An algorithmic process to develop clinical practice guideline recommendations based on meta-analyses of the relevant evidence

Imagine que você é um detetive tentando resolver um mistério: "Este tratamento específico realmente ajuda os pacientes a melhorarem?" No mundo da fisioterapia, isso não é apenas uma suposição; é sobre construir Diretrizes de Prática Clínica (DPCs). Pense nessas diretrizes como o livro de regras definitivo ou um mapa que os fisioterapeutas usam para decidir a melhor maneira de ajudar as pessoas a se recuperarem. Para fazer um bom mapa, você precisa olhar para todas as pistas (estudos científicos) e entender o que elas realmente significam em conjunto.

Normalmente, os cientistas tentam combinar essas pistas usando um método chamado metanálise. Imagine que você tem cem pessoas diferentes contando quanto tempo uma jornada específica levou. Algumas dizem 10 minutos, outras 12 e outras 8. Uma metanálise é como uma calculadora superinteligente que não apenas conta quantas pessoas disseram "10 minutos" (o que pode ser enganoso); em vez disso, ela pesa cada relato com base em quantas pessoas estavam naquele grupo e o quão confiável é a história, fornecendo uma resposta média única e precisa. O grande problema é que, embora essa "calculadora superinteligente" seja o padrão ouro para encontrar a verdade, a maioria dos livros de regras da fisioterapia tem ignorado isso. Em vez disso, eles têm dependido de um método de "contagem de votos" — basicamente perguntando: "Mais estudos disseram 'sim' do que 'não'?" — o que é como decidir que o tempo está ensolarado só porque mais pessoas disseram que estava, mesmo que as que disseram "ensolarado" estivessem no escuro. Este artigo aborda a parte subjetiva e confusa de criar esses livros de regras e tenta substituir o palpite humano por um algoritmo claro e passo a passo.

---

O Algoritmo: Transformando Pistas em um Livro de Regras

Este artigo é essencialmente um manual de "como fazer" para uma equipe de especialistas em fisioterapia que decidiu parar de adivinhar e começar a calcular. Eles queriam criar uma nova forma superconfiável de escrever seu livro de regras para ajudar as pessoas a voltarem a andar após um acidente vascular cerebral (AVC). Em vez de deixar um grupo de especialistas sentados ao redor de uma mesa discutindo o que "parece" ser um bom tratamento, eles construíram uma máquina de tomada de decisão (um algoritmo) que recebe os números brutos de sua "calculadora superinteligente" (a metanálise) e cospe uma recomendação clara.

Aqui está como o novo sistema deles funciona, passo a passo:

1. Coleta de Evidências e Verificação de Falsificações
Primeiro, eles encontraram 296 estudos sobre recuperação de AVC. Mas nem todas as pistas são dignas de confiança. Eles usaram uma lista de verificação especial (chamada RoB-2) para verificar o "viés", que é como verificar se uma testemunha tem motivos para mentir. Se um estudo fosse muito desorganizado ou tivesse muitos sinais de alerta, eles o descartavam. Eles mantiveram apenas as evidências de alta qualidade.

2. Agrupando Maçãs com Maçãs
Você não pode comparar um estudo sobre "correr em uma esteira" com um sobre "natação" e esperar um resultado justo. A equipe agrupou cuidadosamente os estudos que estavam fazendo exatamente a mesma coisa. Eles observaram aspectos específicos como "velocidade de caminhada" ou "quão longe alguém consegue caminhar em 6 minutos". Eles até tiveram que fazer um pouco de mágica matemática para converter diferentes testes de caminhada (como uma caminhada de 2 minutos) em uma distância padrão de "6 minutos de caminhada", para que tudo pudesse ser comparado de forma justa.

3. A "Calculadora Superinteligente" (Metanálise)
Uma vez que os grupos foram classificados, eles realizaram a metanálise. Isso não foi apenas contar votos; eles combinaram os números reais de cada estudo para encontrar o verdadeiro efeito médio. Eles fizeram duas grandes perguntas:

• O resultado é real? (Significância estatística)
• O resultado é grande o suficiente para importar? (Importância clínica)

Para responder à segunda pergunta, eles usaram um limiar de "Diferença Significativa". Pense nisso como um quebra-molas. Se o tratamento faz um paciente caminhar 0,01 metros/segundo mais rápido, esse é um número real, mas é pequeno demais para importar na vida real. Mas se o torna capaz de caminhar 0,16 m/s mais rápido (um número que escolheram com base em pesquisas anteriores), isso é um divisor de águas. O algoritmo verifica se o tratamento ultrapassa esse quebra-molas.

4. A Máquina de Decisão
Esta é a parte mais legal. Eles construíram um fluxograma (um algoritmo) que pega os resultados matemáticos e a pontuação de "confiabilidade" (chamada GRADE) e atribui automaticamente uma recomendação. Existem cinco resultados possíveis:

• Recomendação Forte: A matemática diz "Sim, funciona", a certeza é alta e a melhora é grande o suficiente para importar. O livro de regras diz: "Os clínicos devem usar isso".
• Recomendação Condicional: Provavelmente funciona, mas talvez não para todos, ou a certeza não é 100%. O livro de regras diz: "Os clínicos devem considerar o uso disso".
• Sem Recomendação a Favor ou Contra: Esta é uma categoria que eles inventaram. Às vezes, a matemática mostra que o tratamento não faz uma diferença significativa em comparação ao cuidado habitual. Como o "cuidado habitual" é o que os pacientes recebem de qualquer maneira, você não pode dizer "Não faça isso". Você apenas diz: "Não adiciona valor extra, portanto, priorize outras coisas se você as tiver".
• Contra: O tratamento é, na verdade, prejudicial ou pior do que não fazer nada. O livro de regras diz: "Não utilize isso".
• Evidência Insuficiente: Os dados são muito desorganizados ou estão faltando. O livro de regras diz: "Precisamos de mais pesquisa".

5. Lidando com Conflitos
E se uma parte do tratamento funcionar muito bem, mas outra parte não? O algoritmo também tem regras para isso. Se os critérios de uma recomendação "Forte" forem atendidos, mas uma medida específica mostrar nenhum benefício, o algoritmo automaticamente rebaixa a recomendação para "Condicional". É como uma rede de segurança que impede a equipe de ficar animada demais com um tratamento que só funciona metade das vezes.

Por Que Isso Importa

Os autores descobriram que, ao usar este algoritmo rigoroso baseado em matemática, eles puderam remover muito da "opinião humana" do processo. No passado, diferentes grupos de especialistas poderiam olhar para os mesmos dados e chegar a livros de regras diferentes porque tinham opiniões diferentes sobre o que contava como "bom o suficiente". Este novo método torna o processo reprodutível. Se você der os mesmos dados para uma equipe diferente e eles usarem este mesmo algoritmo, eles devem obter a mesma resposta.

Eles também destacaram que esta abordagem é um trabalho árduo. Eles tiveram que extrair dados de 186 estudos e realizar 309 metanálises diferentes! Exigiu muita matemática e programação de computador. No entanto, eles compartilharam todas as suas ferramentas e planilhas online para que outras equipes também possam usá-las.

O artigo não afirma ter resolvido todos os problemas da medicina. Eles admitem que encontrar os números perfeitos de "diferença significativa" (os quebra-molas) ainda é complicado e que o processo é demorado. Mas eles demonstraram com sucesso que é possível construir um livro de regras onde a matemática conduz a decisão, não apenas as opiniões das pessoas presentes na sala. Ao fazer isso, eles esperam tornar o cuidado fisioterapêutico mais consistente, justo e eficaz para todos.