Skip to content
Voltar aos resultados

Estudo de Caso-Controle — Desenho Epidemiológico Observacional

Proposto por
Janet Lane-Claypon (early precursors, 1926); formalized by Brian MacMahon and Jerome Cornfield in the 1950s–1960s
Ano
1950s (formal methodology); precursors in the 1920s
Tipo
Observational analytic study design
Família
Clinical / epidemiology

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

Um estudo de caso-controle é um desenho observacional retrospectivo no qual indivíduos que desenvolveram uma doença ou desfecho de interesse (casos) são comparados com indivíduos que não o desenvolveram (controles) para determinar se a exposição prévia a um fator de risco putativo difere entre os dois grupos.

A principal medida de associação é a razão de chances (odds ratio), que aproxima o risco relativo quando o desfecho é raro. Estudos de caso-controle são especialmente eficientes para investigar doenças raras e gerar hipóteses etiológicas.

A intuição por trás do método

Suponha que você queira saber se uma exposição particular a um pesticida causa um câncer raro. Realizar um estudo de coorte prospectivo exigiria o acompanhamento de centenas de milhares de pessoas por décadas — impraticável e caro. Um estudo de caso-controle inverte a linha do tempo: comece com pacientes que já têm o câncer (casos) e um grupo pareado sem ele (controles), e então olhe para trás para descobrir quem foi exposto. Ao comparar as frequências de exposição passadas entre os dois grupos, você pode estimar quão fortemente a exposição está associada à doença. A lógica é como um trabalho de detetive — o desfecho é conhecido, e você trabalha retroativamente para identificar suas causas prováveis.

História

O desenho de caso-controle tem raízes na epidemiologia clínica do início do século XX. O estudo de Janet Lane-Claypon de 1926 sobre fatores de risco de câncer de mama é frequentemente citado como precursor. As bases metodológicas formais foram estabelecidas nos anos 1950 por Brian MacMahon, Jerome Cornfield, Nathan Mantel e William Haenszel, cujo artigo de 1959 sobre pareamento e estratificação permanece um marco. O estudo seminal de caso-controle de Richard Doll e Bradford Hill de 1950, ligando o tabagismo ao câncer de pulmão, trouxe o desenho para a proeminência internacional. O livro de James Schlesselman de 1982 codificou os métodos, e as décadas subsequentes viram a integração da regressão logística multivariável e desenhos aninhados na prática padrão.

Quando usar

Use um estudo de caso-controle quando o desfecho for raro ou tiver uma longa latência (tornando o acompanhamento prospectivo impraticável), quando múltiplas exposições precisarem ser avaliadas simultaneamente para um único desfecho, ou quando os recursos forem limitados. É o desenho de escolha para geração de hipóteses na etiologia de doenças. Não use um desenho de caso-controle quando a exposição for rara (um estudo de coorte é mais eficiente), quando dados de incidência forem necessários (estudos de caso-controle produzem razões de chances, não taxas de incidência), ou quando a sequência temporal entre exposição e desfecho não puder ser estabelecida de forma confiável a partir dos registros disponíveis — o que impediria a inferência causal.

Limitações e considerações

  • Suscetível a viés de recordação: casos podem lembrar exposições passadas com mais (ou menos) precisão do que controles, inflando ou diminuindo a associação estimada.
  • Viés de seleção pode surgir se casos e controles não forem extraídos da mesma população fonte, tornando a seleção de controles a decisão metodologicamente mais crítica.
  • Não pode estimar diretamente taxas de incidência ou riscos absolutos — apenas razões de chances, que aproximam o risco relativo apenas quando a prevalência da doença é baixa.
  • A temporalidade da relação exposição-desfecho pode ser difícil de estabelecer a partir de dados retrospectivos, limitando a inferência causal.

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Altamente eficiente para doenças raras: mesmo com uma amostra pequena, estimativas significativas de associação são alcançáveis.
  • Relativamente rápido e barato em comparação com estudos de coorte prospectivos, pois o tempo de acompanhamento é eliminado.
  • Permite a avaliação simultânea de múltiplas exposições ou fatores de risco para um único desfecho.
  • Adequado para estudar doenças com longos períodos de latência, onde desenhos prospectivos seriam impraticáveis.

Aplicações

  • Investigação de fatores de risco ambientais ou ocupacionais para cânceres raros (por exemplo, amianto e mesotelioma, radônio e câncer de pulmão).
  • Identificação de fatores de risco para surtos de doenças infecciosas durante investigações rápidas de saúde pública.
  • Estudo de efeitos adversos de medicamentos ou vacinas onde a taxa de eventos é muito baixa para dimensionar um ensaio randomizado.
  • Exploração de fatores de risco genéticos, de estilo de vida e dietéticos para doenças cardiovasculares, diabetes ou condições neurológicas.
  • Avaliação de exposições maternas associadas a anomalias congênitas ou resultados adversos ao nascer.

Como funciona

Como funciona

1

Defina precisamente o grupo de casos usando critérios diagnósticos claros e reproduzíveis (por exemplo, diagnóstico histológico confirmado). Defina o grupo de controle para representar a mesma população fonte da qual os casos surgiram — os controles devem ser pessoas que teriam se tornado casos se tivessem desenvolvido o desfecho. A ambiguidade em qualquer definição é uma fonte importante de viés.

2

Recrute casos (incidentes ou prevalentes, dependendo da questão de pesquisa) e controles de uma população fonte apropriada. Os controles podem ser baseados na população (amostra aleatória), baseados em hospital ou pareados com os casos em potenciais fatores de confusão chave, como idade, sexo ou área geográfica. O pareamento melhora a eficiência, mas requer análise pareada.

3

Colete o histórico de exposição para ambos os grupos usando os mesmos métodos — entrevistas estruturadas, registros médicos, espécimes biológicos ou ligação a bancos de dados administrativos. O cegamento dos entrevistadores quanto ao status de caso/controle reduz o viés de recordação diferencial e o viés do entrevistador. Valide as medidas de exposição sempre que possível.

4

Construa uma tabela de contingência 2×2 (exposto/não exposto × caso/controle). Calcule a razão de chances: RC = (a × d) / (b × c), onde a = casos expostos, b = casos não expostos, c = controles expostos, d = controles não expostos. Aplique regressão logística para ajustar para fatores de confusão e obter intervalos de confiança e valores p.

Fórmula
OR = (a/b) / (c/d) = (a \times d) / (b \times c)
5

Identifique potenciais fatores de confusão a priori e aborde-os através do desenho do estudo (pareamento, restrição) ou análise (regressão logística multivariável, estratificação). Avalie a modificação de efeito examinando se a RC difere entre estratos de uma terceira variável. Análises de sensibilidade testam quão robustas são as descobertas em relação ao confundimento não medido.

6

Uma RC > 1 sugere associação positiva entre exposição e desfecho; RC < 1 sugere associação protetora. Interprete a RC no contexto de seu intervalo de confiança, significância estatística, plausibilidade biológica, evidência de dose-resposta e consistência com outros estudos. Lembre-se que a RC aproxima o risco relativo apenas quando a doença é rara (< 10% de prevalência).

Erros comuns

  • Grupo de controle inadequado: selecionar controles hospitalares quando os casos são baseados na população (ou vice-versa) introduz viés de seleção e distorce a razão de chances — os controles devem representar a mesma população fonte que os casos.
  • Ignorar o viés de recordação: usar auto-relato de exposição sem cegamento, validação ou triangulação com registros objetivos infla as associações aparentes quando os casos ruminam mais sobre as causas potenciais de sua doença.
  • Sobrematching: parear casos e controles em variáveis que estão na via causal (intermediários) remove a variação exposição-desfecho que você está tentando detectar, mascarando associações reais.
  • Tratar casos prevalentes como se fossem incidentes: casos prevalentes sobrevivem com sua doença, introduzindo viés de sobrevivência — casos incidentes (recém-diagnosticados) são fortemente preferidos.
  • Aplicar a RC como se fosse igual ao risco relativo quando a prevalência do desfecho é alta (> 10%): em tais situações, a RC superestima substancialmente o risco relativo, e medidas alternativas devem ser usadas.

Perguntas frequentes

Qual a diferença entre um estudo de caso-controle e um estudo de coorte?

Um estudo de coorte começa com o status de exposição e acompanha os participantes ao longo do tempo para ver quem desenvolve o desfecho; ele pode estimar taxas de incidência e riscos relativos diretamente. Um estudo de caso-controle começa com o status de desfecho (casos vs. controles) e olha para trás para a exposição passada; ele produz razões de chances e é mais eficiente para desfechos raros, mas não pode estimar a incidência. Os dois desenhos são complementares: estudos de coorte são melhores para desfechos comuns com acompanhamento curto; estudos de caso-controle são melhores para doenças raras ou condições de longa latência.

Quando a razão de chances aproxima o risco relativo?

A razão de chances (RC) é uma aproximação válida do risco relativo (RR) quando a doença ou desfecho é raro — convencionalmente considerado como prevalência abaixo de 10%. Quando o desfecho é comum, a RC diverge do RR e o superestima. Em cenários de alta prevalência, considere usar regressão log-binomial ou de Poisson para estimar o RR diretamente, ou relatar a RC com o reconhecimento explícito de sua não equivalência ao RR.

Como devo selecionar os controles?

Os controles devem ser representativos da população fonte da qual os casos surgiram — ou seja, se um controle tivesse desenvolvido o desfecho, ele teria sido elegível para se tornar um caso. Controles baseados na população (amostrados aleatoriamente da comunidade) são metodologicamente preferidos, mas operacionalmente exigentes. Controles baseados em hospital são convenientes, mas podem introduzir viés se a frequência hospitalar estiver ela mesma associada à exposição em estudo. A escolha deve ser justificada e suas implicações avaliadas por meio de análise de sensibilidade.

O que é um estudo de caso-controle aninhado?

Um estudo de caso-controle aninhado está embutido dentro de uma coorte definida. Casos são indivíduos que desenvolvem o desfecho durante o acompanhamento; controles são amostrados de membros da coorte que ainda não desenvolveram o desfecho no momento em que cada caso é identificado (amostragem de conjunto de risco). Este desenho retém a eficiência da abordagem de caso-controle, ao mesmo tempo que permite estimativas de densidade de incidência e reduz substancialmente o viés de recordação e seleção, pois as exposições foram frequentemente medidas prospectivamente antes que os desfechos ocorressem.

Como lidar com comparações múltiplas ao testar muitas exposições?

Testar muitas exposições simultaneamente infla a taxa de falsos positivos. Especifique hipóteses primárias e secundárias com antecedência, aplique correções apropriadas (Bonferroni, taxa de descoberta falsa) para análises secundárias e interprete associações nominalmente significativas entre múltiplas exposições com cautela. O pré-registro do protocolo do estudo — com exposições primárias claramente declaradas — fortalece muito a credibilidade.

Métodos relacionados

Fontes

  1. Schlesselman, J.J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.

    ISBN: 978-0195027860
    Copiado.
  2. Rothman, K.J., Greenland, S., & Lash, T.L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN: 978-0781755641
    Copiado.