CAUSALIDAD Y VALIDEZ EN LOS ESTUDIO EPIDEMIOLGICOS

1. Objetivos

- Comprender el rol de la causalidad en estudios epidemiolgicos.
- Comprender el proceso de las inferencias causales basadas en resultados de
estudios epidemiolgicos.
- Conocer las fuentes ms importantes de error en los estudios epidemiolgicos
y cmo stos se minimizan.

2. Trminos Claves: Inferencia causal, error aleatorio, confusin, sesgo,
modificacin del efecto

3. Desarrollo del mdulo

3.1. Causalidad

Uno de los principales objetivos de la investigacin epidemiolgica es establecer
las causas del fenmeno de inters. Una causa de enfermedad desde el punto
de vista epidemiolgico es un evento, condicin, caracterstica o una combinacin
de estos factores que juegan un papel importante en el desarrollo de la
enfermedad. La epidemiologa ocupacional, se orienta a la identificacin de las
causas de las enfermedades y lesiones resultantes de las exposiciones ocurridas
en el sitio de trabajo.

Son varios los modelos de causalidad propuestos, mencionaremos al El Modelo
de Rothman, como ejemplo y desarrollaremos a continuacin. Este modelo define
como causa suficiente a un grupo de condiciones y acontecimientos mnimos
que, inevitablemente inician o producen la enfermedad. El modelo es determinista,
porque supone que la enfermedad puede tener una o ms causas suficientes
(CS), cada una de las cuales determina la enfermedad, es decir diferentes
conjuntos de causas pueden interactuar y producir el mismo evento.

Dicho de otro modo, una causa es suficiente cuando la enfermedad es observada
en los individuos que presentan la causa, no obstante, la causa no se observa en
todos los individuos con la enfermedad porque existen otras causas para ella. Por
ejemplo, el hbito de fumar cigarrillos es una causa del cncer de pulmn, pero
ste tambin es causado por la exposicin a las fibras de asbesto o al gas radn.
Cada CS est compuesta por un grupo de causas componentes (CC). La
presencia de una CC aumenta la probabilidad de que la enfermedad se produzca,
es decir la presencia de CC equivale a la presencia de los factores de riesgo. Para
este modelo una causa se denomina necesaria (CN) cuando sta siempre debe
anteceder una enfermedad. Una causa es necesaria cuando debe estar presente
en los individuos para contraer la enfermedad, sin embargo, su presencia no
siempre conduce al desarrollo de enfermedad. Por ejemplo el bacilo de la
tuberculosis (Mycobacterium bacillus) debe estar presente para causar la
tuberculosis, pero, la aparicin de la tuberculosis no siempre se observa en los
individuos portadores del bacilo.


Figura 1. La figura muestra una enfermedad que tiene 3 complejas causas
suficientes, cada una de 5 causas componentes. A es una causa necesaria ya
que esta aparece como miembro de cada causa suficiente. B, C y, F no son
causas necesarias ya que ellas no aparecen en todas las 3 causas suficientes.

Otro ejemplo de CS y CN corresponde al cncer de pulmn, ste puede ser
atribuido a diferentes causas suficientes (humo de tabaco, metales pesados,
asbesto, etc.), todas son suficientes para producir el evento, pero no todas son
necesarias. Cualquier causa podra comportarse como necesaria, suficiente,
ninguna de las dos o ambas.

Hay que considerar que cada enfermedad posee muchas causas (CS, CC y CN)
las cuales interactan entre ellas, por lo que resultara imposible predecir que
ocurrir en cada caso en particular. Adems de lo difcil que resultara determinar
todas las causas, aunque stas se conocieran, sera difcil determinar cuales
actuaran en cada caso.

De acuerdo a este modelo, un factor es una causa de la enfermedad si la
alteracin de ste resulta en una variacin de la frecuencia del evento. Por este
motivo, el modelo resulta til desde el punto de vista de la prevencin, ya que no
es necesario conocer todas las causas componentes para prevenir la enfermedad.
Efectivamente, al identificar y eliminar slo uno de los factores de la causa
suficiente, se previenen los casos de la enfermedad que esta causa suficiente
origina.

Al estudiar la causalidad uno debe considerar que los factores de riesgo juegan
diferentes roles en el desarrollo de la enfermedad. Por esto los factores causales
han sido diferenciados en los siguientes grupos, los cuales, no son mutuamente
excluyentes:

Causa
Suficiente I
Causa
Suficiente II
Causa
Suficiente III
D E
C
B
A
H G
F
B
A A
E
C
I
F
1. Factores predisponentes factores que crean un estado de sensibilidad hacia
un agente patgeno. La edad, el grado educacional, ocurrencia previa de la
enfermedad y el ambiente laboral son ejemplos de factores que podran hacer a
los individuos ms susceptibles a un agente patgeno.

2. Factores facilitadores factores que facilitan la manifestacin de la
enfermedad o por el contrario facilitan la recuperacin de una enfermedad. Los
ingresos, el acceso a la atencin mdica y la nutricin son ejemplos de factores
cuya ausencia podran facilitar la manifestacin de las enfermedades y que
apoyan la recuperacin en su presencia.

3. Factores desencadenantes factores que estn asociados con la aparicin
definitiva de la enfermedad. A menudo un factor es ms importante u obviamente
ms reconocible que otro cuando hay varios factores involucrados. Algunos
ejemplos son la exposicin a un medicamento, agentes intoxicantes o
traumatismos fsicos.

4. Factores potenciadores factores repetitivos, recurrentes, persistentes que
tienden a perpetuar o agravar la presencia de una enfermedad. Por ejemplo la
exposicin repetida al mismo agente txico (en la ausencia de una reaccin
aguda) y el trabajo.

La realizacin de una investigacin epidemiolgica consiste en calcular el riesgo
de la ocurrencia de una enfermedad con relacin a uno o ms factores de riesgo o
exposiciones mediante los mtodos estadsticos. En realidad, la estimacin de
riesgo representa la magnitud de la asociacin entre el factor de riesgo y la
enfermedad en estudio.

La inferencia causal es el proceso de determinar si la estimacin de riesgos
denota causalidad. Es decir, si el factor de riesgo o la exposicin bajo
investigacin es en realidad una causa de la enfermedad. Antes de establecer
causalidad, otras explicaciones potenciales para las asociaciones tendran que ser
excluidas como el sesgo y la confusin.

3.2. Validez y precisin en los estudios epidemiolgicos

Es importante que el clculo del riesgo de un estudio represente el efecto
verdadero, que ser el caso cuando un estudio es vlido. Se distinguen dos tipos
de validez de estudio: la interna y la externa. La validez interna se refiere a que los
resultados del estudio sean atribuidos slo al efecto bajo investigacin. Esto es
posible cuando todas las fuentes de error han sido reducidas al mnimo en las
etapas de diseo, implementacin y anlisis del estudio. La validez externa se
refiere a que los resultados del estudio sean generalizables, esto es, cuando un
estudio produce inferencias imparciales con respecto a una poblacin objetivo. Por
ejemplo, los resultados de un estudio realizado en hombres podran no ser
generalizables en mujeres, quienes tambin forman parte de la misma poblacin
objetivo desde dnde los hombres vinieron.

Los errores en los estudios epidemiolgicos conducen a un clculo sesgado del
estimador de riesgo y a inferencias incorrectas acerca de la relacin entre el factor
de riesgo y la enfermedad bajo investigacin. Un estudio es vlido cuando sus
resultados corresponden a la verdad. Al reducir al mnimo los errores, en las
etapas de planificacin y de ejecucin del estudio, el investigador tiene mas fuerza
para llegar a la conclusin de que los resultados representan el valor verdadero.
Slo los estudios con resultados vlidos son tiles para el proceso de inferencia
causal.

3.2.1. Tipos de error

Los errores pueden clasificarse como: aleatorio o sistemtico.

1. El error aleatorio es parte de la variacin, en una medicin, que generalmente
es considerada como debida solo al azar. Existen varias fuentes de error aleatorio.
Una fuente principal de este tipo de error es el proceso de establecer la muestra
de estudio. Esta forma de error aleatorio tambin se conoce como error de
muestreo. La principal forma de reducir el error aleatorio es agrandar el tamao
muestral en estudio. Esto aumentar la precisin del clculo de riesgo y por
consiguiente, del estudio.

2. El error sistemtico es el resultado de los defectos en el mtodo de seleccin
de los participantes en estudio o en los procedimientos de recoleccin de
informacin pertinente a la exposicin o enfermedad. En consecuencia, los
resultados observados del estudio tendern a ser diferentes de los resultados
verdaderos. Esta tendencia hacia los resultados errneos es llamada sesgo.
Minimizar el sesgo aumentar la validez del clculo de riesgo.

La Figura 2 muestra los efectos de los errores aleatorios y sistemticos sobre los
clculos de riesgo. El error aleatorio conduce a la imprecisin en el clculo de
riesgo. Puede observarse que los clculos de riesgo a menudo rodean la verdad
(punto central) pero se propagan aleatoriamente alrededor de ello. En contraste, el
error sistemtico no afecta la precisin del clculo de riesgo. Sin embargo, esto
conduce a la generacin de clculos de riesgo que sistemticamente son
diferentes de la verdad.

Figura 2. Validez y Precisin



Antes de que el resultado de un estudio se evale para establecer la posibilidad de
que la relacin arrojada sea causal, es importante determinar la validez y la
precisin del estudio. Las posibilidades de explicaciones alternativas para los
clculos de efectos como el azar, el sesgo y la confusin debern ser excluidos
(Figura 3).

Figura 3. Evaluacin de la Relacin entre una Causa Posible y la Enfermedad



Puede ser debida a
sesgos de seleccin o
medicin?
ASOCIACIN OBSERVADA
NO
Puede deberse a
fenmenos de confusin?
Puede ser una
casualidad?

Puede ser causal?
Aplicar los criterios y llegar a una
conclusin
NO
PROBABLEMENTE NO

x
x
x
x
x x
x
x
Error Aleatorio - Imprecisin
Error Sistemtico - Sesgo

x
x
Fuente: Epidemiologa Bsica, OPS.

3.2.2. Sesgos

Como se menciono anteriormente, el sesgo es una desviacin sistemtica de los
resultados o las inferencias del valor verdadero. El sesgo en los estudios
epidemiolgicos puede clasificarse en dos tipos principales: el sesgo de seleccin
y de informacin.

El sesgo de seleccin ocurre cuando hay diferencias entre los que participan en el
estudio y aquellos que no participan, y esas diferencias tienen un efecto sobre el
clculo de riesgo, desvindolo de su valor verdadero. Estas diferencias introducen
un sesgo en el clculo de riesgo cuando sus caractersticas se relacionan
sistemticamente con la exposicin o enfermedad bajo estudio.

Al planificar un estudio epidemiolgico, el investigador debe identificar si existe el
potencial para la ocurrencia de algn tipo de sesgo y encontrar las maneras de
reducirlo. Existen muchas maneras en que se puede introducir un sesgo de
seleccin al estudio. Algunos ejemplos son: 1) La percepcin o el conocimiento del
tema del estudio influye en el deseo de participar de los sujetos (Ej.: el uso de las
drogas o el alcohol); 2) Un deficiente marco de muestreo que excluye
sistemticamente a un grupo de sujetos con caractersticas similares (Ej.: realizar
entrevistas por telfono en un distrito donde aquellos pertenecientes a los estratos
socioeconmicos bajos no tienen telfonos); 3) Los voluntarios (Ej.: usualmente
los voluntarios tienen una motivacin especial para participar en un estudios como
una mayor percepcin de riesgo o un alto nivel educacional).

Un caso especial de sesgo de seleccin en los estudios ocupacionales es el efecto
del trabajador saludable. Los trabajadores generalmente presentan tasas de
mortalidad general inferiores que la poblacin en general, esto porque el enfermo
grave y los discapacitados crnicos son generalmente excluidos del empleo. Los
trabajadores son ms saludables que la poblacin en general, por tanto, las tasas
de mortalidad de la poblacin general no son comparables con las tasas de la
poblacin laboral.

El sesgo de informacin es una falla en la medicin de los factores de riesgo o los
datos de enfermedad que da lugar a una calidad diferente de la informacin entre
los grupos de comparacin. Esto conduce a una medida de la variable de estudio
que es diferente de su valor verdadero y puede producir una clasificacin errnea
de los sujetos de estudio con respecto a la exposicin, la enfermedad o ambos. La
presencia del sesgo de informacin tiene un efecto en el clculo de riesgo
desvindolo de su valor verdadero.

Existen muchas maneras en que se puede incluir un sesgo de informacin al
estudio. Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de la
variable de estudio (Ej.: El esfigmomanmetro no esta calibrado); 2) El
entrevistador subconscientemente o conscientemente busca y recolecta datos
selectivamente (Ej.: sesgo del entrevistador); 3) Los sujetos de estudio tienen una
memoria inexacta o incompleta de los eventos o experiencias pasadas
relacionadas con la pregunta de estudio (Ej.: sesgo del memoria).

3.2.3. Confusin

La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurre
cuando hay un tercera variable que puede causar la enfermedad en estudio y que
a su vez est asociada con el factor de riesgo bajo investigacin. A menos que
sea posible ajustar el efecto de confusin de esta tercera variable, sus efectos no
pueden distinguirse de los del factor de riesgo en estudio.

La figura 4 intenta explicar esta relacin. El asbesto es un factor de riesgo
conocido del cncer de pulmn. Tambin el hbito de fumar cigarrillos es un factor
de riesgo del cncer de pulmn. Tanto el hbito de fumar como la exposicin al
asbesto son factores de riesgo del cncer de pulmn, la confusin ocurrir si la
distribucin del fumar en los sujetos de estudio varia concurrentemente con la
distribucin de la exposicin al asbesto. Por ejemplo si los que fumaron son
tambin aquellos que estn ms expuestos al asbesto. Para calcular
apropiadamente la magnitud de la asociacin entre el asbesto y el cncer de
pulmn es importante reducir el efecto de confusin introducido por el hbito de
fumar. A menudo, ms de una variable puede introducir confusin.

La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque
no es un sesgo.

Figura 4. Efecto de confusin del fumar cigarrillos en la relacin entre la
exposicin a asbestos y el cncer de pulmn




3.2.4. Modificacin de efecto

Despus de excluir el factor de confusin como una explicacin de la asociacin
de estudio es importante evaluar una potencial modificacin del efecto. Un
modificador de efecto es un factor que modifica el efecto del factor de riesgo en
EXPOSICIN
AL ASBESTO
CNCER DE
PULMN
FUMAR CIGARILLOS
estudio. Ocurre cuando el clculo de riesgo en presencia de dos factores de riesgo
es diferente del clculo de riesgo esperado como resultado de los efectos
individuales de estos factores. El efecto puede ser mayor (sinergismo) o menor
(antagonismo) que la suma de los efectos individuales.

La modificacin de efecto es detectada al generar clculos de riesgo para el factor
de riesgo en estudio a travs de los niveles de un tercer factor (Tabla 1). La tasa
de cncer de pulmn en los no fumadores que estn expuestos al asbesto es
mayor que en la tasa del grupo no expuesto, sin embargo, el efecto de la
exposicin a asbesto en el cncer de pulmn es mucho mayor cuando la persona
es fumadora.

Tabla 1. Tasa de mortalidad estandarizada del cncer de pulmn (por 100000
habitantes) en relacin a los fumadores y la exposicin al polvo de asbesto

Exposicin
al asbesto
Historia de
fumador
Tasa de mortalidad
por cncer del
pulmn
No No 11
S No 58
No S 123
S S 602

Finalmente, los datos derivados de la investigacin epidemiolgica se usan para la
toma de decisiones. Por ejemplo, los organismos reguladores dependen de los
datos epidemiolgicos cuando proponen los lmites de exposicin laboral. De ah
la importancia de realizar estudios epidemiolgicos que estn libres de sesgos y
de comprender el impacto de los retos que conlleva el proceso de inferencia
causal.

3.3. Criterios de causalidad

Una vez que la validez del estudio ha resultado ser adecuada, el prximo paso es
comparar sus resultados con los de otros estudios epidemiolgicos realizados con
el mismo propsito.

A menudo la determinacin de la causalidad ha sido establecida mediante la
construccin de un juicio subjetivo. Un enfoque sistemtico fue desarrollado por el
mdico estadista britnico Austin Bradford Hill, para ayudar a establecer un
proceso de inferencia causal ms objetivo. Esta gua se conoce como los Criterios
de Causalidad de Hill. Una versin adaptada se muestra en la tabla 2.




Tabla 2. Criterios de Causalidad de Hill (adaptado)

Consistencia
La asociacin de estudio es consistente cuando los
resultados son replicados en estudios epidemiolgicos
realizados en diferentes poblaciones utilizando diferentes
diseos de estudio.
Fuerza de la
asociacin
Es definido por el tamao del clculo del riesgo derivado del
anlisis estadstico.
Relacin
dosis -
respuesta
El tamao del clculo del riesgo se incrementa con el
incremento de los niveles de exposicin.
Secuencia
temporal
La exposicin siempre precede al resultado. Este es el nico
criterio absolutamente esencial.
Plausibilidad
biolgica
La asociacin esta acorde con la consecuente aceptacin de
los procesos biolgicos.
Adaptado de Last J M. A Diccionario de Epidemiologa. 4
ta
edicin.

En muchas situaciones una relacin causa-efecto es difcil de establecer.
Adems, un estudio es generalmente insuficiente para establecer causalidad. La
determinacin de la causalidad se deriva cuando existe un gran cuerpo de
evidencia sobre la asociacin de estudio. A partir de la base de evidencia, esta
gua se utiliza para organizar la informacin e impulsar los procesos inferenciales.

Antes de realizar un estudio se espera que el investigador realice una revisin de
la bibliografa existente sobre la asociacin de inters. El anlisis de los estudios
existentes recolectados por el investigador debe realizarse siguiendo esta gua.

Es tambin til obtener la evidencia de otros campos de estudio en apoyo a la
asociacin bajo estudio. La evidencia de otros campos de investigacin puede
suministrar informacin que los estudios epidemiolgicos no pueden generar
debido a su naturaleza observacional.

4. Referencias Bibliograficas

- Armstrong BK, White E, Saracci R. Principles of exposure measurement in
epidemiology. Oxford Medical Publications. New York. 1992
- Beaglehole R, Bonita R, Kjellstrom T. Basic epidemiology. World Health
Organization. Geneva. 1993
- Gordis L. Epidemiology. WB Saunders Company. Philadelphia. 1996
- Last J M. A dictionary of epidemiology. Oxford University Press. New York.
2001
- Rothman KJ . Modern epidemiology. Little, Brown and Company.
Boston/Toronto, 1986.
- Szklo M, Nieto FJ . Epidemiology, beyond the basics. Aspen Publishers, Inc.
Maryland, 2000.