Dica do autor: Quando temos várias variáveis dependentes métricas e queremos avaliar simultaneamente o efeito de uma ou mais variáveis independentes categóricas (por exemplo, tratamentos, níveis de exposição ou grupos experimentais), o caminho é usar análise multivariada. O pulo do gato aqui é entender que, ao analisar cada desfecho separadamente com testes univariados, perdemos informação sobre a correlação entre os desfechos e aumentamos o risco de erro tipo I. Ferramentas como MANOVA (e suas variantes, por exemplo MANCOVA quando há covariáveis), análise canónica ou análise discriminante permitem testar hipóteses sobre o conjunto de desfechos de uma vez só, produzindo estatísticas multivariadas (Wilks' lambda, Pillai, Hotelling) e considerando a estrutura de covariância entre as variáveis dependentes. Essas técnicas têm premissas específicas — normalidade multivariada, homogeneidade das matrizes de covariância, independência das observações e amostra adequada em tamanho — e exigem interpretação cuidadosa: a significância multivariada indica que, no conjunto, os grupos diferem, mas é preciso examinar as variáveis individuais e as direções dos efeitos para saber onde está a diferença.

Alternativa A: INCORRETA. Randomização é uma estratégia de desenho experimental para alocar sujeitos aos grupos de forma a controlar vieses e distribuir confusores de maneira balanceada. É essencial para validade interna, especialmente em ensaios clínicos, mas não é um método de análise para explorar simultaneamente múltiplas variáveis dependentes métricas. Ou seja, randomizar melhora o estudo, mas não substitui a técnica estatística multivariada necessária para testar vários desfechos ao mesmo tempo.

Alternativa B: INCORRETA. Estratificação consiste em dividir a amostra em estratos (por exemplo, por faixa etária ou grau de risco) para controlar confusão ou para aumentar precisão em estimativas estratificadas. Na análise, pode-se ajustar por estrato ou usar técnicas estratificadas (Mantel–Haenszel, análises por subgrupos), mas isso não é uma técnica para avaliar simultaneamente várias variáveis dependentes métricas — é uma estratégia de controle de confusão e desenho/agrupamento, não uma análise multivariada de desfechos múltiplos.

Alternativa C: CORRETA. Análise multivariada é exatamente o conjunto de técnicas apropriadas quando se trabalha com duas ou mais variáveis dependentes métricas simultaneamente e com variáveis independentes categóricas. MANOVA/MANCOVA testam diferenças multivariadas entre grupos levando em conta as correlações entre desfechos; análise canónica explora relações lineares entre dois conjuntos de variáveis; análise discriminante identifica funções que melhor separam grupos. No fim das contas, é a resposta que “bate o olho e sabe”: queremos avaliar o efeito conjunto sobre vários desfechos, e a abordagem multivariada é a adequada, desde que suas premissas sejam verificadas.

Alternativa D: INCORRETA. Padronização refere-se a ajustar medidas (normalmente taxas ou proporções) para uma estrutura de confusão — por exemplo padronizar taxas por idade para comparação entre populações com pirâmides etárias diferentes. É uma técnica de ajuste/controle para comparações entre grupos, não uma ferramenta para analisar, de maneira conjunta, múltiplas variáveis dependentes métricas. Portanto, não atende ao problema colocado na questão.

Resposta: Alternativa C