Conclusão

Embora se evidencie o confundimento (por exemplo, RR não

ajustado = 4,0 e RR ajustado = 1,0), a valorização de tal diferença

não é objetiva — pois não há prova de significância estatística do

confundimento — e deve ser analisada segundo sua relevância

clínica.

No entanto, quando houver interação (por exemplo, RR = estrato 1

5,2 e RR = 2,0), deve-se verificar se essa diferença é estrato 2

estatisticamente significativa por meio da prova de Mantel-Haenszel

Summary Chi-squared proposta no Epi-Info (para p < 0,05).

Em resumo, as principais etapas para se identificarem e se

analisarem as variáveis de confundimento e as variáveis

modificadoras do efeito são:

1. listar as possíveis variáveis interferentes;

2. verificar se a associação é alterada após a estratificação das

amostras segundo as variáveis interferentes;

3. se houver diferença entre o RR ajustado e RR não ajustado, há

confundimento e os resultados devem conter o RR ajustado,

como medida da força de associação entre a variável de

exposição e o efeito observado, eliminando o efeito da variável

de confundimento;

4. se houver diferenças entre RR para as amostras estratificadas,

há interação (que só deve ser valorizada quando é

estatisticamente significativa) e os resultados devem conter o

RR de cada estrato;

5. se houver diferenças significativas entre RR das amostras

estratificadas e entre RR ajustado e não ajustado, há

confundimento e interação, devendo também ser apresentados

apenas o RR de cada estrato.

Conclusão

Estudos epidemiológicos envolvendo causalidade têm grande

importância para o conhecimento das causas de doenças e, por

conseqüência, para uma conduta adequada nas áreas de

prevenção, diagnóstico e tratamento. Os conceitos atuais de causa de doenças são mais abrangentes: consideram não só a causa

única (agente etiológico), mas também causas multifatoriais de

doenças, fatores de risco e efeitos. De qualquer forma, a causa

deve sempre preceder a doença, e uma associação causal ou de

causalidade existe quando há evidências de interação entre fatores

etiológicos e de risco para o desenvolvimento da doença. Além

disso, a eliminação de um desses fatores acarreta potencial redução

da doença.

Fatores de risco compreendem condições necessárias, mas não

suficientes, para causar uma doença particular. Podem ser

genéticos, físicos, químicos, biológicos, sociais ou comportamentais.

Todos podem atuar de maneira a induzir (predisponentes), favorecer

(facilitadores), desencadear (desencadeantes) ou agravar

(agravantes) o desenvolvimento da doença. Qualquer associação

entre fatores de risco e doença para ser considerada causal deve, a

princípio, excluir outras condições (acaso, viés de seleção ou

aferição, fator de confusão) e preencher os seguintes critérios ou

evidências epidemiológicas: relação temporal, consistência,

intensidade, especificidade, relação dose–resposta, reversibilidade,

plausibilidade biológica e analogia.

As associações entre causa e efeito podem ser mensuradas — as

medidas mais utilizadas em epidemiologia são risco relativo (RR),

risco atribuível (RA) e razão de chances (OR: odds ratio). O RR

representa a força da associação entre fator (exposição) e doença

(efeito); o RA representa o excesso de incidência da doença

relacionado com a exposição; o OR representa uma medida de risco

semelhante ao RR para estudos em que não é possível determinar

o coeficiente de incidência (estudos seccionais ou de caso-controle).

Embora esses cálculos estatísticos forneçam dados quantitativos

para se avaliar a causalidade, indicam só a probabilidade de a

associação observada ser causal.

Fatores epidemiológicos e biológicos devem ser analisados em

conjunto para se aumentar o grau de certeza da inferência causal e,

assim, se aplicarem os conhecimentos adquiridos no campo da

prevenção, do diagnóstico e da terapêutica das doenças.