EPIDEMIOLOGIA 8

CAUSALIDAD-NUCELO 8
El pensamiento causal en la epidemiologia anglosajona y su desarrollo critico en
latinoamerica. Elizondo,Mariscal, Gomez-Arias.

 Modelos precientíficos: teoría miasmática

En europa en el SXVI, el saber predomínate y/o popular se le atribuían las
enfermedades a la voluntad divina. Con el avance del capitalismo el impulso de
cambios pol’, soc’, la concepción mitica religiosa cristiana fue abandonada por
modelos teóricos basado en la observación y el estudio riguroso de los fenómenos
nat’ con los cuales pretensian explicrar el origen de la enf’.
La teoría miasmática iba a explicar el origen de las enf’ en un momento, luego en
SXIX fue criticado por Virchow, chdwick y Engels, porque decía que esta teoría
enmascaraba el papel de la pbreza.

Un nuevo reto: explicar las enf’ crónicas.

Los cambios epidemiológicos en los países ricos se reflejaron en un aumento progresivo
en la esperanza de vida de sus nuevas generaciones, y el incremento de enfermedades
crónicas como la diabetes, las cardiovasculares y los tumores. El estudio de estas
enfermedades se inició utilizando el paradigma biológico vigente, pero estas
enfermedades ya no se explicaban desde una sola causa, por el contrario, parecían
relacionadas con múltiples condiciones de tipo biológico, ambiental, comportamental y
social que aisladamente no actuaban como causas necesarias ni suficientes.
En este contexto, varios epidemiólogos europeos y estadounidenses, muchos de ellos
vinculados a servicios hospitalarios, encontraron el espacio propicio para aplicar los
modelos estadísticos multivariados a las investigaciones sobre el cáncer y las
enfermedades crónicas no transmisibles.
Bradford hill, estadístico que se intereso por el estudio de la TBC y cáncer de
pulmón, mediante diseños experimentales, casos y controles, cohorte.

 Considero la asociación (mayor o menor) al FR predispone al evento, es decir se

refleje la relacion causal. Y puede ser especifica la cuasalidad. Tiene que
ocurrir el evento luego de exponerse, y cuanto mayor expocision hay mayo es la
incidencia del efecto.
el enfoque contrafactual contrastaba los fenómenos observados empíricamente (los
datos) con comportamientos del mismo fenómeno, que sin haberse observado pudieran
ser posibles (hipótesis). El mismo Hill hizo grandes avances en el diseño de
estudios experimentales donde manipulaba la exposición a las posibles causas en
ambientes clínicos controlados para examinar los resultados posibles; estos diseños
se fueron abriendo paso entre los médicos epidemiólogos como la expresión máxima de
la investigación y el fundamento más sólido de los análisis causales.
Paradigma multicausal en epidemilogia.
En el SXX con los cambios pol e idiologicos, las matemáticas avanzaban apoyadas en la
toeria de las probabilidades y estadísticas como Pearson, Fisher y neyman
desarrollaban modelos matemáticos para asociar distribuciones de probabilidades con el
fin de validar hipótesis.
finalizada la guerra, las enfermedades crónicas de los países ricos se revelaron como
un nuevo reto sanitario, cuya dinámica no podía explicarse desde la unicausalidad
lineal mecánica. En un periodo de crisis y cambios acelerados, los modelos
mecanicistas unicausales se mostraron insuficientes para explicar el origen y
desarrollo de las enfermedades, y los epidemiólogos se acogieron a los modelos
estadísticos y probabilísticos que se expandían por el mundo. En los nuevos términos
del enfoque probabilístico los análisis unicausales se representan con la siguiente
fórmula general:
Pr (Yx = y)

Que se puede leer como la frecuencia del evento “y” refleja la probabilidad de que
ocurra el efecto Y” en presencia de la posible causa “x”. A diferencia del determinismo
mecanicista, esta variante acepta la incertidumbre y mide la aparición del resultado,
no como algo seguro, sino como una probabilidad que puede o no cumplirse.
los epidemiólogos debieron reconocer que las enfermedades no se deben a una sola
causa, sino a múltiples condiciones que interactúan entre sí de diferentes maneras,
generando resultados inciertos, los cuales podrían preverse, pero en términos dudosos
o probabilísticos. Este enfoque se incorporó al discurso epidemiológico con el nombre
de paradigma multicausal, y en su seno se plantearon tres modelos particularmente
influyentes en la comprensión de la salud y la enfermedad: el paradigma de la caja
negra, el enfoque de riesgo y la multicausalidad estructurada. Los enfoques
multicausales influyeron también en el desarrollo de tres planteamientos de la
epidemiología social anglosajona que revisamos en otro seminario: la ecoepidemiología
de Susser, los análisis multinivel de Diez-Roux y la propuesta ecosocial de Nancy
Krieger.
Las multiples causas se estructuran
Mac mahon comenzó desde Harvard sus estudios en leucemia, cáncer de seno, cáncer
pulmonar y tabaquismo. Sus hallazgos pusieron en evidencia que muchos fumadores
desarrollan cáncer de pulmón, pero no todos lo hacen. Y algo similar ocurría con la
exposición a otras condiciones peligrosas. Estos resultados inciertos no se ajustaban
al paradigma de la causalidad lineal; en cambio, podían expresarse en el nuevo
lenguaje matemático de las probabilidades. Las reflexiones de MacMahon dieron lugar a
un nuevo paradigma multicausal que marca el origen de la epidemiología moderna,
llamada también epidemiología clásica. Este paradigma propone que las enfermedades no
son el resultado de una causa, sino de múltiples condiciones o factores X, de tipo
biológico, ambiental, individual, e inclusive social, los cuales pueden asociarse
estadísticamente con la aparición de la enfermedad.
Para MacMahon, la etiología de una enfermedad sigue una secuencia lineal que consta de
dos momentos sucesivos: en una primera etapa las personas están expuestas a diferentes
condiciones externas que ocurren antes de cualquier respuesta corporal, y que actúan
como causas de la enfermedad; en la segunda fase, de respuesta corporal, actúa un
conjunto complejo de mecanismos biológicos, intracorpóreos y en ocasiones solo
parcialmente conocidos, que dan lugar al daño y producen la sintomatología (23). La
complejidad de esas interacciones explica por qué los resultados no son mecánicos,
sino inciertos, aumentando la probabilidad de que ciertas condiciones den lugar al
daño; en tal sentido, reciben el nombre de “factores de riesgo”. En el seno del
paradigma multicausal se desarrollaron varios modelos de análisis estrechamente
relacionados entre sí: el modelo de la caja negra, el enfoque de riesgo y el modelo de
causas componentes.
La caja negra: estructuras causales parcialmente conocidas
Este modelo es un conjunto de conceptos y técnicas que materializan el paradigma
multicausal. El enfoque de la caja negra se fundamenta en los rituales de las ciencias
naturales; asume que la enfermedad Y es causada por múltiples factores independientes
y aislados X, que en principio podrían tener la misma importancia o jerarquía, pero se
van articulando a lo largo del tiempo e interactúan de una forma desconocida para el
investigador; de allí el nombre de “caja negra”.
Con base en este enfoque, los epidemiólogos miden uno por uno los factores en cada
sujeto e incorporan las mediciones en una misma ecuación matemática, sin precisar su
origen ni las interacciones que puedan darse entre ellos; de allí el nombre de
“variables independientes” que se le otorga a estos factores. El modelo matemático
permite incluir factores ambientales, individuales e inclusive sociales; sin embargo,
su énfasis suele centrarse en condiciones biológicas de tipo médico. . La modelación
matemática de este proceso complejo e incierto pretende explicar o predecir los
cambios en la frecuencia de la enfermedad Y con base en la combinación de datos sobre
los factores que se obtienen de los individuos.
Uno de los procedimientos más utilizados por el modelo de la caja negra, para analizar
la asociación entre el resultado Y y los factores X, es el modelo de regresión
multivariada desarrollado por los estadísticos. Existen diferentes formas de expresar
este tipo de análisis, pero en términos generales se ajustan a la siguiente
estructura:

Y = α + β1X1 + β2X2 + β3X3 …

Esta ecuación podría leerse de la siguiente forma: el resultado Y se debe a un

componente alfa (α) que refleja la influencia de factores desconocidos; más la
influencia β1 del factor X1; más la influencia β2 del factor X2; más la influencia β3
del factor X3… y así sucesivamente. Esta expresión, un poco más compleja que la
fórmula del modelo unicausal, refleja también varias de las implicaciones
epistemológicas del paradigma multicausal.
Enfoque de riesgo

En el marco de los presupuestos de la caja negra surgió el “enfoque de riesgo”. Este

es un modelo para administrar problemas de salud que se desarrolló en el paradigma
multicausal de la epidemiología clásica, y se expandió rápidamente por el mundo como
la mejor manera de administrar problemas en salud pública (24, 25). El “enfoque” de
riesgo está constituido por un conjunto de conceptos y técnicas epidemiológicas
dirigidas a identificar y controlar problemas prioritarios de salud, focalizando las
intervenciones más efectivas en los factores más fuertes y los grupos de mayor riesgo

Tabla 5.1 Fundamentos del enfoque de riesgo

Sobre los problemas Sobre las casusas Sobre las personas

1-Un problema de salud es cualquier 1-Los problemas de salud son 1-Las personas no son iguales en lo
evento valorado desfavorablemente multicausales. que se refiere a sus riesgos para la
por sus efectos sobre el bienestar. salud.
2-Las causas no tienen la misma
2-Los problemas se distribuyen de fuerza; su influencia varía. 2-La mayor susceptibilidad de
manera desigual en la población. algunos grupos refleja su
3-Los problemas pueden evitarse exposición desigual a factores de
3-Los problemas de salud no son atacando las causas que más riesgo.
determinísticos; aparecen de forma influyen en la aparición del daño.
incierta o probabilística. 2-Se debe priorizar la atención de
4-Las causas de la enfermedad no las personas con mayor riesgo
4-Los problemas no tienen la misma
actúan de manera lineal.
importancia. Pueden valorarse y
diferenciarse en función de su
5-Se articulan de multiples formas.
frecuencia, su gravedad o su
vulnerabilidad a las intervenciones
Tabla 5.2 Enfoque de riesgo. Conceptos básicos.

Tabla 5.2 Enfoque de riesgo. Conceptos básicos

Daño (en salud) Cualquier evento (orgánico, psíquico, social o ambiental) valorado desfavorablemente por
sus efectos sobre el bienestar
Evento Aquel que en condiciones semejantes siempre genera los mismos resultados. Se dice de
determinístico resultados únicos o previsibles de experimentos realizados bajo ciertas condiciones
esenciales (condiciones iguales, fijas e invariables). Algunos daños en salud se comportan
como eventos determinísticos: ningún germen conocido sobrevive a 300 oC

Evento aleatorio o Aquel que en condiciones semejantes genera resultados inciertos alternativos. La mayoría
probabilístico de los daños en salud son eventos probabilísticos. Una persona sin alimento fallece, pero la
falta de acceso a nutrientes no es una fatalidad

Posibilidad Juicio cualitativo que admite la aptitud u ocasión de que un eventoocurra en el contexto
analizado (plausibilidad teórica)
Probabilidad Medición numérica de la posibilidad. Es un decimal siempre positivo, cuyo valor oscila entre
cero y uno
Riesgo Probabilidad de que se presente un evento desfavorable específico. Se considera más alta
mientras más se acerque al uno y más baja mientrasmás cercana al cero

Factor de riesgo Situación o condición cuya presencia aumenta la probabilidad de queocurra un daño. Los
factores de riesgo pueden ser biológicos, psíquicos, ambientales o sociales

Factor pronóstico Condición que acelera la evolución de la enfermedad una vez estaaparece. No es causa de
la enfermedad, pero modifica su curso
Exposición (a un Interacción entre una persona y un factor que puede modificar su riesgo. La exposición
factor de riesgo) puede ser: 1) una condición genotípica o fenotípica, heredada o adquirida; 2) un
comportamiento; 3) el contacto con una condición ambiental y 4) un tipo particular de
interacción social como la pobreza

Susceptibilidad de Condición de un individuo o grupo que lo convierte en víctima

un sujeto potencial de un daño. La susceptibilidad puede medirse en términosdel riesgo

Vulnerabilidad Para muchos epidemiólogos, especialmente influenciados por el lenguaje de la economía,

de un evento vulnerabilidad y susceptibilidad son sinónimos y se refieren a los individuos en mayor
peligro. Inicialmente, no se refería a las personas, sino a la capacidad de un problema para
responder a una intervención de control. Desde esta perspectiva, la vulnerabilidad no se
predica de las personas sino de los problemas. La vulnerabilidad de los problemas se
considera variable y dependiente de la tecnología disponible. En este caso, la vulnerabilidad
del problema puede estimarse en términos de la efectividad o eficacia de la intervención.
Aunque actualmente la mayoría de los textos confunden susceptibilidad con vulnerabilidad,
el enfoque de ambas dimensiones como procesos diferentes podría contribuir a la
comprensión de las inequidades sociales

El enfoque de riesgo hace un análisis lineal de la causalidad; asume que los eventos
son multicausales y su comportamiento es probabilístico. Para esclarecer el origen de
la enfermedad analiza diferentes exposiciones o factores por separado. La relación de
causalidad se apoya en asociaciones estadísticas, y las causas se jerarquizan según el
peso comparativo de cada factor frente a la frecuencia de la enfermedad.
La multicausalidad se incorpora al discurso epidemiológico
Los enfoques multicausales se incorporaron con fuerza al pensamiento oficial en
epidemiología y son actualmente el paradigma predominante para investigar las
enfermedades. En la práctica, las diferentes variantes de la multicausalidad que hemos
revisado vienen aplicándose de cuatro formas no excluyentes:
1. Modelo multicausal de causas múltiples: una enfermedad se estudia asumiendo que
tiene múltiples causas independientes; cada una de las cuales es por sí misma única,
necesaria y capaz de completar una causa suficiente. Por ejemplo, la gastritis puede
obedecer al consumo de café, a la giardiasis o al estrés.
2. Modelo multicausal de efecto único: los investigadores asumen que una enfermedad
puede obedecer a varias causas que actúan conjuntamente (en pandilla). En todo caso,
alguna de las causas debe ser necesaria y suficiente en presencia de las demás; las
causas restantes son necesarias, pero no suficientes por sí mismas y se denominan
“causas necesarias contribuyentes”. Por ejemplo, la enfermedad tuberculosa es
producida por la confluencia de la desnutrición, la pobreza y el bacilo de Koch.
3. Modelo multicausal de efectos múltiples: asume que diferentes condiciones
producen desenlaces tanto similares como diferentes. Por ejemplo, tres condiciones
diferentes como diabetes, hipertensión e hipercolesterolemia pueden producir por
separado infarto de miocardio, enfermedad renal o enfermedad cerebrovascular.
4. Modelo multicausal de causas componentes (26): a diferencia de los enfoques
anteriores, este enfoque no se detiene en el análisis de causas aisladas, sino en
“arreglos” de causas. Toda enfermedad procede de una constelación de causas que en
conjunto es suficiente para producir el daño y ninguno de cuyos componentes es
superfluo (todos son necesarios). Cuando el arreglo se completa como causa suficiente,
indefectiblemente produce el evento; desde esta perspectiva, y aunque los resultados
de los análisis suelen presentarse como probabilidades, el modelo multicausal de
causas componentes conserva la perspectiva determinista de los modelos causales.
El papel del tiempo en los análisis causales
En general, todos los planteamientos que admiten la causalidad reconocen que las
causas deben ocurrir antes de los efectos. El asunto es, sin embargo, complejo, pues
supone que el tiempo es una dimensión igual para todos los observadores y que los
diferentes momentos del proceso salud-enfermedad se localizan de forma sincrónica en
una línea común que avanza siempre hacia el futuro. Adicionalmente, la medición del
tiempo en meses o años, por sí misma, no da buena cuenta de la forma como se suceden
los hechos.
Los análisis epidemiológicos de causalidad asumen que las causas requieren un tiempo
mínimo para generar el desenlace. Este tiempo varía para cada causa (34), e incluye al
menos dos etapas secuenciales:
• El periodo de inducción: que transcurre entre la exposición a la causa y el
establecimiento del daño. Como las causas son realmente arreglos o conjuntos de
condiciones concurrentes, que aparecen y desaparecen, influenciándose mutuamente y
contribuyendo al daño de manera diferente, cada una de ellas actúa por un tiempo
distinto y tiene su propio periodo de inducción, que no es fácil de determinar.
• El periodo de latencia: que transcurre entre el momento en que se instala el daño
y aparece su primera manifestación objetiva (signo o síntoma). Tampoco es fácil de
establecer porque muchos daños pueden cursar asintomáticos por largo tiempo.
Modelación estadistica de la causalidad en epidemiologia
En los inicios del siglo XX, la teoría de las probabilidades y la estadística
frecuentista se incorporaron a la epidemiología y marcaron las discusiones sobre la
causalidad. En el caso de la epidemiología, la estadística frecuentista tiene dos
aplicaciones: en primer lugar, la estadística descriptiva se utiliza para sintetizar y
describir las características de las poblaciones; adicionalmente, la estadística
inferencial se usa para soportar la generalización de una observación obtenida en una
muestra a la población de la cual esta provino.
Los análisis estadísticos se refieren a la búsqueda de asociación entre dos o más
eventos, y se basan en la comparación de sus frecuencias. El modelo mas utilizado
entre otros es el riesgo relativo y odd ratio.
Critica al paradigma de la multicausalidad.

 Fragmenta la realidad: busca factores individuales de la realidad que los

generaliza a todo el conjunto, es decir algo individual es valida para todos los
sujeteos.
 Considera las causas como “variables independientes” sin preguntarse por su
origen ni por su contexto. Desconoce las condiciones sociales y los contextos
históricos en que se articulan las causas.
 desconocen el comportamiento dinámico de la enfermedad como proceso. Sus
procedimientos se basan en establecer aquellas asociaciones que ocurren en el
momento de la medición.
 El riesgo de enfermermar es por el sujeto y no ve los DSS.
 Define sus prioridades a partir de datos que no tienen en cuenta los contextos
históricos del grupo. Por ejemplo, considera que los sujetos obesos tienen un
mayor riesgo de enfermedades cardiovasculares y deben ser protegidos, pero no
explica por qué ocurre la obesidad en el grupo ni por qué ciertos individuos del
grupo se hacen obesos y otros no.
 Medicaliza el cuidado de la salud, fortaleciendo el desarrollo de intervenciones
médico- farmacéuticas sobre los individuos.
 Por desconocer sistemáticamente las condiciones socioeconómicas donde algunas
personas enferman y mueren mientras otras no lo hacen, los análisis tradicionales
generan resultados que enmascaran la inequidad y desvían la atención de la
sociedad hacia reformas puntuales que no atacan la esencia de los problemas y
que, por el contrario, las conservan.
 Enmascara el carácter esencialmente estructural de fenómenos complejos como la
salud y las enfermedades. El análisis de factores aislados por fuera de sus
contextos impide a los enfoques multicausales: 1) explicar la relación entre el
sistema social, los modos de vida y la salud; 2) comprender la distribución del
proceso salud-enfermedad por clases sociales, y 3) comprender la interacción
dinámica entre naturaleza y sociedad.
 Sus análisis terminan en recomendaciones fragmentarias centradas en factores
aislados que se asumen como causas en todos los individuos y contextos.
Criterios predominante en los análisis causales
Hay 5 categorias de causalidad: causa como producción, causa necesaria y suficiente,
componente causal suficiente, causa probabilística, causalidad contrafactual.
La dinámica del proceso S/E desde la salud colectiva latinoamericana
Ni la unicausalidad de los postulados de Koch, ni los paradigmas multicausales
apoyados en los criterios de Bradford Hill o la red de McMahon, ni las causas
componentes de Rothman, han logrado desentrañar y dar cuenta de la complejidad de la
realidad. En opinión del filósofo y epistemólogo Juan Samaja, las explicaciones
causales caen inexorablemente en reduccionismos, ya sea el reduccionismo fisicalista
que reduce la noción de la salud y enfermedad a cuestiones moleculares, celulares u
orgánicas, como también el reduccionismo holista que lo atribuye solamente a
condiciones de vida, clases sociales o modos de producción. Samaja considera que el
proceso salud-enfermedad configura una totalidad compleja, conformada por múltiples
niveles que se organizan de forma jerárquica, englobándose unos a otros. Esta
secuencia de interacciones es dinámica, y va formando ligaduras entre la parte con su
todo y también entre el todo con cada parte mediante un proceso de desarrollo
epigenético, que ocurre por estadios, donde cada nuevo nivel se va conformando a
partir de los anteriores. Ej. arquitectura en red.
Desde esta perspectiva, se diluye la secuencia lineal que daba lugar a los análisis
causales; la causalidad es desplazada por una causación recíproca que ocurre a partir
de los nexos funcionales y la acción comunicacional entre los niveles. La interaccion
de las partes se comporta como un movimiento integrador y totalizador que permite la
emergencia de nuevos niveles. Las tres dimensiones de la realidad, conformada por las
cosas, las reglas y los sujetos, se van constituyendo como resultado del proceso de
epigénesis y se constituyen como una organización jerárquica históricamente producida
y autorreproductora
En el marco de la medicina social y la salud colectiva latinoamericana, el
epidemiólogo brasilero Naomar Almeida Filho retomó varios de los conceptos de Samaja,
y propuso ampliar los enfoques analíticos asumiendo la noción de salud-enfermedad como
un proceso dinámico, vinculado a procedimientos de producción y reproducción que
ocurren al interior de la sociedad.
Para superar esta visión reduccionista, Almeida Filho propone pensar en términos de
una teoría unificada de la salud, capaz de abordar la pluralidad de facetas y que
armonice las teorías especiales que explican los fenómenos de la enfermedad con
enfoques capaces de modelar la salud. Para fundamentar su propuesta retoma el concepto
disease-illness-sickness complex (cDIS).
El modelo cDIS, retomado por Almeida Filho, articula tres categorías: disease como
alteración patológica o disfunción de procesos biológicos o psicológicos; illness como
la experiencia individual y la percepción de malestar asociado a la enfermedad, y
sickness referido a la enfermedad como reacción social frente a los problemas
derivados de las dos categorías precedentes.
Para avanzar hacia una teoría unificada de salud, capaz de modelar la realidad
compleja desde una comprensión dialéctica e histórica, Almeida Filho integra los
modelos que piensan la enfermedad con aquellos capaces de modelar la salud. En tal
sentido, considera la salud como un entramado de múltiples niveles que atraviesa
varios niveles: la esfera biológica de los organismos vivos, el modo de vida de los
seres humanos y también las percepciones de las personas. Para dar cuenta de su
planteamiento propone un modelo de integrales de salud- enfermedad capaz de sintetizar
múltiples planos, niveles y determinaciones.
La teoría unificada de salud articula el complejo disease-illness-sickness (la
enfermedad) y las integrales de salud-enfermedad (la salud) con las estructuras y
dimensiones jerárquicas desarrolladas por Samaja.
Para superar el reduccionismo lineal Almeida Filho propone entonces integrar los siete
planos, facetas o estados en que, según su opinión, ocurren los fenómenos de la vida y
la salud (45):
• Microestructural [MSt]: plano referido a lo molecular y celular.
• Microsistémico [MSy]: se refiere al metabolismo y los tejidos.
• Subindividual [Sbl]: relacionado con los sistemas corporales.
• Individual [Cas]: alusivo a los casos clínicos.
• Epidemiológico [PaR]: relativo a la población en riesgo.
• Medioambiental [EcS]: dimensión ecosistémica.
• Simbólico [SoC]: plano semiológico y cultural.
Almeida Filho advierte que estas dimensiones no deben entenderse como fragmentos
aislados; en tal sentido, propone un marco sistemático para analizar varias clases de
enfermedad, malestar y patología que denomina holopatogenia (HPG); este concepto se
refiere a la red o el conjunto de procesos que determinan no solo la enfermedad, sino
también otras condiciones relacionadas, las cuales se consideran como sistemas
complejos, integrados por diferentes niveles que se influencian entre sí y que se
organizan jerárquicamente desde lo biomolecular-inmunológico, lo fisiopatológico-
clínico y lo epidemiológico-ecosocial. Desde la holopatogénesis, los procesos
patológicos o los estados de salud se explican a partir de la tensión dinámica entre
dos categorías: 1) holopatógenos: acción articulada de los determinantes que desde
diferentes planos promueven la ocurrencia del componente patológico y 2) resistores:
que reflejan las resistencias que presenta cada una de las dimensiones afectadas y que
reducen la propagación o evitan la emergencia de estados de enfermedad (45). La
comprensión de la holopatogénesis como proceso complejo exige la aplicación simultánea
de múltiples modelos y disciplinas que den cuenta de los diferentes niveles (45).
La tabla 5.3 presenta las principales categorías usadas por el modelo

Tabla 5.3 Símbolos usados en el enfoque de holopatogénesis

Dimensiones Componentes Holopatógenos (H) Resistores (R)
MSt alteración (alt) defecto (d) debilidad (b)
MSy lesión (Les) agresión (a) alteración (a)
PPt patología (Pat) lesión (l) susceptibilidad (ss)
Cas molestia o trastorno (Dis) causa (c) susceptibilidad (sc)
PaR riesgo (Rsk) factor (f) vulnerabilidad (vp)
EcS daño (Haz) condición (p) vulnerabilidad (ve)
SyC enfermedad (Sik) sentido (s) fragilidad (f)

En su concepto, este esquema pudiera servir de base para plantear un modelo

generalizado de una red de procesos de determinación de fenómenos pertenecientes a la
salud-enfermedad en poblaciones humanas, y constituye una estructura conceptual para
considerar la enfermedad simultáneamente como lesión, alteración, patología, riesgo,
daño, peligro y morbilidad, asumiendo que estos eventos ocurren por niveles. Al igual
que en las otras formulaciones respecto a la causalidad, el modelo de holopatogénesis
pudiera representarse matemáticamente del siguiente modo:

HPG: [ƒ1MSt(a→Def)] ⇔ [ƒ2Msy(d→Les)] ⇔ [ƒ3SbI(l→Pat)] ⇔ [ƒ4Cas(k→Dis)] ⇔

[ƒ5PaR(f→Rsk)] ⇔ [ƒ6EcS(c→Haz)] ⇔ [ƒ7SoC(s→Sik)]

Cada ƒ representa submodelos que conforman clases específicas de determinantes,
mientras que la flecha (→) es la notación general para los vínculos entre determinante
y resultado en cada uno de los niveles, en tanto (⇔) representa las conexiones
interactivas entre las diferentes dimensiones de holopatogénesis. Las formas concretas
de estas operaciones deben extraerse de los datos empíricos disponibles en cada
dimensión, nivel o faceta y deben ser el producto de investigaciones intersectoriales
y transdisciplinarias (45).
Los intentos explicativos que surjan de este modelo de investigación deberán integrar
diferentes enfoques disciplinarios, acogiendo sus lógicas y reglas de determinación,
para dar cuenta de las interfases biomolecular-inmunológica, fisiopatológica-clínica,
epidemiológica- ecosocial, económico-social, histórico y simbólico-cultural. El
enfoque integral de holopatogénesis exige la descripción exhaustiva de características
especiales propias de cada nivel, y al mismo tiempo facilita el análisis de la
totalidad; adicionalmente, exige considerar todos los conjuntos conocidos de puntos
sensibles de la red etiológica, con lo cual se alcanzará mayor comprensión en torno a
los procesos de salud y de enfermedad (45).

(video)
A lo largo de la historia coexistieron diferentes teorías epidemiologias que trataron
de explicar los estados de S/E de las poblaciones considerando diferentes dimensiones,
que dominaron el pensamiento epidemiológico del momento. Los 3 pardigmas según thomas
Kuhn:
teoría miasmática que inaugura la era de las estadísticas en el SXIX,, sostiene que
las enf’ se contraesn con las emanaciones impuras del suelo, aire, agua. El modelo de
análisis se basaba en enunciar a través de estadísticas vitales las diferecnias
mortatlidades que se producían en las regiones según el ambiente y se le atribuia las
condiciones de vidad la pobreza como carcst’ improtatnte como la diseminación de enf’.
Se intervenia a través de pbras publicas para mejorara la sanidad ambiental. Teoría
alternativa:contagionismo saoicialsimo, medicina social (Engels) alemana (Virchow).
Teoria del germen:
Teoría de la caja negra:
Clasificación de las toerias (cuadro)

era Paradigma/teorías Modelo de Medidas de Teorías

dominantes análisis intervención alternativas
Sanitaria SXIX 1er paradigma Datos Obras públicas  Contagionismo
miasma mortalidad para mejorar la  Socialismo
según sanidad sanidad (Engels)
ambiental ambiental
 Medicina social
alemana
(Virchow)
Enf’ 2da paradigma De laboratorio Vacunas  Goldberg
infecciosas germen germen cuarentena y  Durkheim
SXIX-XX hospitales para  mckeown
infecciosos
Enf’ crónicas 3er paradigma caja riesgo Control de  eco-
SXX-actualidad negra factores de epidemiologia
riesgo  Epidemiologia
modificando social
estilos de vida latinoamericana
y ambiente.
¿cómo ha transcurrido la causalidad?

 1er la teoría miasmática, a través de los modelos precientrificos, con la

medicina social de Virchow.
 2do la teoría del germen, a través de los modelos unicausales, con la traída
ecológica, paradigma unicausal mecaniscista.
 3er la teoría de la cajja negra, a través de los medelos de multicausalidad, con
el enfoque de riesgo, modelos de causa componentes.
¿Cuáles son la implicancias del paradigma multicausal?
Surgen la teoría eco-epidemiologia, epidemiologia social anglosajona, analisi
multinivel, multicausalidad estructurada.
Aparecen la mlticuasalidad estructurada: mdelo de la caja negra, enfoque de riesgo,
modelos de causas componentes.
Caja negra, coexisten criterios de causalidad (bradford hill): fuerza de asociación,
consistencia de los resultados, relacion o secuencia temporal, especificidad de la
asocicacion, plausibilidad biológica, gradiente biológico-relacion dosis respuesta,
disminucion del riesgo a cesar la causa.
“Saber las teorías nos ayuda a establecer una mejor clínica, que es lo que sucede,
porque nos ayuda a saber la etiología de la enfer’, es decir su causalidad (relación
Los enfoques integrales no se limitan a preguntas simples ni aisladas. A manera de
ejemplo, un enfoque de la pandemia de SARS-CoV-2 (COVID-19) desde la holopatogénesis
comprende varias preguntas que deberían ser resueltas desde una perspectiva
interdisciplinaria y que cubren los diferentes planos: ¿Qué es un virus?, ¿cómo logra
modificar sus capacidades?, ¿qué le permite mayores capacidades para su reproducción?,
¿cómo ingresa a otro organismo?, ¿a cuáles y en qué condiciones?, ¿cuáles modulaciones
bioquímicas le imprimen nuevas posibilidades? Etc. Etc.
Generar mejores preguntas y emprender el recorrido de responderlas podrá iniciar un
proceso de mapeo de la holopatogénesis de la COVID-19, y permitiría identificar
aquellos puntos sensibles de la red etiológica que podrían enfrentar el problema en su
complejidad, con una mirada integral.