EPIDEMILOGIA

EPIDEMILOGIA

(Parte 10 de 11)

EXPOSIÇÃO SIM NÃO SIM 180 160 340 NÃO 20 640 660

TOTAL 200 800 1000

Dos 200 controles expostos, a sensibilidade de 0,9 permitiu a classificação correta de

Universidade Federal do Rio de Janeiro Núcleo de Estudos em Saúde Coletiva (NESC) Saúde Coletiva - Fisioterapia

AUTORIA: MAURÍCIO DE ANDRADE PÉREZ 46

0,9 = a

200 180=, resultando em 20 indivíduos erradamente classificados como controles não expostos. Por outro lado, dos 800 doentes não expostos, teremos que

0,8 = d

800 640=classificando erradamente 160 pessoas. De forma semelhante a tabela XIIa, a parte que será visualizada pelo pesquisador (que não tem acesso à verdade) será o total de 340 (controles expostos) e 660 (controles não expostos) ao invés dos 200 e 800 que realmente existiam. A tabela resultante deste vício de medição (tabela XIIc) será :

Tabela XIIc

EXPOSIÇÃO SIM NÃO SIM 650 340 990 NÃO 350 660 1010

TOTAL 1000 1000 2000

Com uma RPC de 650 660

= 3,60, formando um viés no sentido de subestimar (em mais de

200% !) o risco real de 9,3. Esta discussão está muito longe de ser um detalhe teórico. A sensibilidade ou especificidade da maior parte dos exames utilizados no meio médico raramente ultrapassam 80%. Exames radiológicos (ao redor de 70-80%), aferição da pressão arterial (50-70% dependendo do profissional, aparelho, doente etc.), nos fornecem alguns exemplos sobre a importância e magnitude deste problema.

Na maior parte dos estudos epidemiológicos, a associação entre 2 variáveis deve também levar em conta a presença de fatores externos que possam alterar a associação estudada, fenômeno este conhecido como confounding ou interferência. Os princípios básicos que envolvem este fenômeno pode ser definido de forma simplista como “um fator de risco” para uma doença qualquer, cujo controle libera ou corrige parcialmente a relação exposição-doença anteriormente detectada. Em outras palavras, uma variável de interferência distorce a associação exposição-doença, por estar associada a ambas. Exemplos :

a) Os primeiros estudos sobre etiologia da AIDS apontavam que a “causa” poderia ser o uso de

Nitrito de amilo, apontado em diversos estudos do início dos anos 80. Descobriu-se mais tarde que o Nitrito de amilo (NA) era utilizado por homossexuais de múltiplos parceiros como um relaxante anal. O NA estava portanto associado não com a doença mas sim com os homossexuais com comportamento de alto risco (múltiplos parceiros).

b) Se não possuíssemos idéia acerca da relação fumo-câncer, carregar fósforos ou isqueiro no bolso nos traria uma interferência pois fósforo-câncer possui uma associação quase tão forte quanto fumocâncer.

c) Recentemente publicou-se um livro (a curva normal) onde os autores alegavam que os negros americanos eram em média menos inteligentes que a população branca. Os autores inadvertidamente “esquecem” entretanto que a compreensão dos testes por parte da população negra, que teve menos acesso social às boas escolas, influencia na resposta dos mesmos.

d) Supondo que não exista a relação entre IAM em mulheres que usem anticoncepcionais, e que as que usam estrogênios tenham uma prevalência maior de fumo, detectaremos um risco estrogênio-IAM até o momento em que possamos controlar a variável fumo (interferência).

As variáveis de interferência agem em qualquer sentido, isto é, aumentando ou diminuindo uma associação estudada. É importante observar que é praticamente impossível estabelecer todos as possíveis

Universidade Federal do Rio de Janeiro Núcleo de Estudos em Saúde Coletiva (NESC) Saúde Coletiva - Fisioterapia

AUTORIA: MAURÍCIO DE ANDRADE PÉREZ 47 interferências entre a população amostral estudada e a população real, entre outras razoes pelo simples fato de que uma boa parte destas são desconhecidas da ciência em dado momento do tempo, sem contar o fato de que estarão sempre presentes num estudo. O ponto crucial entretanto é o de pelo menos tentar estabelecer se estas variáveis de interferência estarão sub ou superestimando o risco da população amostral estudada. Para se lidar com elas podemos agir durante o desenho do estudo ou ainda durante a análise dos dados. No primeiro caso, podemos restringir a participação para apenas alguns indivíduos (idades semelhantes ou diagnósticos localizados numa determinada fase etc.) ou ainda pareá-los para algumas variáveis que desejamos descartar. A restrição consiste em eliminar determinados indivíduos (mulheres não fumantes ou que deixaram de fumar há pelo menos 10 anos no caso do exemplo d). No pareamento escolhemos o grupo de comparação de tal forma a fazê-los semelhantes aos casos em função das variáveis de interferência que desejamos eliminar. Ainda no mesmo exemplo, para cada mulher fumante, escolheríamos um controle fumante. O pareamento possui 3 objetivos distintos :

• aumentar a eficiência do estudo

• controlar as variáveis de interferência

• melhorar a comparabilidade das informações coletadas

Os principais tipos de pareamento são os de freqüência e o individual. No primeiro, as principais variáveis de interferência são distribuídas de forma similar em ambos os grupos de comparação (casos e controles). O pareamento individual, na sua forma mais simples, incluirá cada controle em função de cada caso, formando assim pares. Ao contrário dos estudos clássicos, a análise dos dados deverá ser realizada com técnicas que levem em consideração a formação destes pares (o que pode complicar bastante esta fase, quando necessitamos por exemplo controlar outras variáveis de interferência) durante a análise dos dados). As principais vantagens do pareamento residem exatamente quando uma interferência importante não pode ser facilmente medida, tais como fatores sociais complexos, exposições ambientais múltiplas em indústrias ou no meio ambiente, sendo útil o pareamento por vizinhos, irmãos gêmeos etc.

Em contrapartida, o pareamento individual é uma técnica relativamente complexa tanto do ponto de vista prático quanto conceitual. Inúmeros controles inicialmente contactados são posteriormente descartados (perdendo-se tempo e dinheiro), existe uma maior tendência de se perder dados, pois se um membro do par não responde de forma adequada, o par inteiro é perdido, aumentando-se a dificuldade durante a análise. Finalmente, talvez a mais importante restrição a esta técnica deve-se ao fato de que a variável pareada fica perdida para análise, não nos permitindo modelá-la posteriormente (o que poderia ser feito com uma amostra maior sem pareamento).

Uma outra estratégia para lidar com as variáveis de interferência é a de trabalhá-las durante a análise de dados, lançando-se mão da estratificação e da análise multivariada. A estratificação nos estudos caso-controle segue os mesmos princípios que nos estudos de coorte, isto é, os dados são divididos em estratos segundo os diversos níveis da variável de interferência, calculando-se a RPC para cada um deles. Um problema que poderá surgir (dependendo do tamanho da amostra e do número de estratos a serem formados) é a presença de poucos casos ou controles ao longo dos estratos a medida em que estes aumentam, levando em conseqüência a uma instabilidade dos estimadores que estão sendo detectados. Uma das maneiras de se contornar este problema foi desenvolvida por Mantel-Haenszel (1959) conhecido como razão de chances de Mantel-Haenszel que nos fornece uma média ponderada da RPC por estrato, ponderação esta que é dada pelo número de observações em cada estrato.

Uma outra forma de controlar as variáveis de interferência, está englobada nos diversos métodos que chamamos de análise multivariada. As técnicas de análise multivariada tentam responder à questão de interação entre diversas variáveis simultaneamente. Técnicas como a regressão logística permitem o estudo de diversos fatores (alguns ordinais outros intervalares - ver adiante), fornecendo, entre outros atrativos, a possibilidade de estudar o risco desses fatores, quando controlados por todas as variáveis do modelo. Caso seja de seu interesse há uma vasta bibliografia pertinente ao assunto. Técnicas de análise multivariada exigem um analista experiente por trás das mesmas. A análise de modelos é complexa, exigindo muitas idas e vindas até se chegar ao modelo ideal. Neste processo, é fundamental a presença do clínico formando uma equipe com o estatístico e/ou epidemiologista. Alguns aspectos da análise de dados serão vistos mais

Universidade Federal do Rio de Janeiro Núcleo de Estudos em Saúde Coletiva (NESC) Saúde Coletiva - Fisioterapia

AUTORIA: MAURÍCIO DE ANDRADE PÉREZ 48 adiante. Estudos de coorte

Os estudos de coorte, também denominados de incidência, seguimento ou prospectivo, envolve um desenho no qual as informações sobre um fator de estudo (indivíduos expostos - E - e não expostos - Ë) são conhecidos para todos os participantes do estudo no início do seguimento. Esta população é seguida durante um período determinado onde novos casos de ou a morte pela doença estudada (ou ainda outras doenças) são observados em cada grupo (E e Ë), conforme a figura 6.

Figura 6Casos novos entre os expostos ou

saídas

Expostos (E)por óbito, desistência etc.
Casos novos entre os
não expostos, ou saídas por
óbitos desistência etc.

Não expostos (Ë)

A maior aplicabilidade deste método se refere a doenças com ocorrência relativamente freqüentes tais como coronariopatias, infeções hospitalares, acidentes de trabalho, acidentes automobilísticos, gestação etc. A forma mais simples de se estruturar um estudo de coorte, consiste em excluir os casos prevalentes na população estudada, seguindo-se a partir deste momento um grupo de pessoas expostas a um fator de risco determinado, por um período dado de tempo (não somos obrigados a seguir toda a população até que a doença apareça e sim através de um tempo pré-determinado). A idéia básica é que se a proporção de casos (ou óbitos) pela doença em questão for maior num grupo (E) do que noutro (Ë), pode-se inferir sobre a associação entre o fator de risco estudado e a incidência da doença em questão.

Um estudo de coorte pode ser totalmente prospectivo (acompanhando uma coorte de um momento do tempo em diante), retrospectivo (utilizando-se dados secundários - alternativa cada vez mais usada com a acessibilidade de macro bancos de dados hospitalares) e o ambidirecional. A introdução do seguimento de uma dada população apresenta, para os estudos de coorte uma certa similitude aos estudos experimentais, o que os faz como os prediletos para cientistas que buscam estabelecer inferências causais. Sem querer estabelecer uma grande polêmica, é fundamental que se tenha em mente que qualquer que seja o estudo utilizado, todos sem exceção podem ser viciados segundo tantos fatores (inclusive os experimentais), que é uma ingenuidade acreditar que a escolha de um modelo de estudo irá apresentar salvaguardas contra conclusões absolutamente equivocadas. O seguimento de uma população através do tempo, pode tornar os estudos de coorte quase impraticáveis. Doenças como câncer de pulmão apresentam dificuldades óbvias, pois são relativamente raras e com longo período de latência entre exposição e doença, gerando a necessidade de se formar e seguir uma coorte de 200.0 pessoas - grande número necessário por ser raro - durante 30 ou 40 anos - longo tempo de evolução) tornando o estudo complexo em termos de logística e custo. Apesar da maioria dos textos didáticos utilizarem este tipo de exemplo quando descrevem os estudos prospectivos, é fundamental perceber que podemos criar inúmeras coortes com custos muito reduzidos. Dentre os vastos exemplos disponíveis estão os estudos entre exposição de gestantes a inúmeros fatores (medicamentos, ambiente de trabalho etc.) e reflexos sobre as crianças. O “longo” tempo de incubação se resume aos 9 meses da gestação, que por ser corriqueira, possibilita que achemos facilmente um universo de candidatos ao estudo. Por outro lado, achar uma má-formação congênita não é a mesma coisa que esperar

Universidade Federal do Rio de Janeiro Núcleo de Estudos em Saúde Coletiva (NESC) Saúde Coletiva - Fisioterapia

AUTORIA: MAURÍCIO DE ANDRADE PÉREZ 49 detectar um tumor (mesmo problemas auditivos necessitariam talvez de 2 ou 3 anos para serem determinados, o que não se compara com os 30 ou 40 anos do câncer). Estudos sobre fatores de risco para infeção hospitalar também são corriqueiros, visto que o prazo aqui sequer é o de meses e sim dias ou semanas. Atualmente a maior parte dos hospitais com um mínimo de qualidade, mantém equipes de controle de infecção que seguem coortes de pacientes internados, verificando assim a incidência das infeções hospitalares (separando inclusive segundo os diversos fatores de risco tais como uso do respirador, cateter central etc.).

Outra abordagem para os estudos de coorte são os denominados prospecitvos-retrospectivos ou prospectivos históricos. A idéia básica é que havendo uma população de onde se coletou as informação de interesse no passado, poderíamos hoje, baseados neste seguimento, analisar os dados como se estivéssemos acompanhando a população desde o início da formação da coorte. Digamos que suspeitamos da relação entre altas doses de radiação e um determinado tipo de astrocitoma. A formação e seguimento de uma coorte demandaria um enorme esforço de recursos e tempo. Por outro lado, ao explodir as bombas de Hiroshima e Nagasaki, grupos de cientistas examinaram os sobreviventes, acompanhando-os periodicamente numa rotina que vem até os dias atuais. O acesso a esses dados, daria a um pesquisador hoje, o aparecimento de casos novos (incidência) do câncer em que estamos interessados, ao longo das décadas, em uma população exposta a uma terrível arma de guerra. A principal vantagem neste estudo é que a população foi acompanhada (por outros) ao longo do tempo. Como controle podemos utilizar a incidência de mortalidade no mesmo período de tempo numa população não exposta (habitantes de Tóquio por exemplo). É fundamental perceber que a formação de uma coorte não depende da direção do seguimento da exposição (isto é, se esta ocorreu no passado ou hoje), e sim se existe ou não um denominador (população exposta). Estes desenhos são particularmente importantes nos dias atuais, onde macro bancos de dados hospitalares vem sendo organizados, em velocidade quase exponencial. Apesar de inúmeros autores levantarem sérias e importantes objeções a estes estudos, a facilidade, rapidez e baixo custo deste método, associados a experientes clínicos e epidemiologistas no momento de planejamento e análise do estudo, pode fornecer valiosas informações com uma fração do custo necessário para executar uma coorte clássica.

Medidas de freqüência de doenças:

Dentre as medidas de freqüência de doenças é importante diferenciar 3 classes de expressões matemáticas ou seja, proporções taxas e razões.

A proporção é o resultado de uma fração onde o numerador está incluído no denominador. Ela é geralmente expressa em percentagem não possuindo dimensão e variando entre 0 e 1.

A taxa é definida como a mudança instantânea de uma quantidade (em nosso caso de sadio para doente ou vivo para morto) por unidade de mudança de outra quantidade (geralmente tempo ou população no tempo). Construindo-a desta forma, a taxa não apresenta dimensão além de poder variar até o infinito (não possui um valor máximo). Na epidemiologia, devido a quase impossibilidade de se medir uma taxa instantaneamente, trabalhamos com a taxa média (casos ocorridos num determinado intervalo, como se fosse uma velocidade média de transformação de sadios em doentes.

A razão é uma fração onde o numerador não está incluído no denominador. Existem 2 tipos básicos de razões : uma adimensional (número de leitos hospitalares por 100.0 habitantes) e outra dimensional (óbitos numa população, em determinado ano, por 1000 nascidos vivos, nas mesma população e ano).

As principais medidas utilizadas em epidemiologia podem ser agrupadas em 3 categorias: medidas de freqüência de doença, medidas de associação e medidas de impacto potencial. As medidas de freqüência vão caracterizar a doença, incapacidade ou morte numa dada população, sendo portanto fundamentais para qualquer desenho epidemiológico que se esteja utilizando, como pôde ser visto na primeira parte deste texto (pessoa, lugar e tempo). As medidas de associação se referem à força da relação entre determinados fatores em estudo e a doença propriamente dita (proporção de câncer entre fumantes e não fumantes, casos de infecção hospitalar entre os que utilizaram ou não respirador, hipertensão entre os que trabalham ou não em determinado setor de uma fábrica etc.). Finalmente, as medidas de impacto potencial refletem o impacto esperado para determinada doença, caso o(s) fator(es) de risco sejam controlados ou eliminados. De uma certa forma, as medidas de impacto potencial, seriam um meio termo entre as medidas de associação e as de freqüência. Sabemos, através destas medidas que a eliminação do fumo conseguiria eliminar cerca de 95%

Universidade Federal do Rio de Janeiro Núcleo de Estudos em Saúde Coletiva (NESC) Saúde Coletiva - Fisioterapia

AUTORIA: MAURÍCIO DE ANDRADE PÉREZ 50 dos casos de câncer de pulmão atualmente registrados. Por outro lado, eliminação do mesmo fator de risco (fumo), seria responsável pela redução de menos de 10% dos casos de IAM. Desta forma, elas medem a eficácia e efetividade de manobras de intervenção em uma população.

As medidas de freqüência baseadas em casos novos ou incidentes são particularmente interessantes para se identificar fatores de risco. Analogamente estas medidas são tipicamente determinadas pelos estudos de coorte (o que explica a predileção deste método por inúmeros pesquisadores). Existem basicamente 2 medidas de incidência (risco e taxa), sendo que cada uma pode ser determinada de maneiras distintas, dependendo do método de estudo escolhido.

(Parte 10 de 11)

Comentários