Dica do autor: O erro tipo II, também chamado de falso negativo, é quando um estudo falha em detectar um efeito que de fato existe. Em termos estatísticos, representamos esse risco pela letra beta (β); a potência do estudo é 1 − β e indica a probabilidade de identificar corretamente um efeito verdadeiro. Os principais determinantes do erro tipo II são o tamanho do efeito real, o tamanho da amostra, a variabilidade dos dados e o nível de significância adotado. Se a amostra for pequena, ou se a diferença verdadeira for discreta e o ruído dos dados for grande, o estudo pode não ter poder suficiente para "enxergar" o efeito — mesmo que o tratamento funcione na prática. Por isso, calcular o tamanho amostral com base em uma potência adequada (geralmente 80–90%) e em estimativas realistas do efeito é o pulo do gato para evitar perder descobertas importantes; além disso, planejar análises, reduzir variabilidade e evitar perdas e vieses também ajuda a reduzir β. No fim das contas, errar por excesso de rigor (reportar nulo quando não é) custa oportunidade e pode atrasar avanços clínicos.

Alternativa A: INCORRETA. Confusão é um viés por um terceiro fator que está associado tanto à exposição quanto ao desfecho, podendo criar ou mascarar uma associação espúria. É uma fonte de erro sistemático (viés), não um erro estatístico de tipo II. A confusão pode levar a resultados enganadores, mas a descrição do enunciado — droga que funciona, estudo não demonstra efeito — encaixa melhor com falta de poder do estudo do que com confusão.

Alternativa B: INCORRETA. Causalidade reversa ocorre quando a direção da relação entre exposição e desfecho é invertida (o desfecho na verdade causa a exposição). Isso é típico em estudos observacionais mal interpretados, especialmente transversais. Não é o caso aqui: o cenário descreve um tratamento que realmente tem efeito, mas o estudo não o detecta — ou seja, falha estatística, não inversão causal.

Alternativa C: INCORRETA. Erro tipo I é o falso positivo — concluir que há efeito quando na verdade não há (risco alfa, frequentemente 5%). Aqui a situação é oposta: existe efeito verdadeiro, mas o estudo conclui que não há. Logo, não se trata de erro tipo I.

Alternativa D: CORRETA. Isso é exatamente um erro tipo II: há um efeito real da medicação, mas o estudo não encontrou diferença significativa — falso negativo. As causas práticas mais comuns são amostra insuficiente, variabilidade alta, desfecho pouco sensível, perdas de seguimento ou análise mal planejada. A solução preventiva passa por cálculo de tamanho amostral com potência adequada, definição clara do desfecho primário, controle da variabilidade e, quando aplicável, maior rigidez no desenho (randomização, cegamento) para reduzir ruído.

Resposta: Alternativa D