Revisão REVELA inconsistências em experimentos de escolha discreta na pesquisa de enfermagem

Uma revisão recente de doze estudos que aplicaram Experimentos de Escolha Discreta (DCEs) na força de trabalho de enfermagem identificou falhas metodológicas importantes, variabilidade no desenho das tarefas e pouca transparência nos relatórios analíticos. Embora os DCEs sejam ferramentas valiosas para compreender preferências profissionais e orientar políticas de retenção e recrutamento, sua aplicação permanece heterogênea e, em muitos casos, pouco padronizada.

Por Lucas Esteves — Especialista em Medicina e Segurança do Trabalho e Sócio da AMBRAC.

O que o estudo analisou sobre os DCEs na enfermagem

Os DCEs são amplamente utilizados na saúde para simular escolhas reais e identificar preferências em cenários hipotéticos. Na enfermagem, eles permitem avaliar fatores que influenciam decisões de emprego, migração, retenção e condições de trabalho.

A revisão analisou estudos publicados até dezembro de 2024, utilizando bases como Medline, CINAHL, Web of Science e Google Scholar. Foram incluídos apenas trabalhos que aplicaram DCEs à força de trabalho de enfermagem ou parteiras.

“A enfermagem vive um desafio global de atração e retenção. Métodos robustos, como DCEs bem estruturados, ajudam a entender o que realmente importa na tomada de decisão desses profissionais.”

— Lucas Esteves

Principais achados da revisão

Os autores encontraram inconsistências que comprometem a comparabilidade e a utilidade dos resultados.

1. Variação significativa no design das tarefas

A maioria utilizou escolhas binárias, mas:

• Poucos estudos empregaram designs rotulados;
• Quase nenhum ofereceu opção de exclusão (“nenhuma das alternativas”), gerando vieses;
• Half dos estudos aplicaram desenhos D-eficientes.

2. Seleção limitada de atributos e níveis

Embora alguns tenham usado revisões de literatura ou grupos focais, poucos adotaram uma metodologia abrangente para definir atributos relevantes.

3. Pilotos menores e pouco representativos

Testes pilotos ocorreram, mas:

• Com amostras pequenas;
• Sem diversidade de subgrupos;
• Sem validação psicométrica adequada.

4. Falta de transparência analítica

Ponto crítico da revisão:

• Modelos econométricos nem sempre descritos;
• Estudos omitiram detalhes de especificação de modelos;
• Metodologias de estimação foram pouco detalhadas.

5. Variedade de modelos utilizados

Os estudos aplicaram:

• Logit condicional;
• Logit misto;
• Logit multinomial.

Metade estimou disposição a pagar ou conduziu simulações contrafactuais, mas com pouca uniformidade metodológica.

“Quando estudos não deixam claro como modelos foram ajustados, resultados ficam fragilizados e decisões baseadas neles podem ser equivocadas.”

— Lucas Esteves

Exemplos práticos de impacto da inconsistência

Exemplo 1 — Políticas públicas baseadas em dados frágeis

Quando governos utilizam DCEs para entender:

• Motivações de escolha de emprego;
• Preferências entre áreas rurais e urbanas;
• Expectativas salariais;

Um estudo metodologicamente inconsistente pode levar a:

• Intervenções ineficazes;
• Políticas mal direcionadas;
• Erros na interpretação das preferências reais.

Exemplo 2 — Hospitais analisando estratégias de retenção

Um DCE com atributos mal definidos pode induzir conclusões erradas sobre o que atrai ou retém enfermeiros, levando a:

• Investimentos inadequados em incentivos;
• Programas de retenção com baixo impacto;
• Subestimação de fatores psicossociais críticos.

FAQ – principais dúvidas sobre DCEs na enfermagem

Por que os DCEs são usados na pesquisa de enfermagem?

Porque permitem simular decisões reais e capturar preferências sobre emprego, condições de trabalho e incentivos.

Qual o principal problema encontrado na revisão?

A falta de transparência nos relatórios analíticos e inconsistências no rigor metodológico.

Os estudos analisados eram de que países?

A maioria de países de baixa e média renda, muitos focados em migração rural–urbana.

Qual foi a inconsistência mais frequente?

Variedade no design das tarefas e ausência de opções de exclusão ou designs rotulados.

Quais modelos econométricos foram usados?

Logit condicional, logit misto e logit multinomial.

Houve estimativa de disposição a pagar?

Sim, em cerca de metade dos estudos.

Quais recomendações os autores fazem?

Adoção de metodologias mais sistemáticas, maior transparência analítica e padronização das melhores práticas.

Conclusão

A revisão evidencia que, embora os DCEs sejam ferramentas poderosas para entender preferências profissionais na enfermagem, ainda há falhas significativas que comprometem a confiabilidade dos resultados. A padronização metodológica, a transparência analítica e o uso de técnicas de modelagem avançadas são essenciais para que os DCEs cumpram seu papel na formulação de políticas e planejamento da força de trabalho em saúde.

Como a AMBRAC pode apoiar sua instituição

Educação e capacitação para equipes de saúde

• Treinamentos sobre fatores psicossociais e saúde mental;
• Formação em análise de pesquisas e tomada de decisão baseada em evidências;
• Workshops sobre qualidade metodológica em estudos aplicados.

Integração entre saúde ocupacional e políticas institucionais

• Desenvolvimento de programas alinhados às preferências de trabalhadores;
• Estratégias de retenção e bem-estar organizacional;
• Diagnóstico técnico de riscos e fatores psicossociais.