Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ses
as investigaciones en biomedicina, y
en las ciencias de la salud en general,
tratan de relacionar entre s los fenmenos biolgicos y sociales que ocurren en
las personas, de entenderlos y de proponer
intervenciones eficaces y tiles a la comunidad para fomentar la salud, prevenir la enfermedad y atender a los enfermos cuando sta
se produce.
La actividad investigadora en estos campos
de la ciencia se desarrolla desde dos enfoques distintos y complementarios:
El enfoque bsico indaga en los mecanismos
patognicos subyacentes que proporcionan
una visin fundamental y comn de las enfermedades.
El enfoque clnico/epidemiolgico indaga en
las relaciones de los hechos biolgicos, ambientales, sociales y de atencin sanitaria, con
76
el fin de entender y explicar cmo se configuran las cadenas epidemiolgicas del proceso
de enfermar. Se trata de una investigacin
que nos orienta sobre las causas de la enfermedad, de las relaciones que existen entre ellas y de las magnitudes relativas de sus
efectos en la salud y en la enfermedad.
Aunque, como luego veremos, se ha avanzado en la comprensin del proceso de inferencia causal, en la investigacin clnico/
epidemiolgica todava tenemos la necesidad de formular un modelo general y coherente de causa que facilite la conceptualizacin relativa a la identificacin y distribucin
de los factores determinantes de la salud o de
las causas de la enfermedad y los problemas
que conllevan su prevencin, asistencia y recuperacin. Para ello partiremos de dos conceptos, que son:
03-desar0496Indicador.indd 76
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Modelos de causalidad
Existen varios modelos que explican
la causalidad. Todos ellos pretenden
presentar las posibles explicaciones
etiolgicas de las enfermedades,
considerando los conocimientos
existentes en el momento que han
sido planteados.
Modelo determinista
Clsicamente la definicin de causalidad, desde una concepcin puramente determinista, es la siguiente:
Se entiende la causalidad como
una conexin constante, nica, y
perfectamente predecible entre dos
factores X e Y; X es causa de Y, en un
medio completamente estable, slo
si cualquier manipulacin o cambio
en X induce un cambio subsiguiente en Y. (Blalock, 1964). Esta definicin de causalidad requiere dos
criterios: especificidad de causa y
especificidad de efecto. Es decir,
que X es slo causa de Y e Y es slo
efecto de X.
El criterio de especifidad de causa
implica conocer otras dos condiciones: X es a la vez causa necesaria y
causa suficiente de Y: X es causa necesaria si todos los cambios en Y deben ser precedidos por cambios en
X. X es causa suficiente si todos los
cambios en X inevitablemente conducen a cambios en Y.
sta, llammosla, lgica determinista puede ser cuantificada crticamente mediante el ejemplo que
nos propone Kleinbaum (tabla 1), al
relacionar un posible factor causal
con un posible efecto/enfermedad
(Kleinbaum,1982).
Hace un siglo R. Koch, con una visin determinista de la causa, propuso sus postulados para ser aplicados
www.jano.es | junio 2010
03-desar0496Indicador.indd 77
77
Tabla 1
Expuesto
No expuesto
Enfermo
No enfermo
- Si X es causa suficiente de Y, C
es siempre 0
- Si X es causa necesaria de Y, B
es siempre 0
- Si X es a la vez causa suficiente
y necesaria de Y, B y C
siempre sern 0
Se ha de tener en cuenta que esto pone en evidencia que, al menos
tericamente, estas dos condiciones pueden ser independientes, esto es:
-
Un
Un
Un
Un
factor
factor
factor
factor
puede
puede
puede
puede
La etiologa multifactorial
Existen suficientes evidencias empricas para poder afirmar que las enferwww.jano.es | junio 2010
77
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Criterios de causalidad
Intensidad. Fuerza de la asociacin
La magnitud o fuerza con la que dos
fenmenos se presentan juntos puede
servir de ayuda para valorar su relacin
causal. As asociaciones muy fuertes
sugieren esta relacin causal.
Consistencia
Si la misma asociacin se observa
repetidamente en distintas
circunstancias, a travs de diferentes
estudios realizados por distintos
investigadores y con metodologas
diversas, se refuerza de manera
importante la hiptesis de una relacin
causal.
Especificidad
Conforme ms especifica sea la
asociacin, es decir, de manera ms
exclusiva se relacione la hipottica
causa con el efecto y viceversa, ms se
favorece la explicacin causal.
Secuencia temporal
Por definicin, la presencia de la causa
debe anteceder a la aparicin del
efecto.
Gradiente biolgico
Se refiere a la relacin dosis-respuesta
entre las variables asociadas.
Verosimilitud
Es conveniente que la causa que
suponemos sea biolgicamente
verosmil (plausibilidad). Lo que es
biolgicamente verosmil depende
de los conocimientos biolgicos del
momento.
Coherencia
La interpretacin de las observaciones
como relacin causa-efecto no debe
ser contradictoria con los hechos
conocidos de la historia natural y la
biologa de la enfermedad.
Experimento
Se refiere especialmente a la evidencia
experimental o semiexperimental de
los efectos de la eliminacin o de la
actuacin sobre el hipottico agente
causal.
Analoga
Si se conocen los efectos para
determinados factores, se puede
esperar que la exposicin a factores
similares produzca efectos parecidos.
78
Limitada conceptualizacin
de los factores causales.
Existen dos aspectos que dificultan
la aplicacin de los criterios de causalidad del modelo determinista:
Si, hasta ahora, se ha mantenido que
la causalidad depende de un cambio en el factor causal (riesgo), entonces cmo se deben interpretar
la raza, el sexo, las predisposiciones
genticas y otras caractersticas fijas
en la etiologa de la enfermedad?
Mientras que es posible mantener,
en teora, que la causalidad debe
implicar la relacin entre cambios
secuenciales, al investigador no
siempre le es posible observar, medir, o siquiera identificar los cambios
relevantes.
El modelo determinista tampoco
nos permite aclarar el papel que
desempean aquellos factores causales considerados como continuos,
como son la edad, la presin sangunea, la obesidad, etc. Por ejemplo,
qu nivel debe alcanzar la presin
sangunea para provocar un acci-
El conocimiento imperfecto
Tenemos un conocimiento incompleto de la enfermedad y una posibilidad
limitada de observar y medir el proceso causal. Esto es, cuando estudiamos el efecto hipottico de un factor,
no podemos estar absolutamente
seguros de que otros efectos y otros
factores no estn desempeando un
papel aadido a los nuestros.
Modelo determinista
modificado
Muchos investigadores han modificado el modelo determinista para
explicar la multicausalidad de la enfermedad. Plantean la existencia de
asociaciones de factores causales,
ms que factores simples, siendo tratadas estas asociaciones como una
causa suficiente. Cada asociacin suficiente tiene un efecto en esa enfermedad, lo cual es independiente de
los efectos de esos factores en otras
asociaciones (Rothman 1976).
Kennet J. Rothman es, desde 1976,
la referencia obligada para definir
los conceptos de causa suficiente y
de causas componentes. Segn su
modelo, una causa suficiente podra
ser definida como un grupo de
condiciones y acontecimientos mnimos que, inevitablemente, producen
la enfermedad. En este caso decir
mnimos implica que ninguna de las
condiciones o acontecimientos es
superflua.
En la etiologa de una enfermedad, el que se complete una causa
suficiente puede ser considerado
equivalente al desencadenamiento
de esa enfermedad.
Las principales asunciones de este
modelo son las siguientes:
03-desar0496Indicador.indd 78
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Figura 1
supongamos que E fuera raro. Aunque todos los factores forman parte
de la causa suficiente, podra parecer
que E es una causa componente ms
fuerte, porque los que tienen E difieren sustancialmente en riesgo de los
que no lo tienen, ya que si no est
presente este factor unido a los dems no se da la enfermedad.
En trminos epidemiolgicos, una
causa dbil confiere slo un pequeo aumento en el riesgo de enfermar, mientras que una causa fuerte
aumentara el riesgo de enfermar
sustancialmente.
Ejemplo. En una sociedad en la
que la mayora de la gente come dietas ricas en fenilalanina, la herencia
del raro gen para la fenilcetonuria
sera un factor de riesgo fuerte del
retraso mental fenilcetonrico y la
fenilalanina en la dieta sera un factor de riesgo dbil. Sin embargo, en
otra sociedad en la que el gen de la
fenilcetonuria fuera muy frecuente y
poca gente comiera dietas ricas en
fenilalanina, la herencia del gen sera
un factor de riesgo dbil y la fenilalanina en la dieta sera un factor de
riesgo fuerte.
Por ello la fuerza de un factor de
riesgo causal, tal y como podra medirse por el parmetro razn de
riesgo (riesgo relativo), depende de
Proporcin de enfermedad
debido a causas especficas
Es la proporcin de casos de una enfermedad que no ocurriran si eliminsemos una causa componente de
una causa suficiente.
Ejemplo. En la representacin conceptual presentada, asumiendo que las
tres asociaciones suficientes son las
nicas que operan para esa enfermedad:
Causa suficiente I
Causa suficiente I:
Causa suficiente II:
Causa suficiente III:
A
A
A
B
B
C
C
F
F
D
G
I
Causa suficiente II
E
H
J
Efecto
Efecto
Efecto
03-desar0496Indicador.indd 79
79
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Qu proporcin de enfermedad
es causada por A?: la respuesta es
toda; sin A no se dara el proceso
patolgico. Se la considera causa
necesaria.
Qu proporcin es debida a B?: B
es una causa componente de enfermedad que acta dentro de dos
mecanismos, el I y el II, y toda enfermedad que surgiese a travs de
estos dos mecanismos sera evitada
si desapareciese B.
Figura 2
Periodo de induccin
una vez que la secuencia sea completa, por lo que se habr de esperar a
que acten C, D y E. El intervalo entre
la actuacin de B y la aparicin de la
enfermedad es el tiempo de induccin para el efecto de B.
Por lo tanto es incorrecto caracterizar
una enfermedad de periodo de induccin prolongado o corto. El tiempo de
induccin slo puede ser conceptualizado en relacin con una causa componente especfica. Para cada una de
stas es diferente y para la que acta
en ltimo lugar es igual a cero.
El contenido emprico
del modelo
La aplicacin de este modelo de causalidad establece varias cuestiones previas para poder ser aplicado, a saber:
Prohbe que las causas ocurran despus de los efectos.
Afirma que los efectos unicausales
son imposibles.
Prohbe un tiempo de induccin
constante para una enfermedad con
relacin a sus diversas causas componentes.
El modelo desvela que es una falacia intentar determinar la proporcin
Causa suficiente I
Causa suficiente II
A (VIH)
B (va intravenosa)
C (factores socio-culturales)
E (herona)
D (comparte jeringuilla)
A (VIH)
B (va intravenosa)
F (hemoterapia)
H (hemofilia)
G (flecha tratamiento)
A (VIH)
C (factores socio-culturales)
I (factores biolgicos)
J (sexualidad)
K (no preservativo)
80
03-desar0496Indicador.indd 80
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Modelo probabilstico
En este modelo se utiliza la teora
de probabilidades, y los mtodos
estadsticos relacionados con ella,
para valorar empricamente una posible asociacin que se cree causal.
Este modelo no niega la concepcin
determinista de la enfermedad, no
plantea la ocurrencia de la enfermedad como un proceso aleatorio, lo que pretende es emplear las
consideraciones probabilsticas en
muchos de los procesos causales
desconocidos o que no pueden ser
medidos. Como consecuencia de la
falta de certeza individual de la prediccin, la nocin terica de causa es
sustituida por el concepto emprico
de factor de riesgo.
En epidemiologa se utiliza el trmino factor de riesgo para indicar
una variable que es considerada
para ser relacionada con la probabilidad de que un individuo desarrolle
la enfermedad.Tres criterios deben ser tenidos en cuenta antes de
sugerir que un factor dado es un factor de riesgo para una determinada
enfermedad, y stos son:
El factor debe variar con la enfermedad; es decir, el factor debe estar
estadsticamente asociado con el
desarrollo de la enfermedad o, de
forma equivalente, la frecuencia de
la enfermedad diferir en sus mani-
Inferencia causal
La inferencia causal en epidemiologa es el lgico desarrollo de una
teora, basado en las observaciones
y en unos argumentos que atribuyen
la presencia (asociacin) de una enfermedad a uno o ms factores de
riesgo. Para comprender las derivaciones del uso del trmino asociacin causal, es necesario describir
algunas de las maneras en las que
pueden relacionarse las categoras
de sucesos o circunstancias. En su
relacin recproca, dos categoras
pueden estar:
No asociadas (independientes).
Asociadas: estadsticamente o causalmente.
Cuando una categora de circunstancias acontece en una cierta proporcin X de un grupo de personas,
y otra categora en una proporcin Y,
los dos tipos de categoras irn juntos en algunos miembros del grupo,
en una proporcin que en realidad
es igual al producto X por Y de las
dos proporciones separadas.
Podemos decir que existe asociacin cuando la proporcin de
individuos que presentan ambas
categoras de circunstancias es significativamente ms alta/baja que la
proporcin que se predice si tenemos en cuenta la presentacin simultnea de las frecuencias separadas
de ambas categoras.
Resulta conveniente insistir en
que la asociacin, en este caso, se
establece para categoras y no para
las circunstancias individuales. Por
supuesto, la informacin de una experiencia de grupo podra sugerir la
probabilidad de la existencia de asociacin causal en un caso individual.
Cuanto mayor es la proporcin de
asociacin entre las dos categoras
de circunstancias, revelada por la experiencia del grupo, hay mayor posibilidad de que la suposicin sobre la
existencia de una asociacin causal
en un caso especfico sea correcta.
Slo una minora de las asociaciones estadsticas son causales en el
www.jano.es | junio 2010
03-desar0496Indicador.indd 81
81
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Tabla 2
Grado de relacin
Naturaleza de
la relacin
Problema a superar
Estadstico
Coincidencia
Error aleatorio
Epidemiolgico
Asociacin
Error sistemtico
Causal
Causalidad
Validez externa
sentido de la definicin, que requiere que el cambio en una de las categoras participantes en la asociacin
determine la alteracin en la otra. La
mayor parte de las asociaciones estadsticas que no son causales son
secundarias a la asociacin de ambas
categoras de circunstancias con una
tercera.
Tabla 3
Criterios propuestos por distintos autores para valorar la presencia de una relacin causal
U.S.Dept of
Health.1964
B. Hill. 1965
Mac Mahon,
Pugh.1970
R. Doll. 1985
Susser.
1991
Consistencia
Fuerza
Temporalidad
No error alet.
Fuerza
Fuerza
Consistencia
Fuerza
No error sist.
Especifidad
Especificidad
Especificidad
Coherencia
Consistencia
Consistencia
Temporalidad
Temporalidad
Dosis/respuesta
Comportamiento predictivo
Coherencia
Coherencia
Gradiente
Plausibilidad
Coherencia
Experimentacin
Analoga
Fuente: Garca Garca AM, Garca Benavides F. Causalidad en salud laboral: el caso Ardistil. Gaceta Sanitaria. 1995;9:371-9.
82
03-desar0496Indicador.indd 82
03/06/10 16:49
desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad
C. Fernndez Prez y M. Carrasco Asenjo
Figura 3
Teora, conocimiento
Inferencias sobre
hiptesis conceptual
Sntesis, formulacin,
presentimiento
Conclusiones e interpretacin
Hiptesis conceptual
Inferencias sobre
hiptesis operacional
Hiptesis operacional
Hallazgos empricos
Coleccin datos
Anlisis datos
Trabajo campo
PARA SABER MS
03-desar0496Indicador.indd 83
83
03/06/10 16:49