{"id":7309,"date":"2026-03-30T23:50:03","date_gmt":"2026-03-30T23:50:03","guid":{"rendered":"https:\/\/www.usinadepesquisa.com\/?p=7309"},"modified":"2026-03-31T00:47:25","modified_gmt":"2026-03-31T00:47:25","slug":"gwets-ac1-vs-kappa-de-cohen-quando-a-estatistica-muda-a-interpretacao-clinica","status":"publish","type":"post","link":"https:\/\/www.usinadepesquisa.com\/?p=7309","title":{"rendered":"Gwet\u2019s AC1 vs Kappa de Cohen, quando a estat\u00edstica muda a interpreta\u00e7\u00e3o cl\u00ednica"},"content":{"rendered":"
\n

AC1 corrige distor\u00e7\u00f5es do Kappa e reflete melhor a concord\u00e2ncia cl\u00ednica real<\/h4>\n<\/blockquote>\n

 <\/p>\n

Aldemar Araujo Castro
\nCria\u00e7\u00e3o: 30\/03\/2026
\nAtualiza\u00e7\u00e3o: 30\/03\/2026
\nPalavras: 1401
\nTempo de leitura: 7 minutos<\/p>\n

 <\/p>\n

Resumo<\/h2>\n

A concord\u00e2ncia entre avaliadores<\/strong> \u00e9 central em pesquisas cl\u00ednicas. O Kappa de Cohen<\/strong>, amplamente utilizado, pode gerar resultados paradoxais quando h\u00e1 alta ou baixa preval\u00eancia<\/strong>, subestimando a concord\u00e2ncia real. O Gwet\u2019s AC1<\/strong> surge como alternativa mais robusta ao redefinir o c\u00e1lculo do acaso<\/strong>, produzindo estimativas mais est\u00e1veis<\/strong>. Neste texto, \u00e9 apresentado um exemplo cl\u00ednico<\/strong> com c\u00e1lculo das duas m\u00e9tricas, demonstrando como os mesmos dados podem levar a interpreta\u00e7\u00f5es distintas<\/strong>. Compreender essa diferen\u00e7a \u00e9 essencial para preservar a validade interna<\/strong> e evitar conclus\u00f5es equivocadas em estudos m\u00e9dicos.<\/p>\n

\"\"<\/a><\/p>\n

 <\/p>\n

Introdu\u00e7\u00e3o<\/h2>\n

A avalia\u00e7\u00e3o da concord\u00e2ncia entre observadores<\/strong> \u00e9 um dos pilares da confiabilidade<\/strong> em pesquisas cl\u00ednicas. Em diversas \u00e1reas da medicina, como diagn\u00f3stico por imagem<\/strong>, classifica\u00e7\u00e3o de feridas<\/strong>, interpreta\u00e7\u00e3o de exames<\/strong> e decis\u00e3o terap\u00eautica<\/strong>, diferentes profissionais analisam os mesmos dados e precisam chegar a conclus\u00f5es semelhantes. Tradicionalmente, o Kappa de Cohen<\/strong> tem sido utilizado para medir essa concord\u00e2ncia, pois tenta estimar quanto do acordo observado vai al\u00e9m do que seria esperado pelo acaso<\/strong>. No entanto, essa abordagem apresenta limita\u00e7\u00f5es importantes. Em situa\u00e7\u00f5es comuns na pr\u00e1tica m\u00e9dica, especialmente quando h\u00e1 alta preval\u00eancia de uma categoria<\/strong>, o Kappa pode produzir valores artificialmente baixos, mesmo diante de uma concord\u00e2ncia observada elevada. Esse fen\u00f4meno pode levar a interpreta\u00e7\u00f5es equivocadas sobre a qualidade de um m\u00e9todo diagn\u00f3stico ou sobre a consist\u00eancia entre avaliadores. Para enfrentar essa limita\u00e7\u00e3o, foi desenvolvido o Gwet\u2019s AC1<\/strong>, uma medida que redefine o c\u00e1lculo do acaso e reduz a influ\u00eancia da distribui\u00e7\u00e3o dos dados<\/strong>. Compreender essas diferen\u00e7as n\u00e3o \u00e9 apenas um exerc\u00edcio estat\u00edstico, mas uma necessidade pr\u00e1tica para garantir interpreta\u00e7\u00f5es corretas e decis\u00f5es cl\u00ednicas mais seguras.<\/p>\n

EXEMPLO CL\u00cdNICO<\/strong><\/span><\/h1>\n

Cen\u00e1rio<\/strong><\/span><\/h2>\n

Dois m\u00e9dicos analisam 50 fotografias de feridas em membros inferiores<\/strong> e classificam cada caso em apenas duas categorias:<\/p>\n

    \n
  1. Infec\u00e7\u00e3o grave, SIM<\/strong><\/li>\n
  2. Infec\u00e7\u00e3o grave, N\u00c3O<\/strong><\/li>\n<\/ol>\n

    Ao final, obteve-se a seguinte tabela:<\/p>\n

    \n
    \n\n\n\n\n\n\n\n
    <\/th>\nM\u00e9dico B, SIM<\/strong><\/th>\nM\u00e9dico B, N\u00c3O<\/strong><\/th>\nTotal<\/strong><\/th>\n<\/tr>\n<\/thead>\n
    M\u00e9dico A, SIM<\/strong><\/td>\n1<\/td>\n1<\/td>\n2<\/td>\n<\/tr>\n
    M\u00e9dico A, N\u00c3O<\/strong><\/td>\n1<\/td>\n47<\/td>\n48<\/td>\n<\/tr>\n
    Total<\/strong><\/td>\n2<\/td>\n48<\/td>\n50<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

    Vamos chamar as c\u00e9lulas da tabela de:<\/p>\n