Métodos, Aplicações e Desafios na Análise de Dados de Séries Temporais Interrompidas: Uma Revisão de Escopo

OBJETIVO: Os desenhos de séries temporais interrompidas (ITS) são desenhos quasi-experimentais robustos comumente usados para avaliar o impacto de intervenções e programas implementados em ambientes de saúde. Esta revisão de escopo tem como objetivo 1) identificar e resumir os métodos existentes utilizados na análise de estudos ITS realizados em pesquisa em saúde, 2) elucidar suas forças e limitações, 3) descrever suas aplicações em pesquisa em saúde e 4) identificar quaisquer lacunas metodológicas e desafios. DESENHO: Revisão de escopo. FONTES DE DADOS: As buscas foram realizadas no MEDLINE, JSTOR, PUBMED, EMBASE, CINAHL, Web of Science e na Biblioteca Cochrane desde a sua criação até setembro de 2017. SELEÇÃO DE ESTUDOS: Estudos em pesquisa em saúde envolvendo métodos ITS ou relatando sobre a aplicação de desenhos ITS. EXTRAÇÃO DE DADOS: A triagem dos estudos foi concluída de forma independente e em duplicata por dois revisores. Um revisor extraiu os dados de estudos relevantes em consulta com um segundo revisor. Os resultados da revisão foram apresentados em relação às áreas metodológicas e de aplicação, e os dados foram resumidos usando estatísticas descritivas. RESULTADOS: Um total de 1389 artigos foi incluído, dos quais 98,27% (N=1365) eram artigos de aplicação. A regressão linear segmentada foi o método mais comumente utilizado (26%, N=360). Uma pequena porcentagem (1,73%, N=24) eram artigos de métodos, dos quais 11 descreveram o desenvolvimento de métodos novos ou a melhoria de métodos existentes, 7 adaptaram métodos de outras áreas da estatística, enquanto 6 forneceram avaliação comparativa de métodos ITS convencionais. CONCLUSÃO: Uma tendência significativamente crescente no uso de ITS ao longo do tempo é observada, onde sua aplicação em pesquisa em saúde quase triplicou na última década. Vários métodos estatísticos estão disponíveis para analisar dados ITS. Os pesquisadores devem considerar os tipos de dados e validar as suposições necessárias para os vários métodos. Existe uma lacuna metodológica significativa na análise de ITS envolvendo dados agregados, onde análises envolvendo esses dados não levaram em conta a heterogeneidade entre pacientes e configurações hospitalares.