Professional Documents
Culture Documents
Texto introdutrio de
Epidemiologia
Introduo
O objetivo deste texto o de iniciar no estudo da epidemiologia, estudantes da rea de
sade pblica. A Epidemiologia pode ser definida, de forma bastante preliminar, como a disciplina que
estuda os determinantes do processo sade-doena nas populaes.
Ao se iniciar qualquer investigao acerca do processo sade-doena, algumas perguntas
fundamentais devem ser formuladas, no intuito de descrever e mesmo comparar grupos ou subgrupos
populacionais em relao a distribuio de doenas (morbidade) ou bitos (mortalidade). Estas perguntas,
que podem variar num espectro relativamente amplo (pois dependero da natureza da doena
(infecciosa, ambiental, profissional, etc. - estudada), abrangem questes acerca das pessoas afetadas
(sexo, idade, profisso, saneamento, alimentao, hbitos culturais, etc.), ao lugar (local de
nascimento, distribuio aleatria da doena ou conforme algum padro determinado - como estradas,
rios etc.) e finalmente ao tempo segundo o qual a doena se distribui (a patologia estudada possui
uma tendncia de aumentar ou diminuir ao longo das dcadas ? esta ocorreria segundo algum
padro cclico, se repetindo ao longo de alguma estao do ano ? a doena nova ou antiga na regio ?
os casos apareceram repentinamente num curso de horas ou dias, ou segundo uma distribuio mais lenta
?). Tais fatores so abordados em inmeros livros de epidemiologia, como Pessoa, Lugar e Tempo e sero
vistos com mais detalhes a seguir.
Pessoa
Idade - Sem sombra de dvida, uma das mais importantes variveis em epidemiologia, sendo
levada em considerao na construo de inmeros indicadores (ver adiante). Sua apresentao pode ser
feita a partir das medidas de tendncia central (mdia, mediana, moda, desvio padro)1 ou ainda sob a
forma tabular, segundo as faixas etrias de importncia para a doena em questo. Na tabela I por
exemplo, podemos apreciar a distribuio dos casos acumulados de SIDA (Sndrome da
Imunodeficincia Adquirida) no Brasil, durante o perodo compreendido entre 1980 e 1996 (08/96). A
construo das faixas etrias neste caso, que no necessita sempre seguir este padro, obedece
diviso utilizada pela OMS (Organizao Mundial de Sade) e outros organismos internacionais, e que
consiste em dividir os casos (incidncia, mortalidade etc.) da doena em perodos de 5 anos, acrescida de
um maior detalhamento nas idades entre 9 a 14 anos. A vantagem do mtodo adotado pela OMS, advm do
fato de que ele permite ao leitor reagrupar os casos (com certa limitao), segundo seu interesse, ao
mesmo tempo em que fornece algum grau de visualizao dos dados. Repare que no caso da SIDA, o
grupo mais afetado est compreendido entre os 15 e 49 anos de idade, o que est de acordo com as
distribuies clssicas de doenas sexualmente transmissveis (DST).
1
Ver adiante
Tabela I
Distribuio dos casos de SIDA, segundo faixa etria, Brasil, 1980-1996(*)
Grupo etrio Nmero (%)
Menor de 1 ano 1037 1.2
1a4 1164 1.3
5a9 397 0.5
10 a 12 160 0.2
13 a 14 109 0.1
15 a 19 1976 2.2
20 a 24 9988 11.3
25 a 29 19005 21.6
30 a 34 19466 22.1
35 a 39 14098 16.0
40 a 44 9065 10.3
45 a 49 5045 5.7
50 a 54 2748 3.1
55 a 59 1621 1.8
60 e mais 1581 1.8
ignorado 639 0.7
(*) 1996 - Dados preliminares at semana 35, terminada em 31/08).
Fonte: Boletim epidemiolgico PNDST/Ministrio da Sade
Repare ainda que a incidncia especfica segundo idade bastante elevada entre as crianas
menores de 1 ano, quando comparadas com crianas em faixas etrias subsequentes. Tais
observaes nos permitem chegar a importantes concluses :
1) A SIDA parece possuir um componente muito importante, ligado ao comportamento sexual,
visto possuir altas incidncias (geral e especifica - ver adiante) nas faixas etrias sexualmente ativas.
2) A grande incidncia em menores de 1 ano, nos fala a favor de um componente de
transmisso vertical (me para o feto).
3) A pequena incidncia de casos em crianas acima de 1 ano, e em pacientes idosos, torna
bem menos provvel a presena de um vetor biolgico (como por exemplo mosquitos), pois se este
existisse a predominncia dos casos se situaria em crianas, mulheres e idosos (vetor peridomiciliar) ou
adultos (vetor prximo ao local de trabalho no setor rural) ou ainda praticamente todas as faixas etrias
(vetor disseminado no meio urbano).
Dependendo da doena sendo analisada, os mais distintos perfis etrios podero surgir. Idosos e
crianas so particularmente suscetveis a uma srie de doenas infecciosas, a associao entre fumo e
cncer de pulmo se fortalece a partir dos 50 anos de idade (pois necessrio um determinado perodo
de exposio), doenas coronarianas comeam a ficar mais prevalentes aos 40 anos etc.
Sexo - Sob o ponto de vista epidemiolgico, alm das bvias diferenas anatmicas e fisiolgicas
relativas ao sexo, nos interessam as diferentes exposies aos riscos, compartilhadas por cada um deles.
interessante observar que as mulheres apresentam maiores ndices de morbidade, para quase todas as
patologias. Ainda em relao a estes dois coeficientes, qualquer comparao entre duas populaes
distintas, ou ainda a mesma populao vista em momentos histricos diferentes, deve levar em conta a
composio da(s) referida(s) populao(es) segundo sexo e principalmente idade, para que se tornem
comparveis.
Imaginemos por exemplo, a Comparao entre a mortalidade geral do Brasil (10,3 bitos por
1000 hab.) e da Sucia (10,5 bitos por 1000 hab.); num primeiro momento poderamos acreditar que na
Sucia o nvel de vida seria pior que o brasileiro, visto que o primeiro pas apresenta um maior coeficiente
de mortalidade. Entretanto uma anlise um pouco mais refinada, nos mostra que na Sucia os bitos
ocorrem principalmente em maiores de 70 anos de idade, enquanto que no Brasil, estes ocorrem em
crianas, adultos jovens etc.
Este tipo de raciocnio pode ser aplicado a outros tipos de dados. Os Centros de Tratamento
Intensivo (CTI) so locais onde as comisses de controle de infeco hospitalar (CCIH) costumam
registrar uma alta incidncia das chamadas infeces hospitalares, mesmo que estes centros tomem todos
os cuidados possveis em relao aos pacientes. Geralmente, as equipes cirrgicas que possuem as maiores
taxas de infeco hospitalar so exatamente as melhores (que conseqentemente operam os pacientes mais
graves). Para se concluir qualquer coisa sobre uma comparao que incorpore populaes diferentes no
tempo ou no espao, devemos antes de mais nada, padronizar as populaes que esto sendo
comparadas, isto , comparar a proporo de pacientes da clnica mdica por exemplo, que tivessem um
grau similar de gravidade, invasibilidade, manuseio etc., ao dos pacientes do CTI, e a partir de ento,
verificar as taxas de infeco em cada um dos setores.
No caso especifico da SIDA, a distribuio de casos segundo sexo, poder ser analisada na
tabelas II e III, num perodo compreendido entre 1980 e 1996 (at 31/08). Tal padro se encaixa no que se
denomina de perfil ocidental, onde hoje podemos notar um predomnio dos casos masculinos sobre os
femininos (razo masculino : feminino = 3:1), ou em outras palavras, encontramos cerca de 3 doentes de
SIDA do sexo masculino, para cada doente do sexo feminino. Esta diminuio forma uma clara tendncia
aos longos dos anos onde a entrada de outros grupos com comportamento de risco, distinto dos
homossexuais, tais como usurios de drogas injetveis, prostitutas etc., formaram uma primeira leva
de doentes. Atualmente sabe-se que a entrada das mulheres, sem comportamento de risco especfico, na
populao atingida pela epidemia um fato. Lamentvelmente uma razovel proporo das mulheres
afetadas possuem, como nico fator de risco, o fato de serem casadas ou terem um parceiro fixo (cerca de
50 % dos casos notificados em mulheres no Rio de Janeiro), que possui um ou mais fatores de risco para a
SIDA. As conseqncias desta situao ainda esto por serem sentidas, em toda sua plenitude, nos prximos
anos. Para se ter uma idia da complexidade deste tema, imagine uma campanha publicitria conclamando
as esposas a usarem preservativo com seus maridos. Finalmente, necessrio se ter em mente que a
dinmica de transmisso de uma doena crnica como a SIDA, extremamente complexa, sendo que
a carncia de e dificuldade em obteno de dados em nada nos ajuda para obter concluses ou projees
vlidas dentro de um mdio prazo de tempo.
Grupos com comportamento de risco - Uma das principais estratgias da epidemiologia,
como foi visto at o momento est na tentativa de caracterizar os casos de uma determinada doena, em
funo de algum atributo comum totalidade ou a parte dos casos analisados. Esta estratgia
possui duas grandes vantagens, no sentido de que ao quebrar nmero de casos, segundo algum atributo
comum totalidade ou a parte dos casos, o pesquisador avanaria mais um passo no sentido de
compreender a histria natural de uma doena. Alm disso, o estudo de casos para cada subgrupo
assim formado, permitiria ao epidemiologista formular diferentes estratgias almejadas para cada
subgrupo em questo.
Na SIDA, a crena inicial de que a doena encontrava-se restrita aos homossexuais, foi
rapidamente descartada (tabelas II e III) logo nos primeiros anos da pandemia. A criao entretanto dos
chamados grupos com comportamento de risco (homo/bissexuais, usurios de drogas injetveis
heterossexuais com mltiplos parceiros, receptores de sangue e derivados, crianas contaminadas durante
o perodo perinatal) devem ser analisados separadamente, pois implicam em diferentes estratgias de
atuao para a sade pblica.
Tabela II
Distribuio dos casos de SIDA segundo ano de diagnstico, faixa etria e razo por sexo - Brasil,
1980-1996
Ano Nmero de casos
Menores de 13 anos 13 a 49 anos Maiores de 50 anos
Masc. Fem. Razo Masc. Fem. Razo Masc. Fem. Razo
1980 - - - 1 - - - - -
1981 - - - - - - - - -
1982 - - - 9 - - - - -
1983 1 - - 36 1 36 3 - -
1984 9 1 9/1 118 4 30 12 - -
1985 15 3 5/1 454 14 32 36 1 36
1986 24 9 3/1 917 51 18 80 5 16
1987 74 22 3/1 1951 205 10 168 21 8
1988 82 67 1/1 3241 412 8 248 33 8
1989 114 65 2/1 4394 555 8 350 71 5
1990 159 112 1/1 6044 849 7 464 60 8
1991 169 144 1/1 7840 1433 5 563 103 5
1992 187 153 1/1 9454 2080 5 685 153 4
1993 215 201 1/1 10308 2720 4 754 203 4
1994 261 237 1/1 10254 2824 4 756 214 4
1995 180 210 1/1 8314 2643 3 637 204 3
1996 23 21 1/1 1189 437 3 97 29 3
Total 1513 1245 1/1 64524 14228 5 4853 1097 4
(*) 1996 - Dados preliminares at semana 35, terminada em 31/08).
Fonte: Boletim epidemiolgico PNDST/Ministrio da Sade
Tabela III: Distribuio dos casos de SIDA segundo ano de diagnstico, faixa etria e razo por sexo - Brasil, 1980-1996
1980 Masc. 1 - - -
Fem. - - - -
1981 Masc. - - - -
Fem. - - - -
1982 Masc. 8 1 - -
Fem. - - - -
1983 Masc. 31 4 - 5
Fem. - - - 1
1984 Masc. 110 13 - 16
Fem. 1 2 - 2
1985 Masc. 419 54 1 46
Fem. 6 7 - 5
1986 Masc. 800 123 4 116
Fem. 13 38 3 13
1987 Masc. 1514 424 19 317
Fem. 36 155 11 48
1988 Masc. 2197 792 29 620
Fem. 78 293 43 104
1989 Masc. 2844 1145 60 865
Fem. 151 314 51 183
1990 Masc. 3427 1803 94 1425
Fem. 242 380 81 330
1991 Masc. 4490 2422 112 1656
Fem. 462 593 112 540
1992 Masc. 5652 2820 142 1775
Fem. 1021 753 126 502
1993 Masc. 6073 3118 173 1945
Fem. 1548 843 174 564
1994 Masc. 6285 2546 215 2238
Fem. 1684 643 213 735
1995 Masc. 4842 2415 158 1731
Fem. 1586 607 177 689
1996 Masc. 761 306 18 227
Fem. 293 86 17 489
Usurios de drogas injetveis - Atualmente este vem sendo o grupo onde a epidemia vem
aumentando de forma mais acelerada nos ltimos anos (ver tabelas II e III). Na verdade seu crescimento
vem sendo to forte que proporcionalmente sua distribuio est prxima aos homo/bissexuais (o que no
quer dizer que este segundo grupo possua um nmero semelhante ao dos usurios de drogas; como os
usurios vem crescendo muito nos ltimos anos a sua proporo vem adquirindo uma importncia maior).
Lugar
A distribuio geogrfica dos casos de uma doena interessa ao epidemiologista, pois uma
simples inspeo dos dados pode nos indicar se os casos se encontram dispersos, ou formando
conglomerados (concentraes).
Este reconhecimento, podendo variar desde mtodos rotineiros de construo de mapas at
instrumentais mais elaborados, oriundos da geografia, geologia, meteorologia etc., nos permite elaborar
algumas hipteses sobre os meios de transmisso, tais como a importncia da veiculao hdrica,
locais naturais de aglomerao, fontes comuns etc.
No caso da SIDA, interessante observar a grande concentrao de casos nas grandes cidades
(ver tabela IV), que correspondem, no caso brasileiro, as reas mais desenvolvidas do sul e sudeste.
Mesmo levando-se em conta a carncia da assistncia mdica nas regies mais carentes do pas (como
norte e nordeste), a diferena gritante, mostrando claramente a necessidade de campanhas especficas
para estas reas.
No devemos entretanto aceitar estes dados sem crtica; o Amap por exemplo um estado onde
a incidncia dos casos de SIDA ainda muito pequena. No obstante, a Guiana Francesa, cuja fronteira
faz divisa com este estado, possui uma das maiores incidncias de SIDA da Amrica Latina. Como o
movimento migratrio entre estes dois locais no desprezvel, cabe-nos questionar a baixssima
incidncia de SIDA no Amap, ainda mais quando qualquer relatrio do Ministrio da Sade, aponta que
cerca da metade do bitos deste estado so devidos a causas mal definidas (isto , bitos onde os
recursos mdicos disponveis no foram suficientes para um diagnstico, ou ainda, bitos onde sequer
houve acompanhamento mdico).
Num nvel de micro-anlise por sua vez, seria interessante conhecer os diversos subgrupos
(em cada cidade), que possam vir a formar quase que guetos em seus locais de moradia ou trabalho.
Este ltimo item talvez perca um pouco de importncia nas grandes cidades onde mecanismos de
locomoo no chegam a se tornar um empecilho para grandes deslocamentos dentro desta;
entretanto este um ponto importante na epidemiologia para muitas doenas transmissveis e
certamente no caso da SIDA merece alguma ateno.
John Snow, foi um famoso mdico britnico do sculo XIX, um dos primeiros anestesistas da
Inglaterra e principalmente, uma pessoa organizada em termos metodolgicos, que conseguiu elucidar o
mecanismo de transmisso da clera, ao formular 3 tipos de perguntas : quem estava adquirindo a
infeco (tipo de trabalho, renda, escolaridade, hbitos higinicos etc.), a localizao espacial dos
doentes, bem como a referncia destes em relao s fontes de gua existentes, e finalmente a
distribuio temporal dos casos.
Apesar de seus trabalhos pertencerem aos clssicos da literatura epidemiolgica (cuja
leitura fortemente recomendada), nos interessa neste momento a relao que John Snow conseguiu retirar
da observao espacial dos casos. Em seus artigos muito forte a correlao entre a distribuio hdrica e a
ocorrncia da clera.
Hoje a epidemiologia est trabalhando em mtodos que aplicam todo um arsenal estatstico
distribuio espacial (que encontrada na literatura em inmeros trabalhos que necessitam abordar as
relaes espaciais de doenas tais como cncer, defeitos congnitos, malria, violncia, etc.). Entretanto
nunca pouco salientar, que mesmo a observao dos padres espaciais, tais como os idealizados
por Snow, podem nos fornecer importantes sugestes sobre a doena estudada.
Tabela IV
Distribuio do coeficiente de incidncia da SIDA (taxa por 100.000 habitantes), segundo perodo de
diagnstico e local de residncia (macrorregio), Brasil, 1980-1996(*)
Ano Norte Nordeste Centro-Oeste Sudeste Sul Total
1980 - - - - - -
1981 - - - - - -
1982 - - - - - -
1983 - - - 0.1 - -
1984 - - - 0.2 - 1.8
1985 - 0.1 0.2 0.8 0.1 0.4
1986 - 0.2 0.5 1.6 0.3 0.8
1987 0.2 0.5 0.7 3.5 1.2 1.8
1988 0.5 0.8 1.1 5.5 1.3 2.9
1989 0.7 1.2 1.7 7.1 1.8 3.9
1990 1.0 1.5 2.5 9.5 3.1 5.3
1991 1.3 2.1 4.3 12.5 4.9 7.1
1992 1.8 2.1 5.5 15.5 5.5 8.6
1993 2.3 2.4 6.7 16.9 7.6 9.6
1994 2.8 2.3 6.8 16.3 8.9 9.6
1995 2.9 2.3 6.9 13.0 7.1 7.9
1996 1.4 0.6 2.4 1.1 1.9 1.2
(*) 1996 - Dados preliminares at semana 35, terminada em 31/08).
Fonte: Boletim epidemiolgico PNDST/Ministrio da Sade
incubao, ou seja, o tempo mdio necessrio para que um infectado se torne clinicamente doente, situa-
se hoje ao redor de 13 anos).
A interpretao desta curva apresenta uma considervel dificuldade, visto os inmeros
componentes que dela participam, tais como a proporo de relaes sexuais que cada um dos
grupos (homossexuais/bissexuais, heterossexuais, usurios de drogas, etc.) trocam entre si, o
nmero mdio de parceiros/ano bem como o nmero mdio de relaes com cada parceiro, o tamanho
proporcional de cada um destes grupos com comportamento de risco em relao a populao total, o
tempo mdio para que um paciente infectado se torne infectante (e ainda de forma complementar, se esta
capacidade de ser infectante constante ou no ao longo do perodo de incubao, etc.).
Todos estes fatores no so exclusividade da SIDA; doenas como a malria, sarampo,
poliomielite, cncer, violncia, enfim, todas as doenas possuem inmeros itens que devem ser
levados em conta, quando deparamos com a tentativa de estimar o que dever ocorrer no futuro.
Em alguns momentos, como no caso da SIDA, o contato ntimo (atravs do sexo ou por
transfuses) apresenta um aspecto importante na epidemiologia. No caso da esquistossomose, temos a
entrada de um hospedeiro intermedirio, o que acrescenta a alternativa de combat-lo para se tentar
controlar a doena.
Apesar de inmeros programas para erradicao ou controle da esquistossomose centrarem no
vetor interessante observar que o nico pas a erradicar esta endemia foi o Japo que investiu
pesadamente em saneamento bsico. Dentre as doenas infecciosas existentes, a nica erradicada
mundialmente foi a varola o que a torna um importante exemplo de como a dinmica de uma doena
transmissvel, uma vez compreendida, facilita a projeo para outras patologias.
Um dos fatores que mais ajudava a perpetuao do vrus da varola era sua alta infectividade.
Inmeras outras circunstncias facilitaram a sua erradicao, como por exemplo a existncia de uma
vacina altamente eficaz, o fato de que um infectado ou vacinado adquiria imunidade permanente, a
inexistncia de outro hospedeiro que no o homem, e finalmente a distribuio temporal da doena que
era lenta o suficiente para permitir a vacinao de bloqueio, uma vez que um caso houvesse sido
diagnosticado. Atualmente duas doenas apresentam reais possibilidades de erradicao :
poliomielite e sarampo. No caso da plio (atualmente erradicada do Brasil e da maior parte dos pases
das Amricas), a estratgia brasileira consistiu na eliminao sistemtica dos suscetveis, atravs de
grandes campanhas de vacinao em massa. Estas campanhas no s visavam a imunizao, como
tambm se baseavam na constante substituio do vrus selvagem pelo vacinal no meio ambiente.
Sarampo, possui um comportamento bastante semelhante varola, entretanto sua maior capacidade
em se propagar rapidamente, complica bastante as estratgias de erradicao. Por outro lado, as
sucessivas campanhas de vacinao apesar de terem sido capazes de reduzir bastante o nmero de
casos da doena, criaram um problema adicional que o de acumular na idade adulta um contigente cada
vez maior de suscetveis ao sarampo.
Distribuio de casos e incidncia de SIDA segundo ano
10
16
Casos 8
14
Incidencia
12 6
10
4
8
6 2
4
2 0
0
80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
Tabela V
1 Bermuda (173)
3 Bahamas (110)
4 Congo (57)
5 Uganda (44)
6 Eua (38)
7 Malawi (35.5)
8 Haiti (33.4)
9 Burundi (28.2)
10 Barbados (27.6)
12 Guadalupe (25.7)
14 Ruanda (20.1)
15 Zmbia (18.2)
16 Tanznia (17.9)
17 Martinica (14)
S.V.Granadina(12)
18
19 Qunia (12.4)
20 R.Dominicana (12)
21 Sua (12.2)
22 Frana (11.5)
23 Granada (10.6)
24 Canad (9.5)
Tabela V - Coeficientes de incidncia acumulada da AIDS (por 100.000 habitantes), segundo ordem
de incidncia, Maio 1989 (continuao)
25 Austrlia
26 Gmbia (7.9)
28 Espanha (7.2)
29 Belize (6.3)
30 Itlia (6.1)
31 Holanda (5.6)
32 Guin-Bissau (5.3)
35 Catar (5.1)
36 Guiana (5.0)
37 Honduras (4.4)
38 Islndia (4.5)
39 Luxemburgo (4.4)
40 Blgica (4.3)
41 Malta (4.1)
42 Brasil (4.0)
45 Panam (3.7)
46 ustria (3.6)
47 Sucia (3.4)
49 Jamaica (3.3)
Se examinarmos agora a tabela V, veremos que apesar da Guiana Francesa possuir um nmero de
casos mnimo, em relao aos Estados Unidos, sua pequena populao faz com que a incidncia na Guiana
seja 6 vezes maior que a dos EUA (pas que hoje concentra - devido ao seu tamanho populacional e
eficaz sistema de notificao - a maior quantidade de casos de SIDA do planeta).
Os coeficientes de morbidade tem por funo, relacionar pessoas doentes com a populao
de onde estes advm, dentro de um intervalo de tempo determinado. Neste sentido estes indicadores
representam a tentativa de expressar uma idia de (no caso da morbidade) ou morte (coeficientes de
mortalidade), numa dada populao espacial e temporalmente definida (o que um fator absolutamente
distinto do risco de um dado indivduo morrer ou adoecer)2 .
A incidncia a expresso do nmero de casos novos de uma doena (ou grupo de doenas),
numa populao definida, durante um intervalo de tempo especificado, dividido pelo nmero de
indivduos desta mesma populao, para o meio do intervalo de tempo especificado. O resultado da diviso
acima, deve ser multiplicado por uma base de 10 (pode ser qualquer mltiplo de 10, pois a idia
trabalhar com pelo menos um nmero inteiro). Por exemplo, digamos que o Brasil tenha registrado,
durante o ano de 1991, 1049 casos novos de SIDA entre os maiores de 15 anos, e que a populao para o
meio deste intervalo (junho de 1991) seja de 10.000.000. Neste caso a incidncia de SIDA ser
1049/10.000.000, ou seja, 0,0001. Para que no tenhamos que trabalhar com um nmero to pequeno,
podemos multiplic-lo por uma base de 10 (10.000 por exemplo) obtendo uma incidncia de 10 casos para
cada 10.000 habitantes.
Uma das principais vantagens desta taxa a de permitir visualizar o desenrolar de uma epidemia
ao longo de um intervalo temporal qualquer (dias, semanas, meses, anos ou dcadas). Alm disto, esta
medida pode servir para a comparao entre duas populaes distintas (em termos de local ou tempo),
desde que alguns cuidados sejam levados em conta (ver adiante noes de padronizao).
A prevalncia constituda pelo total de casos novos acrescidos dos casos antigos da doena em
questo, sendo que o denominador e a base de multiplicao so anlogos aos usados no clculo da
incidncia. Alm de compreender o significado destas duas medidas (incidncia e prevalncia),
fundamental que se tenha em mente em que situaes elas diferem ou se tornam praticamente idnticas.
Tomemos por exemplo 2 doenas A e B onde a primeira (figura 1a) evolui de forma crnica (cncer
diabetes, AIDS, Pneumoconioses etc.), e a segunda (figura 1b) de forma aguda (gripe infeco hospitalar,
apendicite etc.). Vamos supor ainda que seja nosso desejo calcular as 2 medidas (incidncia e
prevalncia), para ambas doenas, durante o ms de agosto. Finalmente, para facilidade do exemplo,
estabeleceremos que durante o ms em questo, a populao da rea analisada era composta de 100
pessoas.
No caso da figura 1a, a prevalncia calculada como 16/100 ou seja, 16 casos a cada 100
habitantes. Por outro lado, a incidncia resultar em 2/100, isto , 2 casos para cada 100 habitantes.
Em outras palavras, diante de uma doena crnica, no s a incidncia (que nos fornece uma
idia sobre os novos casos que esto surgindo) dever ser levada em conta; precisamos tambm obter
informaes acerca da prevalncia (quantos leitos devem ser reservados, quantos medicamentos
devem ser adquiridos, etc.).
No caso da doena ser aguda (figura 1b), a prevalncia para o ms de agosto foi de 12/100, ou
seja 12 casos para cada 100 habitantes, enquanto que a incidncia foi praticamente igual (11/100 - 11 casos
p/ 100 habitantes); repare portanto que podemos criar uma funo relacionando os 2 coeficientes
que ser : Prevalncia=Incidncia x durao, ou seja, quando a doena for aguda (durao pequena), a
incidncia e a prevalncia se eqivalem.
A ttulo de exemplo, imaginemos que um tratamento para a SIDA, esteja apto a ser lanado
no mercado num prazo de 4 anos (ano 2001). Seguindo esta hiptese, imaginemos ainda que este
tratamento no elimine o vrus e sim, evite a profunda imunodepresso causada pelo mesmo (o que se torna
2
Ao analisarmos a incidncia de cncer entre fumantes (digamos 1 caso para cada 7.000 fumantes pesados,
no estamos analisando o risco ou a chance de um dado fumante em adoecer, pois este conhecimento dever
ser buscado na futurologia. Estaremos sendo falando em populaes o que completamente distinto das
chances de uma pessoa especfica.
hoje um quadro bastante real). Numa situao como esta, onde teremos um tratamento, mas no a
cura, haver progressivamente um acmulo de casos (j que os infectados morrero segundo seu
tempo biolgico normal), ou seja, um aumento na prevalncia. Podemos entretanto esperar, aps
algum tempo, um grande incremento na incidncia por 2 mecanismos : grande aumento dos infectados
(aumento da prevalncia - j que a doena deixou de ser letal, sem entretanto existir uma cura) levando a
uma probabilidade destes casos infectarem outras pessoas e uma certa negligncia pelos cuidados em
relao s medidas de proteo das doenas venreas (j que a SIDA deixou de ser letal).
A questo levantada acima est muito longe de ser puramente terica j que inmeros exemplos
dos efeitos da introduo de uma cura ou tratamento existem na literatura mdica. A criao de um
tratamento para a sfilis na dcada de 40, modificou rapidamente o seu perfil de letalidade. Pessoas que
antes morriam aps alguns anos de infeco passaram a se curar de uma forma eficiente, rpida e barata. A
conseqncia ficou muito longe da erradicao da sfilis, muito pelo contrrio, pois uma vez no sendo mais
letal, foi uma das caractersticas que facilitaram a revoluo sexual dos anos 60 e 70. O prprio S. aureus
que sempre foi responsabilizado por quadros infecciosos graves, foi inicialmente controlado na dcada de
40, para ressurgir nos anos 80/90 com uma forma multiresistente (MARSA).
A questo bsica que devemos analisar com o cuidado as alteraes no perfil de
mortalidade e morbidade, decorrentes de alteraes significativas do tratamento, das mudanas
observadas que seriam na verdade, oriundas simplesmente de um diagnstico mais precoce (sem
qualquer interferncia do tratamento proposto). Os indicadores de mortalidade (listados abaixo),
seguem os mesmos princpios bsicos j descritos para a morbidade.
Nos pases em desenvolvimento, tais como o Brasil, a notificao compulsria de doenas
possui, salvo raras excees, uma grande lacuna de informao devido a inmeros fatores, tais como a
falta de viso comunitria dos mdicos que atuam na ponta do sistema de sade (o que faz com que os
mesmos no notifiquem doenas ao estado), a lentido com que o estado processa e retorna a
informao para os profissionais de sade, etc.6
Como j foi dito acima, o princpio bsico dos coeficientes so semelhantes aos discutidos no
item referente a morbidade. O evento de interesse (bito com ou sem algum atributo populacional, tais
como sexo, faixa etria etc.) contraposto ao nmero de pessoas existentes naquela populao (ou
algum subgrupo populacional semelhante ao usado no numerador). Os principais coeficientes de
mortalidade so :
a) Mortalidade geral :
Este ndice, apesar de ser bastante simples e bastante utilizado, deve ser visto sempre com
muita cautela. Repare que o numerador, ao relacionar todos os bitos ocorridos numa determinada
comunidade, no est levando em conta as peculiaridades que esta comunidade possa vir a ter, em
relao a inmeros fatores, tais como composio etria por exemplo. Da mesma forma que o PIB (total da
renda produzida por uma nao, dividida pelo nmero de habitantes da mesma) no indica em absoluto o
nvel de vida de uma comunidade (veja o caso brasileiro cujo PIB situa o Brasil entre as 10 maiores
economias mundiais), a mortalidade geral sofre de um problema semelhante. Se compararmos a
mortalidade geral do Brasil com a da Sucia, veremos valores equivalentes a 10,3 e 10,5 bitos por
1000 habitantes respectivamente, o que em absoluto nos autoriza dizer que o padro de vida
brasileiro superior ao da Sucia.
N obitos
Mortalidade Geral =
N pessoas
Na verdade, este problema vai estar ligado a composio etria das duas populaes. Observe
que a populao Sueca em mdia, muito mais velha que a populao brasileira, ou seja, a
proporo de pessoas idosas (cujo risco de falecer alto, visto o conhecimento mdico atual)
possui uma distribuio distinta entre as duas sociedades, o que faz com que na Sucia morram
pessoas, cujo tempo biolgico se extinguiu, enquanto no Brasil os bitos ocorrem em outras faixas etrias
(basicamente devido a causas perinatais e em adultos jovens). Mais a frente veremos como este tipo de
problema poder ser solucionado, utilizando-se uma tcnica conhecida como padronizao de
populaes; a idia bsica a de transformar um ou outro pas em padro (Brasil por exemplo) e verificar
quantos bitos esperaramos encontrar na Sucia, caso sua estrutura populacional fosse a mesma que a
brasileira.
Este tipo de problema afeta inmeros campos do conhecimento mdico; podemos citar por
exemplo estudo das infeces hospitalares. Se no padronizarmos o estado de sade de uma dada
populao internada (padronizao esta relativa ao diagnstico de base, tipo de cirurgia realizada, idade,
sexo, grau de manipulao do doente, antibioticoterapia prvia, tempo de internao, etc.) nunca
saberemos se a maior taxa de infeco hospitalar nos doentes do CTI em relao clnica mdica, deve-
se a uma falha real do primeiro setor, ou a maior gravidade de seus pacientes.
b) Mortalidade especifica :
A mortalidade especifica uma das maneiras pelas quais a epidemiologia trata a comparao
entre duas comunidades. Repare que no exemplo anterior, a comparao entre a mortalidade geral do
Brasil e Sucia ficou fortemente prejudicada, devido a diferente composio populacional dos 2 pases.
Se compararmos entretanto a mortalidade especifica segundo idade (menores de 1 ano por exemplo),
veremos que no Brasil ela se situa em torno de 50 bitos para cada 1000 nascidos vivos, enquanto que
na Sucia o mesmo indicador ser de 7 bitos para cada 1000 nascidos vivos. A construo deste
indicador no fica na verdade preso apenas a questo etria. Na verdade, ele pode (e deve) ser
construdo levando-se em considerao inmeros subgrupos populacionais de interesse.
Exemplos :
b.1) Mortalidade especifica, segundo sexo (masculino) e idade (menores de 1 ano) que ser dado
pela diviso entre pessoas que morreram (do sexo masculino) com menos de 1 ano, dividido pelas pessoas
do sexo masculino, que existiam no local analisado, no meio do ano utilizado na anlise
b.2) Mortalidade especifica, segundo sexo (masculino). idade (40-45 anos) e profisso
(trabalhadores em minas de carvo), calculado como a diviso entre os trabalhadores en minas de carvo,
que morreram aos 40-45 anos pelos trabalhadores de minas de carvo que existiam naquele local, entre 40-
45 anos, no meio do ano utilizado na anlise.
A importncia destas taxas de tal monta, que poderemos utiliz-las como indicadores de sade
numa populao. O Brasil, por exemplo, no s possui um coeficiente de mortalidade infantil,
relativamente elevado, como tambm seu peso, em relao ao total de bitos no desprezvel.
Swaroop e Uemura criaram um indicador conhecido como razo de Mortalidade Proporcional (RMP),
que relaciona o nmero de bitos em pessoas com 50 anos ou mais (em determinado local e poca)
pelo total de bitos ocorridos na mesma poca e local. Teoricamente, quanto maior este ndice,
melhor seria a situao de sade da populao analisada. Nelson de Moraes utilizando um conceito
semelhante, construiu um indicador conhecido como curva de mortalidade proporcional, que nada
mais do que a RMP englobando, separadamente, os menores de 1 ano, 1 a 4, 5 a 19, 20 a 49 e
finalmente 50 anos ou mais.
Figura 1a Figura 2a
1
1
19
4
+
9
9
19
4
<0
<0
1-
-4
-4
1-
e
e
5-
5-
20
20
50
50
Figura 3a Figura 4a
9
+
19
1
+
4
19
1
9
-4
<0
1-
1-
-4
<0
e
e
5-
5-
20
20
50
50
Com tal subdiviso, Moraes obtm 4 tipos de curvas (padres de sade denominados de muito
baixo, baixo, regular e elevado - ver figs. 1a-4a respectivamente). A lgica dos grficos de Moraes reside
exatamente na premissa de que crianas raramente morrem (a no ser que algo de muito errado esteja
acontecendo). Em contrapartida, haveria uma grande proporo de bitos entre os idosos. De certa forma
esta abordagem est um pouco ultrapassada, pois tcnicas de vacinao, aliadas ao atendimento mdico
primrio e pequenas obras de saneamento conseguem, em muito, modificar o quadro de mortalidade de um
pas, ao ponto do Brasil e vrios outros pases em desenvolvimento ficarem, na mdia, com m quadro
parecido com a figura 3a. Outros indicadores (ver adiante) foram desenvolvidos para mirar especificamente
a qualidade de vida das populaes. O coeficiente de mortalidade infantil de fundamental importncia
em sade pblica, visto que ele pode nos fornecer uma indicao bastante interessante sobre o padro
de sade de uma dada populao. Este fato baseado no argumento de que crianas menores de 1 ano
(excetuando-se aquelas que possuem doenas - genticas por exemplo - com as quais a medicina no
consegue ainda lidar de forma eficaz), devem sobreviver sem maiores problemas, a no ser que
acidentes ambientais ou hospitalares venham a se interpor no curso natural do desenvolvimento destas
crianas; neste caso, a mortalidade infantil pode chegar a nveis elevadssimos, refletindo um ambiente
extremamente hostil (desnutrio, vacinao incompleta ou ausente, saneamento bsico parcial ou
inexistente, atendimento mdico hospitalar ineficaz durante a gestao, parto ou ambos etc.).
J que inmeros fatores podero influenciar a mortalidade no primeiro ano de vida, e que
esta a fase mais crtica, pois a maior parte dos bitos infantis ocorrem em qualquer sociedade, neste
perodo (ver figura 1a-d), podemos refinar a mortalidade infantil ao dividi-la conforme o momento no
tempo em que o bito ocorreu. Os principais coeficientes assim obtidos (ver abaixo), denominam-se
Mortalidade infantil tardia, neonatal (ou precoce) e perinatal.
Para se ter apenas uma idia, a OMS calcula que todas as crianas do planeta poderiam ser
vacinadas (seguindo completamente o calendrio proposto pelos organismos internacionais), com o que os
pases gastam em apenas um dia com material blico.
Mortalidade Infantil neonatal (precoce) : Este coeficiente estabelece a relao entre o nmero de
bitos em crianas menores de 28 dias, numa determinada rea e tempo, pelo total de nascidos vivos na
mesma rea e ano. Aqui o meio ambiente no atua de forma to pesada quanto no ltimo indicador,
entretanto ele sofre uma sria influncia de trs fatores absolutamente distintos, quais sejam :
Crianas que morrem por um mal atendimento hospitalar (ttano, seqelas do parto, etc.) bitos
decorrentes de doenas contra as quais a medicina no consegue ainda lidar (anencefalia por exemplo) .
Crianas que faleceram pela incapacidade de diagnosticar precocemente, deficincias
maternas ou infantis contra as quais a medicina possui mtodos eficazes e efetivos para uma
razovel interveno.
Desta maneira, este indicador poder ser ainda mais refinado se separarmos ao menos uma parte
das causas responsveis pelos 3 itens acima.
Mortalidade Perinatal : definida como a relao entre o nmero de crianas falecidas entre a 28a
semana de gestao e a 1a semana de vida, para uma poca e locais definidos, segundo o nmero de
nascidos vivos, somados aos bitos fetais tardios.
Altos nveis de mortalidade perinatal certamente no se relacionam com doenas complicadas
ou raras e sim a um despreparo das unidades de ateno mdica. No Brasil, a principal mortalidade
registrada h alguns anos, nas grandes capitais, deve-se ao componente perinatal. Na verdade, observa-se
para todo o pas, um crescimento proporcional deste grupo, em detrimento da mortalidade infantil tardia,
o que denota a falncia do sistema de atendimento mdico-hospitalar, resultante de anos de completo
descaso dos diversos setores estatais de gerenciamento deste sistema.
Imaginemos uma situao simplificada da realidade, onde a mortalidade infantil esteja situada
ao redor de 200 bitos para cada 1000 nascidos vivos. Se houver uma deciso poltica (no Brasil gasta-se
cerca de U$ 40,00 por habitante/ano em sade, alguns pases Africanos aproximadamente U$ 4,00 e
finalmente os pases desenvolvidos algo entre U$700,00 a U$2500) de se investir na vacinao em
massa, saneamento, incentivo ao aleitamento materno, rehidratao oral etc., esperaramos um grande
decrscimo na mortalidade infantil, devido principalmente ao seu componente infantil tardio, j que
haveria um grande impacto nos bitos entre o 1o ms e o 1o ano de vida (que no por acaso explica o
milagre de algumas administraes do nordeste). Digamos que aps algum tempo de implementao desta
poltica, a mortalidade infantil casse para algo em torno de 45 bitos para cada 1000 nascidos vivos;
continuando nosso exemplo, este pas aumenta os recursos destinados sade, implementando um melhor
atendimento perinatal (diagnstico precoce e correto acompanhamento da toxemia gravdica,
suplementao alimentar para mes desnutridas, vacinao antitetnica das gestantes, etc.). A nova
queda a ser observada nos bitos dever-se- ao componente perinatal (observa-se que na populao
branca americana, a mortalidade infantil est situada em torno dos 8 a 11 bitos por 1000 nascidos.
vivos, enquanto que na populao negra e hispnica algo prximo a 17-20 bitos por 1000 nascidos vivos;
na populao branca da frica do Sul durante o regime do Apartheid tnhamos 10-13 bitos por 1000
nascidos vivos enquanto que entre os negros este nmero subia para 40/1000).
Letalidade
A taxa de letalidade definida como o total de bitos por determinada doena, dividido pelo
total de casos da mesma doena; esta taxa expressa a gravidade com que um agente etiolgico se manifesta
numa dada populao, num determinado momento do tempo. A letalidade pode ser influenciada por
uma real queda no aparecimento de manifestaes graves (como por exemplo a escarlatina no sculo
passado, quando comparada aos nossos dias), a descoberta de uma cura ou tratamento (sfilis e
diabetes respectivamente) ou ainda ao aumento no nmero de diagnsticos realizados. Quanto a este
ltimo item, vejamos a distribuio da letalidade para a SIDA no Brasil (tabela VI). Pode-se ver
claramente que a letalidade vem caindo progressivamente de 1980 a 1996. Se partirmos do princpio de
que uma cura ou tratamento realmente eficazes no esto ainda disponveis, podemos inferir algumas
das razes pelas quais esta queda da letalidade vem se processando :
a) aumento do nmero de diagnsticos conseqentes a uma real progresso da epidemia. Neste
caso, ao se obter um aumento no denominador de uma forma mais acelerada do que no numerador, a
conseqncia ser a queda na letalidade.
b) O fato da SIDA ser uma doena de evoluo lenta, acarreta que os bitos que ocorrem hoje,
pertencem a pessoas infectadas com anos de antecedncia, ou seja, numa epidemia em ascenso
deveramos esperar uma certa queda na letalidade.
c) Finalmente, sabemos que apesar de que uma cura ou tratamento que controle a doena, no
terem ainda sido criados (a estimativa para o desenvolvimento de uma vacina razoavelmente eficaz, situa-
se ao redor do ano 2002 - o tratamento est ainda sem previso) inegvel que o manuseio clnico dos
pacientes de SIDA vem se aprimorando nos ltimos anos (tratamento profiltico para Pneumocystis
carinii, diagnstico mais rpido da Citomegalovirose, Toxoplasmose, coquetel de drogas antiretrovirais
etc.), aumentando-se a sobrevida, ou em outras palavras, diminuindo a letalidade (tabela VI e grfico II).
Como foi visto em alguns tpicos anteriores, a epidemiologia necessita, em determinados
momentos, comparar 2 ou mais populaes, em relao a uma srie de atributos. Nestes casos, um erro que
pode ser facilmente cometido o de comparar grupos com estruturas demogrficas distintas, ou
Tabela VI
Distribuio dos casos de AIDS, bitos conhecidos por ano de diagnstico e letalidade, Brasil,
1980-1996
Ano de diagnstico Casos bitos Letalidade
1980 1 1 100.0
1981 - - -
1982 9 5 55.6
1983 41 37 90.2
1984 144 117 81.3
1985 538 416 77.3
1986 1110 807 72.7
1987 2524 1797 71.2
1988 4156 2990 71.9
1989 5613 3821 68.1
1990 7782 5050 64.9
1991 10387 5999 57.8
1992 12791 6524 51.0
1993 14438 6737 46.7
1994 14559 5503 37.8
1995 12205 3561 29.2
1996 1801 379 21.0
Total 88099 43744 49.7
(*) 1996 - Dados preliminares at semana 35, terminada em 31/08).
Fonte: Boletim epidemiolgico PNDST/Ministrio da Sade
80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
ainda como ser visto mais adiante, grupos com composio diferente de risco. Um dos mtodos
utilizados chama-se mtodo direto de padronizao.
Tabela VII
bito Hospital A Hospital B
SIM 700 100
NO 300 900
TOTAL 1000 1000
Observando a tabela VIII, vemos que o hospital A concentrou um nmero muito maior de casos
graves do que o hospital B. Uma hiptese portanto pode ser a de que a mortalidade em A maior, no
devido a falhas no atendimento, mas sim porque este hospital atende doentes muito graves. A padronizao
um mtodo que pretende responder a seguinte pergunta : Se ambos hospitais atendessem pacientes com
igual gravidade, como seria o perfil de mortalidade em cada um ?
Esta pergunta traduz toda a lgica do sistema de padronizao. Realmente, a nica maneira de se
comparar os dois hospitais, consiste em ver seu perfil de mortalidade numa mesma populao.
Iniciamos a padronizao, calculando a mortalidade especfica do fator que se deseja isolar (no
caso gravidade, podendo ser outros fatores como idade, sexo, fazer ou no fisioterapia etc.).
Repare que a mortalidade especfica foi sempre maior em B do que no hospital A. Este ltimo
parece ter um desempenho pior porque atende a uma imensa populao de pacientes graves (ver tabela
VIII), enquanto o inverso acontece ao hospital B. Voltando padronizao, vamos aplicar as mortalidades
vistas para uma mesma populao (padro). A populao padro pode ser uma das j vistas (hospital A ou
B), ou uma populao fictcia ou ainda aquela pertencente a um terceiro hospital. O que realmente importa
que ela seja constante para os hospitais que esto sendo padronizados.
Populao padro Hospital A Hospital B
Casos leves = 830 830 x 0 = 0 830 x 3,6% = 29,9
Casos moderados = 70 70 x 10% = 7 70 x 21,4% = 15
Casos graves = 100 100 x 82,1% = 82,1 100 x 100% = 100
Total de bitos 89,1 144,9
Mortalidade padronizada 89,1 / 1000 = 8,9 bitos por 100 144,9 / 1000 = 14,5 bitos por 100
internaes internaes
Tipos de escalas
simples da idade. Por outro lado, observa-se tambm que a distribuio razoavelmente uniforme, ao
contrrio do observado na tabela I. Desta forma, no seria surpreendente se encontrarmos uma mdia etria,
ao redor dos 30 anos.
Grficos
Os grficos em barra (grfico I) so ideais para dados nominais ou ordinais (principalmente quando
envolvem 5 ou mais categorias).
Valid Cumulative
Frequency Percent Percent Percent
Valid ,00 58 8,3 8,3 8,3
1,00 417 59,7 59,7 68,0
2,00 106 15,2 15,2 83,1
3,00 61 8,7 8,7 91,8
4,00 20 2,9 2,9 94,7
5,00 9 1,3 1,3 96,0
6,00 7 1,0 1,0 97,0
7,00 6 ,9 ,9 97,9
8,00 3 ,4 ,4 98,3
9,00 1 ,1 ,1 98,4
10,00 3 ,4 ,4 98,9
11,00 1 ,1 ,1 99,0
16,00 1 ,1 ,1 99,1
21,00 2 ,3 ,3 99,4
25,00 1 ,1 ,1 99,6
26,00 1 ,1 ,1 99,7
30,00 1 ,1 ,1 99,9
35,00 1 ,1 ,1 100,0
Total 699 100,0 100,0
Total 699 100,0
Valid Cumulative
Frequency Percent Percent Percent
Valid 0-9,9 84 12,0 12,0 12,0
10-19,9 135 19,3 19,3 31,3
20-29,9 120 17,2 17,2 48,5
30-39,9 123 17,6 17,6 66,1
40-49,9 86 12,3 12,3 78,4
50-59,9 69 9,9 9,9 88,3
60-69,9 51 7,3 7,3 95,6
> 70 31 4,4 4,4 100,0
Total 699 100,0 100,0
Total 699 100,0
Neste grficos geralmente um espao separa cada barra, reforando sua natureza ordinal ou
nominal (ver adiante em histogramas). Obviamente, os estilos dependero do bom senso do investigador.
Entretanto algumas dicas de bom senso sero sempre teis:
Categorias com nomes muito extensos, devem ser acomodados em grficos com formatos
especficos para este fim (ver grfico I). Repare que muitas das categorias a expostas so, na verdade,
desnecessrias (pela sua inexpressiva representao).
As inmeras alternativas em disposio pelos programas grficos, tornam tentador a
possibilidade de enfeitarmos nossos grficos (3 dimenses, milhares de cores, etc.). Repare entretanto que
dependendo do pacote utilizado, a compreenso de grficos muito elaborados torna-se as vezes difcil.
A acurcia do grfico importante, isto , mostre-o para diversas pessoas, verifique se a
interpretao homognea.
sempre interessante respeitar alguns princpios visuais bsicos, isto , se voc necessita de
tracejamentos em seus grficos, utilize cores claras nos mesmos, reservando as escuras para suas linhas,
barras etc. Realce os pontos importantes !
Histogramas so semelhantes (apenas na aparncia) aos grficos em barra (grfico II), entretanto
sua aplicao feita principalmente nas variveis intervalares e de razo (apesar de poderem ser utilizadas,
algumas vezes nas ordinais). As barras do histograma so colocadas lado a lado, de tal forma que cada uma
de suas reas representam as freqncias(numrica ou percentual) da categoria em questo. Cada
histograma ter portanto uma rea final, que ser igual a freqncia total observada em nossos dados. Sua
importncia ser melhor detalhada quando discutirmos o prximo ponto (estatsticas univariadas).
200
100
Frequency
0
BILATERAL OCCIPITAL OUTRA
DIFUSA PARIETAL UNILATERAL
120
100
80
60
40
Frequency
PA SISTLICA NA 1 VISITA
Estatstica descritiva para anlises univariadas
Como vimos na seo anterior, grficos ou tabelas ilustram, muitas vezes de forma elegante, os
dados obtidos em dada pesquisa. Existe entretanto a necessidade de se conhecer (ou resumir ) nossos dados
em 4 caractersticas bsicas de todas as variveis intervalares (ou de razo). Essas caractersticas so
denominadas de tendncia central, variabilidade, skewness e kurtosis.
So geralmente as mais conhecidas pelos clnicos e englobam a mdia, mediana e moda. A mdia localiza o
centro de gravidade de uma distribuio, o que a torna tremendamente suscetvel a valores extremos da
mesma. Ela, que neste texto ser representada como , definida como a soma de todos os nmeros da
distribuio, dividida pelo n. de observaes realizadas.
i =1
= (frmula 1.1).
n
Supondo-se que nossos dados consistem de 3 contagens de leuccitos (5.000, 5500 e 12.000). A
5000 + 5500 + 12000
mdia ser ento de = 7500. Repare que esta foi influenciada por um valor
3
extremo (12.000), no sendo portanto uma boa representante dos dados.
A mediana corresponde ao ponto mdio de uma distribuio, caso esta fosse ordenada (de forma
crescente ou decrescente). Utilizando o mesmo exemplo fornecido acima, a mediana seria de 5500, pois dos
3 valores existentes, o segundo (5500) que est eqidistante dos outros dois. Se acrescentssemos mais um
valor em nosso exemplo (6.500), deixaremos de ter um valor eqidistante (o que s ocorrer com amostras
mpares de dados). A soluo a de selecionar os dois nmeros centrais (em nosso caso, 5.500 e 6500) e
5500
. + 6.500
calcular sua mdia. Ex.: 5.000, 5.500, 6500, 12000 = 6.000. Repare que a mediana
2
uma representante muito mais fidedigna da contagem leucocitria, do que a mdia anteriormente calculada.
Isso se deve ao fato de nossa distribuio ser desviada (skewed) para um lado (o valor extremo 12.000 - ver
tambm tabela III). Atribumos moda, o valor mais freqentemente observado. Se todos os valores forem
diferentes (tal como em nosso exemplo), dizemos que no h moda; se dois ou mais valores tiverem
simultaneamente a freqncia mais alta, dizemos que a distribuio multimodal.
Resumo
De todas as medidas de tendncia central, a mdia a mais utilizada. Sua preferncia se deve ao
fato dela ser a pedra inaugural de uma srie de estatsticas, muitas das quais no podem ser calculadas
quando utilizamos a mediana ou moda. A nica justificativa para abandon-la, quando estamos diante de
grandes desvios na distribuio (ver tabela III), bem como diante de amostras relativamente pequenas
(menos de 30 pacientes). Na tabela e grfico III, temos um exemplo de como a mdia e a mediana se
mostraram relativamente prximas, apesar da ocorrncia de valores extremos, No mundo clnico real
entretanto, nem sempre factvel obter uma amostra grande o suficiente (falta de recursos, falta de
pacientes, falta de tempo, etc.). Questes especficas do estudo (pacientes que permanecem vivos aps o
mesmo; que tempo utilizar ?), estaro sempre postas ao clnico. Por outro lado, serve de pouco consolo o
fato de se saber que ao retirarmos infinitas amostras (pequenas) de uma populao, a medida que chegarmos
prximos ao infinito, a mdia de nossas infinitas mdias, se aproximar do valor real que se quer
observar. A soluo para esse dilema est em, se possvel, calcular uma amostra de tamanho adequado. Na
ausncia dessa possibilidade, torcer para que os dados sejam mais ou menos homogneos. Caso nada d
certo, devemos ento estar alertas de que nossa distribuio apresenta caractersticas especiais e que os
testes estatsticos a serem aplicados devero levar em conta estas caractersticas (ver adiante).
Medidas de variabilidade
A anlise das medidas de variabilidade so fundamentais para a correta interpretao dos dados e
no devem ser negligenciadas. As 3 mais importantes so o desvio padro, percentis (ou medidas
interprecentis) e a amplitude. Ao contrrio das mdias, onde os valores tentam representar um valor central,
as medidas de variabilidade devem ser interpretadas como distncias numa escala de valores.
N Std.
Valid Missing Mean Median Mode Deviation Minimum Maximum
LEUCCITOS
374 1 7209,47 7100,00 7600,00 1692,037 3400,00 11800,00
NA 1 VISITA
40
30
20
y
c
n 10
e
u Std. Dev = 1692,04
q Mean = 7209,5
e
r
F 0 N = 374,00
35 40 45 50 55 60 65 70 75 80 85 90 95 10 10 11 11 12
00 00 00 00 00 00 00 00 00 00 00 00 00 00 50 00 50 00
,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 0, 0, 0, 0, 0,
0 0 0 0 0
LEUCCITOS NA 1
(x ) 2
DP = n 1
(frmula 2)
Para se compreender este clculo, imaginemos uma situao onde voc convidado(a) para dar um
planto, numa clnica onde os mdicos ganham, em mdia, R$ 25.000,00 (por ms). Se quisssemos formar
uma idia de quanto os salrios variam ao redor da mdia, poderamos :
a)subtrais cada salrio da mdia, obtendo para cada um, uma diferena ou variao.
b)somar cada uma das diferenas observadas.
c)dividir a soma obtida pelo nmero de observaes (formando assim uma diferena mdia).
Se realizssemos tal tarefa, com os contracheques da clnica, poderamos obter a tabela IV. Repare
que a mdia no , obviamente um bom estimador dos salrios, visto que o dono da clnica (que por sinal
lhe convidou), recebe um salrio que se encontra no extremo posto da distribuio A subtrao de cada um
dos valores da mdia e sua posterior soma, totalizou zero, o que nos faz voltar ao nosso problema original.
Esta uma das propriedades da mdia, ou seja, a soma das diferenas ser sempre igual a zero. Uma
soluo para este impasse, reside em elevar ao quadrado a diferena entre cada nmero e a mdia (pois um
nmero elevado ao quadrado sempre positivo - veja tabela IV e identifique este passo na frmula 2).
Como elevei ao quadrado a diferena que nos interessava, devemos agora extrair a raiz quadrada para voltar
escala original de valores. Bem, nossa inteno sempre foi a de estimar a variao mdia de meus
dados, ao redor da mdia da distribuio. Assim sendo, a soma das variaes (elevadas ao quadrado) dever
ser dividida pelo nmero de observaes. Repare que na frmula 2, no levamos em conta o nmero total de
observaes e sim o total menos um. A razo para esta surpresa, numa lgica que se desenvolvia de forma
to simples, reside num conceito chamado de graus de liberdade (que ser visto adiante). Neste momento,
podemos ficar com o seguinte raciocnio: se numa amostra, tenho as medidas realizadas, bem como a mdia
das mesmas, utilizando a mdia mais as (n - 1) observaes realizadas, poderemos descobrir o valor que
est faltando.
Digamos que retiremos uma amostra de 3 pessoas de onde dosamos a hemoglobina, obtendo-se os
12 + 11 + 13
valores 12, 11 e 13. Se calcularmos a mdia resultante teremos : = = 12. Com o valor da
3
mdia (12) e qualquer combinao de duas das observaes realizadas, poderei descobrir o valor da terceira
12 + 11 + y
(cuja existncia, para fins de clculo, passa a ser redundante). Exemplo: = 12 12 x 3 = 23
3
+y y = 36 - 23 y = 13. O clculo de todas as estatsticas disponveis em testes de hiptese passam
necessariamente pelo uso deste conceito. Qualquer que seja o teste estatstico utilizado, este estar
calculando um valor qualquer, que dever ser contraposto a uma tabela que leva em considerao o teste
utilizado, bem como o tipo de distribuio estatstica aos quais os dados pertencem. Este valor localizado
em uma tabela (fornecida em qualquer livro de estatstica ou embutida nos pacotes de estatstica do
computador), onde uma das entradas necessrias para se encontrar o valor p exatamente o nmero de
graus de liberdade. Outro ponto importante reside na questo do tamanho amostral. Repare que numa
amostra de 10 pessoas, far diferena dividir alguma coisa por 9 e no 10. Em amostras maiores entretanto,
tanto faz dividir um valor por 399 ou 400. Esta uma das razes, se quisermos assumir que o mundo
simples, pelas quais grandes amostras acabam se aproximando da curva de Gauss (ver adiante), facilitando
em muito a tarefa de se testar hipteses.
Se uma distribuio for extremamente dispersa (grfico III), isto , se no existem valores extremos
(para baixo ou para cima) isoladamente, e sim a ocupao de quase toda a escala de valores possveis para
aquela varivel, esta amplitude interpercentil dever ser grande. Por outro lado, quando os valores extremos
forem fatos isolados, esta amplitude dever ser pequena. Finalmente temos a amplitude que calculada pela
subtrao do maior pelo menor valor encontrado. Esta ltima claramente a mais instvel das medidas de
variao. Ela pode ser calculada (ou fornecida) para se ter uma rpida idia da variabilidade dos dados.
Resumo
O desvio padro de longe a mais utilizada das medidas de variabilidade. Ela sofre entretanto, se a
distribuio tiver valores extremos (j que a mdia incorporada em seu clculo).
Medidas de simetria
Distribuies podem ser desviadas para a direita, esquerda, ou ainda serem centradas ao redor da
mdia. O grfico IV (representao da tabela I) e V so exemplos de distribuies desviadas positiva e
negativamente, enquanto o grfico III representa uma distribuio razoavelmente centrada. Em tese, esta
medida (skewness) deve se situar entre - 0,2 e + 0,2. Se levarmos em conta o seu clculo (frmula 3), vemos
que os grficos IV e V possuem suas mdias diferindo da mediana em mais de 1 desvio padro (DP).
( media mediana )
S= (frmula 3)
D. P.
TABELA VI - SKEWNESS DOS BASFILOS, NMERO DE DRGEAS CONSUMIDAS E
LEUCCITOS DE PACIENTES COM ENXAQUECA
N Std.
Valid Missing Mean Median Deviation Skewness
Std.
Statistic Statistic Statistic Statistic Statistic Statistic Error
BASFILOS
374 1 ,2599 ,0000 ,5549 3,031 ,126
NA 1 VISITA
DRAGEAS 373 2 13,76 16,00 4,86 -1,647 ,126
LEUCCITOS
374 1 7209,47 7100,00 1692,04 ,219 ,126
NA 1 VISITA
300
200
Frequency
100
Std. Dev = ,55
Mean = ,3
0 N = 374,00
0,0 1,0 2,0 3,0 4,0 5,0
BASFILOS NA 1 VISITA
Estudos Seccionais
Os estudos seccionais estimam, para um dado momento (ou intervalo) no tempo, a proporo de
pessoas contendo um determinado atributo (doena) e a proporo de pessoas contendo um ou mais fatores
que se pretende correlacionar com a presena ou ausncia do atributo (doena) em questo. Em resumo,
tanto os fatores de exposio quanto os que se denominam de risco so medidos simultaneamente.
Exemplo I:
Digamos que um pesquisador queira estudar quais os principais fatores a serem associados com a
hipertenso arterial. Sendo esta doena encontrada com relativa facilidade na populao geral (prevalncia
alta) no seria complicado retirar uma amostra de uma populao qualquer, examinando cada uma das
pessoas no que se refere presso arterial, hbitos de consumo, stress, casos da doena na famlia etc.
Exemplo II:
Durante o perodo eleitoral, observamos a realizao de predies sobre quem ganhar a eleio
para diversos cargos do executivo e/ou legislativo. Semelhante ao exemplo anterior, um grupo de trabalho
estabelece uma amostra da populao geral, perguntando em quem o entrevistado votaria. Esta pergunta
geralmente acompanhada de um questionrio estabelecendo o nvel scio-cultural do entrevistado.
Exemplo III:
A cada 10 anos, realiza-se um censo no Brasil (bem como em diversos pases do mundo). Este
censo consiste em uma srie de perguntas sobre idade, sexo, renda etc. dos entrevistados. Acompanhando
este, uma amostra dos entrevistados traada, onde perguntas adicionais so feitas (sade, nutrio etc.).
Exemplo IV:
Uma amostra de trabalhadores de uma indstria traada para se estudar a presena ou ausncia de
doenas. Um mdico (ou equipe) examina os trabalhadores solicitando ou no uma srie de exames
complementares, bem como setor da indstria de onde o trabalhador oriundo.
Exemplo V:
Num hospital geral deseja-se estimar a proporo de infeces hospitalares (IH) a cada ms do ano.
Como o nmero de leitos grande (cerca de 600), e a equipe da Comisso de Controle de Infees
Hospitalares (CCIH), relativamente reduzida, retiram-se amostras mensais destes pacientes, registrando
dados acerca das IH, bem como setor do hospital, exposio a riscos de infeo, condio fsica do doente
etc.
Alguns fatores so comuns a todos esses estudos. Em primeiro lugar, observamos que a varivel
tempo no est includa em qualquer um deles, isto , no estamos interessados em saber qual o tempo de
exposio dos trabalhadores da fbrica aos fatores de risco em questo, ou por quanto tempo o consumo de
sal existia antes da presso arterial se elevar. Na verdade, sequer sabemos se o consumo de sal estava alto
causando a hipertenso, ou se a hipertenso fez com que o doente aumentasse seu apetite por sal. Deste
pequeno exemplo, podemos portanto entender quase todas as vantagens e desvantagens dos estudos
seccionais (transversais), que nos ocuparemos a seguir. Em resumo, devemos nos ocupar da populao em
estudo (amostra, erros e vcios na seleo desta), instrumento utilizado na avaliao, aplicaes deste
mtodo e concluses possveis de serem, obtidas. Os 2 primeiros itens descritos acima (amostra e avaliao)
fazem parte de qualquer um dos estudos a serem discutidos neste texto.
Amostra
Digamos que voc queira determinar quantos funcionrios de uma fbrica apresentam hipertenso
arterial. Ao final de seu estudo, digamos que voc obtenha (examinando todos os funcionrios) algo como
120 hipertensos numa populao total de 1000 trabalhadores (que representa o universo, ou seja, todos os
funcionrios somam 1000 para a referida fbrica). Alguns dos examinados representam pessoas que sequer
sabiam ser hipertensas (casos novos - vamos fingir, em nome da simplicidade, que estes funcionrios no
eram casos antigos de hipertenso sem jamais terem sido diagnosticados) e outros so casos que j sabiam
de sua condio (casos antigos ou crnicos). Podemos dizer portanto que nosso estudo est captando a
prevalncia de hipertenso na referida fbrica. Esta situao pode portanto variar entre os diversos estudos
seccionais. Estudos seccionais sobre infeces hospitalares podem se ocupar apenas de casos incidentes,
prevalentes ou ainda ambos. Em relao amostra propriamente dita, os pesquisadores realizaram um
censo, pois entrevistaram todos os funcionrios. Como a populao total era relativamente pequena, tal
procedimento foi factvel, apesar de representar um custo (horas de entrevista, processamento de dados,
trabalho extra, tempo adicional etc.) maior do que se estudssemos 300 trabalhadores. As amostras so
realizadas para se estimar o que est acontecendo com a populao total em que estamos interessados. Se
pensarmos sobre este processo, veremos que toda amostra est sujeita a possvel existncia de uma srie de
erros, ou seja, s teremos absoluta certeza de que o fator sendo medido (prevalncia de hipertenso arterial)
ser igual ao da populao total, quando medirmos a referida presso de todos os trabalhadores, o que nos
faz voltar ao nosso problema de custo ou de viabilidade (prevalncia de SIDA ou hipertenso na populao
brasileira). razoavelmente intuitivo se pensar que quanto maior a amostra, menor a chance de errarmos
em nossa estimativa e alternativamente, quanto menor esta, maior a chance de incorrer em erro. Se nossa
amostra fosse composta de um indivduo, a chance de sua presso arterial representar a mdia de todos os
trabalhadores seria pequena. A medida que aumentamos esta amostra (100, 200 etc.) a chance de que as
presses analisadas se aproximem do que obteramos pelo censo tambm aumenta. Foge do objetivo deste
texto uma discusso mais aprofundada. Repare entretanto que as frmulas para clculo amostral (expresses
algbricas geralmente simples) devem levar em considerao o grau de erro que voc aceita cometer (caso a
real prevalncia de hipertenso seja de 10%, mas no haver qualquer mudana de conduta, caso sua
amostra erradamente aponte uma prevalncia entre 7% e 13%, voc est na verdade dizendo que aceita
erros na sua estimativa na ordem de 30% !).
Ainda em ralao a amostra, devemos decidir a forma pela qual ela ser realizada. Se a fbrica em
questo contiver setores altamente diferenciados, talvez seja interessante quebrar (estratificar) a amostra
para cada um dos setores, ou pelo menos para grupos de setores, calculando amostras para cada um.
Digamos que eu queira calcular a prevalncia de hepatite B num dado hospital. Existem funcionrios
(enfermeiras, cirurgies etc. ) com um risco maior de se infectarem do que outros profissionais (enfermeiras
ou mdicos em cargos de chefia, funcionrios da administrao etc. Alm do risco destes profissionais no
ser o mesmo, dificilmente o nmero de trabalhadores de diferentes graus de risco tambm ser igual.
Exemplo:
Digamos que um hospital possua 3 tipos de profissionais no que tange o risco de infeo pela
hepatite B: pessoal administrativo (risco baixo - prevalncia de 0,2 casos por 1000 funcionrios), mdicos,
enfermeiras etc. em enfermarias com poucos procedimentos invasivos (risco menor de exposio) com
prevalncia de 2 casos por 1000 funcionrios e finalmente enfermarias com alta taxa de procedimentos
invasivos (CTI, cirurgia emergncia etc.) com 30 casos por 1000 funcionrios. Digamos ainda que existam
200 pessoas lotadas na administrao, 500 em enfermarias com poucos procedimentos invasivos e 50 na de
alto. Numa amostra que no leve este dado em considerao, dificilmente pessoas altamente expostas sero
selecionadas (por serem poucas). Uma soluo portanto seria a de se obter amostras separadas para cada
categoria de risco.
Outra questo importante concerne a forma pela qual a amostra ser coletada. Na fbrica, no seria
difcil coletar a ficha de todos os funcionrios, numer-las para depois sorte-las, o mesmo ocorrendo com o
exemplo do hospital. O fundamental em qualquer mtodo de sorteio o de permitir que todas as pessoas
tenham chance igual de serem sorteadas (o que razoavelmente fcil de executar nesses casos. Muitas vezes
entretanto, tal procedimento no possvel (preferncia de eleitores, prevalncia de HIV ou hipertenso na
populao do Rio de Janeiro etc.). O problema bsico que uma lista contendo todas as pessoas numa
grande comunidade dificilmente ser obtida. Por outro lado, um entrevistador que seja encarregado de
visitar uma favela, poder limitar suas entrevistas ao limite desta, deixando de lado os moradores das partes
mais altas (que possuem importantes diferenas no que tange a renda).
Coleta de dados
Das inmeras formas de coleta de dados nos estudos seccionais, possvel resumi-las em
aproximadamente 4 grupos (fontes documentais, observao, questionrios enviados pelo correio e
entrevista). Neste texto estaremos abordando os 2 ltimos, sendo que existe uma vasta bibliografia acerca
dos primeiros 2 mtodos.
Questionrios enviados pelo correio
Muitas so as vantagens deste mtodo. No difcil imaginar que o custo operacional de se realizar
entrevistas atravs de questionrios enviados muito menor do que o de se montar uma equipe para colher
informaes. Outra de suas vantagens reside na possibilidade de se amostrar grandes reas, onde a
populao seria relativamente pequena (regio norte por exemplo). Apesar de ser impraticvel o uso deste
mtodo em questes mais complexas, perguntas diretas e simples podem em geral ser respondidas sem
grande dificuldade. Entre as limitaes deste mtodo esto a quase impossibilidade em se formular
questes compreensveis para os diversos estratos populacionais; o enorme fosso educacional em nosso pas
que aumentaria este problema de forma exponencial, tornando o desenho das perguntas um complexo
exerccio de imaginao. Mesmo se pudssemos supor uma populao especial (profissionais de sade de
um hospital), apenas em situaes muito especiais haveria um considervel grau de resposta ao inqurito.
Entrevistas
de longe o mtodo mais utilizado, apesar de trazer uma srie de erros e vcios para o estudo que
est sendo elaborado. No decorrer de uma entrevista muitos problemas podero ocorrer pois o entrevistado
poder desconhecer a informao a ser coletada, poder t-la esquecido ou simplesmente ocult-la. Este
item particularmente importante quando entrevistamos pessoas acerca de questes delicadas para a sua
comunidade. Num recente inqurito em Pocon (MS), pessoas que queimavam ouro clandestinamente
mentiam nas entrevistas, refazendo suas histrias apenas quando confrontadas com concentraes altssimas
de Mercrio em seu organismo. Mesmo que estes problemas fossem inexistentes, existe a eterna
possibilidade de que os entrevistados no entendam a pergunta que est sendo formulada. Um dos
importantes ganhos resultantes da incluso do entrevistador est na possibilidade deste motivar o
entrevistado no sentido de fornecer respostas corretas s perguntas formuladas, ou pelo menos, tentar
reduzir os fatores que levam a respostas tendenciosas ou falsas.
Uma questo fundamental para a aplicao de um questionrio reside na uniformidade da
formulao de perguntas (o que pode ser conseguido ao formular o questionrio de tal maneira que o
entrevistados no tenha margem de diferenciao)2.
Perguntas abertas e fechadas
A deciso acerca da maneira de se estruturar as perguntas (abertas ou fechadas) fundamental.
Perguntas fechadas tendem a facilitar em muito a posterior anlise dos dados, perdendo entretanto em na
riqueza de detalhes da informao, o oposto ocorrendo com perguntas abertas. O fundamental que os
pesquisadores decidam qual a circunstncia que cerca a informao a ser coletada. Se o objetivo avaliar
a funo heptica, certamente a estrutura do questionrio dever ser fechada. Por outro lado, para se estudar
a estrutura de vida de um menor abandonado, perguntas abertas so com certeza mais indicadas3.
Erros e vcios
Digamos que ao entrevistar os trabalhadores da fbrica, o seu aparelho de presso estivesse mal
calibrado, marcando sempre 10 mm Hg a mais. Todos os trabalhadores estariam portanto com um erro na
medida. Este erro, apesar de importante teria pouco reflexo em seu estudo, pois ele estaria ocorrendo ao
longo de toda a populao. Ainda neste tema, vamos supor que a sua tcnica de medir a presso arterial
2
Este problema particularmente complicado quando a populao estratificada ficando cada entrevistador com um
determinado estrato. Digamos que os trabalhadores de uma fbrica expostos ao rudo sejam entrevistados por A
enquanto que os demais por B. Se o primeiro entrevistador for muito mais comunicativo que o segundo, a maior
resposta dos trabalhadores expostos pode ter sido causada apenas pelo maior poder de dissuaso do entrevistador.
Apesar de culturalmente complicado em nosso meio, talvez as perguntas mais cruciais (ou delicadas) pudessem ser
formuladas de forma padronizada.
3
Nada impede que os 2 mtodos estejam presentes. Mesmo que estejamos interessados em estudar terapia
antiretroviral para pacientes com SIDA, questes abertas acerca da dificuldade em se ingerir mais de 20
comprimidos por dia pode liberar interessantes questes.
estivesse incorreta, de tal forma que voc errasse a medida (para mais ou para menos) a cada 2 medidas. Em
ambas as situaes, os erros que foram registrados estavam ocorrendo de forma aleatria, ou seja, no
estavam direcionados para um grupo especfico de trabalhadores. Imaginemos por outro lado, uma situao
onde hajam 2 entrevistadores. Um erra no sentido de registrar uma presso mais baixa e outro registra
sempre de forma mais alta do que a verdade. Vamos supor ainda que o que erra para cima entrevista sempre
os trabalhadores expostos ao stress, enquanto que o outro, os demais trabalhadores. Nesta situao,
absolutamente diferente da anterior, no existe apenas um erro na medida e sim um grave comprometimento
da pesquisa em si, por ter havido um erro direcionado para determinado grupo.
Os vieses so divididos em 3 grupos bsicos (seleo, medio e interferncia ou confounding). Na
seleo o problema consiste numa chance maior de que os casos expostos ao fator de risco sejam
selecionados. Num trabalho de campo este um erro relativamente comum, caso alguns cuidados no sejam
tomados. Pessoas mais aptas a colaborar com o entrevistador, num inqurito de morbidade, talvez sejam
exatamente aquelas que apresentaram um problema de sade recentemente. Alm disso o acesso pode tornar
difcil a incluso dos mais carentes ou dos mais abonados. Uma forma de tentar contornar em parte este
problema reside exatamente em sortear uma amostra para que o entrevistador seja obrigado a realizar um
roteiro.
O vis de informao se refere distoro existente na estimativa do efeito que est sendo
estudado, quando as medidas de exposio ou doena esto sistematicamente erradas. Tais erros so
provenientes de falhas no questionrio, procedimento diagnstico, aparelhos de medio etc., de tal forma
que um ou mais indivduos so erradamente classificados quanto a sua exposio ou doena. A
reclassificao dos valores assim obtidos no nos permite trabalhar do mesmo modo que no vis de seleo,
isto , quantificar ou tentar quantificar o vis de seleo atravs da relao entre a razo de seleo entre
doentes e no doentes ou entre expostos e no expostos. (ver adiante em estudos retrospectivos)
Estudos caso-controle
Tcnicas experimentais so conhecidas do homem h mais de um sculo. Grandes avanos foram
feitos na experimentao com animais. A lgica residia em isolar o agente suspeito de causar uma doena
(por exemplo o Mycobacterium tuberculosis ), inocular este agente em outro animal que, depois de ser
sacrificado, procurava-se uma leso contendo o agente suspeito de patognese, fechando-se assim um ciclo
agente exposio doena agente. Apesar de simplista, o objetivo aqui apenas
demonstrar que seria possvel formular hipteses causais a partir de tais modelos (outros fatores como
predisposio gentica, fatores culturais e econmicos etc., vieram a ser incorporados posteriormente no que
se denomina multicausalidade do processo sade-doena). Este modelo entretanto no se aplica s
populaes humanas, pois uma vez testando a causalidade, apenas em situaes muito especiais poderamos
testar esta tcnica em humanos. Na maior parte das vezes, inocular o HIV para comprovar ser este o agente
causador da SIDA, dever (e com toda razo) ser considerado um crime contra a humanidade, ao melhor
estilo dos experimentos nazistas. Outra limitao se refere ao tempo decorrido entre determinada exposio
e o efeito que se deseja estimar (violncia domstica na infncia e tendncia criminalidade, fumo e cncer
etc.). Finalmente temos ainda a impossibilidade de se simular em laboratrio as inmeras interaes sociais
que existem quando estamos tratando de perfis psicolgicos ou sociais de comportamento. Tais questes
levaram Louis P.C.A. & Guy (sculo XIX), cientistas sociais (dcada de 20), Schrek (1947) e Cornfiled
(1951) a desenvolver e aperfeioar uma tcnica conhecida hoje como estudos caso-controle ou
retrospectivos. A idia bsica (figura V) a de que ao invs de inocular alguma coisa (no caso um ambiente
hostil ou o HIV), selecionamos um grupo de pessoas que possuam o evento de interesse (por exemplo
criminosos) que seria a populao de casos. Como grupo de comparao, escolhemos uma populao que
no possua a doena analisada (pode ou no possuir outras). Para ambos os grupos, investigaremos os
fatores que acreditamos estar causando 4 a doena e que estariam presentes no passado.
4
Sir Carl Popper, um filsofo ingls, j alegava que se um cientista busca a verdade, esta dever ser procurada
na filosofia, pois a verdade um problema metafsico e jamais cientfico.
Ao testar hipteses, estamos examinando se nossos dados so consistentes com a hiptese formulada. No
estamos em nenhum momento provando qualquer questo. Este um item importante e que faz parte da experincia
profissional de todos os clnicos (mesmo que no tenham percebido). Mudanas radicais, em idias antes tidas como
Figura 5
FATORES DOENA
dogmas absolutos da Medicina (leite em p substituindo o materno - anos 50; tonsilectomia para evitar a febre
reumtica - anos 60; leitinho gelado - anos 50 e muitos comprimidos de cimetidine - anos 80, para tratar gastrites e
lceras que eram, pelo menos em parte, de origem infecciosa). Esta lista forma certamente uma distribuio com
centenas de milhares de elementos, onde todos os mdicos possuem uma experincia pessoal a acrescentar.
determinada populao, ento os controles devem ser retirados desta mesma populao. Podemos assim
listar 3 tipos bsicos de controles (hospitalares, vizinhos e populacionais).
Para se iniciar a busca de controles, deve-se primeiro listar todos os fatores etiolgicos suspeitos ou
confirmados para a doena em estudo. No caso dos controles hospitalares, qualquer doena que afete os
controles e que divida algum fator etiolgico com os casos deve ser eliminada. Nos primeiros estudos sobre
cncer de pulmo e consumo de cigarros, os autores selecionavam controles dentre a populao
ambulatorial da Pneumologia (que no tinha CA de pulmo). Como o ambulatrio estava repleto de casos
de bronquite crnica (que tambm estava associada com o cigarro, sem que os pesquisadores soubessem), a
tabela resultante deste vcio na seleo seria :
Tabela IX
Casos de cncer comparados com uma populao controle do ambulatrio de Pneumologia
FUMO CASOS CONTROLES
PRESENTE 180 160
AUSENTE 20 40
TOTAL 200 200
Repare que os controles fumantes quase igualam o nmeros de casos de cncer tambm fumantes.
Como a relao entre os fator (fumo) e doena (cncer) s poder ser estabelecido se o fator estiver muito
mais presente entre os casos do que nos controles, a tabela resultante, apesar de ainda demonstrar um risco
maior de cncer entre os fumantes, apresenta este risco de uma forma muito subestimada em relao
realidade. Uma estratgia interessante que vem sendo aplicada nos ltimos anos a de selecionar controles
(que no tenham algum fator de risco comum aos casos) de inmeros setores diferentes do hospital. Desta
forma, mesmo que alguns controles tenham fatores de risco desconhecidos porem comuns aos casos, sua
presena (numrica) torna-se irrelevante frente aos outros que no possuem esta caracterstica.
axd
A estimativa de risco (razo dos produtos cruzados seria dada por (vide tabela IXa) por . Por
bxc
ora digamos que a razo dos produtos cruzados a relao entre os indivduos que concordam com a
hiptese formulada (casos que apresentam o fator de risco ou controles que no possuem o fator de risco - a
e d respectivamente) e aqueles que discordam desta hiptese (casos da doena que no possuem o fator
de risco e controles que o possuem - b e d respectivamente). Esta razo varia de 0 a infinito, sendo que
quanto maior o risco (RPC) maior seria a associao fator/doena (repare que no estou falando em causa).
Quando a RPC fica prxima de 1, dizemos que no haveria associao entre as 2 variveis e finalmente,
quando os valores ficam entre 1 e zero, dizemos que este fator de risco se comporta como um fator de
proteo (existem mais controles, no doentes, expostos ao fator do que os casos). Em nosso exemplo do
cncer de pulmo, a RPC foi subestimada (mas no desapareceu) pois apresentou um valor ao redor de 2,2,
significando que a doena foi 2,2 vezes mais freqente entre os expostos do que os no expostos
(atualmente sabe-se que este risco varia entre 2-3 at cerca de 30 (dependendo do nmero de cigarros
dirios e tempo de exposio prvia, fatores hereditrios etc.).
Tabela IXa
Um outro tipo de controle poderia ser obtido na vizinhana de onde o caso proveniente. Esta
estratgia interessante quando queremos eliminar aspectos sociais, econmicos etc. de nossa anlise.
Finalmente temos a opo de obter controles da populao geral, que vem a ser uma estratgia ideal, caso
recursos financeiros e temporais sejam abundantes. Nesta situao, estaremos nos baseando na assertiva de
que estes controles possuem a presena ou ausncia de algum fator(es) de risco segundo sua distribuio na
populao geral.
No fcil a escolha do melhor controle a ser utilizado durante o planejamento do estudo. Se
algum ser utilizado como comparao, isto significa que este indivduo dever ser examinado para se ter
certeza de que a patologia no est presente de forma assintomtica. Se por um lado, apenas o custo
adicional estaria envolvido em patologias como hipertenso, Leishmaniose, etc.., em doenas como AIDS
(preconceito), tumores de clon (exames no mnimo desconfortveis) e outras, a cooperao de uma
comunidade poderia estar bastante reduzida. Os pacientes hospitalares tendem a possuir mais fatores de
risco para doenas do que os controles populacionais (por sua prpria condio de doentes), apesar de
serem facilmente identificados, acessveis e cooperativos. Alguns estudos utilizam, quando possvel,
familiares de doentes hospitalizados, misturando assim vantagens de ambos os grupos. O fundamental
entretanto saber que cada fonte de grupo de comparao possui vantagens e desvantagens, que o
pesquisador dever conhecer para decidir ou tomar precaues durante a coleta de dados. Podemos por
exemplo formar 2 ou mais grupos de controles oriundos de diferentes fontes (se o dinheiro e tempo
permitir), comparando-se os resultados entre eles.
Vcios e erros nos estudos caso-controle
Ao estudar as concluses de qualquer trabalho cientfico, devemos sempre ter em mente que a
associao mostrada deve-se basicamente a 4 mecanismos: causao, vis de observao (medida e seleo)
e presena de variveis de interferncia (confounding)5.
A melhor maneira de se compreender estes diferentes componentes o de dividi-los em partes.
Digamos que o seu estudo seja o de medir o consumo de vitamina C ao longo dos anos como forma de
preveno do cncer de clon (consumo alto seria protetor). A varivel que est sendo medida (consumo de
vitamina C) est sendo recuperada ao longo do tempo, representando portanto uma estimativa, que muito
diferente da dosagem realizada ao longo dos anos, a medida que o consumo est sendo realizado. 6 O erro
resultante destas medidas pode ento ser dividido em 2 partes : na primeira, este aconteceu por acaso, isto ,
a cada x medidas, o mdico ou pesquisador estar errando uma determinada quantidade das mesmas. Este
erro, que dependente direto da tcnica utilizada, pode ser diminudo com maior treinamento do pessoal,
refinamento dos exames, utilizao de mais de um observador para cada doente (sem que um saiba o que o
outro est anotando) etc. O fundamental entretanto que este erro est ocorrendo ao acaso, ou seja, so
erros de medida que afetam qualquer uma das pessoas do estudo, algumas vezes subestimando o valor real
5
A presena destes vcios poder estar presente em qualquer um dos estudos epidemiolgicos.
absolutamente falsa a idia de que estudos experimentais ou de coorte seriam superiores aos seccionais ou
retrospectivos.
6
Este problema estar presente em outros estudos. Mesmo que medssemos a presso arterial, esta uma
estimativa dependente do momento do indivduo j que a PA arterial varia ao longo do dia, variar de
acordo com o observador, instrumento diagnstico, etc.
de interesse, outras superestimando (o que resulta que, numa amostra de tamanho apropriado, no haver
grandes problemas).
Na presena de um vcio (vis) entretanto, estamos frente a um princpio completamente diferente
de erro pois este est direcionado (tamanho direo ou ambos) para um determinado grupo em detrimento
dos outros. at intuitivo perceber que esta situao muito mais grave que a anterior (aleatria) no sentido
de agora podermos influenciar fortemente a pesquisa em qualquer direo, isto , mostrar associaes
inexistentes ou o oposto.
Os vieses so divididos em 3 grupos bsicos (seleo, medio e interferncia ou confounding). Na
seleo o problema consiste numa chance maior de que os casos expostos ao fator de risco sejam
selecionados. Nos grficos III e IV, temos um exemplo deste vis. A Leishmania (Viannia) brasiliensis a
predominante dentre os casos registrados no Rio de Janeiro, enquanto que a Leishmania (Viannia)
guyanensis raramente diagnosticada no estado. A anlise mais pormenorizada desses dados nos mostra
que todos os casos de Leishmania (Viannia) guyanensis so importados de outros estados, o que faz com
que qualquer anlise de gravidade, extenso das leses etc. estejam baseadas num grupo previamente
selecionado (casos graves que vieram para tratamento no Rio de Janeiro, cidade com mais recursos que seus
hospitais de origem). O vis de seleo tambm poderia ocorrer no sentido oposto, quando os controles
expostos tiverem mais chance de seleo do que os no expostos (cncer e fumo do exemplo anterior).
Vemos portanto que o vis de seleo pode superestimar ou subestimar a associao estudada, dependendo
do sentido da seleo.
Evitar o vis de seleo depender basicamente do conhecimento prvio do investigador sobre a
fonte deste vcio (o que nem sempre possvel). A incluso de um segundo grupo controle, oriundo da
comunidade uma das formas de tentar contorn-lo ou estim-lo. Nada impede entretanto que este vis
esteja presente em ambos os grupos de comparao. Os estudos retrospectivos so particularmente
complicados no que tange aos vieses de seleo, pelo fato da varivel de exposio ter ocorrido
previamente, a seleo de casos e controles poder estar influenciada pela exposio (grandes fumantes com
excesso de peso e vida sedentria podero sofrer enfartes fulminantes (IAM), no chegando portanto a
serem atendidos no hospital, o que subestimaria o risco destas variveis, que por sua vez poder estar
presente numa grande proporo de pacientes internados com outras patologias, subestimando mais ainda a
relao vida no saudvel x IAM. As fontes mais comuns de vieses de seleo compreendem a escolha
inicial de casos ou controles (hospitalares) que tendem excluso de determinados grupos especficos.
Alm disso, a utilizao de casos prevalentes tende a selecionar os sobreviventes da doena que est sendo
analisada.
Grfico III
90 Cutnea
100 Cutneo-mucosa
Mucosa
80
50
50
60
40
40 30
25
20
0
Lbb Lbg
Grfico IV
Distribuio da Leishmaniose
segundo procedncia
Morador do RJ
Sim
No
O vis de informao se refere distoro existente na estimativa do efeito que est sendo
estudado, quando as medidas de exposio ou doena esto sistematicamente erradas. Tais erros so
provenientes de falhas no questionrio, procedimento diagnstico, aparelhos de medio etc., de tal forma
que um ou mais indivduos so erradamente classificados quanto a sua exposio ou doena. O
reclassificao dos valores assim obtidos no nos permite trabalhar do mesmo modo que no vis de seleo,
isto , quantificar ou tentar quantificar o vis de seleo atravs da relao entre a razo de seleo entre
doentes e no doentes ou entre expostos e no expostos.
Todavia o vis de informao nos permite a criao de 2 novos parmetros, quais sejam a
sensibilidade e a especificidade. Para melhor ilustrar este ponto, examinemos a tabela X onde esto
representados os dados efetivamente colhidos (populao amostral) e a populao para a qual pretendemos
extrapolar os resultados (populao alvo).
Tabela X
Ao DOENA
EXPOSIO SIM NO Bo !
SIM A B POPUL. ALVO
NO C D "
Co Do
POPULAO AMOSTRAL
A relao entre as duas populaes acima ser dada por , , e de tal forma que :
A B C D
= ; = ; = ; = sero as probabilidades com que uma pessoa da
Ao Bo Co Do
populao alvo ser membro da populao selecionada na amostra. Isto nos permite calcular a
razo de seleo para cada uma das clulas. Assim:
/ ser a razo de seleo para os expostos
/ a razo de seleo entre os no expostos
/ a razo de seleo entre os doentes
/ a razo de seleo entre os no doentes
No vis de seleo, sempre que as propores forem maiores que , estaremos
superestimando a RPC. No vis de informao a situao diferente, pois o que ocorre que subgrupos de
exposio-doena so classificados erradamente nas diversas clulas da tabela analisada (no primeiro caso a
seleo tornou mais provvel a entrada de determinados indivduos em detrimento de outros, no segundo os
indivduos so equivocadamente alocados ao longo da tabela a ser analisada). Veja as tabelas XI e XIa.
Repare que devido aos erros de medio, qualquer uma das clulas (Ao, Bo, Co ou Do) formada
por uma coleo de erros onde a11 so realmente os indivduos expostos e doentes, mas a12+a21+a22
representam pessoas erradamente classificadas como expostas e doentes (a12 um exposto no doente, a21
um doente no exposto, a22 um no doente no exposto). O mesmo raciocnio pode ser estendido para Bo,
Co e Do. Se pusssemos representar a verdade, ela estaria na tabela XIa, onde todos os erros de medio
foram corrigidos, jogando-os corretamente na clula ao qual pertence. O mesmo raciocnio pode ser
realizado aqui onde b11+c11+d11 sero doentes expostos que ao serem diagnosticados (vide tabela XI) sero
erradamente posicionados nas clulas Bo, Co e Do respectivamente.
Tabela XIa
DOENA
EXPOSIO SIM NO
SIM A = a11+b11+c11+d11 B=a12+b12+c12+d12
NO C=a21+b21+c21+d21 D=a22+b22+c22+d22
Um ponto fundamental que no vis de informao, a presena dos erros a12, a21, a22,...,
..., 12 21 22, fazem com que o vis resultante no possa ser tratado como uma probabilidade pois a soma
d ,d ,d
desses vieses pode exceder a unidade (isto , a12+a21+a22 fazendo com que A0 possa ser maior do que A)7.
Uma maneira de resolver este problema reside em examinar a sensibilidade e especificidade para estimar a
probabilidade do erro de informao. A sensibilidade dada pela probabilidade com que os doentes
expostos sejam corretamente classificados como tal. A especificidade se refere a probabilidade de acerto ao
classificar os no doentes no expostos, sendo representados por:
A0 D0
Sensibilidade = e Especificidade =
A0 + C 0 B0 + D0
Conhecer (ou ter uma noo) sobre a sensibilidade e especificidade dos exames utilizados ou
interpretados por qualquer profissional de sade de suma importncia. Digamos que voc gerencie um
banco de sangue onde realiza-se a triagem para o vrus HIV de todos os doadores. Perceba que o objetivo da
triagem no o diagnstico dos doadores e sim capacitar o banco de sangue a receber a menor quantidade
de sangue contaminado possvel, e fundamentalmente, tentar garantir que se houver algum sangue
contaminado, este no ser aceito para futuras transfuses. Se o gerente dessa unidade pudesse ter em mos
a verdade, contrapondo-a com o ELISA utilizado na triagem, teramos uma situao semelhante a tabela
XIb. A e D representam momentos onde o diagnstico realizado pela ELISA esto de acordo com a
verdade. Por outro lado, 2 tipos de erros podero ocorrer. O primeiro diagnosticaria a doena em pessoas
onde ela no existe (falso positivo) e no segundo (falso negativo) haveria a falha em diagnosticar um doador
contaminado, aceitando-se o sangue para posterior transfuso (falso negativo). Por mais importante que seja
diagnosticar corretamente um caso de SIDA (doena fatal com grande carga de preconceito), o fundamental
no banco de sangue tornar mnimo o nmero de falsos negativos. A questo relativa aos falsos positivos ,
neste caso, administrativa ou seja, poderemos liberar os resultados positivos apenas aps retestar o sangue
(o que realmente feito nos bancos com boa qualidade de atendimento). Voltando ao problema em questo,
digamos que a sensibilidade e especificidade do ELISA seja respectivamente de 99% e 99,5% (o que uma
aproximao bastante razovel da realidade, visto que este um dos exames mais sensveis e especficos
que existem). Aplicando este exame numa populao de 100.000 doadores, com prevalncia baixa de
infeco (prevalncia = 1%) teremos pela tabela XIc:
Tabela XIb
A B C D
7
O que no ocorrer com o vis de seleo onde = , = , = ou = sero no
Ao Bo Co Do
mximo iguais a 1 (quando realizarmos o censo).
DOENTES A B A+B
NO DOENTES C D C+D
Tabela XIc
DOENTES NO DOENTES TOTAL
(VERDADEIROS) (VERDADEIROS)
A D
0,99 = A = 990 e C = 1000 -990 = 10; 0,995 = D = 98.505 e
1000 99.000
B=99000 - 98.505 = 495
dentre as principais concluses da anlise da tabela XIc encontramos:
Um total de 10 doentes (HIV+) foram tidos como normais (sangue aceito para posterior
doao), num banco de sangue que utilizou corretamente uma tcnica extremamente sensvel.
Da a recomendao de s utilizar sangue, quando houver risco de vida para o paciente a ser
transfundido, pois sempre haver o risco deste estar contaminado.
Houve um grande nmero de falsos positivos. O que mostra que o diagnstico no deve ser
levado em considerao antes da confirmao por outro ELISA ou uma combinao do ELISA
com outros testes.
mdico no dispe da verdade e sim dos resultados do exame. Repare que dentre os 1485
exames positivos, houve acerto em apenas 990, isto , um resultado positivo tem apenas
990
= 66,7% de probabilidade de acerto (Valor Preditivo Positivo), o que fortalece a
1485
assertiva anterior que este diagnstico, nesta populao no confivel.
98505
Dentre os 98. 515 diagnsticos negativos, houve acerto em 99,99% , ou seja, a
98.515
probabilidade de corretamente diagnosticar uma pessoa como HIV-, nesta populao, foi de
99,99% (valor preditivo negativo).
Utilizando agora o mesmo exame, aumentando entretanto a prevalncia de SIDA entre os doadores
para 30% teremos (tabela XId):
o nmero de falsos negativos nesta populao de 300 (um acrscimo de 3.000 % !!!).
Levando-se em considerao que cada bolsa poder ser utilizada em cerca de 15 diferentes
subprodutos, a utilizao deste grupo populacional para um banco de sangue no mnimo
catastrfica.
Houveram apenas 350 falsos positivos, a probabilidade de acerto do diagnstico foi (Valor
29700
Preditivo Positivo) de 98,8% , o que transforma o teste num parmetro confivel
30050
de diagnstico.
69650
Apesar do valor preditivo negativo ser tambm alto 99,6% , devemos analisar no
69950
apenas a probabilidade e sim o que 300 bolsas de sangue contaminado representam.
A nica mudana realizada, j que sensibilidade e especificidade tendem a ser razoavelmente
constantes, foi a troca de prevalncia. De fato, prevalncias baixas tendem a produzir mais
erros do tipo falso positivo, enquanto que prevalncias altas estes ocorrero mais nos falsos
negativos. A estratgia dos bancos de sangue tende a retirar os grupos de comportamento de
risco (teoricamente com maior prevalncia) de seu estoque de doadores. Dentre as mltiplas
estratgias temos questionrios que visem eliminar doadores com comportamento de risco
(doena sexualmente transmissvel prvia, nmero de parceiros diferentes nos ltimos 2 anos
etc.), bem como a criao de locais onde todos os interessados podero ser testados
anonimamente, retirando assim dos bancos, pessoas interessadas em doar sangue apenas para
conhecer seu status sorolgico.
Tabela XIc
DOENTES NO DOENTES TOTAL
(VERDADEIROS) (VERDADEIROS)
A D
0,99 = A = 29.700 e; 0,995 = D = 69.650 e C
30.000 70.000
= 30.000 -29.700 = 300
erro de medio com sensibilidade e especificidade de 0,8 e 0,7 para os casos e para os controles uma
sensibilidade de 0,9 e especificidade de 0,8, gerando assim as tabelas XIIa e XIIb respectivamente. A RPC
700 x800
da tabela XII (verdade) ser de = 9,33 (a doena 9,33 vezes mais freqente entre os expostos
200 x 300
do que entre os no expostos). Duas tabelas com classificao equivocada podero ser formadas (XIIa e
XIIb) para casos e controles respectivamente.
Tabela XII
DOENA TOTAL
EXPOSIO SIM NO
SIM 700 200 900
NO 300 800 1100
TOTAL 1000 1000 2000
Tabela XIIa
CASOS EXPOSTOS TOTAL
EXPOSIO SIM NO
SIM 560 90 650
NO 140 210 350
TOTAL 700 300 1000
a
0,9 = = 180 , resultando em 20 indivduos erradamente classificados como controles no
200
expostos. Por outro lado, dos 800 doentes no expostos, teremos que
d
0,8 = = 640 classificando erradamente 160 pessoas. De forma semelhante a tabela XIIa, a
800
parte que ser visualizada pelo pesquisador (que no tem acesso verdade) ser o total de 340 (controles
expostos) e 660 (controles no expostos) ao invs dos 200 e 800 que realmente existiam. A tabela resultante
deste vcio de medio (tabela XIIc) ser :
Tabela XIIc
CONTROLES EXPOSTOS TOTAL
EXPOSIO SIM NO
SIM 650 340 990
NO 350 660 1010
TOTAL 1000 1000 2000
650 x 660
Com uma RPC de = 3,60, formando um vis no sentido de subestimar (em mais de
340 x 350
200% !) o risco real de 9,33. Esta discusso est muito longe de ser um detalhe terico. A sensibilidade ou
especificidade da maior parte dos exames utilizados no meio mdico raramente ultrapassam 80%. Exames
radiolgicos (ao redor de 70-80%), aferio da presso arterial (50-70% dependendo do profissional,
aparelho, doente etc.), nos fornecem alguns exemplos sobre a importncia e magnitude deste problema.
Na maior parte dos estudos epidemiolgicos, a associao entre 2 variveis deve tambm levar em
conta a presena de fatores externos que possam alterar a associao estudada, fenmeno este conhecido
como confounding ou interferncia. Os princpios bsicos que envolvem este fenmeno pode ser definido de
forma simplista como um fator de risco para uma doena qualquer, cujo controle libera ou corrige
parcialmente a relao exposio-doena anteriormente detectada. Em outras palavras, uma varivel de
interferncia distorce a associao exposio-doena, por estar associada a ambas. Exemplos :
a) Os primeiros estudos sobre etiologia da AIDS apontavam que a causa poderia ser o uso de
Nitrito de amilo, apontado em diversos estudos do incio dos anos 80. Descobriu-se mais tarde que o Nitrito
de amilo (NA) era utilizado por homossexuais de mltiplos parceiros como um relaxante anal. O NA estava
portanto associado no com a doena mas sim com os homossexuais com comportamento de alto risco
(mltiplos parceiros).
b) Se no possussemos idia acerca da relao fumo-cncer, carregar fsforos ou isqueiro no
bolso nos traria uma interferncia pois fsforo-cncer possui uma associao quase to forte quanto fumo-
cncer.
c) Recentemente publicou-se um livro (a curva normal) onde os autores alegavam que os negros
americanos eram em mdia menos inteligentes que a populao branca. Os autores inadvertidamente
esquecem entretanto que a compreenso dos testes por parte da populao negra, que teve menos acesso
social s boas escolas, influencia na resposta dos mesmos.
d) Supondo que no exista a relao entre IAM em mulheres que usem anticoncepcionais, e que as
que usam estrognios tenham uma prevalncia maior de fumo, detectaremos um risco estrognio-IAM at o
momento em que possamos controlar a varivel fumo (interferncia).
As variveis de interferncia agem em qualquer sentido, isto , aumentando ou diminuindo uma
associao estudada. importante observar que praticamente impossvel estabelecer todos as possveis
interferncias entre a populao amostral estudada e a populao real, entre outras razoes pelo simples fato
de que uma boa parte destas so desconhecidas da cincia em dado momento do tempo, sem contar o fato de
que estaro sempre presentes num estudo. O ponto crucial entretanto o de pelo menos tentar estabelecer
se estas variveis de interferncia estaro sub ou superestimando o risco da populao amostral estudada.
Para se lidar com elas podemos agir durante o desenho do estudo ou ainda durante a anlise dos dados. No
primeiro caso, podemos restringir a participao para apenas alguns indivduos (idades semelhantes ou
diagnsticos localizados numa determinada fase etc.) ou ainda pare-los para algumas variveis que
desejamos descartar. A restrio consiste em eliminar determinados indivduos (mulheres no fumantes ou
que deixaram de fumar h pelo menos 10 anos no caso do exemplo d). No pareamento escolhemos o grupo
de comparao de tal forma a faz-los semelhantes aos casos em funo das variveis de interferncia que
desejamos eliminar. Ainda no mesmo exemplo, para cada mulher fumante, escolheramos um controle
fumante. O pareamento possui 3 objetivos distintos :
aumentar a eficincia do estudo
controlar as variveis de interferncia
melhorar a comparabilidade das informaes coletadas
Os principais tipos de pareamento so os de freqncia e o individual. No primeiro, as principais
variveis de interferncia so distribudas de forma similar em ambos os grupos de comparao (casos e
controles). O pareamento individual, na sua forma mais simples, incluir cada controle em funo de cada
caso, formando assim pares. Ao contrrio dos estudos clssicos, a anlise dos dados dever ser realizada
com tcnicas que levem em considerao a formao destes pares (o que pode complicar bastante esta fase,
quando necessitamos por exemplo controlar outras variveis de interferncia) durante a anlise dos dados).
As principais vantagens do pareamento residem exatamente quando uma interferncia importante no pode
ser facilmente medida, tais como fatores sociais complexos, exposies ambientais mltiplas em indstrias
ou no meio ambiente, sendo til o pareamento por vizinhos, irmos gmeos etc.
Em contrapartida, o pareamento individual uma tcnica relativamente complexa tanto do ponto
de vista prtico quanto conceitual. Inmeros controles inicialmente contactados so posteriormente
descartados (perdendo-se tempo e dinheiro), existe uma maior tendncia de se perder dados, pois se um
membro do par no responde de forma adequada, o par inteiro perdido, aumentando-se a dificuldade
durante a anlise. Finalmente, talvez a mais importante restrio a esta tcnica deve-se ao fato de que a
varivel pareada fica perdida para anlise, no nos permitindo model-la posteriormente (o que poderia ser
feito com uma amostra maior sem pareamento).
Uma outra estratgia para lidar com as variveis de interferncia a de trabalh-las durante a
anlise de dados, lanando-se mo da estratificao e da anlise multivariada. A estratificao nos estudos
caso-controle segue os mesmos princpios que nos estudos de coorte, isto , os dados so divididos em
estratos segundo os diversos nveis da varivel de interferncia, calculando-se a RPC para cada um deles.
Um problema que poder surgir (dependendo do tamanho da amostra e do nmero de estratos a serem
formados) a presena de poucos casos ou controles ao longo dos estratos a medida em que estes
aumentam, levando em conseqncia a uma instabilidade dos estimadores que esto sendo detectados. Uma
das maneiras de se contornar este problema foi desenvolvida por Mantel-Haenszel (1959) conhecido como
razo de chances de Mantel-Haenszel que nos fornece uma mdia ponderada da RPC por estrato,
ponderao esta que dada pelo nmero de observaes em cada estrato.
Uma outra forma de controlar as variveis de interferncia, est englobada nos diversos mtodos
que chamamos de anlise multivariada. As tcnicas de anlise multivariada tentam responder questo de
interao entre diversas variveis simultaneamente. Tcnicas como a regresso logstica permitem o estudo
de diversos fatores (alguns ordinais outros intervalares - ver adiante), fornecendo, entre outros atrativos, a
possibilidade de estudar o risco desses fatores, quando controlados por todas as variveis do modelo. Caso
seja de seu interesse h uma vasta bibliografia pertinente ao assunto. Tcnicas de anlise multivariada
exigem um analista experiente por trs das mesmas. A anlise de modelos complexa, exigindo muitas idas
e vindas at se chegar ao modelo ideal. Neste processo, fundamental a presena do clnico formando uma
equipe com o estatstico e/ou epidemiologista. Alguns aspectos da anlise de dados sero vistos mais
adiante.
Estudos de coorte
Os estudos de coorte, tambm denominados de incidncia, seguimento ou prospectivo, envolve um
desenho no qual as informaes sobre um fator de estudo (indivduos expostos - E - e no expostos - )
so conhecidos para todos os participantes do estudo no incio do seguimento. Esta populao seguida
durante um perodo determinado onde novos casos de ou a morte pela doena estudada (ou ainda outras
doenas) so observados em cada grupo (E e ), conforme a figura 6.
No expostos ()
A maior aplicabilidade deste mtodo se refere a doenas com ocorrncia relativamente freqentes
tais como coronariopatias, infees hospitalares, acidentes de trabalho, acidentes automobilsticos, gestao
etc. A forma mais simples de se estruturar um estudo de coorte, consiste em excluir os casos prevalentes na
populao estudada, seguindo-se a partir deste momento um grupo de pessoas expostas a um fator de risco
determinado, por um perodo dado de tempo (no somos obrigados a seguir toda a populao at que a
doena aparea e sim atravs de um tempo pr-determinado). A idia bsica que se a proporo de casos
(ou bitos) pela doena em questo for maior num grupo (E) do que noutro (), pode-se inferir sobre a
associao entre o fator de risco estudado e a incidncia da doena em questo.
Um estudo de coorte pode ser totalmente prospectivo (acompanhando uma coorte de um momento
do tempo em diante), retrospectivo (utilizando-se dados secundrios - alternativa cada vez mais usada com a
acessibilidade de macro bancos de dados hospitalares) e o ambidirecional. A introduo do seguimento de
uma dada populao apresenta, para os estudos de coorte uma certa similitude aos estudos experimentais, o
que os faz como os prediletos para cientistas que buscam estabelecer inferncias causais. Sem querer
estabelecer uma grande polmica, fundamental que se tenha em mente que qualquer que seja o estudo
utilizado, todos sem exceo podem ser viciados segundo tantos fatores (inclusive os experimentais), que
uma ingenuidade acreditar que a escolha de um modelo de estudo ir apresentar salvaguardas contra
concluses absolutamente equivocadas. O seguimento de uma populao atravs do tempo, pode tornar os
estudos de coorte quase impraticveis. Doenas como cncer de pulmo apresentam dificuldades bvias,
pois so relativamente raras e com longo perodo de latncia entre exposio e doena, gerando a
necessidade de se formar e seguir uma coorte de 200.000 pessoas - grande nmero necessrio por ser raro -
durante 30 ou 40 anos - longo tempo de evoluo) tornando o estudo complexo em termos de logstica e
custo. Apesar da maioria dos textos didticos utilizarem este tipo de exemplo quando descrevem os estudos
prospectivos, fundamental perceber que podemos criar inmeras coortes com custos muito reduzidos.
Dentre os vastos exemplos disponveis esto os estudos entre exposio de gestantes a inmeros fatores
(medicamentos, ambiente de trabalho etc.) e reflexos sobre as crianas. O longo tempo de incubao se
resume aos 9 meses da gestao, que por ser corriqueira, possibilita que achemos facilmente um universo de
candidatos ao estudo. Por outro lado, achar uma m-formao congnita no a mesma coisa que esperar
detectar um tumor (mesmo problemas auditivos necessitariam talvez de 2 ou 3 anos para serem
determinados, o que no se compara com os 30 ou 40 anos do cncer). Estudos sobre fatores de risco para
infeo hospitalar tambm so corriqueiros, visto que o prazo aqui sequer o de meses e sim dias ou
semanas. Atualmente a maior parte dos hospitais com um mnimo de qualidade, mantm equipes de
controle de infeco que seguem coortes de pacientes internados, verificando assim a incidncia das
infees hospitalares (separando inclusive segundo os diversos fatores de risco tais como uso do respirador,
cateter central etc.).
Outra abordagem para os estudos de coorte so os denominados prospecitvos-retrospectivos ou
prospectivos histricos. A idia bsica que havendo uma populao de onde se coletou as informao de
interesse no passado, poderamos hoje, baseados neste seguimento, analisar os dados como se estivssemos
acompanhando a populao desde o incio da formao da coorte. Digamos que suspeitamos da relao
entre altas doses de radiao e um determinado tipo de astrocitoma. A formao e seguimento de uma
coorte demandaria um enorme esforo de recursos e tempo. Por outro lado, ao explodir as bombas de
Hiroshima e Nagasaki, grupos de cientistas examinaram os sobreviventes, acompanhando-os
periodicamente numa rotina que vem at os dias atuais. O acesso a esses dados, daria a um pesquisador
hoje, o aparecimento de casos novos (incidncia) do cncer em que estamos interessados, ao longo das
dcadas, em uma populao exposta a uma terrvel arma de guerra. A principal vantagem neste estudo que
a populao foi acompanhada (por outros) ao longo do tempo. Como controle podemos utilizar a incidncia
de mortalidade no mesmo perodo de tempo numa populao no exposta (habitantes de Tquio por
exemplo). fundamental perceber que a formao de uma coorte no depende da direo do seguimento da
exposio (isto , se esta ocorreu no passado ou hoje), e sim se existe ou no um denominador (populao
exposta). Estes desenhos so particularmente importantes nos dias atuais, onde macro bancos de dados
hospitalares vem sendo organizados, em velocidade quase exponencial. Apesar de inmeros autores
levantarem srias e importantes objees a estes estudos, a facilidade, rapidez e baixo custo deste mtodo,
associados a experientes clnicos e epidemiologistas no momento de planejamento e anlise do estudo, pode
fornecer valiosas informaes com uma frao do custo necessrio para executar uma coorte clssica.
Medidas de freqncia de doenas:
Dentre as medidas de freqncia de doenas importante diferenciar 3 classes de expresses
matemticas ou seja, propores taxas e razes.
A proporo o resultado de uma frao onde o numerador est includo no denominador. Ela
geralmente expressa em percentagem no possuindo dimenso e variando entre 0 e 1.
A taxa definida como a mudana instantnea de uma quantidade (em nosso caso de sadio para
doente ou vivo para morto) por unidade de mudana de outra quantidade (geralmente tempo ou populao
no tempo). Construindo-a desta forma, a taxa no apresenta dimenso alm de poder variar at o infinito
(no possui um valor mximo). Na epidemiologia, devido a quase impossibilidade de se medir uma taxa
instantaneamente, trabalhamos com a taxa mdia (casos ocorridos num determinado intervalo, como se
fosse uma velocidade mdia de transformao de sadios em doentes.
A razo uma frao onde o numerador no est includo no denominador. Existem 2 tipos bsicos
de razes : uma adimensional (nmero de leitos hospitalares por 100.000 habitantes) e outra dimensional
(bitos numa populao, em determinado ano, por 1000 nascidos vivos, nas mesma populao e ano).
As principais medidas utilizadas em epidemiologia podem ser agrupadas em 3 categorias: medidas
de freqncia de doena, medidas de associao e medidas de impacto potencial. As medidas de freqncia
vo caracterizar a doena, incapacidade ou morte numa dada populao, sendo portanto fundamentais para
qualquer desenho epidemiolgico que se esteja utilizando, como pde ser visto na primeira parte deste texto
(pessoa, lugar e tempo). As medidas de associao se referem fora da relao entre determinados fatores
em estudo e a doena propriamente dita (proporo de cncer entre fumantes e no fumantes, casos de
infeco hospitalar entre os que utilizaram ou no respirador, hipertenso entre os que trabalham ou no em
determinado setor de uma fbrica etc.). Finalmente, as medidas de impacto potencial refletem o impacto
esperado para determinada doena, caso o(s) fator(es) de risco sejam controlados ou eliminados. De uma
certa forma, as medidas de impacto potencial, seriam um meio termo entre as medidas de associao e as de
freqncia. Sabemos, atravs destas medidas que a eliminao do fumo conseguiria eliminar cerca de 95%
dos casos de cncer de pulmo atualmente registrados. Por outro lado, eliminao do mesmo fator de risco
(fumo), seria responsvel pela reduo de menos de 10% dos casos de IAM. Desta forma, elas medem a
eficcia e efetividade de manobras de interveno em uma populao.
As medidas de freqncia baseadas em casos novos ou incidentes so particularmente interessantes
para se identificar fatores de risco. Analogamente estas medidas so tipicamente determinadas pelos estudos
de coorte (o que explica a predileo deste mtodo por inmeros pesquisadores). Existem basicamente 2
medidas de incidncia (risco e taxa), sendo que cada uma pode ser determinada de maneiras distintas,
dependendo do mtodo de estudo escolhido.
O risco pode ser definido como a probabilidade com que uma pessoa saudvel de uma referida
populao desenvolver uma dada doena, num perodo especificado de tempo8. Como o risco trata de uma
probabilidade condicional, ele adimensional podendo variar de 0 a 1. Este conceito de risco implica na
definio de um perodo de tempo onde os novos casos sero detectados. Este perodo por sua vez, poder
ser fixo para toda a populao ou ainda ser varivel, permitindo que cada indivduo contribua com a
quantidade de tempo em que permaneceu sendo observado9.
A taxa de incidncia por outro lado, refletir a mudana instantnea potencial do status da doena
(ocorrncia de novos casos) por unidade de tempo. As duas diferenas tcnicas entre risco e taxa que a
segunda alm de ser dimensional, , ou seja, ser expressa em unidades de tempo, podendo exceder a unidade,
a sua interpretao se refere exclusivamente populao em estudo, sem permitir uma interpretao direta
no nvel individual, o que no ocorre com o risco10.
Como vimos acima, dificilmente poderamos obter uma taxa instantnea. Alternativamente
utilizamos a taxa mdia, que seria o equivalente da velocidade mdia de um carro (em nosso caso, a
velocidade mdia em que um indivduo sadio ou vivo se transforma num doente ou morto). Esta taxa mdia
conhecida como densidade de incidncia (DI) e estimada como:
I
DI = onde I o n. de casos novos que ocorreram no intervalo de tempo entre o incio (t0) e o
PT
final da observao (t1) realizada e PT representa o nmero de pessoas-tempo obtidas pela soma da
contribuio de tempo de cada pessoa includa no estudo. Podemos calcular PT de duas maneiras distintas,
dependendo do desenho de estudo. Caso a permanncia individual de cada pessoa possa ser conhecida, ele
ser dado pela soma da contribuio de cada indivduo, ou seja :
N
PT = t , onde t ser o tempo de seguimento de cada indivduo i, desde sua entrada no estudo
I =1
i i
at a deteco da doena ou perda do acompanhamento (morte por outra causa, desistncia de participar,
8
Esta uma probabilidade da populao que completamente diferente da probabilidade de determinado
indivduo. O fato de dizermos que um fumante pesado (mais de 2 maos por dia) apresenta um risco 20
vezes maior de adquirir um cncer de pulmo do que um no fumante, isto no quer dizer que possamos
chegar a um determinado indivduo e prever se este ter ou no cncer (por mais fumante ou virtuoso que
seja). Este ponto importantssimo e freqentemente interpretado de forma equivocada pelos clnicos e
outros profissionais da rea da sade.
9
Esta ltima opo bastante interessante, pois se resolvemos acompanhar trabalhadores de uma fbrica,
doentes de AIDS etc. por 2 anos, pessoas podero morrer por outras doenas, serem demitidas etc., antes de
completar o perodo de observao estipulado. Caso possamos utilizar o perodo com o qual cada indivduo
contribuiu para o estudo, estas perdas no traro maiores transtornos.
10
Ao terminar uma coorte, digamos que a mortalidade num acompanhamento de 24 meses, em pacientes
com AIDS terminal e infectados com Mycobacterium avium, tenha sido de 450/1000. Como este um dado
de nossa coorte, no pensaramos em extrapolar os mesmos para pacientes no Canad, EUA ou So Paulo.
Por outro lado, se dissermos que o risco de morrer, em at 24 meses, visto que um paciente infectado por
Mycobacterium avium 5 vezes maior do que nos no infectados, passamos a ter um dado que pode ser
extrapolado para outras populaes.
etc.). Por outro lado, quando no conhecemos os tempos individuais de seguimento ti, PT poder ser
obtido multiplicando-se o tamanho da populao (N) pela durao do seguimento (t). Este segundo
mtodo assume entretanto que a populao em questo dever ser estvel (no variando muito em
composio etria e principalmente em tamanho ao longo do perodo em observao.
O estudo das infeces hospitalares recebeu uma grande contribuio, atravs do desenvolvimento
pelo Center for Disease Control (CDC - Atlanta), de um mtodo de seguimento denominado NNISS
(National Nosocomial Infection Surveillance System). Um dos componentes do NNISS, o sistema de
vigilncia das infeces ocorridas em CTI, ilustram de forma excepcional as questes analisadas at este
ponto. Digamos que uma enfermeira ou mdico da Comisso de Controle de Infeo Hospitalar visite,
diariamente, o Centro de Tratamento Intensivo de determinado Hospital, anotando os dados que constam da
tabela XIII. Repare que a soma da 1 coluna nos fornecer o nmero de indivduos, enquanto que a segunda
a soma da durao individual de internao, que poder ser utilizado no clculo da densidade de incidncia
das infees hospitalares, para dado CTI num referido ms. Adicionalmente, podemos calcular a densidade
de incidncia para diversos fatores considerados como risco (respirador, cateter central, sonda vesical), nada
impedindo que a CCIH crie outros fatores (nutrio parenteral, cateter umbilical no CTI infantil etc.). Cada
um destes fatores poder fornecer uma densidade de incidncia especfica para a exposio de interesse.
Repare que como estamos lidando com um CTI, a populao absolutamente instvel, isto , existiro
perdas por inmeros fatores no lidados doena em questo, como alta para enfermaria ou hospital de
apoio (questes financeiras), necessidade do leito para outros pacientes (grande demanda dos hospitais
pblicos etc.).
O importante que multiplicar a populao pelo tempo de acompanhamento um claro disparate,
devido a grande flutuao destes pacientes, da a importncia de se trabalhar com a densidade de
incidncia.
Tabela XIII
10
etc.
etc.
24
25
26
27
28
29
30
31
Existem 3 mtodos bsicos para se estimar o risco (cumulativo simples, atuarial e o de densidade).
Para uma dada coorte, seguida por t anos, podemos estimar o risco calculando a proporo de indivduos
que desenvolvem a doena no perodo de tempo t0,t. Esta proporo conhecida como incidncia
acumulativa (IC), possuindo como grave limitao a necessidade de que a durao do seguimento (t) de
todos os no casos seja igual (o que dificilmente ocorrer numa coorte do mundo real). Caso isto ocorra, IC
ser dado por (ICt0,t) = I/N0. Como o risco uma probabilidade condicional11, a no ser que possamos
conseguir um tempo idntico de seguimento para todos os no casos, alm de conhecer o momento exato
em que as pessoas se tornaram doentes (que representa uma situao bastante inverossmil no meio mdico),
a incidncia acumulativa (IC) no ser um bom estimador do risco.
O mtodo atuarial (que utiliza a tbua de vida - ver adiante) utilizado quando se sabe que o
tempo de seguimento varia entre os indivduos da coorte. Neste mtodo a incidncia acumulativa C) ser
I
dada por I (to,t) = onde w o nmero de perdas da populao, no intervalo t0,t de um estudo com
w
No
2
durao t. Em outras palavras, o denominador representa a populao de risco de desenvolver a doena no
intervalo de tempo t0,t, assumindo-se que as perdas se daro no meio do intervalo de tempo considerado.
Para o clculo do risco durante o perodo acumulado de tempo to,t temos Risco(to,t) = IC(to,t) = 1-
(1 IC ) ou seja, num estudo de durao t = 5 anos, com intervalos anuais de observao (t ,t) = 1
=1
o
Em resumo, a quantificao da incidncia pode ser feita de maneiras distintas, sendo que a escolha
por um ou outro mtodo depender do tipo de estudo sendo realizado. Caso desejssemos prever a mudana
individual do estado de sade de um indivduo, baseados em certas caractersticas da exposio, a medida
de interesse seria o risco, j que este mais relevante em termos de prognstico do paciente. Se por outro
lado nosso interesse estivesse voltado para testar uma hiptese etiolgica qualquer, deveramos utilizar uma
taxa. Em tese, a utilizao da taxa absolutamente correta, quando diante de uma doena crnica, onde o
perodo de seguimento representa apenas uma parte do tempo total em que o indivduo est em risco de
desenvolver a doena (coortes de cncer, AIDS etc.). Por outro lado, nas doenas agudas (diarria, infees
hospitalares etc.), onde o pesquisador tem condies de conhecer todos os casos, pode-se utilizar o risco
para se realizar inferncias causais.
Imaginemos a situao listada na tabela XIV, que representa (dados hipotticos) a sobrevida de
pacientes para uma doena qualquer. No incio do estudo existiam 301 pessoas, onde todas completaram o
primeiro intervalo de tempo (ano, semestre, ms etc.) que se utilizou na anlise, dando como conseqncia
uma proporo de sobrevida de 100% (ver linha 1 da tabela XIV). No segundo intervalo analisado, vemos
que houve uma perda de 42 pessoas, e ningum morreu durante este perodo de observao. A sobrevida
deve levar em conta que esta sada no entra no clculo da mortalidade. No prximo intervalo portanto
(intervalo 3), existiam 301 - 42 = 259 pessoas a serem consideradas, das quais 18 morreram (proporo de
sobreviventes ser igual a (259 - 18) / 259 ou seja 0,9268. Repare tambm que para o prximo intervalo,
deveremos descontar 25 pessoas que completaram o terceiro intervalo mas no estaro presentes no
prximo.
O grfico resultante da tabela XIV mostrar o decaimento na proporo de sobreviventes at que
no existam mais pessoas a serem analisadas no intervalo estabelecido de observao da coorte.
11
O senso comum sobre probabilidade o lanamento de uma moeda em que (supondo-se que esta no seja
viciada) haver uma probabilidade de 50% do resultado ser cara ou coroa, independentemente do nmero de
lanamentos realizados. Numa coorte entretanto, o denominador ir se alterando ao longo do tempo, pois
das 1000 pessoas inicialmente seguidas, a morte de 200 far com que o denominador passe a ser 800 e no
os 1000 inicialmente acompanhados. Em algumas situaes (IAM, AVC etc.) temos a complicao
adicional de que os sobreviventes de um IAM podero ter um segundo ou terceiro enfarte.
Tabela XIV
Life Table
Survival Variable IDADE IDADE EM MESES
SE of SE of
Intrvl Cumul Proba- SE of
Start Sur- bility Hazard
Time viving Densty Rate
------- ------ ------ ------
,0 ,0000 ,0000 ,0000
1,0 ,0000 ,0000 ,0000
2,0 ,0166 ,0166 ,0179
3,0 ,0259 ,0216 ,0264
4,0 ,0321 ,0241 ,0348
5,0 ,0357 ,0290 ,0558
6,0 ,0319 ,0314 ,0954
7,0+ ,0000 ** **
Grfico V
Survival Function
1,2
1,0
,8
,6
Cum Survival
,4
,2
-2 0 2 4 6 8
IDADE EM MESES
12
Se pudermos supor a possibilidade de autpsia ou bipsias post-mortem, a qualidade do dado deve em
tese melhorar, caso contrrio, os diagnsticos resultantes tero a sensibilidade e especificidade esperados
para as tecnologias empregadas nos hospitais que servem como fonte de dados.
N
determinado (t0,t) ser : DM(to,t) = Mortes / PT onde PT = i =1
ti sendo N o tamanho da populao
observada (incluindo a casos prevalentes pois a pessoa s apresenta risco de bito aps adoecer) e ti a
durao do seguimento at a sada (por morte, retirada ou trmino do estudo).
Quando os perodos individuais so desconhecidos, PT poder ser calculado como o produto entre
o tempo de acompanhamento e a populao total (supondo-se uma populao razoavelmente estvel): PT =
N(t).
Tambm podemos derivar que a densidade da mortalidade associada doena estudada, para um
( Dx + Dxy )
perodo (t0,t) ser: DM (to,t) =
PT
Medidas de associao
As medidas de associao refletem a relao entre um fator qualquer estudado e a doena de
interesse. Na verdade este ser sempre um dos objetivos do investigador (relacionar o fator com a doena)
que alis foi a razo pela qual o estudo foi iniciado. Se limitarmos nossa discusso apenas para as variveis
nominais ou ordinais13, poderemos comparar as categorias formadas (sexo masculino e feminino, cor etc.),
entre expostos (E) e no expostos (). Embora todo uma imensa quantidade de estatsticas estejam
disponveis para analisar estas tabelas de contingncia, elas podem ser na verdade divididas em 2 grandes
categorias: razes e medidas de diferena.
A razo da medida de associao obtida atravs da comparao entre uma medida de freqncia
do grupos exposto a um determinado fator, dividido pelo equivalente desta medida na populao no
exposta. Dependendo das categorias utilizadas poderemos construir inmeras razes correspondentes. A
razo de risco por exemplo, dada pela diviso da densidade de incidncia entre o grupo exposto e o no
exposto (tabela XV).
13
Podemos classificar as variveis em 4 tipos bsicos: nominais, ordinais, intervalares e razo. Classificar
suas variveis num destes 4 grupos o primeiro passo a ser tomado durante a anlise de dados.
1.Variveis nominais - So categorias onde no possvel atribuir qualquer valor de mensurvel (masculino e
feminino, brancos e negros, teste e controle etc.).
2.Variveis ordinais - o caso onde as categorias podem ser ordenadas de alguma forma, apesar de no
podermos som-las ou subtra-las (pois no so nmeros de verdade). Ex.: classe social (alta, mdia e baixa), melhoria
dos sintomas (muito, pouco), palpao do fgado ou ictercia (+/4+ etc.)
3.Variveis intervalares - Possuem algum tipo de escala de distncia entre seus valores, podendo ser contnuas
(presso arterial, temperatura etc.) ou discretas (paridade, uma vez que a mulher no poder ter 1,56 filhos).
4.Razes - De modo simplificado, podemos dizer que nestas variveis o valor zero no arbitrrio (tal como
na escala Kelvin de temperatura), mas sim atribudo pela natureza (presso zero, incidncia etc.).
A diferenciao entre as dual ltimas categorias pode ser as vezes complicada para o clnico. Para todos os
efeitos todavia, qualquer das anlises aqui discutidas, (e muitas das que no sero), os testes estatsticos sero idnticos
para ambas as categorias.
Variveis intervalares ou de razo podem, dependendo do interesse do investigador, serem tratadas como
nominais ou discretas (presso arterial - alta, baixa, normal).
EXPOSIO
SIM NO
CASOS (DOENTES) A1 A0
POPULAO-TEMPO L1 L0
DOENTES NO EXPOSTOS
IDi A1
Razo de densidade de incidncia (RDI) = = L1
ID0 A0
L0
Esta razo conhecida como razo de risco ou risco relativo e tambm pode ser obtida diretamente
a partir de 2 medidas cumulativas de incidncia (tabela XVI)
Tabela XVI DOENTES EXPOSTOS
EXPOSIO
SIM NO TOTAL
CASOS (DOENTES) A B M1
NO DOENTES C D M0
TOTAL N1 N0 N
DOENTES NO EXPOSTOS
ICi A N 1
RISCO RELATIVO (RR) = =
IC0 B
N0
EXPOSIO
SIM NO
BITOS A1 A0
POPULAO-TEMPO L1 L0
BITOS NO EXPOSTOS
MDi A1
Razo de densidade de mortalidade (RDM) = = L1
MD0 A 0
L0
Medidas de diferena
14
Nunca demais lembrar que associao completamente diferente de causao. Se acompanharmos uma
coorte de fumantes, verificando a exposio ao fumo e a presena de fsforos (ou isqueiro no bolso),
terminaremos o estudo com um RR alto entre fumantes e cncer assim como entre os que carregam isqueiro
e a neoplasia pulmonar. Neste caso, a evoluo cientfica permite descartar o fsforo como causando o
cncer, apesar das 2 variveis estarem associadas. No obstante, no mundo real da biologia, estamos nos
deparando a todo momento com relaes deste tipo, onde simplesmente no sabemos quais os fatores que
so causais ou apresentam apenas uma relao espria. A associao no responde a esta pergunta, apenas
relaciona a razo de incidncia das variveis estudadas com a doena.
Uma terceira classe de medidas quantitativas representa as medidas de impacto potencial, isto ,
aquelas que refletem o efeito esperado na mudana da distribuio de um ou mais fatores de risco numa
dada populao, estabelecendo qual a proporo de casos que desenvolveram a doena como conseqncia
da exposio.
A frao etiolgica (risco atribuvel populacional, risco atribuvel percentual ou frao atribuvel)
definida como a proporo dos novos casos da doena que podem ser atribudos ao fator de risco estudado.
Na maioria das doenas crnicas, com extensos perodos de observao, a frao etiolgica (ver tabela
XVI) pode ser calculada de 3 maneiras distintas:
p ( RDI 1) N1
FE = onde p ;e calculado como
p ( RDI 1) + 1 ( N 1 + N 0)
( DI DI 0 )
FE =
DI
( RDI 1)
FE = pc onde pc seria dado por a/m1
RDI
Nas doenas agudas, a FE dever ser calculada baseando-se em estimativas da razo de risco.
Quando a taxa da doena maior no grupo de comparao (no exposto), a FE correspondente seria
negativa. Nestas situaes (onde a exposio tem efeito protetor) a FE ser calculado como o inverso das 3
frmulas anteriores, recebendo o nome de Frao de proteo.
p(1 RDI ) N1
FE = onde p ;e calculado como
p(1 RDI ) + 1 ( N 1 + N 0)
( DI 0 DI )
FE =
DI 0
pc(1 RDI )
FE = pc (1 RDI ) + RDI onde pc seria dado por a/m1
Como vimos, as medidas de freqncia que podem ser obtidas de um estudo de coorte so a
incidncia, taxa de mortalidade ou risco. Uma coorte por sua vez pode ser fixa ou envolver uma populao
dinmica. Em ambos os casos, precisamos conhecer as duraes (ti) dos perodos de seguimento de todos
os doentes (o que bvio) mas tambm dos no doentes (ou pelo menos assumir que para estes ltimos, os
tempos so iguais). De outra forma os denominadores utilizados para estimar a incidncia no sero
adequados. Caso o ti seja conhecido para todos os no casos (no existirem perdas na coorte fixa - o que
muito difcil), poderemos estimar a incidncia cumulativa (IC) e desta forma o risco da doena. Na maioria
das coortes entretanto, poderemos utilizar o mtodo atuarial (onde o tempo de observao de cada indivduo
levado em conta) para estimar o risco. Alternativamente, na populao dinmica estamos em geral
estimando taxas mdias ou densidades de incidncia desde que ti seja conhecido para todos (casos e no
casos).
Uma outra questo fundamental o conhecimento se a exposio ao fator de risco para a doena ser
extenso (cigarro, asbestos, slica, etc.) ou curto (infees hospitalares) em relao ao perodo utilizado na
observao. A maior parte das doenas crnicas possuem extensos perodos de exposio ao risco, o que
sugere o uso de taxas de incidncia para que possamos fazer inferncias causais. Por outro lado, a maior
parte das doenas agudas possuem perodos de risco restritos, o que sugere a estimao destes atravs de
uma coorte cumulativa envolvendo uma populao fixa.
Vieses nos estudos de coorte
Ao discutirmos os estudos seccionais e retrospectivos, comeamos a abordar problemas relacionados
aos erros introduzidos nos estudos epidemiolgicos (sendo estes potencialmente introduzidos em qualquer
estudo, qualquer equipe de investigadores). Em nome da simplicidade podemos dizer que existem 2
categorias bsicas de erro, os que so devidos a preciso e os sistemticos. Os devidos a preciso decorrem
de erros de calibragem de aparelhos, medidas mal feitas, perguntas mal formuladas, enfim, qualquer mtodo
que implique numa resposta errada, que em princpio estar ocorrendo de forma aleatria. Problemas de
validade entretanto esto ligados a diferena entre o que queremos estimar e a verdade o que representa uma
situao muito mais grave e complicada. A figura 7 e 8 apresentam ilustraes destes erros.
Se quisermos examinar o prdio branco, uma pessoa muito precisa porm pouco vlida, seria o
observador que sempre entra e examina o prdio vermelho. Um observador pouco preciso porm vlido
seria aquele que examina qualquer um dos 3 prdios, apesar de entrar na maior parte das vezes no edifcio
branco.
Figura 7
Na figura 8, temos um esquema do que aconteceria com um observador em relao a uma doena
qualquer. Em I o pesquisador muito preciso, o problema que ele erra sempre a associao entre a doena
e o fator de risco considerado (no vlido). Por outro lado, em II o pesquisador no preciso, medindo
sempre entretanto o objeto desejado (vlido).
xxxx Figura 8
xxxx x
x x
DOENA DOENA
Situao I : preciso porm no vlido Situao II: pouco preciso porm vlido
O fundamental que erros de preciso tendem a ser aleatrios, podendo ser resolvidos com o
aumento da amostra, maior treinamento dos entrevistadores ou examinadores etc. e fundamentalmente,
atinge os 2 grupos (expostos e no expostos) numa proporo em tese equivalente. Os problemas de
validade significam que estamos medindo uma coisa diferente do que gostaramos de estimar, o que decorre
de erros no desenho do estudo, variveis de interferncia etc. Um bom exemplo poderia ser a lcera
gastroduodenal que durante dcadas foi associada ao stress, quando uma razovel parte dos casos (inclusive
com interveno cirrgica) era devido a uma infeco. Dezenas de milhares de estudos sobre a eficcia de
intervenes cirrgicas, anticidos, ansiolticos, psicoterapia etc. estavam olhando um fator de risco que
no tinha, em razovel parte dos casos, nenhuma relao com a verdade, apesar de serem, em maior ou
menor grau, absolutamente precisos nos diagnsticos de lcera.
Ao realizar nosso estudo, mais ou menos intuitivo que estudaremos uma amostra de pessoas
(amostra de trabalhadores, pacientes que fizeram fisioterapia, gestantes expostas a determinado fator de
risco, pacientes que usaram uma droga etc.). Esta populao utilizada no estudo (amostra) proveniente de
um grupo maior de pessoas (populao atual), disponveis a serem estudadas, mas que no o foram devido a
uma deciso econmica (o custo de uma amostra menor). Exemplos da populao atual seriam todos os
trabalhadores da referida fbrica, todas as gestantes atendidas em determinado hospital ou todos os
pacientes que fizeram fisioterapia num determinado servio etc. A populao atual por sua vez, pertence a
um grupo maior (populao alvo) de pessoas (gestantes, trabalhadores daquele tipo de produo, pacientes
fisioterpicos etc.) que poderiam ter participado como populaco atual, mas no o foram por uma questo de
logstica e custo (listar todos os pacientes do Rio de Janeiro ou Brasil seria bem mais complicado), apesar
de que gostaramos de ter nossas concluses, realizadas a partir de nossa amostra, aplicadas a esta
populao alvo. Finalmente, a populao alvo uma parte de um grupo maior (populao externa) a qual
no temos acesso (total de doentes no mundo ou daquela doena em todas as fases histricas), mas que
tambm gostaramos de aplicar nossas concluses realizadas a partir da amostra realizada. A validade
discutida anteriormente, pode ser dividida em interna e externa. Falamos de validade interna, quando
extrapolamos nossos resultados para a populao alvo e validade externa, quando estes so extrapolados
para a populao externa (ver figura 9)
Figura 9
POPULAO EXTERNA
POPULAO ALVO
POPULAO ATUAL
AMOSTRA
Validade interna
Validade externa
Os vieses nos estudos de coorte iro operar de maneira semelhante aos verificados nos outros
desenhos abordados at o momento. O vis de seleo tambm pode estar aqui presente pois ele formado
por uma distoro na amostra selecionada.
Vis de seleo nos estudos de coorte
Na tabela XVIII vamos representar tanto a amostra quanto a populao alvo de onde ela foi retirada
(ver figura 9 ). Cada uma das clulas da amostra representa um subconjunto da populao alvo (por
definio). Iremos designar por , , e as diversas probabilidades com que algum pertencente a
populao alvo tem de ser selecionado para a amostra, de tal forma que:
A0 B0 C0 D0
= ,= ,= e finalmente = .
A B C D
Neste caso, a razo de risco, determinada a partir de um estudo de coorte que utilize toda a
A / ( A + C)
populao alvo ser ROR = AD/BC e a razo cumulativa de incidncia RCI =
B / ( B + D)
Tabela XVIII
EXPOSTOS NO EXPOSTOS
DOENTES A A0 B0 B
C0 D0
NO DOENTES C D
Tabela XVIIIa
D A0 B0
= =
A B
ND C0 D0
= =
C D
A / ( A + C)
e na populao amostral temos ROR0 = AD/BC e a razo cumulativa de incidncia RCI0= .
B / ( B + D)
Definindo ainda :
Teremos que o vis de seleo entre ROR e ROR0 (razo de risco para a amostra) ser :
Pela tabela XVIII e XVIIIa vemos que uma forma de superestimar a amostra atravs de algum
vis de seleo que priorize a entrada de Doentes expostos (superestimativa de ) ou no doentes no
expostos (superestimativa de ) o que artificialmente aumentaria a razo /, superestimando em
conseqncia ROR. Uma subestimativa (vis negativo) ocorreria caso os no doentes expostos fossem
selecionados preferencialmente aos no doentes no expostos. Para compreender este vis num estudo de
coorte, imagine um acompanhamento longitudinal de pacientes HIV+, ou com SIDA, que usem (expostos)
ou no (no expostos) poliquimioterapia para diminuir a carga viral. razovel supor que os pacientes
expostos ao tratamento e que desenvolvam doena, continuaro a serem seguidos pois esta a melhor opo
atual para esses doentes. Acrescenta-se o fato de que entre os expostos, poder ter atuado tambm uma
maior seleo de pessoas que esto necessitadas de medicamentos que no podem comprar, o que faria
aderir ao programa exatamente os pacientes mais propensos a desenvolver doenas em curto espao de
tempo. Por outro lado, entre os no expostos, a perda de seguimento (pois ningum ir ser acompanhado
durante muito tempo sem poliquimioterapia) ser enorme, ficando na coorte os indivduos mais hgidos da
populao, cuja incidncia de doenas oportunistas ser menor. A seleo funcionou aumentando e
diminuindo .
Para exemplificar a segunda situao (subestimativa) digamos que acompanhemos uma coorte de
pessoas carentes que recebam bolsas de suplementao alimentar (expostos). Como grupo de comparao,
utilizaremos uma coorte de pessoas carentes de uma comunidade que no receba a suplementao (no
expostos). Neste exemplo, esperamos que o fator de risco atue na verdade como um fator de proteo, isto
, < . No difcil imaginar que entre os no expostos, apenas os de melhor situao na comunidade
carente seriam selecionados (j que os realmente miserveis iriam ter problemas mais srios - sobrevivncia
- a resolver do que responder questionrios). Neste sentido a incidncia de doenas entre os no expostos
estaria artificialmente diminuda ( seria menor do que a realidade), fazendo com que a relao entre e
tendesse unidade (ausncia de risco). Este tipo de vis extremamente importante, devendo estar na
mente do pesquisador a todo momento. Como outro exemplo, vamos supor a situao corriqueira de
Comisso de Controle de infeco Hospitalar (CCIH), onde os mdicos desejam estimar o risco de IH para
os pacientes que utilizem respirador (prtese ventilatria). Os pacientes em uso de respirador no devero
ter seu acompanhamento perdido exatamente por estarem fazendo uso deste dispositivo (para fins de
simplificao, vamos esquecer da gravidade dos doentes). Por outro lado, aqueles que no utilizam este
procedimento podem receber alta, para acompanhamento ambulatorial (neste ou em outro hospital - perda
de seguimento), mesmo com sinais e sintomas compatveis com os estgios iniciais de uma pneumonia.
Digamos portanto que a chance de seleo de doentes expostos (pneumonia e respirador) seja 4 vezes maior
do que entre doentes no expostos (pneumonia sem respirador), ou ainda, RD (chance de seleo para os
doentes)= / =4 (ver tabela XVIIIa). Por outro lado, a chance de seleo entre os no doentes expostos
(sem pneumonia e que usam respirador) 60% maior do que entre os no doentes no expostos, isto , RD
(chance de seleo para os no doentes) = / = 1,6. Pelas tabelas XIX e XIXa temos:
Tabela XIX - Coorte (com perda de seguimento) da populao atual (de onde a amostra ser
retirada), aps 30 dias de acompanhamento
EXPOSTOS NO EXPOSTOS
DOENTES 100 30
100 4470
ROR (Razo de risco da populao alvo) = = 3,39
30 4400
100 / 4500
CIR (Razo cumulativa de incidncia da populao alvo) = = 3,33
30 / 4500
Tabela XIXa - Coorte fixa (sem perda de seguimento) da populao alvo, aps 30 dias de
acompanhamento
EXPOSTOS NO EXPOSTOS
4 4470
ROR0 (Razo de risco da populao atual) = = 2,54
1,6 4400
4 ( 4 + 4400 )
= 2,54
1,6 (1,6 + 4470 )
CIR0 (Razo cumulativa de incidncia da populao atual) =
O risco que na verdade ser medido (supondo-se a inexistncia de outros vieses, que certamente
um despropsito como ser visto adiante) est subestimado em 31%.
Vis de informao nos estudos de coorte
O vis de informao estar ocorrendo sempre que houver uma distoro, ao se estimar uma
relao entre exposio-doena, de tal forma a classificar erradamente qualquer um destes. Em outras
palavras, ele estar ocorrendo sempre que um entrevistado for incorretamente classificado como exposto
(quando na verdade no ) ou doente (quando na verdade saudvel). As possibilidades de introduo
destes erros so inmeras tais como questionrios mal aplicados, aparelhos incorretamente calibrados, erros
de interpretao de exames, diagnsticos incorretos, memria seletiva para acontecimentos passados etc. As
tabelas XX e XXa, semelhantes ao que j foi visto nos estudos retrospectivos, voltaro a ser discutidas aqui
com ligeiras modificaes.
Pela tabela XX (verdade) os doentes expostos (A) podero se espalhar por qualquer uma das outras
3 clulas restantes. Seguindo esta lgica, a11 so os indivduos realmente expostos, doentes e corretamente
classificados como tal, mas b11+c11+d11 representam pessoas que sero erradamente classificadas como
expostas ou no doentes (b11 ser um exposto no doente, c11 ser um no doente exposto e d11 ser um
no doente no exposto). O mesmo raciocnio pode ser estendido para B, C e D. Se pusssemos representar
a verdade, ela estaria na tabela XX, onde todos os erros de medio foram corrigidos, jogando-os
corretamente na clula ao qual pertence.
A populao atual (aquela de onde a amostra ser retirada) ser formada de uma parcela de
classificaes corretas (a11+b11+c11+d11) e de outra incorreta (todas as outras). Os parmetros , , e
anteriormente definidos quando analisamos o vcio de seleo, no poder ser corretamente aplicado aqui.
A0 B0 C0 D0
Na situao anterior (vcio de seleo), tnhamos que = ,= ,= e finalmente = .
A B C D
Nesta situao, podamos falar em probabilidades pois A0, B0, C0 e D0 estavam respectivamente contidos
em A, B, C, D. No vis de informao entretanto (dependendo da quantidade de erro inserido), A0 poder
ser maior do que A, o mesmo ocorrendo com B0, C0 e D0. Uma maneira de resolver este problema reside em
examinar a sensibilidade e especificidade para estimar a probabilidade do erro de informao. A
sensibilidade dada pela probabilidade com que os doentes expostos sejam corretamente classificados
como tal. A especificidade se refere a probabilidade de acerto ao classificar os no doentes no expostos,
sendo representados por:
A0 D0
Sensibilidade = e Especificidade =
A0 + C 0 B0 + D0
Assim como o vis de seleo, este um vcio extremamente importante podendo estar presente
em qualquer estudo, como no caso, os de coorte. Imaginemos novamente o problema das infees
hospitalares (crie como exerccio uma situao semelhante para outra doena qualquer). Quando dizemos
que uma pneumonia causada pelo respirador, esta uma suposio que pode estar correta ou incorreta.
Alm disso, podemos diagnosticar um paciente como tendo pneumonia que na verdade no existe, ou uma
ausncia de pneumonia quando ela est presente (a literatura desta rea aponta que cerca da metade das
infeces cirrgicas ocorrem aps a alta do doente - portanto, um doente erradamente classificado como
normal). A equipe da CCIH entretanto est interessada em examinar o risco de uma IH, visto que um
paciente utilizou o respirador. Admitindo que a sensibilidade e especificidade deste diagnstico seja
respectivamente de 80 e 85% (em nome da simplicidade, digamos que os mtodos diagnsticos no variem
ao longo do tempo - aparelhos jamais esto quebrados, bem como so permanentes os mtodos
diagnsticos - equipes diferentes tem a mesma capacidade tcnica). A populao alvo pode ser vista na
tabela XXI que representa a verdade.
Tabela XXI - Populao alvo da CCIH (sem erros de classificao)
EXPOSTOS NO EXPOSTOS
DOENTES 100 30
100 / 4500
CIR (Razo cumulativa de incidncia da populao alvo) = = 3,33
30 / 4500
Como a sensibilidade e especificidade esto dadas no exemplo, poderemos construir 2 tabelas,
ilustrando os erros introduzidos tanto na populao de expostos, quanto na de no expostos (tabelas XXIa e
XXIb).
Tabela XXIa - Erros de classificao na populao exposta
A D
0,80 = A = 80 e C = 100 - 80 = 20; 0,85 = D = 3740 e
100 4400
B=4400 - 3740 = 660
A D
0,80 = A = 24 e C = 30 - 24 = 6; 0,85 = D = 3800 e
30 4470
B=4470 - 3800 = 670
No conhecer a verdade, fez com que diagnosticssemos 694 doentes entre os no expostos
(contra 30 da situao verdadeira !). A tabela resultante de nosso pequeno vis (XXIc) ser :
Tabela XXIc - Populao atual da CCIH (vista atravs dos erros de classificao)
EXPOSTOS NO EXPOSTOS
740 / 4500
CIR0 (Razo cumulativa de incidncia da populao atual) = = 1,07 , ou seja no
694 / 4500
haveria um fator de risco ligado ao uso do respirador (apesar deste ser na realidade superior a 300% !!).
Algumas lies importantes podem ser tiradas daqui :
Qualquer estudo de coorte est propenso a este tipo de vis (coorte de garimpeiros expostos ao
mercrio contra uma coorte de garimpeiros no expostos, onde a exposio residencial ou prvia nem
sempre pode ser corretamente medida em qualquer dos grupos).
Quando textos bsicos de epidemiologia descrevem os estudos de coorte como mais fidedignos ,
eles na verdade representam uma viso muito simplificada do problema, pois se verdadeiro o controle
possvel de uma srie de vcios, por outro lado os restantes, so graves o suficiente para causar graves
problemas no momento da anlise.
Vis de Interferncia (confounding)
Como foi visto anteriormente, o vis de interferncia estar presente sempre que o estimador
utilizado para estudar a relao exposio-doena, estiver misturado com uma ou mais variveis
estranhas a este fator. Digamos que no tenhamos sequer idia dos fatores de exposio que levam ao
cncer de pulmo. Neste contexto, imagine uma coorte formada por pessoas que carregam fsforos no bolso
e outra composta por indivduos que no tem este hbito. O risco (medido pela razo de risco ou razo
cumulativa de incidncia) entre expostos e no expostos seria, sem sombra de dvida, imenso. Num
primeiro momento tendemos a associar este exemplo como algo impossvel de ocorrer na prtica, visto que
costumamos pensar no que pensamos conhecer, e no no que conhecemos realmente (conhecimento este
que historicamente determinado). Imaginemos agora uma outra situao. Por hiptese, digamos que a
verdade seja que o cncer de pulmo esteja geneticamente determinado (gene A), no guardando qualquer
razo de causalidade com o fumo. Este ltimo tambm seria geneticamente determinado, fazendo com que
alguns indivduos fossem mais propensos a serem dependentes de nicotina do que outros(gene B).
Finalmente vamos supor que os genes A e B tenham uma forte tendncia de acometer as mesmas pessoas
(assim como louras e olhos claros). Repare que uma certa proporo de pessoas teriam o gene A e no o B,
o que explicaria o cncer numa parcela de no fumantes, assim como teremos louras com olhos castanhos.
Ao realizar um estudo de coorte, estaramos numa situao semelhante a figura 10.
Figura 10
Gene A, Gene B
Fumantes
No fumantes
Gene A
A grande proporo do gene A, dentre os fumantes, faria com que fumo fosse visto como o fator
causal de um gene na verdade desconhecido da cincia atual. Longe de fazer uma apologia do fumo, este
exemplo ilustra o problema das variveis de interferncia, que so talvez os mais graves vcios introduzidos
nos estudos cientficos, devido a dificuldade de sequer enxergar a sua possvel existncia. Existem
entretanto fortes indcios de que esta hiptese est equivocada, sendo que uma das tcnicas para se lidar
com este problema reside na estratificao de minha anlise. Vamos supor 2 situaes, uma fictcia (tabela
XXII) e outra bem mais prxima da realidade (tabela XXIII).
Na tabela XXII, temos o resultado final de uma coorte de fumantes e no fumantes seguida por 40
anos.
Tabela XXII - Casos de Cncer de pulmo segundo exposio ao fumo
100 / 600100
CIR0 (Razo cumulativa de incidncia da populao atual) = 10
10 / 600010
O fator fumo, caso atuasse como interferncia, distorceria a relao encontrada na tabela XXII,
conforme ilustrado abaixo:
Tabela XXIIa - Casos de neoplasia segundo exposio ao fumo, sendo que todos os pacientes
pertencem a um grupo, onde a presena de cncer em familiares foi detectado previamente
99 / 60099
CIR0 (Razo cumulativa de incidncia da populao atual) = 110
,
9 / 6009
Tabela XXIIa - Casos de neoplasia segundo exposio ao fumo, sendo que todos os pacientes
pertencem a um grupo, onde a presena de cncer em familiares nunca foi detectada
previamente
1 / 540.000
CIR0 (Razo cumulativa de incidncia da populao atual) = 1
1 / 594.001
A CIR0 (Razo cumulativa de incidncia da populao atual) e a razo de risco bruta foi
praticamente anulada, quando estratificamos o fumo pela caracterstica gentica. Nos estudos existentes de
coorte entretanto, a situao encontrada assemelha-se tabela XXIII abaixo:
Tabela XXIII - Casos de Cncer de pulmo segundo exposio ao fumo
100 / 600100
CIR0 (Razo cumulativa de incidncia da populao atual) = 10
10 / 600010
Tabela XXIIIa - Casos de neoplasia segundo exposio ao fumo, sendo que todos os
pacientes pertencem a um grupo, onde a presena de cncer em familiares foi detectado
previamente
85 / 200.085
CIR0 (Razo cumulativa de incidncia da populao atual) = 24,3
7 / 400.007
Tabela XXIIa - Casos de neoplasia segundo exposio ao fumo, sendo que todos os pacientes
pertencem a um grupo, onde a presena de cncer em familiares foi detectado previamente
15 / 400.015
CIR0 (Razo cumulativa de incidncia da populao atual) = 2,5
3 / 200.003
Estudos experimentais
associao fumo x cncer. Digamos entretanto que pudssemos estabelecer uma populao atual (de onde a
amostra ser selecionada), contendo apenas jovens no fumantes. Se sortessemos nossa amostra de tal
forma que um determinado grupo (E) seria forosamente exposto ao fumo, enquanto outro grupo () seria
obrigatoriamente afastado do fator de exposio (fumo), estaramos diante de uma situao, onde
hipoteticamente, a nica diferena entre expostos e no expostos fosse o fumo propriamente dito. Apesar
desta ser uma viso demasiadamente simplista da realidade (ver adiante), nos interessa neste momento
compreender princpio bsico de um estudo experimental. A introduo do sorteio faria, em tese, que
ambos os grupos fossem (pelas leis da probabilidade) extremamente semelhantes (desde que garantssemos
um tamanho amostral grande o suficiente), para as variveis conhecidamente associadas doena estudada
alm daquelas que a cincia ainda no estabeleceu relaes de causalidade. Nesta situao, a nica varivel
que estaria diferindo entre os 2 grupos seria o fator de exposio que se deseja medir. Esta lgica, apesar de
ingnua, forma a base de sustentao dos ditos estudos experimentais. A figura 10 portanto estaria
modificada (figura 11) pela presena das variveis conhecidas ou no, semelhantemente distribudas no
grupo exposto e no exposto.
Figura 11
Gene A, Gene B
Fumantes
No fumantes
Gene A, Gene B
Randomizao
Se estivermos trabalhando num laboratrio de pesquisa bsica, ao experimentar uma nova droga,
ou ver o efeito de uma dada enzima, podemos (e muitas vezes fazemos) escolher animais geneticamente
idnticos, ou feixes celulares recolhidos de um mesmo animal. Submetemos estes a condies controladas
de presso, luminosidade, fluxo de ons etc. A idia por trs de tais procedimentos a de tentar fazer com
que o nico fator que varie, seja efetivamente o que se quer testar (ao menos em tese pois variaes de
temperatura e luminosidade do biotrio, bem como a capacidade tcnica do pesquisador ou de seus
instrumentos de medio podem alterar vrias das observaes realizadas). Na pesquisa clnica este
processo , em grande parte, invivel, pois mesmo que trabalhssemos com gmeos, no existem tantos
espalhados pelo mundo e disponveis para todas as pesquisas clnicas realizadas; uma srie de fatores
pessoais (conhecidos ou no), incontrolveis em sua maioria podem interferir com nossas concluses. A
randomizao pode ser definida portanto, como um processo que tenta criar grupos homogneos e
comparveis, em respeito aos fatores conhecidamente associados com a doena, bem como aqueles que so
desconhecidos do pesquisador. Existem inmeros mtodos de randomizao, alguns dos quais sero aqui
abordados.
Randomizao por alocao fixa Este mtodo aloca indivduos, segundo uma proporo fixa,
(geralmente 50%) e dividido em 3 mtodos: simples, por blocos e estratificada.
Simples Esta talvez a forma mais difundida (e intuitiva) dos processos de randomizao. Um
exemplo deste mtodo seria o de lanar uma moeda. Toda vez que sasse cara, o paciente seria designado
para um grupo (teste por exemplo), caso contrrio, para o grupo controle. Existem maneiras muito mais
elegantes de se realizar o mesmo processo. Uma delas a utilizao de tbuas de nmeros aleatrios. Tais
tabelas so reproduzidas em qualquer livro de estatstica bsica e representam, um sorteio realizado
previamente pelo autor. Elas consistem num conjunto de nmeros escolhidos de forma aleatria. O
pesquisador poder ento listar seus pacientes com um nmero seqencial (1,2,3 etc.). Se apontarmos para
um canto qualquer da tabela (ver tabela XXIII), o primeiro nmero sorteado (digamos 43) representaria o
paciente (n. 43) que teria sido sorteado para um dos grupos (teste por exemplo). Seguindo a tabela em uma
direo qualquer (para cima, baixo, em diagonal etc.) sortearamos o segundo nmero (73 por exemplo) que
representaria o paciente n. 73 (designado para o grupo controle. Ao longo da tabela, se encontrarmos um
nmero que no corresponde a qualquer paciente, ns o desprezamos, selecionando o seguinte, at
terminarmos nosso sorteio. Muitas alternativas a esta tcnica podem surgir. Se quisermos amostrar 20
questionrios de um total de 100, podemos embaralh-los, sortear um nmero de 1 a 5 (digamos 3), pegar o
terceiro paciente, pular 5, pegar o 8, 13 e assim por diante. A Tabela XXIII foi criada a partir do programa
EXCEL (clicando o mouse em INSERIR, FUNO, ALEATRIO E FECHAR). Copiou-se depois
esta frmula, para o nmero desejado de sorteios que desejvamos realizar. Como o nmero sorteado (neste
programa) uma funo entre 0 e 1, em nosso caso, multiplicamos este por 100 (para podermos sortear 20
nmeros entre 0 e 100). Obviamente, caso um nmero sorteado aparea novamente, ns o desprezamos,
selecionando o prximo da lista
Centenas de programas podem realizar este sorteio, desde calculadoras de bolso, at o Epiinfo
(CDC - Atlanta), portanto este no ser um problema. A questo fundamental entender que existem
inmeras limitaes nos procedimentos listados acima. Qualquer problema na ordenao dos pronturios
(antes de sortear o primeiro), poder implicar num vis de toda amostra, pois se o clnico descobrir o
cdigo de um dos doentes (droga ativa ou placebo - o que no difcil ocorrer), haver uma quebra de
protocolo, pois a seqncia poder a partir de ento ser determinada. Acrescenta-se o fato de que no raro, o
sorteio realizado na medida em que os doentes chegam ao ambulatrio ou enfermaria. Neste caso, h uma
razovel probabilidade de terminarmos nosso sorteio com diferentes nmeros de casos e controles,
principalmente se a amostra for pequena (12:8 em 50% das amostras de N= 20 por exemplo).
OBS: Repare o sorteio duplo do nmero 9 e 98, o que nos foraria a selecionar outro paciente.
B, o que pode fazer com que o mdico jogue para o bloco seguinte, um paciente mais grave, de tal forma s
se beneficiar do novo tratamento. Outro problema importante reside na anlise dos dados propriamente
ditos. A maioria dos mtodos estatsticos (ver adiante) assume a existncia de amostras aleatrias simples, o
que no o caso. A ignorncia deste ponto, pode levar a erros importantes na interpretao dos resultados,
pois h uma possibilidade de se diminuir o poder do teste (ver adiante).
Randomizao estratificada
De toda a discusso prvia acerca dos estudos epidemiolgicos, muitos dos princpios so ainda
vlidos neste desenho. Temos entretanto que considerar alguns aspectos ticos que no haviam ainda
surgido. Ao expormos um grupo de pessoas a 2 tratamentos distintos (novo versus antigo), devemos ter
certeza de que ambos ainda so ticos. Digamos que quisssemos saber a taxa de transmisso da SIDA entre
me e filho, nos dias atuais. Tal estudo seria, com toda certeza, um procedimento completamente atico nos
dias atuais onde, sabemos que esta taxa alta, em contraposio com os diversos antiretrovirais que as mes
devem tomar. Repare que acompanhar uma criana, cuja me era HIV+ e no tomou qualquer medicao
durante o perodo gestacional completamente diferente de acompanhar uma gestante e no fornecer a esta
a medicao adequada.
Um outro ponto importante reside na necessidade de que exista uma dvida razovel sobre a
eficcia dos tratamentos existentes, isto , para realizar a comparao entre os 2 tratamentos, ambos devem
ser correntemente utilizados.
Apesar de nem sempre ser possvel evitar, um importante erro comum nos estudos experimentais
o de testar tratamentos ou procedimentos diagnsticos em condies ideais ou quase ideais. Esta situao
pode nos afastar de maneira considervel da factibilidade destes no mundo real.
Vieses nos estudos experimentais
Vimos nos tpicos anteriores as 3 grandes famlias de vieses (seleo, medio e interferncia). Um dos
grandes atrativos dos estudos experimentais reside exatamente em reduzir ou eliminar algumas das fontes
destes vieses. Em princpio, havendo uma alocao aleatria em 2 grupos, estes se distribuiriam de forma
aproximadamente equnime, eliminado portanto os vieses de seleo. No mundo real entretanto isto nem
sempre ocorre. A incluso de vrias categorias clnicas de doentes pode fazer com que os mais graves sejam
relativamente poucos, o que tornaria no pouco provvel a inadvertida alocao destes, em maior proporo
para um dos grupos em estudo. Imagine um estudo contendo 60 doentes (30 para cada grupo), onde 15 so
os mais graves. No improvvel a incluso de 10 (o dobro) dos mais graves para qualquer dos 2 grupos
formados, introduzindo portanto o vis. Por outro lado, relativamente comum realizar estudos
experimentais em pacientes que haviam participado de protocolos anteriormente, o que faz com que estes
sigam a orientao dos pesquisadores de uma forma muito mais fidedigna do que os que encontraramos na
clnica diria.
Nos vieses de medio, todos os problemas relativos a sensibilidade e especificidade estaro obviamente
presentes. Podemos tentar minimizar os vieses de medio ao adotar a estratgia de cegamento. Um
paciente alocado para o tratamento antigo, mas que acredite ser o novo a melhor opo para sua doena,
tender a maximizar todos os efeitos colaterais ou vice-versa. Dizemos que cegamos o paciente quando este
no sabe qual tratamento est recebendo. Num passo adiante, podemos tambm imaginar com certa
facilidade a tendenciosidade do pesquisador, no sentido de maximizar os efeitos negativos do tratamento
tradicional e minimizar estes efeitos no travento novo que est propondo. Se conseguirmos evitar que o
mdico que avalia os doentes conhea a natureza da droga utilizada (antigo ou novo), estaremos diante de
um duplo-cego, isto , nem mdico ou paciente sabero qual a droga utilizada. O epidemiologista ou
estatstico responsvel pela anlise poder tambm influenciar nos resultados da pesquisa, a no ser que
tambm desconhea a natureza da droga at o momento em que concluir qual deles apresenta melhores
resultados (triplo cego). A lgica desta tcnica exatamente a de minimizar os vieses introduzidos pelos
participantes traduzidos pelos pr-julgamentos inerentes a este tipo de situao. Na prtica porm, nem
sempre fcil evitar que o clnico conhea qual dos tratamentos est sendo aplicado, sendo que em
determinadas situaes (dermatologia, cirurgia etc.) tal tcnica quase ou totalmente impossvel, mesmo
que se tenha o cuidado de introduzir a randomizao por blocos.
Finalmente os vieses de interferncia podero estar presentes por atravs de inmeros mecanismos. A
estratificao de nossos dados contudo, nem sempre ser factvel, visto a dificuldade de se encontrar uma
amostra suficiente de voluntrios para nossos estudos.
A discusso tica abordada anteriormente deve sempre estar na mente dos investigadores. Utilizar
placebos15 para comparar doenas de intensidade moderada ou grave podem constituir um perigoso
precedente para a humanidade. O estudo sobre etiologia de doenas deve ser obviamente descartado para a
maioria quase absoluta das situaes, pois em princpio estaremos causando a doena em um dos grupos
expostos16 .
Anlise de dados
Sir Carl Popper, um filsofo ingls, j alegava que se um cientista busca a verdade, esta dever ser
procurada na filosofia, pois a verdade um problema metafsico e jamais cientfico.
15
Drogas em tudo semelhantes ao remdio real, mas que contm apenas a aparncia de uma droga
ativa. Eles so geralmente confeccionados com amido e corante, cabendo ao farmacutico a construo de
uma droga de preferncia idntica em cor, sabor, odor etc. ao remdio real.
16
Poucas situaes poderiam escapar desta regra. Uma delas incluiria doenas benignas e
passageiras como gripe. Um dos grupos seria exposto chuva e vento e outro estaria protegido em local
aquecido. Poderamos estudar assim a incidncia de gripe nos 2 grupos. Infelizmente o mundo j assistiu a
inmeros experimentos em anima nobile. Na 2 Guerra Mundial, mdicos nazistas estavam interessados em
estudar a fisiologia humana nas condies adversas do mar rtico (condies encontradas por pilotos
alemes derrubados no oceano). Para atingir este objetivo, centenas de prisioneiros russos foram deixados
em tanques em pleno inverno polons at que morressem (necessitava-se tambm conhecer o tempo de
sobrevida nestas condies.
Nos EUA, no auge da guerra fria, soldados eram postos a marchar em campos onde houvera a
recente detonao de artefatos nucleares. A idia era que seria necessrio testar as condies psicolgicas
das tropas numa futura e inevitvel guerra nuclear.
unicaudais.
Tabela XXIV
VERDADE
DECISO DO PESQUISADOR ACEITAR H0 REJEITAR H0
ACEITAR H0 ACERTO ERRO TIPO II ()
REJEITAR H0 ERRO TIPO I () ACERTO
Neste caso, a diferena era to grande que a opo era desnecessria. Ocorrero situaes,
entretanto, onde a diferena entre as mdias limtrofe, e a a sua opo far com que o teste seja ou no
significante. Se pudermos saber para que lado da curva a diferena ser testada, o teste unicaudal uma
opo, caso contrrio, utilize sempre o bicaudal (seja mais conservador !). Seja qual for a sua opo,
sempre interessante (ou tecnicamente mais aceitvel) descrever em seus resultados (ou procurar quando
estiver lendo) qual opo feita pelo pesquisador.
Intervalo de confiana
Tabela XXV
Independent Samples Test
Digamos que voc encontre um artigo associando que a presena de uma de fatores e UTI neonatal
aumenta o risco de Infeo hospitalar (IH) em 20 (a IH 20 vezes mais freqente nas crianas que
apresentam aqueles fatores do que nas que no apresentam). Digamos ainda que esta associao
significativa (p < 0,05). Se o intervalo de confiana deste risco ficar entre 1 e 400, o autor est verdade
dizendo que o risco (pontual) de 20, mas existe 95% de probabilidade dele estar situado entre 1 (ou seja,
no h associao) e 400 (fortssima associao). Em outras palavras, o autor est dizendo que nem ele
(nem ningum) sabe qual o impacto destes fatores na populao de onde a amostra foi retirada. O intervalo
de confiana uma funo da variabilidade de seus dados, estes por sua vez so funo do tamanho
amostral. Pequenas amostras esto muito propensas a este tipo de problema. Uma forma de tentar (nem
sempre factvel) contornar esse problema identificar antes de comear o estudo, qual a diferena que se
espera obter quando comparamos 2 tratamentos. Se esta diferena for pequena, e for economicamente
invivel aumentar a amostra, voc certamente estar entrando neste universo de dvidas frente aos seus
resultados.
Resumo
Tabela XXVI
FORMA CLNICA DA LEISHMANIOSE * COR Crosstabulation
COR
BRANCOS MULATOS NEGROS Total
FORMA CLNICA CUTNEA + Count 55 320 176 551
DA LEISHMANIOSE CUTNEO-MUCOSA Expected Count 56,4 326,5 168,2 551,0
% of FORMA
CLNICA DA 10,0% 58,1% 31,9% 100,0%
LEISHMANIOSE
% of COR 87,3% 87,7% 93,6% 89,4%
MUCOSA Count 8 45 12 65
Expected Count 6,6 38,5 19,8 65,0
% of FORMA
CLNICA DA 12,3% 69,2% 18,5% 100,0%
LEISHMANIOSE
% of COR 12,7% 12,3% 6,4% 10,6%
Total Count 63 365 188 616
Expected Count 63,0 365,0 188,0 616,0
% of FORMA
CLNICA DA 10,2% 59,3% 30,5% 100,0%
LEISHMANIOSE
% of COR 100,0% 100,0% 100,0% 100,0%
Ainda na tabela XXVI, vemos uma linha denominada Expected, que representa o valor que
esperaramos encontrar caso a distribuio fosse aleatria (esta opo no est includa na ltima verso do
Epiinfo 6.04). Examinando uma tabela mais simples como a XXVII (pois possui apenas 4 clulas). Se a
distribuio de brancos/mulatos na forma clnica cutnea/cutneo-mucosa fosse aleatria, o seu valor
(esperado) estaria para o total de pessoas na cor branco/mulato, assim como o total das formas cutneas
estaria para o total da tabela.
Exemplo:
428 551
Valor esperado em brancos/mulatos, forma cutnea/cutneo-mucosa seria : = 382,8.
616
nmero esperado da forma mucosa entre os negros seria :
188 65
= 19,8. Ora, a diferena estatstica (valor p) ser dada, exatamente, pela diferena entre
616
o que observei na minha amostra e o que seria esperado se a distribuio fosse aleatria, isto , quanto
maior esta diferena, mais lcito seria dizer que meus dados so diferentes do acaso, ou ainda, alguma
coisa (no caso, a varivel analisada) est causando os dados que foram observados. Olhando a tabela
XXVI vemos que a categoria que mais se distancia so os negros da forma clnica mucosa. Analisando
agora o teste 2 , vemos que o valor p foi de 0,08, ou seja, no significante (ver tabela XXVIa).
TabelaXXVIa
Chi-Square Tests
Asymp.
Sig.
Value df (2-tailed)
Pearson a
4,990 2 ,082
Chi-Square
Likelihood Ratio 5,427 2 ,066
N of Valid Cases 616
a. 0 cells (,0%) have expected count less than 5.
The minimum expected count is 6,65.
Aqui entra a equipe multidisciplinar. Se o estatstico que analisa os dados, no tiver experincia
com a rea mdica, e o clnico por sua vez no souber sequer o que uma tabela, a anlise dos dados
terminaria aqui. Repare, entretanto, que quanto maior for a quantidade de dados (categorias) na minha
tabela, maior ter que ser a diferena entre as categorias, para que o teste do 2 d alguma significncia.
Como as raas branco e mulato so muito semelhantes na tabela XXVI, vamos colab-las em um nico
grupo (brancos e mulatos). Na tabela X vemos o resultado desta transformao.
Tabela XXVII
COR RECLASSIFICADA
BRANCO/MULATO NEGROS Total
FORMA CLNICA CUTNEA + Count 375 176 551
DA LEISHMANIOSE CUTNEO-MUCOSA Expected Count 382,8 168,2 551,0
% of FORMA
CLNICA DA 68,1% 31,9% 100,0%
LEISHMANIOSE
% of COR
87,6% 93,6% 89,4%
RECLASSIFICADA
MUCOSA Count 53 12 65
Expected Count 45,2 19,8 65,0
% of FORMA
CLNICA DA 81,5% 18,5% 100,0%
LEISHMANIOSE
% of COR
12,4% 6,4% 10,6%
RECLASSIFICADA
Total Count 428 188 616
Expected Count 428,0 188,0 616,0
% of FORMA
CLNICA DA 69,5% 30,5% 100,0%
LEISHMANIOSE
% of COR
100,0% 100,0% 100,0%
RECLASSIFICADA
teste 2 resultante (Tabela XVIIa) mostra que tanto no Fisher quanto no Pearson (diferentes
famlias do mesmo teste 2 ) o valor p foi significante (o melhor teste 2 neste caso o Fisher, pois uma
das clulas tem valor esperado menor do que 5 - o Epiinfo avisa sempre que isto ocorre).
Vemos ainda nas tabelas XXVIa e XXVIIa o nmero de graus de liberdade. De forma similar ao
que foi exposto acima, numa tabela 2 x 2, se conhecermos os totais das linhas e colunas, basta que se
fornea o contedo de uma das clulas (um grau de liberdade) para que possamos reconstruir a tabela
inteira. Em termos algbricos , ele calculado como (colunas - 1) x (linhas - 1). Existem inmeros testes
numa verdadeira famlia que chamamos 2 . Qual deveremos usar ? O teste de Pearson geralmente
menos exigente (mais poderoso) do que todos os outros, isto , ele tende a reportar diferenas estatsticas
quando outros testes no o fazem. O Yates (nas tabelas XXVIa e XXVIIa representados como continuity
correction) mais conservador. O teste de Fisher deve ser utilizado quando a freqncia esperada em
qualquer clula for menor do que 5. McNemmar usado quando nossa tabela utilizada para analisar dados
pareados (por exemplo, melhoria da enxaqueca antes e depois do tratamento, casos de SIDA perinatal em
mes que usaram ou no AZT e pareadas pela dosagem de CD4 etc.).
Tabela XXVIIa
Chi-Square Tests
500
400
300
Frequency
200
Std. Dev = 17,28
100
Mean = 5,0
0 N = 577,00
0,0 100,0 200,0 300,0
50,0 150,0 250,0 350,0
TPEVOLUC
30
20
Frequency
10
Std. Dev = 167,17
Mean = 123,4
0 N = 65,00
0,0 100,0 200,0 300,0 400,0 500,0 600,0 700,0
TPEVOLUC
TABELA XXVIII
FORMA Obs Total Mean Variance Std Dev
cut+c 551 2033 3.690 17.911 4.232
mucos 65 8022 123.415 27944.684 167.167
Difference -119.725
ANOVA
(For normally distributed data only)
H uma mensagem, ainda na 1 parte da sada, onde o programa avisa que o teste de Bartlett havia
mostrado uma diferena significativa na varincia entre os 2 grupos analisados (o que no de admirar, pois
a diferena entre ambas imensa). O mesmo ocorrer quando compararmos as 3 formas clnicas. A seguir o
programa libera o resultado do Mann-Whitney (comparao entre 2 grupos).
Teste t de Student
William Gosset publicou (usando o pseudnimo de Student - da o nome do teste) um mtodo para
comparar mdias entre grupos (tratamentos em nosso caso). Ele demonstrou que as mdias de amostras
aleatrias, retiradas de uma populao (distribuio t) seguiam a distribuio normal, com uma mdia
idntica quela da populao total (a medida que o nmero de amostras tende ao infinito). O fundamental
aqui que o trabalho de Gosset resolve um problema crucial, qual seja, a possibilidade de utilizar amostras
para estimar parmetros da populao total (dados que raramente teremos).
Reparem que quando comparamos 2 grupos de tratamento (para estimar sobrevida, tempo de
resposta, valor de variveis contnuas tais como linfcitos), teremos 2 mdias. A pergunta que o clnico quer
responder se essas 2 mdias so diferentes (no nosso caso, devido ao tratamento) ou se a diferena o que
se esperaria obter atravs de um acaso puro e simples. Posto em outros termos, poderamos formular a
seguinte questo : qual a chance de obter a diferena (entre as mdias) que estou observando (ao analisar
uma amostra) de determinado tamanho), atravs do acaso ? Se esta probabilidade for pequena (p < 0,05),
rejeitamos H0 e dizemos que o tratamento (ou qualquer outro fator que esteja sendo estudado) seria a
causa da diferena observada. digno de nota reparar que sempre que falo em causas estas esto entre
aspas. Isso se deve ao fato de que estamos sempre analisando associaes estatsticas, o que no tem nada a
ver com verdade (lembre-se de Popper e das inmeras concluses equivocadas que a Medicina j formulou).
Posso formular, por exemplo, um grfico comparando a queda populacional das cegonhas na Europa, nos
ltimos 150 anos, que possui, por sua vez, uma relao estatstica perfeita com a queda de fecundidade da
populao humana. Da a dizer que uma varivel causa a outra dependente de seu conhecimento de como os
bebs vm ao mundo ...
O uso do teste t tem algumas variveis, a saber:
a varivel numrica precisa ser do tipo intervalar (onde o valor zero arbitrariamente
escolhido - temperatura em graus Farenheit), ou idealmente do tipo razo (onde o ponto zero da escala
atribudo pela natureza - escala Celsius de temperatura, presso arterial etc.)
cada pessoa analisada pode pertencer a um e apenas um dos grupos que esto sendo
comparados
a distribuio numrica sendo analisada, no pode estar fortemente desviada (ou seja, deve ter
uma distribuio aproximadamente normal)
finalmente as varincias entre os grupos devem ser semelhantes (o que j foi discutido em testes
no paramtricos
Anlise de varincia (One-way)
Algumas vezes o pesquisador deseja comparar mais de 2 grupos de tratamentos, no que se refere a
uma varivel contnua qualquer, o que no pode ser feito pelo teste t, pois este compara apenas 2 grupos. A
anlise de varincia vem preencher esta lacuna. Na verdade se utilizarmos a anlise de varincia para
comparar apenas 2 grupos de tratamento, os resultados sero numericamente iguais aos da estatstica t. Se
estivermos analisando 4 esquemas teraputicos (A, B, C, D), poderamos usar o teste t para comparar os
pares (A x B, A x C, A x D, B x C, B x D, C x D). Os resultados seriam idnticos aos da anlise de
varincia, entretanto, a no ser que haja uma srie opo pessoal pelo masoquismo, deveramos escolher a
anlise de varincia (ANOVA).
Tabela XXIX
ANOVA
Tempo de Sum of df Mean F Sig.
tratamento Squares Square
Entre 749.538 2 374.769 5.466 0.005
grupos
Dentre 32158.0 469 68.567
grupos
Total 32907.5 471
Multiple comparisons
Dependent : Tempoe entre tratamentos
Scheffe
(I) forma (J) forma Means Std Error Sig.
clnica da clnica da Difference (I-J)
Leishmaniose Leishmaniose
Cutnea cutneo- -1.928138 1.679 0.517
mucosa
mucosa -3.530702 1.104 0.006
cutneo- cutnea 1.9281377 1.679 0.517
mucosa
mucosa -1.602564 1.917 0.705
mucosa cutnea 3.5307018 1.104 0.006
cutneo- 1.6025641 1.917 0.705
mucosa
A tabela XXIX nos mostra a ANOVA realizada pelo SPSS (qualquer pacote estatstico de razovel
qualidade tem que realizar este teste). Repare que tenho 3 formas clnicas da Leishmaniose (cutnea,
cutneo-mucosa e mucosa), onde nos interessa comparar os tempos de tratamento. Nesta tabela o programa
testa a homogeneidade das varincias (que uma das condies para se utilizar esta anlise, sendo
importante perceber que no foi significativamente diferente - p > 0,05), o que nos leva a prosseguir com a
anlise. A seguir, pode-se perceber que havia uma diferena entre os grupos examinados, o que responde
uma parte de nossa pergunta. Sabemos agora que 2 situaes podem ocorrer: um dos 3 grupos difere dos
outros 2 (que so iguais) ou todos os 3 grupos diferem entre si. Finalmente, vemos que forma cutnea era
estatisticamente diferente da mucosa, mas no da cutneo-mucosa. Esta ltima no difere da forma mucosa,
o que talvez o configure como um grupo intermedirio (o que, alis, faz sentido clinicamente). A anlise de
varincia pode ser estendida para situaes onde mais de uma varivel dependente ou independente seja
analisada. Este assunto abordado no captulo de anlise de varincia multifatorial. Estes modelos so
interessantes no s por serem econmicos (permitem estudar uma srie de hipteses simultaneamente),
como tambm permitem visualizar interaes entre as variveis analisadas (ou seja, se o tratamento que est
sendo avaliado varia de acordo com os grupos ou condies em que so aplicados.
Correlao e regresso
Tabela XXX
AUTORIA: MAURCIO DE ANDRADE PREZ 86
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
Correlations
AREA TPEVOL
Pearson AREA 1,000 ,151**
Correlation TPEVOL ,151** 1,000
Sig. AREA , ,001
(2-tailed) TPEVOL ,001 ,
N AREA 522 522
TPEVOL 522 699
**. Correlation is significant at the 0.01
level (2-tailed).
60
TEMPO DE EVOLUO
50
40
30
20
10 Observed
0 Linear
-100 0 100 200 300 400 500 600
AREA
Tabela XXXI
Coefficients a
Standar
dized
Unstandardized Coeffici
Coefficients ents
Std.
Model B Error Beta t Sig.
1 (Constant) 2,940 ,225 13,040 ,000
AREA 9,0E-03 ,003 ,151 3,494 ,001
a. Dependent Variable: TPEVOL
Podemos, apenas como sugesto classificar as correlaes entre 0 a 0,25 como muito fracas, 0,26 a
0,35 como fracas, 0,36 a 0,55 como moderadas, 0,56 a 0,89 como altas e 0,90 a 1,00 como muito altas.
Assim como podemos relacionar 2 variveis contnuas, mtodos de regresso mltipla permitem
examinar o comportamento de diversas variveis simultaneamente.
Concluso final
As tcnicas de anlise multivariada tentam responder questo de interao entre diversas
variveis simultaneamente. Tcnicas como a regresso logstica permitem o estudo de diversos fatores
(alguns ordinais outros intervalares), fornecendo, entre outros atrativos, a possibilidade de estudar o risco
desses fatores, quando controlados por todas as variveis do modelo. Entrar neste campo tornaria esta aula
muita mais complexa do que o exguo espao que 2 horas permite. Caso seja de seu interesse h uma vasta
bibliografia pertinente ao assunto. Tcnicas de anlise multivariada exigem um analista experiente por trs
das mesmas. A anlise de modelos complexa, exigindo muitas idas e vindas at se chegar ao modelo ideal.
Neste processo, fundamental a presena do clnico. Acredito entretanto, que a discusso aqui realizada
seja um encorajamento para o aprofundamento em tcnicas de anlise por parte dos clnicos.
Agradecimentos :
Mdulo de Epidemiologia
Seminrios
Investigao
A rea avaliada pelo inqurito, compreendia cinco municpios do sudeste deste
pas, onde sabia-se que uma alta incidncia da doena vinha ocorrendo nos ltimos anos.
Uma srie de 24 pequenas vilas, com populaes variando entre 500 e 1500 pessoas
foram selecionadas para o estudo. Estas vilas variavam enormemente de acordo com suas
condies sanitrias. Algumas possuam servios de abastecimento de gua ou esgoto,
algumas ambos e finalmente, outras no possuam qualquer infra-estrutura de
saneamento.
Recolheram-se dados relativos ao nome, idade, sexo, profisso, estado civil e
condies da moradia. O estudo amostrou apenas indivduos pertencentes a um
determinado grupo racial, composto de pequenos proprietrios agrcolas. Todos os casos
duvidosos foram reavaliados pelo mdico responsvel pelo inqurito, que por sua vez
possua grande experincia no diagnstico desta enfermidade.
Que outras informaes deveriam ter sido includas neste inqurito ?
Aponte algumas das falhas deste estudo.
III.Observe as tabelas I e II, bem como os grficos correspondentes. Quais doenas
poderiam apresentar a distribuio de freqncia aqui visualizada ?
IV.Poderamos dizer que a doena teria um componente sazonal ?
TABELA I
CASOS DA DOENA DESCONHECIDA, SEGUNDO MS DE
DIAGNSTICO, EM 24 VILAS ANALISADAS DURANTE UM ANO
(POPULAO TOTAL DE 22.653), PAS X.
Ms N. de casos Taxa (por 1.000 hab.)
Janeiro 0 0.0
Fevereiro 4 0.2
Maro 28 1.2
Abril 120 5.5
Maio 310 13.7
Junho 432 19.7
Julho 154 6.8
Agosto 57 2.5
Setembro 28 1.3
Outubro 14 0.6
Novembro 0 0.0
Dezembro 0 0.0
Grfico I
Casos da doena, segundo ms de diagnstico em 24
pequenas vilas analisadas durante um ano
20
15
10
0
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Meses
TABELA II
INCIDNCIA DA DOENA DESCONHECIDA, SEGUNDO SEXO E
IDADE, EM 24 VILAS PESQUISADAS DURANTE UM ANO
Masculino Feminino
Idade Populao Casos Incidncia Populao Casos Incidncia
<1 3227 0 0.0 365 0 0.0
1 233 2 8.6 205 1 4.9
2 408 30 73.5 365 16 43.8
3 368 26 70.7 331 28 84.6
4 348 33 94.8 321 32 99.7
5-9 1574 193 122.6 1531 174 113.7
10-14 1329 131 98.6 1276 95 74.5
15-19 1212 4 3.3 1510 17 11.3
20-24 1055 1 0.9 1280 51 39.8
25-29 882 1 1.1 997 75 75.2
30-34 779 4 5.1 720 47 65.3
35-39 639 4 6.3 646 51 78.9
40-44 469 10 21.3 485 34 70.1
45-49 372 7 18.8 343 18 52.5
50-54 263 13 49.4 263 12 45.6
55-59 200 5 25.0 228 6 26.3
60-64 164 9 53.6 153 3 19.6
65-69 106 4 37.7 105 2 19.1
> 70 80 6 75.0 114 2 17.5
TOTAL 10812 483 44.7 11238 664 59.1
Grfico II
140
120
100
80
60
40
20
0
2 10/ 14 30-34 50-54 > 70
<1 4 20-24 40-44 60-64
Meses
TABELA III
INCIDNCIA(*) DA DOENA DESCONHECIDA, SEGUNDO ESTADO
CIVIL E FAIXA ETRIA, EM 24 VILAS PESQUISADAS DURANTE UM ANO
Solteiras Casadas
Fx. etria Populao Casos Incidncia Populao Casos Incidncia
16-29 1487 16 10.7 1905 89 46.7
30-49 141 4 28.4 1684 98 58.2
> 50 26 0 0.0 387 4 10.3
Total 1654 20 12.1 3976 191 48.0
(*) Incidncia por 1000 habitantes
TABELA IV
INCIDNCA DA DOENA DESCONHECIDA, SEGUNDO OCUPAO,
IDADE E SEXO, EM 24 VILAS PESQUISADAS DURANTE UM ANO, PAS X
Sexo Trabalha ? Idade Doente No doente Total Incidncia
< 10 0 0 0 -
10-19 2 330 332 0.6
Fem Sim 20-29 4 194 198 2.0
30-44 2 93 95 2.1
45-54 0 9 9 0.0
> 55 0 5 5 0.0
< 10 28 577 605 4.6
10-19 5 200 205 2.4
Fem No 20-29 12 204 216 5.
30-44 16 220 236 6.8
45-54 4 91 95 4.2
> 55 1 92 93 1.1
< 10 0 0 0 -
10-19 3 355 358 0.8
Masc. Sim 20-29 1 361 362 0.3
30-44 3 318 321 0.9
45-54 0 93 93 0.0
> 55 1 51 52 1.9
< 10 23 629 652 3.5
10-19 4 161 165 2.4
Masc. No 20-29 1 12 13 7.7
30-44 0 10 10 0.0
45-54 1 14 15 6.7
> 55 4 26 30 13.3
TABELA V
DISTRIBUIO DE CASOS DA DOENA, SEGUNDO DOMICLIO E
NMERO DE MORADORES
Domiclios N. de moradores
Domiclios contendo apenas um caso de doena 10 60
Domiclios contendo mais de um caso de doena 40 300
Domiclios no contendo nenhum caso da doena 990 3800
Total de domiclios 1040 4160
TABELA VI
INCIDNCIA DA DOENA DESCONHECIDA, SEGUNDO RENDA
FAMILIAR SEMANAL, DURANTE UM ANO DE OBSERVAO, PAS X
Renda(*) Populao Casos Incidncia
< 2.50 796 99 124.4
2.50-3.49 2888 240 83.1
3.50-4.49 4868 260 53.4
4.50-5.49 5035 177 35.2
5.50-7.49 5549 132 23.8
7.50-9.49 1832 23 12.6
9.50 769 2 2.6
Total 21737 933 42.9
Grfico III
Incidncia da doena desconhecida segundo
condies sanitrias, pas X
100
80
60
40
20
0
Pssima Ruim Regular Boa Excelente
Condies sanitrias
Na rea em estudo, havia um quartel com 100 soldados, dos quais 2 adoeceram. A investigao
esclareceu que ambos haviam estado for a do quartel nos dias anteriores. Suspeitou-se de contaminao
alimentar, pois a nica diferena entre os soldados era o fato de que aqueles no haviam tomado suas
refeies no quartel. A doena tambm foi observada em vrios ces.
Uma dona de casa chamou a ateno dos mdicos para o leo comestvel Le Cerf que comprara. No
lhe havia agradado a cor escura do mesmo. Separou algumas frituras feitas com o leo e as deu para o
cachorro. Observando que nada acontecera ao animal. A senhora decidiu comer as frituras e continuar
utilizando o mesmo. Duas semanas depois, todos, - a dona de casa, seu marido, filhos e cachorro estavam
paralisados. Este leo tinha um preo relativamente barato, se comparado com seus concorrentes.
O quadro clnico apresentado era similar ao j descrito em surtos por envenenamento por orto-cresil-
fosfato, observados na Alemanha, Sua e EUA em torno de 1939.
A anlise qumica do leo comestvel Le Cerf, comprado no comrcio de Mknes revelou que este
continha tri-orto-cresil-fosfato (TOCP). O TOCP entra na composio de leo para limpeza de armamentos
e extremamente neurotxico. Descobriu-se que alguns comerciantes haviam comprado o leo de uma
partida excedente da base area de Nouasseur, da Fora Area dos Estados Unidos, prxima Casablanca,
no ms de maro de 1959. Havia uma grande quantidade deste, que utilizava o TOCP como aditivo.
Mesmo aps alertadas contra o uso do leo contaminado, alguns comerciantes, ao observarem que suas
vendas baixaram nestas cidades, enviaram seus estoques para povoados mais distantes, onde o aviso no
havia chegado. O rei Mohamed V e a Assemblia Marroquina decretaram a pena de morte que foi aplicada
s pessoas que de forma consciente venderam o leo. Os nervos destrudos pelo TOCP jamais se
recuperariam. Por muitos anos, Mknes e outras cidades tiveram de carregar o nus de milhares de pessoas
incapacitadas para o trabalho. Das 10000 vtimas, 600 ficaram permanentemente acamadas. Cerca de 8000
necessitaram de Fisioterapia intensa por longo tempo.
Alm dos dados censitrios, a maioria dos pases utiliza registro de estatsticas vitais colhidos de forma
peridica (doenas, nascimentos, bitos etc.).
11) Porque uma das melhores formas de se inferir sobre o estado de sade de dada populao feita
atravs do registro de bitos da mesma ?
O coeficiente de mortalidade geral (CMG) mede o risco de morrer, por qualquer causa, em determinado
local e momento do tempo, sendo calculado como :
12) Calcule os CMG para os dados apresentados na tabela V. Eles representam o que voc esperaria,
visto as condies gerais dos pases analisados ?
Nas tabelas VI e VII podemos analisar os coeficientes de mortalidade especficos (CME) segundo faixa
etria para o Brasil e EUA.
13) Como este coeficiente construdo ? Repare que os CME do Brasil so sempre superiores aos dos EUA.
Como explicar o menor CMG do Brasil , em vista dos CME ?
14) Repare que as estruturas etrias dos EUA e Brasil so diferentes. Uma das formas de se lidar com este
problema consiste em padronizar a mortalidade, isto , calcular a mortalidade do Brasil, caso nossa estrutura
etria fosse semelhante americana (ou vice-versa). Padronizar o coeficiente de mortalidade, utilizando a
populao americana como padro (tabela VII)
Tabela V Populao total, nmero de bitos e CMG por 1000 habitantes de pases selecionados, em
anos prximos a 1982
Pas Ano Pop. Estimada para 1 de Total de bitos CMG por 1000
julho ocorridos no ano
Arglia 1982 19857006 209027
Barbados 1980 248983 2012
Guatemala 1981 6054227 75658
Estados Unidos 1982 231534000 1985650
Brasil 1982 126807000 781294
ustria 1983 7551842 93041
Dinamarca 1983 5114297 57156
Sucia 1983 8329025 90761
Nova Zelndia 1983 3225530 25901
Tabela VI Populao total, nmero de bitos e CME por 1000 para o Brasil, 1982
Faixa etria Pop. Estimada para 1 de Total de bitos CME por 1000
julho ocorridos no ano
04 17477000 196527 11.24
5 14 30352000 16735 0.55
15 24 26723000 34896 1.31
25 34 18980000 42653 2.25
35 44 12653000 51655 4.08
45 54 9294000 71217 7.66
55 64 6200000 92247 14.88
65 74 3520000 121085 34.40
75 e + 1608000 154279 94.94
Total 126807000 781294 6.2
Tabela VI Populao total, nmero de bitos e CME por 1000 para os EUA, 1982
Faixa etria Pop. Estimada para 1 de Total de bitos CME por 1000
julho ocorridos no ano
04 17372000 49270 2.84
5 14 33979000 9450 0.28
15 24 41507000 43450 1.05
25 34 39303000 49860 1.27
35 44 28079000 58370 2.08
45 54 22375000 124500 5.56
55 64 22095000 285550 12.92
65 74 16136000 468610 29.04
75 e + 10688000 896620 83.89
Total 231534000 1985680 8.6
homens (37.000 por causas externas) e 107.000 entre as mulheres (17.000 por causas externas). Calcule a
mortalidade proporcional e a mortalidade especfica por causas externas, para cada sexo. Aonde
encontramos o maior risco de morrer por causas externas ?
Tabela VII Construo das taxas de mortalidade, utilizando o mtodo direto de padronizao
Faixa etria Pop. Estimada (EUA) para 1 de CME (Brasil) por bitos esperados (B x A)
julho (A) 1000 hab. (B)
04 17372000 11.24
5 14 33979000 0.55
15 24 41507000 1.31
25 34 39303000 2.25
35 44 28079000 4.08
45 54 22375000 7.66
55 64 22095000 14.88
65 74 16136000 34.40
75 e + 10688000 94.94
Total 231534000 6.2
20) Analisando o grfico II abaixo, quais as explicaes mais plausveis para explicar o diferencial entre
prevalncia e a incidncia observados ?
20
15
Prevalncia
Incidncia
10
0
1930 1940 1950 1960 1970 1980 1990
Figura I
Data DESCRIO DOS CASOS
504 715 522
CTI
CTI BQ = BRONCOSCOPIA
O BQ TR = TRANSFERIDO
U BQ VCi = INCIO DA VANCOMICINA
T CTI VCt = TRMINO VANCOMICINA
U BQ 512 MR = MARSA
B CTI IC = ISOLAMENTO DE CONTATO
R BQ 513 BQ Uco = UNIDADE CORONARIANA
O
CTI
519 BQ 512
724
BQ
BQ
N VCi BQ
O MR MR 509 BQ
V IC MR
E 502 MR VCi
M VCi IC
B MR
R VCt
O Alta VCi MR
BQ VCt
BT
709 CTI
CTI BQ
512
D CTI TR
E VCt 509
Z CTI MR BQ 504 TR
E 708 MR CTI BQ BQ CTI 609 CTI
M Alta BQ BQ CTI BQ
B BQ BQ MR 504 520
R BQ IC MR
O 506 BQ MR 518
BQ MR IC VCi BQ
MR VCi BT MR MR CTI
Alta VCi 704 Uco MR
BT IC 524 MR
BQ MR IC VCi
J 607 VCi VCi VCi IC
A VCt MR VCi IC
N IC TRF TRF
E VCi
I 515 BQ
R CTI
O VCt VCt MR
BQ BQ TRF VCt
TRF BT Alta
1 2 3 4 5 6 7 8 9 10 11 12 13
Para examinar a questo da broncoscopia, que esteve presente em 8 dos 13 casos de MARSA, foi
montada uma tabela que nos permitisse calcular as taxas de ataque entre os pacientes de MARSA que
fizeram uso ou no deste exame.
MARSA
Broncoscopia Sim No Total
Sim 8 35 43
No 5 1269 1274
Total 13 1304 1317
Obs: Taxa de ataque dos pacientes que fizeram broncoscopia = 8/43 = 18,6%
Taxa de ataque dos pacientes que no realizaram a broncoscopia = 5/1274 = 0,3%
Razo dos produtos cruzados (RPC) = 58, p<0,00001
Entretanto a broncoscopia poderia estar tendo uma relao causal nula ou inexistente, apesar de ser
implicada como responsvel atravs de qualquer teste estatstico que se utilize. Na figura abaixo, a
broncoscopia seria implicada como causadora do surto, quando na verdade ela estaria entrando como
mtodo diagnstico de um processo infeccioso j existente.
Paciente em risco Mltiplos fatores infeco por MARSA
Broncoscopia
Diagnstico
Quando reexaminamos a figura I, vemos que o esquema exposto acima est acontecendo, ao
menos em parte, com a broncoscopia, pois pelo menos 3 dos casos de MARSA que fizeram este exame o
utilizaram como procedimento diagnstico, cujo material de cultura assim obtido, comprovou o diagnstico
de MARSA, ao invs de causar o processo infeccioso. Recalculando a tabela luz desta nova informao,
temos que apesar da diferena continuar sendo estatisticamente significativa, a RPC cai de 58 para 22.
Discusso A investigao realizada pela CCIH, nos permite obter vrias e importantes
concluses. a) A broncoscopia, caso esteja realmente implicada no surto, no certamente o nico ou mais
importante item causal deste, visto que em 8 dos 13 casos ela simplesmente no foi realizada, e quando o
foi, a sua entrada foi diagnostica. A implicao estatstica desta tcnica deve ser vista com muita cautela,
pois um artefato pode facilmente explicar esta associao. Apesar disso, cabe CCIH investigar a forma
como este procedimento vem sendo realizado.
b) Existe uma importante concentrao dos casos no CTI e 5o andar, o que torna muito provvel
que o manuseio dos doentes (pelos clnicos, corpo de Fisioterapia, enfermeiros etc.) seja responsvel pela
propagao do surto. Medidas como uma maior rapidez para se iniciar o isolamento de contato com cada
paciente, possui um grande impacto na diminuio da incidncia de MARSA, bem como de um grande
nmero de infeces hospitalares. Em janeiro, a CCIH orientou os colegas do HOSPITAL X quanto a
diversas medidas de controle, o que resultou que o nmero de casos de MARSA casse para apenas 4 (entre
10 de janeiro e 31 de maro), sendo que destes, 3 vieram infectados de outros hospitais.
1) Um estudo realizado com 285 pacientes portadores de Esquistossomose revelou que 59% deles
afirmavam, enquanto 41% negavam, a existncia de "caramujos" na gua que era utilizada
pela famlia. Uma equipe de tcnicos visitou as 285 moradias e encontrou os referidos insetos
em 200 delas. Dentre estas, constatou-se que em 150 moradias os insetos haviam sido vistos
pelos doentes, no tendo sido percebidos nas outras 50.
a) Calcule a sensibilidade, a especificidade e os valores preditivos da informao prestada pelos
pacientes.
b) Admita que a credibilidade dos informantes, a validade das perguntas e a confiabilidade do questionrio
utilizado sejam as mesmas do estudo anterior. Qual seria o impacto nos valores preditivos, se a aplicao
deste teste fosse feita em uma situao na qual a proporo de casas infestadas fosse de 30%?
c) Se o dinheiro disponvel para a erradicao da Biomphalaria for escasso e voc no puder desperdiar
inseticida, qual situao (em termos de prevalncia) a mais indicada para se utilizar este questionrio?
Justifique.
3) A tabela abaixo mostra os coeficientes de mortalidade geral e especficos por faixa etria hospitalar em
1980 para a populao masculina brasileira e sueca.
Populao masculina (n e %) e coeficientes especficos de mortalidade (por mil homens), segundo grupo
etrio, Estado de So Paulo e Sucia, 1980.
So Paulo Sucia
Grupo etrio Pop. (%) Coef. de Pop. (%) Coef. de
(anos) Mortalidade Mortalidade
01 339.111 2,7 62,0 49.380 1,2 8,14
14 1.207.917 9,7 1,88 200.284 4,9 0,37
5 19 3.954.841 31,6 0,96 875.852 21,3 0,37
20 49 5.432.228 43,5 4,06 1.696.993 41,3 1,94
50 1.577.401 12,5 32,9 1.295.163 31,3 35,3
Total 12.511.498 100,0 8,1 4.117.672 100 12,1
Tabela I Percentual de crianas com nove anos de idade sem cries, em seis cidades classificadas
de acordo com o uso contnuo de gua com diferentes concentraes de flor.
Tabela II
Histrico
Inmeras culturas tratavam a menstruao feminina como algo impuro, conforme pode ser visto em
alguns trechos abaixo :
Judeus (Levtico XX, 18) : Se algum se juntar a uma mulher durante o fluxo menstrual, onde ela
mesma mostrou o fluxo de seu sangue, ambos devero ser exterminados de seu povo.
(Levtico XX 26-28): Toda a cama em que dormir e todo o mvel sobre o qual sentar ficaro
imundos, quem tocar estas coisas dever lavar-se, ficando imundo at o entardecer.
Ritual parsi: Qualquer mulher que tenha um fluxo normal ou anormal de sangue, deve ser
colocado num prdio separado, para impedir que manche os elementos da terra, fogo e gua. O coito com
uma mulher que tenha um fluxo normal ou anormal de sangue um delito que se pune com 200 chibatadas.
Um fluxo de sangue que dure mais de nove noites um mal de esprito.
Ritual hindu: A mulher deve ser isolada por trs dias, seguidos de uma cerimnia que inclui 36
imerses completas em um rio. As casas dignas devem ter um aposento separado para elas. Nas mais
pobres, elas devem ficar na varanda ou num canto do estbulo. Se, como resultado de uma enfermidade, a
menstruao continua aparecendo, a mulher no impura e deve ser tratada como se no estivesse
menstruando, apesar de no poder tomar parte de cerimnias religiosas.
Vineberg (1919) notou que apesar de mulheres judias em Nova Iorque apresentarem as piores
condies higinicas possveis, com numerosas leses de colo de tero, pouqussimas apresentavam cncer
de colo uterino. Lane-Clayton (1927) associaram o cncer de colo uterino com a paridade, no sentido de que
as judias tendiam a casar-se mais precocemente que seus vizinhos no judeus. Fabien Gagnon foi um dos
primeiros autores a relacionara associar o tumor de colo de tero com a presena de cervicite.
Supondo-se que a cervicite estivesse realmente envolvida como um dos agentes causais do cncer
de colo de tero, como explicar as associaes anteriores com a baixa prevalncia entre judias ?
1) No ano passado, um polmico livro intitulado A curva normal foi publicado. Nele os autores
alegavam que as pessoas da raa negra tinham um QI estatisticamente menor (p < 0,05) do que indivduos
da raa branca. Supondo-se que a amostra traada para brancos e negros fosse suficientemente ampla,
descreva :
# Uma famlia de vieses que poderia estar falseando esses resultados. Explique, com detalhes, seu
mecanismo de atuao.
# que representa o termo curva normal, bem como p < 0,05 ?
2) Em 1950, Ernest L. Wynder e Evarts A. Graham (Journal of the American Medical
Association 143(4):329-336, 1950) publicaram um artigo intitulado O consumo de tabaco como possvel
fator etiolgico do carcinoma broncognico: um estudo de 684 casos comprovados. Uma das razes para a
realizao deste trabalho, foi a observao de que estava havendo um aumento significativo do cncer
broncognico, sendo que uma grande proporo destes pacientes era fumante.
Qual a metodologia empregada nesses primeiros trabalhos relacionando fumo e cncer ? justifique.
Este trabalho consistiu de 684 casos confirmados de Carcinoma broncognico (CB), onde quase todos os
casos (634) foram entrevistados pessoalmente pelos autores, alguns receberam o questionrio pelo correio
(33) e outros (17) foram respondidos por algum familiar ou amigo prximo.
Qual o problema de se entrevistar pacientes com CB ? em que esses erros so influenciados pelo fato do
mdico saber quem tem CB ?
Qual o problema de se obter informaes atravs dos familiares ou amigos ? este dado chegou a afetar o
estudo ? justifique.
Uma das informaes coletadas versava sobre o tempo de consumo de tabaco. Porque o tempo prvio de
exposio uma varivel fundamental ? cite alguns dos vieses introduzidos nesta pergunta.
Os pacientes controle foram limitados em relao idade, isto , excluiu-se aqueles com menos de 30 anos
de idade. Qual a importncia de se limitar a idade dos controles ? poderamos utilizar a tcnica de
pareamento neste estudo ? justifique.
Analise os grficos I a V. Quais suas concluses ?
Grfico I
40.0
35.0
30.0
25.0
20.0
15.0
10.0
5.0
0.0
0 1a 9 10 a 15 16 a 20 21 a 24 25 e +
Cncer Controle
Grfico II
Consumo de tabaco entre casos e controles enfermos pulmonares, padronizados po
por sexo e renda
50.0
40.0
30.0
20.0
10.0
0.0
0 1a 9 10 a 15 16 a 20 21 a 24 25 e +
Cncer Controle
Grfico III
AUTORIA: MAURCIO DE ANDRADE PREZ 108
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
Faixa etria
30-39 40-49 50-59 60-69 70-79
Grfico IV
Tipo de tabaco entre casos e controles enfermos pulmonares, padroni zados por
por sexo e renda
100.0
80.0
60.0
40.0
20.0
0.0
No fumante Cigarros Cachimbo Charuto
Cncer Controle
Grfico V
20.0
15.0
10.0
5.0
0.0
5a 9 25 a 29 45 a 49 65 a 69
0.0 15 a 19 35 a 39 55 a 59
Um estudo controlado sobre acidentes automobilsticos fatais em Nova York (James R. McCarrol; William
Haddon Jr.: Journal of Chronic Diseases, 15:811-826, 1962).
Em 1962, Carro & Haddon publicaram um interessante estudo sobre acidentes fatais em Nova York. Os
casos foram obtidos nos registros policiais de acidentes fatais. Os controles foram selecionados atravs de
uma amostra dos motoristas que transitavam na mesma hora e local e dia da semana onde os acidentes
haviam ocorrido previamente. Inicialmente os autores subdividiram os acidentes segundo diversas
categorias (seis grupos), optando durante a anlise por reclassific-los em apenas dois (motoristas culpados
e no culpados pelo acidente). Devido ao grau de dificuldade, em se obter uma populao controle, um
carro que estivesse trafegando s 2 hs da madrugada de sbado e que aceitasse ser entrevistado, os autores
no levaram em considerao as condies climticas do momento do acidente.
A escolha dos controles foi adequada ? justifique.
Analise as duas tabelas abaixo : As variveis idade e condies da pista poderiam ser consideradas como
variveis de interferncia (confounders) para este estudo ? podemos consider-las importantes diante da
anlise das tabelas ?
Uma das hipteses a serem testadas a de que mulheres estariam mais envolvidas em acidentes fatais do
que homens. Analisando a tabela abaixo, podemos descartar a varivel sexo como sendo importante na
causalidade dos acidentes ? justifique.
Uma das variveis mais importantes do estudo era obviamente o consumo de lcool dos motoristas.
Interprete a tabela abaixo.
Algumas turmas de Fisioterapia resolvem comemorar o final do semestre com um almoo baseado na
culinria portuguesa. Seis horas aps o almoo, dos 140 alunos que compareceram ao evento, 60
apresentaram sinais e sintomas compatveis com intoxicao alimentar aguda (Salmonelose). Para
esclarecer o surto, criou-se uma definio de casos 100% sensvel (intoxicao seria qualquer caso de
diarria e/ou vmito pelo menos 2 horas aps o almoo.
Porque devemos utilizar uma definio altamente sensvel ? quais as conseqncias ?
Realizou-se um levantamento de todos os alimentos servidos, criando-se assim um questionrio que foi
utilizado na entrevista de todos os alunos que participaram no almoo, obtendo-se a tabela abaixo.
Doentes No doentes
Alimento Comeu No comeu Comeu No comeu Total
Bacalhau Z do Pipo 40 20 70 10 140
Bolinho de bacalhau 55 5 75 5 140
Cascarra guisada 10 50 30 50 140
Cozido Portuguesa 40 20 40 40 140
Leito Transmontana 50 10 60 20 140
Po de l de Alpiara 30 30 40 40 140
Caldeirada Setubalense 58 2 75 5 140
Pastel de Santa Clara 58 2 65 15 140
Cavacas de Avis 50 10 5 75 140
Barrigas-de-freira 10 50 75 5 140
Perdizes Fritas Outeiro 25 35 50 30 140
Qual o desenho de estudo que foi realizado ? cite suas principais vantagens e desvantagens. Calcule as
medidas necessrias para estabelecer qual o alimento responsvel pelo surto.
2) Podemos dizer que ao realizar um estudo cientfico, podemos encontrar trs tipos de associaes :
artificial (ou espria), no-causal (indireta) e causal. Cite e exemplifique quais os vieses que esto
envolvidos nas duas primeiras associaes.
3) Analise o grfico abaixo :
6
140
120 4
100
2
80
60 0
40
-2
20
0
2 6 10 14 18 22
0 4 8 12 16 20
Podemos dizer que existe uma associao entre a mudana da mar e o fluxo de carros em Copacabana ?
justifique.
Digamos que esta associao seja estatisticamente significativa (p < 0,05). Quais os principais fatores contra
e a favor de uma relao causal ?
3) Um enfermeiro, ao analisar o movimento mensal do ambulatrio de um hospital, chegou seguinte tabela
:
Qual a razo dos produtos cruzados para cada uma. Interprete os resultados.
Construa uma tabela para investigar a associao renda familiar/melhoria na Fisioterapia e analise os
resultados. O que representa o uso de sapatos italianos ?
4) No sculo XIX, uma srie de epidemias de clera atingiu a cidade de Londres. Uma das teorias vigentes
dizia que os maus-ares (origem inclusive da palavra malria) da cidade, emanados do rio Tmisa seriam
os responsveis pela epidemia. Um famoso mdico da poca, William Farr, publicou um trabalho onde
encontrava-se o grfico abaixo. Descreva e interprete o mesmo.
300
250
200
150
100
50
0
40 120 200 280 360 440
0 80 160 240 320 400
Altitude
Na mesma poca, um brilhante mdico anestesista, John Snow, atravs de uma srie de artigos demonstrava
que a transmisso se dava atravs da veiculado hdrica (microorganismos ainda no haviam sido
identificados). Quais foram os vieses introduzidos por Farr ?
Na mesma poca, um brilhante mdico anestesista, John Snow, atravs de uma srie de artigos demonstrava
que a transmisso se dava atravs da veiculado hdrica (microorganismos ainda no haviam sido
identificados). Quais foram os vieses introduzidos por Farr ?
5) A causalidade entre o hbito de fumar e o cncer de pulmo (carcinoma epidermide indiferenciado) foi
reconhecida em 1964 pelo Servio de Sade Pblica Americano. As concluses desta comisso levaram em
conta inmeros artigos entre os quais os listados abaixo :
a) Wynder e Graham selecionaram um grupo de pacientes internados com cncer, utilizando como grupo
de comparao pacientes hospitalares (reveja o seminrio da semana passada). Os mdicos
entrevistadores sabiam de antemo qual o diagnstico de cada paciente.
Qual o estudo realizado por Wynder e Graham. Justifique. Os dados deste trabalho referem-se a prevalncia
ou incidncia de cncer ?
Uma das tabelas publicadas pelos autores est apresentada abaixo.
Dados sobre o hbito de fumar cigarros entre 605 homens com cncer de pulmo e 780 doentes sem
cncer, ajustados por idade
Quantidade diria de cigarros fumados por 20 anos ou mais Distribuio Percentual
Cncer Comparao
Menos de 1 1 15
1a9 2 12
10 a 15 10 19,0
16 a 20 35 36
21 ou mais 51 19
Complete as tabelas abaixo calculando a RPC para cada uma. Quais as concluses ?
Cigarros Cncer Controle Cigarros Cncer Controle
1-9 16 - 20
1 1
Cigarros Cncer Controle Cigarros Cncer Controle
10 - 15 21
1 1
Inadvertidamente, os autores entrevistaram 286 doentes onde o diagnstico era desconhecido. Os resultados,
padronizados por idade, so mostrados na tabela abaixo.
Dados sobre o hbito de fumar cigarros entre 100 homens com cncer de pulmo e 186 doentes sem
cncer, com diagnstico inicial desconhecido, ajustados por idade
Quantidade diria de cigarros fumados por 20 anos ou mais Distribuio Percentual
Cncer Comparao
Menos de 1 0 14
1a9 5 11
10 a 15 7 11
16 a 20 35 41
21 ou mais 53 23
Complete as tabelas abaixo calculando a RPC para cada uma. Quais as concluses ?
Cigarros Cncer Controle Cigarros Cncer Controle
1-9 16 - 20
1 1
Cigarros Cncer Controle Cigarros Cncer Controle
10 - 15 21
1 1
Comparando as RPC de ambos os grupos, como estes resultados afetam suas concluses ?
Num outro estudo clssico, Doll e Hill compararam 649 homens com cncer de pulmo, comparando-os
com 649 controles com outras doenas. Os entrevistadores tambm tinham conhecimento prvio sobre os
diagnsticos. Neste trabalho entretanto, 209 pacientes entrevistados como tendo cncer de pulmo, tinham
na verdade outra patologia (um hospital mandou uma lista como sendo cncer, todos os pacientes que
fizeram broncoscopia). Este erro atrapalhou ou ajudou os autores ? justifique.
Analise as tabelas abaixo, calculando a RPC correspondente. Interprete os resultados, comparando-os com
os trabalhos de Wyner e Graham. O que essa concordncia de resultados representa em termos de
causalidade ?
Dados sobre o hbito de fumar cigarros entre 649 homens com cncer de pulmo e 649 doentes sem
cncer, 1950
Quantidade diria de cigarros fumados por 20 anos ou mais Distribuio Percentual RPC
Cncer Comparao
No fumante 2 27
1a4 33 55
5 a 14 250 293
15-24 196 190
25 ou mais 168 84
Ainda em 1950, Levin, Goldstein e Gerhardt revisaram os pronturios do Roswell Memorial Institute,
Buffalo, EUA. Este hospital era especializado em cncer, sendo que fazia parte da anamnese padro do
mesmo, a coleta da histria pregressa de fumo, uma norma estabelecida desde 1938. Os autores tambm
encontraram uma associao entre cncer e fumo. Qual a fundamental diferena entre este estudo e os
anteriormente apresentados. Em que este dado auxilia nas concluses ?
Inmeros estudos retrospectivos apontavam para a mesma direo isto , uma associao, possivelmente
causal entre fumo e cncer. Todavia esses resultados eram criticados pelo fato de serem baseados em
estudos retrospectivos ou transversais. Quais as principais crticas que podemos fazer a estes desenhos
epidemiolgicos ?
Estudos de coorte
Em 1964, 7 estudos de coorte foram concludos, estudando a associao entre fumo e cncer, sendo os
principais os clssicos estudos de Doll e Hill, Hammond e Horn e Dorn. Por se tratar de um clssico da
literatura epidemiolgica, iremos aqui analisar o trabalho de Doll e Hill (Richard Doll; Austin Bradford
Hill. A mortalidade em relao com o hbito de fumar: dez anos de observao sobre mdicos britnicos.
British Medical Journal 1:3999-1410 e 1460-1467, jun 1964).
Diante das crticas que os estudos seccionais ou retrospectivos estavam sujeitos, Doll & Hill planejaram e
executaram um estudo de coorte. Um problema logstico grave, decorria do fato do cncer de pulmo ser
uma doena relativamente rara (conseqentemente necessitando de uma amostra de considervel tamanho).
O acompanhamento de tal populao apresenta grandes entraves operacionais com custos elevados. Uma
brilhante idia que os autores tiveram foi a de acompanhar a doena entre a populao de mdicos,
resolvendo assim as seguintes questes:
% grande receptividade da comunidade mdica, cooperando ao mximo com o estudo.
% documentao detalhada sobre o paradeiro dos mdicos ingleses.
% diagnstico com os detalhes possveis, para a tcnica mdica da poca, sobre diagnstico de doenas ou
bitos.
% grande populao disponvel
% diminuio dos custos de entrevistas, pois muitas etapas foram cumpridas atravs de questionrios
enviados pelo correio.
Os questionrios continham poucas perguntas (quantidade de fumo/dia, se haviam parado de fumar, nmero
de anos fumando e tipo de fumo. Cerca de 70% dos questionrios enviados foram respondidos, o que
representa uma marca difcil de ser quebrada neste tipo de entrevista.
Porque ningum iniciou um estudo de coorte anteriormente, publicando uma srie de estudos retrospectivos
e/ou seccionais ?
Os estudos retrospectivos so necessariamente inferiores aos de coorte ? justifique.
Qual o vis potencialmente introduzido pela no resposta de 30% dos questionrios ?
De fato, os autores verificaram que uma razovel parcela dos que no responderam, estavam gravemente
doentes. Em que este fato compromete o estudo de Doll & Hill ? (analise o grfico abaixo).
100 93
85
80
63
60
40
20
0
2 3 4
Anos de acompanhamento
Perdas Responderam
Aps este primeiro questionrio os mdicos foram divididos em duas categorias : expostos (fumantes) e no
expostos.
Como classificar as pessoas que comeam o estudo como fumantes e o completam como no fumantes (ou
vice-versa), mdicos que morrem por outras doenas antes de terminar o acompanhamento etc. ?
Utilizando diversas fontes de registros (Conselho britnico de Medicina, Registro de bitos, Consulados
etc., os autores conseguiram seno a totalidade, uma proporo bastante razovel dos bitos entre mdicos.
Na tabela abaixo encontramos as taxas de mortalidade por cncer pulmonar, segundo nmero de cigarros e
idade.
Idade e nmero de cigarros fumados: taxa de mortalidade por 1000 pessoas-ano, devido a cncer de
pulmo
Cigarros fumados diariamente
No Fumantes 1-14 15-24 25
Idade
35-44 0.05 0.07 0.01 0.11
45-54 0.01 0.31 0.62 0.75
55-64 0.01 0.48 2.31 3.88
65-74 0.01 2.69 5.16 6.48
75 1.11 2.68 7.27 16.33
Calcule :
O risco relativo (RR) entre no fumantes e cada categoria de fumantes.
O RR entre no fumantes maiores de 75 anos e as outras categorias de fumantes na mesma faixa etria.
Quais as suas concluses ?
Uma outra maneira de expressar estes resultados pode ser vista no grfico abaixo. Quais so as suas
concluses ?
3
3 2.6
2.4
2.5 2.1
2
1.8
2 1.6
1.5
0.9
0.8
1
0.5
0.5
0
0 5 10 15 20 25 30 35 40 45
Cigarros dirios
Tabela II
Prtese ventilatria Pneumonia
Sim No
Sim 200 300 500
No 150 1950 2100
Total 350 2250 2600
2) Subtraia o RR obtido com o Fator de risco fumo (RRfumo) do Fator de risco prtese
ventilatria (RRprtese ventilatria). Como se chama a taxa que voc acabou de calcular ? o
que representa este resultado ?
3) Se quisermos expressar o mesmo dado em termos percentuais, podemos lanar mo
do risco atribuvel proporcional (RAp), onde :
RRprtese ventilatria
RAp = 1-
RRfumo
Presso poltica sobre a Unio Sovitica, inaugurando uma era conhecida como Guerra
Fria.
Existe uma farta documentao histrica sobre o assunto. O lanamento dessas bombas
entretanto matou milhares de civis e militares em milsimos de segundos ( clssica a foto
de um soldado, que montava guarda prximo a uma escada, sendo ambos carbonizados e
literalmente impressos numa parede prxima). Este ato entretanto permanecer durante
dcadas, afetando pelo menos algumas geraes do ps-guerra.
Aps a exploso das bombas, formou-se, em 1946, uma comisso de acompanhamento
das diversas doenas que poderiam aparecer nesta populao. Os autores do artigo deste
seminrio investigaram o aparecimento de casos de leucemia. Uma das dificuldades de tal
tarefa, reside em acompanhar um grande nmero de indivduos, muitos dos quais
passaram a morar em outras cidades, bem como revisar os dados contidos nos certificados
de bito.
Supondo-se que voc fosse realizar este trabalho hoje, qual seria a definio do tipo de
estudo realizado ? justifique.
Quais os principais vieses que estariam presentes ?
Os casos de leucemia foram agrupados em trs categorias, como ilustrado no grfico
abaixo.
562
600
500
397
400
300
200
63
100 66 4
6
0
Cer teza Po ssvel Incompleto
Classificao das L eucem ias
Hiroshima Nagasaki
Experimentos
Josef Mengele talvez seja um dos mais famosos mdicos do regime nazista, uma vez que
ele era o mdico responsvel por Auschwitz. Dentre outras atividades, ele escolhia
pessoalmente os que deveriam ou no ir para a cmara de gs.
Mengele era filho de um importante industrial alemo (cuja famlia ainda hoje administra
a sua herana), juntou-se ao ainda incipiente partido nazista em 1923. Durante seu curso
mdico, especializou-se em antropologia fsica e gentica.
Aps servir por seis meses na unidade de infantaria, um ferimento justificou sua
transferncia para Auschwitz, onde retomou seus estudos genticos interrompidos com a
ecloso da guerra. Sua condio de aristocrata e heri de guerra, permitiu uma posio de
destaque no campo, onde executou inmeros experimentos, sendo os de sua preferncia
os estudos em gmeos, onde um dos irmos poderia ser usado como grupo controle.
A lgica de tais experimentos, foi criada h mais de 100 anos, permanecendo como
mtodo ainda utilizado em populaes animais.
Podemos dividir os experimentos de Mengele em dois grandes grupos : o primeiro grupo
consistia em cirurgias experimentais, semelhante pesquisa bsica, onde buscava-se
simplesmente ver o que aconteceria caso determinado procedimento fosse realizado. No
segundo grupo, encontramos os trabalhos ligados experimentao de vacinas.
a) Como exemplo do primeiro tipo, a experimentao consistia na pura e simples sutura
de uma srie de rgos de gmeos ciganos com o objetivo de simular a fisiologia de
xipfagos (onde nenhum dos irmos jamais sobreviveu).
b) No segundo grupo. Os experimentos consistiam na inoculao de algum agente
infeccioso onde, aps a morte do paciente, seu irmo era sacrificado para que se
comparasse, com um rgo normal, as leses desencadeadas pela doena.
Esta era a razo pela qual Mengele mostrava especial predileo pelos gmeos. O controle no inoculado
seria posteriormente morto para a realizao de uma autpsia comparativa com o irmo que fora inoculado.
Dos cerca de 3.000 gmeos envolvidos nestas experincias, apenas cerca de 200
sobreviveram quando o campo foi liberado pelos soviticos em 27 de Janeiro de 1945.
Outros experimentos nos campos nazistas consistiam no estudo da fisiologia de seres
humanos expostos ao frio intenso. Tais experimentos, foram conduzidos por um mdico
chamado Sigmund Rascher, sob ordens diretas de Himmler do alto comando alemo. A
questo que se desejava responder era o que acontecia com um piloto ou marinheiro
alemo que casse no mar glacial, bem como aos milhares de soldados que morriam na
frente Russa em decorrncia do frio intenso. Para abordar este problema, inmeros
prisioneiros de diversas nacionalidades foram colocados em tanques de gua no meio do
AUTORIA: MAURCIO DE ANDRADE PREZ 126
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
inverno Polons, onde seus dados eram meticulosamente anotados enquanto morriam.
Numa outra fase da pesquisa, aps a exposio ao frio intenso, estudava-se formas de
reanimao, onde obviamente, a maior parte dos prisioneiros morreu durante as mesmas.
Mengele jamais pagou por seus crimes. Seu corpo foi descoberto no Brasil h alguns
anos, onde morrera afogado aps um AVC, enquanto passeava de iate com duas garotas
de programa. Sigmund Rasher por sua vez, foi condenado morte aps a Gestapo ter
descoberto que era estril e que junto com a mulher com quem vivia, havia adotado
ilegalmente um casal de crianas (crime extremamente grave, num pas preocupado com o
controle da pureza racial).
Alguns dos mdicos, que puderam ser julgados em Nuremberg alegaram que foram
forados a realizar tais experimentos. Existe farta documentao entretanto de que muitos
mdicos se recusaram a tomar parte nesta barbrie, sem jamais terem sido molestados.
Um mdico chamado Hans Mnch, oficial da SS, colega de Mengele em Auschwitz,
jamais participou da seleo de prisioneiros para a cmara de gs, sem qualquer
conseqncia pessoal ou profissional.
Outra alegao comum era a da inexistncia de cdigos de tica mdica que
estabelecessem claramente os limites desta tica. Este cdigo existe entretanto desde a
poca de Hipcrates (460-377 A.C.) h cerca de 2.300 anos atrs, infelizmente muitas
vezes desprezado ao longo dos sculos.
O Projeto Manhattan
Em dezembro de 1938, dois cientistas alemes (Otto Hanh e Fritz Strassman) descobriram
em Berlim, que o urnio poderia ser quebrado em elementos menores, liberando uma
imensa quantidade de energia, numa reao conhecida como fisso nuclear . Um ms
aps a invaso da Polnia pelos alemes, Albert Einstein escreveu uma carta ao
Presidente americano (Roosevelt) alertando para a possvel construo, pelos nazistas, de
uma bomba com poder de destruio inimaginvel.
Uma comisso, formada pelo Presidente Roosevelt, recomendou o investimento na
produo de plutnio em escala industrial, bem como no estudo da fisso deste minrio,
alm de repetir o processo j criado pelos alemes com o urnio.
Em 1942, comprovada a viabilidade terica e cientfica de se construir uma bomba de
fisso nuclear, uma comisso recomenda que o exrcito americano assumisse a
coordenao do projeto.
Um dos problemas mdicos que se impunham eram os novos e desconhecidos riscos para
a sade, relacionados com a produo e manuseio de materiais radioativos, especialmente
o plutnio. Apesar dos efeitos da radiao estarem bem documentados e conhecidos pelos
mdicos da poca, desconhecia-se completamente qual a dose que seria suportvel por um
trabalhador desta nova indstria emergente. Para solucionar este problema, uma seo
mdica do projeto Manhattan foi criada.
Foram milhares de experimentos que perduraram at os anos 70, muitos sem qualquer
explicao aos pacientes, dos riscos envolvidos ou a existncia de permisso para realiz-
los. Em certo momento, istopos radioativos foram distribudos para mdicos por todo os
EUA, incentivando-os a colaborarem nestes estudos.
Recentemente, a administrao do presidente Bill Clinton, liberou toneladas de
documentos (at este momento classificados como secretos) para anlise de historiadores
e mdicos.
De forma semelhante ao ocorrido na Alemanha nazista, pessoas que detinham o poder
julgaram necessrio, em nome da nao ou conhecimento cientfico a realizao
experimentos, expondo ao risco e/ou morte centenas de pessoas. Uma srie de parentes de
soldados americanos ganhou, h alguns anos, indenizaes do governo americano,
referentes exposio destes soldados radiao do deserto de Nevada (o exrcito
americano precisava saber como reagiriam as tropas a uma iminente guerra nuclear com a
Rssia).
No segundo caso, pelo menos em tese, estamos lidando com um pas democrtico, no
uma ditadura nazista. A questo tica, no portanto garantida pelo sistema poltico, e
sim por regulamentos que regem as pessoas numa sociedade. Sociedades injustas (como o
so todas no mundo atual) tendem a reproduzir nas diversas classes esta injustia por
extenso. Existe uma ampla discusso acerca da existncia ou no de uma neutralidade
cientfica, que deve ser objeto de leitura dos profissionais de sade que pretendam
realizar ou mesmo utilizar os dados da pesquisa clnica. claro que os exemplos acima
so aberrantes demais para suscitar dvidas acerca da tica na experimentao, sendo que
hoje os mesmos princpios so muitas vezes escondidos por um discurso muito mais sutil.
Esta questo no se restringe apenas sade, visto os experimentos realizados
diariamente por economistas no mundo inteiro, afetando profundamente a vida de milhes
de pessoas, matando tanto ou mais que qualquer uma das histrias de horror citadas acima
(desemprego, retirada de recursos na sade, educao etc.)
Figura IV: Sapatos de uso obrigatrio, gerando leses muitas vezes fatais numa populao
subnutrida
No primeiro seminrio deste curso, estudamos o resumo de uma srie de trabalhos que
culminaram com a descoberta de uma nova doena (Pelagra). Um dos estudos que foram
desenvolvidos nesta poca foi publicado por Goldberg em 1916 (Joseph Goldberger, C.H.
AUTORIA: MAURCIO DE ANDRADE PREZ 136
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
Waring e W.F. Tanner. Preveno da Pelagra entre os internos em instituies por meio
da alimentao. Public Health Reports 38(41):2361-2368, 1923.
Em 1914, a pelagra, doena at ento desconhecida, era endemicamente observada em
diversas instituies pblicas, tais como cadeias, orfanatos etc. Os autores estudaram dois
orfanatos, Jackson Mississipi e Georgia State, onde a doena era endmica. No primeiro,
foi introduzida uma completa mudana no teor da alimentao com a introduo de carne,
leite, verduras e frutas frescas. No segundo orfanato (Georgia State), a dieta foi alterada
apenas para duas turmas. Para manter as demais condies constantes, no se permitiu a
modificao das condies sanitrias dos orfanatos. O contato entre os internos era feito
livremente.
c) Se quisssemos que o estudo fosse triplo cego, como deveramos proceder ?
d) Porque os autores no criaram restries para o contato entre alunos ? porque impedir
reformas nas condies sanitrias dos estabelecimentos ?
Aps um ano de observao, observou-se apenas um caso de pelagra no orfanato de
Jackson, e nenhum entre as crianas com dieta alterada em Georgia State. Quanto a este
ltimo, das crianas que receberam a dieta convencional do orfanato, 47% voltaram a
adoecer de pelagra.
Alguns autores alegavam que a pelagra era infecciosa, mas que a alimentao fortalecia
o organismo, evitando assim a doena. Os autores julgaram portanto conveniente
continuar o experimento nos 2 orfanatos, ampliando-o entretanto para outros. Desta
forma, em Columbia, onde a prevalncia de pelagra chegava a 50% das crianas
internadas, os autores alteraram a dieta de uma parte das crianas, mantendo as outras
com a alimentao original.
Voc consideraria este segundo experimento tico ? e o primeiro ? justifique.
Caso a prevalncia de pelagra casse nas crianas com dieta alterada, este fato seria uma
prova irrefutvel da no causalidade de um agente infeccioso ? justifique.
Diante do fato de que os autores continuaram a experincia por mais um ano (3 ao todo)
em Georgia State, discuta as maneiras pelas quais um estudo deve ser interrompido.
Exemplo II
20.8
25
20.5
20.7 21.1
20 16.8
15
8.9 6.3
10
7.3
0
Penic ilina benzatina Penic ilina G Sulfadiazina
Proteo para os voluntrios em pesquisa clnica A crise da Universidade de John Hopkins. N Engl J
Med, Vol 346, n 9 Fev 28, 2002-11-27
Resumo: Ellen Roche, uma tcnica saudvel de 24 anos que trabalhava na John Hopkins (setor de asma e
alergia) morreu em Junho de 2001, aps ter sido voluntria para um estudo sobre asma, financiado pelo
National Intitute of Health (o equivalente ao CNPq) nos EUA. Em julho de 2001, decidiu-se suspender todo
o financiamento federal para projetos de pesquisa daquela instituio, aps ter-se descoberto uma srie de
outras irregularidades. Em 2001 aproximadamente 50.000 pessoas participaram como voluntrios em
projetos de pesquisa na Johns Hopkins, havendo 2.500 projetos em andamento quando houve o corte do
afluxo de verbas federais. O volume de recursos envolvidos havia variado de U$ 185.000.000 em 1995 para
U$ 305.000.000 em 2000, sendo que as faculdades mdicas so aquelas que mais recebem financiamento.
Ao ser entrevistado, O Dr. Edward D. Miller (reitor da Johns Hopkins) afirmou: Quando pessoas so
colocadas numa pesquisa existe uma troca entre a importncia da informao e o risco para o voluntrio.
Desta forma, apesar de tudo ser feito para minorar os riscos, em algum momento um paciente ir morrer.
Por outro lado, deixar de realizar investigaes clnicas nos faria ainda ter crianas internadas utilizando
respiradores devido s seqelas da poliomielite.
No documento que solicitava a autorizao, o hexametnio foi descrito como uma droga utilizada em
anestesia (o que no era verdade pois a mesma havia sido retirada do mercado pelo FDA) e que apresentava
como efeitos colaterais uma discreta hipotenso (nenhum outro efeito txico principalmente pulmonar foi
mencionado). O mdico responsvel pela pesquisa (Dr. Togias) alegou que s descobrira os efeitos txicos,
aps Ellen ter apresentado o quadro acima descrito. Quanto a no comunicao dos efeitos adversos no
primeiro paciente, o coordenador argumentou que os mesmos no foram considerados efeitos adversos
graves.
A morte desta paciente levou a formao de quatro diferentes comisses de investigao.
Recusando-se a ser entrevistado, Dr. Togias enviou seu advogado que alegou que apesar de entristecido e
chocado com o episdio, a proteo aos pacientes que participam de estudos deve ser coletiva e que os
pesquisadores precisam de diretrizes mais claras para poderem atuar.
A reviso da FDA
A FDA concluiu que o Dr. Togias falhou ao no enviar ao FDA um protocolo perguntando sobre os efeitos
do hexametnio e ao no informar aos pacientes que a administrao da droga por via inalatria era
experimental (no havia sido feito antes).
5) Uma clnica de seu hospital contactada por uma multinacional para a realizao de uma pesquisa
clnica. Enumere os prs e contras e d alternativas viveis para equacionar este problema.
6) Quais os prs e contras da presena de instituies privadas dentro de unidades pblicas ?
7) A criao de 6 comits significa que em mdia 5,5 projetos sero analisados por reunio. Este
nmero adequado ?
Apesar da clera ser conhecida h muitas anos por diversas sociedades, Snow comea
seus estudos por uma reviso bibliogrfica que retrocede at 1769. Dentre as diversas
justificativas citadas estaria a maior fidedignidade dos dados mais recentes, bem como a
grande distncia de onde as epidemias eram encontradas (ndia e outros pases da sia),
razo pela qual poucos mdicos tinham se interessado em estudar esta patologia.
Entretanto Snow encontra uma Inglaterra ao mesmo tempo sendo a maior potncia
mundial, acumulando imensa riqueza, convivendo simultaneamente com as mais absurdas
condies de explorao humana, com jornadas de trabalho (inclusive infantil) superiores
a 16 horas), habitaes populares absolutamente infectas, minas de carvo que poderiam
ser definidas como verdadeiras latrinas etc. Nesta poca, prvia a descoberta da vida
microbiana, a viso dominante seria que doenas seriam transmitidas por miasmas (maus
ares origem da palavra malria), o que no deixava de fazer sentido, visto que as
cidades pouco tinham a oferecer em termos de saneamento bsico.
O caso ndice de clera, que deu incio a grande epidemia de 1948 foi um marinheiro que
havia desembarcado proveniente de Hamburgo. Diversos relatos isolados por toda a
Inglaterra foram utilizados por Snow para compreender o mecanismo de transmisso
desta doena. Particularmente interessante o de uma vila onde nenhum caso de clera
havia sido reportado pelos arredores. Aps a morte do primeiro paciente, outros casos
surgiram na cidade, sem que os mdicos conseguissem perceber qual teria sido a fonte de
contgio. Aps alguns dias, descobriu-se que uma tia do primeiro paciente havia morrido
de clera em uma cidade distante, sendo enviado para este as roupas da falecida.
f) Baseado no que foi discutido at o momento, descreva para o clera o que seria o
perodo de incubao, transmissibilidade, prodrmico, estado e convalescena. Este
tipo de diviso faz sentido para esta doena ? e para outras como sarampo ou difteria ?
Nada favorece mais a propagao do clera do que a ausncia do asseio pessoal, seja
proveniente de hbito ou de escassez de gua; a roupa de cama quase sempre fica
molhada devido s evacuaes de clera e, sendo estas destitudas de cor e do odor
habituais, as mos das pessoas que esto tratando dos pacientes ficam sujas sem que elas
o notem. A menos que as pessoas sejam extremamente limpas em seus hbitos e lavem as
mos antes de comer, inevitvel que acidentalmente engulam um pouco da excreo e
depositem alguma no alimento em que tocam ou preparam, alimento esse que comido
pelo resto da famlia, a qual, em se tratando da classe trabalhadora, freqentemente
obrigada a fazer as refeies no quarto do doente. A deficincia de iluminao um
grande obstculo limpeza, pois impede que a sujeira seja vista, e deve em muito auxiliar
a contaminao de alimentos com evacuaes de clera. Com poucos recursos, uma
famlia inteira mora, dorme, cozinha, come e se lava num s aposento, que quando
introduzido, o clera se espalha e, com maior violncia ainda, nos locais chamados de
hospedaria comuns, nos quais vrias famlias se amontoam num s aposento. No asilo
para crianas pobres de Tooting, ocorreram 140 mortes em mil internos e a enfermidade
no se extinguiu at que se removessem as crianas restantes. Duas ou trs crianas
dormiam na mesma cama, e vomitavam umas sobre as outras quando estavam com clera.
g) Qual o mtodo utilizado por Snow para descrever com tais detalhes o comportamento e
hbitos de higiene da classe trabalhadora ? em que ponto esta tcnica ainda utilizada por
um sanitarista durante uma investigao epidemiolgica ?
Investigao em um bairro de Londres
Especialmente interessante no estudo de Snow, esta descrio entre a associao de
bombas de gua em um conjunto de ruas de Londres e a epidemia de clera.
Nos fins de agosto haviam ocorrido alguns casos de clera nas vizinhanas de Broad
Street, golden Square. Suspeitei que estivesse contaminada a gua da freqentssima
bomba de Broad Street (ver mapa I) perto do fim de Cambridge Street. Contudo, ao
examinar a gua, constatei to pouca impureza de origem orgnica, que hesitei em tirar
concluses. Com respeito s mortes que se verificaram na localidade qual pertencia a
bomba, fui informado de que em sessenta e uma das ocorrncias, as pessoas falecidas
bebiam, ocasional ou constantemente da gua da bomba de Broad Street. A gua era
ministrada s aguardentes em todas as tavernas da redondeza. Igual uso se fazia em
restaurantes e sales de caf, onde nove de seus fregueses haviam adoecido. Mais de do
asilo para pobres em Poland Street, so circundados por casas onde se verificaram mortes
por clera. Entretanto dos 535 internos, somente cinco morreram por clera. No asilo
existia, alm do suprimento da usina hidrulica de Grand junction, uma bomba, de tal
forma que os internos jamais iam buscar gua em Broad Street.
Em Broad Street existe uma cervejaria onde nenhum caso foi registrado. Fui informado
que os operrios bebem certa quantidade de aguardente de malte e que jamais buscaram
gua na bomba localizada na rua.
Em 1832 (tabela II), diversas companhias captavam gua de uma poro poluda do rio
Tmisa, principalmente Southwark & Vauxhall bem como Lambeth e outras. Aps esta
primeira epidemia, uma srie de modificaes ocorreram em Londres, aumentando-se a
populao e consequentemente a quantidade de esgoto. Em 1849 (tabela III), a grande
competio entre as firmas de abastecimento de gua fazia com que os canos de
abastecimento da Southwark & Vauxhall e Lambeth corressem lado a lado por quase
todas as ruas de muitos distritos de Londres. Em
j) Qual a diferena encontrada entre essas duas primeiras epidemias e os dados mostrados
no surto ocorrido em 1853 (Tabelas IV, V e IX). Como explicar estes novos achados ?
A catstrofe ocorrida na Clnica Santa Genoveva de repente despertou nosso pas para um aspecto
ao qual no estava preparado: o Brasil um pas que est envelhecendo. Sempre tivemos o conceito que
ramos um pas jovem, que o problema do envelhecimento dizia respeito aos pases europeus, norte-
americanos e Japo. Realmente, nestes pases se vive mais, existe uma maior expectativa de vida. No
entanto, poucos se deram conta de que desde os anos 60, a maioria dos idosos em nmeros absolutos vivem
em pases do terceiro mundo e as projees estatsticas demonstram que esta a faixa etria que mais
crescer na maioria dos pases menos desenvolvidos (figura 1).
A tabela 1 mostra as mudanas que esto acontecendo nos pases que tero 16 milhes ou mais de
indivduos com 60 anos ou mais no ano 2025, comparadas com as populaes da mesma faixa etria em
1950. Entre os pases que tero as maiores populaes de idosos daqui a menos de 30 anos, oito se situam
na categoria de pases em desenvolvimento. Nota-se a substituio das grandes populaes idosas dos pases
europeus pelas de pases "jovens", como a Nigria, Paquisto, Mxico, Indonsia ou Brasil.
Neste final de sculo, assistimos no Brasil a um verdadeiro "boom" de idosos. A faixa etria de 60
anos ou mais a que mais cresce em termos proporcionais. Segundo as projees estatsticas da
Organizao Mundial da Sade, entre 1950 e 2025, a populao de idosos no pas crescer 16 vezes contra 5
vezes da populao total, o que nos colocar em termos absolutos com a sexta populao de idosos do
mundo, isto , com mais de 32 milhes de pessoas com 60 anos ou mais. Este crescimento populacional o
mais acelerado no mundo e s comparvel ao do Mxico e Nigria.
O crescimento demogrfico da populao brasileira na faixa etria de mais de 60 anos tem sido
motivo de grande interesse por parte dos estudiosos da terceira idade em vrios pases do mundo.
As projees estatsticas demonstram que a proporo de idosos no pas passar de 7,3% em
1991(11 milhes) para cerca de 15% em 2025, que a atual proporo de idosos da maioria dos pases
europeus, os quais tiveram sua transio mais lenta e que ainda no conseguiram equacion-la. Deve-se
recordar que estas projees so baseadas em estimativas conservadoras de fecundidade e mortalidade,
sendo que se houver uma melhora mais acentuada em nossa zonas mais miserveis, como o Nordeste, o
envelhecimento brasileiro ser muito maior.
1) Alta fertilidade/Alta mortalidade: numa primeira etapa tnhamos uma taxa de nascimentos
muito alta que era compensada por uma taxa de mortalidade tambm muito alta. Desta maneira, a populao
se mantinha mais ou menos estvel com uma grande percentagem de jovens na populao. Isto era o que
acontecia no mundo todo at o incio deste sculo, nos pases em desenvolvimento at a metade do sculo e
ainda ocorre em alguns pases africanos.
2) Alta fertilidade/Reduo da mortalidade: num segundo momento a taxa de nascimentos
continua muito alta e a mortalidade passa a diminuir consideravelmente em relao etapa anterior, o que
ocasiona um crescimento muito grande da populao as custas, principalmente, da populao jovem: a
proporo de jovens na populao aumenta. o que se chamou de "baby boom" ou exploso demogrfica
que ocorreu intensamente no Brasil nas dcadas de 40 e 50 e que ainda ocorre em alguns pases asiticos.
3) Reduo da fertilidade/ Mortalidade continua a cair: numa terceira etapa ns temos uma
diminuio da taxa de nascimentos e a de mortalidade continua a cair, o que dar ainda um crescimento da
populao total mas, j no to grande, com um aumento da percentagem de adultos jovens e,
progressivamente, de idosos. o que acontece no Brasil e em alguns pases da Amrica Latina.
4) Fertilidade continua a cair/Mortalidade continua a cair em todos os grupos etrios: numa quarta
etapa a taxa de nascimento cai mais, a mortalidade cai mais, o que d um certo equilbrio na quantidade
total da populao mas com um aumento contnuo da populao de idosos. o que acontece na maioria dos
pases europeus.
Poderemos chegar no ponto em que a taxa de nascimento cai mais que a taxa de mortalidade, a ter
um crescimento negativo da populao, que o que est acontecendo hoje na Dinamarca, Hungria, Canad
e acontecia na Alemanha antes da unificao.
Nos pases desenvolvidos o aumento da expectativa de vida ao nascimento j havia sido substancial
poca em que ocorreram grandes conquistas do conhecimento mdico, na metade deste sculo.
Este fato pode ser ilustrado pelo clssico exemplo de reduo da mortalidade nos Estados Unidos
da Amrica do Norte publicado em 1981 por Fries e Capro naquele pas, no incio do sculo, a taxa de
mortalidade por tuberculose era de 194 mortes para cada 100.000 indivduos por ano. Em 1925, a taxa j
estava reduzida pela metade. A partir de 1940, a cada dcada, a taxa era a metade da de cada dcada
anterior.
Figura 2
As principais razes para esta reduo acentuada se deve elevao do nvel de vida da
populao norte-americana, traduzida por uma urbanizao adequada das cidades, melhores
condies sanitrias, melhoria nutricional, elevao dos nveis de higiene pessoal e melhoria das
condies ambientais, tanto residenciais como no trabalho. Todos esses fatores j estavam presentes
quando, no final da dcada de 40 e no incio dos anos 50, foram introduzidos os exames radiogrficos,
a BCG e uma srie de frmacos potentes (isoniazida, PAS e a estreptomicina) que tiveram um
importante papel na mortalidade, incidncia e prevalncia da tuberculose. No entanto, o processo de
queda da mortalidade j estava, h muito, desencadeado naquele pas. Nos pases menos
desenvolvidos, no vm ocorrendo desta maneira. Embora milhes de pessoas continuem vivendo em
graus absolutos de misria ou pobreza, as conquistas tecnolgicas da medicina moderna (assepsia,
vacinas, antibiticos, quimioterpicos e exames complementares de diagnstico, entre outros), ao
longo dos ltimos 60 anos, conduziram aos meios que tornaram possvel prevenir ou curar muitas das
doenas fatais do passado. A queda da fecundidade somente iniciou-se nos anos 60 e intensificou-se
nos anos 70 (Figura 3), o que permitiu a ocorrncia no pas o fenmeno de uma grande exploso
demogrfica (anos 40 e 50).
Figura 3
Considerando-se o exemplo do Brasil, a passagem de uma situao de alta mortalidade mais alta
taxa de nascimentos para uma de baixa mortalidade e, gradualmente baixa fecundidade, traduz-se numa
elevao da expectativa de vida mdia ao nascer e num aumento, tanto em termos absolutos como
proporcionais, de pessoas que atingem idades mais avanadas. De fato, no incio do sculo (1900) a
expectativa de vida ao nascimento era de 33,7 anos. Para um brasileiro nascido durante a Segunda guerra
mundial era de apenas 39 anos. Em 1950 aumentou para 43,2 anos. Em 1960, a expectativa de vida ao
nascimento era de 55,9 anos, com um aumento de 12 anos em uma dcada. De 1960 para 1980 aumentou
para 63,4 anos, isto , 7,5 anos em duas dcadas. De 1980 para 2000 dever haver um aumento em torno de
5 anos, quando um brasileiro ao nascer esperar viver 68,5 anos. De 2000 para 2025 dever haver um
aumento de 3,5anos. A figura 4 compara a evoluo das expectativas de vida no perodo de 1950-2025, para
os diferentes continentes e para o Brasil em particular:
Como observamos, todas as curvas tm uma tendncia ascendente, sendo que a do Brasil assume
uma inclinao particularmente acentuada, somente comparvel dos pases asiticos, incluindo a China,
que tambm apresentaram um aumento acentuado no perodo em questo. As projees mostram uma
reduo drstica nos diferenciais verificados em meados do sculo. Por exemplo, em 1950 mais de 25 anos
separavam um brasileiro de um norte americano em termos de expectativa de vida ao nascimento. Essa
diferena passou, no momento, a ser de bem menos de 10 anos e, as projees mostram que no ano de 2025
esta diferena ser de pouco mais de 4 anos.
Figura 4
Figura 5
Entretanto, a infra-estrutura necessria para responder s demandas deste grupo etrio em termos
de instalaes, programas especficos e mesmo profissionais de sade adequados quantitativa e
qualitativamente, ainda precria.
No Brasil, em 1930, dois teros de nossa populao vivia em zonas rurais. Hoje em dia, mais que
trs quartos vive em zonas urbanas. Este fluxo migratrio, que denominamos permanente pelo fato dos
migrantes rurais no apresentarem a inteno de retorno a seus lugares de origem, deve-se a vrias causas:
desemprego rural, diferena salarial campo/cidade, concentrao de servios pblicos nas cidades,
influncia da mdia que cria uma falsa idia sobre a vida nas grandes cidades, etc.
AUTORIA: MAURCIO DE ANDRADE PREZ 156
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
(figura abaixo)
Figura 6
O migrante padro que chega as nossas grandes cidades o migrante jovem, o qual, em geral,
deixa seus parentes para trs. Para o idoso que teve por toda a sua vida uma grande famlia, que se
caracterizava por uma marcada solidariedade sociocultural, com um suporte provido pelos mais jovens,
rodeados de muitas crianas, esta mudana pode ser muito complicada, causando desmotivao, sensao de
desamparo e sintomas depressivos.
A migrao rural que ocorre principalmente as custas do deslocamento da populao jovem e, em
geral, deixando seus familiares idosos no local de origem, tem proporcionado uma acentuao desse
envelhecimento em termos proporcionais. Com isso, justamente nas regies menos desenvolvidas do pas
temos as maiores propores de idosos.
Os migrantes quando chegam a grande cidade, ou vo morar em uma favela, ou, os com melhor
situao financeira, vo morar em uma zona proletria. Se, por acaso, o migrante levar consigo sua famlia
e, com isso o idoso tambm migrar, esta nova situao pode acentuar diversos problemas, tais como
dificuldades financeiras, deteriorao das condies de sade, solido e exposio a violncias.
Sabemos que os problemas de sade podem ser causados ou agravados pela solido e baixo nvel
scio-econmico. Isto torna-se mais intenso no caso de portadores de patologias mltiplas, situao mais
comum no idoso e, principalmente, no idoso frgil.
A solido do idoso hoje em dia, est muito relacionada as alteraes que ocorrem na famlia de
hoje. Nos grandes centros urbanos, tem aumentado a proporo de pequenas famlias em detrimento das
famlias extensas.
Este fenmeno de reduo do tamanho das famlias progressivo e mundial, tendo motivado as
Naes Unidas colocarem, no ano de 1994, a "clula germinativa da sociedade" no centro de interesse. Sob
o lema "Famlia - recursos e tarefas num mundo em transformao", a Assemblia Geral da ONU
determinou o ano de 1994 como Ano Internacional da Famlia.
(2,7), Itlia e Canad (2,8). Neste ano o Brasil apresentava uma mdia de 4,2 pessoas por domiclio, o que
significava o casal com 2,2 filhos. A nao que apresentou a maior mdia foi o Iraque (7,8), seguido da
Arglia e Jordnia (6,9) e Paquisto (6,7).
A reduo do suporte familiar aos idoso relaciona-se tambm maior mobilidade das famlias pelo
seu tamanho e o nmero crescente de separaes.
O sistema informal de apoio, tambm denominado de cuidado informal, fornecido por parentes,
vizinhos, amigos ou instituies comunitrias, tem sido e ainda se constitui no mais importante aspecto de
suporte social comunitrio. O mesmo, da mesma maneira e pelos mesmos fatores que esto causando a
reduo do tamanho das famlias, est progressivamente se reduzindo.
Ns todos sabemos que a mulher, em mdia, vive mais que os homens. No Brasil, como na grande
maioria dos pases, o aumento na expectativa de vida ao nascer tem sido mais significativo no sexo
feminino. Isto se deve a vrios fatores, principalmente pela proteo cardiovascular dada pelos hormnios
femininos, mas tambm pelas mulheres apresentarem: condutas menos agressivas; menor exposio aos
riscos no trabalho; maior ateno ao aparecimento de problemas de sade; melhor conhecimento destes;
maior utilizao dos servios de sade; menor consumo de tabaco e lcool; etc. Tambm como um fator de
contribuio pode-se citar a moderna assistncia mdico-obsttrica que tem propiciado uma queda na
mortalidade de parturientes.
Diversos trabalhos tm demonstrado que a mulher vem, cada vez mais, adotando hbitos que eram
tidos como prprios do homem, como fumar e beber. Alm do que vem se constituindo numa importante
parcela da massa de trabalhadores remunerados. A mulher que tradicionalmente no meio familiar era quem
tomava cargo das crianas e idosos, ao assumir um importante papel na fora de trabalho, provoca a
necessidade de utilizar o contrato de um cuidador informal remunerado, quando este idoso tornar-se
enfermo ou incapacitado,
Figura 7
A mulher muito mais solitria na velhice que o homem. Alm de viver mais, casa-se mais jovem
e, uma vez viva apresenta uma menor taxa de segundo casamento que o homem vivo.
Os estudos longitudinais com pessoas idosas tm revelado que a satisfao no trabalho se constitui
num dos mais importantes preditores de longevidade entre os homens, mesmo quando a varivel taxa de
sade controlada. Trabalho aqui entendido de maneira ampla, no s trabalho remunerado, :trabalho em
casa, trabalho voluntrio, etc..
Entre as mulheres idosas, estes estudos tm demonstrado que a quantidade de atividades em grupos
voluntrios, tais como em igrejas, clubes e organizaes voluntrias, foi um preditor mais importante que a
satisfao no trabalho (trabalho como usualmente conceituado). Este tipo de atividade provavelmente
desempenha o mesmo papel para a mulher que o trabalho para o homem, isto , estimulando: o moral
pessoal e a sade mental; o exerccio e o suporte social.
Uma preocupao de muitas pessoas se a aposentadoria pode causar uma queda na qualidade de
vida de um indivduo. No entanto, trabalhos longitudinais, tm demonstrado que a perda do trabalho no
causa comumente uma queda se as variveis sade e condio scio-econmica forem controladas. Desta
maneira, no deve-se temer a aposentadoria, se esta for feita voluntariamente, com o indivduo em bom
estado de sade, com um confortvel rendimento e permanecendo socialmente ativo.
Figura 8
Figura 9
No entanto, no Brasil rural, a aposentadoria surge geralmente por incapacidades fsicas e, tanto a
como em zonas urbanas, aposentadoria usualmente representa uma condio scio-econmica injusta e
inadequada. Muitos de nossos idosos necessitariam trabalhar para completar sua renda e, embora diversos
apresentem condies para tal e no haja proibio legal ao idoso trabalhar, praticamente inexistem
oportunidades para tal.
Para avaliao do custo financeiro que a parcela improdutiva da populao, isto , idosos e
crianas, representam para a parcela produtiva da sociedade, utiliza-se um indicador denominado de
coeficiente de dependncia. Este usualmente definido como a razo da populao de menos de 15 anos e
de 60 anos ou mais para aqueles situados na faixa de 15 anos e 59 anos de idade.
No Brasil, apesar do crescimento absoluto e proporcional da faixa etria com 60 anos ou mais, o
coeficiente no se elevou, na verdade decresceu, devido ao fato do grupo etrio de 0 a 14 anos Ter
decrescido muito. No entanto isto no se traduz numa reduo do custo financeiro para a parcela produtiva
da sociedade (fig. 9). O crescimento da faixa de idosos no coeficiente de dependncia representa um custo
maior para a sociedade. Em pases onde h programas especficos para os idosos, em mdia, os governos
despendem cerca de 3 vezes mais com esse grupo do que com a populao de 0 a 14 anos.
Tem-se desenvolvido, dentro deste contexto, uma rpida transio nos perfis de sade em nosso
pas que se caracteriza, em primeiro lugar, pelo predomnio das enfermidades crnicas no transmissveis e,
em segundo lugar, pela importncia crescente de diversos fatores de risco para a sade e que requerem,
complexamente, aes preventivas em diversos nveis. As doenas infecto-contagiosas que, em 1950,
representavam 40% das mortes ocorridas no pas, hoje so responsveis por menos de 10%, enquanto que
com as doenas cardiovasculares ocorreu o oposto: em 1950 eram responsveis por 12% das mortes e hoje
representam mais de 40% das mortes em nosso pas.
Passamos, em menos de 40 anos, de um perfil de mortalidade materno-infantil, para um perfil de
mortalidade por enfermidades complexas e mais onerosas, tpicas das faixas etrias mais avanadas. Apesar
disso, mesmo em regies mais desenvolvidas do pas, aonde as diferenas so mais marcantes, os sistemas
de sade se caracterizam pela priorizao da ateno materno infantil, uma vez que a mortalidade perinatal
se tornou a principal causa de mortalidade na infncia.
Na medida em que o nosso pas passa por esta rpida transio demogrfica e nos perfis de sade,
cresce de importncia a necessidade da quantificao dos recursos que a sociedade tem que arcar para fazer
frente as necessidades especficas deste segmento etrio. Estudos populacionais realizados em So Paulo
tm demonstrado que o aumento da sobrevida acarreta um aumento da prevalncia de doenas crnicas,
perda da independncia funcional e da autonomia. Autonomia entendida como o exerccio da
autodeterminao e Independncia Funcional como a capacidade do indivduo em realizar as suas atividades
dirias, como vestir, comer, banhar-se, etc. O funcionamento o resultado da interao da capacidade do
indivduo e do ambiente que apoia esta capacidade.
Nossas cidades, ruas, caladas, transporte, prdios, casas, etc., que no foram projetadas pensando-
se em indivduos idosos, se constituem em verdadeiras barreiras arquitetnicas independncia funcional da
populao idosa.
Figura 10
Figura 11
Figura 12
Figura 13
Figura 14
Figura 15
Se desdobrarmos a faixa etria de 60 anos ou mais em grupos de 5 anos, vamos notar que para cada
5 anos de idade teremos um aumento significativo do ndice de hospitalizao, desde 0,8 dias na faixa de
60-64 anos at 1,9 dias na faixa de 80 anos ou mais.
De um custo total de R$ 2.997.402.581,29, uma grande parcela (23,9) foi consumido pelos idosos,
19,7% pela faixa de 0-14 anos e 57,1% pela de 15-59 anos.
Figura 16
Figura 17
O custo mdio por hospitalizao foi de R$ 238,67 para a faixa etria de 0-14 anos, R$ 233,87 para
os entre 15-59 anos e R$ 334,73 para os com 60 anos de idade ou mais. O ndice de custo (custo de
hospitalizao consumido por habitante/ano) foi de R$ 10,93 para o segmento mais novo, de R$ 18,48 para
o grupo de 15-59 anos e R$ 55,25 para o de 60 anos ou mais.
Figura 19
A baixa mdia de permanncia hospitalar, quando comparada com outros pases, encontrada na
populao idosa pode ser explicada pelo mtodo de pagamento do governo ao hospital conveniado, que
consta de um pagamento global por procedimento, levando em conta somente o tratamento de uma
enfermidade: a que motivou a internao hospitalar, e independe do nmero de enfermidades que o paciente
possa apresentar, do tempo de permanncia e dos gastos necessrios de medicaes e de exames
complementares. Isto poderia ser uma das explicaes para as dificuldades que os idosos tm, em muitas
cidades brasileiras, quando necessitam de uma vaga hospitalar. Tambm, poderia explicar em parte, a alta
precoce que muitos idosos recebem, o que estaria levando s freqentes re-internaes dos mesmos.
Com estes dados, podemos concluir que, com o aumento da nossa populao idosa, determinados
aspectos esto necessitando maiores discusses dentro do Sistema Pblico de Sade Brasileiro.
5.- CONCLUSES
Na rea da sade vrios so os problemas que afetam atualmente o pas. Com a emergncia da
populao idosa esse quadro de precariedade tende a se agravar. sabido e, vimos anteriormente, que os
idosos consomem mais servios de sade. Acrescente-se a isso o fato de que as taxas de internao
hospitalar so bem mais elevadas quando comparadas a outro grupo etrio e o tempo mdio de ocupao do
leito hospitalar tambm.
A falta de servios domiciliares e/ou ambulatoriais adequados faz, muitas vezes, com que o
primeiro atendimento se d em estgio avanado no hospital, aumentando os custos e diminuindo a
possibilidade de um prognstico favorvel. Os problemas de sade dos mais velhos, alm de serem de longa
durao, requerem pessoal qualificado, equipe multidisciplinar, equipamentos e exames complementares, ou
seja, exigem o mximo da parafernlia do complexo mdico industrial.
A cada ano que passa mais 650 mil idosos so incorporados populao brasileira. J perdemos
muito tempo acreditando que ainda somos um pas jovem, sem dar o devido crdito s informaes
demogrficas que mostram e projetam o envelhecimento de nossa populao.
As enfermidades dos idosos, na imensa maioria das vezes, so crnicas, ou seja, so problemas de
sade que vo perdurar 15, 20 ou mais anos. Portanto, o modelo existente, hospitalar ou asilar, no pode ser
a base do sistema. Por outro lado, pensar apenas em tratamento ambulatorial, com medicamentos, exames
clnicos e idas constantes aos servios de sade , tambm, se acomodar aos antigos modelos. Temos que
ser criativos, propondo alternativas mais eficientes e adequadas. A assistncia mdica formal, alm de cara,
no consegue cobrir todas as necessidades dos idosos. Devemos incentivar a criao dos chamados espaos
alternativos ou instncias intermedirias, tais como: hoepital-dia, centros de convivncia, alm de centros-
noite, lares abrigados e protegidos para aqueles que necessitam de cuidados institucionais. Para os demais
AUTORIA: MAURCIO DE ANDRADE PREZ 165
Universidade Federal do Rio de Janeiro
Ncleo de Estudos em Sade Coletiva (NESC)
Sade Coletiva - Fisioterapia
idosos, devemos incentivar os modelos de avaliao geritrica ampla, utilizando mtodos de screening,
testes de performance e da abordagem epidemiolgica dos fatores de risco.
Peso (Kg)
62 53 57 55 69 64 60 59 60 60
3) Defina o significado de cada uma das seguintes medidas de tendncia central: mdia,
mediana e moda, varincia, amplitude.
A 23 19 22 20 15 18 19 20 21 22
B 12 38 15 6 3 85 25 7 9 65
Calcule a mdia, mediana e moda dos dois tratamentos. Digamos que ambos sejam
estatisticamente significantes (p < 0,0001). Como voc interpretaria esses resultados ?
Bibliografia
I. Mark Elwood. Causal relationships in Medicine. A pratical system for critical appraisal; Oxford
University Press, 1988 .(*)
II. Mausner & Bahn. Epidemiology : an introductory text; W.B. Saunders Company, 1985 . (*)
III. San Martin, A.C. Martin, J.L. Cavrasco. Epidemiologia : teora, investigacin, prtica; Imprenta
Celero, Madrid, 1986 .
IV. Harold A. Kahn, Cristopher T. Semps. Statistical methods in epidemiology; Oxford University
Press, 1989 . (*)
V. Abransom J.H. Making sense of data; Oxford University Press, 1988 . (*)
VI. Martin Coliman. Fundamentos de epidemiologia; Ed. Diaz de Santos S.A., 1990 .
VII. Lilienfeld & Lilienfeld. Fundamentos da epidemiologia; ed Addison Wesley Iberoamericana,
1987 .
VIII.Claude Rouquette, Daniel Schawartz. Methodes en epidemiologie;
IX. Editions Medicales Flammarion, 1970 .
X. Kleibaun. Epidemiologic methods; Oxford University Press, 1980. (*)
XI. Hulka. Methodologic issues in epidemiologic studies of endometrial cancer and exogenous estrogens;
Am J epidem 107: 267-276, 1978.(*)
XII. Sackett. Bias in analytic research; J chronic dis 32 : 51-63, 1979 .(*)
XIII.Ibrahim. The case control study. Consenses and controversy; J. chronic dis, 32 N 1 e 2 . (*)
XIV.Conway H. (1994). A lesson in History: Images from the United States Holocaust
Memorial. Stanford: Softline Infoemation Inc.
XV.Fishkoff S. (1996). They Called It Mercy Killing. Jerusalem Post, p.8
XVI.Goldhagen, D.J. (1991). himmler: Reichsfuhrer-SS. National Archives Record
Group 238, M887. (October, 1946 April, 1949). Trials of War Criminals before the
Nuremberg military Tribunals under Control Law n 10. Washington D.C.; U.S.
G.P.O., 1949-1953.
XVII.Silverstein, M.(1996, October 10). Whwn Ethics Turned Evil: Symposium
explores role of doctors in the Holocaust. Jewish exponent.
XVIII.Snell, M. (1993). Germanys heart: The modern taboo. New Perspectives
Quaterly, pp. 1-20
XIX.Tarantola, Daniel-Mann, Jonathan. (1993, January 1). Medical ethics and the
Nazi legacy. World & I, Vol. 8, p.358.
XX.Zukier, H. (1994). The twisted road to genocide: on the psychological development
of evil during Holocaust.Social Research p.61.
XXI.Human Radiation Experiment: Roadmap to the Project.
XXII.http://tis-nt.eh.doe.gov/ohre/roadmap/part2.html
XXIII.Lancet 1997; May 3; 349(9061):1305