O que decide a resposta

Muitas grandezas biológicas contínuas se distribuem de forma simétrica em torno de um valor central na população geral. A curva normal se aplica porque "se aplicam a um conjunto importante de variáveis antropométricas, demográficas e clínicas, incluindo parâmetros serológicos", permitindo definir faixas de referência e aplicar inferência estatística paramétrica.

Raciocínio clínico

A curva de Gauss modela variáveis quantitativas contínuas originadas pelo efeito cumulativo de múltiplos fatores biológicos e ambientais independentes. Peso ao nascer, altura, pressão arterial e dosagens bioquímicas no soro comportam-se tipicamente como distribuições normais ou aproximadamente normais.

Analisando as demais alternativas:

A noção de intervalo de referência estatístico não se confunde com exatidão diagnóstica (capacidade de um teste acertar a presença da doença contra um padrão de referência). Critérios diagnósticos dependem de sensibilidade, especificidade e limiares de relevância clínica, não apenas da variabilidade gaussiana.

Na distribuição normal, a assimetria é igual a zero (distribuição perfeitamente simétrica) e a curtose é igual a 3 (ou zero, se considerarmos o coeficiente de excesso de curtose). Ter assimetria de três indicaria uma distribuição intensamente desviada para a direita, incompatível com o modelo gaussiano.

Valores situados entre –1 e +1 desvio-padrão englobam aproximadamente 68,2% da população, representando o centro da distribuição — exatamente os indivíduos mais comuns e centrais, e não aqueles em "situações extremas".

A curva normal não se aplica a "quaisquer características". Variáveis qualitativas (gênero, presença de sintoma), contagens discretas (número de episódios de internação) ou variáveis com assimetria marcante (renda familiar, tempo de internação hospitalar) exigem outros modelos probabilísticos (binomial, Poisson) ou abordagens não paramétricas.

Por que acontece

Pelo Teorema Central do Limite, a soma de um número expressivo de variáveis aleatórias independentes e com variância finita converge para uma distribuição normal, independentemente da distribuição individual de cada uma. Na fisiologia humana, traços antropométricos e níveis séricos resultam da interação de inúmeros polimorfismos genéticos e estímulos ambientais, o que produz a conformação simétrica em forma de sino.

Conduta

Na análise de dados clínicos e epidemiológicos, a verificação da normalidade dos dados contínuos (por métodos visuais como histogramas e gráficos Q-Q, e testes de hipótese como Shapiro-Wilk) define a escolha das ferramentas:

Quando a variável segue distribuição normal, apresenta-se o sumário descritivo por média e desvio-padrão, utilizando-se testes paramétricos (teste t de Student para duas amostras independentes, ANOVA para três ou mais grupos).

Se houver assimetria importante ou desvio da normalidade, relatam-se mediana e intervalo interquartil (IIQ), recorrendo-se a testes não paramétricos (como Mann-Whitney e Kruskal-Wallis) ou à transformação logarítmica dos dados.

Como isso cai nas provas

• –Distribuição Normal vs. Distribuição Assimétrica: na distribuição perfeitamente normal, as três medidas de tendência central coincidem (média = mediana = moda). Na assimetria à direita (positiva), a média é puxada pelos valores extremos e fica superior à mediana (média > mediana > moda).
• –Intervalo de 1 DP vs. 2 DP: o intervalo de média ± 1 DP abrange ~68% das observações; o intervalo de média ± 2 DP abrange ~95% (precisamente 95,4%). Os valores considerados extremos e habitualmente usados para delimitar a normalidade biológica ficam além de ± 1,96 DP (os 2,5% mais baixos e os 2,5% mais altos).
• –Teste Paramétrico vs. Não Paramétrico: o critério de separação é o pressuposto de distribuição normal da variável na população de origem. Dados com distribuição gaussiana autorizam o teste t de Student; dados sem distribuição normal exigem testes não paramétricos como o teste de Wilcoxon-Mann-Whitney.