Mopece Mod 03

ORGANIZAO PAN-AMERICANA DA SADE Organizao Mundial da Sade Representao Brasil
Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Medio das condies de sade e doena na populao
Organizao Pan-Americana da Sade

Mdulo 3: Medio das condies de sade e doena na populao
Braslia DF 2010
2010 Organizao Pan-Americana da Sade. Todos os direitos reservados. permitida a reproduo parcial ou total dessa obra, desde que citada a fonte e que no seja para venda ou qualquer fim comercial. Verso preliminar: traduzida para o portugus e adaptada, 2010 Mdulos de Principios de Epidemiologa para el Control de Enfermedades foi elaborado pelo Programa Especial de Anlises de Sade do Escritrio Central da Organizao Pan-Americana da Sade (Washington, DC-EUA) em 2001. ISBN: 92 75 32407 7. A verso em portugus, que corresponde aos Mdulos de Princpios de Epidemiologia para o Controle de Enfermidades, foi revisada pela Unidade Tcnica de Informao em Sade, Gesto do Conhecimento e Comunicao da OPAS/ OMS no Brasil e pelo Ministrio da Sade por meio do Departamento de Anlise de Sade e pela Coordenao-Geral de Desenvolvimento da Epidemiologia em Servios. Elaborao, distribuio e informaes: ORGANIZAO PAN-AMERICANA DA SADE REPRESENTAO BRASIL Setor de Embaixadas Norte, Lote 19 CEP: 70800-400 Braslia/DF Brasil http://www.paho.org/bra MINISTRIO DA SADE Secretaria de Vigilncia em Sade (SVS) Esplanada dos Ministrios, Bloco G CEP: 70058-900 Braslia/DF Brasil http://www.saude.gov.br Reviso tcnica: Jos Moya, Oscar J. Mujica e Giselle Moraes Hentzy (OPAS/OMS) Maria Regina Fernandes, Marta Helena Dantas e Adauto Martins Soares Filho (SVS/MS) Colaborao: Jarbas Barbosa, Ftima Marinho, Oscar J. Mujica, Jos Escamilla, Joo Baptista Risi Junior, Roberto Becker (OPAS/OMS) Capa, Projeto Grfico e Diagramao: All Type Assessoria Editorial Ltda Impresso no Brasil / Printed in Brazil Ficha Catalogrfica Organizao Pan-Americana da Sade Mdulos de Princpios de Epidemiologia para o Controle de Enfermidades. Mdulo 3: medida das condies de sade e doena na populao / Organizao Pan-Americana da Sade. Braslia : Organizao Pan-Americana da Sade ; Ministrio da Sade, 2010. 94 p.: il. 7 volumes. ISBN 978-85-7967-021-3 Ttulo original: Mdulos de Principios de Epidemiologa para el Control de Enfermedades.
1. Sade Pblica Epidemiologia. 2. Educao Profissional em Sade Pblica. I. Organizao Pan-Americana da Sade. II. Ministrio da Sade. III. Ttulo. NLM: WC 503.4 Unidade Tcnica de Informao em Sade, Gesto do Conhecimento e Comunicao da OPAS/OMS no Brasil
Sumrio
Apresentao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Contedos e objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Medio de sade e doena na populao. . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Tipos de dados e sua tabulao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Apresentao grfica de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Medidas de resumo de uma distribuio. . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Medidas de tendncia central. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Medidas de disperso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Medidas de frequncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Prevalncia e incidncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Comparao da frequncia da doena e medidas de associao . . . . . . . . 62
Medidas de associao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Comparao de duas Propores: O Teste do Chi-quadrado . . . . . . . . . . . . . Medidas da fora de associao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Risco Relativo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Razo de Chances (Odds Ratio) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 68 68 75
Apndice estatstico - epidemiolgico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

Comparao das Mdias: O Teste Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Intervalos de Confiana para mdias e propores . . . . . . . . . . . . . . . . . . . . Medidas de impacto potencial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Riscos atribuveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fraes atribuveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Padronizao de taxas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 80 84 84 85 89
Referncias bibliogrficas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Organizao Pan-Americana da Sade / OMS
Apresentao
A Organizao Pan-Americana da Sade no Brasil (OPAS) tem grande satisfao em apresentar os Mdulos de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE) na verso traduzida para a lngua portuguesa. O MOPECE um instrumento de capacitao em epidemiologia bsica, voltado para profissionais de sade, especialmente aqueles que atuam nos servios de sade locais, que tem por finalidade promover o conhecimento e a aplicao prtica dos contedos epidemiolgicos no enfrentamento dos problemas de sade local, assim como no apoio ao planejamento e gesto em sade. A primeira edio do MOPECE, lanada na dcada 80, foi escrita em espanhol e teve ampla divulgao na regio das Amricas. Em 2001, mediante a incorporao de novos conceitos e avanos no campo da epidemiologia, foi proposta uma segunda edio. Para essa publicao, alm da traduo da segunda edio para a lngua portuguesa, foram includas informaes de relevncia para a sade pblica, tais como: Orientaes sobre o novo Regulamento Sanitrio Internacional (RSI-2005), descrio de uma investigao de surto de toxoplasmose realizada por profissionais brasileiros, como parte do Programa de Treinamento em Epidemiologia Aplicado aos Servios do Sistema nico de Sade (EPISUS), entre outras. Este trabalho resultado da cooperao tcnica entre a OPAS/OMS e a Secretaria de Vigilncia em Sade (SVS) do Ministrio da Sade do Brasil com o objetivo de favorecer o aperfeioamento dos profissionais que compe a fora de trabalho do Sistema nico de Sade (SUS), especialmente aqueles que atuam no programa de sade da famlia e em centros de formao em sade. Em adio, essa publicao contribui com a estratgia de cooperao internacional (sul-sul); particularmente com os pases de lngua portuguesa.
Dr. Jarbas Barbosa Eng. Diego Victoria Gerente da rea de Vigilncia da Sade e Representante da OPAS/OMS no Brasil Preveno e Controle de Doenas da OPAS
Contedos e objetivos
Esse Mdulo apresenta as medidas comuns de quantificao das condies de sade e doena, suas aplicaes e limitaes; a ordenao e apresentao tabular e grfica de dados epidemiolgicos; as medidas de resumo e de associao. Esse Mdulo est focado nos mtodos para a apresentao e anlise de dados quantitativos. Os objetivos do presente Mdulo so: Descrever as formas de medida da sade e suas aplicaes. Identificar as formas e usos da apresentao tabular e grfica de dados. Descrever, calcular, interpretar e aplicar as medidas de resumo de dados. Descrever, calcular, interpretar e aplicar as medidas de associao.
Medio de sade e doena na populao

Existem diversas formas de medir a sade, dependendo de qual a sua definio; uma definio ampla mediria o nvel de sade e bem-estar, a capacidade funcional, a presena e causas de doenas e bito e a expectativa de vida das populaes (Donaldson, 1989). Existem diferentes medidas e indicadores de bem-estar (social e econmico) na sade e foram desenvolvidos certos ndices de sade positiva (Alleyne, 1998), tanto com fins operacionais, como para a investigao e promoo de condies saudveis, em dimenses tais como a sade mental, auto-estima, satisfao com o trabalho, exerccio fsico, etc. A coleta de dados e a estimativa de indicadores tm como finalidade gerar, de forma sistemtica, evidncias que permitam identificar padres e tendncias que ajudem a empreender aes de proteo e promoo da sade e de preveno e controle de doenas na populao. Entre as formas mais teis e comuns de medir as condies gerais de sade da populao, destacam-se os censos nacionais, que so feitos a cada dcada em vrios pases. Os censos proporcionam a contagem peridica da populao e a descrio de vrias das suas caractersticas, cuja anlise permite fazer estimativas e projees. Para permitir as comparaes ao longo do tempo numa mesma populao ou entre populaes diferentes, so necessrios procedimentos de medio padronizados.
Medio: o procedimento de aplicao de um padro a uma varivel ou a um conjunto de valores.
A medio do estado de sade requer sistemas harmonizadores e unificados como a Classificao Estatstica Internacional de Doenas e Problemas Relacionados Sade (CID), na sua Dcima Reviso, cujos XXII captulos iniciam com certas doenas infecciosas e parasitrias (A00-B99) e terminam com o captulo referente aos cdigos para propsitos especiais (U00-U99). Os indicadores de sade medem na populao diferentes aspectos relacionados com a funo ou incapacidade, a ocorrncia de doena ou bito, bem como os aspectos relacionados com os recursos e desempenho dos servios de sade. Os indicadores de sade funcional tratam de medir o impacto dos problemas de sade na vida diria, por exemplo, a capacidade para realizar atividades cotidianas, leses e acidentes domsticos e no local do trabalho, e anos de vida livres de incapacidade. Os dados so obtidos geralmente atravs de enquetes e registros de incapacidade. Os ndices de qualidade de vida incluem variveis de funo como a atividade fsica, a presena de dor, o nvel do sono, de energia e o isolamento social.
Os indicadores de morbidade medem a frequncia de problemas de sade especficos como infeces, cnceres, acidentes de trabalho, etc. As fontes de dados costumam ser registros de hospitais e servios de sade, notificao de doenas sob vigilncia e enquetes de soroprevalncia e de auto-relato de doenas, entre outros. necessrio mencionar que as doenas crnicas, pela sua longa durao, requerem o monitoramento das etapas clnicas, pelo que prefervel contar com os registros de doena (ex: cncer, defeito congnito etc) (Newcomer, 1992). Os indicadores de mortalidade geral ou por causas especficas permitem comparar o nvel geral de sade e identificar causas de mortalidade relevantes como acidentes, tabagismo, etc. O registro da mortalidade requer o atestado de bito, para o qual usado a Declarao de bito. A mortalidade se apresenta geralmente como nmeros absolutos, propores, ou taxas por idade, sexo e causas especficas. Alm da medio do estado de sade, tambm necessrio medir o desempenho dos servios de sade. Tradicionalmente, essa medio focada para os insumos e servios; atualmente, considera-se prefervel medir os processos e funes dos servios de sade (Turnock, 1997). Conjuntamente com os indicadores mencionados, a mensurao na sade requer a disponibilidade de dados sobre caractersticas relevantes da populao (variveis), tais como seu tamanho, composio, estilos de vida, classes sociais, eventos de doenas, nascimentos e bitos. Os dados para a medio da sade provm de diversas fontes, motivo pelo qual devem ser considerados os aspectos relacionados com a invalidez, qualidade, integridade e cobertura dos prprios dados e suas fontes. Os dados, quantitativos ou qualitativos, que se obtm e se registram dos servios de sade e das estatsticas vitais representam a matria prima para o trabalho epidemiolgico. Quando os dados so incompletos ou inconsistentes, sero obtidas medidas enviesadas ou inexatas, sem importar a sofisticao da anlise epidemiolgica, e as intervenes derivadas do seu uso no sero efetivas. A deficiente cobertura dos servios, em amplos setores da populao de vrios pases, limita a gerao de informao til e necessria para resolver os problemas de sade que atingem de forma especfica as suas comunidades. Ainda quando os dados estiverem disponveis e sejam confiveis, sua utilizao para a gesto em sade pode ser insuficiente. Com o propsito de responder s necessidades de contar com um conjunto de dados vlidos, padronizados e consistentes dos pases das Amricas, a Organizao Pan-Americana da Sade (OPAS) trabalha desde 1995 na Iniciativa Regional de Dados Bsicos de Sade. Est includa nessa fonte uma srie histrica de 117 indicadores demogrficos, socioeconmicos, de morbidade, mortalidade, de recursos, acesso e cobertura de servios de sade, dos 48 pases e territrios da regio.
Uma vez contados os dados e calculados os indicadores de sade, uma das dificuldades apresentada nos servios de sade est relacionada com as limitaes do manuseio correto da informao numrica, sua anlise e interpretao, funes que requerem o uso dos princpios da epidemiologia e da bioestatstica. No entanto, no mbito em que ocorrem os problemas e onde eles so solucionados, os procedimentos e tcnicas para obteno, medio, processamento, anlise, interpretao dos dados e uso das informaes ainda no esto plenamente desenvolvidos. Para a correta tomada de decises em todos os nveis dos servios de sade, baseada na informao pertinente, necessria a capacitao permanente da equipe local de sade e das suas redes na coleta, manuseio, anlise e interpretao de dados epidemiolgicos. A quantificao dos problemas de sade na populao requer procedimentos e tcnicas estatsticas diversas, algumas delas de relativa complexidade. Dadas as caractersticas de mltiplos fatores dos problemas de sade, as tcnicas qualitativas so tambm valiosas para aproximar-se do conhecimento dos determinantes da sade. por isso que existe a necessidade de incorporar, de forma dialtica, mtodos e tcnicas quantitativas e qualitativas que permitam estudar os diversos componentes dos objetos de estudo. Na anlise quantitativa o uso de programas informatizados facilita o manuseio e a anlise de dados, mas no se deve superestimar seu alcance e aplicaes. Sua utilidade maior quando so estabelecidas redes de colaborao e sistemas de informao em sade, que permitem o manuseio eficiente de grandes bases de dados e geram informao oportuna e til para a tomada de decises. Um programa informatizado reduz notavelmente o tempo de clculo, processamento e anlise dos dados, mas o trabalho humano o que aporta resultados racionais e vlidos para o desenvolvimento dos objetivos de sade pblica. Existem dois pacotes de programas de clculo desenhados especificamente para a sade que facilitam o armazenamento, processamento e anlise de informao epidemiolgica: Epi-Info, produzido pelo Centro de Preveno e Controle de Doenas dos Estados Unidos (CDC) e a Organizao Mundial da Sade (OMS), e o Epi-Dat, desenvolvido pela OPAS e a Xunta de Galicia, Espanha. Longe de competir entre si, os pacotes de programas, de grande uso e de livre distribuio, oferecem processos e rotinas de manuseio e anlise epidemiolgica de dados que so complementares. Em um sentido amplo, podemos considerar que o trabalho da sade pblica parte da constatao de uma realidade de sade no desejvel em uma populao e aponta para conseguir mudanas sociais, deliberadas e sustentveis nessa populao. Nesse sentido, e do ponto de vista metodolgico, a epidemiologia como toda cincia tem exigncia de mtodo, desde uma perspectiva estatstica. O foco epidemiolgico consiste basicamente em: i) a observao dos fenmenos de sade e doena na populao; ii) a quantificao dos mesmos em frequncias e distribuies; iii) a anlise das frequncias e distribuies de sade e de seus determinantes; e iv) a definio de cursos de ao apropriados. Esse
10
processo de observar-quantificar-comparar-propor serve tambm para avaliar a efetividade e o impacto das intervenes em sade, para construir novos modelos que descrevam e expliquem as observaes e para utiliz-los na predio de novos fenmenos. Em resumo, em todo esse processo, os procedimentos e tcnicas de quantificao so de grande relevncia, e a capacitao da equipe local de sade nestes aspectos do enfoque epidemiolgico , consequentemente, fundamental.
11
Tipos de dados e sua tabulao

A quantificao do estado de sade e padres de doena na populao requer mtodos e tcnicas que permitam coletar dados de forma objetiva e eficiente; converter os dados em informao para facilitar sua comparao e simplificar sua interpretao; e transformar a informao em conhecimento relevante para as aes de controle e preveno. Para conhecer os grupos de populao que apresentam maior nmero de casos, os lugares com maior incidncia ou prevalncia de determinadas doenas e o momento em que ocorrem os eventos na sade, devem-se aplicar sistematicamente alguns processos bsicos de manuseio de dados ou variveis. Um dos primeiros passos no processo de medio do estado de sade na populao a definio das variveis que o representam ou caracterizam.
Varivel: qualquer caracterstica ou atributo que pode assumir valores diferentes.
As variveis podem ser de dois tipos, qualitativa e quantitativa. Denominamos variveis qualitativas aquelas que so atributos ou propriedades. As variveis quantitativas so aquelas nas quais o atributo mede-se numericamente e, por sua vez, podem ser classificadas em discretas e contnuas. As variveis discretas assumem valores que so sempre nmeros inteiros; por exemplo, o nmero de filhos de um casal, o nmero de dentes com crie, o nmero de leitos de um hospital, o nmero de hemcias por campo, o pulso, etc, que somente podem tomar valores de um conjunto finito. As variveis contnuas podem tomar tantos valores quanto permita a preciso do instrumento de medio; por exemplo, o peso ao nascer de um beb de 2.500 gramas pode ser medido com maior preciso, como 2.496,75 gramas, se a nossa balana assim o permitir. As variveis tambm podem ser classificadas conforme o nvel ou tipo de medio que possamos aplicar. Assim, podem-se diferenciar quatro nveis de medio das variveis: nominal, ordinal, de intervalo e proporcional ou de razo. Uma varivel nominal tem categorias s quais so atribudas nomes que no tm nenhuma ordem entre eles; por exemplo, o sexo. A categoria homem no tem relao de ordem sobre a categoria mulher. As variveis nominais no tm de ser necessariamente dicotmicas (duas categorias) podem ter vrias categorias, como, por exemplo, o estado civil (solteiro, casado, divorciado, vivo, unio livre) ou o grupo sanguneo segundo o sistema ABO (A, B, AB e O). O fato de mudar a ordem no tem nenhuma implicao na anlise dos dados. Agora suponhamos que nos seja feita uma pergunta sobre a qualidade de um curso que acabamos de realizar e nos oferecem as seguintes opes de resposta: muito ruim, ruim, regular, bom e excelente. Essa classificao tem uma ordem: excelente melhor que bom, bom que regular e assim sucessivamente; no entanto, a distncia que existe entre
12
excelente e bom no tem que ser a mesma que entre ruim e muito ruim. Estamos ante uma varivel ordinal, cujas categorias tm uma ordem, ainda que as diferenas entre elas possam no ser iguais. Outros exemplos de variveis ordinais so os estgios de um cncer (I, II, III e IV) ou os resultados de uma cultura de laboratrio (, +, ++, +++). Outro modo de medio de variveis o de intervalo. Uma varivel de intervalo tem distncias iguais entre seus valores e uma caracterstica fundamental: o zero arbitrrio. O exemplo tpico de varivel de intervalo a temperatura corporal. Existe a mesma diferena entre 37C e 39C e 38C e 40C (ou seja, 2C). No entanto, no podemos dizer que uma temperatura de 60C seja trs vezes mais quente que uma de 20C. Tampouco podemos concluir que um indivduo com um coeficiente de inteligncia de 120 o dobro de inteligente que outro com coeficiente 60. Por ltimo, se a varivel tivesse um ponto de origem que o valor zero absoluto, estaramos falando de uma varivel proporcional ou de razo. Essa tem intervalos iguais entre valores e o ponto de origem zero. O peso e a altura so exemplos tpicos de variveis proporcionais, 80 kg o dobro de 40 kg, e h a mesma diferena entre 50 e 35 kg, que entre 105 e 90 kg. Nesse nvel, pode-se somar, diminuir, multiplicar e dividir. No seguinte esquema, sintetiza-se a relao entre os diferentes nveis de medio das variveis.
Tipo de varivel Nominal Ordinal De Intervalo Proporcional ou de Razo
Adaptado de Norman y Streiner, 1996.
Valores categorias com nome convencional como as nominais, + categorias ordenadas como as ordinais, + intervalos iguais como as de intervalo, + zero significativo
Os dados sobre casos de doenas atendidas ou notificadas pelo centro ou servio de sade podem vir de uma lista de nomes, idades, sexo, etc, da qual se pode obter o nmero total ou frequncia de casos. Se for desejvel agrupar os casos conforme algumas caractersticas dos mesmos, a tarefa de identificar os grupos populacionais com maiores problemas fica simplificada. Por exemplo, entre as caractersticas da pessoa, podem-se agrupar os casos conforme sua idade, sexo ou etnia. A partir dessa lista de dados, podese, tambm, identificar os casos que ocorreram em determinado lugar e comparar a frequncia da doena em diferentes lugares ou reas geogrficas. Por ltimo, pode-se examinar o nmero de casos conforme o momento em que ocorreram ou foram notificados. Quanto distribuio dos casos no tempo, pode-se agrupar em dias, semanas, meses ou qualquer outro perodo de tempo que se considere adequado. Isso permite saber em que momento se apresentou o maior nmero de casos, quando comeou a au-
13
mentar e quando comeou a diminuir. necessrio lembrar que a frequncia o nmero de vezes que se repete um valor da mesma varivel. Os dados agrupados conforme determinadas caractersticas (idade, sexo, residncia, classe social, etc) podem ser apresentados em tabelas e/ou grficos; isso facilita os clculos e a comparao e interpretao dos resultados como apresentado na seguinte Tabela.
Tabela 3.1 Distribuio dos casos de gastrenterites conforme a idade. Centro de Sade A, maio de 2000.
Idade (anos) <1 1 2 3 4 5 e mais Total Casos (No) 63 55 25 14 5 11 173 Porcentagem % 36,4 31,8 14,4 8,1 2,9 6,4 100,0
Exemplo para a elaborao de uma tabela: A seguinte lista corresponde s idades em anos de 120 pessoas atingidas pela malria durante o vero de 2001, em uma ilha do Caribe.
27 28 40 32 30 35 36 25 29 30 29 46 30 29 35 32 36 37 36 29 33 27 41 49 51 33 51 35 44 47 58 38 35 48 36 38 34 27 50 43 54 49 36 38 32 44 48 36 42 44 63 32 53 34 46 40 37 34 42 54 24 38 36 46 30 37 46 40 47 38 28 41 43 43 41 32 47 36 35 36 53 38 31 36 49 63 37 43 35 41 29 29 42 32 27 35 43 47 38 47 36 39 37 42 35 50 39 45 54 37 46 20 43 24 30 41 38 55 50 40
A maior idade de 63 anos e a menor de 20 anos. Se agruparmos estas idades em classes, por intervalos de 4 anos, teremos 11 grupos de idade, aos quais atribuiremos as suas respectivas frequncias, como mostrado a seguir:
14
20 23 anos 24 27 anos 28 31 anos 32 35 anos 36 39 anos 40 43 anos 44 47 anos 48 51 anos 52 55 anos 56 59 anos 60 63 anos
| (um caso) ||||| || (sete casos) ||||| ||||| |||| (14) ||||| ||||| ||||| |||| (19) ||||| ||||| ||||| ||||| ||||| || (27) ||||| ||||| ||||| |||| (19) ||||| ||||| |||| (14) ||||| ||||| (10) ||||| | (6) | (1) || (2)
Finalmente, preparamos a apresentao tabular dessa informao que se denomina tabela resumo de frequncias, til porque apresenta a distribuio da varivel que estamos observando.
Distribuio: o resumo completo das frequncias dos valores ou categorias da medio realizada. A distribuio mostra quantos ou que proporo do grupo se encontra em um determinado valor ou categoria de valores dentro de todos os possveis que a medida quantitativa possa ter.
Em nosso exemplo, a distribuio do nmero de casos da doena segundo grupos de idade se apresenta na tabela 3.2. A distribuio do nmero de casos (frequncia absoluta) acompanha a porcentagem de cada grupo (frequncia relativa simples) e a porcentagem acumulada (frequncia relativa acumulada), que costumam aportar informao adicional til. Por exemplo, 22,5% dos casos correspondeu a pessoas de 36 a 39 anos de idade e mais da metade dos casos (56,6%) tinham menos de 40 anos.
15
Tabela 3.2
Distribuio de casos de malria por grupos de idade. Ilha do Caribe, vero de 2001
Nmero de casos (frequncia absoluta) 1 7 14 19 27 19 14 10 6 1 2 120 Porcentagem (%) 0,8 5,8 11,7 15,8 22,5 15,8 11,7 8,4 5,0 0,8 1,7 100,0 Porcentagem acumulada (%) 0,8 6,6 18,3 34,1 56,6 72,4 84,1 92,5 97,5 98,3 100,0
Faixa etria (em anos) 20 - 23 24 - 27 28 - 31 32 - 35 36 - 39 40 - 43 44 - 47 48 - 51 52 - 55 56 - 59 60 - 63 Total
16
Apresentao grfica de dados

A distribuio de variveis qualitativas, bem como as quantitativas discretas, costuma ser apresentada graficamente atravs de diagramas de barras ou por grficos de setores, seja como frequncias absolutas ou relativas, como demonstrado a seguir:
Grfico 3.1 Distribuio de bitos por suicdio conforme sexo. Lugar X, 1995-2000
5,000
4,000
Homens 73%
Mulheres 27%
bitos
3,000
2,000
1,000
0 Homens Mulheres
As variveis quantitativas contnuas so representadas graficamente por meio de histogramas e polgonos de frequncia. Ainda que sejam parecidos aos diagramas de barras, nos histogramas, as barras se dispem de forma adjacente, precisamente para ilustrar a continuidade e distribuio da varivel representada. No eixo x, se localiza a varivel contnua e no eixo y se representa a frequncia.
17
Grfico 3.2. Casos notificados de Giardase por ms de ocorrncia, Lugar X, 2000 (total de casos notificados = 460)
120 100 80 Casos 60 40 20 0 J F M A M J Ms J A S O N D
No Grfico 3.2, as categorias (meses) da varivel tempo, uma varivel contnua, esto representadas no eixo horizontal e o nmero de casos de giardase notificados esto no eixo vertical. A altura de cada barra representa a frequncia absoluta de casos (pode tambm ser a frequncia relativa) em cada uma das categorias da varivel tempo, chamadas tambm de intervalos de classe. Note que os intervalos de classe devem ser de igual tamanho. O polgono de frequncias tambm permite representar graficamente a distribuio de uma varivel e ser construdo unindo com linhas retas os pontos mdios do extremo superior de cada barra de um histograma (Grfico 3.3). particularmente til para visualizar a forma e simetria de uma distribuio de dados e para apresentar simultaneamente duas ou mais distribuies.
18
Grfico 3.3 Casos de dengue por ms de incio dos sintomas. Lugar Y, 2000
450 400 350 Casos 300 250 200 150 100 50 0 J F M A M J Ms J A S O N D
Uma variante do polgono de frequncias chamada ogiva percentual, que um polgono de frequncias relativas acumuladas. Cada ponto desse polgono representa a porcentagem acumulada de casos em cada intervalo de classe e, portanto, vai de zero a 100%. A ogiva percentual permite identificar de forma grfica o valor correspondente mediana (isto , 50%) da distribuio, por exemplo, 32 anos no Grfico 3.4.
Grfico 3.4 Casos de tuberculose por idade. Lugar Z, 2000
100 90 80
Casos (% acumulado)
70 60 50 40 30 20 10 0 0 10 20 30 40 50 60 70 80 90+
Idade (anos)
19
importante manter a proporo das escalas do grfico, j que de outra maneira esse pode dar impresses errneas (Grfico 3.5, A, B, C).
Grfico 3.5 Efeito das dimenses das escalas nos grficos
400 A. Incorreto. Escala vertical exagerada
300
200
400 300
B. Incorreto. Escala horizontal exagerada
100
200 100
0 2000 2004
0 2000 2004
400 300 200 100 0 2000
C. Correto. Escalas proporcionadas
2004
Apesar de no existir uma regra explcita sobre a proporcionalidade entre as escalas de um grfico, recomenda-se que a razo entre a escala horizontal em relao vertical se aproxime a 1,6: 1 (a clssica razo de ouro). Algumas vezes, a posio 1,2 a 2,2 aparece como referncia apropriada para a razo entre o eixo horizontal em relao ao eixo vertical. O seguinte esquema resume os tipos bsicos de grficos mais apropriados segundo cada tipo de varivel.
20
Tipo de varivel Nominal Ordinal
Tipo de grfico diagrama de barras grfico de setores diagrama de barras (*) grfico de setores diagrama de barras (*) histograma grfico de setores (**) polgonos de frequncias (simples e acumuladas) diagrama de barras (*) histograma grfico de setores (**) polgonos de frequncias (simples e acumuladas)
De Intervalo
Proporcional ou de Razo
(*) mantendo a ordem das categorias (**) em variveis discretas ou categorizadas
Uma forma de apresentao grfica do comportamento histrico de uma doena e os limites de variabilidade esperados sobre a sua ocorrncia no futuro, denomina-se corredor ou canal endmico. Essa ferramenta da vigilncia (Mdulo 4) utiliza polgonos de frequncia e permite visualizar o comportamento secular (isto , no tempo) das doenas em um determinado territrio e orientar a deciso sobre a necessidade de desencadear aes de preveno e controle.
21
Medidas de resumo de uma distribuio

Muitas vezes necessrio utilizar um valor resumo que represente a srie de valores em seu conjunto, isso , sua distribuio. Para os dados de variveis qualitativas e as quantitativas discretas, a proporo ou porcentagem, a razo e as taxas so algumas medidas tpicas de resumo. Para os dados de variveis quantitativas contnuas, no entanto, h medidas que resumem sua tendncia para um valor mdio (medidas de tendncia central) e outras que resumem seu grau de variabilidade (medidas de disperso). Cada uma proporciona informao complementar e til para a anlise epidemiolgica.
22
Medidas de tendncia central

As medidas de tendncia central dos dados so a moda, a mediana e a mdia. A seleo das medidas depende do tipo de dados e propsitos. Os valores de muitas variveis biolgicas, como altura, se distribuem de modo simtrico. Outras variveis, como a mortalidade e a taxa de ataque de uma epidemia, tm distribuio assimtrica. Para distribuies normais (exemplo de distribuio simtrica), a mdia, a mediana e a moda so idnticas. Para distribuies assimtricas, a mediana representa melhor o conjunto de dados, apesar de que a mdia tem melhores propriedades para a anlise estatstica e testes de significncia. O Grfico 3.6 ilustra estas distribuies, usando a srie de idades em anos dos 120 casos de malria, 2001, ilha do Caribe, apresentada anteriormente.
Grfico 3.6 Distribuio normal, observada e assimtrica da idade
0,05 Assimtrica Normal
0,04 Observada Densidade 0,03
0,02
0,01
0,00 15 25 35 45 Idade em anos 55 65
Para indicar que, por exemplo, a rubola tem um perodo de incubao de 15 a 21 dias (geralmente 18 dias), foi necessrio observar uma grande quantidade de casos, desde o primeiro contato de uma pessoa sadia com um doente at o surgimento dos sinais e sintomas e medir esse perodo em dias. A diferena entre o limite inferior (15 dias) e o superior (21 dias) conhecido como amplitude e se considera junto com o desvio-padro e a varincia, uma medida de disperso de dados, como ser visto mais adiante. A tabela 3.3 apresenta o perodo de incubao da rubola, em dias, observado em 11 crianas (a essa forma de listar os dados se denomina Srie Simples de dados).
23
Tabela 3.3
Perodo de incubao da rubola observado em 11 crianas, Lugar X, 2000.

Perodo de incubao (em dias) 19 dias 16 dias 37 dias 15 dias 16 dias 32 dias 15 dias 16 dias 20 dias 16 dias 15 dias
Crianas observadas criana 1 criana 2 criana 3 criana 4 criana 5 criana 6 criana 7 criana 8 criana 9 criana 10 criana 11
O valor mais frequente, ou seja o que mais se repete, denominado moda. No exemplo, observamos que os mais frequentes foram os perodos de incubao de 16 dias (4 vezes). Esse valor pode ser utilizado para representar o perodo de incubao nesse grupo; por exemplo, o perodo de incubao de rubola mais frequente de 16 dias. Ordenando os valores de forma ascendente, temos, no exemplo:
(1) 15 (2) 15 (3) 15 (4) 16 (5) 16 (6) 16 (7) 16 (8) 19 (9) 20 (10) 32 (11) 37
Observaremos que o sexto valor, ou seja, o que se encontra no meio da srie o de 16 dias. Esse valor que ocupa a posio central de uma srie ascendente ou descendente denominado mediana e divide a srie em 50% das observaes acima e 50% abaixo dela. Essa medida tambm til e pode ser empregada para representar a tendncia central do conjunto de dados, principalmente quando no conveniente usar a mdia devido presena de valores extremos ou quando a distribuio assimtrica, como na curva epidmica. Se em vez de um nmero mpar de observaes, tivssemos um nmero par de valores, teramos, por exemplo:
(1) 15 (2) 15 (3) 15 (4) 16 (5) 17 (6) 18 (7) 19 (8) 20 (9) 32 (10) 37
24
Pode-se constatar que nessa srie no h um valor central. Para calcular a mediana, somam-se os dois valores centrais (no caso, 17 e 18) e se divide o resultado por dois:
A mdia ( ) tambm muito til e se obtm somando os valores de todas as observaes e dividindo o resultado entre o nmero de observaes. Em nosso exemplo, a soma de todos os valores dos perodos de incubao dividida pelo nmero de crianas observadas.
A mdia de 19,7 dias maior que os valores da moda e da mediana pois, como considera os valores de todos os casos, se v afetado pela influncia dos casos com 32 e 37 dias de incubao, que so valores extremos. Em muitas ocasies, os dados esto disponveis como distribuio de frequncias, em cujo caso a srie se representaria da seguinte forma:
Tabela 3.3 Perodo de incubao da rubola observado em 11 crianas, Lugar X, 2000.
Perodo de incubao . (dias) 15 16 19 20 32 37 Casos . (nmero) 3 4 1 1 1 1
O clculo da mdia desses dados seria feita assim: 3(15)+4(16)+1(19)+1(20)+1(32)+1(37) = 45+64+19+20+32+37 = 217/11 = 19,7 dias
25
As medidas de tendncia central so de grande utilidade tambm para comparar grupos de valores. Por exemplo, das pessoas que participaram em um passeio, um grupo adoeceu depois do almoo e outro grupo no apresentou nenhum sintoma. As idades das pessoas nos dois grupos foram as seguintes: doentes: 8, 12, 17, 7, 9, 11, 6, 3 e 13 sadios: 19, 33, 7, 26, 21, 36, 33 e 24 As mdias aritmticas calculadas foram:
Portanto, a doena atingiu mais as crianas do que os adultos. As crianas eram mais suscetveis ou ficaram mais expostas (consumiram maior quantidade de alimento contaminado). Sries agrupadas Quando se tm muitos dados, necessrio agrup-los; para isso, foram construdos intervalos, que podem conter igual ou diferente nmero de unidades, e a eles so atribudos os dados observados. Temos ento uma srie de dados agrupados como na Tabela 3.4a.
Tabela 3.4a Casos de suicdio por idade. Lugar X, 1995-2000
Faixa etria (anos) 10 a 14 15 a 19 20 a 29 30 a 39 40 a 49 50 a 59 60 a 69 Total Casos (f) 37 176 693 659 784 1.103 1.005 4.457
Quando nossos dados sobre uma varivel contnua esto agrupados (categorizados), tambm podemos calcular uma mdia e mediana aproximadas. Para estimar a mdia, deve-se construir uma coluna com os pontos mdios (x) de cada intervalo de classe da
26
varivel e outra (fx), resultado da multiplicao entre o valor de cada ponto mdio (x) e o nmero de casos (f) do intervalo correspondente (Quadro 3.4b). A soma desses produtos (fx) dividida entre a soma de casos (f) nos d uma aceitvel aproximao da mdia. Para calcular o ponto mdio de cada intervalo de classe da varivel, deve-se obter a mdia do intervalo, isso , soma-se o limite inferior e superior do intervalo e se divide por dois; por exemplo, na Tabela 3.4a, o primeiro intervalo de 10 a 14 anos ((10+14,9)/2= 12,5). Note que utilizamos 14,9 por ser o limite superior real do intervalo. Os pontos mdios dos seguintes intervalos de classe so calculados de modo similar.
Tabela 3.4b Casos de suicdio por idade. Lugar X, 1995-2000
Faixa etria (anos) 10 a 14 15 a 19 20 a 29 30 a 39 40 a 49 50 a 59 60 a 69 Total Casos (f) 37 176 693 659 784 1.103 1.005 Ponto mdio (x) 12,5 17,5 25,0 35,0 45,0 55,0 65,0 fx 462,5 3.080,0 17.325,0 23.065,0 35.280,0 60.665,0 65.325,0 Casos acumulados 37 213 906 1.565 2.349 3.452 4.457
f 4.457
fx 205.202,5
Nesse exemplo, a aproximao mdia seria:
Se utilizssemos no clculo os 4.457 casos, um a um, obteramos uma mdia de 45,7 anos de idade. Tambm podemos estimar a mediana a partir de dados agrupados em uma tabela de frequncias. Para isso, teremos que construir uma coluna de casos acumulados como a que foi apresentada na Tabela 3.4b, que se obtm a partir da coluna de casos. A primeira clula corresponde aos casos de 10 a 14 anos (37), a segunda se obtm somando a esses 37 os casos de 14 a 19 anos (176) e assim sucessivamente, at completar a ltima clula, cujo valor tem de coincidir com o total de casos (4.457). Uma vez construda a coluna de frequncias acumuladas, podemos aproximar a mediana da idade conforme o seguinte processo de clculo: primeiro, localizar o intervalo de classe que contm a posio da mediana (PM), isso :
27
Na coluna de casos acumulados o caso n 2.228, est situado no intervalo de idade de 40 a 49 anos. Depois de obter a posio da mediana, estima-se a mediana por interpolao; isso :
onde: Li = Limite inferior do intervalo da posio da mediana. PM = Posio da mediana. fIPM = Frequncia acumulada do intervalo anterior posio da mediana. fPM = Frequncia da posio da mediana. AIPM = Amplitude do intervalo da posio da mediana.
onde: 2.228 = caso situado no ponto mdio da srie 1.565 = casos acumulados no intervalo anterior ao que contm o caso n 2.228 784 = casos do intervalo que contm a mediana 10 = amplitude do intervalo
Se calculssemos a mediana de idade dessa srie a partir dos 4.457 casos de suicdio individualmente, essa seria de 48 anos de idade.
28
Medidas de disperso
Para as variveis quantitativas contnuas, as medidas de disperso mais usadas so basicamente trs: a amplitude, a varincia e o desvio-padro. Essas medidas representam a disperso ou variabilidade dos dados contnuos. A amplitude a diferena entre o valor mximo e o valor mnimo de uma srie de dados. A varincia (s2), que mede o desvio mdio dos valores individuais em relao mdia, o quociente entre a soma dos quadrados da diferena entre cada valor e a mdia, e o nmero de valores observados menos 1. O desvio-padro (DP) a raiz quadrada da varincia. O desvio-padro junto com a mdia permitem descrever a distribuio da varivel. Se a varivel se distribui normalmente, ento o 68% de seus valores estar dentro de 1 desvio-padro da mdia, 95% dentro de 2 e 99,9% dentro de 3 DP (Grfico 3.7). necessrio notar que se trata de aproximaes, por exemplo, a rea abaixo curva que abrange 95% no exatamente 2 desvios, seno 1.96.
Grfico 3.7 Distribuio normal
Frequncia
-3 DP
-2 DP
-1 DP
Mdia
+1 DP
+2 DP
+3 DP
68% 95%
99,9%
29
Vejamos um exemplo. Voltando ao Tabela 3.3, a amplitude do perodo de incubao da rubola, com base nas 11 observaes, de 22 dias (isto , 37-15 dias). A varincia seria:
e o desvio-padro seria:
Resumindo, as estimativas dos parmetros da distribuio do perodo de incubao da rubola nas 11 crianas do exemplo seria: mdia ( ) = 19,7 dias desvio-padro (DP) = 7,6 dias Quando nossos dados sobre uma varivel contnua esto agrupados, tambm podemos calcular a varincia e o correspondente desvio-padro aproximados. Para isso, da mesma forma que para estimar a mdia em dados agrupados, parte-se da coluna com os pontos mdios (x) de cada intervalo de classe. Em seguida, geramos trs colunas; uma com as diferenas entre o ponto mdio de cada intervalo de classe e a mdia de nossos dados (x - ), chamada desvio; outra com esse desvio elevada ao quadrado (x - )2 , chamada desvio quadrtico, e, finalmente, outra coluna (f (x - )2), resultado da multiplicao do desvio quadrtico pelo nmero de casos (f) do intervalo correspondente (Tabela 3.4c). A soma de todos esses produtos (f (x - )2) dividida entre a soma de casos (f) nos d uma razovel aproximao varincia e, extraindo-se a sua raiz quadrada, obteremos uma estimativa aceitvel do desvio-padro de nossos dados agrupados.
30
Tabela 3.4c Casos de suicdio por idade. Lugar X, 1995-2000

Faixa etria (anos) 10 a 14 15 a 19 20 a 29 30 a 39 40 a 49 50 a 59 60 a 69 Total Ponto mdio (x) 12,5 17,5 25,0 35,0 45,0 55,0 65,0 Desvio (x - ) -33,5 -28,5 - 21,0 - 11,0 - 1,0 9,0 19,0 Desvio quadrtico (x - )2 1.124,97 814,56 442,70 121,89 1,08 80,27 359,46 Produto f (x - )2 41.623,71 143.362,57 306.792,87 80.327,22 848,79 88.540,76 361.260,03
Casos (f) 37 176 693 659 784 1.103 1.005
=4.457
=1.022.755,94
mdia ( ) = 46,0 anos Nesse exemplo, a aproximao varincia (s2) seria:
e o correspondente desvio-padro (D.P., ou S) para os dados agrupados seria:
Se utilizssemos no clculo os 4.457 casos, um a um, obteramos um desvio-padro de 15,3 anos de idade. Finalmente, outra forma til de representar a disperso da distribuio de uma srie de dados usando quantis, que so os valores que ocupam uma determinada posio em funo da quantidade de partes iguais em que foi dividida uma srie ordenada de dados. Se dividimos nossa srie em 100 partes iguais, falamos de percentis; se a dividimos em 10 partes iguais, decis; em cinco partes, quintis; e em quatro, quartis. Como exemplo, a Tabela 3.5 apresenta nove percentis de idade correspondentes srie de casos de malria da Tabela 3.2: o percentil 25 dessa distribuio 33 anos, que equivale a dizer que 25% dos casos tinham idade menor ou igual a 33 anos (e consequentemente, 75% dos casos eram de mais de 33 anos). Observe que a mediana da distribuio corresponde ao percentil 50 (ou quartil 2), que no exemplo 38 anos de idade.
31
Tabela 3.5 Percentis das idades dos casos de malria - Ilha do Caribe, 2001
Percentis 1% 5% 10% 25% 50% 75% 90% 95% 99% Idade 24 27 29 33 38 44 50 54 63
A diferena entre os percentis 25 e 75 (ou quartis 1 e 3, respectivamente) denominada de amplitude interquartil, que outra medida especfica da disperso de uma distribuio. A amplitude interquartil, que inclui o 50% central de valores na srie de dados (no exemplo, essa amplitude de 11 anos), uma medida muito aplicada na vigilncia em sade pblica (Mdulo 4), especialmente para a elaborao de canais endmicos. Como vimos, a mdia e o desvio-padro definem a distribuio normal e, por isso, so considerados seus parmetros. A mdia, como medida-resumo de tendncia central dos dados, um indicador-medida-resumo da preciso das observaes. Por um lado, o desvio-padro, como medida-resumo da disperso dos dados, um indicador da variao das observaes. Esses dois conceitos, preciso e variao, so de grande importncia para documentar a incerteza com que observamos os fenmenos na populao e constituem os princpios bsicos do processo de inferncia estatstica, cujo uso nos permite derivar concluses acerca de toda a populao, observando somente uma amostra da mesma. O Grfico 3.8 ilustra esquematicamente duas situaes possveis e frequentes em relao distribuio do peso ao nascer na populao.
32
Grfico 3.8 Curvas de distribuio normal do peso ao nascer
Frequncia
1,500
2,000
2,500
3,000
3,500
4,000
4,500
5,000
Peso ao nascer (gramas)

A. mesma preciso, diferente variao (mdia igual, desvio-padro diferente)
Frequncia
1,500
2,000
2,500
3,000
3,500
4,000
Peso ao nascer (gramas)

B. mesma variao, diferente preciso (mdia diferente, desvio-padro igual)
33
Uma vez revisada a forma de apresentao dos dados, as medidas de tendncia central e de disperso dos mesmos, continuamos com o estudo das distintas distribuies ou modelos tericos. O mais conhecido deles a chamada Curva Normal (Grfico 3.7), que acabamos de introduzir. Existem outros modelos tericos que tm aplicao na Epidemiologia e Sade Pblica, mas vo alm dos objetivos desta proposta. Destaca-se que a Distribuio Normal define-se por 4 elementos caractersticos: 1. Tem um eixo de simetria. 2. A mdia aritmtica, a mediana e a moda coincidem no mesmo valor pelo qual passa o eixo de simetria. 3. A distncia entre o eixo de simetria e os pontos de inflexo da curva equivalem ao desvio-padro. 4. assinttica ao eixo x (abscissas), isto , seus extremos se aproximam cada vez mais do eixo horizontal, sem nunca toc-lo.
34
Medidas de frequncia
Como revisamos na Mdulo 2 do MOPECE, o enfoque epidemiolgico parte da observao de fatos na populao. Esses fatos so a presena de doenas, a exposio a determinados fatores, ou outros atributos ou eventos de interesse. So de interesse porque consideramos que, eventualmente, agindo sobre os mesmos, poderemos modificar de forma positiva a realidade observada. O segundo aspecto desse foco epidemiolgico a quantificao, isso , atribuir nmeros aos fatos e para isso contamos com procedimentos estatsticos bsicos, como os que foram descritos at agora nesse Mdulo. Assim, medir a frequncia ou ocorrncia de tais fatos na populao uma tarefa fundamental. Entretanto, como este processo no est pautado numa certeza absoluta, para medir a frequncia das doenas na populao, o epidemiologista recorre a trs conceitos muito importantes: probabilidade, risco e taxa. Na sua interpretao mais simples, a probabilidade uma medida de ocorrncia de um fato incerto, ou seja, o nmero de vezes que se espera que ocorra um evento no futuro. O risco sade uma medida que demonstra a probabilidade de produzir um efeito ou dano sade dentro de um perodo de tempo estabelecido. A taxa uma medida da velocidade de mudana de um estado ao outro (por exemplo, de sadio a doente) e, portanto, tambm expressa um risco. No entanto, diferente do risco, a taxa implica a experincia da exposio da populao nas unidades efetivas de tempo-pessoa.
Probabilidade: Nmero de eventos que ocorrem dentro de um nmero de eventos possveis.
Risco sade: probabilidade de experimentar um efeito adverso ou dano em um tempo determinado.
Taxa: medida da velocidade de mudana de um fenmeno dinmico por unidade de populao e de tempo (tempo-pessoa de exposio).
A probabilidade mensurvel ou quantificvel e seu valor numrico situa-se entre 0 e 1 (sendo 1 a certeza absoluta). Por convenincia, pode-se expressar como um nmero decimal, uma frao ou uma porcentagem. O risco tambm mensurvel e obtido a partir de um quociente ou frao. No sentido estrito, do mesmo modo que a probabilidade, seu valor se situaria entre 0 e 1. Costuma ser expresso como um valor da frao multiplicado por uma constante.
35
A taxa a medida clssica da epidemiologia. Tem trs componentes bsicos: um numerador, que corresponde ao nmero de indivduos que experimentam o evento de interesse (por exemplo, bito, doena, nascimento, internao hospitalar); um denominador, que corresponde ao nmero total de indivduos na populao expostos ou em risco de apresentar o evento; e, um perodo de tempo especfico, durante o qual foi observada a frequncia do evento de interesse e a populao que ficou exposta efetivamente. A partir disso, afirma-se que a taxa pode assumir um valor de 0 a infinito e se expressar em nmero de eventos que ocorrem em um tempo-pessoa de exposio, que a caracterstica fundamental da taxa. Como se pode observar, a taxa combina em uma s expresso as trs dimenses bsicas da anlise epidemiolgica: pessoa, lugar e tempo. Aplicada corretamente, a taxa no somente uma medida de frequncia da doena na populao, como tambm uma medida do risco de adoecer na populao. Dessa forma, ao fazer uso das taxas, poderamos comparar a frequncia e o risco de doenas em diferentes populaes, diferentes subgrupos da mesma populao ou diferentes perodos de tempo na mesma populao. Prevalncia e incidncia As clssicas medidas de frequncia de doena so duas: prevalncia e incidncia, que veremos nesse Mdulo. Mais especificamente, revisaremos a incidncia acumulada, e a taxa de incidncia. Ainda que seja de uso comum, o termo taxa de prevalncia deve ser evitado pois no representa uma taxa, logo no uma medida dinmica; uma denominao mais apropriada proporo de prevalncia, que tambm ser revisada. Medidas de morbidade Na quantificao das condies de sade e doena na populao, imprescindvel o uso de indicadores que facilitem sua descrio e anlise. Considera-se que esses estimadores so convencionais, pois o consenso cientfico-tcnico e a prtica confirmam sua utilidade como ferramentas relevantes para a interpretao do perfil de doena na populao, com fins comparativos. Para poder responder s necessidades das populaes de forma adequada, os servios de sade devem efetuar sistematicamente medidas com o objetivo de determinar a frequncia das condies de sade relevantes na comunidade. Por exemplo, reconhecer que existem 700 pessoas na comunidade com diagnstico de hansenase uma informao essencial para organizar os recursos existentes e obter, desde outro nvel do sistema se
36
fosse necessrio, o apoio adicional requerido para a ateno de todos os doentes. Desse modo, a contagem dos casos de uma doena uma medida de grande importncia que serve para orientar os servios quanto magnitude dos recursos necessrios. A contagem de nascimentos permite estimar a quantidade de crianas com menos de 1 ano de idade que existem em uma comunidade em um determinado ano. Essa medida pode ser usada, por exemplo, para projetar a quantidade de vacinas necessrias para imunizar a referida populao nesse ano. Essa informao poder ter maior preciso se, alm disso, conhecido tambm o nmero de bitos de menores de um ano ocorridos nessa mesma comunidade no ano considerado. Isso , em uma populao e tempo especficos, o nmero de crianas a serem vacinadas pode ser operacionalmente definido como o nmero de crianas sobreviventes ao primeiro ano de vida e pode ser estimado pela diferena entre o nmero de nascidos vivos e o nmero de bitos de menores de 1 ano de idade. Consequentemente, a enumerao ou contagem de casos de doena (nascimentos e bitos, junto com a estimativa dos censo populacionais e suas caractersticas), constituem os dados bsicos que permitem aos servios de sade obter um melhor conhecimento sobre as condies de sade e doena nas populaes e, portanto, obter melhor desempenho. Por outro lado, praticamente impossvel conhecer a magnitude real da morbidade em uma populao devido a mltiplos e complexos fatores, que vo desde a diversidade da percepo cultural sobre sade e doena e a presena de casos subclnicos at a falta de acesso aos servios de sade e a falta de confiana na assistncia mdica. No entanto, a disponibilidade de registros de boa qualidade que fazem possvel obter estimativas epidemiologicamente vlidas, que nos aproximam ao conhecimento da realidade e nos permite modific-la positivamente. Consideramos, como exemplo, uma rea geogrfica determinada em um pas da Amrica Latina. Na populao, foram observados 60 casos de tuberculose no ano 1995. Uma nova contagem no ano 2000 demonstrou a existncia de 80 casos na populao.
Tabela 3.6a Casos de tuberculose em uma comunidade latino-americana por ano. 19952000
Ano 1995 2000 N casos 60 80
37
Qual seria a melhor explicao da diferena observada entre os dois anos? Os fatos que poderiam explicar a diferena observada podem ser resumidos a seguir: a ateno aos doentes e demais medidas de controle foram inadequadas e por isso ocorreu um aumento no nmero de casos; as medidas de busca ativa e/ou uma mudana na definio de caso de tuberculose permitiram uma melhor identificao de casos antes desconhecidos, dando a impresso de aumento da doena na populao; certos fatores socioeconmicos, independentemente das medidas de controle, provocaram um aumento da doena (por exemplo, crise econmica, desemprego, desnutrio); e/ou, houve um aumento da populao local, por crescimento natural ou por imigrao (por exemplo, atrao por oferta de emprego em reas de desenvolvimento industrial). Relacionando o nmero de casos com o total da populao existente nos dois anos, teremos:
Tabela 3.6b Casos de tuberculose em uma populao latino-americana por ano. 1995-2000
Ano 1995 2000 N de casos 60 80 Total populao 30.000 50.000
Observamos que se, por um lado, houve um aumento de 60 para 80 no nmero de casos, tambm aumentou de 30.000 a 50.000 a populao no mesmo perodo. Portanto, o que desejamos comparar a diferena entre 60 casos em 30.000 pessoas e 80 casos em 50.000. Um clculo simples nos permitir a comparao mais direta. em 1995: em 2000: 60 / 30.000 = 0,0020 80 / 50.000 = 0,0016
Com a finalidade de facilitar a comparao, expressando a proporo em nmeros inteiros e no decimais, costuma-se multiplicar o resultado por 100, 1.000, 10.000 ou 100.000, conforme a nossa convenincia ou seguindo uma conveno preestabelecida. No exemplo, se multiplicarmos o resultado da diviso entre casos e populao por 10.000 teremos: em 1995: em 2000: 20 casos por 10.000 habitantes 16 casos por 10.000 habitantes
38
Isso nos permite afirmar que houve uma diminuio da prevalncia de tuberculose nesse perodo de tempo e nessa comunidade latino-americana.
Tabela 3.6c Prevalncia (por 10.000 pessoas) da tuberculose em uma comunidade latinoamericana
Ano 1995 2000 Prevalncia (por 10.000hab.) 20 16
O clculo realizado foi o da proporo de prevalncia da tuberculose (na rea especfica, nos anos 1995 e 2000).
Prevalncia: a medida do nmero total de casos existentes, chamados casos prevalentes, de uma doena em um ponto ou perodo de tempo e em uma populao determinada, sem distinguir se so casos novos ou no. A prevalncia um indicador da magnitude da presena de uma doena ou outro evento de sade na populao.
Como j foi mencionado, a prevalncia no pode ser considerada uma taxa, pois no considera o incio nem a durao da doena. Seu denominador no necessariamente corresponde populao em risco, isso , aquela populao exposta e suscetvel de onde surgem os casos. No entanto, a prevalncia um indicador de grande importncia na sade pblica, pois fornece uma medida do volume ou carga da doena em uma comunidade ou populao em um dado momento informao essencial no planejamento dos servios de sade. Do ponto de vista epidemiolgico, h um maior interesse em conhecer especificamente quantos casos novos de uma doena aparecem em uma populao durante um perodo de tempo. Mais concretamente, importante conhecer quantos casos novos surgem de uma populao que est em risco de sofrer uma determinada doena ou dano sade, isso , um indicador da velocidade de mudana do processo dinmico de sade e doena na populao. A medida de ocorrncia de casos novos de doena em uma populao sob risco em um tempo determinado denomina-se incidncia. Geralmente, a incidncia nos proporciona uma idia do risco mdio que existe nos indivduos da populao de sofrer a doena, bem como avaliar a eficcia das aes de controle adotadas.
39
Incidncia: a medida do nmero de casos novos, chamados casos incidentes, de uma doena, originados de uma populao em risco de sofr-la, durante um perodo de tempo determinado. A incidncia um indicador da velocidade de ocorrncia de uma doena ou outro evento de sade na populao e, consequentemente, um estimador do risco absoluto de vir a padecer da mesma.
Nos clculos de incidncia e de prevalncia, sempre importante deixar bem claro qual a populao e a que perodo de tempo se refere. Pode-se relacionar com a populao inteira de uma regio ou com um grupo especfico que estaria exposto ao problema. Assim, o denominador de incidncia de cncer de colo de tero deveria incluir unicamente mulheres e o de incidncia de gonorria a populao sexualmente ativa. Por exemplo, a incidncia de gastroenterite, na Provncia do Sul, durante o ms de dezembro de 2001 foi de 20 por mil em crianas de 5 a 10 anos. Isso : Incidncia de gastroenterite em crianas de 5 a 10 anos na Provncia do Sul no ms de dezembro de 2001 Nmero de crianas de 5 a 10 anos que desenvolveram gastroenterite no ms de dezembro de 2001 Populao de crianas de 5 a 10 anos residentes na Provncia do Sul no ms de dezembro de 2001
x fator
necessrio destacar que as frmulas sobre incidncia que acabamos de apresentar nesse exemplo correspondem especificamente ao que se denomina incidncia acumulada. Calculando-se como o quociente entre o nmero de casos novos e o tamanho da populao em risco em um perodo de tempo, a incidncia acumulada assume que todos os indivduos da populao em risco estiveram efetivamente em risco de apresentar a doena durante todo o perodo de tempo observado. Intuitivamente, sabemos que isso raramente acontece, a princpio porque no momento que apresenta a doena, a pessoa deixa de estar em risco (por exemplo, deixa de pertencer ao denominador), pois passa a ser um caso (por exemplo, passa ao numerador). Um modo mais preciso de representar o risco de passar do estado sadio ao estado doente, ou seja estimar a incidncia, proporcionada pela investigao epidemiolgica de fatores de risco causais em coortes de populao, como veremos no Mdulo 5. Em tais condies, possvel seguir a populao, medindo com exatido o tempo que cada indivduo esteve em risco de adoecer e obter o nmero total de tempo-pessoa de observao (por exemplo, anos-pessoa, dias-pessoa). Dividindo agora o nmero de casos
40
novos entre o nmero total de anos-pessoa observados, teremos a taxa de incidncia propriamente dita, chamada tambm densidade de incidncia ou fora de morbidade (Miettinen, 1975). Em termos prticos, quando calculamos a incidncia de uma doena na populao, frequentemente, empregamos a incidncia acumulada, pois o clculo da taxa de incidncia propriamente dita costuma estar restrito ao contexto de uma pesquisa epidemiolgica. Uma forma de estimar a taxa de incidncia quando no se conta com os anos-pessoa consiste em tomar como denominador a populao na metade do perodo. Tanto a prevalncia como a incidncia so medidas de morbidade (doena) na populao, mas diferem em que a prevalncia mede o nmero de pessoas que tm a doena em um dado momento (por exemplo, sua magnitude) e a incidncia mede os casos novos que se apresentam em um perodo determinado de tempo (por exemplo, a sua velocidade). As relaes entre incidncia e prevalncia podem ser apreciadas na seguinte figura:
Figura 3.1 Relao entre incidncia e prevalncia
Casos novos Incidncia
Casos existentes em um dado momento
PREVALNCIA
Falecidos
Recuperados
Observe que, se aumenta a incidncia (aparecem mais casos novos) e o nmero de bitos e recuperados se mantm sem alteraes, aumentar a prevalncia. Caso aumente a mortalidade ou mais gente se recupere e a incidncia no se altera, a prevalncia dimi-
41
nuir. Suponhamos que introduzido um novo teste que detecta a presena de doena precocemente no perodo sub-clnico; o resultado prtico ser um aumento na incidncia, na durao da doena e tambm na prevalncia. Por outro lado, se for introduzido um medicamento que adia ou evita a mortalidade prematura mas no cura definitivamente, o resultado tambm ser um aumento na prevalncia. A durao da doena (D) tambm influencia nessa dinmica e, em termos gerais, podese afirmar que em situao de equilbrio, a prevalncia (P) o produto da incidncia (I) pela durao da doena (P=IxD). Essa dinmica entre incidncia, prevalncia e durao da doena tem importantes implicaes para o controle de doenas na populao, como veremos na unidade 6 do MOPECE.
42
Exerccio 3.1
Na Figura 3.2, cada linha representa um caso de doena respiratria (pneumonia) e a durao em dias de cada caso, que foram apresentados durante o ms de setembro.
Figura 3.2
Caso A B C D E F G H I J K L M N O P Q R S 1 5 10 15 20 25 30
Casos de doena respiratria no ms de setembro
Dias do ms de setembro
Responda s seguintes perguntas: 1. 2. Qual o nmero de casos incidentes da doena no ms de setembro? Qual o nmero de casos prevalentes no dia 15 de setembro?
Outras medidas de Morbidade Ento: que medida de incidncia se obtm quando investigada uma epidemia? O numerador o nmero de casos novos de doena e o denominador o total de pessoas expostas ao fator de risco ou agente causal. O tempo, geralmente, tratado de forma implcita, j que a maioria dos casos costuma ocorrer durante horas, dias ou semanas,
43
conforme a doena seja tratada. A taxa de incidncia que se obtm em uma situao de surto ou epidemia denominada taxa de ataque da doena e expressa usualmente em percentagem. Consideremos, como exemplo, uma situao em que 96 pessoas foram expostas a um agente (por exemplo, Pseudomonas aeruginosa contaminando a equipe cirrgica), das quais 26 adoeceram em um perodo curto de tempo. A taxa de ataque obtida da seguinte forma:
Existe tambm a chamada taxa de ataque secundrio, que mede o contgio de uma doena de transmisso pessoa a pessoa e, portanto, de utilidade para avaliar a efetividade das medidas de controle de um surto, como veremos no Mdulo 5 do MOPECE. A taxa de ataque secundrio expressa o nmero de casos de uma doena que aparecem dentro do perodo de incubao entre os contatos suscetveis expostos a um caso primrio ou ndice, em relao com o nmero total de contatos suscetveis expostos. Calcula-se da seguinte maneira:
Medidas de Mortalidade A taxa de mortalidade estima o risco absoluto de morrer.
As taxas de mortalidade podem referir-se a toda a populao de um pas ou territrio ou restringir-se a uma comunidade, instituio ou a uma amostra populacional e podem, tambm, ser calculadas para grupos especficos de populao, conforme sexo, idade, grupos de doenas ou outras caractersticas relevantes (em cujo caso constituem taxas especficas). Existem alguns indicadores de mortalidade referidos a grupos populacionais especficos e aos que convencionalmente so chamados taxas. Particularmente, necessrio lembrar dois deles, de especial importncia na sade pblica; trata-se da taxa de mortalidade infantil e da razo de mortalidade materna.
44
possvel constatar que para o clculo dessas taxas emprega-se o nmero de nascidos vivos como denominador e, portanto no sentido estrito no uma taxa j que o denominador no tempo. Por conveno, utilizado o nmero de nascidos vivos como denominador desses indicadores porque se considera que um dado mais vivel de obter que os requeridos para construir as respectivas taxas, a saber: no primeiro caso, o total de crianas menores de um ano que devem existir na mesma populao e ano onde foi feita a recontagem de bitos; no segundo caso, o nmero total de mulheres que estiveram grvidas e que deram luz na mesma populao e ano. Em algumas ocasies, suspeita-se que uma doena determinada est causando um elevado e inusitado nmero de bitos. interessante conhecer quantas das pessoas doentes morrem, isso , a proporo de casos fatais entre o total dos casos. Esse clculo chamado taxa de letalidade e particularmente importante para avaliar a severidade de uma epidemia.
Enquanto a mortalidade se refere aos bitos entre a populao (sadia ou doente), a letalidade somente se refere aos bitos entre a populao doente. Por exemplo, se em um distrito de 30.000 habitantes ocorreram 200 casos de febre tifide com 6 bitos, em um ano determinado, podemos afirmar que, nesse distrito e nesse ano, a mortalidade por febre tifide foi 2 por 10.000 e sua letalidade 3%, isso :
Distribuio proporcional A distribuio proporcional uma forma simples de expressar a quantidade de casos ou bitos segundo alguma caracterstica de interesse, como sexo, idade ou causa especfica, como porcentagem do total de casos ou mortes observados. A distribuio proporcional corresponde a uma distribuio de frequncias relativas simples, como foi visto no incio desse Mdulo. Ao contrrio das taxas, a distribuio proporcional no mede o risco de adoecer ou morrer, mas somente indica como esto distribudos os casos entre as pessoas atingidas.
45
Vejamos o seguinte exemplo. Durante um surto de tifo exantemtico ocorrido em uma comunidade andina, adoeceram 38 pessoas, sendo 24 homens e 14 mulheres. Desconhece-se o nmero total de homens e mulheres em dita populao.
Tabela 3.7 Distribuio proporcional de casos de tifo exantemtico por sexo
Sexo Masculino Feminino Total Nmero de casos 24 14 38 Distribuio proporcional 63,2 36,8 100,0
Isso :
Essa informao nos permite afirmar que a doena na comunidade atingiu mais aos homens que s mulheres (por exemplo, de cada 10 doentes, pelo menos 6 eram homens; ou, existiram 1,7 casos em homens para cada caso em mulheres). No entanto, essa informao no nos permite afirmar que os homens tiveram maior risco de adoecer. Mortalidade proporcional Quando a distribuio se refere a dados de mortalidade, ento falamos especificamente de mortalidade proporcional, uma medida de mortalidade til para descrever o perfil e as contribuies de causas de morte especficas mortalidade geral de um lugar e perodo determinados, isso :
As medidas de prevalncia, incidncia e mortalidade, tomadas em conjunto, permitem descrever perfis de sade da populao, teis para a anlise da situao de sade, a primeira funo essencial da sade pblica. Essas medidas bsicas permitem comparar a importncia relativa de riscos, doenas e danos sade nas populaes entre diferentes perodos de tempo e entre localidades distintas, facilitando a identificao de necessidades e prioridades na sade e orientando a gesto sanitria. No entanto, quando comparamos duas ou mais populaes devemos ter sempre presente que existem outras
46
caractersticas prprias de cada populao que poderiam explicar as diferenas que observamos. Por exemplo, a diferena entre as taxas de mortalidade de duas populaes pode estar distorcida pelas prprias diferenas na distribuio de idade ou na distribuio dos bitos em distintas idades em cada populao e, portanto, levar-nos a concluses erradas. Isso pode ser evitado com o uso de tcnica de padronizao ou ajuste de taxas.
47
Exerccio 3.2
Os seguintes dados correspondem a duas localidades latino-americanas, as que denominaremos A e B, em um ano determinado.
Tabela 3.8 Populao e mortalidade em duas localidades latino-americanas
Dados bsicos Populao total Nmero de nascidos vivos Populao menor de 5 anos bitos em menores de 1 ano bitos em menores de 1 ano por infeces bitos em menores de 5 anos bitos em menores de 5 anos por diarria Localidade A 10.320 850 3.350 105 32 161 36 B 76.311 1.226 6.901 10 4 12 0
Calcule:
Indicadores de Sade a) a taxa de mortalidade em menores de 5 anos (por 1.000) b) a taxa de mortalidade infantil (por 1.000) c) a taxa de mortalidade por diarria em menores de 5 anos (por 1.000) d) a taxa de mortalidade por infeces em menores de 1 ano (por 1.000) e) O que se observa ao comparar as localidades A e B? Localidade A B
48
Exerccio 3.3
Pergunta 1. Que denominador deve ser usado para o clculo das seguintes medidas? a) A incidncia acumulada de dengue hemorrgico no pas X em 2000. _________________________________________________________ b) A incidncia acumulada de pneumonia nos escolares da Provncia Y em 2001. _________________________________________________________ Pergunta 2. Em uma ilha do Caribe a letalidade por febre tifide de 5%. Durante o ano 2000, ocorreram 40 bitos por essa doena. Quantos casos de febre tifide ocorreram nessa comunidade insular em dito ano? _ __________________________________________________________ _ __________________________________________________________ _ __________________________________________________________ Pergunta 3. Uma medida de incidncia, usualmente expressa em porcentagem e que se refere a populaes especficas, em perodos de tempo limitados, como por exemplo, epidemias, denominada: a) b) c) d) e) Prevalncia. Taxa ajustada. Taxa de letalidade. Taxa de ataque. Taxa de mortalidade.
49
Pergunta 4. Analise o seguinte quadro e de acordo com a informao apresentada, resolva os pontos considerados a seguir:
Tabela 3.9 bitos por grupo de idade e populao
Faixa etria (anos) Menores de 1 14 5 24 25 44 45 64 65 e mais Total bitos (nmero) 285 251 274 408 576 1.076 2.870 Populao 12.681 49.002 201.820 116.538 51.356 18.603 450.000
a) A taxa de mortalidade (por 100.000) para o grupo de idade de 1 a 4 anos _________________________________________________________ b) A taxa de mortalidade (por 100.000) para o grupo de idade de 65 e mais anos. _________________________________________________________ c) A taxa de mortalidade (por 100.000) para o grupo de 25 a 44 anos. _________________________________________________________ d) Comente os resultados em relao magnitude da mortalidade nos grupos de idade. Considere que esses resultados so tpicos de qualquer populao. _________________________________________________________ _________________________________________________________ _________________________________________________________
50
Pergunta 5. Vinte e seis casos de tuberculose foram diagnosticados na Cidade Alta entre 1 de janeiro e 30 de junho de 2000. O total de casos de tuberculose ativos em 30 de junho era de 264. A populao de Cidade Alta era de 183.000 habitantes. a) Qual foi a incidncia de tuberculose na Cidade Alta no perodo entre 1 de janeiro e 30 de junho? (a) (b) (c) (d) (e) 7,6 casos novos por 100.000 habitantes. 14,2 casos novos por 100.000 habitantes. 27,3 casos novos por 10.000 habitantes. 78,7 casos novos por 100.000 habitantes. 144,3 casos novos por 10.000 habitantes.
b) Qual foi a prevalncia de tuberculose na Cidade Alta em 30 de junho de 2000? (a) (b) (c) (d) (e) 14,2 casos por 100.000 habitantes. 144,3 casos por 100.000 habitantes. 158,5 casos por 10.000 habitantes. 290,0 casos por 10.000 habitantes. 85,2 casos por 100.000 habitantes.
c) Descreva e explique as diferenas nos valores obtidos sobre prevalncia e incidncia de tuberculose encontradas e indique o uso adequado de cada uma dessas medidas epidemiolgicas. Existe semelhana dessa morbidade por tuberculose com a de sua rea de sade? _________________________________________________________ _________________________________________________________ _________________________________________________________
51
Pergunta 6. No terceiro domingo de fevereiro de 2001, comemorou-se, em uma comunidade de 462 habitantes, um baile de carnaval ao qual assistiram 287 pessoas. Nas duas ltimas semanas de maro, o centro de sade local atendeu a 79 pessoas que foram atendidas por prurido intenso e erupo cutnea papulovesicular. Setenta e seis delas tinham assistido ao baile. Dos 161 homens participantes desse evento social, 53 adoeceram. A maioria (68,3%) dos participantes do baile tinham entre 20 e 39 anos de idade; nesse grupo encontrava-se o 82,9% dos doentes. Calcule: a) A taxa de ataque nos participantes da festa.
b) A taxa de ataque nos homens. c) A taxa de ataque nas mulheres.
d) A taxa de ataque no grupo de 20 a 39 anos de idade. e) Que interpretao voc daria a esses resultados?
Pergunta 7. Examine a tabela 3.10 e resolva as questes a, b e c:

Tabela 3.10 Nmero de casos por grupo de idade e populao
Coluna 1 . faixa etria (anos) Menores de 5 5 19 20 39 40 e mais Total Coluna 2 . casos (N) 3 6 5 7 21 Coluna 3 populao 48 17 23 109 197
Coluna 4
Coluna 5
14,3 28,6 23,8 33,3 100,0
6,3 35,3 21,7 6,4 10,7
a) Os nmeros na Coluna 4 representam: (a) A distribuio proporcional da populao por idade. (b) As taxas de ataque por idade.
52
(c) A distribuio proporcional dos casos por idade. (d) As taxas de mortalidade por idade. (e) Nenhuma das anteriores. b) Os nmeros na Coluna 5 representam: (a) (b) (c) (d) (e) A distribuio proporcional da populao por idade. As taxas de ataque por idade. A distribuio proporcional dos casos por idade. As taxas de mortalidade por idade. Nenhuma das anteriores.
c) Comente brevemente a informao apresentada na Tabela 3.10. _________________________________________________________ _________________________________________________________ _________________________________________________________ Pergunta 8. O programa de Ateno Integrada s Doenas Prevalentes na Infncia ( AIDPI) de um centro de sade afirmou que o tempo de durao de todos os casos de pneumonia em crianas de 5 a 9 anos de idade atendidos nos ltimos dois meses foi 9, 7, 11, 9, 8, 4, 6, 12, 6, 8, 8, e 5 dias. Usando essa informao, calcule: a) A moda _________________________________________________________ b) A mediana _________________________________________________________ c) A mdia _________________________________________________________ d) A amplitude _________________________________________________________
53
e) O desvio-padro _________________________________________________________ f) No quadro reservado a seguir, represente a distribuio da varivel de interesse, usando um grfico apropriado.
g) Comente os resultados observados com referncia a essa distribuio. _________________________________________________________ _________________________________________________________
54
Exerccio 3.4
O nvel intermedirio do sistema de sade da Nicargua, no istmo centro-americano, compreende 17 Sistemas Locais de Ateno Integral de Sade (SILAIS), que correspondem aos 15 departamentos e 2 regies autnomas em que se divide geopoliticamente o pas. No incio de 1999, houve um surto de rubola de alcance nacional, entrando em operao um sistema de vigilncia ativa intensificada que permitiu estabelecer medidas oportunas para o controle da doena. Nesse exerccio, descreve-se a situao observada no SILAIS Len, localizada na regio ocidental do pas, e que compreende 10 municpios. A Tabela 3.11 contm dados sobre os 130 casos confirmados de rubola ocorridos em Len entre as semanas epidemiolgicas (S.E.) 4 e 33 de 1999. As tabelas 3.12a, 3.12b e 3.13 apresentam dados adicionais relevantes para a caracterizao da situao epidemiolgica. Pergunta 1. Quais foram as caractersticas epidemiolgicas mais relevantes do surto de rubola no SILAIS Len, Nicargua, em 1999? Caracterize a epidemia conforme: a) idade e sexo dos atingidos; b) sua distribuio geogrfica; e, c) sua distribuio no tempo. Para isso: Complete as tabelas 3.12a, 3.12b e 3.13. Calcule as taxas correspondentes usando as tabelas e o mapa (Figura 3.3). Complete o Grfico 3.9.
55
Figura 3.3
Mapa do SILAIS Len, Nicargua
Achuapa
El Sauce Santa Rosa
Malpaisillo Telica Quezalguaque
El Jicaral
Nicargua
La Paz Centro
Leon Isla Momotombito
Nagarote
Leon
100
100
200
Fonte: Programa Especial de Anlise de Sade (SHA) e Programa Ampliado de Imunizaes (OPAS)
56
Tabela 3.11 Ocorrncia de casos de rubola; SILAIS Len, 1999

N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 Sexo F F F F F F F F F M F F F M M F F M F F M F M F M F F F F M F M F M F F F M F M M F Idade (anos) 7 6 28 15 28 4 13 4 11 5 28 4 29 1 24 4 11 24 9 3 4 8 3 34 7 20 6 7 10 13 9 7 6 12 10 24 4 5 3 3 7 12 Municpio Len Len Len Len Len Len Len Len Nagarote Len Len Len Len Len Len Len Len Quezalguaque Len Len Len Len Len Telica Len Telica Len Len Len Len Len Len Len Telica Len Len Len Len Telica Malpaisillo Len Malpaisillo Data de incio 26-Jan 31-Jan 5-Fev 6-Fev 7-Fev 11-Fev 16-Fev 21-Fev 8-Mar 11-Mar 13-Mar 14-Mar 18-Mar 20-Mar 21-Mar 22-Mar 22-Mar 23-Mar 25-Mar 29-Mar 29-Mar 4-Abr 6-Abr 6-Abr 8-Abr 8-Abr 9-Abr 9-Abr 10-Abr 11-Abr 12-Abr 13-Abr 14-Abr 14-Abr 16-Abr 16-Abr 17-Abr 17-Abr 18-Abr 18-Abr 19-Abr 19-Abr S.E.* 4 5 5 5 6 6 7 8 10 10 10 11 11 11 12 12 12 12 12 13 13 14 14 14 14 14 14 14 14 15 15 15 15 15 15 15 15 15 16 16 16 16
57
N 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87
Sexo F F M F F F F F M F F M F M F M F F F F F F F F F F M M M M M M F F M F M M M M F F F F F
Idade (anos) 26 12 33 11 17 5 12 21 6 10 10 10 30 11 15 10 9 10 6 26 17 19 16 11 22 29 22 9 7 5 22 4 5 20 1 7 1 4 13 5 17 4 15 5 17
Municpio Len Len Malpaisillo Len Achuapa Telica Len Malpaisillo Len Len Malpaisillo Telica Len Malpaisillo Len Malpaisillo Achuapa Achuapa Len Telica Malpaisillo Achuapa Len Len Len Len Len Len Len Len Len Len Len Len Len Nagarote Len Malpaisillo Len Len Len Len Len Nagarote Telica
Data de incio 19-Abr 20-Abr 20-Abr 21-Abr 21-Abr 22-Abr 22-Abr 22-Abr 23-Abr 23-Abr 25-Abr 26-Abr 26-Abr 27-Abr 27-Abr 1-Mai 2-Mai 2-Mai 3-Mai 4-Mai 7-Mai 8-Mai 10-Mai 11-Mai 11-Mai 14-Mai 16-Mai 17-Mai 19-Mai 20-Mai 20-Mai 21-Mai 21-Mai 22-Mai 24-Mai 24-Mai 26-Mai 26-Mai 27-Mai 28-Mai 28-Mai 30-Mai 1-Jun 2-Jun 4-Jun
S.E.* 16 16 16 16 16 16 16 16 16 16 17 17 17 17 17 17 18 18 18 18 18 18 19 19 19 19 20 20 20 20 20 20 20 20 21 21 21 21 21 21 21 22 22 22 22
58
N 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130
Sexo M F F M F F F F F F M F F M M F M M F F F M F F F F F F M M F F F F F M F F F F F F F
Idade (anos) 4 20 5 8 10 10 9 5 31 36 8 12 8 10 10 6 13 15 15 4 8 7 9 10 11 7 14 9 28 14 30 30 4 6 15 6 13 6 7 12 28 7 26
Municpio Len Len Len Len Len Len Len Len Len Len El Jicaral Len Len El Jicaral Len Len El Jicaral El Jicaral Santa Rosa Len Len Santa Rosa Len Malpaisillo Malpaisillo Telica Len Nagarote Len Len El Sauce Len Len La Paz Centro Len Len Len El Jicaral Malpaisillo Nagarote Malpaisillo Len La Paz Centro
Data de incio 5-Jun 6-Jun 7-Jun 10-Jun 11-Jun 12-Jun 15-Jun 16-Jun 18-Jun 18-Jun 20-Jun 21-Jun 22-Jun 22-Jun 22-Jun 24-Jun 24-Jun 25-Jun 29-Jun 30-Jun 1-Jul 2-Jul 3-Jul 3-Jul 5-Jul 7-Jul 7-Jul 11-Jul 11-Jul 12-Jul 12-Jul 13-Jul 15-Jul 17-Jul 26-Jul 27-Jul 29-Jul 30-Jul 3-Ago 8-Ago 8-Ago 11-Ago 16-Ago
S.E.* 22 23 23 23 23 23 24 24 24 24 25 25 25 25 25 25 25 25 26 26 26 26 26 26 27 27 27 28 28 28 28 28 28 28 30 30 30 30 31 32 32 32 33
59
Tabela 3.12a Taxa de ataque (TA) de Rubola por 100.000 habitantes, segundo faixa etria Len, Nicargua, 1999
Faixa etria (anos) 0-4 5-9 10 -14 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 e mais Total Casos Populao 61.932 52.555 46.940 43.285 34.373 28.097 23.419 19.318 64.602 374.521 TA
Tabela 3.12b Taxa de ataque (TA) de Rubola por 100.000 habitantes, segundo faixa etria e sexo - Len, Nicargua, 1999
Faixa etria (Anos) 0-4 5-9 10 -14 15 - 19 20 - 24 25 - 29 30 - 34 35 - 39 40 e mais Total Homens Casos Populao 29.809 25.539 22.886 20.001 15.770 12.693 10.385 8.654 27.347 173.084 TA Casos Mulheres Populao 32.123 27.016 24.054 23.284 18.603 15.404 13.034 10.664 37.255 201.437 TA
60
Quadro 3.13 Taxa de ataque (TA) de Rubola por 100.000 habitantes, segundo municpioLen, Nicargua, 1999
Municpio Achuapa El Jicaral El Sauce La Paz Centro Len Malpaisillo Nagarote Quezalguaque Santa Rosa Telica Total Casos Populao 14.681 11.174 28.917 30.627 180.352 32.025 32.510 8.710 10.164 25.361 374.521 TA
Grfico 3.9 Distribuio de casos de Rubola por data de incio dos sintomas. Len, Nicargua; 1999
Casos 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 3
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 semanas epidemiolgicas 1999
= 1 caso Pergunta 2. Determine quais seriam as recomendaes epidemiolgicas para a equipe de sade do SILAIS de Len. _ __________________________________________________________ _ __________________________________________________________
61
Comparao da frequncia da doena e medidas de associao

Agora que j revisamos as principais medidas de frequncia e distribuio dos fenmenos no tempo, espao e pessoa, o seguinte passo do foco epidemiolgico a comparao de tais medidas. Essa comparao a estratgia bsica da anlise epidemiolgica e o passo fundamental para transformar os dados em informao relevante. Em todo ato de comparao, h uma intencionalidade analtica subjacente: encontrar igualdades ou, alternativamente, encontrar diferenas. Essa capacidade de discriminar as observaes que se faz da realidade um requisito para a identificao das necessidades de sade da populao, estabelecer prioridades e, consequentemente, desenvolver aes em sade dirigidas a modific-las positivamente. Esse o foco no igualitrio que pe em prtica a epidemiologia. Um aspecto central nesse raciocnio analtico da epidemiologia a gerao de explicaes, tentativas, suposies, prognsticos ou conjunturas verossmeis em relao a uma causa-efeito que envolvam incertezas, isso , a gerao de hipteses. Uma hiptese uma suposio que se faz de uma observao ou reflexo, que leva a predies refutveis. Para a aplicao de testes estatsticos aos dados obtidos, necessria a elaborao de duas hipteses: a hiptese alternativa ou de investigao (HA) e a hiptese nula ou de no-diferena (HO), sobre as quais so focados os resultados da anlise estatstica. A obteno de dados relevantes e a comparao racional dos mesmos a forma de contrastar as nossas hipteses sobre a sade e a doena na populao.
62
Medidas de associao
Nesta seo revisaremos os princpios e mtodos estatsticos bsicos que ajudam as equipes locais de sade a estabelecer a presena de uma associao entre a exposio a um fator que se considere de risco e a ocorrncia de doena na populao. Em termos estatsticos, se diz que duas variveis esto associadas quando existe uma relao de dependncia (geralmente estatstica) entre ambas, isso , a mudana de uma delas necessariamente acompanha a mudana na outra (covariao).
Associao: relao de dependncia estatstica entre dois ou mais eventos, caractersticas ou outras variveis. Uma associao est presente se a probabilidade de ocorrncia de um evento depende da ocorrncia de outro ou outros.
Na epidemiologia, a aplicao do termo associao sempre implica a inteno de se estabelecer uma relao de causa e efeito entre uma exposio e uma doena ou evento na sade. No entanto, deve-se ressaltar que uma associao pode ser casual ou espria ou pode ser produzida por vrias circunstncias e, portanto, a presena de uma associao estatstica no necessariamente implica uma relao causal. Por outro lado, um fator de risco um aspecto do comportamento ou estilo de vida pessoal, constituio gentica ou hereditria ou exposio ambiental que, baseado na evidencia epidemiolgica disponvel, sabe-se que est associado a condies relacionadas com a sade, consideradas importantes de prevenir. Do ponto de vista epidemiolgico, o mais importante de um fator de risco que seja identificvel, quantificvel e, se possvel, modificvel antes da ocorrncia do fato que o prediz. Os fatores de risco so indicadores ou marcadores do risco de adoecer da populao, mas necessrio destacar que a descoberta de um fator de risco no implica necessariamente que esse seja um fator causal.
Fator de risco: caracterstica ou circunstncia detectvel nos indivduos ou grupos, associada com uma probabilidade incrementada de experimentar um dano ou efeito adverso sade. Geralmente, um fator de risco um atributo ou exposio que incrementa a probabilidade de ocorrncia de uma doena ou outro dano sade.
Os aspectos que foram revisados na primeira metade desse Mdulo correspondem ao campo da chamada estatstica descritiva: a descrio quantitativa da frequncia e a distribuio dos fenmenos de sade e doena observados na populao. A utilidade de apresentar os dados resumidos em bons quadros e grficos consiste em permitir realizar inferncias sobre os determinantes da situao de sade observada na populao e proceder com certo nvel de segurana interveno sobre os mesmos.
63
A estatstica a cincia matemtica que proporciona epidemiologia os elementos bsicos para o tratamento cientfico da informao numrica na sade. A anlise epidemiolgica usa procedimentos estatsticos desenhados para estimar a probabilidade de que uma concluso sobre a populao de referncia, baseada na anlise de dados de uma parte dela (amostra) ou na comparao com outra populao, seja correta ou verossmil. Isso corresponde chamada estatstica inferencial. Na prtica, para explorar uma possvel associao entre exposio e doena, so necessrios trs elementos: dois grupos comparveis da populao, uma medida da varivel exposio para cada grupo e uma medida da varivel doena em cada grupo. Geralmente, as variveis epidemiolgicas de exposio e de doena so contnuas ou discretas e suas medidas se resumiro em mdias ou em propores. A situao mais comum nos servios de sade a comparao de duas propores. Por exemplo, para avaliar a associao entre renda econmica e tuberculose, poderamos comparar duas propores: incidncia de tuberculose entre os pobres e entre os ricos. As medidas de associao esto baseadas nos chamados testes de significncia (os aspectos tericos relacionados com suas bases conceituais fogem dos propsitos desse material. Para uma breve introduo aos mesmos, veja o Apndice ao final dessa unidade). O propsito desses testes determinar se a presena de um fator de risco avaliado est efetivamente relacionada com a frequncia da doena. Em tais condies, espera-se que a prevalncia de exposio a dito fator, seja razoavelmente mais alta entre os que adoeceram ou sofreram um dano sade que naqueles aparentemente sadios. A bioestatstica possui uma grande variedade de testes de significncia e outros recursos analticos de potencial utilidade para a prtica epidemiolgica. Por outro lado, o desenvolvimento da informtica e as possibilidades tecnolgicas esto facilitando o acesso a um nmero cada vez maior de programas estatsticos de computao. Existem dois pacotes de programas de clculos desenhados especificamente para a sade que facilitam o armazenamento, processamento e anlise de informao epidemiolgica: Epi-Info, produzido pelo Centro de Preveno e Controle de Doenas dos Estados Unidos (CDC) e a Organizao Mundial da Saude (OMS), e o Epi-Dat, desenvolvido pela OPAS e a Xunta de Galcia, Espanha. Longe de competir entre si, estes programas, de grande uso e de livre distribuio, oferecem processos e rotinas de manuseio e anlise epidemiolgica de dados que so complementares. Observa-se que o nvel de exposio a essa tecnologia vem aumentando e, por isso, um conhecimento bsico do foco estatstico e epidemiolgico nas equipes locais de sade cada vez mais necessrio para garantir o uso racional e eficiente desses recursos tecnolgicos. Justamente para familiarizar as equipes locais de sade com as aplicaes da bioestatstica, o MOPECE apresenta a seguir um dos testes de significncia estatstica de maior utilidade para a prtica epidemiolgica de campo.
64
Comparao de duas Propores: O Teste do Chi-quadrado Para exemplificar o uso desse teste estatstico, nos referimos a seguir a uma situao na qual se avalia se existe uma associao estatisticamente significativa entre certos tipos de ocupao e o risco de contrair malria em uma populao. Numa localidade rural de 760 habitantes, situada em uma zona de malria, observou-se que, no ltimo ano, a incidncia acumulada de malria em camponeses foi de 88,2 por mil, enquanto que na populao no camponesa foi de 55,8 por mil. De acordo com o censo local mais recente, na comunidade h 204 camponeses. Interessa saber se a ocupao camponesa est associada malria. Os dados que resumem a situao descrita so:
com malria campons no-campons 18 31 49 sem malria 186 525 711 204 556 760 Ic= Inc= 18/204 31/556 taxa por mil 88,2 55,8
Do ponto de vista estatstico, interessa conhecer se h diferena significativa entre as duas medidas de incidncia acumulada. Nesse caso pode-se aplicar um teste de significncia estatstica chamado Chi-Quadrado (c2), cuja frmula :
Na frmula, O se refere ao valor observado em uma clula e E ao seu valor esperado. A frmula trabalha exclusivamente com clulas centrais de um quadro, nesse caso uma tabela 2x2, e faz referncia s frequncias observadas em ditas clulas e s que se esperaria que ocorressem (valores esperados) se efetivamente no houvesse diferena entre as propores comparadas. Os valores esperados para cada clula central so obtidos multiplicando seus totais marginais correspondentes e dividindo esse produto pelo grande total. Por exemplo, na primeira clula (campons com malria), o valor observado 18 e o valor esperado seria: (204x49)/760=13,2. O quadro de resultados para cada clula ficaria assim:
com malria campons no-campons 13,2 35,8 49 18 31 sem malria 190,8 520,2 711 186 525 204 556 760
65
Substituindo na frmula,
O valor de Chi-Quadrado calculado desse modo (observado) comparado com um valor tabulado (esperado) tomado da distribuio de probabilidades tericas. Esse valor terico corresponde ao que seria esperado encontrar se os resultados observados ocorressem puramente por acaso. Esse valor terico chamado valor crtico: se o valor observado maior que o valor crtico, conclui-se que a diferena observada no devida ao acaso e se diz que estatisticamente significativa. O valor crtico indica o nvel de significncia do teste, que expressa a probabilidade de que a diferena observada tenha ocorrido por acaso, visto que, na realidade no existiam diferenas. Usualmente, esta probabilidade estabelecida em 5% e apresenta-se como p<0,05. O complemento dessa probabilidade se chama nvel de confiana, em geral, 95%. Para um nvel de confiana de 95%, o valor crtico do Chi quadrado (de acordo com uma tabela de distribuo terica) 3,84, que corresponde ao chamado chi quadrado com um grau de liberdade, especfico para tabelas 2x2. Os graus de liberdade de uma tabela se referem ao nmero mnimo de clulas centrais que so necessrias para conhecer os valores das outras clulas, dado que se conheam os marginais. Nesta situao analisada, o valor observado (2,56) no ultrapassa o valor crtico (3,84), portanto, conclumos que no se pode desprezar a hiptese de no-diferena (de nulidade) Consequentemente, pode-se afirmar que com 95% de confiana estatstica que a ocupao de compnes no est significativamente associada com malria (p>0,05). O teste do Chi-Quadrado amplamente usado em epidemiologia, especialmente na anlise de tabelas 2x2. Por isso, desenvolveu-se a seguinte frmula alternativa simplificada:
doente exposto no exposto a c (a+c)
no doente b d (b+d) (a+b) (c+d) n
Essa, aplicada aos dados do nosso exemplo, proporciona resultados similares:
66
A deciso sobre o nvel de confiana selecionado depende da situao que se analise; pelas implicaes que uma deciso tenha, ser preciso ter um nvel de confiana maior ou menor. Para servir a distintos propsitos, existem vrias alternativas. A Tabela 3.14 apresenta outros valores crticos de c2 para diferentes nveis de significncia.
Tabela 3.14 Valores crticos dos valores estatsticos X2 e Z em distintos nveis de significncia e confiana estatsticas
Nvel de significncia (p) 0,001 0,01 0,05 0,10 0,20 Valores Crticos Chi-Quadrado* 10,83 6,63 3,84 2,71 1,64 Teste Z** 3,29 2,58 1,96 1,64 1,28 Nvel de confiana 99,999 99,99 95,0 90,0 80,0
* com um grau de liberdade (somente para tabelas 2x2) ** para comparacin de dos promedios (ver Apndice)
67
Exerccio 3.5
Durante o outono de 1990, em uma localidade da Amrica do Norte, reportou-se a inusitada ocorrncia de uma doena caracterizada por febre, nuseas, edema, dificuldade para respirar e, principalmente, intensas dores por contrao muscular, acompanhada de uma marcante alta do nmero de eosinfilos, um tipo especial de glbulos brancos que agem sobre certos processos alrgicos. Em menos de um ano, tinham sido reportados mais de 1.500 casos de Sndrome de Eosinofilia Milgica. Os estudos epidemiolgicos envolveram o consumo de triptofano, um importante aminocido na dieta humana, como responsvel da doena, especialmente associado ao consumo de um produto popular para combater a depresso, a insnia e a sndrome pr-menstrual. Pergunta 1. Analise os seguintes dados e avalie se existe uma diferena estatisticamente significativa na incidncia da doena entre os dois grupos estudados segundo a exposio ao triptofano. Use um nvel de significncia igual a 0,05. Interprete os resultados em termos de uma hiptese nula (de no diferena).
Nmero Expostos No-expostos 30 36 Incidncia (%) 66,7 22,2
Medidas da fora de associao Ao contrrio dos chamados testes de significncia estatstica, teis porque determinam a presena de uma associao entre duas variveis, a epidemiologia prope o uso de duas medidas bsicas que quantificam a fora dessa associao: o risco relativo e o OR (o OR vem do ingls Odds Ratio que foi traduzido como: razo de produtos cruzados, razo de chances ou oportunidade relativa). Neste Mdulo, revisaremos os conceitos bsicos sobre estas medidas de anlise epidemiolgica e no Mdulo 5, as veremos no contexto da investigao epidemiolgica de fatores de risco de doena, que onde adquirem especial relevncia. Risco Relativo Como vimos anteriormente, a incidncia de uma doena numa populao e perodo determinados (incidncia acumulada e a taxa de incidncia) nos proporciona uma medida do risco absoluto de adoecimento nessa populao.
68
Risco Absoluto: incidncia da doena ou outro evento de interesse na populao ou grupo populacional; quantifica a probabilidade de experimentar tal doena ou evento.
A comparao de duas medidas de incidncia de uma doena, isso , dois riscos absolutos, permite detectar um possvel excesso de risco de um grupo em relao ao outro. Na epidemiologia, de particular interesse comparar a ocorrncia de doena entre um grupo exposto a um fator considerado de risco em relao a outro no exposto. Os testes estatsticos ajudam a detectar o excesso de risco entre ambos grupos; o risco relativo permite quantificar a magnitude de tal excesso e mede a fora da associao entre exposio e doena. Para calcular o risco relativo de uma doena em relao a uma exposio, necessria uma medida do risco absoluto entre os expostos a um fator de risco e uma medida do risco absoluto entre os no expostos a tal fator, isso , a incidncia nos expostos e a incidncia nos no expostos. necessrio observar que estamos nos referindo incidncia de uma doena especfica e exposio a um fator de risco especfico. A epidemiologia dispe de uma srie de desenhos de estudos para observar quando existe uma associao entre a exposio a um fator e o desenvolvimento subsequente de uma doena. Entre esses desenhos, os estudos de coortes e caso-controle no s demonstram se essa associao existe seno quanto ela forte. Os dados obtidos a partir desses estudos observacionais so apresentados usualmente em uma tabela 2x2, chamada assim pela natureza dicotmica das variveis de exposio e de doena, como a que se mostra a seguir:
Tabela 3.15 Tabela 2x2 (Estudo de coortes)
Doente Exposto No exposto a c a+c No doente b d b+d a+b c+d a+b+c+d
Convencionalmente, as colunas da tabela 2x2 representam a presena ou ausncia de doena e as linhas a presena ou ausncia de exposio. Nos estudos de coorte, parte-se de dois grupos de indivduos sem a doena, um exposto a um hipottico fator de risco e outro no exposto ao fator, em seguida se observa o desenvolvimento da doena em ambos os grupos, durante um tempo de seguimento. Dessa forma, nos estudos de coorte, a tabela 2x2 tem os seguintes componentes: a = expostos ao fator de risco que durante o segmento desenvolveram a doena. b = expostos ao fator de risco que durante o seguimento no desenvolveram a doena.
69
c = no expostos ao fator de risco que durante o segmento desenvolveram a doena. d= no expostos ao fator de risco que durante o segmento no desenvolveram a doena. a + c = total de indivduos que durante o segmento desenvolveram a doena. b + d = total de indivduos que durante o segmento no desenvolveram a doena . a + b = total de indivduos expostos ao fator de risco. c + d = total de indivduos no expostos ao fator de risco. O risco relativo (RR), como medida de fora de associao, obtido a partir dos estudos de coorte, j que seu desenho nos permite calcular a incidncia da doena em ambos os grupos. O risco relativo uma razo de incidncias, ou seja o quociente entre a incidncia da doena nos expostos e a incidncia nos no expostos ao suposto fator de risco. Isso :
Na tabela 2x2, corresponde a:
Risco relativo: razo entre o risco absoluto de adoecer ou morrer daqueles com a exposio de interesse e o risco absoluto de adoecer ou morrer daqueles sem a exposio de interesse.
Um RR igual unidade (RR=1) interpretado como a ausncia de associao entre exposio e doena (o risco de adoecer similar em ambos os grupos); um RR maior que 1 (RR>1) indica maior risco nos expostos (a exposio est associada doena e um fator de risco); um RR menor que 1 (RR<1) indica menor risco nos expostos (a exposio est associada doena e um fator protetor). A magnitude do RR quantifica a fora de associao entre a exposio e a doena, assim um RR igual a 3,5 expressa uma associao mais forte entre exposio e doena que, por exemplo, um RR igual a 1,4, ou um RR igual a 0,2 indica uma associao mais forte que um RR igual a 0,7. Consideremos um exemplo clssico. Entre 1950 e 1952, os doutores Dawber, Meadors e Moore do Servio de Sade Pblica dos EUA selecionaram 5.127 homens e mulheres sadios, de 30 a 59 anos, residentes em Framingham, Massachusetts, que desde ento estavam sendo estudados prospectivamente com a finalidade de observar a relao entre uma srie de fatores de risco e o desenvolvimento de doena cardaco-coronria. Como
70
parte do Estudo do Corao de Framingham, a Tabela 3.16 apresenta a situao observada no dcimo sexto ano de segmento de um grupo de 1.112 homens sadios, de 35 a 44 anos de idade, no incio do estudo, em relao ao desenvolvimento de doenas cardaco coronrias (DCC) conforme a sua exposio a trs fatores de risco selecionados.
Tabela 3.16 Exposio a fatores de risco e doena cardaco coronria (DCC). Segmento de 16 anos em homens de 35-44 anos de idade. Framingham, EUA
Coorte Expostos No-expostos Hipertenso Total 22 1.090 DCC 12 206 Cardiomegalia Total 111 1.001 DCC 41 177 Tabagismo Total 800 312 DCC 181 37
Vejamos o primeiro fator de risco estudado: hipertenso (definida aqui como presso arterial sistlica igual ou maior que 180 mmHg). De acordo com os dados, dos 1.112 homens no incio do estudo, 22 tinham hipertenso (estavam expostos) e 1.090 no tinham (no estavam expostos). Dezesseis anos depois, 12 dos expostos e 206 dos no expostos (logo, 218 casos) tinham desenvolvido doena cardaco coronria (DCC). Isso quer dizer que o risco absoluto de adoecer com DCC entre os que tm hipertenso :
J o risco absoluto de adoecer com DCC entre os que no tm hipertenso :
Agora poderemos comparar ambos riscos absolutos e determinar o excesso de risco como uma razo de taxas. Assim, o risco relativo ser:
Isso , os indivduos hipertensos tm 2,89 vezes o risco de adoecer com DCC que os indivduos no hipertensos. Dito de outro modo, a exposio ao fator de risco incrementa 1,89 vezes o risco de desenvolver a doena. Assim, o risco relativo indica quanto mais risco tem os expostos em relao aos no expostos. Examinemos o seguinte exemplo. Na ltima quinzena de maio de 1991, apareceu um intenso surto de clera em trs aldeias da Amaznia (populao de 1.761 habitantes), que afetou 125 pessoas e provocou a morte de sete delas. Durante a primeira semana
71
de junho, realizou-se uma enquete rpida em toda a populao sobre a exposio a um conjunto de supostos fatores de risco. A Tabela 3.17 apresenta os resultados em relao ao consumo de certos produtos que, suspeitava-se, poderiam estar envolvidos no surto.
Tabela 3.17 Surto de clera em trs aldeias rurais, Amaznia; Junho 1991.
Suposto fator de risco gua no tratada Peixe cru Peixe cozido Arroz requentado Tamal de arroz* Fruta sem lavar
*Tamal - prato tpico
Adoeceram (n=125) Expostos 111 7 17 47 24 71 No expostos 14 118 108 78 101 54
No adoeceram (n=1.636) Expostos 1.093 14 198 522 272 683 No expostos 543 1.622 1.438 1.114 1.364 953
Objetivamos determinar se existe alguma associao entre a exposio a supostos fatores de risco e a presena de clera na populao. Para isso, procedemos a construir uma tabela 2x2 para cada um dos supostos fatores de risco, a saber:
gua no tratada exposto no exposto Total Doente 111 14 125 No doente 1.093 543 1.636 Total 1.204 557 1.761
Peixe cru exposto no exposto Total
Doente 7 118 125
No doente 14 1.622 1.636
Total 21 1.740 1.761
Peixe cozido exposto no exposto Total Arroz requentado exposto no exposto Total
Doente 17 108 125 Doente 47 78 125
No doente 198 1.438 1.636 No doente 522 1.114 1.636
Total 215 1.546 1.761 Total 569 1.192 1.761
Tamal de arroz
Doente.
No doente
Total
72
exposto no exposto Total
24 101 125
272 1.364 1.636
296 1.465 1.761
Fruta sem lavar exposto no exposto Total
Doente. 71 54 125
No doente 683 953 1.636
Total 754 1.007 1.761
Agora poderemos calcular com mais facilidade as medidas de associao, assumindo que esse um estudo de coorte. Portanto, os riscos relativos em cada exposio seriam os seguintes:
Parece evidente que a exposio que est associada com mais fora ao fato de adoecer o consumo de peixe cru, assim como o consumo de gua no tratada. O risco relativo de 4,92 nos indica que a probabilidade de desenvolver clera foi 3,92 vezes maior nos sujeitos que consumiram peixe cru que nos que no consumiram. O risco de apresentar clera foi tambm quase trs vezes maior naqueles que consumiram gua no tratada. Considerando os riscos relativos restantes, essa evidncia aponta para uma implicao causal desses produtos no surto de clera nessas comunidades amazonenses.
73
Exerccio 3.6
Para quantificar a associao entre a exposio de mulheres gestantes a uma srie de supostos fatores de risco e a presena de baixo peso ao nascer (BPN) em seus conceptos, entre maio e setembro de 1996, realizou-se um estudo epidemiolgico na Provncia N de um pas da Amrica do Sul. Definiu-se como doente toda a me que tinha tido um menino/a com BPN (menos de 2.500 gramas) e como no doente toda a me que tinha tido um menino/a sem BPN. Foram selecionados 1.556 doentes e 16.910 no doentes, registrados entre 1988 e 1995 na base de dados do sistema informatizado perinatal disponvel em tal provncia. A Tabela 3.18 apresenta um resumo dos resultados do estudo.
Tabela 3.18 Prevalncia de exposio (%) a fatores de risco de baixo peso ao nascer. Estudo epidemiolgico; Provncia N, Amrica do Sul; 1988-1995.
Fator de risco Me adolescente (menor de 17 anos) Doena da placenta Sem acompanhamento pr-natal Ateno pr-natal tardia (a partir do 5 ms) Doente (n=1.556) 13,1 24,4 15,6 56,8 No doente (n=16.910) 7,1 7,2 2,1 31,0
a) Preencha adequadamente com os dados nas tabelas 2x2 e verifique a possvel associao entre exposio e doena.
b) Interprete e sintetize seus resultados.
74
Razo de Chances (Odds Ratio) Como acabamos de ver, para calcular o risco relativo precisamos da incidncia da doena nos expostos e no expostos e estas so obtidas atravs de estudo de coorte. Com mais frequncia, ocorre que quando precisamos identificar uma associao entre exposio e doena nos encontramos ante uma srie de indivduos que apresentaram a doena. Nessa situao, podemos recorrer a um estudo do tipo caso-controle, no qual se compara a histria de exposio dos doentes com a de um grupo similar de indivduos, porm sadios, o que se chama grupo controle. O desenho do caso-controle muito verstil e popular no campo e um dos estudos que nos permite obter uma medida denominada razo de chances (razo de produtos cruzados, razo de vantagens, razo de sorte, razo de possibilidades, razo de odds), anloga ao risco relativo, que estima o excesso de risco. Nos estudos caso-controle, parte-se de dois grupos de indivduos, um com a doena e outro sem ela, e investigado se tinham estado previamente expostos ao fator de risco. Assim, nos estudos de caso-controle, a tabela 2x2 tem os seguintes componentes:
Tabela 3.19 Tabela 2x2 (Estudo caso-controle)
Caso Exposto No exposto a c a+c controle b d b+d a+b c+d a+b+c+d
a = doentes (casos) que estiveram expostos ao fator de risco. b = no doentes (controles) que estiveram expostos ao fator de risco. c = doentes (casos) que no estiveram expostos ao fator de risco. d = no doentes (controles) que no estiveram expostos ao fator de risco. a + c = total de indivduos doentes (casos). b + d = total de indivduos no doentes (controles). a + b = total de indivduos expostos ao fator de risco. c + d = total de indivduos no expostos ao fator de risco. No seu original sentido ingls (odds ratio), a razo de chances literalmente significa razo de odds. Para compreender melhor o seu significado, devemos revisar, mais uma vez, o termo probabilidade. A definio segundo a estatstica frequentista nos diz que a probabilidade da ocorrncia de um evento indica a frequncia relativa limite com que dito evento ter lugar a longo prazo, em testes repetidos em condies similares. O termo frequncia relativa implica que o valor numrico de qualquer probabilidade est situado entre 0 e 1.
75
Como vimos ao longo desse Mdulo, a probabilidade muito utilizada para quantificar a frequncia esperada de certas caractersticas de interesse, sob condies de incerteza como, por exemplo, a porcentagem de indivduos nos quais se espera que estejam presentes um risco ou uma doena concretos. Essa mesma informao est contida em outra medida, relacionada com a probabilidade, mas que se expressa de forma diferente. Trata-se do odds. A odds (ou vantagem) est definida como probabilidade de que ocorra um evento dividido pela probabilidade de que no ocorra, isso , o odds vem a ser uma razo de probabilidades complementar. Isso :
Por exemplo, dizer que nossa equipe de futebol tem uma probabilidade de 80% de ganhar os jogos de domingo o mesmo que dizer que o seu odds 4 a 1 (80:20) para essa ocasio. Ou, se 60 fumantes desenvolvem tosse crnica e 40 no, o odds entre esses 100 fumadores a favor do desenvolvimento da tosse 60:40, ou 1,5; em contraste, a probabilidade de que esses fumantes desenvolvam tosse 60/100 ou 0,6. Em um estudo caso-controle definem-se os odds a favor da exposio ao fator de risco. Assim, nos casos, o odds de ter estado exposto ser:
e, nos controles, ser:
Dessa forma, a razo de chance (OR) o quociente entre os odds, em favor da exposio dos casos e dos controles, isso :
76
Razo de chances: o quociente entre dois odds. Define-se de forma diferente segundo a situao avaliada. Em um estudo de caso-controle, a razo de chances (OR) o quociente entre as vantagens (odds) a favor da exposio nos casos (a/c) e nos controles (b/d) (OR de exposio). Em um estudo de coorte ou um estudo tranversal a odds o quociente entre as vantagens (odds) a favor da doena nos expostos(a/b) e nos no expostos (c/d) (odds da doena). Em ambos os casos o clculo fica reduzido a ad/bc
A razo de chances dos estudos de caso-controle proporciona uma medida que conceitual e matematicamente anloga ao risco relativo dos estudos de coorte. Desde um ponto de vista mais prtico, o OR corresponde razo de produtos cruzados em uma tabela 2x2, como a apresentada nesse Mdulo e calcula-se mediante a seguinte frmula:
Essa medida da fora da associao tem a mesma interpretao que o risco relativo e em determinadas circunstncias (de baixa frequncia da doena) constitui uma boa aproximao desse. Assim, um OR igual a 1 (OR=1) indica a ausncia de associao exposiodoena; um OR maior de 1 (OR >1) indica exposio de risco e um OR menor de 1 (OR<1) indica um efeito protetor. Retomando o nosso exemplo sobre a clera na Amaznia, assumamos que a situao corresponde a um desenho do tipo caso-controle, como poderia ser no caso de que se tratasse de consultas em nosso centro de sade. Em tal situao, os casos seriam todos os doentes com clera atendidos no centro de sade e os controles, por exemplo, todos os pacientes atendidos por outra causa. Ainda que assim no possamos calcular a incidncia, poderemos sim medir a fora de associao entre exposio e doena atravs da razo de chances (OR), a saber:
77
Se compararmos a fora de associao medida com o RR e com o OR, observaremos que as diferenas no mudam a concluso sobre as exposies que parecem estar causalmente implicadas na propagao da clera na comunidade. necessrio reiterar que tanto o risco relativo como a razo de chances mede o excesso de risco nos expostos com relao aos no expostos a um determinado fator e ambos tm como ponto de referncia a unidade (RR=1 ou OR=1). Assim, se, um RR ou um OR igual a 2, por exemplo, no significa que os expostos tenham duas vezes mais risco que os no expostos, seno uma vez mais, dizer que os expostos tm o dobro de risco dos no expostos (100% mais risco); um RR ou um OR igual a 1,5 significa que os expostos tm 0,5 vezes mais risco que os no expostos (ou seja, 50% de excesso de risco).
78
Apndice estatstico - epidemiolgico

Nesta seo, so apresentados elementos adicionais para a anlise epidemiolgica, os quais podem ser consultados posteriormente. Esses incluem testes de significncia estatstica, estimativa de intervalos de confiana, mtodos para a anlise de impacto de fatores de risco na populao e mtodos para o controle de fatores que podem distorcer a comparao entre as populaes. Comparao das Mdias: O Teste Z Depois de um surto de malria, um centro de sade realiza um programa de triagem ou rastreamento no qual 150 esfregaos sanguneos de crianas de 1 a 4 anos de idade so examinadas para detectar a presena de parasitos Plasmodium falciparum. So encontradas 70 lminas positivas e o nvel mdio de hemoglobina nessas crianas foi de 10,6 g/dL, com um desvio-padro de 1,4 g/dL. O nvel mdio de hemoglobina nas 80 crianas com lminas negativas foi de 11,5 g/dL, com um desvio-padro de 1,3/dL. O centro de sade estava interessado em saber se a infeco por P. falciparum diminui os nveis de hemoglobina nas crianas da comunidade. Os dados que resumem a situao so descritos a seguir:
crianas com malria (grupo 1) tamanho do grupo (n) media ( ) desvio-padro (DP) 70 10,6 1,4 crianas sem malria (grupo 2) 80 11,5 1,3
Do ponto de vista estatstico, o interesse do centro de sade consiste em saber se existe ou no diferena entre as mdias de hemoglobina observadas nos grupos de crianas. Nesse caso, podemos usar um teste de significncia estatstica chamado Teste Z, cujos valores estatsticos so:
Segundo esse teste, o valor crtico do Z para um nvel de significncia de 0,05 (5%) 1,96. Quando o valor de Z calculado maior que o Z crtico (1,96), rejeitada a hiptese nula e conclui-se que a diferena observada estatisticamente significativa com 95% de confiana (p<0,05). Substituindo,
79
O resultado significativo em nvel 0,05 (5%), posto que 4,06 maior que 1,96 (nesse teste considerado o valor absoluto). Consequentemente, pode-se afirmar com 95% de confiana que a infeco por P. falciparum diminui os nveis de hemoglobina nas crianas atingidas. Essa confiana estatstica, porque expressa a segurana relativa com que se toma uma deciso estatstica: dizer que h ou no h diferena entre dois grupos observados, em funo da influncia do acaso. Essa deciso, em estatstica, corresponde a rejeitar ou aceitar a hiptese nula ou de diferena. A Tabela 3.14 apresenta outros valores crticos de Z para diferentes nveis de significncia. Esse teste usado somente quando ambas as amostras so grandes (>30 cada grupo) de outro modo, costuma-se aplicar o teste t de Student, no tratado nesse Mdulo. Intervalos de Confiana para mdias e propores Um procedimento alternativo ou complementar da inferncia estatstica para estimar o grau de incerteza que h entre os estimadores dos parmetros populacionais o cmputo de seus intervalos de confiana. Sua comparao direta, inclusive, pode ser tanto ou mais informativa que os valores de p do nvel de significncia para decidir se uma diferena entre os estimadores (mdias ou propores) ou no estatisticamente significativa. De modo geral, um intervalo de confiana simtrico em relao ao estimador que contm, isso , que se constri somando e diminuindo uma mesma quantidade mdia ou proporo observada na populao estudada. Essa quantidade se chama erro de amostragem e corresponde ao produto do erro-padro do estimador e um valor crtico do teste estatstico correspondente, que costuma ser o valor de Z para um nvel de confiana de 95% (1,96). Assim,
O erro-padro o mesmo que se usa nos testes de significncia estatstica e, como j vimos, uma expresso da variao ou variabilidade entre os indivduos nas amostras da populao. Mais concretamente, o erro-padro representa o desvio-padro de uma distribuio de amostras repetidas da mesma populao. Imaginemos que em uma mesma populao repete-se 100 vezes o mesmo estudo para determinar o perodo de incubao mdio, em dias, de difteria. Cada estudo resumir os seus resultados em duas medidas:
80
a mdia e o desvio-padro do perodo de incubao da difteria. Assim, teremos 100 mdias e 100 desvios-padro do mesmo. Se fizermos um grfico das 100 mdias obtidas, veremos que estas seguem uma distribuio normal e, portanto, essa distribuio de amostras ter tambm uma mdia e um desvio-padro. Essa mdia uma mdia de mdias e esse desvio-padro , justamente, o erro-padro; ambos representam os verdadeiros parmetros populacionais do perodo de incubao da difteria. O erro-padro uma medida de grande importncia na teoria de amostragem; na prtica se expressa como uma relao entre a disperso dos dados observados e o tamanho da amostra estudada. O intervalo de confiana desse modo construdo indica a posio em que o verdadeiro parmetro populacional estudado est contido, com uma probabilidade conhecida. Por exemplo, se um estudo sobre o perodo de incubao da difteria reporta que a mdia 3,5 dias e o Intervalo de Confiana de 95% (IC95%) 2,4-6,1 dias, o que esto dizendo os autores : apesar do nosso resultado pontual ser de 3,5 dias em mdia, reconhecemos que essa uma estimativa e portanto est sujeita a erro aleatrio. No entanto, temos 95% de confiana que o verdadeiro tempo de incubao da difteria est entre 2,4 dias e 6,1 dias. Em outras palavras, esto dizendo que se for repetido 100 vezes o mesmo estudo, em 95 das vezes a mdia obtida estar entre 2,4 e 6,1 dias, mas em 5 das vezes poder estar fora do intervalo de confiana. Dessa forma, o intervalo de confiana quantifica de modo explcito a inerente impreciso dos dados. IC95% de uma mdia:
O IC95% da mdia de hemoglobina no grupo de crianas com malria ser:
Limite inferior (Li) = 10,3g/dL; Limite superior (Ls) = 10,9g/dL. O IC95% da mdia de hemoglobina no grupo de crianas sem malria ser:
Li = 11,2g/dL; Ls = 11,8g/dL.
81
O Grfico 3.10 compara visualmente ambos os grupos de populao em funo de seus respectivos intervalos de confiana. O fato de observar que suas posies no se sobrepem entre si (o limite superior de um e o limite inferior de outro no se tocam) sugere que h diferena estatisticamente significativa entre ambos, em correspondncia com os resultados do teste de significncia empregado (Teste Z).
Grfico 3.10 Comparao de intervalos de confiana de duas mdias
12
11.5 Hemoglobina (g/dl)
11
10.5
10 com malria Grupo da populao sem malria
IC95% de uma proporo:
O IC95% de confiana para a incidncia de malria em camponeses ser:
Li = 0,0493 (49,3 por mil); Ls =0,1272 (127,2 por mil).
82
Observe que a proporo p na frmula se expressa em um determinado valor (ou seja, vai de 0 a 1); os resultados so multiplicados por 1.000 para serem expressos como taxas por mil. O IC95% de confiana para a incidncia de malria entre os no camponeses ser:
Li = 0,0367 (36,7 por mil); Ls =0,0748 (74,8 por mil). O Grfico 3.11 compara visualmente ambos grupos populacionais em funo de seus respectivos intervalos de confiana. O fato de observar que suas posies se sobrepem entre si (o limite superior de uma e o limite inferior da outra se tocam) sugere que no h diferena estatisticamente significativa entre ambos, em correspondncia com os resultados do teste de significncia empregado (Chi-Quadrado). Alm disso, observe a largura do intervalo de confiana para a incidncia em camponeses: a amplitude de um intervalo de confiana tambm informa sobre a preciso do estudo; os intervalos amplos indicam perda de preciso da amostragem.
Grfico 3.11
130
Comparao de intervalos de confiana de duas propores
110 Incidncia de malria (por mil)
90
70
50
30 camponeses no camponeses
Grupo da populao
83
A estimativa de intervalos de confiana um procedimento bsico para documentar o grau de preciso de nossos resultados. Os mtodos que revisamos so mais comuns e teis na prtica cotidiana da epidemiologia. No entanto, deve ser ressaltado que existe uma ampla variedade de tcnicas para a estimativa de intervalos de confiana de distintos parmetros populacionais, como os intervalos de confiana de uma diferena de mdias, de uma diferena de propores, riscos relativos, razes de chances e outras importantes medies em sade. Ainda que o desenvolvimento desses clculos no faa parte dos objetivos do MOPECE, os princpios bsicos que foram descritos sobre a construo de intervalos de confiana so aplicados universalmente para tais casos. Medidas de impacto potencial Riscos atribuveis A comparao de duas medidas de incidncia acumulada, como foi destacado, permite quantificar o excesso de risco entre dois grupos com diferentes nveis de exposio ao fator de interesse. Esse excesso de risco pode ser medido em duas direes: a razo de taxas, dividindo-as para obter o risco relativo, ou a diferena de taxas, diminuindo-as, em cujo caso obteremos o chamado risco atribuvel em expostos, isso : risco atribuvel em expostos = incidncia em expostos incidncia em no expostos
No exemplo de Framingham, o risco atribuvel em expostos (hipertensos) ser: risco atribuvel em expostos: 545,5 189,0 = 356,5 por 1.000 expostos
que a taxa da DCC nos expostos que se considera devida ou atribuvel exposio, isso , ao fato de ser hipertensos. Em outras palavras, se os indivduos expostos deixassem de ser hipertensos (isso , se eliminassem sua exposio ao fator de risco), seu risco absoluto original (545,5 por 1000) ficaria reduzido somente ao risco absoluto dos no expostos (189,0 por 1000); esse excesso de risco (365,5 por 1000) de adoecer com DCC atribudo hipertenso. De forma anloga, o risco atribuvel na populao (RAP) a magnitude absoluta de incidncia de doena que se atribui exposio, j no somente nos expostos seno no conjunto da populao. O RAP a diferena entre a incidncia na populao (Ip) e a incidncia nos no expostos, isso :
84
No exemplo de Framingham, podemos determinar que a incidncia de DCC na populao foi 196,0 por mil pessoas (218 casos em 1.112 pessoas). O RAP ser: Risco atribuvel na populao, RAP: 196,0 189,0 = 7,0 por 1.000 habitantes
Esse valor corresponde taxa de DCC na populao que se considera devida ou atribuvel hipertenso (a exposio). Isso representa que, se no houvesse hipertenso na populao, o risco absoluto de adoecer com DCC seria 189,0 por mil pessoas em vez de 196,0 por mil: o excesso de risco, atribuvel exposio, somente de 7,0 por mil habitantes. Fraes atribuveis A partir dos riscos atribuveis podemos calcular outras duas medidas importantes, chamadas medidas de impacto potencial: a frao atribuvel em expostos e a frao atribuvel na populao. A frao atribuvel em expostos simplesmente o risco atribuvel em expostos expresso percentualmente, isso , a proporo da incidncia em expostos que se considera devida exposio ao fator de risco. Isso :
No exemplo de Framingham sobre hipertenso e DCC, a frao atribuvel em expostos chamada tambm risco atribuvel percentual, RA%, ser:
Isso quer dizer que o 65% do risco absoluto em expostos devido exposio ao fator de risco, isso , ao fato de ser hipertensos (o risco atribuvel em expostos, 356,5 por 1.000, equivale a 65,4% do risco absoluto em expostos, 545,5 por 1.000). Finalmente, a frao atribuvel na populao ou frao etiolgica uma medida que quantifica o excesso de risco de adoecer, que se atribui exposio j no somente nos expostos, seno, no conjunto da populao. Essa medida simplesmente o risco atribuvel na populao expresso percentualmente (RAP%). Dessa forma, a frao atribuvel na populao expressa como:
85
A frao atribuvel na populao permite identificar a importncia relativa da exposio a um determinado fator de risco na populao, pois expressa a magnitude em que seria reduzido o risco absoluto de adoecer no conjunto da populao (isso , a incidncia da doena na populao) caso fosse eliminada dita exposio. Por isso, considera-se que o RAP% uma medida de grande transcendncia em sade pblica. No exemplo de Framingham sobre hipertenso e DCC, a frao etiolgica ou risco atribuvel populacional percentual RAP%, ser:
Isso quer dizer que a hipertenso representa somente 3,6% do risco absoluto de adoecer com DCC. Em outras palavras, se tivesse sucesso a eliminao da hipertenso em toda a populao, se teria conseguido reduzir unicamente 3,6% o risco de desenvolver doena cardaco-coronria nessa populao.
86
Exerccio 3.7
Complete a informao do quadro seguinte com relao ao impacto potencial associado aos outros dois fatores de risco de DCC apresentados no Tabela 3.16a:
Fator de risco Medida Cardiomegalia (medida pelo incremento da sombra cardaca pelo raio X) Tabagismo (hbito presente de fumar cigarros)
Risco relativo
Risco atribuvel em expostos
Risco atribuvel na populao
Frao atribuvel em exposto
Frao atribuvel na populao
Faamos agora um resumo de nossas observaes sobre a situao descrita no exemplo de Framingham. Estivemos interessados em ver qual era o risco de desenvolver doena cardaco-coronria em uma populao em funo da exposio a trs fatores de risco: hipertenso, cardiomegalia e tabagismo. Vimos que o fator com o maior risco relativo a hipertenso (RR=2,9) e o de menor o tabagismo (RR=1,9) mas, por outro lado, a frao
87
etiolgica mais alta a do tabagismo (RAP%=39,5%) e a mais baixa a de hipertenso (RAP%=3,6%). Em outras palavras, ainda que um indivduo hipertenso claramente tenha mais risco de desenvolver DCC que um fumante, em nvel populacional, seria mais recomendvel aplicar uma estratgia de reduo do tabagismo, do que uma de reduo da hipertenso. Por qu? Essa situao, relativamente comum, ilustra o contraste entre risco individual e risco populacional. Essa situao se explica pelas diferenas na prevalncia de exposio na populao aos distintos fatores de risco. Com os dados do Tabela 3.21, podemos inferir que a prevalncia de hipertenso na populao foi de 2%, enquanto que a de tabagismo foi de 72%. Assim, o RAP% sensvel no somente magnitude do excesso de risco entre expostos e no expostos, seno tambm magnitude da exposio ao risco na populao. No exemplo de Framimgham, que sintetizamos no Tabela 3.21 e Grfico 3.12 seguintes, se tivssemos que decidir por uma interveno de sade pblica para diminuir o risco de DCC uma situao habitual quando h limitao de recursos a interveno dirigida para diminuir a prevalncia do consumo de cigarros ter definitivamente maior impacto em dita populao.
Tabela 3.21 Exposio a fatores de risco e doena cardaco-coronria (DCC). Segmento de 16 anos em homens de 35-44 anos de idade. Framingham, EUA.
Fator de risco inicial A B C hipertenso sistlica cardiomegalia tabagismo Risco relativo. (RR) 2,9 2,1 1,9 Prevalncia de exposio (PE) 2,0 10,0 71,9 Frao etiolgica (RAP%) 3,6 9,8 39,5
Adaptado de Kahn e Sempos.
Grfico 3.12 Exposio a fatores de risco e doena cardaco-coronria (DCC). Segmento de 16 anos em homens de 35-44 anos de idade. Framingham, EUA.
Risco relativo 3.0 2.5 2.0 1.5 1.0 A B C 75 60 45 30 15 0 A B C Prevalncia de exposio 40 30 20 10 0 A B C Frao etiolgica
Outro ilustrativo exemplo da importncia de considerar o impacto potencial das medidas de controle na comunidade na hora de tomar decises encontra-se no caso da
88
clera na Amaznia, apresentado no Tabela 3.17. De acordo com a informao disponvel, podemos determinar a frao atribuvel na populao (frao etiolgica, RAP%) da exposio a peixe cru e gua no tratada:
Isso nos permite saber que, apesar do consumo de peixe cru estar mais fortemente associado presena de clera (RR=4,9), seu impacto potencial na populao muito baixo, porque a prevalncia de exposio (consumo de peixe cru) na populao muito baixa (1,2%). No caso de eliminar o consumo de peixe cru nessa populao, somente conseguiramos reduzir aproximadamente 5% de sua incidncia de clera. Pelo contrrio, o consumo de gua no tratada - uma prtica altamente prevalente em dita comunidade (68,4% consome gua no tratada) - tem grande impacto potencial; eliminar esse fator de risco reduziria em 65% a incidncia de clera na populao. Ainda que seja bvio que as campanhas de preveno de clera nessa comunidade tero de comunicar o risco de consumir peixe cru ou frutas sem lavar, o investimento ter que se dirigir prioritariamente para evitar que sua populao consuma gua no tratada. Padronizao de taxas Com a finalidade de sintetizar a informao disponvel, frequentemente as taxas so apresentadas para a populao completa ou para grandes categorias da mesma. Essas taxas so chamadas taxas brutas. Com estas taxas-resumo, costuma-se comparar a mortalidade ou a incidncia de uma doena entre duas reas geogrficas, dois grupos populacionais ou dois momentos no tempo e ver se existem diferenas relevantes. Consideremos a seguinte situao:
Faixa etria (anos) Total PAS A bitos 1.269.166 Populao 68.386.000 Taxa. por mil 18,6 bitos 5.564.944 PAS B Populao 198.250.000 Taxa. por mil 28,1
Os dados de mortalidade e populao correspondem ao mesmo ano-calendrio. O Pas A um pas pouco industrializado; o Pas B um pas altamente industrializado. Que informao comparativa pode-se obter a partir desses dados? Basicamente, poderamos tirar duas concluses: 1) que a taxa de mortalidade no pas B mais alta que no Pas A, e 2) que o risco de morrer no Pas B 50% mais alto que no Pas A. Isso significa que, em
89
termos de mortalidade, o Pas B est em uma situao mais desfavorvel que o Pas A. O Pas B, como foi mencionado, um pas altamente industrializado. As taxas podem tambm ser apresentadas de forma desagregada para vrias categorias da populao, definidas sobre a base de caractersticas relevantes para uma comparao, tais como idade, sexo, etnia, ocupao ou nvel de exposio a determinado fator de risco. Essas taxas so denominadas taxas especficas. Calculando que o risco de morrer ou de contrair a grande maioria de doenas est relacionado, geralmente, com a idade e frequentemente difere entre os sexos, a anlise da mortalidade ou a incidncia de doena em uma populao deve necessariamente fazer uso das correspondentes taxas especficas. Voltemos agora situao entre os pases A e B.
Faixa etria (anos) Total <15 15 44 45 64 65 e + PAS A bitos 1.269.166 317.308 338.100 270.261 343.497 Populao 68.386.000 19.831.740 35.218.790 10.941.760 2.393.710 Taxa . por mil 18,6 16,0 9,6 24,7 143,5 bitos 5.564.944 94.169 380.430 1.223.875 3.866.470 PAS B Populao 198.250.000 24.781.250 79.256.250 61.501.250 32.711.250 Taxa . por mil 28,1 3,8 4,8 19,9 118,2
A partir dessa informao possvel identificar pelo menos trs fatos relevantes: 1) o Pas A tem taxas de mortalidade especficas por idade mais altas que o Pas B em todos os grupos de idade considerados; 2) a estrutura por idades difere de forma marcante entre as duas populaes: o pas A concentra sua populao em idades jovens; o pas B em idades mais velhas; e 3) h uma aparente contradio entre o que essa informao mostra e o que se conclui observando as taxas brutas de mortalidade dos dois pases. Como pode ser explicada essa aparente confuso? Dado que, como foi mencionado, o risco de morrer ou adoecer est normalmente associado com a idade, as taxas brutas de mortalidade e incidncia dependem criticamente da composio etria de uma populao. Isso ganha maior relevncia quando o objetivo comparar duas populaes. Pode ser, portanto, imprprio usar taxas brutas para comparar duas populaes distintas a menos que tenham a mesma estrutura por idades. A diferena de composio etria (ou seja, a varivel idade) exerce um efeito de confuso na comparao de taxas brutas de mortalidade por pas. De fato, uma taxa crua basicamente uma mdia ponderada das taxas especficas por categoria, sendo que os pesos so as propores de populao em cada categoria. Para poder realizar uma comparao livre de distores que podem produzir diferenas na composio da populao, devem ser empregadas as taxas padronizadas. As taxas padronizadas ou ajustadas so taxas-resumo construdas estatisticamente para conside-
90
rar e remover o potencial efeito de confuso da varivel idade ou outra terceira varivel, ao comparar as taxas de mortalidade ou incidncia de duas populaes diferentes. O procedimento bsico para o ajuste de taxas (o chamado mtodo direto) precisa contar com as taxas especficas por categoria da varivel a ajustar (por exemplo, a idade) em ambas as populaes a comparar. So necessrios dois conjuntos de taxas especficas por idade (um para cada pas) e uma populao padro. A idia geral ver qual seria o nmero total de bitos que haveria em cada um dos dois pases se esses tivessem exatamente a mesma estrutura de idade (a populao padro) e ocorressem as taxas especficas por idade realmente observadas de cada pas. Em outras palavras, se trata de ajustar a estrutura de mortalidade observada em cada pas a uma estrutura de idade nica e padro para os dois. O procedimento inclui os quatro passos seguintes: 1. Fixar a populao padro: pode-se selecionar uma j conhecida ou pode-se construir uma a partir dos dados; por exemplo, somando as populaes especficas por categoria de idade em cada grupo;
Faixa etria Total <15 15 44 45 64 65 e + PAS A 68.386.000 19.831.740 35.218.790 10.941.760 2.393.710 PAS B 198.250.000 24.781.250 79.256.250 61.501.250 32.711.250 Populao padro (A + B) 266.636.000 44.612.990 114.475.040 72.443.010 35.104.960
2. Calcular o nmero de bitos em cada categoria de idade da populao-padro aplicando as taxas especficas por idade observadas em cada uma das duas populaes a comparar;
Faixa etria Total <15 15 44 45 64 65 e + Populao padro 266.636.000 44.612.990 114.475.040 72.443.010 35.104.960 16,0 9,6 24,7 143,5 713.808 1.098.959 1.789.339 5.037.556 3,8 4,8 19,9 118,2 169.530 549.480 1.441.616 4.149.407 PAS A Taxa observada bitos esperados PAS B Taxa observada bitos esperados
Por exemplo, o nmero de bitos esperados no grupo de menores de 15 anos para o Pas A calculado atravs de uma regra de trs simples: se ocorrem 16 bitos por cada mil pessoas, quantos bitos ocorrero em 44.612.990 pessoas? Isso ,
91
3. Obter o nmero total de bitos esperados em cada pas, somando os resultados correspondentes do passo anterior, e,
Faixa etria Total <15 15 44 45 64 65 e + Populao padro 266.636.000 44.612.990 114.475.040 72.443.010 35.104.960 16,0 9,6 24,7 143,5 PAS A Taxa observada bitos esperados 8.639.663 713.808 1.098.959 1.789.339 5.037.556 3,8 4,8 19,9 118,2 PAS B Taxa observada bitos esperados 6.310.033 169.530 549.480 1.441.616 4.149.407
4. Calcular as respectivas taxas ajustadas por idade para cada populao, dividindo o nmero total de casos esperados obtidos no passo anterior, entre o total da populao padro.
Comparemos mais uma vez os resultados brutos e ajustados:

Taxa de mortalidade por mil Bruta Padronizada PAS A 18,6 32,4 PAS B 28,1 23,7
Aps ter removido a distoro produzida pela diferena na estrutura de idades, contase com uma medida-resumo vlida para comparar a mortalidade entre os dois pases: a taxa de mortalidade aproximadamente 40% mais alta no Pas A que no Pas B. Cabe ressaltar que o uso de taxas padronizadas somente est indicado com fins comparativos: sua construo estatstica est baseada na seleo arbitrria de um padro e, por isso, a magnitude da cifra necessita do valor intrnseco. Por ltimo, a padronizao de taxas no supre as deficincias na qualidade, na cobertura, nem no registro dos dados.
92
Referncias bibliogrficas
Alleyne GAO. Gente sana en entornos saludables. Informe Anual del Director OPAS 1998. Organizacin Panamericana de la Salud; Washington DC, 1999. Alleyne GAO. Emerging diseasesWhat now?. Emerging Infectious Diseases 1998 July; 4(3):498-500. Beaglehole R, Bonita R, Kjellstrm T. Epidemiologa bsica. Organizacin Panamericana de la Salud; Washington DC, 1994. Bortman M. Factores de riesgo de bajo peso al nacer. Revista Panamericana de Salud Pblica/ Pan American Journal of Public Health 1998 May;3(5):314-21. Castillo-Salgado C [Editor]. Manual sobre el enfoque de riesgo en la atencin maternoinfantil. Segunda edicin. Organizacin Panamericana de la Salud; Washington DC, 1999. Centers for Disease Control. Epidemiologic notes and reports: Eosinophilia-Myalgia SyndromeNew Mexico. Mortality and Morbidity Weekly Report 1989 November 17,38(45):765-67. Colton T. Estadstica en medicina. Ediciones Daz de Santos S.A.; Madrid, 1995. Donaldson RJ, Donaldson LJ. Medicina comunitaria. Editorial Daz de Santos; Madrid, 1989. Fletcher RH, Fletcher SW, Wagner EH. Epidemiologa clnica: aspectos fundamentales. Segunda edicin. Masson, Williams & Wilkins Espaa, S.A.; Madrid, 1998. Freund JE, Williams FJ. Dictionary/Outline of basic statistics. Dover Publications, Inc.; New York, 1991. Gordis L, Epidemiology. Second edition. W.B. Saunders Company; Philadelphia, 2000. Gore SM, Altman DG. Statistics in practice. British Medical Association; London, 1982. Kahn HA, Sempos CT. Statistical methods in epidemiology. Oxford University Press; New York, 1989. Kirkwood BR. Essentials of medical statistics. Backwell Scientific Publications; Osney Mead, 1988. Last J [Editor]. A dictionary of epidemiology. Third edition. International Epidemiological Association. Oxford University Press; New York, 1995. Lwanga SK, Tye CY, Ayeni O. Teaching health statistics. Lesson and seminar outlines. Second edition. World Health Organization; Geneva, 1999. Newcomer RJ, Benjamin AE. Indicators of chronic health conditions. Monitoring communitylevel delivery systems. The Johns Hopkins University Press; Baltimore, 1997. Norell SE. Workbook of epidemiology. Oxford University Press, Inc.; New York, 1995. Norman GR, Streiner DL. Bioestadstica. Mosby/Doyma Libros, S.A.; Madrid, 1996. Organizacin Panamericana de la Salud. Las condiciones de salud en las Amricas. Volumen I. Edicin de 1994. Organizacin Panamericana de la Salud; Washington DC, 1994.
93
Quick RE, Vargas R, Moreno D, et al. Epidemic cholera in the Amazon: the challenge of preventing deaths. American Journal of Tropical Medicine and Hygiene 1993;48(5):597-602. Rosner B. Fundamentals of Biostatistics. Fifth Edition. Duxbury Thompson Learning; Pacific Grove, 2000. Silva LC. Cultura estadstica e investigacin cientfica en el campo de la salud: una mirada crtica. Ediciones Daz de Santos, S. A.; Madrid, 1997. Tukey JW. Exploratory Data Analysis. Addison Wesley Publishing Co. 1977. Turnock BJ. Good news and bad news for public health. Journal of Public Health Management and Practice 1997 May;3(3):x-xi. Wallgren A, Wallgren B, Persson R, Jorner U, Haalad JA. Graphing statistics & data. Creating better charts SAGE Publications, Inc; Newbury Park, 1996.
94
ISBN: 978-85-7967-021-3
9 788579 670213

Mopece Mod 03

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Mopece Mod 03

Enviado por

Direitos autorais:

Formatos disponíveis

ORGANIZAO PAN-AMERICANA DA SADE Organizao Mundial da Sade Representao Brasil

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Medio de sade e doena na populao. . . . . . . . . . . . . . . . . . . . . . . . . . . 8

Tipos de dados e sua tabulao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Apresentao grfica de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Medidas de resumo de uma distribuio. . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Medidas de tendncia central. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

Comparao da frequncia da doena e medidas de associao . . . . . . . . 62

Mdulo 3: Medio das condies de sade e doena na populao

Apndice estatstico - epidemiolgico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Medio de sade e doena na populao

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Tipos de dados e sua tabulao

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Faixa etria (em anos) 20 - 23 24 - 27 28 - 31 32 - 35 36 - 39 40 - 43 44 - 47 48 - 51 52 - 55 56 - 59 60 - 63 Total

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Apresentao grfica de dados

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

B. Incorreto. Escala horizontal exagerada

400 300 200 100 0 2000

C. Correto. Escalas proporcionadas

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Tipo de varivel Nominal Ordinal

(*) mantendo a ordem das categorias (**) em variveis discretas ou categorizadas

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Medidas de resumo de uma distribuio

Organizao Pan-Americana da Sade / OMS

Mdulo de Princpios de Epidemiologia para o Controle de Enfermidades (MOPECE)

Medidas de tendncia central

0,04 Observada Densidade 0,03

0,00 15 25 35 45 Idade em anos 55 65

Organizao Pan-Americana da Sade / OMS

Mdulo 3: Medio das condies de sade e doena na populao

Perodo de incubao da rubola observado em 11 crianas, Lugar X, 2000.