Buscar

EPIDEMIOLOGIA ANALÍTICA

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você viu 3, do total de 3 páginas

Prévia do material em texto

EPIDEMIOLOGIA ANALÍTICA
Transição: antigamente doenças eram entendidas como determinações divinas
Doenças em humanos não ocorrem de maneira aleatória: existem fatores causais complexos (não é só ter fator causal, há muitas outras interações) que levam à doença.
Na epidemiologia analítica, buscam-se associações entre fatores e efeitos em saúde, para chegar em causalidade no fim das contas.
Causa e associação estatística são coisas distintas. Associação estatística pode ou não ser uma causa para aquela doença.
Associação estatística: dependência estatística entre duas variáveis. Ex: “À medida que a criança cresce, ela ganha peso”. Quando epidemiologia estuda causas, quer ver essa associação estatística. Tem que passar por outras etapas para saber se há de fato relação causal. 
Processo de buscar causa de doença pode saber bastante complexo. Campo da multicausalidade. Em epidemiologia, estuda-se parte dessa rede.
São “constelações causais”, há vários fatores juntos que ocorrem para que existam doenças.
Em doenças infecciosas, há fator causal necessário para presença da doença. Mas não é suficiente para produzir doença! Raramente é suficiente. 
Como avaliar se associação estatística é causal tb? 
1) Erro aleatório: cada vez que pegar amostra, pode haver comportamento diferente. Há acaso: processo amostral. Pessoas que selecionou podem ter diferenças em prognóstico, em caso de avaliação de cura. Todo estudo precisa de tratamento estatístico, exatamente pelo acaso amostral. Descarta associação por puro produto do acaso. Valor de “p”. Erro aleatório deve ser descartado: vê se associação é além da esperada pelo acaso.
2) Erro sistemático: vê validade e qualidade do estudo. Ver como estudo foi conduzido, se estudo foi feito de forma correta, se há distorções no estudo (escolha de amostra, forma de avaliar etc). 
3) Critérios mínimos de causalidade - o que se sabe sobre o assunto? Existe credibilidade e plausibilidade biológica? Fala sobre aspecto mais geral do estudo. Devo acreditar nesse resultado sabendo de outros conhecimentos?
Duas grandes fontes de erro em epidemiologia:
Erros aleatórios: tem a ver com o processo amostral: cada vez que pegar amostra, pode ter resposta diferente; ou seja, são erros devido a variação amostral inerente ao processo amostral. Afeta a precisão do estudo epidemiológico. Quanto menor amostra, mais erro aleatório. Só com amostra total da população é que há ausência de erro aleatório. Ou seja, quando maior tamanho amostral, menos erro aleatório e maior precisão do estudo.
Erros sistemáticos: comprometem a validade da associação feita, dos estudos em si. Acontece quando parâmetro estimado não é verdadeiro para a população alvo. Ocorre quando há viés de seleção (pegou amostras não comparáveis, diferentes prognósticos), viés de informação (na hora de analisar; usou instrumento ou teste ruim), viés da causalidade invertida (temporalidade) e viés de confusão (ignora fatores que andam juntos e podem influenciar – ex café com sintomas respiratórios). Há erro em algum procedimento do estudo. 
AULA 2 – 22/05/2017
Revisão:
Distribuição normal: probabilidade de se tirar amostra é maior quanto mais próxima do valor verdadeiro. 
Se vai aumentando o tamanho da amostra, curvas continuam com distribuição normal, mas cada vez com menor erro (mais afunilada). Erro aleatório é inversamente proporcional ao tamanho amostral. É traduzido em termos de IC. Toda vez que trabalhar com amostra há possibilidade de erro aleatório, que tem que ser trabalhado na discussão do estudo.
Amostragem por conveniência: não necessariamente representam a amostra real.
Viés de confusão atrapalha, distorce o resultado encontrado. Ignorar variável importante pode trazer resultados totalmente equivocados. Ver se há plausibilidade biológica.
TIPOS DE ESTUDOS ANALÍTICOS
Relembrar classificação. 
Em estudo transversal analítico: tem que saber que causa veio antes do efeito! Temporalidade dos eventos é algo muito relevante para estabelecer relação causal.
Melhorando em validade – erros sistemáticos:
Estudos de corte transversal < estudos de caso-controle < estudos de coorte < estudos experimentais aleatorizados.
Ou seja: estudos observacionais < Estudos de intervenção/experimentais	
Estudos de corte transversal:
Mais limitado de todos. Pode ser tanto descritivo, quanto analítico. Vamos falar de analíticos. Ou seja: analítico + observacional + transversal
Classificação inicial dos sujeitos em geral é feita com base populacional. População é organizada naqueles doentes ou não e naqueles expostos ou não – faz aquele quadrinho. 
Faz associação frágil de causalidade pela falta de temporalidade. Viés de temporalidade.
Pecam por trabalhar com eventos prevalentes (dependem do coeficiente de prevalência e do tempo do evento): há supervalorização de indivíduos sobreviventes. Ex: HIV em países mais pobres: há maior prevalência entre maior nível socioeconômico por conta da falta de tratamento em populações de baixa renda. Isso se chama de viés de sobrevivência/da prevalência. Mostra só indivíduos que sobreviveram.
Vantagens: rapidez, baixo custo; oferece precoces dicas para levantar hipóteses; indicadores de prevalência; planejamento de recursos e demandas. Não tem problema de temporalidade em certas situações: ex de tipagem sanguínea – é condição permanente.
Desvantagens: erro de causalidade invertida e viés de temporalidade (A->B ou B->A? não pode confirmar causalidade); viés de sobrevivência (superestima sobreviventes); erro dos sobreviventes – questão de sobrevida (ex HIV); erro de classificação (exposição de hoje não é a mesma do passado – qual causou a doença? Ex: consumo de sal e hipertensão - consumo de menor quantidade de sal em hipertensos pode ser consequência do diagnóstico).
Razão de prevalência: prevalência entre os expostos / prevalência entre os não expostos.
RP > 1: indica que prevalência é maior entre os expostos – é possível que exposição seja causa. Considerar erro aleatório. 
RP = 1: exposição não faz diferença.
P < 0,05: diferença é maior que a esperada do erro aleatório; há diferença estatística além do acaso; não foi erro aleatório que fez isso.
IC: também te diz sobre erro aleatório. Em geral, coincide com medida de P. Consideram imprecisão em torno das medidas amostrais. Não pode incluir valor 1,0 para análise de RP; mas valores de RP devem estar dentro desse intervalo.
Variável independente: tipo o x; Variável dependente: depende da independente
Variável discreta: tem limites nos valores que ela pode assumir – só valores inteiros; Variável contínua: quantidade muito grande de possíveis respostas, qualquer valor.

Outros materiais