Portal InstitucionalUFPEL

Um dos grandes desafios para inferência causal em estudos epidemiológicos observacionais é a possibilidade de confundimento residual, que existe pois a exposição (e.g., fator de risco) não é alocado aleatoriamente. Uma forma de obter inferências válidas nestes casos são as análises de VI. Porém, estas análises têm seus próprios pressupostos. Um deles, que na verdade são um conjunto de pressupostos, é necessário para permitir a interpretação das estimativas obtidas. Exemplos comuns deste conjunto de pressupostos são: homogeneidade do efeito causal de X sobre Y (i.e., efeito de X sobre Y é idêntico, na escala aditiva, em todos os membros da população estudada); homogeneidade da associação entre Z e X (i.e., associação entre Z e X é idêntica, na escala aditiva, em todos os membros da população estudada); monotonicidade (i.e., associação entre Z e X é nula ou positiva em todos os membros da população estudada). Os dois primeiros pressupostos permitem interpretar o resultado de uma análise de VI como estimativas do ECM, enquanto o último permite interpretar o resultado como o ECM entre os concordantes (i.e., no subgrupo da população no qual Z e X estão associados).
Em geral, há maior interesse em estimar o ECM do que o ECM entre concordantes. De fato, o ECM tem grande utilidade em termos de planejamento em saúde, pois quantifica o "saldo" de uma intervenção sobre a população geral. Porém, os pressupostos de homogeneidade são bastante restritivos, pois requerem ausência de variabilidade entre indivíduos. Porém, é bastante possível que os efeitos sejam de diferentes magnitudes (ou mesmo direções) entre diferentes subgrupos da população. Isto dificulta a utilização das análises de VI para estimar efeitos causais úteis, limitando sua utilidade prática.

O estudo se divide em três principais eixos:

1) Descrever os pressupostos de homogeneidade de forma matematicamente rigorosa, utilizando equações estruturais não-paramétricas e desfechos potenciais. Juntamente com esta descrição, estudar as equações que descrevem os estimadores utilizados em análise de VI, buscando identificar condições numéricas suficientes para que estes estimadores sejam equivalentes ao ECM. A partir disto, traduzir estas condições em pressupostos interpretáveis e inteligíveis, a serem descritos explicitamente utilizando a mesma notação adotada para definir os pressupostos de homogeneidade.

2) Estudos de simulação, nos quais dados são simulados e analisados, permitindo avaliar se os resultados obtidos correspondem ao resultado correto (conhecido pois os dados são simulados). Serão simulados dados em que a generalização das condições de homogeneidade são satisfeitas, mas as condições estritas de homogeneidade são violadas, a fim de ilustrar que as condições de homogeneidade não são necessárias para identificar o ECM.

3) Avaliação de estudos já publicados, discutindo a plausibilidade de que os resultados obtidos nestes estudos sejam estimativas adequadas do ECM.

Espera-se identificar condições menos exigentes que homogeneidade que permitam identificar o ECM em análises de VI. A partir disto, será elaborado um artigo científico contendo os argumentos teóricos, os resultados do estudo de simulação e discussões acerca de estudos já publicados.
Espera-se que tal artigo tenha impacto científico significativo, pois esclarecerá que as condições necessárias para estimar o ECM são menos exigentes do que a literatura atualmente descreve.