Domina os Conceitos Médicos

Estuda para o curso e exames de Medicina com a Lecturio

Tipos de Vieses

Os estudos epidemiológicos são desenhados para avaliar uma associação hipotética entre uma exposição e um resultado; no entanto, a existência e/ou magnitude destas relações podem ser erroneamente afetadas pelo próprio desenho e pela execução do estudo ou por erros conscientes ou inconscientes perpetuados pelos investigadores ou pelos sujeitos. Estes erros sistemáticos são denominados vieses. Se não forem evitados ou contabilizados, os vieses podem invalidar completamente os resultados de um estudo bem desenhado.

Última atualização: 31 May, 2022

Responsibilidade editorial: Stanley Oiseth, Lindsay Jones, Evelin Maza

Definição de Viés

O viés é um erro no desenho, na condução ou na análise de um estudo, que resulta num desvio da estatística do teste em relação ao seu valor real. Isto resulta numa estimativa incorreta de uma associação entre uma exposição e a população-alvo, o que faz com que a estatística de teste gerada se desvie do seu valor verdadeiro.

  • Os vieses não podem ser eliminados completamente, mas podem ser reduzidos/minimizados através de um desenho de estudo adequado.
  • 2 subtipos principais de viés:
    • Viés de seleção: causado por alguma preferência na forma como os sujeitos são escolhidos, tornando os grupos de estudo diferentes da população-alvo
    • Viés de informação: viés que resulta num erro sistemático na forma como os dados são medidos ou colhidos
Possíveis efeitos dos vieses
Mascaramento Oculta uma associação existente entre a variável independente e uma variável dependente
Falsas associações Cria associações ilegítimas entre a variável independente e uma variável dependente
Sobrestimação Exagera no tamanho da associação existente entre a variável independente e uma variável dependente
Subestimação Diminui o tamanho da associação existente entre a variável independente e uma variável dependente

Vídeos recomendados

Viés de Seleção

Definição

O viés de seleção é o erro introduzido quando a população do estudo não representa a população-alvo devido a alguma preferência na seleção.

  • Resulta numa associação inexistente entre a exposição e o desfecho
  • Uma preferência de seleção pode existir:
    • Entre grupos de estudo
    • Entre os participantes selecionados e os excluídos do estudo

Exemplos comuns de viés de seleção

  • Efeito do trabalhador saudável: o viés ocorre porque os indivíduos que são recrutados a partir de um ambiente de trabalho tendem a ser mais saudáveis e mais ativos do que a população em geral
    • Tende a existir uma subestimação da morbilidade ou mortalidade em comparação com a população geral
  • Viés de perda de seguimento: ocorre devido à ausência de dados de participantes perdidos durante o curso do estudo, por perda de interesse, por efeito adverso, por melhoria clínica, etc.
    • Leva a uma redução do tamanho efetivo da amostra
    • Obtêm-se resultados enviesados se os grupos de estudo se tornarem incomparáveis ou se os indivíduos perdidos no acompanhamento diferirem em exposição e/ou resultado daqueles que permanecem no estudo.
  • Viés de suscetibilidade: Nos casos em que uma primeira doença predispõe a uma segunda doença, o tratamento de indivíduos com a primeira parece erroneamente predispor a causar a segunda doença.
  • Viés de sobrevivência: ocorre quando são colhidos dados apenas de indivíduos que sobreviveram a um desfecho ou que cumpriram algum outro critério clínico relacionado com o mesmo
  • Viés de Berkson: ocorre quando indivíduos são escolhidos de um segmento específico da população com um risco mais ou menos intrínseco de ter o desfecho comparado com a população geral
    • Também denominado falácia de Berkson ou paradoxo de Berkson
    • Por exemplo, doentes hospitalizados têm maior risco de doença do que a população geral, independentemente da exposição; assim, num estudo sobre a associação entre tabagismo e doença pulmonar obstrutiva crónica, a escolha de indivíduos hospitalizados para o grupo experimental resultará numa associação maior do que a observada na população em geral.
    • A maior morbilidade dos doentes hospitalares em relação à população geral pode criar falsas associações entre as doenças.

Viés de Informação

Definição

O viés de informação resulta de erros sistemáticos na medição de alguma exposição, desfecho ou variável. Os principais tipos de viés de informação são o viés de classificação incorreta, o viés de memória, o viés do entrevistador, o viés de resposta, o viés de relato, o viés do observador, o viés de averiguação e o viés de confirmação.

Exemplos de viés de informação

  • Viés de classificação incorreta: resultado da classificação incorreta da exposição ou resultado de saúde dos sujeitos de um estudo. As pessoas que não têm uma doença são classificadas como tendo e vice-versa.
    • Razões comuns para que isto ocorra incluem registos imprecisos, diferentes definições de doenças ou diferentes critérios de diagnóstico.
    • Diferencial: causado por uma diferença de medição que existe entre os grupos de estudo
    • Não diferencial: causado por medições igualmente imprecisas ou aleatórias em todos os grupos de estudo
  • Viés de memória: causado pela recordação diferencial (normalmente, aprimorada) de eventos pelos sujeitos que são considerados casos, em comparação com os que são considerados controlos
  • Viés do entrevistador: ocorre quando o entrevistador influencia as respostas do participante através do método, conteúdo ou estilo das suas questões.
  • Viés de resposta: ocorre quando os sujeitos relatam o que os investigadores querem ouvir porque o sujeito quer agradar o entrevistador com a sua resposta
  • Viés de relato: refere-se à tendência dos investigadores em relatar apenas resultados estatisticamente significativos, motivados pelo desejo de publicar
  • Viés do observador: ocorre devido às diferenças que existem entre os observadores na forma como um resultado é medido ou avaliado ou à diferença na forma como um sujeito age quando está a ser observado
    • Viés que resulta do efeito Hawthorne (ver abaixo)
  • Viés de verificação: ocorre quando certos assuntos são mais propensos a serem incluídos nos resultados finais do que outros
    • Fontes comuns deste viés incluem diferenças entre grupos no método ou frequência de rastreio, no conhecimento do investigador à cerca da divisão dos sujeitos em grupos ou na preferência de alocação de sujeitos a determinados grupos de estudo.
  • Viés de confirmação: ocorre devido à tendência dos investigadores em incluir apenas dados que concordam com as suas crenças pré-existentes e/ou apoiam as suas hipóteses
  • Viés de deteção: ocorre devido a uma diferença na forma como um resultado é medido ou detetado com base numa característica específica do sujeito (consultar a Imagem 1).
  • Viés do investigador: ocorre quando um sujeito se comporta de maneira diferente com base nas expectativas do investigador
    • Viés que resulta do efeito Rosenthal (ver abaixo)
Viés de detecção

Exemplo de viés de deteção. O gráfico acima mostra o número de novos casos de SIDA por ano por 100.000 habitantes no período de 1990-2000. Embora o gráfico pareça sugerir que os casos de SIDA no Caribe estão a aumentar (linha laranja), na realidade, o aumento constante de novos casos deve-se ao aumento do número e da frequência do rastreio. Este é um exemplo de viés de deteção, um subtipo de viés de informação.

Imagem por Lecturio.

Efeitos de Hawthorne e de Rosenthal

Efeito de Hawthorne

  • Refere-se à tendência, dos sujeitos de um estudo, em comportarem-se ou agirem de forma diferente (ou seja, trabalhar mais) quando sabem que estão a ser observados
  • Resulta e está relacionado com o viés do observador
  • Especialmente comum em estudos psiquiátricos
  • O viés causado por este efeito é difícil de eliminar, mas pode ser reduzido escondendo dos sujeitos o conhecimento de quando/como estão a ser observados.

Efeito de Rosenthal

  • Refere-se à tendência dos sujeitos ou investigadores em se comportarem de forma diferente com base nas expectativas dos outros
  • Também denominado efeito Pigmalião
  • Por exemplo, num estudo sobre a eficácia de um novo fármaco para tratar a depressão, os indivíduos do grupo de tratamento relatam uma melhoria nos sintomas depressivos porque os investigadores que os estão a avaliar esperam que os indivíduos que recebem o tratamento melhorem.
  • Resulta e está relacionado com o viés do investigador
  • O viés que resulta deste efeito pode ser evitado pela ocultação.

Variáveis Confundidoras

Definição

Um confundidor é uma variável adicional, além da variável independente, que tem efeito sobre a variável dependente, fazendo com que seja inferida erradamente uma associação entre as mesmas.

  • Tecnicamente, uma variável confundidora não é um viés.
  • Os confundidores podem ser controlados através de um desenho de estudo adequado. As técnicas seguintes ajudam a reduzir o efeito de confundidores:
    • Aleatorização: Os indivíduos são alocados aleatoriamente em grupos de estudo, para que os fatores de confundimento sejam distribuídos equitativamente.
    • Controlo: Todos os sujeitos são escolhidos de forma a que tenham o mesmo fator de confundimento.
    • Correspondência: Cada sujeito com um fator de confundimento num grupo específico é combinado com um sujeito noutro grupo com o mesmo fator de confundimento ou similar.
  • Os fatores de confundimento são comuns em estudos observacionais, porque é mais difícil ou impossível de controlar as variáveis de confundimento.
  • As variáveis de confundimento são diferentes dos modificadores de efeito, pois representam uma terceira variável que contribui para a verdadeira associação entre a exposição e o desfecho (ver Tabela 2).
Viés de confusão

Diagrama a detalhar como uma variável de confundimento se relaciona com a exposição e o resultado. O fator de confundimento está relacionado com a exposição e pode contribuir ou causar o desfecho; se não for tido em conta, pode contribuir para causar ou afetar a magnitude da associação observada (verdadeira).

Imagem por Lecturio.
Diferenças entre variáveis de confundimento e modificadores de efeito
Variáveis de confundimento Modificadores de efeito
Mascara associações Sim Não
Cria a ilusão de associação Sim Não
Modifica a natureza da associação Não Sim

Vídeos recomendados

Referências

  1. Celentano, David D., ScD., M.H.S., & Szklo, Moyses, MD, M.P.H., DrP.H. (2019). More on causal inference: Bias, confounding, and interaction. In Celentano, David D., ScD, MHS, & Szklo, Moyses, MD, MPH, DrPH (Eds.), Gordis epidemiology (pp. 289-306). doi://dx.doi.org/10.1016/B978-0-323-55229-5.00015-2. Retrieved from https://www.clinicalkey.es/#!/content/3-s2.0-B9780323552295000152
  2. Althubaiti, A. (2016). Information bias in health research: Definition, pitfalls, and adjustment methods. Journal of Multidisciplinary Healthcare, 9(1), 211-217. doi:10.2147/JMDH.S104807. Retrieved from https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4862344/
  3. Mansournia, M., Higgins, J. P., Sterne, J. A., & Hernán, M. (2017). Biases in randomized trials: A conversation between trialists and epidemiologists. Epidemiology, 28(1), 54-59. doi:10.1097/EDE.0000000000000564. Retrieved from https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5130591/#S11title

USMLE™ is a joint program of the Federation of State Medical Boards (FSMB®) and National Board of Medical Examiners (NBME®). MCAT is a registered trademark of the Association of American Medical Colleges (AAMC). NCLEX®, NCLEX-RN®, and NCLEX-PN® are registered trademarks of the National Council of State Boards of Nursing, Inc (NCSBN®). None of the trademark holders are endorsed by nor affiliated with Lecturio.

Estuda onde quiseres

A Lecturio Medical complementa o teu estudo através de métodos de ensino baseados em evidência, vídeos de palestras, perguntas e muito mais – tudo combinado num só lugar e fácil de usar.

Aprende mais com a Lecturio:

Complementa o teu estudo da faculdade com o companheiro de estudo tudo-em-um da Lecturio, através de métodos de ensino baseados em evidência.

User Reviews

¡Hola!

Esta página está disponible en Español.

🍪 Lecturio is using cookies to improve your user experience. By continuing use of our service you agree upon our Data Privacy Statement.

Details