Inferência Causal em Estudos Seccionais IX Congresso de Epidemiologia - II Episeminário Inferência causal em epidemiologia: (ENSP/FIOCRUZ) departamento de epidemiologia Inferência Causal em Estudos Seccionais Michael E. Reichenheim Evandro S. F. Coutinho Rio de Janeiro, 14 de abril 2014

Retomando o modelo de desfechos potenciais É o mais usado em epidemiologia ... Cenário contafactual  a ideia de ‘expostos comparados a eles mesmos quando não expostos’ ... Controle de confundimento Operacionalizando via randomização ... Operacionalizando via pós-estratificação  modelos teóricos e estatísticos robustos ... Contextualizando em estudos de abordagem transversal (‘estudos seccionais’) Ao se usar um modelo de regressão, o que significa ‘controlar/ajustar por covariadas’? Não é meramente ‘controlar por controlar’, mas ... Estimar o efeito direto de uma exposição no desfecho sem a interferência dos outros elementos/nós do sistema (e.g., confundidores ou mediadores) Querendo ou não, estamos ‘acionando’ o MEP

Perguntas fundamentais Então, o que estamos fazendo quando partimos para uma modelagem em estudos de abordagem transversal? Quando e o que valem as estimativas obtidas? O que significa “o exponencial de um coeficiente de regressão obtido a partir de um modelo (supostamente) apropriado para desfechos categóricos”? Uma questão importante para motivar: Se a definição de um risco (em um sentido ‘epidemiológico’ ... estudo de coorte [fixa]) requer a especificação de um período (t) e, logo, uma Razão de Risco necessariamente requer a especificação do t que subjaz os dois riscos componentes (R0 e R1), que resposta daria se alguém perguntasse, por exemplo: “Qual o t subjacente de uma estimativa de 2,0 obtida a partir de um estudo transversal?” ???

Pano de fundo (identificando o problema) No começo  livros  proposta descritiva: pessoa, lugar, tempo  estatísticas vitais ... papel importante  prover prevalências agregadas e em sub-grupos de interesse (focalização) Progressivamente … 1980’  interesse em obter incidências a partir de abordagens transversais  perspectiva (inferência) causal ! A partir da década de 1990’  debate ‘caloroso’ sobre duas questões ...

Pano de fundo (identificando o problema) A partir da década de 1990’  debate ‘caloroso’ sobre duas questões Que medida seria apropriada para captar contraste entre grupos de exposição  Razão de Prevalência (RP) ou Razão de Odds de Prevalência (ROP)? Que modelos de análise seriam os mais apropriados para estimar essas quantidades em contextos multivariados (pressupostamente em uma perspectiva causal)? Dois campos (‘racha’) Lee & Chia, Axelson et al. e Thompson et al. se posicionam a favor da RP Strömberg e Pearce optam pela ROP (... e nós ...) Repercussões hoje (‘racha’) Campo 1  modelagem da RP Campo 2  modelagem da ROP mas o que significam numa perspectiva causal?

Mas o que significam o que numa perspectiva causal? Causalidade  conversão de ‘não doentes’ em ‘doentes’ ... Estimadores de interesse? Prevalência? Não pode ser, já que Incidência? Ok, mas qual ? Incidência Acumulada/Risco? ... ... ... RR/RIA ? Densidade de Incidência/Taxa? ... ... ... RDI ? Mas se estamos num contexto ‘transversal’, o que estariam significando as RP ou ROP estimadas ? Se RP, ‘vale’ um RIA (=RR)? Ou será que a RP ‘vale’ uma RDI? Se ROP, ‘vale’ um RIA (=RR)? Ou será que ‘vale’ uma RDI? E dependendo, qual o modelo multivariado mais apropriado? E quais as condições nas quais um estudo transversal pode sustentar uma inferência causal?

Condições estruturantes Cinco condições 1) População em estado estacionário 2) Não haver sobrevida seletiva por sub-grupo de exposição 3) Duração média do desfecho igual nos grupos de exposição 4) Não haver causalidade reversa 5) Direcionalidade temporal E D sustentável mediante coleta de E antes de D ou por teoria (e.g. estudo de algum efeito ao nascimento via recordatório de evento na gravidez) Para ‘pensar’ essas condições, é necessário também entender o fenômeno em estudo  as relações de ocorrência entre os ‘atores no palco’ (ED? C? M? I?) Uma vez que as cinco condições estejam exaustivamente atendidas, o próximo passo consiste em inspecionar em que condições as estimativas obtidas em estudos transversais captam parâmetros causais ou, ao contrário, nas quais eles desmontam ...

Relações formais entre medidas Stata ado-file: epiconv

Explorando cenários (i) Estimativas de RP somente consistentes com RDI e RIA em condições muito restritas !

Explorando cenários (ii)

Explorando cenários (iv) RP tb muito diferente de RDI ! 2.0 2.0 1.2 RP muito diferente de RIA!

Retomando as perguntas ... ... mas se estamos num contexto ‘transversal’, o que estariam significando as estimada RP ou ROP? Se RP, ‘vale’ um RR (uma RIA)? Não, pois vimos que a RP depende da duração T da ‘doença’ subjacente e de um pressuposto t (da janela temporal de seguimento de uma coorte [fixa]) ... E qual seria t se só o que temos é um corte transversal da população em (supostamente) seguimento? ... Incompreensível! Ou será que a RP ‘vale’ uma RDI? Também não. Como vimos nas simulações e gráficos anteriores, o valor da RP não conflui para RDI ... a exceção seria no caso de doenças raras ... mas quem investe em inquéritos para estudar eventos raros? 

Retomando as perguntas ... E se a RP não representa qualquer medida de efeito de ‘significado causal’, qual o significado das estimativas obtidas em modelos ‘multivariados’ conexos? ?!  E , logo, qual(ais) o(s) modelo(s) multivariado(s) mais apropriado(s)?

Retomando as perguntas ... ... mas se estamos num contexto ‘transversal’, o que estariam significando as estimadas RP ou ROP? Se ROP, ‘vale’ uma RIA (um RR)? Não, pois vimos nas simulações que os valores da ROP raríssimamente se aproximam dos valores de RIA/RR (e que mudam segundo específicos t’s) Ou será que a ROP ‘vale’ uma RDI? Sim, em certas condições (estruturantes), incluindo a igualdade das durações do desfecho T0 e T1 entre E0 e E1, respectivamente; ou se o evento desfecho é pontual (T=0) 

Retomando as perguntas ... E se a ROP representa alguma medida de efeito de ‘significado causal’, qual o significado das estimativas obtidas em modelos multivariados conexos? !  E , logo, qual(ais) o(s) modelo(s) multivariado(s) mais apropriado(s)? ... Regressão logística

Árvore de decisão para analisar dados seccionais

Considerações finais (i) A crescente literatura sobre modelos multivariados alternativos à RL para estimar efeitos a partir de dados seccionais, em vez de ajudar no entendimento e desenvolvimento da pesquisa epidemiológica, ao contrário, jogou mais sombras que luzes ao tema ...

Considerações finais (ii) Não porque haja algo incorreto nesses modelos, mas porque a real importância da construção de modelos foi completamente posta de lado ... As condições e adequação para modelar tem sido aceitas tacitamente, mas, como vimos, é fundamental no processo considerar antes as questões teóricas das relações entre eventos de interesse  desfechos e exposições (bem como confundidores, modificadores de efeito, mediadores, colisores) não só exigem uma avaliação sobre questões de substância e significado, mas também no que diz respeito às suas relações temporais ...

Considerações finais (iii) E só depois disso ‘resolvido’ é possível tomar uma decisão quanto ao modelo estatístico a ser proposto ... E nas situações reconhecidamente restritas em que a modelagem causal é realmente possível e alcançável a partir de dados transversais, a ROP —ou melhor, a razão de produtos cruzados calculada como uma estimativa da RDI— merece ser o estimador indicado !