MMC 13 Aula 6 Estudos Painel Temporal

Epidemiologia

Ambiental

 Coorte prospectiva

 Múltiplos intervalos de tempo

 Sujeitos no início da pesquisa _ não

precisam estar livres da doença

 Série de estudos transversais feitos com a

mesma população em vários intervalos de tempo

 Exemplo:

 Estudo em sete universidades da Califórnia _

condições meteorológicas e poluição do ar

 Ocorrência de sintomas respiratórios

 Desenvolvimento e progressão de escoliose

em adolescentes _ observação de mudanças

 Determinação da ordem temporal correta _

freqüência das medições dos vários eventos.

 Participantes _ anotações diárias

 Entrevistas freqüentes (pessoalmente ou por

telefone)

 Medições objetivas em determinada

 Medições diárias _ obtenção de casos incidentes  Não há necessidade de recordar eventos em

períodos longos

 Monitoramento do mesmo indivíduo

 Facilitação na distinção da ordem temporal _ causa

e efeito

 Natureza da relação temporal mais esclarecida _

 Problemas _ similares aos encontrados em

estudos de coorte prospectivos

 Grandes amostras serão necessárias _

exceto se o efeito for comum

 Dificuldades de recrutamento.

 Evasão de sujeitos _ geração de viés

 Investigação com as mesmas questões _

 Efeitos “condicionantes”

 Interpretação da natureza da associação

causal _ não direta

 Rápido crescimento _ fatores hormonais  Fatores psicológicos predisponentes à

 Vigilância e avaliação de risco de riscos

ambientais

 Vigilância _ coleta sistemática, tratamento e

análise de dados ambientais e de saúde.

 Estudo da distribuição dos determinantes de

saúde

 Caráter ambiental _ substrato causal,

 Elementos necessários:

 Dados de alta qualidade sobre morbidade e

mortalidade

 Dados sobre população para cálculo de

taxas

 Dados de alta qualidade de monitoramento

 Características geográficas e temporais

 Monitoramento pessoal, monitoramento

biológico e dados de modelos de exposição para estimar transporte e transmissão.

 Padrões compatíveis nas várias fontes de

dados e vocabulários padronizados

 Resoluções suficientemente adequadas para

 Sistemas de disseminação de tais dados.

 Fornecimento de informações a longo-prazo.

 Capacidade de advertência precoce

 Habilidade de detecção incidência elevada

não-usual.

 Evitar ansiedade do público e investigações

Estudo Painel

 Exemplo: OR pra a relação de incidência de

dificuldade em respirar à elevação de PM2,5 e

número de concentrações de partículas na

Epidemiologia

Ambiental

Série-Temporal

 Estudam exposição e desfecho em uma

mesma unidade de tempo (dias, semanas) durante um período específico de tempo.

 As medidas de cada variável constituem a

série temporal

 Larga aplicação em epidemiologia da

Série-Temporal

 Exemplo: Total de mortes diárias na cidade

de Atenas de janeiro de 1992 a 1996 (a)

 Função de autocorrelação (b)  Série temporal de PM₁₀ (c);  O₃ (d)

 Rossi et al. Analysis of health outcome time

Série-Temporal

 Smog de Londres em 1952 → efeitos a

curto-prazo importantes → origem dos estudos.

 Considerações do tempo:

 Objetivos: avaliação das mudanças a

curto-prazo na saúde, à medida que há alterações na exposição.

 A alteração pode ser imediata ou apresentar

Série-Temporal

 Tempo decorrido entre a mudança da

exposição e a alteração no efeito: Lag

 Apresentação de padrões anuais ou

mensais, em geral.

 Pode haver a presença de picos por fatores

Série-Temporal

 Dados de exposição:

 Estudo pode ser aplicado a exposições com

variabilidade a curto prazo

 Uso de dados rotineiramente coletados por

sistemas de monitorização.

Série-Temporal

 Variáveis meteorológicas: temperaturas

(máxima, mínima, média) umidade relativa → variáveis explanatórias.

 Dados rotineiros (água, ar) → maior

Série-Temporal

 Dados de desfecho

 Baseados em registros de mortalidade,

internações hospitalares, consultas,como exemplo.

 Variáveis de confusão:

 Variáveis comportamentais ou características

pessoais → não apresentam muitos problemas.

 Variáveis associadas ao desfecho →

Série-Temporal

 Única variável potencialmente de confusão

→ variabilidade temporal a curto-prazo associada com a exposição e o desfecho.

 Períodos relacionados à sazonalidade

 Verificar exemplo de mortalidade e poluição

→ sazonalidade nítida.

 Variáveis meteorológicas → variáveis de

Série-Temporal

 Dia da semana também pode ser uma

variável de confusão importante.

 Seleção da população (subgrupos

sensíveis):

 Investigação → mais interessante dobre

Série-Temporal

 Vantagens e limitações:

 Relativamente fácil e barato em sua aplicação  O desenho é livre de confusão por todas as

variáveis que não variam de acordo com o período de tempo de agregação (ex: um dia)

 Limitações: dados de monitoramento podem

Série-Temporal

 Limitações:

 Indisponibilidade de dados hospitalares de

emergência

 Variabilidade individual não pode ser

analisada, por conta de dados agregados.

 Vieses por confusão residual nunca podem

Epidemiologia

Ambiental

Epidemiologia Espacial

 Descrição e análise de variações geográficas

na doença em relação fatores de risco ambientais, comportamentais e

sociodemográficos.

 Mapeamento das doenças, estudos de

correlação geográfica, agregado de doenças.

 Desenvolvimento substancial em SIG e

Epidemiologia Espacial

 Fronteiras arbitrárias (áreas administrativas),

comumente utilizadas → podem produzir resultados incorretos e distorcidos.

 Problema conhecido como Unidade de Área

Epidemiologia Espacial

 Desenho do estudo:

 Quatro tipos importantes: mapeamento de

doenças; estudos de correlação geográfica; detecção de agregados e estudos de fontes pontuais.

 Mapeamento de doenças → usados para

epidemiologia descritiva

Epidemiologia Espacial

 Estudos de fontes pontuais → pode

Epidemiologia Espacial

 Mapeamento de doenças ou de agravos

 Fornecimento de dados fundamentais sobre

padrões de saúde

 Pode elucidar mudanças em padrões de

doença no tempo

 Útil na exploração inicial de associações

Epidemiologia Espacial

 Mapeamento de casos de câncer →

facilmente interpretáveis

 Ex.: câncer nasal em áreas com manufatura

de móveis; câncer de pulmão em localidades com indústrias petroquímicas; câncer de

bexiga onde há uma concentração de

Epidemiologia Espacial

 Mapas de doenças em áreas pequenas →

mais difíceis de produzir e interpretar

 Ex.: elevação da incidência de câncer de

próstata → possivelmente ligado a exposições ambientais.

 Exposição a carcinogênicos ambientais →

Epidemiologia Espacial

 Small Area Health Unit (SAHSU) → não

mostra qualquer variabilidade geográfica importante em uma escala delimitada no Reino Unido → contra um fator ambiental variando geograficamente e operando

fortemente na etiologia do câncer.

 Cuidados na análise → tempo de latência e

Estimativas de risco suavizadas e não suavizadas de câncer de próstata em áreas ao noroeste e

Epidemiologia Espacial

 Métodos estatísticos

 SMR e SIR → estimativas comumente

utilizadas

 yi = agravos observados → distribuição de

Poisson com média r_iE_i, onde Ei = número

esperado padronizado por sexo e idade e ri é

Epidemiologia Espacial

 Estudos de correlação geográfica

 Unidade de análise é um agregado da

população

 Análise estatística → regressão log-linear de

Poisson

Epidemiologia Espacial

 Onde: yi, ri e Ei foram definidos

anteriormente e Xik é o valor sumário (média) da exposição k na área i.

 Exemplo: yi → número anual de casos de

câncer de seio na país i e Xi pode ser a média de consumo de gordura por adulta naquele país.

Epidemiologia Espacial

 Desenvolvimento de hipóteses de grande

importância

 Exemplo: viver próximo a um aterro e dar à

luz a uma criança com anomalia congênita.

 Estudo de Elliott et al. Risk of adverse birth outcomes in

populations living near landfill sites BMJ. 2001; 363-68.

 Encontrado um pequeno excesso de risco de anomalia

congênita e baixo e muito baixo peso ao nascer em populações vivendo próximas a aterros.