Dica do autor: Ao interpretar estudos que avaliam desfechos binários como morte por COVID-19 usamos medidas de efeito (RR, OR, HR) cujo valor nulo é 1. A estimativa pontual (a bolinha ou traço pontilhado) é o melhor palpite do efeito; o intervalo de confiança (barra horizontal) diz o quanto essa estimativa é precisa. Se o intervalo inclui 1, não há evidência estatística de efeito — pode haver benefício, dano ou nenhum efeito; se não inclui 1, temos evidência mais consistente de benefício (1). O “pulo do gato” na leitura rápida é olhar a largura do intervalo: intervalo largo = imprecisão = geralmente poucos eventos/pequeno tamanho amostral; intervalo estreito = estimativa precisa = geralmente maior número de eventos/amostra maior. Assim, sem entrar em detalhes numéricos, a diferença de precisão entre dois estudos costuma refletir diferença no tamanho amostral ou no número de eventos observados.

Alternativa A: INCORRETA. Dizer que o estudo A evidenciou que o tratamento pode piorar o desfecho implicaria que sua estimativa pontual e o intervalo de confiança estejam inteiramente no lado de dano (valores >1) e sem cruzar a linha de nulidade. Na figura, embora a estimativa pontual do estudo A possa estar deslocada, o seu intervalo cruza a linha de nulidade (1), ou é suficientemente próximo dela, o que impede concluir que há evidência consistente de piora. Em resumo: um ponto estimativo sozinho não basta — é preciso que o IC não inclua a nulidade para afirmar dano.

Alternativa B: INCORRETA. A afirmação de que o estudo B descartou o benefício significaria que seu intervalo de confiança excluiu toda a região de benefício (valores <1), isto é, mostrou com precisão que não há benefício. Na prática, o estudo B apresenta um intervalo bem largo que atravessa a linha de nulidade, o que demonstra alta imprecisão e impossibilita “descartar” benefício. Pelo contrário: um IC amplo abre espaço tanto para benefício quanto para dano; não dá para eliminar a possibilidade de efeito beneficente.

Alternativa C: CORRETA. A conclusão mais plausível ao olhar os gráficos é que o estudo B tem intervalo de confiança muito mais largo que o estudo A, indicando menor precisão. Menor precisão costuma decorrer de menor número de eventos e/ou menor tamanho amostral. Portanto, afirmar que o estudo B provavelmente tem menor tamanho amostral (ou menos eventos) do que o estudo A é a interpretação correta e lógica com base na largura dos ICs mostrados.

Alternativa D: INCORRETA. Dizer que os estudos têm resultados divergentes implicaria direções opostas de efeito (um indicando benefício e outro dano) ou evidências conflitantes. Na figura, os pontos estimativos não apontam claramente direções opostas e, além disso, pelo menos um dos estudos tem IC que cruza a nulidade, o que significa que não há evidência conflitante robusta — apenas diferenças de precisão. Portanto não se pode afirmar que haja divergência de resultados no sentido de conclusões opostas.

Resposta: Alternativa C