Utilização de diagramas causais em epidemiologia: um exemplo de aplicação em situação de confusão / Use of causal diagrams in Epidemiology: application to a situation with confounding / Utilización de diagramas causales en epidemiología: un ejemplo de su aplicación en situación de confusión

RESUMO

Resumo: Apesar do crescente reconhecimento de seu potencial, os diagramas causais ainda são pouco utilizados na investigação epidemiológica. Uma das possíveis razões é que muitos programas de investigação envolvem temas sobre o qual há certo grau de incerteza sobre os mecanismos dos processos que geram os dados. Neste trabalho, a relação entre estresse ocupacional e obesidade é utilizada como um exemplo de aplicação de diagramas causais em questões relacionadas ao confundimento. São apresentadas etapas da seleção de variáveis para ajuste estatístico e da derivação das implicações estatísticas de um diagrama causal. A principal vantagem dos diagramas causais é tornar explícitas as hipóteses adjacentes ao modelo considerado, permitindo que suas implicações possam ser analisadas criticamente, facilitando, dessa forma, a identificação de possíveis fontes de viés e incerteza nos resultados de um estudo epidemiológico.

ABSTRACT

Abstract: Epidemiological research still rarely uses causal diagrams, despite growing recognition of their explanatory potential. One possible reason is that many research programs involve themes in which there is a certain degree of uncertainty as to mechanisms in the processes that generate the data. In this study, the relationship between occupational stress and obesity is used as an example of the application of causal diagrams to questions related to confounding. The article presents the selection stages for variables in statistical adjustment and the derivation of a causal diagram's statistical implications. The main advantage of causal diagrams is that they explicitly reveal the respective model's underlying hypotheses, allowing critical analysis of the implications and thereby facilitating identification of sources of bias and uncertainty in the epidemiological study's results.

RESUMEN

Resumen: A pesar del creciente reconocimiento de su potencial, los diagramas causales todavía se utilizan poco en la investigación epidemiológica. Una de las posibles razones es que muchos programas de investigación están involucrados en temas sobre los cuales existe un cierto grado de incertidumbre acerca de los mecanismos de los procesos que generan los datos. En este trabajo, la relación entre estrés ocupacional y obesidad se utiliza como un ejemplo de aplicación de diagramas causales en cuestiones relacionadas con la confusión. Se presentan etapas de la selección de variables para el ajuste estadístico y de la derivación de las implicaciones estadísticas de un diagrama causal. La principal ventaja de los diagramas causales es hacer explícitas las hipótesis adyacentes al modelo considerado, permitiendo que sus implicaciones puedan ser analizadas críticamente, facilitando, de esta forma, la identificación de posibles fuentes de sesgo e incertidumbre en los resultados de un estudio epidemiológico.