Associação não é o mesmo que causalidade
Posted on 8th March 2018 by Izabel de Oliveira
This blog is a Portuguese translation of the third in a series of 36 blogs, based on a list of ‘Key Concepts’ developed by an Informed Health Choices project team. Read the English version here. With thanks to Izabel Oliveira and Cochrane Brazil for the translation.
—————————————————–
se um resultado é diretamente causado por um tratamento ou ocorre por coincidência é um problema antigo. Frequentemente, o estabelecimento de uma ligação causal pode ser difícil e a causalidade é atribuída a uma intervenção que a evidência não pode provar. Existem muitos exemplos nos quais a associação pode ter sido confundida com a causalidade e é importante que ao avaliar a evidência de um efeito causador, ensaios adequados sejam conduzidos para descartar outras variáveis.
Correlações espúrias: coma queijo e fique emaranhado em seus lençóis…
Existem muitas coincidências na vida nas quais as correlações podem ser encontradas entre dois fatores aparentemente aleatórios. É improvável que uma coisa cause a outra, ainda que alguns acreditem que sim. Por exemplo, o consumo de queijo nos EUA entre 2000 e 2009 correlacionado com o número de mortes por emaranhamento de pessoas em seus lençóis.[2] Algum desses fatores causa o outro? Provavelmente não.
Correlações espúrias: assista a um filme Nicholas Cage e se afogue em uma piscina…
Além disso, o número de pessoas que se afogaram em uma piscina entre 1999 e 2009, correlacionado com o número de filmes estrelados por Nicholas Cage lançados durante esse período.[3] É altamente improvável que Nicholas Cage seja a causa de pessoas se afogando em piscinas (embora, se as vítimas estivessem assistindo um filme de Nicholas Cage, poderiam ter se beneficiado com o afogamento), mas as duas taxas estão quase identicamente correlacionadas.
Estudos observacionais: consumo de álcool e taxas de mortalidade
Estudos observacionais são aqueles que analisam a taxa de um resultado em grupos que foram expostos de forma diferente a uma intervenção ou fator de risco. Eles podem fornecer uma evidência forte de associação entre fatores. No entanto, eles não podem ser usados para provar com certeza que os fatores investigados estão causalmente ligados. Isso porque eles podem não ter descrito variáveis desconhecidas que afetam o resultado.
Em 1997, um estudo populacional muito grande analisando o consumo de álcool e as taxas de mortalidade (entre outras variáveis) foi publicado pelo New England Journal of Medicine.[4] Ele mostrou muito claramente que níveis moderados de consumo de álcool (entre 1-2 doses por dia) estiveram associados a uma diminuição das taxas de mortalidade por todas as causas, particularmente por doenças cardiovasculares, mesmo quando comparadas às pessoas que não bebem.
Existe inegavelmente uma associação nos resultados, mas não podemos afirmar com certeza que o próprio álcool causou o aumento da expectativa de vida. Isso porque pode haver outros fatores envolvidos que explicam a diferença. Por exemplo, e se as pessoas que bebem uma dose por dia forem mais tranquilas? Existe uma associação entre estresse e aumento do risco de doença cardiovascular e o resultado poderia ter sido causado por isso. Outra explicação possível é o aumento da interação social entre pessoas que bebem moderadamente, pois a solidão também pode estar associada a uma menor expectativa de vida.[5]
Exemplo 2: fumo e câncer
Na primeira metade do século 20, era muito difícil dizer que cigarros causavam problemas de saúde.
As companhias de tabaco com conflitos de interesses impuseram a ideia de que o aumento do câncer de pulmão nesse período era devido ao aumento do alcatrão nas estradas e da poluição do ar. Um dos primeiros homens a estabelecer o vínculo entre fumo e câncer de pulmão foi Sir Richard Doll (o verdadeiro primeiro provavelmente foi um homem alemão chamado Fritz Lickint, cujas ideias foram usurpadas pelo governo nazista). Sir Doll fez aos pacientes com câncer de pulmão muitas perguntas sobre a vida deles, incluindo o nível de consumo de tabaco. Surpreendentemente, a maior associação que observou entre as taxas de câncer de pulmão foi com o consumo de tabaco. Esta associação foi repetidamente defendida, mesmo quando estudados muitos grupos diferentes de pessoas de múltiplas origens, incluindo médicos. Com o passar do tempo, a quantidade de estudos que mostraram essa associação se acumulou e a evidência coletiva indicou fortemente que o câncer de pulmão era causalmente relacionado ao tabaco. Estudos em animais mostraram que o “suco” de tabaco aumentava as taxas de câncer em ratos. Estudos em células mostraram que a fumaça do cigarro estava “adormecendo” as pequenas células ciliadas que se alinham na traquéia, permitindo que os poluentes entrassem no pulmão. O aumento dos dados de estudos observacionais eventualmente pressionou o governo a recomendar que as pessoas parassem de fumar.
Este é um exemplo no qual uma associação pode estar muito estreitamente correlacionada e reprodutível em diferentes populações, e assim fornece evidências suficientes para que as pessoas tomem uma atitude. No entanto, situações como esta são raras e os problemas ocorrem quando as associações são inadequadamente interpretadas como causalidade.
A melhor maneira de provar uma causa definitiva, particularmente para um remédio ou intervenção, é conduzindo um ensaio controlado randomizado.
Testes de causalidade em um ensaio controlado randomizado (ECR)
Um ensaio controlado randomizado é um tipo de estudo que analisa a ocorrência de resultados em diferentes grupos que são selecionados de tal modo que os fatores de confundimento provavelmente não terão impacto no resultado.
Imagine que o fator 1 é um tratamento e o fator 2 é o número de pessoas que experimentam um sintoma particular. Se os participantes recebem ou não o tratamento (fator 1) deve ser a única diferença entre os dois grupos. Idealmente, tudo o mais sobre os grupos deveria ser exatamente o mesmo: idade, sexo, origem étnica, saúde ao longo da vida, alimentação, horário que acordam, relações interpessoais, absolutamente tudo. Deste modo, saberíamos que a mudança no fator 2, isto é, qualquer alteração nos sintomas, seria inteiramente provocada pelo efeito do fator 1, não por algum outro fator, cuja influência pode afetar os resultados de formas que não poderíamos imaginar.
Obviamente, não vivemos em um mundo ideal. Vivemos em um mundo onde todos são diferentes e é impossível garantir, com total certeza, que nenhum outro fator externo está causando uma mudança no fator 2. Para superar isso, tentamos ter certeza de que as pessoas em cada grupo sejam tão parecidas quanto possível, aleatorizando-as para diferentes grupos, de modo que as muitas variações estejam igualmente espalhadas – efetivamente cancelando uma a outra. Então, tentamos minimizar o efeito de fatores externos ao garantir que a única coisa que muda entre os grupos é a exposição ao tratamento.
Ao controlar todos os fatores, além da variável que queremos estudar, podemos dizer com certeza razoável que existe, de fato, um vínculo causador entre os dois fatores.
Então cuidado com as alegações de que um resultado é causado por um tratamento…
Ao ler um artigo que diz que um fator de tratamento ou estilo de vida está associado a melhores resultados, seja cauteloso. As pessoas que procuram e recebem um tratamento podem ser mais saudáveis e ter melhores condições de vida do que aqueles que não o fazem. Portanto, as pessoas que recebem o tratamento podem aparentemente se beneficiar, mas a diferença nos resultados pode ser porque são mais saudáveis e têm melhores condições de vida. Existem dezenas de maneiras pelas quais fatores externos podem influenciar os resultados experimentais, mesmo em um ensaio clínico.
Dissociar causa de associação é complicado e é preciso coragem para afirmar que definitivamente que um fator causa outro. O que você deve tirar disso é uma dose saudável de ceticismo. Se você se deparar com alguém que professa que uma coisa causa outra, presuma que estejam errados até lhe convençam do contrário. Pergunte: o que você tem é uma associação ou uma causa? Como isso foi investigado? O estudo foi um ECR? Como todas as outras variáveis foram mantidas iguais?
Quando se trata de um tratamento, lembre-se de que, embora o resultado de um teste possa mostrar associação entre um tratamento e um desfecho, o tratamento pode não ser necessariamente a causa.
