Nome original do viés: Informed presence bias

Tradução: Carolina Oliveira Cruz Latorraca, Rafael Leite Pacheco, Enderson Miranda, Rachel Riera

A presença de informações sobre um paciente em prontuários eletrônicos é afetada pela sua condição de saúde.

Introdução

A presença do prontuário de um indivíduo em um banco de dados eletrônicos não é ao acaso, mas sim resultado da necessidade que este indivíduo tem de utilizar os serviços de saúde por causa de alguma condição ou doença. Pessoas registradas em bancos de dados são, portanto, sistematicamente diferentes de pessoas que não foram registradas (Goldstein 2016). As pessoas registradas nesses bancos de dados normalmente utilizam mais o sistema de saúde do que a população geral. Quando se examina esses bancos de dados procurando por associações entre condições diferentes, o viés da presença de informação estará presente e pode levar a associações falsas.

Exemplos

Em prontuários eletrônicos, a prevalência de depressão entre mulheres grávidas pode parecer maior do que entre mulheres que não estão grávidas. Porém, mulheres grávidas fazem visitas frequentes ao sistema de saúde durante toda a gestação e também depois que o bebê nasce. Todo esse acompanhamento faz com que mulheres que ficaram grávida tenham mais oportunidades de serem avaliadas e diagnosticadas com algum transtorno de humor em comparação com mulheres que não ficaram grávidas.

Isso pode distorcer a relação entre gravidez e depressão. Pode ser que haja uma relação entre o número de vezes que as mulheres são atendidas por profissionais da saúde e a possibilidade de receber o diagnóstico de depressão. Deve-se tomar cuidado ao extrapolar estes resultados para mulheres da população geral (ao invés de apenas para o grupo de mulheres que estão registradas no banco de dados).

Impacto

O impacto do viés de presença de informação está ilustrado no exemplo em que pesquisadores avaliaram a relação entre depressão e diabetes por meio de dados de prontuários eletrônicos de um hospital (veja o quadro). Ajustando os resultados de acordo com o número de atendimentos realizados, o diagnóstico de depressão em pessoas com diabetes, comparado aos não-diabéticos, diminuiu cerca de 37% (de uma razão de chances não ajustada de 2,15 para 1,36).

 

“… presença de depressão na diabetes. Se ajustarmos minimamente os resultados de acordo com idade, sexo e raça/etnia, pessoas com diabetes têm 2,15 (intervalo de confiança (IC) de 95%: 2,05 a 2,24) mais chance de serem diagnosticadas com depressão do que as não-diabéticos. Porém, como descrito acima, nós consideramos que as pessoas que visitaram mais frequentemente o centro de saúde, teriam mais oportunidades de serem diagnosticadas com cada uma das condições. Assim, nós conduzimos uma segunda análise ajustando de acordo com o número de atendimentos recebidos. Desta vez, nós estimamos uma razão de chance de 1,36 (IC 95%: 1,29 a 1,42) – uma diferença de efeito significativa…”

 

Controlling for informed presence bias due to the number of health encounters in an electronic health record. Am J Epidemiol. 2016 Dec 1;184(11):847-855.

Passos para prevenção

As análises de prontuários poderiam avaliar o número de consultas com profissionais da saúde e como isso se relaciona ao diagnóstico feito. Estudos utilizando bancos de dados eletrônicos precisam estar atentos a esse viés, notando-o como uma limitação, e, quando aplicável, realizar análises de sensibilidade para ajustar os resultados pelo número de atendimentos por paciente.

Link para o original: https://catalogofbias.org/biases/informed-presence-bias/

 

Deve ser citado como: Catalogue of Bias Collaboration, Spencer EA; O’Sullivan J. Informed Presence Bias. In: Catalogue Of Bias 2017. https://catalogofbias.org/biases/informed-presence-bias/

 

Fontes

Goldstein BA, et al. Controlling for informed presence bias due to the number of health encounters in an electronic health record. Am J Epidemiol. 2016 Dec 1;184(11):847-855. Epub 2016 Nov 16.

Porta M, et al. editors. A dictionary of epidemiology. 6th edition. New York: Oxford University Press: 2014

Sackett DL. Bias in analytic research. J Chron Dis 1979; 32: 51-63

 

PubMed feed

Esta fonte pode ser recuperada dinamicamente a partir do PubMed:

Burt SA, Slawinski BL, Carsten EE, Harden KP, Hyde LW, Klump KL. How should we understand the absence of sex differences in the genetic and environmental origins of antisocial behavior?