USF EAD Epidemiologia Completo

EPIDEMIOLOGIA
RENATA CRISTOFANI MARTINS

EPIDEMIOLOGIA
Renata Cristofani Martins
2024
CASA NOSSA SENHORA DA PAZ – AÇÃO SOCIAL FRANCISCANA, PROVÍNCIA
FRANCISCANA DA IMACULADA CONCEIÇÃO DO BRASIL –
ORDEM DOS FRADES MENORES
PRESIDENTE
Frei Thiago Alexandre Hayakawa, OFM
DIRETOR GERAL
Jorge Apóstolos Siarcos
REITOR
Frei Gilberto Gonçalves Garcia, OFM
VICE-REITOR
Frei Thiago Alexandre Hayakawa, OFM
PRÓ-REITOR DE ADMINISTRAÇÃO E PLANEJAMENTO
Adriel de Moura Cabral
PRÓ-REITOR DE ENSINO, PESQUISA E EXTENSÃO
Dilnei Giseli Lorenzi
COORDENADOR DO NÚCLEO DE EDUCAÇÃO A DISTÂNCIA - NEAD
Franklin Portela Correia
CENTRO DE INOVAÇÃO E SOLUÇÕES EDUCACIONAIS - CISE
Franklin Portela Correia
PROJETO GRÁFICO
Centro de Inovação e Soluções Educacionais - CISE
CAPA
Centro de Inovação e Soluções Educacionais - CISE
DIAGRAMADOR
Lucas Ichimaru testa
© 2024 Universidade São Francisco

Avenida São Francisco de Assis, 218
CEP 12916-900 – Bragança Paulista/SP
A AUTORA
RENATA CRISTOFANI MARTINS

Possui graduação em graduação em Bacharel em Enfermagem pela Escola de Enfer-
magem da Universidade de São Paulo (2005), Licenciatura Plena em Enfermagem pela
Faculdade de Educação da Universidade de São Paulo (2010), mestrado e doutorado
pelo Programa de Saúde Pública da Faculdade de Saúde Pública Universidade de São
Paulo (2012 e 2017). Atualmente é professora universitária na Universidade São Fran-
cisco da disciplina de Bioestatística aplicada à saúde em vários cursos. Tem experiência
na área de Saúde Coletiva, Epidemiologia, e dados de mortalidade.
SUMÁRIO
UNIDADE 01: EPIDEMIOLOGIA DESCRITIVA.......................................................6

1. Definição de epidemiologia.................................................................................. 7
2. Introdução a pesquisa.......................................................................................... 7
3. Conceitos básicos em epidemiologia................................................................... 11
4. Tipos de estudos.................................................................................................. 12
5. Distribuição de eventos por pessoas, tempo e lugar........................................... 17
6. Indicadores de saúde: Incidência e prevalência.................................................. 20
UNIDADE 02: INDICADORES DE SAÚDE.............................................................28
1. Conceito, histórico e características de um bom indicador ................................. 28
2. Indicadores de natalidade, fecundidade e morbidade.......................................... 29
3. Indicadores de mortalidade ................................................................................. 34
4. Transição demográfica e epidemiológica............................................................. 43
UNIDADE 03: EPIDEMIOLOGIA ANALÍTICA..........................................................48
1. Estudo Coorte...................................................................................................... 48
2. Estudo de prognóstico.......................................................................................... 53
3. Estudo caso-controle............................................................................................ 55
4. Tabela de contingência......................................................................................... 58
5. Risco relativo e risco atribuível............................................................................. 60
6. Razão de chances (odds ratio)............................................................................ 64
7. Análise de sobrevida............................................................................................ 67
8. Ensaio clínico....................................................................................................... 69
UNIDADE 04: TESTE DIAGNÓSTICO E SAÚDE BASEADA EM EVIDÊNCIA....82
1. Estudos diagnósticos........................................................................................... 82
2. Interpretação dos resultados................................................................................ 95
3. Causalidade......................................................................................................... 97
4. Revisão sistemática............................................................................................. 101
5. Saúde baseada em evidência.............................................................................. 105
Epidemiologia descritiva UNIDADE 1
EPIDEMIOLOGIA DESCRITIVA
1
INTRODUÇÃO
Muitas pessoas, mesmo sem saber, já usaram fundamentos e partes da epidemiologia
em seu dia a dia. Com frequência fazemos pesquisas no nosso cotidiano. Talvez a pes-
quisa não tenha um rigor metodológico e científico, mas mesmo assim investigamos
causas e chegamos a conclusões. Esse processo de investigação está próximo do que
iremos estudar neste componente curricular.
Um exemplo do cotidiano é ao organizar uma festa para 20 pessoas você compra 3

pães de metro conforme a orientação da padaria que diz que 7 pessoas consomem
1 pão. Todos vieram na festa. Você esperava ter pouco desperdício, mas ao final da
festa só consumiram metade do que foi comprado. Com esse resultado você começa
a investigar o que pode ter acontecido: será que a padaria passa a informação errada,
os seus convidados têm consumo diferente da população geral, a festa estava chata e
as pessoas ficaram pouco tempo e por isso comeram pouco. A partir disso, na próxima
festa qual a quantidade de comida que você irá comprar? Será a partir do consumo que
teve na sua festa anterior ou vai continuar seguindo as orientações da padaria?
A epidemiologia irá trazer ferramentas para avaliar se a pesquisa foi conduzida de maneira
correta para te ajudar a decidir se você muda de conduta ou mantém seguindo a conduta já
estabelecida. Se uma pesquisa disser que para um tipo de linfoma não há necessidade de
realizar quimioterapia já que os efeitos colaterais são mais prejudiciais do que os benefícios
do tratamento. Como médico de um paciente com esse tipo de doença, você manteria o
protocolo atual que é prescrever quimioterapia ou você mudaria a sua conduta por causa da
conclusão da nova pesquisa? Esses dilemas irão acontecer na vida profissional de vocês,
por isso é importante ter os conhecimentos que iremos discutir nesse componente curricular.
Figura 01. Epidemiologia
Fonte: 123RF.
6
1. DEFINIÇÃO DE EPIDEMIOLOGIA
De modo histórico, a epidemiologia conta sobre os eventos relacionados à saúde, como
nascimentos, casos de doenças e mortes. Um exemplo clássico se refere a John Snow, o 1
pai da Epidemiologia moderna, que, no século XIX, investigou a epidemia de cólera em Lon-
dres, avaliando os casos e onde eles aconteceram para que, a partir dessas informações,
conseguisse propor hipóteses causais e estratégias para reduzi-los. Esse marco amplia a
Universidade São Francisco

atuação da epidemiologia para investigações sistemáticas de eventos com a finalidade de
levantar hipóteses, definir meios de transmissão da doença e estratégias de ação.
Com o passar do tempo, a epidemiologia ampliou seu objeto de estudo para além das
doenças transmissíveis, investigando o processo saúde-doença. Dessa forma, começa
a busca por fatores de risco ou fatores determinantes para acontecimento de doenças
específicas, como o câncer, por exemplo. Nesse sentido, estrutura-se desenhos de es-
tudos que possibilitam definir fatores causais. Epidemiologia é a:
[...] ciência que estuda o processo saúde-doença em coletividades humanas,
analisando a distribuição e os fatores determinantes do risco de doenças,
agravos e eventos associados à saúde, propondo medidas específicas de
prevenção, controle ou erradicação de doenças, danos ou problemas de
saúde e de proteção, promoção ou recuperação da saúde individual e coletiva,
produzindo informação e conhecimento para apoiar a tomada de decisão
no planejamento, administração e avaliação de sistemas, programas, serviços e
ações de saúde (Rouquayrol; Gurgel, 2018, p. 9, grifos nossos).
2. INTRODUÇÃO A PESQUISA
Como a epidemiologia está vinculada a pesquisa científica, é importante que alguns
conceitos e definições sejam explicados.
Quais são as etapas básicas de uma pesquisa? As informações básicas de como estru-
turar uma pesquisa influencia em como avaliar a qualidade e a confiabilidade dela. As
etapas iniciais do planejamento da pesquisa podem parecer simples, mas na verdade
elas são a base fundamental para o sucesso final da pesquisa.
Esse processo se inicia com a escolha de um tema que se pretende estudar. As pesquisas
de base, como investigar característica de uma bactéria que não causa doença, é tão im-
portante quanto as de aplicação como avaliar a eficácia de um novo tratamento. Conversar
com pessoas que atuam com o tema pode ajudar a definir quais são assuntos interessantes
de serem estudados. Ou a partir da sua realidade de trabalho como profissional de saúde,
levantar problemas e situações que devem ser investigadas. Outro fator necessário é bus-
car na literatura o que já foi publicado sobre o tema. A partir disso, deve-se buscar especifi-
car e delimitar o que se pretende estudar sobre o tema. (Bell, 2008, p.31-34)
Essa etapa de refinamento e reflexão, de qual parte estudar, tem como finalidade definir
a questão da pesquisa, a hipótese e os objetivos que espera-se alcançar ao final. Uma
boa pergunta de pesquisa deve ser específica quanto ao tempo, espaço, população e
contexto. Com suas características deve ser possível reproduzir a pesquisa. É recomen-
dado que o assunto tenha algum aspecto novo, mesmo que seja ver se os resultados
encontrados em outros países também acontecem no Brasil. Um exemplo de pergunta
Epidemiologia 7
Epidemiologia descritiva
é “Quais fatores influenciam no uso de preservativo masculino entre os jovens (18 a 24

anos de idade) do estado de São Paulo nos anos 2020 dentro de cada classe social?”.
Durante todo o tempo de realização da pesquisa deve-se lembrar qual é a questão nor-
1
teadora e refletir se as ações realizadas e os dados coletados irão ajudar a responder à
pergunta e confirmar a hipótese. Como as informações são coletas, será que influencia
na capacidade da pesquisa de atingir seus objetivos?
Para responder uma questão de estudo, uma parte importante da pesquisa se refere à
composição e definição das variáveis do estudo. Variáveis são valores ou informações
obtidas diretamente ou podem ser resultado de um agrupamento, classificação ou cál-
culo de medidas coletadas. Elas podem ser características individuais, determinantes
do processo saúde-doença, fatores de risco, eventos clínicos e desfechos, como morte,
presença de doença, deficiência, sintomas e qualidade de vida.
A epidemiologia classifica as variáveis de um estudo típico em três tipos. De acordo com

Fletcher, R. H; Fletcher, S. W. e Fletcher G. (2014, p. 6), uma variável independente é
o suposto fator de risco ou causa que se estuda, podendo explicar a causa do problema;
uma variável dependente, por sua vez, é o suposto desfecho ou efeito que se estuda,
medindo o fenômeno que se quer explicar, podendo sofrer influência das variáveis inde-
pendentes, como a relação entre cigarro e câncer de pulmão. Segundo Pereira (2004, p.
46), nesse caso, a variável dependente seria o câncer de pulmão, pois sua presença pode
ser influenciada pela variável independente (cigarro). Por fim, uma variável externa não
faz parte direta da questão principal, mas pode estar relacionada e afetar a relação entre
a variável independente e dependente. Um fator de confusão é um exemplo de variável
externa. No estudo de cigarro e câncer de pulmão, uma variável externa é o local onde
trabalha já que a pessoa pode respirar poluição e substâncias cancerígenas.
É importante ter um equilíbrio entre coletar pouca informação e depois não conseguir
fazer algumas análises ou coletar muitos dados e acabar só utilizando metade das
informações obtidas. Quanto mais se estuda sobre o tema, mais fácil fica a decisão de
o quê, como, quando e onde coletar. Essas decisões impactam no sucesso da pesquisa
EXEMPLO 1
Se o objetivo é avaliar a associação de entre uma exposição com um desfecho, como consu-
mo de bebida alcoólica e câncer, quais variáveis devem ser coletadas?
Inicialmente pode-se pensar em somente coletar duas informações: quem é bebe e quem
teve câncer nos últimos anos. Mas não detalhar as informações sobre a bebida ou coletar
outros dados que podem contribuir com o surgimento do câncer podem atrapalhar na inter-
pretação dos resultados.
É necessário detalhar melhor o tempo, quantidade e qual o tipo de bebida alcoólica é

consumida. Como fazer essa coleta, por questionário ou existe exame laboratorial que consi-
ga dar um valor mais fiel e que consiga medir a intensidade do consumo?
É importante também coletar informações sobre possíveis fatores de confundimento como

outros hábitos de vida, histórico familiar de câncer entre outros.
8
2.1 MÉTODO DE PESQUISA
Uma pesquisa tem várias etapas, logo, ao desenvolver o método que será utilizado na coleta
e análise dos dados devemos realizar diversas escolhas. Essas decisões devem ser feitas
com o objetivo de melhorar a qualidade da pesquisa, mas, como nem sempre isso é possível, 1
o pesquisador pode ser obrigado a escolher a opção mais viável e não a mais adequada.

IMPORTANTE
Para ajudar na decisão do pesquisador é importante saber as vantagens e desvantagens de
cada possibilidade. Assim, ter o conhecimento de quais são
os possíveis vieses que podem acontecer são conhecimentos essenciais para desenhar o
estudo de maneira a contornar as dificuldades.
2.2 COLETA DE DADOS

Uma parte importante para avaliar a qualidade da pesquisa é ter uma adequada coleta
dos dados. Qual informação coletar, como aferir e qual instrumento utilizar são defini-
ções importantes que um pesquisador deve fazer. Desse modo, toda escolha influencia
na qualidade dos resultados.
Ao desenhar uma pesquisa é preciso definir quais variáveis coletar e como conduzir
esse processo. Por exemplo, é possível coletar a idade da pessoa perguntando qual é
a idade do sujeito da pesquisa ou perguntar a data de nascimento. Coletar a data de
nascimento normalmente é mais fiel porque há mais chance da pessoa errar a idade
dela do que a data de nascimento.
Desempenho das aferições

Como e com quais instrumentos, a coleta de dados foi realizada influencia na confiança
e precisão do resultado e portanto, na qualidade da pesquisa. Aferir a pressão arterial
com aparelho digital ou analógico, no braço ou no punho, trazem resultados diferentes.
Qual desses métodos é mais confiável? Por isso, vários instrumentos têm seus desem-
penhos avaliados para julgar o quanto eles conseguem aferir.
A validade avalia a capacidade de um instrumento medir o que se propõe a medir. Esse

conceito, por sua vez, é similar ao conceito de acurácia que mede o quanto os dados
aferidos representam a realidade. A confiabilidade está relacionada com a precisão e
reprodutibilidade do instrumento, avaliando o quão próximos as aferições estão repe-
tidas. A responsividade avalia se o instrumento consegue registrar mudanças após
alteração clínica do quadro. Uma escala de dor com boa responsabilidade consegue
medir a diferença de intensidade da dor após o paciente tomar remédio para dor. Já a
interpretabilidade avalia o grau de dificuldade de interpretar os dados. O que significa
ter uma dor nota 7 e esse padrão de definição é igual para todas as pessoas?
O intervalo de variação avalia se o instrumento consegue medir e a capacidade de

registrar alterações extremas. Um instrumento de avaliação da qualidade do autocuida-
Epidemiologia 9
do tem um bom intervalo de variação se ele consegue registar pessoas completamente

dependentes até ser totalmente responsável pelo autocuidado.
Os dois principais critérios para avaliar a qualidade de um instrumento são: a precisão

1
e a acurácia. Para compreender melhor os conceitos, avalie a Figura 2. Considere que
cada instrumento aferiu quatro vezes e que o valor que eles deveriam acertar está no
centro do desenho. Desse modo, quais instrumentos têm alta precisão e acurácia?
Figura 02. Precisão e acurácia de quatro instrumentos diferente considerando

que o local correto a ser acertado é o centro do alvo
Fonte: elaborada pela autora.
Após analisar a Figura 2, o instrumento amarelo se mostra impreciso e tem baixa valida-
de; o instrumento verde, por sua vez, é preciso porque as aferições estão próximas, mas
tem baixa validade já que estão longe do centro; o instrumento azul tem precisão e acurá-
cia intermediárias; por fim, o instrumento vermelho tem alta precisão e acurácia. O ideal é
utilizar instrumentos com precisão e acurácia minimamente intermediários. É importante
ficar atento para possíveis equipamentos com alta precisão, mas que não tem acurácia.
As escalas são ferramentas utilizadas por muitos profissionais da saúde para avaliar
características dos indivíduos e os fatores determinantes de saúde, como o Mini Exame
do Estado Mental (MEEM). Essas escalas ao serem criadas, traduzidas ou adaptadas
para diferentes populações, devem passar por uma avaliação de validade de conteúdo,
de critério e de construto. A validade de conteúdo refere-se à capacidade que a escala
tem de abranger todos os aspectos do problema a ser medido, assim como a clareza
na medição do problema.
A validade de critério, por outro lado, compara os resultados do teste em questão com
outros exames ou características mensuráveis. Segundo Pasquali (2009), a validade
de construto leva em consideração a consistência interna (correlação entre cada item e
o restante dos itens da escala) e a capacidade do instrumento em medir uma variável
latente (um construto que não pode ser medido diretamente).
10
3. CONCEITOS BÁSICOS EM EPIDEMIOLOGIA
A qualidade de uma pesquisa é avaliada a partir da presença de erros cometidos. Nesse
contexto, viés é um erro sistemático e ao delinear o projeto é preciso pensar em estraté- 1
gias metodológicas que diminuam a chance desse erro acontecer. Existem três principais
tipos de vieses: o viés de seleção, viés de aferição e viés de confusão ou de confundimento.

Figura 03. Variáveis e vieses de pesquisa
Fonte: 123RF.
O viés de seleção ocorre quando se comparam grupos com características diferentes

que não são as variáveis principais, mas que influenciam no desfecho. Isso acontece
porque a seleção da amostra foi falha é que alguma característica não foi considerada
Por exemplo, ao fazer uma pesquisa sobre uma possível medicação que emagrece, a
pesquisa não considerou o grau de atividade física dos sujeitos. Então, aqueles que to-
maram o remédio e emagreceram podem ser fisicamente ativos e os que não tomaram
a medicação sejam sedentários. Como a seleção da amostra nos grupos não conside-
rou a atividade física, não é possível considerar que o emagrecimento de fato foi por
causa da medicação, pois foram comparados grupos com características diferentes.
O viés de aferição ocorre quando o erro é na aferição de alguma variável, como usar
uma balança não calibrada, realizar a técnica incorreta de aferição da pressão arterial
ou usar equipamentos diferentes para aferir alguma variável.
Outra possibilidade de viés de aferição é que cada avaliador pode interpretar de ma-
neira diferente uma mesma situação. Por exemplo, edema de membros inferiores (in-
chaço nas pernas) é avaliado em uma escala de 1+, 2+, 3+ e 4+. Ao avaliar a perna de
um paciente em um mesmo momento, um profissional pode considerar que o edema
é pequeno (1+) enquanto outro acha que ele é moderado (2+). Por isso, sempre que
possível, o ideal é usar critérios objetivos que reduzem o viés de aferição. Nesse caso,
poderia medir a circunferência da perna do paciente.
Epidemiologia 11
Já o viés de confusão ou de confundimento ocorre quando duas variáveis podem in-

fluenciar o efeito que uma tem sobre um desfecho ou quando se confunde qual variável
influencia no desfecho.
1
Será, portanto, que uma variável realmente causa o desfecho ou essa associação não
existe e a verdadeira causa na verdade é outra variável?
Um fator de confusão está associado à exposição, em que deve ter uma associação
causal com o desfecho e não deve ser uma etapa do caminho da exposição gerar o
desfecho. Por exemplo, uma pesquisa demonstra uma associação de depressão como
fator causal para ter câncer de pulmão. Nesse contexto, um fator de confundimento é
o tabagismo, pois fumar causa câncer de pulmão e fumar está associado à depressão,
pois esse é um hábito apresentado frequentemente em pessoas depressivas. Portanto,
o viés de confusão ocorre com a variável tabagismo, que impacta na associação princi-
pal da pesquisa, depressão e câncer de pulmão.
4. TIPOS DE ESTUDOS
Diversas pesquisas têm como objetivos investigar a história natural da doença, fatores
de risco ou compreender como a doença está distribuída na população. Para responder
às perguntas de pesquisas, vários tipos de estudos foram estruturados que permitem
atingir o objetivo de maneira eficaz.
Os estudos epidemiológicos são classificados como descritivos ou analíticos. Os es-

tudos analíticos buscam associações entre variáveis, como fatores de risco para do-
ença ou desfechos possíveis de um evento. Enquanto os estudos descritivos têm
como objetivo principal descrever características da doença, pessoas, locais ou tempo,
como também identificar casos, analisar tendências, fazer diagnóstico situacional da
população e gerar hipóteses.
Além disso, há outra classificação quanto a intervenção estudada. Os estudos obser-

vacionais, por exemplo, têm as intervenções decididas por profissionais de saúde que
não pertencem à equipe da pesquisa. A pesquisa, por sua vez, só observa o que foi
realizado. Já nos estudos experimentais, a decisão de qual intervenção o participante
da pesquisa será submetido é realizada pelos pesquisadores.
Nessa seção da unidade iremos abordar estudos que conseguem responder essas pos-
síveis perguntas de pesquisa:
` É possível saber a proporção de pessoas que têm diabetes ou que usam

drogas ilícitas?
` Ao longo do tempo, será que o número de casos de AIDS reduziu no Brasil? Ou

ainda, será que há regiões brasileiras que têm mais ou menos casos que as outras?
` Do que as pessoas morreram no Brasil nos últimos 10 anos?
12
4.1 ESTUDO TRANSVERSAL, DE PREVALÊNCIA E SECCIONAL
O estudo transversal é um estudo descritivo e observacional. Esse nome tem origem
da definição que as informações são coletadas em um único ponto do tempo, como se
a linha do tempo sofresse um corte transversal ou como uma fotografia. Ele também 1
pode ser chamado de estudo seccional ou de prevalência. A principal característica do
estudo transversal é que as informações das variáveis dependentes e independentes

são coletadas simultaneamente.
Figura 04. Esquema do desenho de estudo transversal
DESENHO
Pessoas com presença de uma ou mais Pessoas com presença de variável

variáveis independentes independente
Pessoa com ausência de uma ou mais Pessoas com ausência de variável

variáveis independentes independente
EXEMPLO
pessoas com câncer

Fumantes
de pulmão
pessoas sem câncer

Não Fumantes
de pulmão
Dessa forma, a principal finalidade deste tipo estudo é medir e descrever frequências de
doenças e fatores de risco. Em geral, esse estudo é utilizado para descrever doenças
comuns e de longa duração, como levantamentos de dados que descrevem dados já
registrados e os inquéritos populacionais de saúde que buscam as informações para
complementar os dados coletados por outros meios.
A Pesquisa Nacional de Saúde (PNS) é o inquérito de saúde da população brasileira,

por meio de entrevistas com amostra de base domiciliar e de âmbito nacional, realizada
Epidemiologia 13
em parceria com o Instituto Brasileiro de Geografia e Estatística (IBGE). A PNS de 2019

aborda a percepção do estado de saúde, estilos de vida, doenças crônicas e saúde bu-
cal. Em um de seus resultados, observa-se que entre as pessoas de mais de 18 anos,
1 no Brasil, 66,1% auto avaliam sua saúde como boa ou muito boa, 26,4% consomem
bebida alcoólica uma vez ou mais por semana, 23,9% afirmam ter o diagnóstico para
hipertensão arterial e 93,6% escovam os dentes pelo menos duas vezes por dia. (IBGE,
2021, p. 28; 41; 54; 73).
Inquéritos populacionais ou outros estudos transversais são ferramentas usadas para re-
alizar pela gestão de serviços e sistemas. A partir dos dados da PNS de 2019, o Ministério
da Saúde poderia pensar em intervenções para redução do consumo de bebida alcoólica.
Na pesquisa há mais detalhamento de quem são essas pessoas (escoloradidade, idade,
sexo, …) que podem direcionar a intervenção para o público que de fato necessita.
Figura 05. Estudos populacionais
Fonte: 123RF.
As vantagens do estudo transversal são: praticidade, simplicidade, rapidez e baixo cus-

to benefício. No entanto, isso depende do tamanho e da população amostral, mas com-
parado com os outros tipos de estudos, ele é fácil de ser executado. Como todas as
variáveis são coletadas ao mesmo tempo, não há necessidade de segmento, evitando
assim perdas amostrais.
Em contrapartida, nesse estudo não é adequado estabelecer causas entre variáveis,

pois, como as informações foram coletadas simultaneamente, não é possível distinguir
a temporalidade e garantir que um fator veio antes do outro. Por exemplo, uma pesquisa
em idosos relata que 20% dos fumantes ativos têm câncer de pulmão, enquanto 10%
dos não fumantes têm câncer de pulmão. Com essas informações não é possível definir
que fumar causa câncer, já que a pessoa pode ter começado ou parado de fumar após
o diagnóstico de câncer.
14
Nesse sentido, as pesquisas transversais são capazes de sugerir associações ou hipóte-
ses para possíveis relações causais entre variáveis. Por isso, é comum que elas conclu-
am que estudos longitudinais devem ser feitos para avaliar se de fato existe associação.
1
IMPORTANTE

Não é possível definir fatores determinantes de eventos ou relações causais nos estudos
transversais (Rouquayrol; Gurgel, 2018, p. 120-121).
Outra limitação é o alto risco de presença de vieses. Isto é, toda vez que uma associa-
ção é sugerida, há sempre um risco de ter viés de confusão, ou seja, outra variável é
responsável pelo evento que não aquela proposta. Outro viés possível é o de sobrevi-
vente, por exemplo, uma pesquisa sobre qualidade de vida para pacientes oncológicos
pode ser tendenciosa, pois, provavelmente, grande parte da amostra é de casos menos
graves e com melhor prognóstico.
Os resultados desses estudos são utilizados para ter um diagnóstico situacional da popu-
lação e, com isso, planejar ações e serviços a partir das demandas levantadas. Por exem-
plo, se um levantamento entre os adultos do território de uma Unidade Básica de Saúde
encontra que 66% dessas pessoas têm sobrepeso ou obesidade, a equipe desse serviço
pode planejar ações para reduzir essa proporção e prevenir doenças cardiovasculares.
EXEMPLO 2
No artigo a seguir você encontrará uma pesquisa com o desenho transversal na qual há uma
descrição de questões de sexualidade e gênero de adolescentes em São Paulo. Leia para
saber mais.
BORGES, A. L. V.; SCHOR, N. Início da vida sexual na adolescência e relações de gênero:

um estudo transversal em São Paulo, Brasil, 2002. Cadernos da Saúde Pública, Rio de
Janeiro, v. 21, n. 2, p. 499-507, mar./abr. 2005. Disponível em: https://www.scielo.br/j/cs-
p/a/86rTd49kCVTqwTXtwGRjvVN/?lang=pt. Acesso em: 17 abril 2023.
4.2 SÉRIE OU RELATO DE CASOS

O relato de caso é uma descrição detalhada do quadro de um único paciente. Uma série
de casos são descrições do curso de uma doença ou condição em um número pequeno
de pessoas (Rouquayrol; Gurgel, 2018, p. 145). Em geral, elas são utilizadas para descre-
ver doenças e quadros raros ou situações em que a doença teve uma evolução diferente.
Esse é o principal meio de comunicação de novas doenças e, portanto, é comum que

sejam escritos por profissionais da saúde para descrever um ou poucos pacientes que
apresentam características similares. A partir das séries de casos incomuns, que esta-
vam ocorrendo em diversos lugares, iniciou-se uma investigação de uma nova doença
que viria a ser a AIDS.
Epidemiologia 15
EXEMPLO 3
Para saber mais sobre o primeiro relato de caso da AIDS, leia o artigo referenciado a seguir.
1
Apesar de ser em inglês, esse é um artigo clássico que conta como a partir de um relato de
caso os profissionais foram percebendo e descobrindo uma nova doença. É importante res-
saltar que lingua da ciência é o inglês.
CENTERS FOR DISEASE CONTROL - CDC. Pneumocystis pneumonia – Los Angeles.

MMWR, [s. l.], v. 30, n. 21, p. 250-252, 5 jun. 1981. Disponível em: https://www.cdc.gov/
mmwr/preview/mmwrhtml/june_5.htm. Acesso em: 25 fev. 2021.
4.3 ESTUDOS ECOLÓGICOS

O estudo ecológico é um estudo descritivo em que a unidade de análise é um grupo e
não um indivíduo. Por isso, segundo Rouquayrol e Gurgel (2018, p. 125-126), o estudo
ecológico pode ser classificado com estudo agregado, cujas proporções e taxas das va-
riáveis serão analisadas por grupos populacionais. Esse é o delineamento mais comum
para pesquisas com dados secundários, como aqueles disponibilizados pelo DATASUS.
GLOSSÁRIO
DATASUS é a sigla do Departamento de Informática do Sistema Único de Saúde. Uma de
suas funções é manter o acervo das bases de dados dos sistemas de informações em saúde
e disponibilizar esses dados. Então, nessa plataforma, conseguimos dados agregados de
mortalidade, natalidade, doenças transmissíveis, assistência à saúde, entre outros.
Esse tipo de estudo utiliza três tipos de medidas. As medidas agregadas resumem os
dados dos indivíduos, não sendo possível saber a informação de cada indivíduo da
população. Assim, não é possível saber se uma pessoa que é hipertensa também con-
some bebida alcoólica mais do que uma vez na semana ou se realiza atividade física.
Elas são representadas por médias, proporções ou frequências dos eventos em uma
determinada população e local.
Já as medidas ambientais representam as características físicas do ambiente, como

qualidade do ar e índice de radiação ultravioleta (UV). Por fim, as medidas globais
representam características sociais que não existem no nível individual, como nível de
desigualdade social de uma população e local. As finalidades dos estudos ecológicos
são de gerar novas hipóteses, assim como o estudo transversal, e de avaliar interven-
ções comunitárias ou impactos de leis.
Um estudo ecológico avaliará se houve redução de mortes em acidentes de trânsito

após a lei que obrigou o uso do cinto de segurança. Esse delineamento é adequado
para quando não se tem interesse em avaliar características dos indivíduos, quando a
variabilidade de uma variável é baixa dentro da população e quando só se consegue
obter dados agregados (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G., 2014, p. 216-217).
16
Além disso, as vantagens são: baixo custo, rapidez e praticidade, já que, em alguns ca-
sos, os dados já estão disponíveis em plataformas. Por outro lado, como desvantagens,
esse estudo leva em conta a média e não a variabilidade da característica dentro da po-
pulação, tem dificuldade em estabelecer temporalidade e fluxos migratórios ou eventos 1
específicos podem mudar a característica da população, atrapalhando a análise.
Dessa forma, o principal viés que pode ocorrer é a falácia ecológica ou viés de agre-

gação, que acontece ao interpretar o resultado e tentar inferir os resultados para o
nível individual. Ou seja, os estudos ecológicos só demonstram associação entre dados
agregados. Para confiar que essa associação também ocorre em nível individual preci-
samos de estudos com dados individuais.
Por exemplo, um estudo ecológico observa uma associação que quanto maior o Índi-
ce de Desenvolvimento Humano (IDH) do município, maior a quantidade de exames
preventivos de câncer de colo uterino (Papanicolau). Além disso, há casos em que as
condições socioeconômicas e o erro de falácia ecológica levam os pacientes a não vol-
tarem a realizarem os exames consecutivos.
EXEMPLO 4
No artigo a seguir você encontrará uma pesquisa com o desenho de estudo ecológico na qual
descreve e investiga a associação entre suicídio e trabalho. Leia para saber mais.
CECCON, R. F. et al. Suicídio e trabalho em metrópoles brasileiras: um estudo ecológico.

Ciência & Saúde Coletiva, Rio de Janeiro, v. 19, n. 7, p. 2225-2234, 2014. Disponível em:
https://doi.org/10.1590/1413-81232014197.09722013. Acesso em: 25 fev. 2021.
5. DISTRIBUIÇÃO DE EVENTOS POR PESSOAS, TEMPO E LUGAR

Os estudos descritivos relatam, detalhadamente, os padrões de distribuição das variá-
veis. Com isso, pode-se medir a frequência de algum evento entre pessoas de caracte-
rísticas diferentes, entre locais diferentes ou ao longo do tempo.
Assim, analisar eventos por características da população tem como objetivo propor
hipóteses de possíveis grupos de risco e características demográficas, comportamen-
tais e socioeconômicas que possam influenciar na frequência do evento. No exemplo
da Figura 6, a proporção de usuários atuais de produtos derivados do tabaco é maior
em homens, em pessoas de 40 a 59 anos e em pessoas de baixa escolaridade (ensino
médio incompleto ou inferior).
Epidemiologia 17
Figura 06. Exemplo de comparação de características individuais
O gráfico é uma vi-

sualização feita pela
Pesquisa Nacional
de Saúde 2019, em
relação à proporção
de pessoas com 18
anos ou mais usu-
árias atuais de pro-
dutos derivados do
tabaco.
Fonte: IBGE (2020,

p. 50).
Historicamente, a análise de dados por lugar foi o primeiro estudo epidemiológico, em

que na epidemia de cólera procurou-se associação entre os locais em que os casos
residiam e a frequência da doença. Nesse sentido, a análise com geoprocessamento é
importante para definir se a doença está confinada a uma região, quais são as carac-
terísticas dos conglomerados de casos e se eles estão associados a outras variáveis.
Figura 07. Exemplo de comparação de locais.
Distribuição de propor-
ção de casos novos de
tuberculose nos municí-
pios do Estado de São
Paulo em 2012.
Fonte: Brasil (2014, p. 55).
18
Desse modo, analisar a distribuição de um evento ao longo do tempo permite acom-
panhar a evolução da doença e associá-la a outros acontecimentos que, em algum
período, fizeram com que a proporção do evento alterasse a tendência. Por exemplo,
na Figura 8 podemos perceber uma tendência a estabilizar o número de casos novos 1
de AIDS. Dessa forma, pode-se associar esse fato com a introdução da terapia antirre-
troviral de alta potência em 1997.

Figura 08. Série histórica da proporção de dos casos novos notificados de AIDS
por 100.000 habitantes no Brasil de 1980, 1982-2019
Fonte: http://www2.aids.gov.br/cgi/deftohtm.exe?tabnet/br.def. Acesso em: 25 fev. 2023.
Além das séries ou tendência históricas, é possível determinar variações sazonais na

frequência de casos. Em outras palavras, sabe-se que o número de casos de dengue
aumenta nos meses de verão, assim como os casos de gripe nos meses de inverno.
A partir da análise da distribuição de casos ao longo do tempo é possível definir se a ocorrên-

cia da doença em tempos atuais é uma epidemia ou não. No entanto, para isso, é necessário
definir anteriormente o que é uma faixa endêmica. Endemia é a presença constante de de-
terminada doença em populações e espaços específicos. Normalmente, ela acontece depois
que a doença é introduzida em um local e o número de casos se estabiliza ao longo dos anos.
CURIOSIDADE
Uma doença endêmica apresenta taxas constantes de casos novos podendo ou não ter va-
riação sazonal. A malária é endêmica na Região Amazônica, apresentando, de forma geral,
um aumento de casos no período de transição entre as estações úmidas e secas.
A faixa endêmica é uma previsão estatística do possível número de casos que devem ser
encontrados em um período. Para criá-la, primeiramente, fazemos a média dos números
de casos no período e depois consideramos como um intervalo dentro do normal dois
desvios padrões de distância do valor da média. Na Figura 9, as linhas verdes represen-
tam os limites inferiores e superiores da faixa endêmica, já a linha azul apresenta a média
Epidemiologia 19
de casos nos últimos anos. No mês de julho, a média de casos dos últimos anos foi de 30,
mas é esperado que nesse ano a quantidade de doentes varie entre 21 e 39.
Quando o número de casos excede o que é esperado pela faixa, temos uma epidemia.
1
Ela pode ser definida também como um aumento de doentes que excede o que se
espera, normalmente com velocidade rápida e descontrolada. Na Figura 9 é possível
perceber a epidemia a partir de maio, quando os casos ultrapassam o limite.
Figura 09. Gráfico da faixa endêmica
Com limites inferiores e superiores, e média da proporção de casos de uma doença fictícia
além da frequência dos casos que ocorreram de janeiro a junho de 2021.
Popularmente, as pessoas usam surto como sinônimo de epidemia, contudo, para a epide-
miologia, surto é uma concentração de casos delimitados a locais específicos. Por exemplo,
15 crianças apresentaram conjuntivite em uma escola específica, nesse caso, pode-se dizer
que a escola apresentou um surto de conjuntivite. Outro termo semelhante é a pandemia,
que consiste na disseminação e no número excessivo de casos da doença no mundo inteiro.
6. INDICADORES DE SAÚDE: INCIDÊNCIA E PREVALÊNCIA

Os indicadores mais frequentes para descrever uma doença são a incidência e a pre-
valência. A prevalência é uma proporção que descreve a frequência relativa em que
o evento aconteceu durante um período de tempo. No entanto, ela não considera se a
doença se iniciou e/ou terminou durante o período. Sendo assim, o que importa é contar
quantos casos da doença ocorreram.
A principal função da prevalência é medir a magnitude da doença e o impacto que ela

tem na população, sendo utilizada para gestores dos serviços e sistemas para planejar
atendimentos e cuidados específicos. Esse indicador não é capaz de medir risco de
alguém contrair uma doença.
20
Fórmula da prevalência:
número de pessoas acometidas com a doença emuma população eum determinado período
1 Prevalência ×100 1
númerototal de pessoas emuma população eum determinado período

O numerador contém pessoas com diferentes tempos de duração da doença, mas o
que importa é que todos os casos ativos da doença – sejam elas novas ou antigas –
estão contados. A população e período devem ser os mesmos para o numerador e para
o denominador. A prevalência não tem unidade de medida e, normalmente, é expressa
em porcentagem, logo, na fórmula, após a divisão, deve-se multiplicar por 100.
A prevalência pode ser de ponto, de período ou de toda a vida, dependendo do período

considerado. A prevalência de ponto expressa a situação em um único dia, por exem-
plo, quem está gripado hoje? A de período avalia quem, em algum momento desse
período, ficou com a doença (quem ficou gripado nesse último mês?). A prevalência
de toda a vida – como o próprio nome remete – avalia quem teve a doença em algum
momento da vida. Nos três tipos não importa se a pessoa acabou de ser diagnosticada
ou se está com a doença há anos. O sujeito deve entrar no numerador quando em al-
gum momento do período estipulado para prevalência a pessoa apresentou a doença.
EXEMPLO 5
Cálculo de prevalência
Em uma cidade fictícia “X” com 3.000 habitantes, em 1º de janeiro de 2019, havia 12 pessoas
em tratamento por Hanseníase. Ao longo do mês de janeiro foram diagnosticados mais 3 ca-
sos, e até 31 de junho de 2019 houve 5 altas por cura e não foram identificados mais novos
casos da doença. A partir do princípio de que todo caso da doença está em tratamento, qual
é a prevalência de hanseníase na cidade “X” no primeiro dia de janeiro de 2019; em janeiro
de 2019 e no final do primeiro semestre do mesmo ano?
` Prevalência em 1 de janeiro de 2019 (prevalência de ponto):

Prevalência =
substituir a fórmula.
12
= dividir.
3.000
= 0, 004 ×100 multiplicar.
= 0, 4%.
Logo, a prevalência de hanseníase em 1 de janeiro de 2019, na cidade “X”, é de 0,4%.
Epidemiologia 21
` Prevalência em janeiro de 2019 (prevalência de período):
1 Prevalência =
12 + 3
= somar.
3.000
15
= dividir.
3.000
= 0, 005 ×100 por fim, multiplicar.
= 0,5%.
A prevalência de hanseníase em janeiro de 2019, na cidade “X”, é de 0,5%.
` Prevalência no final do primeiro semestre de 2019 (prevalência de período):

Prevalência =
12 + 3 − 5
= somar.
3.000
10
= dividir.
3.000
= 0, 0033 ×100 multiplicar.
= 0,33%.
Portanto, a prevalência de hanseníase no primeiro semestre de 2019, na cidade “X”, é de 0,33%.
Alguns fatores influenciam no cálculo da prevalência e devem ser considerados na hora

de interpretar o resultado. Primeiramente, pode ser que o indicador esteja subestima-
do, visto que os casos graves podem não ter sido diagnosticados antes do óbito, e os
casos leves e assintomáticos ainda não procuraram assistência. Desse modo, toda
variação que aconteça desse indicador, ao longo do tempo, precisa ser levada em con-
sideração. Nesse contexto, a prevalência pode ter aumentado porque, de fato, estão
entrando casos novos e há mais pessoas doentes ou porque surgiu uma intervenção
22
que aumenta a sobrevida do paciente e, portanto, as pessoas estão vivendo mais tem-
po com a doença.
Em segundo lugar, a incidência é a proporção e descreve o número de novos casos de

1
uma doença em uma determinada população. Ela só pode ser medida se no início do acom-
panhamento das pessoas for garantido que todos estão saudáveis, ou seja, sem a doença.
Ela pode contar qualquer evento, como caso de doença, de morte e de deficiência.

Fórmula da incidência:
número de casos novos deuma doença emuma população eum determinado período
2 Incidência =
Ela é expressa pelo número de casos por 1.000 a 100.000 habitantes, dependendo da
frequência do evento. Para chegar no número final da incidência por 1.000 habitantes
é necessário multiplicar por 1.000 o resultado da divisão da fórmula. A decisão se o
indicador será expresso em 1.000 ou 100.000 habitantes tem como objetivo deixar o
número de fácil compreensão. Normalmente, em uma análise de populações de cida-
des, estados e países usamos a cada 100.000 pessoas. Todo indivíduo que está no
denominador pode ser um caso e, também, participar do numerador.
Esse indicador é o único que pode avaliar risco de se ter a doença. Portanto, ele é
capaz de medir o impacto e a magnitude da doença na população, sendo usada para
avaliar relações causais entre as variáveis.
EXEMPLO 6
Cálculo de incidência
1) Em uma cidade fictícia “X” com 3.000 habitantes, em 1 de janeiro de 2019, havia 12 pesso-
as em tratamento por Hanseníase. No mês de janeiro foram diagnosticados mais 3 casos, até
31 de junho de 2019 houve 5 altas por cura no mês de maio e não houve mais casos novos.
Parta do princípio de que todo caso da doença está em tratamento. Qual é a incidência de
hanseníase na cidade “X” no primeiro semestre do mesmo ano?
número de casos novos da doença emuma população eum determinado período

Incidência =
3
= dividir.
3.000
= 0, 001×1.000 multiplicar.
= 1.
Epidemiologia 23
A incidência de hanseníase no primeiro semestre de 2019 é de 1 caso novo para cada 1.000
habitantes.
1 2) No Brasil, em 2019, foram diagnosticados 37.308 casos de AIDS. Considerando que a

população estimada para o ano de 2019 é de 210.661.032, qual foi a incidência da doença
em 2019?
número de casos novos da doença emuma população eum determinado período

Incidência =
37.308
×100.000 dividir e multiplicar.
210.661.032
= 17, 71.
No Brasil, a incidência de AIDS em 2019 é de 17,71 casos novos para cada 100.000 habitantes.
A prevalência está associada com a incidência e a duração da doença, em situações

estáveis, a prevalência é diretamente proporcional a esses dois fatores. A Figura 10 a
seguir ajudará a entender essa associação das variáveis. Nesse caso, considere uma
pia com a torneira aberta, a água que entra é a incidência e o volume de água parada
é a prevalência (número de casos ativos da doença). Os casos só saem da prevalência
por óbito ou cura, isto é, na figura, a água só sai pelo ralo. Assim, se o ralo da pia au-
mentar de tamanho, por exemplo, com a resistência do agente etiológico ao tratamento,
o volume da pia diminuirá, assim como a prevalência.
Figura 10. Esquema sobre a associação da prevalência, inci-
dência (casos novos) e tempo de duração da doença
24
EXEMPLO 7
Se descobrirmos um novo método diagnóstico que é mais sensível a doença, a incidência au-
mentará devido ao aumento do número de casos novos, assim como a prevalência. Na lógica
1
do esquema da Figura acima, o novo diagnóstico abrirá ainda mais a torneira e, portanto, a
pia ficará cheia de água, já que o ralo continua do mesmo tamanho.

Nesse sentido, doenças de longa duração têm prevalência alta, pois os casos acabam
sendo super-representados, já que a cura e o óbito demoram mais tempo para acon-
tecer do que o aparecimento dos casos novos. Assim, outras situações, como realizar
diagnóstico precoce e a melhora no tratamento, aumentam o tempo da doença e, por-
tanto, aumentam a prevalência.
Para as doenças crônicas não transmissíveis, a prevalência é a única medida a ser

utilizada. Na maioria dos casos, ela pode ser obtida por meio de estudos transversais.
Já para as doenças transmissíveis de notificação compulsória, pode-se calcular a inci-
dência e a prevalência dos casos.
CONCLUSÃO
A Epidemiologia traz ferramentas que nos ajudam a realizar corretamente uma pesqui-
sa e nos ajuda a avaliar a qualidade de um estudo. Para garantir uma boa pesquisa é
preciso garantir:
` boa formulação da pergunta de pesquisa;
` escolha adequada das variáveis a serem coletadas, para que seja coerente em
atingir os objetivos propostos;
` escolha de instrumentos de avaliação adequados. Para tanto é necessário ava-

liar validade, confiabilidade e os outros critérios do instrumento de avaliação
com a finalidade de reduzir viés;
Quanto aos estudos descritivos, sua principal característica é que ele tem só um mo-
mento de coleta de dados, não fazendo acompanhamento das pessoas ao longo do
tempo. Sua principal função é descrever as doenças ou eventos de saúde, podendo
ser uma análise de distribuição ao longo do tempo, por características das pessoas ou
por locais. Ele é usado como instrumento na gestão de serviços e sistemas e ajuda a
levantar hipóteses de possíveis relações causais.
Epidemiologia 25
REFERÊNCIAS BIBLIOGRÁFICAS
BELL, J. Projeto de Pesquisa: guia para pesquisadores iniciantes em educação, saúde e ciências sociais. 4.
ed. Porto Alegre: Artmed, 2008.
1
BRASIL. Ministério da Saúde. Panorama da tuberculose no Brasil: indicadores epidemiológicos e ope-
racionais. Brasília: Ministério da Saúde, 2014. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/
panorama%20tuberculose%20brasil_2014.pdf Acesso em: 30 nov. 2023
FLETCHER, R. H.; FLETCHER, S. W.; FLETCHER, G. Epidemiologia clínica: elementos essenciais. 5. ed.
Porto Alegre: ArtMed, 2014.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Pesquisa nacional de saúde: 2019:

ciclos de vida. Rio de Janeiro: IBGE, 2021.
PASQUALI, L. Psicometria. Revista da Escola de Enfermagem da USP, São Paulo, v. 43, especial, p. 992-
999, 2009. Disponível em: http://dx.doi.org/10.1590/S0080-62342009000500002. Acesso em: 23 fev. 2021.
PEREIRA, J. C. R. Análise de dados qualitativos: estratégias metodológicas para as ciências da saúde

humanas e sociais. São Paulo: Edusp, 2004.
ROUQUAYROL, M. Z.; GURGEL, M. Rouquayrol: epidemiologia e saúde. 8. ed. Rio de Janeiro: Medbook,
2018.
26
Epidemiologia
27
1

Indicadores de saúde UNIDADE 2
INDICADORES DE SAÚDE
2
INTRODUÇÃO
É comum comparar a condição de vida de um país, estado ou município. Pode-se usar vários
critérios e informações para definir qual é a melhor cidade brasileira para se morar, como
qualidade do ar, mobilidade urbana, custo de vida ou qualidade de saúde da população.
Para avaliar as condições de saúde da população usa-se indicadores de saúde. Na unidade
1 deste material vimos incidência e prevalência que são indicadores de medem riscos e
magnitude das doenças ou situações de saúde. As informações abordadas nessa unidade
ajudarão você a entender como as informações foram obtidas para responder às seguintes
perguntas: como saber qual o impacto que as doenças têm na saúde e na expectativa
de vida da população? Quantas pessoas morrem por essa doença? Do que as pessoas
morrem? Qual é a principal causa de morte do estado de São Paulo e do município de
Curitiba? Ao longo do tempo, as causas de morte e a expectativa de vida mudaram?
1. CONCEITO, HISTÓRICO E CARACTERÍSTICAS DE UM BOM

INDICADOR
Segundo a Ripsa (2008, p. 13), o indicador de saúde é uma medida que resume infor-
mações de saúde e os determinantes de uma população e do desempenho dos serviços
de saúde de um local. Essa é uma ferramenta para realização de um diagnóstico popula-
cional, o que permite elaborar e avaliar ações, propor hipóteses e descrever a situação.
Desse modo, um indicador de saúde para ser satisfatório, ele deve ser acessível para a
população, de fácil compreensão, capaz de sintetizar as condições de saúde comparadas
as outras realidades, capaz de propor ações de saúde adequadas a partir do acesso aos
dados. Por isso, no mundo inteiro, os indicadores são calculados da mesma maneira, a
partir de regras e consensos internacionais da Organização Mundial da Saúde (OMS).
Figura 01. Indicador de saúde

Fonte: 123RF.
28
A estratégia tradicional e mais antiga utilizada para avaliar a qualidade de vida da popu-
lação é a análise dos óbitos. A análise estatística das mortes começou no século XVII,
na Inglaterra, quando John Graunt tabulou as principais causas de morte a partir dos
registros de igrejas (Laurenti, 1991, p. 408-410). Nos séculos seguintes, a contagem e 2
a análise dos dados foram se aprimorando até que outros eventos, como nascimento e
doenças transmissíveis, foram incluídos. Assim, a análise dos óbitos e de nascimento é
denominada de estatística vital.

Um indicador de saúde é uma razão, ou seja, uma divisão entre valores de duas vari-
áveis. Na maioria dos casos, trata-se de proporções em que o numerador está incluso
no denominador, assim como a frequência relativa. Quando o valor do indicador é ex-
presso com um número de 0 a 1, o chamamos de coeficiente, já a taxa é expressa por
uma potência de base 10.
EXEMPLO 1
O coeficiente de mortalidade geral é 0,007 e a taxa de mortalidade é de 7 óbitos por 1.000 ha-
bitantes. As taxas têm fácil compreensão e, por isso, elas são mais usadas. Para calculá-las,
na maioria das vezes, é só multiplicar o coeficiente por 1.000 ou 100.000.
2. INDICADORES DE NATALIDADE, FECUNDIDADE E

MORBIDADE
Apenas contar o número de casos da doença não é suficiente para avaliar a gravidade.
Por exemplo, a dengue tem alta taxa de incidência, mas em poucos casos há morte.
A letalidade, por sua vez, é a proporção de casos da doença que vão ao óbito, sendo
expressa em porcentagem.
Fórmula da letalidade:
númerototal de óbitos pela doença emuma população eum determinado período

1 Letalidade ×100
númerototal de casos pela doença emuma população eum determinado período
Enquanto a incidência representa o risco de ficar doente, a letalidade expõe o risco de

morrer uma vez que se está doente.
EXEMPLO 2
Em 2019, o Brasil tinha uma população total de 210.659.013 habitantes. Nesse período, o
país apresentou o total de 1.349.802 óbitos, entre eles, 1.434 pessoas tinham como causa
básica a meningite. Em 2019, foram diagnosticados 16.159 casos da doença. Qual é a letali-
dade de meningite em 2019, no Brasil?
Epidemiologia 29
Indicadores de saúde
Letalidade
número de óbitos pela doença

2 Letalidade ×100 substituir os valores.
total casos pela doença
1.434
Letalidade
= ×100 realizar a divisão e a multiplicação.
16.159
Letalidade = 8,87.
Em 2019, a letalidade no Brasil para meningite é de 8,87%, ou seja, 9% dos casos da doença
irão a óbito.
A taxa bruta de natalidade é a proporção de crianças nascidas vivas em uma determi-

nada população, tempo e local. Ela é utilizada para estimar o crescimento da popula-
ção, sendo expressa pelo número de nascidos vivos a cada 1.000 habitantes.
Fórmula da taxa bruta de natalidade:
númerototal de nascidos vivos de residentes emum determinado período etempo

2 Natalidade ×1.000
númerototal de pessoas emuma população eum determinado período etempo
O indicador é influenciado pela característica da população, pois em uma população

mais idosa há poucos nascimentos de crianças, e pelas condições socioeconômicas.
A taxa de fecundidade total indica o número médio de filhos que uma mulher tem no
seu período reprodutivo (de 15 a 49 anos). Essa taxa é utilizada, principalmente, para
avaliar o crescimento populacional, indicando a possibilidade de reposição populacional,
em que a fecundidade menor do que 2,1 indica uma reposição populacional insuficiente.
As condições sociais e econômicas podem influenciar no aumento ou na redução da taxa.
A taxa específica de fecundidade indica a média do número de filhos que uma mulher
tem em uma determinada faixa etária. A fórmula é o número de nascidos vivos de mu-
lheres com uma faixa de idade específica dividindo pela população total feminina da
faixa etária. Normalmente, essa análise é observada a cada cinco anos, por exemplo,
fecundidade de mulheres 15 a 19 anos, 20 a 24 e assim sucessivamente até a faixa 45
a 49 anos. Podem ser expressas a cada 1.000 mulheres de determinada faixa etária.
Para isso se multiplica o resultado por 1.000.
Fórmula da taxa de fecundidade específica (TFE):
número de nascidos vivos de mães de determinada faixa etária residentes em um determinado período e local
3 Fecundidade específica =
população total feminina de determinada faixa etária residente em um determinado período e local
30
O cálculo da taxa de fecundidade total é feito primeiramente somando as taxas especí-
ficas de fecundidade de períodos idade (15 a 19, 20 a 24, 25 a 29, 30 a 34, 35 a 39, 40
a 44 e 45 a 49 anos) de mulheres residentes em determinado local. Os valores a serem
somados são o resultado da divisão antes de multiplicar por 1.000. Depois da soma se 2
multiplica o valor por 5 já que a faixa etária das fecundidades específicas é de cinco anos.
Fórmula da taxa de fecundidade total:

FecundidadeTotal =TFE 15 a 19 anos + TFE 20 a 24 anos + TFE 25 a 29 anos +
4
TFE 30 a 34 + TFE 35 a 39 + TFE 40 a 44 + TFE 45 a 49)×5
EXEMPLO 3
Natalidade e fecundidade específica e total
Em 2019, o Brasil tinha uma população total de 210.659.013 habitantes, em que 57.055.184
pessoas eram mulheres de 15 a 49 anos. Nesse ano, o país teve 2.849.146 nascidos vivos.
Tabela 01. Distribuição de nascidos vivos por faixa etária materna e população feminina
residente no Brasil em 2019 conforme faixa etária
NASCIDOS VIVOS POPULAÇÃO FEMININA

15 A 19 ANOS 399.922 8.338.727
20 A 24 ANOS 697.478 8.415.846
25 A 29 ANOS 674.427 8.424.527
30 A 34 ANOS 597.119 8.587.322
35 A 39 ANOS 364.105 8.700.521
40 A 44 ANOS 90.968 7.727.483
45 A 49 ANOS 5.310 6.860.758

Fonte: dados retirados do DATASUS ([s. d., n. p.]).
Nesse contexto, quais são as taxas brutas de natalidade e taxas de fecundidade específicas
e total em 2019 no Brasil?
Taxa de bruta de natalidade:
número de nascidos vivos

Natalidade ×1.000 substituir os valores.
númerototal de pessoas
2.849.146
Natalidade
= ×1.000 realizar a divisão e a multiplicação.
210.659.013
Natalidade = 13,52.
No Brasil, a taxa de bruta de natalidade em 2019 é de 13,52 nascidos vivos a cada 1.000 habitantes.
Epidemiologia 31
Taxa de fecundidade específica:
nascidos vivos de mulheres de15 a 19 anos

2 TFE 15 a 19 anos = substituir os valores.
mulheres de15 a 19 anos
399.922
TFE 15 a 19 = realizar a divisão
8.338.727
TFE 15 a 19 anos = 0,0480
nascidos vivos de mulheres de 20 a 24 anos 697.478

TFE 20=
a 24 anos = = 0, 0829
mulheres de 20 a 24 anos 8.415.846

TFE 25=
a 29 anos = = 0, 0801

TFE 30=
a 34 anos = = 0, 0695

TFE 35=
a 39 anos = = 0, 0418

TFE 40=
a 44 anos = = 0, 0118

TFE 45=
a 49 anos = = 0, 0008
Taxa de fecundidade total:
Fecundidade = (TFE 15 a 19 + TFE 20 a 24 + TFE 25 a 29 + TFE 30 a 34 + TFE 35 a 39 + TFE 40 a 44 + TFE 45 a 49 ) × 5

substituir os valores.
Fecundidade = (0, 0480 + 0, 0829 + 0, 0801 + 0, 0695 + 0, 0418 + 0, 0118 + 0, 0008 × 5

realizar a soma
= 0,3348 × 5
Fecundidade
realizar a multiplicação
Fecundidade = 1, 67
Em 2019, a taxa de fecundidade total no Brasil é de 1,67 nascidos vivos a cada mulheres de
15 a 49 anos, sendo que a faixa etária de mulher que mais tem filho é a de 20 a 24 anos.
32
Por fim, a esperança (ou expectativa) de vida ao nascer é o número médio de anos
que a pessoa vive, conforme o ano de nascimento. Esse indicador é muito utilizado para
avaliar e comparar a saúde de um país, nesse sentido, seu valor é utilizado na cons-
trução do Índice de Desenvolvimento Humano (IDH). Contudo, embora a expectativa 2
de vida ao nascer no Brasil seja maior do que 75 anos, isso não significa que todas as
pessoas viverão, em média, até os 75 anos. A estatística serve para estimar o tempo de
vida das crianças nascidas naquele ano, logo, para saber qual é sua esperança de vida

ao nascer, é necessário buscar o valor a partir do seu ano de nascimento.
Figura 02. Expectativa de vida
Fonte: 123RF.
Com isso, é possível comparar a esperança de vida para faixas etárias. Por exemplo, em
2015, quem tem 10 anos e quem tem 65 anos tem expectativas de vidas diferentes. As-
sim, à medida que se envelhece, a expectativa de vida aumenta. Então, uma pessoa com
10 anos naquele ano terá uma expectativa de vida maior do que 65 anos, uma vez que
já sobreviveu e superou a mortalidade esperada para a mortalidade infantil, por exemplo.
Dessa forma, estimar o tempo de vida não é suficiente, pois não se avalia a qualidade da
vida. Por isso, uma iniciativa internacional que o Brasil participa começou a avaliar o peso
das doenças na longevidade da população. Os estudos da Carga Global de Doenças (em
inglês GBD – Global Disease Burden) tiveram início no final dos anos 1990. Eles desen-
volveram ou difundiram os indicadores: anos potenciais de vida perdidos (em inglês YLL
– years life lost), anos de vida saudáveis perdidos (em inglês DALY – disability adjusted
life years) e expectativa de vida saudável (em inglês HALE – healty life expectancy).
O YLL avalia o impacto que a doença pode ter na vida da pessoa a partir de quantos
anos de vida foram perdidos pela morte precoce. O DALY avalia qual o tempo que a
pessoa viveu com alguma deficiência em decorrência de uma doença, aferindo o impac-
to da doença no sobrevivente. Já o HALE avalia a expectativa de vida antes de desen-
volver uma doença ou condição grave incapacitante, sendo muito útil para avaliar se o
aumento da esperança de vida está associado com mais tempo de vida saudável ou se
esse tempo a mais será com um baixo nível de saúde e qualidade de vida.
Epidemiologia 33
3. INDICADORES DE MORTALIDADE
A análise das causas de morte é um indicador de saúde. Essa é uma referência para
2 saber quais doenças mais acometem a população ao ponto de levar as pessoas a óbito.
As informações são obtidas na declaração de óbito, que se trata de um documento igual
em todo o país e segue um padrão internacional de descrever as causas da morte, a fim
de possibilitar uma comparação entre países.
A principal análise da mortalidade considera apenas uma única causa. Desse modo,
considere que uma pessoa que tinha câncer de mama há seis anos, com metástase
hepática há dois anos, e que teve insuficiência hepática seguida de falência múltipla dos
órgãos, que a levou ao óbito. Qual dessas doenças seria o mais adequado para entrar
na estatística? A causa que irá para a análise de mortalidade é a causa básica de morte,
ou seja, a doença ou evento que iniciou a cadeia de eventos que levou a óbito. Portanto,
nesse caso descrito, seria o câncer de mama.
Por causa desse raciocínio, algumas doenças podem apresentar uma baixa taxa de morta-
lidade, mesmo sendo frequentemente citadas nos atestados de óbito, como a diabetes e a
hipertensão arterial sistêmica. Essas doenças são muito prevalentes na população adulta,
no entanto, raramente são definidas como a causa básica nos atestados de óbito. Logo, há
prejuízo na identificação do impacto dessas doenças na mortalidade da população.
Há vários indicadores de mortalidade, no entanto, tradicionalmente, a análise ocorre pelos

óbitos de residentes do local (município, estado, região ou país) e não a partir dos óbitos
ocorridos no local. Como algumas informações sofrem ajustes após a notificação, normal-
mente, os indicadores demoram de um a dois anos para serem concluídos. Por sua vez,
os dados brutos para realizar os cálculos podem ser encontrados no DATASUS.
As causas das estatísticas de mortalidade são contadas a partir do código Classificação

Estatística Internacional de Doenças e Problemas Relacionados com a Saúde (CID) de
cada doença. Essa classificação é internacional, desenvolvida pela Organização Mun-
dial da Saúde (OMS) e, em 2019, foi lançada a sua 11ª edição (CID-11). Com isso, em
2022, espera-se que os países da OMS iniciem o uso da nova versão. Na CID-10, as
doenças estão organizadas por aparelhos e agrupadas por similaridades, por exemplo,
o capítulo IX se refere a doenças do aparelho circulatório, em que o código I10 se trata
da hipertensão arterial sistêmica.
A taxa de mortalidade geral é o principal indicador, pois, ela resume qual a proporção
de pessoas que morrem em um determinado período e local. Esse indicador é expresso
por 1.000 habitantes e essa taxa é utilizada para avaliar a condição geral de saúde.
Fórmula da taxa de mortalidade geral (TMG):
númerototal de óbitos de residentes emum determinadolocal e período

5 TMG ×1.000
populaçãototal residente emum determinadolocal e período
34
Além da mortalidade geral, é possível calcular por grupos específicos de causas ou de
idades. Para indicadores de causa, pode-se avaliar apenas uma causa ou um grupo.
Tradicionalmente, as causas são agrupadas por capítulos ou agrupamentos previamen-
te previstos pela CID-10. 2
A taxa de mortalidade específica por causa calcula a proporção de óbitos por uma
causa ou o grupo de causas específicas na população. Esse indicador, por sua vez, é

expresso por 100.000 habitantes.
EXEMPLO 4
A taxa de mortalidade específica por neoplasias malignas expressa a proporção de pessoas, de
um determinado período e local, que tiveram como causa básica de morte uma neoplasia maligna.
Fórmula da taxa de mortalidade específica por causa (TM específica):
número de óbitos por uma ou um grupo de causa de residentes emum determinadolocal e período
6 TM específica ×100.000
populaçãototal residente emum determinadolocal e período
Essa taxa mede a intensidade e magnitude da doença. Ela é uma incidência de morte
e, portanto, avalia risco de a população ir a óbito por uma causa, podendo ser utiliza-
do para ajudar na avaliação das condições de saúde e de planejamento do sistema e
serviços.
Já a mortalidade proporcional por causa calcula a proporção de óbitos por uma cau-
sa ou o grupo de causas específicas entre todos os óbitos. Por exemplo, mortalidade
proporcional por doenças cardiovasculares expressa a proporção dos óbitos de um de-
terminado período e local que tiveram como causa básica uma doença cardiovascular,
sendo expressa por porcentagem de óbitos. Nesse indicador, observe que o denomina-
dor é o número total de óbitos.
Fórmula da mortalidade proporcional por causa (M Proporcional):
número de óbitos por uma ou um grupo de causa de residentes emum determinadolocal e período
7 M proporcional
×100
A mortalidade proporcional mede a participação da causa no total de óbitos, podendo

ser utilizada para ajudar na avaliação das condições de saúde e de planejamento do
sistema e serviços. Ela depende das características da população e sofre influência
pela frequência das outras causas.
Uma mortalidade proporcional baixa não significa, necessariamente, que exista um bai-
xo risco de óbito por uma causa específica. Nesse contexto, pode ser que a mortalidade
proporcional esteja baixa porque, naquele período, houve um aumento de outros casos.
Já a taxa de mortalidade específica não é influenciada pelas outras causas. Na Figura
Epidemiologia 35
3, ao comparar os óbitos por causas externas (capítulo XX), a taxa de mortalidade

proporcional no Amazonas é maior quando comparado com o Brasil, mas a taxa de
mortalidade específica pelo mesmo capítulo é similar.
2 Figura 03. Gráficos comparando a taxa de mortalidade específica
(A) por 100.000 habitantes e a mortalidade proporcional (B) por capítulos da CID-10 no Brasil,
Amazonas e São Paulo em 2019. Cap. II: neoplasmas [tumores]; cap. IV: doenças endócrinas,
nutricionais e metabólicas; cap. IX: doenças do aparelho circulatório; cap. X: doenças do aparelho
respiratório; cap. XVIII: sintomas, sinais e achados anormais de exames clínicos e de laboratório,
não classificados em outra parte; e cap. XX: causas externas de morbidade e de mortalidade.
Fonte: DATASUS ([s. d., n. p.]).
36
EXEMPLO 5
TMG, TM específica e mortalidade proporcional
2
Em 2019, o Brasil tinha uma população total de 210.659.013 habitantes. Nesse período, o
país apresentou 1.349.802 óbitos totais, em que 364.132 desses óbitos ocorreram devido às
doenças do aparelho circulatório e 235.301 por neoplasias. Quais são as taxas de mortalida-

de geral, taxa de mortalidade específica por neoplasias e a taxa de mortalidade proporcional
por doenças do aparelho circulatório, no Brasil, em 2019?
Taxa de mortalidade geral:
númerototal de óbitos
TMG ×1.000 substituir os valores.
populaçãototal
1.349.802
=TMG ×1.000 dividir e multiplicar.
210.659.013
TMG = 6, 41 .
Logo, a taxa de mortalidade geral no Brasil em 2019 é de 6,41 mortes a cada 1.000 habitantes.
Taxa de mortalidade específica por neoplasia:
númerototal de óbitos pela doença

TM esp ×100.000 substituir os valores.
populaçãototal
235.301
TM esp
= ×100.000 dividir e multiplicar.
210.659.013
TM esp =111, 70.
A taxa de mortalidade específica por neoplasia no Brasil em 2019 é de 111,7 mortes a cada
100.000 habitantes.
Mortalidade proporcional por doenças do aparelho circulatório:
número de óbitos pela doença

M prop ×100 substituir os valores.
númerototal de óbitos
364.132
M prop
= ×100 dividir e multiplicar.
1.349.802
M prop = 26,98% .
Por fim, a mortalidade proporcional por doenças do aparelho circulatório no Brasil em 2019 é de
26,98%. Ou seja, 26,98% dos óbitos têm como causa básica uma doença do aparelho circulatório.
Epidemiologia 37
A mortalidade proporcional por faixa etária consegue indicar o nível de saúde da população,
a qualidade dos serviços e o grau de desenvolvimento do local. Os dois indicadores mais
comuns são a Razão de Mortalidade Proporcional e a curva de Mortalidade Proporcional.
2
CURIOSIDADE
A curva de Mortalidade Proporcional é também chamada de curva de Nelson de Moraes, au-
tor da classificação de quatro tipos de curvas relacionadas ao nível de saúde da população,
descrita em 1959.
A Figura 4 apresenta a representação gráfica dos quatro tipos de curvas (A) e a curva
do Brasil, Amazonas e São Paulo em 2019.
Figura 04. Curva mortalidade proporcional por faixa etária.
Fonte: (A) Rouquayrol e Gurgel (2018, p. 54) e (B) DATASUS ([s. d., n. p.]).
(A) Representação dos quatro tipos de níveis de saúde diferentes descrito por Nelson de
Moraes. (B) Informações do Brasil, Amazonas e São Paulo em 2019.
38
A Razão de Mortalidade Proporcional, ou o Índice de Swaroop & Uemura, se trata da
proporção de óbitos que ocorreram em pessoas com 50 anos ou mais em um determi-
nado período e local. Ela é expressa em porcentagem.
2
Fórmula da razão de mortalidade proporcional:

número de óbitos em pessoas com 50 ou mais residentes emum determinadolocal e período
8 Razão de mortalidade
×100
Nesse indicador, criado em 1955, quanto maior seu valor, melhores as condições de saúde
do local, pois, espera-se que a grande maioria dos óbitos ocorram em pessoas com mais de
50 anos de idade. Com isso, ele é utilizado para avaliar as condições de países.
Para ajudar a interpretá-lo, criaram-se quatro grupos: índice de 75% ou mais, em que se
considera o país desenvolvido; índice de 50 a 74%, país com certo desenvolvimento eco-
nômico e bom serviços de saúde; índice de 25 a 49%, país com atraso econômico e social;
por fim, índice inferior a 25%, considera-se o país com alto grau de subdesenvolvimento.
EXEMPLO 6
Razão de mortalidade proporcional:
O Brasil, em 2019, tinha uma população total de 210.659.013 habitantes. Nesse período,
o país apresentou 1.349.802 óbitos totais, em que 1.084.425 desses óbitos ocorreram em
pessoas com 50 anos ou mais.
Razão de mortalidade proporcional:
número de óbitos em ≥ 50 anos

×100 substituir os valores.
óbitos total
1.084.435
= ×100 dividir e multiplicar.
1.349.802
= 80,34% .
No Brasil, a razão de mortalidade em 2019 foi de 80,34%, no estado de São Paulo foi de
84,28% e no Estado de Amazonas de 64,35%.
Além disso, outro indicador que consegue fazer uma associação com as condições de
saúde de um local é a mortalidade infantil. A taxa de mortalidade infantil é como uma
mortalidade específica para uma faixa etária, estimando o risco de morte das crianças
com menos de 1 ano (de 0 a 364 dias de vida). Para estimar esse risco, o correto seria
Epidemiologia 39
o denominador do cálculo da taxa ser a população menor de 1 ano do determinado local

e período em que se pretende avaliar. No entanto, como não é possível ter esse valor
real, usamos o número de nascidos vivos como estimativa.
2
Fórmula da taxa de mortalidade infantil (TMI):
númerototal de óbitos em menores de1 ano emum determinadolocal e período

9 TMI ×1.000
número de nascidos vivos de mães residentes emum determinadolocal e período
Esse indicador é muito utilizado para comparar países e, normalmente, é considerado

alto se o valor for 50 ou mais óbitos por mil habitantes, médio se apresenta de 20 a 49
e baixo se menor que 20. Para conseguir um detalhamento das razões que levaram as
crianças a óbito, pode-se utilizar um indicador de mortalidade com faixas etárias mais
reduzidas. A taxa de mortalidade neonatal utiliza os óbitos de crianças de 0 a 27 dias.
A taxa de mortalidade neonatal precoce utiliza os óbitos de crianças de 0 a 6 dias de
vida, enquanto a neonatal tardia de 7 a 27 dias.
Fórmula da taxa de mortalidade neonatal (TMN):
númerototal de óbitos de 0 a 27 dias de vida emum determinadolocal e período

10 TMN ×1.000
Fórmula da taxa de mortalidade neonatal precoce (TMN precoce):

11 TMN precoce ×1.000
Fórmula da taxa de mortalidade neonatal tardia (TMN tardia):

12 TMN tardia ×1.000
A mortalidade neonatal está associada a qualidade da atenção à saúde, pois, normal-

mente, os óbitos que acontecem nesse período são em decorrência da qualidade da
assistência nos períodos de pré-natal, parto e perinatal. Para avaliar as condições so-
cioambientais é adequado utilizar a taxa de mortalidade pós-neonatal. Essa taxa,
por sua vez, utiliza os óbitos de crianças com 28 a 364 dias de vida. Nesse período,
as principais causas de morte são questões nutricionais ou doenças transmissíveis. A
Figura 5 apresenta um esquema com as divisões dos períodos da mortalidade infantil.
40
Fórmula da taxa de mortalidade pós-neonatal (TMPN):

13 TMPN ×1.000 2

Figura 05. Esquema das divisões das faixas etárias da mortalidade infantil
EXEMPLO 6
Taxa de mortalidade infantil e suas subdivisões
Em 2019, o Brasil tinha uma população total de 210.659.013 habitantes. Nesse período, o país
apresentou 1.349.802 óbitos totais, entre eles, 35.293 ocorreram em crianças menores de 1
ano de idade, 18.402 entre crianças com 0 a 6 dias de vida, 6.102 entre 7 e 27 dias e 10.789
entre 28 e 364 dias. Nesse ano, o país teve 2.849.146 nascidos vivos. Quais as taxas de morta-
lidade infantil, neonatal, neonatal precoce, neonatal tardia e pós-neonatal, em 2019, no Brasil?
Taxa de mortalidade infantil (TMI):
número de óbitos em < 1 ano

TMI ×1.000 substituir os valores.
total de nascidos vivos
35.293
=TMI ×1.000 dividir e multiplicar.
2.849.146
TMI =12,39 .
A taxa de mortalidade infantil no Brasil em 2019 é de 12,39 mortes a cada 1.000 nascidos vivos.
Epidemiologia 41
Taxa de mortalidade neonatal (TMN):
número de óbitos de 0 a 27 dias

2 TMN ×1.000 substituir os valores.
24.504
TMN
2.849.146
TMN = 8, 60.
A taxa de mortalidade neonatal no Brasil em 2019 é de 8,6 mortes a cada 1.000 nascidos
vivos.
Taxa de mortalidade neonatal precoce (TMN precoce):

TMN precoce ×1.000 substituir os valores.
18, 402
TMN p
2.849.146
TMN p = 6, 46.
Já a taxa de mortalidade neonatal precoce no Brasil em 2019 é de 6,46 mortes a cada 1.000
nascidos vivos.
Taxa de mortalidade neonatal tardia (TMN tardia):

TMN tardia ×1.000 substituir os valores.
6.102
TMN t
2.849.146
TMN t = 2,14.
Então, em 2019, a taxa de mortalidade neonatal tardia no Brasil foi de 2,14 mortes a cada
1.000 nascidos vivos.
Taxa de mortalidade pós-neonatal (TMPN):

TMPN ×1.000 substituir os valores.
42
10.789
TMPN
2.849.146 2
TMPN = 3, 79.

Portanto, a taxa de mortalidade pós-neonatal no Brasil em 2019 é de 3,79 mortes a cada
1.000 nascidos vivos.
4. TRANSIÇÃO DEMOGRÁFICA E EPIDEMIOLÓGICA

Há outros indicadores que ajudam na avaliação e na descrição da população de um lo-
cal, como: razão de sexo, proporção de idosos ou de menores de 5 anos e índice de en-
velhecimento (RIPSA, 2008, p. 70-71). Assim, ao analisar uma série histórica de todos
os indicadores, é possível contar a história da população e suas condições de saúde.
Por exemplo, considere a primeira metade do século XX no Brasil, pensemos na família

dos nossos avós, quando tinham mais do que 5 filhos e, frequentemente, uma criança
não chegava a fase adulta, pois as pessoas morriam jovens e existiam muitos casos e
mortes por doenças transmissíveis (como sarampo e tuberculose). Historicamente, o
Brasil é uma república recente com grande participação econômica da agricultura, mas
as cidades cresceram consideravelmente com a industrialização.
Ao pensar nos indicadores de saúde, a taxa de fecundidade total e natalidade eram altas
naquela época, a proporção de idosos era muito baixa enquanto a de crianças era alta,
ao mesmo tempo a taxa de mortalidade infantil era alta e a principal causa de morte eram
doenças transmissíveis. As condições de vida eram precárias, as casas não tinham sane-
amento básico, pessoas moravam em cortiços e espaços pequenos e aglomerados, pas-
savam fome e o salário era baixo. Consequentemente, essas situações favoreceram as
doenças transmissíveis e mortalidade infantil por fome, desnutrição e doenças diarreicas.
Conforme o tempo passou, as condições das
Figura 06. Aumento da expectativa de vida
pessoas melhoraram, houve a criação dos
direitos trabalhistas, o investimento no sa-
neamento básico e a melhoria no acesso e
nos serviços de saúde com campanhas sani-
taristas e vacinas. Isso fez reduzir o número
de óbitos por doenças transmissíveis, a taxa
mortalidade geral e infantil. Dessa forma, a
população começou a sobreviver por mais
tempo com aumento da prevalência de do-
enças crônicas. Nesse período, as taxas de
fecundidade e natalidade ainda são altas, e
isso, associado ao aumento da expectativa de
vida, fez a população crescer. Fonte: 123RF.
Epidemiologia 43
A redução da mortalidade infantil diminuiu a necessidade de se ter muitos filhos para

garantir que alguns cheguem à idade adulta. Com o passar do tempo, as pessoas mi-
graram para as cidades em que, além da urbanização e saneamento, as melhorias
2 das condições de vida, trabalho e serviços de saúde se mantiveram. Só depois dessas
diversas e extensas melhoras é que as taxas de fecundidade total e natalidade come-
çaram a reduzir. No Brasil, especificamente, isso aconteceu a partir de 1980, e nessa
fase houve uma aceleração da transição demográfica.
No Brasil no século XXI, as mulheres estão trabalhando e não têm “tempo” para ter e cuidar
de filhos; há aumento no número de famílias com um ou nenhum filho; e com o advento da
reprodução assistida, casais com idade avançada conseguem ter filhos. A população está
em processo de envelhecimento. As crianças, fruto das altas taxas de fecundidade da dé-
cada de 1950 e 1960, estão se tornando idosos e, com o aumento da expectativa de vida,
esse grupo etário só deve aumentar de tamanho. Por outro lado, no futuro, caso a situação
se mantenha, teremos um contingente menor de adultos e crianças.
SAIBA MAIS
O artigo a seguir descreve a mudança populacional no Brasil:
MIRANDA, G. M. D.; MENDES, A. da C. G.; SILVA, A. L. A. da. O envelhecimento populacio-

nal brasileiro: desafios e consequências sociais atuais e futuras. Revista Brasileira de Geria-
tria e Gerontologia, Rio de Janeiro, v. 19, n. 3, p. 507-519, jun. 2016. Disponível em: https://
doi.org/10.1590/1809-98232016019.150140. Acesso em: 1 mar. 2021.
Esse processo de transformação das características da população é chamado de transi-

ção epidemiológica e demográfica. A transição epidemiológica se refere a mudanças
dos padrões de morbimortalidade da população como a alteração da principal causa
de morte e das doenças mais prevalentes. A transição demográfica, por sua vez, re-
fere-se às mudanças das características da população, que passa de uma população
jovem para uma população envelhecida. Portanto, esse processo é alavancado pela
diminuição da mortalidade e queda nas taxas de fecundidade e natalidade.
Uma ferramenta para avaliar a transição demográfica é o gráfico de pirâmide popula-

cional em que é possível visualizar a proporção de pessoas por faixa etária e sexo para
um determinado local e período. Para países e locais que ainda não passaram pelas
transições, o contorno do gráfico parece uma pirâmide com base larga e baixa com uma
ponta final.
Esses locais têm alta natalidade e baixa expectativa de vida, como é o caso da pirâmide
na Figura 7B. Já os países que já passaram pelo processo de transição têm o gráfico
com um desenho que se assemelha a um barril. A proporção de crianças e idosos são
similares, com alta expectativa de vida e baixa natalidade, esse desenho ocorre em lo-
cais desenvolvidos. Na Figura 7A é possível observar uma pirâmide durante a transição
demográfica, a base está reduzindo enquanto o topo está aumentando de tamanho.
44
Figura 07. Pirâmide populacional de Porto Alegre/RS (A) e Autazes/AM (B), em 2010, comparada com a
do Brasil no mesmo período
A)
2

B)
Fonte: IBGE, [s. d., n. p.]. Disponível em: https://cidades.ibge.gov.br/brasil/panorama. Acesso em: 1 mar. 2021.
As transições acontecem em períodos diferente para cada país ou região. Logo, os mar-
cos sociais que causam a transição podem ainda não ter ocorrido. No Brasil do século
XXI, há locais com uma pirâmide populacional com desenho de pirâmide e locais que
estão mais próximos do desenho de barril.
Dessa forma, a análise do envelhecimento da população possibilita prever ou pro-

gramar uma sociedade que esteja preparada para essa mudança de demanda. No
futuro não haverá tanta necessidade de pediatras e escolas, mas, em contrapartida,
necessitaremos de um aumento de gerontólogos, da aposentadoria e de instituições
de longa permanência.
Epidemiologia 45
SAIBA MAIS
2 O vídeo: Hans Rosling em crescimento populacional (título original Hans Rosling: Global
population growth, box by box), do canal TED, descreve a distribuição e características ao
longo dos anos da população mundial e quais são os futuros desafios que teremos no futuro.
Disponível em: https://youtu.be/fTznEIZRkLg. Acesso em: 10 nov. 2023.
CONCLUSÃO
Os indicadores de saúde populacionais são ferramentas importantes para a gestão dos
sistemas e serviços de saúde. É a partir dessas informações que é possível avaliar se
uma intervenção de saúde foi bem-sucedida. Por exemplo, é possível mostrar que as
ações do outubro rosa são eficazes porque houve uma redução da mortalidade de cân-
cer de mama depois que elas foram implementadas.
Para os gestores, saber as causas e proporções de morte ajuda a estruturar quais de-
vem ser as doenças que devem ter prioridade para criar e aplicar ações de prevenção.
É função da gestão do sistema rotineiramente fazer uma análise dos indicadores de
saúde para poder nortear suas ações.
46
BRASIL. Ministério da Saúde. Panorama da tuberculose no Brasil: indicadores epidemiológicos e operacio-
nais. Brasília: Ministério da Saúde, 2014.
2
DEPARTAMENTO DE INFORMÁTICA DA FUNDAÇÃO NACIONAL DE SAÚDE DO SUS (DATASUS). Ta-
bnet [internet], Disponível em: https://datasus.saude.gov.br/informacoes-de-saude-tabnet/. Acesso em: 25

fev. 2021.
FLETCHER, R. H; FLETCHER, S. W.; FLETCHER, G. S. Epidemiologia clínica: elementos essenciais. 5.

ed. Porto Alegre: ArtMed, 2014.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Pesquisa nacional de saúde 2019:

percepção do estado de saúde, estilos de vida, doenças crônicas e saúde bucal: Brasil e grandes regiões. Rio
de Janeiro: IBGE, 2020. Disponível em: https://biblioteca.ibge.gov.br/visualizacao/livros/liv101764.pdf. Acesso
em: 25 fev. 2021.
LAURENTI, R. Análise da informação em saúde: 1893 – 1993, cem anos da Classificação Internacional de
Doenças. Revista Saúde Pública, São Paulo, v. 25, n. 6, p. 407-417, 1991. Disponível em: https://www.scie-
losp.org/pdf/rsp/1991.v25n6/407-417. Acesso em: 15 mar. 2021.
REDE INTERAGENCIAL DE INFORMAÇÃO PARA A SAÚDE (RIPSA). Indicadores básicos para a saúde
no Brasil: conceitos e aplicações. 2. ed. Brasília: Organização Pan-Americana da Saúde, 2008. Disponível
em: http://www.ripsa.org.br/2014/10/30/indicadores-basicos-para-a-saude-no-brasil-conceitos-e-aplicacoes-
-livro-2a-edicao-2008-2/. Acesso em: 3 mar. 2021.
2018.
Epidemiologia 47
Epidemiologia analítica UNIDADE 3
EPIDEMIOLOGIA ANALÍTICA
3
INTRODUÇÃO
Como são definidos quais são os fatores de risco para uma doença ou, ainda, quais
são os fatores que significam uma melhor evolução do quadro clínico do indivíduo?
Consumir bebida alcóolica durante a gestação faz mal para a criança? Qual é a chance
de uma pessoa infartar se for hipertensa? Como são avaliadas a eficácia de um trata-
mento? Vacina funciona?
Essa unidade abordará os tipos de estudos que conseguem responder a essas pergun-
tas e como calcular e interpretar as análises estatísticas que medem a intensidade da
associação entre diversas variáveis. Para tanto, serão abordados estudos analíticos e
longitudinais, o que significa que é possível provar associações e causalidade entre as
variáveis e que a coleta de dados acontece em mais de um momento.
Há os estudos observacionais e os experimentais, sendo que a diferença é que no

segundo tipo de estudo é o pesquisador que decide quais sujeitos terão a intervenção.
Nos estudos observacionais, o pesquisador só observa os eventos sem definir a qual
intervenção o sujeito será submetido,
Esses tipos de estudo conseguem medir a associação entre variáveis e riscos ou chan-
ces de um evento acontecer. Para ajudar a distinguir os desenhos do estudo é impor-
tante definir quais são as variáveis pesquisadas, como elas foram coletadas e como os
grupos comparados foram divididos.
GLOSSÁRIO
Variáveis independentes são fatores estudados que podem estar associados com a variável
dependente. Trata-se das causas presumíveis ou possíveis fatores de risco, em que pode ser
chamada de exposição, já que é a exposição ao fator de risco pode causar alguma doença
(Rouquaryol; Gurgel, 2018, p. 705). Por exemplo: fumar, bebida alcóolica e aleitamento materno.
Já a variável dependente é o efeito presumível da variável independente. Ela pode ser cha-
mada de desfecho ou variável de interesse. (Rouquaryol; Gurgel, 2018, p. 705). Além disso,
normalmente, ela é dicotômica, ou seja, só tem duas possibilidades de resposta, como ter ou
não ter uma doença. Por exemplo: câncer de pulmão, incapacidade e óbito.
1. ESTUDO COORTE
Entre os estudos observacionais, o estudo do tipo coorte é o que melhor consegue
avaliar o risco. Isso se deve porque, no início da pesquisa, todos os sujeitos não têm o
48
desfecho, sendo assim possível avaliar quantos casos novos aparecerão. Esse estudo
compara dois grupos, um que tem exposição ao fator de risco a ser estudado e outro
grupo que não é exposto. Os sujeitos, por sua vez, são acompanhados ao longo do
tempo para contar o surgimento do desfecho (Rouquaryol; Gurgel, 2018, p. 123-125). 3
O desenho desse tipo de estudo (Figura 1) iniciará pela exposição e, após uma quanti-
dade determinada de tempo, o desfecho é aferido. Desse modo, uma característica que
diferencia o estudo de coorte de outros estudos longitudinais é a pesquisa dividindo os

grupos pela exposição.
Figura 01. Esquema do desenho de estudo coorte
DESENHO
Pessoas com presença de variável

independente
Pessoas com presença de uma ou mais
variáveis independentes
Pessoas com ausência de variável
independente
Pessoas com presença de variável
independente
Pessoa com ausência de uma ou mais
Pessoas com ausência de variável
independente
EXEMPLO
pessoas com câncer

de pulmão
Fumantes
pessoas sem câncer
de pulmão
pessoas com câncer
de pulmão
Não Fumantes
pessoas sem câncer
de pulmão
O termo coorte se refere a um grupo de pessoas com uma característica em comum.

Por isso, um estudo coorte tem em seu desenho o acompanhamento de grupo de pes-
soas. Há coortes que são estudadas desde 1950, como a corte de nascidos vivos em
Pelotas (RS) que acompanha as pessoas há 30 anos, desde o nascimento até sua fase
adulta. Por exemplo, esses estudos conseguem avaliar qual o impacto do aleitamento
materno na saúde das crianças ao longo dos anos até a idade adulta.
Os estudos de coorte acompanham indivíduos sadios divididos em grupos de quem

possui uma característica e de quem não possui. Normalmente, o objetivo é avaliar
Epidemiologia 49
Epidemiologia analítica
quais consequências essa exposição pode gerar. Nesse sentido, alguns estudos acom-
panham um grupo de pessoas ao longo de vários anos para avaliar a morbidade de uma
exposição ou a associação entre ela e um desfecho.
3
CURIOSIDADE
Um marco nos estudos epidemiológicos é o estudo de Doll e Hill com o acompanhamento dos
médicos britânicos, em que essa coorte conseguiu provar as complicações causadas pelo
fumo. O artigo indicado a seguir resume a trajetória da pesquisa citada e seus resultados.
DI CICCO, M. E.; RAGAZZO, V.; JACINTO, T. Mortality in relation to smoking: the British Doc-
tors Study. Breathe (Sheff), [s. l.], v. 12, n. 3, p. 275-276, set. 2016. Disponível em: https://
www.ncbi.nlm.nih.gov/pmc/articles/PMC5298160/. Acesso em: 10 abr. 2021.
No começo do estudo, os participantes não podem apresentar o desfecho. Contudo, na

avaliação inicial é comum testar se a pessoa já apresenta o desfecho, ainda que ele
esteja na fase inicial da doença e seja assintomático. Por isso, esse é o único estudo
observacional capaz de medir incidência, somente a pesquisa pode monitorar esse
indicador de saúde.
A duração e a periodicidade do acompanhamento da pesquisa dever ser estabelecido a

partir da História Natural da Doença da variável dependente. Por exemplo, para avaliar se
o fumo está associado ao câncer de pulmão, a coleta de dado não precisa ser anual ou
após um ano de ter começado a fumar, já que a doença demora para se manifestar. Por-
tanto, dependendo das variáveis de interesse, um estudo coorte será de longa duração.
Por ser um estudo observacional, a decisão de que sujeitos serão expostos às variáveis
independentes não é do pesquisador.
EXEMPLO 1
Uma pesquisa acompanha quem fuma ou não, o pesquisador não influencia na decisão de
qual participante deverá fumar. Ou, então, uma pesquisa acompanhar os pacientes interna-
dos que tiveram abordagens terapêuticas diferentes para avaliar a cura de uma doença, con-
forme a abordagem terapêutica. Nesse último caso, a variável independente é a abordagem
terapêutica e o desfecho é a proporção de cura da doença. Para alguns tipos de exposição,
esse é o melhor desenho de pesquisa, pois, não é possível fazer estudo experimental.
De acordo com a ética, um pesquisador não pode oferecer a gestantes bebidas alcoólicas,
em razão do risco que isso pode causar à criança. No entanto, ele pode observar quais são
os efeitos encontrados em gestantes que consumiram a bebida.
A temporalidade é uma característica importante dos estudos coorte. Ela garante a

certeza de que o fator de risco existiu antes do desfecho, o que é fundamental porque,
muitas vezes, consegue-se perceber uma associação estatística entre duas variáveis,
mas não se sabe dizer qual é a causa e o efeito. Por exemplo, um estudo descritivo,
50
que coleta todas as informações, mostra uma associação entre ser sedentária e ter
depressão. Para definir se de fato uma variável é fator de risco para outra é preciso
um estudo longitudinal de coorte que garanta a ausência de depressão no começo do
acompanhamento dos sedentários e daqueles que praticam atividades físicas. Nesse 3
caso, no acompanhamento se avalia quantas pessoas apresentaram depressão.
Há dois tipos de estudo coorte, o prospectivo e o retrospectivo. Na coorte retrospec-

tiva, os grupos são selecionados no passado e acompanhados até o presente. A título
de exemplo: uma pesquisa que quer avaliar se o uso de antibiótico em pessoas com
gripe previne que o paciente necessite de ventilação mecânica. Com levantamento de
prontuário do último ano de todos os casos internados por gripe, o pesquisador separa
quem usou de quem não usou antibiótico e, em seguida, avalia quais precisaram de
intubação. O acompanhamento é realizado com as informações do prontuário e é pos-
sível que, no tempo atual, os sujeitos já tenham o desfecho.
As vantagens da coorte retrospectiva são de que é possível ter um alto número de su-
jeito de pesquisa e ela são de curta duração. Isso ocorre porque, como os fatos estão
no passado, não há necessidade de ficar esperando o evento acontecer desde o início
da exposição. Em contrapartida, a grande desvantagem é de que, ao utilizar registros
e informações de prontuário, não é possível garantir a qualidade dos dados e como as
informações foram coletadas. Isto é, quando os dados são coletados em prontuários
que não se pode garantir a qualidade da informação, a pesquisa apresenta um viés de
registro de informação.
Já a coorte prospectiva se trata do acompanhamento em tempo atual, como acom-

panhar atletas profissionais e avaliar o risco de lesões osteomioarticulares. Nesse
caso, a partir de hoje, por exemplo, atletas de diversas modalidades que não tenham
lesão serão acompanhados e avaliados, a fim de identificar quais e quantas lesões
aparecem ao longo dos anos. Por um lado, a vantagem é a coleta das informações
ser padronizada e, assim, garantir a confiabilidade dos dados. Além disso, outra
vantagem é poder medir outras variáveis que podem influenciar na associação e
avaliar fatores de confusão. Por outro lado, as desvantagens são que essas pesqui-
sas são caras e de longa duração, o que pode gerar a desistência de participantes
no meio do acompanhamento.
A perda de segmento é uma desvantagem de qualquer tipo de estudo, mas é mais fre-
quente em estudos longos, como a coorte prospectiva. A perda do acompanhamento
do sujeito da pesquisa pode ter várias causas, como migração, aderência, desistência e
outro desfecho que inviabilize a continuidade na pesquisa. Isso pode gerar impacto na
análise estatística e resultado.
Desse modo, a primeira informação a se avaliar é a proporção da perda, se ela for maior
do que 10% do número total da amostra da pesquisa, a qualidade dos resultados é
questionável; mas, se ela for maior do que 30%, a validade interna fica prejudicada. Em
seguida, é necessário avaliar as causas e se os grupos se mantêm comparáveis ou se
as pessoas que saíram tinham características diferentes.
Epidemiologia 51
EXEMPLO 2
Uma pesquisa para avaliar se consumir bebida alcoólica na gestação faz mal para a crian-
3
ça, na qual 100 mulheres foram acompanhadas em dois grupos. Ao longo do segmento, 20
mulheres desistiram de participar ou mudaram de endereço, entre as desistentes, 18 eram
usuárias de bebida alcoólica e tinham menos de 20 anos. Com a perda do segmento, o grupo
de expostos apresenta características e tamanho diferentes do grupo de não expostas.
Na pesquisa, qualquer pessoa que não saiba dizer a qual grupo o participante pertence, se
ele faz parte do grupo controle, intervenção, caso, exposto ou não exposto, é considerada
“cego”. O problema de não ter o participante “cego” é que ele pode mudar o seu comporta-
mento, o que poderá influenciar na avaliação. Dessa forma, apesar de continuar ingerindo
bebida alcoólica enquanto grávida, a mulher pode começar a comer de forma mais saudável
para garantir que o filho não tenha problemas. Assim, o resultado da pesquisa pode não re-
presentar a realidade. No caso da coorte, o voluntário sabe qual é o objetivo da pesquisa e,
portanto, sabe se ele está no grupo exposto ou não. O ideal é que todo sujeito de qualquer
pesquisa seja cego, contudo, no estudo coorte, dificilmente o sujeito da pesquisa é “cego”.
Esse tipo de estudo não é adequado para avaliar doenças de baixa prevalência. Como
a frequência do evento é baixa, é necessário ter uma amostra muito grande para conse-
guir poucos desfechos, o que, consequentemente, aumentaria o custo sem ter a certeza
de que a quantidade de desfecho seria adequada para análise. Para doenças que tem
um longo período de latência, esse desenho também não é adequado.
As principais vantagens de qualquer estudo coorte são:
` Ter relação temporal (exposição sempre veio antes do desfecho);
` Calcular incidência;
` Não expor o paciente ao risco (é um estudo observacional);
` Avaliar os múltiplos efeitos de uma exposição e
` Adequado para avaliar exposição rara.
Como em toda pesquisa, é possível que erros sistêmicos ocorram e que enfraqueçam
a validade do resultado. Assim, o viés de amostragem pode acontecer se o grupo
exposto e o grupo não exposto tiverem características diferentes. Isto é, é preciso que
eles sejam similares com exceção pela exposição ou, ainda, pode acontecer quando os
participantes não representam todos as situações de exposição.
PARA REFLETIR
Tendo em mente o exposto até aqui, reflita: será que a pesquisa sobre fumo tem uma amostra
que abrange todos os tipos de exposição? Têm pessoas que fumam desde 1 a mais de 40
cigarros por dia, que fumam cigarro de palha ou elétrico, ou ainda têm pessoas de todos os
sexos e idades?
52
O viés de migração ocorre nos casos de perda de segmento quando os grupos ficam
diferentes do que que eram no início da pesquisa e já não são mais comparáveis. Por
isso, no planejamento do estudo é importante programar estratégias que diminuam as
perdas, como ligações telefônicas para manter contato com os participantes. Ele ocorre 3
com mais frequência na coorte prospectiva.
O viés de aferição, por sua vez, pode acontecer sempre, mas ocorre com mais frequ-

ência na coorte retrospectiva. Nele, é importante que todos os indivíduos sejam ava-
liados da mesma maneira e de preferência pelo mesmo equipamento. Por isso, o ideal
é criar protocolos para definir as técnicas e as frequências com que os sujeitos devem
ser avaliados. Para os estudos retrospectivos é importante garantir a confiança das
informações registradas.
As análises estatísticas principais para esse estudo são: o risco relativo e o risco atribu-
ível, além da incidência. Com elas, é possível avaliar o impacto que se exposto tem o
risco de desenvolver o desfecho.
SAIBA MAIS
O Framingham Heart Study, é um famoso estudo coorte norte-americano que investiga fatores
de risco para doenças cardiovasculares. Para saber mais, leia o artigo, disponível a seguir:
TSAO, C. W.; VASA, R. S. Cohort profile: the framingham heart study (FHS): overview of
milestones in cardiovascular epidemiology. International Journal Epidemiology, [s. l.], v.
44, n. 3, p. 1800-1813, dez. 2015. Disponível em https://www.ncbi.nlm.nih.gov/pmc/articles/
PMC5156338/. Acesso em: 10 abr. 2021.
2. ESTUDO DE PROGNÓSTICO
O estudo de prognóstico prediz quais são os resultados possíveis de um evento. Por
exemplo, o prognóstico de quem sofre um acidente de carro é 45% de chance da pes-
soa sair ilesa, 25% de sair com alguma lesão que será curada, 15% de ficar com algu-
ma sequela e 15% de ir a óbito em um mês do acidente.
No estudo de prognóstico, todos os participantes, desde o início da pesquisa, têm a

doença a ser estudada. O objetivo é acompanhar a evolução da doença comparando
grupos com característica diferente (presença ou ausência de fator prognóstico) e ava-
liar se ela influencia no desfecho a ser avaliado. Como o caso de uma pesquisa que
pretende avaliar se o tamanho do tumor do câncer de mama influencia na chance de
a mulher estar viva depois de 5 anos. O desenho do estudo está esquematizado na
Figura a seguir.
Epidemiologia 53
Figura 02. Esquema do desenho de estudo prognóstico
DESENHO
3 Pessoas com presença do desfecho
Pessoa doente com presença de um ou

mais fatores prognósticos
Pessoas com ausência do desfecho
Pessoas com presença do desfecho
Pessoa doente com ausência de um ou

mais fatores prognósticos
EXEMPLO
Pessoas vivas após 5 anos
Pessoa com câncer com tumor

maior de 5 cm
Pessoas mortas após 5 anos
Pessoas vivas após 5 anos
Pessoa com câncer com tumor

menor de 5 cm
Pessoas mortas após 5 anos
Essas pesquisas comparam como alguns fatores influenciam na história natural da do-
ença. Por exemplo, iniciar o tratamento nas primeiras seis horas de um Acidente Vas-
cular Cerebral (AVC) altera a história natural da doença com aumento da sobrevida e
redução das sequelas.
Os fatores prognósticos podem ser características do indivíduo, como idade, caracte-

rísticas da doença (tipo histológico do câncer ou intervenções realizadas, como realizar
inicialmente quimioterapia em vez da cirurgia). Os desfechos do estudo podem ser morte,
deficiência ou incapacidade, sofrimento ou, ainda, redução da qualidade de vida. Os es-
tudos prognósticos mais comuns são os de sobrevida, que avaliam quais são as chances
de a pessoa estar viva após 5 anos do diagnóstico. Nesse caso, o desfecho é morte.
Quando se usa a gravidade da doença como fator prognóstico, um possível problema

que pode acontecer é, no meio da pesquisa, surgir um método diagnóstico. Se após
essa novidade, os novos casos começarem a serem classificados de maneira diferente,
a pesquisa fica comprometida.
54
EXEMPLO 3
Um novo método tomográfico consegue identificar tumores menores e faz com que o que
antes seria uma classificação grau II, agora seja grau III. Por sua vez, esse processo se 3
chama migração de estágio e altera a análise estatística de cada fator prognóstico. Assim, as
probabilidades de sobrevida de cada fator prognóstico aumentam (Fletcher, R. H.; Fletcher,

S. W.; Fletcher, G. S., 2014, p. 103).
O início do acompanhamento é denominado tempo zero, trata-se do diagnóstico, do

início dos sintomas, do início do tratamento, entre outras opções. O importante é que
todos os participantes entrem na pesquisa no mesmo tempo zero. Para a gestão do sis-
tema de saúde é importante avaliar o impacto que a demora para o início do tratamento
tem sobre o prognóstico.
Esse estudo é similar ao coorte, no entanto, uma diferença é que, no prognóstico, todos
os indivíduos têm a doença. A coorte investiga fatores de risco que podem causar uma
doença, já o prognóstico investiga fatores que alteram a evolução da doença. Ainda,
no primeiro estudo, o principal desfecho é desenvolver uma doença, já no segundo, o
desfecho é avaliar as complicações da doença que são muito mais frequentes. Além
disso, na coorte, os vieses que mais frequentemente acontecem são de amostragem,
migração e aferição.
A análise estatística principal para esse estudo é a análise de sobrevida que calcula as
probabilidades dos desfechos acontecerem a partir dos grupos de fatores prognósticos.
Para doenças com estigmas associados é comum o paciente perguntar para algum
profissional de saúde qual é o seu prognóstico. Nesse contexto, a oncologia tem grande
quantidade de estudos para avaliar as associações de diversos fatores para dar uma
resposta correta ao paciente e familiares. Contudo, é importante ressaltar que o prog-
nóstico é uma probabilidade e isso não necessariamente acontecerá.
EXEMPLO 4
O artigo a seguir é um estudo de sobrevida que avalia quais são os possíveis fatores prognósticos.
SCHNEIDER, I. J. C.; D’ORSI, E. Sobrevida em cinco anos e fatores prognósticos em mulheres

com câncer de mama em Santa Catarina, Brasil. Cadernos de Saúde Pública, Rio de Janeiro,
v. 25, n. 6, p. 1285-1296, jun. 2009. Disponível em: http://www.scielo.br/scielo.php?script=sci_art-
text&pid=S0102-311X2009000600011&lng=pt&nrm=iso. Acesso em: 10 abr. 2021.
3. ESTUDO CASO-CONTROLE
O estudo de caso-controle é, também, observacional e longitudinal. A diferença com o
estudo coorte é o modo em os grupos de comparação são divididos. Na coorte se com-
para os grupos a partir da presença ou ausência de exposição. Já no caso-controle, os
grupos são presença ou ausência da variável dependente, ou seja, do desfecho.
Epidemiologia 55
O desenho do estudo caso-controle é dividir a amostra conforme a presença do desfecho

e depois avaliar quais são os fatores que as pessoas estavam expostas. Por exemplo,
uma pesquisa sobre a associação entre câncer de pulmão e cigarro. Inicialmente, sepa-
3 ra-se quem tem e não tem câncer de pulmão e depois investiga por questionário ou pron-
tuário quais pessoas fumavam. O desenho do estudo está esquematizado na Figura 3.
Figura 03. Esquema do desenho de estudo caso-controle
DESENHO
Pessoa com presença de uma ou

mais variáveis independentes
Pessoas com presença da
variável independente
Pessoa com presença de uma ou
mais variáveis independentes
Pessoa com ausência da
variável independente
EXEMPLO
Fumantes
pessoas com câncer
de pulmão
Não Fumantes
Fumantes
pessoas sem câncer
de pulmão
Não Fumantes
O objetivo do estudo é avaliar, a partir da doença, quais são os possíveis fatores de

risco e qual é a frequência que cada exposição ocorreu. Ele é ideal quando a doença é
rara ou tem um longo período de latência.
Os participantes são selecionados em dois grupos, o caso e o controle. Essa divisão

ocorre a partir da presença ou ausência do desfecho e é independente da exposição. A
definição do que é um caso deve ser precisa e adequada, assim, o pesquisador deve
estabelecer critérios rigorosos para não haver dúvida se uma pessoa se enquadra no
grupo caso. A amostra dos casos deve conter quem acabou de ser diagnosticado e
quem foi há mais tempo, que faz ou não acompanhamento e/ou tratamento e os diver-
sos graus da doença.
56
A definição do controle deve ser alguém da mesma população do caso e que poderia
se tornar um se ficasse doente. Os controles podem ser outras pessoas internadas no
mesmo hospital, mas com outro diagnóstico ou, ainda, pessoas próximas da residência
do caso ou parentes. 3
EXEMPLO 5

Uma pesquisa que quer avaliar estresse de professores do ensino fundamental. Os casos
foram professores que, em uma escala de estresse, pontuaram alto, enquanto os controles
são os professores que pontuaram baixo. A amostra foi selecionada em uma única escola
de ensino fundamental, com o objetivo de avaiar se as condições de trabalho são similares.
Assim, é possível parear o controle com o caso. Normalmente, o pareamento é por

idade e sexo, mas ele pode ser por outras características que não a exposição. Nor-
malmente, a quantidade de controle pode ser igual a de casos. Mas, nas situações em
que há poucos casos, é possível selecionar de duas a três vezes mais controles do que
caso. Exemplificando: um estudo sobre quedas de pacientes no hospital teve parea-
mento feito em relação ao sexo, data de internação e clínica. Se um homem internado
na clínica cirúrgica em 05/01/2015 sofreu uma queda, o controle deveria ser um homem
internado na clínica cirúrgica em 05/01/2015 que não caiu.
A vantagem desse desenho é a praticidade e ser de curta duração. A principal desvanta-

gem é ser um estudo retrospectivo, o que significa que a informação sobre a exposição
pode não ser correta. Portanto, frequentemente, ocorre o viés de registro de informa-
ção. Dessa forma, é importante utilizar fontes seguras, confiáveis e que relatem a expo-
sição antes de saber da existência da doença. No entanto, a avaliação de exposição só
é possível a partir de entrevista com os sujeitos ou análise de prontuário.
Os participantes podem lembrar de maneira diferente um fato, em que normalmente os

casos vão tender a lembrar com mais detalhes do que o controle. Pense: você conse-
gue lembrar o que comeu há dois dias? Provavelmente não, mas se foi um dia com um
evento importante, isso o ajudará a se lembrar. Ainda, se no dia você teve episódios
de diarreia é mais provável que você lembre que alimentos ingeridos no dia. Esse erro
possível de acontecer em todo estudo caso-controle tem o nome de viés de memória
ou de lembrança (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 92).
Os profissionais de saúde, contudo, só poderão investigar sobre exposições que estão

associadas com a hipótese diagnóstica. Então, para esses casos é mais provável que
se tenha uma avaliação completa e, nos controles, a avaliação ser mais simples.
O estudo caso-controle é comum por ser rápido e prático de realizar. Além de permitir explorar
múltiplas exposições para uma mesma doença e de não precisar de muitos indivíduos para
provar associações. Apesar de parecer prático e simples, ao fazer uma pesquisa rápida, de-
ve-se ter cuidado para que a qualidade não seja prejudicada por apresentar diversos vieses.
A análise estatística principal para esse estudo é a razão de chances ou, em inglês, odds
ratio (OR). Com ela é possível estimar o risco que a exposição desenvolva o desfecho.
Epidemiologia 57
EXEMPLO 6
Para um exemplo de Estudo caso-controle e sua aplicação, leia:
3
GAMBA, M. A. et al. Amputações de extremidades inferiores por diabetes melli-
tus: estudo caso-controle. Revista de Saúde Pública, São Paulo, v. 38, n. 3, p. 399-
404, jun. 2004. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pi-
d=S0034-89102004000300010&lng=en&nrm=iso. Acesso em: 10 abr. 2021.
4. TABELA DE CONTINGÊNCIA
Entre duas variáveis podem acontecer comparações, sendo uma variável independente
e outra dependente, ou entre múltiplas variáveis, em que várias variáveis são indepen-
dentes e uma é dependente. Geralmente, as variáveis independentes são as exposi-
ções ou fatores, e a variável dependente é o desfecho, que pode ser desde deficiência,
complicação, morte ou doença.
Para a análise entre duas variáveis é comum organizar os dados em uma tabela de con-
tingência 2 x 2 (Figura 4). Nessa tabela, nas linhas estão descritas as possibilidades da
variável independente e nas colunas as da variável dependente. Como de preferência a
exposição e o desfecho são dicotômicos (presentes ou ausentes), a tabela fica com duas
linhas e duas colunas, por isso, ela tem esse nome. As casas da tabela são nomeadas
como “a”, “b”, “c” e “d” para depois facilitar as fórmulas das medidas de associações.
Figura 04. Tabela de contingência 2 x 2
58
A Figura 4 exemplifica uma pesquisa para avaliar a associação entre fumo e câncer de
pulmão. Nesse caso, primeiramente, deve-se definir que o fumo é a variável indepen-
dente e o câncer de pulmão a variável dependente. Então, pode-se designar que a =
67, b = 9, c = 5 e d = 114 e que os valores totais foram obtidos por uma soma simples. 3
É interessante observar que independentemente do tipo de estudo, se é transversal,
caso-controle ou coorte, a tabela é montada da mesma maneira.

EXEMPLO 7
Tabela de contingência 2 x 2
Em uma pesquisa para avaliar a associação do sexo com a chance de ter depressão, no
início do acompanhamento, nenhum dos participantes eram depressivos. Contudo, depois de
10 anos, das 452 mulheres 79 foram diagnosticadas com depressão, enquanto 39 homens
foram diagnosticados do total de 908 participantes do sexo masculino.
Como os dados estão distribuídos em uma tabela?
Tabela 2 x 2
Para montar a tabela, deve-se considerar que ter depressão é o desfecho e o sexo é a expo-
sição. Como desejamos saber o risco de uma mulher ter a doença, podemos definir que ser
mulher é ter a exposição.
Então, preencha a tabela com os valores descritos no enunciado:
Tabela 01. Índices de depressão por sexo
COM DEPRESSÃO SEM DEPRESSÃO TOTAL

MULHERES 79 (a) (b) 452
HOMENS 39 (c) (d) 908
TOTAL (a+c) (b+d) (a+b+c+d)

Para calcular “b”: do total de mulheres subtraia aquelas que tiveram depressão = 452 – 79 = 373.
Para calcular “d”: do total de homens subtraia aqueles que tiveram depressão = 908 – 39 = 869.
Some as colunas para preencher a linha “Total.”

Tabela 02. Tabela completa

MULHERES 79 373 452
HOMENS 39 869 908
TOTAL 118 1242 1360

Epidemiologia 59
5. RISCO RELATIVO E RISCO ATRIBUÍVEL

As medidas de associação risco relativo e risco atribuível estão associadas a incidência
3 de um evento. Por serem dependentes da incidência, essas medidas só podem ser
calculadas em estudos do tipo coorte, pois ele é o único que consegue avaliar o número
de casos novos de um desfecho.
GLOSSÁRIO
Incidência, ou coeficiente de incidência, é a proporção que descreve o número de casos
novos de uma doença em uma determinada população. O resultado pode ser expresso em
coeficiente com os números decimais resultantes da divisão ou em taxa a cada 1.000 pesso-
as, ou qualquer outra proporção que for adequada.
número de casos novos deuma doença emuma população eum determinado período
1 Incidência =
Fonte: Rouquayrol; Gurgel (2018, p. 682).
As duas medidas avaliam o risco de se ter o desfecho quando temos a exposição ao

fator de risco comparando com o risco nas pessoas não expostas. risco relativo é uma
razão das incidências do desfecho do grupo exposto contra o grupo não exposto (Rou-
quayrol; Gurgel, 2018, p. 138). A partir desse resultado, é possível saber quantas vezes
maior é o risco do desfecho ao comparar os dois grupos (expostos e não expostos ao
fator de risco). Um resultado alto favorece a causalidade da associação das variáveis.
Fórmula do risco relativo (RR):
a
Incidência do desfecho nos expostos a+b
2 RR = ou RR =
Incidência do desfecho nos não expostos c
c+d
Em que: a, b, c e d são as casas de referência da tabela 2 x 2.
Considere que, um estudo coorte acompanhou 195 pessoas entre fumantes e não fuman-
tes e, depois de 15 anos, avaliou quantas delas desenvolveram câncer de pulmão. A distri-
buição hipotética dos casos nos grupos está no exemplo da Figura 4. Para calcular o risco
relativo, inicialmente, é preciso calcular a incidência do desfecho nos dois grupos (expostos
e não expostos). Nessa pesquisa, a exposição é o fumo e o desfecho é o câncer. Ao fazer
o cálculo, identifica-se que incidência de câncer de pulmão em fumantes é de 0,8816 e em
não fumantes é de 0,2632. Como usaremos os valores da incidência, podemos mantê-los
na forma de coeficiente. Então, para calcular o risco relativo é preciso dividir as incidências,
na qual se obtém o resultado de 3,35. Como interpretar esse resultado?
60
Esse valor de risco relativo significa que, o risco de ter câncer de pulmão entre fumantes
é 3,35 vezes maior do que entre os não fumantes ou, ainda, pode-se dizer que fumar
está associado a um risco de 3,35 vezes maior de desenvolver câncer de pulmão.
3
EXEMPLO 8

Risco relativo
Em uma pesquisa para avaliar a associação do sexo com a chance de ter depressão, no início do
acompanhamento, nenhum dos participantes tinham a doença. Porém, das 452 mulheres ana-
lisadas, depois de 10 anos, 79 foram diagnosticadas com depressão; enquanto apenas 39 ho-
mens foram diagnosticados com a doença em um total de 908 participantes do sexo masculino.
Qual é o risco relativo de mulheres terem depressão após 10 anos?

Tabela 03. Tabela 2 x 2 completa

MULHERES 79 373 452
HOMENS 39 869 908
TOTAL 118 1242 1360

Risco relativo
número de mulheres depressivas 79

Incidência nas mulheres
= = = 0,1748
total de mulheres 452
número de homens depressivos 39

Incidência nos homens
= = = 0, 0430
total de homens 908
Incidência do desfecho nos expostos Incidência de depressão nas mulheres

RR =
Incidência do desfecho nos não expostos Incidência de depressão nos homens
0,1748
RR = realizar a divisão.
0, 0430
RR = 4, 07
Ou pela outra fórmula
a
RR = a + b substituir o valor.
c
c+d
Epidemiologia 61
79
RR = 452 dividir no numerador e no denominador.
3 39
908
0,1748
RR = realizar a divisão.
0, 0430
RR = 4, 07
Logo, o risco relativo é de 4,07. Isso significa que as mulheres têm um risco 4,07 maior do
que os homens de desenvolver depressão.
Caso o risco relativo seja 1,0, a exposição não altera o risco de desenvolver o desfecho.
Quando o risco relativo é menor do que 1,0, pode-se dizer que a exposição é um fator
protetor, pois, a presença dela reduz o risco de ter a doença. Por exemplo, uma pesquisa
sobre aleitamento materno e infecções respiratórias na primeira infância cujo RR=0,2.
Isso significa que, aleitamento materno protege quanto a infecções respiratórias na pri-
meira infância ou que não aleitamento é um fator de risco para a doença.
Quando o risco relativo é menor do que 1,0, é possível fazer uma conta para avaliar o
quanto a exposição reduz o risco. A fórmula, simplesmente, divide 1 pelo valor do risco
1 1
=
relativo. No exemplo = = 5 , ou seja, o aleitamento materno reduz em 5 ve-
RR 0, 2
zes o risco de infecções respiratórias na primeira infância.
Já o risco atribuível se trata do quanto a incidência aumentou por causa da exposição,

ou seja, ele avalia o risco que pode ser atribuído a exposição. Por sua vez, o cálculo é
realizado a partir da subtração das incidências do desfecho entre os dois grupos (ex-
postos e não expostos) (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 73-75).
Fórmula do risco atribuível (RA):
RA Incidência do desfecho nos expostos − Incidência do desfecho nos não expostos

3
a c
RA
ou = −
a+b c+d
Assim, analisando a Figura 4, é possível que um não fumante tenha câncer de pulmão,
mesmo que o risco seja bem menor. Ao usar o risco atribuível, você avaliará o quanto
fumar acrescentou no risco de desenvolver câncer. Para ficar mais fácil de interpretar
62
o resultado é melhor transformá-lo em taxa a cada 1.000 pessoas, ou qualquer outra
proporção que se achar adequada.
EXEMPLO 9 3
Risco atribuível

Em uma pesquisa para avaliar a associação do sexo com a chance de ter depressão, no
início do acompanhamento, nenhum dos participantes eram depressivos. Contudo, depois de
Qual é o risco atribuível de mulheres terem depressão após 10 anos?


MULHERES 79 373 452
HOMENS 39 869 908
TOTAL 118 1242 1360

Fonte: elaborado pela autora.
Risco atribuível
número de mulheres depressivas 79

Incidência nas mulheres
= = = 0,1748
total de mulheres 452
número de homens depressivos 39

Incidência nos homens
= = = 0, 0430
total de homens 908
RA Incidência do desfecho nos expostos − Incidência do desfecho nos não expostos
RA 0,1748 − 0, 0430
= subtrair.
RA = 0,1318
RA = 0,1318 x1.000 realizar a multiplicação para transformar em taxa.
RA =131,8 por 1.000 pessoas

Com isso, o risco de ter depressão atribuível a ser mulher é de 131,8 casos para
1.000 pessoas.
Epidemiologia 63
6. RAZÃO DE CHANCES (ODDS RATIO)

Para estudos que não são coorte e, portanto, não se sabe a incidência do desfecho,
3 o risco relativo não pode ser calculado. Para esses casos, existe a razão de chances
ou odds ratio (OR), em inglês, que significa estimativa de risco. Essa medida pode ser
usada em qualquer tipo de estudo.
Chances, no inglês Odds, é uma medida utilizada que avalia a chance de um even-
to acontecer contra a chance de não acontecer. Essa medida é popularmente usada
em eventos esportivos e apostas. Ela se assemelha a probabilidade, com a diferença
de que o denominador na probabilidade é a totalidade de possibilidades, enquanto na
chance é a frequência do evento não acontecer. Por exemplo, qual é a chance e a pro-
babilidade e sair o número 6 no dado?
n º de eventos esperados 1
` Na probabilidade a conta é = = 0,1667.
n º de eventos possíveis 6
n º de eventos esperados 1
` Na chance a conta é = = 0, 2 .
total de eventos − n º eventos esperados 5
A razão de chances é a divisão das chances (odds) do desfecho acontecer nos dois
grupos (expostos e não expostos). Matematicamente, a fórmula pode ser simplificada
pela divisão dos produtos cruzados.
Fórmula da razão de chances ou odds ratio (OR):
ad a × d
4 OR
= =
bd b × d
DESENVOLVIMENTO DA FÓRMULA DA RAZÃO DE CHANCES

OU ODDS RATIO
Considere a tabela 2x2 de uma pesquisa de caso-controle.
Tabela 05. Exemplo de pesquisa de caso-controle

COM DESFECHO SEM DESFECHO TOTAL
COM EXPOSIÇÃO a b a+b
SEM EXPOSIÇÃO c d c+d
TOTAL a+c b+d a+b+c+d

64
Para calcular a razão de chances, primeiramente, é necessário calcular a chance
de o desfecho acontecer em cada um dos grupos. Nesse caso, os grupos são: com
exposição e sem exposição.
3
n º de pessoas com desfecho a

5 Chance nos expostos
= =

n º de pessoas sem desfecho b
n º de pessoas com desfecho c

6 Chance nos não expostos
= =
n º de pessoas sem desfecho d
A razão de chances ou odds ratio é a divisão da chance do desfecho no grupo dos

expostos pela chance do desfecho no grupo dos não expostos:
a
chance nos expostos b
7 Razão
= de chances ou OR =
chance nos não expostos c
d
Uma divisão de frações pode ser solucionada multiplicando a primeira fração pelo
inverso da segunda (o numerador vira o denominador e vice-versa), como na equa-
ção a seguir:
a
a d
8 OR= b = ×
c b c
d
Já a multiplicação de frações é solucionada multiplicando os numeradores e multi-

plicando os denominadores. Com isso, obtemos a fórmula final (Equação 9).
a×d
9 OR =
b×d
A interpretação do resultado é muito similar ao do risco relativo, mas a diferença é que

o RR mede o risco, enquanto o OR estima o risco. Portanto, razão de chances maior do
que 1,0 indica aumento na chance do desfecho acontecer. Se for igual a 1,0, não existe
associação entre as variáveis e se for menor do que 1,0 indica que a exposição reduz a
chance do desfecho acontecer.
Epidemiologia 65
EXEMPLO 10
Razão de chances ou OR
3
Em uma pesquisa para avaliar a associação do sexo com a chance de ter depressão, no iní-
cio do acompanhamento, nenhum dos participantes eram depressivos. No entanto, depois de
Qual é a razão de chances de mulheres terem depressão após 10 anos?

Com depressão Sem depressão Total
Mulheres 79 373 452
Homens 39 869 908
Total 118 1242 1360
Razão de chances
a×d
OR = substituir os valores.
b×d
79 × 869
OR = multiplicar.
373 × 39
68.651
OR = dividir.
14.547
OR = 4,72
Logo, estima-se que ser mulher aumenta o risco de ter depressão em 4,72 vezes.
O risco relativo e a razão de chances têm valores aproximados quando a prevalência

do desfecho for inferior a 10% (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p.
106). Nos exemplos da unidade sobre a pesquisa de depressão, nota-se que os valores
estão próximos, RR=4,07 e OR=4,72. Isso ocorre porque a prevalência de depressão
na amostra foi de 8,7%. Para chegar nesse resultado de prevalência, divide-se o total
de pessoas com depressão pelo total de pessoas (= 118/1360) e, em seguida, o resul-
tado é multiplicado por 100. Já no exemplo da pesquisa sobre fumo e câncer, em que
os valores estão descritos na Figura 4, a prevalência da doença é 75,8%. Nesse caso,
o RR=3,35 está bem distante do OR=20,84.
Como o risco relativo mede o risco enquanto a outra medida apenas estima, toda vez
que for um estudo de coorte e for possível, deve-se dar preferência as medidas de risco
relativo em vez da razão de chances.
66
7. ANÁLISE DE SOBREVIDA
As análises de sobrevida são gráficos que descrevem as probabilidades de o desfecho
acontecer ao longo do tempo, podendo ou não ser estratificada em grupos de fatores 3
prognósticos. Trata-se da medida mais completa dos estudos prognósticos, pois é pos-
sível avaliar a probabilidade do desfecho em cada ponto do tempo.

Porém, ela só pode ser calculada se o desfecho é dicotômico e só ocorre uma vez. O
evento dicotômico é quando só há duas possibilidades presente/ausente ou sim/não.
Se o desfecho não for morte/vida, mas seguir os mesmos pressupostos, pode-se usar
o termo análise de tempo ou evento.
Para fazer estimativa, o método estatístico mais habitual é a análise de Kaplan-Meier

(Figura 5). Nessa análise, a probabilidade de sobreviver é calculada em intervalos de
tempo. As pessoas que saem da pesquisa por perda de segmento são chamadas de
censurados e saem da conta do denominador naquele período em diante.
Figura 05. Representação gráfica de uma curva de sobrevida com a análise de

Kaplan-Meier estratificada pelos fatores prognósticos de câncer
Os valores são fictícios.

Para calcular a probabilidade de sobrevida em um maior período de tempo, é ne-

cessário multiplicar a probabilidade de cada intervalo. Por exemplo, para saber qual
é a probabilidade de sobreviver após um ano do diagnóstico do câncer, é preciso
multiplicar a probabilidade de ter sobrevivido a cada mês desse primeiro ano. Então,
com o passar do tempo, a probabilidade se reduz cada vez mais. Na representação
gráfica, as probabilidades já estão calculadas considerando a chance de sobreviver
a todo aquele período.
Epidemiologia 67
SAIBA MAIS
A Teorema do Produto de Probabilidade fala que, quando se quer saber a probabilidade de
3
dois ou mais eventos acontecerem simultaneamente, é necessário multiplicar a probabilidade
de cada evento acontecer individualmente (Vieira, 2016, p. 177).
Por exemplo, acertar um número na loteria é mais fácil do que acertar três, que é mais fácil do
que acertar seis, porque quanto mais eventos entrarem na conta, menor fica a probabilidade.
A interpretação da cauda da curva deve ser feita com cuidado. Isso se deve pelo fato de
que, quando a probabilidade está baixa, o número de pessoas vivas é baixo e qualquer al-
teração terá um impacto muito maior, mas essa mudança não necessariamente representa
o que pode acontecer. Por exemplo, a probabilidade de morrer quando se tem 1 morte:
` Em 100 pessoas acompanhadas é de 1%.
No entanto, continua sendo uma única morte, mas dependendo da amostra ela tem
um impacto muito maior na estatística. Por isso, no final da curva, em que o número de
pessoas é baixo, é importante utilizar a probabilidade com cautela.
Essa é a análise estatística principal dos estudos de prognósticos. Por ser comum o
paciente perguntar para algum profissional de saúde qual é o seu prognóstico, deve-se
refletir o que isso significa para o indivíduo e seus familiares. Nesse contexto, é impor-
tante ressaltar que a resposta é uma probabilidade e que isso não, necessariamente,
acontecerá. Desse modo, pode ser que a média de sobrevida das pessoas, após o diag-
nóstico de câncer de mama bilateral, seja de 1,5 ano. Na maioria dos casos, as pessoas
irão viver um tempo próximo a esse, mas é possível que o seu paciente sobreviva 1
mês ou 7 anos. As exceções são raras, mas elas podem acontecer. Ao conversar com o
paciente e familiar é importante considerar diversos fatores e não só números.
SAIBA MAIS
Estes artigos mostram curvas de sobrevidas:
` CENTEMERO, M. et al. Avaliação comparativa do valor prognóstico de quatro marca-

dores bioquímicos de lesão miocárdica pós intervenções percutâneas utilizando stents
coronarianos. Arquivos Brasileiros de Cardiologia, São Paulo, v. 83, n. especial, p.
53-58, dez. 2004. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pi-
d=S0066-782X2004001900010&lng=en&nrm=iso. Acesso em: 10 abr. 2021.
68
` MIGOWSKI, A.; SILVA, G. A. Sobrevida e fatores prognósticos de pacientes com câncer
de próstata clinicamente localizado. Revista de Saúde Pública, São Paulo, v. 44, n. 2, p.
344-352, abr. 2010. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pi-
d=S0034-89102010000200016&lng=en&nrm=iso. Acesso em: 10 abr. 2021. 3
8. ENSAIO CLÍNICO

Os ensaios clínicos são estudos experimentais que avaliam benefícios, malefícios, efi-
cácia e efetividade de alguma intervenção. Considera-se como intervenção qualquer
feito que tenha o objetivo de melhorar o quadro do paciente, seja uma medicação, um
procedimento ou um atendimento.
O desenho desse estudo (Figura 6) é a comparação de dois grupos, a intervenção e o

controle. Os grupos devem ser os mais similares possíveis, sendo que a única diferença
é a intervenção. Esse é um estudo longitudinal, depois de algum tempo avalia-se os
resultados. O desfecho pode variar conforme a intervenção, podendo ser ausência de
complicação, estabilidade da doença, entre outros fatores.
Figura 06. Esquema do desenho de estudo de ensaio clínico
DESENHO

Grupo Intervenção
Pessoa que realizaram a intervenção

Grupo controle
Pessoa que não realizaram a intervenção
EXEMPLO
Pessoas com a doença
Vacinados com princípio ativo
Pessoas sem a doença
Pessoas com a doença
Vacinados com princípio placebo
Pessoas sem a doença
Epidemiologia 69
O grupo controle pode ter outra intervenção diferente da estudada. Por princípios éti-
cos de que devemos tratar o paciente, raramente o controle não tem intervenção. Se a
pesquisa é de um medicamento novo para uma doença que não tem tratamento, nor-
3 malmente se administra um placebo para que o sujeito não reconheça qual grupo ele
faz parte. Entende-se como placebo uma substância que não tem princípio ativo, mas
que apresente características como cor, cheiro e formato semelhantes à intervenção.
EXEMPLO 11
Ao testar uma vacina contra malária, o controle deverá ser com placebo, já que não existe outra
medicação preventiva. Se a vacina é vermelha, com via de administração intramuscular, dose tes-
tada de 0,5 ml e disponibilizada em frasco único, o placebo deve ter essas mesmas características.
Se já existe um tratamento preconizado da doença, é importante que este seja a inter-

venção do grupo controle. Pode-se comparar com o melhor tratamento disponível ou
com o tratamento convencional da doença dependendo do objetivo do estudo. Exem-
plificando: ao testar um novo quimioterápico para câncer de mama, o grupo controle
pode ser a primeira droga de escolha do protocolo do serviço ou pode ser a droga que
na literatura é mais eficaz. Se a melhor medicação não é disponível para a maioria da
população brasileira, fazer essa comparação não ajudará o médico na hora de decidir
qual remédio prescrever. Por isso, em algumas situações é melhor comparar com o
tratamento convencional.
Existem dois tipos de ensaio clínico: ele pode ser de superioridade ou de não infe-
rioridade. É de superioridade quando o objetivo do estudo é avaliar se a intervenção
testada é melhor do que o controle. Ele é de não inferioridade quando o objetivo é so-
mente comparar se uma intervenção tem um efeito minimamente igual ao do controle.
Normalmente, estudos sobre medicamentos genéricos ou com um custo inferior são de
não inferioridade, já que o objetivo é garantir que o novo remédio não seja pior que a
medicação comercial.
SAIBA MAIS
Para conhecer mais acerca dos tipos de ensaio clínico, recomendamos as leituras de:
Superioridade
RUELA, L. de O.; et al. Efetividade da acupuntura auricular no tratamento da

dor oncológica: ensaio clínico randomizado. Rev. esc. enferm. USP, São Pau-
lo, v. 52, 2018. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pi-
Não inferioridade
LUNA, E. J. de A.; et al. Eficácia e segurança da vacina brasileira contra hepati-

te B em recém-nascidos. Rev. Saúde Pública, São Paulo, v. 43, n. 6, p. 1014-1020,
dez. 2009. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pi-
70
Uma característica importante desse estudo é o controle e o gerenciamento das variá-
veis com a finalidade de reduzir o viés de confundimento. Os grupos devem ser os mais
semelhantes possíveis em suas características e tratamento, exceto pela intervenção
pesquisada. Esse controle rigoroso das diversas variáveis aumenta a validade interna 3
da pesquisa.
Considere uma pesquisa sobre um novo tratamento para emagrecer. É preciso contro-

lar nos dois grupos a realização de atividade física e a ingesta de alimentos para garan-
tir que não são essas variáveis que causaram a redução de peso. Para isso, é possível
medir essas variáveis para depois, na análise estatística, os ajustes serem realizados.
Outras estratégias para controlar variáveis que podem influenciar na associação que se
está tentando é solicitar que os sujeitos da pesquisa cumpram um regime, bem como
orientações específicas, ou internar os pacientes, assim, todos participantes irão comer
a mesma comida.
Figura 07. Fatores associados com a melhora do quadro do paciente no

grupo controle e no grupo intervenção
Fonte: Adaptada de Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S. (2014, p. 147).
Vários fatores estão associados à melhora do quadro de um paciente, como descrito na

Figura 7 (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 147). A melhora pode
acontecer pela história natural da doença, ou seja, o quadro gripal melhora depois de
sete dias, independentemente da medicação em uso. O efeito Hawthorne refere-se à
mudança de comportamento e ao cuidado com a saúde que o sujeito tem por participar
de uma pesquisa ou por estar recebendo um cuidado especial. Ou seja, só pelo fato de
alguém ligar para você todos os dias perguntando como você está, pode te fazer melho-
rar, não importando a medicação que está sendo usada. O efeito placebo é a melhora
do quadro por fazer algum tratamento independentemente de ser um princípio ativo.
Esses três fatores associados com a melhora do quadro do paciente devem ser iguais
nos grupos controle e intervenção. Dessa forma, é ideal que todo o cuidado seja se-
melhante nos dois grupos para que o único fator diferente seja o efeito da intervenção.
Epidemiologia 71
Então, ao desenhar o estudo e o protocolo do cuidado é preciso levar em conta esses

efeitos a fim de que o resultado terapêutico seja o único diferente entre os grupos.
3 8.1 AMOSTRAGEM NOS ENSAIOS CLÍNICOS

A amostra do ensaio clínico segue as mesmas etapas de qualquer outra pesquisa com cri-
térios de inclusão e exclusão, ou seja, quem está no grupo controle poderia estar no grupo
intervenção. É importante manter a homogeneidade dos grupos. Para facilitar esse proces-
so, é comum que o grupo controle seja selecionado pareado com o grupo intervenção.
EXEMPLO 13
Se foi incluído um homem de 35 anos com peso adequado para idade no grupo intervenção,
no grupo controle deve ser incluído também uma pessoa com essas mesmas características.
O pareamento pode ter uma ou mais variáveis em comum, normalmente o sexo e a idade,
mas, dependendo da característica do estudo outras podem ser incluídas. Normalmente, o
número de pessoas no controle é a mesma que na intervenção, mas, às vezes, a proporção
pode ser de 1:2, sendo que o grupo controle tem o dobro de pessoas que a intervenção.
Denomina-se alocação o processo de definição de quem fará parte do grupo controle e

quem será intervenção. O ideal é que esse processo seja randomizado, ou seja, a deci-
são é feita por meio de um sorteio, em que todos os participantes têm a mesma chance
de serem selecionados para o grupo intervenção.
A alocação pode ser randomizada estratificada quando o sorteio ocorre dentro de

estratos. A título de exemplificação: dentro das faixas etárias (estratos) será sorteado
quem irá para determinado grupo. A alocação também pode ser randomizada por con-
glomerados, na qual o sorteio é o local da pesquisa. Por exemplo, quatro unidades de
saúde vão participar da amostra, o sorteio irá definir as duas unidades que serão contro-
le e as duas que serão intervenção. A estratégia por conglomerado é boa por questões
logísticas, já que não é preciso treinar os profissionais nos dois procedimentos.
Como o ensaio clínico é um estudo experimental, é necessária uma padronização dos

critérios de avaliação e do processo de intervenção. Para isso, é comum a criação de
protocolo da pesquisa com descrição de cada etapa. Esses protocolos reduzem os vie-
ses e aumentam a validade interna da pesquisa.
Para reduzir o viés de confundimento, a amostra pode ser bem controlada, como
em algumas etapas de estudos clínicos cuja população da pesquisa seja somente in-
divíduos adultos saudáveis sem comorbidades e com hábitos de vidas saudáveis. Ao
restringir participantes com possíveis fatores de confusão é mais fácil garantir a eficácia
do tratamento.
Para reduzir o viés de migração, são necessárias estratégias que garantam adesão ao
tratamento e que o sujeito siga os cuidados corretamente. É importante assegurar que
o sujeito não esteja realizando outro tratamento além do protocolado na pesquisa. Por
exemplo, em uma pesquisa de uma nova medicação para ansiedade é preciso garantir
que o único tratamento que os participantes estejam recebendo para ansiedade seja a
72
medicação proposta. Então, é preciso reforçar que práticas complementares, como me-
ditação e uso de plantas medicinais não podem ser realizadas. Essas cointervenções
podem influenciar no resultado da pesquisa.
3
Outro risco que se corre é de o participante trocar de grupo por conta própria. Se ele
sabe que está no grupo controle e tem acesso ao grupo intervenção, é possível que ele
busque o tratamento experimental em vez de manter com o que foi solicitado.

Para reduzir o viés de aferição, o avaliador é treinado para o preenchimento do ques-
tionário, e os equipamentos utilizados são os mesmos. Tomemos como exemplo uma
pesquisa sobre tratamento de ferida que irá acompanhar a cicatrização com fotos da
lesão. O avaliador treinado irá tirar as fotos sempre na mesma máquina, no mesmo
local, com a mesma iluminação, na mesma distância da lesão.
Outra estratégia de redução de vieses é o cegamento na pesquisa. Isso significa que

a pessoa “cega” não sabe dizer qual sujeito está em qual grupo (intervenção ou contro-
le). Existem quatro momentos ou pessoas que podem ser “cegas” no ensaio clínico: a
alocação, o paciente, o profissional que executa a intervenção e o profissional que faz
a avaliação (Figura 8).
Figura 08. Esquema com as diversas pessoas que podem ser “cegas” na pesquisa
O sigilo da alocação é o cegamento nesse processo. Isso ocorre quando quem faz a
alocação não sabe dizer qual indivíduo foi para qual grupo. Logo, ao fazer o processo, a
pessoa não pode saber que está decidindo onde essa pessoa vai estar. Saber quem é
o sujeito pode influenciar na decisão de escolher qual grupo alocar. Para facilitar o sigilo
desse processo, a seleção é feita com frequência com a ajuda do computador.
Epidemiologia 73
O sujeito da pesquisa também deve ser cego para que ele não seja tendencioso nas
suas condutas. É possível que a pessoa busque outras intervenções ou mude para
hábitos mais saudáveis para querer ajudar o resultado da pesquisa. Já para os sujeitos
3 que sabem que estão no grupo controle isso pode estimular a não adesão ao tratamen-
to ou a uma maior taxa de desistência.
IMPORTANTE!
Uma dificuldade em cegar o sujeito da pesquisa é a obrigatoriedade do Termo de Consenti-
mento Livre e Esclarecido (TCLE) que todo participante deve ler e assinar para poder parti-
cipar do estudo. No TCLE está descrito o objetivo da pesquisa, o que pode fazer com que a
pessoa saiba qual é o grupo que ela está.
O profissional que realiza o cuidado também precisa ser cego para que ele preste a
mesma atenção, independentemente do grupo que o paciente está. Esse profissional
pode ser alguém do serviço onde a pesquisa está realizada ou mesmo algum pesqui-
sador. Mas é importante que o cuidado seja o mesmo para que o efeito Hawthorne seja
igual nos dois grupos.
Uma estratégia que ajuda no cegamento do profissional é a alocação por conglomera-

do. Nesse caso, os sujeitos daquele serviço de saúde são do mesmo grupo, isso impe-
de que o profissional compare as pessoas e faça atendimento diferenciado.
Para facilitar o cegamento do sujeito e do cuidador é importante que o placebo ou a

outra intervenção do grupo controle seja muito similar à intervenção do estudo. Assim,
eles não serão capazes de diferenciar um do outro. Se a pesquisa é sobre técnicas
de curativo, as duas pomadas devem ser embaladas no mesmo frasco e quem fez a
alocação deve nomear a embalagem por paciente e não por produto. Mas se as carac-
terísticas são diferentes, o cuidador que deveria ser cego vai conseguir descobrir qual
grupo o sujeito está.
É essencial o profissional que faz a avaliação ser cego, já que a avaliação pode ser
tendenciosa e muito mais detalhada no grupo intervenção. O avaliador pode ser alguém do
serviço onde a pesquisa está sendo realizada ou pode ser algum pesquisador. Mas é impor-
tante que ele siga o protocolo de avaliação da mesma maneira para todos os indivíduos.
No caso da pesquisa de curativo em que a avaliação é por fotos, quem faz a análise
das imagens deve realizá-la sem saber qual foi a pomada aplicada. Assim, a pessoa
não será tendenciosa em procurar algum critério de melhora ao saber que o sujeito é
do grupo intervenção.
Tradicionalmente se classifica um estudo duplo cego usando como referência que o

sujeito da pesquisa e o cuidador ou avaliador são cegos. É possível que a alocação, a
intervenção e a avaliação sejam feitas pela equipe de pesquisa e, por isso, sejam con-
sideradas como um ponto cego. Mesmo sendo o termo mais tradicional, é importante
estar claro no estudo quais são os pontos cegos e quais foram as estratégias utilizadas
para garantir isso. Quando um ensaio clinico não é cego, ele é classificado como aberto.
74
IMPORTANTE!
Um estudo pode ser cego em um ou mais momentos: na alocação, com o sujeito da pesqui-
3
sa, o profissional que realiza o cuidado e o profissional que realiza a avaliação.
Um estudo randomizado é quando a alocação dos sujeitos nos grupos, intervenção ou con-

trole é aleatória. Quando isso acontece, o estudo é cego no momento da alocação.
Um estudo duplo cego tradicionalmente indica que o sujeito e o pesquisador são cegos. Nes-
ses casos, normalmente o pesquisador será o cuidador e o avaliador. O ideal é o pesquisador
deixar claro as estratégias para cegar as pessoas.
8.2 ANÁLISE DA PESQUISA

A análise dos resultados pode ser feita com testes estatísticos e com medidas sumárias,
que são Redução do Risco Relativo (RRR), Redução do Risco Absoluto (RRA) e Núme-
ro Necessário para Tratar (NNT) (Rouquayrol; Gurgel, 2018, p. 155). Como o desenho
do estudo é semelhante ao estudo coorte, a análise de dados também é similar. É pos-
sível calcular a incidência do desfecho nos dois grupos.
A RRR é a diferença das incidências do desfecho entre os grupos dividido pela incidên-
cia do grupo controle. A RRA representa o risco absoluto com a diferença da incidência
do desfecho entre cada grupo. O NNT informa quantas pessoas são necessárias tratar
para evitar um desfecho ruim.
Fórmula da Redução do Risco Relativo (RRR):
Incidência desfechoControle − Incidência desfecho Intervenção

10 RRR =
Incidência desfechoControle
A medida que as pessoas comumente vão utilizar no ensaio clínico é a eficácia do tra-
tamento, que é a redução do risco relativo em porcentagem. Para fazer esse cálculo,
basta multiplicar por 100 o valor de RRR.
EXEMPLO 14
Um ensaio clínico para avaliar a efetividade de uma vacina na prevenção de COVID-19 uti-
lizou como desfecho as possíveis classificações de gravidade da doença. A pesquisa acom-
panhou 724 pessoas do grupo intervenção e 706 do grupo placebo. No grupo intervenção
85 foram sintomáticos e 7 tiveram casos mais graves que necessitaram de assistência. No
grupo placebo 167 foram sintomáticos e 31 tiveram casos mais graves que necessitaram de
assistência.
Calcule a eficácia da vacina na prevenção de casos sintomáticos.
Epidemiologia 75
Casos sintomáticos
3 ASSINTOMÁTICOS +
SINTOMÁTICOS TOTAL
NÃO DOENTES
INTERVENÇÃO 85 639 724
PLACEBO 167 539 706
TOTAL 252 1178 1430

número de sintomáticos na Intervenção 85

Incidência na Intervenção
= = = 0,1174
total de Intervenção 724
número de sintomáticos noControle 167

Incidência noControle
= = = 0, 2365
total deControle 706
Incidência desfechoControle − Incidência desfecho Intervenção

RRR = substituir os valores
Incidência desfechoControle
0, 2365 − 0,1174
RRR = realiza a subtração
0, 2365
0,1191
RRR = realiza a divisão
0, 2365
RRR = 0,5036 multiplica por 100
Eficácia = 50,36%
A vacina reduz em 50,36% a chance de uma pessoa ser caso sintomático de COVID-19,
quando comparado a pessoas não vacinadas.
A análise dos dados pode ocorrer pela intenção de tratar ou pelo tratamento que de fato
os sujeitos receberam (denominada análise explanatória). Essa escolha deve ser defi-
nida e ser clara nos resultados da pesquisa. É uma decisão que acontece quando há
cruzamento de grupos, ou seja, apesar de a pessoa estar no grupo controle ela recebeu
o tratamento intervenção.
Normalmente, a análise é pela intenção de tratar, já que é esse o olhar que importa para
o profissional de saúde. Por exemplo, um médico precisa saber qual é a eficácia do
remédio que ele prescreve para o paciente, mesmo que se tenha o risco de o paciente
usar outros tratamentos e não fazer uso da medicação indicada.
A análise explanatória é importante para saber, de fato, quão eficaz é tratamento quan-
do o paciente realmente o realiza. O grande problema dessa análise é que a amostra
76
pode estar enviesada, uma vez que a análise dos grupos não segue a alocação definida
no início da pesquisa.
Os ensaios clínicos avaliam a eficácia e a efetividade do tratamento. Define-se eficácia

3
a avaliação da intervenção em condições ideais. Ela ocorre em ensaios clínicos com
uma população de saudáveis e com o controle rigoroso das variáveis. Por conta disso,
essa pesquisa tem baixo viés de confundimento e alta validade interna. Em contrapar-

tida, há baixa capacidade de generalização, já que a amostra é tão restrita e, portanto,
não representa a população geral.
Ao restringir a população da pesquisa para somente pessoas saudáveis, a validade

interna aumenta, mas a capacidade de generalização dos resultados diminui, visto que
no mundo real são poucas as pessoas que são saudáveis. Para conseguir melhorar a
validade externa sem alterar a população, pode-se aumentar o número de participantes
e os locais de coleta de dados.
Já a efetividade é definida como a avaliação da intervenção em condições normais. Ela

ocorre em ensaios clínicos com uma população com características diferentes, como
presença de comorbidades. Essa pesquisa tem maior chance de viés de confundimento
e, portanto, pode apresentar validade interna baixa. Contudo, se for possível controlar
os fatores de confusão, a pesquisa terá uma alta capacidade de generalização.
GLOSSÁRIO
Eficácia refere-se ao impacto que uma ação tem, por exemplo, condições ótimas ou experi-
mentais (Rouquayrol; Gurgel, 2018, p. 688).
Efetividade avalia o efeito que uma ação alcança em aplicação prática ou condições habitu-
ais (Rouquayrol; Gurgel, 2018, p. 688).
A validade externa define o quanto o resultado pode representar a população. Está associa-
da à capacidade de generalização da pesquisa (Rouquayrol; Gurgel, 2018, p. 161).
A pesquisa clínica para avaliar novos tratamentos medicamentosos passa por quatro
fases. Antes dessas etapas são realizados estudos pré-clínicos em laboratórios e com
animais. O ensaio clínico de fase I avalia a faixa terapêutica de segurança e os possí-
veis efeitos colaterais. Ela descreve as características do fármaco como qual é a via de
eliminação e a meia-vida da substância. O número de participantes é muito pequeno,
com menos de 100 pessoas, e não é necessário um grupo controle.
A fase II é um ensaio clínico de avaliação de eficácia, avaliação entre doses e eficácia e

investigação de efeitos colaterais. Dessa forma, a população é de pessoas saudáveis.
Há um grupo controle e a amostra é pequena de algumas centenas.
A fase III é um ensaio clínico de efetividade randomizado e avalia os reais efeitos do

tratamento na população. Tem grupo controle e a amostra é grande, com mais de 1.000
pessoas. Com o resultado da fase III publicado a droga pode ser utilizada para uso co-
mercial a depender da aprovação do órgão regulador.
Epidemiologia 77
A fase IV do estudo clínico é a vigilância pós-comercialização. Nessa etapa, a coleta de

dados é feita a partir de notificação de efeitos adversos que só serão detectados com
um uso amplo da medicação. Alguns medicamentos já foram retirados do mercado após
3 a fase IV avaliar efeitos colaterais que não compensavam os benefícios da medicação.
Por ser um estudo experimental, as duas principais desvantagens são o custo elevado
e a logística complexa. O gasto é alto, já que tudo deve ser fornecido pela equipe da
pesquisa. A logística é maior do que nos estudos observacionais, uma vez que é preciso
realizar a intervenção e não somente avaliar o que já foi feito. Outro fator que influencia é
as diversas etapas necessárias para manter as pessoas “cegas”. Além disso, outro motivo
que dificulta a execução é a participação das pessoas. Se for um estudo de eficácia, atu-
almente é difícil conseguir pessoas saudáveis. Também, as pessoas podem ter medo de
fazerem parte do grupo intervenção ou não quererem participar se for controle.
Em alguns casos, os estudos experimentais não são possíveis de serem realizados.

Uma das justificativas para isso é o princípio ético da não maleficência, ou seja, não se
pode causar mal para o sujeito da pesquisa. Por exemplo, quando se investigava uma
possível associação de fumo com câncer de pulmão, não foi possível fazer um ensaio
clínico, já que não se podia incentivar o consumo de uma substância que podia fazer
mal às pessoas. Em outros casos, os estudos observacionais conseguem respostas
mais rápidas e com um custo menor.
IMPORTANTE!
O ensaio clínico randomizado duplo cego é considerado o padrão-ouro dos estudos científi-
cos. Entende-se como padrão-ouro a indicação mais robusta, que é um padrão de referên-
cia, seja ele um estudo, método diagnóstico ou tratamento (Fletcher, R. H.; Fletcher, S. W.;
Fletcher, G. S., 2014, p. 117). Então, deve-se sempre almejar realizar um ensaio clínico para
avaliar uma intervenção em vez de estudos observacionais.
CONCLUSÃO
Essa unidade descreve os desenhos de estudos mais clássicos. Uma hipótese de pes-
quisa pode ser investigada com diversos desenhos. A escolha do tipo de estudo depen-
de dos recursos e acessos disponíveis além de questões éticas.
Por exemplo, uma pesquisa tem como hipótese que fazer atividade física reduz o risco
de ter câncer de mama. A seguir podemos colocar os diversos tipos de estudos e como
seria a coleta de dados:
` Estudo transversal: fazer um levantamento perguntando quem faz atividade física

detalhando frequência, tipo e quantidade e quem tem ou não cancer de mama.
Esse estudo é descritivo não longitudinal que não foi abordado nessa unidade.
` Estudo coorte: acompanhamento por 10 anos de jovens com 40 a 45 anos de

idade avaliando esporadicamente a atividade física e identificação dos casos no-
vos de câncer. Esse estudo é observacional, longitudinal e que acompanha um
grupo de pessoas. Normalmente os grupos de comparação são divididos pela
presença ou ausência da variável independente.
78
` Estudo caso-controle: escolha de pessoas com câncer de mama e de alguma
familiar como grupo controle. Avaliar a atividade física que as pessoas fizeram
nos 10 anos anteriores. Esse estudo é observacional, longitudinal e que inicia
identificando pessoas com a variável dependente (desfecho) e depois avaliando 3
possíveis fatores de risco.
` Ensaio clínico: por 10 anos fornecer atividade física para jovens com 40 a 45

anos de idade, sendo que um grupo a atividade é de baixo impacto e intensidade
e o outro é com alta intensidade. Identifica-se ao longo do tempo os casos novos
de câncer. Esse estudo é experimental e longitudinal.
Epidemiologia 79
ALMEIDA FILHO, N.; BARRETO, M. L. Epidemiologia e saúde: fundamentos, métodos e aplicações. Rio de
Janeiro: Guanabara Koogan, 2011.
3
FLETCHER, R. H.; FLETCHER, S. W.; FLETCHER, G. S. Epidemiologia clínica: elementos essenciais. 5.
2018.
VIEIRA, S. Introdução à bioestatística. 5. ed. Rio de Janeiro: Elsevier, 2016.
80
Epidemiologia
81
3

Teste diagnóstico e saúde baseada em evidência UNIDADE 4
TESTE DIAGNÓSTICO E SAÚDE

BASEADA EM EVIDÊNCIA
4
INTRODUÇÃO
Um novo teste foi desenvolvido que diz ser mais confiável para a detecção de HIV/AIDS.
Seu paciente mostra o resultado do exame para você. Caso o resultado seja positivo,
você confia no resultado ou tem chance de ser falso-positivo? Para ajudar a interpretar
resultados de exames e, portanto, ajudar na decisão de qual exame realizar, há ferra-
mentas que avaliam os testes diagnósticos.
Como os estudos e seus resultados são divulgados podem ajudar no convencimento do

leitor quanto a conclusão da pesquisa. Nesta unidade, abordaremos quais pesquisas e
critérios devem ser utilizados para confiar nas evidências científicas disponíveis e como
definir relações de causalidade.
1. ESTUDOS DIAGNÓSTICOS
Os estudos diagnósticos são pesquisas que avaliam a qualidade dos testes e exames.
Considera-se como teste diagnóstico qualquer exame, escala ou procedimento cujo
objetivo é avaliar e definir um diagnóstico. A pesquisa descreve as características do
teste como capacidade de medir corretamente e quantidade de acertos e erros com
proporções de verdadeiro e falso positivo. Além disso, o estudo é capaz de ajudar na
interpretação do resultado.
Como a pesquisa calcula a probabilidade de um exame acertar ou errar, a partir dessas

informações, o profissional de saúde pode escolher qual exame é melhor para o seu
paciente. Esse estudo também auxilia o profissional a interpretar o resultado ao avaliar
qual é a chance de o resultado ser verdadeiro ou falso.
Esse desenho de estudo é proposto quando se quer implantar ou desenvolver um novo

teste em uma população, aplicando este teste entre a população sadia e doente. Para
definir o grupo sadio e doente, um outro método diagnóstico será utilizado.
Normalmente, a comparação é com o método padrão-ouro, ou seja, o teste com evidências

mais sólidas, de maior acurácia e precisão; às vezes pode-se comparar com o exame mais
frequente a ser realizado nos casos de o padrão-ouro não ser acessível. Por exemplo, uma
pesquisa quer avaliar se um marcador tumoral sorológico é um bom teste de diagnóstico
precoce de câncer colorretal, a comparação pode ser feita com o teste padrão-ouro, que é
a colonoscopia, ou com o convencional, que é o sangue oculto nas fezes.
82
SAIBA MAIS
Para aprofundar ainda mais seus conhecimentos acerca do tipo de pesquisa, confira o
4
artigo abaixo:
DUARTE, Geraldo; et al. Teste rápido para detecção da infecção pelo HIV-1 em gestantes.

Rev. Bras. Ginecol. Obstet., v. 23, n. 2, p. 107-111, mar. 2001. Disponível em: http://www.
scielo.br/scielo.php?script=sci_arttext&pid=S0100-72032001000200008&lng=en&nrm=iso.
Acesso em: 1 maio 2021.
As informações obtidas na pesquisa são descritas na tabela de contingência 2 x 2 (Figura

1) que compara, nas linhas, os resultados do novo método diagnóstico e nas colunas os
grupos de pessoas sadias e doentes. Quatro possibilidades de desfecho são possíveis.
` Verdadeiro positivo (VP): quando os doentes testam positivo;
` Verdadeiro negativo (VN): quando os sadios testam negativo;
` Falso positivo (FP): quando os sadios testam positivo;
` Falso negativo (FN): quando os doentes testam negativo.
Figura 01. Cruzamento do resultado do novo teste nos grupos doente e sadio
com as possibilidades dos quatro desfechos
Métodos diagnósticos quantitativos, como exames de sangue, têm distribuição normal

na população. Então, uma pessoa sadia pode ter uma faixa de valores que o exame
pode alterar e ela ainda ser “não doente”. O ideal com qualquer método diagnóstico é
que a curva de distribuição dos resultados dos sadios e dos doentes sejam indepen-
dentes (Figura 2A). Mas isso raramente ocorre, normalmente, as curvas se sobrepõem
(Figuras 2B e 2C) e com isso fica difícil saber qual valor se deve definir como o limite
entre um exame normal ou alterado.
Considere na Figura 2 a representação gráfica da frequência de cada valor de resultado

de um exame sorológico que pode ser um novo método diagnóstico para câncer. Na
Figura 2A, as curvas dos sadios e doentes são independentes, ou seja, não existe um
Epidemiologia 83
Teste diagnóstico e saúde baseada em evidência
valor que tanto indivíduos sadios como os doentes apresentaram como resultado. Na
Figura 2B, existe um pouco de sobreposição e em alguns valores há indivíduos sadios
e doentes. Na Figura 2C, a sobreposição é total e, portanto, o exame não é adequado
4 como método diagnóstico.
Figura 02. Gráficos da frequência de cada valor de resultado de um novo exame

sorológico comparando o grupo sadio e doente
84
Na Figura 2A, o ponto de corte entre o exame normal e o alterado pode ser 10 ou 11. Na
Figura 2B, é mais difícil decidir apenas graficamente. Já na Figura 2C, o teste diagnós-
tico não é eficaz e, portanto, não necessita decidir. Para ajudar na definição de qual é o
melhor ponto de corte, algumas medidas de testes diagnósticos são necessárias. Além 4
disso, o objetivo e as consequências do teste também contribuirão na tomada de decisão.

1.1. MEDIDAS
Os testes diagnósticos têm duas medidas intrínsecas, a sensibilidade e a especificidade.
Além delas, a pesquisa consegue avaliar os valores preditivos positivo e negativo. Essas
quatro medidas são probabilidades e são expressas normalmente em porcentagem.
Sensibilidade e especificidade
A sensibilidade e a especificidade são características do teste diagnóstico que não
sofrem alteração com mudanças de outras variáveis, como a prevalência da doença.
São informações importantes a serem consideradas antes de solicitar o exame para o
paciente. Dependendo do objetivo do exame pode ser interessante escolher um teste
com alta sensibilidade ou com alta especificidade.
A confiabilidade dos valores das medidas depende da amostra. A população deve ser
representativa e com um número amostral grande para que o valor real esteja perto do
valor estimado pelo cálculo.
A sensibilidade é a proporção de pessoas do grupo doente que testaram positivo (Rou-

quayrol; Gurgel, 2018, p. 151). Seu valor está associado à quantidade de falsos negati-
vos. Quanto menor o número de falsos negativos, maior o valor da sensibilidade.
Fórmula da Sensibilidade (S):
Verdadeiro Positivo VP
1 S= ou S =
total de doentes (Verdadeiro Positivo + Falso Negativo ) VP + FN
Para transformar o valor em porcentagem é só multiplicar o resultado por 100.
Um teste com alta sensibilidade significa que ele irá detectar a grande maioria dos do-
entes. Por essa característica, exames com alta sensibilidade são utilizados quando se
quer garantir que todos os doentes sejam identificados. É comum para doenças trans-
missíveis, porque se quer ter certeza de que não existe algum doente com exame falso
negativo e que continuará transmitindo a doença.
Outra característica dos testes com alta sensibilidade é que se confia no resultado ne-
gativo. Isso acontece uma vez que a proporção de falsos negativos é baixa e, portanto,
um exame negativo tem grande chance de ser um verdadeiro negativo.
Os testes de rastreamento e os testes iniciais no processo diagnóstico têm alta sensibi-

lidade, sendo que o objetivo nesses dois casos é confirmar a ausência de determinada
doença. Por isso que exames de rastreamento não determinam a presença de doença e
Epidemiologia 85
é necessária a realização de novos exames para fechar o diagnóstico. Essa caracterís-

tica é importante ser ressaltada, já que muitas pessoas ao terem o teste rápido de HIV
positivo já consideram que são verdadeiros positivos e portadores do vírus, quando, na
4 verdade, o teste rápido só consegue garantir o exame negativo.
A especificidade é a proporção de pessoas do grupo sadio que testaram negativo

(Rouquayrol; Gurgel, 2018, p. 151). Seu valor está associado à quantidade de falsos
positivos. Quanto menor o número de falsos positivos, maior o valor da especificidade.
Fórmula da Especificidade (E):
Verdadeiro Negativo VN
2 E= ou E =
total de sadios (Verdadeiro Negativo + Falso Positivo ) VN + FP
Um teste com alta especificidade detectará a grande maioria dos sadios, ou seja, rara-
mente se classificará alguém como doente sendo que, de fato, a pessoa é sadia. Sua
principal característica é que se confia no resultado positivo, uma vez que a proporção
de falsos positivos é muito baixa.
O principal uso de testes com alta especificidade é para confirmação diagnóstica. Ele
também é utilizado quando um resultado positivo pode ser nocivo para o indivíduo. Por
exemplo, se um exame positivo significa que a pessoa deverá passar por uma cirurgia,
é importante ter certeza que o paciente não sofrerá uma intervenção desnecessária, já
que o resultado era, na verdade, um falso positivo.
EXEMPLO 1
Cálculo de sensibilidade e especificidade
Uma pesquisa com o objetivo de avaliar se um novo marcador sorológico é capaz de identi-
ficar precocemente o câncer de mama realizou 200 testes e comparou com os achados da
mamografia. Dos 100 casos positivos na mamografia, 95 foram positivos no novo exame.
Dos 100 casos negativos na mamografia 20 foram negativos no novo exame.
Qual é a sensibilidade e a especificidade desse novo teste?

Tabela 01. 2 x 2 completa
DOENTE SADIO
TOTAL
(MAMOGRAFIA +) (MAMOGRAFIA -)
TESTE POSITIVO 95 80 175
TESTE NEGATIVO 5 20 25
TOTAL 100 100 200

86
Sensibilidade
VP
S= substituir o valor 4
VP + FN
95

S= fazer a soma do denominador
95 + 5
95
S= realizar a divisão
100
S = 0,95
realizar a multiplicação para transformar em porcentagem
S 0,95 ×100
=
S = 95%
Especificidade
VN
E= substituir o valor
VN + FP
20
E= fazer a soma do denominador
20 + 80
20
E= realizar a divisão
100
E = 0, 20
realizar a multiplicação para transformar em porcentagem
E 0, 20 ×100
=
E = 20%
A sensibilidade desse teste é de 95% e a especificidade é de 20%. Como tem alta sensibili-
dade, pode ser um teste de rastreamento adequado. Como tem baixa especificidade, não é
um teste adequado para confirmar o diagnóstico de câncer de mama.
Como mencionado no final do tópico anterior, para decidir qual é o melhor ponto de cor-
te entre exame normal e alterado é preciso calcular a sensibilidade e a especificidade
de cada ponto e, a partir disso, decidir qual é o melhor ponto.
Uma representação gráfica denominada curva ROC (receiver operator characteristics)

pode auxiliar nessa definição (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p.
Epidemiologia 87
121). A curva é um gráfico de correlação entre as proporções da sensibilidade (eixo y)

e do falso positivo (eixo x) nos diversos pontos de cortes possíveis (pontos na curva).
A proporção de falso positivo é a parte complementar da especificidade e, às vezes, é
4 mencionada no gráfico como “1 - Especificidade”. Por exemplo, se a especificidade for
de 40%, primeiro devemos transformar ela novamente em número decimal dividindo por
100 (40% ÷ 100 = 0,4), depois fazer a subtração (1 - 0,4 = 0,6) para por último transfor-
mar novamente em porcentagem multiplicando por 100 (0,6 × 100 = 60%).
Figura 03. Curva ROC de três testes diagnósticos diferentes
A Figura 3 representa a curva ROC de três testes diagnósticos diferentes. A curva 1 é de

um teste diagnóstico que tem distribuição dos resultados de sadios e doentes com pou-
cas sobreposições. A curva 2 tem a distribuição conforme a Figura 4. O teste da curva
3 da Figura 3 apresenta sobreposição completa entre os resultados dos dois grupos e,
portanto, não é um exame capaz de diferenciar doentes de sadios.
Figura 04. Distribuição da frequência de cada valor de resultado de um novo
exame sorológico comparando o grupo sadio e doente
Normalmente, a definição do limite de resultado positivo ou negativo é o valor que repre-

senta um ponto na curva ROC em que há mudança na inclinação. Na curva 1 (Figura 3)
88
é claro o momento em que o trajeto passa de vertical para horizontal, que é o primeiro
ponto do gráfico com sensibilidade de 90%. Na curva 2, seria possível usar três pontos,
os que têm sensibilidade de 65%, 80% ou 85%
4
Considerando o exame da curva 2 (Figura 3) descrito na Figura 4, calcularemos a sen-
sibilidade e a especificidade de dois pontos de corte com definição de doente para
resultados ≥11 ou ≥13 .

CÁLCULO DA CURVA 2 DA FIGURA 3 – DIVERSOS PONTOS
DE CORTE
Considere que a pesquisa analisou 100 sadios e 100 doentes e realizou o novo teste soro-
lógico. O gráfico dessa pesquisa está descrito na figura 12. Qual é a sensibilidade e a espe-
cificidade desse novo teste se o ponto de definição de positivo e negativo for ≥ 11 ou ≥ 13?
Ponto de corte ≥ 11
Tabela 02. Dados fictícios de uma pesquisa que avaliou um novo teste diagnós-
tico que considerou o ponto de corte ≥ 11
DOENTE SADIO TOTAL

TOTAL 100 100 200

Sensibilidade
VP 85 85
S= = = = 0,85 = 0,85 ×100 = 85%
VP + FN 85 + 15 100
Especificidade
VN 60 60
E= = = = 0, 60 = 0, 60 ×100 = 60%
VN + FP 60 + 40 100
Ponto de corte ≥ 13
Tabela 03. Dados fictícios de uma pesquisa que avaliou um novo teste diagnóstico
que considerou o ponto de corte ≥ 13
DOENTE SADIO TOTAL

TOTAL 100 100 200

Epidemiologia 89
Sensibilidade
VP 65 65
4 S= = = = 0, 65 = 0, 65 ×100 = 65%
VP + FN 65 + 35 100
Especificidade
VN 90 90
E= = = = 0,90 = 0,90 ×100 = 90%
VN + FP 90 + 10 100
Com os cálculos, usar a definição de exame positivo com resultados ≥ 11, significa que
o teste diagnóstico terá alta sensibilidade, ou seja, ele será capaz de detectar quase
todos os doentes e será possível confiar no resultado negativo. Caso a definição seja
≥ 13, o teste diagnóstico terá alta especificidade, ou seja, ele será capaz de detectar
quase todos os sadios e será possível confiar no resultado positivo.
Para escolher qual desses pontos utilizar, é preciso pensar qual é o objetivo do teste.
Se o propósito for um teste de rastreamento ou avaliação inicial, deve-se escolher um
padrão com alta sensibilidade que, nesse caso, é definir como positivo ≥ 11. Também
se escolhe esse ponto caso um resultado positivo, mesmo que falso positivo, não tenha
impacto na vida do sujeito.
Agora, se o objetivo for um teste de confirmação diagnóstica, deve-se escolher um

padrão com alta especificidade, que nesse caso é definir como positivo ≥ 13. Também
se escolhe esse ponto caso resultado positivo signifique uma intervenção cirúrgica ou
algum estigma que irá impactar na vida da pessoa.
SAIBA MAIS
Conheça mais sobre a Análise de ponto de corte e sua aplicação no artigo abaixo:
INFANTINO, M. et al. Diagnostic accuracy of an automated chemiluminescent immunoassay for

anti-SARS-CoV-2 IgM and IgG antibodies: an Italian experience. J Med Virol., v. 92, n. 9, p. 1671–
1675, 2020. Disponível em: https://doi.org/10.1002/jmv.25932. Acessado em 12 jun. 2021.
Valor preditivo positivo e negativo

Os valores preditivos auxiliam na interpretação do resultado e avaliam a probabilidade
de confiar no resultado obtido. São medidas que avaliam a probabilidade pós-teste
(Rouquayrol; Gurgel, 2018, p. 152).
O valor preditivo positivo (VPP) é a proporção de pessoas do grupo que testaram po-
sitivo que são doentes. Seu valor está associado à quantidade de falsos positivos e com
o valor da especificidade. Essa é a probabilidade de se confiar no resultado positivo.
90
Fórmula do Valor Preditivo Positivo (VPP):
Verdadeiro Positivo VP
3 VPP = ou VPP = 4
total de positivos (Verdadeiro Positivo + Falso Positivo ) VP + FP

O valor preditivo negativo (VPN) é a proporção de pessoas do grupo que testaram

negativo que são sadias. Seu valor está associado à quantidade de falsos negativos
e com o valor da sensibilidade. É a probabilidade de se confiar no resultado negativo.
Fórmula do Valor Preditivo Negativo (VPN):
Verdadeiro Negativo VN
4 VPN = ou VPN =
total de negativos (Verdadeiro Negativo + Falso Negativo ) VN + FN
EXEMPLO 2
Cálculo de Valor Preditivo Positivo e Negativo
Uma pesquisa com o objetivo de avaliar se um novo marcador sorológico é capaz de identi-
ficar precocemente o câncer de mama realizou 200 testes e comparou com os achados da
mamografia. Dos 100 casos positivos na mamografia, 95 foram positivos no novo exame.
Dos 100 casos negativos na mamografia 20 foram negativos no novo exame.
Qual é o Valor Preditivo Positivo e o Valor Preditivo Negativo desse novo teste?
Tabela 04. 2 x 2 completa
DOENTE SADIO
TOTAL
(MAMOGRAFIA +) (MAMOGRAFIA -)
TOTAL 100 100 200

Valor Preditivo Positivo (VPP)
VP
VPP = substituir o valor
VP + FP
95
VPP = fazer a soma do denominador
95 + 80
Epidemiologia 91
95
VPP = realizar a divisão
175
4
VPP = 0,5429
VPP 0,5429 ×100

= realizar a multiplicação (transformar em porcentagem)
VPP = 54, 29%
Valor Preditivo Negativo (VPN)
VN
VPN = substituir o valor
VN + FN
20
VPN = fazer a soma do denominador
20 + 5
20
VPN = realizar a divisão
25
VPN = 0,80
= 0,80 ×100
VPN realizar a multiplicação (transformar em porcentagem)
VPN = 80%
O valor preditivo positivo desse teste é de 54,29% e o valor preditivo negativo é de 80%.
Os valores preditivos variam conforme a sensibilidade e a especificidade dos testes.

Testes com alta sensibilidade costumam ter um alto valor preditivo negativo por possu-
írem baixa proporção de falsos negativos. É por isso que nesses testes se confia mais
no resultado negativo. Os testes de alta especificidade têm alto valor preditivo positivo,
já que a frequência de falsos positivos é baixa.
Os valores preditivos também variam se um mesmo teste for aplicado em populações

com prevalências diferentes (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p.
126). Por isso, mesmo em um teste com alta especificidade, um resultado positivo pode
não ser confiável se a prevalência da doença na população for baixa. Quanto menor a
prevalência da doença, menor o valor preditivo positivo e maior o valor preditivo negati-
vo. Como a prevalência da doença pode variar muito, ao avaliar o resultado esse fator
é mais importante do que a sensibilidade e a especificidade do teste.
92
CÁLCULO DOS VALORES PREDITIVOS EM POPULAÇÕES
COM PREVALÊNCIAS DIFERENTES DA DOENÇA
4
Considere que a pesquisa realizou um novo teste sorológico para câncer de próstata em
duas populações diferentes. A primeira população era de pessoas que faziam acompanha-
mento com o urologista e apresentavam alguma queixa de alteração ao urinar. A segunda po-

pulação era de pessoas que faziam acompanhamento com o médico generalista na Unidade
Básica de Saúde e não tinham queixas.
Qual é a prevalência de doentes com câncer de próstata em cada grupo? Quais são os Valo-
res Preditivos Positivos e Negativos para cada população?
Grupo urologista com queixa urinária

Tabela 05. Dados fictícios de uma pesquisa que avaliou um novo teste diagnóstico em uma
amostra de pacientes da urologia que apresentavam queixa urinária
DOENTE SADIO TOTAL

TOTAL 204 120 324

Prevalência
total de casos ou doentes 204

P= = = 0, 6300 = 0, 6300 ×100 = 63, 00%
total da amostra 324
Valor Preditivo Positivo
VP 179 179
VPP = = = = 0,9040 = 0,9040 ×100 = 90, 40%
VP + FP 179 + 25 198
Valor Preditivo Negativo
VN 101 101
VPN = = = = 0,8016 = 0,8016 ×100 = 80,16%
VN + FN 101 + 19 126
Grupo generalista sem queixa urinária
Tabela 06. Dados fictícios de uma pesquisa que avaliou um novo teste diagnóstico em uma amostra de
pacientes do médico generalista que não apresentavam queixa urinária
DOENTE SADIO TOTAL

TOTAL 90 234 324

Epidemiologia 93
Prevalência
total de casos ou doentes 90

4 P= = = 0, 2778 = 0, 2778 ×100 = 27, 78%
total da amostra 324
Valor Preditivo Positivo
VP 79 79
VPP = = = = 0, 6870 = 0, 6870 ×100 = 68, 70%
VP + FP 79 + 36 115
Valor Preditivo Negativo
VN 198 198
VPN = = = = 0,9474 = 0,9474 ×100 = 94, 74%
VN + FN 198 + 36 209
O grupo do urologista que tem uma prevalência maior que o grupo do generalista. O Valor
Preditivo Positivo (VPP) é maior no grupo com maior prevalência (urologista) enquanto o Va-
lor Preditivo Negativo (VPN) é maior no grupo com menor prevalência (generalista).
A sensibilidade e a especificidade são iguais nos dois grupos já que elas são inerentes ao
exame. A sensibilidade é de 87,78% e a especificidade é de 84,61%.
Para aumentar a prevalência da doença e conseguir confiar mais no resultado positivo, várias
estratégias são possíveis, como mostra o exemplo acima. Pacientes com sinais e/ou sinto-
mas, histórico familiar da doença, presença de antecedentes pessoais ou outras característi-
cas individuais têm um risco maior de desenvolver a doença. Isso significa que a prevalência
dela em grupos com alguma dessas características é maior do que na população geral.
Pacientes que passam com especialistas, muito provavelmente, já apresentam sinto-

mas, por isso os resultados positivos são mais confiáveis. Por outro lado, em situações
de alta prevalência, o resultado negativo não é confiável, já que o VPN é baixo e as
chances de falso negativo são maiores.
Em casos em que a prevalência da doença é muito baixa, os resultados positivos não

são confiáveis, por isso que a realização indiscriminada de exames de rotinas em pessoas
assintomáticas é questionável. A chance de falsos positivos é alta e isso pode levar a trata-
mentos desnecessários. É por essa razão que não existe um consenso na literatura sobre
a realização de dosagem sorológica de PSA indiscriminada para a população geral. Mesmo
que exista artigos com VPP altos, é preciso avaliar qual foi a amostra da pesquisa.
1.2. TESTE DIAGNÓSTICOS MÚLTIPLOS

Uma estratégia para melhorar os valores de sensibilidade e especificidade dos testes é
realizar diversos exames diferentes. Os múltiplos testes diagnósticos podem acontecer
simultaneamente ou sequencialmente. Quando acontece em série, o próximo exame só
é solicitado quando o anterior for positivo.
94
Os testes em paralelos referem-se a quando os exames diagnósticos são realizados
simultaneamente. Normalmente, eles ocorrem em situações de emergência ou quan-
do o paciente tem dificuldade de locomoção e se pretende reduzir a ida a serviços de
saúde. Eles aumentam a sensibilidade e o VPN, além de reduzirem a especificidade e 4
o VPP de cada teste se ele tivesse sido realizado isoladamente.
Uma vantagem é melhorar a sensibilidade quando os testes disponíveis não são pouco

sensíveis, logo, são úteis quando se quer garantir que todos os casos de doença serão
detectados. A desvantagem é a maior probabilidade de falsos positivos que leva a um
diagnóstico errado e tratamento desnecessário do paciente. (Fletcher, R. H.; Fletcher,
S. W.; Fletcher, G. S., 2014, p. 135)
Os testes em séries são quando os exames acontecem em sequência a depender do

resultado positivo do exame anterior. Eles aumentam a especificidade e o VPP, bem
como reduzem a sensibilidade e o VPN. Eles ocorrem em atendimento ambulatorial
para aumentar a confiança do resultado positivo. Uma vantagem é melhorar a especifi-
cidade do teste quando os exames disponíveis são pouco detalhados. Uma desvanta-
gem é o maior número de falsos negativos, que faz com que alguns doentes não sejam
diagnosticados. (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 136).
Esses testes são usados quando há testes caros ou com maior risco de complicações.
A realização do teste caro ou com maior risco só acontece caso um exame prévio tenha
sido positivo. Por ser condicionante ao exame anterior positivo, quando se realiza testes
em séries, menos testagens são realizadas.
2. INTERPRETAÇÃO DOS RESULTADOS

Para uma pesquisa ser bem-sucedida ela deve primeiramente ter seu desenho de estu-
do e método de coleta de dados muito bem estruturado. É por isso que a epidemiologia
estuda e define as diversas etapas da coleta de dados. Também importante para a
confiabilidade da pesquisa é como é feita a análise dos dados e divulgação dos resulta-
dos. O compreendimento de como fazer uma análise estatística corretamente pertence
a disciplina de bioestatística, mas são conceitos importantes que a Epidemiologia usa
para ajudar a interpretar a conclusão de um estudo.
Dentre as funções do conceito de bioestatística está a característica de analisar os dados

coletados da amostra da pesquisa. Esse processo acontece comparando variáveis coletadas
para avaliar possíveis associações e comparando os resultados encontrados com o que é es-
perado ou o que foi encontrado em outras pesquisas. A principal avaliação ao ler os resultados
de uma pesquisa é indagar se o que foi encontrado de fato representa a realidade.
EXEMPLO
Uma pesquisa, que avaliou a nota dos alunos em uma disciplina, teve como resultado a taxa
de reprovação de 50%, e que os alunos do sexo masculino reprovaram muito mais do que
os do sexo feminino. A conclusão dessa pesquisa foi que o sexo influencia na aprovação da
disciplina. Ao ler esses resultados é preciso avaliar a probabilidade de eles serem represen-
tativos ao que acontece na população total e, portanto, generalizar as informações obtidas.
Epidemiologia 95
Existe a possibilidade de o resultado encontrado na pesquisa ser decorrente de um erro sistêmi-

co ou viés. Os vieses podem acontecer em diversos momentos da pesquisa, desde a amostra-
gem, na aferição ou coleta de dados, na utilização de informações de eventos que aconteceram
4 há muito tempo e talvez o paciente já não se lembre corretamente. É por isso que, ao definir os
métodos de coleta de dados da pesquisa a partir do desenho de estudo, diversas estratégias
podem ser realizadas a fim de reduzir ou impossibilitar a ocorrência de vieses.
Outra possibilidade é que o erro da pesquisa seja em decorrência ao acaso. Define-se como
acaso um erro aleatório que é inerente a qualquer observação. Não existe estratégia capaz de
eliminar a ocorrência do acaso (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 189).
Todo resultado de pesquisa, como o caso de uma medicação ser eficaz em um grupo
de pessoas, deve sempre ser questionado se, de fato, é o que acontece no mundo real
(natureza) ou se o que foi encontrado é justificado pelo acaso. A estatística consegue
ajudar na definição se a cura foi em decorrência do tratamento ou ela pode ser justifi-
cada pelo acaso, ou seja, a pessoa iria curar independentemente da administração da
medicação. Toda análise estatística tem a incerteza inerente do acaso.
Para decidir se os resultados são confiáveis e que se pode generalizá-los, existem méto-
dos que conseguem avaliar o acaso, os quais estimam os efeitos da variação aleatória.
Os dois métodos mais utilizados são os testes de hipóteses e os intervalos de confiança.
O teste de hipótese tem como resultado o p-valor que é a probabilidade do resultado en-
contrado na pesquisa não ser o que de fato acontece na natureza. Existe um consenso
na ciência que é se a probabilidade de errar for menor do que 5%, deve-se considerar que
a associação entre as variáveis estudadas é verdadeira. Por isso, p-valores menores do
que 0,05 indicam uma associação entre as variáveis estatisticamente significante.
IMPORTANTE!
O p-valor não mede magnitude ou intensidade da diferença ou associação. O teste de hipótese
e o p-valor medem apenas presença ou ausência, diferente ou igual, sendo associação ou não.
Uma outra estratégia de aferir o acaso é o intervalo de confiança de alguma estimativa.

Considera-se estimativa uma medida estatística que resume ou descreve características
dos dados coletados na amostra do estudo. (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G.
S., 2014, p. 197) Elas são capazes de aferir magnitude real do efeito. São exemplos de
estimativas: média, frequência relativa ou proporção, risco relativo, razão de chances.
GLOSSÁRIO
Medidas de associações
` Risco relativo (RR) é uma razão das incidências de um evento no grupo com a variável de
interesse presente contra um grupo sem essa variável (Rouquayrol; Gurgel, 2018, p. 701).
` Razão de chances ou Odds ratio (OR) é a divisão das chances de um evento acontecer
entre dois grupos, aqueles com a variável de interesse presente contra aqueles com a
ausência da variável (Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 94).
96
Para entender o intervalo de confiança, vamos usar como exemplo a pesquisa eleito-
ral. Durante o período de antecede a eleição diversas pesquisas são feitas avaliando
as proporções de votos em uma amostra. Quando o jornal divulga os resultados, ele
sempre fala em margem de erro. A pesquisa teve como resultado que 22% das pesso- 4
as da amostra iriam votar no candidato A, mas esse número pode variar na população
entre 20 a 24%. Interpreta-se o intervalo de confiança dizendo que há 95% de chance
do valor real a ser encontrado na população inteira estar dentro do intervalo, 20 a 24%.

Mas sempre existe a chance da pesquisa ter uma amostra não representativa é que a
proporção real de votos para o candidato seja somente 15%.
IMPORTANTE!
Ao interpretar o intervalo de confiança do risco relativo e da razão de chances é preciso
considerar se a característica da interação mudou. A interpretação dessas duas medidas
acontece de forma similar. Se o valor for maior do que 1,0, indica aumento do risco ou chance
do desfecho acontecer. Se for igual a 1,0, não existe associação entre as variáveis e se for
menor do que 1,0, indica que a exposição reduz o risco ou chance de ocorrer o desfecho.
É importante que todos os valores dentro do intervalo estejam dentro do mesmo grupo, ou
seja, todos maiores ou todos menores do que 1,0, para que ser considere que o resultado
tem significância estatística.
3. CAUSALIDADE
Definir uma relação de causa e efeito é mais complexo do que apenas mostrar uma asso-
ciação estatística, sendo que a matemática é só uma parte do processo. É preciso avaliar o
conjunto e garantir que todos os procedimentos e etapas sejam conduzidos de forma correta.
Uma pesquisa tem resultados que irão descrever e analisar os eventos investigados.
Com os dados é possível estimar e predizer a probabilidade de um evento acontecer,
mas é preciso lembrar que estamos tratando de uma probabilidade, e não de uma
garantia. O acaso também influencia nas possibilidades que um quadro pode evoluir.
Definir o que causa uma doença é complexo. Ao longo dos séculos, a definição do pro-
cesso saúde-doença mudou muito e, atualmente, a teoria predominante é que a saúde
tem determinantes e condicionantes. Ficar doente, portanto, é complexo e tem influên-
cia de múltiplos fatores.
O impacto dos elementos de risco para uma doença é influenciado pela presença de outros
fatores e, às vezes, é mais importante a soma desses fatores os quais o paciente apresenta.
IMPORTANTE!
É indispensável reforçar que não é porque a pessoa é diabética que ela terá um infarto agudo
do miocárdio; cada doença tem uma grande variedade de fatores que estão associados, ape-
sar de algumas condições serem mais específicas e com uma relação mais forte. Morar em
uma casa sem abastecimento de água pela rede geral tem uma associação muito maior com
doenças diarreicas, mas pode também contribuir para o surgimento de outras enfermidades.
Epidemiologia 97
A estatística estabelece associações ao tentar controlar o acaso. É possível gerar uma

estimativa do efeito ou proporção que se espera com os dados coletados, como risco
relativo ou razão de chances (odds ratio). A partir desse valor, pode-se, pelo intervalo
4 de confiança, supor qual será o valor do parâmetro que de fato acontece na população.
(Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 197).
Outra ferramenta da estatística é calcular a probabilidade de o teste de hipótese ser um

falso-positivo e, de fato, o que se observou na amostra não é representativo para a po-
pulação. É um consenso um nível de significância de 5%, ou seja, um p-valor menor
do que 0,05 é considerado que a associação é estatisticamente significante.
As relações causais não são explicadas somente pela matemática. A maneira como os
dados foram coletados tem um impacto muito grande. Será que houve algum viés que
pode impactar na associação estatística encontrada? Viés é um erro sistemático que
pode acontecer em diversos momentos e há diferentes estratégias que são capazes de
ser implementadas no método da coleta de dados que reduzem a chance de ele acon-
tecer (Rouquayrol; Gurgel, 2018, p. 705). Esses erros sistemáticos podem ocorrer na
seleção da amostra quando os grupos que serão comparados não são similares porque
houve alguma falha na amostragem.
O viés de aferição acontece quando o equipamento ou a técnica utilizada para aferir uma
variável foi executada errada ou não é confiável. Já o viés de confusão ocorre quando há
uma associação estatística entre a variável explanatória e o desfecho, só que ela aconteceu
por influência de uma terceira variável que realmente é o fator associado ao desfecho.
CURIOSIDADE
“Consumo de Chocolate, função cognitiva e prêmio Nobel”
Esse artigo ficou famoso por ser uma publicação em uma das revistas mais conceituadas na
área da saúde. Ele faz uma correlação entre o consumo de chocolate por habitante e o número
de prêmios Nobel que os países têm. Estatisticamente, há uma correlação forte com um p-valor
de < 0,0001 e r de 0,791. Na discussão, é abordado que existe uma plausibilidade biológica,
uma vez que chocolate melhora a função cognitiva, o que pode levar a ganhar um Nobel.
Mas será que se o consumo de chocolate dos alunos da universidade reflete em uma melhor
nota nas provas?
MESSERLI, Franz H. Chocolate Consumption, Cognitive Function, and Nobel Laureates.

New England Journal of Medicine, v. 367, p. 1562-1564, out. 2012. Disponível em: https://
www.nejm.org/doi/full/10.1056/nejmon1211064. Acesso em: 15 jun. 2021.
Como vários fatores influenciam em uma associação com significância estatística entre
duas variáveis, é difícil determinar com certeza que “A” causa “B”. Definir a causalidade
tem um enorme impacto em diversos setores da sociedade. Falar que agrotóxicos ou de-
fensivos agrícolas causam câncer terá consequências nos setores agrícola e alimentícios
e na economia. Em 1965, Austin Bradford Hill, um dos pesquisadores que descobriu a
associação entre cigarro e câncer de pulmão, sistematizou quando se pode definir uma
relação causal. Fletcher, R. H., Fletcher, S. W. e Fletcher, G. S. (2014, p. 214-216), a partir
da leitura de Hill (1965), apontam que os oito critérios de Bradford Hill (figura 5)
98
Figura 05. Critérios de Bradford Hill

Fonte: adaptado de Fletcher, R. H., Fletcher, S. W. e Fletcher, G. S. (2014, p. 214-216).
O critério da força avalia a intensidade da associação. Quanto maior o valor do risco

relativo ou da razão de chances, maior a chance de existir uma relação causal. Mas
isso não significa que associações com pouca força com certeza não têm causalidade.
É importante reforçar que a medida do p-valor não avalia intensidade, então, um valor <
0,0001 não significa que as chances de causalidade são maiores.
A consistência analisa se ocorre os mesmos resultados com observações diferentes.

Se pesquisas com outras populações, em outros locais ou em outra época mostram
resultados similares, muito provavelmente, a associação é verdadeira. É interessante
que os estudos tenham delineamentos diferentes para que a fraqueza de um se com-
plementa com a força do outro tipo de desenho. Nem sempre haverá concordância
entre todos os estudos, por isso, é preciso avaliar a qualidade das pesquisas que
serão comparadas. Ter uma discordância com um estudo de baixa qualidade não é
tão impactante.
O critério de especificidade investiga se o fator sempre causa o mesmo efeito. É um

critério mais relevante para as doenças transmissíveis em que existe a presença do
agente infeccioso que provoca uma única doença. A relação inversa também precisa
ser avaliada – quando houve a doença, a causa também esteve presente? Mas, se
considerarmos o cigarro, esse critério não é contemplado. Fumar pode causar diversas
doenças e nem toda pessoa com câncer de pulmão fumou. A ausência dessa relação
específica de causa e efeito não exclui a possibilidade de causalidade.
A temporalidade examina a relação temporal. A causa sempre deve existir antes do

efeito acontecer. Por isso que estudos longitudinais prospectivos são melhores para de-
finir a causalidade. Garantir que, no início do acompanhamento, os sujeitos da pesquisa
não tenham a doença, certifica a temporalidade.
A relação dose-resposta investiga se a proporção da doença aumenta se a exposição

também aumentar. Quem fuma altas quantidades de cigarros no dia tem uma taxa de
mortalidade muito maior, ou seja, esse critério contribui muito para definir a causalidade
O critério de plausabilidade biológica sonda se existe uma cadeia de eventos biológi-

cos que justifica a exposição causar o efeito. A existência de um mecanismo fisiopato-
lógico, que fundamente a relação causal, ajuda, mas sua ausência não exclui a possi-
bilidade de causalidade. Pode ser que o caminho fisiológico ainda não foi descoberto,
então, esse critério não é obrigatório para a definição da relação causal.
Epidemiologia 99
EXEMPLO
Em 1854, John Snow – médico conhecido como o pai da epidemiologia –, descobriu que a água
4 fornecida por uma bomba específica de Londres causava morte por doença diarreica, mesmo
quando na época não se sabia da existência de bactérias e das vias de transmissão da cólera.
A reversibilidade estuda se, ao remover a exposição, há uma redução dos efeitos. A

presença desse critério aumenta as chances da relação causal. Depois de 15 anos que
a pessoa para de fumar, ela tem o mesmo risco de ter um infarto agudo do miocárdio do
que alguém que nunca fumou.
O último critério é a analogia, na qual o argumento de causalidade é favorecido quando

for possível fazer alguma associação com uma relação causal estabelecida. É mais fácil
provar que uma medicação usada por uma gestante causa má-formação no feto, se a
droga tiver características similares à talidomida (um exemplo clássico de um remédio
que causa má-formação).
Os critérios de Bradford Hill são importantes para provar que a relação é causal e não
apenas uma associação estatística ao acaso. Não é preciso ter todos os critérios pre-
sentes, mas quanto mais números deles forem contemplados, mais credibilidade terá o
estudo. Nem mesmo o cigarro – que hoje em dia está bem claro que fumar mata – tem
todos os critérios, visto que a especificidade não é contemplada.
Com esse rigor de definição é difícil um artigo concluir uma relação causal, portanto,
cabe ao leitor analisar se aquela associação tem muitas ou poucas chances de ter
causalidade. Para isso, deve-se avaliar o rigor metodológico e a presença dos critérios,
assim, com todas as informações você será capaz de julgar quais são as chances de a
associação ser verdadeira.
EXEMPLO
Um exemplo da diferença entre associação estatisticamente significante e causalidade é a
discussão se a vacina de Sarampo Caxumba e Rubéola (SCR) causa autismo. No final dos
anos 1990, o movimento antivacina ganhou força com a publicação de um artigo científico
da revista The Lancet. Esse artigo concluía que a vacina de Sarampo Caxumba e Rubéola
(SCR) causava autismo e doenças gastrointestinais. Ele foi usado como a prova científica de
que a vacina faz mal. A publicação em uma das principais revistas de área da saúde fez com
que os profissionais de saúde e leigos questionassem a qualidade e a eficácia das vacinas,
principalmente da SCR. Em 2010, a The Lancet fez uma retratação, mas as consequências
da publicação ainda estão presentes.
O artigo original que associa a vacina SCR com autismo:
WAKEFIELD, A. J.; et al. RETRACTED: Ileal-lymphoid-nodular hyperplasia, non-specific co-

litis, and pervasive developmental disorder in children. The Lancet, v. 351, n. 9103, p. 637-
641, 1998. Disponível em: https://doi.org/10.1016/S0140-6736(97)11096-0. Acesso em: 15
jun. 2021.
100
Para contrapor esse ideal de que a vacina faz mal, há uma revisão sistemática sobre a eficá-
cia e os danos da vacina SCR que avalia artigos de 1966 a 2019:
PIETRANTOJ, C. D.; RIVETTI, A.; MARCHIONE, P.; DEBALINI, M. G.; DEMICHELI, V. Vac- 4
cines for measles, mumps, rubella, and varicella in children. Cochrane Database of Syste-
matic Reviews, v. 4., n. CD004407. Disponível em: https://www.cochranelibrary.com/cdsr/
doi/10.1002/14651858.CD004407.pub4/full. Acesso em: 15 jun. 2021.

Várias questões metodológicas são questionadas sobre a pesquisa da vacina e autismo,
mas isso não impediu a publicação e a interpretação de que uma associação forte era
sinônimo de causalidade. Para nos ajudar a confiar nas conclusões de pesquisa, as revi-
sões são um tipo de estudo que resumem as evidências sobre um determinado assunto.
4. REVISÃO SISTEMÁTICA
As revisões sistemáticas são um tipo de estudo que resume outras pesquisas sobre um
determinado tema (Rouquayrol; Gurgel, 2018, p. 157). Normalmente, elas ocorrem para
avaliar a eficácia de um tratamento ou estabelecer que as evidências até o momento
não são suficientes. Como os ensaios clínicos randomizados são o padrão-ouro para
avaliar um tratamento, há revisões sistemáticas que restringem a amostra para somen-
te esse tipo de estudo.
Existe um rigor metodológico no processo de seleção dos artigos. A coleta de dados, que
nesse caso são os artigos, é sistemática. Os artigos selecionados devem ser publicados
em revistas científicas com parecer de outros pesquisadores para garantir a qualidade.
Essas revistas são indexadas em bancos de artigos, bibliotecas e repositórios, como a
BIREME e a MEDLINE/PubMed. Os pesquisadores selecionam descritores que definem
o escopo da pesquisa com a finalidade de restringir a busca para o que somente eles
estão procurando. Depois dessa primeira seleção, os critérios de inclusão são aplicados.
EXEMPLO
É fundamental não excluir muitos artigos, porque isso pode deixar a amostra não represen-
tativa. Então, mesmo que o artigo seja pago, ou em outra língua, deve-se tentar incluir ele
na pesquisa.
Com frequência, dois avaliadores fazem a seleção dos artigos e, depois, os resultados
são cruzados. Caso haja um artigo que só um avaliador selecionou, um terceiro pesqui-
sador decide se ele deve ser incluído na amostra.
Todo o processo de seleção dos artigos deve ser descrito da mesma maneira que o
método de seleção dos sujeitos da pesquisa é descrito. Normalmente, um fluxograma
resume o processo (figura 6).
Epidemiologia 101
Figura 06. Exemplo de fluxograma do processo de seleção dos artigos
O resultado da revisão sistemática são as características dos artigos. A metanálise é

uma análise estatística que combina os resultados analíticos de cada estudo para che-
gar a uma única estimativa de ponto (Rouquayrol; Gurgel, 2018, p. 157). É uma análise
estatística interessante porque, ao juntar várias pesquisas, o número amostral aumen-
ta, o que melhora o poder do teste.
EXEMPLO
A título de exemplo, combina-se o risco relativo de cada artigo para se chegar em um risco
relativo total. Cada artigo tem um peso diferente na composição da estimativa final a depen-
der da característica da amostra e dos resultados individuais.
A metanálise pode ser apresentada pelo gráfico de Forest (Forest plot, em inglês). A
Figura 7 é um exemplo do gráfico com resultados fictícios de oito estudos. Sempre ha-
verá uma tabela com as informações e o gráfico com a representação da estimativa de
ponto e o intervalo de confiança. A última linha é a estimativa de ponto combinada que
no gráfico é representado pela imagem de losango, que também descreve o IC.
102
Figura 07. Exemplo de gráfico Forest

N: número de observações da amostra; OR: odds ratio; IC: intervalo de confiança.
Para interpretar o gráfico de Forest, é preciso relembrar que as medidas de associações

odds ratio (razão de chances) e risco relativo se interpretam de forma similar. Se o valor
for maior do que 1,0, indica aumento do risco/chance do desfecho acontecer, mas se
for igual a 1,0, não existe associação entre as variáveis. Quando for menor do que 1,0,
indica que a exposição reduz o risco ou a chance. Outro ponto importante é que se o
valor 1,0 estiver dentro do intervalo de confiança, não é possível garantir a presença de
uma associação entre as variáveis.
No gráfico de Forest, há uma linha vertical no 1,0 para visualmente ficar claro quais
estudos há dentro do IC com o valor 1,0. Na Figura 7, os estudos B, D, E, F e G estão
nessa condição em que não se pode garantir associação, mas seus resultados são
usados para gerar o valor combinado de associação.
Vamos considerar que o gráfico de Forest (Fig. 7) resume estudos que comparam a
associação do uso de um medicamento com morte por determinada doença. Mesmo
que só os estudos A e C concluam associação, o valor combinado de OR foi de 0,53 e
o seu intervalo de confiança (IC95% 0,39 A 0,73) só tem valores menores do que 1,0.
Isso significa que essa metanálise tem evidência estatística de que o uso da medicação
reduz a chance de morte.
Na revisão sistemática, o viés de publicação está presente, porque pesquisas que

só tiveram resultados sem significância estatística têm mais dificuldade de publicação
(Fletcher, R. H.; Fletcher, S. W.; Fletcher, G. S., 2014, p. 227). Rejeitar artigos que de-
monstram a não associação entre as variáveis faz com que a revisão sistemática seja
tendenciosa para ter resultados que corroborem a associação. É preciso ficar atento se
os critérios de exclusão não estão enviesando a amostra quando se restringe a língua
que o artigo é escrito ou para apenas textos de acesso livre.
Epidemiologia 103
SAIBA MAIS
4 Aprofunde seus conhecimentos acerca de revisão sistemática com a leitura do artigo abaixo:
CAMPOS, A. C. V. et al. Prevalência de incapacidade funcional por gênero em idosos brasilei-

ros: uma revisão sistemática com metanálise. Revista Brasileira de Geriatria e Gerontologia
[online], v. 19, n. 3, p. 545-559, mai.-jun. 2016. Disponível em: https://doi.org/10.1590/1809-
98232016019.150086. Acesso em: 15 jun. 2021.
A qualidade dos estudos também precisa ser avaliada. Se a revisão sistemática resume
artigos de baixa qualidade, seu resultado não será confiável. Existem diversas escalas
para avaliar a qualidade do artigo. É possível colocar como critério de exclusão artigos
que pontuaram pouco nas escalas e, assim, fazer sua revisão e metanálise somente
com pesquisas fortes.
A escala PEDro é específica para ensaios clínicos da fisioterapia com avaliação de 11

critérios. Há a escala Downs e Black que avalia 27 critérios e pode ser utilizada para
várias áreas. A Biblioteca Cochrane também tem uma escala de avaliação. De modo
geral, todas elas avaliam a presença dos vieses, como o de seleção, de relato e de afe-
rição, os cegamentos dos participantes da pesquisa e a análise estatística.
Assim como existem escalas que avaliam os estudos primários, há as que avaliam a
qualidade da revisão sistemática. As duas escalas mais utilizadas são a AMSTAR, com
14 itens, e a PRISMA, com 27 itens. É importante conhecer quais são os critérios utili-
zados para que, ao escrever o artigo, o pesquisador deixe claro o que foi feito a fim de
que o avaliador possa pontuar.
As revisões sistemáticas devem ser lidas rotineiramente pelos profissionais da saúde,

visto que elas facilitam a busca e o acesso às informações. Mas não é pelo fato de
ser uma revisão que é possível confiar nos resultados – sempre deve-se questionar a
qualidade do procedimento metodológico e da análise estatística. Atualmente existem
bancos de dados e bibliotecas virtuais que se especializaram em revisões sistemáticas,
algumas gratuitas e outras com acesso pago.
SAIBA MAIS
Bancos de dados e bibliotecas virtuais gratuitas:
` Biblioteca Cochrane é especializada em tratamento e até coordena alguns en-

saios clínicos. Disponível em: https://www.cochranelibrary.com/ (Acesso em: 15
jun. 2021).
` Epistemonikos é uma base de dados de evidências com grande número de re-

visões sistemáticas. Disponível em: https://www.epistemonikos.org/en/ (Acesso
em:15 jun. 2021).
104
` Health Evidence é um repositório atualizado constantemente com pesquisas
acerca de gestão, finanças e prestações de serviços em sistemas de saúde. Dis-
ponível em: https://healthevidence.org/ (Acesso em: 15 jun. 2021).
4
5. SAÚDE BASEADA EM EVIDÊNCIA

Saúde baseada em evidência (SBE) é uma abordagem de atuação dos profissionais de
saúde que é pautada nas melhores evidências científicas (Rouquayrol; Gurgel, 2018, p.
167). Para avaliar a qualidade das evidências são utilizadas ferramentas e conceitos de
metodologia em pesquisa, da epidemiologia e da estatística. Esse é um conceito am-
pliado do termo medicina baseada em evidência (MBE), mas, muitas vezes, as pessoas
usam a terminologia mais antiga se referindo à atuação de outros profissionais.
É difícil para um profissional de saúde se manter atualizado depois de formado. Mesmo

durante os estudos é possível que o professor não esteja ciente das mais recentes
atualizações. Quando existiam poucas revistas, era comum o profissional fazer uma
assinatura e receber o exemplar em casa para se atualizar. Agora que há muitas revistas
e um acesso facilitado é difícil conseguir separar o que ler. A revisão sistemática facilita o
acesso às informações, mas, mesmo assim, há profissionais que atuam conforme o que
ele percebe que funciona e não no que as evidências falam que é o melhor tratamento.
Os delineamentos de estudo têm uma hierarquização da confiança na conclusão a par-

tir da qualidade metodológica e análise dos dados. A ordem de prioridade é:
01. Revisão sistemática: com metanálise por resumir os estudos primários e agru-
par características diferentes.
02. Ensaio clínico: estudo experimental e longitudinal com a comparação de dois

grupos: a intervenção e o controle. As variáveis são muito controladas e, portanto, re-
duzem a chance de viés de confusão ou outra interferência. De preferência, o ensaio
clínico deve ser randomizado e duplo cego para melhorar a qualidade dos dados.
03. Coorte: estudo observacional longitudinal, normalmente, prospectivo. Assim

como nos ensaios clínicos, consegue medir a incidência e o risco de uma exposição
“causar” uma doença, além disso, garante a temporalidade da associação.
04. Caso-controle: estudo observacional longitudinal e retrospectivo. Consegue

medir a associação entre exposição e desfecho, mas não garante a temporalidade.
É mais rápido e prático do que o estudo coorte.
05. Estudo transversal: estudo descritivo em um único período de tempo. As asso-

ciações são frágeis já que não garantem temporalidade e podem apresentar fatores
de confundimento.
06. Série de casos e relato de casos: descrevem a evolução clínica de um grupo

pequeno de pessoas que apresentavam um quadro similar. A amostra é enviesada.
É útil para descrição de casos incomuns ou de uma possível nova doença.
Epidemiologia 105
07. Opiniões de especialistas e experiência prática: não existe método de

pesquisa e análise estatística. É o pensamento de um especialista sobre o assunto
e sobre o que ele vive no seu cotidiano de atendimento. Algumas revistas científicas
4 têm uma sessão para publicação de opiniões de especialistas.
IMPORTANTE!
Os estudos ecológicos não entram na lista porque as associações concluídas neles não po-
dem ser inferidas para indivíduos.
Recomendações clínicas é uma maneira fácil de resumir as evidências e comunicar os

profissionais de saúde. O Sistema GRADE (Grading of Recommendations, Assessment,
Development and Evaluation) gradua as informações, o que facilita para o profissional
a interpretação se uma prática é recomendada e a qualidade das evidências coletadas
(Almeida Filho; Barreto, 2011, p. 358). Ele avalia intervenções de saúde.
As recomendações são classificadas pela força em (1) forte ou (2) fraca. As evidên-
cias são divididas em quatro níveis de qualidade: (a) alta, (b) moderada, (c) baixa, (d)
muito baixa. Dessa forma, uma intervenção classificada pela GRADE como 2c é uma
recomendação fraca com evidências de baixa qualidade. Há também uma avaliação da
clareza da relação risco/benefício.
CONCLUSÃO
Como profissionais de saúde, é nosso papel questionar se o que está sendo divulgado
e realizado é de fato correto, ou seja, é nossa função procurar as respostas baseadas
em evidências. Mas não se deve acreditar em qualquer evidência – precisa ser cientí-
fica, com métodos definidos e análises estatísticas, além disso, a pesquisa precisa ser
transparente e sem conflitos de interesse. É preciso julgar qualquer pesquisa, mesmo
que ela seja feita por pessoas famosas ou publicadas em revistas importantes.
É necessário que exista evidências robustas que comprovem que sua conduta é eficaz
e a mais adequada para o seu paciente
106
ALMEIDA FILHO, N.; BARRETO, M. L. Epidemiologia & Saúde: Fundamentos, Métodos e Aplicações. Rio
de Janeiro: Guanabara Koogan, 2011.
4
FLETCHER, R. H.; FLETCHER, S. W.; FLETCHER, G. S. Epidemiologia clínica: elementos essenciais. 5.

HILL, A. B. The environment and disease: association or causation? Proceedings of the Royal Society of
Medicine, [s. l.], v. 58, n. 5, p. 295-300, maio 1965. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/
PMC1898525/. Acesso em: 15 jun. 2021.
ROUQUAYROL, M. Z.; GURGEL, M. Rouquayrol: epidemiologia & saúde. 8. ed. Rio de Janeiro: Medbook,
2018. 752 p.
VIEIRA, S. Introdução à bioestatística. 5. ed. Rio de Janeiro: Elsevier, 2016.
Epidemiologia 107

USF EAD Epidemiologia Completo

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

USF EAD Epidemiologia Completo

Enviado por

Direitos autorais:

Formatos disponíveis

EPIDEMIOLOGIA

RENATA CRISTOFANI MARTINS

© 2024 Universidade São Francisco

RENATA CRISTOFANI MARTINS

UNIDADE 01: EPIDEMIOLOGIA DESCRITIVA.......................................................6

Um exemplo do cotidiano é ao organizar uma festa para 20 pessoas você compra 3

Universidade São Francisco

é “Quais fatores influenciam no uso de preservativo masculino entre os jovens (18 a 24

A epidemiologia classifica as variáveis de um estudo típico em três tipos. De acordo com

É necessário detalhar melhor o tempo, quantidade e qual o tipo de bebida alcoólica é

É importante também coletar informações sobre possíveis fatores de confundimento como

Universidade São Francisco

2.2 COLETA DE DADOS

Desempenho das aferições

A validade avalia a capacidade de um instrumento medir o que se propõe a medir. Esse

O intervalo de variação avalia se o instrumento consegue medir e a capacidade de

do tem um bom intervalo de variação se ele consegue registar pessoas completamente

Os dois principais critérios para avaliar a qualidade de um instrumento são: a precisão

Figura 02. Precisão e acurácia de quatro instrumentos diferente considerando

Fonte: elaborada pela autora.

Universidade São Francisco

O viés de seleção ocorre quando se comparam grupos com características diferentes

Já o viés de confusão ou de confundimento ocorre quando duas variáveis podem in-

Os estudos epidemiológicos são classificados como descritivos ou analíticos. Os es-

Além disso, há outra classificação quanto a intervenção estudada. Os estudos obser-

` É possível saber a proporção de pessoas que têm diabetes ou que usam

` Ao longo do tempo, será que o número de casos de AIDS reduziu no Brasil? Ou

` Do que as pessoas morreram no Brasil nos últimos 10 anos?

Universidade São Francisco

Pessoas com presença de uma ou mais Pessoas com presença de variável

Pessoa com ausência de uma ou mais Pessoas com ausência de variável

pessoas com câncer

pessoas sem câncer

Fonte: elaborada pela autora.

A Pesquisa Nacional de Saúde (PNS) é o inquérito de saúde da população brasileira,

em parceria com o Instituto Brasileiro de Geografia e Estatística (IBGE). A PNS de 2019

Figura 05. Estudos populacionais

As vantagens do estudo transversal são: praticidade, simplicidade, rapidez e baixo cus-

Em contrapartida, nesse estudo não é adequado estabelecer causas entre variáveis,

Universidade São Francisco

BORGES, A. L. V.; SCHOR, N. Início da vida sexual na adolescência e relações de gênero:

4.2 SÉRIE OU RELATO DE CASOS

Esse é o principal meio de comunicação de novas doenças e, portanto, é comum que

CENTERS FOR DISEASE CONTROL - CDC. Pneumocystis pneumonia – Los Angeles.

4.3 ESTUDOS ECOLÓGICOS

Já as medidas ambientais representam as características físicas do ambiente, como

Um estudo ecológico avaliará se houve redução de mortes em acidentes de trânsito

Universidade São Francisco

CECCON, R. F. et al. Suicídio e trabalho em metrópoles brasileiras: um estudo ecológico.

5. DISTRIBUIÇÃO DE EVENTOS POR PESSOAS, TEMPO E LUGAR

Figura 06. Exemplo de comparação de características individuais

O gráfico é uma vi-

Fonte: IBGE (2020,

Historicamente, a análise de dados por lugar foi o primeiro estudo epidemiológico, em

Figura 07. Exemplo de comparação de locais.

Universidade São Francisco

Fonte: http://www2.aids.gov.br/cgi/deftohtm.exe?tabnet/br.def. Acesso em: 25 fev. 2023.

Além das séries ou tendência históricas, é possível determinar variações sazonais na

A partir da análise da distribuição de casos ao longo do tempo é possível definir se a ocorrên-

Fonte: elaborada pela autora.

6. INDICADORES DE SAÚDE: INCIDÊNCIA E PREVALÊNCIA

A principal função da prevalência é medir a magnitude da doença e o impacto que ela

Universidade São Francisco

A prevalência pode ser de ponto, de período ou de toda a vida, dependendo do período