1

UNIVERSIDADE FEDERAL DA BAHIA

INSTITUTO DE SADE COLETIVA
PROGRAMA DE SADE AMBIENTAL E DO TRABALHADOR

MINISTRIO DA SADE
SECRETARIA DE VIGILNCIA SADE
DIRETORIA DE SADE AMBIENTAL E DO TRABALHADOR
COORDENAO GERAL DE SADE DO TRABALHADOR










1 CURSO DE ESPECIALIZAO EM EPIDEMIOLOGIA EM SADE DO
TRABALHADOR, CEPIST








MDULO 4 - MEDIDAS EPIDEMIOLGICAS E FONTES DE INFORMAO EM
SADE DO TRABALHADOR



UNIDADE 2 Medidas de Associao






Vilma Sousa Santana









Salvador, maio de 2013
2
UNIDADE 2 - Medidas de Associao



Estas medidas so empregadas quando
desejamos verificar se uma exposio fator de
risco ou uma causa para agravos sade. Por
exemplo, se o trabalho com serras eltricas se
associa a dores lombares (veja a foto ao lado).
Ou se a exposio ocupacional aos vapores
cidos, comuns em metalrgicas, causa
problemas de sade bucal. Esses so apenas
alguns exemplos.

Assim, medidas de associao ajudam os investigadores a compreender quais
so as causas dos agravos sade e tambm outros aspectos, como o impacto de
programas de preveno e a quantidade de casos de certa doena que pode ser
atribuda a uma exposio ou fator de risco. Mas vamos com calma, aprendendo
passo a passo esses novos conceitos.

Estudos feitos com o propsito de conhecer causas em geral, no apenas as
ocupacionais, requerem grande grau de expertise, pois a anlise mais complexa que
a vista at agora, exigindo conhecimento de Estatstica e a capacidade de desenvolver
uma boa reviso da literatura, no apenas a nacional, como a internacional, e elaborar
um referencial terico detalhado. Isto , quais so as explicaes ou mecanismos que
conectam, potencialmente ou presumivelmente, a exposio ao problema de sade?
Chamamos isso de plausibilidade biolgica e esse conhecimento sustenta o exame de
hipteses causais. Para exemplificar, pensemos, por exemplo, na informao de que a
leptospirose mais comum entre garis do que entre os motoristas de caminhes de
coleta de lixo. Poderamos perguntar; essa enfermidade seria ento relacionada ao
trabalho???!!!!! Mas como podemos inferir que uma doena infecciosa ocupacional?
A plausibilidade biolgica deve-se a que: garis entram mais comumente em contato
com superfcies molhadas e lquidos coletados, como a gua durante alagamentos,
aumentando a chance de se infectarem em comparao aos demais trabalhadores,
como esses motoristas, mesmo sendo do mesmo ramo de atividade econmica.
Vejam os textos distribudos no Mdulo 2 e vocs podero entender melhor esse
ponto.

3

Mas por ora, vamos nos fixar no aprendizado das medidas. No Mdulo 5, voc
ir aprender a fazer alguns estudos com anlise de hipteses para identificao de
causas ocupacionais de problemas de sade.

Conceitos importantes para relembrar so o de co-ocorrncia entre dois
fatores, ou variveis, e o de contrafato, que so a base da lgica da experimentao
cientfica.




No se assuste! Isso pode parecer muito avanado, mas lembre de que voc
aprendeu a realizar experimentos cientficos quando estava no jardim de infncia,
colocando feijes em meio a um chumao de algodo umedecido para verificar se o
crescimento do broto era causado pela intensidade da exposio luz. Na minha
lembrana, eu colocava os copinhos com os feijes perto da luz e na sombra, para
verificar em qual situao o crescimento do broto era maior, com mais luz ou menos
luz. E voc, viveu isso tambm? Nesse experimento, o fator de exposio era a luz
solar, e o desfecho, o tamanho do broto de feijo.

Em uma situao do campo da Sade do Trabalhador, podemos pensar a co-
ocorrncia do seguinte modo: uma varivel a exposio no ambiente de trabalho, e
a outra, o desfecho, ou seja, um problema de sade como no exemplo da leptospirose
que mencionamos acima. Ento, temos dois componentes fundamentais: a exposio,
que pode estar presente ou ausente (E; 1-sim / 0=no), e o problema de sade, da
mesma forma, presente ou ausente (D; 1=sim / 0=no).

Veja agora, na Figura 4, o diagrama que descreve as relaes e situaes
possveis da situao que reflete o seguinte experimento cientfico. Trabalhadores em
um ambiente de trabalho podem estar expostos (E=1) e ao mesmo tempo serem
portadores da doena (E=1, D=1), ou no (E=1, D=0). Por outro lado, os trabalhadores
podem ser no expostos (E=0) e ao mesmo tempo, podem ser portadores da doena,
(E=0, D=1) ou no (E=0, D=0). Assim, acho que voc passou a entender como
funciona a co-ocorrncia entre E e D.
Como assim????
4











Figura 4. Diagrama do modelo experimental aplicado Epidemiologia para
compreender co-ocorrncia de exposio e doena


Entendemos que pode haver uma associao entre a exposio e a
doena/evento quando a magnitude da ocorrncia (da doena/evento, que pode ser
expressa por uma medida de morbidade ou mortalidade etc.) entre os expostos
maior do que a estimada entre os no expostos. Vamos para um exemplo! Se a
prevalncia (medida de morbidade) de tuberculose pulmonar entre os atendentes de
enfermagem de uma enfermaria que trata pacientes com essa enfermidade maior do
que a prevalncia estimada entre os atendentes de enfermagem de uma enfermaria
para tratamento de obesidade mrbida, podemos inferir que o trabalho com pacientes
com tuberculose aumenta o risco potencial de infeco pelo bacilo de Koch, causador
da doena. Com esse exemplo fcil, no ? Agora que voc j entendeu a base do
que denominamos associao, vamos ver esse exemplo hipottico com os nmeros.

Se a prevalncia de tuberculose pulmonar (P
tb
) entre os trabalhadores da enfermaria
exposta (E=1) de 4%, que podemos denotar como P
tb
| E=1, voc l como a
prevalncia de tuberculose dado que ( | ) a enfermaria seja exposta;

....e a prevalncia de tuberculose pulmonar (P
tb
) entre os trabalhadores da enfermaria
no exposta (E=0) de 2%, que podemos denotar como P
tb
| E=0;

...ento a medida de associao entre trabalho na enfermaria exposta e tuberculose
pulmonar pode ser estimada pela razo de prevalncia (RP) da seguinte forma:

No
Exposto
Exposto
Doente
No doente
No doente
Doente
5

RP = P
tb
| E=1 / P
tb
| E=0
RP = 4% / 2%
RP = 2,0

E interpretamos o resultado como entre os atendentes de enfermagem de
uma enfermaria para tratamento de tuberculose, a prevalncia de casos dessa doena
maior do que a estimada entre os atendentes de enfermagem de uma enfermaria
no exposta, de comparao, ou referente. Voc pode tambm inferir que a
prevalncia de tuberculose entre os expostos o dobro da estimada entre os no
expostos. E assim, que trabalhar em enfermarias de tratamento de pacientes com
tuberculose aumenta a frequncia de casos dessa doena entre os trabalhadores. Ou
que a exposio ao trabalho com pacientes com tuberculose um fator de risco
potencial (pois estamos tratando de prevalncia, e no de coeficiente de incidncia,
no ?) para a tuberculose.













Podemos agora inferir que a frmula geral para medidas de associao em
Epidemiologia pode ser demonstrada por meio de razes (diviso de um nmero por
outro) entre a medida de morbidade (ou mortalidade) entre os expostos e no
expostos.


As medidas de associao baseadas em razes so:


N No ot te e q qu ue e e es st ta am mo os s c co om mp pa ar ra an nd do o
d do oi is s v va al lo or re es s p po or r m me ei io o d de e u um ma a r ra az z o o: :
d di iv vi id di in nd do o u um m n n . . p po or r o ou ut tr ro o. . P Po od de em mo os s
t ta am mb b m m d di im mi in nu ui ir r u um m d do o o ou ut tr ro o. . M Ma as s
e es ss sa a s se er r o ou ut tr ra a h hi is st t r ri ia a q qu ue e v ve er re em mo os s
a ad di ia an nt te e! !

6
Razo de prevalncia (RP) - Permite estimar quantas vezes maior a prevalncia
entre os expostos (P
expostos
) em comparao com a prevalncia entre os no expostos
(P
no expostos
).

ostos no
ostos
P
P
RP
exp
exp

Equao N. 7


Razo de riscos, razo de incidncia, risco relativo (RR) a mesma frmula
empregada para o clculo da razo de incidncia, tambm chamada de risco relativo
(RR), dividindo-se o coeficiente da incidncia da enfermidade entre os expostos
(I
expostos
) pelo coeficiente da incidncia entre os no expostos (I
no expostos
). Isto :

ostos no
ostos
I
I
RR
exp
exp

Equao N. 8



Razo de taxa de incidncia ou de densidade de incidncia (RTI) Da mesma
forma, dividindo-se a taxa de incidncia da enfermidade entre os expostos (TI
expostos
)
pela taxa entre os no expostos (TI
no expostos
). Isto :

ostos no
ostos
TI
TI
RTI
exp
exp
Equao N. 9


Agora, vamos novamente apresentar um exemplo para no restar dvidas de
compreenso.




7





































Exemplo 1 Entre trabalhadores da
construo civil foi estimado um coeficiente
de incidncia de acidentes de trabalho no
fatais, entre os que trabalhavam em altura,
de 23,7%; e entre os que relataram trabalhar
em outros postos de trabalho, o coeficiente
de incidncia foi 7,3%.

A razo do coeficiente de incidncia que
igual ao risco relativo (RR) assim
estimada:

RR = 23,7 / 7,3

RR = 3,3

Agora podemos interpretar!

Nota 1 O coeficiente de incidncia de acidentes de trabalho maior entre os
trabalhadores da construo civil que trabalham em altura, em comparao aos
demais.

Nota 2 Se voc quiser quantificar o tamanho da diferena, por exemplo, em
quantas vezes a I
1
maior do que I
0
Faa o seguinte:
RR 1 = ? (ou seja, 3,3 1 = 2,3)
....ento voc pode dizer que o risco (incidncia) de acidentes de trabalho 2,3
vezes maior entre os trabalhadores que trabalham em altura em comparao
com os demais da construo civil. Precisamos tirar o 1 por que corresponde ao
valor igual de um grupo em relao ao de comparao.

Assim, podemos dizer que o trabalho em altura um possvel fator de risco
para acidentes entre os trabalhadores da construo civil.

Vocs podem estranhar a afirmao possvel fator de risco, no?

que essa diferena encontrada pode ser devido ao acaso, por que estamos
tratando, possivelmente de uma amostra e no do total da populao. Lembra
que vimos anteriormente, que quando trabalhamos com amostras e no com a
populao total, ficamos marcados pelo pecado do erro aleatrio de que trata a
Estatstica? Ou seja, da inferncia estatstica. Sendo assim, alm dessa medida
pontual (RR = 3,3) precisamos verificar se ela no atinge esse valor por causa
de uma variao ao acaso. Veremos isso proximamente no Mdulo 5.

Aguarde!!!
8

Esta mesma base de interpretao se aplica para qualquer medida de associao
baseada em razo, como a razo de prevalncia (RP), a razo de mortalidade (RM),
ou a razo de mortalidade proporcional (RMP). Abaixo voc confere as frmulas das
duas ltimas citadas.


ostos no
ostos
CM
CM
RM
exp
exp
Equao N. 10



ostos no
ostos
MP
MP
RMP
exp
exp
Equao N. 11









Aprendendo a calcular medidas de associao em tabelas

Nem pense que a vida sempre assim, fcil, e que os nmeros estaro todos
identificados, organizados, bem apresentados esperando que voc apenas divida a
morbidade ou a mortalidade entre os expostos pelo valor estimado entre os no
expostos. No assim no pulo de gato, no! A realidade um pouquinho mais
trabalhosa!

Voc viu nas atividades prticas que em geral temos que montar as bases de
dados que precisamos. Identificar qual a exposio de interesse e o desfecho
(doena, por exemplo), que grupo est exposto (E) e no exposto (NE), e o nmero de
casos da doena (D) entre os expostos e no expostos, separadamente.

Simples
assim!!!
9
Isso resulta em quatro grupos de combinaes diferentes, correto? Vejamos:

1) a (D=1,E=1) que a pior situao para o trabalhador;
2) b (D=0, E=1);
3) c (D=1, E=0);
4) d (D=0, E=0) a melhor situao para o trabalhador.

Uma forma simples de apresentar esses quatro grupos por meio de uma
tabela dois por dois (2 x 2), tambm chamada de tabela de contingncia. Veja como
ela apresenta bem os grupos que acabamos de listar (Tabela 1). Ela mostra com
clareza e simplicidade a estrutura da lgica da anlise epidemiolgica (Figura 4). Ns
j vimos que esta lgica copia o modelo dos estudos experimentais. Sei que alguns
j dominam essa tabela, mas para os demais, vamos ver agora em detalhes como ela
se organiza.

Tabela 1. Modelo de tabela 2 x 2 para verificao de
associao entre exposio e desfecho



Exposio

Desfecho (doena)


Total
Sim (1)

No (0)

Sim (1)

a

b

(a + b)

No (0)

c

d

(c + d)

Total

(a + c)

(b + d)
N Total =
a+b+c+d


Observe inicialmente as colunas (em cinza) elas apresentam a varivel
desfecho (doena) com os seus dois grupos/categorias, ou seja, os casos (D=1) e os
no casos (D=0) de doena. Nas linhas (em cor laranja), est a varivel de exposio
com os respectivos grupos de expostos (E=1) e no expostos (E=0). A estrutura de
combinao dessas duas variveis esto apresentadas na cor verde, so as quatro
clulas centrais da tabela. Lembre que estamos tratando de variveis!


10
E os denominadores? Isso mesmo, precisamos tambm ter os denominadores
dos grupos que esto sendo comparados expostos e no expostos (Figura 4). Ou
seja, precisamos ter o total de pessoas expostas (E=1) e o total de pessoas no
expostas (E=0), independentemente do seu estado de sade (D). Esses subtotais
esto mostrados nas marginais ( direita) que aparecem em branco na Tabela 1 e
esto representados pelas somas das caselas, conforme mostrado abaixo.

Expostos (E=1) a + b
No expostos (E=0) c + d

Com esses subtotais podemos ento estimar a proporo de casos (D=1) entre
os expostos (E=1) e entre os no expostos (E=0).

Para estudos onde podemos calcular o coeficiente de incidncia (I), que entre
os expostos pode ser denotada como I
expostos
, ou I
1,
ou I
E=1
,a frmula a mesma que
vimos para propores anteriormente.

I
expostos
= I
1
= I
E=1
= a / (a+b)

E entre os no expostos, o coeficiente de incidncia pode ser denotado por I
no expostos
,
ou I
0,
ou I
E=0,
e calculado como:

I
no expostos
= I
0
= I
E=0
= c / (c+d)

Aprendemos a usar a tabela 2x2 para estimar a incidncia entre expostos e
entre no expostos. Vamos agora pensar na medida de associao, ou seja, na
comparao da incidncia entre expostos e no expostos, denominada, como j
vimos, de razo de risco ou risco relativo, RR. Assim, utilizando as notaes acima,
temos que RR corresponde razo entre I
1
e I
0


Risco Relativo = RR = I
1
/ I
0

ou considerando a notao detalhada da Tabela 1

RR = [ a / (a+b)] / [c / (c+d)]


11
Para os demais tipos de medida de morbidade, a lgica de clculo a mesma,
inclusive para a prevalncia. Lembre que a prevalncia difere da incidncia porque
nesta ltima tratamos de casos novos incidentes, no os existentes.










At agora vimos apenas medidas de associao positivas. Isto , a prevalncia
ou incidncia ou mortalidade eram maiores entre os expostos em comparao aos no
expostos. Mas claro que possvel que medidas de morbidade ou mortalidade
sejam maiores entre os no expostos em comparao aos expostos. Por exemplo,
sabemos que a mortalidade entre trabalhadores que se aposentaram maior do que
entre os que continuam ativos, mesmo quando so do mesmo grupo de idade. Isto
subsidia o conceito de efeito do trabalhador sadio, isto , os trabalhadores que
permanecem ativos, fazendo parte do mercado de trabalho, so mais saudveis do
que os que foram excludos por demisso, aposentadoria por incapacidade, por idade,
dentre outros aspectos, e por isso, tm menor mortalidade.

Para ajudar na sua compreenso, veja abaixo a linha da distribuio das
medidas de associao com base nas razes (Figura 5). Note que a distribuio varia
de zero at mais infinito (+ ). Entre zero e 1,0 se situam as associaes negativas, e
entre 1,0 e infinito, as associaes positivas. Lembrando que o 1,0 um ponto nulo
(igualdade), e que quanto mais distantes deste ponto, mais fortes as associaes, num
sentido ou no outro.






Figura 5. Distribuio de algumas medidas de associao baseadas em razo
INTERPRETAO

Obviamente, se uma razo for igual a 1,0 - isto significa que o
numerador igual ao denominador e, portanto, no h diferena
entre os valores em comparao. Neste caso, no existe
associao entre a exposio e o desfecho!

0,25
1,0 5,6
Associaes
negativas
Associaes
positivas
+

Zero
12

Vejamos agora um exemplo real. Em um estudo conduzido com 3.002
trabalhadores da indstria txtil na Carolina do Sul, Estados Unidos (Cole et al., 2013),
acompanhados entre 1940 e 2001, estimou-se a mortalidade por cncer de pulmo
(M
CP
) ao longo desse perodo de acordo com o grau de exposio a fibras de amianto:
no grupo de expostos a menos de 5 fibras-ano m/L (Grupo 1) a M
CP
= 8,56%, enquanto
entre os trabalhadores expostos a menos de 0,05 fibras-ano m/L (Grupo 2), a M
CP
foi
6,90%. Para a populao geral de mesmo grupo etrio, que representa o grupo de
comparao considerado no exposto a essa exposio ocupacional, a M
CP
foi
9,22%.

Podemos ento organizar os dados apresentados da seguinte forma:










Assim, a razo de mortalidade, correspondente associao entre nveis de
exposio ao amianto (dois grupos de exposio) e os bitos por cncer de pulmo,
em comparao com o grupo referente que a populao geral, pode ser estimada
como:

1) Grupo 1 de exposio ao amianto
R(M
CP
) = M
CP_G1
/ M
CP_PG

= 8,56 / 9,22
= 0,93

2) Grupo 2 de exposio ao amianto
R(M
CP
) = M
CP_G2
/ M
CP_PG

= 6,90 / 9,22
= 0,75

M
CP
entre trabalhadores da indstria txtil do Grupo 1 de exposio (<5 fibras-ano m/L)
M
CP_G1
= 8,56%
M
CP
entre trabalhadores da indstria txtil do Grupo 2 de exposio (<0,05 fibras-ano m/L)
M
CP_G2
= 6,90%
M
CP
na populao geral (no exposta)
M
CP_PG
= 9,22%
13
Como interpretar? J sabemos que a M
CP
menor entre os expostos ao
amianto em comparao com a M
CP
da populao geral. Mas qual o tamanho dessa
diferena?

1) Grupo 1 de exposio ao amianto
R(M
CP
) = 0,93

Temos que subtrair o valor da R(M
CP
) de 1,0 da seguinte forma: 1,0 0,93 = 0,07 e
assim, podemos dizer que a M
CP
no Grupo 1 de exposio ao amianto de sete
dcimos (0,07) menor que a M
CP
da populao geral.

2) Grupo 2 de exposio ao amianto
R(M
CP
) = 0,75

Temos que subtrair o valor da R(M
CP
) de 1,0 da seguinte forma: 1,0 0,75 = 0,25 e
assim, podemos dizer que a M
CP
no Grupo 2 de exposio ao amianto de vinte e
cinco dcimos (0,25) menor que a M
CP
da populao geral.


Voltando ao nosso exemplo, vejamos... A maior diferena entre as M
CP
, medida
pela R(M
CP
), foi para o Grupo 2. Caramba! Os resultados so contrrios ao que
esperamos, no mesmo? Ns sabemos que o amianto um cancergeno
comprovado e reconhecido como causa de cncer de pulmo, de pleura, dentre
outros, pela Agncia Internacional de Pesquisa sobre o Cncer, IARC, rgo da
Organizao Mundial de Sade (OMS/WHO), subordinado Organizao das Naes
Unidas (ONU/UN). E esse estudo recente (2013) relata que entre os expostos ao
cancergeno a mortalidade por cncer de pulmo menor? Como isso pode
acontecer?

Pelo que sabemos, no h plausibilidade para que isso ocorra. Os resultados
poderiam indicar que a exposio, ao invs de fator de risco, trata-se de fator de
proteo, mas como pensar que um cancergeno protetor?!! Os autores interpretam
os achados com base no efeito do trabalhador sadio. Quando os casos iam sendo
identificados (a partir do incio dos sintomas respiratrios, fadiga, dispneia), os
trabalhadores iam sendo transferidos para outros postos de trabalho com menor ou
14
nenhuma exposio. E assim, os casos passavam categoria de no exposto,
enviesando os resultados e dificultando as concluses.

Portanto, muito cuidado ao interpretar associaes negativas. Elas so
empregadas como padro para estudos de avaliao de impacto de vacinas ou
tratamentos, onde o que se almeja como efeito so redues de casos de problemas
de sade ou morte, incapacidade ou a durao da doena. Retornaremos a esse
ponto no Mdulo 5, quando trataremos da inferncia estatstica dessas medidas.












Outras medidas epidemiolgicas de associao

Alguns estudos epidemiolgicos por certas caractersticas,
so chamados de caso-controle, e as medidas de associao
possveis de serem estimadas so chamadas de odds ratio (que
se pronuncia dis richio). Nesse tipo de estudo, ao contrrio do que vimos at agora,
compara-se a frequncia de exposio entre os casos em relao aos no casos
(denominados controles). Por exemplo, a proporo de expostos radiao entre
casos de leucemia em comparao proporo de expostos radiao entre as
pessoas livres de leucemia (no casos). Como odds ratios so raramente empregadas
em Epidemiologia Aplicada aos Servios, foco desse curso, apresentamos apenas
uma breve introduo.

A odds ratio tambm uma razo, mas uma razo entre dois odds. Como
vimos anteriormente, a odds de uma dada varivel pode ser estimada: odds = p/(1-p)




15
E para a odds da exposio entre os casos

Odds(D=1) = (p
D=1
/(1- p
D=1
) Equao N. 12

E para a odds da exposio entre os no casos

Odds(D=0) = (p
D=0
/(1- p
D=0
) Equao N. 13

E assim, a odds ratio (OR) pode ser calculada como a razo entre a odds da
exposio entre os casos e no casos

OR = Odds(D=1) / Odds(D=0) Equao N. 14

Quando a doena rara, geralmente menor que 10%, a odds ratio (OR) se
aproxima matematicamente da razo das taxas de incidncia ou do risco relativo! Ou
seja, quando os casos forem incidentes.

Mas h uma forma muito mais simples de calcular a OR. Vamos l!


Para uma tabela 2 X 2, como a que apresentamos previamente (Tabela 1) na
qual as linhas representam a exposio, e as colunas o desfecho, temos que:
a = casos expostos;
b = no-casos expostos;
c = casos no-expostos;
d = no-casos, no-expostos.

A odds ratio pode ser calculada com a seguinte frmula:

OR= (a x d) / (b x c) Equao N. 15


16
Por essa razo, alguns autores nacionais preferem chamar a odds ratio de
razo de produtos cruzados.

A interpretao das odds ratio semelhante interpretao do risco
relativo. Para ficar mais claro, considere o exemplo da Tabela 2, que se refere a um
estudo realizado no Brasil. Neste estudo, do tipo caso-controle, foi testada a hiptese
de que exposio a solventes orgnicos era associada Linfoma no Hodgkin (LNH),
um tipo de cncer do tecido linftico. Considerando-se como grupo caso 109
indivduos com esse diagnstico, e como grupo controle 276 pessoas que haviam sido
diagnosticadas com outro tipo de cncer, estimou-se uma odds ratio de 1,67,
indicando haver maior chance de LNH entre as pessoas expostas aos solventes
orgnicos em comparao aos no expostos. Isso sugere que estas substncias
qumicas so um possvel fator causal para essa neoplasia (Rego et al., 2002).


Tabela 2 Resultados do estudo caso controle
para verificao de associao causal entre
Linfoma No Hodgkin e exposio a solventes

Fonte: Rego et al., IJOEM, 2002; 44(9) :874-81.











Exposio a
solventes

Linfoma no Hodgkin

Sim (D=1)

No (D=0)

Sim (E=1)
32

55


No (E=0)

77


221

Veja o clculo:
OR = ad / bc
= (32 x 221) / (77 x 55)
= 1,67

17
Medidas de impacto populacional potencial (diferenas)

Podemos comparar medidas de morbidade verificando-se em quantas
unidades um valor maior que o outro. simples! Subtrai-se um valor pelo outro,
obtendo-se uma diferena.

Para a prevalncia, calcula-se a diferena de prevalncia (DP), e quando a
medida for a incidncia cumulativa, estima-se a diferena de risco ou risco atribuvel
(RA), correspondentemente para todas as medidas de morbidade. Assim, para uma
prevalncia de DORT de 4,5% entre trabalhadores de 20 a 29 anos, e de 7,1% entre
aqueles de 30 a 39 anos, pode-se inferir que a prevalncia de DORT aumenta com a
idade, menor entre os mais jovens. Mas de quanto essa diferena? Qual o
tamanho da diferena? Ela igual a 2,6 pontos percentuais (DP = 7,1% - 4,5%).
Abaixo voc encontra a frmula do risco atribuvel, que a mesma aplicada por
analogia s demais medidas de diferena, como esse exemplo da DORT para
diferena de prevalncia (DP).

RA = I
expostos
I
no expostos
Equao N. 16

Note que essa uma transgresso, porque como as porcentagens provm de
populaes diferentes, no se poderia realizar esse tipo de operao matemtica.
Entretanto, a Epidemiologia se permite trabalhar com essas transgresses! Mas tenha
cuidado ao interpret-las!






Medidas de diferena ficam mais simples de compreender quando
apresentadas em modo relativo a outro valor. Ou seja, se compararmos a diferena
a certo valor. Isso fica mais fcil de compreender com um exemplo real.

No Brasil, em 2000, a mortalidade por acidentes de trabalho (AT) foi estimada
em 17,5 por 100.000, e em 2006, em 10,9 por 100.000 (CCVISAT, n1, 2011). claro
que houve uma queda entre 2000 e 2006, mas isso foi de quanto?

Uma sada!
18
1) Calcule a diferena de mortalidade subtraindo o valor estimado para o ano
de 2006 (10,9/100.000) do valor correspondente para o ano inicial, 2000
(17,5/100.000).

10,9 17,5 = - 6,6 (pontos percentuais)

2) Voc observou que o valor da diferena foi negativo, o que nos indica a
direo de queda, de reduo da mortalidade. Agora calcule a
proporcionalidade da diferena em relao ao valor do ano inicial que o
referente, nossa base de comparao. Para isso, basta dividir

6,6 / 17,5 = 0,377 ou 37,7%.

3) Podemos inferir que a queda da mortalidade por AT foi de 37,7% em 7 anos!


Esta medida denominada em Epidemiologia de risco atribuvel
proporcional (RAP), e a mesma lgica aplica-se quando queremos comparar
diferenas relativas exposio (RAP
E=1
). Pode ainda ser empregada, de modo
equivalente, para todas as medidas de morbidade ou mortalidade. A seguir
apresentamos a frmula, que coerente com o raciocnio do clculo que fizemos
juntos acima, empregada agora para estimar o risco atribuvel proporcional a uma
exposio, utilizando-se a diferena de incidncia (I). Veja!

ostos I
ostos Ino ostos I
ostos RAP
exp
exp exp
exp

Equao N. 17



100
exp
exp exp
x
ostos I
ostos Ino ostos I
ual RAPpercent

Equao N. 18


Vamos agora resolver outro exemplo!

Na Alemanha, foi realizado um trabalho de preveno de doenas da pele em
cabeleireiros (Dick et al, 2002). Entre 1990 e 1999, foram registrados 856 casos,
19
confirmados como relacionados ao trabalho. Em 1992, foi iniciado um programa com
novas normas de proteo entre esses trabalhadores, sob a responsabilidade do
governo. A incidncia estimada em 1990 foi de 194 / 10.000 trabalhadores, e em 1999,
18 / 10.000. Voc acha que esta medida de proteo teve impacto entre esses
trabalhadores?

1 Passo identifique o ano inicial (antes da interveno) e a respectiva incidncia da
doena
Ano 1990, I
inicial
= 194 / 10.000 trabalhadores;

2 Passo identifique o ano final e a respectiva incidncia da doena
Ano 1999, I
final
= 18 / 10.000 trabalhadores;

3 Passo aplique a Equao n 18, corrrespondente ao RAP percentual (perceba
que, na lgica, o I
expostos
, para adequao ao exemplo proposto, corresponde ao
I
inicial
. Resultando em:

RAP

= [ ( I
inicial
I
final
) / I
inicial
] x 100

= [ (194 18) / 194 ] x 100

= 0,907 x 100 = 90,7%

Interpretao:
Houve um declnio da incidncia de 90,7% em doenas de pele entre cabeleireiros na
Alemanha aps a introduo de novas normas de proteo, em 1992. Esse declnio
pode refletir o impacto dessas medidas no perfil epidemiolgico dessa enfermidade.


Com o risco atribuvel proporcional pode-se estimar o nmero de casos
evitados (CE) com uma determinada interveno. Se considerarmos o exemplo
anterior, a introduo de novas normas de preveno de doenas de pele teria
evitado, potencialmente, quantos casos? Como a reduo percentual de casos entre
os expostos (cabeleireiros antes das normas entrarem em vigncia) foi de 90,7%,
considerando que o nmero de casos da doena entre os expostos (arbitrrio) seja
856, em mdia no perodo de anlise (N
casos expostos
= 856), quantos casos teriam sido
potencialmente evitados?
20

Os casos evitados (CE) podem ser facilmente calculados utilizando-se o valor da RAP
(no percentual)

CE =RAP x N
casos expostos
Equao N. 19

CE = 0,907 X 856
= 776 casos foram potencialmente evitados em 10 anos

Essas medidas so muito teis no planejamento em sade e precisam se
tornar mais populares. Existem outras variaes dessas frmulas, mas para no
complicarmos, privilegiamos as equaes mais fundamentais.





1- Calcular a reduo dos gastos com tratamento dos casos evitados. Se
soubermos o custo mdio do tratamento de casos de doenas ou acidentes,
basta fazer a multiplicao do n de casos evitados pelo correspondente valor
mdio do tratamento;

2- Calcular a reduo do nmero de dias perdidos de trabalho, o que impacta
diretamente na produtividade da empresa. Basta obter o n mdio de dias
perdidos de trabalho por caso e multiplicar pelo n de casos evitados.


Outras medidas empregadas em epidemiologia

Excesso de risco (ER) permite verificar em quantas unidades percentuais o risco
relativo (RR) maior que a medida de no-associao que, como sabemos, igual a
RR=1,0. Esta medida pode ser calculada com a seguinte frmula:

ER = RR - 1,0 Equao N. 20
Ateno: (x 100) para apresentar em %

Veja alguns desdobramentos importantes dessas medidas!

21
Letalidade mede a gravidade de um problema de sade calculando-se a magnitude
da mortalidade especfica para um agravo ou enfermidade entre aqueles que
apresentaram este agravo ou enfermidade. Note que no se trata de um denominador
populacional, mas sim, do total de casos. Portanto, a letalidade (L) a proporo de
bitos (O) por uma enfermidade / acidente entre o total de casos (T
casos
) dessa
enfermidade / acidente.

L = O / T
casos
Equao N. 21

Expectativa de vida refere-se idade mdia esperada com que os indivduos de
uma populao venham a falecer. muito empregada em estudos demogrficos e
sociais e considerado um indicador social de desenvolvimento de uma sociedade.
divulgado anualmente pelos principais institutos de pesquisa do pas.

Anos potenciais de vida perdidos (APVP) - representa o nmero de anos de vida
que, em uma dada populao, foram perdidos considerando-se a expectativa de vida e
a mortalidade observada em relao idade. Este indicador importante, pois leva
em conta a idade em que se falece, dando maior peso a mortes que ocorrem na
juventude, e que por isso, representam um maior nmero de anos potenciais de vida
perdidos. Baseando-se em Romeder & McWhinnie (1989), que recomenda a restrio
faixa entre 1 e 70 anos de idade, calcula-se o APVP pelo somatrio do nmero de
mortes em cada faixa de idade (ou idade especfica, caso seja indicado), que
multiplicado pelos anos remanescentes de vida at a idade de 70 anos, em cada faixa
de idade correspondente. Assim, assumindo que m
i
o nmero de mortes na idade i
(i=1, 2, ...70) ou na faixa de idade i +n, e que a
i
corresponde ao nmero de anos de
vida que poderiam ser vividos caso os indivduos sobrevivessem at a idade de 70
anos, sendo i - idade no ltimo aniversrio; e supondo que as mortes se distribuem
uniformemente em cada uma das idades que compem as faixas etrias, pode-se
afirmar que;

n=70
APVP = a
i
m
i
Equao N. 22
i =1

Como se trata de dados para faixas de idade, o ponto mdio do intervalo o
considerado para os clculos.

22
Existem outras medidas como as de carga de doena ou acidentes, que tentam medir
no apenas os anos perdidos de vida, mas tambm os anos vividos com
incapacidade, mas por sua complexidade, deixaremos para mais adiante.


Referncias


Cole SR, Richardson DB, Chu H, Naimi AI. Analysis of Occupational Asbestos
Exposure and Lung Cancer Mortality Using the G Formula. Am J Epidemiol
2013;177(9):989996.

Dickel H, Kuss O, Schmidt A, Diepgen TL. Impact of preventive strategies on trend of
occupational skin disease in hairdressers: population based register study. BMJ
2002;324:14223.

Kleinbaum D, Kupper L & Morgestern O, Epidemiologic research. New York: Van
Nostrand Reinhold, 1982.

Rego MA, Souza CS, Kato M, de carvalho AB, Loomis D, Carvalho FM. Non-Hodgkin
lymphomas and organic solvents. J Occup Environ Med 2002;44(9):874-81.

Romeder JM, McWhinnie JR. Potential Years of Life Lost Between Ages 1 and 70: an
indicator of premature mortality for health planning. Int J Epidemiol 1977;6:143-151.

Schoenbach VJ, Rosamond WD. Understanding the fundamentals of epidemiology - an
evolving text [Internet]. Chapel Hill: University of North Carolina, Department of
Epidemiology, 2000.