Estou redigindo uma revisão de literatura sobre um problema de saúde pública atual em que os dados são confundidos:
Quais são os estudos de caso históricos comuns usados na educação em saúde pública / epidemiologia em que relações ou inferências inválidas ou confusas foram intencional ou erroneamente empregadas nas políticas e na legislação de saúde pública?
O aumento da fatalidade nos automóveis nos anos 60 e o subsequente estudo governamental, com base em evidências, que determinou que cintos de segurança e, eventualmente, airbags devem ser exigidos por lei, é um ótimo exemplo de COMO as políticas de saúde pública devem ser conduzidas por inferências e modelos estatisticamente poderosos.
Estou procurando mais exemplos de casos do tipo oposto (má ciência para fazer políticas apressadamente). No entanto, se nada mais eu gostaria de aprender sobre mais casos semelhantes ao exemplo anterior de estudos poderosos para benefício de saúde pública bem-sucedido.
Quero usá-los como exemplos para demonstrar como a pesquisa estatística em saúde pública baseada em evidências é importante para a elaboração de políticas.
Respostas:
Eu acho que o melhor exemplo disso provavelmente pode ser a controvérsia em torno da terapia de reposição hormonal e do risco cardiovascular - grandes estudos epidemiológicos de coorte parecem sugerir um efeito protetor e políticas de saúde e recomendações médicas foram feitas sobre essas informações.
Os ECRs de acompanhamento parecem então mostrar que há realmente um risco aumentado de infarto do miocárdio em mulheres submetidas à TRH.
Isso vai e volta por um tempo e tem sido usado como um dos casos canônicos para atacar a epidemiologia como um campo, mas uma re-análise recente de Hernan parece propor que os dois estudos realmente não tenham resultados discordantes se você certifique-se de fazer a mesma pergunta.
fonte
Um exemplo realmente interessante de que gosto pessoalmente é retirado do livro Freakonomics, de Steven D. Levitt e Stephen J. Dubner. Há um capítulo no livro que discute correlação versus causalidade. A correlação entre duas variáveis estatísticas não implica necessariamente que essas variáveis sejam estatisticamente dependentes, mas um erro nesse sentido foi cometido por especialistas. Citando o livro:
"Uma besta complicada, a poliomielite era extremamente difícil para os pesquisadores. Eles não conseguiam descobrir como foi aprovada ou quando / como ela se expressou. Temos a tendência de lembrar dessa vez como uma epidemia de poliomielite". quando, de fato, não estava afetando grandes faixas da população (em comparação com o sarampo mais comum, por exemplo) .O motivo pelo qual foi visto como epidemia foi porque era muito assustador.
O que os pesquisadores conseguiram determinar em seus estudos foi que as taxas de infecção por poliomielite subiram no verão. Eles também viram que o ICE CREAM CONSUMPTION subiu no verão. E assim concluíram que o consumo de sorvete levou à poliomielite e por um tempo o sorvete foi demonizado. "
fonte
Em seu artigo, "Statistical Models and Shoe Leather" (1991) , David Freedman apresenta alguns contos de advertência em estudos epidemiológicos. Ele oferece a análise de Snow da cólera em Londres como um sucesso, não devido à modelagem estatística, mas devido à diligente coleta de dados. Aqui está o resumo:
Metodologia Sociológica . 21: 291-313.
fonte
O caso da quimioterapia em altas doses com resgate de transplante de medula óssea como tratamento para câncer de mama avançado nos anos 90 é um exemplo. Uma série de estudos de baixa qualidade foi usada para promover a legislação que exige a cobertura das seguradoras de saúde em alguns estados. Quando os grandes estudos randomizados foram concluídos, não houve benefício mensurável.
http://www.gao.gov/products/HEHS-96-83
fonte