Na pesquisa, o valor que reflete 'sem efeito' geralmente é 0 ou 1.0. Assim, como o teste de significância tradicional, se 0 ou 1.0 estiver dentro do intervalo de confiança (IC), não há diferença significativa entre os tratamentos. Se 0 ou 1.0 estiver fora do IC, há uma diferença significativa entre os tratamentos. Mas os ICs nos dizem mais do que 'significado estatístico'. Eles nos dão uma ideia dos menores e maiores efeitos que provavelmente são dados aos dados observados e transmitem alguma ideia de precisão. ICs estreitos geralmente surgem em grandes estudos que têm um 'poder' razoável para detectar um efeito, portanto, as estimativas do efeito verdadeiro englobadas por eles são bastante precisas. Por outro lado, ICs amplos geralmente surgem em pequenos estudos que têm baixo poder para detectar um efeito, portanto, as estimativas de efeito verdadeiro englobadas por eles são bastante imprecisas e fornecem informações limitadas (como no desenho de Garfield).
Resultados inventados: “A diferença na duração da analgesia pós-operatória após ATJ foi maior para pacientes que receberam ropivacaína injetada no espaço da ferida intra-articular do que no espaço da ferida extra-articular [6.0 h (IC 95% 1.1 – 10.9 h)].” Na amostra estudada, a diferença na duração da analgesia pós-operatória foi estimada em 6 horas (em favor da intraarticular). Se esse efeito fosse verdadeiro, estaríamos 95% confiantes de que o IC calculado a partir desta amostra (1 a 11 horas) o contém. Alguns leitores podem achar que a diferença de 6 horas é de mínima importância para seus pacientes; além disso, o limite inferior de 1 hora pode reforçar a conclusão de que a abordagem intra-articular é de pouco interesse clínico. Outros podem achar que o IC é um pouco amplo. Eles podem se preocupar com a precisão do estudo e podem questionar a precisão da diferença estimada de 6 horas derivada da amostra estudada. Mas isso é “tudo bem” porque os ICs fornecem estimativas de efeito e precisão que estimulam esse tipo de pensamento entre pesquisadores e clínicos; valores p não podem.
No próximo mês, estatísticas em pequenas doses irão recapitular a importância de uma boa coleta e gerenciamento de dados, particularmente aqueles “pontos quentes” estatísticos que podem causar estragos na análise e interpretação estatística.
