notas de causalidad 4

MsC. Dr. Arturo Olazabal Alfonso

Especialista 2do Grado Higiene y Epidemiología

Causalidad en Epidemiología

Nov 2010

1. Reseña histórica del estudio de la causalidad.

2. Definición e interpretación. Modelos causales y criterios de causalidad.

3. Breve introducción al estudio del riesgo.

Sumario

A pesar de que Holmes es un personaje ficticio, su estrategia para analizar y resolver enigmas puede ayudar a las personas con problemas en el mundo real.

La estrategia de Holmes es básicamente de observación y deducción, en la cual te muestra donde buscar y que quieres buscar específicamente (que no siempre es lo que creemos), por que él ve los detalles, pero también ve la cadena.

Sherlock Holmes, deSr. Arthur Conan Doyle.

"Cuando has eliminado lo imposible, aquello que queda, por mas improbable que sea, debe ser la verdad".

"Usando la lógica una persona podría inferir a partir de una gota de agua, la posibilidad de un Atlántico, sin haber visto o escuchado antes de este".

Para empezar a pensar como Holmes, tendría sentido iniciar con su propia sugerencia de observar a alguien e intentar "distinguir de una sola mirada la historia de ese hombre, la profesión y el gremio a que pertenece". Holmes propone claves como "las uñas", "las rodillas de los pantalones", "las callosidades de sus dedos indice y pulgar", "su expresión", "los puños de la camisa" etc. alegando que por cada uno de estos detalles la ocupación de un hombre es abiertamente revelada".

La causalidad es una forma de concatenación universal y regular de los fenómenos, y lo que ahora y aquí es efecto adquiere luego y allí carácter de causa y viceversa.

Concepto filosófico de causalidad

Tales (c. 630-550 AC)

la fuente de todas las cosas es el agua—la primera explicación causal, en este caso, la causa material de todas las cosas.

Anaximandro (c. 550-500 AC)

Especifica que la fuente de la naturaleza es aérea, y que las cosas se generan a partir del aire por condensación o rarefacción.

Parménides (c. 550 AC - 475 AC)

No hay ninguna causalidad eficiente porque ningún cambio puede ocurrir y el cambio aparente en el mundo es sólo ilusión.

Antecedentes históricos

Heráclito (c. 525-475)

Postula que las cosas cambian constantemente

Aristóteles (384 – 322 a. C.)

Conocer algo científicamente es conocer sus causas.

Las causas son aquellos factores necesarios para explicar un proceso cualquiera (las causas dan la explicación para el cambio)


Causas Ocultas

Determinantes del equilibrio del organismo y de la predisposición a enfermar.

Eran las principales determinantes del equilibrio del organismo sano, y su alteración desencadenaba la enfermedad. Su vinculación con la astrología era permanente.

Causas Evidentes

Que aparecen con claridad a los sentidos

Las llamadas causas evidentes se referían a aquellas circunstancias externas que podían jugar un rol en la aparición de alguna patología: el frío, el calor, la sed, el ayuno, la gula o la lujuria y obviamente los traumatismos

Causalidad en la medicina hipocrática


El Universo esta formado por cuatro elementos básicos: agua (humedad), aire (sequedad), fuego (calor) y tierra

(frío).

Los fluidos orgánicos están compuestos por sangre (caliente y húmeda), flema (fría y húmeda), bilis amarilla

(caliente y seca) y bilis negra (fría y seca).

Si estos humores se encuentran en equilibrio el cuerpo goza de salud; el exceso o defecto de alguno de ellos

produce la enfermedad.

Teoría de los 4 humores orgánicos


Cuando un acontecimiento sucede tras otro, la mayoría de la gente piensa que una conexión entre ambos acontecimientos hace que el segundo suceda al primero.

David Hume (1711-1776)


Se dio cuenta de que aunque percibimos que un elemento suceda al otro, no percibimos ninguna condición necesaria y suficiente entre los dos.

La inferencia inductiva presupone que se puede confiar en los actos pasados como regla a partir de la que se puede predecir el futuro.

Las condiciones sociales y económicas tienen un efecto muy importante en la salud y la enfermedad, y dichas condiciones pueden ser sometidas a la investigación científica.


Rudolf Virchow, Alemania, (1821-1902)

Modelo de Koch-Henle (1882). El microorganismo debe estar presente en todos y

cada uno de los casos de la enfermedad;

El microorganismo ha de poder aislarse y crecer en cultivo puro;.


El microorganismo debe estar presente en todos y cada uno de los casos de la enfermedad;

El microorganismo debe causar la enfermedad específica cuando se inocula a un animal susceptible;

El microorganismo debe poder recuperarse del animal enfermo y ser identificado;

El microorganismo debe causar la enfermedad específica cuando se inocula a un animal susceptible.

Concepto de causalidad en Epidemiología

Causa

Efecto

Todo fenómeno que precede a otro y lo origina.

Todo fenómeno precedido por otro y originado por él.

Acontecimiento, circunstancia, característica o combinación de estos factores que desempeña un papel importante en la producción de la enfermedad.

CAUSA DE UNA ENFERMEDAD

1. Modelos deterministas. Determinista.

Multicausal.

Determinista modificado.

2. Modelos probabilísticos.

Modelos causales

Para aplicar este modelo de requieren dos condiciones:

Expuestos Enfermedad

Si a bNo c d

Si C es la causa necesaria de E, entonces c = 0

Si C es la causa suficiente de E, entonces b = 0

Estas consideraciones invalidan la aplicación de este modelo en la inferencia causal en Epidemiología.

Modelo determinista

1. Especificidad de causa: C es la sola causa de E

2. Especificidad de efectos: E es solo efecto de C

Considera un conjunto de sistemas interactuantes con múltiples interconecciones:

PLURALIDAD DISYUNTIVA DE CAUSAS

El efecto es producido por cada causa separadamente.

CAUSACIÓN MÚLTIPLE GENUINA

PLURALIDAD CONJUNTIVA DE CAUSAS

Deben estar presentes todas las causas para que se produzca el efecto. En ambas situaciones se contempla la multiplicidad de efectos.

+ +

Modelo multicausal

Red multicausal de las enfermedades cardiovasculares

Incorpora conceptos del modelo determinista y del multicausal. Este modelo presupone que los tiempos de inducción no son constantes para las enfermedades, ya que son específicos de cada factor causal contribuyente.

AB

CD

CAUSA SUFICIENTE

CAUSA NECESARIA

Este modelo incorpora además proporción de la enfermedad debida a cada causa específica, fuerza de asociación causal, interacción entre factores causales y períodos de inducción y latencia.

Modelo determinista modificado

El resto, solo son causas contribuyentes, no son necesarias ya que ellas no aparecen en todas las causas suficientes.

Causa Suficiente I

Causa Suficiente II

Causa Suficiente III

DE

C

B

A

H G

F

B

A A

E

C

I

F

Modelo causal de Rothman (1976)

“A” Causa necesaria.

FACTOR DE RIESGO: Aquel asociado con la probabilidad de ocurrencia de

la enfermedad

CRITERIOS DEL FACTOR DE RIESGO:

Se debe observar que covaria con la enfermedad. La presencia del factor de riesgo debe preceder la ocurrencia

de enfermedad. La asociación observada no debe ser atribuida a ninguna

fuente de error.

Modelo probabilístico

CAUSALIDAD x INFERENCIA CAUSAL

A través de este modelo se intenta identificar las distintascausas componentes y causas suficientes del modelodeterminista modificado, o los diferentes eslabones quese integran en el modelo multicausal.

Ventajas del modelo probabilístico

a) Nos permite jugar con nuestra ignorancia de los procesos causales y la forma de observarlos;

b) Permite la valoración de las relaciones de dosis-respuesta entre una exposición y una enfermedad;

c) posibilita la creación de modelos matemáticos que facilitarán datos exactos e interpretables y analizarán exposiciones múltiples y/o enfermedades para valorar las relaciones complejas existentes entre ellas.

La técnica inicial de estudio que emplea la epidemiología en cuanto a causalidad es el establecimiento de relaciones de asociación entre un hecho y un factor.

Pero no basta la existencia de ella para inferir que uno de los dos elementos asociados tengan carácter o condición de factor causal del otro.

Procedimiento para establecer la causalidad

Procedimiento para establecer la causalidad

Considerar las

asociaciones

Incidentales

EstadísticasCausales

VARIABLES

INDEPENDENCIA ASOCIACIÓN

NO CAUSAL CAUSAL

INDIRECTADIRECTAESPÚREAARTIFICIAL

Tipos de asociación

• NO EXISTA PROBLEMAS DE SELECCIÓN DEL MATERIAL DE ESTUDIO EMPLEADO QUE LLEVAN A CONCLUSIONES ANÓMALAS O QUE IMPIDAN UNA GENERALIZACIÓN DE LOS RESULTADOS

• NO EXISTAN FACTORES DE DISTORSIÓN QUE INVALIDEN LAS COMPARACIONES ENTRE GRUPOS

• LAS OBSERVACIONES HAYAN SIDO REALIZADAS CON PRECISIÓN EN LAS MEDICIONES Y CON OBJETIVIDAD DEL OBSERVADOR.

• SE HAYA MEDIDO LA PROBABILIDAD DE QUE EL AZAR EXPLIQUE LA CONCORDANCIA O LA DIFERENCIA OBTENIDA EN LOS RESULTADOS

• USE MÉTODOS ALEATORIOS

• EMPAREJAMIENTO O "MATCHING" O ANÁLISIS DE SUBGRUPOS

• UTILIZAR PROCEDIMIENTOS "CIEGOS"

• SI LA PROBABILIDAD ES ELEVADA DESECHAR LA ASOCIACIÓN ENCONTRADA O AUMENTAR EL TAMAÑO DE LOS GRUPOS DE OBSERVACIÓN

Elementos previos al análisis causal

Factores predisponentes: Pueden crear un estado de suceptibilidad para padecer un daño (efecto). Ej: edad, sexo.

Factores facilitadores: Favorecen el desarrollo de un daño (efecto). Ej: Alimentación inadecuada, ingresos reducidos.

Factores desencadenantes: Se asocian a la aparición de un daño (efecto). Ej: Factores de riesgo.

Factores potenciadores: Agravan el daño (efecto). Ej: Fatiga, trabajo intenso.

Factores de causación

Estos factores pueden ser necesarios en la relación causal, pero raramente son suficientes para provocar el efecto.

ASOCIACIÓN OBSERVADA

Puede ser debida a sesgos de selección o de medición

Puede ser debida a fenómenos de confusión

Puede ser una casualidad (por azar)

¿Puede ser causal?

APLICAR CRITERIOS DE CAUSALIDAD.

PROBABLEMENTE

NO

Valoración entre una posible causa y un resultado

Sir Austin Bradford Hill(1897-1991)

“Quién sabe, preguntó Robert Browning, si el mundo no terminará esta noche? Cierto, pero con la evidencia disponible,la mayoría de nosotros deberíamos aprontarnos para salir a trabajar a la 8.30 del siguiente día.”

Criterios de causalidad

Fuerza de asociación: Magnitud estadística (RR, RA, FER) que experimenta la asociación entre los eventos.

Secuencia temporal: Supuesta causa debe preceder al efecto o el daño en el tiempo.

Efecto dosis-respuesta: Gradiente biológico de la asociación. La fuerza de asociación se incremente al incrementarse la exposición.

Criterios de validez interna

Consistencia: Se repiten los resultados en observaciones realizadas por diferentes personas en diferentes lugares.

Coherencia: La interpretación de las observaciones no debe ser contradictoria con los hechos conocidos de la HNE y la biología de la enfermedad.

Especificidad de asociación: La presencia o ausencia de una variable predice la ocurrencia o no de otra.

Evidencia experimental: Recurrir a pruebas experimentales o cuasiexperimentales que evidencien la asociación.

Criterios de coherencia científica

1. Las causas no pueden ocurrir después que los efectos.

2. Los efectos unicausales no existen.

3. Niega tiempos de inducción constantes para las enfermedades, ya que éstos van a ser específicos de cada factor causal contribuyente.

Prohibiciones sobre los procesos causales

1. El factor preventivo debe estar consistentemente presente en las personas con buena salud o libres de una determinada enfermedad.

2. El factor debe ser aislado en forma pura (ejemplo: que puede ser identificado como causa).

3. El grado en que este factor sea aplicado será paralelo a un aumento del buen estado de salud o a la liberación de una determinada enfermedad.

4. La aplicación experimental de dicho factor a un segmento de la población deberá aumentar significativamente su estado de buena salud en comparación con controles

5. La supresión del factor preventivo estará asociada con un aumento de la enfermedad asociada a dicho factor.

6. El efecto del factor deberá ser medido en términos de menor morbilidad y mortalidad, mayor longevidad y menores costos médicos.

Postulados de la causalidad de la salud

Riesgo y causa

RIESGO

Probabilidad en un individuo o población de sufrir un daño como enfermar, morir, etc.

FACTOR DE RIESGO

Todo factor exógeno o endógeno que puede ser controlado o en el que el efecto es controlable mediante intervención clínica, epidemiológica o no médica y que está asociado a una mayor probabilidad de padecer un daño.

MARCADOR DE RIESGO

Características personales o del medio que no son controlables desde el punto de vista epidemiológico, pero que determinan a las personas particularmente vulnerables a los factores de riesgo.

Aumento en la probabilidad de padecer, desarrollar o estar especialmente expuesto a un proceso mórbido.

El riesgo es una probabilidad.

Riesgo

Característica o circunstancia detectable en una persona o grupo de personas que se sabe asociada con un aumento del riesgo de padecer, desarrollar o estar especialmente expuesto a un proceso mórbido.

Factores de riesgo

Predicción

La presencia de un factor de riesgo significa un riesgo aumentado de presentar en un futuro una enfermedad, en comparación con personas no expuestas. En este sentido sirve como elemento para predecir la futura presencia de una enfermedad.

Utilización del Riesgo

Causalidad

La presencia de un factor de riesgo no es necesariamente causal. El aumento de incidencias de una enfermedad entre un grupo expuesto en relación a un grupo no expuesto, se asume como factor de riesgo, sin embargo esta asociación puede ser debida a una tercera variable. La presencia de esta o estas terceras variables se conocen como variables de confusión.


Diagnóstico

La presencia de un factor de riesgo aumenta la probabilidad de que se presente una enfermedad.


Prevención

Si un factor de riesgo se conoce asociado con la presencia de una enfermedad, su eliminación reducirá la probabilidad de su presencia.


En cada sociedad existen comunidades, grupos de individuos, familias o individuos que presentan más posibilidades que otros, de sufrir en un futuro enfermedades, accidentes, muertes prematuras, etc. se dice que son individuos o colectivos de “riesgo”.

Población de Riesgo

Riesgo Relativo: Compara la frecuencia con que ocurre el daño entre los que tienen el factor de riesgo y los que no lo tienen

Cuantificación del grado de Riesgo

El riesgo relativo mide la fuerza de la asociación entre la exposición y la enfermedad. Indica la probabilidad de que se desarrolle la enfermedad en los expuestos a un factor de riesgo en relación al grupo de los no expuestos.

Se usa en estudios de cohortes (prospectivos)

Riesgo Relativo

RR: Riesgo Relativo. RA (exp.): Riesgo Absoluto en expuestos. RA (no exp.): Riesgo Absoluto en no expuestos.

Algoritmo matemático del Riesgo Relativo

Cálculo del Riesgo Relativo

• < 0,4 Protección fuerte.• 0,4 – 0,56 Protección moderada.• 0,57 – 0,83 Protección débil.• 0,84 – 1,19 Indiferente.• 1,20 – 1,74 Riesgo débil.• 1,75 – 2,50 Riesgo moderado.• >2,50 Riesgo fuerte.

Interpretación del Riesgo Relativo

En los estudios de casos y controles, dado que la incidencia es desconocida (no confundir incidencia de la enfermedad con exposición al riesgo), el método de estimación del riesgo relativo es diferente y se estima calculando el Odds ratio.

Puede usarse en estudios prospectivos (cohortes) y retrospectivos

Los controles deben ser representativos de la población estudiada.

La interpretación del valor obtenido es similar al RR.

Odds Ratio (OR)

OR: Odds Ratio

Algoritmo matemático del Odds Ratio

Cálculo del Odds Ratio

El valor de OR es una forma de expresar la proporción de veces que un suceso ocurra frente a que no ocurra. De tal manera que un OR = 2,5 debemos leerlo como 2,5:1 , o que la probabilidad de que un efecto aparezca ante la presencia de una variable es de 2,5 veces más que si esta variable no está presente.

Interpretación del Odds Ratio

Estima el grado de causalidad atribuible a un factor de riesgo en la producción de la enfermedad. Esta medida la podemos calcular:• en el grupo de expuestos (fracción atribuible en los

expuestos FAe).• en la población (fracción atribuible en la población

FAp).

Fracción Atribuible (o Etiológica)

Según los datos de la Tabla 2 la FAe sería:

Lo que significa que el 63.14% del bajo peso en los expuestos se debe a la exposición.

Fracción atribuible en los expuestos FAe

It = Incidencia en la población totalIo = Incidencia en los no expuestos

El concepto que encierra es totalmente similar al de la FAe, con la salvedad de que es un parámetro que se refiere a toda la colectividad y no solamente a los expuestos.

Fracción atribuible en la población (FAP)

Este valor, es el porcentaje de riesgo atribuible en la población para el factor de riesgo "sin control prenatal".

Cálculo de la Fracción atribuible en la población

Se interpreta la causa como acontecimiento, circunstancia, característica o combinación de estos factores que desempeña un papel importante en la producción de la enfermedad.

Se han descrito varios modelos para la interpretación de la causalidad, el más aceptado en la actualidad es el modelo probabilístico.

Se hace necesario aplicar los criterios de causalidad en el estudio de las causas de las enfermedades.

El cálculo del RR y el OR permite evaluar la fuerza de asociación entre la causa y el efecto.

Conclusiones

Todo trabajo científico es incompleto - sea observacional o experimental. Todo trabajo científico tiene posibilidades de ser alterado o modificado por el avance de los conocimientos.

Eso no nos da la libertad de ignorar los conocimientos que ya poseemos, o de posponer las acciones que parecen requerir en el momento

Sr. Austin Bradford Hill.

GRACIAS

notas de causalidad 4

Documents