Incerteza de medição no laboratório clínico, sem medo da estatística

A glicose deu 98 mg/dL. Mas se você repetisse a mesma amostra, no mesmo aparelho, uma hora depois, o resultado seria exatamente 98 de novo? Quase certamente não — e isso não é um defeito do seu laboratório, é a natureza de qualquer medição física. A incerteza de medição é o número que diz, com honestidade estatística, o quanto aquele resultado pode variar. Ignorá-la não faz o problema desaparecer; só te deixa sem resposta quando um auditor, um médico ou um paciente perguntar "quão confiável é esse número?"

O que é incerteza de medição (e por que não é a mesma coisa que erro)

A confusão mais comum começa aqui: erro e incerteza parecem sinônimos, mas são conceitos diferentes. O erro de medição é a diferença entre um valor medido e o valor verdadeiro — algo que, por definição, você nunca conhece com exatidão, porque se conhecesse o valor verdadeiro não precisaria medir nada. Já a incerteza de medição é a faixa de valores plausíveis ao redor do resultado, estimada estatisticamente a partir da variabilidade que você consegue observar e quantificar.

Em outras palavras: o erro é uma quantidade desconhecida (e inatingível). A incerteza é uma quantidade calculável, que expressa o quanto você confia no resultado. Quando o laudo registra "Glicose: 98 ± 4 mg/dL", o "± 4" não é margem de erro do aparelho quebrado — é a incerteza expandida, calculada a partir do histórico real de controle de qualidade daquele método, naquele equipamento, naquele laboratório.

De onde vem a variação: as fontes reais de incerteza

Nenhum resultado sai de uma "medição pura". Ele é a soma de várias fontes de variação que se acumulam da amostra ao laudo. As principais, no contexto analítico de um laboratório clínico, são a repetibilidade do método (a própria imprecisão do ensaio, medida pelo desvio padrão do CQI), a calibração e sua rastreabilidade ao material de referência certificado, o viés (bias) do método frente ao valor de referência (evidenciado no ensaio de proficiência), e efeitos de matriz e amostra, como hemólise, lipemia ou variação de lote de reagente.

Cada uma dessas fontes contribui com uma fatia diferente para a incerteza final — e é exatamente essa decomposição que se chama orçamento de incerteza (uncertainty budget). Entender o peso de cada componente ajuda a decidir onde investir: às vezes o ganho maior não está em trocar de equipamento, mas em apertar a rotina de calibração.

Repare que a repetibilidade — a própria dispersão do método, medida diariamente pelo CQI — costuma ser o maior componente isolado. É também a mais fácil de monitorar, porque você já tem os dados: eles estão na sua carta de Levey-Jennings.

Como estimar a incerteza sem contratar um estatístico

Existem duas abordagens reconhecidas para estimar incerteza de medição. A bottom-up (de baixo para cima) tenta modelar analiticamente cada fonte de variação separadamente — é o método clássico do GUM (Guia para Expressão da Incerteza de Medição), mais comum em metrologia industrial e química analítica pura. Para o laboratório clínico de rotina, ela costuma ser inviável: exige caracterizar cada componente isoladamente, algo caro e lento para centenas de analitos.

Na prática, o laboratório clínico usa a abordagem top-down (de cima para baixo), recomendada pelo CLSI e amplamente aceita para fins de acreditação: em vez de modelar cada fonte separadamente, você parte dos dados que já existem — o histórico do CQI e os resultados do ensaio de proficiência — e calcula a variação total observada. É mais simples, mais barato e reflete melhor a realidade operacional do método no seu laboratório.

O resultado final é a incerteza expandida (U): o número que, somado e subtraído do valor medido, forma o intervalo dentro do qual o valor verdadeiro provavelmente está, com 95% de confiança (fator de abrangência k=2, sob distribuição normal). É esse número — não uma estimativa solta — que entra no laudo ou fica disponível para consulta.

Exemplo prático: calculando a incerteza da glicose

Vamos aterrissar o conceito com números. Imagine que seu laboratório rodou o controle de qualidade interno de glicose (nível normal) por 6 meses, com média de 100 mg/dL e desvio padrão de 2,5 mg/dL. O coeficiente de variação (CV) da repetibilidade é: 2,5 ÷ 100 = 2,5%.

No ensaio de proficiência do mesmo período, o laboratório obteve valor médio de 101 mg/dL contra um alvo de consenso de 99 mg/dL — um viés de 2 mg/dL, ou 2,0%. Combinando repetibilidade e viés pela raiz da soma dos quadrados: √(2,5² + 2,0²) = √(6,25 + 4,0) = √10,25 ≈ 3,2% de incerteza combinada. Expandindo com k=2: U ≈ 6,4%.

Para um resultado de glicose de 98 mg/dL, a incerteza expandida em valor absoluto é 98 × 0,064 ≈ 6,3 mg/dL. Ou seja: o laudo poderia — com fundamento estatístico, não achismo — informar "98 ± 6 mg/dL (IC 95%)". Isso muda a leitura clínica de um resultado limítrofe: um valor de 101 mg/dL não é automaticamente "diferente" de 98 mg/dL emitido em outra amostra do mesmo paciente; a diferença pode estar inteiramente dentro da margem de incerteza do método.

Uso no laudo e na acreditação: o que a norma realmente pede

A ISO 15189, norma internacional de referência para laboratórios clínicos, exige que o laboratório determine a incerteza de medição para cada procedimento analítico quantitativo, quando relevante e possível, e que essa informação esteja disponível quando solicitada por um usuário do laudo. Isso não significa, necessariamente, imprimir "± X" em cada linha do laudo — significa que o laboratório precisa ter calculado, documentado e conseguir apresentar o dado, seja no próprio laudo, seja em um documento de apoio à consulta médica.

Na prática de acreditação (PALC/SBPC-ML e ISO 15189), o auditor procura três evidências: que o método de cálculo está definido e documentado, que a incerteza foi calculada com dados reais do laboratório (não copiada de bula do fabricante) e que existe um processo de revisão periódica — normalmente anual, ou sempre que houver mudança relevante de lote de reagente, calibração ou equipamento.

Armadilhas comuns ao implantar o cálculo de incerteza

• Usar a especificação do fabricante em vez do CQI real. O manual do reagente informa a imprecisão em condições ideais de bancada de validação — quase nunca reflete a variabilidade real do seu equipamento, sua água, seu clima e sua equipe.
• Calcular uma vez e esquecer. Incerteza não é uma constante gravada em pedra; ela muda com troca de lote, manutenção de equipamento e recalibração. Sem revisão periódica, o número declarado fica obsoleto.
• Confundir incerteza com faixa de valores de referência. São coisas diferentes: a faixa de referência descreve a população saudável; a incerteza descreve a confiabilidade da medição, seja qual for o valor encontrado.
• Aplicar o mesmo cálculo para todos os analitos. Cada método tem seu próprio CV e viés — misturar um cálculo genérico entre bioquímica, hormônios e coagulação produz números sem sentido clínico.

Onde o LIS tira a incerteza da planilha e coloca na rotina

O maior obstáculo prático não é entender a matemática — é sustentar o cálculo ao longo do tempo, para dezenas de analitos, sem que vire uma planilha esquecida em algum computador. Um sistema laboratorial que já processa o CQI diariamente tem, naturalmente, todos os dados de repetibilidade prontos; o passo que falta é cruzar isso com o resultado do ensaio de proficiência e expor a incerteza expandida como um dado consultável — pelo bioquímico na liberação, pelo médico solicitante e pelo auditor de acreditação.

Quando esse cálculo é automatizado, ele deixa de ser um projeto anual estressante para virar um indicador vivo: cada novo ponto de CQI atualiza o histórico, e a revisão periódica passa de tarefa manual para simples conferência de um número que o sistema já mantém corrente.

Incerteza de medição não é estatística de laboratório de referência distante da sua realidade — é um número que você já tem quase pronto dentro do próprio controle de qualidade interno. Calculá-la, documentá-la e revisá-la periodicamente transforma uma exigência de acreditação em uma ferramenta real de decisão clínica: ajuda o médico a interpretar corretamente um resultado limítrofe e dá ao seu laboratório um argumento objetivo, e não defensivo, sobre a confiabilidade do que ele entrega.