causalidad y validez en los estudio epidemiológicos

CAUSALIDAD Y VALIDEZ EN LOS ESTUDIO EPIDEMIOLÓGICOS
1. Objetivos
-
Comprender el rol de la causalidad en estudios epidemiológicos.
Comprender el proceso de las inferencias causales basadas en resultados de
estudios epidemiológicos.
Conocer las fuentes más importantes de error en los estudios epidemiológicos
y cómo éstos se minimizan.
2. Términos Claves: Inferencia causal, error aleatorio, confusión, sesgo,
modificación del efecto
3. Desarrollo del módulo
3.1. Causalidad
Uno de los principales objetivos de la investigación epidemiológica es establecer
las causas del fenómeno de interés. Una “causa” de enfermedad desde el punto
de vista epidemiológico es un evento, condición, característica o una combinación
de estos factores que juegan un papel importante en el desarrollo de la
enfermedad. La epidemiología ocupacional, se orienta a la identificación de las
causas de las enfermedades y lesiones resultantes de las exposiciones ocurridas
en el sitio de trabajo.
Son varios los modelos de causalidad propuestos, mencionaremos al “El Modelo
de Rothman”, como ejemplo y desarrollaremos a continuación. Este modelo define
como “causa suficiente” a un grupo de condiciones y acontecimientos mínimos
que, inevitablemente inician o producen la enfermedad. El modelo es determinista,
porque supone que la enfermedad puede tener una o más causas suficientes
(CS), cada una de las cuales determina la enfermedad, es decir diferentes
conjuntos de causas pueden interactuar y producir el mismo evento.
Dicho de otro modo, una causa es suficiente cuando la enfermedad es observada
en los individuos que presentan la causa, no obstante, la causa no se observa en
todos los individuos con la enfermedad porque existen otras causas para ella. Por
ejemplo, el hábito de fumar cigarrillos es una causa del cáncer de pulmón, pero
éste también es causado por la exposición a las fibras de asbesto o al gas radón.
Cada CS está compuesta por un grupo de causas componentes (CC). La
presencia de una CC aumenta la probabilidad de que la enfermedad se produzca,
es decir la presencia de CC equivale a la presencia de los factores de riesgo. Para
este modelo una causa se denomina “necesaria” (CN) cuando ésta siempre debe
anteceder una enfermedad. Una causa es necesaria cuando debe estar presente
en los individuos para contraer la enfermedad, sin embargo, su presencia no
siempre conduce al desarrollo de enfermedad. Por ejemplo el bacilo de la
tuberculosis (Mycobacterium bacillus) debe estar presente para causar la
tuberculosis, pero, la aparición de la tuberculosis no siempre se observa en los
individuos portadores del bacilo.
Causa
Suficiente I
Causa
Suficiente II
D
E
A
H
C
B
Causa
Suficiente III
G
A
E
F
B
I
A
F
C
Figura 1. La figura muestra una enfermedad que tiene 3 complejas causas
suficientes, cada una de 5 causas componentes. “A” es una causa necesaria ya
que esta aparece como miembro de cada causa suficiente. “B”, “C” y, “F” no son
causas necesarias ya que ellas no aparecen en todas las 3 causas suficientes.
Otro ejemplo de CS y CN corresponde al cáncer de pulmón, éste puede ser
atribuido a diferentes causas suficientes (humo de tabaco, metales pesados,
asbesto, etc.), todas son suficientes para producir el evento, pero no todas son
necesarias. Cualquier causa podría comportarse como necesaria, suficiente,
ninguna de las dos o ambas.
Hay que considerar que cada enfermedad posee muchas causas (CS, CC y CN)
las cuales interactúan entre ellas, por lo que resultaría imposible predecir que
ocurrirá en cada caso en particular. Además de lo difícil que resultaría determinar
todas las causas, aunque éstas se conocieran, sería difícil determinar cuales
actuarían en cada caso.
De acuerdo a este modelo, un factor es una causa de la enfermedad si la
alteración de éste resulta en una variación de la frecuencia del evento. Por este
motivo, el modelo resulta útil desde el punto de vista de la prevención, ya que no
es necesario conocer todas las causas componentes para prevenir la enfermedad.
Efectivamente, al identificar y eliminar sólo uno de los factores de la causa
suficiente, se previenen los casos de la enfermedad que esta causa suficiente
origina.
Al estudiar la causalidad uno debe considerar que los factores de riesgo juegan
diferentes roles en el desarrollo de la enfermedad. Por esto los factores causales
han sido diferenciados en los siguientes grupos, los cuales, no son mutuamente
excluyentes:
1. Factores predisponentes – factores que crean un estado de sensibilidad hacia
un agente patógeno. La edad, el grado educacional, ocurrencia previa de la
enfermedad y el ambiente laboral son ejemplos de factores que podrían hacer a
los individuos más susceptibles a un agente patógeno.
2. Factores facilitadores – factores que facilitan la manifestación de la
enfermedad o por el contrario facilitan la recuperación de una enfermedad. Los
ingresos, el acceso a la atención médica y la nutrición son ejemplos de factores
cuya ausencia podrían facilitar la manifestación de las enfermedades y que
apoyan la recuperación en su presencia.
3. Factores desencadenantes – factores que están asociados con la aparición
definitiva de la enfermedad. A menudo un factor es más importante u obviamente
más reconocible que otro cuando hay varios factores involucrados. Algunos
ejemplos son la exposición a un medicamento, agentes intoxicantes o
traumatismos físicos.
4. Factores potenciadores – factores repetitivos, recurrentes, persistentes que
tienden a perpetuar o agravar la presencia de una enfermedad. Por ejemplo la
exposición repetida al mismo agente tóxico (en la ausencia de una reacción
aguda) y el trabajo.
La realización de una investigación epidemiológica consiste en calcular el riesgo
de la ocurrencia de una enfermedad con relación a uno o más factores de riesgo o
exposiciones mediante los métodos estadísticos. En realidad, la estimación de
riesgo representa la magnitud de la asociación entre el factor de riesgo y la
enfermedad en estudio.
La inferencia causal es el proceso de determinar si la estimación de riesgos
denota causalidad. Es decir, si el factor de riesgo o la exposición bajo
investigación es en realidad una causa de la enfermedad. Antes de establecer
causalidad, otras explicaciones potenciales para las asociaciones tendrían que ser
excluidas como el sesgo y la confusión.
3.2. Validez y precisión en los estudios epidemiológicos
Es importante que el cálculo del riesgo de un estudio represente el efecto
verdadero, que será el caso cuando un estudio es válido. Se distinguen dos tipos
de validez de estudio: la interna y la externa. La validez interna se refiere a que los
resultados del estudio sean atribuidos sólo al efecto bajo investigación. Esto es
posible cuando todas las fuentes de error han sido reducidas al mínimo en las
etapas de diseño, implementación y análisis del estudio. La validez externa se
refiere a que los resultados del estudio sean generalizables, esto es, cuando un
estudio produce inferencias imparciales con respecto a una población objetivo. Por
ejemplo, los resultados de un estudio realizado en hombres podrían no ser
generalizables en mujeres, quienes también forman parte de la misma población
objetivo desde dónde los hombres vinieron.
Los errores en los estudios epidemiológicos conducen a un cálculo sesgado del
estimador de riesgo y a inferencias incorrectas acerca de la relación entre el factor
de riesgo y la enfermedad bajo investigación. Un estudio es válido cuando sus
resultados corresponden a la verdad. Al reducir al mínimo los errores, en las
etapas de planificación y de ejecución del estudio, el investigador tiene mas fuerza
para llegar a la conclusión de que los resultados representan el valor verdadero.
Sólo los estudios con resultados válidos son útiles para el proceso de inferencia
causal.
3.2.1. Tipos de error
Los errores pueden clasificarse como: aleatorio o sistemático.
1. El error aleatorio es parte de la variación, en una medición, que generalmente
es considerada como debida solo al azar. Existen varias fuentes de error aleatorio.
Una fuente principal de este tipo de error es el proceso de establecer la muestra
de estudio. Esta forma de error aleatorio también se conoce como error de
muestreo. La principal forma de reducir el error aleatorio es agrandar el tamaño
muestral en estudio. Esto aumentará la precisión del cálculo de riesgo y por
consiguiente, del estudio.
2. El error sistemático es el resultado de los defectos en el método de selección
de los participantes en estudio o en los procedimientos de recolección de
información pertinente a la exposición o enfermedad. En consecuencia, los
resultados observados del estudio tenderán a ser diferentes de los resultados
verdaderos. Esta tendencia hacia los resultados erróneos es llamada sesgo.
Minimizar el sesgo aumentará la validez del cálculo de riesgo.
La Figura 2 muestra los efectos de los errores aleatorios y sistemáticos sobre los
cálculos de riesgo. El error aleatorio conduce a la imprecisión en el cálculo de
riesgo. Puede observarse que los cálculos de riesgo a menudo rodean la verdad
(punto central) pero se propagan aleatoriamente alrededor de ello. En contraste, el
error sistemático no afecta la precisión del cálculo de riesgo. Sin embargo, esto
conduce a la generación de cálculos de riesgo que sistemáticamente son
diferentes de la verdad.
Figura 2. Validez y Precisión
Error Aleatorio - Imprecisión
x
Error Sistemático - Sesgo
x
x
x
x
x
xx
x
x
Antes de que el resultado de un estudio se evalúe para establecer la posibilidad de
que la relación arrojada sea causal, es importante determinar la validez y la
precisión del estudio. Las posibilidades de explicaciones alternativas para los
cálculos de efectos como el azar, el sesgo y la confusión deberán ser excluidos
(Figura 3).
Figura 3. Evaluación de la Relación entre una Causa Posible y la Enfermedad
ASOCIACIÓN OBSERVADA
¿Puede ser debida a
sesgos de selección o
medición?
NO
¿Puede deberse a
fenómenos de confusión?
NO
¿Puede ser una
casualidad?
PROBABLEMENTE NO
¿Puede ser causal?
Aplicar los criterios y llegar a una
conclusión
Fuente: Epidemiología Básica, OPS.
3.2.2. Sesgos
Como se menciono anteriormente, el sesgo es una desviación sistemática de los
resultados o las inferencias del valor verdadero. El sesgo en los estudios
epidemiológicos puede clasificarse en dos tipos principales: el sesgo de selección
y de información.
El sesgo de selección ocurre cuando hay diferencias entre los que participan en el
estudio y aquellos que no participan, y esas diferencias tienen un efecto sobre el
cálculo de riesgo, desviándolo de su valor verdadero. Estas diferencias introducen
un sesgo en el cálculo de riesgo cuando sus características se relacionan
sistemáticamente con la exposición o enfermedad bajo estudio.
Al planificar un estudio epidemiológico, el investigador debe identificar si existe el
potencial para la ocurrencia de algún tipo de sesgo y encontrar las maneras de
reducirlo. Existen muchas maneras en que se puede introducir un sesgo de
selección al estudio. Algunos ejemplos son: 1) La percepción o el conocimiento del
tema del estudio influye en el deseo de participar de los sujetos (Ej.: el uso de las
drogas o el alcohol); 2) Un deficiente marco de muestreo que excluye
sistemáticamente a un grupo de sujetos con características similares (Ej.: realizar
entrevistas por teléfono en un distrito donde aquellos pertenecientes a los estratos
socioeconómicos bajos no tienen teléfonos); 3) Los voluntarios (Ej.: usualmente
los voluntarios tienen una motivación especial para participar en un estudios como
una mayor percepción de riesgo o un alto nivel educacional).
Un caso especial de sesgo de selección en los estudios ocupacionales es el efecto
del trabajador saludable. Los trabajadores generalmente presentan tasas de
mortalidad general inferiores que la población en general, esto porque el enfermo
grave y los discapacitados crónicos son generalmente excluidos del empleo. Los
trabajadores son más saludables que la población en general, por tanto, las tasas
de mortalidad de la población general no son comparables con las tasas de la
población laboral.
El sesgo de información es una falla en la medición de los factores de riesgo o los
datos de enfermedad que da lugar a una calidad diferente de la información entre
los grupos de comparación. Esto conduce a una medida de la variable de estudio
que es diferente de su valor verdadero y puede producir una clasificación errónea
de los sujetos de estudio con respecto a la exposición, la enfermedad o ambos. La
presencia del sesgo de información tiene un efecto en el cálculo de riesgo
desviándolo de su valor verdadero.
Existen muchas maneras en que se puede incluir un sesgo de información al
estudio. Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de la
variable de estudio (Ej.: El esfigmomanómetro no esta calibrado); 2) El
entrevistador subconscientemente o conscientemente busca y recolecta datos
selectivamente (Ej.: sesgo del entrevistador); 3) Los sujetos de estudio tienen una
memoria inexacta o incompleta de los eventos o experiencias pasadas
relacionadas con la pregunta de estudio (Ej.: sesgo del memoria).
3.2.3. Confusión
La confusión es otra fuente de error en los estudios epidemiológicos. Ocurre
cuando hay un tercera variable que puede causar la enfermedad en estudio y que
a su vez está asociada con el factor de riesgo bajo investigación. A menos que
sea posible ajustar el efecto de confusión de esta tercera variable, sus efectos no
pueden distinguirse de los del factor de riesgo en estudio.
La figura 4 intenta explicar esta relación. El asbesto es un factor de riesgo
conocido del cáncer de pulmón. También el hábito de fumar cigarrillos es un factor
de riesgo del cáncer de pulmón. Tanto el hábito de fumar como la exposición al
asbesto son factores de riesgo del cáncer de pulmón, la confusión ocurrirá si la
distribución del fumar en los sujetos de estudio varia concurrentemente con la
distribución de la exposición al asbesto. Por ejemplo si los que fumaron son
también aquellos que están más expuestos al asbesto. Para calcular
apropiadamente la magnitud de la asociación entre el asbesto y el cáncer de
pulmón es importante reducir el efecto de confusión introducido por el hábito de
fumar. A menudo, más de una variable puede introducir confusión.
La confusión tiene el mismo efecto sobre los cálculos de riesgo que el sesgo.
Produciendo una desviación de los cálculos de riesgo del verdadero valor, aunque
no es un sesgo.
Figura 4. Efecto de confusión del fumar cigarrillos en la relación entre la
exposición a asbestos y el cáncer de pulmón
CÁNCER DE
PULMÓN
EXPOSICIÓN
AL ASBESTO
FUMAR CIGARILLOS
3.2.4. Modificación de efecto
Después de excluir el factor de confusión como una explicación de la asociación
de estudio es importante evaluar una potencial modificación del efecto. Un
modificador de efecto es un factor que modifica el efecto del factor de riesgo en
estudio. Ocurre cuando el cálculo de riesgo en presencia de dos factores de riesgo
es diferente del cálculo de riesgo esperado como resultado de los efectos
individuales de estos factores. El efecto puede ser mayor (sinergismo) o menor
(antagonismo) que la suma de los efectos individuales.
La modificación de efecto es detectada al generar cálculos de riesgo para el factor
de riesgo en estudio a través de los niveles de un tercer factor (Tabla 1). La tasa
de cáncer de pulmón en los no fumadores que están expuestos al asbesto es
mayor que en la tasa del grupo no expuesto, sin embargo, el efecto de la
exposición a asbesto en el cáncer de pulmón es mucho mayor cuando la persona
es fumadora.
Tabla 1. Tasa de mortalidad estandarizada del cáncer de pulmón (por 100000
habitantes) en relación a los fumadores y la exposición al polvo de asbesto
Exposición
al asbesto
Historia de
fumador
No
No
Tasa de mortalidad
por cáncer del
pulmón
11
Sí
No
58
No
Sí
123
Sí
Sí
602
Finalmente, los datos derivados de la investigación epidemiológica se usan para la
toma de decisiones. Por ejemplo, los organismos reguladores dependen de los
datos epidemiológicos cuando proponen los límites de exposición laboral. De ahí
la importancia de realizar estudios epidemiológicos que estén libres de sesgos y
de comprender el impacto de los retos que conlleva el proceso de inferencia
causal.
3.3. Criterios de causalidad
Una vez que la validez del estudio ha resultado ser adecuada, el próximo paso es
comparar sus resultados con los de otros estudios epidemiológicos realizados con
el mismo propósito.
A menudo la determinación de la causalidad ha sido establecida mediante la
construcción de un juicio subjetivo. Un enfoque sistemático fue desarrollado por el
médico estadista británico Austin Bradford Hill, para ayudar a establecer un
proceso de inferencia causal más objetivo. Esta guía se conoce como los Criterios
de Causalidad de Hill. Una versión adaptada se muestra en la tabla 2.
Tabla 2. Criterios de Causalidad de Hill (adaptado)
Consistencia
La asociación de estudio es consistente cuando los
resultados son replicados en estudios epidemiológicos
realizados en diferentes poblaciones utilizando diferentes
diseños de estudio.
Es definido por el tamaño del cálculo del riesgo derivado del
análisis estadístico.
Fuerza de la
asociación
Relación
El tamaño del cálculo del riesgo se incrementa con el
dosis incremento de los niveles de exposición.
respuesta
La exposición siempre precede al resultado. Este es el único
Secuencia
criterio absolutamente esencial.
temporal
La asociación esta acorde con la consecuente aceptación de
Plausibilidad
los procesos biológicos.
biológica
Adaptado de Last JM. A Diccionario de Epidemiología. 4ta edición.
En muchas situaciones una relación causa-efecto es difícil de establecer.
Además, un estudio es generalmente insuficiente para establecer causalidad. La
determinación de la causalidad se deriva cuando existe un gran cuerpo de
evidencia sobre la asociación de estudio. A partir de la base de evidencia, esta
guía se utiliza para organizar la información e impulsar los procesos inferenciales.
Antes de realizar un estudio se espera que el investigador realice una revisión de
la bibliografía existente sobre la asociación de interés. El análisis de los estudios
existentes recolectados por el investigador debe realizarse siguiendo esta guía.
Es también útil obtener la evidencia de otros campos de estudio en apoyo a la
asociación bajo estudio. La evidencia de otros campos de investigación puede
suministrar información que los estudios epidemiológicos no pueden generar
debido a su naturaleza observacional.
4. Referencias Bibliograficas
-
Armstrong BK, White E, Saracci R. Principles of exposure measurement in
epidemiology. Oxford Medical Publications. New York. 1992
Beaglehole R, Bonita R, Kjellstrom T. Basic epidemiology. World Health
Organization. Geneva. 1993
Gordis L. Epidemiology. WB Saunders Company. Philadelphia. 1996
Last JM. A dictionary of epidemiology. Oxford University Press. New York.
2001
Rothman KJ.
Modern epidemiology.
Little, Brown and Company.
Boston/Toronto, 1986.
Szklo M, Nieto FJ. Epidemiology, beyond the basics. Aspen Publishers, Inc.
Maryland, 2000.