Da seção anterior deve ficar claro que, mesmo que a categorização dos sujeitos quanto à exposição e ao resultado seja perfeitamente precisa, o viés pode ser introduzido na seleção diferencial ou retenção em um estudo. O inverso também é verdadeiro: mesmo que a seleção e retenção no estudo seja uma representação justa da população da qual as amostras foram retiradas, a estimativa de associação pode ser tendenciosa se os sujeitos forem categorizados incorretamente em relação ao seu estado de exposição ou resultado. Esses erros são frequentemente referidos como erros de classificação, e o mecanismo que produz esses erros pode resultar em erros não-diferenciais ou diferenciais de classificação. Ken Rothman
distingue-os da seguinte forma:
“Para a classificação errada da exposição, a classificação errada é não-diferencial se não estiver relacionada com a ocorrência ou presença de doença; se a classificação errada da exposição for diferente para aqueles com e sem doença, é diferencial. Da mesma forma, a classificação errada da doença é não-diferencial se não estiver relacionada com a exposição; caso contrário, é diferencial”
Nondifferential Misclassification of Exposure
Nondifferential misclassification significa que a frequência de erros é aproximadamente a mesma nos grupos que estão sendo comparados. A classificação errada do estado da exposição é mais um problema do que a classificação errada do resultado (como explicado na página 6), mas um estudo pode ser enviesado por uma classificação errada do estado da exposição, ou do estado do resultado, ou de ambos.
A classificação errada não diferencial de uma exposição dicotômica ocorre quando erros de classificação ocorrem no mesmo grau, independentemente do resultado. A má classificação não-diferencial da exposição é um problema muito mais generalizado do que a má classificação diferencial (em que os erros ocorrem com maior freqüência em um dos grupos de estudo). A figura abaixo ilustra um estudo hipotético no qual todos os sujeitos são corretamente classificados com relação ao resultado, mas alguns dos sujeitos expostos em cada grupo de resultados foram classificados incorretamente como ‘não-expostos’.
P>Componha-se a realizar um estudo de caso-controlo para examinar a associação entre uma dieta rica em gordura e uma doença arterial coronária. Sujeitos com doença cardíaca e controles sem doença cardíaca podem ser recrutados e solicitados a completar questionários sobre seus hábitos alimentares, a fim de categorizá-los como tendo dietas com alto teor de gordura ou não. É difícil avaliar com precisão o teor de gordura na dieta a partir dos questionários, pelo que não seria surpreendente se houvesse erros na classificação da exposição. No entanto, é provável que neste cenário a classificação errada ocorra com uma frequência mais ou menos igual, independentemente do eventual estado da doença. A classificação errada não diferenciada de uma exposição dicotômica é sempre tendenciosa para a nulidade. Em outras palavras, se houver uma associação, ela tende a minimizá-la independentemente de ser uma associação positiva ou negativa.
A figura acima mostra um cenário no qual o estado da doença é classificado corretamente, mas alguns dos sujeitos expostos são classificados incorretamente como não-expostos. Isto resultaria em um viés em direção ao nulo. Rothman dá um exemplo hipotético no qual o odds ratio real para a associação entre uma dieta rica em gordura e doença coronária é de 5,0, mas se cerca de 20% dos sujeitos expostos fossem classificados erroneamente como “não expostos” em ambos os grupos de doença, a estimativa tendenciosa poderia dar um odds ratio de, digamos, 2,4. Em outras palavras, isso resultou em um viés em direção ao nulo.
Contudo, agora considere o que aconteceria no mesmo exemplo se 20% dos sujeitos expostos fossem classificados erroneamente como ‘não expostos’ em ambos os grupos de resultados, E 20% dos sujeitos não expostos foram classificados erroneamente como ‘expostos’ em ambos os grupos – em outras palavras, um cenário que parecesse algo parecido com isto:
Esta classificação incorreta não-diferencial adicional resultaria em um viés ainda mais severo em direção ao nulo, dando um odds ratio de talvez 2.0.
Note que Se houver múltiplas categorias de exposição, ou seja se a exposição não for dicotômica, então a má classificação não-diferencial pode distorcer a estimativa em direção ao nulo ou para longe dele, dependendo das categorias em que os sujeitos são mal classificados.
Mecanismos para a má classificação não-diferencial
Mecanismos para a má classificação não-diferencial
Mecanismos para a má classificação não-diferencial podem ocorrer de várias maneiras. Os registros podem estar incompletos, por exemplo, um registro médico no qual nenhum dos profissionais de saúde se lembra de perguntar sobre o uso do tabaco. Pode haver erros no registro ou na interpretação de informações nos registros, ou pode haver erros na atribuição de códigos aos diagnósticos de doenças por funcionários que não estão familiarizados com o curso, diagnóstico e tratamento hospitalar de um paciente. Os sujeitos que completam questionários ou que são entrevistados podem ter dificuldade em se lembrar de exposições passadas. Note que se a dificuldade em lembrar exposições passadas ocorre na mesma medida em ambos os grupos que estão sendo comparados, então há uma classificação errada não diferenciada, o que irá enviesar para o nulo. Entretanto, se um grupo de resultados em um estudo de caso-controle se lembra melhor do que o outro, então há uma classificação errada diferencial que é chamada de “viés de recall”. O viés de recall é descrito abaixo na classificação errada diferencial de exposição.br>>p>retornar ao topo | página anterior | página seguinte