Viés de seleção
Quando a amostra não é representativa da população
Seleção
Definição
Viés de seleção (selection bias)
Erro sistemático causado por diferenças sistemáticas entre as características dos participantes selecionados para o estudo e as da população-alvo. A associação medida na amostra deixa de corresponder à que existe na população (1,2).
A pergunta operacional do viés de seleção é:
A amostra é representativa da população? Se a resposta é “não”, não se pode generalizar os resultados — não porque a amostra é pequena (esse é problema de erro aleatório), mas porque ela é sistematicamente diferente da população.
Mecanismo
A entrada (ou a saída) do estudo está associada simultaneamente à exposição e ao desfecho. Quando isso acontece, a frequência relativa de exposição entre os doentes na amostra deixa de refletir a frequência relativa na população.
Mecanismo geral
selecionar com base em uma variável → essa variável também está associada à exposição e ao desfecho → associação observada ≠ associação populacional
Exemplos clássicos
1 · Estudos restritos a clientelas específicas
Estudo sobre prevalência de hipertensão apenas em pacientes de clínicas privadas. Clientela rica, mais acesso a tratamento, perfil epidemiológico muito diferente da população geral. A prevalência estimada não é generalizável.
2 · Recrutamento em contextos com perfil enviesado
Pesquisa sobre prevalência de diabetes recrutando voluntários em eventos esportivos. Selecionou-se um grupo sistematicamente mais saudável que a média.
3 · Amostra de conveniência
Pesquisa eleitoral feita num reduto eleitoral de um partido específico. A previsão será viesada na direção desse partido.
4 · Literary Digest 1936
Um caso conhecido do gênero: 10 milhões de questionários enviados a assinantes da revista, donos de carro e listas telefônicas, em plena Grande Depressão. Foram amostrados sobretudo os mais ricos. A previsão (vitória de Landon) errou o resultado (vitória de Roosevelt com 60% dos votos) (3,4).
Caso clássico
Literary Digest 1936 A revista entrevistou 2,4 milhões de pessoas — uma amostra 600 vezes maior que a do Instituto Gallup — e errou. O Gallup, com 50 mil entrevistados mas amostragem representativa, acertou. O problema do viés de seleção não se resolve com tamanho amostral.
Variantes nominadas do viés de seleção
| Nome | Manifestação típica |
|---|---|
| Viés de Berkson | Casos e controles recrutados em hospital |
| Viés de Neyman (prevalência-incidência) | Estudos transversais capturam casos crônicos, perdem casos rápidos |
| Healthy worker effect | Trabalhadores são mais saudáveis que a população geral |
| Viés de seleção dos controles | Em caso-controle, controles não representam a população-base dos casos |
| Self-selection bias | Voluntários diferem sistematicamente de não-voluntários |
| Loss to follow-up bias | Em coorte, perdas correlacionadas com exposição e desfecho |
Cada um tem página própria na seção Vieses nominados.
Como prevenir
A primeira linha de defesa é a amostragem probabilística, quando viável, por sorteio aleatório a partir de um cadastro populacional ou setor censitário. Convém ter uma estrutura amostral clara — saber quem podia ser recrutado, quem foi recrutado e quem aceitou — e documentar as perdas, descrevendo as características de quem se recusou ou foi excluído para comparar com quem participou. Havendo suspeita de viés, análises de sensibilidade permitem simular cenários e avaliar o quanto a conclusão muda. Quando o problema se estrutura como um nó colisor num DAG, pode ser modelado por métodos de inferência causal (2).
Veja também
- Definição de viés
- Viés de Berkson
- Viés de Neyman
- Healthy worker effect
- Caso: Literary Digest 1936
- Caso: Hite Report ## Referências
A análise estrutural do viés de seleção em Hernán et al. (2) e em Hernán (5) é uma referência contemporânea; a discussão clássica está em Sackett (6). Para casos célebres, ver Squire (3) e Bryson (4) sobre Literary Digest. Em português, Rouquayrol & Silva (7) e Medronho et al. (8).