"Epidemiology teaches that every association has only 3 possible explanations: bias, chance and cause." Petter Gan
Como menciona a frase descrita acima por Peter Gann, antes de considerarmos a existência de uma associação causal, precisamos afastar a presença de erros sistemáticos (viéses) e erros aleatórios (acaso). Esta frase vai de encontro a duas coisas fundamentais. I) Ao princípio fundamental da ciência que tem o objetivo de diferenciar causa de acaso. II) A análise crítica de evidências científicas que deve passar pelo crivo da veracidade (validade interna), relevância e aplicabilidade (validade externa). Portanto, ao analisarmos um artigo científico devemos fazer esse seguinte check-list que acaba de ser mencionado.
Quando falamos na presença de erros sistemáticos (viéses), estamos falando de algo que pode ser prevenido pelo pesquisador durante o planejamento da pesquisa. Um bom projeto de pesquisa possui um delineamento bom o suficiente para minimizar a existência de viéses, digo minimizar porque nenhum trabalho por melhor que seja é livre do efeito destas distorções. A validade do estudo tem uma relação direta com a presença de erros sistemáticos e devemos ficar atentos a estas questões durante a análise da veracidade. Sem uma veracidade adequada, o estudo apresentará resultados não válidos.
Viéses podem ser definidos através de erros na forma como os indivíduos são recrutados(seleção) ou na maneira pelas quais as variavéis são medidas(informação-aferição), gerando distorções nas medidas de efeito que levam a resultados espúrios. Dentro deste conceito, podemos identificar basicamente três tipos de viéses:
1) Confusão; 2) Seleção; 3) Aferição.
O Viés de Confusão:
O viés de confusão ocorre quando uma variável "per si" não é responsável unicamente pela ocorrência do desfecho, existindo assim uma distorção na associação entre a exposição e desfecho. Para que um fator cause confusão ele dever estar associado tanto ao desfecho como a exposição, promovendo uma relação artificial que não faz parte da cadeia causal. Existem formas de controlar a existência deste fatores confundidores, destacaremos aqui a randomização e a análise de regressão múltipla reservada principalmente para estudos observacionais.
Portanto, a primeira pergunta a se fazer ao analisar um estudo é: Existe efeito de confusão influenciando nos resultados? Se estudo observacional, devemos ficar atentos a esta possibilidade natural, estudos observacionais estão cheios de fatores confundidores e possuem alto risco para viéses. O melhor instrumento que este delineamento de estudo possui para identificar a presença de fatores confundidores seria através da análise multivariada que descreve simultaneamente o efeito da exposição e potenciais fatores de validade na ocorrência do desfecho, colocando-os num mesmo modelo matemático. Para estabelecermos um critério de causualidade durante a análise de um estudo observacional devemos verificar o controle das variavéis confundidoras. Mas... sempre há um fator residual, por isto é muito comum que estes estudos tenham resultados derrubados por ensaios clínicos randomizados, pois a randomização faz com que os grupos sejam alocados de maneira aleatória (sorteio) tornando-os homogêneos. Por isso os ensaios clínicos podem afirmar causualidade e os estudos observacionais não. Logo, se for estudo randomizado não há efeito de confusão. Para estudos observacionais observaremos a presença da análise múltipla e verificaremos quais fatores foram controlados.
Em síntese, usaremos os seguintes exemplos:
Ao analisar a prevalência de sintomas respiratórios em uma indústria cerâmica e constatar a sua associação com o tempo de exposição, o hábito tabágico de alguns trabalhadores não poderia ser um fator confundidor?
A anemia é fator preditor independente de mortalidade no IAM? Como definir de fato isto, em pacientes com múltiplas comorbidades como ICC, IRC, Tabagismo e Diabetes.
Outro exemplo palpável seria citar que os primeiros estudos sobre a segurança em se usar pílula anticoncepcional relatavam um risco aumentado de infarto do miocárdio. Mais tarde esta associação mostrou ser espúria, pois havia uma alta proporção de fumantes entre as usuárias de pílula. Neste caso, o fumo confundiu a relação entre pílula e infarto. Muitas das mulheres que escolheram usar pílula também escolheram fumar, e o cigarro aumenta o risco de infarto. Embora os investigadores pensaram estar medindo o efeito da pílula, eles na verdade estavam medindo o efeito “escondido” do cigarro entre as usuárias de pílula.
