O documento discute os conceitos de validade em estudos epidemiológicos, incluindo validade interna e externa. A validade interna refere-se à ausência de viés sistemático no estudo, enquanto a validade externa diz respeito à generalização dos resultados. Os principais tipos de viés são seleção, detecção, perda seletiva de seguimento e informação. O confundimento ocorre quando uma variável está associada à exposição e desfecho. Estratégias como randomização, restrição e pareamento podem prevenir

1. UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
CENTRO DE CIÊNCIAS DA SAÚDE
FACULDADE DE MEDICINA -DEPARTAMENTO DE MEDICINA PREVENTIVA
NÚCLEO DE ESTUDOS EM SAÚDE COLETIVA
DISCIPLINA DE EPIDEMIOLOGIA – 1º semestre 2005
VALIDADE EM ESTUDOS
EPIDEMIOLÓGICOS

2. Validade
• Validade: termo derivado do latim validus (“forte”)
• Validade de um estudo: até que ponto os resultados
de um estudo epidemiológico são distorcidos em
decorrência de erros metodológicos na concepção
(desenho) do estudo e/ou na análise dos dados.
Validade x Precisão
erro sistemático variação amostral
viés erro aleatório

3. Validade interna x Generalização
• Um estudo particular é “internamente válido”,
ou simplesmente “válido”, se os seus resultados
não podem ser atribuídos a erros sistemáticos.
• Mas será que os achados específicos de um
estudo numa população específica podem ser
generalizados para uma outra população?

4. Nurse’s Health Study
• Práticas conceptivas e impactos em saúde
• Restrição: Enfermeiras casadas, 30-55 anos
11 estados com maior n0 de registros
• Vantagens: > taxa de resposta e seguimento
• Achado: relação inversa entre terapia hormonal
pós-menopausa e doença coronariana
• Seria este resultado generalizável para:
enfermeiras de outros estados?
outras mulheres americanas?
mulheres de outros países?

5. VALIDADE VS. PRECISÃO
• VALIDADE: ausência de erro sistemático ou viés (“bias”)
• PRECISÃO: ausência de erro aleatório
VÁLIDO NÃO VÁLIDO NÃO VÁLIDO VÁLIDO?!
PRECISO IMPRECISO PRECISO IMPRECISO

6. Viés: 3 pilares
(1) Viés de seleção: a medida de associação estimada no
estudo está distorcida devido ao modo pelo qual os
indivíduos são selecionados para compor a população de
estudo.
(2) Viés de informação: a medida de associação
estimada no estudo está distorcida devido a erros de na
forma como a informação sobre a exposição e/ou doença
é obtida.
(3) Confundimento ou situação de confusão: parte da
associação observada decorre da existência de uma ou
mais variáveis, denominadas variáveis de
confundimento, confundidoras, ou de confusão.

7. Viés de seleção
• Viés de seleção: Distorções que resultam dos procedimentos
utilizados na seleção dos participantes e/ou de fatores que
influenciam a participação no estudo.
• Se o processo de seleção provoca a identificação de uma
associação entre exposição e doença, quando na população-alvo
tal associação inexiste viés de seleção.
• O elemento básico no viés de seleção é a existência de relações
entre exposição e doença que são diferentes entre os indivíduos
que participam do estudo e aqueles que são teoricamente
elegíveis para participar mas que, por mecanismos de seleção
viciados, não foram incluídos.

8. Viés de seleção
• Viés de seleção pode ocorrer quando a identificação
de indivíduos para inclusão no estudo, seja com base
na exposição (coorte) ou doença (caso-controle)
depende do outro eixo de interesse.
• Coorte: seleção de expostos ou não-expostos depende
da probabilidade de adoecer
• Caso-controle: seleção de casos ou controles depende
da probabilidade de exposição

9. Viés de detecção
• Controvérsia estrogênio artificial vs. câncer de endométrio
• Alguns estudos encontraram forte associação (OR=9)
• Horowitz e Feinstein (1978):
(1) Estrogênio artificial causa sangramento uterino a despeito da
presença ou não de câncer de endométrio;
(2) Este sintoma conduziria a mulher a um exame ginecológico;
(3) Uma investigação ginecológica revelaria a presença de câncer de
endométrio que de outra forma poderia passar despercebido;
(4) A taxa de detecção de câncer de endométrio seria maior entre
mulheres em uso de estrogênio do que entre mulheres que não o usassem
(5) Ou seja, o processo de inclusão de casos no estudo seria função da
exposição super-estimação da medida de associação.

10. Perda seletiva de seguimento
• Perdas: morte, não-cooperação, migração, dificuldades de manter
o seguimento, falta de registros adequados.
• Perdas podem ser relacionadas à exposição, à doença, ou a ambos.
• Se a perda de seguimento é associada tanto com a exposição
quanto com a doença perda seletiva de seguimento.
• Viés pode ocorrer quando os indivíduos que são perdidos
apresentam probabilidades diferentes de desenvolver a doença sob
estudo, quando comparados com os que não foram perdidos.
• Em particular o viés ocorrerá quando as perdas são diferenciais
entre grupos de exposição.

11. Coorte fixa sem perdas
RR =
/
/
=
36 144
18 144
200.
Expostos
caso
Não-expostos
caso

12. Perdas associadas ao desfecho e exposição:
Expostos
caso
Não-expostos
caso
RR=
/
/
=
30 135
18 139
172.

13. Perdas associadas apenas à exposição
Expostos
caso
Não-expostos
caso
P(D) entre as perdas (3/12)
=
P(D) nos remanescentes (33/132)
RR=
/
/
=
33 132
18 144
200.

14. Viés de informação
• Viéses de informação: distorções nas estimativas de efeito que
decorrem de erros na mensuração/aferição da exposição e/ou
desfecho de interesse.
• Fontes: utilização de procedimentos diagnósticos de baixa
sensibilidade e/ou especificidade (informação sobre o desfecho);
uso de instrumentos de coleta de dados (p.ex., questionários) de
má-qualidade; procedimentos de entrevista não padronizados;
registros de dados incompletos, entre outras.
• Resultado: classificação errônea dos participantes do estudo em
termos de seus status de doença e/ou exposição.
• Por isto: também denominado erro de classificação ou viés de má-
classificação (misclassification bias).

15. Viés de informação: diferenciais e não-diferenciais
•Erro de classificação não-diferencial: o sistema de classificação,
seja ele adequado ou não, é o mesmo para os grupos de
comparação, ou seja, a sensibilidade e especificidade não variam
segundo status de exposição ou doença.
•O resultado usual, porém não universal, dos erros não-diferenciais é
diminuir as diferenças entre os grupos de comparação e enviesar as
medidas de associação em direção ao valor nulo as estimativas
de risco relativo tendem a se aproximar de 1,0.
• Erro diferencial: a taxa de má-classificação difere entre os
grupos de estudo distorção na estimativa de efeito cuja direção é
muito difícil de ser avaliada.

16. Impacto do erro de classificação
1
2
3
4
5
6
7
0.5 0.6 0.7 0.8 0.9 1
Especificidade
OR
SE=1.0
SE=0.9
SE=0.75
SE=0.5
OR verdadeiro=6.0

17. Confundimento: Princípios básicos
• Confundimento ou situação de confusão ocorre quando
parte do efeito observado de um fator de exposição
resulta da presença de uma ou mais variáveis, que estão
relacionadas tanto com a doença sob estudo quanto com a
exposição de interesse na base populacional.
• Esta(s) variável(is) é(são) denominada(s) variável(is) de
confundimento, confundidora(s), ou de confusão.
• A situação de confusão ocorre devido a uma inerente
falta de comparabilidade entre populações expostas e
não-expostas no que diz respeito aos riscos de adoecer.

18. Propriedades básicas
1. Deve ser um fator de risco independente para a
doença sob estudo (entre os não-expostos);
2. Deve estar associada com a exposição na base
populacional (na coorte, em estudos de coorte, e
nos controles, em estudos caso-controle);
3. Não ser intermediária na relação causal entre a
exposição e doença, ou consequência do desfecho
sob estudo.

19. Condições mínimas
E = Exposição
D = Desfecho
C = Fator de confusão
E
C
D

20. Fator intermediário
E = Exposição
D = Desfecho
C = Fator de confusão
E C D
Não há confundimento: não existe
asssociação entre C e D independente de E

21. Fator intermediário
E = Exposição D = Desfecho C = Fator de confusão
E
C
D
Não há confundimento: não existe
asssociação entre C e D independente de E

22. Estratégias para lidar com confundimento
1. Estratégias preventivas
• Randomização
• Restrição
• Pareamento
2. Estratégias analíticas
• Estratificação
• Análise multivariada

23. Randomização
• O que é? Alocação aleatória dos participantes às
categorias de exposição
• Meta: criar grupos de comparação que tenham
propensão equivalente ao desfecho, isto é, incidências
iguais do desfecho na ausência da exposição de interesse.
• Como: balanceando a distribuição dos determinantes do
desfecho (conhecidos ou não!) nos grupos de comparação
• Limites:
– Não torna a distribuição dos determinantes igual nos grupos
– Mais efetivo em estudos com amostra grande
– E o que acontece após a randomização?

24. Restrição
• O que é? Restrição da admissão no estudo a
participantes que têm características
comuns (p.ex. mesmo sexo, idade)
• Lógica: Confundimento não pode ocorrer se
a variável potencialmente confundidora é
impedida de variar
• Limites:
– Diminui o total de indivíduos elegíveis
– Generalizabilidade

25. Pareamento
• O que é? Estratégia de seleção de participantes de
forma a garantir que a distribuição da potencial
variável de confundimento tenha distribuição
similar nos grupos de comparação
• Lógica: Elimina a associação do confundidor com
a exposição (em estudos de coorte!!!)
• Limites:
– Problemas operacionais para encontrar pares
– Estratégia de análise pareada em caso-controle
– Super-pareamento (overmatching)

26. Estratificação
• Compara-se o valor da medida de efeito de interesse
(p.ex., o odds ratio) levando-se em consideração o
potencial fator de confundimento (odds ratio ajustado)
ou ignorando-o (odds ratio não-ajustado, bruto ou
crú).
• Se diferentes então há confundimento
• Quão diferentes?!

27. E = contraceptivo D = infarto C = idade
16841456228
15861383203E-
987325E+
D-D+
OR =
×
×
=
25 1383
73 203
233.

28. E = contraceptivo D = infarto C = idade
83777958
76572045E-
725913E+
D-D+
OR=
×
×
=
13 720
59 45
353.
847677170
821663158E-
261412E+
D-D+
idade (30-39) idade (40-49)
OR=
×
×
=
12 663
14 158
360.

29. Modificação de efeito
O efeito (associação) da variável de exposição no
desfecho em questão varia “substancialmente” de
acordo com os níveis de uma outra variável.
200010001000
1050600450E-
950400550E+
D-D+
OR = 1.83

30. Modificação de efeito
1100280820
400100300E-
700180520E+
D-D+
900720180
650500150E-
25022030E+
D-D+
C + C -
OR = 0.96 OR = 0.45
O que fazer? mostrar os OR por
estrato da variável de interação