Estudo de Caso-Controle Pareado
- Proposto por
- Brian MacMahon and others; systematised by Schlesselman (1982)
- Ano
- 1950s–1970s
- Tipo
- Observational analytic design
- Família
- Clinical / epidemiology
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
Um estudo de caso-controle pareado é um desenho observacional epidemiológico no qual cada caso (uma pessoa com a doença ou desfecho de interesse) é pareado com um ou mais controles (pessoas sem o desfecho) que compartilham uma ou mais características — como idade, sexo ou cenário clínico — para controlar o confundimento.
O histórico de exposição é então comparado entre casos e seus controles pareados para estimar a razão de chances (odds ratio) da associação exposição-doença.
A intuição por trás do método
Pense nisso como um detetive pareando suspeitos com sósias. Se você quer saber se uma exposição particular causou uma doença, você encontra um paciente com a doença e, em seguida, localiza uma ou mais pessoas semelhantes — mesma idade, mesmo sexo, mesmo hospital — que não contraíram a doença. Ao manter essas características de fundo idênticas, qualquer diferença no histórico de exposição entre o par é muito mais provável de refletir um vínculo real em vez de um fator de confundimento. O pareamento (matching) aperta a comparação para que o sinal seja mais limpo, ao custo de alguma flexibilidade na análise.
História
O desenho caso-controle foi formalizado na epidemiologia na década de 1950, com estudos marcantes de Doll e Hill (1950) sobre tabagismo e câncer de pulmão usando controles hospitalares. O princípio do pareamento para melhorar a comparabilidade foi aplicado precocemente e codificado por Brian MacMahon e colegas. O livro-texto de James Schlesselman, Case-Control Studies (1982), estabeleceu o arcabouço analítico para desenhos pareados, incluindo a razão de chances pareada e a regressão logística condicional. O artigo de Nathan Mantel e William Haenszel de 1959 forneceu métodos estratificados fundamentais que sustentam a análise pareada, e a abordagem de regressão logística condicional foi desenvolvida nas décadas de 1970-1980, tornando-se a ferramenta analítica padrão para dados de caso-controle individualmente pareados.
Quando usar
Usar um estudo de caso-controle pareado ao estudar uma doença ou desfecho raro onde um estudo de coorte completo exigiria amostras impraticavelmente grandes ou acompanhamento muito longo; quando confundidores específicos (como idade, sexo ou centro clínico) precisam de controle rigoroso; e quando os recursos permitem pareamento individual cuidadoso e análise condicional. É especialmente valioso em cenários hospitalares e investigações de surtos. Não usar pareamento quando as variáveis de pareamento são intermediários potenciais na via causal (sobrepareamento), quando o número de casos é muito pequeno e parceiros de pareamento não podem ser encontrados, ou quando exposições que variam no tempo tornam o pareamento estático inadequado — nessas situações, um desenho caso-crossover ou de coorte pode ser preferível. O pareamento não elimina o confundimento não medido.
Limitações e considerações
- Não é possível estimar a prevalência ou incidência do desfecho — apenas a razão de chances para a associação exposição-desfecho.
- As variáveis de pareamento não podem ser estudadas como exposições, a menos que métodos analíticos complexos sejam usados.
- O sobrepareamento (matching on a variable associated with exposure but not disease) infla o tamanho da amostra necessário e enviesa a razão de chances em direção à nulidade.
- Encontrar controles pareados adequados pode ser difícil, particularmente para combinações raras de critérios de pareamento, levando a casos não pareados que devem ser excluídos.
- A estrutura pareada deve ser mantida na análise; ignorá-la (usando regressão logística incondicional) produz estimativas enviesadas.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Controla eficientemente confundidores fortes (idade, sexo, centro clínico) por meio do desenho, em vez de apenas por ajuste estatístico.
- Bem adequado para desfechos raros onde uma coorte completa não é viável; uma fração da amostra não pareada pode atingir precisão comparável.
- Reduz a variabilidade dentro dos conjuntos pareados, muitas vezes aumentando a eficiência estatística para um determinado tamanho de amostra.
- Amplamente aceito e bem compreendido em periódicos clínicos e epidemiológicos; a regressão logística condicional é padrão e implementada em todos os principais pacotes estatísticos.
Aplicações
- Investigar fatores de risco para cânceres raros, pareando pacientes hospitalizados com câncer a controles do mesmo hospital por idade, sexo e enfermaria de admissão.
- Investigações de surtos em que casos de doenças transmitidas por alimentos são pareados a controles de bairro por localização geográfica e ocasião da refeição.
- Estudos farmacoepidemiológicos examinando reações adversas a medicamentos, com casos pareados a controles expostos a medicamentos por indicação, idade e comorbidade.
- Estudos de epidemiologia ocupacional de exposições raras (por exemplo, agentes químicos específicos) com controles pareados por indústria para remover o confundimento ocupacional.
- Epidemiologia genética onde casos e controles são pareados por etnia para minimizar a estratificação populacional antes da genotipagem.
- Estudos de emergência e cirurgia onde a admissão hospitalar fornece um quadro de pareamento natural para questões de exposição-desfecho agudas.
Como funciona
Como funciona
Formular uma definição precisa de caso especificando a doença ou desfecho, seus critérios diagnósticos, a população elegível (população fonte) e a janela de tempo. Identificar a exposição de interesse e os confundidores que você pretende controlar por meio do pareamento. Pré-especificar a razão de pareamento (1:1, 1:2, etc.) e as variáveis de pareamento.
Recrutar casos incidentes ou prevalentes de uma fonte definida, como registros hospitalares, registros de doenças ou um sistema de vigilância. Confirmar que cada caso atende à definição de caso. Selecionar controles da mesma população fonte — pessoas que teriam sido elegíveis para se tornar um caso — usando estratégias de amostragem baseadas em hospital, baseadas em população ou por densidade.
Para cada caso, selecionar um ou mais controles que compartilhem os valores das variáveis de pareamento (por exemplo, mesma faixa etária de cinco anos e sexo). O pareamento individual (um para um ou um para muitos) vincula cada controle a um caso específico; o pareamento por frequência equilibra as distribuições em todo o estudo. Documentar a razão de pareamento e quaisquer larguras de calibre (caliper widths) utilizadas.
Verificar o status de exposição tanto para casos quanto para seus controles pareados, usando o mesmo método de medição para ambos os grupos para evitar classificação incorreta diferencial. Fontes comuns incluem entrevistas, registros médicos, dados de biobanco ou bancos de dados administrativos. O cegamento dos avaliadores de desfecho quanto ao status de caso/controle reduz o viés de informação.
Analisar dados pareados com regressão logística condicional (ou teste de McNemar para pares pareados 1:1) para preservar a estrutura pareada. Para um desenho simples de pareamento 1:1, a razão de chances pareada é estimada como OR = b/c, onde b = pares discordantes com caso exposto e controle não exposto, e c = pares discordantes com caso não exposto e controle exposto. Ajustar para covariáveis adicionais dentro do modelo condicional.
Fórmula
OR = (b / c)
Expressar os resultados como razões de chances pareadas com intervalos de confiança de 95%. Avaliar se as variáveis de pareamento foram apropriadas, verificar o sobrepareamento (matching on an exposure intermediate) e avaliar o confundimento residual. Discutir a validade externa em relação à população fonte.
Erros comuns
- Sobrepareamento: selecionar variáveis de pareamento que se situam na via causal entre exposição e doença (intermediários) remove a variação necessária para detectar a associação e enviesa a OR em direção a 1.0.
- Quebra do pareamento na análise: analisar dados pareados com regressão logística padrão (incondicional) descarta os ganhos de eficiência do pareamento e pode introduzir viés — sempre usar regressão logística condicional ou teste de McNemar.
- Viés de recordação: se os casos recordam exposições com mais vivacidade do que os controles (recordação diferencial), a razão de chances será superestimada; usar registros objetivos ou biomarcadores onde possível.
- Ignorar casos não pareados: excluir casos para os quais nenhum controle pareado foi encontrado pode introduzir viés de seleção se a exclusão estiver relacionada à exposição.
- Controle insuficiente para confundimento residual: parear por categorias amplas (por exemplo, faixas etárias de dez anos) deixa o confundimento dentro da categoria sem solução; refinar categorias ou ajustar para idade continuamente no modelo.
Perguntas frequentes
Por que devo usar regressão logística condicional em vez de regressão logística ordinária?
Em um estudo individualmente pareado, o caso e seus controles pareados formam um estrato. A regressão logística incondicional trata todos os estratos como uma única amostra agrupada, o que produz estimativas enviesadas porque os interceptos de conjunto pareado são tratados como parâmetros fixos — levando ao problema dos parâmetros incidentais. A regressão logística condicional condiciona a estatística suficiente para cada conjunto pareado, eliminando os interceptos específicos do estrato e produzindo uma razão de chances pareada não enviesada.
O que é sobrepareamento e por que ele é prejudicial?
O sobrepareamento ocorre quando você pareia com uma variável que está associada à exposição, mas não independentemente à doença (ou é um intermediário no caminho causal). Como casos e controles então têm históricos de exposição semelhantes por desenho, o contraste entre os grupos é reduzido, a razão de chances é enviesada em direção a 1, e uma amostra maior é necessária para atingir o mesmo poder. Evite parear com variáveis que possam ser consequências a jusante da exposição.
Como escolho a razão de pareamento?
Uma razão de 1:1 é a mais comum e fácil de gerenciar. Aumentar para 1:2 ou 1:3 controles por caso melhora a precisão quando os casos são raros, mas os controles são abundantes; o ganho de eficiência diminui além de 1:4 e raramente justifica a complexidade adicionada. Se os casos são muito raros e os controles abundantes, uma razão de 1:4 é frequentemente considerada o máximo prático.
Posso estudar múltiplas exposições no mesmo estudo de caso-controle pareado?
Sim. O modelo de regressão logística condicional pode incluir múltiplas variáveis de exposição simultaneamente, permitindo a avaliação de vários fatores de risco enquanto preserva a estrutura pareada. No entanto, cada exposição adicional adiciona parâmetros e requer uma amostra adequadamente dimensionada; evite a mineração de dados (data dredging) pré-especificando exposições primárias e secundárias em um protocolo de estudo.
Qual é a diferença entre pareamento individual e pareamento por frequência?
O pareamento individual (por par) vincula cada caso específico a um ou mais controles específicos com base em variáveis de pareamento, exigindo análise condicional. O pareamento por frequência garante que a distribuição geral das variáveis de pareamento seja equilibrada entre casos e controles, mas não cria pares específicos de casos; pode ser analisado com regressão logística incondicional ajustando para as variáveis de pareamento. O pareamento individual fornece controle mais rigoroso, mas é logisticamente mais exigente e restringe a análise.
Métodos relacionados
Fontes
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755474Copiado.Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN: 978-0195029338Copiado.