Aula 3- BIOESTÁTICA E SEU AUXÍLIO NA DECISÃO TERAPÊUTICA

Prévia do material em texto

BIOESTÁTICA E SEU AUXÍLIO NA DECISÃO TERAPÊUTICA 
 
1 Noções de estatística e tamanho de efeito de tratamento 
Iniciaremos nossa discussão pelos principais tópicos da bioestatística. Esses 
itens incluirão detalhes sobre a realização de amostragem para um estudo, como 
realizar algumas análises, bem como entender a distribuição dos dados frente à 
população, os erros comuns na bioestatística e como analisar o tamanho do 
efeito dos tratamentos realizados. 
O conhecimento em estatística é fundamental para que o profissional de saúde 
seja capaz de avaliar a metodologia empregada nos estudos que utiliza para 
basear suas decisões terapêuticas. Além de ajudar nesta área, é válido para que 
este profissional conheça melhor os pacientes do serviço em que estiver 
inserido. 
Começaremos a nossa abordagem por um assunto de fundamental importância 
para a validade dos estudos científicos, que é a população estudada. Uma 
seleção criteriosa da população torna os estudos válidos, fazendo com que seus 
resultados possam ser extrapolados para a população de maneira geral, 
auxiliando assim na criação das evidências científicas. 
 
1.1 População 
População é um termo que define a totalidade das pessoas que apresentam 
algumas características em particular. Por exemplo, a população de brasileiros 
que têm queixas de dor lombar nos últimos seis meses (FIELD, 2009). 
Quando vamos realizar um estudo científico, torna-se impossível analisar toda a 
população de interesse. Como no exemplo anterior, é inviável que um 
pesquisador consiga avaliar todos os brasileiros que apresentam queixas de dor 
lombar. Deste modo, para a realização dos estudos, utiliza-se o processo de 
amostragem. 
 
 1.2 Amostragem 
A amostragem nada mais é do que a retirada de uma parte dos indivíduos da 
população de maneira aleatória. Para a realização de um estudo em dor lombar, 
então, o pesquisador deve selecionar uma quantidade de pessoas que 
apresentem esse sintoma de maneira arbitrária. 
Nesse caso, pode-se inferir que as características apresentadas pela amostra 
selecionada possa ser ampliada para a toda a população com a característica 
discutida. Dessa forma, o resultado do tratamento realizado nesta amostra 
representa os efeitos que ocorreriam se fosse realizado a mesma intervenção 
em todas as pessoas (FIELD, 2009). 
Quanto maior a amostra estudada, mais representativa da população ela é. 
Para a decisão do tamanho adequado da amostra para realização de um estudo 
científico, é necessário que se leve em consideração o tamanho da população. 
Quando falamos de dor lombar, por exemplo, que é um sintoma comum, a 
amostra para ser representativa deverá ser maior do que quando tratamos de 
alguma patologia rara, onde uma menor amostra já é representativa da 
população de maneira geral. 
Para uma seleção adequada da amostra, ainda é necessário um conhecimento 
prévio de características que possam interferir no resultado dos estudos. 
Essas peculiaridades podem ser: 
 o tempo que a pessoa possui determinado sintoma ou patologia; 
 a realização prévia de outros tratamentos; 
 a realização prévia de cirurgias; 
 ou ainda qualquer outra característica que possa causar confusão sobre a 
eficácia ou não da terapia selecionada para o estudo. 
O processo de amostragem pode ser probabilístico ou não probabilístico. 
 Amostragem probabilística 
É aquela em que todos os indivíduos da população têm igual chance de ser 
selecionados para fazer parte da amostra. 
 
 Amostragem não probabilística 
 
É aquela em que a amostra é recrutada por conveniência, por exemplo, em 
determinada localização geográfica, ou então são selecionados todos os pacientes de 
apenas um serviço de saúde existente na cidade. 
 
Deve-se ressaltar que, mesmo que a amostra seja não probabilística, a seleção 
para os grupos de estudos que possuam mais de um grupo deve ser realizada 
de maneira aleatória, por meio de sorteio, por exemplo, e não deve permitir 
que o pesquisador decida em quais grupos cada sujeito será alocado. 
É importante reforçar também que se selecionarmos diversas amostras 
aleatórias em uma mesma população, elas poderão apresentar algumas 
diferenças entre si. Porém, de maneira geral, os resultados devem ser bastante 
similares. 
Uma amostragem bem realizada pode ser o fator de diferença entre um estudo 
científico de alta ou baixa qualidade, já que ela interfere, diretamente, na 
capacidade de expandirmos ou não para a população os resultados encontrados 
(FIELD, 2009). 
2 Estatística simples: média, desvio padrão e 
erro padrão 
Agora, veremos sobre alguns conceitos de estatística simples, como média, 
desvio padrão e erro padrão, para que possamos interpretar melhor os 
resultados encontrados nos estudos, bem como para realizar descrições da 
amostra avaliada por meio da apresentação destes valores. 
A estatística simples, também chamada de estatística descritiva, é aquela 
que tem como objetivo apresentar uma visão geral da amostra avaliada. 
Costuma ser usada para apresentar dados referentes a características da 
população, como peso, altura, nível de dor, nível de função e outros dados 
que possam ser observados numericamente como características. 
2.1 Média 
A média, que é a principal medida descritiva, é um valor apresentado que 
apresenta uma medida de resumo dos dados. É obtida pela somatória dos 
valores encontrados, divididos pelo número de medidas. Esse valor foi 
criado para servir como modelo, que representa a população de maneira geral 
(FIELD, 2009). 
Quando observamos a amostra avaliada, pode ser que nenhum dos indivíduos 
apresente valores idênticos aos valores médios, porém, esse valor é o número 
encontrado na maioria da população. Espera-se que, mesmo dentro da amostra 
avaliada, as pessoas não apresentem grandes desvios da média. 
Porém, dentro de uma amostra, após encontrar-se o valor médio, pode-se avaliar 
o desvio que os indivíduos desta amostra apresentam deste valor, e a isso dá-
se o nome de desvio padrão. 
2.2 Desvio padrão 
O desvio padrão demonstra quão representativa da população é o valor 
encontrado naquela amostra. Valores pequenos, tendo como referência o valor 
médio, representam uma amostra que se assemelha à população e, portanto, os 
resultados encontrados no estudo podem ser extrapolados para a população em 
geral. Desvios padrões grandes, em comparação com o valor médio, 
demonstram que a amostra não é representativa da população de maneira geral, 
portanto, os resultados obtidos devem ser observados de maneira cuidadosa 
(FIELD, 2009). 
Além da média e do desvio padrão, outra medida importante a ser realizada e 
observada é o erro padrão. 
2.3 Erro padrão 
O erro padrão é obtido quando são retiradas várias amostras da população, são 
calculadas as médias de todas essas amostras e uma média geral de todos os 
indivíduos, como se fosse uma amostra única. Erro padrão é o desvio que cada 
média individual apresenta da média geral (FIELD, 2009). 
Como, normalmente, não retiramos várias amostras dentro de uma mesma 
população, os estatísticos elaboraram alguns cálculos que permitem que esses 
valores sejam inferidos, para que seja possível a obtenção do erro padrão em 
todos os estudos. 
O erro padrão é uma medida importante pois, da mesma maneira que o desvio 
padrão, ele é uma avaliação de quanto a amostra retirada é representativa da 
população geral. Assim, menores erros padrão, demonstram amostras mais 
representativas da população em geral (FIELD, 2009). 
3 Distribuição dos dados 
Agora vamos discutir sobre a distribuição dos dados e como isso influencia as 
análises realizadas, bem como qual é a importância disso nos estudos científicos 
e em suas análises de qualidade. 
Para analisarmos a distribuição dos dados em determinado estudo, devemos 
montar um gráfico, no qual são apresentadas as frequências com que os valores 
aparecem. Em um gráfico tido como ideal, os valores médios serão apresentados 
como mais frequentes, e estarão no centro do gráfico e o gráfico vai reduzindoa 
frequência de surgimento de valores conforme vai se afastando do valor médio. 
Esse gráfico apresenta a forma de um sino, e esse padrão de distribuição é 
chamado de distribuição normal (FIELD, 2009). 
Essa distribuição de dados é tida como a distribuição padrão, e espera-se 
sempre encontrá-la quando avaliamos uma amostra retirada e que seja 
representativa da população em geral. 
Podem ocorrer algumas distorções na apresentação dos dados como, por 
exemplo, a presença de assimetrias, quando os dados se apresentam 
distribuídos mais para a direita ou esquerda da média, porém, não centralizados 
como no caso da distribuição normal (FIELD, 2009). 
Outra situação que pode ocorrer é um achatamento da curva apresentada, o que 
se deve a um aumento no valor do desvio padrão, fazendo com que poucos 
dados se apresentem nos valores médios, e o gráfico seja menos vertical 
(FIELD, 2009). 
Em ambas as situações é importante observar a variabilidade encontrada nos 
dados apresentados, por meio do desvio padrão elevado. Isso pode ocorrer 
devido a características intrínsecas de algumas populações, como, por exemplo, 
as crianças. Elas passam por constantes modificações, inerentes ao 
desenvolvimento motor. Por isso, quando avaliamos alguma característica 
motora desta população, e inserimos uma ampla faixa etária, os dados 
apresentam maior variabilidade entre si. 
É importante reforçar que, caso isso ocorra, é interessante que seja repensada 
a estratégia de avaliação adotada. No caso das crianças, uma divisão por 
faixa etária pode auxiliar na redução da variabilidade encontrada nos dados e 
fazer com que eles se tornem mais representativos da população. 
Quando realizamos a leitura de estudos científicos, é importante a observação 
da normalidade dos dados, para que saibamos se os dados avaliados são 
realmente representativos da população avaliada e, portanto, seus resultados 
podem ser extrapolados além do estudo em questão (FIELD, 2009). 
3.1 Testes estatísticos 
Abordaremos agora os principais testes utilizados para apontar as diferenças 
estatísticas entre intervenções ou grupos de intervenção, e discutiremos um 
pouco a importância da correta utilização e interpretação dos resultados destes 
testes. 
Quando iniciamos a realização de uma pesquisa científica é fundamental que 
consigamos estabelecer a hipótese para o que iremos avaliar. Por exemplo: 
terapia manual reduz dor lombar? A partir da questão inicial, levantam-se então 
duas hipóteses: a hipótese principal e a hipótese nula. Neste caso, a hipótese 
principal é de que sim, a terapia manual reduz dor lombar, e a hipótese nula, é 
de que não, a terapia manual não reduz dor lombar. 
Nesses casos, após a seleção dos pacientes, randomização nos grupos 
tratamento e não tratamento e análise do desfecho principal do estudo, deve-se 
fazer um teste estatístico que aceite ou rejeite a hipótese nula (FIELD, 2009). 
A base matemática para realização dos testes de hipótese é de que o teste deve 
comprovar que o resultado não foi uma ocorrência ocasional, mas sim fruto do 
tratamento realizado. Os estatísticos têm como consenso o fato de que as 
ocorrências ocasionais acontecem em 5% dos casos. Deste modo, quando o 
valor encontrado se encontra dentro dos 95%, considera-se que a origem do 
resultado pode ser influenciada pelo tratamento, por exemplo (FIELD, 2009). 
Então rejeita-se a hipótese nula quando o p valor, que é o resultado da 
estatística, é menor ou igual 0,05. Esse valor também é chamado de nível de 
significância. 
O teste a ser realizado para aceitar ou rejeitar a hipótese nula vai depender do 
tipo de dado utilizado, da distribuição desse tipo de dado e da comparação que 
desejamos realizar. Dentre os testes mais comuns, quando a distribuição dos 
dados é normal, estão o teste de t student e a ANOVA. 
O teste de t student é utilizado para comparar duas amostras apenas. Essas 
amostras podem ser comparadas antes ou depois de um tratamento ou então 
pode ser feita uma comparação entre dois grupos depois do tratamento. 
Entretanto é permitida apenas uma comparação por vez, entre as duas 
amostras. 
A ANOVA também é utilizada para comparar as amostras, mas permite mais de 
uma comparação por vez ou a utilização de mais amostras. Então ela permite 
comparação entre o grupo antes, depois e follow-up do tratamento, por exemplo. 
Também permite comparação entre grupos diferentes, como por exemplo grupo 
que recebeu tratamento, grupo que recebeu placebo e grupo que não recebeu 
nenhuma das duas coisas. 
Existem diversos outros testes estatísticos que podem ser utilizados com 
outros objetivos, como por exemplo relacionar situações, definir quais 
preditores podem explicar um desfecho e comparar dados que não 
assumem os critérios de normalidade. 
Estes testes podem ser realizados em diversos programas que permitam 
análises estatísticas, porém seus resultados sempre serão semelhantes, 
permitindo aceitar ou rejeitar as hipóteses nulas. 
Discutiremos agora os principais erros estatísticos encontrados, e que podem 
influenciar diretamente no resultado dos estudos apresentados. 
3.2 Erros tipo I e tipo II 
Quando realizamos estudos científicos, visamos demonstrar, por meio de uma 
amostra da população, aquilo que ocorre com a população de maneira geral. 
Deste modo, quando lemos um estudo, devemos avaliar os detalhes que provem 
efetivamente que os dados podem ser extrapolados. 
Entretanto, existem dois principais erros que podem ser realizados durante os 
estudos que fazem com que esse princípio de extrapolar para a população de 
maneira geral não seja válido, e são eles os erros do tipo I e II (RODRIGUES, 
2017). 
 Erros do tipo I são aqueles nos quais encontramos um efeito que não 
existe (RODRIGUES, 2017). 
 Erros do tipo II são aqueles nos quais não encontramos um efeito que 
existe (RODRIGUES, 2017). 
Ambos os erros são graves, pois partem do princípio que o resultado 
encontrado não é fidedigno à realidade da população e ambos podem ser 
minimizados com as análises estatísticas corretas. 
Por convenção, o tipo mais grave de erro é o erro de tipo I, onde se encontra um 
efeito que não existe. Esse tipo de erro é o mais grave pois incorre no fato de 
realizarmos com os pacientes tratamentos que não funcionam, como se 
funcionassem. Esses casos podem ser graves, já que colocam os pacientes em 
risco de terem piora por inexatidão do tratamento (RODRIGUES, 2017). 
O erro do tipo II é menos grave apenas por não apontar diferença onde existe, 
então os pacientes não são efetivamente colocados em risco, mas podem deixar 
de terem um tratamento que seria efetivo. 
Os dois erros são inversos, portanto, quando minimizamos a ocorrência de um 
tipo de erro, estamos aumentando a possibilidade de incorrer no outro. Quando 
aumentamos o rigor das análises realizadas para deixar de incorrer no erro do 
tipo I, corremos o risco de incorrer no erro do tipo II, entretanto os pesquisadores 
optam por utilizar análises mais rigorosas, mesmo correndo esse risco, para 
evitar os erros de tipo I. 
Os erros são causados pela rigorosidade dos testes aplicados. Quando 
aplicamos um teste estatístico muito rigoroso, minimizamos a possibilidade da 
ocorrência de um erro do tipo I, porém aumentamos a possiblidade da ocorrência 
de um erro do tipo II. Caso o teste aplicado não seja rigoroso o suficiente, existe 
a possibilidade de que se ocorra o caso inverso. 
Deste modo, ao realizar a leitura de artigos científicos, devemos observar as 
análises com rigor, para garantir que não tenham havido erros e que não 
estejamos colocando nossos pacientes em risco com tratamentos que não serão 
efetivos. 
Na sequência, discutiremos o último item de bioestatística, que apontará como 
avaliar o tamanho dos efeitos apresentados nos tratamentos por meio das 
análises, e como devemos interpretar esses resultados durante a leitura dos 
estudos. 
 
3.3 Tamanho de efeito 
Como lemos nos tópicos anteriores, existem testes que são capazes de apontar 
a presençaou ausência do efeito em terapias testadas nos estudos científicos. 
Entretanto, a presença ou ausência de efeito não representa quão importante foi 
o efeito encontrado neste teste. 
É de fundamental importância que se consiga mensurar o real efeito das 
terapias, para que se possam selecionar as que apresentem maiores efeitos para 
a população estudada (FIELD, 2009). 
A principal maneira de apresentar-se o tamanho do efeito das terapias é por 
meio da utilização do d de Cohen (1988), que define o que é um efeito 
pequeno, médio e grande. A padronização dessa definição possibilita que os 
diferentes estudos realizados nas diversas partes do mundo possam ser 
comparados, além de pesquisas que apresentem diferentes técnicas, para 
seleção da melhor, já que possuem a mesma escala de grandeza do tamanho 
do efeito. 
Nessa padronização, efeitos de 0,10 são considerados pequenos, de 0,30 são 
considerados efeitos médios e 0,50 são considerados efeitos 
grandes (COHEN, 1988). 
 
O tamanho do efeito dos tratamentos é uma medida estatística que deve ser 
observada juntamente com a significância clínica dos resultados. Devem-se 
observar técnicas que aliem bons tamanhos de efeito e boas diferenças 
clinicamente relevantes. 
É fundamental que sempre que formos escrever um artigo científico nos 
lembremos de inserir o tamanho de efeito padronizado, para que ele possa 
ser comparado com os demais estudos existentes na literatura. Além disso, é 
importante, durante a leitura, que saibamos avaliar o tamanho do efeito - para 
garantir a qualidade da evidência apresentada pelo estudo -, bem como a sua 
real efetividade de utilização. 
O tamanho do efeito é uma avaliação importante, pois, quando se realiza 
uma revisão sistemática ou meta-análise, os tamanhos de efeito são 
verificados para que se possa avaliar o nível da evidência encontrada por 
determinado estudo. Além disso, como estas pesquisas agrupam diversos 
ensaios clínicos, a existência de uma medida padronizada de efeito possibilita 
a comparação de estudos diferentes e a junção de estudos 
semelhantes para aumentar o poder de discussão sobre determinado tópico. 
Aqui encerramos a parte relativa a conceitos específicos de bioestatística 
apresentados, e somos capazes de entender e executar as principais análises 
que são usadas nos estudos em saúde e, principalmente, nos estudos de 
fisioterapia. 
Na sequência, discutiremos quais são as maneiras de avaliar economicamente 
as práticas e técnicas fisioterapêuticas para auxiliar nas decisões clínicas, e 
otimizar a saúde baseada em evidências. 
 
4 Avaliação econômica das técnicas fisioterapêuticas 
Quando desejamos selecionar a técnica mais adequada em fisioterapia, diversas 
questões devem ser levadas em consideração. Dentro destes pontos está o 
custo destas técnicas para o paciente e para o sistema de saúde. Os conselhos 
regionais de fisioterapia apresentam tabelas padronizadas com o valor de 
diversos procedimentos fisioterapêuticos, mas será que só isso é suficiente? 
A resposta para essa questão é que muito provavelmente não. Afinal, o custo 
das técnicas envolve diversos fatores, como, por exemplo, a sua efetividade e 
a adesão do paciente ao tratamento. Muitas vezes, técnicas que tenham um 
alto custo, porém, que são mais efetivas, acabam, ao final do tratamento, 
custando menos que técnicas mais baratas, já que demandam uma menor 
quantidade de sessões, por exemplo. 
A seguir, iremos abordar os três principais pilares da prática baseada em 
evidências: as evidências científicas de qualidade, a expertise dos 
profissionais e a opinião do paciente, gerando adesão ao tratamento, para 
que possamos entender qual é a importância de cada um desses aspectos na 
avaliação econômica da prática fisioterapêutica e como eles podem influenciar, 
de maneira positiva, e otimizar os custos do cuidado em saúde. 
 
4.1 Evidência científica 
As evidências científicas de alta qualidade são o principal ponto da 
prática baseada em evidências. É por meio delas que é 
possível mensurar quais são as técnicas mais eficientes e para quais 
populações elas se aplicam. 
Quando tratamos de avaliar economicamente a viabilidade das técnicas, torna-
se importante entender quais são as mais efetivas para cada população. 
Conhecendo as principais evidências, deve-se sempre optar pela utilização das 
técnicas que apresentem maior efetividade para cada sujeito (LAW, 2008). 
O fisioterapeuta deve sempre se recordar de acessar revisões 
sistemáticas e meta-análises, que são os estudos que fornecem os melhores 
níveis de evidências científicas por agruparem e resumirem diversos estudos 
relacionados a um mesmo assunto. O profissional precisa ainda apresentar as 
principais características, por exemplo, das intervenções avaliadas, como 
frequência de realização, detalhes da execução e os principais resultados, bem 
como uma síntese sobre a recomendação ou não do uso das técnicas avaliadas. 
É importante, durante a avaliação dos estudos, que o fisioterapeuta seja capaz 
de identificar para qual população o estudo foi realmente desenhado. 
Muitas vezes, dentro de uma mesma patologia, existem algumas 
particularidades, que fazem com que determinadas técnicas sejam mais efetivas 
para um grupo de pessoas e outras técnicas sejam mais efetivas para outro 
grupo (LAW, 2008). 
Deste modo, avaliando-se corretamente a população da qual faz parte o paciente 
que deve ser tratado, e entendendo-se qual é a técnica que possui evidências 
de maior qualidade para esta população, é possível realizar a otimização do 
tratamento, fazendo com que este apresente um menor custo (ALMEIDA, 
2019). 
Pensando no sistema de saúde pública brasileiro, por exemplo, selecionar 
técnicas mais efetivas, fazem com que o paciente necessite de menos de tempo 
de tratamento, aumentando assim a rotatividade dos serviços de fisioterapia, 
possibilitando a abrangência de uma maior parte da população e reduzindo os 
gastos com o agravamento de uma série de patologias que poderiam ter sido 
resolvidas precocemente. 
Assim, é fundamental que não só os fisioterapeutas, mas os gestores em saúde 
sejam capazes de analisar as principais evidências científicas para que se possa 
otimizar o cuidado ao paciente. 
Outro ponto fundamental é que a utilização de técnicas com maiores evidências 
científicas evita o uso de técnicas empíricas, que possam ser danosas aos 
pacientes. Neste caso, também se evitam a possibilidade de agravamento de 
casos mais simples, o que faria com que o tratamento passasse a ser muito mais 
custoso, bem como se poupa a manutenção de pacientes por longos anos nos 
tratamentos de fisioterapia, que também apresentam um custo elevado. 
Agora, abordaremos mais um ponto da prática baseada em evidências para 
otimização do cuidado em saúde, que é a expertise do profissional que irá 
realizar o tratamento. 
4.2 Expertise profissional 
Para melhor utilização dos tratamentos e, consequente, otimização financeira, é 
fundamental que, além da utilização das técnicas com evidências de maior 
qualidade, o profissional que aplica a terapia seja aquele com maior 
expertise para utilização da técnica. 
Isso não quer dizer que profissionais recém-formados não sejam os mais 
adequados, apenas significa que os profissionais devem sempre utilizar, dentro 
das técnicas com maiores evidências, aquelas com as quais apresentem maior 
familiaridade (LAW, 2008). 
 
A utilização de técnicas mais familiares e usuais ao profissional, faz com que se 
minimize a possibilidade de erros ou utilização inadequada de quaisquer técnicas, que 
possam vir a ser danosas para o paciente, aumentando a necessidade de retornos ao 
tratamento ou de aumento na complexidade dos tratamentos realizados, o que 
aumentaria o custo para o sistema de saúde. 
Além disso, para o profissional, especializar-se em uma área faz com que realize os 
atendimentos mais complexos e específicos, aumentando também o rendimento 
destes profissionais especializados (LAW, 2008) 
 
Trabalhar com técnicasque sejam a expertise do profissional também trazem 
uma segurança de que o tratamento será executado com a menor quantidade 
de erros possíveis, evitando assim o risco de complicações que possam ocorrer 
e caso essas complicações ocorram, o profissional deverá ser capaz de resolver 
com o menor gasto e gerando a menor insegurança possível para o paciente. 
Também com relação ao profissional de fisioterapia, existe uma tabela 
padronizada pelos conselhos regionais, que discrimina os valores a serem 
cobrados por cada um dos atendimentos. Essa tabela discrimina as atividades 
de maneira detalhada, explicando quais devem ser os honorários mínimos 
cobrados por cada tipo de tratamento. 
Cabe reforçar então que o valor a ser cobrado deve partir da tabela de honorários 
pré-estabelecidos, mas deve cumprir com rigor as especificidades científicas, 
para que os pacientes também sejam beneficiados com a melhor prática clínica. 
A seguir, discutiremos o último ponto sobre a avaliação econômica dos 
tratamentos em fisioterapia, e que interfere diretamente nos custos dos 
tratamentos - a adesão dos pacientes. 
4.3. Adesão ao tratamento 
Quando estamos discutindo qualquer tratamento em saúde, devemos 
compreender que o cuidado deve ser sempre pensado em conjunto entre 
profissional e paciente. 
Isso tem como objetivo garantir que o paciente seja capaz de decidir ativamente 
quais são os tratamentos que está disposto a aceitar ou a rejeitar e, com 
isso, garantir que o paciente seja capaz de aderir, da melhor maneira 
possível, ao tratamento. 
A adesão ao tratamento é, possivelmente, a parte mais importante de 
qualquer intervenção realizada em saúde. O paciente ou a sua família, no caso 
de pessoas que não sejam capazes de tomar decisões, devem ser ativamente 
consultados em situações que envolvam o cuidado com a sua saúde. 
Esse tipo de envolvimento faz com que os pacientes entendam que o cuidado 
deve ser um acordo de corresponsabilidade entre profissionais e pacientes, e 
que os tratamentos só obterão bons resultados caso os pacientes sigam todas 
as recomendações, e realizem tudo aquilo que for a parte do paciente no 
cuidado. 
Cabe o reforço de que, no caso de crianças, a partir do momento em que elas 
são capazes de expressar suas opiniões, também devem ser ouvidas para a 
decisão do melhor tratamento a ser seguido. Sugere-se que sejam inseridos, 
durante a terapia, atividades que possuam bons níveis de evidência científica e 
que também sejam agradáveis para os pequenos. 
Quando pensamos em custos ao sistema de saúde, decidir conjuntamente 
com o paciente qual tratamento será realizado, dentre aqueles com melhores 
evidências científicas, garante que a intervenção seja realizada de maneira 
integral, com menores índices de desistência, e faz com que o paciente 
apresente melhoras clínicas sem complicações ou agravamentos do quadro 
apresentado (LAW, 2008). 
Essas melhoras clínicas, quando a patologia é resolvida logo no seu início, 
podem representar: 
 menores necessidades de internações por longos períodos; 
 menos necessidade de realizações de tratamentos extremamente complexos; 
e 
 redução dos custos gerais para o sistema de saúde. 
Além disso, por conta do aumento da adesão ao tratamento e da ampliação do 
número de resoluções das patologias, os pacientes não necessitam de 
tratamento por períodos longos, fazendo com que a rotatividade dos serviços 
possa aumentar, otimizando os cuidados em saúde. 
Deve-se recordar sempre que o sistema de saúde necessita de otimização para 
que seja sempre acessível para a população que dele necessita. Assim, 
entender como favorecer os tratamentos para reduzir os custos é uma medida 
que aumenta a efetividade não só para os pacientes tratados, mas também para 
todos os usuários deste sistema. 
Deste modo, no último tópico da unidade, pudemos aprender um pouco mais 
sobre algumas maneiras de avaliar economicamente as técnicas 
fisioterapêuticas, bem como a maneira como podemos otimizar os gastos em 
serviços de saúde, tornando-os mais eficientes e abrangendo um maior número 
de pacientes. 
 
REFERÊNCIAS 
ALMEIDA, M. O. et al. Allocation concealment and Intention-to-treat analysis do 
not influence the treatment effects of physical therapy interventions in low back 
pain trials: a meta-epidemiologic study. Archives of physical medicine and 
rehabilitation, v. 100, p. 1.359-1.366, 2019. 
COHEN, J. Statistical Power Analisys for the Behavioral Sciences. 2. ed. 
Hillsdale: Lawrence Erlbaum Associates, 1988. 
FIELD, A. Descobrindo a estatística usando o SPSS. 2. ed. Porto Alegre: 
Artmed, 2009. 
LAW, M.; MACDERMID, J. Evidence-based rehabilitation: a guide to pratice. 
2. ed. Thororafe: Slack Incorporated, 2008. 
RODRIGUES, C. F. S. et al. Importância do uso adequado da estatística básica 
nas pesquisas clínicas. Revista Brasileira de Anestesiologia, v. 67, 2017.