Baixe o app para aproveitar ainda mais
Prévia do material em texto
03/04/2016 1 UNIVERSIDADE DE SÃO PAULO Prof. Fredi Alexander Diaz Quijano Departamento Epidemiologia – FSP E-mail: frediazq@msn.com Da Associação à Causa Uma Associação Real implica uma Diferença entre Populações 03/04/2016 2 As populações podem estar separadas geograficamente ... ... ou estar misturadas como subpopulações de uma comunidade maior 03/04/2016 3 Uma Associação Real implica uma Diferença entre Populações População A (Expostos) População B (Não expostos) Risco de A Risco de B= RR = 1 Valor nulo para a associação Uma Associação Real implica uma Diferença entre Populações População A (Expostos) População B (Não expostos) Risco de A Risco de B≠ RR ≠ 1 Associação positiva (RR>1) ou negativa (RR<1). 03/04/2016 4 Uma Associação Real implica uma Diferença entre Populações População A (Casos) População B (Controles) Exposição de A Exposição de B≠ OR ≠ 1 Associação positiva (OR>1) ou negativa (OR<1). Associação Real Associação real é um parâmetro populacional. Só seria conhecida por medição, sem erro, de exposições e eventos em todas as pessoas. Na prática, pretende-se identificar associações através de medições em amostras das populações. 03/04/2016 5 Validity and Precision Fundamental concern: avoidance and/or control of error Error = difference between true values and study results Accuracy = lack of error Precision = lack of random error Validity = lack or control of systematic error Simulação TABELA DE 2X2 - POPULACIONAL Total Casos Nao casos Expostos 20.000 8.000 12.000 Nao Expostos 20.000 4.000 16.000 Total 40.000 12000 28.000 Risco 40% 20% RR = 2 Amostra = 20 Casos Nao Ca. Exp. 3 3 Nao Exp. 4 10 RR = 1,75 Estudo A Amostra = 90 Casos Nao Ca. Exp. 20 19 Nao Exp. 5 46 RR = 5,23 Estudo B Amostra = 300 Casos Nao Ca. Exp. 61 97 Nao Exp. 26 116 RR = 2,11 Estudo C 03/04/2016 6 0 1 2 3 4 5 6 0 50 100 150 200 250 300 R R E st im ad o s Tamanho da amostra Distribuição de RR em amostras simuladas Parámetro Valor nulo 0 1 2 3 4 5 6 0 50 100 150 200 250 300 R R E st im ad o s Tamanho da amostra Distribuição de RR em amostras simuladas 03/04/2016 7 Um intervalo de confiança de 95% (IC95%) indica que dentro desse rango de valores pode estar o valor real de um parâmetro, com 95% de certeza. Quanto mais estreito o IC, mais precisa a medida. Espera-se que 95% dos IC95% contenham o parâmetro. 0 2 4 6 8 10 12 14 16 18 20 0 50 100 150 200 250 300 R R E st im ad o s Tamanho da amostra Distribuição de RR e IC95% em amostras simuladas Maior PrecisãoMenor Precisão Mesma validade para todos os estudos 03/04/2016 8 Quando o IC95% de uma medida de associação não inclui o valor nulo considera-se que há uma associação estatisticamente significativa. O poder de um estudo é a probabilidade que ele tem de identificar uma associação que realmente existe. O poder é uma função do tamanho da amostra 0 1 2 3 4 5 6 0 50 100 150 200 250 300 R R E st im ad o s Tamanho da amostra Distribuição de RR em amostras simuladas Maior PoderMenor Poder Valor nulo 03/04/2016 9 Uma medida precisa não é necessariamente uma medida válida. A validade de um estudo envolve a ausência de viés. Viés: Distorção dos resultados de uma pesquisa em decorrência de erros sistemáticos (não aleatórios). Os vieses podem aumentar ou diminuir artificialmente as medidas de associação. 0 2 4 6 8 10 12 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 R R E st im ad o s Tamanho da amostra Distribuição dos RR de estudos sem viés RR Válidos 03/04/2016 10 0 2 4 6 8 10 12 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 R R E st im ad o s Tamanho da amostra Distribuição dos RR de estudos com e sem viés RR Viés RR Válidos Parâmetro 0 2 4 6 8 10 12 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 R R E st im ad o s Tamanho da amostra Distribuição dos RR de estudos com e sem viés RR Viés RR Válidos Parâmetro P + Viés Maior PrecisãoMenor Precisão 03/04/2016 11 Exemplo com um estudo de coorte Homens Expostos �� ����í� � 10 ���� �� ��� ������ Caso Não Caso Homens Não Expostos �� ����í� � 10 ���� �� ��� ������ Caso Não Caso Busca de grupo de comparação Homens Adultos comunidade X Trabalho de fundição CA. Testículo Sem CA. Testículo Total Homens Expostos 80 720 800 Homens Não Expostos 15 1485 1500 Comparação de Riscos de CA testicular segundo exposição laboral (seguimento a 10 anos) Risco Relativo (RR): = 10% / 1% = 10 Estudo de coorte Incidência 80/800 (10%) 15/1500 (1%) (IC95%: 5,8 – 17,2) 03/04/2016 12 ¿Mudariam suas conclusões se soubesse que, durante o seguimento, o grupo exposto foi avaliado por urologista cada 6 meses e o grupo não exposto cada cinco anos? (Viés de informação) Viés de informação Refere-se a erros introduzidos durante a medição da exposição, dos eventos ou de outras variáveis Qualquer fator que influencia a qualidade das medições nos grupos expostos e não expostos Fontes de erro na medição: • Observador • Participantes (memoria, trenamento, fadiga) • Instrumento • Procesamento de dados 03/04/2016 13 Viés de seleção São erros sistemáticos introduzidos durante a seleção ou o monitoramento da população do estudo. Pode ser qualquer factor que influencia a capacidade de participar ou permanecer no estudo Exemplos: • Efeito dos não participantes • Viés dos voluntários (de refereciamento) • Perdas durante o seguimento Estudo de coorte Expostos ������� ����� �� ��� ������ Caso Não Caso Não Expostos ������� ����� �� ��� ������ Caso Não Caso Classificação População alvo População de estudo/ Amostra Não Elegíveis Não Participantes Perdas durante o seguimento Potenciais causantes de viés de seleção 03/04/2016 14 Efeito do viés do sobrevivente sobre a avaliação da imunização com DPT Jensen H, et al. Trop Med Int Health. 2007 Jan;12(1):5-14. Efeito de não participantes: • Os não participantes podem diferir dos participantes em: níveis de motivação e atitudes em relação à saúde, assim como a fatores de risco. • Introduzirá viés se a não participação estiver relacionada à exposição ou outros fatores de risco para a doença. 03/04/2016 15 Efeito da perda de seguimento: • Principal fonte de viés >10% começa a preocupar >30% a 40% levanta sérias dúvidas acerca da validade dos resultados. • Mesmo com perdas menores, representa um problema se a perda está relacionada à exposição, à doença ou a ambas. Se for identificada uma associação (estatisticamente significativa) E Esta associação não é explicada por vieses Então, Poderemos aceitar que esta associação acontece ou existe na natureza. Porém, isto não implica necessariamente uma relação de causalidade 03/04/2016 16 Confusão Fenômeno causado por uma (terceira) variável que: • Está causalmente associada ao evento • Está associada com a exposição • Está diferencialmentedistribuída entre os grupos (expostos e não-expostos). • Não é parte do mecanismo causal que liga a exposição e o evento. A confusão pode resultar em uma superestimação ou subestimação da medida verdadeira da associação. Fator de Confusão Café ? Cáncer de Páncreas Tabagismo ¿É o café um Fator de Risco para Cáncer de Páncreas? 03/04/2016 17 1000 Expostos ao Café � = 1.000 10 ���� �� ��� ������ 46 Casos 954 Não Casos 1000 Não Expostos ao Café � = 1.000 10 ���� �� ��� ������ 19 Casos 981 Não Casos 40 Casos 6 Casos 10 Casos 9 Casos 100 Fumantes 900 Não Fumantes 400 Fumantes 600 Não Fumantes Estratégias para o controle de fatores de confusão: No desenho: • Exclusão • Pareamento • Aleatorização Na análise: • Padronização • Análise estratificada • Regressões 03/04/2016 18 Associação estatisticamente significativa? Associação é explicável por algum viés? É explicável por alguma variável de confusão? Poderemos Começar a Julgar se existe Causalidade Não Não Sim Não Não existe associação ou falta de poder do estudo ou problemas de validade Problemas de validade no desenho, condução, analise... Outra variável pode ser a verdadeira causa Sim Sim Sequência frequente de estudos epidemiológicos 03/04/2016 19 Diretrizes para julgar se uma associação é causal 1. Relação temporal 2. Força da associação 3. Relação dose-resposta 4. Reprodutibilidade dos achados 5. Plausibilidade biológica 6. Consideração de explicações alternativas 7. Modificação do efeito – Evidência experimental 8. Coerência com outros conhecimentos 9. Especificidade Identificada uma relação causal, esta pode ser classificada como: Direta vs Indireta 03/04/2016 20 Identificada uma relação causal, esta pode ser classificada: Segundo a necessidade e suficiência da causa. Suficiente Não suficiente Necessária Não Necessária Identificada uma relação causal, esta pode ser classificada: Segundo a necessidade e suficiência da causa. Suficiente Não suficiente Necessária Deficiências nutricionais, HIV, Raiva Não Necessária 03/04/2016 21 Identificada uma relação causal, esta pode ser classificada: Segundo a necessidade e suficiência da causa. Suficiente Não suficiente Necessária Deficiências nutricionais, HIV, Raiva Tuberculose, Sífilis, outras infecciosas. Não Necessária Identificada uma relação causal, esta pode ser classificada: Segundo a necessidade e suficiência da causa. Suficiente Não suficiente Necessária Deficiências nutricionais, HIV, Raiva Tuberculose, Sífilis, outras infecciosas. Não Necessária Exposições a radiação ou benzeno causam leucemia 03/04/2016 22 Identificada uma relação causal, esta pode ser classificada: Segundo a necessidade e suficiência da causa. Suficiente Não suficiente Necessária Deficiências nutricionais, HIV, Raiva Tuberculose, Sífilis, outras infecciosas. Não Necessária Exposições a radiação ou benzeno causam leucemia Fatores de risco cardiovascular Conclusões 1. Os vieses refletem inadequações no delineamento ou na condução de um estudo que levam a uma distorção dos estimados. 2. O tamanho da amostra não concerta os vieses 3. Fatores de confusão podem explicar muitas associações que acontecem na realidade. 4. A identificação e caraterização de uma relação causal implicam avaliação de muitos aspectos a partir de várias fontes de informação.
Compartilhar