Aula de revisão

Epidemiologia III
Novembro 2010

EPIDEMIOLOGIA (ARTIGOS) <-> CLÍNICA

 5 questões básicas no manejo do
paciente

1. Doutor, o que eu tenho? Diagnostico

2. Doutor, afinal, pq isso está Causa
acontecendo?
3. Doutor, vou ficar bom? Prognostico
4. Doutor, o que será feito para
me “curar”?
Tratamento
5. Doutor, o que eu tenho que fazer
para eu isso não ocorra outra vez?
Prevenção
Questões Tipo de estudo Desenho
clínicas
Diagnostico Estudos Transversal -
observacionais diagnóstico
Causa Coorte
Caso-controle
Transversal
Prognostico Coorte
Tratamento Estudos de Ensaio clínico
intervenção randomizado
 Desenhos de estudo
Transversal
observador

Fator Doença
(exposição) (desfecho)

tempo
Nos estudos de diagnóstico, testa-se um método (“exposição”) em relação
a outro método que diferencia doente e não doentes (teste ouro)

Úteis para se conhecer prevalências

Úteis para se estudar “associação” quando exposições são imutáveis (ex: sexo, idade ...)
Prevalence of type 2 diabetes and impaired fasting glucose: cross-sectional study of
multiethnic adult population at the United States-Mexico border. Díaz-Apodaca BA, t
OBJETIVE: To estimate prevalence of type 2 diabetes (diabetes) and impaired fasting glucose
(IFG) in the border region between the United States of America and Mexico, by ethnic
origin and country of residence; identify risk factors associated with both conditions; and
explore the extent to which these factors account for cross-border or ethnic disparities in
prevalence.
METHODS: From April 2001 to November 2002, … a questionnaire was administered on
diabetes (self-reported) and lifestyle and a physical examination and blood sample were
obtained. A total of 4,027 adults participated in the study: 2,120 Hispanics from the Mexican
side of the border and 1,437 Hispanics and 470 non-Hispanics (of whom 385 were classified
as "white") from the U.S. side of the border.
RESULTS: The age-adjusted prevalence of self-reported … diabetes in Hispanics was 15.4%
(16.6% on the Mexican side of the border and 14.7% on the U.S. side). The age-adjusted
prevalence of IFG was similar on both sides of the border (14.1% on the Mexican side and
13.6% on the U.S. side).
CONCLUSIONS: Established risk factors for diabetes (e.g., age, obesity, and family history)
were relevant and there was an inverse relationship between diabetes and education and
socioeconomic level. While diabetes prevalence is high on both sides of the U.S.-Mexico
border, one-third of the cases remain undiagnosed, suggesting a need for development and
implementation of a public health program for prevention, diagnosis, and control of
diabetes in the region.
Performance of Glycated Hemoglobin for the Classification and Prediction of Diabetes.
Selvin E
Background: Although glycated hemoglobin (HbA1c) is now recommended to diagnose
diabetes, its test performance for diagnosis and prognosis is uncertain. Our objective was to
assess the test performance of HbA1c against single and repeat glucose measurements for
diagnosis of prevalent diabetes and for prediction of incident diabetes. Design and
Methods: Population-based analyses of 12,485 participants The Atherosclerosis Risk in
Communities (ARIC) Study and a subpopulation of 691 participants in the Third National
Health and Nutrition Examination Survey (NHANES III) with repeat test results.
Results: Against a single fasting glucose ≥126 mg/dl, the sensitivity (Sn) and specificity (Sp) of
HbA1c ≥6.5% for detection of prevalent diabetes were 47% and 98%, respectively (AUC
0.892). Against repeated fasting glucose (3 years apart) ≥126 mg/dl, Sn improved to 67% and
Sp remained high (97%) (AUC 0.936). Similar results were obtained in NHANES III against
repeated fasting glucose 2 weeks apart. The accuracy of HbA1c was consistent across age,
BMI, and race groups. For persons with fasting glucose ≥126 mg/dl and HbA1c ≥6.5% at
baseline, the 10-year risk of diagnosed diabetes was 88% as compared to 55% among those
persons with fasting glucose ≥126 mg/dl and HbA1c 5.7-<6.5%.
Conclusions: HbA1c performs well as a diagnostic tool when diabetes definitions that most
closely resemble those used in clinical practice are used as the gold standard. The high risk of
diabetes among initially undiagnosed persons with both elevated fasting glucose and HbA1c
suggests a dual role for fasting glucose and HbA1c for prediction of diabetes.
 Desenhos de estudo
Coorte / Intervenção
observador

Doença/Cura
Fator/Terapia
(desfecho)
(exposição)

tempo
 Impact of Incident Diabetes and Incident Nonfatal
Cardiovascular Disease on 18-Year Mortality
Diabetes Care 26:848–854, 2003

OBJECTIVE— To report long-term risks for total, cardiovascular disease

(CVD), and coronary heart disease (CHD) mortality associated with
incident diabetes (using current diagnostic criteria) and with incident
nonfatal CVD (NF-CVD).

RESEARCH DESIGN AND METHODS— A total of 11,645 participants without

diabetes or CVD at baseline from the Multiple Risk Factor Intervention
Trial who survived to the end of the trial were grouped by during-trial
incident diabetes and/or NF-CVD events: neither diabetes nor NF-CVD,
diabetes only, NF-CVD only, or both diabetes and NF-CVD. Incident
diabetes was defined by use of hypoglycemic agents or fasting glucose 126
mg/dl at any time over the 6 trial years. Proportional hazards models
tested group differences in mortality over 18 post-trial years.
 Impact of Incident Diabetes and Incident Nonfatal
Cardiovascular Disease on 18-Year Mortality
Diabetes Care 26:848–854, 2003

RESULTS— Among 3,859 total deaths were 1,846 from CVD and 1,277 from
CHD, with death rates per 10,000 person-years of 203, 97, and 67,
respectively. Multivariate-adjusted hazard ratios (HRs) for total mortality
were 2.75 (P 0.0001) for those with NF-CVD and diabetes both, 1.92 (P
0.0001) for those with NF-CVD only, and 1.49 (P 0.0001) for those with
diabetes only, relative to neither diabetes nor NF-CVD. NF-CVD was
associated with a higher hazard of death than diabetes for total (HR 1.29,
P 0.0004), CVD (HR 1.76, P 0.0001), and CHD (HR 1.88, P 0.0001)
mortality. Only the subgroup of participants on hypoglycemic agents
showed an equivalent risk of total mortality relative to participants with
NF-CVD (HR 0.93, P 0.54).

CONCLUSIONS— Current diabetes diagnostic criteria conferred significantly

increased total, CVD, and CHD mortality risks independent of the impact
of NF-CVD. NF-CVD was more strongly predictive of mortality.
Preterm birth - a risk factor for type 2 diabetes? The Helsinki Birth Cohort Study.
Kajantie E et al

Objective: The association between low birth weight and type 2 diabetes is well established.
We studied whether preterm birth carries a similar risk. Research Design and Methods: The
Helsinki Birth Cohort includes 13345 men and women born between 1934 and 1944. Of
them, 12813 had adequate data on length of gestation, which we linked with data on special
reimbursement for diabetes medication. Results: 5.1% of the subjects had received special
reimbursement after age 40. In subjects born before 35 weeks of gestation, the odds ratio for
diabetes was 1.68 (95% confidence interval 1.06 to 2.65) as compared with those born at
term. After adjustment for birth weight relative to length of gestation, it was 1.59 (1.00 to
2.52). Conclusions: Preterm birth before 35 weeks of gestation is associated with an
increased risk of type 2 diabetes in adult life. The risk is independent of that associated with
slow fetal growth.
 Desenhos de estudo
Caso-Controle
observador

Doença
Fator
(desfecho)
(exposição)

tempo
Population-based Case-Control Study of Diabetes and Breast Cancer Risk in Hispanic and
Non-Hispanic White Women Living in US Southwestern States . Rollison DE.

Diabetes mellitus has been associated with breast cancer, although no studies appear to
have adequately assessed the association in Hispanic women, a population with a high
prevalence of diabetes. The authors investigated this association in a population-based
case-control study of Hispanic and non-Hispanic White women living in the southwestern
United States. Breast cancer cases diagnosed in 1999–2004 were identified through state
cancer registries (1,526 non-Hispanic Whites, 798 Hispanics).

Age- and ethnicity-matched controls (1,599 non-Hispanic Whites, 924 Hispanics) were
selected from commercial mailing lists and driver's license and Social Security records.
Diabetes history was assessed through interviewer-administered questionnaires.

Having any type of diabetes was not associated with breast cancer overall (odds ratio =
0.94, 95% confidence interval: 0.78, 1.12). Type 2 diabetes was observed among 19% of
Hispanics and 9% of non-Hispanic Whites but was not associated with breast cancer in
either group. Gestational diabetes was inversely associated with breast cancer in both
ethnic groups, especially when first diagnosed at age ≤35 years (odds ratio = 0.54, 95%
confidence interval: 0.37, 0.79). In this study, diabetes was not associated with breast
cancer overall, although the inverse association with gestational diabetes warrants
further investigation.
MEDIDAS DE ASSOCIAÇÃO
 RISCO RELATIVO

• PROBABILIDADE DE ADOECER ENTRE OS

EXPOSTOS / PROBABILIDADE DE ADOECER
ENTRE OS NÃO EXPOSTOS

• PROBABILIDADE É ESTIMADA PELA

PROPORÇÃO OBSERVADA
 COORTE

EXPOSTO 1000

NÃO
1000
EXPOSTOS
 COORTE

NÃO
DOENTE
DOENTE

EXPOSTO 1000

NÃO
1000
EXPOSTOS
 COORTE

NÃO
DOENTE total
DOENTE

EXPOSTO 5 995 1000

NÃO
2 998 1000
EXPOSTOS
• RISCO ENTRE OS EXPOSTOS = 5/1000 = 0,5%

• RISCO ENTRE NÃO EXPOSTOS = 2/1000 =0,2%

• RISCO RELATIVO= RR = 0,005/0,002=2,5

 Probabilidade versus Odds ou chance
• Probabilidade – sucesso/total de possibilidades
– Qual a probabilidade de se tirar 5? 1/6

• Chance – sucesso/fracasso
– Qual a chance de se tirar 5? 1/5
CASO CONTROLE

DOENTE NÃO DOENTE

200 200
 CASO CONTROLE

DOENTE NÃO DOENTE

EXPOSTO

NÃO EXPOSTOS

200 200
 CASO CONTROLE

DOENTE NÃO DOENTE

EXPOSTO 23 10

NÃO EXPOSTOS 178 190

total 200 200

Odds de um doente ser exposto: 23/178=0,1292

Odds de um não doente ser exposto: 10/190=0,052
Odds ratio = (0,129/0,052)=2,48
 COORTE
NÃO
DOENTE total
DOENTE

EXPOSTO 5 995 1000

NÃO
2 998 1000
EXPOSTOS

Odds que uma pessoa exposta desenvolva a doença: 5/995=0,005

Odds que uma pessoa não exposta desenvolva a doença: 2/998=0,002
Odds ratio= 0,005/0,002=2,51
Medida de impacto
• Risco atribuível na população

• Risco atribuível entre os expostos

• Risco atribuível na população
– Absoluto
– Por cento

• Risco atribuível entre os expostos

– Absoluto
– Por cento
Figure 12-1 A, Total risks in exposed and nonexposed groups. B, Background risk. C, Incidence attributable to exposure and incidence not attributable to exposure.
Figure 12-2 The concept of attributable risk.
 COORTE

NÃO
DOENTE total
DOENTE

EXPOSTO 5 995 1000

NÃO
2 998 1000
EXPOSTOS

Risco atribuível entre os expostos =

Risco atribuível por cento entre os expostos =

 COORTE

NÃO
DOENTE total
DOENTE

EXPOSTO 5 995 1000

NÃO
2 998 1000
EXPOSTOS

Risco atribuível entre os expostos = 0,005 -0,002 = 0,003 ou 3 por 1000

Risco atribuível por cento entre os expostos = (0,003/0,005) *100= 60 %

Kaplan-Meier curves for post-trial total mortality through 1999 for four groups
defined by incident diagnosis of diabetes and NF-CVD.
Mediana de sobrevida

P<0,0001
Ameaças à validade do estudo
 Validade interna
• Os resultados do estudo podem ser atribuídos
aos fatores analisados?

• Tanto maior será a validade interna, quanto

maior for a possibilidade de responder à
questão acima de forma afirmativa!
 Confundimento – definição (1)

•Ocorre quando os resultados de uma

associação entre dois fatores podem ser
imputados, total ou parcialmente, a um
terceiro fator não levado em consideração
(variável de confundimento).
 Confundimento – definição (2)

•As variáveis de confundimento estão associadas ao mesmo

tempo à variável de exposição e à variável de desfecho

•Podem mascarar um efeito existente (diminuindo a

associação existente) ou ser responsável por um efeito
inexistente (aumentando um associação inexistente)

•Esta relação existe na amostra e na população de estudo

•A idade é um fator que exerce esse papel de confundimento

frequentemente.
 Exemplo de confundimento

•Num determinado estudo transversal observou-se uma

associação entre uso de contraceptivo oral (CO) e
ocorrência de IAM. A tabela abaixo apresenta as primeiras
informações do estudo.
Tabela 1: OR de exposição a contraceptivo oral (CO) em pacientes com e sem
IAM de 30 a 49 anos

Contraceptivo IAM+ IAM- Total

Oral (CO)

sim 25 73 98

não 203 1383 1586

total 228 1456 1684

OR = 2,3
 Exemplo de confundimento

•A chance de IAM entre as mulheres que usam CO é

2,3 vezes a chance de IAM entre as mulheres que não
usam CO
 Tabela 2: OR de ter IAM segundo a faixa etária

Idade IAM+ IAM - Total

40 -49 170 677 847
30 - 39 58 779 837
Total 228 1456 1684
OR = 3,37

Tabela 3: OR de usar CO segundo a faixa etária

CO CO- Total
Idade
40 -49 26 821 847
30 - 39 72 765 837
Total 98 1586 1684

OR = 0,34
 Exemplo de confundimento
•A variável idade está associada ao desfecho:
•a chance de uma mulher que teve IAM ter 40 a 49 é
3,37 a chance de uma mulher que não teve IAM estar
nessa faixa de idade.

•A variável idade está associada à exposição:

•a chance de quem faz uso de CO ter 40 a 49 anos é
0,34 a chance de uma mulher que não faz uso estar
nessa faixa de idade.
 Exemplo de confundimento

• Há confundimento!
• A idade está associada tanto ao IAM quanto
ao uso de CO!
• A idade diminuiu a associação real!
 Análise estratificada

•O OR em para cada estrato de idade (30-39 e 40 a

49) é igual o OR para os dois estratos de idades em
conjunto de 2,3 (exposto na tabela 1)?
Tabela 4: OR de exposição a contraceptivo oral (OC) e IAM em
mulheres de 30 a 39 anos

IAM+ IAM- Total

CO
Sim 13 59 72
Não 45 720 765
Total 58 779 837
OR = 3,53

Tabela 5: OR de exposição a contraceptivo oral (OC) e IAM em

mulheres de 40 a 49 anos
IAM+ IAM- Total
CO
Sim 12 14 26
Não 158 663 821
Total 170 677 847
OR = 3,6
 Análise estratificada

• O OR em cada um dos estratos foi superior ao

OR considerando os dois estratos, mostrando
que a idade diminuiu a associação real.

• Há um percentual maior de mulheres de 40-

46 que enfartaram e um percentual menor de
mulheres nessa faixa que usa CO, levando à
diminuição da associação observada no grupo
todo.
Interpretando Associações- Causal e Não-Causal
Causal Relação não causal
(parece ser causal por causa do fator de
confusão)
CO IAM
Real Associação
Real
associação
IDADE

Real Associação

IAM CO 11
Confundimento e desenhos de estudo
• Confundimento pode ocorrer em qualquer
estudo observacional
• Não ocorre quando há randomização de uma
amostra com muitos indivíduos => os grupos
de comparação são homogêneos
• Ele pode ser controlado através do
pareamento (só para variáveis envolvidas no
pareamento) e por análise multivariada
 Outro exemplo de confundimento
coorte – consumo de sal e diabetes!
• Estudo de coorte – associação entre consumo
de sal e incidência de diabetes
• 1000 pessoas que consumiam sal acima do
prescrito – sem diabetes ou hipertensão
• 1000 pessoas que consumiam sal dentro do
prescrito - sem diabetes ou hipertensão
• Acompanhadas por 5 anos
 Outro exemplo de confundimento
coorte – consumo de sal e diabetes!

Incidência de diabetes/ consome sal > do prescrito 200/1000= 0,2

Incidência de diabetes/consome sal dentro do prescrito 50/200= 0,05
RR= 4

Será que o RR é o mesma

em hipertensos e não hipertensos?
 Outro exemplo de confundimento
coorte – consumo de sal e diabetes!

Hipertensos
Incidência de diabetes em quem consome sal acima do prescrito 194/800 0,2425
Incidência de diabetes em quem consome sal dentro do prescrito 24/100 0,24
RR= 1,010417

Não hipertensos
Incidência de diabetes em quem consome sal acima do prescrito 6/200 0,03
Incidência de diabetes em quem consome sal dentro do prescrito 26/900 0,028889
RR= 1,038462
VIÉS X VALIDADE INTERNA

VIÉS= ERRO SISTEMÁTICO

 Viés
1. É um erro sistemático
2. Ocorre no desenho do estudo
3. Conduz a um resultado errado
4. Temos que evitar, não há como corrigir depois
 Viés
Erro sistemático => erro no resultado
* Aumento (superestimativa) ou
* Diminuição (subestimativa)
 VIÉS DE SELEÇÃO

VIÉS DE INFORMAÇÃO
 Viés de Seleção
Indivíduos têm diferentes probabilidades de
serem incluídos/perdidos na amostra do
estudo, no que se refere à
exposição/desfecho, em referência à
população de estudo.
 Vies de seleção por perda seletiva

Ensaio Clínico Randomizado Ensaio Clínico Randomizado

Não há efeito da dieta na realidade! Observa-se efeito da dieta-
Perda seletiva!
Diabetes Diabetes Diabetes Diabetes
SIM NÃO SIM NÃO

Dieta X Dieta X
SIM

Dieta X Dieta X
Não Não
 Vies de seleção por auto-seleção
Coorte
Observa-se efeito da dieta
Na população! Auto-seleção!
Quem faz a dieta tem outros
hábitos saudáveis!
Diabetes Diabetes Diabetes Diabetes
SIM NÃO SIM NÃO

Dieta X Dieta X
SIM SIM

Dieta X Dieta X
Não Não
 Vies de seleção por monitoramento
Médico
Na seleção do estudo caso-
controle: as usárias de ACO fora
mais monitoradas – foram
Na população identificadas mais diabéticas

Diabetes Diabetes Diabetes Diabetes

SIM NÃO SIM NÃO

Uso de Uso de
ACO SIM ACO SIM

Uso de Uso de
ACO NÃO ACO NÃO

ACO – anticoncepcional oral

 Vies de seleção por seleção de casos
•Estudo caso-controle–diabetes/não diabetes
•pode haver associação espúria entre uso de
contraceptivos e diabetes
•mulheres que tomam anti-conceptivo têm > probabilidade
de serem selecionadas por, em geral, procurarem mais
cuidado médico/monitoramento

•viésé positivo,
•aumenta a associação real

• mais expostas (uso contraceptivo) entre os casos (diabete

-procurei mais por diabetes entre expostas
VIES DE SELEÇÃO POR SELEÇÃO DE CONTROLES

•Estudo caso-controle – consumo de alcool/doença

coronariana
•pode haver associação espúria entre consumo de alcool
e doença coronariana
•casos – emergência por IAM
•controles – emergência por trauma
• viés é negativo,
• diminui a associação real
• mais controles expostos do que na população geral
• traumas relacionados ao consumo aumentado de alcool
 Vies de seleção por seleção de
controles
• Estudo caso-controle para estudo de fatores de risco
para câncer de pâncreas;
• casos e controles selecionados entre pacientes do
mesmo médico para evitar vies de “tipo de clientela”;
• médico é gastroenterologista
• maior probabilidade dos controles terem problemas
gastricos
• maior probabilidade dos controles já se absterem do
consumo de alimentos que poderiam ser fatores de risco
para ca de pâncreas
• nesse caso o viés é negativo,
• diminui a associação real
PARA DOENÇAS DE LONGO PERÍODO DE
LATÊNCIA – CAUSALIDADE REVERSA

• comportamento pode mudar devido aos pródromos

somente nos casos;

•se for um caso-controle– viés – a exposição diminuirá

em casos que assumem comportamento sem risco para
evitar algo que eles já estão sentindo, embora ainda não
diagnosticado

• nesse caso o viés é negativo,

• diminui a associação real
 VIÉS DE informação

 Erro sistemático na medida ou diangóstico de um

evento =>
 Os resultados podem ser imputados à maneira como as
variáveis são conceituadas ou medidas.
 Ensaio Clínico Randomizado

Exposição = intervenção
 Ensaio clínico: diagrama

Cura
randomização

Tratamento
em estudo
Não
População cura
de estudo amostra

Cura
Placebo ou
Tratamento padrão
(controle)
Não
cura
 RANDOMIZAÇÃO

É a alocação aleatória dos indivíduos aos

grupos de comparação,

Geralmente realizada através de uma tabela

de números aleatórios.

Garante
a comparabilidade dos grupos
a seleção não enviesada dos participantes – não há
auto-seleção nem interferência do investigador
 Randomização

• Obter dois grupos semelhantes e

comparáveis
– Sexo
– Idade
– Raça
– Severidade de doença
– Aderência ao tratamento...
• Tabela 1 – “Baseline”
 Ebbeling CB et al.. Effects of a low-glycemic load
vs low-fat diet in obese young adults: a randomized
trial. JAMA. 2007;297(19):2092-102
• DESIGN, SETTING, AND PARTICIPANTS: Randomized trial of obese
young adults (aged 18-35 years; n = 73) conducted from September
2004 to December 2006 in Boston, Mass, and consisting of a 6-
month intensive intervention period and a 12-month follow-up
period.

• INTERVENTIONS: A low-glycemic load (40% carbohydrate and 35%

fat) vs low-fat (55% carbohydrate and 20% fat) diet.

• MAIN OUTCOME MEASURES: Body weight, body fat percentage

determined by dual-energy x-ray absorptiometry, and
cardiovascular disease risk factors.
Após a
randomização....
 SUCESSO DA RANDOMIZAÇÃO
• Depende de:

• Geração adequada de um seqüência imprevisível

(porém reprodutível)

• Ocultamento

• Tamanho da amostra
Caso o tamanho da amostra seja insuficiente, os grupos podem não ficar
comparáveis, sendo necessário controlar fatores de confundimento
Ocultamento (concealment)

• Quem controla a entrada de pacientes?

• De preferência fora do serviço

• Para estudos multicêntricos - central telefônica

• Para um único centro – funcionário não envolvido com a

pesquisa

• Quando nada disso é possível, apenas o envelope opaco

MASCARAMENTO OU CEGAMENTO

• Para evitar viés pós randomização

– Viés do paciente

– Viés do médico

– Viés do avaliador

– Viés laboratorial

– Viés do estatístico
MASCARAMENTO OU CEGAMENTO

• Viés do paciente
– O conhecimento do tipo de tratamento pode afetar a evolução e
adesão

• Viés do médico
– O conhecimento pode afetar o modo de cuidar e lidar com o
paciente
– Pode levar ao paciente a desconfiar que tratamento está recebendo
MASCARAMENTO OU CEGAMENTO

• Viés do avaliador
– O conhecimento pode influenciar o diagnóstico
– Esse viés vai afetar diretamente o resultado do
estudo
• Viés do laboratório
– Pode influenciar o modo de conduzir o teste ou
levar a retestes
– Pode apresentar problema mesmo em testes
“objetivos”
ANÁLISE DOS RESULTADOS

Quanto ao tipo
 Análise por intenção de tratamento – para
manutenção dos grupos tal qual foram
formados pela randomização

– Análise por protocolo - com os que de fato

completaram o tratamento
Revisão Sistemática
e Meta-análise
Statins and risk of incident diabetes: a collaborative meta-analysis of
randomised statin trials. Sattar et al. The Lancet 2010.
.

Introduction
Statin therapy is effective for reduction of cardiovascular
events and is generally recognised as being safe and
well tolerated.

However, researchers of six large randomised placebo-control trials

have reported conflicting results about the development of diabetes in
patients taking such drugs.

These findings have raised questions about the safety of long-term use
of statins, and led to calls for a systematic exploration of the possible
effect of statin therapy on incident diabetes. Overestimation of clinical
benefit or underestimation of risk is potentially of major public health
importance.
 Objetivo do artigo

• To resolve this uncertainty, we investigated this

effect by undertaking a meta-analysis of all
available published and unpublished data from
large placebo-controlled and standard-care-
controlled statin trials.
 Questão de pesquisa

Uso de estatinas aumenta o risco de desenvolvimento de

diabetes tipo 2?
 Revisão Sistemática

Revisão de estudos através de uma estratégia que limita o

viés na reunião sistemática, com avaliação crítica e síntese
de todos os estudos relevantes sobre um tópico específico.

Cook et al, 1995. J Clin Epidemiol 48(1):167-71

 Meta-análise

•Análise que combina e integra os resultados de estudos independentes,

considerados homogêneos.

•Tem como propósito explicar possíveis inconsistências entre eles e calcular

uma medida-sumário de seus resultados.
 META-ANÁLISE

Combina estudos homogêneos,

Aumenta o número de observações,
Aumenta o poder estatístico de detectar os efeitos.

Quando se lida com estudos conduzidos em circunstâncias distintas,

os resultados diferentes podem contribuir para a melhor compreensão do
fenômeno que se deseja investigar.
 META-ANÁLISE- como

• O efeito da intervenção / tratamento é calculado como

uma média ponderada dos efeitos de cada estudo.
• Os pesos são o inverso da variância do efeito do
tratamento/intervenção de cada estudo (que está
associado com o tamanho da amostra).
Medida de
associação

IC do OR Peso =tamanho do quadrado

Medida sumário
 Heterogeneidade clínica

• Estudos diferem quanto às características

dos participantes (idade, severidade),
intervenção (dose), duração do
acompanhamento, variável de desfecho.
 Heterogeneidade metodológica e estatística

 Os desenhos de estudo são diferentes

 Heterogeneidade estatística. Variação entre

os resultados dos estudos é maior do que a
esperada ao acaso.
 Intervalos de confiança de alguns estudos
não englobam os riscos relativos
observados por outros estudos
 Testando a heterogeneidade
Qui-quadrado para heterogeneidade
• Se p-valor > 0,10, não rejeito a hipótese nula de
igualdade
• Se p-valor < 0,10, rejeito igualdade e confirmo
heterogeneidade entre os estudos

Teste I2 – percentual de heterogeneidade

que excede acaso
• 0-25% - baixa
• 26-50% - moderada
• > 50% - alta
 Medida de
associação

IC do OR Peso =tamanho do quadrado

avaliação da
heterogeneidade
Medida sumário
 Manejo da Heterogeneidade

•A presença da heterogeneidade não é um problema para a

meta-análise, mas uma oportunidade para investigar por que o
efeito da intervenção / tratamento varia em diferentes
circunstâncias.
•Possibilidades:

– Não combinar resultados - explicar causas da

heterogeneidade – análise de sub-grupos
– Combinar estudos usando efeitos aleatórios -
conhecer um efeito médio.
 Análise de subgrupo

• Apresentar os resultados para subgrupos previamente

determinados (hipótese)

• De pacientes
• De intervenções
• De desfechos
Statins and risk of incident diabetes: a collaborative meta-analysis of randomised statin trials.
Sattar et al. The Lancet 2010.
 Gráfico de funil para avaliar viés de publicação

Sutton, A J et al. BMJ 2000;320:1574-1577

Copyright ©2000 BMJ Publishing Group Ltd.
 Viés de idioma

•Egger et al (Lancet, 1997): comparação

entre artigos publicados em diferentes
línguas mostraram que 63% dos artigos
publicados em inglês tinha achados
estatisticamente significativos (p>0,05) contra
35% dos publicados em alemão.
Vieses em estudos de Revisão Sistemática
(seleção)

3. VIÉS DE CITAÇÃO
Predominância, entre as referências bibliográficas, de
artigos que dêem respaldo aos achados do autor do
artigo no qual se identificaram essas referências.
4. VIÉS DE MÚLTIPLAS PUBLICAÇÕES
Estudos com resultados estatisticamente significativos
costumam ter múltiplas publicações e apresentações
em eventos científicos. Isso faz com que eles tenham
maior chance de serem identificados no processo de
busca.
 Vieses em estudos de Revisão Sistemática
(informação)

• 1. Viés de extração
• Ocorre quando estudos são avaliados de forma não
padronizada, permitindo heterogeneidade na extração dos
dados. Pode ser minimizado com a adoção de instrumentos
validados.

• 2. Viés do investigador
• Ocorre quando o investigador conhece os autores e pode
ficar sugestionado. Pode ser minimizado ocultando-se a
identificação do artigo (avaliação mascarada).