TEMA 2 Causalidad en epidemiologia (2017)

Apunte Español
Universidad Universidad Complutense de Madrid (UCM)
Grado Veterinaria - 1º curso
Asignatura Epidemiologia
Año del apunte 2017
Páginas 4
Fecha de subida 24/06/2017
Descargas 0
Subido por

Vista previa del texto

Tema 2-Causalidad en Epidemiología CONCEPTO Y DEFINICION La causalidad es siempre multifactorial, nunca es una única causa la responsable de un efecto, siempre hay varias causas. No pasan las cosas por un único factor, siempre hay multiples causas. En 1862 Stuart la causa de cualquier efecto consiste en la constelación de componentes.
La causalidad multifactorial es el principio fundamental de la Epidemiología. Un efecto es la consecuencia siempre de múltiples factores EFECTO Es cualquier caso de enfermedad (sentido cualitativo) o cambio en la frecuencia de la enfermedad en la población (sentido cuantitativo).
El efecto de una exposición es el aumento de casos de enfermedad debido a esa enfermedad.
En una población hay un 30% de enfermedad. La misma población expuesta a un factor determinado pasa a tener un 40% de enfermedad. Ese 10% de diferencia en la frecuencia de la enfermedad es el efecto de ese factor o causa.
CAUSA(definición de Rorthman) Una causa de un acontecimiento de la enfermedad es un suceso anterior, condición o característica que fue necesaria para que apareciese la enfermedad en el momento en que apareció, suponiendo fijas las demás condiciones.
Como explica Rothman, aunque pensemos que la luz se enciende porque accionamos el hospedador, para que se encienda la luz son necesarios múltiples factores (desde la producción de la energía eléctrica, hasta la instalación eléctrica) Definición de causa en el sentido cuantitativo ( una causa o determinante de enfermedad es cualquier variable que aumente la frecuencia de aparición de una enfermedad) (causa es una variable o factor cuya responsabilidad en originar un efecto ha sido claramente demostrada) MODELO DE CAUSABILIDAD DE ROTHMAN Para que se produzca un efecto es necesario que se completen un conjunto determinado de factores. Ese conjunto mínimo de causas necesarias es la causa suficiente. Cada uno de los factores o causas que forman parte de la causa suficiente es una causa componente. La causa suficiente incluye solo las causas mínimas, las imprescindibles para que se produzca el efecto.
Causa suficiente = mecanismo causal completo Todas las causas componente son necesarias. Si se elimina una causa componente, la causa suficiente ya no está completa y no se puede producir el efecto. La eliminación de una causa elimina los casos en los participa como causa componente: disminuye la frecuencia de la enfermedad.
Concepto causa suficiente: causa suficiente, que implica un mecanismo causal completo, es el conjunto de condiciones y sucesos mínimos que inevitablemente producen la enfermedad Tema 2-Causalidad en Epidemiología Concepto causa componente: es cada una de las “causas” que forman parte de la causa suficiente, del mecanismo causal.
La causalidad múltiple se refiere la causa suficiente para producir un caso incluye varias causas componentes, y además los casos de una enfermedad están producidos por múltiples causas suficientes. Por ejemplo, en el caso del SIDA todas las causas suficientes incluyen la presencia del virus (A). Además debe haber otras causas componentes que completen cada causa suficiente, en unos caso puede ser una transfusión de sangre contaminada, en otros compartir jeringuillas, etc. Si se elimina una sola de las causas de una causa suficiente se evitará los casos que ocasiona esa causa suficiente. Ejem, utilizar jeringuillas desechable (Fuerza del efecto, interaccion entre causas, fracción atribuible y periodo de inducción) OTROS MODELOS DE CAUSALIDAD La clásica tríada epidemiológica incluye los factores relacionados con el agente etiológico, el hospedador y el ambiente. Estos factores interaccionan entre sí. En el modelo ecológico estas múltiples interacciones entre agente y hospedador tienen lugar en el ambiente que los rodea.
Una red de causalidad es como se representan las relaciones entre causas.
El modelo de causas directas en indirectas. En las directas no hay variables intermedias conocidas entre causa y efecto, además la causa y efecto se miden en el mismo nivel de organización. En las indirectas se intercala una secuencia de causas intermedias, hay una cadena de variables entre las causas indirectas y la enfermedad. Su efecto no es directo (pobreza - -mortalidad infantil) INFERENCIA CASUAL Inferir es sacar una consecuencia o deducir algo de otra cosa.
La inferencia causal es el razonamiento científico que trata de establecer relaciones entre casusas y efectos a partir de observaciones empíricas. Son bases filosóficas comunes a otras ciencias.
Hay que distinguir la inferencia causal de la inferencia estadística. La inferencia estadística es sacar consecuencias sobre la población a partir de una muestra. La estadística permite decir que lo que observo en la muestra a que corresponde en la población. No es la comprobación de hipótesis epidemiológicas causales. La estadística se basa en la teoría de la probabilidad No hay que confundir con inferencia causal.
En los estudios epidemiológicos se establecen asociaciones estadísticamente significativas. A partir de ellas se realizan inferencias causales, si es posible, mediante razonamiento lógico científico.
Tema 2-Causalidad en Epidemiología “CRITERIOS DE CAUSALIDAD” (se utilizan como guía o apoyo para hacer inferencial causales) 1. Postulados de Henle-Koch 2. Criterios de Hill (LOS MÁS UTILIZADOS)  El que se debe cumplir seguro es el de la temporalidad (Causa antes que efecto) 3. Postulados de Evans 1. POSTULADOS DE HENLE-KOCH Evidencias necesarias para determinar que un microorganismo era la causa de la enfermedad 2. CRITERIOS DE HILL 1. La fuerza: cuanto más fuerte es la asociación más posible es que sea causal.
2. Consistencia: repetitividad de la asociación en diferentes poblaciones y circunstancias. ( en varios países) 3. Especificidad: precisión con que la exposición predice la enfermedad 4. Temporalidad: la causa debe proceder al efecto en el tiempo. Debe cumplirse siempre.
5. Gradiente biológico: relación unidireccional dosis-respuesta 6. Plausibilidad: compatibilidad con el conocimiento científico existente.
7. Coherencia: la inferencia no contradice la biología e historia natural de la enfermedad. Lo que ocurre desde que un individuo hasta que se recupera o muere.
8. Evidencia experimental: si se puede demostrar 9. Analogía: con otras relaciones similares.
3. POSTULADOS DE EVANS Asociaciones estadísticamente significativas y biología y epidemiológicamente verosímiles.
CONCEPTO DE FACTORES DE RIESGO Factor de riesgo  Exposición que actúa sobre un grupo de sujetos, dando lugar a una mayor probabilidad (riesgo) de desarrollar una enfermedad, respecto al grupo no expuesto.
Un factor de riesgo se corresponde con una causa componente de la causa suficiente.
Preferimos hablar de factor de riesgo en vez de causa porque que normalmente lo que podemos demostrar es una asociación entre ese determinado factor o exposición y la enfermedad. A partir de ahí se hace la inferencia causal de que sea una asociación causal.
Riesgo  probabilidad de que un individuo sano enferme durante un periodo de tiempo determinado, si no muere por otras causas.
Tema 2-Causalidad en Epidemiología Riesgo es un concepto aplicado al individuo. Es una estimación del riesgo medio individual de enfermar en un tiempo determinado.
Recordemos que la probabilidad es el número de casos favorables partido el número de casos posibles. En este caso, la probabilidad de enfermar (riesgo) sería el número de casos de enfermedad respecto al número de individuos que pueden enfermar. Esa probabilidad tiene una interpretación individual: es el riesgo medio de enfermar que tiene cada uno de los individuos de esa población por pertenecer a ella. Sabemos la probabilidad que tienen los individuos, aunque no sabemos quienes van a enfermar y quienes no. Sabemos cuántos.
Si de 100 corderos enferman 25 con diarrea. La probabilidad de desarrollar diarrea en esa población  P= CASOS FAVORABLES/CASOS POSIBLES En este caso 25/100=0.25  25% De forma que la probabilidad de enfermar en las 4 semanas de vida de los corderos es del 25% (Esto es el riesgo).
El 25% quiere decir que de 100 van a enfermar 25. No sabemos qué riesgo tiene exactamente este cordero.
Un factor de riesgo aumenta la probabilidad de enfermar.
Ejemplo: en esta explotación (la antes mendionada), de 100 corderos, al cabo de 4 semanas enferman 25. Si suponemos que esta explotación se les da a todos calostro. Ahora tenemos otra explotación también con 100 corderos donde no se supervisa que tomen calostro y el consumo va a ser deficiente. Pues lo que pasa en esta última, es que de los 100 enferman 50 corderos, por lo que la probabilidad de enfermar en esta explotación es del 50%. El riesgo de padecer diarrea en la segunda explotación es el doble que la primera explotación (riesgo relativo), si esa asociación no se debe al azar, se demuestra que no tomar calostro es un factor de riesgo, es decir, un factor que aumenta el riesgo de padecer diarrea.
Factor de riesgo: aumenta la probabilidad de enfermar.
Se puede cuantificar el riesgo y cuanto aumenta (o disminuye) Cuantificar el riesgo es determinar cuántos individuos enferman de los que pueden enfermar (riesgo). Es una medida de frecuencia de la enfermedad. Medimos cuánto aumenta el riesgo comparando el riesgo (cantidad de enfermedad) en una población expuesta con el de la población no expuesta. Es un tipo de medida epidemiológica de asociación.
En general, llamamos factor de riesgo a cualquier factor que cambia la frecuencia de la enfermedad, si la aumenta es de riesgo y si la disminuye es de protección. Si una exposición aumenta el riesgo, su ausencia lo disminuye. Por tanto, factor de riesgo (aumenta) y de protección (disminuye) son las dos caras de la misma moneda. En general hablamos de factores de riesgo (aumenta/disminuye).
¿por qué factores de riesgo y no de causa? Porque para demostrar la causa necesito que se cumplan los criterios de Hill y muchas veces no siempre funciona y a veces no están, por eso, es mejor demostrar los factores de riesgo.
...

Tags: