Dados ausentes não são automaticamente fracassos nem resultados neutros. Toda análise precisa fazer suposições sobre o que não foi observado; a transparência está em mostrar as perdas, explicar o método e testar se a conclusão muda sob cenários plausíveis.
Mapa de leitura
Do fluxo de participantes à robustez da conclusão
Uma porcentagem isolada não basta: a interpretação depende de localização, motivo, método e sensibilidade.
Contagem
Quantas pessoas foram randomizadas, avaliadas e incluídas em cada análise?
Momento
A ausência ocorreu durante a intervenção, no desfecho principal ou no seguimento tardio?
Motivo
As razões diferem entre grupos ou podem estar ligadas a benefício, desconforto ou logística?
Método
Como a análise tratou os valores não observados e quais suposições fez?
Sensibilidade
A conclusão permanece semelhante sob outras suposições plausíveis?
Perda de seguimento e dado ausente não são sinônimos perfeitos
Uma pessoa pode interromper sessões e ainda responder às avaliações; também pode permanecer no estudo e deixar uma escala incompleta. Por isso, fluxograma de participantes, adesão à intervenção e disponibilidade do desfecho devem ser lidos separadamente.
O CONSORT recomenda informar, por grupo, quantas pessoas têm dados ausentes para cada desfecho, por que os dados faltam e como essas ausências foram tratadas. A porcentagem no final do estudo não revela sozinha onde a informação se perdeu.
Por que o motivo da ausência importa
Se alguém falta a uma avaliação por mudança de cidade, a relação com o resultado pode ser diferente da ausência após piora, desconforto ou percepção de pouco benefício. Motivos vagos, como “retirada”, escondem informações relevantes quando não são detalhados.
Perdas semelhantes em número também podem ter significados diferentes entre braços. Um grupo pode perder participantes por carga logística e outro por eventos indesejados; somar ambos como simples ausência impede avaliar possível viés.
Os dados que faltam exigem suposições
Métodos estatísticos não recuperam a resposta verdadeira de uma pessoa que não foi medida. Eles estimam resultados a partir de dados observados e de uma suposição sobre o mecanismo de ausência.
A orientação da EMA destaca que não existe um método universalmente melhor. Prevenir ausências, continuar coletando desfechos mesmo após interrupção da intervenção e planejar a análise são medidas mais fortes do que tentar reparar o problema apenas no final.
Casos completos podem mudar a comparação original
Analisar apenas quem forneceu todos os dados parece simples, mas pode excluir participantes de modo relacionado ao tratamento ou ao resultado. Isso reduz a precisão e pode quebrar o equilíbrio criado pela randomização.
A expressão “intenção de tratar” também não resolve a questão se os desfechos continuarem ausentes. É necessário saber quem foi incluído, quais valores estavam disponíveis e que modelo ou imputação foi aplicado.
Imputação não transforma ausência em certeza
Carregar a última observação adiante, substituir pela média ou usar imputação múltipla envolve pressupostos diferentes. Nenhum nome técnico garante que a escolha seja adequada ao desenho e ao motivo das perdas.
Relatos responsáveis descrevem o método, as variáveis usadas e a incerteza adicional. Uma análise principal baseada em pressupostos razoáveis deve ser acompanhada por análises de sensibilidade que investiguem cenários alternativos.
Análise de sensibilidade testa a fragilidade
Uma análise de sensibilidade pergunta se a conclusão sobreviveria caso as pessoas sem dados tivessem, dentro de limites plausíveis, resultados menos favoráveis ou diferentes dos participantes observados. Se pequenas mudanças invertem a conclusão, o achado é frágil.
O relatório da National Research Council disponibilizado pela FDA recomenda declarar explicitamente as suposições sobre dados ausentes e examinar a sensibilidade das inferências. O objetivo não é escolher o cenário mais favorável, mas tornar visível quanto depende do que não foi medido.
Por que isso merece atenção em estudos psicodélicos
Pesquisas psicodélicas podem ter amostras pequenas, acompanhamento intensivo e avaliações subjetivas. Poucas ausências podem pesar mais na estimativa, especialmente no seguimento mais longo, e razões relacionadas à experiência podem não ser aleatórias.
Resultados observados entre participantes que continuam respondendo não devem ser automaticamente generalizados para todas as pessoas inicialmente randomizadas. A diferença entre efeito no fim da intervenção e manutenção posterior precisa conservar o denominador e as perdas de cada momento.
Um roteiro prático para a leitura
Comece pelo diagrama de fluxo e pela tabela de cada desfecho. Compare randomizados, avaliados e analisados em cada braço. Depois leia motivos, protocolo estatístico e análises de sensibilidade antes de aceitar frases como “efeito mantido”.
Uma revisão de orientações metodológicas propôs que autores relatem quantidade, razões, diferenças entre participantes com e sem dados e implicações para viés. Essas informações não eliminam incerteza, mas permitem julgá-la.
- O número analisado aparece para cada grupo e cada momento?
- As razões das ausências são específicas e equilibradas?
- A coleta continuou após a interrupção da intervenção quando possível?
- O método de análise e suas suposições estão explícitos?
- Cenários alternativos preservam ou mudam a conclusão?
Como a Inner Lumina comunica incerteza
O princípio editorial é manter o denominador ao lado do resultado e não tratar participantes ausentes como se fossem iguais aos observados. Perguntas usadas na leitura são: “quem ficou sem medida?”, “por qual motivo?” e “a conclusão depende de uma suposição favorável?”.
A Inner Lumina não oferece serviço médico, psicológico ou psiquiátrico e não vende, fornece, administra ou acompanha o uso de substâncias. Este material não orienta obtenção, dose, uso ou mudança de medicamentos e não substitui cuidado clínico ou de emergência.
Perguntas frequentes
Toda desistência conta como resultado negativo?
Não. A razão pode ou não estar relacionada ao resultado. O estudo deve registrar motivos e testar como diferentes suposições afetam a conclusão.
Existe uma porcentagem aceitável de perdas?
Não há corte universal que torne o problema seguro. Importam número, diferença entre grupos, momento, motivo, tamanho da amostra e robustez das análises.
Imputação resolve dados ausentes?
Ela permite uma análise sob determinadas suposições, mas não recria o valor verdadeiro. Métodos e análises de sensibilidade precisam ser relatados.
O que devo procurar num artigo?
Fluxo por braço, denominadores em cada momento, razões de ausência, método estatístico, pressupostos e análises de sensibilidade.
Fontes consultadas
- EMA — diretriz sobre prevenção, análise e interpretação de dados ausentes em ensaios confirmatórios.
- National Research Council/FDA — prevenção e tratamento de dados ausentes em ensaios clínicos.
- CONSORT 2025 — relato de fluxo, dados ausentes, pressupostos e análises de sensibilidade.
- Akl et al. (2015) — guia baseado em levantamento metodológico para relatar dados ausentes.
Continue a leitura
- Guia completo de integração psicodélica
- Preparação e integração sem substâncias
- Como interpretar a duração dos resultados
- Como ler eventos adversos em pesquisas psicodélicas
- Como interpretar análises de subgrupos
Consulta inicial
Precisa organizar sua situação com responsabilidade?
O primeiro encontro esclarece a necessidade, os limites do serviço e se o acompanhamento de preparação ou integração é adequado para este momento.

