DelaAsociaciónalaCausa Fredi MestradoEntomologia

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.