Escolar Documentos
Profissional Documentos
Cultura Documentos
Sumrio
Breve definio de Epidemiologia e sua evoluo Conceitos de risco e factor de risco: as suas particularidades
Outros conceitos
A relao entre os factores de risco - variveis mediadoras - a abordagem de Baron e Kenny mediao - a abordagem de Hayes e Preacher: procedimento de bootstrapping - breve definio e forma de interpretao dos resultados - variveis moderadoras
Deu-se uma viragem essencial na forma como as causas das doenas passaram a ser consideradas, da 2 para a 3 Era. (ver Susser & Morabia, 2006)
VIRAGEM
A depresso major/a DPP uma doena complexa/multifactorial (Macedo & Azevedo, 2001): procurar as suas causas/FRs uma tarefa bem mais difcil/complexa do que procurar um agente infeccioso causal.
As doenas multifactoriais no derivam de uma causa/factor nica/o mas sim de uma/mltiplas cadeia/s causal/is (que podem envolver factores genticos, ambientais, sociais e biolgicos) (Kraemer et al., 2001).
A noo de etiologia mltipla (Susser, 1985, cit. por Krieger, 1994) central na epidemiologia moderna (Krieger, 1994).
Autoridades no mbito da literatura dos FRs referem como limitao a impreciso/inconsistncia na utilizao de conceitos (Kraemer et al., 1997; Kraemer et al., 2001; Offord & Kraemer, 2000).
Quanto a um outcome indesejado: o risco refere-se probabilidade de desenvolver uma doena ou os seus precursores Bhopal (2002b)
O risco tende a ser expresso em termos binrios sendo frequente os estudos referirem que uma pessoa apresenta baixo ou alto risco para sofrer de uma doena (Kapur, 2000). Alguns autores consideram que as classificaes em grupos de alto e baixo risco podem ser arbitrrias, porque a maioria dos riscos se distribuem continuamente ao longo das populaes (Rose, 1992, cit. por Kapur, 2000).
Outros autores referem que as abordagens dimensionais no so clinicamente teis, embora encorajem a avaliao de FRs em qualquer nvel de dimensionalidade (Kraemer et al., 1997).
No mesmo indivduo os riscos podem aumentar/diminuir ao longo do tempo, assim como a sua natureza (Snowden, 1997), o que implica avaliar o risco mais do que uma vez.
O risco tambm varia conforme o estadio da doena: os FRs para um primeiro episdio de doena diferem dos envolvidos numa recada/remisso/recuperao (Kapur, 2000).
Beck (1998c) refere que alguns autores recorrem a critrios de causalidade para defender precisamente uma interpretao de causalidade associada a um dado FR, o que pode ser problemtico.
O segundo critrio remete para o critrio de causalidade temporalidade (Hill, 1965) como uma das condies sine qua non para estudar FRs
Pode ser avaliado ao mesmo tempo que o outcome e, portanto, ser-lhe concomitante (como um indicador de risco) ou aps o outcome (a poder ser potencialmente uma consequncia/resultado do mesmo) (Kraemer et al., 1997; Offord & Kraemer, 2000).
Ainda assim, a identificao de correlatos relevante para nos questionarmos acerca do porqu de dadas variveis estarem associadas e para gerar hipteses de investigao (Kazdin et al., 1997).
Devemos utilizar a informao recuperada com cautela porque esta pode mostrar-se selectiva/enviesada (at porque o estado mental em que pessoa se encontra no momento pode influenciar a sua recordao dos acontecimentos).
Pode, tambm, no existir forma de comprovar que o outcome no aconteceu antes do factor. Portanto, avaliaes retrospectivas tendem correlatos (Kazdin et al., 1997). a permitir identificar
Os FRs podem referir-se a domnios distintos: biolgico, psicolgico e sociolgico e a nveis distintos dentro do mesmo domnio (e.g. gentico, bioqumico, processos cognitivos, personalidade) (Kazdin et al., 1997).
Um FR numa populao para um dado outcome pode no o ser noutra populao (ou ter o mesmo peso): cautela ao referimo-nos a FRs de uma doena.
Kraemer et al. (1997) e Kapur (2000) expressam, ainda, a importncia de definir claramente o outcome de interesse e populao a estudar. O grupo de Kraemer (Kazdin et al., 1997) designa outcome como uma caracterstica que queremos predizer, importando avali-lo fidedignamente. Frequentemente os outcomes so binrios (e.g. ter ou no ter a doena) mas alguns so dimensionais. Uma variao no outcome (se o mesmo for avaliado em momentos distintos) pode mudar o perfil de variveis que emerge como FRs (Kazdin et al., 1997).
o conhecimento cientfico possudo sobre um FR que deve guiar um investigador na sua designao e a sua distino relevante quando se consideram estudos de preveno (Kraemer et al., 1997).
Um marcador fixo um FR que no pode mudar espontaneamente no sujeito (e.g. gnero, naturalidade, ano de nascimento, gentipo). Um FR varivel um factor que pode mudar espontaneamente no sujeito (e.g. idade; peso) ou por interveno (e.g. medicao; terapia).
Outros conceitos
Na literatura epidemiolgica existem outras designaes para os factores que podem conduzir ao desenvolvimento da doena: a) factores predisponentes (e.g. idade, gnero, presena prvia de doena, nvel scio-econmico): factores que preparam/sensibilizam, que aumentam a susceptibilidade doena e que podem ser necessrios mas raramente suficientes para desencadear a doena b) factores promotores facilitam o desenvolvimento da doena/sua recuperao (e.g. baixo rendimento vs. acesso a cuidados mdicos); podem ser necessrios mas raramente suficientes para a desencadear c) factores precipitantes: exposio que est associada ao incio da doena, podendo existir um factor em particular que visto como necessrio para que tal acontea; d) factores reforadores/de manuteno, tendem a agravar/manter a doena (podendo ser os mesmos ou no que os factores j referidos
(Beaglehole et al., 1993; Last, 2001; Timmreck, 1994b; Last, 2001).
Outros conceitos
Factores proximais e distais
Outros autores classificam os FRs pela sua distncia temporal face ao outcome: proximais/imediatos, intermedirios ou distais (Gomes Pereira, 1995c). Dobson & Dozois (2008) referem ser distinto estudar factores que fornecem as condies distais (precoces) a partir das quais a doena se desenvolver e factores proximais que precedem imediatamente o incio da doena.
Abordam a viso desenvolvimental dos FRs: a doena pode ocorrer em diferentes momentos da vida e os FRs/proteco envolvidos podem variar tambm.
Outros conceitos
Factor de vulnerabilidade
Segundo Dobson & Dozois (2008) embora os termos risco e vulnerabilidade no sejam sinnimos, tal como discutido por Ingram e Price (2001) um FR que se revele causalmente relacionado com a doena (FR causal) (Kraemer et al., 2001) pode ser considerado tambm um factor de vulnerabilidade.
Ingram & Price (2001) descrevem um factor de vulnerabilidade como: 1) estvel (i.e., um trao, ainda que no necessariamente no modificvel); 2) latente (i.e., presente em sujeitos que revelam poucos ou nenhuns sinais da doena); 3) endgeno (a vulnerabilidade reside no sujeito: origina-se nele ou a partir de experincias/aprendizagens).
Outros conceitos
Consideramos que a definio previamente apresentada de FR causal (em que se demonstrou existir uma relao causal com a doena), abrange um nmero maior de factores, do que os que encaixam na definio de factor de vulnerabilidade.
Ingram & Prince (2001) referem que um FR apenas fornece informao descritiva acerca das relaes com a doena, enquanto que um factor de vulnerabilidade (FR causal) fornece informao acerca dos mecanismos pelos quais um factor contribui para o incio/remisso/recorrncia da doena. Esta viso est parcialmente correcta mas ignora as respostas que podem ser obtidas sobre os mecanismos referidos quando focamos as relaes potenciais entre os FRs para a doena.
Outros conceitos
Factores de risco independentes Na determinao de uma doena, temos que nos lembrar que para alm da/s exposio/es que nos interessa/m estudar, existem outros factores que causam a doena por outros caminhos e que no esto associados /s exposio/es que nos interessa/m.
Estes so designados por Schwartz e Susser (2006b) como FRs independentes: como no explicam a associao entre a exposio/es de interesse e a doena, podemos no pensar neles no estudo mas no os podemos ignorar quando pensamos na etiologia da doena (Schwartz & Susser, 2006b).
Um factor A e um factor B podem ser FRs independentes para uma doena (C) se no existe qualquer precedncia temporal de A em relao a B e A e B no esto correlacionados/associados (Kraemer et al., 2001).
Outros conceitos
Factores de confundimento
Para alm dos FRs independentes, existem os factores de confundimento que tambm so FRs que causam a doena por diferentes caminhos causais que no a exposio/es de interesse. So terceiras variveis que contribuem para a no comparabilidade entre os expostos e no-expostos (Susser & Schwartz, 2006e).
Diferem dos FRs independentes, por estarem associados /s exposio/es de interesse, assim como doena*. Se atendermos a potenciais factores de confundimento, porque o nosso estudo pode ser alvo de um ou vrios destes factores, podemos elaborar ideias causais mais especficas (Schwartz & Susser, 2006b).
A associao entre o factor de confundimento potencial e a doena no deve derivar apenas secundariamente da sua associao com o FR de interesse.
Outros conceitos
Factores de confundimento
O factor de confundimento deve ser um FR mesmo entre pessoas que no apresentem o FR de interesse. A associao entre o factor de confundimento e o FR no deve derivar secundariamente da associao com a doena e no pode ser um passo intermdio no caminho causal entre um FR e a doena (seria, antes, um factor mediador) (Rothman, 1986). Os factores de confundimento distorcem a estimativa do efeito do/s FR/s de interesse. O seu efeito fica misturado com o efeito que nos interessa, dada a associao entre os dois. O grau de distoro/enviesamento introduzido no estudo depende da magnitude do efeito do factor de confundimento e da fora da sua associao com o FR de interesse.
Outros conceitos
Factores de confundimento Pode conduzir sobreestimao/subestimao de um efeito dependendo da direco das associaes que tiver com o FR e com a doena, podendo at mudar a direco do efeito (Rothman, 1986). Assim, introduzem enviesamento nos estudos.
Alguns autores designam-nos como vis de confuso (Ramalheira & Cardoso, 1995a) ao exercerem um efeito de confuso sobre a associao sobre avaliao, importando controlar a sua influncia (Gomes Pereira, 1995a; Rothman, 1986).
Para evitarmos que afectem o nosso estudo temos de provar que existe uma associao entre o factor de interesse e a doena, independentemente do factor de confundimento (i.e., o FR est associado doena em pessoas com nveis similares no factor de confundimento) (Rothman, 1986).
Outros conceitos
Factores de confundimento
Existem vrios mtodos estatsticos para controlar potenciais factores de confundimento e quando muito factores so considerados simultaneamente as anlises multivariadas (e.g. modelos de regresso) so essenciais (Ramalheira & Cardoso, 1995a).
Certos programas estatsticos (e.g. Statistical Package for Social Sicences, SPSS) tornam o procedimento simples de ser empregue. Uma regresso logstica gera uma estimativa (e.g. odds ratio) entre o/s factor/es e a doena na qual foi neutralizado o efeito dos factores de confundimento que entraram no modelo (Gomes Pereira, 1995a).
Por isso que se designa o modelo logstico considerando vrios covariates (factor de interesse e um ou mais factores de confundimento) de ajustado (Begg & Bresnahan, 2006).
Outros conceitos
Factores de confundimento
Os factores de confundimento naturais co-ocorrem com o FR de interesse devido a caractersticas dos indivduos e dos ambientes em que residem (relao que existe naturalmente nas populaes). Podem, ento, ser de natureza demogrfica, comportamental, ambiental, scio-econmica (Pfeiffer & Kenner, 1986). Os factores de confundimento artificiais associam-se ao FR de interesse no contexto de um estudo em particular (e.g. por erros no processo de seleco dos sujeitos) (Schwartz & Susser, 2006b).
VD (Y)
Se apenas considerarmos o efeito de um FR (varivel independente, VI) num outcome/varivel dependente (VD) ento esse impacto toma o nome de caminho c (designado de efeito total). Se este no for significativo j no importar testar sequer alguma potencial mediao.
O efeito a representa o efeito da VI na VMed, enquanto que o efeito b o efeito da VMed na VD, controlando o efeito da VI. O efeito total (c) , ento, igual a c (efeito directo) + ab (efeito indirecto).
Os autores reflectem sobre uma questo relevante em termos estatsticos: se se assume que a VI causa a VMed, ento, as duas variveis tm de estar correlacionadas, o que resultar em multicolinearidade entre as duas (quando dois preditores se correlacionam). Isto implica diminuio do poder dos coeficientes obtidos na regresso do passo 3 mas trata-se de um facto esperado numa anlise de mediao e no pode ser evitado. A considerao de VMeds proximais (muito prximos no tempo e processo da VI) tambm pode criar multicolinearidade (Baron & Kenny, 1986).
Preacher & Hayes (2008) referem ainda que vrios autores entendem que no necessrio existir um efeito total da VI na VD para que uma mediao ocorra (neste caso, no se recorre ao termo mediador mas, sim, a efeito indirecto).
Hayes (2009) refere, ento, abordagens modernas para se analisarem efeitos mediadores, como o teste de Sobel e a abordagem bootstrapping que, em termos estatsticos, so bastante complexos (Hayes, 2009).
Bootstrapping
Hayes (2009): existem novas oportunidades analticas de quantificar efeitos
indirectos que no passam por inferir a sua existncia com base num conjunto de testes e seus caminhos constituintes.
Existe o teste de Sobel (sobel, 1982, 1983) que requer o clculo do erro padro de ab. Este teste habitualmente no usado como alternativa abordagem de Baron e Kenny mas antes como um complemento: primeiro verifica-se se a anlise cumpre os critrios dos autores e depois testa-se a validade das concluses com o teste de Sobel. Apresenta uma falha essencial: assume que a distribuio amostral do efeito indirecto normal. Porm, a distribuio amostral de ab tende a ser assimtrica.
No devemos utilizar testes que assumem a normalidade da distribuio amostral se existem testes que no partem dessa assumpo e que se sabe serem mais poderosos que o teste de Sobel.
Bootstrapping
Uma das alternativas o bootstrapping. Outra o M-test.
Investigao mostra que estes mtodos tendem a apresentar o melhor poder e melhor controlo do erro de Tipo I.
O M-test difcil de realizar sem o recurso a tabelas e requer assumpes adicionais no requeridas pelo bootstrapping.
O bootstrapping j est implementado em alguns programas (e.g. AMOS) e existem macros/funcionalidades em programas como o SPSS para poder calcular/bootstrap os efeitos indirectos. Estudos mostram que um dos mtodos mais poderosos para testar o efeito de variveis intervenientes/mediadoras.
Bootstrapping
O bootstrapping gera uma representao emprica da distribuio amostral do efeito indirecto, ao tratar o tamanho da amostra obtido (n) como uma representao da populao em miniatura, populao essa que repetidamente re-sampled durante a anlise como forma de mimetizar o processo de amostragem inicial.
a e b so estimados nestes dados re-sampled e o produto dos coeficientes destes caminhos so calculados. Este processo repetido um nmero de vezes K nmero grande 1000, embora 5000 seja o recomendado no mnimo.
No fim teremos estimativas k do efeito indirecto a sua distribuio funciona como uma aproximao emprica da distribuio de amostragem do efeito indirecto quando considerando uma amostra de tamanho da populao original.
Bootstrapping
realizada uma inferncia acerca do tamanho do efeito indirecto na populao que foi sampled, ao usarem-se as estimativas k para gerar um intervalo de confiana (IC). Isto conseguido ao realinhar os valores de k de ab desde o mais pequeno at ao maior, para calcular os limites superior e inferior do IC.
Estes limites podem ser ajustados para termos um bias corrected ou um bias accelarated IC.
Independentemente de qual usarmos, se 0 no estiver entre o limite inferior e superior do IC ento afirmamos a presena de um efeito indirecto (o efeito indirecto no 0, com um IC de x). Isto corresponde a rejeitar a hiptese nula (no existe efeito indirecto).
Bootstrapping
Basicamente, bootstrapping envolve repetida e aleatoriamente sampling os nossos dados e chegar estatstica de interesse (efeito indirecto) em cada re-amostra. Depois de muitas re-amostras bootstrapped, uma aproximao emprica da distribuio amostral da estatstica pode ser gerada e usada para testar hipteses.
Dependent, Independent, and Proposed Mediator Variables: DV = GRUPOSON IV = TERDPP_N MEDS = POMST0NA Sample size 194 Coding of Binary DV for analysis: GRUPOSON Analysis 1,00 ,00 2,00 1,00 IV to Mediators (a paths) Coeff se t p POMST0NA 6,6196 1,3774 4,8058 ,0000 Direct Effects of Mediators on DV (b paths) Coeff se Z p Wald POMST0NA ,1178 ,0281 4,1970 ,0000 17,6152 Total Effect of IV on DV (c path) Coeff se Z p Wald TERDPP_N 1,5217 ,3618 4,2054 ,0000 17,6856 Direct Effect of IV on DV (c-prime path) Coeff se Z p Wald TERDPP_N 1,1398 ,3885 2,9343 ,0033 8,6101 Logistic Regression Summary For DV Model -2LL Model LL McFadden CoxSnell Nagelkrk n 187,7156 41,7432 ,1819 ,1936 ,2791 194,0000
BOOTSTRAP RESULTS FOR INDIRECT EFFECTS Indirect Effects of IV on DV through Proposed Mediators (ab paths) Data boot Bias SE TOTAL ,7795 ,7933 ,0138 ,3456 POMST0NA ,7795 ,7933 ,0138 ,3456 Bias Corrected and Accelerated Confidence Intervals Lower Upper TOTAL ,2831 1,7012 POMST0NA ,2831 1,7012 ********************************************************* Level of Confidence for Confidence Intervals: 95 Number of Bootstrap Resamples: 5000
Baron & Kenny (1986) expressam a moderao implica que a relao causal entre duas variveis muda em funo da VMod e a anlise estatstica deve medir e testar o efeito diferencial da VI na VD, em funo da VMod.
Baron & Kenny (1986) apresentam outro diagrama (Figura 3) para explicar a moderao e a forma de a analisar.
Uma mesma varivel pode assumir vrios papis, complicando as nossas predies. Na epidemiologia dos FRs frequente negligenciar factores mediadores.
Porm, a considerao das VMods e VMeds essencial para entender a associao entre um FR e a doena que, de outra forma, s estariam conectados por uma caixa negra (Schwartz & Susser, 2006b; Susser & Susser, 1996; Weed, 2000).