Como a gente lê um estudo

Análise de subgrupos: quando acreditar

Num ensaio interrompido por dano, a interação entre índice de massa corporal e alvo de pressão tinha p = 0,15. Depois de escolher cinco covariáveis para o modelo, passou a p = 0,02. Mesmos pacientes, mesmos desfechos, mesma coleta. O que mudou foi o modelo.

Em 1 minuto

O que é, e a armadilha

Uma análise de subgrupos pergunta se o efeito do tratamento é o mesmo em todo mundo ou se depende de alguma característica do paciente — idade, gravidade, sexo, um exame. É uma pergunta legítima e clinicamente a mais interessante que existe, porque é a pergunta do leito: serve para o meu paciente?

A armadilha tem duas metades. A primeira é de contagem: se um ensaio testa quinze subgrupos, é esperado que um deles apareça "significativo" por acaso, mesmo que o tratamento tenha exatamente o mesmo efeito em todos. A ilustração mais famosa está no próprio ISIS-2, cujos investigadores dividiram os pacientes por signo do zodíaco e mostraram que a aspirina "não funcionava" em geminianos e librianos — para deixar claro o que uma análise de subgrupos pode produzir quando se procura o suficiente.

A segunda metade é de lógica, e é a que mais engana o leitor apressado: "significativo num grupo e não no outro" não é evidência de que o efeito difere entre os grupos. O teste certo não é olhar dois resultados separados — é testar a diferença entre eles, o teste de interação.

O que é teste de subgrupo e o que não é

Ilustração didática, sem números: as duas primeiras linhas são os efeitos estimados dentro de cada subgrupo. O primeiro exclui a ausência de efeito, o segundo não — e é aí que o leitor costuma concluir, erradamente, que o tratamento funciona em um e não no outro. A terceira linha é o que de fato testa a pergunta: a diferença entre os dois efeitos, com a sua própria incerteza. Repare que ela é sempre mais larga que as duas de cima, porque carrega o erro das duas somado. É por isso que a maioria das análises de subgrupo não tem poder para detectar interação nenhuma.

Ilustração didática própria. Não representa dados de nenhum estudo.

No plantão

Como isso apareceu na análise do OPTPRESS

O OPTPRESS é um ensaio japonês em 29 centros que sorteou idosos com choque séptico para alvo de pressão arterial média de 65–70 ou de 80–85 mmHg, e foi interrompido precocemente porque o alvo alto se associou a mais mortes. Quando um ensaio para por dano, perguntar quem pagou a conta é legítimo. A análise desta edição procurou esse grupo no índice de massa corporal.

Comece pelo que está certo, porque é bastante. O IMC é característica do paciente medida antes do sorteio — não é consequência do tratamento. A randomização do ensaio-mãe está preservada: dentro de cada faixa de IMC, o alvo de pressão continua sendo sorteado. Os autores declaram a análise como post-hoc e exploratória logo na primeira limitação, apresentam os resultados com e sem ajuste, e tratam o IMC também como variável contínua, em splines, além das três caixas. Isso é mais transparência do que a média da literatura oferece.

E agora o que torna o achado frágil.

Análise	Sem ajuste	Com ajuste
Interação IMC ≥ 23 × alvo de PAM	p = 0,15	p = 0,02
Mesma interação, corte alternativo de IMC ≥ 25	p = 0,18	p = 0,03
Pacientes por célula	61 a 105
Desfecho	mortalidade em 90 dias

O ajuste foi por idade, sexo, APACHE II, escala de fragilidade clínica e sítio de infecção. São covariáveis razoáveis, e ajustar por preditores fortes do desfecho num ensaio randomizado é prática legítima — aumenta a precisão. O problema não é ajustar. É a significância depender de ter ajustado. Os próprios autores escrevem que a significância "variou com o ajuste de covariáveis" e alertam para instabilidade do modelo e confusão residual. Um achado que atravessa a fronteira dos 0,05 conforme se escolhe o que entra no modelo é, por construção, um achado que o modelo está sustentando — e não o dado.

Some-se o tamanho: entre 61 e 105 pacientes por célula, com mortalidade em 90 dias como desfecho. Com esses números, estimativas instáveis são a regra, não a exceção.

Ajustar não é o pecado. O pecado é a conclusão mudar de lado conforme o ajuste — e o leitor só ficar sabendo do lado que foi publicado no resumo.

Para ir fundo

Por que interação é difícil, e a lista de credibilidade

O problema de poder

Ensaios são dimensionados para detectar o efeito médio. Detectar que esse efeito difere entre dois subgrupos exige muito mais: para uma interação do mesmo tamanho do efeito principal, a regra de bolso é que se precisa de aproximadamente quatro vezes a amostra. Como quase nenhum ensaio é dimensionado assim, segue-se uma consequência desconfortável e simétrica: a maioria das análises de subgrupo não tem poder para encontrar interação verdadeira — e, quando encontra uma, há boa chance de que o tamanho do efeito encontrado esteja superestimado, porque só os achados grandes o bastante cruzam o limiar.

Categorizar uma variável contínua custa caro

Cortar o IMC em três caixas joga fora informação e faz o resultado depender de onde os cortes caíram. Por isso a análise em splines, que trata o IMC como contínuo, vale mais que as caixas. No OPTPRESS ela mostra relação não linear no braço de alvo alto (p = 0,007) e linear no alvo habitual (p = 0,75), com interação global p = 0,047 — fracamente consistente com as caixas, e com um p que também encosta no limiar.

A lista que decide se vale acreditar

Existem instrumentos formais para isso — o ICEMAN é o mais usado hoje para julgar a credibilidade de análises de modificação de efeito. As perguntas que importam são estas:

Foi pré-especificada? Antes de ver os dados, com hipótese e direção declaradas — ou depois, procurando?
Quantos subgrupos foram testados? Um subgrupo entre dois é uma coisa; um entre vinte é outra.
Houve teste de interação? Ou o artigo apenas mostra que um grupo foi significativo e o outro não?
A direção foi prevista de antemão? Hipótese formulada antes pesa mais que explicação construída depois do resultado.
Há plausibilidade biológica independente do achado? E ela foi proposta antes ou inventada para caber?
O padrão se repete em desfechos relacionados? Uma interação real tende a deixar rastro em mais de um desfecho.
Foi replicada? Em outro ensaio, em outra população. É o critério mais forte e o mais raro.
É robusta a escolhas analíticas? Se muda com o ajuste, com o corte da variável ou com o modelo, a resposta é não.

Pelo conjunto dessas perguntas, o achado do OPTPRESS é gerador de hipótese, e os próprios autores o apresentam assim. O que ele não é: motivo para mudar conduta.

Uma camada extra, que é a mais fácil de esquecer

Mesmo que a interação fosse sólida, restaria a pergunta da transportabilidade. Neste estudo, "IMC maior" começa em 23 kg/m², porque foram usados cortes asiáticos, e apenas 3,3% dos pacientes tinham IMC de 30 ou mais, numa população em que 98,1% eram japoneses. Na classificação que usamos todos os dias, 23 é peso normal. Um subgrupo definido por um corte que significa outra coisa na nossa população não atravessa a fronteira — mesmo quando a estatística está impecável.

A pergunta "em quem funciona?" é a melhor pergunta da medicina baseada em evidência. É também a que a estatística tem menos condições de responder com o tamanho das amostras que temos.

Como interpretar na prática

Procure o p de interação, não os p de cada grupo. Se o artigo não traz teste de interação, a comparação entre subgrupos não foi feita — foi apenas sugerida pela diagramação da tabela.
Pergunte quantos subgrupos foram olhados. O denominador raramente aparece no resumo, e é ele que decide quanto vale o numerador.
Veja se o resultado sobrevive ao ajuste — nos dois sentidos. Achado que só existe depois do ajuste e achado que só existe antes dele merecem a mesma desconfiança.
Prefira a análise contínua à categorizada. Splines ou termo de interação com a variável contínua dizem mais que três caixas, e não dependem de onde o corte caiu.
Conte os pacientes por célula, não no estudo todo. Um ensaio de 500 pacientes com seis células tem células de 80 — e é o número da célula que governa a incerteza.
Separe "não demonstrou diferença" de "demonstrou ausência de diferença". Com o poder típico de uma análise de subgrupos, a primeira frase é quase sempre a verdadeira.
Confira o que o corte significa na sua população. Pontos de corte de IMC, de creatinina, de idade e de gravidade não são universais. Um subgrupo só é o seu paciente se o critério que o define também for.

Onde isso apareceu na newsletter

Edição nº 4 · 11 de outubro de 2026

O dano de perseguir pressão alta no idoso com choque séptico se concentra em quem tem IMC maior? — todos os números desta página vêm daqui, inclusive os dois pares de p com e sem ajuste. Ler a análise

Este texto foi preparado com apoio de inteligência artificial para redação e checagem, nos termos da Resolução CFM nº 2.454/2026, e revisado integralmente pelo editor responsável, que responde pelo conteúdo. Os números são do texto completo de Shimazui T et al., Ann Intensive Care 2026;16:100157 (DOI 10.1016/j.aicoj.2026.100157), lido em acesso aberto. A figura é ilustração didática própria, sem dados de estudo e sem reprodução de figura de artigo. O exemplo do ISIS-2 e o instrumento ICEMAN são citados como referências conhecidas da literatura metodológica, sem reprodução de dados. Finalidade educacional; não substitui a leitura dos artigos originais nem o julgamento clínico individual. O editor declara não possuir conflitos de interesse.