Separating Biological and Choice Effects in Randomized Trials: Completing Causal Inference with β-Identification

No mundo da pesquisa médica, o padrão ouro para provar que um tratamento funciona é o ensaio clínico randomizado. Nesses estudos, os pacientes são designados aleatoriamente para receber um novo tratamento ou um padrão, como se estivessem jogando uma moeda para decidir seu caminho. O objetivo é isolar o efeito biológico do medicamento ou procedimento em si, eliminando outras variáveis para ver se o tratamento realmente altera o desfecho. Por décadas, este método tem sido o alicerce da medicina baseada em evidências, orientando médicos sobre quais medicamentos prescrever e quais cirurgias realizar. No entanto, um problema persistente surge quando as diferenças biológicas entre os tratamentos são pequenas. Nesses casos, os resultados de um ensaio podem tornar-se turvos ou inconclusivos. Os pacientes frequentemente não seguem o caminho designado; eles podem migrar para o outro tratamento ou podem recusar o designado inteiramente. Tradicionalmente, os pesquisadores viram essa não adesão como uma falha, uma fonte de ruído que enfraquece a capacidade do estudo de encontrar uma resposta clara. Eles trataram a escolha do paciente de mudar de tratamento como um erro a ser corrigido ou ignorado, acreditando que a verdadeira história reside apenas na biologia do fármaco ou do procedimento.

Um novo framework proposto pelos pesquisadores Ogan Gurel e James Weinstein desafia essa visão de longa data. Eles argumentam que, em muitas situações médicas modernas, a escolha do paciente não é apenas uma distração, mas uma parte fundamental do desfecho. Quando a diferença biológica entre dois tratamentos credíveis é pequena, a decisão que um paciente toma — impulsionada por seus valores pessoais, medos e preferências — torna-se uma força poderosa que molda sua saúde tanto quanto o próprio tratamento. Os pesquisadores sugerem que, ao tratar a escolha do paciente como um fator causal mensurável, em vez de um erro estatístico, podemos finalmente dar sentido a ensaios que anteriormente pareciam falhar. Esta abordagem não descarta os métodos antigos, mas os expande, permitindo que os cientistas separem o efeito biológico de um tratamento do efeito da decisão do paciente de tomá-lo. Ao fazer isso, eles podem explicar por que alguns tratamentos funcionam bem na prática, mesmo quando a biologia sugere que não deveriam, e por que alguns ensaios permanecem confusos até que reconheçamos o poder da agência humana.

O cerne deste novo pensamento vem do reexame de um famoso estudo conhecido como Spine Patient Outcomes Research Trial, ou SPORT. Este ensaio investigou tratamentos para uma condição dolorosa na região lombar chamada hérnia de disco lombar. O estudo foi desenhado com padrões científicos rigorosos, mas seus resultados foram famosamente inconclusivos. Os dados mostraram que a diferença nos desfechos entre pacientes que passaram por cirurgia e aqueles que receberam cuidados não cirúrgicos era muito pequena. Por anos, isso foi interpretado como um sinal de que a cirurgia não oferecia vantagem biológica real sobre o cuidado não cirúrgico. No entanto, os pesquisadores apontam que o ensaio também foi marcado por altas taxas de "crossover". Muitos pacientes designados para o cuidado não cirúrgico acabaram optando pela cirurgia, e alguns designados para a cirurgia optaram pelo cuidado não cirúrgico em vez disso. Na visão tradicional, esse crossover era um problema que borrava as linhas entre os dois grupos, tornando impossível dizer qual tratamento era melhor. Os pesquisadores argumentam que esta visão perdeu um ponto crucial: o crossover não era apenas ruído; era um sinal.

Ao aplicar seu novo framework, os pesquisadores foram capazes de decompor os resultados do ensaio SPORT em duas partes distintas. A primeira parte, que chamam de efeito biológico, representa o impacto fisiológico puro do tratamento em si, assumindo que um paciente siga o plano perfeitamente. A segunda parte, que denominam efeito de escolha, captura o impacto da decisão do paciente de tomar ou mudar de tratamento. Quando separaram esses dois componentes, um quadro diferente emergiu. A diferença biológica entre a cirurgia e o cuidado não cirúrgico era pequena, e o efeito de escolha foi considerado clinicamente significativo. Os pacientes que escolheram seu próprio tratamento, independentemente do que foram originalmente designados, tiveram desfechos que foram conjuntamente moldados pela biologia e pela escolha. Isso sugere que o sucesso do tratamento não foi apenas sobre a cirurgia ou a fisioterapia, mas sobre o alinhamento entre o tratamento e as próprias preferências do paciente. O ato de escolher um tratamento que parecia certo para o paciente foi um fator causal em sua recuperação, tão real quanto o mecanismo biológico da cirurgia.

Este insight transforma a forma como devemos interpretar os ensaios clínicos, especialmente em campos onde múltiplos tratamentos existem e as diferenças biológicas entre eles estão diminuindo. Os pesquisadores propõem uma nova maneira de classificar os ensaios com base no equilíbrio entre essas duas forças. Em alguns casos, a diferença biológica é tão grande que a escolha do paciente importa muito pouco; nestes cenários, os métodos antigos de análise funcionam perfeitamente bem. Mas em muitos outros casos, particularmente à medida que os pacientes envelhecem e enfrentam problemas de saúde complexos, as diferenças biológicas diminuem, e a escolha do paciente torna-se o fator dominante. Os pesquisadores identificam quatro regimes distintos para estes ensaios. Em um regime, a biologia é a vencedora clara, e os médicos podem recomendar o tratamento superior com confiança. Em outro, tanto a biologia quanto a escolha importam, exigindo uma abordagem mais matizada onde médicos e pacientes decidem juntos. Em um terceiro, nenhum dos fatores é forte o suficiente para dar uma resposta clara, e o ensaio simplesmente nos diz que precisamos de mais pesquisa. Finalmente, no quarto regime, a diferença biológica é negligenciável, mas a escolha do paciente impulsiona o desfecho. Aqui, a coisa mais importante que um médico pode fazer não é prescrever um tratamento específico, mas ajudar o paciente a fazer a escolha que se ajuste à sua vida e valores.

O artigo argumenta que falhar em reconhecer este quarto regime levou muitos ensaios a serem rotulados como falhas quando foram, na verdade, bem-sucedidos de uma forma diferente. Quando um ensaio mostra nenhum vencedor biológico claro, mas os pacientes que escolhem seu próprio caminho se saem bem, a conclusão tradicional é que os tratamentos são iguais e o ensaio é inconclusivo. O novo framework sugere que o ensaio está, na verdade, nos dizendo algo profundo: que o desfecho depende do engajamento e da preferência do paciente. Ao ignorar o efeito de escolha, perdemos a capacidade de entender por que um tratamento funciona no mundo real. Os pesquisadores demonstram que, ao medir tanto o efeito biológico quanto o efeito de escolha na mesma escala, podemos ver o quadro completo. Isso nos permite distinguir entre um tratamento que é biologicamente fraco e um tratamento que é biologicamente neutro, mas altamente eficaz quando os pacientes o escolhem voluntariamente.

Esta mudança tem implicações significativas para como a pesquisa médica é desenhada e como os médicos tomam decisões. Os pesquisadores sugerem que futuros ensaios devem ser desenhados para preservar a capacidade de medir a escolha do paciente, em vez de tentar forçar os pacientes a seguir um protocolo. Isso pode significar permitir que os pacientes façam o crossover ou mudem de tratamento se desejarem, e então analisar os dados para ver como essas escolhas afetaram o desfecho. Isso também significa que o objetivo de um ensaio não é apenas encontrar o "melhor" tratamento em um vácuo, mas entender como diferentes tratamentos performam quando os pacientes têm liberdade de escolha. No reino da inteligência artificial e das ferramentas de suporte à decisão, esta distinção é crítica. Um sistema de IA que olha apenas para dados biológicos pode recomendar um tratamento que é biologicamente sólido, mas falha na prática porque não se alinha com as preferências do paciente. Ao incorporar o efeito de escolha, essas ferramentas podem ser desenhadas para deferir ao julgamento humano quando a biologia é incerta, ajudando os médicos a facilitar a tomada de decisão compartilhada em vez de simplesmente classificar tratamentos.

Os pesquisadores enfatizam que esta abordagem não substitui os padrões rigorosos dos ensaios randomizados, mas os completa. Ela reconhece que, em um mundo de condições crônicas complexas, o paciente não é um receptor passivo de cuidados, mas um participante ativo cujas decisões moldam o resultado. O framework fornece uma maneira de quantificar esta participação, transformando o que antes era considerado um incômodo estatístico em uma peça vital de evidência. Ao fazer isso, oferece um relato mais honesto e completo do que acontece em um ensio clínico. Explica por que alguns tratamentos parecem funcionar melhor no mundo real do que no ambiente controlado de um estudo, e por que alguns ensaios que parecem falhas no papel na verdade fornecem orientações valiosas para médicos e pacientes. O objetivo final é ir além de um foco estreito na biologia para uma compreensão mais ampla da saúde que inclua o elemento humano da escolha.

O estudo baseia-se em uma decomposição matemática específica para separar estes efeitos, mas o conceito é direto. Os pesquisadores pegam a diferença observada nos desfechos entre pacientes que receberam um tratamento e aqueles que receberam outro, e subtraem a diferença biológica que existiria se todos tivessem seguido sua designação perfeitamente. O que resta é o efeito da própria escolha. Esta parte restante não é ruído aleatório; é uma força causal mensurável. Os pesquisadores mostram que, no ensaio SPORT, este efeito de escolha foi grande o suficiente para ser clinicamente significativo, explicando por que os resultados do ensaio foram tão diferentes do que uma análise puramente biológica preveria. Eles argumentam que este mesmo padrão provavelmente existe em muitas outras áreas da medicina, desde doenças cardíacas até o câncer, onde os pacientes têm que pesar os benefícios de um tratamento contra seus ônus e riscos.

Ao tornar o efeito de escolha visível, os pesquisadores esperam mudar a conversa na pesquisa médica. Em vez de perguntar apenas "Este tratamento funciona?", podemos também perguntar "Para quem ele funciona, e sob quais condições de escolha?". Esta mudança permite uma abordagem mais personalizada da medicina, onde o foco não está apenas no fármaco ou na cirurgia, mas na parceria entre o médico e o paciente. Reconhece que o melhor tratamento nem sempre é aquele com o efeito biológico mais forte, mas aquele que o paciente tem maior probabilidade de manter e que se ajusta à sua vida. Os pesquisadores concluem que, à medida que a medicina se torna mais complexa e as diferenças biológicas entre os tratamentos diminuem, a capacidade de medir e compreender o poder da escolha se tornará cada vez mais importante. É uma forma de completar o quadro da inferência causal, garantindo que a evidência que coletamos reflita a realidade plena da saúde humana e da tomada de decisão.