Causalidade, Validade e Confiabilidade

Causalidade

Definição

A causalidade é a relação entre a causa e o efeito.

Princípios

• O princípio da causalidade implica que todos os eventos têm uma causa.
• Indica uma relação lógica entre 2 eventos (uma causa e um efeito) e uma ordem entre eles (a causa precede o efeito)
• Na medicina, estabelecer a causalidade:
  • Ajuda a identificar a causa de uma doença
  • Permite a melhor gestão possível do doente
  • Permite que os investigadores desenvolvam os melhores testes de diagnóstico

Causalidade versus correlação

“Correlação não é causalidade.”

• Causalidade significa que 1 evento foi causado por outra condição
• Correlação (ou associação) significa que 2 coisas estão conectadas, mas não implica causalidade.

Exemplo:

Abaixo apresenta-se um gráfico que descreve a relação entre mortes por afogamento e a ingestão de gelados. À medida que o consumo de gelados aumenta, o mesmo acontece com as mortes por afogamento. No entanto, este estudo demonstra apenas uma correlação e não uma causalidade. Comer gelado não causa mortes por afogamento. Em vez disso, em dias quentes, as pessoas são mais propensas a comer gelados e a ir à praia aumentando, consequentemente, o risco de afogamento. Assim, a temperatura é um fator de confusão, do qual resulta uma relação observada que, na realidade, não pressupõe causalidade.

Critérios de Bradford Hill

Contextualização:

• Também conhecidos como critérios de Hill para a causalidade
• Grupo de 9 princípios úteis para estabelecer evidências epidemiológicas de uma relação causal entre uma causa presumida e um efeito observado
• Se a maioria dos princípios for cumprido, a relação entre as variáveis é provavelmente causal.
• Amplamente utilizados nas pesquisas em saúde pública

Os 9 princípios:

1. Força: Qual é o tamanho do efeito ou quão grande é a relação? Quão grande é o risco relativo ou a razão de possibilidades?
2. Consistência: Vejo esta relação com frequência? É reprodutível?
3. Especificidade: Esta exposição causa exclusivamente este desfecho?
4. Temporalidade: A exposição vem antes do desfecho?
5. Gradiente biológico/ Relação dose-resposta:

• Maior exposição causa mais resultado?
• A remoção da exposição diminui o risco do desfecho?

6. Plausibilidade: A relação faz sentido biologicamente?
7. Coerência: A relação observada enquadra-se no conhecimento geral da ciência e da medicina?
8. Testar: Pode ser conduzido um ensaio controlado randomizado (em humanos ou animais)?
9. Analogia:

• Podemos conceber uma relação análoga entre o resultado e outra exposição?
• Explorei outras possibilidades teóricas para a relação observada?

Exemplo: Aplicação dos critérios de Bradford Hill para estabelecer causalidade

Como encontrado na tabela abaixo, a maioria dos princípios é cumprido, por isso podemos assumir com uma certeza razoável que fumar causa realmente cancro do pulmão.

Relações Causais

Definição

Existe uma relação causal entre 2 eventos se a ocorrência do 1º evento causar o 2º evento.

Princípios

• O 1º evento é referido como sendo a causa e o 2º evento como sendo o efeito.
• Uma correlação entre 2 eventos não implica causalidade.
• No entanto, se existir uma relação causal entre 2 eventos, estes estarão correlacionados.
• O caminho causal (o caminho da causa para o efeito) pode ser:
  • Direto: O fator causa a doença sem etapas intermediárias.
  • Indireto: O fator causa a doença, mas apenas por meio de 1 ou mais etapas intermediárias.

Tipos de relações causais

Existem 4 tipos de relações causais ou fatores. Estes tipos baseiam-se no facto da exposição ter sido ou não necessária para desenvolver o desfecho, e se a exposição é suficiente por si só para causar o desfecho. Estes 4 tipos são:

1. Necessária e suficiente
2. Necessária mas não suficiente
3. Suficiente, mas não necessária
4. Nem necessária nem suficiente

Exemplo #1: Necessária e suficiente

• Necessária: É impossível ter o resultado sem a exposição.
• Suficiente: É tudo o que é necessário para produzir o resultado.
• Exemplo: A infeção por coronavírus é necessária e suficiente para causar a doença SARS, pela sigla em inglês.

Exemplo #2: Necessária e não suficiente

• Necessária: A exposição é necessária para desenvolver o resultado.
• Não suficiente:
  • A exposição precisa de ser auxiliada por algum outro fator para produzir o resultado.
  • Fatores individuais não conseguem produzir o resultado por si mesmos.
• Exemplo: Uma doença é causada por um gene, ativado por um estímulo ambiental específico. Tanto o gene quanto o estímulo ambiental são necessários para a doença, mas nenhum deles é suficiente isoladamente para causar a doença.

Exemplo #3: Suficiente e não necessária

• Suficiente: A exposição por si só consegue produzir o resultado.
• Não é necessária: A exposição não é a única que pode produzir o resultado.
• Exemplo: Tanto o envenenamento por radiação isoladamente quanto o envenenamento por benzeno são suficientes para causar leucemia. Portanto, não é necessário ter exposição à radiação para desenvolver leucemia (porque o indivíduo pode ter sido exposto ao benzeno). Assim, o envenenamento por radiação e o envenenamento por benzeno são suficientes, mas não necessários para o desenvolvimento de leucemia.

Exemplo #4: Nem necessária nem suficiente

• Não necessária: Vários fatores ou exposições têm interações complexas que produzem o resultado.
• Não suficiente: As exposições individuais não são suficientes para produzir o resultado por si só.
• Exemplo: cancro da próstata. Existem vários fatores de risco que individualmente não são necessários, nem suficientes para causar cancro da próstata isoladamente. Existem várias combinações de exposições possíveis, tornando-as nem necessárias nem suficientes.
• Este é sem dúvida o tipo mais comum de relação causal encontrada na prática clínica.

Confiabilidade e Validade

A confiabilidade refere-se à reprodutibilidade de um teste ou de um achado numa pesquisa: O teste ou o achado é repetível?

• Confiabilidade = reprodutibilidade/consistência/precisão
• ↑ Confiabilidade leva a ↓ taxas de erro aleatório
• A confiabilidade melhora com a ↓ desvio padrão e o ↑ potência

A validade refere-se à exatidão de um teste ou achado de uma pesquisa: os resultados são representativos do mundo real?

• Validade = exatidão
  • Os resultados refletem a realidade e podem ser acreditados.
  • A validade depende da eliminação de vieses.
  • A sensibilidade e a especificidade são medidas da validade.
• Validade interna:
  • As relações causais são significativas no contexto do estudo.
  • Requisitos para a validade interna:
    • Temporalidade
    • Força
    • Plausibilidade
• Validade externa ou generalização: Os resultados podem ser aplicados a outros doentes ou ambientes.

Nota: Um estudo inválido pode ainda ser confiável, mas um estudo não confiável não pode ser válido. Por outras palavras, uma relação que não representa o mundo real (inválida) pode ser encontrada várias vezes num estudo (confiável), mas um estudo que não pode ser reproduzido (não confiável) não pode representar o mundo real (validade).

Medições da confiabilidade

• A confiabilidade é medida quantitativamente como um coeficiente, normalmente escrito como r.
• O R é avaliado entre 0 e 1:
  • r = 1: teste perfeitamente confiável
  • r = 0: ausência completa de confiabilidade
• ↑ r = ↑ confiabilidade = ↓ erros
• Os investigadores normalmente querem um r de pelo menos 0,9, o que significa que 90% dos dados são precisos, enquanto que 10% são causados por erros.

Ameaças à confiabilidade e à validade

Ameaças à confiabilidade:

• Más estratégias de amostragem
  • Exemplo: pretende-se medir a idade média de uma comunidade. Pode optar-se por ir a um centro de aposentação e encontrar uma idade média de 72 anos ou ir para uma escola secundária e encontrar uma idade média de 16 anos. Estas amostras não são representativas da população que está a ser estudada, portanto, os seus dados não são confiáveis.
• Instabilidade da condição que está a ser medida
  • Exemplo: pretende-se medir a pressão arterial, mas a pressão arterial altera ao longo do dia, com base em fatores como o nível de atividade e o quão horizontal está o indivíduo (deitado versus em pé). Se estes fatores de confundimento não forem considerados, os seus dados não serão confiáveis.
• Divergências entre observadores, especialmente nos casos em que a colheita de dados requer uma avaliação qualitativa por parte do observador
  • Exemplo: se se solicitar a observadores que avaliem o humor, diferentes observadores podem ter opiniões distintas sobre como realizar essa avaliação. Isto diminuiria a confiabilidade.

Ameaças à validade interna:

• Fatores de confundimento: variável que cria uma relação artificial ou que mascara uma relação real entre as variáveis em estudo (ver o exemplo do gelado e das mortes por afogamento, acima referido)
• Viés de seleção: erro introduzido quando a população do estudo não representa a população-alvo devido a alguma preferência de seleção (consultar Tipos de vieses para obter detalhes)

Ameaças à validade externa:

• Muitos critérios de exclusão (características de estudo excessivamente específicas que não representam outras populações)
• Efeito Hawthorne (efeito do observador): Os indivíduos nos estudos alteram o seu comportamento porque estão a ser observados.
• Efeito Rosenthal: As expectativas do investigador sobre o resultado de um determinado estudo afetam o resultado real do estudo.