{"id":1483,"date":"2019-11-17T13:25:44","date_gmt":"2019-11-17T13:25:44","guid":{"rendered":"http:\/\/oxfordbrazilebm.com\/?page_id=1483"},"modified":"2019-11-17T13:26:02","modified_gmt":"2019-11-17T13:26:02","slug":"vies-de-classificacao-incorreta","status":"publish","type":"page","link":"https:\/\/oxfordbrazilebm.com\/index.php\/vies-de-classificacao-incorreta\/","title":{"rendered":"Vi\u00e9s de classifica\u00e7\u00e3o incorreta"},"content":{"rendered":"

[vc_row bg_type=”bg_color” css=”.vc_custom_1572747881603{padding-top: 10px !important;padding-bottom: 10px !important;}” bg_color_value=”#f7f7f7″][vc_column width=”1\/3″][vc_column_text]Nome original do vi\u00e9s: <\/b>Misclassification bias[\/vc_column_text][\/vc_column][vc_column width=”1\/3″][vc_column_text]Tradu\u00e7\u00e3o: <\/strong>Ana Luiza Cabrera Martimbianco, Rafael Leite Pacheco, Rachel Riera[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column]

<\/div>[vc_separator]
<\/div>[\/vc_column][\/vc_row][vc_row][vc_column][vc_column_text]<\/p>\n

Ocorre quando o participante de um estudo \u00e9 classificado em uma categoria incorreta, alterando a associa\u00e7\u00e3o observada ou o desfecho de interesse.<\/p>\n

\u00a0<\/strong><\/p>\n

Introdu\u00e7\u00e3o<\/strong><\/p>\n

A classifica\u00e7\u00e3o correta dos indiv\u00edduos, e das exposi\u00e7\u00f5es e caracter\u00edsticas dos participantes \u00e9 um elemento essencial de qualquer estudo. A classifica\u00e7\u00e3o incorreta ocorre quando os indiv\u00edduos s\u00e3o designados para uma categoria diferente daquela em que deveriam estar. Isso pode levar a associa\u00e7\u00f5es incorretas observadas entre as categorias atribu\u00eddas e os desfechos de interesse.<\/p>\n

A classifica\u00e7\u00e3o incorreta n\u00e3o diferencial ocorre quando a probabilidade dos indiv\u00edduos serem classificados erroneamente \u00e9 igual em todos os grupos do estudo. O vi\u00e9s de classifica\u00e7\u00e3o diferencial ocorre quando a probabilidade de ser classificado erroneamente difere entre os grupos em um estudo (Porta et al. 2014).<\/p>\n

Estudos inclu\u00eddos em uma revis\u00e3o sistem\u00e1tica podem usar diferentes sistemas de classifica\u00e7\u00e3o, potencialmente causando vi\u00e9s de classifica\u00e7\u00e3o incorreta quando os estudos s\u00e3o agrupados em uma metan\u00e1lise.<\/p>\n

 <\/p>\n

Exemplos<\/strong><\/p>\n

Uma metan\u00e1lise sobre a rela\u00e7\u00e3o entre \u00edndice de massa corporal (IMC) e desenvolvimento de c\u00e2ncer de pr\u00f3stata mostrou que os crit\u00e9rios usados para definir pr\u00f3stata agressiva e n\u00e3o-agressiva variaram entre as amostras, o que pode ter levado a um vi\u00e9s de classifica\u00e7\u00e3o incorreta (Xie et al. 2017).<\/p>\n

\u00a0<\/strong><\/p>\n

Impacto<\/strong><\/p>\n

Ao mensurar as rela\u00e7\u00f5es entre exposi\u00e7\u00e3o e risco de doen\u00e7a, o vi\u00e9s de classifica\u00e7\u00e3o incorreta pode ter efeitos imprevis\u00edveis, isto \u00e9, pode aumentar ou diminuir uma associa\u00e7\u00e3o.<\/p>\n

Flegal e colaboradores investigaram o vi\u00e9s de classifica\u00e7\u00e3o incorreta em estudos que analisaram a rela\u00e7\u00e3o entre o \u00edndice de massa corporal (IMC) e mortalidade por meio de taxas de risco (hazard ratio<\/em>) (Flegal et al 2017).<\/p>\n

A classifica\u00e7\u00e3o incorreta para as categorias superiores do IMC tendeu a aumentar a taxa de risco para algumas categorias, por\u00e9m este efeito foi contrabalanceado ou at\u00e9 memsmo revertido pela classifica\u00e7\u00e3o incorreta de outras categorias do IMC, em particular, aquelas que afetam a categoria de refer\u00eancia. Por exemplo, entre homens saud\u00e1veis que nunca fumaram, erros de classifica\u00e7\u00e3o que afetaram a categoria sobrepeso e a categoria de refer\u00eancia mudaram significativamente a taxa de risco para sobrepeso de 0,85 com dados mensurados para 1,24 com dados autorrelatados.<\/p>\n

Tanto a magnitude quanto a dire\u00e7\u00e3o do vi\u00e9s variaram de acordo com as taxas de risco dos dados mensurados. Devido aos efeitos do vi\u00e9s de classifica\u00e7\u00e3o incorreta, o peso e a altura autorreferidos n\u00e3o poderiam indicar com seguran\u00e7a a categoria do IMC de menor risco. Quando uma associa\u00e7\u00e3o entre uma categoria do IMC e um desfecho de sa\u00fade \u00e9 encontrada, o vi\u00e9s de classifica\u00e7\u00e3o incorreta pode ter influenciado esta observa\u00e7\u00e3o, aumentando ou diminuindo a estimativa de risco. Isso \u00e9 importante pois entender a rela\u00e7\u00e3o entre obesidade, baixo peso e sa\u00fade \u00e9 um fator-chave na sa\u00fade p\u00fablica.<\/p>\n

O estudo tamb\u00e9m destaca que os riscos subjacentes influenciam o modo como o vi\u00e9s de classifica\u00e7\u00e3o incorreta afeta as estimativas de risco em cada estudo, e a necessidade de entender este vi\u00e9s dentro de um grupo espec\u00edfico ou popula\u00e7\u00e3o em estudo e seu efeito nos desfechos.<\/p>\n

Passos para preven\u00e7\u00e3o<\/strong><\/p>\n

A preven\u00e7\u00e3o do vi\u00e9s de classifica\u00e7\u00e3o incorreta inclui o uso das medidas mais precisas e o pensamento cuidadoso sobre a categoriza\u00e7\u00e3o de indiv\u00edduos ou pontos de dados nos grupos.<\/p>\n

Existem algumas t\u00e9cnicas estat\u00edsticas para lidar com a suspeita de vi\u00e9s de classifica\u00e7\u00e3o incorreta. Van Walraven investigou dois m\u00e9todos para ajudar a explicar o vi\u00e9s de classifica\u00e7\u00e3o incorreta (Van Walraven 2017). Em um estudo sobre duas condi\u00e7\u00f5es presentes em coortes separadas (insufici\u00eancia renal grave e fratura de Colles), a preval\u00eancia verdadeira da doen\u00e7a e a rela\u00e7\u00e3o da doen\u00e7a com outros fatores foram mensuradas e comparadas com resultados quando o estado da doen\u00e7a foi determinado usando c\u00f3digos diagn\u00f3sticos.<\/p>\n

\u201cDiferen\u00e7as (vi\u00e9s de classifica\u00e7\u00e3o incorreta) foram ent\u00e3o ajustadas para usar dois m\u00e9todos: an\u00e1lise quantitativa de vi\u00e9s (AQV) com par\u00e2metros de vi\u00e9s (c\u00f3digos de sensibilidade e especificidade) de acur\u00e1cia vari\u00e1vel; e imputa\u00e7\u00e3o do estado da doen\u00e7a usando m\u00e9todos de bootstrap <\/em>e modelos de probabilidade de doen\u00e7a.\u201d<\/p>\n

Os autores relatam que o uso da AQV n\u00e3o necessariamente diminuir\u00e1 o vi\u00e9s. O AQV depende da precis\u00e3o dos dados ao lidar com o vi\u00e9s. Eles recomendam o uso de valores que s\u00e3o realmente mensurados na popula\u00e7\u00e3o do estudo (ou aqueles que s\u00e3o similares aos dos estudo). A acur\u00e1cia do registro de cada condi\u00e7\u00e3o foi menor quando foi usado um banco de dados de c\u00f3digos de diagn\u00f3stico do que dados bioqu\u00edmicos hospitalares, e as medidas de associa\u00e7\u00e3o de doen\u00e7as com covari\u00e1veis tamb\u00e9m foram substancialmente afetadas. O uso de uma das duas abordagens estat\u00edsticas pode reduzir o vi\u00e9s da classifica\u00e7\u00e3o incorreta, mas nem sempre isso ocorre.<\/p>\n

[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column]

<\/div>[vc_separator]
<\/div>[\/vc_column][\/vc_row][vc_row bg_type=”bg_color” bg_color_value=”#f7f7f7″ css=”.vc_custom_1572747847655{padding-top: 20px !important;padding-bottom: 20px !important;}”][vc_column][vc_column_text]Link para o original<\/strong>: https:\/\/catalogofbias.org\/biases\/misclassification-bias\/<\/p>\n

Deve ser citado como:<\/strong> Catalogue of Bias Collaboration, Spencer EA, Mahtani KR, Brassey J, Heneghan C. Misclassification bias. In Catalogue Of Bias 2018. http:\/\/www.catalogueofbiases.org\/biases\/misclassificationbias<\/p>\n

Fontes<\/strong><\/p>\n

Flegal KM, et al. Bias in Hazard Ratios Arising From Misclassification According to Self-Reported Weight and Height in Observational Studies of Body Mass Index and Mortality. Am J Epidemiol 187(1):125-134.
\nPorta M, et al. A dictionary of epidemiology. 6th edition. New York: Oxford University Press: 2014
\nVan Walraven CV 2017. A comparison of methods to correct for misclassification bias from administrative database diagnostic codes. Int J Epidemiol. doi: 10.1093\/ije\/dyx253. [Epub ahead of print]
\nXie B, Zhang G, t al Body mass index and incidence of nonaggressive and aggressive prostate cancer: a dose-response meta-analysis of cohort studies.Oncotarget 8(57): 97584\u201397592.
\nZhang N, et al. 2017 Accounting for misclassification bias of binary outcomes due to underscreening: a sensitivity analysis. BMC Med Res Methodol. 2017;17(1):168.<\/p>\n

PubMed feed
\nEssas fontes podem ser recuperadas dinamicamente a partir do PubMed:
\nLaaksonen MA, Webster AC, McCaughan GW, Keogh AM, Grulich AE, Vajdic CM. Longitudinal immunosuppression data can minimize misclassification bias in solid organ transplantation cohorts.<\/h4>\n

[\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"

[vc_row bg_type=”bg_color” css=”.vc_custom_1572747881603{padding-top: 10px !important;padding-bottom: 10px !important;}” bg_color_value=”#f7f7f7″][vc_column width=”1\/3″][vc_column_text]Nome original do vi\u00e9s: Misclassification bias[\/vc_column_text][\/vc_column][vc_column width=”1\/3″][vc_column_text]Tradu\u00e7\u00e3o: Ana Luiza Cabrera Martimbianco, Rafael Leite Pacheco, Rachel Riera[\/vc_column_text][\/vc_column][\/vc_row][vc_row][vc_column][vc_separator][\/vc_column][\/vc_row][vc_row][vc_column][vc_column_text] Ocorre quando o participante de um estudo \u00e9 classificado em uma categoria incorreta, alterando a associa\u00e7\u00e3o observada ou o desfecho de interesse. \u00a0 Introdu\u00e7\u00e3o A classifica\u00e7\u00e3o correta dos indiv\u00edduos, e das…<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-1483","page","type-page","status-publish","hentry","description-off"],"_links":{"self":[{"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/pages\/1483","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/comments?post=1483"}],"version-history":[{"count":2,"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/pages\/1483\/revisions"}],"predecessor-version":[{"id":1485,"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/pages\/1483\/revisions\/1485"}],"wp:attachment":[{"href":"https:\/\/oxfordbrazilebm.com\/index.php\/wp-json\/wp\/v2\/media?parent=1483"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}