Introdução à Inferência Causal em Epidemiologia: uma abordagem gráfica e contrafatual

Um dos principais objetivos da epidemiologia é investigar as causas das doenças para que se possa atuar na prevenção. Apesar de ser bastante específico e aparentemente circunscrito a uma comunidade de especialistas em saúde, o termo inferência causal exerce papel fundamental no controle de doenças e epidemias com fortes impactos sobre a sociedade de um modo geral. "Ideias causais são utilizadas na interpretação de eventos cotidianos. Estabelecer nexos causais é objeto central da epidemiologia, inscrito em sua própria definição. Inferir causalidade é essencial para fundamentar a recomendação de intervenções populacionais para a prevenção e controle de doenças", explica Guilherme Werneck, professor do Instituto de Medicina Social da Universidade do Estado do Rio de Janeiro (IMS/Uerj), que assina a orelha do livro. 

De acordo com o autor, ele percebeu, ao ministrar a matéria, a dificuldade de alguns alunos em acessar e compreender a literatura científica a respeito do tema. A partir disso, a obra foi construída, de forma didática, com o objetivo de explicar os principais conceitos e aplicá-los em exemplos concretos de pesquisa, sem perder de vista a abrangência de uma área em constante desenvolvimento. "Este material é dirigido àqueles que iniciam a compreensão da literatura sobre inferência causal, numa perspectiva gráfica e contrafatual", destaca.  

Os leitores de Introdução à Inferência Causal em Epidemiologia serão apresentados a uma obra didática e prática sobre abordagens ainda pouco utilizadas no Brasil para a investigação de causalidade em epidemiologia. "O modelo de respostas potenciais de [Donald B.] Rubin, baseado na abordagem contrafatual, e os pressupostos para inferência causal são descritos na primeira parte do livro. Na segunda parte, a abordagem gráfica é ensinada no contexto dos DAGs, gráficos acíclicos direcionados. Definições estruturais ou gráficas dos vieses de confundimento e colisão são apresentadas", explica Silva.  

Estruturado em três partes, que englobam 15 capítulos, o volume apresenta ainda alguns dos métodos mais utilizados para estimação do efeito causal usando a abordagem contrafatual, além de capítulo sobre análise de sensibilidade para se verificar até que ponto confundimento por variável emitida pode modificar as conclusões do estudo. 

Professores e colegas que conhecem a extensa trajetória acadêmica do autor ressaltam, em textos complementares do livro, como a obra não apenas preenche espaços pouco explorados na literatura de epidemiologia, mas também já nasce como referência para estudantes e pesquisadores da área. "Profissionais e estudiosos de epidemiologia, bioestatística e outras disciplinas que trabalham com inferência causal, em todos os níveis, terão neste livro uma referência essencial", afirma, no texto de quarta capa, Maria Amélia Veras, professora e coordenadora do Programa de Pós-Graduação em Saúde Coletiva da Faculdade de Ciências Médicas da Santa Casa de São Paulo.

Sobre o autor
Mestre e doutor em Medicina Preventiva pela Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (USP), com pós-doutorado na Universidade de Oxford (Inglaterra), Antônio Augusto Moura da Silva é professor de epidemiologia do Programa de Pós-Graduação em Saúde Coletiva da Universidade Federal do Maranhão (PGSC/UFMA). Pesquisador nível 1-A do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Silva é também editor-chefe da revista Ciência & Saúde Coletiva, publicação da Associação Brasileira de Saúde Coletiva (Abrasco).

R$ 76,00 | 402 páginas

Comprar na Livraria Virtual (impresso)

Primeira edição: 2021
ISBN (impresso): 978-65-5708-038-2

Prefácio
Apresentação
1. Causalidade em Epidemiologia
PARTE I – O MODELO DE RESPOSTAS POTENCIAIS: ABORDAGEM CONTRAFATUAL
2. O Modelo de Respostas Potenciais
3. Inferência Causal em Estudos Experimentais Randomizados
4. Inferência Causal em Estudos Observacionais
PARTE II – ABORDAGEM GRÁFICA
5. Gráficos Acíclicos Direcionados (DAGs)
6. Viés de Confundimento: do conceito associacional ao conceito estrutural 
7. Viés de Colisão 
PARTE III – ESTIMAÇÃO DO EFEITO CAUSAL
8. Ponderação com Escore de Propensão 
9. Pareamento com Escore de Propensão
10. Exemplo de Análise com Escore de Propensão em Epidemiologia no R 
11. Exemplo de Análise com Escore de Propensão em Epidemiologia no Stata 
12. Computação G Paramétrica 
13. Exemplo de Análise Usando Computação G Paramétrica no R 
14. Exemplo de Análise Usando Computação G Paramétrica no Stata 
15. Análise de Sensibilidade 
Epílogo: outros métodos e extensões 
Referências 
Índice