AO EDITOR,

No artigo de Rabahi et al.,(1) publicado no número 6 do volume 43 de 2017 do JBP, os autores concluíram que "As mudanças no tratamento [dose fixa combinada implantada pelo Ministério da Saúde] não impediram nem a diminuição na taxa de cura e nem o aumento do abandono e da [tuberculose multirresistente] TBMR; por outro lado, se associaram ao aumento de óbitos por tuberculose pulmonar durante o período do estudo". Considerando que essa assertiva publicada no principal meio de divulgação científica da Sociedade Brasileira de Pneumologia e Tisiologia pode ter grande repercussão não só na classe médica brasileira, mas também nos profissionais de saúde engajados na luta contra a tuberculose, gostaríamos que fosse também divulgada a presente carta no JBP. Sobre o estudo aqui mencionado,(1) cabem alguns comentários sobre questões metodológicas que certamente influenciaram as conclusões do mesmo.

Sabe-se que a avaliação do nível de evidência científica deveria ser uma atividade rotineira dos profissionais de saúde, mas diversas barreiras impedem que essa prática ocorra. Estudos de impacto das intervenções de programas de saúde pública requerem a aplicação de métodos específicos que considerem tanto a utilização de um delineamento de estudo apropriado como modelos teóricos causais bem construídos. Desde a descoberta do Mycobacterium tuberculosis como o agente causal da tuberculose, diversos modelos para a determinação da doença foram propostos.(2) Inicialmente, esses modelos eram unicausais, baseados apenas nesse agente etiológico. Contudo, os sucessivos fracassos no controle da doença implicaram o reconhecimento de uma vasta gama de possíveis determinantes da tuberculose, e os modelos unicausais foram substituídos por modelos complexos, que incluem, além dos aspectos relacionados ao agente, desde determinantes relacionados à pessoa com tuberculose até aqueles relacionados ao contexto social e programático que a cerca.(2) Modelos causais complexos também têm sido propostos para estudar intervenções. Assim, atribuir apenas ao novo tratamento uma relação de causa e efeito para os desfechos de uma intervenção é uma limitação conceitual importante, uma vez que desconsidera seu complexo multicausal, principalmente se estudos observacionais são propostos em substituição aos desenhos experimentais do tipo ensaio clínico randomizado ou até mesmo aos do tipo ensaio randomizado comunitário (em inglês, cluster randomized trial).

Por outro lado, a utilização de técnicas de análise de séries temporais interrompidas exige o cumprimento de algumas premissas, sendo a principal delas de que a única mudança que possa interferir no desfecho estudado no período seja a intervenção de interesse.(3,4) O artigo de Linden,(5) usado como referência pelos autores para o método, também reforça que é preciso cautela para a realização de inferências quando possíveis fatores de confusão, como políticas e programas concomitantes, variam no período estudado. Sabe-se que no período de estudo da investigação de Rabahi et al.(1) ocorreram outras mudanças importantes que poderiam afetar os desfechos de tratamento, como a falta da utilização do teste tuberculínico em toda a rede nacional; a própria melhoria no diagnóstico, com a implantação do Xpert MTB/RIF(6); e a crise econômica que afetava de forma desigual aquela população de maior risco para os desfechos desfavoráveis do tratamento devido a sua vulnerabilidade social.

Acrescenta-se à limitação da desconsideração de possíveis fatores de confusão o fato de que a implantação do tratamento não ocorreu de forma uniforme no Brasil, tendo alguns estados a iniciado precocemente e outros, mais tardiamente. No estudo de Rabahi et al.,(1) o período de intervenção não parece adequado, tendo em vista que o estudo que validou a implantação do tratamento padronizado na rede foi finalizado apenas em setembro de 2010, em cinco cidades pesquisadas.(7) Assim, durante a análise de dados, o ajuste da reta deveria considerar a heterogeneidade na adoção, aplicação, utilização do tratamento (se ele foi supervisionado ou não) e cobertura de saúde da família por município, assim como variáveis socioeconômicas.(8)

Cabe ainda considerar as inferências adotadas pelos autores, uma vez que não detectar a relação entre uma exposição e um desfecho não deveria ser interpretada por "não há relação entre eles". O estudo de Rabahi et al.(1) não conseguiu detectar o impacto do novo tratamento na cura e no abandono, e não é correto afirmar que "as mudanças no tratamento não impediram nem a diminuição na taxa de cura e nem o aumento do abandono", pois a incapacidade de constatar essa relação pode ser decorrente do baixo poder estatístico do estudo. Ademais, alguns resultados foram apresentados com um formato de difícil interpretação, como na sua Figura 2,(1) tendo em vista que há intervalos de confiança que incluem a nulidade, mas que apresentam valores de p menores que 0,05 (Figuras 2C e 2G). Ainda, a Figura 2G apresenta uma reta com inclinação positiva e estimativa negativa do parâmetro.

Assim, consideramos que importantes limitações metodológicas e interpretações equivocadas dos resultados levaram a conclusões com baixo nível de evidência científica, e a divulgação desse conhecimento sem crítica é incompatível com as boas práticas da saúde coletiva e da pesquisa na área da saúde.

REFERÊNCIAS,

1. Rabahi MF, da Silva Júnior JLRD, Conde MB. Evaluation of the impact that the changes in tuberculosis treatment implemented in Brazil in 2009 have had on disease control in the country. J Bras Pneumol. 2017;43(6):437-444. https://doi.org/10.1590/s1806-37562017000000004
2. Maciel EL, Reis-Santos B. Determinants of tuberculosis in Brazil: from conceptual framework to practical application. Rev Panam Salud Publica. 2015;38(1):28-34.
3. Penfold RB, Zhang F. Use of interrupted time series analysis in evaluating health care quality improvements. Acad Pediatr. 2013;13(6 Suppl):S38-44. https://doi.org/10.1016/j.acap.2013.08.002
4. Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. Int J Epidemiol. 2017;46(1):348-355. https://doi.org/10.1093/ije/dyw098
5. Linden A. Conducting interrupted time-series analysis for single-and multiple-group comparisons. Stata J. 2015;15(2):480-500.
6. Durovni B, Saraceni V, van den Hof S, Trajman A, Cordeiro-Santos M, Cavalcante S, et al. Impact of replacing smear microscopy with Xpert MTB/RIF for diagnosing tuberculosis in Brazil: A stepped-wedge cluster-randomized trial. PLoS Med. 2014;11(12):e1001766. https://doi.org/10.1371/journal.pmed.1001766
7. Braga JU, Trajman A. Effectiveness of RHZE-FDC (fixed-dose combination) compared to RH-FDC + Z for tuberculosis treatment in Brazil: a cohort study. BMC Infect Dis. 2015;15:81. https://doi.org/10.1186/s12879-015-0820-4
8. Maciel EL. Sales CM, Bertoldi A, Reis-Santos B. O Brasil pode alcançar os novos objetivos globais da OMS para o controle da TB? Rev Epidemiol Servico Saude. [Epub ahead of print]