Dica do autor: O intervalo de confiança (IC) é a ferramenta que transforma um número vindo da amostra em uma faixa de plausibilidade para o parâmetro populacional. Em vez de dar um único valor pontual, o IC diz: “com X% de confiança, o verdadeiro valor está entre A e B” — isso reflete a incerteza amostral. A largura do IC é determinada pelo erro padrão (variabilidade da medida e tamanho da amostra) e pelo nível de confiança escolhido (95% é o mais usado). Quanto maior a amostra e menor a variabilidade, mais estreito o IC; escolher um nível de confiança maior (por exemplo 99% vs 95%) alarga o IC. Importante: interpretar IC é o pulo do gato — não é correto afirmar que, após observar os dados, há X% de probabilidade de que o parâmetro esteja naquele intervalo (essa afirmação é de caráter bayesiano). Em testes de hipótese, um IC que não contém o valor nulo (ex.: 0 para diferença de médias, 1 para razão de risco/odds) corresponde a resultado estatisticamente significativo ao nível associado ao IC (por exemplo, 95% CI e α=0,05), mas a relação entre sobreposição de ICs e significância exige cautela — comparação correta usa o erro padrão da diferença.

Alternativa A: INCORRETA. A afirmação inverte a relação. A amplitude do intervalo é um indicativo de imprecisão: quanto maior a amplitude, menor a precisão do estimador. A largura do IC aumenta com maior variabilidade na amostra e diminui com o aumento do tamanho amostral (pois o erro padrão cai). Também aumenta se você escolher um nível de confiança maior. Logo, amplitude grande = imprecisão, não maior precisão.

Alternativa B: CORRETA. Essa é a ideia central: o IC mostra o grau de incerteza associado à estimativa obtida na amostra, delimitando uma faixa de valores plausíveis para o parâmetro populacional. É a melhor forma, em estudos observacionais e experimentais, de comunicar não só o valor pontual, mas também a imprecisão associada a ele.

Alternativa C: INCORRETA. A interpretação proposta é muito simplista e pode induzir ao erro. A não sobreposição de ICs (especialmente 95%) geralmente indica diferença estatisticamente significativa entre estimativas, porém a sobreposição de intervalos NÃO garante ausência de diferença significativa. A comparação correta entre duas estimativas exige calcular o IC da diferença (ou usar o erro padrão da diferença); para estimativas independentes, o erro padrão da diferença é a raiz quadrada da soma dos quadrados dos erros padrões individuais. Assim, dois ICs podem se sobrepor e, mesmo assim, a diferença entre os pontos estimados ser significativa.

Alternativa D: INCORRETA. Intervalos de confiança são amplamente usados em estudos de coorte para estimar riscos, razões de risco, diferenças de risco e seus respectivos ICs. O qui-quadrado é apenas um teste de hipótese (útil para comparar proporções), mas não substitui a informação do IC, que apresenta magnitude e precisão do efeito. Ou seja, IC e testes (como qui-quadrado) são ferramentas complementares, não excludentes.

Alternativa E: INCORRETA. Nos estudos caso-controle, os ICs também são apropriados e amplamente utilizados — por exemplo, para estimar o odds ratio e seu IC. Mesmo em regressão logística e em análises estratificadas, o IC é a forma padrão de expressar a incerteza da estimativa. Dizer que são inadequados é um erro grosseiro.

Resposta: Alternativa B