Desenho Caso-Controle — Estudo Epidemiológico Auto-Pareado de Exposições Transitórias
- Proposto por
- Malcolm Maclure
- Ano
- 1991
- Tipo
- Observational epidemiological study design
- Família
- Clinical / epidemiology
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
O desenho caso-crossover é um método epidemiológico observacional que estima se uma exposição transitória desencadeia um evento agudo, comparando a exposição de cada caso durante uma breve janela de perigo imediatamente antes do evento com sua própria exposição durante períodos de controle anteriores.
Como cada pessoa serve como seu próprio controle, todas as características pessoais estáveis são automaticamente ajustadas, tornando o desenho especialmente poderoso para estudar exposições intermitentes e desfechos de início súbito, como infarto do miocárdio, AVC ou lesões.
A intuição por trás do método
Imagine que você queira saber se o esforço físico intenso desencadeia ataques cardíacos. Em vez de comparar pessoas que tiveram ataques cardíacos com outras pessoas que não tiveram, o desenho caso-crossover pergunta: esta pessoa esteve mais ativa fisicamente na hora anterior ao seu ataque cardíaco do que normalmente esteve durante horas semelhantes em dias ou semanas anteriores? Cada paciente responde a esta pergunta usando seu próprio histórico como referência. Esta comparação intra-indivíduo remove o confundimento por tudo o que é constante sobre esse indivíduo — sua genética, condições crônicas e estilo de vida — focando a análise puramente na exposição transitória de interesse.
História
O desenho caso-crossover foi introduzido por Malcolm Maclure em um artigo de 1991 na American Journal of Epidemiology como um método especificamente adaptado para estudar se exposições breves desencadeiam eventos de início agudo. O desenho empresta a lógica do ensaio clínico crossover, mas o aplica observacionalmente: cada caso fornece seus próprios dados de controle de um período de referência anterior. Murray Mittleman e colegas refinaram as estratégias de seleção de períodos de controle em 1995, e trabalhos metodológicos subsequentes de Navidi (1998) e Lumley e Levy (2000) abordaram o viés de tendência e o debate bidirecional versus unidirecional. Desde então, o desenho tem sido amplamente adotado na epidemiologia cardiovascular, pesquisa em saúde ambiental e farmacovigilância.
Quando usar
Use o desenho caso-crossover quando sua pergunta de pesquisa for se uma exposição transitória e intermitente desencadeia agudamente um evento de início súbito (por exemplo, um pico de poluição do ar aumenta o risco de ataque de asma nas próximas horas?). É ideal quando confundidores estáveis são uma grande preocupação, pois o pareamento intra-indivíduo os elimina automaticamente. O desenho requer que a exposição varie dentro da mesma pessoa em curtos intervalos de tempo e que o tempo de indução entre exposição e evento seja curto e bem compreendido. NÃO o use quando a exposição for estável ou mudar apenas lentamente ao longo da vida (por exemplo, status de fumante, fatores genéticos) — a variação intra-indivíduo será próxima de zero, tornando o desenho ininformativo. Evite-o também quando o evento for raro, mas o desfecho tiver uma longa latência, ou quando o viés de recordação da exposição não puder ser adequadamente controlado.
Limitações e considerações
- Só pode estudar exposições transitórias que variam dentro da mesma pessoa na escala de tempo relevante — exposições estáveis não podem ser avaliadas.
- O viés de recordação é uma preocupação séria quando a apuração da exposição depende da memória do participante, particularmente quando os casos podem relatar inconscientemente excessivamente a exposição pré-evento.
- O viés de tendência (mudanças seculares na exposição ao longo do tempo) pode afetar desenhos unidirecionais; desenhos bidirecionais podem introduzir viés de dependência da exposição se os desfechos alterarem a exposição subsequente.
- O período de indução — o atraso entre a exposição e o evento — deve ser especificado a priori; a especificação incorreta da janela de perigo pode distorcer substancialmente as estimativas.
- Não pode estimar taxas de eventos absolutas ou riscos atribuíveis à população; apenas medidas relativas (razões de chances) são produzidas.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Controle completo de todos os confundidores fixos em nível individual (genética, estilo de vida estável, status socioeconômico) por desenho.
- Eficiente — apenas casos são necessários; nenhum grupo de controle separado precisa ser recrutado.
- Particularmente adequado para estudar gatilhos ambientais ou comportamentais transitórios de eventos cardiovasculares, respiratórios ou de lesões agudas.
- Corresponde naturalmente a fontes de dados administrativas (admissões hospitalares, dados de monitoramento ambiental) permitindo análises em larga escala.
- Reduz o viés de seleção que surge ao escolher um grupo de controle externo apropriado.
Aplicações
- Estimar o risco de desencadeamento a curto prazo de infarto do miocárdio associado a esforço físico extenuante, raiva ou atividade sexual.
- Avaliar se picos de curto prazo na poluição do ar ambiente (PM2.5, ozônio) aumentam o risco horário de visitas de emergência por asma ou hospitalização cardiovascular.
- Investigar se o consumo de álcool nas horas que antecedem um acidente de trânsito atua como gatilho.
- Estudos farmacovigilância de associações droga-evento onde a droga é tomada intermitentemente e o início do evento adverso é agudo.
- Estudar se exposições ocupacionais em turnos ou tarefas específicas desencadeiam eventos musculoesqueléticos ou cardiovasculares agudos.
- Epidemiologia ambiental ligando extremos climáticos (ondas de calor, ondas de frio) a desfechos agudos usando janelas de tempo pareadas em nível individual.
Como funciona
Como funciona
Todos os indivíduos que experimentam o desfecho agudo de interesse (por exemplo, infarto do miocárdio, queda, acidente de trânsito) durante o período de estudo são incluídos como casos. Apenas pessoas que realmente experimentaram o evento contribuem com dados; não há um grupo separado de não-casos a ser recrutado, tornando o desenho eficiente em cenários onde existem registros de casos.
Uma janela de perigo é definida como o breve intervalo imediatamente anterior ao evento — por exemplo, uma ou duas horas antes do início dos sintomas. O status de exposição durante esta janela é a variável chave: a exposição desencadeadora (por exemplo, esforço extenuante, pico de poluição do ar, ingestão de álcool) estava presente ou ausente?
Períodos de controle são janelas de tempo do passado recente do mesmo indivíduo quando o evento não ocorreu. Estratégias comuns são bidirecionais (períodos antes e depois do evento) e unidirecionais (períodos apenas antes do evento). Os períodos de controle são tipicamente pareados por hora do dia e dia da semana para evitar confundimento por ritmos circadianos ou semanais.
A exposição durante o período de perigo e todos os períodos de controle é apurada — idealmente a partir de registros objetivos (dados eletrônicos de saúde, monitores ambientais, rastreadores de atividade) ou recordação de entrevista estruturada. A exposição deve ser transitória e capaz de variar dentro da mesma pessoa ao longo do tempo; exposições estáveis e invariantes no tempo não podem ser estudadas com este desenho.
Como cada pessoa contribui com um período de perigo e um ou mais períodos de controle, os dados são analisados usando regressão logística condicional pareada pela identidade do sujeito. A razão de chances resultante estima o risco relativo do evento após a exposição em comparação com os períodos de não-exposição para o mesmo indivíduo.
Fórmula
OR = exp(beta), from conditional logistic regression matched on individual
Erros comuns
- Especificação incorreta do comprimento da janela de perigo — se a janela for muito ampla, ela dilui o efeito transitório; muito estreita e a exposição real é perdida. A escolha deve ser biologicamente justificada, não orientada por dados.
- Ignorar o viés de tendência em desenhos unidirecionais — se a exposição basal de uma pessoa estiver aumentando ao longo do tempo, os períodos de controle do passado mostrarão sistematicamente menor exposição do que o período de perigo, inflando a razão de chances.
- Usar o desenho para exposições de mudança lenta — quando a exposição varia pouco dentro de uma pessoa (por exemplo, índice de massa corporal, intensidade do tabagismo em algumas semanas), a regressão logística condicional será baseada em quase nenhum contraste intra-indivíduo, produzindo estimativas instáveis ou ininterpretáveis.
- Ignorar a dependência da exposição — em desenhos bidirecionais, o próprio evento pode alterar a exposição subsequente (por exemplo, um ataque cardíaco leva à redução do esforço), enviesando as estimativas de exposição dos períodos de controle.
Perguntas frequentes
Como o desenho caso-crossover difere de um estudo caso-controle padrão?
Em um estudo caso-controle tradicional, casos (pessoas que tiveram o evento) são comparados com controles recrutados separadamente (pessoas que não tiveram). O confundimento por características estáveis — idade, sexo, estilo de vida — deve ser tratado por pareamento ou ajuste. No desenho caso-crossover, cada caso serve como seu próprio controle, contribuindo com dados de exposição de seus próprios períodos de tempo anteriores. Isso elimina automaticamente todos os confundidores pessoais fixos, mas limita o desenho a exposições transitórias.
Qual a diferença entre o desenho caso-crossover unidirecional e bidirecional?
No desenho unidirecional, os períodos de controle são extraídos apenas do tempo anterior ao evento, evitando quaisquer mudanças de exposição que o próprio evento possa causar. No entanto, se a exposição estiver tendendo para cima ao longo do tempo, isso introduz viés de tendência. O desenho bidirecional utiliza períodos de controle tanto antes quanto depois do evento, o que cancela as tendências temporais, mas pode introduzir viés de dependência da exposição se o evento alterar a exposição subsequente. A escolha depende se as tendências de exposição ou as mudanças de exposição impulsionadas pelo evento são a maior preocupação.
Qual método estatístico é usado para analisar um estudo caso-crossover?
Regressão logística condicional pareada pela identidade individual é a abordagem padrão. Cada estrato (um período de perigo e um ou mais períodos de controle da mesma pessoa) é analisado conjuntamente, e o modelo estima uma razão de chances para o efeito da exposição transitória, líquido de todas as características estáveis intra-indivíduo.
Posso estudar mais de uma exposição transitória simultaneamente?
Sim. Múltiplas exposições transitórias podem ser incluídas no modelo de regressão logística condicional simultaneamente, desde que cada exposição varie suficientemente dentro dos indivíduos entre os períodos de perigo e controle. Termos de interação entre exposições (por exemplo, esforço combinado com raiva) também podem ser examinados, como demonstrado em estudos iniciais de gatilhos cardiovasculares.
O desenho caso-crossover é apropriado para dados ambientais de séries temporais em nível populacional?
O desenho clássico caso-crossover usa pareamento em nível individual. Para dados ambientais em nível populacional (contagens diárias de poluição versus admissões hospitalares diárias), a análise caso-crossover estratificada por tempo pode ser usada; ela está intimamente relacionada, e muitas vezes matematicamente equivalente, à regressão de séries temporais baseada em Poisson. O desenho em nível individual é preferível quando dados de exposição em nível individual estão disponíveis, pois fornece inferência causal intra-indivíduo direta.
Métodos relacionados
Fontes
Maclure, M. (1991). The case-crossover design: A method for studying transient effects on the risk of acute events. American Journal of Epidemiology, 133(2), 144–153.
Abrir referência DOICopiado.Mittleman, M. A., Maclure, M., & Robins, J. M. (1995). Control sampling strategies for case-crossover studies: An assessment of relative efficiency. American Journal of Epidemiology, 142(1), 91–98.
Abrir referência DOICopiado.