Uma revisão de escopo sobre o uso de dados do mundo real para avaliar a eficácia de aplicações mHealth

Por que seus aplicativos de saúde importam além do telefone

Muitos de nós agora registramos nosso humor, sono, passos ou glicemia em aplicativos de saúde, mas o que acontece com todas essas informações? Este artigo explora como dados da vida real provenientes de aplicações de saúde móvel (mHealth) estão sendo usados para julgar se essas ferramentas realmente ajudam as pessoas no dia a dia. Em vez de depender apenas de ensaios clínicos tradicionais, os autores analisam estudos que aproveitam os dados que os aplicativos coletam naturalmente enquanto as pessoas os usam em casa, no trabalho e em trânsito.

O que os pesquisadores se propuseram a descobrir

Os autores realizaram uma revisão de escopo, um tipo de mapeamento amplo, para verificar como os dados do mundo real provenientes de aplicativos de saúde são atualmente usados na literatura publicada. Eles se concentraram em aplicativos voltados ao paciente, que as pessoas usam de forma independente para gerenciar a saúde, acompanhar condições ou apoiar mudanças no estilo de vida. Crucialmente, incluíram apenas estudos que usaram dados “naturalmente emergentes” — informações capturadas por funções normais do aplicativo ou por registros rotineiros de saúde, e não questionários extras ou ferramentas adicionadas apenas para um estudo. Eles agruparam esses dados em três tipos simples: informações que as pessoas digitam no aplicativo, dados registrados automaticamente por dispositivos como sensores ou wearables e informações extraídas de sistemas de saúde, como prontuários eletrônicos ou reivindicações de seguro.

Onde os aplicativos de saúde estão sendo testados

A partir de mais de dez mil artigos, a equipe identificou 72 estudos que atendiam aos critérios, cobrindo 61 aplicativos diferentes. A maioria desses aplicativos tinha foco em problemas de saúde mental, como depressão ou insônia, ou em questões metabólicas como diabetes e controle de peso. Muitos dos aplicativos funcionam como ferramentas médicas na prática, ajudando a orientar o tratamento ou decisões do dia a dia, mesmo que seu status regulatório oficial nem sempre seja claramente reportado. Os aplicativos de saúde mental tendiam a depender fortemente do que os usuários digitavam sobre humor, sono ou sintomas, enquanto os aplicativos metabólicos frequentemente se apoiavam em dispositivos conectados, como monitores de glicose ou balanças inteligentes que registram medidas automaticamente.

Que tipo de dados esses aplicativos realmente usam

A revisão constatou que a maioria dos estudos se apoiou em informações inseridas ativamente, como questionários de sintomas dentro do aplicativo, sendo menos comum o uso robusto de dados passivos de sensores ou de sistemas de saúde. Cerca de sete em cada dez estudos usaram dados inseridos pelos usuários, frequentemente escores sobre dor, humor ou sono. Aproximadamente um quarto usou dados gerados por dispositivos, e apenas uma pequena fração integrou dados de prontuários médicos ou reivindicações de seguro. Muitos aplicativos coletaram informações de forma contínua ou pelo menos com alta frequência, mas a forma como os pesquisadores analisaram esse fluxo rico foi frequentemente surpreendentemente limitada. Poucos estudos combinaram múltiplas fontes de dados — por exemplo, unindo relatos de bem-estar com leituras de sensores — apesar da promessa de que tais combinações poderiam oferecer um retrato mais completo e confiável da saúde.

Quão robustas são as evidências até agora?

Quando os autores examinaram o desenho dos estudos, encontraram que a maioria eram comparações relativamente simples de antes e depois dentro de um único grupo de usuários, sem um grupo de controle para comparação. Apenas um pequeno número usou abordagens mais rigorosas, como comparar usuários do aplicativo com não usuários semelhantes, ou conduzir ensaios randomizados pragmáticos que espelham mais de perto o cuidado na vida real. Como resultado, muitos estudos atuais podem mostrar que os sintomas das pessoas mudaram enquanto usavam um aplicativo, mas não conseguem afirmar com segurança que o próprio aplicativo causou essas mudanças. O tamanho dos estudos variou amplamente, de algumas dezenas de pessoas a centenas de milhares, e o acompanhamento frequentemente durou apenas alguns meses, o que significa que os efeitos a longo prazo ainda são pouco compreendidos.

O que isso significa para pacientes e para o futuro do cuidado digital

No geral, a revisão pinta um quadro de grande promessa, mas trabalho incompleto. Aplicativos de saúde são claramente capazes de capturar grandes quantidades de informações do mundo real sobre como as pessoas se sentem e funcionam, e esses dados poderiam apoiar verificações contínuas e flexíveis de quão bem as ferramentas digitais performam após chegarem ao mercado. Ainda assim, até agora, a maioria dos estudos publicados faz uso apenas parcial desse potencial. Eles dependem fortemente de autorrelatos, usam desenhos de estudo limitados e raramente vinculam dados de aplicativos a registros clínicos. Para dar a clínicos, reguladores e pacientes maior confiança, futuras avaliações precisarão combinar diferentes tipos de dados do mundo real, acompanhar as pessoas por mais tempo e usar métodos de comparação melhores. Feito corretamente, isso pode transformar o uso cotidiano de aplicativos em um motor poderoso para aprender o que realmente funciona no cuidado de saúde digital.

Citação: Gehder, S., Brückner, S., Gilbert, S. et al. A scoping review on using real-world data to evaluate the effectiveness of mHealth applications. npj Digit. Med. 9, 309 (2026). https://doi.org/10.1038/s41746-026-02562-0

Palavras-chave: aplicativos de saúde móvel, dados do mundo real, terapêuticas digitais, pesquisa em dados de saúde, mHealth baseada em evidências