Oq E Resultado Preliminar

Resultado preliminar não é coisa do futuro. É o que você tem hoje e precisa lidar com isso.

Você roda uma análise, abre os dados e surge aquele número que ainda não passou por validação completa. Chamamos de resultado preliminar. É um achado inicial, gerado antes que todas as etapas do protocolo tenham sido concluídas. Pode ser parte de um estudo piloto, de uma análise intermediária de um ensaio clínico, ou simplesmente o output de um script que ainda está sendo ajustado. O problema é que muita gente trata resultado preliminar como se fosse resultado final. Isso gera decisão errada, publicação precipitada e retratação depois. Eu vi isso acontecer em projeto de saúde pública há alguns anos. A equipe apresentou dados preliminares de cobertura vacinal como se já tivessem representatividade, e o município baseou uma verba neles. Quando o censo completo saiu, os números tinham caído quase 12 pontos percentuais. Não foi má-fé. Foi inexperiência com o conceito.

oq e resultado preliminar

No fundo, resultado preliminar é uma estimativa sujeita a ruído maior do que a versão final. Ele carrega incerteza ainda não quantificada completamente, porque faltam ajustes de qualidade, verificação de inconsistências, ou simplementenão se chegou ao tamanho amostral planejado. Serve como sinalização, não como prova. Na prática, resultado preliminar aparece em três contextos principais: Análise intermediária de ensaios clínicos, onde comitês independentes avaliam dados acumulados para decidir sobre continuidade do estudo. O exemplo clássico são os boundaries de O'Brien-Fleming, que exigem estatística de significância muito mais rigorosa quanto mais vezes você olhar os dados ao longo do tempo. Se você fizer duas análises interinas sem correção, o erro tipo I sobe de 5% para algo próximo de 8-9%. Isso não é teoria. É o que acontece quando pesquisador resolve olha os dados sozinho sem consultar o estatístico.

Estudos piloto ou factibilidade. Aqui o objetivo não é responder à pergunta principal. É testar se o desenho funciona, se os instrumentos coletam o que precisam coletar, e qual a variabilidade real da população. Eu once conduzi um piloto com 30 sujeitos para estimar o desvio padrão de um marcador inflamatório. A estimativa preliminar deu CV de 18%. Quando o estudo definitivo rodou com 200 sujeitos, o CV real ficou em 34%. Subestimar variabilidade no piloto é um dos erros mais caros que existem. O cálculo de tamanho amostral baseado naquele número errado fez o estudo definitivo ficar subdimensionado. Outputs de processos automatizados que ainda estão em calibração. Sistemas de monitoramento, dashboards operacionais, relatórios gerenciais. Tudo isso produz número preliminar até que o pipeline seja validado contra uma fonte primária.Eu trabalho com dados de atendimentos de urgência e já perdi meia manhã porque um indicador de tempo médio de espera estava com resultado preliminar travado em uma versão antiga do ETL. O dado tinha sido recalculado duas vezes e o dashboard não puxou a última versão. O diretor pediu explicação e eu tive que admitir que estava olhando resultado preliminar sem saber. Aprendi a sempre verificar o timestamp da última execução antes de qualquer coisa.

Como lidar com resultado preliminar na prática

A primeira regra é rotular. Todo número preliminar deve ter um marcador claro: "preliminar", "não validado", "sujeito a revisão". Sem isso, qualquer pessoa que ler vai tratar como definitivo. Eu uso sufixo "_PRELIM" nos nomes das variáveis e tabelas. Parece besteira, mas evita que alguém copie um dato num relatório executive sem perceber que é provisional. Segunda regra: quantifique a incerteza. Intervalo de confiança, margem de erro, power calculado. Se não tiver tamanho amostral definido, pelo menos mostre o que seria necessário para reduzir aquela margem pela metade. Isso dá transparência e evita que interpretem precisão onde não existe. Terceira regra: entenda o ciclo de vida. Resultado preliminar tem data de validade. Quando ele deixa de ser preliminar? Normalmente quando passa por validação cruzada, verificação de consistência interna, e confirmação por método independente ou amostra maior. Anotar essa condição no documento evita que resultado vire dogma.

Quarta regra: não use resultado preliminar para decisão financeira ou política sem caveat explícito. Eu já vi projeto de pesquisa parar porque o avaliador rejeitou uma proposta baseada em resultado preliminar de outro grupo. O problema era que o resultado preliminar vinha de amostra não probabilística com viés de seleção grave. O estudo seguinte, com amostragem adequada, mostrou efeito oposto. Se você está avaliando literatura, verifique se os números que estão sendo citados já passaram por revisão final ou se ainda são preliminares.

Erros comuns que eu vejo todo dia

Citar resultado preliminar em artigo como se fosse achado consolidado. Revisores e editores cobram isso com frequência. Se o dado é preliminar, declare no método e limite as conclusões. Não tente disfarçar. Apostar tudo em resultado preliminar de teste A/B com amostra pequena. Dois dias de tráfego com 200 visitas não confirmam nada. Regra prática mínima: espere até ter poder de 80% para detectar o efeito que você considera clinicamente ou operacionalmente relevante. Ferramentas como o G*Power ou o pacote pwr do R ajudam a calcular isso antes de começar. Travar interpretação antes da análise sensível. Sempre rode pelo menos uma análise de sensibilidade básica: removendo outliers, testando diferentes especificações, verificando robustez a pressupostos. Resultado preliminar que sobrevive a esses testes vale mais do que resultado "definitivo" que desaba na primeira verificação.

Quando resultado preliminar não serve para nada

Quando a amostra é tão pequena que a estimativa é puro ruído. Não adianta calcular intervalo de confiança se a largura dele for maior do que a própria escala do fenômeno. Eu vi estudo com n=8 onde o IC de 95% ia de menos 15 até mais 25. Isso não informa nada. Nesse caso, o resultado preliminar é honestamente inútil e o correto é reportar isso explicitamente, não fingir que tem utilidade. Quando o viés é estrutural e não passa em análise de sensibilidade. Se o instrumento de coleta tem defeito de.factory, nenhum ajuste estatístico resolve. Resultado preliminar vem de dado ruim continua sendo dado ruim. A solução não é melhorar a análise, é corrigir a coleta. Quando o prazo de tomada de decisão já passou. Às vezes o resultado preliminar chega tarde demais e não há mais espaço para ação. Nesses casos, o melhor é documentar o que foi encontrado e encaminhar para o próximo ciclo, em vez de forçar interpretação.

Uma palabra final sobre o que fazer com esse conhecimento

Resultado preliminar é ferramenta, não crime. Usado com rigor, economiza tempo e recursos. Usado com descuido, gera custo humano e financeiro. O diferencial entre os dois caminhos é disciplina metodológica e honestidade na apresentação dos limites. Se você está produzindo resultado preliminar, garanta que pelo menos três coisas estejam documentadas: como o dado foi gerado, quais as limitações conhecidas, e qual o próximo passo para validação. Se você está consumindo resultado preliminar, pergunte por essas três coisas antes de agir sobre ele.