Um dos problemas comuns enfrentados pelos leitores (e autores!) de artigos médicos está na interpretação da palavra “significância”. O termo “significância estatística” é muitas vezes mal interpretado como um resultado “clinicamente importante”. A confusão deriva do fato de que muitas pessoas equacionam “significado” com o seu significado literal de “importância”, enquanto que na estatística ela tem uma conotação muito mais restritiva. Este artigo explica a idéia de significância estatística e a diferencia da relevância ou importância clínica, que é um conceito totalmente diferente. No artigo anterior, nesta série, analisamos diferentes formas de expressar significância estatística (valores “P” versus intervalos de confiança). As medidas de significância estatística quantificam a probabilidade de os resultados de um estudo serem devidos ao acaso. A significância clínica, por outro lado, refere-se à magnitude do efeito real do tratamento (ou seja, a diferença entre os grupos intervenção e controle, também conhecida como “tamanho do efeito do tratamento”), que determinará se os resultados do estudo têm probabilidade de impactar a prática médica atual. O valor “P”, frequentemente usado para medir a significância estatística, é a probabilidade de que os resultados do estudo sejam devidos ao acaso, e não a um efeito real do tratamento. O corte convencional para que o valor “P” seja considerado estatisticamente significativo é de 0,05 (ou 5%). O que um P < 0,05 implica é que a possibilidade dos resultados de um estudo serem devidos ao acaso é <5%.
Na prática clínica, a “significância clínica” de um resultado depende de suas implicações sobre o tamanho do efeito da prática existente – sendo um dos fatores mais importantes que impulsiona as decisões de tratamento. LeFort sugere que o significado clínico deve refletir “a extensão da mudança, se a mudança faz uma diferença real nas vidas dos sujeitos, quanto tempo duram os efeitos, a aceitabilidade do consumidor, a relação custo-benefício e a facilidade de implementação”. Embora existam valores estabelecidos, tradicionalmente aceitos para os testes de significância estatística, isto é o que falta para avaliar a significância clínica. Na maioria das vezes, é o julgamento do clínico (e do paciente) que decide se um resultado é clinicamente significativo ou não.
A significância estatística depende muito do tamanho da amostra do estudo; com amostras grandes, mesmo efeitos de tratamento pequenos (que são clinicamente inconsequentes) podem parecer estatisticamente significativos; portanto, o leitor tem que interpretar cuidadosamente se essa “significância” é clinicamente significativa. Um estudo publicado no Journal of Clinical Oncology comparou a sobrevida global em 569 pacientes com câncer pancreático avançado que foram randomizados para receber erlotinibe mais gemcitabina versus gemcitabina sozinhos. Sobrevida mediana foi encontrada como “significativamente” prolongada no braço erlotinibe/gemcitabina (6,24 meses vs. 5,91 meses, P = 0,038). O P = 0,038 significa que há apenas 3,8% de chance de que esta diferença observada entre os grupos tenha ocorrido por acaso (que é menor que o corte tradicional de 5%) e, portanto, estatisticamente significativa. Neste exemplo, a relevância clínica deste estudo “positivo” é o “efeito do tratamento” ou diferença de sobrevida mediana entre 6,24 e 5,91 meses – apenas 10 dias, o que a maioria dos oncologistas concordaria ser uma “melhora” clinicamente irrelevante nos resultados, especialmente quando se considera a toxicidade adicionada e os custos envolvidos com a combinação.
A maioria dos periódicos agora endossa o uso da declaração CONSORT para relato de ensaios aleatórios de grupos paralelos, o que enfatiza a necessidade de relato do tamanho do efeito estimado e sua precisão (como intervalo de confiança de 95%) para cada resultado primário e secundário. Os leitores devem ter em mente que a interpretação dos resultados do estudo deve levar em conta a significância clínica, analisando o efeito real do tratamento (com intervalos de confiança) e não deve ser baseada apenas em valores “P” e significância estatística.