UNIVERSIDAD NACIONAL ´HERMILIO VALDIZÁNµ

FACULTAD DE CIENCIAS MÉDICAS E.A.P.: MEDICINA HUMANA

EPIDEMIOLOGÍA
DOCENTE: Dr. Miguel Ángel, PACO FERNÁNDEZ

ALUMNOS:
Ospino Martin, Luis Pedro Pacheco Modesto, Iván Sánchez Beteta, Marco Antonio Fernández Chipana, Jorge Luis Guerra Alvarado, Liliana Jackeline Pajuelo Vargas, Jhosef

HUÁNUCO ² PERÚ

CAUSALIDAD E INFERENCIA CAUSAL Una comprensión rudimentaria de causa y efecto parecen ser adquiridos por la mayoría de la gente por su cuenta mucho antes de lo que podría haber sido enseñadas por alguien más. Incluso antes de que puedan hablar, muchos jóvenes entienden la relación entre el llanto y la apariencia de un padre u otro adulto, y la relación entre esa apariencia y el de conseguir lugar, o alimento. Un poco más tarde, van a desarrollar teorías sobre lo que ocurre cuando un vaso de leche es derramado o entregado, y lo que sucede cuando un interruptor en la pared es empujada desde una de sus posiciones de reposo a otro. Mientras que las teorías de este tipo se están formulando, una teoría causal más general también se está formando. La teoría más general postula que algunos eventos o estados de la naturaleza son causas de efectos específicos. Sin una teoría general de causalidad, no habría ningún esquema en que colgar la sustancia de muchas de las teorías causales específicas que uno necesita para sobrevivir. Sin embargo, los conceptos de causalidad que fueron establecidas de manera temprana en la vida son demasiado primitivos como para servir de base para las teorías científicas. Esta deficiencia puede ser especialmente cierto en la salud y ciencias sociales, en los que las causas típicas no son ni necesarios ni suficientes para producir efectos de interés. Por lo tanto, como ha sido reconocido en la epidemiología, existe una necesidad de desarrollar un modelo conceptual más refinado que puede servir como punto de partida en las discusiones sobre la relación de causalidad. En particular, dicho modelo debe abordar los problemas de la relación de causalidad multifactorial, la confusión, la interdependencia de los efectos, los efectos directos e indirectos, los niveles de causalidad, y los sistemas o redes de la causalidad (MacMahon y Pugh, 1967; Susser, 1973). En este capítulo se describe un punto de partida, el modelo de causa suficiente-componente (o modelo de causa suficiente), que han demostrado ser útiles en la aclaración de ciertos conceptos en los mecanismos individuales de la relación de causalidad. El Capítulo 4 presenta el amplio uso de resultados potenciales o modelos hipotéticos de causalidad, el cual es útil para relacionar niveles individuales a niveles poblacionales de causalidad, mientras que el capítulo 12 introduce diagramas de modelos causales (diagramas causales), que son especialmente útiles para ejemplificar sistemas causales. Salvo que se especifique lo contrario, a lo largo del libro vamos a suponer que la enfermedad se refiere a un evento no recurrente, tal como la muerte o la primera aparición de una enfermedad, y que el resultado de cada persona o unidad de estudio (por ejemplo, un grupo de personas) no se vean afectadas por las exposiciones y los resultados de otros individuos o unidades. Aunque este supuesto simplificará en gran medida nuestra discusión y es razonable en muchas aplicaciones, no se aplica a los fenómenos contagiosos, tales como los comportamientos y las enfermedades transmisibles. Sin embargo, todas las definiciones y la mayoría de los puntos que hacen (especialmente respecto a la validez) se aplican de manera

más general. También es esencial para comprender las situaciones más simples antes de abordar la complejidad creada por la interdependencia causal de las personas o unidades. Un modelo de causas suficientes y causas componentes Para empezar, necesitamos definir causa. Una definición de causa de la aparición de una enfermedad específica se refiere a un evento antecedente, condición o característica que fueron necesarios para la aparición de la enfermedad en el momento en que ocurrió, dado que otras condiciones son fijas. En otras palabras, una de las causas de aparición de la enfermedad es un evento, condición o característica que precedió a la aparición de la enfermedad y que, si el evento, condición o característica estuvieron en momentos diferentes, la enfermedad o no habría ocurrido en todos o no se hubieran producido hasta algún tiempo después. Bajo esta definición, si alguien camina por un camino de hielo cae y se rompe la cadera, puede haber una larga lista de causas. Estas causas pueden incluir el tiempo en el día del incidente, el hecho de que el camino no fue autorizado para los peatones, la elección del calzado de la víctima, la falta de una barandilla, y así sucesivamente. La constelación de causas necesarias para que esta persona en particular pueda romperse la cadera en ese momento puede ser representada con el diagrama de causa suficiente en la Figura 2.1. Entendemos por causa suficiente a un mecanismo causal complejo, un conjunto mínimo de eventos y condiciones que son suficientes para que el resultado ocurra. El círculo en la figura consta de cinco segmentos, cada uno de los cuales representa un componente causal que deberán estar presentes u ocurrirán en orden para que la persona rompa su cadera en ese instante. El primer componente, la etiqueta A, representa el mal tiempo. El segundo componente, la etiqueta B, representa un camino no autorizado para los peatones. El tercer componente, denominado C, representa una mala elección del calzado. El cuarto componente, con la letra D, representa la falta de una barandilla. El ultimo componente, llamado U, representa a todos los eventos no especificados, condiciones y características que deben de estar presentes o se han producido a instancias de la caída que dio lugar a una fractura de cadera. Para efectos etiológicos, tales como las causas de la enfermedad, muchos y, posiblemente, todos los componentes de una causa suficiente puede ser desconocido (Rothman, 1976a). Por lo general, incluyen un componente de la causa, con la etiqueta de U, para representar el conjunto de factores desconocidos. Todas las causas componentes son necesarios en la causa suficiente y deben de estar presentes o haberse ocurrido en los casos en que se cayó la persona para romperse una cadera. Ninguno está de más, lo que significa que al bloquear la contribución de cualquier causa componente impide que la causa suficiente actúe. Para muchas personas, los principios del pensamiento causal persisten en el intento de encontrar las causas individuales como explicaciones para los fenómenos observados. Pero la experiencia y el razonamiento demuestran que el mecanismo

En la etiología de la enfermedad. y que nadie podría romperse una . Mackie. condiciones y características que pueden estar presentes o que se han producido a instancias de la caída que dio lugar a una fractura de cadera. Consideremos nuevamente el papel de la barandilla como causa de fractura de cadera. D representa la falta de una barandilla. una causa suficiente es un conjunto de condiciones suficientes para garantizar que el resultado se va a producir. los eventos no específicos. La ausencia de una barandilla puede jugar un papel causal en algunas de las causas suficientes. A B U C D Figura 2-1 Representación ‡ de la constelación de causas componentes que constituyen una causa suficiente para la fractura de cadera para una persona particular en un momento determinado. y U representa a todos los otros eventos no especificados. pero si un componente de la misma. La definición no describe un mecanismo causal complejo. como la aparición de signos o síntomas. el nivel de ebriedad del peatón. El diagrama. Tampoco implica que si una barra se instale con las características suficientes como para impedir una fractura de cadera. A representa el mal tiempo. implica que cada persona que camina por el camino se rompe una cadera. pero no en otros. completar una causa suficiente es equivalente a la aparición de la enfermedad.causal de ningún efecto debe consistir en una constelación de componentes que actúan en concierto (Mill. Decir que la ausencia de una barra es una causa componente de una fractura de cadera no obstante. Por lo tanto. Nuestra definición vincula la falta de una barandilla con esta cadera rota y no implica que la falta de esta barandilla por sí sola fue suficiente para que la fractura de cadera se produzca. dependiendo de las circunstancias como el clima. El inicio aquí puede referirse a la aparición de las primeras etapas del proceso de la enfermedad o para cualquier transición de una etapa bien definida y se caracteriza fácilmente de un escenario a la siguiente. Con esta definición de la causa. B representa un camino no autorizado para los peatones. 1965). C representa una mala elección del calzado. y un sinnúmero de otros factores. 1862. las condiciones o características son suficientes por sí mismas para producir la enfermedad.

esto también operan para producir el efecto: una bombilla de trabajo en el artefacto de iluminación. porque el cambio de cualquiera de estos componentes de la constelación causal evitará el efecto. Considere nuevamente la falta de una barandilla a lo largo del camino. uno debe tener una cadera sin fractura. Si la causa suficiente no está completa. y el voltaje para producir una corriente cuando el circuito está cerrado. D y U. entonces no ocurrirá fractura de cadera a lo largo de ese paseo. Como se señaló anteriormente. Por ejemplo. una característica de la concepción ingenua de la causalidad es la asunción de una correspondencia uno a uno entre la causa y el efecto observado. especialmente cuando la causa es una acción observable o un evento que tiene lugar cerca en el tiempo para ese efecto. porque en fin para fracturar una cadera. todas las causas componente necesarias deberán estar presentes o que ya se produjo. entonces esa causa componente es llamado causa componente "necesario". cableado desde el interruptor de la lámpara. Por ejemplo. C. Cada causa suficiente que conduce a la fractura de cadera debe tener presente esa causa componente. el conjunto de otras causas componentes en esa causa suficiente comprende las causas componentes complementarias. cada causa se considera "necesario" y "suficiente" en sí mismo para producir el efecto. Bajo este punto de vista. C. D y U. Puede haber otras causas suficientes por el cual una persona podría sufrir una fractura de cadera. Así. la causa componente B (sin despejar una ruta para peatones) tiene como causas componentes complementarios los componentes de la etiqueta A. Si alguna de las causas componentes aparecen en toda causa suficiente. mientras que una persona pasa a lo largo del camino. Para conseguir el efecto de encender la luz. Cada causa suficiente podría estar representada por su propio diagrama similar a la Figura 2-1. causa componente A (mal tiempo) tiene como causa componente complementario los componentes con la etiqueta B. La primera de estas causas suficientes para ser completado por la acumulación simultanea de todas sus causas componentes será la que representa el mecanismo por el cual la fractura de cadera se produce para una persona en particular. El termino causa necesaria por lo tanto es reservado para un determinado tipo de causa componente bajo el modelo de causa suficiente.cadera por el mismo camino. cada uno de estos componentes es tan importante como mover el interruptor. se podría designar una causa componente con el requisito que uno debe tener una cadera a sufrir una fractura de cadera. Para que se produzca la enfermedad. La necesidad para una condición de referencia específica Las causas componentes debe ser definida con respecto a una alternativa claramente especificada o una condición de referencia (a menudo llamado referente).1. sin embargo. en la figura 2. el accionar de un interruptor parece ser la causa singular que hace que la luz eléctrica se active. Las causas son menos evidentes. Para cada causa componente en una causa suficiente. Para Decir que esta condición es . El concepto de causas componentes complementarios serán de utilidad en las siguientes aplicaciones epidemiológicas.

el consumo regular de carne roja poco común. cigarrillos. pero por sí mismo no es causa suficiente. esta alternativa puede no tener sentido. Dada una fuerte razón para tomar el ibuprofeno. tenemos que especificar nuevamente una condición alternativa con el cual contrastar la causa. ¿El uso de ibuprofeno causó la úlcera? Uno podría asumir que en un primer momento la diferencia natural sería con lo que habría sucedido si no hubiera tenido nada en lugar de ibuprofeno. La misma exposición. el estudio comparó las personas que consumían carne roja poco común con las personas que consumían carne roja muy cocida. el ibuprofeno no causaría la úlcera si la alternativa hubiese sido aspirina y. y si no hubiera desarrollado la úlcera habría utilizado el acetaminofen. Después de todo. el hábito a largo plazo es demasiado impreciso para ser útil más allá de la descripción informal. En primer lugar. Primero se debe especificar el tipo de tabaco (por ejemplo. Groenlandia y otros. como lo demuestra el hecho de que la mayoría de los fumadores no desarrollan cáncer de pulmón. aún se habría desarrollado la úlcera. Por ejemplo. o ambientales). un medicamento diferente que podría haber sido indicado para su problema. 1974. podría tener un efecto preventivo cuando se compara contra la carne muy cocinada.. Rubin. 2002). La mera presencia de una barandilla no sería suficiente. Si como alternativa a tomar ibuprofeno podría tomar acetaminofén. Maldonado y Groenlandia. la fractura de cadera aún podría haber ocurrido en la presencia de una barandilla. el consumo de tabaco es una causa de cáncer de pulmón. de haber tomado aspirina. Para ver la necesidad de especificar el evento. ya sea con o sin filtro. sin embargo. condición o característica alternativa. Sería necesario especificar la presencia de una barandilla lo suficientemente alta y fuerte como para romperse al caer por la ausencia de esa barandilla para ser una causa componente de la fractura de cadera. sino como parte de un contraste de causalidad con un evento alternativo. considere un ejemplo de un hombre que consume altas dosis de ibuprofeno por varios años y desarrollo una úlcera gástrica. puros. 1973. Sin embargo. así como la primera causa. Aplicación del Modelo causa suficiente en epidemiología La introducción que precede a los conceptos de causa suficiente y causa componente proporciona el léxico para la aplicación del modelo en la epidemiología. Un evento. entonces podemos decir que el uso de ibuprofeno causa la úlcera.una causa componente de la fractura de cadera. pipa. La necesidad de especificar la alternativa a una prevención se ilustra con un titulo de periódico que decía: " Rare Meat Cuts Colon Cáncer Risk" ¿Fue esto un artículo de un estudio epidemiológico comparando la tasa de cáncer de colon de un grupo de personas que comieron carne roja raras con la tasa en un grupo de vegetarianos? No. si la barandilla era demasiado corto o si era viejo y de madera podrida. la forma y frecuencia . y un efecto causal o ningún efecto en contraste con una dieta vegetariana. condición o característica no es una causa por sí misma como una propiedad intrínseca que esta posee de forma aislada. condición o característica (Lewis. 1999a.

B = 1 y E = 1. fumar no causa cáncer en todo el mundo. ¿cuáles son los otros componentes de la constelación causales que actúan con el tabaco para producir cáncer de pulmón? Figura 2-2 proporciona un esquema grafico de las tres causas suficientes que podrían ser completados durante el seguimiento de un individuo. su nivel de referencia. Entonces. Las tres condiciones o eventos A. no son causales. Con la codificación de A utilizado en la figura. a veces es causal. a veces son causales. ¿quién es susceptible a este efecto de fumar? O. Es decir. Para cada variable. incluso si el tabaquismo y sus alternativas son ambas definidas explícitamente. cada componente es una parte necesaria de ese mecanismo causal específico. B y E. sólo uno de estos mecanismos necesitan estar presentes para que se produzca la enfermedad (suficiencia). U2. B = 1. B = 0 y C = 0. A = 1. E podría ser codificada E = 1 para vivir en un barrio urbano con bajos ingresos promedio y la desigualdad de ingresos altos. y no hay causa componentes superfluos en cualquier mecanismo (minimalidad). pero sus niveles de referencia. Sin embargo el tabaco se debe de definir adecuadamente. es el conjunto de todos los demás componentes de A = 0 y B = 1 requeridos para completar la primera causa suficiente en la Figura 2-2. y la duración del hábito de fumar. por lo que sólo puede tomar valores de 0 o 1. fumar menos. Una causa componente especifico pueden desempeñar un papel en uno. para decirlo en otros términos. los niveles de índice y referencia pueden representar solo dos estados alternativos o eventos fuera de las muchas posibilidades. Esta situación surge porque dos causas suficientes contienen una causa componente etiquetado como "A = 0. varios o todos los mecanismos causales. U1. U3 y representan conjuntos de causas componentes. Por lo tanto. podrían entonces sería absorbido por U1. Con la codificación de B y E utilizado en el ejemplo representado en la figura 2-2. U1." pero la causa suficiente no contiene una causa componente etiquetado como "A = 1". una causa componente que aparece en todas las causas suficientes es . Como se señaló anteriormente. A = 0. la codificación de B puede ser B = 1 para fumar 20 cigarrillos por día durante 40 años y B = 0 para fumar 20 cigarrillos por día durante 20 años. la edad de inicio. seguido de 20 años de no fumar. por ejemplo.de la inhalación. Cada una de las tres causas suficientes representado en la figura 2-2 es mínimamente suficiente para producir la enfermedad en el individuo. y E = 0 para vivir en un barrio urbano de altos ingresos promedio y la desigualdad de ingresos bajos. y E = 1 son causas componentes individuales de las causas suficientes en la Figura 2-2. es decir. nunca es causal. se han definido como variables binarias. fumar algunas veces más? Es Igualmente importante. su alternativa de necesidad debe de ser definida como tal. B = 1. Un ejemplo de una condición o evento de este tipo podría ser A = 1 para los que toma suplemento multivitamínico diario y A = 0 para los que no toman suplementos vitamínicos. los niveles de índice. Si decidimos no especificar B = 1. entonces B = 1 pasaría a formar parte del conjunto de componentes que son causalmente complementario a A = 0. ¿El que no fumar en absoluto. pero su nivel de índice. A = 0.

Si la alternativa es un anticonceptivo igualmente eficaz. Se ha sugerido que tales causas se llamen "universalmente necesario. un contraste de causalidad entre un nuevo tratamiento y un placebo en un ensayo clínico puede ser cuestionado por su dudosa relevancia para la práctica médica." en reconocimiento de que todos los componentes de una causa suficiente es necesario para que una causa suficiente (mecanismo) pueda operar (Poole. debemos considerar la alternativa de tomar anticonceptivos orales. entonces el riesgo de muerte a la asistencia de parto podría ser mayor que el riesgo de los anticonceptivos orales. 2001a). antes de decir que los anticonceptivos orales aumentan el riesgo de muerte de más de 10 años (por ejemplo. Si prescribir un placebo no es una opción realista terapéutica. Figura 2-2 no representa los aspectos del proceso causal como la secuencia o el tiempo de acción de las causas componentes. Y III de izquierda a derecha). Estos pueden ser especificados en la descripción del cambio de las condiciones y el índice de referencia que define cada causa componente. U1 U2 U3 A=0 CAU A=0 E=1 B=0 E=1 Figura 2-2 tres clases de causas suficientes de una enfermedad (causas suficientes I. A modo de ejemplo. De manera similar. sin . Por lo tanto. podría ser definido de manera más explícita como fumar por lo menos 20 cigarrillos al día de cigarrillos sin filtro por lo menos 40 años a partir de los 20 años o antes (B = 1) o fumar 20 cigarrillos al día de cigarrillos sin filtro. los dos lados de la causal de cambio que lo componen deben ser definidos con un ojo a las opciones realistas u opciones. Si se trata de quedar embarazada. la infección por el VIH es un componente de cada causa suficiente del síndrome de inmunodeficiencia adquirida (SIDA) y por lo tanto es una causa necesaria del SIDA. por lo que los anticonceptivos orales es preventivo más que una causa. a través de infarte de miocardio o accidente cerebrovascular). o de otras complejidades. si el resultado es el cáncer de pulmón y el factor B representa el tabaquismo. a partir de los 20 años o antes. II. la dosis.llamada una causa necesaria de los resultados. Al especificar una causa de componentes. y después de no fumar cigarrillos durante los próximos 20 años (B = 0).

ya que "la vacunación (F = 1) o la no vacunación. Por lo tanto. los anticonceptivos orales puede ser descrito como una de las causas de la muerte. 2-2). Probabilidad. En ese caso. "Vivir cerca de una planta de energía nuclear es un riesgo que se debería evitar. en la jerga epidemiológica. Riesgo y Causas En el lenguaje cotidiano. Esta descripción no es problemático. La Prevención de la enfermedad por vacunarse (F = 1) se expresa en el modelo causa suficiente de componentes. el uso del modelo de causa suficiente de componentes para informar el análisis nos impiden aprovechar los resultados de las aproximaciones raras. Sería difícil de definir el "tiempo de incidencia" de la espina bífida como la edad gestacional en la que el cierre completo del tubo neural se produce normalmente. el "riesgo" se utiliza a menudo como sinónimo de probabilidad. una vez que ambos lados de un contraste de causalidad se han especificado. Otro ejemplo podría ser la definición de una variable. como en. a continuación. Esta restricción del modelo puede tener consecuencias sustanciales. Para entender la prevención en el marco de una causa suficiente de componente. Cuando la supervivencia es poco común.efectos secundarios graves. Allí no esta el momento en el que la espina bífida pueda ser marcada para haber tenido su ocurrencia. deben de ser representados en el modelo de suficiente causa por la inversión de la codificación de los resultados. algunas medidas y otras fórmulas aproximadas sólo se utilizan cuando los resultados son poco frecuentes. Sheps (1958) una vez le preguntó: "¿Vamos a contar con los vivos o los muertos?" La muerte es un acontecimiento. (F = 0)". El modelo de causa suficiente de componentes sería más adecuado en este caso para definir el caso de cierre total (sin espina bífida) como el resultado y ver las condiciones. "riesgo" se utiliza con frecuencia para . pero la supervivencia no lo es. Por lo tanto. Un ejemplo es la presencia de A = 0 como una causa de componentes en las dos primeras causas suficientes muestra en la Figura 2-2. la causalidad y la prevención son simplemente dos caras de una misma moneda. debemos contar los muertos. También es de uso común como sinónimo de "riesgo". el cual es un fracaso completo en el cierre del tubo neural durante la gestación. las etiologías de los resultados adversos para la salud que son condiciones o estados. pero no eventos. Del mismo modo. eventos. F (no representado en la figura."Desafortunadamente. como causal de la enfermedad al no recibir la vacuna (F = 0). porque. Considerar la posibilidad de espina bífida. la muerte es común. utilizar el modelo de causa suficiente de componentes. Por ejemplo. planteamos que la condición alternativa (en el que una causa componente está ausente) evita los resultados relativos a la presencia de la causa componentes. un efecto preventivo de un factor está representado mediante la especificación de su alternativa causal como la causa componente. incluso en la literatura académica. y las características que previenen este evento benéfico como las causas de las condiciones adversas de espina bífida.

Por ejemplo. Cuando uno dice "la probabilidad de muerte en accidentes vehiculares cuando se viaja a más de 120 km / h es alta. más útil. si cualquier muestra actual tiene una conducta o no la noción de riesgo individual es reemplazada por la noción de frecuencia del evento in cuestión en la gran población de la que el individuo fue muestreado. Esta restricción de los riesgos individuales a 0 o 1 sólo puede hacerse más flexible para permitir que los valores en el medio de la reinterpretación de las declaraciones tales como la frecuencia con la que se vería en el muestreo aleatorio de una población muy grande de individuos considerados. algunos de los componentes causales siguen siendo desconocidos. Si se acepta esta interpretación. Podemos estar dispuestos a asignar un riesgo igual a todos los individuos cuyo estado de algunos componentes es conocido e idéntico. de la misma edad. de riesgo es "la probabilidad de un evento durante un período de tiempo determinado. la persona de alguna manera (por ejemplo. Podemos decir. no importa cuánto se sabe acerca de la etiología de una enfermedad. razón de riesgo. las probabilidades de incidencia. sexo y antecedentes de tabaquismo). El uso de frecuencias de.muchos conceptos distintos: tasa. ´comoµ. o que el altavoz es más seguro que una muerte se producirá en un accidente de alta velocidad que en un accidente de menor velocidad (uso de certeza). ´riesgoµ para un individuo más allá de la frecuencia relativa de 100% si se produce el evento y 0% si no lo hace. un riesgo cambiará de acuerdo a como nos agrupamos para evaluar las frecuencias." significa que la proporción de accidentes que terminan con muertes es mayor cuando se refieren a los vehículos que circulen a > 120 km / h que cuando se refieren a los vehículos viajando a más bajas velocidades (de uso de frecuencias). Una de ellas es la relativa frecuencia de un evento. etc La definición más específicos. Un tercer significado es el grado de probabilidad de que alguien mida el grado de seguridad de que ocurra un evento. de una entidad para producir un evento. y por lo tanto. por ejemplo. que los accidentes de alta velocidad tienen una mayor tendencia que los accidentes de baja velocidad como resultado de las muertes (el uso de tendencia). ´comoµ. ¿un hombre dado a los efectos de determinar su riesgo de un diagnóstico de cáncer de próstata entre el 60 y 70 años? Si es así." El término probabilidad tiene significados múltiples. y riesgo. Con este punto de vista del riesgo. el consumo de tomate debe tenerse en cuenta en la definición de la clase de hombres que son. Juicio subjetivo inevitablemente entran en el cuadro para decidir qué características utilizar para la agrupación. a diferencia de los usos de propensión y certeza. que estudio o meta-análisis se debe utilizar como factor en esta información? A menos que hemos encontrado un conjunto de condiciones y eventos en los que la enfermedad no se produce en todos. que los hombres quienes son grandes fumadores de cigarrillos tienen . Otra es que la probabilidad es la tendencia o propensión. no admite ningún significado a la noción de. prevalencia. probabilidad. tasa de proporción de la tasa. siempre es una hipótesis de trabajo razonable que.

por ejemplo. si se interpreta la probabilidad como frecuencia relativa o el grado de certeza. las estimaciones de riesgo asignado a la gente saldrán a la media según la presencia o ausencia de otros factores que predicen el resultado. U2. . Independientemente. Algunos interpretan esta afirmación como que todo hombre debería tener un 10% de probabilidad de cáncer de pulmón si ellos tuvieron el habito de fumar. los hombres quienes son grandes fumadores y que trabajaron durante muchos años en ocupaciones con historiales de altos nivel de exposición a las fibras de asbesto en el aire. B y E en dos poblaciones hipotéticas. U3. si nos condicionan sobre otra información pertinente. Ahora los gráficos circulares en la Figura 2. vamos a suponer. como si la aparición de cáncer de pulmón. la asignación de la igualdad de los riesgos simplemente refleja la agrupación en particular. no importa qué componente sean esas otras causas que pueden tener en común el hecho de que contienen A = 0 y B = 1.2 representan las clases de mecanismos. están siempre presentes y siempre han ocurrido por todo el mundo y en la Figura 2. Una probabilidad puede ser 10% condicional en una información y superior o inferior al 10%. que U1. se podría decir que tiene un alto riesgo de cáncer de pulmón superior al 10% durante su vida. Como el conocimiento o la especificación de indicadores de riesgo adicionales se expanden. Por ejemplo. son puramente una cuestión de azar. la tabla 2-1 muestra la frecuencia de los ocho posibles patrones de exposición a A. representa a todas las causas suficientes de que. Esta opinión es insostenible.2 representa todas las causas suficientes. La primera de ellas. difieren de un individuo a otro. Para simplificar. Los componentes de U1 puede. Como ejemplo de la fuerza del efecto. y normalmente. además de fumar. más bien poco realista.2 puede facilitar la comprensión de algunos conceptos clave como la fuerza del efecto y la interacción. lo mejor que podemos hacer en la evaluación del riesgo consiste en clasificar a las personas de acuerdo con los indicadores de riesgo medido y luego asignar el riesgo promedio observado dentro de una clase a las personas dentro de la clase.aproximadamente un 10% de riesgo de desarrollar cáncer al pulmón. La fuerza de los efectos El modelo causal ejemplificado en la figura 2. En nuestra ignorancia.

E=1 100 1.000 0.000 0.000 0.000 1.10 B=0.000 1. E=1 1. II ó III I II Ninguno Frecuencia de exposición Riesgo Población Población 1 2 1 900 100 0 900 100 0 100 900 0 100 900 1 100 900 1 100 900 1 900 100 0 900 100 Tabla 2-2 Proporción de incidencia (IP) por combinaciones de causas componente B y E en la población hipotética 1. E=0 0 1.000 0.000 0.90 B=0. E=1 1. asumiendo que la causa componente A no es medible. E=0 900 1. Casos Total IP B=1.000 1.00 Tabla 2-3 Proporción de incidencia (IP) por combinaciones de causas componente B y E en la población hipotética 2. .00 Bajo estos supuestos. y no los valores en el medio.000 0. la respuesta de cada individuo con el modelo de exposición en una fila determinada se puede encontrar en la columna de respuesta. La respuesta aquí es el riesgo de desarrollar una enfermedad durante un período de tiempo determinado que es el mismo para todas las personas. E=1 900 1.Tabla 2-1 Exposición de frecuencias y riesgos individuales en dos poblaciones hipotéticas de acuerdo a las combinaciones posibles de las tres causas componentes especificadas en la figura 2-1 Exposición A B E 1 1 1 1 0 0 0 0 1 1 0 0 1 1 0 0 1 0 1 0 1 0 1 0 Causa suficiente completada III Ninguno Ninguno Ninguno I. Para simplificar.10 B=0. un modelo determinista de riesgo se emplea. de manera que los riesgos individuales puede ser igual a sólo el valor 0 o 1.00 B=1. E=0 100 1.000 1.00 B=1. E=0 0 1. asumiendo que la causa componente A no es medible. Casos Total IP B=1.90 B=0.

si no se mide).000) = 0. había 100 casos. pero uno de ellos contiene la causa componente A = 0 y la otra contiene el componente de causa E = 1. La diferencia clave entre las poblaciones 1 y 2 es la diferencia en la prevalencia de las condiciones en que E = 1 actúa para aumentar el riesgo: es decir. el conjunto de complementos causales para la clase de causas suficientes que contengan A = 0 y B = 1. sino que por lo tanto no aumenta el riesgo de cualquier persona. una proporción de incidencia de 0. Tabla 2-3 muestra los resultados análogos para la población 2. La proporción de conseguir una enfermedad. el patrón de proporciones de incidencia en la población 1 serán los que en la Tabla 2-2. E = 1 de completar las tres causas suficientes en la figura 2. de nuevo mediante la diferencia de proporción de incidencia como la medida de fuerza . pero no ambas. entre las 1.1 (en ambos niveles de E). la fuerza relativa de los factores causales E = 1 y B = 1 se invierten.2 se puede encontrar sumando el número de personas en cada modelo de exposición a un riesgo individual de 1 y dividiendo ese total por el tamaño de subpoblación. B y E no tienen ninguna relación entre sí.Un modelo estocástico de riesgo individual se relajaba esta restricción y permitir que los riesgos individuales que se encuentran entre 0 y 1.000) = 0.10. en cualquier subpoblación en la Tabla 1. a pesar del hecho de que A. Así.) Había 100 personas con A = 0. B = 1.(100 / 2. ya sea en la población y sus niveles de índice (A = 1. B = 1 ahora tiene un efecto mucho más fuerte en la proporción de incidencia que E = 1. vamos a revisar cómo la proporción de incidencia entre las personas en la población 1 con B = 1 y E = 0 se calculó: Hubo 900 personas con A = 1.900 / 2. (Hay dos causas suficientes que contienen B = 1 como una causa de componentes. y E = 0.9 en la población 1 y (1100 / 2000) .(900 / 2. aunque es muy posible . todos los cuales se convirtió en los casos ya que todos ellos habían U1.9 (en ambos niveles de B). o la proporción de incidencia. mientras que B = 1 aumenta la proporción de incidencia de sólo el 0. y E = 0.2 se calcularon.2. B = 1 . se desprende de la Tabla 2. La presencia de A = 1 o E = 0 bloquea estos mecanismos etiológicos. B = 0.1 en la población 2. y E = 0) están presente en cada uno son cada uno presente o han producido exactamente a la mitad de cada población. E = 1 tiene un efecto mucho más fuerte que B = 1.2 que para la población 1. Como un ejemplo de cómo las proporciones en la Tabla 2. B = 1 y E = 1) y niveles de referencia (A = 0.000) . La diferencia global de proporciones de incidencia en contraste con E = 1 E = 0 es (1. ninguno de los cuales se convirtió en los casos ya que no existen causas suficientes de que puede culminar en la aparición de la enfermedad durante el período de estudio en las personas con esta combinación de condiciones de exposición. Si tuviéramos que medir la fuerza del efecto por la diferencia de las proporciones de incidencia. Por ejemplo. (Si A = 0 y B = 1.000 personas con B = 1 y E = 0. ya que E = 1 aumenta la proporción de incidencia un 0. Aunque los miembros de esta población tienen exactamente los mismos mecanismos causales que operan dentro de ellos al igual que los miembros de la población 1. si la exposición A no se considera (por ejemplo. la presencia de A = 0 o B = 1.

B = 1. medida por la diferencia en las proporciones de incidencia. Sin embargo. Si pocas personas tienen tanto A = 0 y B = 1. En este ejemplo. En particular. la importancia para la salud pública de ese efecto no implica un grado correspondiente de significado etiológico. La identidad real de los componentes de una causa suficiente forman parte de los mecanismos de la relación de causalidad. U2. la proporción de no-E o "no expuesto" las personas de contraer la enfermedad) será alta y proporción de contraer la enfermedad debido a E será comparativamente baja. U3 constituyen el complemento causal de E = 1 en el ejemplo anterior. si es complemento causal es común. esta prevalencia está a sólo 200 / 2. la "línea de base" proporción de incidencia (es decir. el efecto de E = 1 se mide en términos de relación de la prevalencia de E = 1 de complemento causal y sobre la prevalencia de la conjunción de A = 0 y B = 1. Así.000 = 90% en ambos niveles de E en la población 1. adicionalmente en como de cómo los componente comunes o raros son causas suficientes en el cual cada causal especifico no juega un rol importante. dada la ubicuidad de U1. en comparación con la diferencia. alguna de las causas componente puede tener efectos fuertes o débiles utilizando la diferencia o medida de razón. Independientemente de cómo la fuerza del efecto de un factor causal es medido. depende de la prevalencia del complemento causal. Si la fuerza del efecto es medida por el cociente de las proporciones que consiguen enfermedad. Cada causa componente en una suficiente causa dada tiene la misma significación etiológica. el conjunto de todas las demás causas en el cual el factor causal que participa es el llamado complemento causal del factor. pero no tanto" es de 1. Por el contrario. Como se señaló anteriormente. Esta diferencia en la prevalencia de las condiciones suficientes para E = 1 para aumentar el riesgo explica la diferencia en la intensidad del efecto de E = 1. Dado un mecanismo causal específico.800 / 2. un factor con complemento causal tato parecen tener un efecto débil. Esta dependencia no tiene nada que ver con el mecanismo etiológico de la acción del componente. Por lo tanto. A = 0. En la población 2. depende. mientras que la fuerza del efecto de un factor .000 = 10% en ambos niveles de E. un factor que parece tener un fuerte efecto. la línea de incidencia proporcional será baja y la proporción contraer enfermedad debido a E = 1 será comparativamente alto. "A = 0 o B = 1. la fuerza del efecto medida por el cociente de la proporción de la incidencia depende de más condiciones que la fuerza del efecto medida por la diferencia de la proporción de la incidencia. Si muchas personas tienen tanto A = 0 y B = 1. medida como la diferencia absoluta en las proporciones de incidencia. Este ejemplo muestra que la fuerza del efecto de un factor en la aparición de una enfermedad en una población. después la fuerza depende más que un factor complemento causal.) La prevalencia de la enfermedad. ya que el componente es igual en cada mecanismo en el que aparece.acortar el tiempo de los resultados. según lo medido por la diferencia de proporciones contraer la enfermedad.

una relación causal entre el tabaquismo secuencial y la aterosclerosis no sería suficiente para que puedan interactuar sinérgicamente en la etiología del infarto de miocardio.depende de la distribución del tiempo específico de su complemento causal (si la fuerza se mide en términos absolutos). por una participación de una causa suficiente de la aterosclerosis como causa componentes. a través de la aterosclerosis. Como ejemplo de la distinción. incluyendo aquellos en los que dos componentes interactúan de una manera física directa (por ejemplo. como el tabaquismo. Durante un lapso de tiempo. en caso de consumo de cigarrillos (frente a no fumadores) es una causa componente de la aterosclerosis. Actuando en la misma causa suficiente no es lo mismo como causa de un componente que actúa para producir una segunda causa componente. En cambio. Por lo tanto. Ellos no necesariamente aparecen en la misma causa suficiente. además de la distribución de la componentes de todas las causas suficientes en los que el factor no juega un papel (si la fuerza se mide en términos relativos). aunque los mecanismos causales en las que el factor y su acto de co-factores permanecen inalterados. tanto fumar y aterosclerosis sería causas componentes (cofactores) en determinadas causas suficientes de infarto de miocardio. Así. Este mecanismo estaría representado por una causa suficiente que contienen tanto el tabaquismo y la aterosclerosis como componentes y por lo tanto constituiría una interacción sinérgica entre el tabaquismo y la aterosclerosis como causa de infarto de miocardio. sin embargo. para lograr un infarto de miocardio. además del mecanismo anterior. Más bien. La interacción entre las causas Dos causas componentes que actúan en la misma causa suficiente se puede definir como la interacción causal para producir la enfermedad. Supongamos ahora que. a continuación. 2004). y la aterosclerosis (frente a la no aterosclerosis) causa un infarto de miocardio. la secuencia causal significa que el fumar puede actuar indirectamente. el segundo componente va a producir la enfermedad (Robins y Groenlandia 1992. tal vez. sin ningún efecto de E en la enfermedad. dos medicamentos que reaccionan para formar un sub-producto tóxico) y aquellos en los que un componente (el iniciador de la pareja) altera un sustrato para que el otro componente (el promotor de la pareja) puede actuar. causando la aterosclerosis. el tabaquismo reduce el tiempo de coagulación y por lo tanto hace que los trombos que obstruyen las arterias coronarias se estrecha por la aterosclerosis. habría otra causa suficiente en el que se sustituye la causa componente de la aterosclerosis por todos los que componen las causas que llevaron a la aterosclerosis. Kaufman et al. La presencia de esta causa no suficiente. nos dicen si el fumar también contribuyó al infarto de miocardio.. sino por el F componente que causa. la fuerza del efecto de un factor dado en la aparición de la enfermedad puede cambiar debido a la prevalencia de sus causales se complementan en varios mecanismos también pueden cambiar. . en el sentido suficiente por cualquier causa. Esta definición deja abierta muchos mecanismos posibles para la interacción. queda excluida cualquier situación en la que un componente E es más que una causa de otro componente F. No obstante.

Si el mecanismo es el primero en ser completada. entre las personas con la exposición patrones A = 0. Un reciente debate sobre la proporción de factores de riesgo para enfermedad coronaria atribuible a causas componente particular ilustra el tipo de errores en la inferencia que pueden surgir cuando la suma se cree que se reduciría a 1. algunos han argumentado que la búsqueda de causas adicionales serían de utilidad limitada (Beaglehole y Magnus. sin contar las fracciones atribuibles a otra causas componente. se sumarán a más de uno. Cada uno de los casos que es etiológicamente atribuibles a E = 1 también se puede atribuir a las causas de otro componente en los mecanismos causales en la que E = 1 actúa. y no hay límite superior de esta suma. Proporción de la enfermedad debido a causas específicas En la figura 2. sin embargo. 2002). ya que sólo el 25% de los casos "aún no se . Tenga en cuenta. presión arterial alta y fumar cigarrillos es igual a 75% "sólo el 50%" (Magnus y Beaglehole. fracciones atribuibles a diferentes causas componentes en general. Cada componente causa interacciones con sus factores complementarios para producir la enfermedad. a continuación. las tres causas suficientes se completaría. por lo que cada caso de enfermedad puede ser atribuido a cada componente de la causa en la causa suficiente completado. B = 1. suponiendo que las tres causas suficientes en el diagrama de funcionamiento son los únicos. E = 1. Sin saber los tiempos determinados de los tres mecanismos. Tenga en cuenta que en las personas con la exposición patrón A = 0. que las fracciones atribuibles agregado a través de causas componentes de la misma enfermedad no suman 1. Los capítulos 4 y 12 introducen potencial de resultados y modelos de gráfica más adecuada para mostrar los efectos indirectos y una secuencia más general del. sin embargo. B = 1. por lo que por sí mismo tiene una fracción atribuible de 1. E = 1 no sería parte de la causa suficiente para producción de ese caso. tenga en cuenta que una de las causas componente necesario aparece en todas las causas suficientes completado de la enfermedad.el modelo básico suficiente causa no nos alertan sobre los efectos indirectos (efectos de algún componente causas mediadas por causas otro componente en el modelo). Debido a que todos los casos de la enfermedad pueden ser atribuidos a cada componente de la causa en su mecanismo causal. II y III. El primero de los tres mecanismos para completar sería el que realmente produce un caso determinado. El debate se centra en torno a si la proporción de la enfermedad coronaria atribuible al colesterol alto.2. E = 1 nosotros no podemos decir cuántos de los 100 casos en la población de 1 o 900 casos de la población 2 son etiológicamente atribuible a E = 1. Para ilustrar el error en esta tendencia. ¿qué fracción de la enfermedad es causada por E = 1? E = 1 es una causa componente de la enfermedad en dos de los suficientes mecanismos de causa. En el primer caso. por lo que todas las enfermedades que surgen a través de cualquiera de estos dos mecanismos se puede atribuir a E = 1. mientras que el capítulo 5 se analiza en detalle la interacción tal como se define en el marco de potencial de resultados y su relación con la interacción tal como se define en la modelo causa suficiente. 2001). aunque existe una tendencia errónea a pensar que lo hacen.

si el 75% de esa enfermedad es atribuible al colesterol alto. con enfermedad coronaria. Algunas de estas causas participará en los mecanismos causales igual que el colesterol alto. en una cohorte de fumadores de cigarrillos expuestos al arsénico. presión arterial alta y el tabaquismo. presión arterial alta y el tabaquismo podría eliminar el 75% de la enfermedad cardíaca coronaria es irreal. 1992).. se sabe. Como otro ejemplo. El debate acerca de la atribución de enfermedades coronarias del corazón a causa de componentes es una reminiscencia de un debate anterior sobre las causas de cáncer. Doll y Peto (1981. Los casos se derivan de causas suficientes con este conjunto de superposición de causas componentes podrían prevenirse mediante intervenciones dirigidas a las tres causas nombradas. 1978. el 100% de los que todavía pueden ser atribuibles a otras causas. Aunque los autores reconocieron que cualquier caso podría ser causada por más de un agente (lo que significa que. las fracciones atribuibles se suma a más de 100%). Hertz-Picciotto et al. cuadro 20) crearon un cuadro dando sus estimaciones de la fracción de todos los cánceres causados por diversos agentes. trabajando en una fundición. Las intervenciones de este último podría reducir la carga de enfermedad por más de 25%. o por las intervenciones dirigidas a las causas aún desconocidas cuando ellas llegan a ser conocidas. y aún no se descubre. Así. La idea de que las intervenciones dirigidas a niveles altos de colesterol. Aunque se puede avanzar para reducir el efecto de estos factores de riesgo. que se limita a reflejar la etiología multifactorial de la enfermedad. 2002a. no sería sólo el 25% de los casos de ECV restantes. se refirieron a esta . dado las estrategias de intervención disponibles en la actualidad." Si se asume que la proporción se explica por el componente aún desconocido las causas no puede superar el 25%. las causas del cáncer. se estima que el 75% de la tasa de cáncer de pulmón es atribuible a su entorno de trabajo y se estima que 65% se debió a su hábito de fumar (Pinto et al. los que apoyan esta afirmación no reconocen que los casos causados por una causa suficiente que contiene un subconjunto de las tres causas nombradas podría también contener causas componentes desconocidas. Pero hasta que el 75% se elimina cualquier componente recién descubierto podría causar hasta 100% de las enfermedades cardiovasculares que actualmente tenemos. 2005a). presión arterial alta y el tabaquismo. incluyendo efectos colaterales no previstos (Groenlandia.. Beaglehole y Magnus eran correctos en el pensamiento de que si las tres causas componentes especificadas se combinan para explicar el 75% de las enfermedades cardiovasculares (ECV) y que de alguna manera los eliminó. porque no toman en cuenta todos los efectos de las intervenciones necesarias para lograr la eliminación de la enfermedad. 2002) son aún más alejada de la realidad.explica. En su trabajo ampliamente citado. dado suficientes agentes. también. Las estimaciones del efecto sobre la salud pública de la eliminación de las enfermedades propias como las causas de la muerte (Murray et al. sospecha. es poco probable que alguno de ellos podría ser erradicado por completo de cualquier gran población en el corto plazo. No hay ningún problema con estas cifras. Las fracciones que suman casi el 100%.

uno de los autores reconocieron que la fracción atribuible podrían sumar más de 100% (Peto. Otros filósofos y científicos. que buscaba una lógica para la ciencia que podría llevar inevitablemente a las correctas conclusiones científicas. Si retuercen el cuello del gallo antes de que los cuervos y el sol salgan todavía. Un científico que hierve el agua en un recipiente abierto y varias veces las medidas del punto de ebullición a 100 ° C nunca. Este hecho es a veces llamado el problema de la no identificación o la subdeterminación de las teorías por las observaciones. Según Popper. se limita a un intento de hervir el agua en un frasco cerrado o en la altura a refutar la tesis de que el agua siempre hierve a 100 ° C. una observación válida que sea inconsistente (incompatible) con una hipótesis implica que la hipótesis como afirma es falso por lo que refuta la hipótesis. Posteriormente. Por ejemplo. conjeturas. de manera muy lógica rigurosa puede conducir inevitablemente a conclusiones correctas en matemáticas. Muchos filósofos y científicos de la época de Hume hacia adelante trataron de establecer una firme base lógica para el razonamiento científico. y la experiencia previa. lo que explica por qué (como señaló Hume) las teorías científicas no pueden ser lógicamente probadas. la ciencia avanza mediante un proceso de eliminación que él llamó "conjeturas y refutaciones. no importa cuántas repeticiones confirmatorios están involucrados. No es ni una crisis ni una anomalía. En particular. ya que siempre se puede inventar hipótesis alternativas que son igual de consistentes (coherentes) con las observaciones."Los científicos forman hipótesis basadas en la intuición. pero no puede ser probada o refutada en cualquier "hermético" sentido lógico o matemático. 1985). La fracción de la enfermedad que pueden ser atribuidas a causas conocidas crecerá sin límite como más causas sean descubiertas. Sólo la fracción de morbilidad atribuible a una única causa componente no puede superar el 100%. la coherencia entre una hipótesis y observaciones no es prueba de la hipótesis. O considere un programa de investigación hipotética para aprender el punto de ebullición del agua. sin embargo. demuestran que 100 ° C es siempre el punto de ebullición. En la década de 1920. habían comenzado a sospechar que las hipótesis científicas nunca puede ser probada o establecida como verdadera en ningún sentido lógico. Los buenos científicos utilizan la . una serie de filósofos señalaron que los enunciados científicos sólo pueden ser encontrados para ser consistente con la observación. lo más notable de ellos fue la escuela de los positivistas lógicos. ni algo que nosotros podamos ignorar.situación como una "crisis" y una "anomalía "que decidió ignorar. Por el contrario. Por otra parte. las observaciones disponibles son siempre coherentes (consistentes) con varias hipótesis que se son mutuamente incompatibles. Refutacionismo Russell no estaba solo en su lamento de la falta de lógica del razonamiento científico que habitualmente practicaba. ustedes tienen que desmentir que el canto del gallo es una causa necesaria de la salida del sol. sino simplemente una consecuencia del hecho de que ningún caso tiene un agente único como causa. En particular.

alienta a los científicos a considerar múltiples hipótesis y buscar pruebas cruciales que decidir entre hipótesis en competencia por la falsificación de uno de ellos. Para un refutacionista. Refutacionistas consideraron a la inducción a ser una base psicológica: observaciones repetidas que en realidad no indujeron a la formulación de una ley natural. En cualquier momento. mientras que otros languidecen es que el campo que avanza rápidamente son impulsados por los científicos que están ocupados construyendo y probando hipótesis. sin embargo.lógica deductiva para inferir predicciones de la hipótesis y luego comparar las observaciones con las predicciones. sobre todo de la necesidad de buscar otras explicaciones para las observaciones. para ser confirmados. y. La filosofía de la conjetura y la refutación no impone restricciones sobre el origen de las conjeturas. demostrado. por el contrario. El planteamiento de conjeturas y refutaciones. en lugar de centrarse en la quimera de la búsqueda científica "prueba" para . Esta concesión no admite una función lógica de la inducción en la confirmación de las hipótesis científicas. no hay incentivo para despersonalizar las teorías. defendidos como ley natural. "están enfermos por la comparación. puede ser refutada por nuevas observaciones y podría ser sustituido por otras hipótesis que son más coherentes con las observaciones. El concepto popular de un científico tenaz reuniendo evidencias para apoyar una tesis favorita es objetable desde el punto de vista de la filosofía refutacionista porque anima a los científicos a considerar sus propias teorías como propiedad intelectual. La filosofía de la conjetura y la refutación tiene profundas implicaciones para la metodología de la ciencia. Se ha sugerido que la razón por la que determinados ámbitos de la ciencia avance con rapidez. Críticas a la teoría no tiene por qué ser visto como una crítica a la persona que lo propuso. Debido a que la falsificación de las teorías de uno o más es el objetivo. Las hipótesis cuyas predicciones están de acuerdo con las observaciones se confirman (Popper usó el término "corroborado") sólo en el sentido de que pueden seguir utilizándose como explicaciones de los fenómenos naturales. Tales actitudes dificultan la evaluación crítica. Este punto de vista de la inferencia científica es a veces llamado refutacionismo o falsacionismo. el intercambio y el progreso. Una manera de rescatar el concepto de inducción del estigma de la pura ilusión de resucitarlo como un fenómeno psicológico. porque se han olvidado de la necesidad de hipótesis alternativas y refutación. pero que juega un papel legítimo en la formación de hipótesis. El modelo refutacionista de la ciencia tiene una serie de lecciones valiosas para realizar investigaciones. los otros campos. Incluso ilusiones son permitidas como hipótesis. como Hume y Popper afirmaba que era. y por lo tanto inductivo inspirada hipótesis. en el ciclo científico de conjeturas y refutaciones. pero sólo la creencia de que esa ley se ha encontrado. sino que permite que el proceso de inducción a desempeñar un papel. junto con la imaginación. sin embargo psicológicos. por el contrario. son válidos los puntos de partida para la evaluación científica. sólo el consuelo psicológico proporcionado por la inducción explica por qué aún tiene defensores.

2003). 1970). el humo y alquitrán inhalados superficialmente tienden a depositarse más alta en los pulmones (Wald. no sólo son teorías indeterminadas por observaciones. Un ejemplo epidemiológico es la observación de que los fumadores que inhalan con menor profundidad presentaron mayores tasas de cáncer de pulmón que los fumadores que inhalan profundamente. Estas revoluciones señalan una decisión de la comunidad científica para descartar la infraestructura científica en lugar de falsificar una nueva hipótesis que no puede ser fácilmente injertado sobre él. En otros casos. Por ejemplo. que calificó de "ciencia normal". Los críticos de Kuhn caracterizaron esta descripción de la ciencia como uno de un proceso irracional.alguna teoría favorecida. Aquellos que creen en una estructura racional de la ciencia consideraron la visión de Kuhn como una descripción . Sin embargo. Observaciones que son los casos de falsificación de las teorías a veces puede ser tratado como "anomalías". Por lo tanto. Por ejemplo. la demanda refutación es asumir como verdadera la teoría indemostrable de que no existe tal sesgo. Kuhn afirmó que en todas las ramas de la ciencia el punto de vista científico imperante. es vulnerable a las críticas que las observaciones (o algunos dirían sus interpretaciones) se están cargadas de teoría (a veces llamada la tesis Duhem-Quine. Cada observación es en sí misma dependiente de las teorías. pero sólo porque la teoría de la óptica en que se basa el telescopio es tan bien aceptado. cuajada y la cubierta. de vez en cuando sufre cambios importantes que equivalen a las revoluciones científicas. El resultado neto es que la seguridad lógica sobre cualquiera de la verdad o falsedad de una teoría de la coherencia interna es imposible. no puede ser controlada e incluso los sesgos inimaginables que han hecho nuestras observaciones refutacionales no válido. "una cuestión de psicología de masas" (Lakatos. 1998). por lo que son refutaciones. hicieron hincapié en el papel de la comunidad científica para juzgar la validez de las teorías científicas. así como los mecanismos de Newton fue desplazada (quedando sólo como una aproximación de primer orden) por la teoría de la relatividad. las anomalías pueden llevar eventualmente a la caída de la doctrina científica actual. que a su vez debe basarse en las teorías científicas que no son ciertas (Haack. sugirió que la refutación de una teoría consiste en hacer una elección. un científico se enfrenta a la opción de rechazarla o la validez de la teoría que se investiga o la validez de la observación de refutar. las observaciones no pueden proporcionar el tipo de refutación definitiva de que son el sello de los cuentos populares de refutacionismo. Kuhn y otros han argumentado que el consenso de la comunidad científica determina lo que se considera aceptado y lo que se considera refutado. Consenso y el naturalismo Algunos filósofos de ciencia del siglo 20. la observación de las lunas de Júpiter con un telescopio nos parece como una observación directa. que a su vez están cargados de teoría. Esta anomalía fue explicado eventualmente cuando se observó que el tejido pulmonar más alto en los pulmones es más susceptible a los tumores de pulmón asociado con el tabaquismo. En otras palabras. sobre todo Thomas Kuhn (1962). 1985). Cuando nos enfrentamos a una observación refutando. Estos críticos del modelo de conjeturas y refutaciones. tolerada sin falsear la teoría con la esperanza de que las anomalías con el tiempo se pueden explicar.

ya que es la idea de que al observar cómo trabajan los científicos que podemos aprender acerca de cómo los científicos deben trabajar. pero que la asimetría es menor para los otros. Tampoco podemos saber que una teoría es verdadera. los titulares de la opinión de que la verdad científica no es arbitraria. La última idea ha llevado al desarrollo de la filosofía naturalista de la ciencia. sin embargo. Para refutationistas. y cualquier teoría de inferencia idealmente deben ser evaluados por lo bien que nos lleva a estas verdades. o "estudios de la ciencia". un tema sobre el que Kuhn (1970) no ha sido completamente claro: Son los comentarios de Kuhn sobre el desarrollo científico« para ser leído como descripciones o prescripciones? La respuesta. es una tesis interesante. para algunos. Independientemente de la evolución filosófica. Otros van más allá de Kuhn y sostienen que los intentos de imponer una singular estructura racional o la metodología de las trabas de la ciencia a la imaginación y es una receta para el mismo tipo de represión autoritaria de las ideas que los científicos han tenido que enfrentar a lo largo de la historia (Feyerabend. 1975 y 1993). si se considera descriptivo o normativo. 1999). por supuesto. Así. necesariamente debe tener repercusiones en la manera en que los científicos deberían comportarse si su empresa está floreciendo. esta provisionalidad tiene una calidad asimétrica. dado que impliquen un razonamiento imperfecto y la percepción sensorial. si acaso. Este ideal es imposible llevar a la práctica. no estaría de acuerdo que una teoría de la inferencia debe ser evaluado por lo menos en parte por lo bien que nos lleva a detectar errores en nuestras hipótesis y observaciones. sin embargo. 1993. por si alguna vez encuentran algunas ultimas verdades. muchas otras actividades inferenciales. aunque posiblemente sentido informal común (Haack. La idea de que la ciencia es un proceso sociológico. que sin embargo sostienen que la ciencia se basa en la razón. Si tengo una teoría de cómo funciona la ciencia y por qué. además de la . es que deben leerse en ambos sentidos a la vez. Giere. pero no obligatoria para ningún buena ciencia. porque puede fallar una prueba que es todavía /undevised/. Aunque muchos filósofos modernos rechazan las demarcaciones rígidas y formulaciones para la ciencia como refutacionismo. que examina los avances científicos en busca de pistas sobre qué tipo de métodos científicos necesitan para descubrir y desarrollar con éxito y la invención (Callebaut. Pocos. 2003).lamentablemente real de gran parte de lo que pasa por la actividad científica. sin embargo admitir que nuestro conocimiento de estas verdades siempre será provisional. incluso si pasa todas las pruebas que podamos idear. tenemos que hay manera de saber que. Hay. pero nuestras pruebas podrían ser defectuosas. El filosófico debate sobre la descripción de Kuhn de la ciencia depende de si Kuhn pretende describir sólo lo que ha sucedido históricamente en la ciencia o en su lugar lo que debe suceder. sospechamos que la mayoría de los epidemiólogos (y la mayoría de los científicos) continuaran una función como si el punto de vista clásico siguiente es correcto: El objetivo final de la inferencia científica es capturar algunas verdades objetivas sobre el mundo material en que vivimos. Podemos creer que conocer una teoría es falso porque se incumple de forma reiterada las pruebas que sometemos completamente.

tales como la predicción o pronóstico de los acontecimientos. no podemos saber que son correctos con el 100% de certeza. y fue el célebre matemático y científico francés Pierre Simon de Laplace. por lo que no debería sorprender que las filosofías principales interesados en estos problemas surgieron a partir de las estadísticas en lugar de la filosofía. y B es falsa. Continuando con la razón de esta manera. Si estas premisas son afirmaciones sobre el mundo físico. cada uno con sus propias deducciones de las cuales no podemos estar seguros. sobre todo en los escritos de Ramsey (1931) y DeFinetti (1937). incluso si un argumento lógico es válido. no comienzan a aparecer en la epidemiología hasta la década de 1970 (por ejemplo. Los argumentos de coordinación aparecieron por primera vez en un ensayo fundamental por el Reverendo Thomas Bayes (1764). El problema central abordado por el Bayesianismo es la siguiente: En la lógica clásica. si H es "las causas homicidas hacen ver la televisión" y B es "Las tasas de homicidio son más altos que los televisores que son más comunes". y. Por otra parte. un argumento deductivo puede proporcionar ninguna información sobre la verdad o falsedad de una hipótesis científica a menos que se puede estar 100% seguro de la verdad de las premisas del argumento. pero la conclusión sigue sólo en la hipótesis de que las premisas "H implica B" y " B es falso "son afirmaciones verdaderas. Estadísticos más que los filósofos han enfrentado con mayor frecuencia estos problemas en la práctica. las tasas de homicidio puede ser bajas en los televisores que son comunes debido a las ventajas socioeconómicas en esas áreas. la forma moderna de esta filosofía desarrollada a partir de los escritos de pensadores del siglo 18. Si H implica B. después de todo. podríamos llegar a un estado más pesimistas que incluso Hume imaginado. Cornfield. entonces H debe ser falsa" Este argumento es lógicamente válido. pero que se centra en la evaluación de los conocimientos en lugar de la verdad. la primera premisa utilizada en modus tollens para poner a prueba la hipótesis de que los homicidios hace ver la televisión será: "Si ver la televisión causas homicidas.evaluación de hipótesis. las tasas de homicidio pueden ser más altos que los televisores son más comunes. tiene una visión objetiva de la verdad científica y una visión del conocimiento como provisional o incierto. . la filosofía se refiere generalmente como Bayesianismo (Howson y Urbach. como el refutacionismo. no llegó a una expresión completa hasta después de la Primera Guerra Mundial. 1976). que primero le dio un formato de estadística aplicada. La respuesta Bayesiana a este problema es parcial. ya que todas las observaciones están sujetas a error. la afirmación de que "H implica B" a menudo dependerá de su propia cadena de deducciones. y por lo tanto. Bayesianismo No hay otra filosofía de la inferencia que. "La validez de esta premisa es dudosa. Por ejemplo. como la mayoría. y los intentos posteriores para controlar los acontecimientos (que por supuesto se requiere información de causalidad). incluso si la televisión causa los homicidios. Consideremos el argumento lógico llamado modus tollens: ". No sólo es la inducción sin fundamento lógico. 1993). Al igual que el refutacionismo. la deducción ha limitado la utilidad científica porque no podemos garantizar la verdad de todas las premisas. Sin embargo.

y la influencia de los datos sobre los estados de ánimo. y no se avergüenzan de expresar los grados de certeza. dicho de otro modo. y esto ciertamente será lógicamente una consecuencia válida de sus certezas originales. Una crítica común de la filosofía bayesiana es que distrae la atención lejos de los objetivos clásicos de la ciencia. y actualizar sus grados de certeza con la nueva evidencia de manera que no viole la lógica de la probabilidad. es diametralmente opuesta a la filosofía bayesiana. no es "transparente". Esta subjetividad de la inferencia bayesiana es a menudo confundido con un tratamiento subjetivo de la verdad. no reconoce la importancia del estado de la mente de un científico en la determinación de lo que las teorías a la prueba y qué tipo de pruebas aplicar. "probabilidades subjetivas". Si las certezas iniciales no son las mismas que las de un colega.ya que pone a prueba severa sobre el científico y pone una limitación severa en los resultados. a las premisas de su argumento válido. hecho. No sólo es un punto de vista de Bayesianismo incorrecto. la influencia consiguiente de los estados en el almacén de datos disponibles para la inferencia. es muy buena de manera informal e intuitiva formulando certezas que predicen los hechos y los acontecimientos futuros (Kahneman et al. las inferencias que se dice que son subjetivas. hacia los estados psicológicos de la mente llamado "certezas". intuitiva. en el peor de los casos. 1993. Gilovich et al. o posterior probabilidad. los datos pueden usualmente obligar incluso extremadamente dispar antes de converger en similares probabilidades posteriores. mientras que la lógica deductiva clásica rinda conclusiones sólo cuando una ley. Gilovich. Debido a que las probabilidades posteriores que emana de una inferencia bayesiana dependerá de la persona que proporcione la certeza inicial y así puede variar entre los individuos. ese colega puede muy bien asignar una certeza a la conclusión diferente de la que deriva. 2002). 1982. sin embargo. Los métodos bayesianos fuerzan a los expertos a "poner sus cartas sobre la mesa" y especificar de forma explícita la fuerza de sus creencias previas y por qué tienen tales creencias. defender las especificaciones contra argumentos y pruebas. o probabilidades previas. Piattelli-Palmarini. puede usar cualquiera y todas las reglas de la teoría de la probabilidad de obtener una certeza para la conclusión.. Dice más o menos esto: Si usted puede asignar un grado de certeza o probabilidad personal. Otra respuesta a esta crítica es que los científicos ya utilizan los datos para influir en sus grados de creencia. Un hecho ineludible es que la certeza de concluir. 1959). tales como el descubrimiento de cómo funciona el mundo. ni siquiera un experto. o "grados de creencia" (Popper. o la conexión se afirma con el 100% de certeza. El problema es que el proceso convencional es informal. Una de las razones de este problema es que los sesgos y prejuicios pueden fácilmente entrar en juicios de expertos. e inefable. eso a menudo equivale a nada más que los expertos anunciando que han visto las pruebas y aquí es cómo asegurarse de que estén. puede depender en gran medida en lo que se utiliza como certezas inicial. El enfoque bayesiano representa un intento constructivo para hacer frente al dilema de que las leyes científicas y los hechos no deben ser tratados como se conoce con certeza. habrá un número ilimitado de hipótesis que . 1994. Esta crítica. Con la acumulación de pruebas consistentes. El problema es que nadie. y por lo tanto no están sujetas a un escrutinio crítico. En cualquier contexto de la investigación.. sin embargo. o. Cómo llegaron a esta certeza se deja claro.

De hecho. la mayoría de los epidemiólogos desean de alguna manera expresar los diferentes grados de certeza acerca de los posibles valores de una medida de efecto a la luz de los datos disponibles. e incoherente. se trata de pruebas de las predicciones no probado previamente. se les da una mayor probabilidad de selección de los sujetos imparciales. 2006a. Como Peter Medawar (1979) lo expresó. "no puedo dar ningún científico de cualquier edad mejor que éste consejo: la intensidad de la convicción de que una hipótesis es verdadera no tiene incidencia alguna sobre si es cierto o no. muchas investigaciones en determinados campos toma esta forma. como cuando las predicciones teóricas de la masa de las partículas se someten a pruebas cada vez más precisas en los experimentos de la física. Estas advertencias se hacen eco en la filosofía refutacionista. Por el contrario. La falta de una teoría para pasar una prueba puede conducir al rechazo de la teoría con mayor rapidez cuando las hipótesis auxiliares en los que la prueba depende poseen alta probabilidad. la filosofía subjetiva Bayesiano ofrece una metodología para el razonamiento de sonido en condiciones de incertidumbre y. Por lo menos. no significa que todas las creencias se basan en la misma información. 1988b. inevitablemente. Tales expresiones." Queremos sumar dos puntos. véanse también los capítulos 18 y 19). ofrece muchas advertencias en contra de ser demasiado seguro acerca de una de las conclusiones (Groenlandia 1998a. Como se señaló anteriormente. la intensidad de la convicción de que una hipótesis es falsa no tiene relación con si es falso o no. Sin embargo. pero a menudo de manera implícita. en particular. la mayoría de la gente. Algunos sostienen que el progreso es el mejor con la ayuda de pruebas severas (empíricamente difíciles) las explicaciones que parece más probable a la luz de investigaciones anteriores. se obtendrán de la cara de una considerable incertidumbre acerca de los detalles metodológicos y diversos eventos que llevaron a los datos disponibles y pueden ser extremadamente sensibles a los argumentos utilizados en su derivación. . Ellos usan pruebas para modificar las creencias. los métodos bayesianos no creen en el error de las pruebas. de modo que las deficiencias de la actualidad "recibido" las teorías pueden ser más rápidamente descubierto. Este proceso no implica una mera repetición de los estudios sobre el pasado. que los científicos hacen rutinariamente en cualquier caso. intuitiva. En segundo lugar. Antes de que las probabilidades puedan variar entre las personas. En primer lugar. pero importante de la teoría.podrían explicar un fenómeno observado. existe un imperativo para hacer las bases de las creencias anteriores criticables y defendibles. la pobre razón en la cara de incertidumbre. Las probabilidades de hipótesis auxiliares también son importantes en el diseño del estudio y la interpretación. Esta observación proporciona una razón para preferir "nicho" de los estudios de casos y controles (en el que los controles se seleccionan de una lista de la población de origen de los casos) a "hospitalarios" estudios de casos y controles (en el que los controles son "seleccionados" por la ocurrencia o el diagnóstico de una o más enfermedades distintas de la enfermedad-la definición de caso). incluyendo científicos. ni que todos son igualmente válidos. Incluso si se pone en duda los argumentos anteriores. porque los primeros tienen menos mecanismos para la selección sesgada tema y por lo tanto.

pero más todavíaµ. con la implicación de que es posible en otras disciplinas científicas. Este punto de vista pasa por alto el hecho de que todas las relaciones son sugestivas exactamente de la manera discutida por Hume. y los efectos del tabaquismo sobre la salud humana. 1988). es inmune a estos problemas. Aun cuando es posible. en la epidemiología o de otras disciplinas. Los estudios de laboratorio a menudo implican un grado de control de observadores que no se puede abordar en epidemiología. Todos los frutos del trabajo científico. los planetas que orbitan otras estrellas. Incluso la disección mecanicista más cuidadosa y detallada de los eventos individuales no puede proporcionar más de las asociaciones. la naturaleza no experimental de la ciencia no se opone a impresionantes descubrimientos científicos. La investigación científica se continúa con la investigación empírica todos los días. La provisionalidad de nuestro conocimiento no impide que las . que a menudo se enfrentan a las críticas que la prueba es imposible en epidemiología. las teorías pueden ser poco más que conjeturas. Del método científico. Y además. o no reproducibles. ¿Es la investigación científica categóricamente diferente de otras clases? No. Si los ensayos clínicos aleatorios aportado la prueba. no el nivel de observación.Imposibilidad de la prueba científica Un fuerte debate es una característica de la filosofía científica moderna. En primer lugar. ese control no es garantía contra el error. crucigramas colectivos. Esa visión es errónea en al menos dos razones. Quizás el elemento común más importante que se desprende de las filosofías debate es que la prueba es imposible en la ciencia empírica. En las zonas en las que la evidencia está estrechamente entrelazados. Ni la ciencia ni la física experimental. Algunos científicos sostienen que las relaciones experimentales epidemiológicas son sólo indicativas y creemos que el estudio de laboratorio detallado de los mecanismos dentro de un solo individuo puede revelar las relaciones de causa-efecto con certeza. 1993). pero en zonas con escasa información. son en el mejor de formulaciones tentativas de una descripción de la naturaleza. que nunca tendría que hacer algo más que uno de ellos en una hipótesis dada. los experimentos (incluidos los ensayos aleatorios) no ofrecen algo parecido a la prueba y de hecho puede ser controvertido. Este simple hecho es especialmente importante para los epidemiólogos de observación. como lo demuestran episodios como el experimental "descubrimiento" (luego desmentido) de la fusión fría (Taubes. aunque a un nivel más fino. los científicos y los tomadores de decisiones están a menudo muy convencidos de que sólo las pruebas del laboratorio de mecánica están disponibles. la evolución de las especies. es sólo este control. contradictorio. Estas críticas pueden provenir de un punto de vista de que los experimentos son la fuente definitiva de los conocimientos científicos. los ejemplos son innumerables las placas tectónicas. Puede filosofías divergentes de la ciencia reconciliarse? Haack (2003) sugirió que la empresa científica es similar a la solución de un rompecabezas enorme. Haack (2003) dice que "hay menos que el" método científico "de lo que parece. que pueden fortalecer las inferencias de los estudios de laboratorio. no menos en epidemiología que en otras áreas (Rothman. Además. hay más motivos para poner su confianza en las respuestas. aun cuando la obra se lleva a cabo sin errores.

los cambios más frecuentes del tampón llevarían a más exposición al agente y la posible absorción de una mayor dosis total. una declaración más o menos imprecisa. las hipótesis causales no nulas. A veces las hipótesis etiológicas disfrutar de un grado extremadamente alto. las observaciones epidemiológicas nos pueden proporcionar las pruebas cruciales para contrastar. Así. Bajo la otra hipótesis. Bajo una hipótesis. Las dos hipótesis. de la seguridad. La hipótesis de que fumar cigarrillos causa cáncer de pulmón es uno de los ejemplos más conocidos. cuando el síndrome del shock tóxico fue estudiado primero. cualquiera que observa la asociación puede refutar potencialmente la hipótesis. Bajo la hipótesis de un agente químico. haciéndolo al mismo tiempo a la hipótesis de asociación causal entre exposición y enfermedad. negar la hipótesis nula donde la exposición no tiene relación causal con la enfermedad. Para cubrir esta imprecisión. tal como: ´fumar causa enfermedad cardiovascularµ. Pero ni siquiera estas hipótesis han ´demostradoµ con grado de certeza absoluta que acompaña la prueba de un teorema matemático. los epidemiólogos enfocan en probar la negación de la hipótesis causal.aplicaciones prácticas. universal o casi universalmente compartidos. sino de la nuestra también. Estas hipótesis elevarse por encima de "tentativa" la aceptación y están más cerca que podemos llegar a la "prueba". Estas hipótesis imprecisas tienen sólo consecuencias vagas que pueden ser difíciles probar. las mujeres que usaban los tampones. es decir. Entonces. era una sustancia química presente en el tampón. porque un uso de corta duración para cada tampón impediría al Staphylococcus multiplicarse lo bastante como para producir una dosis de toxina perjudicial. había dos hipótesis compitiendo sobre el agente causal. Ambas hipótesis explicaron la relación de ocurrencia del shock tóxico al uso del tampón. llevaron a predicciones opuestas sobre la relación entre el cambio frecuente de tampones y la proporción de shock tóxico. Inferencia causal en epidemiología El conocimiento de la etiología en la hipótesis epidemiológica es a menudo escaso. pero hay que mantenernos escépticos y críticos. a la que se expusieron directamente. La hipótesis del medio de cultivo predice que mujeres que cambiaban frecuentemente los tampones tendrían una incidencia más baja en comparación con aquéllos que menos frecuentemente cambiaban los tampones. sin embargo. Pruebas teóricas de contraste epidemiológicas Si el mecanismo causal se declara lo bastante específico. Por ejemplo. Esta hipótesis predijo que mujeres que cambiaban frecuentemente los tampones tendrían una incidencia más alta en comparación con las mujeres que cambiaban los tampones infrecuentemente. sujeto a asumir (hipótesis auxiliar) que la torsión y los riegos fluctuantes no son únicamente responsables para la observación. no sólo de todos los demás trabajos. la investigación epidemiológica. demostró que un cambio poco frecuente de tampones estaba asociado a una mayor incidencia del shock . el tampón actuó como un medio de cultivo para Staphylococcus que luego esta produjo una toxina.

La teoría de descubrimiento ² daño fue refutado debido a que era un explicación para todos menos para un pequeño fragmento de cáncer endometrial que ocurría después del uso de estrógeno. sin embargo no se confirmó esta hipótesis en observaciones extensas. 1990). (Lanes y Rothman. el volumen de oxígeno) mejoraba su actuación como medio de cultivo. Se usaron muchas observaciones epidemiológicas para evaluar estas hipótesis de contraste. pero que la incidencia es mayor en mujeres usuarios de estrógeno.daño. determinó el diagnóstico temprano usando como criterio el sangrado inducido. Porque la reciente asociación de uso de estrógeno y cáncer endometrial era lo mismo en usuarios de estrógeno de largo o corto plazo. 1978). ya que inició este síntoma poco después de que empezó en tratamiento con estrógeno. debido a que hay cáncer endometrial no detectado en población femenina típica. sin embargo.tóxico. ausencia. Esta hipótesis químico-promotor hizo la misma predicción sobre la asociación del cambio frecuente de tampones con la toxina microbiana. Especialmente importante era la implicación de la teoría. explicaciones de cómo los tipos específicos de prejuicio pudieran torcer una asociación entre la exposición y enfermedad es las alternativas usuales a la hipótesis del estudio primaria. una tercera hipótesis que una sustancia química en algunos tampones (por ejemplo. se revela con la observación de mujeres que tomaron estrógeno como terapia de reemplazo hormonal que tenían una incidencia considerablemente elevada de cáncer endometrial. . o dirección de cualquier conexión causal entre la exposición del estudio y la enfermedad. Mucha de la interpretación de cantidades de estudios epidemiológicos es la comprobación de tales explicaciones auxiliares para las asociaciones observadas. Por ejemplo. de otro modo muchos de estos cánceres no se habrían descubierto en absoluto. La teoría del descubrimiento ² daño predijo que mujeres que habían usado estrógeno sólo durante un tiempo corto tendrían mayor frecuencia de síntomas de sangrado que los llevaría a consultar al médico. por lo tanto refutó la teoría química. Los criterios de diagnóstico resultantes llevaron al descubrimiento de cáncer del endometrial en una fase más temprana en estas mujeres. comparado con mujeres que no estaban tomando estrógeno. El ejemplo de cáncer de endometrial ilustra el punto crítico entendiendo el proceso de inferencia causal en los estudios epidemiológicos: Muchas de las hipótesis evaluándose en la interpretación de estudios epidemiológicos son las hipótesis auxiliares en el sentido que ellos son independientes de la presencia. Había. Horwitz y Feinstein (1978) conjeturó una teoría de contraste para explicar la asociación: Ellos propusieron que las mujeres que tomaban estrógeno experimentaron síntomas como sangrar y eso los indujo a consultar a un médico.(Hutchison y Rothman. Otro ejemplo de una teoría que puede probarse fácilmente por datos epidemiológicos. Horwitz y Feinstein defendieron que esta asociación descubrimiento . La refutación de la teoría del descubrimiento ² daño también dependía de muchas otras observaciones.

posiblemente porque ellos parecen proporcionar un mapa del camino a través del territorio complicado. Hill sugirió las consideraciones siguientes intentando distinguir las asociaciones causales de la no causal que ya eran ´absolutamente bien definido y más allá de lo que nosotros cuidaríamos para atribuir a la obra de oportunidadµ: (1) la fuerza. todas las preocupaciones sobre la lógica o ausencia podrían ser de eso en la inferencia causal los resúmenes: Sólo sería necesario consultar la lista de control de criterio para ver si una relación era causal. 1996). (2) la consistencia. Con el tal criterio. las listas de criterio causal se han puesto populares. (8) la evidencia experimental. (7) la coherencia. solo. 2000). otros. qué a su vez se anticipó por los canon inductivos de John Stuart Mill (1862) y las reglas dadas por Hume (1739). (6) la plausibilidad. enfatizando la importancia de probar estadísticamente. es ´más fácilµ para imaginar eso que hoy nosotros llamaríamos un embrollador de desmedida que podría ser responsable para la asociación. cómo los epidemiólogos separan la explicación causal de la no causal? A pesar de las críticas de la filosofía de inferencia inductiva. Hill dio énfasis que esas inferencias causales no pueden ser basadas en un juego de reglas. Ellos se concentraron en un solo embrollador hipotético que. 2004). y quizás porque ellos hacen pensar en hipótesis al ser evaluado un problema dado. (4) el temporalidad. . (5) la pendiente biológica. para las asociaciones más débiles.Criterio causal ¿En la práctica. (1959) dibujó conclusiones similares. Cornfield et al. No obstante. los mal orientados a la vista popular donde sus consideraciones deben usarse como el criterio para la inferencia causal lo hacen necesario examinarlos en detalle. Si un juego de requisito y el criterio causal suficiente pudieran usarse para distinguir de las relaciones causales del no causal en los estudios epidemiológicos. y entonces pueden reconocerse la importancia de muchos otros factores en decisión que hace (Phillips y Goodman. La lista de Hill era una expansión de una lista ofrecida previamente en el hito del reporte de Cirugía General americana Smoking and Health (1964). Un juego normalmente usado de criterio era basado en una lista de consideraciones o ´los puntos de vistaµ propuesto por Sir Austin Bradford Hill (1965). explicaría una asociación observada completamente. y (9) la analogía. La fuerza Hill defendió que las asociaciones fuertes están compeliendo particularmente porque. sobre todo Susser. No obstante. (3) la especificidad. han desarrollado las consideraciones causales más allá (Kaufman y Poole. el trabajo del científico se aliviaría considerablemente. Nosotros sabemos de la filosofía repasada antes que un juego de criterio suficiente no existe. se usan a menudo las consideraciones inductivamente orientadas como el criterio por hacer las tales inferencias (Weed and Gorelic. Varios años anteriores. Como consecuencia.

Hoy. es aceptado por la mayoría como causal aunque las asociaciones son consideradas débiles. El uso del tampón puede causar el síndrome del shock tóxico. las transfusiones pueden causar la infección con el virus de la inmunodeficiencia humana. cualquier estudio con confusores muy bien ilustra el fenómeno. Por ejemplo. Estos ejemplos nos recuerdan que una asociación fuerte es necesaria " ni suficiente para la causalidad. el efecto de un agente causal no puede ocurrir a menos que el componente complementario causa el acto o ya ha actuado para completar una causa suficiente. Estas condiciones no siempre se reunirán. una vez que el factor confunsor se identifica. De importancia especial. y enfocó en adelante cómo la estimación observada de una proporción de riesgo que mantiene un mínimo la asociación que un embrollador completamente explicativo debe tener con la exposición (en lugar de un mínimo para la asociación de la enfermedad confusora). como aquéllos entre fumar y enfermedad cardiovascular o entre el humo del tabaco medioambiental y el cáncer pulmonar. pero sólo raramente. y esa debilidad es necesaria " ni suficiente para la ausencia de causalidad. Además. que no gobierna fuera una asociación causal. la consistencia se refiere a la observación repetida de una asociación en las poblaciones diferentes bajo las circunstancias diferentes. incluso en los estudios casi exactos. . Cornfield et al. Ejemplos opuestos de fuerte son difíciles de hallar pero las asociaciones del no causal tampoco son imposibles de encontrar. quizás desconocido. como opuesto para diferenciar las medidas. La consistencia A la mayoría de los observadores. cuando cierto otro. Una asociación fuerte sólo afecta a la hipótesis de que la asociación es completamente o parcialmente debido a embrolladores de desmedida u otra fuente de prejuicio modesto. Claro. 1988). Falta de consistencia.Ellos expresaron una preferencia fuerte para que la proporción mida fuerza. La consistencia sólo está clara después de que se entienden todo los detalles pertinentes de un mecanismo causal que es muy raramente decir. sin embargo. porque un poco de efectos sólo se produce por sus causas bajo raras circunstancias. pero ellos no siempre hacen porque: El virus también debe estar presente. Más precisamente. considere la relación fuerte entre el síndrome de Down y línea del nacimiento que están implicados por la relación entre del síndrome de Down y la edad materna. los mismos fenómenos proporcionan resultados diferentes simplemente porque pueden esperarse que ellos difieran en sus métodos y errores del azar. algunas asociaciones. reconoció que teniendo sólo una asociación débil no se puede determinar una conexión causal (Rothman y Poole. La consistencia sólo sirve para controlar externamente las hipótesis que la asociación es atribuible a algún factor que varía por los estudios. Así. la asociación se disminuye controlando para el factor. se reúnen las condiciones.

en un acto de razonamiento redondo.) ser por lo menos como fuertemente asociado con fumar como el cáncer pulmonar era. la especificidad de efectos. A veces se exige que una literatura o juego de resultados simplemente son incoherentes porque algunos resultados son ´estadísticamente significanteµ y algunos no son. Recíprocamente. o máscara las verdaderas diferencias (Greenland et al. con varias enfermedades (otros cánceres. se usó como un argumento a favor de una interpretación causal de la asociación entre fumar y el cáncer pulmonar y. Su argumento es persuasivo cuando. La especificidad El criterio de especificidad tiene dos variantes. los resultados podrían estar significativamente en el conflicto aun cuando todos eran que todos eran individualmente los no significantes. sin embargo. Weiss (2002) defendió esa especificidad puede usarse para distinguir algunas hipótesis causales de las hipótesis no causal. no las causas múltiples. La falacia de juzgar la consistencia comparando los P-valores o la importancia estadística no se elimina por ´regularizandoµ estima (es decir. Cuando se examinaron las medidas de la diferencia. . El otro es que un efecto tiene una causa. 1986. Esta clase de evaluación es completamente engañosa aun cuando uno acepta el uso de importancia que prueba los métodos. o ambos). a favor de las comparaciones de la proporción y no las diferencias como las medidas apropiadas de fuerza. no los efectos múltiples. la enfermedad del corazón coronaria. dividiéndolos por la desviación normal del resultado. simplemente porque en el agregado un efecto pudiera estar claro en algún subgrupo pero no otros. de hecho se empeora. multiplicándolos por la desviación normal de la exposición. el regularización como a tal puede crear diferencias dónde ninguno existe.. Los resultados (el efecto estima) de un juego de estudios todos pudieron sea idéntico aun cuando muchos eran significantes y muchos no era. El criterio anterior. Cuando se examinaron las medidas de la proporción. Hoy nosotros sabemos que el fumar afecta el riesgo de muchas enfermedades y que las comparaciones de la diferencia estaban retratando esta falta de especificidad con precisión. etc. Desgraciadamente. Uno es que una causa lleva a un solo efecto. cuando la hipótesis causal predice una relación con un resultado pero ninguna relación con otro resultado. la diferencia en importancia que se levanta solamente debido a las diferencias en los errores normales o tamaños de los estudios.Un error llevando a cabo el criterio de consistencia es tan común que merece una mención especial. la asociación de fumar a las enfermedades parecía ´cuantitativamente específicoµ al cáncer pulmonar. Hill mencionó los dos de ellos. el episodio histórico del debate encima de fumar y se cita a menudo la salud hoy como la justificación para el criterio de especificidad y por usar las comparaciones de la proporción para medir fuerza de asociación. la asociación parecía ser el no específico. 1991). Las lecciones apropiadas para aprender de ese episodio deben ser simplemente el contrario.

Una posible explicación es que las dosis de DES que se administró eran todos suficientemente grande producir el efecto máximo de DES. Bajo esta hipótesis. sin especificar la balanza. observó en que C siguió a D meramente la muestra que C no pudiera causar D en estos casos. una pendiente lineal en una balanza. La temporalidad La temporalidad se refiere a la necesidad de que la causa preceda al efecto en tiempo. Rather. muestran un aumento rápido en la contestación (un efecto del umbral aproximado) en lugar de un estrictamente la tendencia del monotónico. para todos aquéllos expuestos a DES. más que fumar significa la exposición a los carcinógenos y cuanto más tejido dañan. ellos no proporcionan ninguna evidencia para o contra la hipótesis que C puede causar D en esos casos en que precede D. Sólo que si se encuentra que C no puede preceder que D puede nosotros distribuimos con la hipótesis causal que C pudiera causar D. en la medida en que como cualquiera exigido por la observación de causalidad debe involucrar la causa putativa que C que precede el efecto putativo D. La pendiente biológica La pendiente biológica se refiere a la presencia de un dosis ² respuesta o exposición ² respuesta encorve con una forma esperada. pero ninguna reducción en la mortalidad de los tumores en otra parte en el colon. Weiss ofreció el ejemplo protector de la sigmoidocospía que era asociado en los estudios del caso ² control con una 50% a 70% reducción en la mortalidad de los tumores del distal del recto y tumores del colon del distal dentro del alcance del sigmoidoscopio. puede ser distintamente los no linear en otra balanza. pero sólo a esa teoría no causal que habría predicho una asociación no específica. las desigualdades. o las desigualdades de registro. el desarrollo de enfermedad dependería completamente de otras causas del componente. Así. sigue que un orden de tiempo inverso es la evidencia contra la hipótesis que C puede causar D. Este criterio es inarrugable. como el riesgo. . Algunas asociaciones causales. Si el efecto protector de la sigmoidocospía no fuera específico a los tumores de colon de distal. la especificidad puede entrar en la obra cuando puede deducirse lógicamente de la hipótesis causal en cuestión y cuando pueden deducirse los no especificidad lógicamente de uno o más hipótesis no causal. cuando Weiss sugirió. de más oportunidad para el carcinogénesis. no prestaría el apoyo a toda la teoría no causal para explicar la asociación. Él no hace. Nosotros podríamos relajarnos la expectativa de lineal a estrictamente monotónico (aumentando firmemente o disminuyendo) o incluso lleva más allá meramente al monotónico (una pendiente que nunca cambia la dirección). Un ejemplo es la asociación entre DES (dietilestilbestrol) y adenocarcinoma de la vagina. Aunque Hill se refirió a un ´linealµ la pendiente. como el riesgo de registro. uno tiene una hipótesis no causal alternativa que predice una asociación del no específica. sin embargo. Por ejemplo.además de la hipótesis causal. sin embargo.

A menudo ellos no son. si ellos están disponibles. Así como la epidemiología no es esencial para la inferencia causal.El tema algo polémico de consumo del alcohol y mortalidad es otro ejemplo. mientras citando comentarios de Cheever en 1861. y otras ciencias. Una de las consideraciones que nosotros tendríamos en cuenta sería las asociaciones epidemiológicas. al bicho con que los cuerpos del . Preguntando si es causal o no. Las proporciones de muerte son más altas entre los no bebedores que entre los bebedores moderados. la empresa entera de inferencia causal se vería como el acto de determinar cómo creíble una hipótesis causal es. posiblemente porque las categorías de consumo del alcohol son demasiado anchas para distinguir las proporciones diferentes entre los bebedores moderados y no bebedores. quién había estado haciendo un comentario sobre la etiología de Tifus antes de su modo de transmisión (vía los piojos del cuerpo) sea conocido: ´Nada podría ser más ridículo que el extraño que pasó la noche en la dirección de una nave de emigrantes que atribuyó el Tifus a lo que se infestó allí. o posiblemente porque ellos tienen menos confusores al más bajo extremo de la balanza del consumo. Una relación del no monotónico sólo refuta esas hipótesis causales específico bastante para predecir una curva de dosis ² response monotónico. La relación entre la línea del nacimiento y el síndrome de Down donde las muestras más tempranas mencionaron una pendiente biológica fuerte que meramente refleja la relación progresiva entre la edad maternal y ocurrencia del síndrome de Down. Confundiendo pueden producir una relación monotónico entre un factor de riesgo de no causal y enfermedad si el propio factor confundiendo demuestra una pendiente biológica en su relación con la enfermedad. con las entradas de la toxicología. Estos problemas implican que la existencia de una asociación monotónico es necesaria " ni suficiente para una relación causal. Más de cualquier otro criterio. Algunos estudios parecen encontrar sólo una relación creciente entre el consumo del alcohol y mortalidad. Sartwell (1960) dio énfasis a este punto. De una perspectiva menos parroquial. pero ellos ascienden a los niveles más altos para los grandes bebedores. este uno muestra qué estrechamente se enfocan sistemas de criterio causal en la epidemiología. pero la inferencia causal debe hacerse no obstante. farmacología. La plausibilidad La plausibilidad se refiere a la plausibilidad científica de una asociación. una de las consideraciones que nosotros tenemos en cuenta es su plausibilidad. biología básica. Asociaciones que muestran una tendencia monotónico en la frecuencia de la enfermedad con los niveles crecientes de exposición no son necesariamente causales. Hay debate considerable sobre que se relacionan partes de la curva de la dosis ² respuesta Jformada causalmente los artefactos no causal al consumo del alcohol y qué partes está proviniendo de confusores u otros prejuicios. la plausibilidad puede cambiar muchas veces. El punto de arranque es una asociación epidemiológica.

hicieron pensar en el cigarro lleva a que se deposite los carcinógenos preferencialmente donde el exceso fue observado. al parecer. Hill dió ejemplos para la coherencia. uno razonable en sí mismo. Éste es no decir que el conocimiento biológico debe descontarse cuando una nueva hipótesis está evaluándose. con los valores de certeza acérquese traicionando un compromiso fuerte del analista para a 1 o 0 o contra una hipótesis. pero sólo para señalar la dificultad aplicando ese conocimiento. así como la coherencia. Otras observaciones. y para que la anomalía era de hecho consistente con un papel causal para los cigarros (Wald. Varios observadores interpretaron esta anomalía como la evidencia que los cigarros no eran responsables por el exceso. pero sólo en las creencias anteriores. Una causa adecuada. la distinción parece ser una multa. el término coherencia implica que una interpretación de causa y efecto para una asociación no choca con lo que es conocido de la historia natural y biología de la enfermedad. Por otro lado. También puede proporcionar unos medios de probar esas creencias cuantificadas contra la nueva evidencia. la presencia de información contradictoria puede refutar una hipótesis de hecho. Esta cuantificación despliega el dogmatismo o imparcialidad del analista en una moda pública. sin embargo. así como en las nuevas hipótesis. como distinguido. Hill dió énfasis a que la ausencia de información coherente. No obstante. Los Bayesianos se acercan a la inferencia intenta tratar con este problema requiriendo ese uno cuantifique. el hecho de que el exceso de cánceres pulmonares visto entre los fumadores parecía concentrarse a los sitios en las vías aéreas superiores del pulmón. pero uno siempre debe recordar que la información contradictoria puede equivocarse o puede interpretarse mal. 1985). no debe tomarse como la evidencia contra una asociación a siendo considerada causal.µ Lo que era a Cheever una explicación inverosímil resultó ser la explicación correcta. en una probabilidad (0 a 1) la balanza. de la presencia de información contradictoria. la certeza que uno tiene en las creencias anteriores. La coherencia Tomado del informe americano de Cirugía General Smoking and Health (1964). como el efecto histopatológico de fumar en el epitelio bronquial (en la referencia a la asociación entre fumar y el cáncer pulmonar) o la diferencia en la incidencia de cáncer pulmonar por el sexo. ningún acercamiento puede transformar la plausibilidad en un criterio causal objetivo. porque era de hecho el bicho que causó la infección del tifus. debe corregir las coincidencias de experiencia simple.enfermo podría infestarse. Un ejemplo mencionado antes es el ´la anomalía de la inhalaciónµ fumar y el cáncer pulmonar. podría ser considerado ejemplos de plausibilidad razonablemente. Cosas así es el problema con la plausibilidad: También no es basado a menudo en lógica o datos. .

raramente está disponible para que el epidemiólogo investigue las preguntas. con los cánceres en otros órganos interiores y gastrointestinales. Pero sería un error para llamar esta observación la posible evidencia más fuerte de un papel causal de miasmas (Poole. aun cuando el levantamiento de exposición reduce la frecuencia de enfermedad causalmente. . habría predictivamente y causalmente reducir la proporción de fiebre amarilla o malaria en esa ciudad el verano siguiente. a los experimentos del laboratorio con roedores u otros organismos del no humano. no la falsificación de la hipótesis. 1997). la analogía proporciona una fuente de hipótesis más detalladas sobre las asociaciones bajo el estudio. mencionó que la evidencia experimental significó algo más: ´la evidencia experimental. el menos específico de los efectos de una causa o el menos específico de las causas de un efecto. debido a sus asociaciones. la ausencia de tales analogías sólo refleja que falte de imaginación o experiencia.La evidencia experimental En observadores diferentes. El más inclinado a la analogía. Es más. Analogía La visión de cualquiera podría derivarse de la analogía que está impedido por la imaginación inventiva de científicos que pueden encontrar las analogías por todas partes. Pero el tal razonamiento es común. o semi experimentalµ obtuvo de reducir o eliminar un putativamente la exposición perjudicial y ver si la frecuencia de enfermedad declina como la consecuencia. El agotando de un pantano cerca de una ciudad. Aquí nosotros vemos cómo el criterio de analogía puede estar en las desigualdades con ambos el dos criterio de especificidad. 1999). Él llamó a este la posible evidencia más fuerte de causalidad que puede obtenerse. sin embargo. como el ´semi experimentalµ el acercamiento es nada más de un ´antes de y después deµ análisis de tendencia de tiempo que puede confundirse o por otra parte puede torcerse por un organizador de cambios del seglar concomitantes. Hill. por ejemplo. nosotros sospechamos la mayoría del hallazgo de las personas él más creíble ese que fuma podría estar expuesto a concebir cáncer del estómago. no podría ser por la razón del etiológica supuesta. y la evidencia animal relaciona a las especies diferentes y normalmente a los niveles de exposición muy diferente de aquéllos que los humanos experimentan. o a ambos. Nosotros podríamos encontrar en los ejemplos de Hill razonando por la analogía de talidomida y tragedias de la rubéola que lo hicieron más probable que a él que a otras medicinas e infecciones serían causa de defectos del nacimiento. Puede ser defectuoso. sin embargo. La incertidumbre en las extrapolaciones de los animales a los humanos domina a menudo la incertidumbre de valoraciones de riesgo cuantitativas (Freedman and Zeisel. la evidencia experimental puede referirse a los ensayos clínicos. 1988. que algunos aceptaron ampliamente como causal. Crouch et al.. A mejor. La evidencia de los experimentos humanos. sin embargo.

Page: 5 ² 31 .. Modern Epidemiology. Timothy L. Sander. Greenland. 3rd Edition Copyright ©2008 Lippincott Williams & Wilkins Section I: Basic Concepts Chapter 2: Causation and Causal Inference. Kenneth J. Lash.Bibliography: Rothman.

Sign up to vote on this title
UsefulNot useful