Viés de Berkson

Quando casos e controles vêm do hospital

Seleção

Definição

Viés de Berkson (Berkson’s bias)

Forma de viés de seleção que ocorre quando casos e controles são recrutados em ambiente hospitalar. Como diferentes condições têm diferentes probabilidades de internação, pode surgir uma associação espúria entre exposição e doença que não existe na população geral (1,2).

O viés foi descrito por Joseph Berkson em 1946 num artigo que analisava limitações de tabelas 2×2 para dados hospitalares. Está entre os vieses mais citados no catálogo de Sackett (3).

Mecanismo — por que internar enviesa

Pacientes hospitalizados são, por definição, sub-amostras da população. Se a chance de internação depende tanto da exposição (fumantes internam mais por bronquite) quanto da doença (pacientes com câncer internam mais), então, no hospital, a frequência da exposição entre casos e controles não reflete a frequência na população. Mesmo que exposição e doença sejam independentes na população, podem aparecer negativamente associadas no hospital — ou positivamente, dependendo das taxas de internação.

Esquema causal

exposição → internação ← doença

Internação é um colisor: condicionar nela (recrutar só no hospital) abre um caminho não causal entre exposição e doença.

O exemplo original de Berkson

Berkson analisou dados hospitalares e mostrou que, mesmo se duas doenças fossem independentes na população, elas apareciam negativamente associadas no hospital — porque pacientes com duas doenças tinham chance maior de internar, mas não chance multiplicada de cada combinação.

Sua tabela 2×2 hospitalar gerava razões de chances enviesadas mesmo sem qualquer relação causal real.

Exemplos contemporâneos

1 · Caso-controle hospitalar para exposições “comuns”

Estudo no hospital sobre o uso de paracetamol em pacientes com hipertensão. Controles selecionados entre internados por trauma. Como hipertensos usam menos analgésicos por temer interação medicamentosa, o paracetamol parece “protetor” contra hipertensão — uma associação artificial.

2 · Doenças com tratamento ambulatorial

Quando casos da doença A (com tratamento hospitalar) são comparados com casos da doença B (com tratamento ambulatorial), a exposição que aumenta a chance de internar para A não tem o mesmo efeito sobre B — distorcendo a comparação.

Como prevenir

  1. Recrutamento populacional sempre que possível — registros civis, listas censitárias, painéis representativos.
  2. Múltiplas fontes de controle — controles vizinhança, controles familiares, controles populacionais — para verificar consistência.
  3. Documentar critérios de hospitalização — explicitar por que o caso e o controle vieram do hospital, e que outras condições poderiam tê-los levado lá.
  4. Análise causal explícita — desenhar o DAG, identificar colisores, evitar condicionar neles (4).

Onde aparece com mais frequência

Delineamento Risco de Berkson
Caso-controle hospitalar Alto
Caso-controle de base populacional Baixo
Coorte Baixo (se a coorte for da população)
Transversal Baixo a moderado
Ecológico Não se aplica diretamente

Veja também

Artigo original de Berkson (1); análise contemporânea, com formulação em termos de colisores e variáveis faltantes, em Westreich (2) e Hernán et al. (4). Resenha no Sackett (3).

De volta ao topo

Referências

1.
Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics Bulletin. 1946;2(3):47–53.
2.
Westreich D. Berkson’s bias, selection bias, and missing data. Epidemiology. 2012;23(1):159–64.
3.
Sackett DL. Bias in analytic research. Journal of Chronic Diseases. 1979;32(1–2):51–63.
4.
Hernán MA, Hernández-Díaz S, Robins JM. A structural approach to selection bias. Epidemiology. 2004;15(5):615–25.