estudos epidemilógicos. causalidade e inferência causal

140
Estudos Epidemilógicos

Upload: internet

Post on 18-Apr-2015

113 views

Category:

Documents


2 download

TRANSCRIPT

Page 1: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos Epidemilógicos

Page 2: Estudos Epidemilógicos. Causalidade e Inferência Causal

Causalidade e Inferência Causal

Page 3: Estudos Epidemilógicos. Causalidade e Inferência Causal

Critérios de CausalidadeSe lembre que os chamados critérios

de causalidade servem de guia para se concluir sobre causalidade. Por isso, é preferível dizer que são guias de causalidade que dão idéia de que os critérios forem cumpridos então com 100% de certeza concluiremos sobre causalidade.

Page 4: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford-Hill

Quais os aspectos de uma associação que devemos considerar antes de decidir sobre a causa?Lembre-se que estes critérios apareceram em defesa dos estudos observacionais, pois até então os estudos experimentais em animais , e estudos de doenças infecciosas reinavam. Temos que dar valor aos estudos observacionais, pois nem sempre podemos fazer experimentos em humanos.

Proceeding Royal Soc Med 1965; 58:295 -300

Page 5: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford-Hill

A seguir são apresentados mais critérios do que vocês viram em sala de aula, porque aqueles são os principais. Os demais critérios como vocês verão são mais relativos, e dependem do tipo de doença e exposição estudados.

Proceeding Royal Soc Med 1965; 58:295 -300

Page 6: Estudos Epidemilógicos. Causalidade e Inferência Causal

Critérios de Causação de Bradford Hill

Força de associação

Consistência

Temporalidade

Plausibilidade biológica

Dose-resposta

Especificidade

Coerência

Page 7: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill Força de associação

Proceeding Royal Soc Med 1965; 58:295 -300

- A força de associação, magnitude da medida de associação ( risco relativo ou odds ratio, ou razão de taxa de incidência) é importante mas tem que ser avaliada de forma cautelosa. - Associações fracas são mais passíveis de serem invalidas pela existência de variáveis ocultas ou fatores de confusão não bem medidos.

Page 8: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill Temporalidade

Proceeding Royal Soc Med 1965; 58:295 -300

– Deve haver evidência de temporalidade, isto é que a causa ocorre antes do efeito, por meio de estudos de coorte. Lembre-se somente após os estudos de coorte sobre cancer de pulmão e tabaco, é que as industrias de cigarro puderam ser processadas na decada de 70, embora já houvesse boa evidência de que o cigarro causasse cancer de pulmão. As evidências vinham de vários estudos caso-controle com força de associação enorme.

Page 9: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill

Consistência

Proceeding Royal Soc Med 1965; 58:295 -300

Devem existir vários trabalhos mostrando resultados semelhantes (repetibilidade de achados). Não confunda consistência como sendo que o trabalho deve ser bom. Consistência significa que existem vários trabalhos bons mostrando resultados semelhantes.

Page 10: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill

Plausibilidade biológicaDeve existir alguma plausibilidade biológica na associação investigada. Isso nem sempre existe, mas se existir é um ponto a mais para que a causalidade estudada seja encontrada.Lembre-se do caso do H. pilori da ulcera de estoma e gastrite.

Proceeding Royal Soc Med 1965; 58:295 -300

Page 11: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill Coerência

Os achados não devem se chocar contra prévios conhecimentos. Isso não quer dizer que um conhecimento novo não possa ter validade. Mas se os achados forem coerentes com outros conhecimentos,também é um ponto a favor da causalidade.Ex: atuação de bactérias em úlcera

Proceeding Royal Soc Med 1965; 58:295 -300

Page 12: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill Dose resposta

Quanto mais expostos a doses maiores maior a probabilidade de desenvolver uma doença. Exemplo de dose resposta: quanto mais se fuma maior perda de inserção periodontal. Este tipo de evidência é mais um fator da mais suporte a teoria de causalidade. Mas nem todas as relações exposição-doença tem dose resposta. Algumas radiações causam cancer dependendo de certo limiar.

Proceeding Royal Soc Med 1965; 58:295 -300

Page 13: Estudos Epidemilógicos. Causalidade e Inferência Causal

Guias de Bradford Hill Especificidade

É um critério que lembra os critérios de Koch. Este critério estabelece que uma exposição resulta em apenas um desfecho. Isso não é verdade para vários exemplos. Fumo pode levar a varias doenças em um mesmo indivíduo.

Proceeding Royal Soc Med 1965; 58:295 -300

Page 14: Estudos Epidemilógicos. Causalidade e Inferência Causal

Tipos de Estudos

Princípios básicos

Page 15: Estudos Epidemilógicos. Causalidade e Inferência Causal

Tipos de EstudosExperimentos

Quasi-experimentos

Estudos observacionais

Page 16: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos ExperimentaisDefinidos pela manipulação artificial através de processo de randomização.

LaboratoriaisClínicosComunitários – experimentos de campo

Page 17: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note O processo de randomização (ou aleatorização) tem a finalidade de distribuir os fatores de confusão entre os grupos experimentais e controle.

A randomização não necessariamente garante a aleatorização dos fatores de confusão especialmente quando o número de indivíduos é pequeno.

Page 18: Estudos Epidemilógicos. Causalidade e Inferência Causal

Desenho do estudo

Grupo de indivíduos

Expostos por intervenção

Não expostos por intervenção

(controle)

Aleatorização

Início do estudoD +

D -

D -

D +

D = desfecho

Fim do estudo

Page 19: Estudos Epidemilógicos. Causalidade e Inferência Causal

Quasi- ExperimentosManipulação artificial sem randomização

Por não ter uma ou outra característica do experimento, o quasi-experimento não chega a ser tão bom. Mas é um estudo útil em varias situações quando a aleatorização não é possível.

Ex: avaliação das consequências da introdução da lei de cinto de segurança em carros.

* Experimentos naturais –por vezes são chamados de quasi-experimentos ou estudos observacionais

Page 20: Estudos Epidemilógicos. Causalidade e Inferência Causal

Quasi- ExperimentosUm exemplo bastante conhecido de quasi-experimento foi o estudo pioneiro de fluoretação de água de GrandRapids e Muskegon. Embora tenha sido considerado um experimento de campo (field trial), na verdade não é experimento pois apenas duas cidades foram incorporadas neste estudo, e assim a aleatorização não aconteceu. Assim, consideramos este estudo um quasi-experimento antes-depois

Page 21: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos ObservacionaisNos estudos observacionais, não existe intervenção, apenas observamos de maneira inteligente o que acontece na população.

Eles são necessários, pois na vida real nem sempre podemos fazer experimentos.

Porém, devemos lembrar que a exposição não foi alocada aleatoriamente pelo pesquisador, e portanto, os fatores de confusão afloram! Eles deverão ser corrigidos durante a análise estatística para que os estudos tenham validade!

Page 22: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos Observacionais

Estudos de Coorte

Estudos Caso-controle

Estudos Transversais/Descritivos

Page 23: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de Coorte

Page 24: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteDEFINIÇÃO

Coorte significa um grupo de indivíduos com características comuns.

Este desenho de estudo se define por ser formado de dois grupos: indivíduos expostos e indivíduos não expostos que serão acompanhados até que desenvolvam o desfecho a ser estudado.

Page 25: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteCONFUSÃO COM O TERMO COORTE

É importante entender como estes estudos são em geral realizados. Ex: vamos supor que planejamos realizar um estudo sobre o efeito da exposição ao colesterol. Neste caso, devemos ter um grupo de expostos e um de não expostos. Os dois grupos tem que sair de uma mesma população. Não podemos comparar indivíduos com alto colesterol da Malásia com indivíduos com baixo colesterol da Itália.

Page 26: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteAssim, a melhor forma de se “montar” o estudo é definindo uma população de uma cidade ou região. Nesta população examina-se todos os indivíduos e separa-se os indivíduos expostos e não expostos.

Chamamos de coorte a população inteira que é seguida. Ex: Estudos de Framingham e Tecumeseh, Nascidos Vivos de Ribeirão Preto de 1978, Pelotas.

Page 27: Estudos Epidemilógicos. Causalidade e Inferência Causal

Embora nem sempre as coortes sejam populacionais, os grupos de expostos e não expostos devem ser os mais próximos possível. Um exemplo de estudo de coorte não populacional, seria comparação de expostos e não expostos ao longo do tempo de trabalhadores de uma fábrica expostos ao asbesto, e trabalhadores de outra fábrica com pessoas semelhantes mas que não sejam expostos ao asbesto.

Page 28: Estudos Epidemilógicos. Causalidade e Inferência Causal

O desenho da coorteO desenho é muito semelhante ao do experimento, porém não existe aleatorização ou intervenção

Expostos

Não expostosD -

D -

D +

Não chamamos os não expostos na coorte de controles.

D +

Page 29: Estudos Epidemilógicos. Causalidade e Inferência Causal

Desenho de um estudo de coorte

E s tud o d e C oo rte

D o en tes N ã o D o en tes

E xp os tos

D o en tes N ã o D o en tes

N ã o E xpo s tos

P o pu la çã o d e fin ida

Page 30: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteUma coorte pode ser :

Fechada (população fixa)Ex: estudos de Tecumeseh

Nenhum indivíduo pode entrar no estudo depois de começado num determinado tempo (dia)

Aberta (população dinâmica)Indivíduos podem ir entrando porque o dia em que o estudo começa não é o mais importante. Ex: uma coorte de pacientes tratados de câncer. Conforme, vão aparecendo pacientes em um hospital durante um certo período (2 ou 3 anos), eles vão participando do estudo.

Page 31: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteOBJETIVOS

Analisar associações entre fatores de risco e desfechos e testar hipóteses etiológicas

Descrever a incidência de desfechos

Caracterizar a história natural de uma doença

História natural é o percurso de uma doença sem tratamento

Page 32: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de CoorteVANTAGENS

Generalização menos provávelEspecialmente em coortes que não são populacionais

TemporalidadeNenhum participante tem o desfecho no início da coorte, logo, teremos certeza de que o desfecho aconteceu depois da exposição.

Exposição é observada e medida pelo pesquisador – viés de memória não é problema. Nos estudos de caso-controle a informação de exposição depende de relato dos indivíduos. Mães de bebês com catarata podem se lembrar mais de eventos acontecidos na gravidez do que mães de bebes saudáveis

Page 33: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de Coorte

VANTAGENSEm coortes populacionais não há necessidade de selecionar não expostos, pois as pessoas já são da própria população.

È complicado porém em coortes de trabalhadores de fábricas. Ex: trabalhadores expostos ao asbestos de uma fábrica provavelmente devem ser comparados a trabalhadores semelhantes em fabrica sem exposição ao asbestos e não dentro da propria fabrica.

Quando a coorte é populacional, pode-se seguir várias doenças e exposições ao mesmo tempoEficiente para exposições raras

Page 34: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de CoorteLIMITAÇÕES

Estudo em geral caro

Não é recomendado para doenças raras, mas deve ser realizado para confirmação final de causalidade. Em geral estes estudos tem mais de 30 mil pessoas. Ex: estudo fumo-cancer de pulmão.

Em geral são de longa duração e a tecnologia muda assim, exposições podem ser medidas com técnicas obsoletas para a época de coleta de desfechos.

Aderência (permanência no estudo) de pacientes é difícil.

Page 35: Estudos Epidemilógicos. Causalidade e Inferência Causal

Exemplo do Estudo de Framingham

Primeiro estudo de coorte, iniciado em 1948, em Framingham, EUA, com objetivo de estudar Doença cardiovascular. Logo nenhum participante podia ter DC diagnosticada.

População total da cidade de 28000, sendo 10 mil de 30 a 59 anos.

Amostra sistemática estratificada de 2/3 da população. Sendo que 6507 foram convidados a participar do estudo, e efetivamente 4500 participaram sendo que 740 do estudo piloto, resultando em 5127.

Page 36: Estudos Epidemilógicos. Causalidade e Inferência Causal

Problemas Especiais com Estudos de Coorte

Efeito do trabalhador sadio – quando se usa coortes de trabalhadores. Os trabalhadores que ficaram doentes provavelmente pararam de trabalhar. Efeito do participante sadio – indivíduos que tendem a ficar até o final de um estudo geralmente são os mais metódicos e interessados em sua saúde, e logo mais sadios. Seleção artificial de indivíduos que cooperam maisEfeito Hawthorne – o simples fato de participar de um estudo pode fazer com que o indivíduo mude seus habitos. Fumantes podem parar de fumar.Alteração de estado de exposição ao longo do estudo

Page 37: Estudos Epidemilógicos. Causalidade e Inferência Causal

Coorte RetrospectivaA coorte tradicional é chamada de prospectiva,

pois o investigador acompanha os indivíduos ao longo do tempo até que desenvolvam o desfecho.

Na coorte retrospectiva, o desfecho já aconteceu, mas vamos formar a coorte no passado. Um exemplo seria se em 2008 eu quizesse montar uma coorte retrospectiva para estudar mortalidade devido a câncer com os indivíduos expostos ao césio em Goiania em 1987.

Page 38: Estudos Epidemilógicos. Causalidade e Inferência Causal

Coorte RetrospectivaPara esta coorte, nos identificariamos todos que

foram expostos em 1987, e pegariamos como grupo de não expostos, indivíduos de região semelhante em Goiania, identificados naquela epoca. Isto é, posso ir atrás de registro de quem morava na época num bairro visinho, e vou atras destas pessoas, onde quer que estejam morando hoje. Os mortos terão também que ser identificados e verificado a causa da morte se foi por câncer ou não.

Page 39: Estudos Epidemilógicos. Causalidade e Inferência Causal

Vantagens da Coorte Retrospectiva

Mantem a sequência temporalCusto menor que a coorte prospectivaMenor tempo de estudoViés da exposição é pouco provávelÉ uma forma de se evitar viés de sobrevivênciaAinda tem oportunidade de se estudar outras doenças

Page 40: Estudos Epidemilógicos. Causalidade e Inferência Causal

Desvantagens da Coorte Retrospectiva

Nenhum controle da seleção ou amostragem dos indivíduos

Nenhum controle da qualidade de medidas de exposição

Variáveis de interesse (confusão) podem não ter sido medidas

Page 41: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Frequência e Associação

Medidas de FrequênciaRiscoDensidade de Incidência (Taxa)

Medidas de Associação Risco Relativo (ou razão de risco)Razão de Taxa (ou razão de densidade de incidência)

OBS: ver definições e cáculos depois de vantagens e desvantagens.

Page 42: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Frequência em estudos de coortes

Risco ou incidência acumulada

Taxa de incidência

Page 43: Estudos Epidemilógicos. Causalidade e Inferência Causal

IncidênciaIncidência, Incidência acumulada e Taxa de Incidência

– A palavra incidência puramente significa novos casos de um evento.

– Com casos incidentes podemos calcular algumas medidas de frequência: taxa e risco.

Page 44: Estudos Epidemilógicos. Causalidade e Inferência Causal

Incidência acumulada (Risco)

É a probabilidade média de vir acontecer um desfecho numa população definida num determinado período de tempo. Lembre-se, ninguém tem desfecho no início de uma coorte (a coorte começa sem ninguém doente)

Risco = número de desfechos (casos incidentes)

número todal de indivíduos

Page 45: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note dizem que risco é uma medida sem unidade sendo apenas uma proporção, mas isso NÃO é verdade, porque risco tem embutido o tempo.

Ex: o risco de desenvolver alguma coisa é apenas durante um determinado tempo, porque se seguirmos um grupo por mais tempo o risco pode ser maior. Lembre-se o risco de morrer numa coorte seguida por 200 anos vai ser de 100%!

Page 46: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como se interpreta o riscoEx: 100 crianças com 7 anos de idade SEM CÁRIE são seguidas por 1 ano sendo que 10 desenvolveram cárie.

Logo “ em média o risco de uma criança com 7 anos de idade desenvolver cárie no período de 1 ano é de 10%.

Page 47: Estudos Epidemilógicos. Causalidade e Inferência Causal

ImportanteRisco é apenas medido em estudos de coorte, onde os indivíduos. Jamais fale de risco num estudo de prevalência ou de caso controle.

Page 48: Estudos Epidemilógicos. Causalidade e Inferência Causal

Risco vs Taxa de incidência

Page 49: Estudos Epidemilógicos. Causalidade e Inferência Causal

Risco vs Taxa de Incidência

20 casos em 12 anos 20 casos em 12 anos

Considere cada bolinha como sendo 2 indivíduos

1234......1112

A B

Page 50: Estudos Epidemilógicos. Causalidade e Inferência Causal

Você nota no slide anterior que o risco nas duas populações é o mesmo. Se a figura mostrasse o resultado de mortalidade em dois grupos de 100 pessoas cada, que utilizaram droga A e droga B num período de acompanhamento de 12 anos.Com base no risco (veja slide a seguir) diríamos que a droga não adianta de nada. Mas se olhamos a figura acho que todos seriam unânimes de querer tomar a droga!

Page 51: Estudos Epidemilógicos. Causalidade e Inferência Causal

Risco

Risco = 20/100 = 0.2 Risco = 20/100 = 0.2

1

2

3

4

......

11

12

A B

Page 52: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como o risco parece não nos mostrar o real efeito da droga, temos que pensar em algo que nos dê esta idea. Como a grande diferença que vemos é que as pessoas do grupo B em maior sobrevida, temos que arrumar uma medida que expresse isso. Uma outra maneira de interpretar as figuras que observamos é dizer que na figura B a morte foi mais lenta, aconteceu menos condensada que na figura A.

Page 53: Estudos Epidemilógicos. Causalidade e Inferência Causal

Cálculo de TaxaAssim calculamos a taxa ou chamada também densidade de incidência. Esta medida é calculada com base no tempo de sobrevida de todos os indivíduos. Assim no numerador temos o número de indivíduos com o desfecho,e no denominador temos o tempo de sobrevida de todos (somadas). Se o número de mortes é o mesmo nos dois grupos mas a sobrevida em B é maior então o valor resultante será menor em B. Esta medida significa o número médio de mortes por pessoa ano. Veja os exemplos a seguir.

Page 54: Estudos Epidemilógicos. Causalidade e Inferência Causal

Cálculo de Taxa

Número de desfechos

Total de tempo de sobrevida de todo o grupoTaxa

Page 55: Estudos Epidemilógicos. Causalidade e Inferência Causal

Densidade de Incidência (Taxa)

DI = 20/998 = 0.020 DI = 20/1146 = 0.017

1

2

3

4

......

11

12

A B

Page 56: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação de Taxa (DI)A força média de impacto de morte na cidade A foi de 0.020 casos por pessoa-ano (conceito de pessoa-tempo) no período de 12 anos.

A força média de impacto de morte na cidade B e de 0.017 casos por pessoa-ano (conceito de pessoa-tempo) no período de 12 anos.

Page 57: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação de Taxa (DI)

Outra forma de interpretar taxa é dizer que taxa é o potencial médio instantâneo de uma doença.

Page 58: Estudos Epidemilógicos. Causalidade e Inferência Causal

Quando se calcula a DI , a unidade de tempo é uma fração do período em que foi feito o estudo. Veja que o risco se refere ao período inteiro, porém a densidade é relativa a fração deste.

Admite-se, portanto, que a DI foi constante durante o ano inteiro, isso é mentira…Portanto, DI é o potencial instantâneo médio.

Page 59: Estudos Epidemilógicos. Causalidade e Inferência Causal

tempo

Pop inicio

De maneira simples, derivada é a tentativa de se calcular a velocidade instantânea de um objeto num dado exato tempo. DI portanto, se basea na derivada, tentando capturar a velocidade com que um evento ocorre.

Page 60: Estudos Epidemilógicos. Causalidade e Inferência Causal

Se lembre que estas medidas de impacto de doença e de risco não são medidas “congeladas”. O risco de uma doença varia de população para população, e também com o tempo.

A força de impacto também varia de acordo com a população e com o tempo.

Possivelmente o risco de ter cárie comendo açúcar em 1940 era maior do que hoje em dia que temos pasta de dentes para proteger, e também fluor na água.

Page 61: Estudos Epidemilógicos. Causalidade e Inferência Causal

Exemplo de exercício

1 102 133 94 155 106 157 7

Pessoa-meses

Meses 1 2……………………………………………………15

Perdeu o acompanhamento

Page 62: Estudos Epidemilógicos. Causalidade e Inferência Causal

Cálculo de Pessoa-TempoNúmero de pessoas seguidas = 7

Novos eventos = 3

PT = 10 + 13 + 9 + 15 + 10 + 15 + 7 =79

ID = 3/79 = 0.04

Page 63: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note A densidade de incidência deve ser a medida de escolha quando se tem uma coorte dinâmica. A DI permite que cada indivíduo tenha a sua contribuição de tempo, e o indivíduo pode entrar a qualquer momento nesta coorte. DI também permite levar em conta casos que desistem no meio do estudo.

Page 64: Estudos Epidemilógicos. Causalidade e Inferência Causal

Diferenças Fundamentais entre Risco e Taxa

Risco- Refere-se a indivíduo- Útil para decisões clínicas - É uma probabilidade logo varia de 0 a 1

- Unidade é o tempo

Taxa- Refere-se a uma população- Útil para comparar populações

- Varia de 0 a infinidade - Unidade é pessoa-tempo

Page 65: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Asssociação

Risco Relativo-A medida de associação apartir doRazão de Taxa ou Razão de Densidade de Incidência- Refere-se a uma população- Útil para comparar populações

- Varia de 0 a infinidade - Unidade é pessoa-tempo

Page 66: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso Controle

Page 67: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de Caso-ControleParticipantes são selecionados com base na presença ou ausência de doença ou condição de interesse.

Desta forma, a exposição é acessada restrospectivamente, depende da lembrança do caso e do controle.

Page 68: Estudos Epidemilógicos. Causalidade e Inferência Causal

Desenho do estudo de Caso-Controle

E s tud o de C a so co n tro le

E xp os tos N ã o E xpo s tos

D o en tes

E xp os tos N ã o E xpo s tos

N ã o D o en tes

P o pu laçã o d e E stu do

Page 69: Estudos Epidemilógicos. Causalidade e Inferência Causal

Desenho do estudo de Caso-Controle

CasosDoentes

Controles

E -

E -

E +

E +

Início do Estudo

Page 70: Estudos Epidemilógicos. Causalidade e Inferência Causal

Vantagens Pode-se estudar doenças raras com longos períodos de latência

 Relativa eficiência em termos de tempo e custo

 Permite a avaliação de multiplas exposições.

Page 71: Estudos Epidemilógicos. Causalidade e Inferência Causal

DesvantagensNão se pode calcular incidência ou risco

Relação temporal entre exposição e doença é difícil de determinar

 Criticamente susceptível a viéses de seleção e de informação (memória)

Page 72: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso Controle

PROCESSO DE SELEÇÃO DE CASOSPrimeiro decidir uma definição específica de caso. Isto é, decidir como confirmar os casos

Cancer de pulmão diagnosticado por biopsiaOsteoporosis confirmado com densiometria ósseaCárie dentária de acordo com tais critérios

Page 73: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso ControleDefinir se serão casos prevalentes ou incidentes.

IncidenteEsperar os casos aconteceremO estudo pode especificamente medir exposição relacionado ao desenvolvimento da doença

PrevalenteNão necessita esperar os casos aconteceremNo entanto, o estudo irá medir especificamente exposições relacionadas a sobrevivência, pois os casos serão apenas os prevalentes.

Page 74: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso-controle

SELEÇÃO DE CONTROLESControles devem ser representativos da população, isto é, fonte na qual os casos foram selecionados.Eles não tem que ser representativos da população em geral e sim da população que deu origem a cada caso.Controles tem que ter o potencial para se tornarem casos (e tem que ser susceptíveis ao desfecho de interesse). Não da para incluir mulheres com histerectomia como controle de mulheres com câncer de útero e nem pacientes desdentados para controle de casos de periodontite.

Page 75: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso-controlePopulação Total

População Fonte

Casos Controles

Page 76: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de Caso-controleDiferentes tipos de controle

Aleatóriamente selecionados – pode não representar os

casos.

Indivíduos que vivem na mesma vizinhança – melhores

controles.

Esposas, irmãos, amigos – podem ser muito iguais inclusive

em comportamento.

Indivíduos no mesmo hospital – não necessariamente vem

da mesma população e são mais prováveis de fumar, bebe,

tomar, café

Page 77: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo de Caso ControleMedidas de Frequência:

Não existem medidas de frequência porque não se tem grupo ou população definida.

Medidas de AssociaçãoOdds ratio

Page 78: Estudos Epidemilógicos. Causalidade e Inferência Causal

Porque não tem medida de frequência?

Se você observar como os casos e controles são alocados, verá que não existe um grupo definido. Os casos são apenas casos, e os controles são escolhidos quase como exclusivamente para os controles. Portanto, não podemos jamais dizer que a prevalência de exposição entre os casos é tal. Apenas podemos dizer que existe uma certa razão de exposição e não exposição entre casos e uma outra certa razão entre os controles (observe o desenho do estudo que fizemos).

Page 79: Estudos Epidemilógicos. Causalidade e Inferência Causal

Apenas medida de Associação

E se pensarmos bem, de que vale saber que a razão entre expostos e não expostos é tal, se não temos comparação? Por isso, que esta razão sozinha não tem sentido se compararmos casos com controles. E esta comparação, razão destas razões denominamos Odds Ratio (que em português seria razão de razões de exposição). Mas por prática, comodidade, e porque o termo é mais curto, utilizamos oficialmente o termo Odds Ratio.

Page 80: Estudos Epidemilógicos. Causalidade e Inferência Causal

Odds Ratio

Antes de montar os cálculos em tabelas é melhor montar o seguinte esquema:

Casos

Controles

E +

E -

E +

E -=

= Odds de exposição entre casos

Odds de exposição entre controles

Page 81: Estudos Epidemilógicos. Causalidade e Inferência Causal

Monte sempre a odds ratio da forma que foi dada no slide anterior. Os livros falam de razão de produtos cruzados e etc, mas isso sempre acaba atrapalhado. Não decore fórmulas. OR é apenas razão de exposição entre casos sobre razão de exposição entre controles.

Page 82: Estudos Epidemilógicos. Causalidade e Inferência Causal

Odds Ratio

Expostos

Não Exposto

Casos

1,293

1,707

3,000

Controle

2,455

3,321

5776

OR = ?

Uso de adoçantes artificais e câncer de pâncreas

Page 83: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos de Caso-controle

Expostos

Não Exposto

Casos

1,293

1,707

3,000

Controle

2,455

3,321

5776

OR = 1.025

Uso de adoçantes artificais e câncer de pâncreas

Hoover & Strasser, 1980 Lancet 1: 837-40

Page 84: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação de OR

Para o resultado apresentado de OR = 1,025 temos. A razão de exposição de adoçantes artificiais entre indivíduos com câncer de pâncreas é em média 1,025 vezes maior que a razão de exposição entre controles.

Ou ainda, a razão de expostos sobre não expostos a adoçantes artificiais entre pacientes com câncer de pâncreas é em média 1.025 vezes maior que a razão de expostos sobre não expostos entre os controles.

Page 85: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação de ORCuidados na interpretação da OR. OR não é risco! Muitos trabalhos calculam OR e interpretam como se fosse risco relativo, mas não é! Lembre-se que risco somente pode vir de estudo de coorte. Alguns alegam que é quase a mesma coisa, e tudo bem. Não é bem assim. Se calcularmos OR num estudo de coorte e o risco relativo você vai notar que a OR tende a ser maior, quanto maior for a prevalência da doença. Nós utilizamos terminologias para nos comunicarmos, e se começamos a misturar tudo vira um fua! Ninguém se entende. Assim quando você ler num título de estudo “fatores de risco para....” você já sabe que estará diante de um estudo de coorte.

Page 86: Estudos Epidemilógicos. Causalidade e Inferência Causal

Por muito tempo e ainda se encontra cálculo de OR em estudos de coorte. Isso acontecia concientemente, porque até alguns anos atrás, era muito complicado fazer analises multivariadas calculando risco relativo. Nestes casos, quando a prevalência da doença era alta sabia-se que iria existir uma discrepância muito grande caso o RR fosse calculado. Não existiam pacotes estatísticos preparados para isso. Mas hoje já temos e não se justifica mais calcular OR em coorte.

Page 87: Estudos Epidemilógicos. Causalidade e Inferência Causal

Viéses em Estudos de Caso-Controle

Qualquer erro sistemático num estudo que resulta na estimação incorreta de um parâmetro (seja ele uma proporção ou uma associação entre exposição e desfecho)

Principais tiposViés de seleção (chamado de viés de Berkson)Viés de informação

Page 88: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudos Transversais

Page 89: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo Transversal/Surveys ou de

Prevalência

O que caracteriza um estudo transversal é que ele não tem acompanhamento ao longo do tempo, e o mais importante é que a amostragem é feita sem estabelecer a condição de saúde ou exposição dos indivíduos. Assim, populações são amostradas com o intuito de que a amostra seja representativa.

Page 90: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo Transversal/Surveys ou de

PrevalênciaLogo, a amostragem é parte vital do estudo de prevalência, se ela for mal feita, vamos ter viés (erro sistemático) que irá invalidar o estimador calculado!Exemplos de estudos transversais bem feitos no Brasil são PNAD (Pesquisa Nacional por Domicílios), POF (Pesquisa de Orçamento Familiar) organizados pelo IBGE (Instituto Brasileiro de Geográfia e Estatística) O SB200 é também um estudo transveral, mas que não tem amostragem bem feita, logo não podemos confiar nos estimadores calculados neste estudo.

Page 91: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo Transversal/Surveys ou de

PrevalênciaAlém da amostragem, a interpretação dos dados e resultados é algo especial nestes estudos. Isso porque estamos falando de populações inteiras. Se a interpretação dos dados de estudos de coorte e caso-controle dependia do contexto da população, aqui é mais crucial. Isto porque estamos tirando conclusões sobre uma população por meio de uma única fotografia tirada num determinado instante...

Page 92: Estudos Epidemilógicos. Causalidade e Inferência Causal

....em inglês se diz um “snap shot” (fotografia instantânea). E este momento é resultante de acontecimentos ao longo dos anos na população. Por exemplo, a piramide populacional dos EUA hoje é quase um retângulo com um alargamento enorme referente a pessoas de 60 anos. Porque será? Representa a explosão demográfica dos baby-boomers logo após a segunda guerra. Isto é, para interpretar este dado precisamos saber da história da população.

Page 93: Estudos Epidemilógicos. Causalidade e Inferência Causal

A seguir veremos um exemplo que pode levar a conclusões erradas num estudo de prevalência.

Page 94: Estudos Epidemilógicos. Causalidade e Inferência Causal

Efeitos Idade: alteração de uma condição de acordo com a idade, independente do efeito de coorte e de períodoCoorte: alteração de taxa de acordo com o ano de nascimento, independente da idade e do ano Período: alteração de taxa englobando a população inteira.

Page 95: Estudos Epidemilógicos. Causalidade e Inferência Causal

InterpretaçãoEfeito da idade na interpretação

Em geral surveys incluem variação grande de idadeMesmo quando idade não é o objetivo principal, é importante verificar a associação entre idade, desfecho e exposição.

Page 96: Estudos Epidemilógicos. Causalidade e Inferência Causal

Idade Idade Média Prevalência/ 1000 hab

30-39 35 4540-49 45 4050-59 55 3660-69 65 3170-79 75 27

Exemplo: estudo realizado em 1995

Page 97: Estudos Epidemilógicos. Causalidade e Inferência Causal

Isso signfica que a prevalência diminui com a

idade, certo?(efeito de idade)

Page 98: Estudos Epidemilógicos. Causalidade e Inferência Causal

Não necessariamentePode ser que os indivíduos mais velhos já não tenham muita doença porque aqueles doentes ja morreram.Um exemplo típico é a periodontite, que parece diminuir ou estabilizer após os 55 anos de idade. Na verdade, aqueles com muita doença perdem todos os dentes, e já não entram mais no calculo de prevalência de periodontite.

Page 99: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Frequência/Associação

Medida de FrequênciaPrevalência

Medida de Associação Razão de Prevalência

Page 100: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo Transversal

PrevalênciaProporção de indivíduos com determinada característica na população num determinado momento.

Por exemplo: a prevalência de hipertensão em Janeiro de 2004 era de 24% em Ribeirão Preto.

Page 101: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo Transversal

Prevalência = número de casos x 100

número total de indivíduos

Page 102: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo TransversalRazão de Prevalência

Quando fazemos um estudo de prevalência podemos estar interessados em verificar se um grupo específico daquela população ou amostra tem maior prevalência do que o outro. Assim, simplesmente fazemos a razão de prevalência entre dois grupos de expostos.

Page 103: Estudos Epidemilógicos. Causalidade e Inferência Causal

Estudo TransversalRazão de PrevalênciaEx: a prevalência de otite média recorrente (> 3

episódios) entre crianças 2-5 anos que nasceram pretermo é de 40%, enquanto a prevalência entre as crianças atermo é de 20%- NHANES III 1988-94. Portanto a razão de prevalência é 2. E a interpretação correta é:A prevalência de otite média recorrente é em média duas vezes maior em crianças de 2 a 5 anos de idade que nasceram pretermos do que em crianças que nasceram atermo na população dos Estados Unidos nos anos de 1988-94.

Page 104: Estudos Epidemilógicos. Causalidade e Inferência Causal

Cálculo da Prevalência

Porque se calcula a prevalência no estudo chamado NHANES, que é um estudo que levou seis anos para ser realizado?

Page 105: Estudos Epidemilógicos. Causalidade e Inferência Causal

Cálculo da Prevalência

È possível falar em prevalência porque as áreas amostradas no estudo, foram aleatoriamente sorteada ao longo dos 6 anos. E assumimos, que não houve mudanças drasticas de ocorrência da doença nestes anos.

Page 106: Estudos Epidemilógicos. Causalidade e Inferência Causal

Relação entre Prevalência e Incidência

Page 107: Estudos Epidemilógicos. Causalidade e Inferência Causal

Prevalência vs IncidênciaPrevalência de uma doença depende tanto da incidência como da duração da doença na população

Prevalência = Incidência vs Duração da Doença

Page 108: Estudos Epidemilógicos. Causalidade e Inferência Causal

Regras Gerais para escolha de

Medidas de Frequência

 se vc quer relatar proporção de indivíduos que tem um determinado estado de saúde use PREVALÊNCIA

se ve quer relatar a probabilidade de uma pessoa na média ter um evento num período de tempo use o INCIDÊNCIA ACUMULADA -RISCO- (predição individual)

se vc quer relatar o impacto da doença numa população , ou grupo de pessoas então use a DENSIDADE DE INCIDÊNCIA (inferência etiológica).

Page 109: Estudos Epidemilógicos. Causalidade e Inferência Causal

Posso interpretar Prevalência como se fosse Risco?

 Lembre-se que risco necessita ser medido por um período de tempo. Portanto, prevalência NÃO pode ser interpretada como risco.

Entretanto, para dados de uma idade específica, nos podemos derivar aproximações de risco quando a doença for irreverssível & a doença não afetar a probabilidade de morrer & assumindo-se ao mesmo tempo uma condição de “steady-state” (ex: glaucoma)

Page 110: Estudos Epidemilógicos. Causalidade e Inferência Causal

Condição de “steady state” da população significa que a população continua estável, a mesma taxa de nascimentos, com a mesma taxa de pessoas morrendo e sem migração de pessoas que pudessem alterar a prevalência da doença.Os calculos a seguir são meio chatinhos e se você quiser brinque com os dados, mas não cairá na prova.

Page 111: Estudos Epidemilógicos. Causalidade e Inferência Causal

R j = (P (j +1) - P j ) / (1- P j )Ex:Risk 30yrs-old = (P 31yrs-old - P 30yrs-old )/ (1- P 30yrs-old )

Risk 30yrs-old = ( 0.2 - 0.15) / (1 - 0.15)

= ( 0.05)/ (0.85) = 0.0588

Page 112: Estudos Epidemilógicos. Causalidade e Inferência Causal

Quando a Prevalência é proxima da Densidade de Incidência?

 Apenas quando a duração da doença for muito pequena & a prevalência também for muito pequena. Se o indivíduo pega a doença e já é curado rapidamente ai teremos poucos casos acumulados e a prevalência se aproximará da incidência.

Page 113: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Associação

Resumo das medidas de associação

Page 114: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note ! Agora serão apresentadas tabelas formais para calculo das medidas de associação e com formulas, por favor não decore as fórmulas. Pois você pode se confundir muito. Calcule na prova da maneira como fizemos na sala de aula! Monte o esqueminha do estudo, e faça os calculos!

Page 115: Estudos Epidemilógicos. Causalidade e Inferência Causal

Medidas de Associação

Refletem a força da relação estatística entre um fator de estudo e uma doença, portanto estas medidas são principalmente úteis para se fazer inferência causal.

Page 116: Estudos Epidemilógicos. Causalidade e Inferência Causal

Nós vimos as medidas de frequência: Prevalência, Incidência Acumulada (Risco) e Densidade de Incidência. Se fizermos a razão destas medidas para grupos expostos e não-expostos teremos o que se chama de medidas de associação.

Existe uma quarta medida de associação chamada de Odds Ratio.

Page 117: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como montar tabelas…..

Para estudos de prevalência e para estudos de caso-controle …………..

Page 118: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como montar tabelas..

Exp N Exp

Doença DE a

DE b

D

Não Doença

DE c

DE d

D

E

E

Total

Page 119: Estudos Epidemilógicos. Causalidade e Inferência Causal

Para estudos de coorte onde se registra incidência monte sempre a tabela assim…….

Page 120: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como montar tabelas..

Doenca Não

Doença

Exp

DE a

DE b

E

N Exp

DE c

DE d

E

D

D

Total

Page 121: Estudos Epidemilógicos. Causalidade e Inferência Causal

O que se pode calcular apartir de um estudo de incidência (coorte).

Risco RelativoOu razão de Riscos, ou razão de Incidência Acumulada

Densidade de Incidência RelativaOu razão de Densidade de Incidência ou razão de taxa.

Page 122: Estudos Epidemilógicos. Causalidade e Inferência Causal

Risco Relativo

Doenca Não

Doença

Exp

DE a

DE b

E

N Exp

DE c

DE d

E

D

D

Total

a/TE

c/TERR =

Page 123: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação

Entre indivíduos de 30 anos, aqueles com altos níveis colesterol tiveram o risco de desenvolver infarto do miocárdio em média 3 vezes maior do que os indivíduos com baixos níveis de colesterol num período de 6 anos

Page 124: Estudos Epidemilógicos. Causalidade e Inferência Causal

Razão de Taxas

Doença

PT

Exp

DE a

PT b

N Exp

DE c

PT d

D

Tot PT

a/PT

c/PTRT =

Para a análise de Taxas precisamos de pessoa-tempo logo a tabela e a seguinte:

Page 125: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação A força de morbidade (de se desenvolver infarto do miocárdio) entre indivíduos expostos a altos níveis de colesterol é em média 3 vezes maior do que a força de morbidade entre os indivíduos não expostos a alto colesterol num período de 6 anos . Ou ainda podemos dizer ao invés de 3 vezes , que a força de morbidade e 200% maior.

Page 126: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note

O valor nulo de uma razão é 1. Portanto, razões vão de 0 a infinito, sendo o 1 referente a nulidade.

Page 127: Estudos Epidemilógicos. Causalidade e Inferência Causal

Odds Ratio (OR)Porque odds ratio virou uma medida popular?

A OR é de difícil interpretação às vezes, porém é uma medida que é facilmente calculada nos modelos de regressao linear logística (aquela regressão linear feita no mundo dos logarítimos e que depois é exponenciado). Também, é uma medida que pode ser calculada tanto para estudos de caso-controle, como prevalência e coorte. Hoje´, com o avanço dos pacotes estatísticos calculamos OR apenas para estudos de caso-controle.

Page 128: Estudos Epidemilógicos. Causalidade e Inferência Causal

Porém, não existe o porque de calcular OR de uma coorte se há possibilidade de se calcular Risco Relativo.

Quando calculado em estudos de prevalência a OR é chamada obrigatoriamente de OR de Prevalência.

O calculo da OR é sempre o mesmo, independente do tipo de estudo, o que varia e a interpretação que é totalmente diferente

Page 129: Estudos Epidemilógicos. Causalidade e Inferência Causal

OR pode ser calculado para Odds de Doença ou para Odds de Exposição

Para estudos de caso-controle use Odds de Exposição

Para estudos de coorte use Odds de Doença

Page 130: Estudos Epidemilógicos. Causalidade e Inferência Causal

A Odds Ratio (Exposição)

Exp N Exp

Doença DE a

DE b

D

Não Doença

DE c

DE d

D

E

E

Total

OR também é chamada razão de produtos cruzados

a.d

b.cOR =

a/b

c/dOR =

Page 131: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação da OREEx: OR = 3

A odds de ser exposto entre os indivíduos que tem a doença é 3 vezes maior que a odds de ser exposto entre indivíduos que não tem a doença.

Page 132: Estudos Epidemilógicos. Causalidade e Inferência Causal

A Odds Ratio (Doença)

a.d

b.cOR =

OR também é chamada razão de produtos cruzados

Doenca

Não Doença

Exp

DE a

DE b

E

N Exp

DE c

DE d

E

D

D

Total

a/b

c/dOR =

Page 133: Estudos Epidemilógicos. Causalidade e Inferência Causal

Interpretação da ORD

EX: ORD = 3

A odds de ter doença entre os indivíduos que são expostos é 3 vezes maior que a odds de ter a doença entre indivíduos que não são expostos.

Page 134: Estudos Epidemilógicos. Causalidade e Inferência Causal

Note

Montando-se a tabela mestra de maneira correta, a fórmula da ORE ou ORD fica a mesma. Então, o resultado numérico é o mesmo, porém, a interpretação e diferente.

Page 135: Estudos Epidemilógicos. Causalidade e Inferência Causal

Exercícios

Faca interpretação das seguintes medidas:RR = 1

RR = 2

RR = 0.5

Page 136: Estudos Epidemilógicos. Causalidade e Inferência Causal

Exercícios

Faça interpretação das seguintes medidas:ORD = 1

POR = 2

ORE = 0.5

Page 137: Estudos Epidemilógicos. Causalidade e Inferência Causal

Observe que …..Se o RR é igual a 2, significa que o risco de expostos e 100% maior do que o risco em não expostos. O RR de 0.5, significa que o risco de desenvolver doença entre expostos é 2 vezes menor do que nos não exposto. Em outras palavras é 100% menor do que o risco de não expostos.

Page 138: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como se lê o Intervalo de Confiança (IC) 95% em estudos que mostram RR ou OR ?

Ex: OR = 2 (IC 95% = 1.7 – 2.9)Temos 95% de confiança de que o intervalo de 1.7 a 2.9 contenha a verdadeira OR.

Page 139: Estudos Epidemilógicos. Causalidade e Inferência Causal

O que determina o tamanho do intervalo de confiança (IC)?

IC é basicamente uma medida de precisão. Portanto, o tamanho da amostra se reflete no IC. Quando maior a amostra menor o IC, pois a variabilidade tende a ser menor. O tamanho da amostra depende da prevalência da exposição e tambem da prevalência do desfecho.

Page 140: Estudos Epidemilógicos. Causalidade e Inferência Causal

Como foi comentado antes, o tamanho da amostra depende da prevalência de exposição e desfecho. Por vezes a falta de significãncia estatística num estudo de associação ocorre por causa da amostra pequena. Quando isso ocorre dizemos que o estudo não teve PODER DE ESTATíSTICO. A isso chamamos de erro tipo 2.