Introdução
A Epidemiologia é a ciência fundamental da saúde pública e da medicina clínica, dedicada ao estudo da distribuição das doenças e dos fatores que influenciam ou determinam essa distribuição nas populações (Gordis, 2017). A sua premissa central é que as doenças e os problemas de saúde não ocorrem ao acaso; cada indivíduo possui características que o predispõem ou o protegem, resultantes de uma complexa interação entre fatores genéticos e ambientais. Como disciplina, a Epidemiologia desloca a sua atenção da análise de casos clínicos individuais para os processos de saúde-doença no âmbito populacional, utilizando o coletivo como sua unidade de análise (Almeida-Filho & Paim, 2000).
Nesse contexto, as medidas de associação e de impacto representam ferramentas estratégicas de valor inestimável. Elas permitem que epidemiologistas, médicos e gestores de saúde transcendam a simples observação de padrões para quantificar rigorosamente as relações entre exposições (como fatores de risco ou intervenções preventivas) e desfechos de saúde. Enquanto as medidas de associação quantificam a força de uma ligação etiológica, as medidas de impacto traduzem essa força em termos de relevância para a saúde pública. Juntas, transformam dados brutos em evidências robustas, fundamentais para a pesquisa das causas das doenças, para o planejamento de políticas de saúde e para a tomada de decisões clínicas informadas. Essa abordagem pragmática da metodologia epidemiológica na avaliação da eficácia terapêutica e na identificação de casos conforma o que se designa por medicina baseada em evidências (Feinstein, 1983; Sackett et al., 1996).
Esta apostila foi estruturada para fornecer uma base sólida sobre essas métricas essenciais. Nos capítulos seguintes, detalharemos os cálculos, a interpretação e a aplicação das principais medidas de associação e de impacto, ilustrando seus usos com exemplos práticos e estudos de caso para consolidar a compreensão do seu poder analítico na promoção da saúde coletiva.
1. Capítulo 1: Medidas de Associação
As medidas de associação constituem o primeiro passo na investigação quantitativa da relação entre uma exposição – seja um fator de risco, um comportamento, uma característica genética ou uma intervenção – e um desfecho de saúde, como o desenvolvimento de uma doença. O objetivo principal dessas medidas é quantificar a força e a direção dessa ligação, respondendo à pergunta fundamental: “As pessoas expostas a um determinado fator têm mais ou menos probabilidade de apresentar um desfecho específico em comparação com as não expostas?”.
Risco Relativo (RR)
O Risco Relativo (RR), também conhecido como Razão de Riscos, é a medida de associação que compara a probabilidade de ocorrência de um desfecho no grupo de expostos com a probabilidade no grupo de não expostos. Em outras palavras, ele quantifica quantas vezes o risco de adoecer é maior (ou menor) entre os expostos em relação aos não expostos.
Para seu cálculo, os dados são organizados em uma tabela de contingência 2×2:
| Doentes (Casos) | Não Doentes (Sadios) | Total | |
| Expostos | a | b | a + b |
| Não Expostos | c | d | c + d |
| Total | a + c | b + d | a + b + c + d |
A fórmula para o cálculo do RR é a razão entre a incidência nos expostos (Ie) e a incidência nos não expostos (Ine):
RR = Ie / Ine = [a / (a+b)] / [c / (c+d)]
A interpretação dos resultados é direta:
- RR > 1: A exposição é considerada um fator de risco para a doença. O risco de desenvolver o desfecho é maior entre os expostos.
- RR < 1: A exposição é considerada um fator de proteção. O risco de desenvolver o desfecho é menor entre os expostos.
- RR = 1: Não há associação entre a exposição e a doença. O risco é o mesmo para ambos os grupos.
O Risco Relativo é a medida de escolha para estudos de coorte, pois este delineamento permite acompanhar os grupos de expostos e não expostos ao longo do tempo e calcular diretamente as taxas de incidência da doença.
Exemplo Prático: Tabagismo e Doença Coronariana (CHD)
Um estudo de coorte hipotético acompanhou 3.000 fumantes (expostos) e 5.000 não fumantes (não expostos) por um período para observar a incidência de Doença Coronariana (CHD). Os resultados foram (Gordis, 2017):
| CHD | Sem CHD | Total | |
| Fumantes | 84 | 2.916 | 3.000 |
| Não Fumantes | 87 | 4.913 | 5.000 |
- Incidência nos fumantes (Ie) = (84 / 3.000) = 0,0280 ou 28,0 por 1.000
- Incidência nos não fumantes (Ine) = (87 / 5.000) = 0,0174 ou 17,4 por 1.000
- Cálculo do RR:
RR = (28,0 por 1.000) / (17,4 por 1.000) = 0,0280 / 0,0174 ≈ 1,61 - Interpretação: O risco de desenvolver doença coronariana é 1,61 vezes maior entre os fumantes em comparação com os não fumantes. Ou, de forma alternativa, os fumantes têm um risco 61% maior de desenvolver CHD.
Razão de Chances (Odds Ratio – OR)
A Razão de Chances (OR), também conhecida como Odds Ratio, é uma medida que compara a chance de exposição entre os doentes (casos) com a chance de exposição entre os não doentes (controles). A “chance” (ou odds) é a razão entre a probabilidade de um evento ocorrer e a probabilidade de ele não ocorrer.
Utilizando a mesma tabela 2×2, a fórmula para o cálculo do OR é a razão dos produtos cruzados:
OR = (Chance de exposição nos casos) / (Chance de exposição nos controles) = (a/c) / (b/d) = (a*d) / (b*c)
O OR é a principal medida de associação utilizada em estudos de caso-controle. Nesse tipo de delineamento, os pesquisadores partem de grupos de indivíduos que já têm a doença (casos) e um grupo de comparação que não tem a doença (controles), investigando retrospectivamente suas exposições passadas. Como não se acompanha uma população livre da doença ao longo do tempo, não é possível calcular a incidência diretamente, tornando o RR inaplicável.
Uma propriedade importante do OR é que ele serve como uma boa estimativa do Risco Relativo (RR) quando a doença em estudo é rara na população de origem. Em tais circunstâncias, os valores de OR e RR tendem a ser muito próximos.
Exemplo Prático: Investigação de um Surto Alimentar
Durante a investigação de um surto de gastroenterite após um evento, os epidemiologistas coletaram dados sobre o consumo de diversos alimentos. Para a salada de batata, os dados foram (Gordis, 2017):
| Comeu Salada (Exposto) | Não Comeu Salada (Não Exposto) | |
| Doente (Caso) | 50 (a) | 26 (c) |
| Não Doente (Controle) | 25 (b) | 73 (d) |
- Cálculo do OR:
OR = (a * d) / (b * c) = (50 * 73) / (25 * 26) = 3650 / 650 = 5,62 - Interpretação: A chance de ter consumido salada de batata foi 5,62 vezes maior entre as pessoas que adoeceram em comparação com as que não adoeceram. Este forte valor de associação aponta a salada de batata como o provável veículo da contaminação.
Interpretação e Aplicações
A escolha entre RR e OR é ditada fundamentalmente pelo desenho do estudo. O Risco Relativo é a medida de eleição para estudos prospectivos, como os de coorte e ensaios clínicos, que permitem o cálculo direto da incidência. O Odds Ratio, por sua vez, é a medida padrão para estudos retrospectivos, como os de caso-controle. Em análises de sobrevivência, que avaliam o tempo até a ocorrência de um evento, uma medida análoga ao RR é frequentemente utilizada: o Hazard Ratio (HR). O HR compara as taxas de eventos instantâneas entre os grupos e sua interpretação é semelhante à do RR (Davey Smith et al., 1994).
Uma vez estabelecida a força de uma associação, o próximo passo lógico é compreender sua relevância em termos de saúde pública. Quantificar o seu impacto na população é o objetivo das medidas que exploraremos no capítulo seguinte.
2. Capítulo 2: Medidas de Impacto
Enquanto as medidas de associação respondem à pergunta “Qual a força da relação entre a exposição e a doença?”, as medidas de impacto buscam responder a uma questão de natureza diferente e complementar: “Qual a relevância desta exposição para a saúde pública e para a prática clínica?”. Elas traduzem a força de uma associação em uma escala de impacto absoluto, ajudando a estimar o número de casos de uma doença que poderiam ser prevenidos se um determinado fator de risco fosse removido ou se uma intervenção protetora fosse implementada.
Risco Atribuível (RA) ou Diferença de Riscos
O Risco Atribuível (RA), também conhecido como Diferença de Riscos, quantifica o excesso de risco de adoecer no grupo de expostos que é diretamente atribuível à exposição. Em outras palavras, é a incidência adicional da doença que ocorre nos expostos por causa da exposição.
A fórmula para o seu cálculo é a diferença simples entre as incidências:
RA = Incidência nos Expostos (Ie) - Incidência nos Não Expostos (Ine)
O RA é uma medida absoluta que expressa o número de casos “extras” da doença por unidade populacional (e.g., por 1.000 pessoas) em um determinado período de tempo.
Exemplo Prático: Risco Atribuível do Tabagismo para CHD
Utilizando os mesmos dados do exemplo de tabagismo e Doença Coronariana (CHD) do capítulo anterior (Gordis, 2017):
- Incidência nos expostos (fumantes):
Ie = 28,0 por 1.000 pessoas-ano - Incidência nos não expostos (não fumantes):
Ine = 17,4 por 1.000 pessoas-ano - Cálculo do RA:
RA = 28,0 - 17,4 = 10,6 por 1.000 pessoas-ano - Interpretação: O resultado indica que há 10,6 casos extras de CHD por 1.000 fumantes a cada ano que são diretamente devidos ao hábito de fumar. Este é o excesso de risco que os fumantes carregam por causa da sua exposição.
Fração Atribuível (FA) ou Risco Atribuível Proporcional
A Fração Atribuível (FA), também chamada de Risco Atribuível Proporcional, representa a proporção de casos da doença entre os expostos que pode ser atribuída à própria exposição. Ela responde à pergunta: “Qual porcentagem dos casos da doença no grupo exposto poderia ser evitada se a exposição fosse eliminada?”.
Sua fórmula é:
FA = (Ie - Ine) / Ie
A FA é particularmente útil para gestores de saúde, pois ajuda a estimar o impacto potencial de programas de prevenção direcionados a populações expostas a um fator de risco.
Exemplo Prático: Fração Atribuível do Tabagismo para CHD
Com os dados do mesmo exemplo (Gordis, 2017):
Ie = 28,0 por 1.000Ine = 17,4 por 1.000- Cálculo da FA:
FA = (28,0 - 17,4) / 28,0 = 10,6 / 28,0 ≈ 0,379ou37,9% - Interpretação: Aproximadamente 37,9% dos casos de Doença Coronariana entre os fumantes são atribuíveis ao tabagismo. Isso significa que quase 4 em cada 10 casos de CHD nesse grupo poderiam ser prevenidos se o hábito de fumar fosse eliminado.
Número Necessário para Tratar (NNT) e Número Necessário para Causar Dano (NNH)
O Número Necessário para Tratar (NNT) é uma medida de impacto de grande utilidade na prática clínica. Ele representa o número de pacientes que precisam ser tratados com uma intervenção específica (ex: um medicamento) para prevenir um desfecho negativo adicional, em comparação com um grupo controle (ex: placebo ou tratamento padrão).
A fórmula para seu cálculo é simples, sendo o inverso da Redução Absoluta do Risco (que é matematicamente idêntica ao Risco Atribuível, mas aplicada a intervenções benéficas):
NNT = 1 / Risco Atribuível (ou Redução Absoluta do Risco)
Um NNT baixo indica uma intervenção muito eficaz. Por exemplo, um NNT de 5 significa que é preciso tratar 5 pacientes para evitar um evento adverso. O Número Necessário para Causar Dano (NNH) é um conceito análogo, utilizado para quantificar o risco de exposições prejudiciais ou efeitos colaterais de tratamentos.
Aplicações em Saúde Pública e Clínica
As medidas de impacto são fundamentais para diferentes atores do sistema de saúde. O Risco Atribuível e a Fração Atribuível são ferramentas essenciais para gestores e planejadores de saúde pública, pois permitem quantificar o fardo da doença causado por exposições específicas e avaliar o impacto potencial de programas de prevenção em larga escala, como campanhas antitabagismo ou de promoção da atividade física. Já o NNT e o NNH são métricas fundamentais para os clínicos, pois traduzem os resultados de ensaios clínicos em um formato intuitivo que auxilia na tomada de decisão terapêutica à beira do leito, ajudando a ponderar os benefícios e os riscos de um tratamento para um paciente individual.
Após entendermos a força de uma associação e seu impacto, é fundamental saber diferenciar claramente esses conceitos e escolher a medida mais adequada para cada situação, como veremos a seguir.
3. Capítulo 3: Comparação entre Medidas e Limitações
Após a apresentação separada das medidas de associação e de impacto, este capítulo visa consolidar o conhecimento, elucidando as diferenças conceituais entre elas, oferecendo um guia prático para a escolha da medida correta com base no desenho do estudo e, principalmente, alertando para as limitações e os cuidados necessários na interpretação de seus resultados.
Diferenças Conceituais: Associação vs. Impacto
Embora relacionadas, essas duas classes de medidas respondem a perguntas distintas e servem a propósitos diferentes. A tabela abaixo resume as principais diferenças conceituais:
| Característica | Medidas de Associação | Medidas de Impacto |
| Pergunta Principal | Qual a força da ligação etiológica entre exposição e doença? | Quantos casos da doença na população são causados pela exposição? Qual a relevância para a saúde pública? |
| Tipo de Medida | Relativa (compara a frequência em um grupo em relação a outro) | Absoluta (mede o excesso de risco ou a fração de casos em termos absolutos ou proporcionais) |
| Principal Uso | Investigação de causas (etiologia), inferência causal, pesquisa básica. | Planejamento em saúde pública, alocação de recursos, avaliação de programas de prevenção, tomada de decisão clínica. |
| Exemplos | Risco Relativo (RR), Odds Ratio (OR), Hazard Ratio (HR). | Risco Atribuível (RA), Fração Atribuível (FA), Número Necessário para Tratar (NNT). |
Critérios para Escolha da Medida Adequada
A escolha da medida epidemiológica mais apropriada depende, em primeiro lugar, do desenho do estudo de pesquisa. Cada delineamento oferece diferentes possibilidades de cálculo e interpretação.
- Estudos de Coorte:
- Como acompanham grupos de expostos e não expostos ao longo do tempo, permitem o cálculo direto das taxas de incidência.
- Consequentemente, são ideais para calcular o Risco Relativo (RR), o Risco Atribuível (RA) e a Fração Atribuível (FA).
- Estudos de Caso-Controle:
- Partem de grupos já definidos como doentes (casos) e não doentes (controles), investigando exposições passadas.
- Não é possível calcular a incidência diretamente, pois não há um período de acompanhamento de uma população em risco.
- A medida de associação padrão para este desenho é o Odds Ratio (OR).
- Ensaios Clínicos Randomizados (ECR):
- Sendo um tipo de estudo de coorte prospectivo e experimental, os ECRs permitem o cálculo de todas as principais medidas.
- É possível calcular Incidência, RR, RA e Fração Atribuível.
- O Número Necessário para Tratar (NNT) é uma das medidas de impacto mais valiosas derivadas de ECRs, pois quantifica diretamente a eficiência da intervenção testada.
Limitações e Cuidados na Interpretação
A interpretação de medidas epidemiológicas exige um olhar crítico e a consciência de suas limitações. Uma associação estatisticamente significante não é, por si só, prova de uma relação de causa e efeito. A causalidade é uma inferência complexa que depende de um conjunto de evidências, e não apenas de um valor de RR ou OR, por mais elevado que seja (Susser, 1973; Doll & Hill, 1952).
Além disso, os resultados de qualquer estudo observacional estão sujeitos a distorções. É fundamental considerar a possibilidade de viés e fatores de confusão. O viés é um erro sistemático no desenho ou condução do estudo que leva a uma estimativa incorreta da associação. Pode ser de seleção (quando os grupos de comparação não são comparáveis) ou de informação (quando há erros na medição da exposição ou do desfecho). Um fator de confusão é uma terceira variável que está associada tanto à exposição quanto ao desfecho, e que pode distorcer a relação entre eles se não for devidamente controlada na análise estatística.
Finalmente, é imperativo que toda medida de associação ou impacto seja sempre apresentada com seu respectivo intervalo de confiança (IC) de 95%. O IC fornece uma estimativa da precisão da medida, indicando uma faixa de valores na qual o verdadeiro parâmetro populacional provavelmente se encontra. Um IC muito amplo sugere incerteza na estimativa, enquanto um IC que inclui o valor 1,0 (para RR e OR) indica que a associação não é estatisticamente significante.
Com esses conceitos e cuidados em mente, podemos agora aplicar o conhecimento adquirido na análise de cenários práticos.
4. Estudos de Caso
Para solidificar a compreensão dos conceitos teóricos, esta seção aplicará as medidas de associação e impacto a cenários práticos de saúde pública. Estes estudos de caso demonstram como as medidas são utilizadas para analisar dados e responder a perguntas de pesquisa relevantes, transformando números em insights para a ação.
Caso 1: Fatores Socioeconômicos e Mortalidade (Estudo de Coorte)
Saiba mais sobre Estudos de Coorte
Cenário: Um estudo de coorte (Davey Smith et al., 1994) investigou a associação entre indicadores de posição socioeconômica e a mortalidade por todas as causas em uma grande população de homens. Um dos indicadores utilizados foi a posse de carro em 1981, e os participantes foram acompanhados até 1994. O objetivo era verificar se um marcador de maior poder aquisitivo estaria associado a um menor risco de morte.
- Desenho do Estudo: Coorte prospectiva.
- Medida de Associação: Neste tipo de análise de sobrevivência, a medida calculada foi o Hazard Ratio (HR), que pode ser interpretado de forma semelhante ao Risco Relativo (RR).
- Resultados: Para homens empregados, a comparação entre aqueles que possuíam carro e os que não possuíam revelou um Hazard Ratio (HR) de 0,70 (IC 95%: 0,67-0,73).
- Análise e Interpretação:
- O HR de 0,70 é menor que 1, indicando que a exposição (posse de carro) é um fator de proteção.
- O intervalo de confiança (0,67 a 0,73) não inclui o valor 1,0, o que confere significância estatística ao resultado.
- Conclusão: Homens que possuíam carro em 1981 tiveram um risco de morrer por todas as causas 30% menor (1 – 0,70 = 0,30) durante o período de seguimento, em comparação com aqueles que não possuíam carro.
- Implicações de Saúde Pública: Este achado evidencia o profundo impacto das desigualdades sociais na saúde. A posse de carro não é um fator causal direto da longevidade, mas um indicador de um conjunto mais amplo de condições favoráveis de vida (melhor acesso à saúde, nutrição, moradia, menor exposição a estressores) que se traduzem em menor mortalidade. Análises como esta são cruciais para fundamentar políticas públicas que visem reduzir as iniquidades em saúde.
Caso 2: Surto de Intoxicação Alimentar (Estudo de Caso-Controle)
Saiba mais sobre Estudos de Caso-Controle
Cenário: Após uma festa comunitária, várias pessoas apresentaram sintomas de gastroenterite aguda. Uma equipe de vigilância epidemiológica foi acionada para identificar a fonte do surto. Foi conduzido um estudo de caso-controle, entrevistando os doentes (casos) e um grupo de participantes da festa que não adoeceram (controles) sobre os alimentos que consumiram.
- Desenho do Estudo: Caso-controle.
- Medida de Associação: A medida adequada para este desenho é o Odds Ratio (OR).
- Dados Coletados:
| Alimento Consumido | Doentes (Casos) | Não Doentes (Controles) |
| Frango Assado | ||
| Sim | 60 | 65 |
| Não | 16 | 33 |
| Salada de Batata | ||
| Sim | 50 | 25 |
| Não | 26 | 73 |
- Análise e Interpretação:
- Cálculo do OR para o Frango Assado:
OR = (60 * 33) / (65 * 16) = 1980 / 1040 ≈ 1,90A chance de ter comido frango assado foi 1,9 vezes maior entre os doentes do que entre os não doentes. - Cálculo do OR para a Salada de Batata:
OR = (50 * 73) / (25 * 26) = 3650 / 650 = 5,62A chance de ter comido salada de batata foi 5,62 vezes maior entre os doentes do que entre os não doentes.
- Cálculo do OR para o Frango Assado:
- Conclusão da Investigação: A salada de batata apresentou um Odds Ratio substancialmente mais elevado, indicando uma associação muito mais forte com o adoecimento. Este resultado aponta a salada como o veículo mais provável da contaminação.
- Implicações de Saúde Pública: A análise rápida dos dados por meio do OR é uma ferramenta essencial para a vigilância epidemiológica. Ela permite identificar rapidamente a fonte provável de um surto, orientando ações imediatas de controle, como a retirada de alimentos do consumo e a inspeção sanitária do local de preparo, para prevenir novos casos.
5. Conclusão
Ao longo desta apostila, exploramos as ferramentas quantitativas essenciais da Epidemiologia, distinguindo claramente as medidas de associação das medidas de impacto. Vimos que as medidas de associação, como o Risco Relativo (RR) e o Odds Ratio (OR), são primordiais para quantificar a força da ligação entre uma exposição e um desfecho, sendo sua escolha determinada pelo desenho do estudo. Por outro lado, as medidas de impacto, como o Risco Atribuível (RA), a Fração Atribuível (FA) e o Número Necessário para Tratar (NNT), traduzem essa associação em termos de relevância para a saúde pública e a prática clínica, estimando o fardo da doença ou o benefício de uma intervenção.
A capacidade de não apenas calcular, mas principalmente de interpretar corretamente essas medidas, considerando o contexto do desenho do estudo, as potenciais fontes de viés e a diferença fundamental entre associação e causalidade, é uma competência indispensável para todos os profissionais da saúde. Seja na investigação das causas de uma epidemia, na avaliação da eficácia de uma nova vacina, no planejamento de programas de prevenção ou na decisão sobre o melhor tratamento para um paciente, essas métricas constituem o alicerce da saúde pública e da medicina baseadas em evidências (Sackett et al., 1996). Dominá-las é capacitar-se para transformar dados em conhecimento e conhecimento em ações efetivas para a promoção da saúde e o bem-estar da população.
6. Referências Bibliográficas
- ALMEIDA-FILHO, N.; PAIM, J. S. A Crise da Saúde Pública e a Utopia da Saúde Coletiva. Salvador: Casa da Saúde, 2000.
- DAVEY SMITH, G.; BLANE, D.; BARTLEY, M. Explanations for socioeconomic differentials in mortality: evidence from Britain and elsewhere. European Journal of Public Health, vol. 4, p. 131-144, 1994.
- DOLL, R.; HILL, A. B. A study of the aetiology of carcinoma of the lung. British Medical Journal, p. 1271-1286, 13 dez. 1952.
- FEINSTEIN, A. R. Clinical epidemiology: an additional basic science for clinical medicine. Annals of Internal Medicine, v. 99, p. 393-397, 1983.
- GORDIS, L. Epidemiologia. 5. ed. Rio de Janeiro: Revinter, 2017.
- MACMAHON, B.; YEN, S.; TRICHOPOULOS, D.; et al. Coffee and cancer of the pancreas. New England Journal of Medicine, v. 304, n. 11, p. 630-633, 1981.
- PAIM, J. S.; ALMEIDA-FILHO, N. Saúde Coletiva: Teoria e Prática. Rio de Janeiro: MedBook, 2014.
- ROTHMAN, K. J.; GREENLAND, S.; LASH, T. L. Modern Epidemiology. 3. ed. Philadelphia: Lippincott Williams & Wilkins, 2008.
- SACKETT, D. L.; ROSENBERG, W. M.; GRAY, J. A.; et al. Evidence based medicine: what it is and what it isn’t. BMJ, v. 312, n. 7023, p. 71-72, 1996.
- SUSSER, M. Causal thinking in the health sciences: concepts and strategies in epidemiology. New York: Oxford University Press, 1973.
