CAUSALIDAD
Patricia
Moya
Rivera
Epidemiología
II
Magister
en
Salud
Pública
y
Planificación
Sanitaria
Contenidos
de
la
clase
1 2 3
Concepto
causa
Modelos
Criterios
de
causales
causalidad
Causalidad
.:
CAUSALIDAD
Fundamento
u
origen
de
algo.
Concepto
causa
Factor
que
es
posible
o
conveniente
alterar
para
producir,
modificar
o
prevenir
un
efecto.
Acción
capaz
de
producir
un
cambio.
(Susser)
.:
DEFINICIÓN
CONCEPTO
CAUSA
Suceso,
condición
o
caracterís1ca
que
inicia
o
facilita,
sola
o
junto
con
otras
causas,
una
secuencia
de
sucesos
que
resulta
en
un
efecto.
(Rothman).
1.-‐
Si
entendemos
la
causa
podemos
generar
cambios.
Se
puede
definir
la
relación
causal
entre
la
exposición
y
el
efecto
en
términos
del
cambio
que
sufre
el
úl1mo
cuando
se
modifica
el
primero.
2.-‐
Estudiar
la
causa
es
aprender
sobre
los
mecanismos.
El
conocimiento
de
los
mecanismos
causales
sirve
como
base
para
generar
nuevas
hipótesis
y
para
planear
intervenciones
que
modifiquen
los
efectos.
.:
COMO
PUEDEN
SER
LAS
CAUSAS
Única
causa
y
único
efecto:
MúlTples
causas
y
un
efecto.
MúlTples
causas
y
múlTples
efectos.
C a m p o
d e
l a s
e n f e r m e d a d e s
infecciosas
la
causa
suele
ser
sólo
una.
Campo
de
las
enfermedades
crónico-‐
degenera1vas.
Diferentes
causas
producen
diversos
efectos,
hace
alusión
al
concepto
de
salud
holís1ca.
.:
TIPOS
DE
RELACIONES
CAUSALES
Necesaria pero no suficiente No necesaria y suficiente
Necesaria y suficiente
Cada factor A, B y C son Cuando el factor puede
El factor C es necesario y suficiente necesarios, pero no son producir la enfermedad pero
para producir la enfermedad. suficientes para producir la también otros factores que
enfermedad. estan actuando solos
Ni necesaria ni suficiente
Cuando
el
factor
no
es
suficiente
ni
necesario
por
sí
mismo
para
producir
la
enfermedad.
CARACTERISTICAS BÁSICAS DE UNA RELACION CAUSAL
1.- Temporalidad. La causa precede al efecto
2.- Dirección. La relación va de la causa al efecto
3.- Asociación. Cuantificación de la constancia de la relación.
Modelo
determinista
Modelo
mulT
causal
Modelos
causales
Modelo
determinista
modificado
Modelo
probabilísTco
MODELO DETERMINISTA
Requiere
dos
condiciones
1. Especificidad
de
las
causas
2. Especificidad
del
efecto
Causalidad como conexión perfecta,
constante, única y reciproca entre dos
variables: Causa / Efecto.
• Cada efecto tiene una causa
• Cada causa tiene un efecto
MODELO
DETERMINISTA
Postulados
de
Koch,
1882.
1. Un
agente
debe
estar
presente
en
todos
Causa necesaria
los
casos
de
enfermedad.
2. Un
agente
debe
provocar
la
enfermedad
Causa suficiente
al
ser
inoculado.
3. Un
agente
debe
ser
aislado
en
cul1vo
Causa única
puro
a
par1r
de
lesiones
de
la
enfermedad.
4. El
agente
no
debe
aparecer
en
ninguna
Causa específica
otra
enfermedad.
MODELO MULTICAUSAL
Considera
un
conjunto
de
sistemas
interactuantes
con
múlTples
interconexiones
Ejemplo:
Cigarro,
monóxido
de
carbono,
fact.
gené1cos
son
factores
causales
de
Cáncer
de
pulmón.
Ejemplo:
sedentarismo
+
malos
hábitos
alimen1cios
+
factores
gené1cos
son
causales
de
obesidad.
MODELO MULTICAUSAL
Considera
un
conjunto
de
sistemas
interactuantes
con
múlTples
interconexiones
El
estrés
es
considerado
un
factor
causal
de
varias
patologías,
como
HTA,
IAM,
etc.
MODELO MULTICAUSAL
.:
MODELO
MULTICAUSAL
CaracterísTcas
• Ninguna
de
las
causas
componentes
es
superflua.
• No
exige
especificidad
(
un
mismo
efecto
puede
ser
producido
por
dis1ntas
causas
suficientes).
• Una
causa
componente
puede
formar
parte
de
más
de
una
causa
suficiente
para
el
mismo
efecto
(causa
necesaria)
• Una
misma
causa
componente
puede
formar
parte
de
dis1ntas
causas
suficientes
de
dis1ntos
efectos.
MODELO DETERMINISTA MODIFICADO
Incorpora ideas de los modelos anteriores § C a u s a s u f i c i e n t e :
La enfermedad
Causa es producida
suficiente: Conjunto por unqueconjunto
de condiciones mínimas condiciones mínimas que,
inevitablemente conducen a la enfermedad. inevitablemente inician o
mínimo de condiciones que interactúan entre producen la enfermedad.
Cada una de ellas está constituida por causas contribuyentes.
sí. A todas las posibles condiciones o eventos
De haber una causa contribuyente que forme parte de todas las § C a u s a c o m p o n e n t e :
secausas
les suficientes,
denomina causas componentes
recibiría el nombre de causa necesaria. condiciones mínimas que
conforman una causa
suficiente
A A A
B
E C
§ Causa necesaria: esta
D
presente en todos los casos
de enfermedad, sin embargo
su presencia no siempre
Causa suficiente I Causa suficiente II Causa suficiente III
conduce al desarrollo de
enfermedad.
A: Causa necesaria
inevitablemente conducen a la enfermedad.
MODELO DETERMINISTA MODIFICADO
Cada una de ellas está constituida por causas contribuyentes.
De haber una causa contribuyente que forme parte de todas las
causas suficientes, recibiría el nombre de causa necesaria.
A A A
B
E C
D
Causa suficiente I Causa suficiente II Causa suficiente III
A: Causa necesaria
Una
enfermedad
puede
tener
varias
causas
suficientes,
cada
una
de
ellas
es
“suficiente”
para
producirla.
Las
causas
componentes
pueden
jugar
un
rol
en
uno,
dos
o
tres
mecanismos
causales.
Aquella
causa
componente
cuya
presencia
es
imprescindible
en
todos
los
mecanismos
causales
de
la
enfermedad
se
le
llama
causa
necesaria
u En
todas
las
causas
suficientes
esta
implicada
la
causa
A
u La
causa
A
es
necesaria
para
que
se
produzca
la
enfermedad.
u Si
se
logra
erradicar
la
causa
A,
se
eliminará
la
enfermedad.
embargo, la fracción etiológica de cada una de las causas componentes equivale a la suma de
.:
MODELO
DETERMINISTA
MODIFICADO
la fracciones etiológicas de la o las causas suficientes de la que forman parte.
La mayor o menor frecuencia de las causas componentes de una causa suficiente en una
población va a aumentar o disminuir la posibilidad de ocurrencia de la enfermedad al coincidir
más o menos para configurar la causa suficiente como se muestran en las figuras.
Influencia
de
la
proporción
de
las
causas
componentes
de
una
causa
suficiente
en
la
población
en
la
posibilidad
de
ocurrencia
de
la
enfermedad.
: CAUSA a) (DISTRIBUIDA EN EL 10%)
: CAUSA a) (DISTRIBUIDA EN EL 10%)
: CAUSA b) (DISTRIBUIDA EN EL 28%)
: CAUSA b) (DISTRIBUIDA EN EL 20%)
: CAUSA a) (DISTRIBUIDA EN EL 10%) : CAUSA a) (DISTRIBUIDA ENENEL
: CAUSA c) (DISTRIBUIDA 10%)
EL 90%)
: CAUSA c) (DISTRIBUIDA EN EL 30%)
La frecuencia de la enfermedad en cada caso será la multiplicación de las frecuencias de cada
: CAUSA b) (DISTRIBUIDA EN EL 20%) : CAUSA b) (DISTRIBUIDA EN EL 28%)
causa componente.
% Enf.p1= 10/100*20/100*30/100 = 0,6/100 (0,6%), 6 enfermos por 1000 habitantes.
% Enf.p2= 10/100*28/100*90/100 = 2,52/100 (2,52%), 25 enfermos por 1000 habitantes
: CAUSA c) (DISTRIBUIDA EN EL 30%) : CAUSA c) (DISTRIBUIDA EN EL 90%)
MODELOS SOCIALES
La frecuencia de la enfermedad en cada
En estos modelos caso
se incluyen serádiversas
propuestas la multiplicación
que tienen en común lade las frecuen
importancia que sus
causa componente. autores les dan en el proceso causal de las enfermedades a los condicionantes sociales y
económicos en que las personas se desenvuelven. En primer lugar podemos citar la teoría
psicosocial de Cassel que relaciona la vulnerabilidad a la enfermedad con el estrés, tanto
físico como psicológico, y cuyo argumento es explicar la distribución de la enfermedad en la
% Enf.p1= 10/100*20/100*30/100 = 0,6/100 (0,6%), 6 enfermos por 1000 habitant
población investigando los factores que afectan a la susceptibilidad a través de la función
.:
MODELO
DETERMINISTA
MODIFICADO
: CAUSA a) (DISTRIBUIDA EN EL 10%)
: CAUSA a) (DISTRIBUIDA EN EL 10%) : CAUSA a) (DISTRIBUIDA EN EL 10%)
: CAUSA b) (DISTRIBUIDA EN EL 28%)
: CAUSA b) (DISTRIBUIDA EN EL 20%) : CAUSA b) (DISTRIBUIDA EN EL 28%)
: CAUSA c) (DISTRIBUIDA EN :EL 30%) c) (DISTRIBUIDA EN EL 90%)
CAUSA : CAUSA c) (DISTRIBUIDA EN EL 90%)
La frecuencia de la enfermedad en cada casoLaseráfrecuencia de la enfermedad
la multiplicación en frecuencias
de las cada caso seráde
la multiplicación
cada de las fr
causa componente.
causa componente.
% Enf.p1= 10/100*20/100*30/100 = 0,6/100 (0,6%), 6 enfermos por 1000 ha
% Enf.p1= 10/100*20/100*30/100 = 0,6/100 (0,6%),
% Enf.p2=610/100*28/100*90/100
enfermos por 1000 =habitantes.
2,52/100 (2,52%), 25 enfermos por 100
% Enf.p2= 10/100*28/100*90/100 = 2,52/100 (2,52%), 25 enfermos por 1000 habitantes
MODELOS SOCIALES
La
mayor
MODELOS o
menor
frecuencia
de
las
causas
componentes
de
una
causa
suficiente
SOCIALES En estos modelos se incluyen propuestas diversas que tienen en común la im
en
una
población
va
a
aumentar
o
disminuir
autores
la
posibilidad
les dan en eldproceso
e
ocurrencia
de
causal de las la
enfermedad.
enfermedades a los condicio
En estos modelos se incluyen propuestas diversas que tienen
económicos en queen
lascomún
personaslase
importancia
desenvuelven.que
Ensus
primer lugar podem
autores les dan en el proceso causal de las enfermedades a los condicionantes sociales ay la enfermedad c
psicosocial de Cassel que relaciona la vulnerabilidad
físico como
económicos en que las personas se desenvuelven. En psicológico, y cuyo
primer lugar argumento
podemos es explicar
citar la distribución de la
la teoría
población investigando los factores que afectan a la susceptibilidad a tra
psicosocial de Cassel que relaciona la vulnerabilidad a la enfermedad con el estrés, tanto
neuroendocrina, como el estado nutricional, la fatiga, el exceso de trabajo, e
4. Modelo
.:
MODELO
PROBABILISTICO
PROBABILÍSTICO
u U1liza
la
teoría
Asume de
lalas
probabilidades
incertidumbre que y
se asocia
al conocimiento
métodos
estadís1cos
para
científico empírico.
valorar
una
asociación
qMás que
ue
se
referirse
cree
causal.
a las “causas” de
las enfermedades, hace mención a
los “factores de riesgo”.
u Más
que
“causa”
de
enfermedad,
se
habla
de
“factor
Los “factores de riesgo” son
de
riesgo”.
condiciones asociadas
estadísticamente [→ probabilidad]
u Factor
de
riesgo
es
una
caracterís1ca
con la presentación de la o
condición
que
esta
asociada
a
una
mayor
enfermedad.
probabilidad
Además (estadís1camente)
de
de su asociación estadística,
desarrollar
los la
enfermedad.
factores de riesgo deben ser
sometidos al cumplimiento de los
FR E
criterios de causalidad.
4. Modelo
.:
MODELO
PROBABILISTICO
PROBABILÍSTICO
Asociación
y
causalidad.
Asume la incertidumbre que se asocia
al conocimiento científico empírico.
Más que referirse a las “causas” de
Ejemplo:
las enfermedades, hace mención a
Dos
variables
los A
“factores
y
B
1enen
de riesgo”.
asociación
(+)
si
y
solamente
si
Los
la
“factores
probabilidad
de riesgo”
de
que
son ocurran
condiciones asociadas
simultáneamente
A
y
B
es
mayor
estadísticamente [→que
el
producto
probabilidad]
con la presentación
de
las
probabilidades
de
A
y
B:
de la
enfermedad.
Además de su asociación estadística,
P(A∩B)
los factores -‐
P(A)P(B)
de riesgo >
0
deben ser
sometidos al cumplimiento de los
FR E
criterios de causalidad.
MODELO PROBABILISTICO
CRITERIOS
DEL
FACTOR
DE
RIESGO
u El
FR
debe
estar
asociado
estadís1camente
a
la
enfermedad
u La
presencia
del
FR
debe
preceder
a
la
aparición
de
la
enfermedad.
u La
asociación
observada
no
puede
ser
consecuencia
de
algún
1po
de
error.
TIPO
DE RELACION ENTRE LAS VARIABLES
(Error
o
sesgo)
Estudio
sobre
conocimientos
de
políTca
española
de
niños
de
10
a
14
años
en
varios
colegios:
5.000
cuesTonarios
PREGUNTAS
DEL
CUESTIONARIO
Edad
Sexo
Preguntas
acertadas
Estatura
ESTATURA
1
2
3
4
Par1do
que
gobierna
en
España
Menos
de
1,5
m
70%
15%
10%
5%
Nombre
del
presidente
de
España
1,50
m
a
1,60
m
65%
20%
15%
10%
Nombre
del
candidato
del
PP
1,61
m
a
1,
70
m
45%
25%
18%
12%
Nombre
del
Ministro
de
Economía
Más
de
1,7
m
15%
25%
25%
35%
A
mayor
estatura,
mayor
conocimiento
de
polí5ca
española
¿PUEDE
SER
UNA
RELACIÓN
CAUSAL?
Existe
relación,
pero
no
es
una
relación
causal.
Es
una
relación
espuria.
La
causa
de
tener
más
conocimiento
de
polí1ca
española
no
puede
ser
el
tener
más
estatura.
¿CUÁL
ES
LA
VARIABLE
QUE
PUEDE
INFLUIR
EN
TENER
MÁS
CONOCIMIENTO
DE
POLÍTICA
ESPAÑOLA
Y
TENER
MÁS
ESTATURA?
• LA
EDAD
¿CÓMO
SE
COMPRUEBA?
1º
Se
observa
la
relación
entre
la
variable
control
y
las
demás
variables.
• EDAD
Y
ESTATURA
Tenen
una
relación
posiTva
• EDAD
Y
CONOCIMIENTO
POLÍTICO
Tenen
una
relación
posiTva
.:
MODELO
PROBABILISTICO
Ventajas
u Permita
valorar
la
relación
dosis
respuesta
(estadís1camente)
entre
dos
variables.
u Posibilita
la
creación
de
modelos
matemá1cos
que
facilitan
la
interpretación
de
los
datos.
u Permite
analizar
múl1ples
exposiciones
y/o
enfermedades
para
valorar
su
asociación
estadís1ca.
Cuando se ha demostrado que existe asociación estadística
¿Cómo saber si la relación es causal o no?
Una
asociación
estadís5ca
no
implica
que
exista
una
relación
causal
Criterios de causalidad:
CRITERIOS
DE
CAUSALIDAD
DE
BRADFORD
HILL
Bradford - Hill
• La asociación estadística
entre dos variables no
implica que haya relación
• Bajo
el
modelo
determinista
se
de causalidad entre ellas.
enunciaron
9
criterios
de
causalidad
• Austin Bradford Hill
de
Hill
que
hasta
el
día
de
propuso
hoy
se
una serie de nueve
siguen
u1lizando.
“criterios”(*) de inferencia
causal, publicados en un
artículo de 1965 que
• BH
propuso
una
serie
de
criterios
de
constituye una referencia
clásica de la epidemiología.
inferencia
causal
publicados
en
el
Sir Austin Bradford Hill
(1897-1991)
(*) curiosamente BH no hablaba de “criterios”
1965.
.:
CRITERIOS
DE
BRADFORD-‐HILL
Criterios de Bradford - Hill
1. Secuencia temporal
CAUSA
2. Fuerza de asociación
3. Efecto dosis – respuesta
4. Analogía
5. Consistencia
6. Coherencia
7. Plausibilidad
8. Especificidad
9. Evidencia experimental EFECTO
Dra.
Patricia
Moya
R.
Magister
en
Salud
Pública
y
Sistemas
de
Salud.
CRITERIOS
DE
BH
CRITERIOS
DE
BH
CRITERIOS
DE
BH
CRITERIOS
DE
BH
CRITERIOS
DE
BH
CRITERIOS
DE
BH
CRITERIOS
DE
BH
Fumadores activos tienen 4,41 (IC 95% 1,62-12,2; p=0,001) veces más probabilidad de desarrollar IAM
que los no fumadores.
1.-Parish S, Collins R, Youngman L for the International Studies of Infarct Survival (ISIS) colaborators. Cigarette smoking, tar
yields and non-fatal myocardial infarction: 14.000 UK cases and 32.000 controls. BMJ 1995; 311: 471-477.
Mähönen MS, McElduff P, Dobson Aj, Kuulasmaa KA, Evans AE for the WHO MONICA project. Current smoking an the risk of
2.-
non-fatal myocardial infarction in the Who MONICA Project populations. Tobacco Control 2004; 13:244-250.
CRITERIOS
DE
BH
CRITERIOS
DE
BH
.:
CRITERIOS
GLOBALES
DE
CAUSALIDAD
En
la
actualidad
los
epidemiólogos
u1lizan:
• Evidencia
posi1va.
Criterios
de
BH
(
Fuerza
asociación,
consistencia,
coherencia,
especificidad)
• Búsqueda
de
explicaciones
alterna1vas.
• Evidencia
nega1va.
Búsqueda
de
errores
y
sesgos.
Dra.
Patricia
Moya
R.
Magister
en
Salud
Pública
y
Sistemas
de
Salud.
.:
EN
MEDICINA
:
DIAGRAMAS
CAUSALES
Representación gráfica de las relaciones supuestas y conocidas de las variables
estudiadas.
Grafos acíclicos dirigidos DAGs : Es un tipo de diagrama causal que organiza las
exposiciones y el desenlace de manera lógica, permitiendo visualizar de manera rápida las
relaciones causales, confusoras y variables intermedias.
q Las variables están unidad por fechas dirigidas
q No forman un ciclo cerrado ( Acíclicas)
Dra.
Patricia
Moya
R.
Magister
en
Salud
Pública
y
Sistemas
de
Salud.
.:
EN
MEDICINA
:
DIAGRAMAS
CAUSALES
Representación gráfica de las relaciones
supuestas y conocidas de las variables
estudiadas.
Las variables están unidas por fechas dirigidas
no forman un ciclo cerrado ( acíclicas)
.:
EN
MEDICINA
:
DIAGRAMAS
CAUSALES
DAGs
:
Dirigidos
acíclicos
gráficos
• Dirigidos:
Flechas
indican
la
dirección
de
la
relación
y
significa
que
pueden
“causar”
o
causan.
• Acíclicos:
No
forman
un
ciclo
cerrado.
• Gráficos:
representación
gráfica
de
relaciones
entre
las
variables.
(
las
variables
conectadas
por
flechas
serán
asociadas.)
Dra.
Patricia
Moya
R.
Magister
en
Salud
Pública
y
Sistemas
de
Salud.
QUE
INCLUIMOS
EN
UN
DAGs
• El desenlace
• Las exposiciones (covariables de interés)
• Variables pre exposición
• Variables post exposición
• Posibles variables intermedias
• Posibles variables confusoras
• Flechas que representen las relaciones
Dra.
Patricia
Moya
R.
Magister
en
Salud
Pública
y
Sistemas
de
Salud.
GRAFOS
ACICLÍCOS
DIRIGIDOS
CAUSALIDAD
Patricia
Moya
Rivera
Epidemiología
II
Magister
en
Salud
Pública
y
Planificación
Sanitaria
