O que decide a resposta

"Qual é a importância de ajustar para variáveis de confusão em um estudo observacional que investiga a relação entre obesidade e hipertensão?" O fator de confusão é uma variável que se associa tanto à exposição quanto ao desfecho, sendo capaz de criar uma falsa associação ou mascarar uma relação real. O ajuste estatístico serve justamente para isolar e neutralizar essa distorção.

Raciocínio clínico

Em estudos epidemiológicos observacionais, não temos a randomização para distribuir homogeneamente as características entre os grupos.

Ao avaliar se a obesidade causa hipertensão, variáveis como idade, sedentarismo ou ingesta de sódio podem atuar como fatores de confusão. Se os obesos forem mais velhos que os não obesos, a hipertensão observada pode decorrer do envelhecimento vascular, e não apenas do excesso de adiposidade.

O ajuste analítico (seja por estratificação ou por análise multivariada / regressão) retira matematicamente o ruído causado por essas variáveis, permitindo estimar o efeito independente e real da exposição sobre o desfecho.

Por que acontece

O fator de confusão gera um erro sistemático (viés), e não um erro aleatório. Como ele se correlaciona simultaneamente com a exposição (obesidade) e é causa independente do desfecho (hipertensão), sem fazer parte da cadeia causal direta, ele distorce a medida de efeito observada se não for controlado.

Conduta

O controle de variáveis de confusão pode ser feito em duas etapas metodológicas:

Na fase de desenho do estudo: por meio de randomização (padrão-ouro em ensaios clínicos), restrição de critérios de inclusão ou pareamento (matching).

Na fase de análise dos dados: por meio de estratificação (ex.: teste de Mantel-Haenszel) ou modelos de regressão multivariada (ex.: regressão logística ou de Cox).

O que NÃO fazer: controlar variáveis que sejam elos intermediários na cadeia causal (mediadores), pois isso neutralizaria o próprio efeito biológico que se deseja medir.

Como isso cai nas provas

Esse tema costuma aparecer na forma conceitual ou em interpretação de tabelas com medidas brutas versus medidas ajustadas. Confusões clássicas:

• –Fator de confusão versus Modificador de efeito: o fator de confusão distorce a realidade e deve ser ajustado/eliminado; o modificador de efeito reflete uma característica biológica real onde o risco varia conforme o estrato (ex.: uma droga funciona em homens, mas não em mulheres) e deve ser apresentado estratificado, nunca ajustado.
• –Fator de confusão versus Erro aleatório: a confusão é um erro sistemático (viés) corrigido por método ou análise multivariada; o erro aleatório decorre do acaso e é reduzido pelo aumento do tamanho amostral (n).