Thread by @otavio_ranzani

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Olá,
este paper tem muitos problemas, que como disse, serve para exemplo de aula.

Para focar em 1 tema, que vai de encontro ao que a Natalia escreveu e outros acima, são os vieses. Vieses assim não podem ser corrigidos com ajuste. Se fosse assim, tudo estaria resolvido. 1/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Começa aqui, onde se cria um mecanismo perverso de viés de seleção. E isso criou essa disparidade entre os grupos que um mero ajuste multivariado não corrige. Também temos o immortal time bias, que é uma clássico erro. Esses são erros praticamente não passíveis de ajuste 2/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Quanto a variáveis de confusão, isso já mudou muito na epidemiologia. E os erros vão desde a como lidar com variáveis contínuas e colocar variáveis pós exposição (collider-bias). Uma coisa simples que o Cox permite é time-dependent variable, por exemplo. 3/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Quanto ao propensity score, como já foi dito, ele é uma super ferramenta, mas deve ser bem utilizada. Aqui não sabemos nada da seleção de variáveis, de como ficou a diferença padronizada como já dito pelo Felipe. O match em PS é muito criticado pq faz isso: cria uma população 4/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Irreal, ainda mais exact match. Aqui um texto, youtube e link para o problema

thestatsgeek.com/2016/09/07/why… 5/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Por fim, a medicina não é feita só de RCTs. A boa medicina para tratamentos é sim feita de RCTs. Estudos observacionais são excelentes para muitas coisas, desde que bem feitos. Os outros 2 grandes estudos observacionais no NEJM e JAMA não tem estes erros básicos. 6/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Muito do que falei já foi falado. Um approach para melhorar as estimativas de estudos observacionais vem da #causalinference, e sugiro estas duas referências iniciais:

atsjournals.org/doi/full/10.15…

academic.oup.com/aje/article/18… 7/n

@TaschnerNatalia @cnpaiva @FelipeBGSilva @MBittencourtMD Para quem está preocupado em melhorar os pacientes, ajudar na pandemia, olhem os trials q já temos, todos sem benefício e sinais para pior desfecho. Os 2 que pararam recentemente e outros q estão por sair vão no mesmo caminho.

Ainda faltou falar de bias analysis, IVA, clustering