Medidas de associação
Em um estudo do tipo caso-controle para avaliar a importância de seis variáveis na ocorrência de câncer de bexiga, os resultados foram analisados por meio de regressão logística múltipla, a qual revelou o seguinte:
Pegadinha central: OR acima de 1 não basta; veja se o IC95% exclui 1 antes de dizer que existe associação estatística.
Nesta tabela, são 4 significativas: sexo, idade, tabagismo e escolaridade.
Em caso-controle, fale em odds e OR; não transforme automaticamente OR em risco relativo.
Modelo múltiplo significa ajuste pelas variáveis incluídas, não prova de causalidade.
Estudar tudo por igual é o que faz o seu tempo não render.
A prova que você vai prestar tem cara própria. Tem tema que cai todo ano e tema que nunca apareceu, e decidir isso no improviso custa as semanas que você não tem.
O MedBoard começa pelo outro lado. Ele pesa cada tema pela banca que você vai prestar, monta o cronograma a partir disso e guarda o que você errou para devolver na hora certa.
Criar conta grátis
Contexto
A tabela apresenta uma regressão logística múltipla em estudo caso-controle. Cada odds ratio é ajustada pelas demais variáveis incluídas no modelo. Para decidir se há associação estatisticamente significativa, a regra é verificar se o IC95% da OR exclui 1 e, de forma equivalente neste quadro, se p é menor que 0,05.
Portanto, quatro das seis variáveis estão estatisticamente associadas ao desfecho no modelo: sexo masculino, idade maior ou igual a 60 anos, tabagismo e escolaridade. A escolaridade tem OR abaixo de 1 e, por isso, aparece como associação inversa. Regressão múltipla ajuda a controlar confundimento pelas variáveis incluídas, mas não transforma associação em causalidade.
Outro ponto de prova é a linguagem. Em estudo caso-controle, a regressão logística produz odds ratio, não risco relativo diretamente. Uma OR de 1,51 corresponde a odds 51% maiores na estimativa pontual, mas se o IC95% cruza 1, não se deve afirmar que a variável aumentou de modo estatisticamente demonstrado o risco ou as odds.
Alternativa por alternativa
A) Correta (gabarito). Quatro variáveis apresentam p menor que 0,05 e IC95% que não inclui 1: sexo masculino, idade maior ou igual a 60 anos, tabagismo e escolaridade.
B) Incorreta. A hipótese de que homens fumem mais poderia explicar associação em uma análise não ajustada, mas o modelo é múltiplo e inclui tabagismo. A OR de sexo masculino representa a associação residual após ajuste pelas demais variáveis do modelo; não é correto atribuí-la automaticamente ao tabagismo.
C) Incorreta. A OR de 1,97 é uma estimativa de odds, não de risco, e seu IC95% de 0,69 a 5,20 inclui 1, com p = 0,354. Portanto, não há associação estatisticamente significativa demonstrada para consumo excessivo de álcool.
D) Incorreta. A OR de 1,51 corresponde a 51% maiores odds na estimativa pontual, mas o IC95% de 0,88 a 2,55 inclui 1 e p = 0,088. A banca explora justamente o erro de transformar uma estimativa não significativa em conclusão afirmativa.
E) Incorreta. Acrescentar mais variáveis ao mesmo conjunto de dados não torna os intervalos de confiança automaticamente mais estreitos. Pode reduzir graus de liberdade, aumentar colinearidade e ampliar a incerteza dos coeficientes.