Correlação ou Causalidade? Como Ler Estudos sobre Telas e Redes Sociais sem Se Enganar

"Estudo mostra que telas causam depressão." "Pesquisa conclui que redes sociais não fazem mal." Manchetes opostas aparecem com frequência, e ambas costumam citar estudos reais. A diferença está em saber o que cada estudo consegue mostrar. Na maioria dos trabalhos sobre tecnologia e saúde mental, o que existe é correlação: duas coisas que aparecem juntas. Provar que uma causa a outra é bem mais difícil.

Em resumo: Correlação significa que duas coisas variam juntas; causalidade exige mostrar que uma produz a outra. Em tecnologia, a maior parte dos estudos é observacional, com efeitos pequenos, medidas imprecisas e muita divergência entre revisões. Experimentos randomizados ajudam, mas são curtos e testam intervenções específicas. Perguntar o desenho, o tamanho do efeito e a direção ajuda a ler uma manchete.

Três explicações para duas coisas que andam juntas

Quando um estudo encontra que mais uso de redes sociais anda junto com mais tristeza, há pelo menos três leituras possíveis:

1. A causa B: o uso aumenta a tristeza.
2. B causa A (causalidade reversa): quem está triste usa mais as redes, talvez para escapar ou buscar apoio.
3. Um terceiro fator causa os dois (confusão): sono ruim, conflitos familiares, solidão ou falta de recursos aumentam o uso e a tristeza ao mesmo tempo.

As três podem ser verdadeiras ao mesmo tempo, em proporções diferentes para cada pessoa. Um estudo de um só momento não consegue separá-las. Por isso, textos como telas e TDAH falam em associação nos dois sentidos, e não em causa.

Por que os estudos sobre tecnologia são difíceis

Odgers e Jensen (2020, Journal of Child Psychology and Psychiatry) revisaram a literatura sobre uso digital e saúde mental de adolescentes e destacam que a maior parte das pesquisas é correlacional e produziu uma mistura de associações pequenas, positivas, negativas e nulas. Os estudos preregistrados e de grande escala mais rigorosos mostram associações pequenas que, segundo eles, não permitem distinguir causa de efeito e provavelmente têm pouca relevância clínica ou prática.

Alguns obstáculos explicam isso:

• Flexibilidade nas análises. Orben e Przybylski (2019, Nature Human Behaviour) lembram que grandes bases de dados têm muitas variáveis, e a liberdade de escolher quais combinar pode transformar efeitos pequenos em resultados "significativos", gerando falsos positivos e conclusões conflitantes. Ao aplicar uma análise que testa todas as combinações razoáveis em três bases com 355.358 participantes, encontraram associação negativa, mas pequena, de no máximo 0,4% da variação do bem-estar.
• Qualidade variável. Na revisão guarda-chuva de Sanders e colaboradores (2024), 95 das 102 metanálises tinham risco de viés médio ou alto, e a heterogeneidade era elevada em 20 de 21 efeitos de saúde.
• Divergência entre revisões. Valkenburg (2022) analisou 27 revisões sobre redes sociais e bem-estar publicadas entre 2019 e agosto de 2021 e viu que as nove metanálises, apesar de partirem da mesma base de estudos, divergiam, principalmente quanto ao tempo de uso e ao uso ativo e passivo.
• Medidas imprecisas. Estimar o próprio tempo de uso tende a ser impreciso, e rótulos como "tempo de tela" juntam atividades muito distintas.
• Efeitos pequenos. Uma correlação de 0,1 explica cerca de 1% da variação. Pode ser relevante em escala de população e irrelevante para uma pessoa específica.

O que cada tipo de estudo consegue mostrar

Os ensaios randomizados são os mais próximos de provar causa, mas têm limites próprios. Castelo e colaboradores (2025, PNAS Nexus) sortearam participantes para ficarem duas semanas sem internet móvel no celular, mantendo chamadas e mensagens. O grupo melhorou em saúde mental, bem-estar e atenção sustentada medida de forma objetiva, e boa parte da melhora foi explicada por mais tempo com pessoas, exercício e natureza. Mesmo assim, os autores falam de uma intervenção específica, por poucas semanas, em que os participantes sabiam em qual grupo estavam. É causal para aquilo que foi testado, não para todo uso de tela.

Oito perguntas para ler uma manchete

1. O estudo foi observacional ou um experimento com sorteio?
2. Quantas pessoas participaram, de que idade e de onde?
3. Como o uso e o desfecho foram medidos: por relato, por aplicativo, por escala validada?
4. Qual foi o tamanho do efeito, e não só se foi "significativo"?
5. Os autores consideraram sono, renda, saúde prévia e outros fatores em comum?
6. A direção da relação foi testada, com acompanhamento no tempo?
7. Outros estudos e revisões chegam à mesma conclusão?
8. A conclusão do texto é compatível com o que o estudo fez, ou foi além dele?

O que fazer com a incerteza

Pesquisadores sérios discordam sobre quanto da piora da saúde mental de jovens se deve às redes sociais: alguns defendem agir por precaução, outros pedem provas de causa antes de políticas amplas. Essa discordância não impede de tomar decisões prudentes no nível pessoal. Proteger o sono, preservar a convivência presencial e observar como o uso mexe com o seu humor são medidas de baixo custo e baixo risco, que você pode adotar sem esperar a ciência fechar o debate. As visões gerais estão em telas e saúde mental e redes sociais e saúde mental, e as estratégias práticas em como usar menos o celular.

Conclusão

Entender a diferença entre correlação e causalidade não obriga ninguém a duvidar de tudo: serve para calibrar a confiança, desconfiar de manchetes extremas e preferir conclusões que acompanham a força real das evidências. Se o seu uso de telas anda associado a sofrimento, o que vale é o seu caso concreto, e não a média de um estudo. A terapia cognitivo-comportamental pode ajudar a examinar os padrões de uso, o humor e os gatilhos de forma individualizada.

Este texto tem caráter informativo e não substitui avaliação profissional individualizada.