Programa de Pós-Graduação em Saúde Coletiva - UFMA Epidemiologia Erros dos estudos epidemiológicos – Viés de seleção e de confundimento Programa de Pós-Graduação em Saúde Coletiva - UFMA

Tipos de erros Aleatório Sistemático- vício, viés ou tendenciosidade 1) Seleção 2) Aferição 3) Confundimento

Viés de seleção Diferença sistemática entre os grupos causada pela forma de escolha ou por perdas de seguimento

Viés de seleção voluntários - viés de voluntariado efeito “trabalhador sadio” nos estudos de saúde do trabalhador - viés de afiliação viés de prevalência - trabalhar com coorte de início - incidência amostras de conveniência - rios mais poluídos, inquéritos telefônicos, dados de rotina - demanda de Serviços amostragem não aleatória - cadastro incompleto

Causas do viés de seleção diferenças sistemáticas nas características dos indivíduos - grupos não comparáveis. maneira de seleção perdas não resposta forma de admissão ( viés do voluntariado ( viés de afiliação ( viés de prevalência

Controle no desenho - planejamento amostra aleatória - cada indivíduo tem probabilidade conhecida e diferente de zero de fazer parte da amostra

Viés de confundimento erro devido a uma diferença não aleatória na distribuição dos fatores de risco entre os dois grupos. A variável de confundimento está distribuída desigualmente entre os grupos comparados. Ex: um grupo é mais idoso ou fuma mais que o outro. presente quando estimativa não ajustada do risco difere da estimativa ajustada

Conseqüências altera a estimativa do risco (subestima, superestima) gera falso-positivo, falso-negativo inverte a direção da associação

Exemplo EXPOSIÇÃO (beber café) DOENÇA (coronariopatia) FATOR DE CONFUSÃO (fumo) Isola-se uma situação para investigação, de modo que seja possível pesquisar esta relação, exposição x doença, controlando-se os outros fatores (variáveis extrínsecas ou externas).

Confundimento múltiplo EXPOSIÇÃO POLUIÇÃO ATMOSFÉRICA DOENÇA BRONQUITE CRÔNICA CLASSE SOCIAL SEXO IDADE FUMO

Características do fator de confusão ser um fator de risco para a doença associado com a exposição não ser um elo de ligação entre a exposição e a doença Elo de ligação não deve ser controlado na análise -  associação

Há associação entre consumo de álcool e câncer de pulmão ? Detecção do confundimento – comparar estimativa não ajustada (bruta) com ajustada

Há associação entre consumo de álcool e câncer de pulmão ? Causa do viés de confundimento: análise estatística inadequada

Controle - Desenho randomização - ideal - experimental, tamanho amostral grande pareamento - caso-controle (mesma idade e sexo) restrição de categorias- limitar a análise a certos grupos. Café x IAM em não fumantes, teor de Pb em crianças de 1 a 10 anos (controla exposição ocupacional) estratificação - distribuir casos e controles em 3 categorias, randomizando no interior de cada estrato constituição do grupo controle - imprescindível

Controle – Análise multivariável Análise estratificada Modelagem

Análise estratificada - Exemplo Estudo hipotético de coorte Efeito da exposição a uma substância química tóxica suspeita de desenvolver câncer de pulmão em uma indústria química

Tóxico versus Câncer de Pulmão Exposição ao tóxico Sim Não Total 27 48 75 14 67 81 41 115 156 Incidência entre expostos ao tóxico=27/75=0,36 Incidência entre não expostos ao tóxico=14/81=0,173 Risco relativo=0,36/0,173=2,08 (1,19-3,66)

Análise estratificada Não Fumantes Câncer de Pulmão Exposição ao tóxico Sim Não Total 1 24 25 2 48 50 3 72 75 Fumantes Câncer de Pulmão Exposição ao tóxico Sim Não Total 26 24 50 12 19 31 38 43 81 RR=1,0 RR=1,34 Estimador ponderado de Mantel-Haenszel= 1,31 (0,80-2,15)

Estimador ponderado de Mantel-Haenszel verifica a relação exposição x doença dentro de cada estrato faz uma estimativa ponderada do risco ajustada para a variável de confusão. - não é uma boa estimativa na presença de interação. só é viável para poucos fatores de confusão limitada pelo tamanho amostral nos estratos (estimativa imprecisa do risco)

MODELAGEM regressão logística - variável resposta dicotômica regressão linear - variável resposta quantitativa

Modelagem estimativa do risco ajustada para os fatores de confusão que entraram no modelo. Não há limite de tamanho de amostra nem de quantidade de fatores (mas deve se ter cuidado com o superajuste). Compara-se a estimativa bruta com a ajustada - se for diferente - então há confundimento e se considera a estimativa ajustada como mais fiel é uma extensão matemática do modelo de rede de causas informa a proporção da variação de Y (doença) que é explicada pelo efeito do fator de risco X1, controlando-se os demais. Mede o “efeito isolado” de X1 sobre Y.

Freqüência, percentagem, razão de chances bruta e ajustada através de regressão logística do baixo peso ao nascer em Ribeirão Preto, Brasil, 1994