segunda-feira, 14 de outubro de 2013

10 formas de manipular um estudo cientifico, "trabalhando" a estatística





 As pessoas tendem a acreditar que quando algo é publicado cientificamente passa a ser uma verdade absoluta. Nesta pequena abordagem vou mostrar-vos, de forma resumida, como manipular um estudo de forma a obterem os resultados que pretendem!







Já abordei questões metodológicas em relação a publicações científicas em artigos anteriores, nomeadamente em relação ao "famoso" estudo sobre o ómega-3 e o cancro da próstata… Recomendo que leiam a parte metodológica desse artigo, antes de avançarem para este.


De forma simples, irei mostrar 10 formas de manipular os resultados de um estudo científico, manipulando os testes estatísticos. Tropecei nesta informação durante um geek safari… Para mais detalhes por favor consultem a leitura recomendada. Manipulando desta forma eu diria que até seria possível mostrar resultados interessantes em relação ao cancro da próstata em mulheres (como se elas tivessem uma)!



Técnicas de manipulação de dados perante testes estatísticos:


1-Introduzir os dados no programa estatístico e reportar como significativo qualquer relação onde p<0.05, se houverem correlações que nos dêem jeito enfatiza-las e esquecer as outras.


2-Se os valores de base entre os grupos estudados favorecem o grupo de intervenção, nada de os ajustar. A ideia é provar que temos razão, logo isto joga a nosso favor.


3-Não testar os dados para saber se os mesmos têm uma distribuição normal. Ao testar os dados podemos cair nos testes não-paramétricos o que nos tira o divertimento todo!


4-Ignorar os indivíduos que abandonaram o estudo (drop outs) e os que não respondem à intervenção (non-responders). Assim a análise estatística terá apenas em conta os indivíduos que cumpriram integralmente o estudo. Como isto pode dar jeito…


5-Assumir sempre que podemos confrontar os dados e calcular o valor de r (coeficiente de correlação de Pearson). Melhor ainda é considerar que um valor de r significativo estabelece relação causal.


6-Se os outliers (valores que se mostram distantes dos restantes valores do gráfico) estão a influenciar de forma negativa os resultados, simplesmente ignora-los. Se pelo contrário estão a ajudar, assobiar para o lado e deixa-los ficar.


7-Se o intervalo de confiança (IC) for superior à diferença obtida entre os grupos, não mencionar esse facto. Melhor ainda falar de relance, mas não colocar o IC no gráfico e ignora-lo na discussão de resultados e na conclusão do estudo.


8-Manipular o tempo do estudo. Se os resultados se tornam significativos ao fim de 4 meses num estudo desenhado para 6, interrompe-lo aos 4 meses. Pode-se sempre justificar este facto com falta de fundos ou outra desculpa qualquer. Se ao fim dos 6 meses os resultados estiverem a roçar a significância, aumentar o tempo do estudo por mais 3 ou 4 semanas. Desta forma podemos mostrar um valor mais significativo e com jeitinho ninguém dará por nada.


9-Se os resultados não são os esperados, procurar resultados significativos em subgrupos. Por exemplo: a intervenção funcionou em todas as mulheres de nacionalidade chinesa entre os 52 e os 61 anos. Desta forma passamos a ideia de que o estudo não foi um completo fiasco e transformamos uma (provável) coincidência estatística num facto significativo. Os estudos dependem de fundos, temos de mostrar que o nosso trabalho serviu para alguma coisa que não seja confirmar a hipótese nula h0.


10-Se o teste estatístico não dá os resultados que queremos, vamos mudar de teste até obtermos o resultado que queremos. Nem que para isto se tenha que desenterrar um teste estatístico obscuro e completamente ultrapassado. Com jeitinho ninguém repara…



Achei extremamente interessante abordar estes 10 pontos, que como mencionei no início não são da minha autoria. Repare-se que apenas foram abordadas estratégias de “batota” na estatística, imagine a margem que ainda temos para fazer “batota” noutras vertentes de um estudo científico.  Isto não quer dizer que não existam estudos sérios, porque efectivamente existem. É só para alertar de que muitas conclusões em determinados estudos, não devem ser vistas como "gravadas na pedra" mas sim com cautela e apreensão.

Um conselho? Mantenham o espírito crítico. Em relação à estatística vou citar a frase de um amigo meu (que irei manter no anonimato) : “ a estatística muitas vezes é como a lingerie, é mais importante o que não mostra do que o que mostra”


Cumprimentos,
Filipe Teixeira
Director Of Nutrition-Tudor Bompa Institute International
The Tudor Bompa Institute, Portugal
Direcção Técnica-Body Temple, Lda



As opiniões aqui contidas apenas reflectem a opinião do autor e não necessáriamente da empresa Body Temple Lda/Tudor Bompa Institute. Consulte sempre o seu médico ou profissional de saúde antes de enveredar por qualquer suplemento, plano alimentar ou tratamento.


Leitura recomendada:

-Glasser S. Essentials of Clinical Research. Birmingham: AL:Springer; 2008.

-Greenhalgh T. How to Read a Paper. The basics of evidence-based medicine. 4th ed. Oxford: Wiley-Blackwell; 2010.

Sem comentários:

Enviar um comentário