Framework para estudos de inferência causal em estudos observacionais sobre infecções relacionadas à assistência à saúde
Visualizar/abrir
Data
2024Orientador
Co-orientador
Nível acadêmico
Mestrado profissional
Tipo
Assunto
Resumo
Infecções hospitalares estão entre as principais causas de óbito no mundo e, em muitos casos, questionamentos sobre a origem das mesmas são de difícil constatação. O Ensaio Clínico Randomizado (ECR) sempre foi considerado a técnica padrão em estudos clínicos para elucidar relações de causalidade, porém, no contexto das Infecções Associadas à Assistência à Saúde (IRAS), este método nem sempre é adequado ou viável. Algoritmos de inferência causal surgem como uma alternativa importante para elucid ...
Infecções hospitalares estão entre as principais causas de óbito no mundo e, em muitos casos, questionamentos sobre a origem das mesmas são de difícil constatação. O Ensaio Clínico Randomizado (ECR) sempre foi considerado a técnica padrão em estudos clínicos para elucidar relações de causalidade, porém, no contexto das Infecções Associadas à Assistência à Saúde (IRAS), este método nem sempre é adequado ou viável. Algoritmos de inferência causal surgem como uma alternativa importante para elucidar tais relações de causa e efeito, no entanto, a falta de compreensão do uso de tais métodos gera ampla heterogeneidade dos resultados, o que torna a análise dos resultados em revisões sistemáticas uma tarefa inviável. Devido a falta de padronização desses estudos, um framework deve servir como ferramenta fundamental para que teses de inferência causal possam emergir e, assim, proporcionar-lhes diretrizes de implementação, permitindo colaborações interdisciplinares entre estatísticos e especialistas em doenças infecciosas, levando a quebra de algumas das barreiras para a implementação de inferências causais em estudos observacionais na área das IRAS. ...
Abstract
Hospital infections are among the leading causes of death worldwide, and some inquiries regarding their origin are difficult to establish. The Randomized Controlled Trial (RCT) has always been considered the standard technique in clinical studies to elucidate causality relationships; however, in the context of Healthcare-Associated Infections (HAIs), this method is not always appropriate or feasible. Causal inference algorithms emerge as an important alternative to elucidate such cause-and-effe ...
Hospital infections are among the leading causes of death worldwide, and some inquiries regarding their origin are difficult to establish. The Randomized Controlled Trial (RCT) has always been considered the standard technique in clinical studies to elucidate causality relationships; however, in the context of Healthcare-Associated Infections (HAIs), this method is not always appropriate or feasible. Causal inference algorithms emerge as an important alternative to elucidate such cause-and-effect relationships, but the lack of understanding of the use of such methods generates a wide heterogeneity of results, which makes analyzing the results in systematic reviews an unfeasible task. Due to the lack of standardization of such studies, a framework should serve as a fundamental tool for causal inference theses to emerge and, thus, provide them with implementation guidelines, allowing interdisciplinary collaborations between statisticians and infectious disease scholars, and breaking down some of the barriers to the implementation of causal inferences in observational studies in the HAI area. ...
Instituição
Hospital de Clínicas de Porto Alegre. Programa de Pós-Graduação em Pesquisa Clínica.
Coleções
-
Ciências da Saúde (8977)Pesquisa Clínica (89)
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)