Conselho Nacional de Desenvolvimento Científico e Tecnológico / Apesar do crescente reconhecimento do potencial dos diagramas causais por epidemiologistas, essa técnica ainda é pouco utilizada na investigação epidemiológica. Uma das possíveis razões é que muitos temas de investigação exigem modelos causais complexos. Neste trabalho, a relação entre estresse ocupacional e obesidade é utilizada como um exemplo de aplicação de diagramas causais em questões relacionadas a confundimento. São apresentadas etapas da utilização dos diagramas causais, incluindo a construção do gráfico acíclico direcionado, seleção de variáveis para ajuste estatístico e a derivação das implicações estatísticas de um diagrama causal. A principal vantagem dos diagramas causais é tornar explícitas as hipóteses adjacentes ao modelo considerado, permitindo que suas implicações possam ser analisadas criticamente, facilitando, desta forma, a identificação de possíveis fontes de viés e incerteza nos resultados de um estudo epidemiológico. / Despite the increasing recognition of the potential of causal diagrams by epidemiologists, this technique has not been widely used in epidemiological research. One possible reason is that many research topics require complex causal models. In this article, the relationship between occupational stress and obesity is used as an example of application of causal diagrams on confounding. Some steps are presented, including the construction of the directed acyclic graph, the selection of variables for statistical control and the derivation of the statistical implications of a causal diagram. The main advantage of causal diagrams is to make the assumptions explicit, thus facilitating critical evaluations and the identification of possible sources of bias and uncertainty in the results of an epidemiological study.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / Apesar do crescente reconhecimento do potencial dos diagramas causais por epidemiologistas, essa técnica ainda é pouco utilizada na investigação epidemiológica. Uma das possíveis razões é que muitos temas de investigação exigem modelos causais complexos. Neste trabalho, a relação entre estresse ocupacional e obesidade é utilizada como um exemplo de aplicação de diagramas causais em questões relacionadas a confundimento. São apresentadas etapas da utilização dos diagramas causais, incluindo a construção do gráfico acíclico direcionado, seleção de variáveis para ajuste estatístico e a derivação das implicações estatísticas de um diagrama causal. A principal vantagem dos diagramas causais é tornar explícitas as hipóteses adjacentes ao modelo considerado, permitindo que suas implicações possam ser analisadas criticamente, facilitando, desta forma, a identificação de possíveis fontes de viés e incerteza nos resultados de um estudo epidemiológico. / Despite the increasing recognition of the potential of causal diagrams by epidemiologists, this technique has not been widely used in epidemiological research. One possible reason is that many research topics require complex causal models. In this article, the relationship between occupational stress and obesity is used as an example of application of causal diagrams on confounding. Some steps are presented, including the construction of the directed acyclic graph, the selection of variables for statistical control and the derivation of the statistical implications of a causal diagram. The main advantage of causal diagrams is to make the assumptions explicit, thus facilitating critical evaluations and the identification of possible sources of bias and uncertainty in the results of an epidemiological study.