variabilidade e vies

Prévia do material em texto

VARIABILIDADE E VIÉS
Variabilidade na Pesquisa Médica
	As dificuldades na interpretação de resultados de testes de pacientes individuais são ampliadas quando são estudados grupos de pacientes. A avaliação da origem das variabilidades nos resultados de testes e dos erros na pesquisa médica é importante para a aplicação adequada dos resultados das pesquisas na prática clínica.
	A variabilidade das medidas pode ser aleatória ou sistemática. O esquema abaixo demonstra estas diferenças:
				
				
																																																																																																																											
	Os tiros nos dois primeiros alvos encontram-se em volta do centro, mas, no primeiro alvo, eles estão menos espalhados e têm menos variabilidade ou mais precisão. Nos dois últimos alvos, os tiros estão igualmente concentrados, mas, no último, o conjunto de tiros está fora do centro. Isto ocorreria se, por exemplo, a alça de mira da arma estivesse descalibrada. A precisão é comparável, mas, no último alvo, os tiros estão sistematicamente fora do centro, ou enviesados. Os tiros no terceiro alvo, ao contrário, possuem acurácia ou validade. É importante considerar a acurácia e precisão de quaisquer medidas feitas na situação clínica. Na medicina clínica e na pesquisa médica, a variabilidade pode ocorrer em vários níveis diferentes, principalmente no nível individual e no populacional. Em cada nível, a variabilidade inerente ao método de medida é importante.
Variabilidade no Nível Individual
	A primeira preocupação relacionada à variabilidade deve ser com o verdadeiro valor das características de uma pessoa ao longo do tempo. Esta era a preocupação do médico no caso clínico apresentado. Podemos citar como fontes de variabilidade:
	Características individuais:
		Variação diurna.
		Alterações relacionadas a fatores como idade, dieta e exercícios.
		Fatores ambientais como estação do ano e temperatura.
	Características da medida:
		Calibração deficiente do instrumento de medida.
		Falta intrínseca de precisão do instrumento.
		Leitura ou registro incorretos da informação do instrumento pelo técnico.
	A origem das variações, assim, pode ser o indivíduo sob avaliação, o instrumento utilizado para realizar a medida, o técnico tomando a medida ou a pessoa que interpreta o resultado. A variação pode ocorrer por causa de mudanças ocorridas no indivíduo ao longo do tempo. Estas mudanças podem ocorrer a cada minuto (p.ex., freqüência cardíaca), ao longo do dia (p.ex., temperatura corporal) ou ao longo da vida (p.ex., peso ou altura).
	Quando a variação intrínseca ao indivíduo é grande, uma única medida pode não representar adequadamente a verdadeira situação do indivíduo. Repetindo um exame, o médico pode obter uma melhor compreensão do verdadeiro valor e de sua variabilidade. Este processo pode também dar ao médico pistas a respeito da variabilidade ou erro devidos à técnica de mensuração. No caso clínico, um resultado diferente foi obtido quando o colesterol total sérico foi medido uma segunda vez, ou seja, com o paciente em jejum. É improvável, entretanto, que o estado de jejum por si só causasse tal queda no colesterol total sérico. Além do mais, é improvável que o paciente se submetesse a dieta ou outras atitudes que, em apenas duas semanas, fossem capazes de levar às alterações observadas no nível de colesterol.
	
Variabilidade Relacionada à Medida
	Medidas laboratoriais de colesterol sérico são conhecidas por sua variabilidade e erro. Para determinar qual valor, 198 mg/dl ou 242 mg/dl, está mais próximo da realidade, o médico do caso clínico necessitaria saber se as duas medidas foram feitas no mesmo laboratório ou não. Por exemplo, o primeiro resultado poderia ter sido obtido com algum tipo de teste rápido, enquanto o perfil de lipídeos da segunda medida poderia ter sido obtido com um método padronizado. Na verdade, o médico pode não ser capaz de determinar com clareza qual resultado está realmente mais próximo do real. Esta é uma das razões para as recomendações de que valores elevados sejam confirmados por mensurações repetidas em diferentes momentos antes que algum tipo de tratamento seja instituído.
Variações em Avaliações Populacionais
	Assim como existem variações entre indivíduos, também existe variabilidade nas populações, a qual pode ser considerada como o efeito cumulativo da variabilidade individual. Desde que as populações são constituídas por diferentes indivíduos, com diferentes constituições genéticas e sujeitos a diferentes influências ambientais, elas freqüentemente apresentam mais variações do que aquelas encontradas entre os indivíduos. Os médicos precisam conhecer as dimensões da variabilidade populacional para decidir o que é “normal” e “anormal”. Se o médico do caso clínico estiver ciente dos inquéritos populacionais, ele saberá que, em homens adultos de 45 anos de idade, um valor para colesterol total de 200 mg/dl está próximo do percentil 50 e um valor de 240 mg/dl equivale ao percentil 75. Desta forma, o paciente enquadra-se na metade superior da distribuição populacional para valores de colesterol sérico total. Desde que estes valores sejam corretos, isto pode ser atribuído ao efeito de fatores genéticos, ambientais ou ambos.
Variabilidade em Estudos de Pesquisa
	É importante questionar como o médico saberia que valores de colesterol sérico na metade superior da distribuição populacional representam alguma desvantagem. Estes valores são realmente nocivos? A resposta pode ser encontrada em estudos que relacionam níveis elevados de colesterol com mortalidade cardiovascular. Em estudos coorte como o Framingham Heart Study, grupos de indivíduos foram seguidos e comparados de acordo com seus diferentes níveis de colesterol total sérico e a freqüência associada de morte por infarto agudo do miocárdio ou acidente vascular cerebral. Nestes estudos, um nível elevado de colesterol total foi associado com um risco crescente de morte por doença cardiovascular.
	Quando os investigadores realizam estes estudos, eles geralmente não podem estudar a população inteira. Eles avaliam grupos ou amostras da população. Este procedimento gera uma nova fonte de variabilidade, a variabilidade amostral, a qual é importante na pesquisa médica. Usar uma única amostra para representar toda a população é semelhante a usar uma única medida para caracterizar o indivíduo. Medidas repetidas da população fornecerão diferentes estimativas dos verdadeiros valores populacionais. A variabilidade amostral é representada pelo esquema a seguir:
305
276
195	Amostra 1.
215	Prevalência: 40%
170
146
233
195
295
146
190					 220	Amostra 2.
295					 162	Prevalência: 20%
170					 228
164
248
219
164
190	Amostra 3.
188	Prevalência: 0%
250						233
População.
Prevalência: 25%.
Na população de 20 pessoas, existem cinco indivíduos (25%) com colesterol total acima de 240 mg/dl. Nas três diferentes amostras de cinco indivíduos obtidas aleatoriamente desta população, a proporção de indivíduos com colesterol acima de 240 mg/dl variou entre zero e 40%. Cada uma destas pequenas amostras representa um diferente quadro da população estudada. Uma amostra maior resultaria em menos variabilidade e representaria a população-alvo com mais precisão.
 A variabilidade pode ter outras repercussões quando dois grupos são comparados. O objetivo de estudos comparativos freqüentemente é determinar quanto uma diferença mensurável existe entre os grupos. Quando um artigo de revista relata não haver diferença estatisticamente significante entre grupos, o leitor deve fazer o seguinte questionamento: Não houve realmente diferença entre os dois grupos ou as estimativas de efeito foram tão imprecisas que o investigador não pode distinguir diferenças entre eles (erro do tipo II)?
Uma representação gráfica dos resultados de dois estudos hipotéticos a respeito da mesma questãoé apresentada abaixo:
Estudo A (200 indivíduos):
				Dieta
			 Droga
0		5	10	15
Percentual de risco
	Estudo B (2000 indivíduos):
			 Dieta
			Droga
		 
0		5	 10	 15
	Em cada estudo, os investigadores tentaram determinar se uma droga redutora de colesterol teria um efeito favorável sobre o risco de infarto do miocárdio. A medida do efeito adotada em cada estudo foi a razão de risco. Cada estudo comparou um grupo de pacientes aleatoriamente alocado para receber a droga com um grupo alocado para receber apenas uma modificação dietética. Os pesquisadores obtiveram diferentes conclusões. No estudo com a menor amostra, o resultado indicou que a droga não tinha efeito maior sobre o risco de infarto do miocárdio do que a dieta. No estudo com a maior amostra, os investigadores concluíram que a droga diminuiu o risco de infarto do miocárdio quando comparada com a dieta.
	O estudo A tinha uma amostra menor, a qual resultou em estimativas imprecisas (isto é, com intervalos de confiança grandes) do risco de infarto do miocárdio nos dois grupos. Conseqüentemente, as duas estimativas se sobrepuseram e o teste estatístico não foi capaz de distinguir entre os efeitos dos dois tratamentos. Os investigadores concluíram que não havia diferença no risco de infarto do miocárdio entre pacientes que recebiam a droga redutora de colesterol e aqueles que recebiam dieta. No estudo B, os investigadores usaram uma amostra maior obtendo as mesmas estimativas pontuais de risco nos dois grupos, mas com precisão muito maior (isto é, intervalos de confiança mais estreitos) na estimativa dos efeitos da droga. Com este ganho em precisão, o teste estatístico foi capaz de estabelecer diferença entre os dois grupos e os investigadores foram capazes de concluir corretamente que a droga redutora de colesterol era superior à dieta. Geralmente, quanto maior a amostra, mais precisa é a estimativa do efeito e menores as diferenças detectáveis entre os grupos. Em estudos com amostras muito grandes, pequenas diferenças entre grupos podem ser consideradas estatisticamente significantes, mas ter pouco significado biológico ou clínico. Por exemplo, um estudo com 20.000 indivíduos teria concluído que uma diferença de 1% no risco de infarto do miocárdio seria estatisticamente significante. É improvável, entretanto, que uma diferença tão pequena justifique o uso prolongado do agente redutor de colesterol.
Validade
	O conceito de validade está relacionado ao grau de acerto na conclusão de uma medida ou estudo. Uma medida ou estudo pode levar a uma conclusão incorreta (inválida) por causa dos efeitos do viés. A variabilidade observada com o viés é sistemática (não-aleatória) e distorce o efeito estimado. No modelo dos alvos, a quantidade de viés pode ser determinada pelo grau com o qual os tiros se afastam do centro no último alvo. Infelizmente, na pesquisa médica, o valor real (centro do alvo) pode ser desconhecido, ou pode não existir um padrão-ouro para comparação. Conseqüentemente, o grau de viés é, na maioria das vezes, difícil de determinar. Há dois tipos diferentes de validade: interna e externa.
Validade Interna
	A validade interna refere-se a quanto os resultados de uma investigação refletem, com acurácia, a verdadeira situação da população em estudo. Se os resultados não são válidos na população do estudo, existe pouca razão para se suspeitar que tais resultados se apliquem a outras populações. A validade interna é definida pelos limites do próprio estudo. Assim, um estudo é internamente válido se ele fornece uma estimativa verdadeira do efeito, dados os limites da população estudada. Medidas que podem ser usadas para melhorar a validade interna incluem a restrição do tipo de indivíduos e do ambiente em que o estudo é realizado. Estas medidas diminuem o impacto de fatores estranhos à questão de interesse.
Validade Externa
	Um resultado obtido em um ambiente altamente controlado, entretanto, pode não ser aplicável a situações mais gerais. Validade externa refere-se a quanto os resultados de um estudo são aplicáveis a outras populações. A validade externa levanta o questionamento: estes resultados se aplicam a outros pacientes, tais como aqueles mais velhos, mais doentes ou menos privilegiados economicamente do que os indivíduos do estudo?
	A validade externa é particularmente útil para os médicos que precisam decidir se o resultado da pesquisa é aplicável à sua prática clínica. A determinação de quanto os resultados de um estudo podem ser generalizados envolve um julgamento que deve considerar os seguintes quesitos:
	- O tipo de indivíduos incluídos na investigação.
	- O tipo de pacientes vistos pelo médico.
	- Se existem diferenças entre a população de estudo e outras populações.
	Um exemplo do tipo de dificuldade que pode ocorrer quando resultados de estudos são generalizados é a crítica de que muitos estudos clínicos focalizam apenas homens brancos. Um estudo deste tipo é o Lipid Research Clinics-Primary Prevention Trial, que demonstrou uma redução significativa na mortalidade cardiovascular em homens brancos hipercolesterolêmicos na idade de 35 a 59 anos, que foram tratados com dieta e drogas redutoras de colesterol. Estes resultados também se aplicam a mulheres, homens de outras idades ou homens com níveis mais baixos, embora ainda anormais, de colesterol? Esta questão tem levado à recomendação de que os estudos de pesquisa também incluam mulheres e minorias.
Viés
	Viés é um erro sistemático em um estudo que leva a distorção dos resultados. O viés é um obstáculo para a validade e pode ocorrer em qualquer tipo de estudo, mas é mais encontrado em estudos observacionais. Isto acontece porque a falta de aleatorização aumenta a chance de que os grupos de estudo tenham diferenças relacionadas a características importantes. O viés é freqüentemente dividido em diferentes categorias, baseadas em como ele entra no estudo. A classificação mais comum compreende 3 categorias:
	- Viés de seleção.
	- Viés de informação.
	- Variáveis de confusão (ou confundimento).
	Embora estas categorias se sobreponham, esta classificação é útil porque nos fornece uma abordagem sistemática para avaliar o viés. Deve ser ressaltado que, com exceção das variáveis de confusão que podem ser quantificadas, a avaliação do viés é subjetiva e envolve um julgamento relativo à sua presença, ao seu direcionamento e à potencial magnitude de seu efeito sobre os resultados. Mesmo que a magnitude do viés não possa ser quantificada, freqüentemente sua influência sobre os resultados de um estudo pode ser deduzida. É importante discernir se um possível viés pode fazer uma associação parecer mais forte ou mais fraca.
Viés de Seleção
	Vários procedimentos podem ser utilizados para selecionar indivíduos para um estudo. Geralmente não é possível incluir todos os indivíduos com uma determinada doença ou exposição em um estudo, então se faz necessário obter uma amostra. Os procedimentos utilizados para a seleção dos participantes dependem de vários fatores, inclusive:
	- O “desenho” da investigação.
	- As circunstâncias do estudo.
	- A doença e exposição de interesse.
	Freqüentemente, os indivíduos são selecionados da maneira mais conveniente para o investigador. Sob circunstâncias otimizadas, o método de inclusão leva a uma comparação válida, que por sua vez fornece informações corretas a respeito da doença ou tratamento. O processo de seleção por si só, entretanto, pode aumentar ou diminuir a chance de detecção de uma relação entre exposição e doença. Fatores de seleção podem conduzir a resultados enviesados em diferentes momentos ao longo do estudo.
	Alguns aspectos da seleção dos indivíduos levam primariamente a problemas com a generalização (extrapolação) dos resultados (validade externa). Os indivíduos precisam concordar em participar, o que causa um dos problemas mais comuns. Os voluntários de um estudo podem diferir daqueles que não são voluntáriosem várias características, como idade, etnia, situação econômica, nível de educação e gênero. Além do mais, os voluntários podem ser mais saudáveis do que aqueles que se recusaram. Um estudo de uma população limitada a indivíduos que estão empregados pode dificultar a generalização dos resultados, uma vez que pessoas que trabalham são geralmente mais saudáveis que os desempregados. Uma comparação de condições de saúde entre trabalhadores e a população geral pode demonstrar que os trabalhadores têm um desempenho mais favorável simplesmente porque estão saudáveis o suficiente para poderem trabalhar (chamado efeito do “trabalhador saudável”).
	A alocação de participantes a partir de instituições de saúde pode levar a conclusões distorcidas do estudo. Padrões de alocação seletiva podem ser vistos no estudo de crianças com convulsões febris. As convulsões febris são curtas e generalizadas, ocorrendo em situações de elevação da temperatura corporal em crianças de 6 meses a 6 anos de idade. Existem controvérsias relativas ao fato de tais convulsões serem ou não indicativas de futuras crises convulsivas ou outras seqüelas neurológicas desfavoráveis. Ellenberg e Nelson (1980) compararam os resultados de vários estudos sobre o prognóstico de pacientes com convulsões febris. Os estudos de populações geograficamente definidas, cujas crianças foram acompanhadas mesmo sem ter recebido cuidados médicos por ocasião da convulsão febril, revelaram uma baixa freqüência de seqüelas desfavoráveis. Estudos baseados em hospitais tenderam a demonstrar altas freqüências de complicações tardias. Os autores concluíram que os estudos baseados em hospitais tinham incluído seletivamente crianças no extremo mais grave do espectro clínico. As conclusões relativas ao prognóstico de uma criança com convulsão febril podem diferir radicalmente dependendo do local onde houve alocação dos indivíduos, se no hospital ou na comunidade.
	Outros aspectos do processo de seleção podem diminuir a validade interna. Em um ensaio clínico ou em um estudo coorte, a perda amostral durante o seguimento é potencialmente a maior causa de viés de seleção. Uma vez incluídos, os indivíduos podem decidir abandonar o estudo. Certos indivíduos têm maior probabilidade de abandonar do que outros. Além do mais, no decorrer de um estudo, alguns indivíduos podem falecer por razões diferentes daquelas diretamente relacionadas à investigação. Em uma primeira análise, estas perdas não parecem estar relacionadas a seleção, uma vez que os indivíduos já haviam sido incluídos. Se os indivíduos que abandonaram, entretanto, possuírem uma intensidade de risco diferente daquela dos remanescentes, a estimativa de tal risco estará enviesada.
	Se manifestações clínicas iniciais inaparentes da doença de interesse provocarem mais ou menos abandono, podem ser atingidas conclusões distorcidas. Por exemplo, em um ensaio clínico aleatorizado e controlado sobre o efeito de uma droga redutora de colesterol versus dieta na prevenção do infarto agudo do miocárdio, poderia ser introduzido um viés caso os pacientes tratados com a droga que evoluíssem para insuficiência coronariana desenvolvessem efeitos colaterais que os forçassem ao abandono, o que não aconteceria entre aqueles com insuficiência coronariana e em uso de dieta.
	O viés de seleção tem importância especial em estudos caso-controle, nos quais o investigador tem que selecionar os dois grupos em uma situação em que a exposição já ocorreu. Por exemplo, é preciso decidir se devem ser usados casos existentes (prevalentes) por ocasião do estudo, sem considerar a duração da doença, ou se devem ser incluídos apenas casos recém-diagnosticados (incidentes). Se o fator de risco sob estudo for também um fator de prognóstico, o uso de casos prevalentes pode levar a uma conclusão enviesada. Considere-se, por exemplo, um estudo caso-controle sobre o colesterol total sérico como fator de risco para o infarto agudo do miocárdio. Vamos supor que pacientes com infarto agudo do miocárdio cujos níveis de colesterol sejam muito altos tenham maior probabilidade de evoluir para morte súbita. Nestas circunstâncias, a comparação de pacientes infartados sobreviventes com os controles estará subestimando a verdadeira associação entre elevação do colesterol sérico e infarto agudo do miocárdio.
Viés de Informação
	O viés de informação pode ocorrer quando existe inacurácia na medida. Esta situação é bem exemplificada em estudos epidemiológicos que envolvem exposição dicotômica e doença, como nos estudos sobre colesterol elevado e infarto agudo do miocárdio. Os indivíduos são classificados de acordo com a presença ou não de colesterol elevado e de acordo com a presença ou não de infarto agudo do miocárdio. O investigador pode ou não estar correto no seu critério de classificação, resultando ou não em determinações falso-positivas e falso-negativas.
	Se os erros na classificação da exposição ou condição de doença forem independentes dos níveis de outras variáveis, o viés é chamado de não-diferencial. Vieses não-diferenciais podem ocorrer em um estudo caso-controle se a memória relativa à exposição for independente da condição de doença. Um exemplo de viés não-diferencial é, algumas vezes, chamado de viés de inaceitabilidade. Os indivíduos podem responder à questão a respeito da exposição de uma forma socialmente aceitável, mas algumas vezes não acurada, tendo ou não a doença sob estudo. Considere-se um estudo caso-controle sobre infarto agudo do miocárdio no qual a exposição de interesse seja a ingestão de alimentos ricos em gorduras saturadas. Independentemente da condição de doença, os respondedores podem sub-notificar a ingestão de gorduras saturadas porque eles acham que alimentos pobres em gorduras são mais aceitáveis para o investigador. Na maioria das situações, quando o viés não-diferencial ocorre, ele obscurece as diferenças entre os grupos sob estudo, tornando mais difícil para o investigador detectar uma associação entre exposição e doença. Isto é freqüentemente chamado de viés direcionado para a hipótese de nulidade ou direcionado para a ausência de associação.
	O viés diferencial ocorre quando o desvio de uma variável depende da situação da outra. Em um estudo caso-controle, este tipo de viés ocorreria se a informação sobre a exposição dependesse da condição de doença. Se um indivíduo com infarto agudo do miocárdio tiver maior probabilidade de superestimar o nível de ingestão de gordura na dieta do que um controle, então um resultado enviesado irá ocorrer. Em tal situação, o viés levaria a uma relação superestimada entre ingestão de gordura alimentar e infarto agudo do miocárdio. Os vieses diferencial e não-diferencial estão representados nas tabelas abaixo:
	Viés não-diferencial:
	Gordura
Infarto
	Alto teor
	Baixo teor
	Sim
	48
	52
	Não
	32
	68
	 Gordura
Infarto
	Alto teor
	Baixo teor
	Sim
	60
	40
	Não
	40
	60
 
	Verdade						Estudo
		OR = (60 X 60)/(40 X 40) = 2,3.		 OR = (48 X 68)/(52 X 32) = 2.
	Viés diferencial:
	 Gordura
Infarto
	Alto teor
	Baixo teor
	Sim
	60
	40
	Não
	32
	68
	 Gordura
Infarto
	Alto teor
	Baixo teor
	Sim
	60
	40
	Não
	40
	60
	
Verdade							Estudo
OR = (60 X 60)/(40 X 40) = 2,3.			OR = (60 X 68)/(40 X 32) = 3,2.
	Nas tabelas acima, o verdadeiro valor da razão das chances (OR) é 2,3. No viés não-diferencial, os indivíduos não informam corretamente o teor de gordura ingerida, mas os desvios de informação não dependem da presença de infarto do miocárdio. Nesta situação, 20% tanto de casos quanto de controles, que ingerem dietas com alto teor de gordura, subnotificam tal ingestão. O resultado é uma razão das chances subestimada (OR = 2). Por outro lado, se todos os pacientes com infarto agudo do miocárdio informarem corretamente sua exposição a alto teor de gordura, mas somente 80% dos controles assim procederem, teremos um viés diferencial.Este tipo de viés pode levar tanto a uma razão das chances superestimada quanto a uma subestimada. Neste exemplo, o valor está superestimado.
	Dois tipos comuns de viés de informação diferencial são chamados de viés de lembrança e viés do entrevistador. O viés de lembrança resulta da capacidade diferencial dos indivíduos de se lembrarem de atividades e exposições prévias. Pacientes que têm uma doença grave podem procurar em sua memória por uma exposição, na tentativa de explicar ou entender porque adquiriram a doença. Os controles, que não têm a doença, podem ter menor probabilidade de se recordarem de uma exposição que, para eles, não tem significado ou importância.
	Os resultados da coleta de informações sobre exposição em estudos caso-controle são influenciados pela abordagem dos entrevistadores. Se eles estão cientes da hipótese da pesquisa, intencionalmente ou não irão influenciar as respostas. Eles podem insistir mais nas respostas dos casos do que nas dos controles. Se uma exposição alimentar está sendo examinada, os entrevistadores podem perguntar especificamente sobre determinados itens da dieta. Os entrevistadores podem, também, dar aos indivíduos pistas sutis, por tom de voz ou linguagem corporal, que sugiram a preferência por determinadas respostas. Por isto, é preferível “cegar” os entrevistadores em relação à hipótese da pesquisa. Em um estudo caso-controle, entretanto, pode ser difícil “cegar” os entrevistadores em relação à condição de doença dos casos e controles. Entretanto, se os entrevistadores não estiverem cientes da exposição de interesse principal, os vieses podem ser minimizados.
Variáveis de Confusão (ou Confundimento)
	As variáveis de confusão são aquelas cujo efeito mistura-se ao da exposição e à doença de interesse. Uma variável de confusão pode ser exemplificada pelo seguinte modelo hipotético. Vamos supor que os investigadores realizem um estudo caso-controle sobre a associação entre altos níveis de colesterol sérico e infarto do miocárdio. A partir dos resultados de outros estudos, os pesquisadores sabem que o risco de infarto do miocárdio está associado com obesidade, e que os níveis de colesterol total também se correlacionam com obesidade, assim:
						Obesidade
			Colesterol total			Infarto do miocárdio
	Suponha que, em nosso estudo caso-controle hipotético, 36 de 60 pacientes com infarto agudo do miocárdio (60%) têm níveis elevados de colesterol, o que também é observado em 24 de 60 controles (40%). Isto iria sugerir que níveis elevados de colesterol sérico são associados com um risco maior de infarto agudo do miocárdio.
	Quando a associação observada é examinada separadamente em obesos e não-obesos, entretanto, chega-se a uma conclusão diferente. Entre pessoas obesas, 34 de 40 pacientes com infarto agudo do miocárdio (85%) e 18 de 20 controles (90%) têm níveis elevados de colesterol. Entre pessoas não-obesas, 2 de 20 pacientes com infarto agudo do miocárdio (10%) e 6 de 40 controles (15%) têm níveis elevados de colesterol. Assim, tanto entre os obesos quanto entre os não-obesos, níveis elevados de colesterol são mais comuns entre os controles do que entre os pacientes com infarto agudo do miocárdio. Também, neste estudo hipotético, a obesidade esteve associada com níveis elevados de colesterol, uma vez que 52 de 60 indivíduos obesos (87%) e 8 de 60 indivíduos não-obesos (13%) tinham colesterol elevado. Claramente, neste exemplo hipotético, os resultados foram confundidos por uma variável estranha à exposição de interesse (obesidade). O modelo é representado pela figura abaixo:
Todos os Indivíduos
• • • • • • • •				• • • • • • • • 
• • • • • • • •				• • • • • • • •
• • • • • • • •				• • • • • • • •
• • • • • • • •				 	
• • • • 				 
 				 
 				 		
 					 
Infarto agudo do miocárdio		Não-infarto
		Obesos				Não-obesos
						
• • • • • • • •	• • • • • • • •	• • 	• • • • • • • 	• • • • • • • •	• • • • • • • •	 	 	• • • • • • • •	• • • • • 		 		 
• • • • • • • •							 
• • • • • • • 							 
 								 
Infarto agudo do	Não-infarto		Infarto agudo	Não-infarto
miocárdio					do miocárdio
Nota: Os círculos escuros representam pessoas com níveis elevados de colesterol sérico. Os claros, representam pessoas com colesterol normal.
Para uma variável, no caso a obesidade, ser considerada de confusão, ela precisa satisfazer duas condições:
- Associação com a doença de interesse na ausência de exposição.
- Associação com a exposição, mas não como resultado de estar exposto.
Como pode ser avaliado pela análise dos resultados, a variável de confusão difere dos vieses de informação e de seleção. A presença da variável de confusão é demonstrada por uma mudança na força de associação entre a exposição e a variável de interesse quando a nova variável é considerada. O efeito da variável de confusão pode ocorrer em diferentes graus em diferentes estudos.
Geralmente, o conjunto de variáveis de confusão potenciais em um estudo é limitado aos fatores de risco potenciais para a doença de interesse. Existem dois métodos disponíveis para lidar com as variáveis de confusão. O primeiro é considerá-las no “desenho” do estudo, pareando-as nos grupos ou restringindo a amostra a níveis limitados das mesmas. O outro método consiste em avaliar as variáveis de confusão na etapa de análise dos dados, por estratificação ou pela utilização de técnicas de análise multivariada, como a regressão logística múltipla.
O objetivo de qualquer estudo epidemiológico é fornecer uma conclusão válida. Para atingir este objetivo, deve ser dada atenção a todos os aspectos do estudo, do “desenho” à coleta dos dados, bem como à análise e apresentação dos resultados. É importante lembrar que um viés pode ser introduzido em qualquer destes estágios, levando a resultados enganosos. Desta forma, faz-se importante a atenção para as causas potenciais de vieses e para seu possível impacto. Os médicos devem julgar o quanto os resultados podem ser generalizados para a sua prática pessoal. A compreensão dos problemas potenciais de medida e viés na pesquisa médica melhora a capacidade do médico de tomar decisões corretas em relação a estratégias preventivas e terapêuticas.
1