4 bandeira

 

28. Epidemiologia e Estatística

Editores de Capítulo:  Franco Merletti, Colin L. Soskolne e Paolo Vineis


Conteúdo

Tabelas e Figuras

Método Epidemiológico Aplicado à Saúde e Segurança Ocupacional
Franco Merletti, Colin L. Soskolne e Paolo Vineis

Avaliação de exposição
M. Gerald Ott

Medidas resumidas de exposição na vida profissional
Colin L. Soskolne

Medindo os efeitos das exposições
Shelia Hoar Zahm

     Estudo de Caso: Medidas
     Franco Merletti, Colin L. Soskolne e Paola Vineis

Opções no Projeto de Estudo
Sven Hernberg

Questões de validade no desenho do estudo
Annie J. Sasco

Impacto do erro de medição aleatória
Paolo Vineis e Colin L. Soskolne

Métodos estatísticos
Annibale Biggeri e Mário Braga

Avaliação de causalidade e ética na pesquisa epidemiológica
Paulo Vineis

Estudos de Caso Ilustrando Questões Metodológicas na Vigilância de Doenças Profissionais
Jung-Der Wang

Questionários em Pesquisa Epidemiológica
Steven D. Stellman e Colin L. Soskolne

Perspectiva Histórica do Amianto
Lawrence Garfinkel

Tabelas

Clique em um link abaixo para ver a tabela no contexto do artigo.

1. Cinco medidas resumidas selecionadas de exposição na vida profissional

2. Medidas de ocorrência da doença

3. Medidas de associação para um estudo de coorte

4. Medidas de associação para estudos de caso-controle

5. Layout geral da tabela de frequência para dados de coorte

6. Exemplo de layout de dados de controle de caso

7. Dados de controle de caso de layout - um controle por caso

8. Coorte hipotética de 1950 indivíduos para T2

9. Índices de tendência central e dispersão

10. Um experimento binomial e probabilidades

11. Possíveis resultados de um experimento binomial

12. Distribuição binomial, 15 sucessos/30 tentativas

13. Distribuição binomial, p = 0.25; 30 tentativas

14. Erro e potência tipo II; x = 12, n = 30, a = 0.05

15. Erro e potência tipo II; x = 12, n = 40, a = 0.05

16. 632 trabalhadores expostos ao amianto por 20 anos ou mais

17. O/E número de mortes entre 632 trabalhadores do amianto

figuras

Aponte para uma miniatura para ver a legenda da figura, clique para ver a figura no contexto do artigo.

EP110F1EP110F2


Clique para voltar ao topo da página

Epidemiologia

A epidemiologia é reconhecida tanto como a ciência básica da medicina preventiva quanto aquela que informa o processo de política de saúde pública. Várias definições operacionais de epidemiologia têm sido sugeridas. A mais simples é que a epidemiologia é o estudo da ocorrência de doenças ou outras características relacionadas à saúde em populações humanas e animais. Os epidemiologistas estudam não apenas a frequência da doença, mas também se a frequência difere entre os grupos de pessoas; ou seja, eles estudam a relação de causa e efeito entre a exposição e a doença. As doenças não ocorrem ao acaso; eles têm causas - muitas vezes causadas pelo homem - que são evitáveis. Assim, muitas doenças poderiam ser evitadas se as causas fossem conhecidas. Os métodos da epidemiologia têm sido cruciais para identificar muitos fatores causais que, por sua vez, levaram a políticas de saúde destinadas a prevenir doenças, lesões e morte prematura.

Qual é a tarefa da epidemiologia e quais são seus pontos fortes e fracos quando as definições e conceitos de epidemiologia são aplicados à saúde ocupacional? Este capítulo aborda essas questões e as formas pelas quais os riscos à saúde ocupacional podem ser investigados usando técnicas epidemiológicas. Este artigo apresenta as idéias encontradas em artigos sucessivos neste capítulo.

Epidemiologia Ocupacional

A epidemiologia ocupacional tem sido definida como o estudo dos efeitos das exposições no local de trabalho na frequência e distribuição de doenças e lesões na população. Portanto, é uma disciplina orientada para a exposição com vínculos tanto com a epidemiologia quanto com a saúde ocupacional (Checkoway et al. 1989). Para tanto, utiliza métodos semelhantes aos empregados pela epidemiologia em geral.

O principal objetivo da epidemiologia ocupacional é a prevenção através da identificação das consequências das exposições no local de trabalho para a saúde. Isso reforça o foco preventivo da epidemiologia ocupacional. Com efeito, toda a investigação no domínio da saúde e segurança no trabalho deve ter fins preventivos. Assim, o conhecimento epidemiológico pode e deve ser prontamente implementável. Embora o interesse da saúde pública sempre deva ser a principal preocupação da pesquisa epidemiológica, os interesses escusos podem exercer influência, e deve-se tomar cuidado para minimizar essa influência na formulação, condução e/ou interpretação dos estudos (Soskolne 1985; Soskolne 1989).

Um segundo objetivo da epidemiologia ocupacional é usar resultados de ambientes específicos para reduzir ou eliminar riscos na população em geral. Assim, além de fornecer informações sobre os efeitos sobre a saúde das exposições no local de trabalho, os resultados dos estudos de epidemiologia ocupacional também desempenham um papel na estimativa do risco associado às mesmas exposições, mas em níveis mais baixos geralmente experimentados pela população em geral. A contaminação ambiental de processos e produtos industriais geralmente resultaria em níveis mais baixos de exposição do que aqueles experimentados no local de trabalho.

Os níveis de aplicação da epidemiologia ocupacional são:

  • vigilância para descrever a ocorrência de doenças em diferentes categorias de trabalhadores e, assim, fornecer sinais de alerta precoce de riscos ocupacionais não reconhecidos
  • geração e teste de uma hipótese de que uma dada exposição pode ser prejudicial, e a quantificação de um efeito
  • avaliação de uma intervenção (por exemplo, uma ação preventiva como a redução dos níveis de exposição) medindo as mudanças no estado de saúde de uma população ao longo do tempo.

 

O papel causal que as exposições ocupacionais podem desempenhar no desenvolvimento de doenças, lesões e mortes prematuras foi identificado há muito tempo e faz parte da história da epidemiologia. Referência deve ser feita a Bernardino Ramazzini, fundador da medicina ocupacional e um dos primeiros a reviver e acrescentar à tradição hipocrática da dependência da saúde de fatores externos naturais identificáveis. No ano de 1700, ele escreveu em seu “De Morbis Artificum Diatriba” (Ramazzini 1705; Saracci 1995):

O médico tem que fazer muitas perguntas aos pacientes. Hipócrates afirma em De Affectionibus: “Quando você se depara com uma pessoa doente, você deve perguntar a ela do que ela está sofrendo, por que motivo, por quantos dias, o que ela come e quais são seus movimentos intestinais. A todas essas perguntas deve-se acrescentar: 'Que trabalho ele faz?'”.

Esse despertar da observação clínica e da atenção às circunstâncias que cercam a ocorrência da doença, levou Ramazzini a identificar e descrever muitas das doenças ocupacionais que foram posteriormente estudadas por médicos do trabalho e epidemiologistas.

Usando essa abordagem, Pott foi o primeiro a relatar em 1775 (Pott 1775) a possível conexão entre câncer e ocupação (Clayson 1962). Suas observações sobre o câncer de escroto entre limpadores de chaminés começaram com uma descrição da doença e continuaram:

O destino dessas pessoas parece singularmente difícil: na primeira infância, elas são frequentemente tratadas com grande brutalidade e quase passam fome de frio e fome; eles são lançados em chaminés estreitas e às vezes quentes, onde são machucados, queimados e quase sufocados; e quando chegam à puberdade, tornam-se particularmente sujeitos a uma doença muito nociva, dolorosa e fatal.

Desta última circunstância não há a menor dúvida, embora talvez não tenha sido suficientemente atendida, para torná-la geralmente conhecida. Outras pessoas têm câncer nas mesmas partes; e também outros, além dos trabalhadores de chumbo, a cólica de Poitou e a consequente paralisia; mas, não obstante, é uma doença à qual eles estão particularmente sujeitos; e também os limpadores de chaminés para o câncer do escroto e dos testículos.

A doença, nestas pessoas, parece derivar de um depósito de fuligem nas rugas do escroto, e a princípio não ser uma doença do hábito... inicialmente; a doença provocada por sua ocupação e, com toda probabilidade, local; qual última circunstância pode, penso eu, ser razoavelmente presumida por sempre apreender as mesmas partes; tudo isso o torna (a princípio) um caso muito diferente de um câncer que aparece em um homem idoso.

Este primeiro relato de um câncer ocupacional ainda permanece um modelo de lucidez. A natureza da doença, a ocupação em questão e o provável agente causal estão claramente definidos. Observa-se um aumento da incidência de câncer escrotal entre os limpadores de chaminés, embora nenhum dado quantitativo seja fornecido para substanciar a alegação.

Outros cinquenta anos se passaram antes que Ayrton-Paris percebesse em 1822 (Ayrton-Paris 1822) o desenvolvimento frequente de cânceres escrotais entre as fundições de cobre e estanho da Cornualha, e supôs que os vapores de arsênico poderiam ser o agente causal. Von Volkmann relatou em 1874 tumores de pele em trabalhadores de parafina na Saxônia e, pouco depois, Bell sugeriu em 1876 que o óleo de xisto era responsável pelo câncer cutâneo (Von Volkmann 1874; Bell 1876). Relatos sobre a origem ocupacional do câncer tornaram-se então relativamente mais frequentes (Clayson 1962).

Entre as primeiras observações de doenças ocupacionais estava o aumento da ocorrência de câncer de pulmão entre os mineiros de Schneeberg (Harting e Hesse 1879). É digno de nota (e trágico) que um estudo de caso recente mostre que a epidemia de câncer de pulmão em Schneeberg ainda é um grande problema de saúde pública, mais de um século após a primeira observação em 1879. Uma abordagem para identificar um “aumento” da doença e até quantificá-la esteve presente na história da medicina do trabalho. Por exemplo, como Axelson (1994) apontou, WA Guy em 1843 estudou “consumo pulmonar” em impressores de letras e encontrou um risco maior entre os tipógrafos do que entre os impressores; isso foi feito aplicando um projeto semelhante à abordagem de controle de caso (Lilienfeld e Lilienfeld 1979). No entanto, foi somente no início da década de 1950 que a epidemiologia ocupacional moderna e sua metodologia começaram a se desenvolver. As principais contribuições que marcaram esse desenvolvimento foram os estudos sobre câncer de bexiga em trabalhadores de tinturaria (Case e Hosker 1954) e câncer de pulmão entre trabalhadores de gás (Doll 1952).

Questões em Epidemiologia Ocupacional

Os artigos deste capítulo apresentam tanto a filosofia quanto as ferramentas da investigação epidemiológica. Eles se concentram em avaliar a experiência de exposição dos trabalhadores e nas doenças que surgem nessas populações. Neste capítulo, abordam-se questões relacionadas com a obtenção de conclusões válidas sobre possíveis ligações causais no caminho desde a exposição a substâncias perigosas até ao desenvolvimento de doenças.

A determinação da experiência de exposição na vida profissional de um indivíduo constitui o núcleo da epidemiologia ocupacional. A informatividade de um estudo epidemiológico depende, em primeiro lugar, da qualidade e extensão dos dados de exposição disponíveis. Em segundo lugar, os efeitos na saúde (ou as doenças) que preocupam o epidemiologista ocupacional devem ser determinados com precisão entre um grupo de trabalhadores bem definido e acessível. Finalmente, dados sobre outras influências potenciais na doença de interesse devem estar disponíveis para o epidemiologista, de modo que quaisquer efeitos de exposição ocupacional estabelecidos a partir do estudo possam ser atribuídos à exposição ocupacional per se em vez de outras causas conhecidas da doença em questão. Por exemplo, em um grupo de trabalhadores que podem trabalhar com um produto químico suspeito de causar câncer de pulmão, alguns trabalhadores também podem ter um histórico de tabagismo, outra causa de câncer de pulmão. Nesta última situação, os epidemiologistas ocupacionais devem determinar qual exposição (ou qual fator de risco - o produto químico ou o tabaco, ou, na verdade, os dois em combinação) é responsável por qualquer aumento no risco de câncer de pulmão no grupo de trabalhadores sendo estudado.

Avaliação da exposição

Se um estudo tiver acesso apenas ao fato de que um trabalhador foi empregado em uma determinada indústria, então os resultados de tal estudo podem vincular os efeitos na saúde apenas a essa indústria. Da mesma forma, se existe conhecimento sobre a exposição para as ocupações dos trabalhadores, as conclusões podem ser tiradas diretamente apenas no que diz respeito às ocupações. Inferências indiretas sobre exposições a produtos químicos podem ser feitas, mas sua confiabilidade deve ser avaliada situação a situação. Se um estudo tiver acesso, no entanto, a informações sobre o departamento e/ou o cargo de cada trabalhador, as conclusões poderão ser feitas nesse nível mais refinado de experiência no local de trabalho. Quando as informações sobre as substâncias reais com as quais uma pessoa trabalha são conhecidas do epidemiologista (em colaboração com um higienista industrial), esse seria o melhor nível de informações de exposição disponíveis na ausência de dosimetria raramente disponível. Além disso, os resultados desses estudos podem fornecer informações mais úteis para a indústria criar locais de trabalho mais seguros.

A epidemiologia tem sido uma espécie de disciplina de “caixa preta” até agora, porque estudou a relação entre exposição e doença (os dois extremos da cadeia causal), sem considerar as etapas mecanicistas intermediárias. Essa abordagem, apesar de sua aparente falta de refinamento, tem sido extremamente útil: na verdade, todas as causas conhecidas de câncer em humanos, por exemplo, foram descobertas com as ferramentas da epidemiologia.

O método epidemiológico é baseado em registros disponíveis — questionários, cargos ou outros “proxies” de exposição; isso torna a condução de estudos epidemiológicos e a interpretação de seus achados relativamente simples.

As limitações da abordagem mais grosseira da avaliação da exposição, no entanto, tornaram-se evidentes nos últimos anos, com os epidemiologistas enfrentando problemas mais complexos. Limitando nossa consideração à epidemiologia do câncer ocupacional, os fatores de risco mais conhecidos foram descobertos devido a altos níveis de exposição no passado; um número limitado de exposições para cada trabalho; grandes populações de trabalhadores expostos; e uma correspondência clara entre informações “proxy” e exposições químicas (por exemplo, trabalhadores de calçados e benzeno, estaleiros navais e amianto, e assim por diante). Hoje em dia, a situação é substancialmente diferente: os níveis de exposição são consideravelmente mais baixos nos países ocidentais (esta ressalva deve ser sempre enfatizada); os trabalhadores estão expostos a muitos produtos químicos e misturas diferentes no mesmo cargo (por exemplo, trabalhadores agrícolas); populações homogêneas de trabalhadores expostos são mais difíceis de encontrar e geralmente são em pequeno número; e, a correspondência entre informações “proxy” e exposição real torna-se progressivamente mais fraca. Nesse contexto, as ferramentas da epidemiologia têm sensibilidade reduzida devido à classificação errônea da exposição.

Além disso, a epidemiologia se baseou em pontos finais “difíceis”, como a morte na maioria dos estudos de coorte. No entanto, os trabalhadores podem preferir ver algo diferente de “contagem de corpos” quando os efeitos potenciais de exposição ocupacional à saúde são estudados. Portanto, o uso de indicadores mais diretos de exposição e resposta precoce teria algumas vantagens. Marcadores biológicos podem fornecer apenas uma ferramenta.

marcadores biológicos

O uso de marcadores biológicos, como níveis de chumbo em exames de sangue ou de função hepática, não é novidade na epidemiologia ocupacional. No entanto, a utilização de técnicas moleculares em estudos epidemiológicos tornou possível o uso de biomarcadores para avaliar a exposição de órgãos-alvo, determinar a suscetibilidade e estabelecer doenças precocemente.

Os usos potenciais de biomarcadores no contexto da epidemiologia ocupacional são:

  • avaliação da exposição nos casos em que as ferramentas epidemiológicas tradicionais são insuficientes (particularmente para doses baixas e riscos baixos)
  • para desvendar o papel causador de agentes ou substâncias químicas individuais em múltiplas exposições ou misturas
  • estimativa da carga total de exposição a produtos químicos com o mesmo alvo mecanístico
  • investigação de mecanismos patogenéticos
  • estudo da suscetibilidade individual (por exemplo, polimorfismos metabólicos, reparo do DNA) (Vineis 1992)
  • para classificar a exposição e/ou doença com mais precisão, aumentando assim o poder estatístico.

 

Grande entusiasmo surgiu na comunidade científica sobre esses usos, mas, como observado acima, a complexidade metodológica do uso dessas novas “ferramentas moleculares” deve servir para alertar contra o otimismo excessivo. Biomarcadores de exposições químicas (como adutos de DNA) têm várias deficiências:

  1. Eles geralmente refletem exposições recentes e, portanto, são de uso limitado em estudos de caso-controle, ao passo que requerem amostragens repetidas por períodos prolongados para utilização em investigações de coorte.
  2. Embora possam ser altamente específicos e, assim, melhorar a classificação incorreta da exposição, os resultados geralmente permanecem difíceis de interpretar.
  3. Quando exposições químicas complexas são investigadas (por exemplo, poluição do ar ou fumaça ambiental de tabaco), é possível que o biomarcador reflita um componente específico da mistura, enquanto o efeito biológico pode ser devido a outro.
  4. Em muitas situações, não está claro se um biomarcador reflete uma exposição relevante, um correlato da exposição relevante, a suscetibilidade individual ou um estágio inicial da doença, limitando assim a inferência causal.
  5. A determinação da maioria dos biomarcadores requer um teste caro ou um procedimento invasivo ou ambos, criando assim restrições para o tamanho adequado do estudo e poder estatístico.
  6. Um biomarcador de exposição nada mais é do que um proxy para o real objetivo de uma investigação epidemiológica, que, via de regra, se concentra em uma exposição ambiental evitável (Trichopoulos 1995; Pearce et al. 1995).

 

Ainda mais importante do que as deficiências metodológicas é a consideração de que as técnicas moleculares podem nos levar a redirecionar nosso foco da identificação de riscos no ambiente exógeno para a identificação de indivíduos de alto risco e, em seguida, fazer avaliações de risco personalizadas medindo fenótipo, carga de adução e mutações adquiridas. Isso direcionaria nosso foco, conforme observado por McMichael, para uma forma de avaliação clínica, em vez de uma epidemiologia de saúde pública. Concentrar-se nos indivíduos pode nos distrair do importante objetivo de saúde pública de criar um ambiente menos perigoso (McMichael 1994).

Duas outras questões importantes surgem em relação ao uso de biomarcadores:

  1. O uso de biomarcadores em epidemiologia ocupacional deve ser acompanhado por uma política clara no que diz respeito ao consentimento informado. O trabalhador pode ter vários motivos para recusar a cooperação. Uma razão muito prática é que a identificação de, digamos, uma alteração em um marcador de resposta precoce, como a troca de cromátides irmãs, implica a possibilidade de discriminação por seguradoras de saúde e vida e por empregadores que podem evitar o trabalhador porque ele ou ela pode ser mais propenso à doença. Uma segunda razão diz respeito à triagem genética: uma vez que as distribuições de genótipos e fenótipos variam de acordo com o grupo étnico, as oportunidades ocupacionais para minorias podem ser prejudicadas pela triagem genética. Em terceiro lugar, podem ser levantadas dúvidas sobre a previsibilidade dos testes genéticos: como o valor preditivo depende da prevalência da condição que o teste visa identificar, se esta for rara, o valor preditivo será baixo e o uso prático do rastreamento teste será questionável. Até agora, nenhum dos testes de triagem genética foi julgado aplicável no campo (Ashford et al. 1990).
  2. Princípios éticos devem ser aplicados antes do uso de biomarcadores. Esses princípios foram avaliados para biomarcadores usados ​​para identificar a suscetibilidade individual a doenças por um Grupo de Trabalho interdisciplinar do Escritório Técnico dos Sindicatos Europeus, com o apoio da Comissão das Comunidades Européias (Van Damme et al. 1995); seu relatório reforçou a visão de que os testes só podem ser realizados com o objetivo de prevenir doenças na força de trabalho. Entre outras considerações, o uso de testes deve nunca.

 

  • servir como um meio para “seleção do mais apto”
  • ser usado para evitar a implementação de medidas preventivas eficazes, como a identificação e substituição de fatores de risco ou melhorias nas condições no local de trabalho
  • criar, confirmar ou reforçar a desigualdade social
  • criar uma lacuna entre os princípios éticos seguidos no local de trabalho e os princípios éticos que devem ser respeitados em uma sociedade democrática
  • obrigar o candidato a emprego a revelar dados pessoais que não sejam estritamente necessários para a obtenção do emprego.

 

Finalmente, acumulam-se evidências de que a ativação ou inativação metabólica de substâncias perigosas (e de carcinógenos em particular) varia consideravelmente nas populações humanas e é parcialmente determinada geneticamente. Além disso, a variabilidade interindividual na suscetibilidade a carcinógenos pode ser particularmente importante em baixos níveis de exposição ocupacional e ambiental (Vineis et al. 1994). Tais descobertas podem afetar fortemente as decisões regulatórias que focam o processo de avaliação de risco nos mais suscetíveis (Vineis e Martone 1995).

Desenho e validade do estudo

O artigo de Hernberg sobre desenhos de estudos epidemiológicos e suas aplicações em medicina ocupacional concentra-se no conceito de “base de estudo”, definida como a experiência de morbidade (em relação a alguma exposição) de uma população enquanto ela é acompanhada ao longo do tempo. Assim, a base do estudo não é apenas uma população (ou seja, um grupo de pessoas), mas a experiência de ocorrência de doenças dessa população durante um determinado período de tempo (Miettinen 1985, Hernberg 1992). Se esse conceito unificador de uma base de estudo for adotado, é importante reconhecer que os diferentes desenhos de estudo (por exemplo, projetos de caso-controle e de coorte) são simplesmente maneiras diferentes de “coletar” informações sobre a exposição e a doença do mesmo estudo. base; não são abordagens diametralmente diferentes.

O artigo sobre validade no desenho do estudo da Sasco aborda as definições e a importância da confusão. Os investigadores do estudo devem sempre considerar a possibilidade de confusão em estudos ocupacionais, e nunca pode ser suficientemente enfatizado que a identificação de variáveis ​​potencialmente confusas é parte integrante de qualquer desenho e análise de estudo. Dois aspectos da confusão devem ser abordados na epidemiologia ocupacional:

  1. A confusão negativa deve ser explorada: por exemplo, algumas populações industriais têm baixa exposição a fatores de risco associados ao estilo de vida por causa de um local de trabalho sem fumo; sopradores de vidro tendem a fumar menos do que a população em geral.
  2. Quando a confusão é considerada, uma estimativa de sua direção e seu impacto potencial deve ser avaliada. Isso é particularmente verdadeiro quando os dados para controlar a confusão são escassos. Por exemplo, fumar é um importante fator de confusão na epidemiologia ocupacional e sempre deve ser considerado. No entanto, quando os dados sobre tabagismo não estão disponíveis (como é frequentemente o caso em estudos de coorte), é improvável que o tabagismo possa explicar um grande excesso de risco encontrado em um grupo ocupacional. Isso é bem descrito em um artigo de Axelson (1978) e discutido posteriormente por Greenland (1987). Quando dados detalhados sobre ocupação e tabagismo estão disponíveis na literatura, a confusão não parece distorcer fortemente as estimativas relativas à associação entre câncer de pulmão e ocupação (Vineis e Simonato, 1991). Além disso, a suspeita de confusão nem sempre introduz associações não válidas. Uma vez que os investigadores também correm o risco de serem desviados por outros vieses de observação e seleção não detectados, eles devem receber tanta ênfase quanto a questão da confusão no planejamento de um estudo (Stellman 1987).

 

Tempo e variáveis ​​relacionadas ao tempo, como idade de risco, período do calendário, tempo desde a contratação, tempo desde a primeira exposição, duração da exposição e seu tratamento na fase de análise, estão entre as questões metodológicas mais complexas da epidemiologia ocupacional. Eles não são abordados neste capítulo, mas duas referências metodológicas recentes e relevantes são observadas (Pearce 1992; Robins et al. 1992).

Estatísticas

O artigo sobre estatística de Biggeri e Braga, assim como o título deste capítulo, indicam que os métodos estatísticos não podem ser separados da pesquisa epidemiológica. Isso ocorre porque: (a) uma compreensão sólida das estatísticas pode fornecer informações valiosas sobre o desenho adequado de uma investigação e (b) estatísticas e epidemiologia compartilham uma herança comum, e toda a base quantitativa da epidemiologia é fundamentada na noção de probabilidade ( Clayton 1992; Clayton e Hills 1993). Em muitos dos artigos que se seguem, a evidência empírica e a prova de relações causais hipotéticas são avaliadas usando argumentos probabilísticos e desenhos de estudo apropriados. Por exemplo, a ênfase é colocada na estimativa da medida de risco de juros, como taxas ou riscos relativos, e na construção de intervalos de confiança em torno dessas estimativas, em vez da execução de testes estatísticos de probabilidade (Poole 1987; Gardner e Altman 1989; Greenland 1990 ). Uma breve introdução ao raciocínio estatístico usando a distribuição binomial é fornecida. A estatística deve ser uma companheira do raciocínio científico. Mas é inútil na ausência de pesquisas adequadamente planejadas e conduzidas. Os estatísticos e epidemiologistas estão cientes de que a escolha dos métodos determina o que e até que ponto fazemos observações. A escolha criteriosa das opções de projeto é, portanto, de fundamental importância para garantir observações válidas.

Ética

O último artigo, de Vineis, aborda questões éticas em pesquisas epidemiológicas. Pontos a serem mencionados nesta introdução referem-se à epidemiologia como uma disciplina que implica ação preventiva por definição. Aspectos éticos específicos relativos à proteção dos trabalhadores e da população em geral exigem o reconhecimento de que:

  • Os estudos epidemiológicos em ambientes ocupacionais não devem, de forma alguma, atrasar as medidas preventivas no local de trabalho.
  • A epidemiologia ocupacional não se refere a fatores de estilo de vida, mas a situações em que geralmente pouco ou nenhum papel pessoal é desempenhado na escolha da exposição. Isto implica uma aposta particular na prevenção eficaz e na transmissão imediata de informação aos trabalhadores e ao público.
  • A pesquisa revela os perigos para a saúde e fornece o conhecimento para a ação preventiva. Os problemas éticos de não realizar pesquisas, quando factíveis, devem ser considerados.
  • A notificação aos trabalhadores dos resultados dos estudos epidemiológicos é uma questão ética e metodológica na comunicação de risco. A pesquisa para avaliar o impacto potencial e a eficácia da notificação deve receber alta prioridade (Schulte et al. 1993).

 

Formação em Epidemiologia Ocupacional

Pessoas com diversas origens podem encontrar seu caminho para a especialização em epidemiologia ocupacional. Medicina, enfermagem e estatística são algumas das formações mais prováveis ​​entre os especialistas nessa área. Na América do Norte, cerca de metade de todos os epidemiologistas treinados têm formação científica, enquanto a outra metade terá seguido o caminho do doutor em medicina. Em países fora da América do Norte, a maioria dos especialistas em epidemiologia ocupacional terá avançado nas categorias de doutor em medicina. Na América do Norte, aqueles com treinamento médico tendem a ser considerados “especialistas em conteúdo”, enquanto aqueles que são treinados pela via científica são considerados “especialistas metodológicos”. Muitas vezes, é vantajoso para um especialista em conteúdo se unir a um especialista em metodologia para projetar e conduzir o melhor estudo possível.

Não só é necessário conhecimento de métodos epidemiológicos, estatísticas e computadores para a especialidade de epidemiologia ocupacional, mas também conhecimento de toxicologia, higiene industrial e registros de doenças (Merletti e Comba 1992). Como grandes estudos podem exigir a vinculação a registros de doenças, o conhecimento das fontes de dados populacionais é útil. Conhecimento de trabalho e organização corporativa também é importante. Teses em nível de mestrado e dissertações em nível de doutorado de formação equipam os alunos com os conhecimentos necessários para a realização de grandes estudos baseados em registros e entrevistas com trabalhadores.

Proporção de doenças atribuíveis à ocupação

A proporção de doenças atribuíveis a exposições ocupacionais em um grupo de trabalhadores expostos ou na população em geral é coberta pelo menos com relação ao câncer em outra parte deste enciclopédia. Aqui devemos lembrar que se uma estimativa for computada, ela deve ser para uma doença específica (e um local específico no caso do câncer), um período de tempo específico e uma área geográfica específica. Além disso, deve basear-se em medidas precisas da proporção de pessoas expostas e do grau de exposição. Isso implica que a proporção de doenças atribuíveis à ocupação pode variar de muito baixa ou zero em certas populações a muito alta em outras localizadas em áreas industriais onde, por exemplo, até 40% dos cânceres de pulmão podem ser atribuídos a exposições ocupacionais (Vineis e Simonato 1991). As estimativas que não são baseadas em uma revisão detalhada de estudos epidemiológicos bem desenhados podem, na melhor das hipóteses, ser consideradas como suposições informadas e têm valor limitado.

Transferência de indústrias perigosas

A maioria das pesquisas epidemiológicas é realizada no mundo desenvolvido, onde a regulamentação e o controle de riscos ocupacionais conhecidos reduziram o risco de doenças nas últimas décadas. Ao mesmo tempo, porém, houve uma grande transferência de indústrias perigosas para o mundo em desenvolvimento (Jeyaratnam 1994). Produtos químicos anteriormente proibidos nos Estados Unidos ou na Europa agora são produzidos em países em desenvolvimento. Por exemplo, a moagem de amianto foi transferida dos Estados Unidos para o México, e a produção de benzidina de países europeus para a ex-Iugoslávia e Coréia (Simonato 1986; LaDou 1991; Pearce et al. 1994).

Um sinal indireto do nível de risco ocupacional e das condições de trabalho no mundo em desenvolvimento é a epidemia de intoxicação aguda que ocorre em alguns desses países. De acordo com uma avaliação, há cerca de 20,000 mortes a cada ano no mundo devido à intoxicação aguda por pesticidas, mas isso provavelmente é uma subestimação substancial (Kogevinas et al. 1994). Estima-se que 99% de todas as mortes por envenenamento agudo por pesticidas ocorrem em países em desenvolvimento, onde apenas 20% dos agroquímicos do mundo são usados ​​(Kogevinas et al. 1994). Isso quer dizer que, mesmo que a pesquisa epidemiológica pareça apontar para uma redução dos riscos ocupacionais, isso pode ser simplesmente devido ao fato de que a maior parte dessa pesquisa está sendo realizada no mundo desenvolvido. Os riscos ocupacionais podem simplesmente ter sido transferidos para o mundo em desenvolvimento e a carga total de exposição ocupacional mundial pode ter aumentado (Vineis et al. 1995).

Epidemiologia Veterinária

Por razões óbvias, a epidemiologia veterinária não é diretamente pertinente à saúde ocupacional e à epidemiologia ocupacional. No entanto, pistas para causas ambientais e ocupacionais de doenças podem vir de estudos epidemiológicos em animais por várias razões:

  1. O tempo de vida dos animais é relativamente curto em comparação com o dos humanos, e o período de latência para doenças (por exemplo, a maioria dos cânceres) é mais curto em animais do que em humanos. Isso implica que uma doença que ocorre em um animal selvagem ou de estimação pode servir como um evento sentinela para nos alertar sobre a presença de um potencial tóxico ambiental ou carcinógeno para humanos antes que ele fosse identificado por outros meios (Glickman 1993).
  2. Marcadores de exposições, como adutos de hemoglobina ou níveis de absorção e excreção de toxinas, podem ser medidos em animais selvagens e de estimação para avaliar a contaminação ambiental de fontes industriais (Blondin e Viau 1992; Reynolds et al. 1994; Hungerford et al. 1995) .
  3. Os animais não são expostos a alguns fatores que podem atuar como fatores de confusão em estudos humanos e, portanto, as investigações em populações de animais podem ser conduzidas sem considerar esses fatores de confusão em potencial. Por exemplo, um estudo de câncer de pulmão em cães de estimação pode detectar associações significativas entre a doença e a exposição ao amianto (por exemplo, por meio de ocupações relacionadas ao amianto dos proprietários e proximidade de fontes industriais de amianto). Claramente, tal estudo removeria o efeito do tabagismo ativo como um fator de confusão.

 

Veterinários falam sobre uma revolução epidemiológica na medicina veterinária (Schwabe 1993) e surgiram livros sobre a disciplina (Thrusfield 1986; Martin et al. 1987). Certamente, pistas para riscos ambientais e ocupacionais vieram dos esforços conjuntos de epidemiologistas humanos e animais. Entre outros, o efeito de fenoxi-herbicidas em ovelhas e cães (Newell et al. 1984; Hayes et al. 1990), de campos magnéticos (Reif et al. 1995) e pesticidas (especialmente preparações contra pulgas) contaminados com compostos semelhantes ao amianto em cães (Glickman et al. 1983) são contribuições notáveis.

Pesquisa participativa, comunicação de resultados e prevenção

É importante reconhecer que muitos estudos epidemiológicos no campo da saúde ocupacional são iniciados por meio da experiência e preocupação dos próprios trabalhadores (Olsen et al. 1991). Freqüentemente, os trabalhadores - aqueles expostos histórica e/ou presentemente - acreditavam que algo estava errado muito antes de isso ser confirmado pela pesquisa. A epidemiologia ocupacional pode ser pensada como uma forma de “dar sentido” à experiência dos trabalhadores, de coletar e agrupar os dados de forma sistemática e permitir inferir sobre as causas ocupacionais de seus adoecimentos. Além disso, os próprios trabalhadores, seus representantes e os responsáveis ​​pela saúde dos trabalhadores são as pessoas mais adequadas para interpretar os dados coletados. Eles, portanto, devem sempre ser participantes ativos em qualquer investigação realizada no local de trabalho. Somente seu envolvimento direto garantirá que o local de trabalho permanecerá seguro após a saída dos pesquisadores. O objetivo de qualquer estudo é o uso dos resultados na prevenção de doenças e incapacidades, e o sucesso disso depende em grande parte da garantia de que os expostos participem da obtenção e interpretação dos resultados do estudo. O papel e o uso dos resultados da pesquisa no processo de litígio, à medida que os trabalhadores buscam indenização por danos causados ​​pela exposição no local de trabalho, está além do escopo deste capítulo. Para alguma compreensão sobre isso, o leitor é encaminhado para outro lugar (Soskolne, Lilienfeld e Black 1994).

Abordagens participativas para garantir a condução da pesquisa epidemiológica ocupacional tornaram-se, em alguns lugares, uma prática padrão na forma de comitês diretores estabelecidos para supervisionar a iniciativa de pesquisa desde o início até a conclusão. Esses comitês são multipartidos em sua estrutura, incluindo trabalho, ciência, gestão e/ou governo. Com representantes de todos os grupos de partes interessadas no processo de pesquisa, a comunicação dos resultados será mais eficaz em virtude de sua maior credibilidade, porque “um deles” supervisionaria a pesquisa e comunicaria os resultados aos seus respectivos eleitorado. Desta forma, o maior nível de prevenção eficaz é provável.

Essas e outras abordagens participativas na pesquisa em saúde ocupacional são realizadas com o envolvimento daqueles que vivenciam ou são afetados pelo problema relacionado à exposição. Isso deve ser visto mais comumente em todas as pesquisas epidemiológicas (Laurell et al. 1992). É relevante lembrar que enquanto no trabalho epidemiológico o objetivo da análise é a estimativa da magnitude e distribuição do risco, na pesquisa participativa, a evitabilidade do risco também é um objetivo (Loewenson e Biocca 1995). Essa complementaridade entre epidemiologia e prevenção efetiva faz parte da mensagem deste enciclopédia e deste capítulo.

Mantendo a relevância da saúde pública

Embora novos desenvolvimentos na metodologia epidemiológica, na análise de dados e na avaliação e medição da exposição (como novas técnicas de biologia molecular) sejam bem-vindos e importantes, eles também podem contribuir para uma abordagem reducionista com foco em indivíduos, e não em populações. Já foi dito que:

… a epidemiologia deixou de funcionar como parte de uma abordagem multidisciplinar para entender a causa da doença nas populações e tornou-se um conjunto de métodos genéricos para medir associações de exposição e doença em indivíduos. , históricos, políticos e outros fatores populacionais como principais causas de doenças.... A epidemiologia deve se reintegrar à saúde pública e deve redescobrir a perspectiva populacional (Pearce 1996).

Os epidemiologistas ocupacionais e ambientais têm um papel importante a desempenhar, não apenas no desenvolvimento de novos métodos epidemiológicos e aplicações para esses métodos, mas também na garantia de que esses métodos sejam sempre integrados na perspectiva populacional adequada.

 

Voltar

Segunda-feira, 28 fevereiro 2011 21: 01

Avaliação de exposição

A avaliação das exposições é uma etapa crítica na identificação de riscos no local de trabalho por meio de investigação epidemiológica. O processo de avaliação da exposição pode ser subdividido em uma série de atividades. Esses incluem:

  1. compilar um inventário de agentes e misturas potencialmente tóxicos presentes no ambiente de trabalho visado
  2. determinar como as exposições ocorrem e qual a probabilidade de elas variarem entre os funcionários
  3. selecionar medidas ou índices apropriados para quantificar as exposições
  4. coletar dados que permitirão que os participantes do estudo recebam valores de exposição qualitativos ou quantitativos para cada medida. Sempre que possível, essas atividades devem ser realizadas sob a orientação de um higienista industrial qualificado.

 

Estudos de saúde ocupacional são frequentemente criticados por causa de inadequações na avaliação de exposições. As inadequações podem levar a uma classificação incorreta diferencial ou não diferencial da exposição e subsequente viés ou perda de precisão nas análises do efeito da exposição. Esforços para melhorar a situação são evidenciados por várias conferências internacionais recentes e textos dedicados a este tópico (ACGIH 1991; Armstrong et al. 1992; Proceedings of the Conference on Retrospective Assessment of Occupational Exposures in Epidemiology 1995). Claramente, os desenvolvimentos técnicos estão oferecendo novas oportunidades para o avanço da avaliação da exposição. Esses desenvolvimentos incluem melhorias na instrumentação analítica, uma melhor compreensão dos processos farmacocinéticos e a descoberta de novos biomarcadores de exposição. Como os estudos de saúde ocupacional geralmente dependem de informações históricas de exposição para as quais nenhum monitoramento específico teria sido realizado, a necessidade de avaliação retrospectiva da exposição acrescenta uma dimensão adicional de complexidade a esses estudos. No entanto, padrões aprimorados para avaliação e para garantir a confiabilidade de tais avaliações continuam a ser desenvolvidos (Siemiatycki et al. 1986). As avaliações de exposição prospectiva, é claro, podem ser mais facilmente validadas.

O termo exposição refere-se à concentração de um agente na fronteira entre o indivíduo e o ambiente. A exposição é normalmente presumida quando se sabe que um agente está presente em um ambiente de trabalho e há uma expectativa razoável de contato do funcionário com esse agente. As exposições podem ser expressas como uma concentração média ponderada no tempo (TWA) de 8 horas, que é uma medida da intensidade da exposição calculada em média durante um turno de trabalho de 8 horas. As concentrações máximas são intensidades médias em períodos de tempo mais curtos, como 15 minutos. A exposição cumulativa é uma medida do produto da intensidade e duração médias (por exemplo, uma concentração média de TWA de 8 horas multiplicada pelos anos trabalhados nessa concentração média). Dependendo da natureza do estudo e dos resultados de saúde de interesse, a avaliação do pico, intensidade média, exposições cumulativas ou retardadas pode ser desejável.

Em contraste, dosar refere-se à deposição ou absorção de um agente por unidade de tempo. A dose ou ingestão diária de um agente pode ser estimada combinando dados de medição ambiental com suposições padrão relacionadas, entre outros fatores, taxas de respiração e penetração dérmica. Alternativamente, a ingestão pode ser estimada com base em dados de biomonitoramento. A dose idealmente seria medida no órgão alvo de interesse.

Fatores importantes de avaliação da exposição incluem:

  1. identificação dos agentes relevantes
  2. determinação de sua presença e concentrações em meios ambientais apropriados (por exemplo, ar, superfícies de contato)
  3. avaliação das vias de entrada prováveis ​​(inalação, absorção cutânea, ingestão), duração da exposição (variação diária) e duração cumulativa da exposição expressa em semanas, meses ou anos
  4. avaliação da eficácia dos controles de engenharia e pessoais (por exemplo, o uso de roupas de proteção e proteção respiratória pode mediar as exposições) e, finalmente
  5. hospedeiro e outras considerações que podem modular as concentrações de órgãos-alvo.

 

Estes incluem o nível físico da atividade de trabalho e o estado de saúde anterior dos indivíduos. Cuidados especiais devem ser tomados na avaliação da exposição a agentes que são persistentes ou tendem a bioacumular (por exemplo, certos metais, radionuclídeos ou compostos orgânicos estáveis). Com esses materiais, as cargas corporais internas podem aumentar insidiosamente mesmo quando as concentrações ambientais parecem ser baixas.

Embora a situação possa ser bastante complexa, muitas vezes não é. Certamente, muitas contribuições valiosas para a identificação de riscos ocupacionais vieram de estudos que usam abordagens de bom senso para avaliação de exposição. Fontes de informação que podem ser úteis na identificação e categorização de exposições incluem:

  1. entrevistas com funcionários
  2. pessoal do empregador e registros de produção (incluem registros de trabalho, descrições de trabalho, histórico de instalações e processos e inventários de produtos químicos)
  3. Julgamento perito
  4. registros de higiene industrial (monitoramento de área, pessoal e conformidade e amostras de limpeza de superfície, juntamente com riscos à saúde ou relatórios de pesquisa abrangentes)
  5. entrevistas com funcionários antigos ou aposentados e
  6. dados de biomonitoramento.

 

Existem várias vantagens em categorizar as exposições individuais com o máximo de detalhes possível. Claramente, a informatividade de um estudo será aprimorada na medida em que as exposições relevantes forem adequadamente descritas. Em segundo lugar, a credibilidade dos resultados pode ser aumentada porque o potencial de confusão pode ser abordado de forma mais satisfatória. Por exemplo, referentes e indivíduos expostos irão diferir quanto ao status de exposição, mas também podem diferir em relação a outros fatores explicativos medidos e não medidos para a doença de interesse. No entanto, se um gradiente de exposição puder ser estabelecido na população do estudo, é menos provável que o mesmo grau de confusão persista nos subgrupos de exposição, fortalecendo assim os achados gerais do estudo.

Matrizes de Exposição de Trabalho

Uma das abordagens mais práticas e frequentemente usadas para avaliar a exposição tem sido estimar as exposições indiretamente com base nos cargos. O uso de matrizes de exposição de trabalho pode ser eficaz quando históricos de trabalho completos estão disponíveis e há uma constância razoável tanto nas tarefas quanto nas exposições associadas aos trabalhos em estudo. Em uma escala mais ampla, os agrupamentos padrão de cargos e setores foram elaborados a partir de dados de censos coletados rotineiramente ou dados ocupacionais fornecidos em atestados de óbito. Infelizmente, as informações mantidas nesses grandes sistemas de registro geralmente se limitam à ocupação “atual” ou “normal”. Além disso, como os agrupamentos padrão não levam em consideração as condições presentes em locais de trabalho específicos, eles geralmente devem ser considerados como substitutos brutos da exposição.

Para estudos de caso-controle baseados na comunidade e em registros, uma avaliação de exposição mais detalhada foi obtida utilizando a opinião de especialistas para traduzir os dados do histórico de trabalho obtidos por meio de entrevistas pessoais em avaliações semiquantitativas de prováveis ​​exposições a agentes específicos (Siemiatycki et al. 1986 ). Especialistas, como químicos e higienistas industriais, são escolhidos para auxiliar na avaliação da exposição devido ao seu conhecimento e familiaridade com vários processos industriais. Ao combinar os dados detalhados do questionário com o conhecimento dos processos industriais, esta abordagem tem sido útil para caracterizar as diferenças de exposição nas instalações de trabalho.

A abordagem da matriz de exposição ao trabalho também foi empregada com sucesso em estudos específicos da indústria e da empresa (Gamble e Spirtas 1976). Históricos de cargos individuais (uma lista cronológica de departamentos anteriores e atribuições de cargos para cada funcionário) geralmente são mantidos nos arquivos pessoais da empresa e, quando disponíveis, fornecem um histórico completo de cargos para os funcionários enquanto eles trabalham naquela instalação. Esses dados podem ser ampliados por meio de entrevistas pessoais com os participantes do estudo. O próximo passo é inventariar todos os cargos e designações de departamento ou área de trabalho usados ​​durante o período de estudo. Estes podem facilmente chegar a centenas ou mesmo milhares dentro de grandes instalações de multiprocessos ou entre empresas dentro de uma indústria, quando produção, manutenção, pesquisa, engenharia, serviços de suporte de fábrica e trabalhos administrativos são considerados ao longo do tempo (muitas vezes várias décadas), permitindo mudanças nos processos industriais. A consolidação de dados pode ser facilitada criando um arquivo de computador com todos os registros do histórico de trabalho e, em seguida, usando rotinas de edição para padronizar a terminologia do cargo. Esses trabalhos que envolvem exposições relativamente homogêneas podem ser combinados para simplificar o processo de vinculação de exposições a trabalhos individuais. No entanto, o agrupamento de empregos e locais de trabalho deve ser apoiado, sempre que possível, por dados de medição coletados de acordo com uma estratégia de amostragem sólida.

Mesmo com históricos de trabalho computadorizados, a ligação retrospectiva de dados de exposição a indivíduos pode ser uma tarefa difícil. Certamente, as condições do local de trabalho serão alteradas à medida que as tecnologias mudarem, a demanda do produto mudar e novas regulamentações forem implementadas. Também pode haver mudanças nas formulações de produtos e padrões sazonais de produção em muitas indústrias. Registros permanentes podem ser mantidos em relação a algumas mudanças. No entanto, é menos provável que os registros sejam retidos em relação a processos sazonais e outros processos marginais e mudanças na produção. Os funcionários também podem ser treinados para executar vários trabalhos e, em seguida, alternar entre os trabalhos à medida que as demandas da produção mudam. Todas essas circunstâncias adicionam complexidade aos perfis de exposição dos funcionários. No entanto, também existem configurações de trabalho que permaneceram relativamente inalteradas por muitos anos. Em última análise, cada ambiente de trabalho deve ser avaliado por si só.

Em última análise, será necessário resumir o histórico de exposição da vida profissional de cada pessoa em um estudo. Foi demonstrada uma influência considerável nas medidas finais de exposição-efeito de risco (Suarez-Almazor et al. 1992), e, portanto, deve-se ter muito cuidado ao selecionar a medida resumida de exposição mais apropriada.

Higiene Industrial - Medição Ambiental

O monitoramento das exposições no trabalho é uma atividade contínua fundamental na proteção da saúde dos funcionários. Assim, os registros de higiene industrial podem já existir no momento em que um estudo epidemiológico está sendo planejado. Nesse caso, esses dados devem ser revisados ​​para determinar o quão bem a população-alvo foi coberta, quantos anos de dados estão representados nos arquivos e com que facilidade as medições podem ser vinculadas a empregos, áreas de trabalho e indivíduos. Essas determinações serão úteis tanto na avaliação da viabilidade do estudo epidemiológico quanto na identificação de lacunas de dados que podem ser remediadas com amostragem de exposição adicional.

A questão da melhor forma de vincular os dados de medição a trabalhos e indivíduos específicos é particularmente importante. A amostragem de área e zona respiratória pode ser útil para higienistas industriais na identificação de fontes de emissão para ações corretivas, mas pode ser menos útil na caracterização de exposições reais de funcionários, a menos que estudos cuidadosos de tempo das atividades de trabalho dos funcionários tenham sido realizados. Por exemplo, o monitoramento contínuo da área pode identificar exposições a excursões em determinados momentos do dia, mas permanece a dúvida se os funcionários estavam ou não na área de trabalho naquele momento.

Os dados de amostragem pessoal geralmente fornecem estimativas mais precisas da exposição do funcionário, desde que a amostragem seja realizada em condições representativas, o uso de equipamentos de proteção individual seja devidamente levado em consideração e as tarefas de trabalho e as condições do processo sejam relativamente constantes no dia a dia. Amostras pessoais podem ser prontamente vinculadas ao funcionário individual por meio do uso de identificadores pessoais. Esses dados podem ser generalizados para outros funcionários nas mesmas funções e para outros períodos de tempo, conforme justificado. No entanto, com base em sua própria experiência, Rappaport et al. (1993) advertiram que as concentrações de exposição podem ser altamente variáveis, mesmo entre funcionários designados para o que são considerados grupos de exposição homogêneos. Mais uma vez, o julgamento de especialistas é necessário para decidir se grupos de exposição homogêneos podem ou não ser presumidos.

Os pesquisadores combinaram com sucesso uma abordagem de matriz de exposição de trabalho com a utilização de dados de medição ambiental para estimar as exposições dentro das células da matriz. Quando faltam dados de medição, pode ser possível preencher as lacunas de dados por meio do uso de modelagem de exposição. Geralmente, isso envolve o desenvolvimento de um modelo para relacionar concentrações ambientais a determinantes mais facilmente avaliados de concentrações de exposição (por exemplo, volumes de produção, características físicas da instalação, incluindo o uso de sistemas de ventilação de exaustão, volatilidade do agente e natureza da atividade de trabalho). O modelo é construído para ambientes de trabalho com concentrações ambientais conhecidas e, em seguida, usado para estimar concentrações em ambientes de trabalho semelhantes sem dados de medição, mas com informações sobre parâmetros como ingredientes constituintes e volumes de produção. Esta abordagem pode ser particularmente útil para a estimativa retrospectiva de exposições.

Outra questão importante de avaliação é o tratamento da exposição a misturas. Primeiro, do ponto de vista analítico, a detecção separada de compostos quimicamente relacionados e a eliminação de interferências de outras substâncias presentes na amostra podem não estar dentro da capacidade do procedimento analítico. As várias limitações nos procedimentos analíticos usados ​​para fornecer dados de medição precisam ser avaliadas e os objetivos do estudo modificados de acordo. Em segundo lugar, pode ser que certos agentes sejam quase sempre usados ​​em conjunto e, portanto, ocorram aproximadamente nas mesmas proporções relativas em todo o ambiente de trabalho em estudo. Nesta situação, as análises estatísticas internas per se não será útil para distinguir se os efeitos são ou não devidos a um ou a outros agentes ou devido a uma combinação dos agentes. Tais julgamentos só seriam possíveis com base na revisão de estudos externos nos quais as mesmas combinações de agentes não tivessem ocorrido. Finalmente, em situações em que diferentes materiais são usados ​​de forma intercambiável dependendo das especificações do produto (por exemplo, o uso de diferentes corantes para obter contrastes de cores desejados), pode ser impossível atribuir efeitos a qualquer agente específico.

Monitoramento Biológico

Biomarcadores são alterações moleculares, bioquímicas ou celulares que podem ser medidas em meios biológicos como tecidos, células ou fluidos humanos. A principal razão para o desenvolvimento de biomarcadores de exposição é fornecer uma estimativa da dose interna para um determinado agente. Essa abordagem é especialmente útil quando são prováveis ​​várias vias de exposição (por exemplo, inalação e absorção pela pele), quando o equipamento de proteção é usado de forma intermitente ou quando as condições de exposição são imprevisíveis. O biomonitoramento pode ser especialmente vantajoso quando se sabe que os agentes de interesse têm meias-vidas biológicas relativamente longas. De uma perspectiva estatística, uma vantagem do monitoramento biológico sobre o monitoramento do ar pode ser vista com agentes tendo uma meia-vida tão curta quanto dez horas, dependendo do grau de variabilidade ambiental (Droz e Wu 1991). As meias-vidas extremamente longas de materiais como dioxinas cloradas (medidas em anos) tornam esses compostos candidatos ideais para monitoramento biológico. Tal como acontece com os métodos analíticos para medir as concentrações de ar, deve-se estar ciente de possíveis interferências. Por exemplo, antes de utilizar um determinado metabólito como biomarcador, deve-se determinar se outras substâncias comuns, como as contidas em certos medicamentos e na fumaça do cigarro, podem ou não ser metabolizadas até o mesmo ponto final. Em geral, o conhecimento básico da farmacocinética de um agente é necessário antes que o monitoramento biológico seja utilizado como base para a avaliação da exposição.

Os pontos de medição mais frequentes incluem ar alveolar, urina e sangue. Amostras de ar alveolar podem ser úteis na caracterização de altas exposições a solventes de curto prazo que ocorreram dentro de minutos ou horas após a coleta da amostra. Amostras urinárias são normalmente coletadas para determinar as taxas de excreção de metabólitos do composto de interesse. Amostras de sangue podem ser coletadas para medição direta do composto, para medição de metabólitos ou para determinação de proteínas ou adutos de DNA (por exemplo, adutos de albumina ou hemoglobina e adutos de DNA em linfócitos circulantes). Células de tecidos acessíveis, como células epiteliais da área bucal da boca, também podem ser amostradas para identificação de adutos de DNA.

A determinação da atividade da colinesterase nas hemácias e no plasma exemplifica o uso de alterações bioquímicas como medida de exposição. Os pesticidas organofosforados inibem a atividade da colinesterase e, portanto, a medição dessa atividade antes e depois da provável exposição a esses compostos pode ser um indicador útil da intensidade da exposição. No entanto, à medida que se avança no espectro das alterações biológicas, torna-se mais difícil distinguir entre os biomarcadores de exposição e os de efeito. Em geral, as medidas de efeito tendem a ser inespecíficas para a substância de interesse e, portanto, outras possíveis explicações do efeito podem precisar ser avaliadas para apoiar o uso desse parâmetro como uma medida de exposição. As medidas de exposição devem estar diretamente vinculadas ao agente de interesse ou deve haver uma base sólida para vincular qualquer medida indireta ao agente. Apesar dessas qualificações, o monitoramento biológico é muito promissor como meio de melhorar a avaliação da exposição em apoio a estudos epidemiológicos.

Conclusões

Ao fazer comparações em estudos de epidemiologia ocupacional, a necessidade é ter um grupo de trabalhadores com exposição para comparar com um grupo de trabalhadores sem exposição. Essas distinções são grosseiras, mas podem ser úteis na identificação de áreas problemáticas. Claramente, no entanto, quanto mais refinada a medida de exposição, mais útil será o estudo, especificamente em termos de sua capacidade de identificar e desenvolver programas de intervenção direcionados adequadamente.

 

Voltar

Segunda-feira, 28 fevereiro 2011 21: 03

Medidas resumidas de exposição na vida profissional

Os pesquisadores têm sorte quando têm à sua disposição uma cronologia detalhada da experiência de vida profissional dos trabalhadores, que fornece uma revisão histórica dos empregos que ocuparam ao longo do tempo. Para esses trabalhadores um matriz de exposição de trabalho pode então ser configurado para permitir que cada mudança de trabalho pela qual um trabalhador tenha passado seja associada a informações de exposição específicas.

Os históricos detalhados de exposição devem ser resumidos para fins de análise, a fim de determinar se os padrões são evidentes e podem estar relacionados a questões de saúde e segurança no local de trabalho. Podemos visualizar uma lista de, digamos, 20 mudanças de emprego que um trabalhador experimentou em sua vida profissional. Existem várias maneiras alternativas de resumir os detalhes da exposição (para cada uma das 20 mudanças de emprego neste exemplo), levando em consideração a duração e/ou concentração/dose/grau de exposição.

É importante notar, no entanto, que conclusões diferentes de um estudo podem ser alcançadas dependendo do método selecionado (Suarez-Almazor et al. 1992). Um exemplo de cinco medidas resumidas de exposição na vida profissional é mostrado na tabela 1.

Tabela 1. Fórmulas e dimensões ou unidades das cinco medidas resumidas selecionadas de exposição na vida profissional

Medida de exposição

Fórmula

Dimensões/Unidades

Índice de exposição cumulativa (CEI)

Σ (grau x tempo de exposição)

série e tempo

Nota média (MG)

Σ (grau x tempo de exposição)/tempo total de exposição

grau

Nota mais alta de sempre (HG)

grau mais alto ao qual exposto por ≥ 7 dias

grau

Nota média ponderada pelo tempo (TWA)

Σ (grau x tempo de exposição)/tempo total empregado

grau

Tempo total exposto (TTE)

Σ tempo exposto

tempo

Adaptado de Suarez-Almazor et al. 1992.

Índice de exposição cumulativa. O índice de exposição cumulativa (CEI) equivale a “dose” em estudos toxicológicos e representa a soma, ao longo da vida útil, dos produtos de grau de exposição e duração da exposição para cada cargo sucessivo. Inclui o tempo em suas unidades.

Nota média. A nota média (MG) acumula os produtos do grau de exposição e duração da exposição para cada cargo sucessivo (ou seja, o CEI) e divide pelo tempo total exposto em qualquer grau maior que zero. MG é independente do tempo em suas unidades; a medida sumária para uma pessoa exposta por um longo período a uma alta concentração será semelhante à de uma pessoa exposta por um curto período a uma alta concentração. Dentro de qualquer conjunto correspondente em um projeto de controle de caso, MG é um grau médio de exposição por unidade de tempo exposto. É uma nota média para o tempo efetivamente exposto ao agente em questão.

Grau mais alto de todos os tempos. O grau mais alto de todos os tempos (HG) é determinado a partir da verificação do histórico de trabalho para a atribuição de grau mais alto no período de observação ao qual o trabalhador foi exposto por pelo menos sete dias. O HG pode deturpar a exposição da vida profissional de uma pessoa porque, por sua própria formulação, é baseado em um procedimento de maximização em vez de uma média e, portanto, é independente da duração da exposição em suas unidades.

Nota média ponderada pelo tempo. O grau de média ponderada pelo tempo (TWA) é o índice de exposição cumulativa (CEI) dividido pelo tempo total empregado. Dentro de qualquer conjunto correspondente em um projeto de caso-controle, a média do grau TWA sobre o tempo total empregado. Difere do MG, que calcula a média apenas sobre o tempo total efetivamente exposto. Assim, o grau TWA pode ser visto como uma exposição média por unidade de tempo durante todo o período de emprego, independentemente da exposição per se.

Tempo total exposto. O tempo total exposto (TTE) acumula todos os períodos de tempo associados à exposição em unidades de tempo. TTE tem apelo por sua simplicidade. No entanto, é bem aceito que os efeitos na saúde devem estar relacionados não apenas à duração da exposição química, mas também à intensidade dessa exposição (ou seja, a concentração ou grau).

Claramente, a utilidade de uma medida sumária da exposição é determinada pelo respectivo peso que atribui à duração ou à concentração da exposição ou a ambas. Assim, medidas diferentes podem produzir resultados diferentes (Walker e Blettner 1985). Idealmente, a medida resumida selecionada deve ser baseada em um conjunto de suposições defensáveis ​​em relação ao mecanismo biológico postulado para o agente ou associação de doença em estudo (Smith 1987). No entanto, este procedimento nem sempre é possível. Muitas vezes, o efeito biológico da duração da exposição ou da concentração do agente em estudo é desconhecido. Nesse contexto, o uso de diferentes medidas de exposição pode ser útil para sugerir um mecanismo pelo qual a exposição exerce seu efeito.

Recomenda-se que, na ausência de modelos comprovados para avaliar a exposição, uma variedade de medidas resumidas de exposição da vida profissional seja usada para estimar o risco. Essa abordagem facilitaria a comparação dos achados entre os estudos.

 

Voltar

Terça-feira, 01 Março 2011 01: 58

Medindo os efeitos das exposições

A epidemiologia envolve medir a ocorrência de doenças e quantificar associações entre doenças e exposições.

Medidas de Ocorrência da Doença

A ocorrência da doença pode ser medida por frequências (conta) mas é melhor descrito por taxas, que são compostos por três elementos: o número de pessoas afetadas (numerador), o número de pessoas na população de origem ou base (ou seja, a população em risco) de onde vêm as pessoas afetadas e o período de tempo coberto. O denominador da taxa é o total de tempo-pessoa experimentado pela população de origem. As taxas permitem comparações mais informativas entre populações de tamanhos diferentes do que apenas contagens. Risco, a probabilidade de um indivíduo desenvolver uma doença dentro de um período de tempo especificado, é uma proporção, variando de 0 a 1, e não uma taxa per se. Taxa de ataque, a proporção de pessoas em uma população que são afetadas dentro de um período de tempo especificado, é tecnicamente uma medida de risco, não uma taxa.

A morbidade específica da doença inclui incidência, que se refere ao número de pessoas recém-diagnosticadas com a doença de interesse. predomínio refere-se ao número de casos existentes. Mortalidade refere-se ao número de pessoas que morrem.

Incidência é definido como o número de novos casos diagnosticados dentro de um período de tempo especificado, enquanto o taxa de incidência é esse número dividido pelo total de tempo-pessoa experimentado pela população de origem (tabela 1). Para o câncer, as taxas geralmente são expressas como taxas anuais por 100,000 pessoas. As taxas para outras doenças mais comuns podem ser expressas por um número menor de pessoas. Por exemplo, as taxas de defeitos congênitos geralmente são expressas por 1,000 nascidos vivos. Incidência cumulativa, a proporção de pessoas que se tornam casos dentro de um período de tempo especificado, é uma medida de risco médio para uma população. 

Tabela 1. Medidas de ocorrência da doença: População hipotética observada por um período de cinco anos

Casos recém-diagnosticados

10

Casos vivos previamente diagnosticados

12

Mortes, todas as causas*

5

Óbitos, doença de interesse

3

Pessoas na população

100

Anos observados

5

Incidência

Pessoas 10

Taxa de incidência anual

Prevalência pontual (no final do 5º ano)

(10 + 12 - 3) = 19 pessoas

Prevalência do período (período de cinco anos)

(10 + 12) = 22 pessoas

taxa de mortalidade anual

Taxa anual de mortalidade

*Para simplificar os cálculos, este exemplo pressupõe que todas as mortes ocorreram no final do período de cinco anos, de modo que todas as 100 pessoas da população permaneceram vivas durante os cinco anos completos.

predomínio inclui prevalência pontual, o número de casos de doença em um ponto no tempo, e prevalência de período, o número total de casos de uma doença conhecida por ter existido em algum momento durante um período especificado.

Mortalidade, que diz respeito a óbitos e não a casos recém-diagnosticados de doenças, reflete fatores que causam doenças, bem como fatores relacionados à qualidade da assistência médica, como triagem, acesso a assistência médica e disponibilidade de tratamentos eficazes. Consequentemente, os esforços de geração de hipóteses e a pesquisa etiológica podem ser mais informativos e fáceis de interpretar quando baseados na incidência e não nos dados de mortalidade. No entanto, os dados de mortalidade geralmente estão mais prontamente disponíveis em grandes populações do que os dados de incidência.

O termo índice de mortalidade é geralmente aceito para significar a taxa de mortes por todas as causas combinadas, enquanto taxa de mortalidade é a taxa de mortalidade por uma causa específica. Para uma determinada doença, o taxa de letalidade (tecnicamente uma proporção, não uma taxa) é o número de pessoas que morreram da doença durante um período de tempo especificado dividido pelo número de pessoas com a doença. O complemento da taxa de letalidade é o taxa de sobrevivência. A taxa de sobrevivência de cinco anos é uma referência comum para doenças crônicas como o câncer.

A ocorrência de uma doença pode variar entre subgrupos da população ou ao longo do tempo. Uma medida de doença para uma população inteira, sem consideração de quaisquer subgrupos, é chamada de taxa bruta. Por exemplo, uma taxa de incidência para todas as faixas etárias combinadas é uma taxa bruta. As taxas para as faixas etárias individuais são as taxas específicas de idade. Para comparar duas ou mais populações com diferentes distribuições de idade, ajustado por idade (ou, padronizada por idade) as taxas devem ser calculadas para cada população multiplicando cada taxa específica por idade pela porcentagem da população padrão (por exemplo, uma das populações em estudo, a população dos EUA em 1970) nessa faixa etária e, em seguida, somando todas as faixas etárias para produzir uma taxa global ajustada à idade. As taxas podem ser ajustadas para outros fatores além da idade, como raça, sexo ou tabagismo, se as taxas específicas da categoria forem conhecidas.

A vigilância e avaliação de dados descritivos podem fornecer pistas sobre a etiologia da doença, identificar subgrupos de alto risco que podem ser adequados para programas de intervenção ou triagem e fornecer dados sobre a eficácia de tais programas. Fontes de informação que têm sido usadas para atividades de vigilância incluem certidões de óbito, registros médicos, registros de câncer, registros de outras doenças (por exemplo, registros de defeitos congênitos, registros de doenças renais em estágio terminal), registros de exposição ocupacional, registros de seguro de saúde ou invalidez e acidentes de trabalho registros.

Medidas de Associação

A epidemiologia tenta identificar e quantificar os fatores que influenciam a doença. Na abordagem mais simples, a ocorrência da doença entre pessoas expostas a um fator suspeito é comparada à ocorrência entre pessoas não expostas. A magnitude de uma associação entre exposição e doença pode ser expressa tanto em absoluto or relativo termos. (Veja também "Estudo de Caso: Medidas").

Os efeitos absolutos são medidos por diferenças de taxa e diferenças de risco (mesa 2). UMA diferença de taxa é uma taxa menos uma segunda taxa. Por exemplo, se a taxa de incidência de leucemia entre trabalhadores expostos ao benzeno é de 72 por 100,000 pessoas-ano e a taxa entre trabalhadores não expostos é de 12 por 100,000 pessoas-ano, então a diferença de taxa é de 60 por 100,000 pessoas-ano. UMA diferença de risco é uma diferença em riscos ou incidência cumulativa e pode variar de -1 a 1. 

 


Tabela 2. Medidas de associação para um estudo de coorte

 

 

Cases

Pessoa-anos em risco

Taxa por 100,000

exposto

100

20,000

500

Não exposto

200

80,000

250

Total

300

100,000

300

Diferença de taxa (RD) = 500/100,000 - 250/100,000

= 250/100,000 por ano

(146.06/100,000 - 353.94/100,000)*

Razão de taxa (ou risco relativo) (RR) =  

Risco atribuível no exposto (ARe) = 100/20,000 - 200/80,000

= 250/100,000 por ano

Percentagem de risco atribuível nos expostos (ARe%) =

 Risco atribuível da população (PAR) = 300/100,000 - 200/80,000

= 50/100,000 por ano

Percentagem de risco atribuível à população (PAR%) =

 * Entre parênteses, intervalos de confiança de 95% calculados usando as fórmulas nas caixas.


 

efeitos relativos baseiam-se em índices de taxas ou medidas de risco, em vez de diferenças. UMA razão da taxa é a razão de uma taxa em uma população para a taxa em outra. A razão de taxas também tem sido chamada de proporção de risco, risco relativo, taxa relativa e incidência (ou mortalidade) razão da taxa. A medida é adimensional e varia de 0 a infinito. Quando a taxa em dois grupos é semelhante (ou seja, não há efeito da exposição), o razão da taxa é igual à unidade (1). Uma exposição que aumentasse o risco renderia uma razão de taxas maior que a unidade, enquanto um fator de proteção renderia uma razão entre 0 e 1. O excesso de risco relativo é o risco relativo menos 1. Por exemplo, um risco relativo de 1.4 também pode ser expresso como um excesso de risco relativo de 40%.

Nos estudos de caso-controle (também chamados de estudos de caso-referente), são identificadas pessoas com doença (casos) e pessoas sem doença (controles ou referentes). Exposições passadas dos dois grupos são comparadas. As chances de ser um caso exposto são comparadas às chances de ser um controle exposto. Contagens completas das populações de origem de pessoas expostas e não expostas não estão disponíveis, portanto, as taxas de doenças não podem ser calculadas. Em vez disso, os casos expostos podem ser comparados aos controles expostos pelo cálculo de chances relativas, Ou o odds ratio (Tabela 3). 

 


Tabela 3. Medidas de associação para estudos de caso-controle: Exposição ao pó de madeira e adenocarcinoma da cavidade nasal e seios paranasais

 

 

Cases

Controles

exposto

18

55

Não exposto

5

140

Total

23

195

 

Probabilidades relativas (razão de chances) (OR) =

Percentagem de risco atribuível nos expostos () =

Percentagem de risco atribuível à população (PAR%) =

onde = proporção de controles expostos = 55/195 = 0.28

 

* Entre parênteses, intervalos de confiança de 95% calculados usando as fórmulas na caixa no verso.

Fonte: Adaptado de Hayes et al. 1986.


 

Medidas relativas de efeito são usadas com mais frequência do que medidas absolutas para relatar a força de uma associação. Medidas absolutas, no entanto, podem fornecer uma melhor indicação do impacto de uma associação na saúde pública. Um pequeno aumento relativo em uma doença comum, como doença cardíaca, pode afetar mais pessoas (grande diferença de risco) e ter mais impacto na saúde pública do que um grande aumento relativo (mas pequena diferença absoluta) em uma doença rara, como angiossarcoma do fígado.

Teste de significância

O teste de significância estatística geralmente é realizado em medidas de efeito para avaliar a probabilidade de que o efeito observado seja diferente da hipótese nula (ou seja, nenhum efeito). Embora muitos estudos, particularmente em outras áreas da pesquisa biomédica, possam expressar importância por valores p, estudos epidemiológicos geralmente apresentam intervalos de confiança (CI) (também chamado Limites de confiança). Um intervalo de confiança de 95%, por exemplo, é uma faixa de valores para a medida de efeito que inclui a medida estimada obtida a partir dos dados do estudo e aquela que tem 95% de probabilidade de incluir o valor verdadeiro. Valores fora do intervalo são considerados improváveis ​​de incluir a verdadeira medida do efeito. Se o IC para uma razão de taxas incluir a unidade, não haverá diferença estatisticamente significativa entre os grupos que estão sendo comparados.

Os intervalos de confiança são mais informativos do que os valores-p sozinhos. O tamanho de um valor-p é determinado por um ou ambos os dois motivos. Ou a medida de associação (por exemplo, razão de taxa, diferença de risco) é grande ou as populações em estudo são grandes. Por exemplo, uma pequena diferença nas taxas de doença observadas em uma grande população pode produzir um valor-p altamente significativo. As razões para o grande valor-p não podem ser identificadas apenas pelo valor-p. Os intervalos de confiança, no entanto, nos permitem separar os dois fatores. Primeiro, a magnitude do efeito é perceptível pelos valores da medida do efeito e pelos números incluídos no intervalo. Taxas de risco maiores, por exemplo, indicam um efeito mais forte. Em segundo lugar, o tamanho da população afeta a largura do intervalo de confiança. Populações pequenas com estimativas estatisticamente instáveis ​​geram intervalos de confiança mais amplos do que populações maiores.

O nível de confiança escolhido para expressar a variabilidade dos resultados (a “significância estatística”) é arbitrário, mas tradicionalmente tem sido de 95%, o que corresponde a um p-valor de 0.05. Um intervalo de confiança de 95% tem 95% de probabilidade de conter a verdadeira medida do efeito. Outros níveis de confiança, como 90%, são usados ​​ocasionalmente.

As exposições podem ser dicotômicas (por exemplo, expostas e não expostas) ou podem envolver muitos níveis de exposição. As medidas de efeito (ou seja, resposta) podem variar de acordo com o nível de exposição. avaliando resposta à exposição relações é uma parte importante da interpretação dos dados epidemiológicos. O análogo à exposição-resposta em estudos com animais é “dose-resposta”. Se a resposta aumentar com o nível de exposição, é mais provável que uma associação seja causal do que se nenhuma tendência for observada. Os testes estatísticos para avaliar as relações exposição-resposta incluem o teste de extensão de Mantel e o teste de tendência qui-quadrado.

estandardização

Para levar em consideração outros fatores além da exposição primária de interesse e da doença, medidas de associação podem ser padronizado através de técnicas de estratificação ou regressão. Estratificação significa dividir as populações em grupos homogêneos com relação ao fator (por exemplo, grupos de gênero, grupos de idade, grupos de fumantes). As razões de risco ou odds ratio são calculadas para cada estrato e as médias ponderadas gerais das razões de risco ou odds ratio são calculadas. Esses valores globais refletem a associação entre a exposição primária e a doença, ajustada pelo fator de estratificação, ou seja, a associação com os efeitos do fator de estratificação removido.

A taxa de taxa padronizada (SRR) é a razão de duas taxas padronizadas. Em outras palavras, um SRR é uma média ponderada de índices de taxa específicos de estrato, onde os pesos para cada estrato são a distribuição de pessoa-tempo do grupo não exposto ou referente. SRRs para dois ou mais grupos podem ser comparados se os mesmos pesos forem usados. Intervalos de confiança podem ser construídos para SRRs como para razões de taxa.

A taxa de mortalidade padronizada (SMR) é uma média ponderada de razões de taxas específicas por idade onde os pesos (por exemplo, pessoa-tempo em risco) vêm do grupo em estudo e as taxas vêm da população de referência, o oposto da situação em um SRR. A população de referência usual é a população em geral, cujas taxas de mortalidade podem estar prontamente disponíveis e baseadas em grandes números e, portanto, são mais estáveis ​​do que usando taxas de uma coorte não exposta ou subgrupo da população ocupacional em estudo. Usar os pesos da coorte em vez da população de referência é chamado de padronização indireta. O SMR é a razão entre o número observado de mortes na coorte e o número esperado, com base nas taxas da população de referência (a razão geralmente é multiplicada por 100 para apresentação). Se não houver associação, o SMR é igual a 100. Deve-se observar que, como as taxas vêm da população de referência e os pesos vêm do grupo de estudo, dois ou mais SMRs tendem a não ser comparáveis. Essa não comparabilidade é muitas vezes esquecida na interpretação dos dados epidemiológicos, e conclusões errôneas podem ser tiradas.

Efeito Trabalhador Saudável

É muito comum que as coortes ocupacionais tenham mortalidade total menor do que a população em geral, mesmo que os trabalhadores tenham maior risco de causas selecionadas de morte por exposições no local de trabalho. Esse fenômeno, chamado de efeito do trabalhador saudável, reflete o fato de que qualquer grupo de pessoas empregadas provavelmente é mais saudável, em média, do que a população em geral, que inclui trabalhadores e pessoas incapacitadas para o trabalho devido a doenças e deficiências. A taxa de mortalidade geral na população em geral tende a ser maior do que a taxa nos trabalhadores. O efeito varia em intensidade de acordo com a causa da morte. Por exemplo, parece ser menos importante para o câncer em geral do que para a doença pulmonar obstrutiva crônica. Uma razão para isso é que é provável que a maioria dos cânceres não tenha se desenvolvido a partir de qualquer predisposição para o câncer subjacente à seleção de emprego/carreira em uma idade mais jovem. O efeito do trabalhador saudável em um determinado grupo de trabalhadores tende a diminuir com o tempo.

Mortalidade Proporcional

Às vezes, uma tabulação completa de uma coorte (ou seja, tempo de pessoa em risco) não está disponível e há informações apenas sobre as mortes ou algum subconjunto de mortes sofridas pela coorte (por exemplo, mortes entre aposentados e empregados ativos, mas não entre trabalhadores que deixou o emprego antes de se tornar elegível para uma pensão). O cálculo de anos-pessoa requer métodos especiais para lidar com a avaliação de tempo-pessoa, incluindo métodos de tabela de vida. Sem informações totais de pessoa-tempo em todos os membros da coorte, independentemente do estado da doença, SMRs e SRRs não podem ser calculados. Em vez de, taxas de mortalidade proporcional (PMRs) podem ser usados. Um PMR é a razão entre o número de óbitos observados por uma causa específica em comparação com o número esperado, baseado na proporção do total de óbitos por causa específica na população de referência, multiplicado pelo número total de óbitos no estudo grupo, multiplicado por 100.

Como a proporção de mortes por todas as causas combinadas deve ser igual a 1 (PMR = 100), algumas PMRs podem parecer excessivas, mas na verdade são infladas artificialmente devido a déficits reais em outras causas de morte. Da mesma forma, alguns déficits aparentes podem apenas refletir excessos reais de outras causas de morte. Por exemplo, se os aplicadores aéreos de pesticidas tiverem um grande excesso real de mortes devido a acidentes, a exigência matemática de que o PMR para todas as causas combinadas seja igual a 100 pode fazer com que uma ou outra causa de morte pareça deficiente, mesmo que a mortalidade seja excessiva. Para amenizar esse problema potencial, os pesquisadores interessados ​​principalmente no câncer podem calcular taxas de mortalidade por câncer proporcionais (PCMR). Os PCMRs comparam o número observado de mortes por câncer ao número esperado com base na proporção do total de mortes por câncer (em vez de todas as mortes) para o câncer de interesse na população de referência multiplicado pelo número total de mortes por câncer no grupo de estudo, multiplicado por 100. Assim, o PCMR não será afetado por uma aberração (excesso ou déficit) em uma causa de morte não oncológica, como acidentes, doenças cardíacas ou doenças pulmonares não malignas.

Os estudos de PMR podem ser melhor analisados ​​usando taxas de chance de mortalidade (MORs), essencialmente analisando os dados como se fossem de um estudo de caso-controle. Os “controles” são as mortes de um subconjunto de todas as mortes que se acredita não estarem relacionadas à exposição em estudo. Por exemplo, se o principal interesse do estudo fosse o câncer, as taxas de chances de mortalidade poderiam ser calculadas comparando a exposição entre as mortes por câncer com a exposição entre as mortes cardiovasculares. Esta abordagem, como a PCMR, evita os problemas com a PMR que surgem quando uma flutuação em uma causa de morte afeta o risco aparente de outra simplesmente porque a PMR geral deve ser igual a 100. A escolha das causas de morte de controle é crítica, porém . Conforme mencionado acima, eles não devem estar relacionados à exposição, mas a possível relação entre exposição e doença pode não ser conhecida para muitas doenças de controle potenciais.

Risco Atribuível

Existem medidas disponíveis que expressam a quantidade de doença que seria atribuível a uma exposição se a associação observada entre a exposição e a doença fosse causal. o risco atribuível no exposto (A. R.e) é a taxa de doença nos expostos menos a taxa nos não expostos. Como as taxas de doença não podem ser medidas diretamente em estudos de caso-controle, o ARe é calculável apenas para estudos de coorte. Uma medida relacionada, mais intuitiva, o percentual de risco atribuível no exposto (A. R.e%), pode ser obtido a partir de qualquer projeto de estudo. O are% é a proporção de casos que surgem na população exposta que é atribuível à exposição (ver tabela 2 e tabela 3 para a fórmula). O are% é a razão de taxa (ou razão de chances) menos 1, dividido pela razão de taxa (ou razão de chances), multiplicado por 100.

A risco atribuível à população (PAR) e o porcentagem de risco atribuível da população (PAR%) ou fração etiológica, expressam a quantidade de doença na população total, que é composta por expostos e não expostos, devido à exposição se a associação observada for causal. O PAR pode ser obtido a partir de estudos de coorte (tabela 28.3) e o PAR% pode ser calculado em estudos de coorte e de caso-controle (tabela 2 e tabela 3).

Representatividade

Existem várias medidas de risco que foram descritas. Cada um assume métodos subjacentes para a contagem de eventos e nos representantes desses eventos para um grupo definido. Quando os resultados são comparados entre os estudos, uma compreensão dos métodos usados ​​é essencial para explicar quaisquer diferenças observadas.

 

Voltar

Terça-feira, 01 Março 2011 01: 48

Opções no Projeto de Estudo

O epidemiologista está interessado nas relações entre variáveis, principalmente exposição e variáveis ​​de resultado. Normalmente, os epidemiologistas querem verificar se a ocorrência da doença está relacionada à presença de um determinado agente (exposição) na população. As formas como essas relações são estudadas podem variar consideravelmente. Pode-se identificar todas as pessoas que estão expostas a esse agente e acompanhá-las para medir a incidência da doença, comparando essa incidência com a ocorrência da doença em uma população adequada não exposta. Alternativamente, pode-se simplesmente amostrar entre os expostos e não expostos, sem ter uma enumeração completa deles. Ou, como uma terceira alternativa, pode-se identificar todas as pessoas que desenvolveram uma doença de interesse em um período de tempo definido (“casos”) e um grupo adequado de indivíduos livres de doença (uma amostra da população de origem dos casos) e verificar se os padrões de exposição diferem entre os dois grupos. O acompanhamento dos participantes do estudo é uma opção (nos chamados estudos longitudinais): nessa situação, existe um intervalo de tempo entre a ocorrência da exposição e o início da doença. Uma opção alternativa é uma seção transversal da população, onde tanto a exposição quanto a doença são medidas no mesmo ponto no tempo.

Neste artigo, é dada atenção aos desenhos de estudo comuns – coorte, caso-referente (caso-controle) e transversal. Para preparar o terreno para esta discussão, considere uma grande fábrica de rayon de viscose em uma cidade pequena. Foi iniciada uma investigação sobre se a exposição ao dissulfeto de carbono aumenta o risco de doença cardiovascular. A investigação tem várias opções de design, algumas mais e outras menos óbvias. Uma primeira estratégia é identificar todos os trabalhadores que foram expostos ao dissulfeto de carbono e acompanhá-los quanto à mortalidade cardiovascular.

Estudos de coortes

Um estudo de coorte abrange participantes de pesquisa que compartilham um evento comum, a exposição. Um estudo de coorte clássico identifica um grupo definido de pessoas expostas e, em seguida, todos são acompanhados e sua experiência de morbidade e/ou mortalidade é registrada. Além de uma exposição qualitativa comum, a coorte também deve ser definida em outros critério de eleição, como faixa etária, sexo (masculino ou feminino ou ambos), duração mínima e intensidade da exposição, ausência de outras exposições e similares, para aumentar a validade e eficiência do estudo. À entrada, todos os membros da coorte devem estar livres da doença em estudo, de acordo com o conjunto empírico de critérios usados ​​para medir a doença.

Se, por exemplo, no estudo de coorte sobre os efeitos do dissulfeto de carbono na morbidade coronariana, a doença coronariana for medida empiricamente como infartos clínicos, aqueles que, na linha de base, tiveram um histórico de infarto coronariano devem ser excluídos da coorte. Por outro lado, anormalidades eletrocardiográficas sem história de infarto podem ser aceitas. No entanto, se o aparecimento de novas alterações eletrocardiográficas for a medida de resultado empírico, os membros da coorte também devem ter eletrocardiogramas normais na linha de base.

A morbidade (em termos de incidência) ou a mortalidade de uma coorte exposta deve ser comparada a uma coorte de referência que, idealmente, deve ser o mais semelhante possível à coorte exposta em todos os aspectos relevantes, exceto a exposição, para determinar o risco relativo de doença ou morte por exposição. Usar uma coorte semelhante, mas não exposta, como fornecedora da experiência de referência é preferível à (má) prática comum de comparar a morbidade ou mortalidade da coorte exposta com números nacionais padronizados por idade, porque a população em geral fica aquém de cumprir até mesmo os requisitos mais requisitos elementares para a validade da comparação. A Razão Padronizada de Morbidade (ou Mortalidade) (SMR), resultante dessa comparação, geralmente gera uma subestimação da verdadeira razão de risco por causa de um viés que opera na coorte exposta, levando à falta de comparabilidade entre as duas populações. Esse viés de comparação foi denominado “Efeito do Trabalhador Saudável”. No entanto, não é realmente um “efeito” verdadeiro, mas um viés de confusão negativa, que por sua vez surgiu da rotatividade seletiva de saúde em uma população empregada. (Pessoas com problemas de saúde tendem a sair ou nunca entrar em coortes “expostas”, sendo seu destino final frequentemente a seção de desempregados da população em geral.)

Como uma coorte “exposta” é definida como tendo uma certa exposição, apenas efeitos causados ​​por essa única exposição (ou combinação de exposições) podem ser estudados simultaneamente. Por outro lado, o desenho de coorte permite o estudo de várias doenças ao mesmo tempo. Pode-se também estudar concomitantemente diferentes manifestações da mesma doença - por exemplo, angina, alterações no ECG, infartos clínicos do miocárdio e mortalidade coronariana. Embora adequado para testar hipóteses específicas (por exemplo, “a exposição ao dissulfeto de carbono causa doença cardíaca coronária”), um estudo de coorte também fornece respostas para a pergunta mais geral: “Quais doenças são causadas por esta exposição?”

Por exemplo, em um estudo de coorte investigando o risco de morrer de câncer de pulmão para trabalhadores de fundição, os dados de mortalidade são obtidos do registro nacional de causas de morte. Embora o estudo fosse determinar se o pó de fundição causa câncer de pulmão, a fonte de dados, com o mesmo esforço, também fornece informações sobre todas as outras causas de morte. Portanto, outros possíveis riscos à saúde podem ser estudados ao mesmo tempo.

O momento de um estudo de coorte pode ser retrospectivo (histórico) ou prospectivo (concorrente). Em ambos os casos, a estrutura do projeto é a mesma. Uma enumeração completa de pessoas expostas ocorre em algum ponto ou período no tempo, e o resultado é medido para todos os indivíduos por meio de um ponto final definido no tempo. A diferença entre prospectivo e retrospectivo está no momento do estudo. Se for retrospectivo, o ponto final já ocorreu; se for prospectivo, é preciso esperar por ele.

No projeto retrospectivo, a coorte é definida em algum ponto no passado (por exemplo, aqueles expostos em 1º de janeiro de 1961 ou aqueles que assumiram trabalhos expostos entre 1961 e 1970). A morbidade e/ou mortalidade de todos os membros da coorte é então seguido até o presente. Embora “todos” signifique que também aqueles que deixaram o emprego devem ser rastreados, na prática, uma cobertura de 100% raramente pode ser alcançada. No entanto, quanto mais completo o acompanhamento, mais válido é o estudo.

No desenho prospectivo, a coorte é definida no presente, ou durante algum período futuro, e a morbidade é seguida no futuro.

Ao fazer estudos de coorte, deve-se permitir tempo suficiente para o acompanhamento, a fim de que os pontos finais preocupantes tenham tempo suficiente para se manifestar. Às vezes, como os registros históricos podem estar disponíveis apenas por um curto período no passado, é desejável tirar proveito dessa fonte de dados porque isso significa que um período mais curto de acompanhamento prospectivo seria necessário antes que os resultados do estudo pudessem ser divulgados. acessível. Nessas situações, uma combinação de estudos de coorte retrospectivos e prospectivos pode ser eficiente. O layout geral das tabelas de frequência que apresentam dados de coorte é mostrado na tabela 1.

Tabela 1. O layout geral das tabelas de frequência apresentando dados de coorte

Componente da taxa de doença

Coorte exposta

coorte não exposta

Casos de doença ou morte

c1

c0

Número de pessoas na coorte

N1

N0

 

A proporção observada de doentes na coorte exposta é calculada como:

e o da coorte de referência como:

A razão de taxas, então, é expressa como:

N0 e N1 são geralmente expressos em unidades de tempo por pessoa, em vez de como o número de pessoas em as populações. Anos-pessoa são calculados para cada indivíduo separadamente. Muitas vezes, pessoas diferentes entram na coorte durante um período de tempo, não na mesma data. Portanto, seus tempos de acompanhamento começam em datas diferentes. Da mesma forma, após sua morte, ou após a ocorrência do evento de interesse, eles não estão mais “em risco” e não devem continuar a contribuir pessoas-ano para o denominador.

Se o RR for maior que 1, a morbidade da coorte exposta é maior que a da coorte de referência e vice-versa. O RR é uma estimativa pontual e um intervalo de confiança (CI) deve ser calculado para ele. Quanto maior o estudo, mais estreito se tornará o intervalo de confiança. Se RR = 1 não for incluído no intervalo de confiança (por exemplo, o IC de 95% é 1.4 a 5.8), o resultado pode ser considerado “estatisticamente significativo” no nível de probabilidade escolhido (neste exemplo, α = 0.05).

Se a população geral for usada como população de referência, c0 é substituído pelo valor “esperado”, E(c1 ), derivado das taxas de morbidade ou mortalidade padronizadas por idade dessa população (ou seja, o número de casos que teriam ocorrido na coorte, caso a exposição de interesse não tivesse ocorrido). Isso produz a Taxa Padronizada de Mortalidade (ou Morbidade), SMR. Desta forma,

Também para o SMR, um intervalo de confiança deve ser calculado. É melhor fornecer essa medida em uma publicação do que um valor-p, porque o teste de significância estatística não faz sentido se a população em geral for a categoria de referência. Tal comparação acarreta um viés considerável (o efeito do trabalhador saudável mencionado acima), e o teste de significância estatística, originalmente desenvolvido para pesquisa experimental, é enganoso na presença de erro sistemático.

Suponha que a questão seja se o pó de quartzo causa câncer de pulmão. Normalmente, o pó de quartzo ocorre junto com outros carcinógenos, como os derivados de radônio e escape de diesel em minas ou hidrocarbonetos poliaromáticos em fundições. As pedreiras de granito não expõem os pedreiros a esses outros carcinógenos. Portanto, o problema é melhor estudado entre os pedreiros empregados em pedreiras de granito.

Suponha então que todos os 2,000 trabalhadores, tendo sido empregados por 20 pedreiras entre 1951 e 1960, estejam inscritos na coorte e sua incidência de câncer (alternativamente apenas mortalidade) seja acompanhada a partir de dez anos após a primeira exposição (para permitir um tempo de indução) e terminando em 1990. Este é um acompanhamento de 20 a 30 anos (dependendo do ano de entrada) ou, digamos, em média, de 25 anos da mortalidade (ou morbidade) por câncer entre 1,000 dos trabalhadores da pedreira que eram especificamente trabalhadores de granito. O histórico de exposição de cada membro da coorte deve ser registrado. Aqueles que deixaram as pedreiras devem ser rastreados e seu histórico de exposição posterior registrado. Em países onde todos os habitantes têm números de registro exclusivos, esse é um procedimento simples, regido principalmente pelas leis nacionais de proteção de dados. Onde não existe tal sistema, rastrear funcionários para fins de acompanhamento pode ser extremamente difícil. Onde existem registros apropriados de óbitos ou doenças, a mortalidade por todas as causas, todos os cânceres e locais específicos de câncer podem ser obtidos no registro nacional de causas de morte. (Para mortalidade por câncer, o registro nacional de câncer é uma fonte melhor porque contém diagnósticos mais precisos. Além disso, dados de incidência (ou morbidade) também podem ser obtidos.) As taxas de mortalidade (ou taxas de incidência de câncer) podem ser comparadas a “ números esperados”, calculados a partir de taxas nacionais usando como base as pessoas-ano da coorte exposta.

Suponha que 70 casos fatais de câncer de pulmão sejam encontrados na coorte, enquanto o número esperado (o número que teria ocorrido se não houvesse exposição) é 35. Então:

c1 = 70, E(c1) = 35

Assim, o SMR = 200, o que indica um aumento de duas vezes no risco de morrer de câncer de pulmão entre os expostos. Se dados detalhados de exposição estiverem disponíveis, a mortalidade por câncer pode ser estudada em função de diferentes tempos de latência (digamos, 10, 15, 20 anos), trabalho em diferentes tipos de pedreiras (diferentes tipos de granito), diferentes períodos históricos, diferentes exposições intensidades e assim por diante. No entanto, 70 casos não podem ser subdivididos em muitas categorias, porque o número que cai em cada uma rapidamente se torna muito pequeno para análise estatística.

Ambos os tipos de projetos de coorte têm vantagens e desvantagens. Um estudo retrospectivo pode, via de regra, medir apenas a mortalidade, porque geralmente faltam dados para manifestações mais leves. Os registros de câncer são uma exceção, e talvez alguns outros, como registros de AVC e registros de altas hospitalares, em que os dados de incidência também estejam disponíveis. A avaliação da exposição passada é sempre um problema e os dados de exposição geralmente são bastante fracos em estudos retrospectivos. Isso pode levar ao mascaramento do efeito. Por outro lado, como os casos já ocorreram, os resultados do estudo ficam disponíveis muito mais cedo; em, digamos, dois a três anos.

Um estudo prospectivo de coorte pode ser melhor planejado para atender às necessidades do pesquisador, e os dados de exposição podem ser coletados de forma precisa e sistemática. Várias manifestações diferentes de uma doença podem ser medidas. As medições da exposição e do resultado podem ser repetidas, e todas as medições podem ser padronizadas e sua validade verificada. No entanto, se a doença tiver uma longa latência (como o câncer), muito tempo – até 20 a 30 anos – precisará passar antes que os resultados do estudo possam ser obtidos. Muita coisa pode acontecer durante este tempo. Por exemplo, rotatividade de pesquisadores, melhorias nas técnicas de medição de exposição, reforma ou fechamento das usinas escolhidas para estudo e assim por diante. Todas essas circunstâncias colocam em risco o sucesso do estudo. Os custos de um estudo prospectivo também são geralmente mais altos do que os de um estudo retrospectivo, mas isso se deve principalmente ao número muito maior de medições (monitoramento de exposição repetida, exames clínicos e assim por diante) e não ao registro de óbito mais caro. Portanto, o custos por unidade de informação não excedem necessariamente os de um estudo retrospectivo. Diante de tudo isso, estudos prospectivos são mais indicados para doenças com latência bastante curta, necessitando de seguimento curto, enquanto estudos retrospectivos são melhores para doenças com latência longa.

Estudos de caso-controle (ou caso-referente)

Voltemos à fábrica de viscose rayon. Um estudo de coorte retrospectivo pode não ser viável se as listas dos trabalhadores expostos forem perdidas, enquanto um estudo de coorte prospectivo produziria resultados sólidos em muito tempo. Uma alternativa seria, então, a comparação entre os que morreram de doença coronariana no município, ao longo de um determinado período de tempo, e uma amostra da população total na mesma faixa etária.

O projeto de caso-controle clássico (ou caso-referente) é baseado na amostragem de uma população dinâmica (aberta, caracterizada por uma rotatividade de membros). Esta população pode ser a de um país inteiro, um distrito ou um município (como no nosso exemplo), ou pode ser a população definida administrativamente da qual os pacientes são internados em um hospital. A população definida fornece os casos e os controles (ou referentes).

A técnica consiste em reunir todos os casos da doença em questão existentes em um ponto no tempo (casos prevalentes), ou ocorreram durante um período definido significativo de tempo (casos incidentes). Os casos, portanto, podem ser extraídos de registros de morbidade ou mortalidade, ou coletados diretamente de hospitais ou outras fontes com diagnósticos válidos. Os controles são desenhados como um amostra da mesma população, seja entre não-casos ou de toda a população. Outra opção é selecionar pacientes com outra doença como controles, mas esses pacientes devem ser representativos da população de onde vieram os casos. Pode haver um ou mais controles (ou seja, referentes) para cada caso. A abordagem de amostragem difere dos estudos de coorte, que examinam toda a população. Nem é preciso dizer que os ganhos em termos de redução de custos dos projetos de caso-controle são consideráveis, mas é importante que a amostra seja representante de toda a população da qual os casos se originaram (ou seja, a “base do estudo”)—caso contrário, o estudo pode ser tendencioso.

Quando casos e controles são identificados, seus históricos de exposição são coletados por meio de questionários, entrevistas ou, em alguns casos, de registros existentes (por exemplo, registros de folha de pagamento dos quais históricos de trabalho podem ser deduzidos). Os dados podem ser obtidos dos próprios participantes ou, se já falecidos, de parentes próximos. Para garantir uma recordação simétrica, é importante que a proporção de casos e referentes mortos e vivos seja igual, porque parentes próximos geralmente fornecem uma história de exposição menos detalhada do que os próprios participantes. As informações sobre o padrão de exposição entre os casos são comparadas com as dos controles, fornecendo uma estimativa do odds ratio (OR), uma medida indireta da risco entre os expostos de contrair a doença em relação aos não expostos.

Como o projeto de caso-controle se baseia nas informações de exposição obtidas de pacientes com uma determinada doença (isto é, casos) juntamente com uma amostra de pessoas não doentes (isto é, controles) da população da qual os casos se originaram, a conexão com as exposições pode ser investigado apenas uma doença. Em contraste, este desenho permite o estudo concomitante do efeito de várias exposições diferentes. O estudo de caso referente é adequado para abordar questões de pesquisa específicas (por exemplo, “A doença coronariana é causada pela exposição ao dissulfeto de carbono?”), mas também pode ajudar a responder à pergunta mais geral: “Quais exposições podem causar esta doença ?”

A questão de saber se a exposição a solventes orgânicos causa câncer hepático primário é levantada (como exemplo) na Europa. Casos de câncer hepático primário, uma doença comparativamente rara na Europa, são mais bem coletados a partir de um registro nacional de câncer. Suponha que todos os casos de câncer ocorridos durante três anos formem a série de casos. A base populacional para o estudo é então um acompanhamento de três anos de toda a população do país europeu em questão. Os controles são desenhados como uma amostra de pessoas sem câncer de fígado da mesma população. Por razões de conveniência (o que significa que a mesma fonte pode ser usada para amostragem dos controles), pacientes com outro tipo de câncer, não relacionado à exposição a solventes, podem ser usados ​​como controles. O câncer de cólon não tem relação conhecida com a exposição a solventes; portanto, esse tipo de câncer pode ser incluído entre os controles. (O uso de controles de câncer minimiza o viés de memória, pois a precisão da história fornecida por casos e controles é, em média, simétrica. No entanto, se alguma conexão atualmente desconhecida entre câncer de cólon e exposição a solventes fosse revelada posteriormente, esse tipo de controle causaria uma subestimação do verdadeiro risco - não um exagero dele.)

Para cada caso de câncer de fígado, dois controles são sorteados para obter maior poder estatístico. (Pode-se desenhar ainda mais controles, mas os fundos disponíveis podem ser um fator limitante. Se os fundos não fossem limitados, talvez até quatro controles seriam ótimos. Além de quatro, a lei dos retornos decrescentes se aplica.) Depois de obter a permissão apropriada dos dados autoridades de proteção, os casos e controles, ou seus parentes próximos, são abordados, geralmente por meio de um questionário enviado pelo correio, solicitando um histórico ocupacional detalhado com ênfase especial em uma lista cronológica dos nomes de todos os empregadores, departamentos de trabalho, tarefas de trabalho em empregos diferentes e o período de emprego em cada tarefa respectiva. Esses dados podem ser obtidos de parentes com alguma dificuldade; no entanto, produtos químicos específicos ou nomes comerciais geralmente não são bem lembrados pelos parentes. O questionário também deve incluir perguntas sobre possíveis dados de confusão, como uso de álcool, exposição a alimentos contendo aflatoxinas e infecção por hepatite B e C. Para obter uma taxa de resposta suficientemente alta, dois lembretes são enviados aos não respondentes em intervalos de três semanas. Isso geralmente resulta em uma taxa de resposta final superior a 70%. A história ocupacional é então revisada por um higienista industrial, sem conhecimento do caso do entrevistado ou status de controle, e a exposição é classificada em exposição alta, média, baixa, nenhuma e desconhecida a solventes. Os dez anos de exposição imediatamente anteriores ao diagnóstico de câncer são desconsiderados, porque não é biologicamente plausível que carcinógenos do tipo iniciador possam ser a causa do câncer se o tempo de latência for tão curto (embora os promotores, de fato, possam). Nesta fase também é possível diferenciar entre diferentes tipos de exposição a solventes. Como foi fornecida uma história profissional completa, também é possível explorar outras exposições, embora a hipótese inicial do estudo não as inclua. As razões de chance podem então ser calculadas para exposição a qualquer solvente, solventes específicos, misturas de solventes, diferentes categorias de intensidade de exposição e para diferentes janelas de tempo em relação ao diagnóstico de câncer. É aconselhável excluir da análise aqueles com exposição desconhecida.

Os casos e controles podem ser amostrados e analisados ​​como série independente or grupos combinados. Matching significa que os controles são selecionados para cada caso com base em certas características ou atributos, para formar pares (ou conjuntos, se mais de um controle for escolhido para cada caso). A correspondência geralmente é feita com base em um ou mais desses fatores, como idade, estado vital, histórico de tabagismo, tempo de calendário do diagnóstico do caso e outros. Em nosso exemplo, os casos e controles são comparados por idade e estado vital. (O estado vital é importante, porque os próprios pacientes geralmente fornecem um histórico de exposição mais preciso do que parentes próximos, e a simetria é essencial por razões de validade.) Hoje, a recomendação é restringir a correspondência, porque esse procedimento pode introduzir resultados negativos (mascaramento de efeito) ) confuso.

Se um controle corresponde a um caso, o projeto é chamado de design de par combinado. Desde que os custos de estudar mais controles não sejam proibitivos, mais de um referente por caso melhora a estabilidade da estimativa do OR, o que torna o estudo mais eficiente em tamanho.

O layout dos resultados de um estudo de caso-controle não pareado é mostrado na tabela 2.

Tabela 2. Layout de amostra de dados de caso-controle

Classificação de exposição

 

exposto

Não exposto

Cases

c1

c0

Não-casos

n1

n0

 

A partir dessa tabela, as chances de exposição entre os casos e as chances de exposição entre a população (os controles) podem ser calculadas e divididas para gerar a razão de chances de exposição, OR. Para os casos, a probabilidade de exposição é c1 / c0, e para os controles é n1 / n0. A estimativa do OR é então:

Se relativamente mais casos do que controles foram expostos, o OR é superior a 1 e vice-versa. Os intervalos de confiança devem ser calculados e fornecidos para o OR, da mesma forma que para o RR.

A título de exemplo, um centro de saúde ocupacional de uma grande empresa atende a 8,000 funcionários expostos a diversas poeiras e outros agentes químicos. Estamos interessados ​​na conexão entre exposição à poeira mista e bronquite crônica. O estudo envolve o acompanhamento dessa população por um ano. Estabelecemos como critério diagnóstico para bronquite crônica “tosse matinal e produção de catarro por três meses durante dois anos consecutivos”. Os critérios para exposição “positiva” à poeira são definidos antes do início do estudo. Cada paciente que visita o centro de saúde e preenche esses critérios durante um período de um ano é um caso, e o próximo paciente que procura aconselhamento médico por problemas não pulmonares é definido como um controle. Suponha que 100 casos e 100 controles sejam incluídos durante o período do estudo. Deixe 40 casos e 15 controles serem classificados como tendo sido expostos a poeira. Então

c1 = 40, c0 = 60, n1 = 15 e n0 = 85.

Consequentemente,

No exemplo anterior, não foi considerada a possibilidade de confusão, que pode levar a uma distorção da OR devido a diferenças sistemáticas entre casos e controles em uma variável como a idade. Uma maneira de reduzir esse viés é combinar os controles com os casos por idade ou outros fatores suspeitos. Isso resulta em um layout de dados descrito na tabela 3.

Tabela 3. Layout de dados de caso-controle se um controle corresponder a cada caso

Referentes

Cases

Exposição (+)

Exposição (-)

Exposição (+)

f+ +

f+ -

Exposição (-)

f- +

f- -

 

A análise se concentra nos pares discordantes: ou seja, “caso exposto, controle não exposto” (f+–); e “caso não exposto, controle exposto” (f–+). Quando ambos os membros de um par são expostos ou não expostos, o par é desconsiderado. O OR em um desenho de estudo de pares combinados é definido como

Em um estudo sobre a associação entre câncer nasal e exposição à poeira de madeira, havia ao todo 164 pares de caso-controle. Em apenas um par, tanto o caso quanto o controle foram expostos, e em 150 pares, nem o caso nem o controle foram expostos. Esses pares não são mais considerados. O caso, mas não o controle, foi exposto em 12 pares, e o controle, mas não o caso, em um par. Conseqüentemente,

e como a unidade não está incluída nesse intervalo, o resultado é estatisticamente significativo, ou seja, há uma associação estatisticamente significativa entre câncer nasal e exposição ao pó de madeira.

Os estudos de caso-controle são mais eficientes do que os estudos de coorte quando o a doença é rara; eles podem, de fato, fornecer a única opção. No entanto, doenças comuns também podem ser estudadas por este método. Se o a exposição é rara, uma coorte baseada na exposição é o desenho epidemiológico preferível ou o único viável. Claro, estudos de coorte também podem ser realizados em exposições comuns. A escolha entre projetos de coorte e de caso-controle quando a exposição e a doença são comuns geralmente é decidida levando em conta considerações de validade.

Como os estudos de caso-controle dependem de dados de exposição retrospectiva, geralmente baseados na recordação dos participantes, seu ponto fraco é a imprecisão e a grosseria das informações de exposição, o que resulta em mascaramento de efeitos por meio de não diferencial (simétrica) classificação incorreta do status de exposição. Além disso, às vezes a recordação pode ser assimétrica entre casos e controles, casos geralmente considerados como lembrando “melhor” (ou seja, viés de recordação).

A recordação seletiva pode causar um viés de ampliação de efeito através diferencial (assimétrica) classificação incorreta do status de exposição. As vantagens dos estudos de caso-controle residem em sua relação custo-eficácia e em sua capacidade de fornecer uma solução para um problema de forma relativamente rápida. Devido à estratégia de amostragem, eles permitem a investigação de populações-alvo muito grandes (por exemplo, por meio de registros nacionais de câncer), aumentando assim o poder estatístico do estudo. Em países onde a legislação de proteção de dados ou a falta de bons registros populacionais e de morbidade dificultam a execução de estudos de coorte, estudos de caso-controle baseados em hospitais podem ser a única maneira prática de conduzir pesquisas epidemiológicas.

Amostragem de caso-controle dentro de uma coorte (desenhos de estudo de caso-controle aninhados)

Um estudo de coorte também pode ser projetado para amostragem em vez de acompanhamento completo. Esse projeto foi anteriormente chamado de estudo de caso-controle “aninhado”. Uma abordagem de amostragem dentro da coorte estabelece requisitos diferentes para a elegibilidade da coorte, porque as comparações agora são feitas dentro da mesma coorte. Isso deve, portanto, incluir não apenas trabalhadores altamente expostos, mas também trabalhadores menos expostos e até mesmo não expostos, a fim de fornecer contrastes de exposição dentro de si. É importante perceber essa diferença nos requisitos de elegibilidade ao montar a coorte. Se uma análise de coorte completa for realizada pela primeira vez em uma coorte cujos critérios de elegibilidade foram em “muita” exposição, e um estudo de caso-controle “aninhado” for feito posteriormente na mesma coorte, o estudo torna-se insensível. Isso introduz mascaramento de efeito porque os contrastes de exposição são insuficientes “por design” em virtude da falta de variabilidade na experiência de exposição entre os membros da coorte.

No entanto, desde que a coorte tenha uma ampla gama de experiências de exposição, a abordagem de caso-controle aninhado é muito atraente. Um reúne todos os casos surgidos na coorte ao longo do período de acompanhamento para formar a série de casos, enquanto apenas um amostra dos não-casos é desenhado para a série de controle. Os pesquisadores, então, como no projeto tradicional de controle de caso, coletam informações detalhadas sobre a experiência de exposição entrevistando casos e controles (ou seus parentes próximos), examinando as listas de funcionários dos empregadores, construindo uma matriz de exposição de trabalho, ou combinando duas ou mais dessas abordagens. Os controles podem ser combinados com os casos ou podem ser tratados como uma série independente.

A abordagem de amostragem pode ser menos dispendiosa em comparação com a obtenção de informações exaustivas sobre cada membro da coorte. Em particular, porque apenas uma amostra de controles é estudada, mais recursos podem ser dedicados a uma avaliação de exposição detalhada e precisa para cada caso e controle. No entanto, os mesmos problemas de poder estatístico prevalecem como nos estudos de coorte clássicos. Para alcançar poder estatístico adequado, a coorte deve sempre incluir um número “adequado” de casos expostos dependendo da magnitude do risco que deve ser detectado.

Desenhos de estudos transversais

No sentido científico, um desenho transversal é uma seção transversal da população de estudo, sem qualquer consideração dada ao tempo. Tanto a exposição quanto a morbidade (prevalência) são medidas no mesmo ponto no tempo.

Do ponto de vista etiológico, esse desenho de estudo é fraco, em parte porque lida com a prevalência em oposição à incidência. A prevalência é uma medida composta, dependendo tanto da incidência quanto da duração da doença. Isso também restringe o uso de estudos transversais para doenças de longa duração. Mais grave ainda é o forte viés negativo causado pela eliminação dependente da saúde do grupo exposto daquelas pessoas mais sensíveis aos efeitos da exposição. Portanto, os problemas etiológicos são melhor resolvidos por projetos longitudinais. De fato, estudos transversais não permitem nenhuma conclusão sobre se a exposição precedeu a doença ou vice-versa. A seção transversal é etiologicamente significativa apenas se existir uma verdadeira relação de tempo entre a exposição e o resultado, o que significa que a exposição atual deve ter efeitos imediatos. No entanto, a exposição pode ser medida transversalmente para que represente um período de tempo passado mais longo (por exemplo, o nível de chumbo no sangue), enquanto a medida do resultado é uma prevalência (por exemplo, velocidades de condução nervosa). O estudo, então, é uma mistura de um desenho longitudinal e transversal, em vez de um mero corte transversal da população do estudo.

Pesquisas descritivas transversais

Os inquéritos transversais são muitas vezes úteis para fins práticos e administrativos, e não para fins científicos. Os princípios epidemiológicos podem ser aplicados a atividades de vigilância sistemática no ambiente de saúde ocupacional, tais como:

  • observação de morbidade em relação à ocupação, área de trabalho ou certas exposições
  • inquéritos regulares aos trabalhadores expostos a riscos ocupacionais conhecidos
  • exame de trabalhadores que entram em contato com novos riscos à saúde
  • programas de monitoramento biológico
  • pesquisas de exposição para identificar e quantificar perigos
  • programas de triagem de diferentes grupos de trabalhadores
  • avaliar a proporção de trabalhadores que necessitam de prevenção ou controle regular (por exemplo, pressão arterial, doença coronariana).

 

É importante escolher indicadores de morbidade representativos, válidos e específicos para todos os tipos de pesquisas. Uma pesquisa ou um programa de triagem pode usar apenas um número bastante pequeno de testes, em contraste com o diagnóstico clínico e, portanto, o valor preditivo do teste de triagem é importante. Métodos insensíveis falham em detectar a doença de interesse, enquanto métodos altamente sensíveis produzem muitos resultados falsos positivos. Não vale a pena rastrear doenças raras em um ambiente ocupacional. Todas as atividades de busca de casos (ou seja, triagem) também requerem um mecanismo para cuidar de pessoas com achados “positivos”, tanto em termos de diagnóstico quanto de terapia. Caso contrário, apenas a frustração resultará com um potencial para mais mal do que bem emergindo.

 

Voltar

Terça-feira, 01 Março 2011 02: 17

Questões de validade no desenho do estudo

A Necessidade de Validade

A epidemiologia visa fornecer uma compreensão da experiência da doença nas populações. Em particular, pode ser usado para obter informações sobre as causas ocupacionais de problemas de saúde. Esse conhecimento vem de estudos realizados em grupos de pessoas com uma doença, comparando-os com pessoas sem essa doença. Outra abordagem é examinar quais doenças as pessoas que trabalham em determinados empregos com exposições específicas adquirem e comparar esses padrões de doenças com os de pessoas não expostas de maneira semelhante. Esses estudos fornecem estimativas de risco de doença para exposições específicas. Para que as informações desses estudos possam ser utilizadas para estabelecer programas de prevenção, para o reconhecimento de doenças profissionais e para que os trabalhadores afetados por exposições sejam devidamente compensados, esses estudos devem ser válidos.

Validade pode ser definida como a capacidade de um estudo de refletir o verdadeiro estado das coisas. Um estudo válido é, portanto, aquele que mede corretamente a associação (positiva, negativa ou ausente) entre uma exposição e uma doença. Ele descreve a direção e a magnitude de um risco real. Dois tipos de validade são distinguidos: validade interna e validade externa. A validade interna é a capacidade de um estudo refletir o que realmente aconteceu entre os sujeitos do estudo; a validade externa reflete o que poderia ocorrer na população.

A validade está relacionada com a veracidade de uma medição. A validade deve ser diferenciada da precisão da medida, que é uma função do tamanho do estudo e da eficiência do desenho do estudo.

Validade interna

Diz-se que um estudo é internamente válido quando está livre de vieses e, portanto, reflete verdadeiramente a associação entre exposição e doença existente entre os participantes do estudo. Um risco de doença observado em associação com uma exposição pode de fato resultar de uma associação real e, portanto, ser válido, mas também pode refletir a influência de vieses. Um viés dará uma imagem distorcida da realidade.

Três tipos principais de preconceitos, também chamados erros sistemáticos, são geralmente distinguidos:

  • viés de seleção
  • viés de informação ou observação
  • confuso

 

Eles serão apresentados brevemente abaixo, usando exemplos do ambiente de saúde ocupacional.

Viés de seleção

O viés de seleção ocorrerá quando a entrada no estudo for influenciada pelo conhecimento do status de exposição do potencial participante do estudo. Este problema é, portanto, encontrado apenas quando a doença já ocorreu no momento (antes) da pessoa entrar no estudo. Normalmente, no cenário epidemiológico, isso acontecerá em estudos de caso-controle ou em estudos de coorte retrospectivos. Isso significa que uma pessoa terá mais chances de ser considerada um caso se souber que ela foi exposta. Três conjuntos de circunstâncias podem levar a tal evento, que também dependerá da gravidade da doença.

Viés de auto-seleção

Isso pode ocorrer quando as pessoas que sabem que foram expostas a produtos nocivos conhecidos ou considerados nocivos no passado e que estão convencidas de que sua doença é o resultado da exposição consultarão um médico para sintomas que outras pessoas, não tão expostas, podem ter ignorado. Isso é particularmente provável de acontecer para doenças que apresentam poucos sintomas perceptíveis. Um exemplo pode ser a perda precoce da gravidez ou o aborto espontâneo entre enfermeiras que lidam com drogas usadas no tratamento do câncer. Essas mulheres estão mais conscientes do que a maioria da fisiologia reprodutiva e, por estarem preocupadas com sua capacidade de ter filhos, podem ser mais propensas a reconhecer ou rotular como aborto espontâneo o que outras mulheres considerariam apenas como um atraso no início da menstruação. Outro exemplo de um estudo de coorte retrospectivo, citado por Rothman (1986), envolve um estudo do Centro de Controle de Doenças sobre leucemia entre soldados que estiveram presentes durante um teste atômico dos Estados Unidos em Nevada. Das tropas presentes no local de teste, 76% foram rastreadas e constituíram a coorte. Destes, 82% foram encontrados pelos investigadores, mas outros 18% contataram os próprios investigadores depois de ouvir a publicidade sobre o estudo. Quatro casos de leucemia estavam presentes entre os 82% rastreados pelo CDC e quatro casos estavam presentes entre os 18% autorreferidos. Isso sugere fortemente que a capacidade dos investigadores de identificar pessoas expostas estava ligada ao risco de leucemia.

Viés de diagnóstico

Isso ocorrerá quando os médicos estiverem mais propensos a diagnosticar uma determinada doença, uma vez que sabem a que o paciente foi exposto anteriormente. Por exemplo, quando a maioria das tintas era à base de chumbo, um sintoma de doença dos nervos periféricos chamado neurite periférica com paralisia também era conhecido como “pulso caído” dos pintores. Conhecer a ocupação do paciente facilitou o diagnóstico da doença mesmo em seus estágios iniciais, enquanto a identificação do agente causal seria muito mais difícil em participantes da pesquisa sem exposição ocupacional conhecida ao chumbo.

Viés resultante da recusa em participar de um estudo

Quando as pessoas, saudáveis ​​ou doentes, são convidadas a participar de um estudo, vários fatores desempenham um papel para determinar se elas concordarão ou não. A disposição para responder a questionários variavelmente longos, que às vezes indagam sobre questões delicadas, e ainda mais para doar sangue ou outras amostras biológicas, pode ser determinada pelo grau de interesse próprio da pessoa. Alguém que tenha conhecimento de uma exposição potencial passada pode estar disposto a aceitar este inquérito na esperança de que ajude a encontrar a causa da doença, enquanto alguém que considere não ter sido exposto a nada perigoso, ou que não esteja interessado em saber, pode recusar o convite para participar do estudo. Isso pode levar a uma seleção das pessoas que finalmente serão os participantes do estudo em comparação com todos aqueles que poderiam ter sido.

Viés de informação

Isso também é chamado de viés de observação e diz respeito ao resultado da doença em estudos de acompanhamento e avaliação de exposição em estudos de caso-controle.

Avaliação de resultados diferenciais em estudos prospectivos de acompanhamento (coorte)

Dois grupos são definidos no início do estudo: um grupo exposto e um grupo não exposto. Surgirão problemas de viés diagnóstico se a busca de casos diferir entre esses dois grupos. Por exemplo, considere um grupo de pessoas expostas a uma liberação acidental de dioxina em uma determinada indústria. Para o grupo altamente exposto, um sistema de acompanhamento ativo é estabelecido com exames médicos e monitoramento biológico em intervalos regulares, enquanto o restante da população trabalhadora recebe apenas cuidados de rotina. É altamente provável que mais doenças sejam identificadas no grupo sob vigilância rigorosa, o que levaria a uma potencial superestimação do risco.

Perdas diferenciais em estudos de coorte retrospectivos

O mecanismo inverso ao descrito no parágrafo anterior pode ocorrer em estudos de coorte retrospectivos. Nesses estudos, a maneira usual de proceder é começar com os arquivos de todas as pessoas que trabalharam em uma determinada indústria no passado e avaliar doenças ou mortalidade subseqüentes ao emprego. Infelizmente, em quase todos os estudos, os arquivos estão incompletos, e o fato de uma pessoa estar desaparecida pode estar relacionado ao estado de exposição, ao estado de doença ou a ambos. Por exemplo, em um estudo recente realizado na indústria química em trabalhadores expostos a aminas aromáticas, foram encontrados oito tumores em um grupo de 777 trabalhadores submetidos a triagem citológica de tumores urinários. Ao todo, apenas 34 registros foram encontrados ausentes, correspondendo a uma perda de 4.4% do arquivo de avaliação de exposição, mas para os casos de câncer de bexiga, os dados de exposição estavam ausentes em dois casos em oito, ou 25%. Isso mostra que os arquivos de pessoas que se tornaram casos eram mais propensos a se perder do que os arquivos de outros trabalhadores. Isso pode ocorrer devido a mudanças de cargo mais frequentes dentro da empresa (que podem estar ligadas a efeitos de exposição), pedido de demissão, demissão ou mero acaso.

Avaliação diferencial da exposição em estudos de caso-controle

Em estudos de caso-controle, a doença já ocorreu no início do estudo e serão buscadas informações sobre exposições no passado. O viés pode resultar da atitude do entrevistador ou do participante do estudo em relação à investigação. As informações geralmente são coletadas por entrevistadores treinados que podem ou não estar cientes da hipótese subjacente à pesquisa. Por exemplo, em um estudo de caso-controle populacional de câncer de bexiga realizado em uma região altamente industrializada, a equipe do estudo pode estar ciente do fato de que certos produtos químicos, como aminas aromáticas, são fatores de risco para câncer de bexiga. Se eles também souberem quem desenvolveu a doença e quem não a desenvolveu, provavelmente conduzirão entrevistas mais aprofundadas com os participantes que têm câncer de bexiga do que com os controles. Eles podem insistir em informações mais detalhadas sobre ocupações passadas, buscando sistematicamente a exposição a aminas aromáticas, enquanto que, para os controles, podem registrar ocupações de maneira mais rotineira. O viés resultante é conhecido como viés de suspeita de exposição.

Os próprios participantes também podem ser responsáveis ​​por tal viés. Isso é chamado viés de recordação para distingui-lo do viés do entrevistador. Ambos têm suspeita de exposição como mecanismo para o viés. As pessoas doentes podem suspeitar de uma origem ocupacional para sua doença e, portanto, tentarão lembrar com a maior precisão possível todos os agentes perigosos aos quais possam ter sido expostos. No caso de manipulação de produtos indefinidos, eles podem estar inclinados a lembrar os nomes de produtos químicos precisos, especialmente se uma lista de produtos suspeitos for disponibilizada a eles. Por outro lado, os controles podem ter menos probabilidade de passar pelo mesmo processo de pensamento.

Confundindo

A confusão existe quando a associação observada entre exposição e doença é em parte o resultado de uma mistura do efeito da exposição em estudo e outro fator. Digamos, por exemplo, que estamos encontrando um risco aumentado de câncer de pulmão entre os soldadores. Somos tentados a concluir imediatamente que existe uma associação causal entre a exposição aos fumos de soldagem e o câncer de pulmão. No entanto, também sabemos que fumar é de longe o principal fator de risco para o câncer de pulmão. Portanto, se houver informações disponíveis, começamos a verificar o status de fumante dos soldadores e outros participantes do estudo. Podemos descobrir que os soldadores são mais propensos a fumar do que os não soldadores. Nessa situação, sabe-se que fumar está associado ao câncer de pulmão e, ao mesmo tempo, em nosso estudo, o tabagismo também está associado a ser soldador. Em termos epidemiológicos, isso significa que o tabagismo, associado tanto ao câncer de pulmão quanto à soldagem, está confundindo a associação entre soldagem e câncer de pulmão.

Modificação de interação ou efeito

Em contraste com todas as questões listadas acima, ou seja, seleção, informação e confusão, que são vieses, a interação não é um viés devido a problemas no desenho ou análise do estudo, mas reflete a realidade e sua complexidade. Um exemplo desse fenômeno é o seguinte: a exposição ao radônio é um fator de risco para o câncer de pulmão, assim como o tabagismo. Além disso, o fumo e a exposição ao radônio têm efeitos diferentes no risco de câncer de pulmão, dependendo se atuam em conjunto ou isoladamente. A maioria dos estudos ocupacionais sobre esse tópico foi realizada entre mineradores subterrâneos e, às vezes, forneceu resultados conflitantes. No geral, parece haver argumentos a favor de uma interação do fumo e da exposição ao radônio na produção de câncer de pulmão. Isso significa que o risco de câncer de pulmão é aumentado pela exposição ao radônio, mesmo em não fumantes, mas que o tamanho do aumento do risco do radônio é muito maior entre os fumantes do que entre os não fumantes. Em termos epidemiológicos, dizemos que o efeito é multiplicativo. Em contraste com a confusão, descrita acima, a interação precisa ser cuidadosamente analisada e descrita na análise, em vez de simplesmente controlada, pois reflete o que está acontecendo no nível biológico e não é apenas uma consequência de um desenho de estudo ruim. Sua explicação leva a uma interpretação mais válida dos resultados de um estudo.

Validade externa

Esse problema pode ser resolvido somente depois de garantir que a validade interna seja garantida. Se estivermos convencidos de que os resultados observados no estudo refletem associações reais, podemos nos perguntar se podemos ou não extrapolar esses resultados para a população maior da qual os próprios participantes do estudo foram retirados, ou mesmo para outras populações idênticas ou pelo menos muito semelhantes. A dúvida mais comum é se os resultados obtidos para os homens também se aplicam às mulheres. Durante anos, os estudos e, em particular, as investigações epidemiológicas ocupacionais foram realizados exclusivamente entre os homens. Estudos entre químicos realizados nas décadas de 1960 e 1970 nos Estados Unidos, Reino Unido e Suécia encontraram riscos aumentados de cânceres específicos, como leucemia, linfoma e câncer pancreático. Com base no que sabíamos sobre os efeitos da exposição a solventes e alguns outros produtos químicos, já poderíamos ter deduzido na época que o trabalho de laboratório também acarretava risco cancerígeno para as mulheres. Isso, de fato, foi demonstrado quando o primeiro estudo entre mulheres químicas foi finalmente publicado em meados da década de 1980, que encontrou resultados semelhantes aos dos homens. Vale a pena notar que outros cânceres em excesso encontrados foram tumores de mama e ovário, tradicionalmente considerados relacionados apenas a fatores endógenos ou à reprodução, mas para os quais fatores ambientais recém-suspeitados, como pesticidas, podem desempenhar um papel. Muito mais trabalho precisa ser feito sobre os determinantes ocupacionais dos cânceres femininos.

Estratégias para um Estudo Válido

Um estudo perfeitamente válido nunca pode existir, mas cabe ao pesquisador tentar evitar, ou pelo menos minimizar, tantos vieses quanto possível. Muitas vezes, isso pode ser feito melhor no estágio de projeto do estudo, mas também pode ser realizado durante a análise.

Desenho do estudo

O viés de seleção e informação só pode ser evitado por meio de um desenho cuidadoso de um estudo epidemiológico e da implementação escrupulosa de todas as diretrizes do dia a dia, incluindo atenção meticulosa à garantia de qualidade, para a condução do estudo em condições de campo. A confusão pode ser tratada no estágio de projeto ou análise.

Seleção

Os critérios para considerar um participante como um caso devem ser explicitamente definidos. Não se pode, ou pelo menos não se deve, tentar estudar condições clínicas mal definidas. Uma forma de minimizar o impacto que o conhecimento da exposição pode ter na avaliação da doença é incluir apenas casos graves que teriam sido diagnosticados independentemente de qualquer informação sobre a história do paciente. No campo do câncer, os estudos muitas vezes serão limitados a casos com comprovação histológica da doença para evitar a inclusão de lesões limítrofes. Isso também significa que os grupos em estudo estão bem definidos. Por exemplo, é bem conhecido na epidemiologia do câncer que cânceres de diferentes tipos histológicos dentro de um determinado órgão podem ter fatores de risco diferentes. Se o número de casos for suficiente, é melhor separar o adenocarcinoma do pulmão do carcinoma de células escamosas do pulmão. Quaisquer que sejam os critérios finais para entrada no estudo, eles devem sempre ser claramente definidos e descritos. Por exemplo, o código exato da doença deve ser indicado usando a Classificação Internacional de Doenças (CID) e também, para o câncer, a Classificação Internacional de Doenças-Oncologia (CID-O).

Esforços devem ser feitos uma vez que os critérios são especificados para maximizar a participação no estudo. A decisão de se recusar a participar raramente é feita ao acaso e, portanto, leva ao viés. Os estudos devem, antes de tudo, ser apresentados aos médicos que estão atendendo os pacientes. Sua aprovação é necessária para abordar os pacientes e, portanto, eles terão que ser convencidos a apoiar o estudo. Um argumento que costuma ser persuasivo é que o estudo é do interesse da saúde pública. No entanto, nesta fase, é melhor não discutir a hipótese exata que está sendo avaliada, a fim de evitar influenciar indevidamente os médicos envolvidos. Não se deve pedir aos médicos que assumam funções suplementares; é mais fácil convencer o pessoal de saúde a apoiar um estudo se os investigadores do estudo fornecerem meios para realizar quaisquer tarefas adicionais, além dos cuidados de rotina, exigidas pelo estudo. Os entrevistadores e coletores de dados devem desconhecer o estado da doença de seus pacientes.

Atenção semelhante deve ser dada às informações fornecidas aos participantes. O objetivo do estudo deve ser descrito em termos amplos e neutros, mas também deve ser convincente e persuasivo. É importante que as questões de confidencialidade e interesse para a saúde pública sejam totalmente compreendidas, evitando o jargão médico. Na maioria das configurações, o uso de incentivos financeiros ou outros não é considerado apropriado, embora deva ser fornecida uma compensação por qualquer despesa que um participante possa incorrer. Por último, mas não menos importante, a população em geral deve ser suficientemente alfabetizada cientificamente para entender a importância de tal pesquisa. Tanto os benefícios quanto os riscos da participação devem ser explicados a cada participante potencial quando eles precisarem preencher questionários e/ou fornecer amostras biológicas para armazenamento e/ou análise. Nenhuma coerção deve ser aplicada na obtenção de consentimento prévio e totalmente informado. Quando os estudos são exclusivamente baseados em registros, deve ser garantida a aprovação prévia dos órgãos responsáveis ​​por garantir a confidencialidade de tais registros. Nesses casos, o consentimento do participante individual geralmente pode ser dispensado. Em vez disso, a aprovação do sindicato e dos funcionários do governo será suficiente. As investigações epidemiológicas não são uma ameaça à vida privada de um indivíduo, mas um auxílio potencial para melhorar a saúde da população. A aprovação de um conselho de revisão institucional (ou comitê de revisão ética) será necessária antes da realização de um estudo, e muito do que foi declarado acima será esperado por eles para sua revisão.

Dados Pessoais

Em estudos prospectivos de acompanhamento, os meios para avaliação da doença ou do estado de mortalidade devem ser idênticos para participantes expostos e não expostos. Em particular, fontes diferentes não devem ser usadas, como apenas verificar em um registro central de mortalidade para participantes não expostos e usar vigilância ativa intensiva para participantes expostos. Da mesma forma, a causa da morte deve ser obtida de maneiras estritamente comparáveis. Isso significa que se for utilizado um sistema de acesso a documentos oficiais para a população não exposta, que muitas vezes é a população em geral, nunca se deve planejar obter informações ainda mais precisas por meio de prontuários ou entrevistas dos próprios participantes ou de seus familiares para o subgrupo exposto.

Em estudos de coorte retrospectivos, esforços devem ser feitos para determinar quão próxima a população em estudo é comparada à população de interesse. Deve-se ter cuidado com possíveis perdas diferenciais em grupos expostos e não expostos, usando várias fontes sobre a composição da população. Por exemplo, pode ser útil comparar listas de folha de pagamento com listas de filiação sindical ou outras listas profissionais. As discrepâncias devem ser conciliadas e o protocolo adotado para o estudo deve ser rigorosamente seguido.

Em estudos de caso-controle, existem outras opções para evitar vieses. Os entrevistadores, a equipe do estudo e os participantes do estudo não precisam estar cientes da hipótese precisa em estudo. Se eles não conhecem a associação que está sendo testada, é menos provável que tentem fornecer a resposta esperada. Manter o pessoal do estudo no escuro quanto à hipótese de pesquisa é, de fato, muitas vezes muito impraticável. O entrevistador quase sempre saberá as exposições de maior interesse potencial, bem como quem é um caso e quem é um controle. Devemos, portanto, contar com sua honestidade e também com sua formação em metodologia de pesquisa básica, que deve fazer parte de sua formação profissional; a objetividade é a marca registrada em todos os estágios da ciência.

É mais fácil não informar os participantes do estudo sobre o objeto exato da pesquisa. Boas explicações básicas sobre a necessidade de coletar dados para uma melhor compreensão da saúde e da doença geralmente são suficientes e satisfarão as necessidades da revisão ética.

Confundindo

A confusão é o único viés que pode ser tratado no estágio de desenho do estudo ou, desde que informações adequadas estejam disponíveis, no estágio de análise. Se, por exemplo, a idade for considerada um potencial confundidor da associação de interesse porque a idade está associada ao risco de doença (ou seja, o câncer se torna mais frequente em idades mais avançadas) e também à exposição (as condições de exposição variam com a idade ou com fatores relacionados à idade, como qualificação, cargo e tempo de emprego), existem várias soluções. O mais simples é limitar o estudo a uma faixa etária específica - por exemplo, inscrever apenas homens caucasianos de 40 a 50 anos. Isso fornecerá elementos para uma análise simples, mas também terá a desvantagem de limitar a aplicação dos resultados a um único sexo idade/grupo racial. Outra solução é a correspondência por idade. Isso significa que, para cada caso, é necessário um referente da mesma idade. Essa é uma ideia atraente, mas deve-se ter em mente a possível dificuldade de atender a esse requisito à medida que o número de fatores de correspondência aumenta. Além disso, uma vez que um fator tenha sido pareado, torna-se impossível avaliar seu papel na ocorrência da doença. A última solução é ter informações suficientes sobre potenciais fatores de confusão no banco de dados do estudo para verificá-los na análise. Isso pode ser feito por meio de uma análise estratificada simples ou com ferramentas mais sofisticadas, como a análise multivariada. No entanto, deve-se lembrar que a análise nunca será capaz de compensar um estudo mal planejado ou mal conduzido.

Conclusão

O potencial de ocorrência de vieses na pesquisa epidemiológica está estabelecido há muito tempo. Isso não era muito preocupante quando as associações estudadas eram fortes (como é o caso do tabagismo e do câncer de pulmão) e, portanto, alguma imprecisão não causava um problema muito grave. No entanto, agora que chegou a hora de avaliar fatores de risco mais fracos, a necessidade de melhores ferramentas torna-se fundamental. Isso inclui a necessidade de excelentes designs de estudo e a possibilidade de combinar as vantagens de vários designs tradicionais, como os estudos de caso-controle ou coorte, com abordagens mais inovadoras, como estudos de caso-controle aninhados em uma coorte. Além disso, o uso de biomarcadores pode fornecer os meios para obter avaliações mais precisas de exposições atuais e possivelmente passadas, bem como para os estágios iniciais da doença.

 

Voltar

Terça-feira, 01 Março 2011 02: 20

Impacto do erro de medição aleatória

Os erros na medição da exposição podem ter diferentes impactos na relação exposição-doença em estudo, dependendo de como os erros são distribuídos. Se um estudo epidemiológico foi conduzido às cegas (ou seja, as medições foram feitas sem conhecimento da doença ou estado de saúde dos participantes do estudo), esperamos que o erro de medição seja distribuído uniformemente entre os estratos de doença ou estado de saúde.

A Tabela 1 fornece um exemplo: suponha que recrutamos uma coorte de pessoas expostas no trabalho a um tóxico, a fim de investigar uma doença frequente. Determinamos o status de exposição apenas no recrutamento (T0), e não em outros pontos no tempo durante o acompanhamento. No entanto, digamos que alguns indivíduos, de fato, mudem seu status de exposição no ano seguinte: no tempo T1, 250 das 1,200 pessoas expostas originais deixaram de ser expostas, enquanto 150 das 750 pessoas não expostas originais passaram a ser expostas ao tóxico. Portanto, no tempo T1, 1,100 indivíduos estão expostos e 850 não estão expostos. Como consequência, temos “classificação incorreta” de exposição, com base em nossa medição inicial do status de exposição no tempo T0. Esses indivíduos são então rastreados após 20 anos (no tempo T2) e avalia-se o risco cumulativo de doença. (A suposição feita no exemplo é que apenas a exposição de mais de um ano é uma preocupação.)


Tabela 1. Coorte hipotética de 1950 indivíduos (expostos e não expostos ao trabalho), recrutados no tempo T0 e cujo estado de doença é verificado no tempo T2

Horário

 

T0

T1

T2

Trabalhadores expostos 1200 250 abandonam a exposição 1100 (1200-250+150)

Casos de doença no tempo T2 = 220 entre trabalhadores expostos

Trabalhadores não expostos 750 150 exposição inicial 850 (750-150+250)

Casos de doença no tempo T2 = 85 entre trabalhadores não expostos

A risco verdadeiro da doença no tempo T2 é de 20% entre os trabalhadores expostos (220/1100),
e 10% em trabalhadores não expostos (85/850) (razão de risco = 2.0).

Risco estimado em T2 da doença entre aqueles classificados como expostos em T0: 20%
(ou seja, risco verdadeiro nos expostos) ´ 950 (ou seja, 1200-250)+ 10%
(ou seja, risco verdadeiro em não expostos) ´ 250 = (190+25)/1200 = 17.9%

Risco estimado em T2 de doença entre aqueles classificados como não expostos em
T0: 20% (ou seja, risco verdadeiro nos expostos) ´ 150 +10%
(ou seja, risco verdadeiro em não expostos) ´ 600 (ou seja, 750-150) = (30+60)/750 = 12%

Taxa de risco estimada = 17.9% / 12% = 1.49


A classificação incorreta depende, neste exemplo, do desenho do estudo e das características da população, e não das limitações técnicas da medição da exposição. O efeito da classificação incorreta é tal que a razão “verdadeira” de 2.0 entre o risco cumulativo entre pessoas expostas e não expostas torna-se uma razão “observada” de 1.49 (tabela 1). Essa subestimação da razão de risco decorre de uma “indefinição” da relação entre exposição e doença, que ocorre quando a classificação incorreta da exposição, como neste caso, é distribuída uniformemente de acordo com a doença ou estado de saúde (ou seja, a medição da exposição é não influenciada pelo fato de a pessoa sofrer ou não da doença que estamos estudando).

Por outro lado, pode ocorrer subestimação ou superestimação da associação de interesse quando a classificação incorreta da exposição não é distribuída uniformemente pelo resultado de interesse. No exemplo, podemos ter viés, e não apenas uma indefinição da relação etiológica, se a classificação da exposição depender da doença ou do estado de saúde dos trabalhadores. Isso pode ocorrer, por exemplo, se decidirmos coletar amostras biológicas de um grupo de trabalhadores expostos e de um grupo de trabalhadores não expostos, a fim de identificar precocemente alterações relacionadas à exposição no trabalho. As amostras dos trabalhadores expostos podem então ser analisadas de forma mais precisa do que as amostras dos não expostos; a curiosidade científica pode levar o pesquisador a medir biomarcadores adicionais entre as pessoas expostas (incluindo, por exemplo, adutos de DNA em linfócitos ou marcadores urinários de dano oxidativo ao DNA), na suposição de que essas pessoas são cientificamente “mais interessantes”. Esta é uma atitude bastante comum que, no entanto, pode levar a sérios vieses.

 

Voltar

Quarta-feira, 02 Março 2011 03: 15

Métodos estatísticos

Há muito debate sobre o papel das estatísticas na pesquisa epidemiológica sobre relações causais. Em epidemiologia, a estatística é principalmente uma coleção de métodos para avaliar dados baseados em populações humanas (e também em animais). Em particular, a estatística é uma técnica para a quantificação e medição de fenômenos incertos. Todas as investigações científicas que lidam com aspectos não determinísticos e variáveis ​​da realidade poderiam se beneficiar da metodologia estatística. Em epidemiologia, a variabilidade é intrínseca à unidade de observação – uma pessoa não é uma entidade determinística. Embora os projetos experimentais sejam melhorados em termos de atender melhor às suposições das estatísticas em termos de variação aleatória, por razões éticas e práticas, essa abordagem não é muito comum. Em vez disso, a epidemiologia está engajada na pesquisa observacional que tem associada a ela fontes aleatórias e outras fontes de variabilidade.

A teoria estatística está preocupada em como controlar a variabilidade não estruturada nos dados para fazer inferências válidas a partir de observações empíricas. Na falta de qualquer explicação para o comportamento variável do fenômeno estudado, a estatística o assume como acaso— isto é, desvios não sistemáticos de algum estado médio da natureza (ver Greenland 1990 para uma crítica dessas suposições).

A ciência depende da empiria evidência para demonstrar se seus modelos teóricos de eventos naturais têm alguma validade. De fato, os métodos usados ​​da teoria estatística determinam o grau em que as observações no mundo real se conformam com a visão dos cientistas, em forma de modelo matemático, de um fenômeno. Métodos estatísticos, baseados em matemática, devem, portanto, ser cuidadosamente selecionados; há muitos exemplos sobre “como mentir com estatísticas”. Portanto, os epidemiologistas devem estar cientes da adequação das técnicas que aplicam para medir o risco de doença. Em particular, é necessário muito cuidado ao interpretar resultados estatisticamente significativos e estatisticamente não significativos.

O primeiro significado da palavra estatística refere-se a qualquer quantidade resumida calculada em um conjunto de valores. Índices descritivos ou estatísticas como a média aritmética, a mediana ou a moda são amplamente utilizados para resumir as informações em uma série de observações. Historicamente, esses descritores resumidos foram usados ​​para fins administrativos pelos estados e, portanto, foram nomeados estatística. Em epidemiologia, as estatísticas comumente vistas derivam das comparações inerentes à natureza da epidemiologia, que faz perguntas como: “Uma população tem maior risco de doença do que outra?” Ao fazer tais comparações, o risco relativo é uma medida popular da força da associação entre uma característica individual e a probabilidade de adoecer, e é mais comumente aplicado na pesquisa etiológica; o risco atribuível também é uma medida de associação entre as características individuais e a ocorrência da doença, mas enfatiza o ganho em número de casos poupados por uma intervenção que remove o fator em questão – é aplicado principalmente em saúde pública e medicina preventiva.

O segundo significado da palavra estatística relaciona-se com a coleção de técnicas e a teoria subjacente de inferência estatística. Esta é uma forma particular de lógica indutiva que especifica as regras para obter uma generalização válida a partir de um conjunto particular de observações empíricas. Essa generalização seria válida desde que algumas suposições fossem atendidas. Esta é a segunda maneira pela qual um uso inculto da estatística pode nos enganar: na epidemiologia observacional, é muito difícil ter certeza das suposições implícitas nas técnicas estatísticas. Portanto, a análise de sensibilidade e os estimadores robustos devem ser companheiros de qualquer análise de dados conduzida corretamente. As conclusões finais também devem se basear no conhecimento geral e não devem depender exclusivamente das descobertas do teste de hipóteses estatísticas.

Definições

A unidade estatística é o elemento sobre o qual são feitas as observações empíricas. Pode ser uma pessoa, um espécime biológico ou um pedaço de matéria-prima a ser analisado. Normalmente, as unidades estatísticas são escolhidas independentemente pelo pesquisador, mas às vezes projetos mais complexos podem ser configurados. Por exemplo, em estudos longitudinais, uma série de determinações é feita em um conjunto de pessoas ao longo do tempo; as unidades estatísticas deste estudo são o conjunto de determinações, que não são independentes, mas estruturadas por suas respectivas conexões com cada sujeito estudado. A falta de independência ou correlação entre as unidades estatísticas merece atenção especial na análise estatística.

A variável é uma característica individual medida em uma determinada unidade estatística. Deve ser contrastado com um constante, uma característica individual fixa – por exemplo, em um estudo sobre seres humanos, ter cabeça ou tórax são constantes, enquanto o gênero de um único membro do estudo é uma variável.

As variáveis ​​são avaliadas usando diferentes escalas de medida. A primeira distinção é entre escalas qualitativas e quantitativas. Variáveis ​​qualitativas fornecem diferentes modalidades or Categorias. Se cada modalidade não pode ser classificada ou ordenada em relação a outras - por exemplo, cor de cabelo ou modalidades de gênero - denotamos a variável como nominal. Se as categorias puderem ser ordenadas – como o grau de gravidade de uma doença – a variável é chamada ordinal. Quando uma variável é constituída por um valor numérico, dizemos que a escala é quantitativa. UMA discreto escala denota que a variável pode assumir apenas alguns valores definidos - por exemplo, valores inteiros para o número de casos de doença. UMA contínuo escala é usada para aquelas medidas que resultam em reais números. As escalas contínuas são ditas intervalo escalas quando o valor nulo tem um significado puramente convencional. Ou seja, um valor zero não significa quantidade zero – por exemplo, uma temperatura de zero grau Celsius não significa energia térmica zero. Neste caso, apenas diferenças entre valores fazem sentido (esta é a razão do termo escala “intervalada”). Um valor nulo real denota um relação escala. Para uma variável medida nessa escala, razões de valores também fazem sentido: de fato, uma razão dupla significa o dobro da quantidade. Por exemplo, dizer que um corpo tem uma temperatura duas vezes maior que um segundo corpo significa que ele tem duas vezes a energia térmica do segundo corpo, providenciou que a temperatura é medida em uma escala proporcional (por exemplo, em graus Kelvin). O conjunto de valores permitidos para uma determinada variável é chamado de domínio da variável.

Paradigmas Estatísticos

A estatística lida com a maneira de generalizar a partir de um conjunto de observações particulares. Este conjunto de medidas empíricas é chamado de amostra. A partir de uma amostra, calculamos algumas estatísticas descritivas para resumir as informações coletadas.

A informação básica geralmente necessária para caracterizar um conjunto de medidas diz respeito à sua tendência central e à sua variabilidade. A escolha entre várias alternativas depende da escala usada para medir um fenômeno e dos propósitos para os quais as estatísticas são computadas. Na tabela 1 são descritas diferentes medidas de tendência central e variabilidade (ou, dispersão) associadas à escala de medida apropriada.

Tabela 1. Índices de tendência central e dispersão por escala de medida

 

Escala de medição

 

Qualitativo

 

Quantitativo

Índices

Definição

Nominal

Ordinal

Intervalo/razão

Média aritmética

Soma dos valores observados dividido pelo número total de observações

 

x

Mediana

Valor do ponto médio da distribuição observada

 

x

x

Moda

valor mais frequente

x

x

x

Variação

Valores mais baixos e mais altos da distribuição

 

x

x

variação

Soma da diferença ao quadrado de cada valor da média dividida pelo número total de observações menos 1

 

 

x

 

As estatísticas descritivas calculadas são chamadas estimativas quando os usamos como substitutos para a quantidade análoga da população da qual a amostra foi selecionada. As contrapartes populacionais das estimativas são constantes chamadas parâmetros. Estimativas de um mesmo parâmetro podem ser obtidas por diferentes métodos estatísticos. Uma estimativa deve ser válida e precisa.

O paradigma da amostra populacional implica que a validade pode ser assegurada pela forma como a amostra é selecionada da população. A amostragem aleatória ou probabilística é a estratégia usual: se cada membro da população tem a mesma probabilidade de ser incluído na amostra, então, em média, nossa amostra deve ser representativa da população e, além disso, qualquer desvio de nossa expectativa pode ser explicado por acaso. A probabilidade de um determinado desvio de nossa expectativa também pode ser calculada, desde que a amostragem aleatória tenha sido realizada. O mesmo tipo de raciocínio se aplica às estimativas calculadas para nossa amostra em relação aos parâmetros populacionais. Tomamos, por exemplo, a média aritmética de nossa amostra como uma estimativa do valor médio da população. Qualquer diferença, se existir, entre a média da amostra e a média da população é atribuída a flutuações aleatórias no processo de seleção dos membros incluídos na amostra. Podemos calcular a probabilidade de qualquer valor dessa diferença, desde que a amostra tenha sido selecionada aleatoriamente. Se o desvio entre a estimativa amostral e o parâmetro populacional não puder ser explicado ao acaso, a estimativa é dita tendencioso. O desenho da observação ou experimento dá validade às estimativas e o paradigma estatístico fundamental é o da amostragem aleatória.

Na medicina, um segundo paradigma é adotado quando a comparação entre diferentes grupos é o objetivo do estudo. Um exemplo típico é o ensaio clínico controlado: um conjunto de pacientes com características semelhantes é selecionado com base em critérios pré-definidos. Nenhuma preocupação com a representatividade é feita nesta fase. Cada paciente inscrito no estudo é designado por um procedimento aleatório para o grupo de tratamento – que receberá a terapia padrão mais o novo medicamento a ser avaliado – ou para o grupo de controle – recebendo a terapia padrão e um placebo. Nesse desenho, a alocação aleatória dos pacientes para cada grupo substitui a seleção aleatória dos membros da amostra. A estimativa da diferença entre os dois grupos pode ser avaliada estatisticamente porque, na hipótese de não eficácia da nova droga, podemos calcular a probabilidade de qualquer diferença diferente de zero.

Em epidemiologia, não temos a possibilidade de reunir aleatoriamente grupos de pessoas expostas e não expostas. Nesse caso, ainda podemos usar métodos estatísticos, como se os grupos analisados ​​tivessem sido selecionados ou alocados aleatoriamente. A correção dessa suposição depende principalmente do desenho do estudo. Este ponto é particularmente importante e ressalta a importância do desenho do estudo epidemiológico sobre as técnicas estatísticas na pesquisa biomédica.

Sinal e ruído

O termo variável aleatória refere-se a uma variável para a qual está associada uma probabilidade definida a cada valor que pode assumir. Os modelos teóricos para a distribuição da probabilidade de uma variável aleatória são modelos populacionais. As contrapartes da amostra são representadas pela distribuição de frequência da amostra. Esta é uma maneira útil de relatar um conjunto de dados; consiste em um plano cartesiano com a variável de interesse ao longo do eixo horizontal e a frequência ou frequência relativa ao longo do eixo vertical. Uma exibição gráfica nos permite ver prontamente qual é (são) o(s) valor(es) mais frequente(s) e como a distribuição está concentrada em torno de determinados valores centrais como a média aritmética.

Para as variáveis ​​aleatórias e suas distribuições de probabilidade, usamos os termos parâmetros, valor médio esperado (em vez de média aritmética) e variação. Esses modelos teóricos descrevem a variabilidade em um determinado fenômeno. Na teoria da informação, o sinal é representado pela tendência central (por exemplo, o valor médio), enquanto o ruído é medido por um índice de dispersão (como a variância).

Para ilustrar a inferência estatística, usaremos o modelo binomial. Nas seções a seguir, serão introduzidos os conceitos de estimativas pontuais e intervalos de confiança, testes de hipóteses e probabilidade de decisões errôneas e poder de um estudo.

Tabela 2. Possíveis resultados de um experimento binomial (sim = 1, não = 0) e suas probabilidades (n = 3)

Trabalhador

Probabilidade

A

B

C

 

0

0

0

1

0

0

0

1

0

0

0

1

0

1

1

1

0

1

1

1

0

1

1

1

 

Um Exemplo: A Distribuição Binomial

Na pesquisa biomédica e na epidemiologia, o modelo mais importante de variação estocástica é a distribuição binomial. Baseia-se no fato de que a maioria dos fenômenos se comporta como uma variável nominal com apenas duas categorias: por exemplo, a presença/ausência de doença: vivo/morto ou recuperado/doente. Nessas circunstâncias, estamos interessados ​​na probabilidade de sucesso – ou seja, no evento de interesse (por exemplo, presença de doença, vivo ou recuperação) – e nos fatores ou variáveis ​​que podem alterá-la. Vamos considerar n = 3 trabalhadores, e suponha que estamos interessados ​​na probabilidade, p, de ter uma deficiência visual (sim/não). O resultado de nossa observação pode ser os resultados possíveis na tabela 2.

Tabela 3. Possíveis resultados de um experimento binomial (sim = 1, não = 0) e suas probabilidades (n = 3)

Número de sucessos

Probabilidade

0

1

2

3

 

A probabilidade de qualquer uma dessas combinações de eventos é facilmente obtida considerando p, a probabilidade (individual) de sucesso, constante para cada sujeito e independente de outros resultados. Como estamos interessados ​​no número total de sucessos e não em uma sequência ordenada específica, podemos reorganizar a tabela da seguinte maneira (ver tabela 3) e, em geral, expressar a probabilidade de x sucessos P (x) como:

onde x é o número de sucessos e a notação x! denota o fatorial de x, Isto é, x! = x×(x–1)×(x–2)…×1.

Quando consideramos o evento “estar/não estar doente”, a probabilidade individual, refere-se ao estado em que o sujeito se presume; em epidemiologia, essa probabilidade é chamada de “prevalência”. Para estimar p, usamos a proporção amostral:

p = x/n

com variação:

Em uma hipotética série infinita de amostras replicadas do mesmo tamanho n, obteríamos diferentes proporções amostrais p = x/n, com probabilidades dadas pela fórmula binomial. O valor “verdadeiro” de  é estimado por cada proporção de amostra, e um intervalo de confiança para p, ou seja, o conjunto de valores prováveis ​​para p, dados os dados observados e um nível de confiança predefinido (digamos 95%), é estimado a partir da distribuição binomial como o conjunto de valores para p que dá uma probabilidade de x maior que um valor pré-especificado (digamos 2.5%). Para um experimento hipotético em que observamos x = 15 sucessos em n = 30 tentativas, a probabilidade estimada de sucesso é:

p = x/n = 15/30 = 0.5 

Tabela 4. Distribuição binomial. Probabilidades para diferentes valores de  para x = 15 sucessos em n = 30 tentativas

Probabilidade

0.200

0.0002

0.300

0.0116

0.334

0.025

0.400

0.078

0.500

0.144

0.600

0.078

0.666

0.025

0.700

0.0116

 

O intervalo de confiança de 95% para p, obtido na tabela 4, é 0.334 – 0.666. Cada entrada da tabela mostra a probabilidade de x = 15 sucessos em n = 30 tentativas calculadas com a fórmula binomial; por exemplo, para = 0.30, obtemos de:

Escolha n grande e p perto de 0.5 podemos usar uma aproximação baseada na distribuição gaussiana:

onde za /2 denota o valor da distribuição gaussiana padrão para uma probabilidade

P (|z| ³ za /2) = a/2;

1 – sendo a o nível de confiança escolhido. Para o exemplo considerado, = 15/30 = 0.5; n = 30 e da tabela gaussiana padrão z0.025 = 1.96. O intervalo de confiança de 95% resulta no conjunto de valores 0.321 – 0.679, obtido substituindo p = 0.5, n = 30 e z0.025 = 1.96 na equação acima para a distribuição gaussiana. Observe que esses valores estão próximos dos valores exatos calculados anteriormente.

Os testes estatísticos de hipóteses compreendem um procedimento de decisão sobre o valor de um parâmetro populacional. Suponhamos, no exemplo anterior, que queremos abordar a proposição de que existe um risco elevado de deficiência visual entre os trabalhadores de uma determinada fábrica. A hipótese científica a ser testada por nossas observações empíricas é então “existe um risco elevado de deficiência visual entre os trabalhadores de uma determinada fábrica”. Os estatísticos demonstram tais hipóteses falsificando a hipótese complementar “não há elevação do risco de deficiência visual”. Isso segue a demonstração matemática por absurdo e, em vez de verificar uma afirmação, a evidência empírica é usada apenas para falsificá-la. A hipótese estatística é chamada de hipótese nula. A segunda etapa envolve a especificação de um valor para o parâmetro dessa distribuição de probabilidade usada para modelar a variabilidade nas observações. Em nossos exemplos, como o fenômeno é binário (ou seja, presença/ausência de deficiência visual), escolhemos a distribuição binomial com parâmetro p, a probabilidade de deficiência visual. A hipótese nula afirma que = 0.25, digamos. Este valor é escolhido a partir da coleção de conhecimento sobre o tema e conhecimento a priori da prevalência usual de deficiência visual em populações não expostas (isto é, não trabalhadoras). Suponha que nossos dados produzam uma estimativa = 0.50, dos 30 trabalhadores examinados.

Podemos rejeitar a hipótese nula?

Se sim, a favor do que alternativa hipótese?

Especificamos uma hipótese alternativa como candidata caso a evidência determine que a hipótese nula seja rejeitada. As hipóteses alternativas não direcionais (bilaterais) afirmam que o parâmetro da população é diferente do valor declarado na hipótese nula; as hipóteses alternativas direcionais (unilaterais) afirmam que o parâmetro da população é maior (ou menor) que o valor nulo.

Tabela 5. Distribuição binomial. Probabilidades de sucesso para  = 0.25 em n = 30 tentativas

X

Probabilidade

Probabilidade cumulativa

0

0.0002

0.0002

1

0.0018

0.0020

2

0.0086

0.0106

3

0.0269

0.0374

4

0.0604

0.0979

5

0.1047

0.2026

6

0.1455

0.3481

7

0.1662

0.5143

8

0.1593

0.6736

9

0.1298

0.8034

10

0.0909

0.8943

11

0.0551

0.9493

12

0.0291

0.9784

13

0.0134

0.9918

14

0.0054

0.9973

15

0.0019

0.9992

16

0.0006

0.9998

17

0.0002

1.0000

.

.

.

30

0.0000

1.0000

 

Sob a hipótese nula, podemos calcular a distribuição de probabilidade dos resultados do nosso exemplo. A Tabela 5 mostra, para = 0.25 e n = 30, as probabilidades (ver equação (1)) e as probabilidades cumulativas:

A partir desta tabela, obtemos a probabilidade de ter x ³15 trabalhadores com deficiência visual

P(x ³15) = 1 - P(x15) = 1 - 0.9992 = 0.0008

Isso significa que é altamente improvável que observemos 15 ou mais trabalhadores com deficiência visual se eles vivenciassem a prevalência da doença das populações não expostas. Portanto, poderíamos rejeitar a hipótese nula e afirmar que há maior prevalência de deficiência visual na população de trabalhadores estudada.

Quando n×p ³ 5 e n×(1-) ³ 5, podemos usar a aproximação Gaussiana:

Da tabela da distribuição Gaussiana padrão obtemos:

P(|z|>2.95) = 0.0008

de acordo com os resultados exatos. A partir dessa aproximação, podemos ver que a estrutura básica de um teste estatístico de hipótese consiste na relação entre sinal e ruído. No nosso caso, o sinal é (p-), o desvio observado da hipótese nula, enquanto o ruído é o desvio padrão de P:

Quanto maior a razão, menor a probabilidade do valor nulo.

Ao tomar decisões sobre hipóteses estatísticas, podemos incorrer em dois tipos de erros: um erro tipo I, rejeição da hipótese nula quando ela é verdadeira; ou um erro tipo II, aceitação da hipótese nula quando esta é falsa. O nível de probabilidade, ou valor p, é a probabilidade de um erro tipo I, denotado pela letra grega a. Isso é calculado a partir da distribuição de probabilidade das observações sob a hipótese nula. Costuma-se predefinir um nível de erro a (por exemplo, 5%, 1%) e rejeitar a hipótese nula quando o resultado de nossa observação tem uma probabilidade igual ou menor que esse chamado nível crítico.

A probabilidade de um erro tipo II é denotada pela letra grega β. Para calculá-lo, precisamos especificar, na hipótese alternativa, o valor de α para o parâmetro a ser testado (no nosso exemplo, valor de α para ). Hipóteses alternativas genéricas (diferente de, maior que, menor que) não são úteis. Na prática, interessa o valor β para um conjunto de hipóteses alternativas, ou seu complemento, que é chamado de poder estatístico do teste. Por exemplo, fixando o valor do erro α em 5%, da tabela 5, encontramos:

P(x ³12) <0.05

sob a hipótese nula = 0.25. Se fôssemos observar pelo menos x = 12 sucessos, rejeitaríamos a hipótese nula. Os valores β correspondentes e a potência para x = 12 são dados pela tabela 6. 

Tabela 6. Erro tipo II e potência para x = 12, n = 30, α = 0.05

β

Energia

0.30

0.9155

0.0845

0.35

0.7802

0.2198

0.40

0.5785

0.4215

0.45

0.3592

0.6408

0.50

0.1808

0.8192

0.55

0.0714

0.9286

 

Neste caso, nossos dados não podem discriminar se é maior que o valor nulo de 0.25, mas menor que 0.50, porque o poder do estudo é muito baixo (<80%) para esses valores de <0.50 - ou seja, a sensibilidade do nosso estudo é de 8% para = 0.3, 22% para = 0.35,…, 64% para = 0.45.

A única maneira de obter um β mais baixo, ou um nível de poder mais alto, seria aumentar o tamanho do estudo. Por exemplo, na tabela 7 relatamos β e poder para n = 40; como esperado, devemos ser capazes de detectar um  valor maior que 0.40. 

Tabela 7. Erro tipo II e potência para x = 12, n = 40, α = 0.05

β

Energia

0.30

0.5772

0.4228

0.35

0.3143

0.6857

0.40

0.1285

0.8715

0.45

0.0386

0.8614

0.50

0.0083

0.9917

0.55

0.0012

0.9988

 

O desenho do estudo é baseado no escrutínio cuidadoso do conjunto de hipóteses alternativas que merecem consideração e garantem poder ao estudo fornecendo um tamanho de amostra adequado.

Na literatura epidemiológica, a relevância de fornecer estimativas de risco confiáveis ​​tem sido enfatizada. Portanto, é mais importante relatar intervalos de confiança (seja 95% ou 90%) do que um p-valor de um teste de uma hipótese. Seguindo o mesmo raciocínio, atenção deve ser dada à interpretação dos resultados de estudos de pequeno porte: devido ao baixo poder, mesmo efeitos intermediários podem passar despercebidos e, por outro lado, efeitos de grande magnitude podem não ser replicados posteriormente.

Métodos Avançados

O grau de complexidade dos métodos estatísticos utilizados no contexto da medicina do trabalho tem vindo a aumentar ao longo dos últimos anos. Os principais desenvolvimentos podem ser encontrados na área de modelagem estatística. A família de modelos não Gaussianos de Nelder e Wedderburn (Modelos Lineares Generalizados) tem sido uma das contribuições mais marcantes para o aumento do conhecimento em áreas como a epidemiologia ocupacional, onde as variáveis ​​de resposta relevantes são binárias (por exemplo, sobrevivência/morte) ou contagens (por exemplo, número de acidentes industriais).

Este foi o ponto de partida para uma ampla aplicação de modelos de regressão como alternativa aos tipos mais tradicionais de análise baseados em tabelas de contingência (análise simples e estratificada). Poisson, Cox e regressão logística são agora rotineiramente usadas para a análise de estudos longitudinais e de caso-controle, respectivamente. Esses modelos são a contrapartida da regressão linear para variáveis ​​de resposta categórica e têm a característica elegante de fornecer diretamente a medida epidemiológica relevante de associação. Por exemplo, os coeficientes da regressão de Poisson são o logaritmo das razões de taxas, enquanto os da regressão logística são o logaritmo das razões de chances.

Tendo isso como referência, os desenvolvimentos posteriores na área de modelagem estatística tomaram duas direções principais: modelos para medidas categóricas repetidas e modelos que estendem os Modelos Lineares Generalizados (Modelos Aditivos Generalizados). Em ambos os casos, o objetivo é aumentar a flexibilidade das ferramentas estatísticas para lidar com problemas mais complexos decorrentes da realidade. Modelos de medidas repetidas são necessários em muitos estudos ocupacionais onde as unidades de análise estão no nível subindividual. Por exemplo:

  1. O estudo do efeito das condições de trabalho na síndrome do túnel do carpo deve considerar as duas mãos de uma pessoa, que não são independentes uma da outra.
  2. A análise das tendências temporais dos poluentes ambientais e seus efeitos no sistema respiratório das crianças podem ser avaliados usando modelos extremamente flexíveis, uma vez que a forma funcional exata da relação dose-resposta é difícil de obter.

 

Um desenvolvimento paralelo e provavelmente mais rápido foi observado no contexto das estatísticas bayesianas. A barreira prática de usar métodos bayesianos desmoronou após a introdução de métodos intensivos em computador. Os procedimentos de Monte Carlo, como os esquemas de amostragem de Gibbs, nos permitiram evitar a necessidade de integração numérica para calcular as distribuições posteriores, que representavam a característica mais desafiadora dos métodos bayesianos. O número de aplicações de modelos bayesianos em problemas reais e complexos tem encontrado espaço cada vez maior nos periódicos aplicados. Por exemplo, análises geográficas e correlações ecológicas no nível de pequenas áreas e modelos de previsão de AIDS são cada vez mais abordados usando abordagens bayesianas. Esses desenvolvimentos são bem-vindos porque representam não apenas um aumento no número de soluções estatísticas alternativas que podem ser empregadas na análise de dados epidemiológicos, mas também porque a abordagem bayesiana pode ser considerada uma estratégia mais sólida.

 

Voltar

Os artigos anteriores deste capítulo mostraram a necessidade de uma avaliação cuidadosa do desenho do estudo para extrair inferências confiáveis ​​de observações epidemiológicas. Embora tenha sido afirmado que as inferências em epidemiologia observacional são fracas devido à natureza não experimental da disciplina, não há superioridade embutida de ensaios controlados randomizados ou outros tipos de desenho experimental sobre a observação bem planejada (Cornfield 1954). No entanto, fazer inferências sólidas implica uma análise minuciosa do desenho do estudo para identificar fontes potenciais de viés e confusão. Os resultados falsos positivos e falsos negativos podem se originar de diferentes tipos de viés.

Neste artigo, são discutidas algumas das diretrizes propostas para avaliar a natureza causal das observações epidemiológicas. Além disso, embora a boa ciência seja uma premissa para a pesquisa epidemiológica eticamente correta, há questões adicionais que são relevantes para as preocupações éticas. Portanto, dedicamos algumas discussões à análise dos problemas éticos que podem surgir na realização de estudos epidemiológicos.

Avaliação de causalidade

Vários autores discutiram a avaliação de causalidade em epidemiologia (Hill 1965; Buck 1975; Ahlbom 1984; Maclure 1985; Miettinen 1985; Rothman 1986; Weed 1986; Schlesselman 1987; Maclure 1988; Weed 1988; Karhausen 1995). Um dos principais pontos de discussão é se a epidemiologia utiliza ou deveria utilizar os mesmos critérios de determinação das relações de causa e efeito utilizados em outras ciências.

Causas não devem ser confundidas com mecanismos. Por exemplo, o amianto é uma causa de mesotelioma, enquanto a mutação oncogênica é um mecanismo putativo. Com base nas evidências existentes, é provável que (a) diferentes exposições externas possam atuar nos mesmos estágios mecanicistas e (b) geralmente não há uma sequência fixa e necessária de etapas mecanísticas no desenvolvimento da doença. Por exemplo, a carcinogênese é interpretada como uma sequência de transições estocásticas (probabilísticas), da mutação genética à proliferação celular e à mutação genética novamente, que eventualmente leva ao câncer. Além disso, a carcinogênese é um processo multifatorial, ou seja, diferentes exposições externas são capazes de afetá-la e nenhuma delas é necessária em uma pessoa suscetível. É provável que esse modelo se aplique a várias doenças além do câncer.

Essa natureza multifatorial e probabilística da maioria das relações exposição-doença implica que desvendar o papel desempenhado por uma exposição específica é problemático. Além disso, a natureza observacional da epidemiologia nos impede de realizar experimentos que possam esclarecer as relações etiológicas por meio de uma alteração deliberada do curso dos eventos. A observação de uma associação estatística entre exposição e doença não significa que a associação seja causal. Por exemplo, a maioria dos epidemiologistas interpretou a associação entre a exposição ao escapamento de diesel e o câncer de bexiga como causal, mas outros afirmaram que os trabalhadores expostos ao escapamento de diesel (principalmente motoristas de caminhão e táxi) são mais fumantes do que indivíduos não expostos . A associação observada, de acordo com esta alegação, seria “confundida” por um fator de risco bem conhecido como o tabagismo.

Dada a natureza multifatorial probabilística da maioria das associações exposição-doença, os epidemiologistas desenvolveram diretrizes para reconhecer as relações que provavelmente são causais. Estas são as diretrizes originalmente propostas por Sir Bradford Hill para doenças crônicas (1965):

  • força da associação
  • efeito dose-resposta
  • falta de ambiguidade temporal
  • consistência das descobertas
  • plausibilidade biológica
  • coerência das evidências
  • especificidade da associação.

 

Esses critérios devem ser considerados apenas como diretrizes gerais ou ferramentas práticas; na verdade, a avaliação causal científica é um processo iterativo centrado na medição da relação exposição-doença. No entanto, os critérios de Hill muitas vezes são usados ​​como uma descrição concisa e prática de procedimentos de inferência causal em epidemiologia.

Vejamos o exemplo da relação entre a exposição ao cloreto de vinila e o angiossarcoma hepático, aplicando os critérios de Hill.

A expressão usual dos resultados de um estudo epidemiológico é uma medida do grau de associação entre exposição e doença (primeiro critério de Hill). Um risco relativo (RR) maior que a unidade significa que existe uma associação estatística entre exposição e doença. Por exemplo, se a taxa de incidência de angiossarcoma hepático é geralmente de 1 em 10 milhões, mas é de 1 em 100,000 entre os expostos ao cloreto de vinila, então o RR é 100 (ou seja, as pessoas que trabalham com cloreto de vinila têm um aumento de 100 vezes risco de desenvolver angiossarcoma em comparação com pessoas que não trabalham com cloreto de vinila).

É mais provável que uma associação seja causal quando o risco aumenta com níveis crescentes de exposição (efeito dose-resposta, segundo critério de Hill) e quando a relação temporal entre exposição e doença faz sentido em bases biológicas (a exposição precede o efeito e o duração deste período de “indução” é compatível com um modelo biológico de doença; terceiro critério de Hill). Além disso, é mais provável que uma associação seja causal quando resultados semelhantes são obtidos por outros que foram capazes de replicar os achados em diferentes circunstâncias (“consistência”, o quarto critério de Hill).

Uma análise científica dos resultados requer uma avaliação da plausibilidade biológica (quinto critério de Hill). Isso pode ser alcançado de diferentes maneiras. Por exemplo, um critério simples é avaliar se a suposta “causa” consegue atingir o órgão-alvo (por exemplo, substâncias inaladas que não atingem o pulmão não conseguem circular no organismo). Além disso, evidências de estudos em animais são úteis: a observação de angiossarcomas hepáticos em animais tratados com cloreto de vinila reforça fortemente a associação observada no homem.

A coerência interna das observações (por exemplo, o RR aumenta de forma semelhante em ambos os sexos) é um importante critério científico (sexto critério de Hill). A causalidade é mais provável quando a relação é muito específica - isto é, envolve causas raras e/ou doenças raras, ou um tipo histológico/subgrupo específico de pacientes (sétimo critério de Hill).

A “indução enumerativa” (a simples enumeração de instâncias de associação entre exposição e doença) é insuficiente para descrever completamente as etapas indutivas no raciocínio causal. Normalmente, o resultado da indução enumerativa produz uma observação complexa e ainda confusa porque diferentes cadeias causais ou, mais frequentemente, uma relação causal genuína e outras exposições irrelevantes estão emaranhadas. Explicações alternativas devem ser eliminadas por meio da “indução eliminativa”, mostrando que uma associação provavelmente é causal porque não é “confundida” com outras. Uma definição simples de uma explicação alternativa é “um fator estranho cujo efeito é misturado com o efeito da exposição de juros, distorcendo assim a estimativa de risco para a exposição de juros” (Rothman 1986).

O papel da indução é expandir o conhecimento, enquanto o papel da dedução é “transmitir a verdade” (Giere 1979). O raciocínio dedutivo examina o desenho do estudo e identifica associações que não são empiricamente verdadeiras, mas apenas logicamente verdadeiras. Tais associações não são uma questão de fato, mas necessidades lógicas. Por exemplo, um viés de seleção ocorre quando o grupo exposto é selecionado entre pessoas doentes (como quando iniciamos um estudo de coorte recrutando como “exposto” ao cloreto de vinila um grupo de casos de angiossarcoma hepático) ou quando o grupo não exposto é selecionado entre pessoas saudáveis. Em ambos os casos, a associação encontrada entre exposição e doença é necessariamente (logicamente), mas não empiricamente verdadeira (Vineis 1991).

Para concluir, mesmo quando se considera sua natureza observacional (não experimental), a epidemiologia não utiliza procedimentos inferenciais que diferem substancialmente da tradição de outras disciplinas científicas (Hume 1978; Schaffner 1993).

Questões éticas na pesquisa epidemiológica

Devido às sutilezas envolvidas na inferência da causalidade, os epidemiologistas devem ter cuidado especial ao interpretar seus estudos. Com efeito, daí decorrem várias preocupações de natureza ética.

As questões éticas na pesquisa epidemiológica tornaram-se um assunto de intensa discussão (Schulte 1989; Soskolne 1993; Beauchamp et al. 1991). A razão é evidente: os epidemiologistas, em particular os epidemiologistas ocupacionais e ambientais, muitas vezes estudam questões com implicações econômicas, sociais e políticas de saúde significativas. Os resultados negativos e positivos relativos à associação entre exposições químicas específicas e doenças podem afetar a vida de milhares de pessoas, influenciar decisões econômicas e, portanto, condicionar seriamente as escolhas políticas. Assim, o epidemiologista pode estar sob pressão e ser tentado ou mesmo encorajado por outros a alterar – marginal ou substancialmente – a interpretação dos resultados de suas investigações.

Entre as várias questões relevantes, transparência de coleta de dados, codificação, computadorização e análise é fundamental como defesa contra alegações de viés por parte do pesquisador. Também crucial, e potencialmente conflitante com essa transparência, é o direito dos sujeitos inscritos em pesquisas epidemiológicas de serem protegidos contra a divulgação de informações pessoais
(confidencialidade questões).

Do ponto de vista das condutas impróprias que podem surgir especialmente no contexto da inferência causal, as questões que devem ser abordadas pelas diretrizes éticas são:

  • Quem é o proprietário dos dados e por quanto tempo os dados devem ser mantidos?
  • O que constitui um registro confiável do trabalho realizado?
  • As subvenções públicas permitem no orçamento os custos associados à documentação adequada, arquivamento e reanálise de dados?
  • Existe um papel para o investigador principal na reanálise de seus dados por terceiros?
  • Existem padrões de prática para armazenamento de dados?
  • Os epidemiologistas ocupacionais e ambientais deveriam estabelecer um clima normativo no qual o escrutínio ou auditoria de dados imediatos pode ser realizado?
  • Como as boas práticas de armazenamento de dados servem para evitar não apenas má conduta, mas também alegações de má conduta?
  • O que constitui má conduta em epidemiologia ocupacional e ambiental em relação ao gerenciamento de dados, interpretação de resultados e advocacia?
  • Qual é o papel do epidemiologista e/ou dos órgãos profissionais no desenvolvimento de padrões de prática e indicadores/resultados para sua avaliação e na contribuição de expertise em qualquer função de defesa?
  • Que papel o corpo/organização profissional tem ao lidar com questões sobre ética e lei? (Soskolne 1993)

 

Outras questões cruciais, no caso da epidemiologia ocupacional e ambiental, referem-se ao envolvimento dos trabalhadores nas fases preliminares dos estudos e à divulgação dos resultados de um estudo aos sujeitos que foram inscritos e são diretamente afetados (Schulte 1989 ). Infelizmente, não é prática comum que os trabalhadores inscritos em estudos epidemiológicos estejam envolvidos em discussões colaborativas sobre os objetivos do estudo, sua interpretação e os usos potenciais dos resultados (que podem ser tanto vantajosos quanto prejudiciais para o trabalhador).

Respostas parciais a essas questões foram fornecidas por diretrizes recentes (Beauchamp et al. 1991; CIOMS 1991). No entanto, em cada país, as associações profissionais de epidemiologistas ocupacionais devem se envolver em uma discussão aprofundada sobre questões éticas e, possivelmente, adotar um conjunto de diretrizes éticas adequadas ao contexto local, ao mesmo tempo em que reconhecem padrões normativos de prática internacionalmente aceitos.

 

Voltar

A documentação de doenças ocupacionais em um país como Taiwan é um desafio para um médico do trabalho. Por falta de um sistema que incluísse fichas de dados de segurança de materiais (MSDS), os trabalhadores geralmente não conheciam os produtos químicos com os quais trabalham. Como muitas doenças ocupacionais têm latências longas e não apresentam sintomas e sinais específicos até que sejam clinicamente evidentes, o reconhecimento e a identificação da origem ocupacional costumam ser muito difíceis.

Para um melhor controle das doenças ocupacionais, acessamos bancos de dados que fornecem uma lista relativamente completa de produtos químicos industriais e um conjunto de sinais e/ou sintomas específicos. Combinado com a abordagem epidemiológica de conjecturas e refutações (ou seja, considerando e descartando todas as possíveis explicações alternativas), documentamos mais de dez tipos de doenças ocupacionais e um surto de botulismo. Recomendamos que uma abordagem semelhante seja aplicada a qualquer outro país em uma situação semelhante e que um sistema envolvendo uma folha de identificação (por exemplo, MSDS) para cada produto químico seja defendido e implementado como um meio de permitir o reconhecimento imediato e, portanto, a prevenção de doenças ocupacionais doenças.

Hepatite em uma fábrica de impressão colorida

Três trabalhadores de uma gráfica colorida foram internados em hospitais comunitários em 1985 com manifestações de hepatite aguda. Um dos três tinha insuficiência renal aguda sobreposta. Como a hepatite viral tem alta prevalência em Taiwan, devemos considerar uma origem viral entre as etiologias mais prováveis. O uso de álcool e drogas, bem como solventes orgânicos no local de trabalho, também deve ser incluído. Como não havia sistema de MSDS em Taiwan, nem os funcionários nem o empregador estavam cientes de todos os produtos químicos usados ​​na fábrica (Wang 1991).

Tivemos que compilar uma lista de agentes hepatotóxicos e nefrotóxicos de vários bancos de dados toxicológicos. Em seguida, deduzimos todas as inferências possíveis das hipóteses acima. Por exemplo, se o vírus da hepatite A (HAV) fosse a etiologia, deveríamos observar anticorpos (HAV-IgM) entre os trabalhadores afetados; se o vírus da hepatite B fosse a etiologia, deveríamos observar mais portadores de antígenos de superfície da hepatite B (HBsAg) entre os trabalhadores afetados em comparação com os trabalhadores não afetados; se o álcool fosse a principal etiologia, deveríamos observar mais alcoólatras ou alcoólatras crônicos entre os trabalhadores afetados; se algum solvente tóxico (por exemplo, clorofórmio) fosse a etiologia, deveríamos encontrá-lo no local de trabalho.

Fizemos uma avaliação médica completa para cada trabalhador. A etiologia viral foi facilmente refutada, assim como a hipótese do álcool, pois não puderam ser corroboradas pelas evidências.

Em vez disso, 17 dos 25 trabalhadores da fábrica tiveram testes de função hepática anormais, e uma associação significativa foi encontrada entre a presença de função hepática anormal e um histórico de ter trabalhado recentemente em qualquer uma das três salas nas quais um sistema de ar condicionado interconectado havia sido instalado. instalado para resfriar as máquinas de impressão. A associação permaneceu após a estratificação pelo status de portador de hepatite B. Posteriormente, foi determinado que o incidente ocorreu após o uso inadvertido de um “agente de limpeza” (que era tetracloreto de carbono) para limpar uma bomba na máquina de impressão. Além disso, um teste de simulação da operação de limpeza da bomba revelou níveis de tetracloreto de carbono no ar ambiente de 115 a 495 ppm, o que poderia produzir danos hepáticos. Em nova tentativa de refutação, ao eliminar o tetracloreto de carbono do local de trabalho, verificamos que não ocorreram mais novos casos, e todos os trabalhadores afetados melhoraram após afastamento do local de trabalho por 20 dias. Portanto, concluímos que o surto foi devido ao uso de tetracloreto de carbono.

Sintomas neurológicos em uma gráfica colorida

Em setembro de 1986, um aprendiz em uma fábrica de impressão colorida em Chang-Hwa desenvolveu repentinamente fraqueza bilateral aguda e paralisia respiratória. O pai da vítima alegou por telefone que havia vários outros trabalhadores com sintomas semelhantes. Como as gráficas coloridas já foram documentadas como tendo doenças ocupacionais resultantes da exposição a solventes orgânicos, fomos ao local de trabalho para determinar a etiologia com a hipótese de possível intoxicação por solvente em mente (Wang 1991).

Nossa prática comum, no entanto, era considerar todas as conjecturas alternativas, incluindo outros problemas médicos, incluindo a função prejudicada dos neurônios motores superiores, dos neurônios motores inferiores, bem como da junção neuromuscular. Mais uma vez, deduzimos declarações de resultado das hipóteses acima. Por exemplo, se qualquer solvente relatado para produzir polineuropatia (por exemplo, n-hexano, metil butilcetona, acrilamida) fosse a causa, também prejudicaria a velocidade de condução nervosa (NCV); se fossem outros problemas médicos envolvendo os neurônios motores superiores, haveria sinais de consciência prejudicada e/ou movimento involuntário.

As observações de campo revelaram que todos os trabalhadores afetados tiveram uma consciência limpa durante todo o curso clínico. Um estudo NCV de três trabalhadores afetados mostrou neurônios motores inferiores intactos. Não havia movimento involuntário, história de medicação ou picadas antes do aparecimento dos sintomas, e o teste de neostigmina foi negativo. Foi encontrada uma associação significativa entre doença e tomar café da manhã no refeitório da fábrica em 26 ou 27 de setembro; sete dos sete trabalhadores afetados contra sete dos 32 trabalhadores não afetados tomaram café da manhã na fábrica nesses dois dias. Um esforço adicional de teste mostrou que a toxina botulínica tipo A foi detectada em amendoim enlatado fabricado por uma empresa não licenciada, e seu espécime também mostrou um crescimento total de Clostridium botulinum. Um julgamento refutação final foi a remoção de tais produtos do mercado comercial, que não resultou em novos casos. Esta investigação documentou os primeiros casos de botulismo de um produto alimentar comercial em Taiwan.

Lesões cutâneas pré-malignas entre fabricantes de paraquat

Em junho de 1983, dois trabalhadores de uma fábrica de paraquat visitaram uma clínica de dermatologia queixando-se de numerosas máculas hiperpigmentadas bilaterais com alterações hiperceratóticas em partes de suas mãos, pescoço e face expostas ao sol. Algumas amostras de pele também mostraram alterações Bowenoides. Uma vez que lesões cutâneas malignas e pré-malignas foram relatadas entre os trabalhadores da fabricação de bipiridil, uma causa ocupacional foi fortemente suspeitada. No entanto, também tivemos que considerar outras causas alternativas (ou hipóteses) de câncer de pele, como exposição à radiação ionizante, alcatrão de hulha, piche, fuligem ou qualquer outro hidrocarboneto poliaromático (PAH). Para descartar todas essas conjecturas, realizamos um estudo em 1985, visitando todas as 28 fábricas que já se envolveram na fabricação ou embalagem de paraquat e examinando os processos de fabricação, bem como os trabalhadores (Wang et al. 1987; Wang 1993).

Examinamos 228 trabalhadores e nenhum deles já havia sido exposto aos carcinógenos cutâneos mencionados, exceto luz solar e 4'-4'-bipiridina e seus isômeros. Depois de excluir trabalhadores com múltiplas exposições, descobrimos que um de sete administradores e dois de 82 trabalhadores de embalagem de paraquat desenvolveram lesões cutâneas hiperpigmentadas, em comparação com três de três trabalhadores envolvidos apenas na cristalização e centrifugação de bipiridina. Além disso, todos os 17 trabalhadores com lesões hiperqueratóticas ou de Bowen tinham história de exposição direta ao bipiridil e seus isômeros. Quanto mais longa a exposição aos bipiridilos, maior a probabilidade de desenvolvimento de lesões cutâneas, e essa tendência não pode ser explicada pela luz solar ou pela idade, conforme demonstrado pela estratificação e análise de regressão logística. Portanto, a lesão cutânea foi atribuída provisoriamente a uma combinação de exposições ao bipiridil e à luz solar. Fizemos novas tentativas de refutação para acompanhar se algum novo caso ocorreu após incluir todos os processos envolvendo exposição a bipiridilos. Nenhum novo caso foi encontrado.

Discussão e Conclusões

Os três exemplos acima ilustraram a importância de se adotar uma abordagem refutacional e um banco de dados de doenças ocupacionais. A primeira nos faz sempre considerar hipóteses alternativas da mesma forma que a hipótese inicial intuitiva, enquanto a segunda fornece uma lista detalhada de agentes químicos que podem nos guiar para a verdadeira etiologia. Uma possível limitação dessa abordagem é que podemos considerar apenas as explicações alternativas que podemos imaginar. Se nossa lista de alternativas estiver incompleta, podemos ficar sem resposta ou com uma resposta errada. Portanto, um banco de dados abrangente de doenças ocupacionais é crucial para o sucesso dessa estratégia.

Costumávamos construir nosso próprio banco de dados de maneira trabalhosa. No entanto, os bancos de dados OSH-ROM publicados recentemente, que contêm o banco de dados NIOSHTIC de mais de 160,000 resumos, podem ser um dos mais abrangentes para esse fim, conforme discutido em outra parte do enciclopédia. Além disso, se ocorrer uma nova doença ocupacional, podemos pesquisar esse banco de dados e descartar todos os agentes etiológicos conhecidos, sem deixar nenhum sem refutação. Em tal situação, podemos tentar identificar ou definir o novo agente (ou ambiente ocupacional) tão especificamente quanto possível para que o problema possa primeiro ser mitigado e, em seguida, testar outras hipóteses. O caso de lesões cutâneas pré-malignas entre os fabricantes de paraquat é um bom exemplo desse tipo.

 

Voltar

" ISENÇÃO DE RESPONSABILIDADE: A OIT não se responsabiliza pelo conteúdo apresentado neste portal da Web em qualquer idioma que não seja o inglês, que é o idioma usado para a produção inicial e revisão por pares do conteúdo original. Algumas estatísticas não foram atualizadas desde a produção da 4ª edição da Enciclopédia (1998)."

Conteúdo