Diferença de risco, razão de risco e odds ratio como medidas de efeitos no desenho da coorte

Um desenho de estudo de coorte busca o efeito da exposição, como tratamento, prospectivamente. No estudo de coorte, extraímos um tamanho adequado de uma amostra aleatória da população alvo, depois atribuímos aleatoriamente os sujeitos ao grupo exposto ou ao grupo não exposto. O efeito da exposição é observado como as mudanças nos resultados de interesse ao longo do tempo. O risco é facilmente calculado como o número de pessoas com a doença em grupos expostos e não expostos dividido pelo número de todas as pessoas em ambos os grupos. No estudo de coorte, temos um denominador claro: o número de pessoas designadas nos grupos. RD e RR são freqüentemente utilizados para avaliar a associação entre os grupos expostos e controle. O RD, também conhecido como RA ou risco excessivo, representa a quantidade de risco, que diminuiu ou aumentou quando a exposição existe, em comparação com aquela quando a exposição está ausente. Um valor RD positivo significa risco aumentado e um RD negativo significa risco diminuído pela exposição. O RR é calculado como o risco de um grupo exposto dividido pelo risco de um grupo não exposto. Um valor RR de 1 significa que não há diferença no risco entre grupos, e valores maiores ou menores significam risco maior ou menor em um grupo exposto em comparação com o risco de um grupo não exposto, o que pode ser interpretado como mais ou menos provável a ocorrência da doença no grupo exposto, respectivamente.

Além disso, também podemos usar OU com o mesmo propósito em estudos de coorte. O OR é a razão de probabilidade de ocorrência de doença em um grupo exposto e em um grupo não exposto. A interpretação do OR não é tão intuitiva como o RR. Um valor OR de 1 significa que não há diferença nas probabilidades entre grupos, e um valor superior a 1 significa um aumento das probabilidades no grupo exposto, interpretado como uma associação positiva entre ter doença e ter exposição. Ao contrário, um valor OR menor que 1 significa uma diminuição das probabilidades no grupo exposto, que é interpretado como uma associação entre ter doença e não ter exposição. Embora a interpretação do OR seja semelhante à do RR, eles têm valores semelhantes apenas quando os riscos de ambos os grupos são muito baixos, por exemplo, p < 0,1. Caso contrário, eles apresentam valores diferentes. Como visto na Tabela 2, os valores de RR e OR são aproximadamente os mesmos somente quando os riscos de ambos os grupos são muito baixos (p < 0,1, Exemplos 1 – 5 na Tabela 2). Entretanto, quando os riscos de um ou ambos os grupos não são muito baixos (p > 0,1), há uma discrepância considerável entre os valores de RR e OR (Exemplos 6 – 14, Tabela 2). Uma regra geral é que um valor de OR está sempre refletindo um tamanho de efeito maior ou uma associação mais forte, mostrando valores OR menores que os valores RR correspondentes quando RR < 1 e valores OR maiores quando RR > 1. Na Tabela 2, podemos confirmar que todos os casos com RR maior que 1 tinham valores OR muito maiores (Exemplos 6 – 8 e 10 – 14), e um caso com RR menor que 1 tinha um valor OR menor que o valor RR correspondente (Exemplo 9). Portanto, uma interpretação incorrecta do valor OR como RR levará a uma sobreavaliação do efeito, aumentando ou diminuindo erroneamente os verdadeiros riscos. A Figura 1 mostra que as diferenças entre os valores OR e RR ficam maiores à medida que os níveis de risco basal no grupo de controle (I0) aumentam.1 Especialmente quando o risco basal é tão grande quanto 0,5, o valor RR máximo é confinado a 2, enquanto o valor OR aproxima-se do infinito.

OR tem sido usado como uma estimativa de efeito muito popular em estudos epidemiológicos. Como a regressão logística tem sido frequentemente utilizada na avaliação multivariada dos resultados binários, OU que é o coeficiente de regressão exponenciado da regressão logística também tem sido popular. A regressão logística tem uma vantagem computacional de que a convergência é eficiente porque o elo logístico relacionado pode converter valores de risco (p), confinados de 0 a 1, em valores de probabilidade logarítmica que vão do infinito negativo ao infinito positivo. Felizmente, muitas doenças com risco de vida tendem a ter risco (ou prevalência) muito baixo, por exemplo, inferior a 0,1, portanto o uso de OR pode ser justificado como um bom estimador de RR. No entanto, quando analisamos dados de doenças prevalentes como cárie dentária ou periodontite, temos de ter cuidado para não interpretar a forte associação por OR como se fosse por RR. Como o valor OR está longe de 1 do que o valor RR correspondente quando a doença não é rara, para evitar possíveis erros de sobreavaliação do efeito, o valor OR resultante pode ser convertido em RR usando a seguinte equação apenas quando o risco basal puder ser assumido apropriadamente:

RRR=OR1-I0*1-OR, onde I0 é risco basal do grupo controle.2

Quando o resultado não é raro, a regressão de Poisson ou modelo log-binomial é preferível à obtenção de RR em vez da regressão logística.