A estatística é um dos temas mais confusos para os fisioterapeutas e estudantes de fisioterapia. Muito provavelmente, isto deve-se ao facto de nos preocuparmos mais com as pessoas e com a saúde do que com a matemática, certo?
Bem, eu percebo que esteja mais interessado em avaliar corretamente o seu doente, em lidar bem com ele e nos métodos de tratamento mais recentes, mas tenho de lhe dizer que precisa de saber os valores estatísticos de um teste especial e até números sobre a prevalência, as probabilidades pré-teste e pós-teste das perguntas que faz aos seus doentes durante todo o processo de anamnese!
Atrever-me-ia mesmo a dizer que, sem o conhecimento dos números acima referidos, não fará ideia do valor que pode dar a certas perguntas que faz ao seu doente (e às respectivas respostas) e realizará testes especiais sem saber realmente o que lhe dirá um resultado positivo ou negativo.
Quando vejo ou ouço dizer que um fisioterapeuta efectua um teste especial, como o teste de Thessaly, para detetar lesões no menisco, que o resultado é positivo e que, no final, tem a certeza absoluta de que o seu doente tem uma lesão no menisco, fico aterrado!
POR FAVOR, PÁRA DE FAZER ISSO!
É por isso que lhe peço que continue a ler o meu post, no qual tentarei dar-lhe uma ideia de como pode e deve utilizar a estatística para se tornar um melhor fisioterapeuta e como esse conhecimento aumenta a sua consciência do seu processo de raciocínio clínico!
Em geral, começará com o rastreio, depois a anamnese e, em seguida, uma avaliação de base. Com base na informação que obtiveste durante as partes acima mencionadas, estás a formar as tuas hipóteses que gostarias de confirmar ou rejeitar. É aqui que entram em jogo a sensibilidade e a especificidade. Vejamos primeiro o que são a sensibilidade e a especificidade! A forma mais fácil é ver o pequeno vídeo que fizemos há algum tempo:
Resumindo de novo: Um resultado negativo num teste 100% sensível pode excluir a doença (SnNOut) e um resultado positivo num teste 100% específico pode excluir a doença (SpPIn).
Um resultado negativo num teste 100% sensível pode excluir a doença (SnNOut) e um resultado positivo num teste 100% específico pode excluir a doença (SpPIn)
Com as duas mnemónicas SnNOut e SpPIn, é relativamente fácil pôr em prática estes dois conceitos.
Na maior parte das vezes, terá uma melhor compreensão da sua definição e do que realmente são se conseguir calcular estes valores utilizando uma tabela 2×2. Veja o nosso próximo vídeo, que lhe mostrará como fazer a parte do cálculo:
Infelizmente, na vida real, quase não existem testes 100% exactos, razão pela qual se registam muitos resultados falso-positivos e falso-negativos. Para além disso, a sensibilidade e a especificidade dizem-nos com que frequência um teste é positivo em doentes que já sabemos que têm ou não a doença. Na prática, porém, não sabemos se os nossos doentes têm ou não uma determinada doença. Na prática, o que fazemos é interpretar os resultados de um teste positivo ou negativo.
Normalmente, não se sabe qual é a probabilidade de o doente ter efetivamente a doença com um resultado positivo e qual é a probabilidade de um doente não ter a doença com um resultado negativo.
Estes valores são designados por valor preditivo positivo (VPP) e valor preditivo negativo (VPN), também designados por probabilidades pós-teste. Adivinhou - temos outro vídeo que explica estes valores com a ajuda da tabela 2×2 e mostra-lhe como calcular estes valores:
Como mencionado no vídeo, o VPP e o VAL são excelentes ferramentas se tivermos uma boa ideia sobre a prevalência do nosso grupo de doentes e se essa prevalência for idêntica à prevalência do RCT, de onde obtivemos os valores estatísticos para um teste específico. Se não for esse o caso, o PPV e o NPV tornam-se praticamente inúteis.
Imagine como a probabilidade pré-teste de uma rutura do ligamento cruzado anterior (LCA) se altera em diferentes contextos: Por exemplo, a prevalência de doentes com uma lesão do LCA numa clínica geral será muito menor do que numa clínica desportiva especializada em lesões do joelho. Quanto maior for a prevalência, maior será o seu VPP e menor será o seu VAL.
Talvez façamos um vídeo sobre isso no futuro, mas é importante lembrar que precisamos de um valor melhor do que o PPV e o NPV, que é onde os rácios de probabilidade entram em jogo.
O rácio de verosimilhança combina a sensibilidade e a especificidade e diz-nos qual a probabilidade de um determinado resultado de teste ser obtido em pessoas com a doença, em comparação com a probabilidade de ser obtido em pessoas sem a doença. Veja o seguinte vídeo sobre rácios de verosimilhança e como os pode calcular:
No exemplo, utilizámos o teste de Lachman, que é um dos testes mais precisos que existem na prática clínica, mas vejamos o nosso querido teste de Thessaly e como é que o nosso exemplo funciona:
De acordo com Goossens et al. (2015), o teste de Thessaly tem uma sensibilidade de 64% e uma especificidade de 53%, o que resulta num LR+ de 1,36 e num LR- de 0,68. Como já pode ver, estes valores estão muito próximos de LR = 1, o que nos diz que irão alterar muito pouco a probabilidade de uma pessoa ter uma lesão no menisco. Para aplicar estes valores ao exemplo da nossa lesão do LCA, sabemos que as lesões do LCA são frequentemente acompanhadas de lesões meniscais. Embora o nosso doente não refira quaisquer sensações de bloqueio ou de engate, estimamos a nossa probabilidade pré-teste em cerca de 30%.
O nosso nomograma terá o seguinte aspeto:
Com base nos cálculos (mais exactos), obtemos as seguintes probabilidades no pós-teste:
- Probabilidades no pré-teste: Prevalência/(1-prevalência) = 0,3/(1-0,3) = 0,43
- Probabilidades pós-teste (LR+): 0,43 x 1,36 = 0,58
- Probabilidade pós-teste (LR+): probabilidades pós-teste / (probabilidades pós-teste+1) = 0,58/(0,58+1) = 0,37 (portanto, 37%)
- Probabilidades pós-teste (LR-): 0,43 x 0,68 = 0,29
- Probabilidade pós-ensaio (LR-): probabilidades pós-ensaio / (probabilidades pós-ensaio+1) = 0,29/ (0,29+1) = 0,22(22%)
Assim, com um teste de Thessaly positivo, as hipóteses de uma lesão mensical aumentam de 30% para 37% e, com um teste de Thessaly negativo, as hipóteses diminuem para 22%.
Estão a ver porque é que me passo quando as pessoas fazem um teste e depois assumem que o seu doente tem ou não tem uma determinada doença? E tudo isto com base no pressuposto das probabilidades pré-teste, que a maioria das pessoas até se esquece de ter em consideração!
Se pretender efetuar vários testes, por exemplo, se pretender adicionar o teste da gaveta anterior no nosso exemplo do LCA, baseará a sua probabilidade pré-teste na probabilidade pós-teste do teste de Lachman. Assim, no caso de um Lachman positivo, começará com uma probabilidade de pré-teste de 95% e, no caso de um Lachman negativo, começará com uma probabilidade de pré-teste de 19%.
Embora a maioria dos testes tenha um resultado positivo ou negativo, existem também grupos de testes com vários resultados. Assim, se considerarmos o grupo de Laslett, por exemplo, para 2 em cada 5 testes positivos, obteremos um LR+ de 2,7, para 3/5 um LR+ de 4,3, etc.
No entanto, tenha em atenção que, com uma probabilidade pré-teste muito elevada, outro teste tem pouco valor e é melhor começar o seu tratamento. O mesmo se aplica a uma probabilidade pré-teste muito baixa, caso em que não se efectua o teste e também não se trata a doença.
Por exemplo, se um doente lhe apresentar um início súbito de dor lombar, sintomas neurológicos em ambas as pernas, problemas de micção e anestesia em sela, terá quase a certeza de que esse doente tem síndrome da cauda equina, o que é um sinal de alarme e requer cirurgia urgente. Assim, se tiver 99% de certeza do seu diagnóstico, um teste da perna esticada (SLR) com um LR- de 0,2 diminuirá a probabilidade pós-teste para 95%, o que continua a ser muito elevado e, mesmo assim, deve enviar este doente para cirurgia.
Por sua vez, se o teste fosse positivo, provavelmente passaria de 99% para 100% de certeza, por isso, para quê dar-se ao trabalho de fazer o teste, especialmente se se trata de uma consulta urgente para cirurgia?
O mesmo se aplica a uma probabilidade de pré-teste muito baixa. Se um doente se apresentar sem dor irradiada abaixo do joelho, a probabilidade de este doente ter síndrome radicular devido a uma hérnia discal é muito baixa, digamos que 5%. Então, o que aconteceria neste caso se executasse a SLR com um LR+ de 2.0? A probabilidade pós-teste seria de 10% e, se o teste fosse negativo, a probabilidade pós-teste teria diminuído para 4%. Assim, se temos quase a certeza de que um doente não tem uma determinada doença, porquê testá-la?
É claro que, na prática, a decisão de fazer um determinado teste depende sempre de vários factores, como os custos, a gravidade de uma doença, os riscos do teste, etc.
Voltemos agora ao que afirmei no início, ou seja, que os valores estatísticos ajudam a avaliar o resultado das perguntas feitas durante a recolha do historial do doente.
De facto, cada pergunta pode ser vista como um teste especial, em que a resposta (sim ou não) aumentará ou diminuirá a probabilidade de um doente ter uma determinada doença. Esta é também a razão pela qual uma anamnese minuciosa é, na maior parte das vezes, mais importante do que os testes especiais, porque, basicamente, está a realizar uma série de testes especiais seguidos,
se for um bom clínico que saiba formular uma hipótese com base nas respostas do seu doente.
Vejamos outro exemplo: Como é que uma resposta positiva à pergunta sobre a utilização prolongada de corticosteróides influencia a probabilidade de uma fratura da coluna vertebral?
De acordo com Henschke et al. (2009), o uso prolongado de corticosteróides tem um LR+ positivo de 48,5. A prevalência (probabilidade pré-teste) de uma fratura da coluna vertebral apresentada aos cuidados primários pode ser estimada entre 1% e 4%, de acordo com Williams et al. (2013) em pacientes que apresentam dor lombar.
Assim, com o uso prolongado de corticosteróides, acabaremos com uma probabilidade pós-teste de 33%, embora tenhamos assumido apenas 1% de prevalência neste cálculo de exemplo.
Penso que é justo dizer que esta pergunta sobre os corticosteróides deve ser sempre feita no processo de rastreio das fracturas da coluna vertebral!
Vejamos agora outro sinal de alerta que é habitualmente utilizado no rastreio de doenças malignas em doentes com lombalgia: Início insidioso de dor lombar.
De acordo com Deyo et al. (1988, admito que este é um estudo bastante antigo), o LR+ para esta pergunta é 1,1. De acordo com Henschke et al (2009), a prevalência de malignidade em doentes com lombalgia é ainda inferior a 1%, mas calcularemos com este 1% apenas por simplicidade.
Assim, o início insidioso do sinal de alerta aumenta a probabilidade pós-teste de malignidade como causa da dor lombar de 1% para exatamente 1,1%. Penso que podemos concordar que esta bandeira vermelha deve ser expulsa de qualquer diretriz em que esteja incluída.
Fisioterapia ortopédica das extremidades superiores e inferiores
Aumente os seus conhecimentos sobre as 23 patologias ortopédicas mais comuns em apenas 40 horas sem gastar uma fortuna em cursos CPD
Eu sei que este é um longo post e parabéns e respeito se chegaram até aqui! Os meus objectivos eram dar-vos uma explicação sobre como trabalhar com valores estatísticos como a sensibilidade, a especificidade, o VPP, o VAL e, especialmente, os rácios de verosimilhança, e sensibilizá-los para a sua importância em todo o processo fisioterapêutico.
Seria fantástico se pudesse ter em conta a prevalência de uma determinada hipótese nos seus futuros pacientes, ter uma ideia do impacto das suas perguntas anamnésticas na probabilidade pré-teste e avaliar corretamente o poder dos seus testes especiais.
Não hesite em colocar questões nos comentários e em partilhar esta publicação do blogue se a achou útil!
Obrigado pela vossa leitura!
Kai
Referências
