CAUSALIDAD Y VALIDEZ EN LOS ESTUDIO EPIDEMIOLGICOS

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

2. Trminos Claves: Inferencia causal, error aleatorio, confusin, sesgo, modificacin del efecto 3. Desarrollo del mdulo 3.1. Causalidad Uno de los principales objetivos de la investigacin epidemiolgica es establecer las causas del fenmeno de inters. Una causa de enfermedad desde el punto de vista epidemiolgico es un evento, condicin, caracterstica o una combinacin de estos factores que juegan un papel importante en el desarrollo de la enfermedad. La epidemiologa ocupacional, se orienta a la identificacin de las causas de las enfermedades y lesiones resultantes de las exposiciones ocurridas en el sitio de trabajo. Son varios los modelos de causalidad propuestos, mencionaremos al El Modelo de Rothman, como ejemplo y desarrollaremos a continuacin. Este modelo define como causa suficiente a un grupo de condiciones y acontecimientos mnimos que, inevitablemente inician o producen la enfermedad. El modelo es determinista, porque supone que la enfermedad puede tener una o ms causas suficientes (CS), cada una de las cuales determina la enfermedad, es decir diferentes conjuntos de causas pueden interactuar y producir el mismo evento. Dicho de otro modo, una causa es suficiente cuando la enfermedad es observada en los individuos que presentan la causa, no obstante, la causa no se observa en todos los individuos con la enfermedad porque existen otras causas para ella. Por ejemplo, el hbito de fumar cigarrillos es una causa del cncer de pulmn, pero ste tambin es causado por la exposicin a las fibras de asbesto o al gas radn. Cada CS est compuesta por un grupo de causas componentes (CC). La presencia de una CC aumenta la probabilidad de que la enfermedad se produzca, es decir la presencia de CC equivale a la presencia de los factores de riesgo. Para este modelo una causa se denomina necesaria (CN) cuando sta siempre debe anteceder una enfermedad. Una causa es necesaria cuando debe estar presente en los individuos para contraer la enfermedad, sin embargo, su presencia no siempre conduce al desarrollo de enfermedad. Por ejemplo el bacilo de la

tuberculosis (Mycobacterium bacillus) debe estar presente para causar la tuberculosis, pero, la aparicin de la tuberculosis no siempre se observa en los individuos portadores del bacilo.

Causa Suficiente I

Causa Suficiente II

Causa Suficiente III

E A
B

H C A B

G F A

I F C

Figura 1. La figura muestra una enfermedad que tiene 3 complejas causas suficientes, cada una de 5 causas componentes. A es una causa necesaria ya que esta aparece como miembro de cada causa suficiente. B, C y, F no son causas necesarias ya que ellas no aparecen en todas las 3 causas suficientes. Otro ejemplo de CS y CN corresponde al cncer de pulmn, ste puede ser atribuido a diferentes causas suficientes (humo de tabaco, metales pesados, asbesto, etc.), todas son suficientes para producir el evento, pero no todas son necesarias. Cualquier causa podra comportarse como necesaria, suficiente, ninguna de las dos o ambas. Hay que considerar que cada enfermedad posee muchas causas (CS, CC y CN) las cuales interactan entre ellas, por lo que resultara imposible predecir que ocurrir en cada caso en particular. Adems de lo difcil que resultara determinar todas las causas, aunque stas se conocieran, sera difcil determinar cuales actuaran en cada caso. De acuerdo a este modelo, un factor es una causa de la enfermedad si la alteracin de ste resulta en una variacin de la frecuencia del evento. Por este motivo, el modelo resulta til desde el punto de vista de la prevencin, ya que no es necesario conocer todas las causas componentes para prevenir la enfermedad. Efectivamente, al identificar y eliminar slo uno de los factores de la causa suficiente, se previenen los casos de la enfermedad que esta causa suficiente origina. Al estudiar la causalidad uno debe considerar que los factores de riesgo juegan diferentes roles en el desarrollo de la enfermedad. Por esto los factores causales han sido diferenciados en los siguientes grupos, los cuales, no son mutuamente excluyentes:

1. Factores predisponentes factores que crean un estado de sensibilidad hacia un agente patgeno. La edad, el grado educacional, ocurrencia previa de la enfermedad y el ambiente laboral son ejemplos de factores que podran hacer a los individuos ms susceptibles a un agente patgeno. 2. Factores facilitadores factores que facilitan la manifestacin de la enfermedad o por el contrario facilitan la recuperacin de una enfermedad. Los ingresos, el acceso a la atencin mdica y la nutricin son ejemplos de factores cuya ausencia podran facilitar la manifestacin de las enfermedades y que apoyan la recuperacin en su presencia. 3. Factores desencadenantes factores que estn asociados con la aparicin definitiva de la enfermedad. A menudo un factor es ms importante u obviamente ms reconocible que otro cuando hay varios factores involucrados. Algunos ejemplos son la exposicin a un medicamento, agentes intoxicantes o traumatismos fsicos. 4. Factores potenciadores factores repetitivos, recurrentes, persistentes que tienden a perpetuar o agravar la presencia de una enfermedad. Por ejemplo la exposicin repetida al mismo agente txico (en la ausencia de una reaccin aguda) y el trabajo. La realizacin de una investigacin epidemiolgica consiste en calcular el riesgo de la ocurrencia de una enfermedad con relacin a uno o ms factores de riesgo o exposiciones mediante los mtodos estadsticos. En realidad, la estimacin de riesgo representa la magnitud de la asociacin entre el factor de riesgo y la enfermedad en estudio. La inferencia causal es el proceso de determinar si la estimacin de riesgos denota causalidad. Es decir, si el factor de riesgo o la exposicin bajo investigacin es en realidad una causa de la enfermedad. Antes de establecer causalidad, otras explicaciones potenciales para las asociaciones tendran que ser excluidas como el sesgo y la confusin. 3.2. Validez y precisin en los estudios epidemiolgicos Es importante que el clculo del riesgo de un estudio represente el efecto verdadero, que ser el caso cuando un estudio es vlido. Se distinguen dos tipos de validez de estudio: la interna y la externa. La validez interna se refiere a que los resultados del estudio sean atribuidos slo al efecto bajo investigacin. Esto es posible cuando todas las fuentes de error han sido reducidas al mnimo en las etapas de diseo, implementacin y anlisis del estudio. La validez externa se refiere a que los resultados del estudio sean generalizables, esto es, cuando un estudio produce inferencias imparciales con respecto a una poblacin objetivo. Por ejemplo, los resultados de un estudio realizado en hombres podran no ser generalizables en mujeres, quienes tambin forman parte de la misma poblacin objetivo desde dnde los hombres vinieron.

Los errores en los estudios epidemiolgicos conducen a un clculo sesgado del estimador de riesgo y a inferencias incorrectas acerca de la relacin entre el factor de riesgo y la enfermedad bajo investigacin. Un estudio es vlido cuando sus resultados corresponden a la verdad. Al reducir al mnimo los errores, en las etapas de planificacin y de ejecucin del estudio, el investigador tiene mas fuerza para llegar a la conclusin de que los resultados representan el valor verdadero. Slo los estudios con resultados vlidos son tiles para el proceso de inferencia causal. 3.2.1. Tipos de error Los errores pueden clasificarse como: aleatorio o sistemtico. 1. El error aleatorio es parte de la variacin, en una medicin, que generalmente es considerada como debida solo al azar. Existen varias fuentes de error aleatorio. Una fuente principal de este tipo de error es el proceso de establecer la muestra de estudio. Esta forma de error aleatorio tambin se conoce como error de muestreo. La principal forma de reducir el error aleatorio es agrandar el tamao muestral en estudio. Esto aumentar la precisin del clculo de riesgo y por consiguiente, del estudio. 2. El error sistemtico es el resultado de los defectos en el mtodo de seleccin de los participantes en estudio o en los procedimientos de recoleccin de informacin pertinente a la exposicin o enfermedad. En consecuencia, los resultados observados del estudio tendern a ser diferentes de los resultados verdaderos. Esta tendencia hacia los resultados errneos es llamada sesgo. Minimizar el sesgo aumentar la validez del clculo de riesgo. La Figura 2 muestra los efectos de los errores aleatorios y sistemticos sobre los clculos de riesgo. El error aleatorio conduce a la imprecisin en el clculo de riesgo. Puede observarse que los clculos de riesgo a menudo rodean la verdad (punto central) pero se propagan aleatoriamente alrededor de ello. En contraste, el error sistemtico no afecta la precisin del clculo de riesgo. Sin embargo, esto conduce a la generacin de clculos de riesgo que sistemticamente son diferentes de la verdad. Figura 2. Validez y Precisin

Error Aleatorio - Imprecisin

Error Sistemtico - Sesgo

x x x x xx x

Antes de que el resultado de un estudio se evale para establecer la posibilidad de que la relacin arrojada sea causal, es importante determinar la validez y la precisin del estudio. Las posibilidades de explicaciones alternativas para los clculos de efectos como el azar, el sesgo y la confusin debern ser excluidos (Figura 3). Figura 3. Evaluacin de la Relacin entre una Causa Posible y la Enfermedad
ASOCIACIN OBSERVADA
Puede ser debida a sesgos de seleccin o medicin? NO

Puede deberse a fenmenos de confusin?

NO

Puede ser una casualidad?

PROBABLEMENTE NO

Puede ser causal?

Aplicar los criterios y llegar a una conclusin Fuente: Epidemiologa Bsica, OPS.

3.2.2. Sesgos Como se menciono anteriormente, el sesgo es una desviacin sistemtica de los resultados o las inferencias del valor verdadero. El sesgo en los estudios epidemiolgicos puede clasificarse en dos tipos principales: el sesgo de seleccin y de informacin. El sesgo de seleccin ocurre cuando hay diferencias entre los que participan en el estudio y aquellos que no participan, y esas diferencias tienen un efecto sobre el clculo de riesgo, desvindolo de su valor verdadero. Estas diferencias introducen un sesgo en el clculo de riesgo cuando sus caractersticas se relacionan sistemticamente con la exposicin o enfermedad bajo estudio. Al planificar un estudio epidemiolgico, el investigador debe identificar si existe el potencial para la ocurrencia de algn tipo de sesgo y encontrar las maneras de reducirlo. Existen muchas maneras en que se puede introducir un sesgo de seleccin al estudio. Algunos ejemplos son: 1) La percepcin o el conocimiento del tema del estudio influye en el deseo de participar de los sujetos (Ej.: el uso de las drogas o el alcohol); 2) Un deficiente marco de muestreo que excluye sistemticamente a un grupo de sujetos con caractersticas similares (Ej.: realizar entrevistas por telfono en un distrito donde aquellos pertenecientes a los estratos socioeconmicos bajos no tienen telfonos); 3) Los voluntarios (Ej.: usualmente los voluntarios tienen una motivacin especial para participar en un estudios como una mayor percepcin de riesgo o un alto nivel educacional). Un caso especial de sesgo de seleccin en los estudios ocupacionales es el efecto del trabajador saludable. Los trabajadores generalmente presentan tasas de mortalidad general inferiores que la poblacin en general, esto porque el enfermo grave y los discapacitados crnicos son generalmente excluidos del empleo. Los trabajadores son ms saludables que la poblacin en general, por tanto, las tasas de mortalidad de la poblacin general no son comparables con las tasas de la poblacin laboral. El sesgo de informacin es una falla en la medicin de los factores de riesgo o los datos de enfermedad que da lugar a una calidad diferente de la informacin entre los grupos de comparacin. Esto conduce a una medida de la variable de estudio que es diferente de su valor verdadero y puede producir una clasificacin errnea de los sujetos de estudio con respecto a la exposicin, la enfermedad o ambos. La presencia del sesgo de informacin tiene un efecto en el clculo de riesgo desvindolo de su valor verdadero. Existen muchas maneras en que se puede incluir un sesgo de informacin al estudio. Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de la variable de estudio (Ej.: El esfigmomanmetro no esta calibrado); 2) El entrevistador subconscientemente o conscientemente busca y recolecta datos selectivamente (Ej.: sesgo del entrevistador); 3) Los sujetos de estudio tienen una

memoria inexacta o incompleta de los eventos o experiencias pasadas relacionadas con la pregunta de estudio (Ej.: sesgo del memoria). 3.2.3. Confusin La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurre cuando hay un tercera variable que puede causar la enfermedad en estudio y que a su vez est asociada con el factor de riesgo bajo investigacin. A menos que sea posible ajustar el efecto de confusin de esta tercera variable, sus efectos no pueden distinguirse de los del factor de riesgo en estudio. La figura 4 intenta explicar esta relacin. El asbesto es un factor de riesgo conocido del cncer de pulmn. Tambin el hbito de fumar cigarrillos es un factor de riesgo del cncer de pulmn. Tanto el hbito de fumar como la exposicin al asbesto son factores de riesgo del cncer de pulmn, la confusin ocurrir si la distribucin del fumar en los sujetos de estudio varia concurrentemente con la distribucin de la exposicin al asbesto. Por ejemplo si los que fumaron son tambin aquellos que estn ms expuestos al asbesto. Para calcular apropiadamente la magnitud de la asociacin entre el asbesto y el cncer de pulmn es importante reducir el efecto de confusin introducido por el hbito de fumar. A menudo, ms de una variable puede introducir confusin. La confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo. Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunque no es un sesgo. Figura 4. Efecto de confusin del fumar cigarrillos en la relacin entre la exposicin a asbestos y el cncer de pulmn

EXPOSICIN AL ASBESTO

CNCER DE PULMN

FUMAR CIGARILLOS

3.2.4. Modificacin de efecto Despus de excluir el factor de confusin como una explicacin de la asociacin de estudio es importante evaluar una potencial modificacin del efecto. Un modificador de efecto es un factor que modifica el efecto del factor de riesgo en

estudio. Ocurre cuando el clculo de riesgo en presencia de dos factores de riesgo es diferente del clculo de riesgo esperado como resultado de los efectos individuales de estos factores. El efecto puede ser mayor (sinergismo) o menor (antagonismo) que la suma de los efectos individuales. La modificacin de efecto es detectada al generar clculos de riesgo para el factor de riesgo en estudio a travs de los niveles de un tercer factor (Tabla 1). La tasa de cncer de pulmn en los no fumadores que estn expuestos al asbesto es mayor que en la tasa del grupo no expuesto, sin embargo, el efecto de la exposicin a asbesto en el cncer de pulmn es mucho mayor cuando la persona es fumadora. Tabla 1. Tasa de mortalidad estandarizada del cncer de pulmn (por 100000 habitantes) en relacin a los fumadores y la exposicin al polvo de asbesto Exposicin al asbesto No S No S Historia de fumador No No S S Tasa de mortalidad por cncer del pulmn 11 58 123 602

Finalmente, los datos derivados de la investigacin epidemiolgica se usan para la toma de decisiones. Por ejemplo, los organismos reguladores dependen de los datos epidemiolgicos cuando proponen los lmites de exposicin laboral. De ah la importancia de realizar estudios epidemiolgicos que estn libres de sesgos y de comprender el impacto de los retos que conlleva el proceso de inferencia causal. 3.3. Criterios de causalidad Una vez que la validez del estudio ha resultado ser adecuada, el prximo paso es comparar sus resultados con los de otros estudios epidemiolgicos realizados con el mismo propsito. A menudo la determinacin de la causalidad ha sido establecida mediante la construccin de un juicio subjetivo. Un enfoque sistemtico fue desarrollado por el mdico estadista britnico Austin Bradford Hill, para ayudar a establecer un proceso de inferencia causal ms objetivo. Esta gua se conoce como los Criterios de Causalidad de Hill. Una versin adaptada se muestra en la tabla 2.

Tabla 2. Criterios de Causalidad de Hill (adaptado) La asociacin de estudio es consistente cuando los resultados son replicados en estudios epidemiolgicos realizados en diferentes poblaciones utilizando diferentes diseos de estudio. Es definido por el tamao del clculo del riesgo derivado del anlisis estadstico.

Consistencia

Fuerza de la asociacin Relacin El tamao del clculo del riesgo se incrementa con el dosis incremento de los niveles de exposicin. respuesta La exposicin siempre precede al resultado. Este es el nico Secuencia criterio absolutamente esencial. temporal La asociacin esta acorde con la consecuente aceptacin de Plausibilidad los procesos biolgicos. biolgica Adaptado de Last JM. A Diccionario de Epidemiologa. 4ta edicin. En muchas situaciones una relacin causa-efecto es difcil de establecer. Adems, un estudio es generalmente insuficiente para establecer causalidad. La determinacin de la causalidad se deriva cuando existe un gran cuerpo de evidencia sobre la asociacin de estudio. A partir de la base de evidencia, esta gua se utiliza para organizar la informacin e impulsar los procesos inferenciales. Antes de realizar un estudio se espera que el investigador realice una revisin de la bibliografa existente sobre la asociacin de inters. El anlisis de los estudios existentes recolectados por el investigador debe realizarse siguiendo esta gua. Es tambin til obtener la evidencia de otros campos de estudio en apoyo a la asociacin bajo estudio. La evidencia de otros campos de investigacin puede suministrar informacin que los estudios epidemiolgicos no pueden generar debido a su naturaleza observacional. 4. Referencias Bibliograficas Armstrong BK, White E, Saracci R. Principles of exposure measurement in epidemiology. Oxford Medical Publications. New York. 1992 Beaglehole R, Bonita R, Kjellstrom T. Basic epidemiology. World Health Organization. Geneva. 1993 Gordis L. Epidemiology. WB Saunders Company. Philadelphia. 1996 Last JM. A dictionary of epidemiology. Oxford University Press. New York. 2001 Rothman KJ. Modern epidemiology. Little, Brown and Company. Boston/Toronto, 1986. Szklo M, Nieto FJ. Epidemiology, beyond the basics. Aspen Publishers, Inc. Maryland, 2000.