Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Se você é um profissional ou um estudante da área da saúde e está interessado nas práticas baseadas em evidências, este post é para você.

Vamos descobrir como a base de dados PEDro pode enriquecer seu conhecimento sobre a eficácia de diferentes intervenções fisioterapêuticas.

Neste post também abordaremos o uso da Escala PEDro, a qual pode ser utilizada na avaliação da qualidade metodológica de Ensaios Clínicos Randomizados (ECRs).

O que é a base de dados PEDro?

Lançada em 1999 por um time de fisioterapeutas visionários do Centro de Fisioterapia Baseada em Evidências da Universidade de Sydney, a base de dados PEDro foi criada com o objetivo de auxiliar na prática da fisioterapia fundamentada em evidências científicas.

Atualmente a base PEDro é produzida pela Musculoskeletal Health Sydney, da School of Public Health at the University of Sydney e está hospedado no no site [http://www.pedro.org.au].

Ao explorar a base de dados PEDro, você ganha acesso irrestrito a uma rica coleção de pesquisas, abrangendo a eficácia de uma ampla gama de intervenções fisioterapêuticas.

Pois, esta plataforma hospeda um impressionante acervo de aproximadamente 19.000 estudos controlados aleatorizados, revisões sistemáticas e diretrizes clínicas em fisioterapia, constituindo uma fonte inestimável de conhecimento e insights.

A PEDro, com sua abrangência global, é um recurso amplamente empregado por especialistas da saúde em mais de 80 países. Isso se reflete nas mais de 4.300 buscas diárias realizadas em seu site, evidenciando seu papel crucial na comunidade científica e clínica internacional.

Como fazer uma busca na PEDro?

As buscas na base de dados são otimizadas para apresentar os estudos de maior relevância metodológica primeiro, facilitando o acesso rápido às evidências mais confiáveis. Dentro da base de dados PEDro, os usuários têm à disposição duas modalidades de pesquisa: a busca simples e a busca avançada.

Na base de dados PEDro, a principal diferença entre a “busca simples” (simple search) e a “busca avançada” (advanced search) reside na complexidade e especificidade com que os usuários podem procurar informações.

A busca simples é direta e fácil de usar. Nela, o usuário insere um ou mais termos de pesquisa em uma caixa de texto única. A busca simples é útil para pesquisas rápidas ou quando o usuário tem uma ideia geral do que está procurando.

Por sua vez, a busca avançada oferece opções mais detalhadas e específicas. É particularmente útil para pesquisas detalhadas ou quando se tem critérios de pesquisa específicos em mente. Atualmente, o sistema de busca está disponível em inglês.

Por exemplo, ao entrar no site da PEDro e selecionar a opção “simple search” (busca simples), o usuário se depara com um campo onde pode inserir os termos desejados para a pesquisa, que devem ser escritos em inglês.

Ao inserir um ou mais termos de busca, a PEDro executa uma varredura em seu banco de dados para encontrar artigos que incluam essas palavras-chave. É importante notar que, ao adicionar múltiplos termos, o sistema busca por artigos que contêm todas as palavras especificadas.

Para auxiliar em como fazer uma busca na PEDro, Anne M. Moseley e colegas (2020), relatam que existem diversos tutoriais, incluindo vídeos, para auxiliar fisioterapeutas no desenvolvimento de suas habilidades de busca e avaliação.

Os vídeos podem ser acessados através das páginas de ajuda de busca do PEDro e disponível na playlist em Português no canal PEDro no YouTube (veja a playlist em Português). Estes vídeos de “Como fazer” incluem desde como formular uma pergunta clínica até como realizar uma busca simples ou avançada no PEDro.

Além dos vídeos, você pode seguir um manual de como realizar pesquisas na PEDro. Esse manual foi elaborado por Fabiane Furh, bibliotecária da Universidade Federal do Paraná e pode ser baixado gratuitamente clicando aqui.

Ponto chave é que cada ensaio clínico incluído na base de dados é criteriosamente avaliado através da Escala PEDro, para a avaliação de qualidade metodológica dos estudos.

Agora, surge a questão fundamental: o que exatamente representa a Escala PEDro e como você pode efetivamente utilizá-la em sua prática ou pesquisa?

O que é a escala PEDro?

A Escala PEDro é uma ferramenta que também foi desenvolvida pela equipe de fisioterapeutas do Institute for Musculoskeletal Health da Universidade de Sydney especificamente para avaliar a qualidade metodológica de Ensaios Clínicos Randomizados (ECRs).

Inicialmente o objetivo era maximizar a eficácia dos serviços de fisioterapia, facilitando a aplicação clínica das melhores evidências disponíveis, mas logo o seu uso se expandiu para outras áreas da saúde.

A escala de qualidade PEDro, demonstra propriedades de medida adequadas tanto na versão original quanto na versão brasileira. Sua validade foi comprovada por meio de investigações científicas, que confirmaram a capacidade da escala de diferenciar ECRs de alta e baixa qualidade.

Ela consiste em 11 critérios que são pontuados com base na presença ou ausência de características metodológicas específicas.

Esses critérios abordam aspectos fundamentais como randomização, ocultação da alocação, cegamento e análise de intenção de tratar. O Quadro 1 apresenta a versão brasileira da escala disponível para download gratuito no site da organização.

Aplicação da Escala PeDro

Ao avaliar um ECR por meio da Escala PEDro, você deve examinar cada um dos 11 critérios da escala PEDro e atribuir pontos conforme a adesão (respostas “sim”) do estudo a esses critérios. Vamos detalhar os 11 critérios e como considerar a adesão ou não do estudo a cada um deles

1 Elegibilidade: Este critério pode considerar-se satisfeito quando o relatório descreve a origem dos sujeitos e a lista de requisitos utilizados para determinar quais os sujeitos eram elegíveis para participar no estudo.
2 Randomização: O método de randomização deve ser especificado e apropriado. Este critério pode considerar-se satisfeito quando o relatório descreve a origem dos sujeitos e a lista de requisitos utilizados para determinar quais os sujeitos eram elegíveis para participar no estudo
3 Alocação secreta: Alocação secreta significa que a pessoa que determinou a elegibilidade do sujeito para participar no ensaio desconhecia, quando a decisão foi tomada, o grupo a que o sujeito iria pertencer.
4 Grupos semelhantes: No mínimo, nos estudos de intervenções terapêuticas, o relatório deve descrever pelo menos uma medida da gravidade da condição a ser tratada e pelo menos uma (diferente) medida de resultado-chave que
caracterize a linha de base.
5, 6 e 7 Cegamento dos sujeitos, terapeutas e avaliadores: Ser cego para o estudo significa que a pessoa em questão (sujeito, terapeuta ou avaliador) não conhece qual o grupo em que o sujeito pertence. Mais ainda, sujeitos e terapeutas só são considerados “cegos” se for possível esperar-se que os mesmos sejam incapazes de distinguir entre os tratamentos aplicados aos diferentes grupo.
8 Análise de Intenção de Tratar: Este critério só se considera satisfeito se o relatório referir explicitamente tanto o número de sujeitos inicialmente alocados nos grupos como o número de sujeitos a partir dos quais se obtiveram medidas de resultados-chave. Deve ser obtida de mais de 85% dos participantes.
9 Intenção de se tratar: Uma análise de intenção de tratamento significa que, quando os sujeitos não receberam tratamento (ou a condição de controle) conforme o grupo atribuído, e quando se encontram disponíveis medidas de
resultados, a análise foi efetuada como se os sujeitos tivessem recebido o tratamento (ou a condição de controle) que lhes foi atribuído inicialmente.
10 Compração entre grupos: Uma comparação estatística inter-grupos implica uma comparação estatística de um grupo com outro. Conforme o desenho do estudo, isto pode implicar uma comparação de dois ou mais tratamentos, ou a comparação do tratamento com a condição de controle.

11 Estimativas de efeito: Uma comparação estatística inter-grupos implica uma comparação estatística de um grupo com outro. Conforme o desenho do estudo, isto pode implicar uma comparação de dois ou mais tratamentos, ou a
comparação do tratamento com a condição de controle.

Como pode ser visto, na avaliação realizada utilizando a escala PEDro, os avaliadores focam exclusivamente no conteúdo explicitamente mencionado no manuscrito. Caso haja qualquer incerteza na interpretação de um critério, este é automaticamente marcado como “não”.

Por exemplo, se um estudo descreve que foi realizado de forma “duplo-cega” mas não especifica quais grupos foram cegados, ele não receberá pontuação positiva para os critérios relacionados ao cegamento de pacientes, terapeutas e avaliadores.

A pontuação total na Escala PEDro é calculada somando-se os critérios de 2 a 11 que foram avaliados como satisfatórios (“sim”). Importante destacar que o critério 1 é excluído da pontuação final, uma vez que ele se refere à validade externa do estudo.

Vale destacar que aspectos como a validade externa do estudo, a aplicabilidade dos resultados em diferentes contextos e a significância clínica do efeito do tratamento (ou seja, a relevância clínica dos resultados) não são contemplados nesta avaliação.

Como a escala PEDro é utilizada para seleção de estudos da base PEDro?

Como falamos anteriormente, a base de dados PEDro indexa três tipos de estudo: diretrizes para a prática clínica, revisões sistemáticas e ECR. Sendo que cada um deles tem que cumprir critérios diferentes de elegibilidade.

Por exemplo, todos os ECRs são avaliados por três revisores independentes, que os classificam segundo a qualidade metodológica.

Além disso, de acordo Shiwa e colegas (2011), para um ECR ser inserido na base de dados PEDro, ele deve cumprir cinco critérios:

1) o estudo deve comparar no mínimo duas intervenções terapêuticas;
2) pelo menos uma das intervenções que estão sendo testadas pelo estudo deve fazer parte do arsenal terapêutico dos fisioterapeutas;
3) as intervenções dos estudos devem ser aplicadas em seres humanos que representem a população de pacientes que frequentemente utilizam serviços de fisioterapia;
4) a distribuição dos sujeitos nos grupos de tratamento e controle deve ser realizada de forma aleatória ou com “intenção de ser aleatória”;
5) o estudo deve estar publicado em formato integral em revista revisada por pares. Após a inclusão do estudo na base de dados PEDro, este é avaliado quanto à sua qualidade metodológica e descrição estatística por meio da
escala de qualidade PEDro.

Para as revisões sistemáticas serem inseridas na PEDro, elas devem atender a dois critérios:

1) ser uma revisão sistemática de ECAs; e
2) ter uma sessão de métodos e que pelo menos um artigo da revisão satisfaça aos cinco critérios de inclusão de estudos controlados aleatorizados da base de dados PEDro

Já para a inserção das diretrizes de prática clínica, deve-se obedecer a seis critérios:

1) ter sido produzido sob o controle de uma associação especializada da área, sociedade profissional, organização pública ou privada, órgãos de governo, ou instituições de saúde em geral. Se a diretriz de prática clínica foi desenvolvida por um indivíduo ou grupo de indivíduos não oficialmente apoiados por um dos tipos de organizações citadas anteriormente, essa não será incluída na PEDro;
2) estar disponível publicamente;
3) a busca sistemática da literatura deve ser baseada em artigos publicados em revistas revisadas por pares ou ser baseada em uma revisão sistemática publicada nos quatro anos anteriores à publicação da diretriz;
4) pelo menos um ECA relacionado com a fisioterapia deve estar incluído na diretriz;
5) a diretriz deve conter afirmações sistematicamente desenvolvidas, que incluem recomendações, estratégias e informações que auxiliem os fisioterapeutas ou pacientes a tomar decisões;
6) pelo menos uma recomendação deve ser feita para uma intervenção que faz parte do arsenal da fisioterapia ou que poderia se tornar parte da prática fisioterapêutica.

Conclusão

Em conclusão, a base de dados e a escala PEDro emergem como um ótimos recursos tanto para fisioterapeutas quanto para profissionais da saúde que buscam fundamentar suas práticas em evidências científicas.

Com sua vasta coleção de estudos pré-avaliados, tutoriais instrutivos e ferramentas de busca acessíveis, a base de dados PEDro e a escala PEDro facilitam o acesso a informações e a avaliação da qualidade metodológica de Ensaios Clínicos Randomizados (ECRs).

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referências

Moseley, A, Elkins, R., Van der Wees, P., Pinheiro, M. (2020). Using research to guide practice: The Physiotherapy Evidence Database (PEDro), Brazilian Journal of Physical Therapy, 24(5), 384-391, https://doi.org/10.1016/j.bjpt.2019.11.002.

Herbert R, Moseley A, Sherrington C. PEDro: A Database of Randomised Controlled Trials in Physiotherapy. Health Information Management. 1998;28(4):186-188. doi:10.1177/183335839902800410

Shiwa, S. R., Costa, L. O. P., Moser, A. D. de L., Aguiar, I. de C., & Oliveira, L. V. F. de .. (2011). PEDro: a base de dados de evidências em fisioterapia. Fisioterapia Em Movimento, 24(3), 523–533. https://doi.org/10.1590/S0103-51502011000300017

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.