é constante: costuma ser maior nas primeiras semanas de tratamento e diminuir depois. Kaplan-Meier mostra isso; teste t não.
O modelo de Cox ajusta o efeito do grupo por covariáveis (idade, gravidade basal, comorbidades). Verificar o pressuposto de proporcionalidade dos riscos (resíduos de Schoenfeld ou teste global) é etapa que revisor bom checa.
Medidas repetidas: quando o escore muda ao longo do tempo
Escala de sintomas medida em várias ocasiões (basal, 4 semanas, 12 semanas, 24 semanas) é o padrão em ensaios de psicoterapia. Duas abordagens:
- ANOVA de medidas repetidas. Modelo clássico, exige esfericidade e é sensível a dados faltantes: participante com dado faltante em qualquer tempo é excluído.
- Modelo misto (LMM / MMRM). Padrão em ensaios modernos. Aproveita participantes com dado faltante em algum tempo, modela efeitos aleatórios de indivíduo e trata a estrutura de correlação intra-sujeito.
Para desfechos contínuos com trajetória não linear (efeito grande no início, platô depois), spline ou modelo com termo quadrático de tempo respeitam melhor a forma da resposta.
Bioestatística em R: pacotes que resolvem o principal
O ecossistema R cobre todos os métodos acima com script reproduzível. Exemplo mínimo (dados ilustrativos):
# Ensaio: desfecho binário
library(gtsummary)
modelo <- glm(remissao ~ grupo + idade + gravidade_basal, data = dados, family = binomial)
tbl_regression(modelo, exponentiate = TRUE)
# Sobrevida
library(survival); library(survminer)
fit <- survfit(Surv(tempo, evento) ~ grupo, data = dados)
ggsurvplot(fit, pval = TRUE, risk.table = TRUE, conf.int = TRUE)
cox <- coxph(Surv(tempo, evento) ~ grupo + idade + gravidade_basal, data = dados)
summary(cox); cox.zph(cox) # pressuposto de riscos proporcionais
# Medidas repetidas
library(lme4)
mmrm <- lmer(escore ~ grupo * tempo + (1 | id), data = dados_long)
summary(mmrm)
Para análise por intenção de tratar com imputação, o pacote mice resolve a imputação múltipla; para relato de sensibilidade, o emmeans extrai contrastes ajustados. Se você prefere ver antes o script comentado, a análise reprodutível em R mostra o padrão de organização.
Erros comuns em teses de psicologia clínica
- Rodar teste t entre baseline e pós, ignorando o desenho longitudinal.
- Análise per protocol como principal em ensaio, sem ITT.
- LOCF para lidar com dados faltantes.
- Kaplan-Meier sem tabela de números em risco.
- Regressão logística com poucos eventos por covariável.
- Comparações múltiplas de escores sem correção.
- Modelo misto sem justificar a estrutura de correlação escolhida.
Próximos passos
Os métodos cobertos aqui (ensaios, medidas repetidas, análise de sobrevida) exigem mais da estrutura do banco do que os testes cross-sectionais. Antes de iniciar a análise, vale revisar o planejamento da coleta para confirmar que o banco tem o formato longitudinal correto. O núcleo psicométrico da pesquisa em psicologia (escores, alfa, tamanho de efeito) está no post sobre estatística para pesquisa em psicologia.
Ensaios clínicos, análise de sobrevida e modelos mistos com estrutura de correlação específica ficam fora do escopo de uma ferramenta automatizada e pedem acompanhamento técnico dedicado. A Estatística para Pesquisa oferece essa consultoria completa, do planejamento do banco à redação dos resultados; para discutir o desenho do seu estudo, acesse /fale-com-especialista/.