O que significa decidir bem — e como saber se estamos aprendendo?

Quando alguém escolhe uma alternativa, o que permite dizer que decidiu bem? Ter chegado à resposta esperada? Conseguir explicar o raciocínio? Considerar o contexto? Ou reconhecer que ainda faltam informações? Essas perguntas orientam a leitura de quatro fontes que abordam a decisão por caminhos diferentes: formação em nutrição, fatores humanos no trabalho, escolhas clínicas e educação apoiada por inteligência artificial. [1][2][3][4]

O ponto de encontro não é uma técnica universal. É a necessidade de distinguir aquilo que se pretende desenvolver daquilo que foi efetivamente observado. Nas fontes, há um modelo educacional preliminar, uma proposta teórica, um estudo observacional e uma revisão de intervenções. Cada desenho permite responder a perguntas diferentes — e nenhum autoriza, sozinho, uma receita geral para decidir melhor. [1][2][3][4]

O que as pesquisas investigaram

Em uma universidade suíça de ciências aplicadas, pesquisadores desenvolveram um modelo piloto para relacionar cinco estratégias à formação em nutrição e dietética: pensamento sistêmico, pensamento crítico, raciocínio clínico, tomada de decisão clínica e julgamento clínico. O estudo de caso qualitativo reuniu uma revisão narrativa direcionada, consultas com cinco docentes especialistas de quatro profissões e uma sessão de feedback com 16 integrantes da equipe educacional de nutrição. O objetivo era esclarecer conceitos e suas relações com o Processo de Cuidado em Nutrição, não medir ganhos de aprendizagem. [1]

Outra fonte, um capítulo sobre ambientes profissionais e industriais, propôs integrar fatores humanos, consciência situacional, pensamento crítico e uso responsável de tecnologias avançadas. Trata-se de uma contribuição conceitual: o resumo não descreve uma amostra estudada, comparação entre métodos ou teste empírico do modelo. Suas afirmações sobre decisões racionais e éticas devem, portanto, ser lidas como argumentos da proposta, não como resultados demonstrados. [2]

O estudo clínico investigou associações entre características neuropsicológicas e escolhas de tratamento de 118 pessoas com esclerose lateral amiotrófica, a ELA. Todas haviam completado pelo menos a seção cognitiva de um instrumento de avaliação específico, o ECAS. Na rotina clínica, eram convidadas a discutir ventilação não invasiva, nutrição artificial por gastrostomia e traqueostomia no planejamento compartilhado do cuidado. O desenho era observacional, sem intervenção experimental para modificar cognição ou decisões. [3]

Por fim, uma revisão sistemática reuniu 29 estudos de intervenção, com 2.138 participantes das ciências da saúde. Investigou educação com IA e quatro desfechos: pensamento crítico, resolução de problemas, raciocínio clínico e tomada de decisão. Incluiu tecnologias distintas, como sistemas de apoio diagnóstico, tutores inteligentes, chatbots e grandes modelos de linguagem. A síntese foi narrativa, sem apresentar no resumo uma estimativa quantitativa conjunta de efeito. [4]

O que foi encontrado

No estudo suíço, a análise identificou diferenças na definição, na ênfase e na aplicação das cinco estratégias cognitivas entre profissões. O resultado principal foi um vocabulário compartilhado inicial, organizado em um modelo piloto ligado ao cuidado nutricional. Isso representa um produto de desenvolvimento conceitual; não demonstra que estudantes passaram a raciocinar melhor ou que decisões clínicas melhoraram. Os próprios autores indicam a necessidade de testar e refinar a proposta. [1]

O capítulo sobre fatores humanos também busca integração, mas por outro caminho: articula influências cognitivas, sociais e organizacionais com consciência da situação, ética e tecnologia. Sua convergência com o modelo educacional está na tentativa de reunir dimensões da decisão. A diferença importante é metodológica: no resumo do capítulo, não há avaliação empírica que permita verificar os benefícios defendidos. [2]

Na revisão sobre IA, intervenções educacionais estruturadas frequentemente tiveram resultados favoráveis em algumas habilidades avaliadas. Entretanto, também apareceram resultados nulos, mistos e negativos, especialmente quando a comparação envolvia recursos educacionais estabelecidos ou quando faltava orientação instrucional estruturada. Assim, os achados não sustentam a afirmação simples de que usar IA melhora o pensamento crítico: os resultados variaram conforme tecnologia, desenho de ensino, comparador e habilidade medida. [4]

No estudo com ELA, as discussões de planejamento compartilhado começaram com 78% dos pacientes. A aceitação de nutrição artificial por gastrostomia esteve associada a menores escores em medidas cognitivas e foi mais frequente entre mulheres. A aceitação de traqueostomia foi mais comum entre pessoas mais jovens e naquelas com comprometimento cognitivo ou comportamental. Em uma regressão que incluiu idade, sexo e categorias diagnósticas, permaneceram associações com idade e, particularmente, com comprometimento cognitivo e comportamental combinado. [3]

Esses resultados descrevem relações entre características e escolhas. Não demonstram que alterações cognitivas causaram a aceitação, que aceitar foi uma decisão inadequada ou que o paciente não tinha capacidade para decidir. Tampouco a aceitação comprova que o procedimento foi realizado. O resumo não oferece elementos para essas conclusões. [3]

Como interpretar

Uma leitura útil é separar três planos: definição, desempenho e escolha. O primeiro pergunta o que se entende por pensamento crítico ou julgamento. O segundo verifica o que alguém consegue fazer em determinada avaliação. O terceiro observa qual alternativa foi aceita ou recusada. As fontes trabalham esses planos de maneiras distintas; tratá-los como equivalentes apagaria diferenças centrais entre seus objetivos e métodos. [1][3][4]

No plano da definição, um modelo pode orientar o debate sem estar validado como ferramenta de ensino. Essa é a situação do piloto em nutrição: ele torna explícitas relações conceituais, mas seu valor educacional permanece por avaliar. O capítulo sobre fatores humanos também oferece uma estrutura para reflexão, não uma medida comprovada de melhoria. [1][2]

No plano do desempenho, importa perguntar: melhor do que qual alternativa, em qual habilidade e sob quais condições? A revisão de IA mostra por que essas perguntas são necessárias, já que os resultados diferiram entre comparadores e formatos educacionais. Os autores também destacam a necessidade de avaliar desempenho sustentado e sem assistência. Portanto, os achados disponíveis não resolvem se uma melhora observada com apoio se mantém quando a ferramenta é retirada. [4]

No plano da escolha clínica, o planejamento compartilhado busca alinhar tratamentos aos valores do paciente. Por isso, não cabe transformar a taxa de aceitação de um procedimento em uma nota de qualidade decisória. O estudo de ELA investigou associações com escolhas, não estabeleceu uma hierarquia entre aceitar e recusar, nem uma regra individual para avaliar capacidade. [3]

Como exercício de pensamento crítico, vale organizar a leitura de qualquer proposta em quatro perguntas: qual competência foi definida; como foi avaliada; com o que foi comparada; e o que continua sem resposta? Em atividades educacionais, uma possibilidade é pedir que o estudante formule seu raciocínio antes de consultar uma ferramenta e depois explique o que revisaria. Essa é uma sugestão de prática reflexiva, não um método cuja eficácia tenha sido demonstrada pelas fontes.

Pontos de cautela

A principal limitação deste conjunto é a distância entre a amplitude das propostas e o alcance das evidências. Os dois modelos de integração não apresentam comprovação de eficácia educacional nos resumos. A revisão sistemática contém estudos de intervenção, mas relata resultados inconsistentes e não informa, no resumo, os resultados das avaliações de risco de viés, as magnitudes dos efeitos ou sua precisão. Ser uma revisão sistemática não elimina essas lacunas. [1][2][4]

No estudo clínico, faltam informações sobre temporalidade, recrutamento, razões para não iniciar as discussões e magnitude das associações. Foram relatadas múltiplas comparações, sem esclarecimento no resumo sobre correção para multiplicidade. A análise estatística descrita também não permite excluir outras explicações para as associações observadas. [3]

Não há uma contradição direta entre as quatro fontes, porque elas não testam a mesma hipótese. Há, porém, um contraste relevante entre a expectativa de benefício das propostas integradoras e os resultados heterogêneos encontrados nas intervenções com IA. A conclusão proporcional é manter essas propostas abertas à avaliação, sem confundir plausibilidade com eficácia. [1][2][4]

Em situações reais de saúde, dúvidas sobre cognição, comunicação e escolhas de tratamento devem ser discutidas com profissionais qualificados. Este artigo não permite avaliar a capacidade decisória de uma pessoa nem escolher intervenções para ela. A lição de leitura crítica é mais delimitada: antes de perguntar se uma decisão foi boa, esclareça o que foi observado e qual conclusão a evidência realmente permite.

Aplicações práticas

Para analisar uma proposta de formação ou uma ferramenta de IA, explicite a competência pretendida, a forma de avaliação, o comparador e as lacunas da evidência. Como exercício reflexivo, registre um raciocínio antes de consultar a ferramenta e compare depois as justificativas, sem presumir que esse exercício tenha eficácia comprovada. Em discussões clínicas, não use aceitação ou recusa de tratamento como indicador automático de qualidade da decisão; procure orientação de profissionais qualificados.

Limitações das evidências

Artigo baseado nos resumos e metadados fornecidos, não nos textos completos. O conjunto inclui dois trabalhos conceituais sem eficácia demonstrada, um estudo observacional que não estabelece causalidade e uma revisão sistemática com resultados heterogêneos. Faltam informações importantes sobre risco de viés, duração, magnitude e precisão dos efeitos, além de detalhes do recrutamento e das avaliações clínicas.