Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Causalidad y Epidemiologia
Causalidad y Epidemiologia
net/publication/313369298
Causalidad y epidemiología
CITATIONS READS
3 16,605
1 author:
Jordi Vallverdu
Autonomous University of Barcelona
170 PUBLICATIONS 654 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Affective Computing and Emotion Recognition (International Multidisciplinary Workgroup) View project
All content following this page was uploaded by Jordi Vallverdu on 06 February 2017.
L
a noción de «causa» es una de las nociones más discutidas en las historias
de los pensamientos filosóficos tanto occidentales como orientales
(Deutsch y Bontekoe, 1999; Kalupahana, 1975). La razón de ello es que
este concepto tiene diversas interpretaciones que no solo se amparan en lo bio-
lógico (Carsetti, 2010) o cultural sino que también pasan de lo ontológico a lo
físico, o de lo legal a lo moral (Annstrong y Malcolm, 1984; Watkins, 1985). De
forma intuitiva, todos estaríamos de acuerdo en decir que la noción de causa
afirma la relación necesaria entre dos eventos, siendo uno el que conduce al
segundo: me pica un mosquito, siento el dolor en el tobillo. Trivial. Sin embargo,
en el mundo real, las relaciones de causa-efecto no son tan inmediatas, simples
ni obvias. De hecho, podríamos afirmar que justamente las relaciones causales
que más nos interesan son complejas, oscuras y alejadas de la intuición directa.
Necesitamos saber las causas de los eventos y este conocimiento es el que da
97
valor a nuestras ideas, puesto que cognitio certa per causas. Los filósofos jonios
y sus distintas versiones del arkhé, o causa primera de todas las cosas, fueron los
primeros que propusieron una modelización conceptual a partir de causas na-
turales. Aristóteles llevó a la cima este pensamiento causal a partir de su teoría
de las cuatro causas (material, formal, eficiente y final), algo que en el oriente
filosófico se amplió a cinco. La creencia en la justificación de las causas estaba
ligada al mismo tiempo a una concepción sobre la relación entre mente, senti-
dos y conocimiento. Si bien Aristóteles (y hasta cierto punto tanto Platón como
Confucio) consideraba los datos sensoriales como el punto de partida de todo
conocimiento, unos siglos más tarde esta certidumbre hacia lo sensitivo encon-
tró un obstáculo en la obra de los empiristas, como Hume. Pero lo cierto es que
dejando de lado las dudas de Hume acerca de la posibilidad de establecer pro-
cesos causales más allá de la observación, o ni tan solo esto al quedar relegada a
causalidad a la asociación transitoria, lo cierto es que la cuantificación de la
naturaleza, un hecho iniciado a finales del siglo XIII (Crosby, 1996) y amplificado
durante el Renacimiento, llevó a una matematización de todos los aspectos sus-
ceptibles de ser estudiados. Esta nueva forma de aproximarse a la naturaleza
llevó al nacimiento de la estadística (Vallverdú, 2011) y, al mismo tiempo, a un
distanciamiento ontológico entre las causas y sus efectos, mediadas ahora por
grupos de números que debían ser procesados. Estos números procedían de
intereses astronómicos relativos a la navegación o el calendario, las aseguradores
y los estados nacientes con necesidades de cómputo de sus finanzas (Hacking,
1984, 1990).
A finales del siglo XIX, John Stuart Mill intentó reconciliar la filosofía con la
causalidad y concibió unos principios que permitían establecer relaciones cau-
sales entre eventos. Publicado en 1843, su libro A System of Logic, Ratiocinative
and Inductive aportaba cinco principios inductivos que permitían hacer ciencia
de forma sólida: a) método de las concordancias, b) método de las diferencias,
c) método conjunto de las concordancias y las diferencias, d) método de las
variaciones concomitantes, y e) método de los residuos. Sin embargo, sus ideas
quedaron en el papel, puesto que la ciencia había hecho un salto definitivo hacia
lo estadístico. Los siguientes debates en torno a la mejor metodología estadísti-
ca para tratar con los números, focalizadas en el debate bayesianos vs. frecuen-
98
99
2. CAUSALIDAD EN EPIDEMIOLOGÍA
CAUSALIDAD. La relación de las causas a los efectos que ellas mismas produ-
cen. La propiedad de ser causal. La presencia de causa. Ideas sobre la naturaleza de
las relaciones de causa y efecto. La mayor parte de investigaciones clínica, epidemio-
lógica y de salud pública remiten a formas de causalidad. En las ciencias de la salud
y de la vida, la casualidad aparece frecuentemente tras la integración de evidencias
biológicas, clínicas, epidemiológicas, sociales o ambientales, como relativas a la hi-
pótesis en cuestión (…) Una causa es denominada «necesaria» cuando siempre pre-
cede a un efecto. Este efecto no es necesario que sea el resultado único de esta aisla-
da causa. Una causa se denomina «suficiente» cuando inevitablemente inicia a
produce un efecto. Una causa puede ser necesaria, suficiente, ninguna de las dos
cosas, o ambas.
100
101
102
Aproximación Aproximación
Era Paradigma
analítica preventiva
1.ª Estadística Miasma; toxicidad Demostrar el Introduce drenaje,
Sanitaria por emanaciones de conglomerado de alcantarillado,
(primera mitad tierra, aire y agua morbilidad y saneamiento
siglo XIX) mortalidad
2.ª Enfermedad Teoría de los Aislamiento en Interrumpir
infecciosa gérmenes; agentes laboratorio y cultivo transmisión
(finales siglo XIX únicos se relacionan de los originantes de (vacunas, aislamiento
y 1.ª mitad siglo unívocamente con las enfermedades, de los afectados
XX) las enfermedades transmisión mediante
experimental y cuarentenas,
reproducción de antibióticos)
lesiones
3.ª Epidemiología de Caja negra; Razón de riesgos de Controlar los
la enfermedad exposición exposición de factores de riesgo
crónica (2.ª mitad relacionada con las resultados a nivel modificando el estilo
siglo XX) consecuencias, sin individual en de vida, loa agentes o
necesidad de factores poblaciones el ambiente
de intervención o
patogénesis
4ª Eco- Cajas chinas; Análisis de Aplicar al mismo
epidemiología relaciones tanto determinantes a tiempo información
(siglo XXI) internas como diverentes niveles de y tecnología
compartidas entre organización; entre y biomédica con tal de
estructuras a través de contextos localizar influencias a
localizadas en (utilizando nuevos niveles eficaces, tanto
jerarquías de niveles sistemas contextuales como
informacionales) y en moleculares
profundidad
(recurriendo a
nuevas ténicas
biométicas)
103
104
105
II. Experimentales
a. Revisión sistemática de EAC
b. Ensayos Aleatorizados y Controlados (EAC)
c. Estudios in vitro/estudios con animales.
II. Observacionales
a. Estudios de cohorte
ii. Retrospectivos o históricos
ii. Prospectivos
b. Estudios de casos y controles
c. Estudios transversales (o de prevalencia o verticales)
d. Estudios ecológicos
106
que ya no permiten trabajar con causas únicas, sino que requieren la conside-
ración de una multitud de causas que acaban produciendo las enfermedades.
Por ello, los investigadores empezaron a hablar de «cadenas de causación», la
primera metáfora que analizaré. Tras los debates metodológicos relativos a la
investigación de enfermedades crónicas e infecciosas sugeridos por los bioes-
tadísticos Jacob Yerushalmy y Carroll E. Palmer (Yerushalmy y Palmer, 1959),
otro epidemiólogo, Abraham Lilienfeld (Andersen, 2007), propuso una nueva
forma de visualizar y entender la noción de causa en epidemiología, concebida
ahora como el resultado de una cadena de relaciones (Lilienfeld, 1957, p. 56):
107
Susser (2001) admitió como una metáfora para designar una teoría de las causas
múltiples secuenciales.
MacMahon, Pugh y Ipsen (1960) fueron los primeros en utilizar esta expre-
sión, básicamente, tal y como apunta Krieger (1994), «como reacción a la no-
ción prevalente de cadena de causación». La cadena de causación fue una me-
táfora y modelo de investigación que fracasó en el intento por dar cuenta de la
complejidad de la genealogía del antecedente de la cadena y, por lo tanto, del
posible solapamiento parcial entre factores distintos. Con la red de causación,
la etiología multifactorial podía consolidarse. Esta metáfora incitó a los epide-
miólogos a adoptar un enfoque más complejo de la causalidad: el de una telara-
108
109
II. Estructurales
a. Contexto socioeconómico y político
ii. Gobierno y tradición política
1. Políticas macroeconómicas
2. Mercado de trabajo
3. Políticas del estado de bienestar
ii. Cultura y valores
1. Clase social
2. Género
3. Edad
4. Etnia
5. Territorio
b. Ejes de desigualdad
II. Intermedios
a. Recursos materiales
i. Condiciones de empleo y trabajo
ii. Trabajo doméstico y de cuidados
iii. Ingresos y situación económica
110
Por ello, los modelos se tornaron «ecosociales», en los que una epidemiolo-
gía multinivel llevaba las redes de causación un paso más allá. Todo ello no hizo
más que reforzar el interés por la noción de «biopolítica» (Foucault, 1974) y las
interrelaciones entre activismo político en cuanto que herramienta de preven-
ción de la salud. Siguiendo un modelo de sistemas, las enfermedades se consi-
deraban ahora el resultado de efectos sumatorios que eran procesados de forma
independiente pero sumatoria en diversos niveles que se conectaban de forma
transversal. Susser y Susser (1996b) utilizaron la metáfora del paso de cajas ne-
gras a cajas chinas. Pero ello no implicaba desertar de las explicaciones causales
(Weed, 1998 y 2000), sino más bien que la epidemiología necesitaba considerar
la existencia de sistemas complejos de multiniveles. Sin embargo, el horror ante
la posibilidad de adentrarse en debates filosóficos persistía, como recogen Lip-
ton y Ødegaard (2005, p. 1), puesto para los epidemiólogos su «objetivo era
permitir a los investigadores sentirse más confiados en la fuerza de sus investi-
gaciones para explicar una historia convincente sin tener que echar mano de
nociones metafísicas insoportables de la causa». Claro está que es algo delicado
establecer relaciones causales sin poder justificar la naturaleza íntima de tales
causas. Al mismo tiempo, se completó el giro hacia modelos probabilísticos de
causalidad en detrimento de los deterministas (lo cual no va en detrimento del
pensamiento causal, según Porta y Fernández, 2004). En consecuencia, el 2004
Surgeon General’s Report recurrió a una nueva terminología:
111
5. CONCLUSIONES
112
REFERENCIAS BIBLIOGRÁFICAS
113
114
LIPTON, R. Y ØDEGAARD, T.: «Causal thinking and causal language in epidemiology: it’s
in the details», Epidemiol Perspect Innov, n.º 29: pp. 2-8, 2005.
LÓPEZ-MORENO, S., GARRIDO-LATORRE, F. Y HERNÁNDEZ-AVILA, M.: «Desarrollo histórico
de la epidemiología: su formación como disciplina científica», Salud Pública de Mé-
xico. n.º 42(2): pp. 133-143, 2000.
MACMAHON, B., PUGH, T.F. Y IPSEN, J.: Epidemiologic methods, Little Brown and Co.,
Boston, 1960.
MARSHALL, G. et al.: «Streptomycin Treatment of Pulmonary Tuberculosis. A Medical Re-
search Council Investigation», British Medical Journal, n.º 2(4582): pp. 769-782, 1948.
NGUEFACK-TSAGUE, G. Y ZUCCHINI, W.: «Modeling hierarchical relationships in epide-
miological studies: a Bayesian networks approach», MPRA Paper n.º 28232, 2011.
PORTA, M. (ed): A Dictionary of Epidemiology, OUP, Oxford, 6th Edition, 2014.
PORTA, M. Y FERNÁNDEZ, E.: «Causalidad y asociación estadística», en Rodés, J., Guar-
dia, J., (editores). Medicina interna, Masson, Barcelona, pp. 484-489, 2004.
RENTON, A.: «Epidemiology and causation: a realist view», Journal of Epidemiology and
Community Health, n.º 48: pp. 79-85, 1994.
ROTHMAN, K. J.: Causes, American Journal of Epidemiology, n.º 104: pp. 587-592, 1967.
SCHLICK, M.: «Naturphilosophische Betrachtungen über das Kausalprinzip», Die Naturwis-
senschaften, n.º 8, pp. 461.474, 1920. Reeditado en Toulmin, S., (ed.), Physical Reality:
Philosophical Essays on Twentieth-Century Physics, Harper & Row, New York, 1970.
SUPPES, P.: A Probabilistic Theory of Causality, North-Holland Publishing Company,
Helsinki, 1970.
SUSSER, E.: «Eco-epidemiology: thinking outside the black box», Epidemiology n.º 15:
pp. 519-520, 2004.
SUSSER, M.: Causal Thinking in the Health Sciences: Concepts and Strategies of Epidemio-
logy, Oxford University Press, New York, 1973.
SUSSER, M. «What is a Cause and How Do We Know One? A Grammar for Pragmatic
Epidemiology», American Journal of Public Health, n.º 133 (7): pp. 635-648, 1991.
SUSSER, M.: «Glossary: causality in public health science», J Epidemiol Community Heal-
th, n.º 55: pp. 376-378, 2001.
SUSSER, M. Y SUSSER, E.: «Choosing a future for epidemiology: I. Eras and Paradigms»,
American Journal of Public Health, n.º 86: pp. 668-73, 1996a.
SUSSER, M. Y SUSSER, E.: «Choosing a future for epidemiology: II. From black box to
Chinese boxes and eco-epidemiology», American Journal of Public Health, n.º 86:
pp. 674-77, 1996b.
115
116
26970_FilosofiaDeLaEpidemiologiaSocial.indd
View publication stats 116 14/09/16 13:15