Ensinando o Paradoxo de Simpson através de um estudo médico

O paradoxo de Simpson é um padrão estatístico em que uma tendência que aparece em um conjunto de dados geral (agregado) desaparece ou se inverte quando os dados são divididos em subgrupos. Parece uma contradição, mas não é — é um sinal de que os grupos que estão sendo comparados não estão estruturados da mesma forma por baixo. Vamos analisar isso usando o seu estudo de tratamento.

Etapa 1: Calcular as taxas estratificadas (comparando dentro de cada grupo de gravidade)

"Estratificado" significa dividir os dados em camadas, ou estratos — aqui, casos leves e graves — e comparar os tratamentos dentro de cada camada separadamente.

Casos leves:

• Tratamento A: 81/87 = 93,1% de recuperação
• Tratamento B: 234/270 = 86,7% de recuperação
• O Tratamento A vence por cerca de 6,4 pontos percentuais.

Casos graves:

• Tratamento A: 192/263 = 73,0% de recuperação
• Tratamento B: 55/80 = 68,8% de recuperação
• O Tratamento A vence novamente, por cerca de 4,2 pontos percentuais.

Assim, dentro de ambos os subgrupos, o Tratamento A tem uma taxa de recuperação mais alta.

Etapa 2: Calcular as taxas agregadas (juntando todos)

"Agregado" significa juntar todos os pacientes, ignorando a gravidade.

• Tratamento A geral: 273/350 = 78,0%
• Tratamento B geral: 289/350 = 82,6%

Agora o Tratamento B parece melhor por cerca de 4,6 pontos percentuais — o exato oposto do que vimos em cada subgrupo. Essa inversão é o paradoxo de Simpson.

Etapa 3: Por que isso acontece?

A chave é que os pacientes não foram distribuídos uniformemente entre os grupos de gravidade entre os dois tratamentos. Olhe os tamanhos dos grupos:

• Tratamento A: apenas 87 pacientes leves (25%) contra 263 pacientes graves (75%)
• Tratamento B: 270 pacientes leves (77%) contra apenas 80 pacientes graves (23%)

O Tratamento B foi usado principalmente em pacientes leves, que se recuperam facilmente com quase qualquer tratamento. O Tratamento A foi usado principalmente em pacientes graves, que têm menores chances de recuperação, independentemente do tratamento que recebem. Quando você junta todos em um grande grupo, a pontuação geral do Tratamento A é prejudicada porque tratou muitos mais pacientes de alto risco, enquanto a pontuação geral do Tratamento B é impulsionada porque tratou principalmente pacientes de baixo risco. A gravidade atua como uma "variável de confusão" — um fator que influencia tanto qual tratamento um paciente recebeu quanto sua chance de recuperação, distorcendo a comparação simples.

Em resumo: a comparação agregada mistura alhos com bugalhos. Ela compara dois tratamentos cujas populações de pacientes eram fundamentalmente diferentes em nível de risco, então a própria proporção da mistura — não necessariamente o tratamento — impulsiona o número geral.

Etapa 4: O resultado estratificado prova que o Tratamento A é causalmente melhor?

Não automaticamente. A análise estratificada é mais informativa do que a agregada, mas não estabelece por si só a causalidade — a ideia de que o Tratamento A produz diretamente uma melhor recuperação. Foi-nos dito que a atribuição do tratamento não foi aleatória, o que importa enormemente. Se os médicos escolheram tratamentos com base em fatores que não medimos (não apenas gravidade rotulada, mas coisas como idade, comorbidades, recursos hospitalares ou preferência do paciente), esses mesmos fatores poderiam afetar independentemente a recuperação. Isso é às vezes chamado de "confusão por indicação": pacientes mais doentes ou diferentes recebem um tratamento diferente por razões ligadas ao seu prognóstico, não por causa do efeito real do tratamento.

Questões adicionais que valem a pena investigar:

1. Como a gravidade foi classificada e é uma medida suficientemente precisa? "Leve" e "grave" são categorias amplas. Dentro de "grave", os pacientes do Tratamento A podem ter sido ainda menos criticamente doentes em média do que os pacientes graves do Tratamento B, reintroduzindo uma versão mais sutil do mesmo paradoxo.

2. Por que os tratamentos foram atribuídos de forma desigual? Se o Tratamento A foi reservado para casos graves porque os médicos acreditavam que funcionava melhor para eles, essa crença (certa ou errada) pode refletir um julgamento clínico real ou diferenças não medidas nos pacientes — ambos complicam a interpretação.

3. Existem outros fatores de confusão, como idade, condições comórbidas, local do hospital, momento do tratamento ou adesão do paciente, que diferem entre os grupos de tratamento e também poderiam explicar as diferenças nos resultados?

4. O tamanho do efeito é clinicamente significativo e estatisticamente estável, ou poderia estar dentro da faixa de acaso, dados os tamanhos das amostras, especialmente o grupo menor de Tratamento B grave (n=80)?

5. Foi um estudo observacional ou algo mais próximo de um ensaio controlado? Sem randomização, não podemos descartar efeitos de seleção.

Um checklist prático para interpretar alegações semelhantes:

• Pergunte se o número relatado é um resultado agregado ou de subgrupo (estratificado) e verifique se eles concordam ou divergem.
• Procure os tamanhos dos subgrupos comparados; grandes desequilíbrios são um sinal de alerta para o paradoxo de Simpson.
• Identifique variáveis de confusão plausíveis que possam afetar tanto a atribuição do grupo quanto o resultado.
• Verifique se o tratamento ou exposição foi atribuído aleatoriamente; se não, seja cauteloso com a linguagem causal.
• Considere se os subgrupos são definidos com precisão suficiente ou se ainda existe variação oculta dentro deles.
• Seja cético em relação às manchetes que relatam apenas o número agregado sem detalhes de subgrupo e procure o estudo original ou a análise completa antes de aceitar uma alegação causal.

O paradoxo de Simpson não é um truque de aritmética — é um lembrete de que como os dados são agrupados pode mudar a história que eles contam, e que o contexto, não apenas os números, é essencial para uma interpretação correta.

O Paradoxo de Simpson é um fenômeno estatístico que pode parecer um truque de mágica. Ele ocorre quando uma tendência aparece em diferentes grupos de dados, mas desaparece ou se inverte quando esses grupos são combinados. Como profissionais de saúde pública, a compreensão deste paradoxo é crucial para interpretar corretamente os dados e evitar conclusões potencialmente prejudiciais. Vamos explorá-lo usando um estudo médico que compara dois tratamentos para uma doença.

Um estudo com 700 pacientes relata a eficácia do Tratamento A versus o Tratamento B. Quando olhamos para os dados combinados, ou agregados, a conclusão parece direta. Dos 350 pacientes que receberam o Tratamento A, 273 se recuperaram, uma taxa de recuperação de 78,0% (273/350). Para o Tratamento B, 289 de 350 pacientes se recuperaram, o que representa uma taxa de recuperação de 82,6% (289/350). Com base nesta comparação agregada, o Tratamento B parece ser a escolha superior. Mas a história é tão simples assim?

É aqui que uma análise mais cuidadosa, conhecida como comparação estratificada, se torna essencial. Estratificação significa dividir os dados em subgrupos, ou estratos, para ver se a tendência geral se mantém. Neste estudo, o subgrupo mais óbvio é a gravidade do paciente. Vamos estratificar os dados em casos 'leves' e 'graves' e recalcular as taxas de recuperação.

Para pacientes com casos leves:

• Tratamento A: 81 de 87 pacientes se recuperaram, para uma taxa de recuperação de 93,1%.
• Tratamento B: 234 de 270 pacientes se recuperaram, para uma taxa de recuperação de 86,7%.

Para pacientes com casos graves:

• Tratamento A: 192 de 263 pacientes se recuperaram, para uma taxa de recuperação de 73,0%.
• Tratamento B: 55 de 80 pacientes se recuperaram, para uma taxa de recuperação de 68,8%.

De repente, o quadro se inverteu completamente. Dentro do grupo leve, o Tratamento A é mais eficaz. Dentro do grupo grave, o Tratamento A também é mais eficaz. Este é o Paradoxo de Simpson em ação: o Tratamento A tem um desempenho melhor em cada subgrupo, mas parece pior quando os grupos são combinados. Como isso é possível?

A inversão é criada por dois fatores-chave: uma variável de confusão oculta e tamanhos de grupo desiguais. A variável de confusão aqui é a gravidade do paciente. Um fator de confusão é um fator que está associado tanto ao tratamento administrado quanto ao resultado (recuperação), distorcendo a relação real entre eles. A gravidade é um fator de confusão clássico porque pacientes com casos graves são inerentemente menos propensos a se recuperar, independentemente do tratamento que recebem.

O segundo ingrediente é a atribuição desequilibrada de tratamentos. Observe a distribuição:

• O Tratamento A foi administrado principalmente a pacientes graves (263 de 350, ou 75%).
• O Tratamento B foi administrado principalmente a pacientes leves (270 de 350, ou 77%).

O resultado agregado é enganoso porque não está comparando coisas iguais. Está comparando um tratamento (A) usado predominantemente em pacientes mais doentes contra um tratamento (B) usado predominantemente em pacientes com doença mais leve. A média geral do Tratamento A é puxada para baixo pelo grande número de casos graves e difíceis, enquanto a média do Tratamento B é inflada pelo grande número de casos leves e fáceis. A análise estratificada corrige isso fazendo comparações mais apropriadas: casos leves no Tratamento A versus casos leves no Tratamento B, e graves versus graves. Neste contexto, os resultados estratificados fornecem uma imagem mais precisa da eficácia do tratamento.

No entanto, este resultado estratificado prova automaticamente que o Tratamento A causa uma melhor recuperação? Não necessariamente. Embora a análise estratificada seja uma grande melhoria, este é um estudo observacional, não um ensaio clínico randomizado (ECR). Em um ECR, os pacientes seriam designados aleatoriamente para um tratamento, o que ajuda a garantir que, em média, os grupos sejam semelhantes em todos os aspectos, exceto no tratamento recebido. Sem randomização, outros fatores de confusão ainda podem estar em jogo. Para inferir causalidade com confiança, devemos investigar mais. Aqui estão duas perguntas críticas a serem feitas:

1. Qual foi a base para a atribuição do tratamento? Precisamos entender o processo de seleção. Os médicos atribuíram o Tratamento A a pacientes graves porque acreditavam que era uma opção mais agressiva e de último recurso? Ou talvez tenha sido atribuído a pacientes graves que eram mais jovens e mais fortes, e, portanto, considerados melhores candidatos para uma terapia mais exigente. Essa lógica subjacente pode introduzir um viés significativo.
2. Existem outras diferenças não medidas entre os grupos de pacientes? A estratificação por gravidade é um bom começo, mas pode não ser suficiente. Houve diferenças sistemáticas na idade, em condições de saúde coexistentes (comorbidades) ou na qualidade do hospital onde os pacientes foram tratados? Qualquer um desses fatores pode ser outro fator de confusão influenciando o resultado.

Ao encontrar alegações semelhantes em relatórios de notícias ou resumos de pesquisas, use esta lista de verificação prática para pensar criticamente:

• Identifique a Alegação Geral: Observe a principal conclusão tirada dos dados agregados (por exemplo, "O Medicamento X é mais eficaz").
• Procure Análise de Subgrupos: Verifique se os dados são divididos por subgrupos relevantes (estratos), como idade, sexo, gravidade da doença ou nível de renda.
• Compare Tendências Gerais vs. Subgrupos: As tendências dentro dos subgrupos contradizem a tendência geral? Se sim, você provavelmente encontrou uma instância do Paradoxo de Simpson.
• Pense em Potenciais Fatores de Confusão: Pense em quais variáveis ocultas podem estar associadas tanto à exposição (por exemplo, o tratamento) quanto ao resultado, e que podem estar distribuídas de forma desigual entre os grupos.
• Avalie o Desenho do Estudo: Determine se o estudo foi um ensaio clínico randomizado (evidência mais forte) ou um estudo observacional (mais suscetível a fatores de confusão). Este contexto é fundamental para julgar a força de qualquer alegação causal.

O Paradoxo de Simpson serve como uma lição poderosa em humildade estatística. Ele demonstra que simplesmente olhar para os números gerais pode ser profundamente enganoso. Ao aprender a estratificar dados e questionar os fatores subjacentes que os moldam, podemos nos tornar consumidores e produtores mais perspicazes de evidências de saúde pública.