adicione ou retire covariáveis para explorar diferentes modelos causais.
Embora ele não esteja disponível para todas as questões de pesquisa, é
sempre interessante considerar a possibilidade de um delineamento
oportunístico. Se você não parar para considerar esse tipo de estudo (e
perguntar aos seus colaboradores a respeito dele), você poderá perder uma
grande oportunidade de fazê-lo.
A decisão final de estratificar, ajustar ou usar escores de propensão
não precisa ser feita até ter sido concluída a coleta dos dados; muitas
vezes, o investigador irá querer usar todas essas estratégias. No entanto, é
importante, durante o delineamento do estudo, refletir sobre que fatores
poderão ser usados para o ajuste, de forma a saber que variáveis medir.
Além disso, uma vez que diferentes estratégias da fase de análise para
controlar o confundimento nem sempre produzem os mesmos resultados,
é melhor especificar um plano principal de análise a priori. Isso pode
ajudar os investigadores a resistir à tentação de selecionar a estratégia que
fornece o resultado mais desejável.Evidências que favorecem a causalidade
As abordagens para fortalecer a inferência causal têm sido, até agora, em
grande parte, abordagens de negação, isto é, de se refutar as quatro
explicações rivais da Tabela 9.1. Uma estratégia complementar é
identificar características das associações que forneçam evidências
positivas para a causalidade. Entre elas, as mais importantes são a
consistência e a magnitude da associação, a presença de uma relação
dose-resposta e a plausibilidade biológica.
Quando os resultados são consistentes entre estudos com diferentes
delineamentos, é menos provável que o acaso ou vieses sejam a causa de
uma associação. No entanto, associações reais que representam efeito-
causa ou confundimento também podem ser observadas de forma
consistente entre vários estudos. Por exemplo, se os indivíduos que
fumam cigarros consomem mais café e têm maior incidência de infarto,
os estudos demonstrarão consistentemente uma associação entre consumo
de café e infarto.
A magnitude da associação também é importante. Em primeiro lugar,
uma associação mais forte fornece um valor P de maior significância
estatística, tornando o acaso uma explicação menos provável. Associações