Vieses em estudos de coorte

O delineamento prospectivo — força causal e suas fragilidades

Delineamento

O delineamento em uma frase

Estudos de coorte seguem prospectivamente uma amostra inicialmente sem o desfecho, classificada por exposição, e medem a incidência do desfecho ao longo do tempo. É o desenho observacional com maior força causal, porque a temporalidade é preservada: a exposição precede o desfecho por construção.

Vieses característicos

1 · Viés de perda de seguimento (attrition)

O viés mais característico do delineamento. Quando as perdas estão associadas tanto à exposição quanto ao desfecho, a associação observada pode ser espúria. Ver detalhes em Viés de perda de seguimento.

2 · Healthy worker effect

Em coortes ocupacionais, os trabalhadores tendem a ser mais saudáveis que a população geral, porque pessoas muito doentes não conseguem entrar nem permanecer no mercado de trabalho. Isso tende a subestimar riscos ocupacionais quando a comparação é com a população geral. Ver detalhes em Healthy worker effect.

3 · Viés de aferição diferencial

Quando o desfecho é avaliado de forma mais cuidadosa nos expostos do que nos não-expostos — por exemplo, pacientes em uso de determinada medicação são acompanhados mais de perto, então têm mais chance de ter o desfecho detectado. Ver detalhes em Viés de aferição diferencial.

4 · Viés de detecção

Particularmente em coortes de pacientes em tratamento: mais consultas, mais exames, mais diagnósticos. Ver Viés de detecção.

5 · Confundimento por indicação

Em coortes não randomizadas, pacientes que recebem um tratamento são sistematicamente diferentes dos que não recebem (mais graves, maior risco de base) — a indicação clínica é em si um confundidor.

Pontos fortes e fracos

Aspecto Vantagem Limitação
Temporalidade Preservada
Inferência causal Forte (observacional)
Incidência Diretamente estimável
Múltiplos desfechos Sim
Doenças raras Pouco eficiente
Custo / tempo Caro e demorado
Perdas Acumulam-se ao longo do tempo

Variantes — prospectiva, retrospectiva, dinâmica

  • Coorte prospectiva clássica — amostra inicial sem desfecho, seguimento por anos/décadas (Framingham, Nurses’ Health Study).
  • Coorte retrospectiva (histórica) — coorte definida no passado, desfechos buscados em registros (típica de saúde ocupacional).
  • Coorte dinâmica (aberta) — entrada e saída de participantes ao longo do tempo, análise por pessoa-tempo.

Como ler criticamente

  1. Qual a coorte de origem? — populacional, hospitalar, ocupacional? Cada uma vem com seus vieses.
  2. Qual a taxa de perdas? — < 5% ótimo; > 20% perigoso.
  3. Perdas diferenciais? — comparar características de quem ficou e quem saiu.
  4. Aferição padronizada? — mesmos critérios em expostos e não-expostos.
  5. Confundimento controlado? — quais variáveis ajustadas, e por quê? DAGs explícitos?
  6. Tempo de seguimento adequado? — para o desfecho de interesse.

Exemplos clássicos

  • Doll & Hill (1) — coorte dos médicos britânicos, seguida por décadas, estabeleceu a associação causal entre tabagismo e câncer de pulmão.
  • Framingham Heart Study (não citado aqui mas paradigmático) — coorte populacional norte-americana iniciada em 1948.
  • Klatsky 1981 (2) — coorte do Kaiser Permanente sobre álcool e mortalidade, depois criticada por viés de seleção da categoria “abstêmios” (3).

Veja também

Tratamento clássico em Rothman et al. (4). Análise causal em Hernán & Robins (5). Em português, Rouquayrol & Silva (6) e Medronho et al. (7). Estudo seminal de Doll & Hill (1).

De volta ao topo

Referências

1.
Doll R, Hill AB. Smoking and carcinoma of the lung; preliminary report. British Medical Journal. 1950;2(4682):739–48.
2.
Klatsky AL, Friedman GD, Siegelaub AB. Alcohol and mortality. A ten-year Kaiser-Permanente experience. Annals of Internal Medicine. 1981;95(2):139–45.
3.
Fillmore KM, Stockwell T, Chikritzhs T, Bostrom A, Kerr W. Moderate alcohol use and reduced mortality risk: systematic error in prospective studies and new hypotheses. Annals of Epidemiology. 2007;17(5, Suppl.):S16–23.
4.
Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3º ed. Philadelphia: Lippincott Williams & Wilkins; 2008.
5.
Hernán MA, Robins JM. Causal Inference: What If. Boca Raton: Chapman & Hall/CRC; 2020.
6.
Rouquayrol MZ, Silva MGC da. Rouquayrol: Epidemiologia & Saúde. 8º ed. Rio de Janeiro: MedBook; 2018.
7.
Medronho RA, Carvalho DM, Bloch KV, Luiz RR, Werneck GL, organizadores. Epidemiologia. 2º ed. São Paulo: Atheneu; 2009.