O que decide a resposta

A terceira assertiva define a questão: "Os métodos epidemiológicos excluem a coleta e o uso de mensurações de confundidores...". Isso é falso, pois a epidemiologia ativamente mede e controla variáveis de confusão (por meio de pareamento, estratificação e regressão multivariável) para isolar o verdadeiro efeito causal da exposição sobre o desfecho.

Raciocínio clínico

Vamos analisar cada uma das três assertivas:

Primeira assertiva (V): Medidas de associação (como Risco Relativo e Odds Ratio) comparam a frequência do desfecho entre dois grupos (expostos versus não expostos). Esses grupos podem ser duas populações geograficamente distintas ou uma mesma população observada em períodos diferentes (como em estudos antes-e-depois ou séries temporais).

Segunda assertiva (V): O conceito contrafactual é a base da inferência causal moderna. O confundimento ocorre justamente quando os grupos comparados diferem em características basais prognósticas, fazendo com que a medida observada se distancie do efeito causal real (o que ocorreria no cenário contrafactual ideal, onde a mesma população seria observada sob exposição e sob não-exposição simultaneamente).

Terceira assertiva (F): A epidemiologia nunca exclui a mensuração de fatores de confusão. Pelo contrário: para obter uma estimativa válida de efeito, é obrigatório identificar, mensurar e ajustar os potenciais confundidores na fase de delineamento ou na análise estatística.

Por que acontece

O fator de confusão se associa tanto à exposição quanto ao desfecho (sem ser um elo causal intermediário entre eles). Se ele não for medido e controlado, a análise atribui à exposição um risco que, na verdade, pertence à variável de confusão, distorcendo a medida de associação.

Conduta

O controle de fatores de confusão deve ser planejado em duas etapas:

• –No desenho do estudo: por meio de randomização (em ensaios clínicos), restrição de critérios de inclusão ou pareamento (matching).
• –Na análise estatística: por meio de estratificação (análise de Mantel-Haenszel) ou modelagem multivariável (regressão logística, regressão de Cox, escore de propensão).

O que NÃO fazer: nunca ignorar variáveis prognósticas conhecidas na coleta de dados, pois um confundidor não mensurado não pode ser controlado na análise estatística (gerando o chamado confundimento residual).

Como isso cai nas provas

O tema costuma ser cobrado como identificação conceitual ou seleção do método de controle. Confusões clássicas com discriminadores objetivos:

• –Fator de Confusão vs. Modificador de Efeito: o fator de confusão distorce a medida de forma espúria e desaparece após ajuste/estratificação (os estratos ficam homogêneos entre si); a modificação de efeito (interação) é um fenômeno biológico real em que o efeito da exposição é genuinamente diferente entre os estratos (os riscos relativos estratificados são estatisticamente diferentes).
• –Fator de Confusão vs. Variável Intermediária (Mediador): o mediador está no caminho causal entre a exposição e o desfecho (Exposição → Mediador → Desfecho). Ajustar para um mediador bloqueia o efeito real da exposição, o que é um erro metodológico; o confundidor, por sua vez, não faz parte da cadeia causal direta.