O Paciente Subsidiário

Muitas vezes, em consultas, sou obrigado a explicar alguns conceitos de estatística para que os pacientes não caiam em alguns engôdos bastante frequentes. O mais comum desses conceitos diz respeito à normalidade dos exames laboratoriais. Vamos a ele.

Suponhamos que alguém invente uma nova técnica laboratorial para se medir a glicose no sangue. Como seriam determinados os valores normais desse teste? Uma vez aprovada o procedimento (assegurado o fato de que ninguém morrerá fazendo o exame!), um sujeito sai a caça de voluntários SAUDÁVEIS (isso é importante) para examinar seu sangue de acordo com a nova técnica. Colherá milhares de amostras de sangue, colocará tudo num gráfico e o que encontrará?

http://curvebank.calstatela.edu/gaussdist/normal.jpg
Curva Normal

Uma curva parecida com essa (se não for, estatísticos darão um jeito de ser). No nosso exemplo, as ordenadas são o número de pessoas com uma dosagem específica; as abscissas mostram a concentração de glicose no sangue de cada uma das pessoas testadas. Podemos inferir que algumas poucas pessoas têm a glicemia alta, outras poucas, bem baixa. A grande maioria fica no “pico” da curva, com glicemias intermediárias. O μ do gráfico é a média de todas as glicemias. O σ é o desvio-padrão, uma medida da dispersão da amostra (não entre em pânico, ainda). O σ mede a variação das medidas, a distância em relação à média. Essa curva tem várias propriedades interessantes. A que vamos utilizar aqui é a que está demonstrada no gráfico. É possível calcular a porcentagem da amostra (área sob a curva) de cada ponto. Se avaliarmos a área compreendida entre μ-2σ e μ+2σ, veremos que ela corresponde a 95,44% de toda a amostra. Pronto. Arbitrariamente determino que os valores normais de um teste laboratorial estão compreendidos entre μ-2σ e μ+2σ, sendo que mais de 95% de todas as pessoas SAUDÁVEIS estão nesse intervalo. Essa é a minha normalidade.

Quando um paciente for ao consultório e eu resolver testar sua glicemia utilizando esse teste que acabamos de descrever, existirá uma chance, intrínseca ao método, de que o exame tenha um resultado FORA dos valores considerados normais, portanto vir alterado ou positivo, e o paciente não apresentar absolutamente NADA! Essa chance é, pelo exposto, de 5% (2,5% de cada rabicho da curva, arredondei para 95%). Alguém poderia dizer “Tudo bem, Karl. Nem tudo é perfeito e sempre existe uma margem de erro”. Eu concordo. Porém, o problema é que nunca se pede um único exame. Pacientes adoram fazer check-up “Dr., pede tudo aí porque é o convênio que paga mesmo!”; os médicos adoram pedir exame “Bom, vou pedir tudo, já que vai ter que tirar sangue mesmo!” e são pedidos em média, há estatísticas para isso, 10 a 20 testes por consulta, dependendo da especialidade, plano de saúde, etc.

(Agora é a hora de entrar em pânico!) Quando pedimos 1 teste, a chance deste teste vir NORMAL e o paciente NÃO ter a doença que ele testa é 95% ou 0,95, como vimos. Quando pedimos 2 testes, a chance dos dois resultarem NORMAIS e o paciente NÃO ter doença é 0,95×0,95 = 0,9025. OU SEJA, há 10% de chance (1-0,9025) de pelo menos 1 teste vir alterado e o paciente NÃO ter doença nenhuma. Com 4 testes, a conta fica 0,8145 e a chance de pelo menos um vir alterado e o paciente ser saudável é 1-0,8145 mais ou menos 18%. Quando chegamos ao número de 16 testes, a chance de pelo menos 1 vir alterado e o paciente ser inteiramente saudável é de 1-0,66 ou seja 34%: UM TERÇO! A conclusão disso é muito importante. Quando peço a famosa “batelada” de exames a um paciente, a chance de pelo menos 1 desses exames vir alterado e o paciente ser saudável é enorme. Se eu sou um médico “rifado”, como costumo dizer, dos exames dos pacientes, vou achar doença onde não existe! Vou ficar tentando encaixar o paciente nos exames e não o contrário. É o que eu chamo de paciente subsidiário! O exame é o principal.

Há alguns anos estava na moda uma absurda análise de fio de cabelo na qual uma amostra era enviada aos EUA (sempre lá) onde eram realizados testes para quase todos os elementos da tabela periódica! Eram mais de 50 exames. Sabe-se lá de onde tiraram os valores normais, por exemplo do Cádmio, no fio de cabelo. A chance de pelo menos 1 teste vir fora dos padrões normais independentemente da arbitrariedade com que foram determinados beirava os 100%. Daí, o “médico” de posse dessa poderosa ferramenta dizia: “Minha filha, seus níveis de Cádmio estão muito altos. Você precisa desintoxicar-se!” E prescrevia umas poções, em geral feitas em alguma farmácia da qual ele tinha uma porcentagem sobre os lucros. Alguns pacientes melhoravam, claro. E lá ia toda a manada arrancar os cabelos e beber poções para tentar resolver seus problemas…

Eu fico pensando… Que tipo de médico teria ainda hoje, a coragem de desprezar um teste laboratorial positivo apenas porque ele não se encaixa no racional que montou para seu paciente? Pergunta difícil. Outra. Que tipo de paciente confiaria no médico que lhe dissesse isso? Essa é mais fácil. Um paciente que não quer ser subsidiário.

Atualização

1. O link para o post no Brazillion Thoughts.
2. Comentário no DrugMonkey.

Discussão - 7 comentários

  1. João Carlos disse:

    Excelente! Mas há mais uma coisa: supostamente, ao encontrar um resultado anormal, o médico deveria pedir uma contra-prova. E aí entram os planos de saúde que não permitem…

  2. Tatiana disse:

    Karl,
    sensacional!
    Como faltam médicos com essa perspectiva (e pacientes também)…
    Parabéns pelo seu trabalho, realmente inspirador.
    Abração,
    Tatiana

  3. Renan Lopes disse:

    Parabéns pelo post, Karl. Iluminaste muitos colegas. Esse incrível fenômeno chamado REGRESSÃO À MÉDIA (em que resultados de testes inicialmente anormais, quando repetidos, tendem a uma média mais próxima dos valores considerados normais) é uma base teórica sólida que merece ser discutida com nossos pacientes, principalmente naqueles em que surgem resultados extremos, mas ainda próximos da “normalidade aceita”. Por outro lado, vale destacar o oposto também: resultados muito anormais apresentam menor probabilidade desse fenômeno. O bacana é que o fenômeno da regressão à média vale não só para os exames complementares, mas também para a vida: exceções negativas não devem ser tão temidas (pois não tendem a acontecer mais vezes) e as excessões positivas, estando ao nosso alcance buscá-las, devem ser sempre alçadas, a fim de deslocar a média a nosso favor.

  4. Fernando disse:

    Karl aprendo muito em seu blog.

  5. Thadeu Penna disse:

    Olá Karl,
    Eu sou físico, com formação em física estatística. Eu gostaria de discutir alguns pontos em relação à estatística utilizada. O primeiro é a onipresença da gaussiana, ou normal. Esta distribuição aparece muito frequentemente em consequência do teorema do limite central, que diz que se uma grandeza é resultante da soma de vários eventos, respeitadas três condições: (i) se os eventos são independentes; (ii) a dispersão de cada uma dos eventos é limitada, (iii) em um número grande de eventos; então a distribuição da probabilidade da grandeza será uma distribuição normal. O caso mais frequente de mal uso da normal é sempre considerar os eventos como independentes.
    A conta que você fez — a de chegar a um terço depois de 16 exames — só se aplica se os 16 exames são independentes, o que quase nunca é o caso. A partir de um sintoma, você escolhe alguns exames cujos os resultados não são independentes: se você tem o resultado de um exame e faz outro diferente para confirmar seu palpite, a probabilidade dos dois discordarem é menor que o produto das duas probabilidades. A probabilidade de um paciente ter perda de peso e unha encravada é o produto das duas probabilidades, mas ter um problema estomacal e perda de peso (considerando a tomada de peso como um exame) não são independentes. Aí temos que apelar para Bayes.
    Não sei se estou sendo claro, mas estou tentando poupar espaço 🙂
    []s

  6. Karl disse:

    Thadeu, você tem razão. As curvas em bioestatística normalmente são “skewed”. Entretanto, isso não invalida o raciocínio. Os exames são mesmo independentes pois não há como fazer um raciocínio pedir 2 ou 3 exames, o paciente retornar, você eliminar uma ou duas hipóteses, pedir mais 3 ou 4 exames, e assim por diante. Temos que trocar o pneu do carro com ele em movimento! E eu falei de dezesseis, mas são bem mais que isso. Acredite!
    Por outro lado, todos os médicos são bayesianos, mesmo que não saibam. 🙂
    Há um movimento para que o Teorema de Bayes não seja um simples adendo da estatística frequentista que domina o pensamento bioestatístico atual, mas pelo contrário, comecemos a pensar em ensaios clínicos que levem em consideração a probabilidade pré-teste, mas isso ainda leva tempo: aceitar a estatística subjetiva (sic) não é tarefa fácil.
    Obrigado pelo excelente comentário. Seja bem-vindo ao Ecce Medicus.

  7. […] que os números todos estão dentro do intervalo normal (para outra discussão sobre isso, ver este post), causa uma sensação de bem-estar ou “saúde” que é provisória e frágil. Ao menor […]

Envie seu comentário

Seu e-mail não será divulgado. (*) Campos obrigatórios.

Sobre ScienceBlogs Brasil | Anuncie com ScienceBlogs Brasil | Política de Privacidade | Termos e Condições | Contato


ScienceBlogs por Seed Media Group. Group. ©2006-2011 Seed Media Group LLC. Todos direitos garantidos.


Páginas da Seed Media Group Seed Media Group | ScienceBlogs | SEEDMAGAZINE.COM