A estatística é um dos tópicos mais confusos para fisioterapeutas e estudantes de fisioterapia. Muito provavelmente isso se deve ao fato de que nos preocupamos mais com as pessoas e com a saúde do que com a matemática, certo?
Bem, eu entendo que você esteja mais interessado em avaliar seu paciente adequadamente, em um bom manuseio e nos métodos de tratamento mais recentes, mas tenho que lhe dizer que você precisa conhecer os valores estatísticos de um teste especial e até mesmo números sobre prevalência, pré-teste e probabilidades pós-teste das perguntas que você faz aos seus pacientes durante todo o processo de anamnese!
Eu até ousaria dizer que, sem o conhecimento dos números mencionados acima, você não terá ideia do valor que pode dar a determinadas perguntas que fizer ao seu paciente (e às respostas delas) e realizará testes especiais sem saber realmente o que um resultado positivo ou negativo lhe dirá.
Quando vejo ou ouço que um fisioterapeuta realiza um teste especial, como o teste de Thessaly, para detectar lesões no menisco, e o resultado é positivo, e ele tem 100% de certeza de que o paciente tem uma lesão no menisco, fico encolhido!
POR FAVOR, PARE DE FAZER ISSO!
É por isso que peço que você continue lendo meu post, no qual tentarei lhe dar uma visão de como você pode e deve usar a estatística para se tornar um fisioterapeuta melhor e como esse conhecimento aumenta sua consciência do processo de raciocínio clínico!
Em geral, você começará com a triagem, depois com a anamnese e, em seguida, com uma avaliação básica. Com base nas informações que obteve durante as partes mencionadas acima, você está formando suas hipóteses que gostaria de confirmar ou rejeitar. É nesse ponto que a sensibilidade e a especificidade entram em jogo. Então, vamos primeiro dar uma olhada no que são sensibilidade e especificidade! A maneira mais fácil é assistir ao vídeo curto que fizemos há algum tempo:
Então, para resumir novamente: Um resultado negativo em um teste 100% sensível pode excluir a doença (SnNOut) e um resultado positivo em um teste 100% específico pode excluir a doença (SpPIn).
Um resultado negativo em um teste 100% sensível pode descartar a doença (SnNOut) e um resultado positivo em um teste 100% específico pode descartar a doença (SpPIn)
Com os dois mnemônicos SnNOut e SpPIn, é relativamente fácil colocar esses dois conceitos em prática.
Na maioria das vezes, você terá uma melhor compreensão de sua definição e do que eles realmente são se puder calcular esses valores usando uma tabela 2×2. Assista ao nosso próximo vídeo, que mostrará como fazer a parte do cálculo:
Infelizmente, na vida real, quase não existem testes 100% precisos, e é por isso que você terá muitos resultados falso-positivos e falso-negativos. Além disso, a sensibilidade e a especificidade nos informam a frequência com que um teste é positivo em pacientes que já sabemos que têm a doença ou não. Na prática, porém, não sabemos se nossos pacientes têm uma determinada condição ou não. O que preferimos fazer na prática é interpretar os resultados de um teste positivo ou negativo.
Normalmente, você não saberá qual é a probabilidade de o paciente realmente ter a doença com um resultado positivo e qual é a probabilidade de um paciente não ter a doença com um resultado negativo.
Esses valores são chamados de valor preditivo positivo (PPV) e valor preditivo negativo (NPV), também chamados de probabilidades pós-teste. Você adivinhou - temos outro vídeo que explica esses valores com a ajuda da tabela 2×2 e mostra como calcular esses valores:
Como mencionado no vídeo, o PPV e o NPV são ótimas ferramentas se você tiver uma boa ideia sobre a prevalência do seu grupo de pacientes e se essa prevalência for idêntica à prevalência do RCT, de onde você obteve os valores estatísticos para um teste específico. Se esse não for o caso, o PPV e o NPV se tornarão praticamente inúteis.
Imagine como a probabilidade pré-teste de uma ruptura do ligamento cruzado anterior (LCA) muda em diferentes configurações: Por exemplo, a prevalência de pacientes com ruptura do LCA em uma clínica geral será muito menor do que em uma clínica esportiva especializada em lesões no joelho. Quanto maior for a prevalência, maior será o seu PPV e menor será o seu NPV.
Talvez façamos um vídeo sobre isso também no futuro, mas é importante lembrar que precisamos de um valor melhor do que o PPV e o NPV, que é onde os índices de probabilidade entram em ação.
A razão de verossimilhança combina sensibilidade e especificidade e nos diz qual é a probabilidade de um determinado resultado de teste em pessoas com a doença, em comparação com a probabilidade em pessoas sem a doença. Assista ao vídeo a seguir sobre índices de probabilidade e como você pode calculá-los:
No exemplo, usamos o teste de Lachman, que é um dos testes mais precisos que existem na prática clínica, mas vamos dar uma olhada no nosso querido teste de Thessaly e ver como o nosso exemplo se comporta:
De acordo com Goossens et al. (2015), o teste de Thessaly tem uma sensibilidade de 64% e uma especificidade de 53%, o que resulta em um LR+ de 1,36 e um LR- de 0,68. Como você já pode ver, esses valores estão bem próximos de LR = 1, o que nos diz que eles mudarão muito pouco a probabilidade de uma pessoa ter uma lesão no menisco. Para aplicar esses valores ao exemplo do nosso caso de ruptura do LCA, sabemos que as rupturas do LCA geralmente são acompanhadas de rupturas meniscais. Embora nosso paciente não tenha relatado nenhuma sensação de travamento ou de agarramento, estimamos nossa probabilidade pré-teste em cerca de 30%.
Nosso nomograma terá a seguinte aparência:
Com base nos cálculos (mais precisos), chegamos às seguintes probabilidades de pós-teste:
- Probabilidades de pré-teste: Prevalência/(1-prevalência) = 0,3/(1-0,3) = 0,43
- Probabilidade pós-teste (LR+): 0,43 x 1,36 = 0,58
- Probabilidade pós-teste (LR+): probabilidade pós-teste / (probabilidade pós-teste+1) = 0,58/(0,58+1) = 0,37 (portanto, 37%)
- Probabilidade pós-teste (LR-): 0,43 x 0,68 = 0,29
- Probabilidade pós-teste (LR-): probabilidades pós-teste / (probabilidades pós-teste+1) = 0,29/ (0,29+1) = 0,22(22%)
Portanto, com um teste de Thessaly positivo, você aumentou suas chances de ter uma lesão mensical de supostos 30% para 37% e, com um teste de Thessaly negativo, você diminuiu suas chances para 22%.
Entendem por que eu fico assustado quando as pessoas fazem um exame e depois presumem que o paciente tem ou não tem uma determinada condição? E tudo isso se baseia em uma suposição das chances pré-teste, que a maioria das pessoas até se esquece de levar em consideração!
Se quiser realizar vários testes, por exemplo, adicionar o teste da gaveta anterior em nosso exemplo de LCA, você baseará sua probabilidade pré-teste na probabilidade pós-teste do teste de Lachman. Portanto, no caso de um Lachman positivo, você começará com uma probabilidade pré-teste de 95% e, no caso de um Lachman negativo, você começará com uma probabilidade pré-teste de 19%.
Embora a maioria dos testes tenha um resultado positivo ou negativo, há também grupos de testes com vários resultados. Portanto, se você pegar o cluster de Laslett, por exemplo, para 2 de 5 testes positivos, você terá um LR+ de 2,7, para 3/5 um LR+ de 4,3, etc.
No entanto, esteja ciente de que, com uma probabilidade pré-teste muito alta, outro teste tem pouco valor e é melhor iniciar o tratamento. O mesmo se aplica a uma probabilidade pré-teste muito baixa, caso em que você não faz o teste e também não trata a condição.
Por exemplo, se um paciente se apresentar a você com início súbito de dor lombar, sintomas neurológicos em ambas as pernas, problemas de micção e anestesia em sela, você teria quase certeza de que esse paciente tem síndrome da cauda equina, que é um sinal de alerta e requer cirurgia urgente. Portanto, se você tiver 99% de certeza do seu diagnóstico, um teste de perna reta (SLR) com um LR- de 0,2 diminuirá a probabilidade pós-teste para 95%, o que ainda é muito alto e você ainda desejaria enviar esse paciente para a cirurgia.
Por sua vez, se o teste fosse positivo, você provavelmente passaria de 99% para 100% de certeza, então por que se preocupar em fazer o teste, especialmente se for um encaminhamento urgente para cirurgia?
O mesmo se aplica a uma probabilidade de pré-teste muito baixa. Se um paciente se apresentar a você sem dor irradiada abaixo do joelho, a chance de esse paciente ter síndrome radicular devido a uma hérnia de disco é muito baixa, digamos que 5%. Então, o que aconteceria nesse caso se você executasse a SLR com um LR+ de 2.0? Você terminaria com uma probabilidade pós-teste de 10% e, se o teste for negativo, a probabilidade pós-teste teria diminuído para talvez 4%. Então, se você tem quase certeza de que um paciente não tem uma determinada doença, por que fazer o teste?
É claro que, na prática, a decisão de fazer um determinado exame sempre depende de vários fatores, como custos, gravidade de uma doença, riscos do exame etc.
Agora vamos voltar ao que afirmei no início, que os valores estatísticos o ajudam a avaliar o resultado de suas perguntas durante a coleta do histórico do paciente.
De fato, cada pergunta pode ser vista como um teste especial, no qual a resposta (sim ou não) aumentará ou diminuirá a probabilidade de um paciente ter uma determinada condição. Essa também é a razão pela qual uma anamnese completa é, na maioria das vezes, mais importante do que testes especiais, porque você está basicamente realizando uma série de testes especiais seguidos,
se você for um bom clínico que sabe como formar uma hipótese com base nas respostas do seu paciente.
Então, vamos dar outro exemplo: Como uma resposta positiva à pergunta sobre o uso prolongado de corticosteroides influencia a chance de uma fratura na coluna?
De acordo com Henschke et al. (2009), o uso prolongado de corticosteroides tem um LR+ positivo de 48,5. A prevalência (probabilidade pré-teste) de uma fratura da coluna vertebral apresentada à atenção primária pode ser estimada entre 1% e 4%, de acordo comWilliams et al. (2013) em pacientes que apresentam dor lombar.
Portanto, com o uso prolongado de corticosteroides, teremos uma probabilidade pós-teste de 33%, embora tenhamos presumido apenas 1% de prevalência neste exemplo de cálculo.
Acho que é justo dizer que essa pergunta sobre corticosteroides deve sempre ser feita no procedimento de triagem para fraturas da coluna vertebral!
Agora vamos dar uma olhada em outro sinal de alerta que é comumente usado na triagem de malignidade em pacientes com dor lombar: Início insidioso de dor lombar.
De acordo com Deyo et al. (1988, admito que esse é um estudo bastante antigo), o LR+ para essa pergunta é 1,1. De acordo com Henschke et al (2009), a prevalência de malignidade em pacientes com dor lombar é ainda menor do que 1%, mas calcularemos com esse 1% apenas para simplificar.
Portanto, o início insidioso da bandeira vermelha aumenta a probabilidade pós-teste de malignidade como causa da dor lombar de 1% para exatamente 1,1%. Acho que podemos concordar que essa bandeira vermelha deve ser expulsa de qualquer diretriz em que esteja listada.
Fisioterapia ortopédica das extremidades superiores e inferiores
Aumente seu conhecimento sobre as 23 patologias ortopédicas mais comuns em apenas 40 horas, sem gastar uma fortuna em cursos de CPD
Sei que a postagem foi longa, mas parabéns e respeito se você chegou até aqui! Meus objetivos eram dar a você uma explicação sobre como trabalhar com valores estatísticos como sensibilidade, especificidade, VPP, VPN e, especialmente, as razões de probabilidade, e conscientizá-lo da importância deles em todo o seu processo fisioterapêutico.
Seria fantástico se você pudesse levar em conta a prevalência de uma determinada hipótese com seus futuros pacientes, ter uma ideia do impacto de suas perguntas anamnésticas sobre a probabilidade do pré-teste e avaliar adequadamente o poder de seu teste especial.
Sinta-se à vontade para fazer perguntas nos comentários e para compartilhar esta postagem do blog se ela lhe for útil!
Obrigado pela leitura!
Kai
Referências
