Viés de Informação

Viés que surge de diferenças sistemáticas na coleta, recordação, registro ou forma de lidar com as informações utilizadas no estudo.

 

Introdução

O viés de informação é qualquer diferença sistemática em relação à verdade que surge na coleta, recordação, registro ou forma de lidar com as informações em um estudo, incluindo como lidar com dados ausentes.

Os principais tipos de viés de informação são o viés de má classificação, viés do observador, viés de memória e viés de relato. É um viés provável em estudos observacionais, particularmente naqueles com desenhos retrospectivos, mas também pode afetar estudos experimentais.

Exemplo

Chang et al 2010 investigaram o viés de informação no autorrelato do uso de computadores pessoais num estudo avaliando o uso de computadores e sintomas musculoesqueléticos.

Durante um período de 3 semanas, adultos jovens relataram o tempo de duração do uso de computador por dia, assim como sintomas musculoesqueléticos. Um programa de monitoramento de uso foi instalado nos computadores dos participantes para fornecer as medidas de referência. Comparando o autorrelato com os dados fornecidos pelo programa, a correlação variou amplamente com coeficientes de Spearman de -0,22 a 0,8.

Para estimativas de referência de uso de < 3,6 horas/dia, os autorrelatos tendiam a superestimar a duração do uso do computador. Inversamente, para estimativas de referência de uso do computador maior que 3,6 horas/dia, os autorrelatos tendiam a subestimar a duração do uso. Isso mostra que o viés de informação pode ocorrer em mais de uma direção mesmo entre os grupos de um mesmo estudo.

Impacto

Todos os tipos de estudos podem estar sujeitos ao viés de informação. Estudos observacionais podem ter risco maior, principalmente aqueles que utilizam dados autorrelatados ou retrospectivos. Apesar da randomização nos estudos de intervenção reduzir o risco de viés e de fatores de confundimento, isso não elimina completamente a possibilidade de que eles ocorram (Shahar & Shahar 2009).

A falta de dados pode ser uma das maiores causas do viés de informação, em que certos grupos de pessoas são mais susceptíveis à perda de dados. Um exemplo em que um registro diferenciado pode ocorrer é nos dados sobre fumo nos registros médicos. De um modo geral, o status de tabagismo é uma informação bem registrada nos prontuários da atenção primária. Aqueles sem registro em relação ao status de tabagismo apresentam maior probabilidade de serem não fumantes ou ex-fumantes do que fumantes.  Marston et al 2014 mostraram que a superestimativa pode ser de 8% para o status de tabagismo. Aqueles que pararam de fumar ainda jovens ou há muitos anos apresentam maior probabilidade de serem  classificados erroneamente como não-fumantes.

A má classificação não-diferencial (aleatória) nas avaliações (onde os erros nas medidas ocorrem igualmente em todos os grupos comparados) tende a subestimar o efeito. O viés de informação diferencial (em que há níveis diferentes de inacurácia entre os grupos comparados) pode ir para qualquer direção, resultando em uma superestimativa ou subestimativa do verdadeiro efeito (Kesmodel 2018). É mais provável que o viés ocorra quando a exposição é dicotômica.

Medidas preventivas

Estratégias para evitar o viés de informação incluem a escolha de um desenho de estudo adequado, seguindo protocolos bem delineados para coleta e análise dos dados, e definições apropriadas de exposições e desfechos.

Um elemento importante para minimizar o viés de informação é garantir que o cegamento da alocação da intervenção (ou exposição nos estudos observacionais) seja mantido quando os desfechos são avaliados e registrados. Se isso não for possível, os participantes e avaliadores dos desfechos devem ser cegos em relação à hipótese principal do estudo.

Quando possível, a informação deve ser coletada de forma prospectiva utilizando métodos e equipamentos padronizados Quando os entrevistadores coletam os dados, as perguntas devem ser feitas da forma mais neutra possível.

Outras técnicas incluem a utilização de registros médicos ou trabalhistas para verificação de informações, ou para confirmar medidas autorrelatadas.

Deve ser dada atenção a esses detalhes no momento da elaboração do desenho do estudo, já que pouco pode ser feito para lidar com dados incorretos. No caso de dados ausentes, técnicas como múltiplas imputações podem ser possíveis se as perdas forem aleatórias (Dziura et al 2013).