SES-RJ - Secretaria de Estado de Saúde do Rio de Janeiro — Prova 2026
Uma regressão logística ajustada em estudo observacional encontrou OR = 2,4 (IC 95%: 1,01-5,71) para tabagismo e doença periodontal. Qual crítica estatística se aplica ao caso?
IC 95% muito largo → baixa precisão da estimativa do efeito.
O intervalo de confiança (IC) reflete a precisão da estimativa; quanto mais amplo o intervalo, menor a precisão do estudo, geralmente devido a um tamanho amostral reduzido.
A interpretação correta de dados estatísticos é vital para a Medicina Baseada em Evidências. Ao analisar resultados de regressão logística, o médico deve olhar além do ponto central da estimativa (Odds Ratio) e avaliar a amplitude do Intervalo de Confiança. O IC fornece uma faixa de valores dentro da qual o verdadeiro parâmetro populacional provavelmente se encontra. Em provas de residência, é comum a cobrança sobre a 'precisão' (relacionada à largura do IC) versus 'significância' (relacionada ao fato de o IC cruzar ou não o valor 1). Um IC que toca ou cruza o 1 indica um resultado não significativo (p > 0,05), enquanto um IC que não cruza o 1, mas é muito extenso, aponta para uma amostra possivelmente insuficiente para uma conclusão robusta.
Um Intervalo de Confiança largo indica que a estimativa do efeito (como o Odds Ratio) possui baixa precisão. Isso geralmente ocorre quando o tamanho da amostra (n) é pequeno ou quando há muita variabilidade nos dados. Embora o resultado possa ser estatisticamente significativo (se o IC não incluir o valor de nulidade, que é 1,0 para OR), a incerteza sobre o valor real do efeito na população é alta, o que enfraquece a força da evidência gerada pelo estudo.
Neste caso, o Odds Ratio de 2,4 sugere que o grupo exposto (tabagistas) tem 2,4 vezes mais chances de apresentar o desfecho (doença periodontal) do que o grupo não exposto. Como o limite inferior do IC 95% (1,01) é maior que 1,0, o resultado é estatisticamente significativo ao nível de 5%. No entanto, como o limite superior chega a 5,71, o intervalo é considerado largo, indicando que o verdadeiro efeito pode ser muito pequeno (quase nulo) ou muito grande, demonstrando baixa precisão da análise.
Não. A regressão logística é uma técnica estatística usada para modelar a associação entre variáveis e permite o ajuste por fatores de confusão, mas, por si só, não prova causalidade, especialmente em estudos observacionais. A causalidade é inferida através de critérios epidemiológicos (como os Critérios de Hill), desenho de estudo adequado (como ensaios clínicos randomizados) e consistência biológica. A regressão logística apenas quantifica a força da associação estatística ajustada.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo