Métodos de estimação de efeitos de mediação em estudos longitudinais com aplicação na doença de Machado-Joseph

• Ano de defesa: 2020
• Autor(a) principal: Menegotto, Letícia
• Orientador(a): Leotti, Vanessa Bielefeldt
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Doença de Machado-Joseph; Bioestatística; Causalidade; Estudos longitudinais
• Palavras-chave em Inglês: Causal analysis; Mediation analysis; Longitudinal data; Machado-Joseph disease
• Link de acesso: http://hdl.handle.net/10183/216947

Introdução: A análise de mediação é uma abordagem útil para investigar caminhos causais em estudos epidemiológicos e mede que porção do efeito de uma exposição sobre o desfecho opera através de uma variável intermediária em particular, ou seja, através de uma variável mediadora. A literatura de inferência causal que trata sobre análise de mediação para dados longitudinais se baseia principalmente no que foi desenvolvido nas ciências sociais, no entanto ainda são poucos os estudos que tratam de dados longitudinais utilizando a abordagem de desfechos potenciais. Objetivo: Estimar o efeito exercido pela variável mediadora no caminho causal existente entre a exposição e desfecho quando este último se apresenta na forma de dados longitudinais, através da utilização da abordagem proposta por Bind et al. (2015) e do algoritmo de Imai et al. (2010a) no software estatístico R, o pacote mediation (Tingley et al., 2014). Além disso, explorar, abordar e divulgar os métodos de análise de mediação para dados longitudinais que podem ser utilizados em diversos estudos epidemiológicos. Métodos: A aplicação considerada se dá no contexto da Doença de Machado-Joseph, hereditária e causada por uma mutação genética. A variável de exposição considerada é o número de repetições CAG (comprimento da mutação), o mediador é a idade de início dos sintomas e o desfecho é dado por avaliações repetidas da escala NESSCA, que representam a progressão da doença. A fim de aplicar e comparar as abordagens, foi simulado um banco de dados considerando estas variáveis provenientes de 10 000 indivíduos, e os ajustes dos modelos bem como a análise de mediação foram realizados utilizando o software estatístico R. Resultados: Ambos os métodos utilizados para avaliar os efeitos de mediação nos dados simulados apresentaram resultados muito próximos aos utilizados como parâmetros para geração dos dados simulados, sendo ambos acurados na estimativa dos efeitos direto, indireto e proporção mediada. Conclusão: Ambos os métodos permitem ao pesquisador, além de compreensão prática do método, a aplicabilidade em outros contextos de pesquisa que se tenha dados longitudinais a fim de avaliar mecanismos causais de mediação, que podem ser fundamentais para avaliação de alternativas de tratamentos e exposições em outros cenários. A abordagem proposta por Imai et al. (2010a), uma vez que já está implementada através do pacote mediation é mais prática de ser aplicada pelo pesquisador.