Mudança confiável (RCI): como saber se o paciente melhorou na reavaliação

Para saber se o paciente melhorou ou piorou de fato entre duas aplicações de um teste, calcule o índice de mudança confiável (RCI, do inglês reliable change index): divida a diferença entre os escores pelo erro-padrão da diferença, que depende do desvio-padrão da escala e da fidedignidade da medida. Se o valor absoluto do RCI for igual ou maior que 1,96, a mudança dificilmente seria produzida apenas pelo erro de medida (p < 0,05, bicaudal). Abaixo disso, a diferença é tratada como variação esperada, mesmo que a classificação tenha mudado de faixa. Em testes com efeito de prática conhecido, use a versão ajustada para prática.

Este guia desenvolve o método de Jacobson e Truax (1991), mostra a conta completa com um caso fictício publicado na análise de progressão do WAIS-III e discute o que fazer quando o instrumento não publica fidedignidade, com os exemplos do SNAP-IV e do MMSE-2.

Por que "subiu" não significa "melhorou"

Uma diferença entre duas aplicações tem pelo menos quatro fontes possíveis, e só uma delas é a mudança que interessa:

• Erro de medida. Nenhum teste é perfeitamente fidedigno. Se a mesma pessoa fizesse o teste duas vezes sem nenhuma mudança real, os escores ainda variariam alguns pontos.
• Efeito de prática. Na segunda aplicação, a pessoa conhece as tarefas, os materiais e às vezes os próprios itens. Em escalas Wechsler, isso costuma elevar os escores em retestes de curto prazo. O tema tem guia próprio: efeito de prática e intervalo de reteste.
• Regressão à média. Escores extremos na primeira aplicação tendem a se aproximar da média na segunda, em parte porque o erro que os tornou extremos não se repete na mesma direção.
• Mudança real. Recuperação, declínio, efeito de tratamento, desenvolvimento.

O RCI responde a uma pergunta delimitada: a diferença é grande demais para ser explicada só pelo erro de medida? Ele não responde, sozinho, se a mudança é clinicamente importante nem qual é sua causa. Por isso, o laudo de progressão bem feito usa o RCI como filtro, e não como conclusão.

A lógica de Jacobson e Truax

Jacobson e Truax (1991) publicaram, no Journal of Consulting and Clinical Psychology, uma proposta para definir mudança clinicamente significativa em psicoterapia. O artigo retoma o índice de mudança confiável proposto por Jacobson, Follette e Revenstorf (1984) e corrigido por Christensen e Mendoza (1986), e o combina com um critério de chegada à faixa funcional. O resultado é um critério duplo:

1. A mudança precisa ser estatisticamente confiável (o RCI).
2. O escore final precisa ter cruzado um ponto de corte que indique funcionamento mais próximo da população funcional do que da disfuncional.

Com os dois critérios, cada pessoa pode ser classificada como recuperada (mudança confiável e corte cruzado), melhorada (mudança confiável sem cruzar o corte), inalterada (sem mudança confiável) ou deteriorada (mudança confiável na direção desfavorável). Em neuropsicologia, o primeiro critério foi amplamente adotado; o segundo é usado com mais cautela, porque muitas medidas cognitivas não têm uma "população disfuncional" de referência bem definida.

A fórmula do RCI passo a passo

O cálculo tem três passos:

1. Erro-padrão de medida (EPM): EPM = DP × √(1 − r), em que DP é o desvio-padrão da medida na população de referência e r é o coeficiente de fidedignidade.
2. Erro-padrão da diferença (Sdiff): Sdiff = √(2 × EPM²), que equivale a EPM × √2. Ele descreve a dispersão das diferenças que se esperaria observar se não houvesse nenhuma mudança real.
3. Índice de mudança confiável: RCI = (X2 − X1) ÷ Sdiff, em que X1 é o escore da primeira aplicação e X2 o da segunda.

Se |RCI| ≥ 1,96, a probabilidade de uma diferença desse tamanho surgir só por erro de medida é menor que 5%. Uma forma prática de usar a mesma conta é inverter: a diferença mínima para mudança confiável é 1,96 × Sdiff. Qualquer diferença menor fica dentro da variação esperada.

No próprio artigo, Jacobson e Truax ilustram com dados hipotéticos: desvio-padrão 7,5, fidedignidade 0,80, escore inicial 32,5 e final 47,5. O EPM é 7,5 × √0,20 ≈ 3,35; o Sdiff é cerca de 4,74; e o RC é 15 ÷ 4,74 ≈ 3,16, acima de 1,96. Refazer essa conta é um bom teste para qualquer planilha ou software que você use.

Exemplo numérico (caso fictício): ICV de 104 para 106 no WAIS-III

O caso da análise de progressão do WAIS-III é fictício, mas os parâmetros vêm da fonte normativa citada no laudo: revisão brasileira de 2020 do WAIS-III, Tabela 5.8a, com coeficientes de estabilidade de uma amostra de 47 pessoas retestadas entre 4 e 10 semanas. Marcos foi avaliado em 15/07/2026 e reavaliado em 15/09/2026, com 62 dias de intervalo, a pedido do neurologista.

Vamos refazer a conta do Índice de Compreensão Verbal, que passou de 104 para 106, com fidedignidade de 0,85:

1. EPM = 15 × √(1 − 0,85) = 15 × √0,15 = 15 × 0,387 ≈ 5,81.
2. Sdiff = 5,81 × √2 ≈ 8,22.
3. RCI = (106 − 104) ÷ 8,22 ≈ 0,24.
4. Diferença mínima para mudança confiável = 1,96 × 8,22 ≈ 16,1 pontos.

Com RCI de 0,24, a diferença de 2 pontos está muito longe do limiar. Para ser chamada de mudança confiável, o ICV precisaria ter variado cerca de 16 pontos. O laudo do exemplo escreve exatamente isso e não usa as palavras melhora ou piora para essa medida.

A tabela reúne as sete medidas compostas do caso, com os valores publicados no laudo de exemplo.

Repare em três detalhes. Primeiro, a diferença mínima varia muito entre medidas: 9,3 pontos para o QI Total, que é a medida mais fidedigna, e 16,1 para o ICV, porque a estabilidade usada para ele foi menor. Segundo, nenhum RCI chega perto de 1,96; o maior é 0,77, no QI de Execução. Terceiro, quase todas as diferenças observadas são menores ou próximas do efeito médio de prática citado pela fonte. A conclusão do laudo é que não há mudança confiável e que os ganhos são compatíveis com familiaridade com o teste.

Qual fidedignidade usar no denominador

A escolha do coeficiente muda o resultado, e isso raramente é discutido no laudo. Algumas orientações:

• Prefira o coeficiente de estabilidade teste-reteste quando a pergunta é sobre mudança entre duas ocasiões. Ele captura a variação de um momento para outro, que é justamente o ruído que o RCI precisa descontar. A consistência interna costuma ser mais alta e, por isso, produz limiares menores e mais "mudanças confiáveis" do que os dados sustentam.
• Use um intervalo de reteste comparável ao seu. O coeficiente de uma amostra retestada em 4 a 10 semanas é adequado para um reteste de 62 dias; para um reteste de dois anos, ele pode subestimar a variação natural.
• Use o coeficiente da população e da norma que você aplicou. Fidedignidades de outra amostra ou de outra edição precisam ser declaradas como tal.
• Registre a fonte exata. "Tabela 5.8a, estabilidade, N = 47, 4 a 10 semanas, r ajustado", como faz o laudo de exemplo, permite que outro profissional refaça a conta.

Também existe a variante proposta por Iverson (2001) para o WAIS-III e a WMS-III, que calcula erros-padrão separados para a primeira e a segunda aplicação e os combina na estimativa do erro da diferença, o que é útil quando a dispersão dos escores muda entre as ocasiões.

Limiar de 1,96, 1,645 e o que eles significam

O valor 1,96 corresponde a um intervalo de 95% bicaudal: se nada tivesse mudado, cerca de 2,5% das pessoas apareceriam como "melhora confiável" e 2,5% como "piora confiável" só por erro. Alguns estudos usam 1,645 (intervalo de 90%), aceitando mais falsos positivos em troca de maior sensibilidade; um estudo alemão de cirurgia de epilepsia, por exemplo, usou intervalos de 90% com ajuste para prática.

Com 1,645 em vez de 1,96, a diferença mínima do ICV do exemplo cairia de cerca de 16,1 para cerca de 13,5 pontos. A diferença observada, de 2 pontos, continuaria distante. A escolha do limiar deve ser feita antes de olhar os dados e declarada no laudo. Mudar de critério depois de ver o resultado é uma forma de ajustar a conclusão à expectativa.

Efeito de prática e as versões ajustadas do RCI

O RCI clássico supõe que, sem mudança real, a diferença esperada é zero. Em testes com efeito de prática, isso não é verdade: a diferença esperada é positiva. Chelune e colaboradores (1993), estudando pacientes submetidos a cirurgia de epilepsia, propuseram descontar o ganho médio observado no reteste de uma amostra de referência:

RCI ajustado = [(X2 − X1) − (M2 − M1)] ÷ Sdiff, em que M2 − M1 é a mudança média da amostra de referência no mesmo intervalo.

Aplicando a fórmula aos números do exemplo, apenas como ilustração (a conta não consta do laudo):

• ICV: (2 − 5,1) ÷ 8,22 ≈ −0,38.
• IVP: (5 − 4,5) ÷ 7,65 ≈ +0,07.
• QIT: (2 − 4,4) ÷ 4,75 ≈ −0,51.

Depois do desconto, o ganho do IVP, que parecia o maior do perfil, é praticamente igual ao esperado por familiaridade. O ICV e o QIT ficaram até abaixo do ganho médio esperado. Nada disso indica piora: os valores continuam longe do limiar. Mas a leitura muda de "subiu um pouco" para "subiu menos do que costuma subir no reteste", o que é informação clínica relevante em contextos de possível declínio.

Uma alternativa mais elaborada são os métodos de regressão (escores padronizados baseados em regressão, ou SRB), ilustrados por McSweeny e colaboradores (1993), que preveem o escore do reteste a partir do escore inicial e de outras variáveis, e então comparam o observado com o previsto. Eles incorporam ao mesmo tempo efeito de prática e regressão à média, mas exigem equações publicadas para o teste e a população em questão. A revisão de Duff (2012) compara esses métodos e discute suas vantagens e limites na avaliação individual.

Quando não há fidedignidade publicada

Muitos instrumentos não publicam coeficiente de estabilidade para todas as medidas, ou publicam só para o total. Nesses casos, calcular um RCI com um coeficiente "emprestado" de outro teste, ou com um valor genérico, produz um número com aparência de precisão e sem base. A conduta correta é outra:

• Descreva a diferença como fato. Direção, tamanho, mudança de posição em relação ao corte, sem afirmar mudança real.
• Use o critério publicado, quando existir. Na análise de progressão do MMSE-2, o total caiu de 27 para 22 pontos, e o manual publica um critério de diferença mínima para o total; por isso o laudo chama a queda de piora confiável. O escore T caiu de 54 para 37, mas sem critério publicado para ele, e o laudo o trata como descritivo, sem somá-lo como segunda evidência.
• Não trate o cruzamento de um ponto de corte como prova de mudança. Na análise de progressão do SNAP-IV, Hiperatividade/impulsividade passou de 11 para 10 e entrou na faixa esperada pelo corte de Costa e colaboradores (2019). Sem critério de mudança, o laudo registra a direção favorável e não chama a diferença de melhora.
• Subtestes isolados seguem a mesma regra. No exemplo do WAIS-III, cinco subtestes subiram 1 ponto; como não há diferença mínima publicada para eles, o laudo evita as palavras melhora, piora, ganho e declínio.

Significância estatística não é significância clínica

Uma mudança pode ser confiável e irrelevante, ou relevante e não confiável no teste. Jacobson e Truax descreveram três formas de operacionalizar o segundo critério:

• Critério a: o escore final está a mais de dois desvios-padrão da média da população disfuncional, na direção funcional.
• Critério b: o escore final está dentro de dois desvios-padrão da média da população funcional.
• Critério c: o escore final está mais próximo da média funcional do que da disfuncional (o ponto de corte que pondera as duas distribuições). Os autores consideram este o menos arbitrário, quando há normas para os dois grupos.

Na avaliação neuropsicológica, a relevância clínica raramente se resolve só com o teste. Ela depende do funcionamento cotidiano, do relato de terceiros, da trajetória esperada para a condição e da pergunta do encaminhamento. Um paciente com RCI de 2,1 numa medida de velocidade pode não notar diferença alguma na vida diária; outro, sem mudança confiável no teste, pode ter recuperado a autonomia por adaptação ambiental. O laudo deve dizer o que o teste permite afirmar e o que fica para a observação funcional.

Erros comuns ao comparar duas aplicações

Os mesmos tropeços aparecem com frequência em relatórios de reavaliação, seja qual for o instrumento:

• Comparar versões ou normas diferentes. Uma criança avaliada com uma tabela normativa e reavaliada com outra (por mudança de faixa etária, de edição do teste ou de país de referência) pode mudar de escore sem mudar de desempenho. Antes de calcular qualquer índice, confirme que as duas aplicações usam a mesma versão, a mesma forma e a mesma referência; se não usam, declare a diferença e trate a comparação com ressalva.
• Comparar escores brutos quando a idade mudou. Em crianças, o bruto quase sempre sobe com o desenvolvimento. A comparação deve ser feita no escore padronizado da idade de cada aplicação, que já incorpora o crescimento esperado.
• Usar a fidedignidade de consistência interna sem declarar. O limiar fica menor do que deveria e aparecem "mudanças confiáveis" que não resistiriam ao coeficiente de estabilidade.
• Somar evidências que não são independentes. O total e o escore T do mesmo protocolo, ou o QI Total e o índice que o compõe, não são duas confirmações da mesma mudança. Eles derivam dos mesmos itens.
• Tratar muitas comparações como se fossem uma só. Com sete medidas compostas e quinze subtestes, a chance de algum resultado cruzar o limiar só por acaso cresce. Uma única mudança confiável isolada, sem coerência com o restante do perfil e com a história, pede cautela.
• Falar em tendência com dois pontos. Duas aplicações mostram direção e tamanho da diferença; não mostram curva. Aceleração, platô ou desaceleração exigem três ou mais medidas.
• Esquecer as condições de cada sessão. Sono, dor, medicação, humor e motivação no dia da aplicação são explicações concorrentes legítimas e precisam estar registradas para serem pesadas.

Uma verificação rápida antes de assinar: o método está declarado, a fonte da fidedignidade está citada, cada medida tem leitura própria, as medidas sem critério estão descritas como tal, o efeito de prática foi considerado e a conclusão não diz mais do que os números permitem. Se o conceito de erro-padrão ainda estiver nebuloso para algum leitor do laudo, o guia sobre erro-padrão de medida pode ser indicado como material complementar à equipe.

Como relatar a mudança confiável no laudo

Uma seção de progressão consistente segue cinco movimentos:

1. Comparabilidade antes da comparação. Mesma versão, mesma forma, mesmo informante (em escalas), mesma tabela normativa, intervalo entre as aplicações e qualquer ressalva (por exemplo, reteste dentro da janela de efeito de prática).
2. Método declarado. "A mudança foi julgada pelo índice de mudança confiável de Jacobson e Truax, com fidedignidade da fonte X; mudança confiável exige |RCI| ≥ 1,96. Medidas sem critério publicado foram tratadas descritivamente."
3. Resultado por medida. Escores das duas aplicações, diferença, RCI, diferença mínima, leitura (mudança confiável, dentro da variação esperada, estável ou sem critério) e, quando houver, efeito médio de prática.
4. Explicações concorrentes. Prática, regressão à média, condições da aplicação e mudança genuína, cada uma com o que a favorece, o que a enfraquece e o próximo passo.
5. O que a trajetória permite e não permite afirmar. Com duas aplicações, descreve-se direção e tamanho da diferença; não se descreve forma de curva (aceleração, platô, desaceleração).

Exemplo de redação, retirado do caso do WAIS-III: "Diferença de +2 pontos. O índice de mudança confiável (Jacobson-Truax) é 0,24; mudança confiável exigiria cerca de 16,1 pontos. A diferença fica dentro da variação esperada pelo critério e não é tratada como melhora nem piora."

No PontoAzul, quando o paciente tem duas ou mais aplicações do mesmo teste, o sistema confere a comparabilidade, calcula o RCI quando há fidedignidade publicada cadastrada para a medida, sinaliza o efeito de prática quando o intervalo cai na janela descrita pela fonte, trata como descritivas as medidas sem critério, desenha a régua de evolução e redige a análise de progressão. O profissional revisa e assina. Para entender as bases psicométricas por trás desses cálculos, veja também psicometria aplicada à neuropsicologia clínica e o guia sobre como interpretar o perfil do WISC-IV.

Referências

• Jacobson, N. S., & Truax, P. (1991). Clinical significance: A statistical approach to defining meaningful change in psychotherapy research. Journal of Consulting and Clinical Psychology, 59(1), 12–19. https://doi.org/10.1037/0022-006X.59.1.12
• Chelune, G. J., Naugle, R. I., Lüders, H., Sedlak, J., & Awad, I. A. (1993). Individual change after epilepsy surgery: Practice effects and base-rate information. Neuropsychology, 7(1), 41–52. https://doi.org/10.1037/0894-4105.7.1.41
• McSweeny, A. J., Naugle, R. I., Chelune, G. J., & Lüders, H. (1993). "T scores for change": An illustration of a regression approach to depicting change in clinical neuropsychology. The Clinical Neuropsychologist, 7(3), 300–312. https://doi.org/10.1080/13854049308401901
• Iverson, G. L. (2001). Interpreting change on the WAIS-III/WMS-III in clinical samples. Archives of Clinical Neuropsychology, 16(2), 183–191.
• Duff, K. (2012). Evidence-based indicators of neuropsychological change in the individual patient: Relevant concepts and methods. Archives of Clinical Neuropsychology, 27(3), 248–261. https://doi.org/10.1093/arclin/acr120
• Calamia, M., Markon, K., & Tranel, D. (2012). Scoring higher the second time around: Meta-analyses of practice effects in neuropsychological assessment. The Clinical Neuropsychologist, 26(4), 543–570. https://doi.org/10.1080/13854046.2012.680913
• Heilbronner, R. L., Sweet, J. J., Attix, D. K., Krull, K. R., Henry, G. K., & Hart, R. P. (2010). Official position of the American Academy of Clinical Neuropsychology on serial neuropsychological assessments. The Clinical Neuropsychologist, 24(8), 1267–1278. https://doi.org/10.1080/13854046.2010.526785
• Estudo com ajuste de prática em intervalo de 90%: Assessing cognitive change and quality of life 12 months after epilepsy surgery: development and application of reliable change indices and standardized regression-based change norms for a neuropsychological test battery in the German language. Frontiers in Psychology, 11, 582836 (2020). https://doi.org/10.3389/fpsyg.2020.582836