Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A lo largo de la historia se han definido distintos conceptos de epidemiología, que van desde
describir las epidemias a proporcionar una visión global de la salud en las poblaciones,
identificando elementos que la integran y las interacciones entre ellos con la finalidad de
proponer estrategias de actuación.
Frost 1927: “Ciencia de las enfermedades infecciosas entendidas como fenómenos de masa (o de
grupo) dedicada al estudio de la historia natural y de su propagación, con arreglo a una
determinada filosofía”. Describe la enfermedad y la visión global de esta.
Lilienfield 1958: “Estudio de la distribución de una enfermedad o una condición fisiológica en una
población y de los factores que influyen en su distribución”. Incluye nuevos términos
fundamentales en epidemiología distribución de la enfermedad y los factores y determinantes
de la misma.
Estudio: Vigilancia epidemiológica, las observaciones, las pruebas de hipótesis, las investigaciones
analíticas y los experimentos.
Distribución: Se refiere al análisis que muestra cuándo, dónde y que tipos de personas son
afectadas.
Determinantes: Incluye los factores que influyen en la salud, sean de tipo de físico, químico,
biológico, social, cultural, económico, genético o conductual.
Aplicación a la prevención y el control: son los objetivos de la salud pública (promover, proteger
y restaurar la salud).
Thrusfield, 1995: “Estudio de la enfermedad en las poblaciones, así como de los factores que
determinan su presentación, siendo las poblaciones su palabra clave. Además, incluye la
investigación y la evaluación de otros acontecimientos relacionados con la salud, especialmente
la productividad”.
Importante: qué, en quién, cuánto, cuándo, dónde, cómo y porqué se produce la enfermedad (o
el fenómeno sanitario estudiado).
Se podría contestar a esta pregunta de forma más precisa agrupando las aplicaciones de la
Epidemiología en cinco grandes grupos:
*Experimentar:
Principios de la epidemiología
Multicausalidad: en epidemiología reconoce que las enfermedades no tienen causa única sino
causas múltiples.
La susceptibilidad se relaciona con: edad, sexo, estado nutricional y otros factores biológicos.
Enfermo clínico: es aquel que presenta un cuadro clínico reconocible, el paciente, su familia
y el médico se dan cuenta que está enfermo.
-El control de los problemas de salud exige enfoque individuales (clínico) y colectivos
(epidemiológicos).
-Todos los problemas de salud son multicausales. Intervienen tres factores de la triada:
3) Formulación de hipótesis: No se puede iniciar esperando “A VER QUE SALE”, sin embargo
la hipótesis puede evolucionar según el desarrollo del estudio y los hallazgos que se
desprendan del trabajo de investigación.
5) Razonamiento:
-Razonamiento inductivo
-Razonamiento deductivo
Causalidad
Causalidad
Postulados de Henle-Koch y Evans
Criterios de Hill
Modelos causales
Causalidad
- Factores múltiples
A menudo una causa suficiente no es un solo factor, sino un conjunto de varios componentes
(causación multifactorial). En general, no es necesario identificar todos los componentes de una
causa suficiente para poder llevar a cabo una prevención eficaz, ya que la eliminación de uno de
dichos componentes puede interferir con la acción de los demás y, por tanto, evitar la
enfermedad.
- Fracción atribuible
La fracción atribuible puede usarse para cuantificar el efecto previsible de eliminar un factor
causal específico.
Cada causa suficiente tiene como componente una causa necesaria. Por ejemplo, al estudiar un
brote de infección transmitida por los alimentos puede descubrirse que la ensalada de pollo o los
postres de crema han sido causas suficientes de diarrea por salmonela. La salmonela es causa
necesaria de esta enfermedad.
En epidemiología lo habitual es partir de una enfermedad y buscar sus causas, pero también es
posible partir de una causa potencial (por ejemplo, la contaminación atmosférica) y buscar sus
efectos.
A menudo es posible realizar progresos importantes en la prevención actuando solo sobre las
causas ambientales más remotas.
Postulados de Koch:
Sin embargo, en la mayor parte de las enfermedades, tanto infecciosas como no infecciosas, los
postulados de Koch para la determinación de causalidad no son adecuados.
Interacción
A menudo, el efecto de dos o más causas que actúan simultáneamente excede lo que sería
esperable de la mera adición de los efectos individuales de ambas causas.
Jerarquía causal
Muchas veces es posible presentar las causas múltiples y los factores de riesgo en forma de una
jerarquía causal en la que hay causas o factores proximales, más inmediatos (factores
precipitantes), y causas o factores distales o indirectos (factores facilitadores).
El proceso por el que se determina si las asociaciones observadas son probablemente causales de
una enfermedad es la llamada inferencia causal, que implica usar ciertos criterios y hacer juicios.
Criterios de causalidad
- Relación temporal
La relación temporal es esencial: la causa debe ser anterior al efecto. Esto suele ser evidente, pero
pueden surgir dificultades al respecto en los estudios de casos y controles o en los estudios
transversales, cuando se mide en el mismo momento la causa potencial y el posible efecto, ya
que el efecto puede alterar la exposición.
- Verosimilitud
Una asociación es verosímil, y por tanto más probablemente causal, cuando es compatible con
otros conocimientos. Sin embargo, la verosimilitud biológica es un concepto relativo y a veces se
termina demostrando que asociaciones aparentemente inverosímiles son realmente causales.
- Coherencia
Existe coherencia cuando varios estudios llegan a los mismos resultados. Esto es especialmente
importante cuando se utilizan diseños diversos en distintos lugares, ya que la probabilidad de que
todos los estudios tengan el mismo tipo de error queda así reducida al mínimo.
Es más plausible que una asociación sea causal cuando la magnitud de la razón de riesgos (riesgo
relativo) indica una asociación intensa entre una posible causa y un potencial efecto. Que una
asociación sea débil no impide que sea causal; la intensidad de una asociación depende de la
prevalencia relativa de otras causas posibles.
- Relación dosis-respuesta
Existe relación dosis-respuesta cuando los cambios de nivel de una posible causa se asocian con
cambios de prevalencia o incidencia del efecto.
La demostración clara de una relación dosis-respuesta en estudios sin sesgos es una prueba muy
convincente de una relación causal entre la exposición y la enfermedad.
- Reversibilidad
Cuando la eliminación de una causa hipotética da como resultado la reducción del riesgo de
enfermedad, es mucho más verosímil que la asociación sea causal. Si la causa da lugar a cambios
rápidos e irreversibles que son los que posteriormente producen la enfermedad, continúe o no la
exposición, la reversibilidad deja de ser criterio de causalidad.
La capacidad del diseño de un estudio para probar una relación de causalidad es una
consideración de la mayor importancia.
- Estudios experimentales
Los datos de más capacidad probatoria son los resultantes de ensayos controlados y aleatorizados
bien diseñados y bien llevados a cabo.
El diseño siguiente en cuanto a capacidad probatoria es el estudio de cohorte que, si está bien
realizado, minimiza los sesgos.
Los estudios de casos y controles están sujetos a varias formas de sesgo, pero los resultados de
este tipo de estudios, sobre todo si se trata de un estudio con una muestra grande y bien
diseñado, aportan pruebas importantes de la naturaleza causal de una asociación.
- Estudios transversales
Los estudios transversales son los de menor capacidad para demostrar causación, ya que no
aportan pruebas directas de la sucesión temporal de los acontecimientos.
- Estudios ecológicos
Los estudios ecológicos —especialmente los de series temporales— son los que proporcionan
datos menos satisfactorios de causalidad, por el peligro de hacer extrapolaciones incorrectas de
los datos regionales o nacionales a los individuos aislados.
Postulados de Hill
1- Fuerza de asociación
Cuanto más fuerte es una asociación entre dos variables mayor probabilidad es que una de las
variables sea causa de la otra. Sin embargo el que una asociación sea débil no implica que no
existe una relación causal, sino que pudieran existir factores de confusión que enmascaren la
relación.
2- Consistencia de la asociación:
Podemos considerar que existe una relación causal si observamos repetidamente una asociación
entre un determinante y una enfermedad en distintitas poblaciones sometidas a circunstancias
diferentes. Cuanto más alejada se encuentren en el tiempo y en espacio las observaciones más
consistentes será la causalidad establecida.
3- Especificidad:
Este postulado establece que una causa produce de forma específica una sola enfermedad (un
efecto único), y que una enfermedad solo tiene una única causa. Evidentemente son pocas las
enfermedades donde se puede demostrar una relación tan específica entre causa y efecto, y por
tanto la aplicación de este criterio puede inducir a error.
4- Temporalidad:
Obviamente hay que asumir que la causa debe preceder necesariamente al efecto, pero no tiene
por qué ser una consecuencia directa (puede ser el origen de una cadena causal).
5- Gradiente biológico:
Implica que existe una relación dosis-respuesta en la que a mayor intensidad de la causa se
produciría un mayor efecto, de forma que un aumento de la intensidad de la causa puede
aumentar la gravedad de la enfermedad o la frecuencia de aparición de la enfermedad.
6- Plausibilidad biológica:
El contexto biológico existente debe explicar lógicamente la etiología por la cual una causa
produce un efecto sobre la salud. Esta característica viene limitada por los conocimientos
científicos que se tengan al respecto en el momento del estudio.
7- Coherencia
8- Experimentación:
9- Analogía:
Postulados de Evans
1- La prevalencia de la enfermedad debe ser más alta en los individuos expuestos a la causa
posible que en los individuos no expuestos.
2- La exposición debe haber sido más común en los casos que en aquellos sin enfermedad.
5- Tras la exposición a la posible causa, la respuesta de los individuos afectados variará siguiendo
un gradiente biológico de leve a grave.
8- La Eliminación de las posibles causas debe dar lugar a una menor incidencia de la enfermedad.
9- Previniendo o modificando, la respuesta del hospedador debe disminuir o eliminar la
presentación de la enfermedad.
10- Todas las asociaciones entre la enfermedad y la posible causa deben ser consistentes y
verosímiles atendiendo a los conocimientos existentes en el campo de la Biología y la
Epidemiología.
1) Asociación no estadística
2) Asociación estadística
- Asociación no causal
Cuando no todos los factores asociados estadísticamente con una enfermedad son causales.
- Asociación causal
Directa: El factor ejerce su efecto en ausencia de otros factores o variables intermedias.
Indirecta: Se caracterizan por la existencia de una variable intermedia
Hiperplasia de la
mucosa del
abomaso
Infestación por
Haemonchus
contortus
Anemia
Traumatismo Contusión
Leptospirosis Hemoglobinuria
Hemólisis
Modelos causales
- La especificidad de efecto no siempre se cumple, ya que un mismo factor puede producir varias
enfermedades
-Tampoco se cumple la especificidad de causa ya que una misma enfermedad puede estar
producida por varias causas
- No valora el papel de otros factores fijos (sexo, raza, especie,…) o de continuos (edad, peso…)
Nos encontramos ante distintas combinaciones de causa que producen varias situaciones de
causa-efecto, dejando de ser tan excluyente y estricta.
1. Necesaria y suficiente: todos los casos de enfermedad son debidos exclusivamente a esa causa,
sin la cual la enfermedad nunca se produce. Normalmente cuando una causa es suficiente suele
ser necesaria, aunque esa combinación suele ser muy rara.
2. Necesaria pero no suficiente: un factor por sí solo no es suficiente para causar la enfermedad,
y se precisa de varias causas concurrentes para que se produzca la enfermedad.
3. Suficiente pero no necesaria: una causa (o factor) puede causar por si misma la enfermedad,
pero también lo pueden hacer otros factores en su ausencia.
4. Ni necesaria ni suficiente: el factor no puede causar la enfermedad por sí mismo, y además no
es el único factor que puede causar la enfermedad.
Está caracterizado por aceptar la existencia de múltiples causas para una misma enfermedad (el
número de causas incluidas en el modelo dependerá de los objetivos y necesidades que tenga el
estudio de la enfermedad) y que una causa puede producir múltiples efectos.
-Causa componente: hace referencia a cada uno de los factores que está incluido en una causa
suficiente.
-Causa necesaria: cuando existen varias causas suficientes puede existir una causa componente
común a todas ellas.
4. Modelo probabilístico
Es evidente que existen componentes aleatorios en los modelos causales que son indicadores de
nuestro desconocimiento de los mecanismos causales y de nuestra deficiencia en los métodos de
observación. Por esa razón nos vemos obligados a utilizar la teoría de la probabilidad y los
métodos estadísticos para demostrar la existencia de una hipótesis causal basada en la
observación.
- factor de riesgo: es la variable cuya exposición produce en un grupo de individuos una mayor
probabilidad de desarrollar la enfermedad, comparada con el grupo de no expuestos a esa
variable. Actúa de varias formas:
- Factor predisponente: aumenta la susceptibilidad del hospedador (sexo, especie, raza, edad…)
- Factor promotor: cuando está relacionado con la detección de la enfermedad y tiene
importancia etiológica ya que pueden acelerar o retrasar la evolución de la enfermedad.