causality en epidemiologia

49
CAUSALIDAD EN EPIDEMIOLOGIA DRA MAYRA CISNEROS DRA. LILIANA RUBIO CARDONA RESIDENCIA MEDICINA FAMILIAR

Upload: anikablue

Post on 11-Jun-2015

818 views

Category:

Documents


4 download

TRANSCRIPT

Page 1: Causality en Epidemiologia

CAUSALIDAD EN EPIDEMIOLOGIA

DRA MAYRA CISNEROSDRA. LILIANA RUBIO CARDONA

RESIDENCIA MEDICINA FAMILIAR

Page 2: Causality en Epidemiologia

CAUSALIDAD

• Es el estudio de la relación etiológica entre una exposición y la aparición de un efecto secundario.

• Evento, condición o característica previa que fue necesaria para la ocurrencia de la enfermedad en el momento que ocurrió.

• Es la identificación de los factores o agentes que causan las enfermedades

Page 3: Causality en Epidemiologia

CAUSA

• Evento o un estado de la naturaleza que inicia o permite —sólo o en conjunto con otras —otra secuencia de eventos que resultan en un efecto

• Fundamento u origen de algo, la razón o motivo

• Factor que es posible o conveniente alterar para producir, modificar o prevenir un efecto.

Page 4: Causality en Epidemiologia

CAUSALIDAD

• Única o Múltiple• Causa suficiente: Si el factor (causa) está

presente, el efecto (enfermedad) siempre ocurre.• Causa necesaria: Si el factor (causa) está

ausente, el efecto (enfermedad no puede ocurrir.• Factores de Riesgo: – Características que aumentan la probabilidad de que

una persona sana desarrolle una enfermedad

Page 5: Causality en Epidemiologia

FACTORES CAUSALES

• Factores biológicos (edad, sexo, raza, peso, talla, composición genética, estado nutricional, estado inmunológico).

• Factores psicológicos (autoestima, patrón de conducta, estilo de vida, respuesta al estrés).

• Factores relacionados con el medio ambiente social y cultural (calentamiento global, contaminación, cambios demográficos, estilo de vida, actividad física durante el tiempo de ocio, pertenencia a una red social, acceso a servicios básicos, hacinamiento, drogadicción, alcoholismo).

• Factores económicos (nivel socioeconómico, categoría profesional, nivel educativo, pobreza).

Page 6: Causality en Epidemiologia

FACTORES CAUSALES

• Ámbito laboral (accidente de trabajo, empleo, pérdida del empleo, acceso a la seguridad social, tensión laboral, contaminación sonora, condiciones del ambiente de trabajo).

• Factores políticos (guerras, embargos, pago de la deuda externa, globalización, invasión).

• Factores relacionados con el medio ambiente físico (geología, clima, causas físicas, causas químicas, presencia de vectores, deforestación.

• Servicios de salud (acceso a servicios de salud, programas de control y erradicación de enfermedades, vigilancia epidemiológica, vigilancia nutricional).

Page 7: Causality en Epidemiologia

FISLOSOFIA

• Tales de Mileto:– Causas Inmediatas y Esenciales o finales

• Aristóteles: – Causa material: es el sujeto u objeto en el que

ocurren las cosas; – Causa eficiente: es el proceso en desarrollo; – Causa formal– Causa final

Page 8: Causality en Epidemiologia

HISTORIA Y FILOSOFIA

• Leibniz: La causalidad es un principio del ser, un aspecto fundamental e inseparable del mismo

• David Hume: La causalidad es la forma en que se expresan las leyes científicas basadas en una generalización de la experiencia y con capacidad predictiva

• Kant :“Todo nuestro conocimiento comienza con la experiencia". La causalidad es un apriori que se necesita para el conocimiento racional, en tanto que todo lo que ocurre supone algo previo y señala “todo cambio tiene que tener una causa”

Page 9: Causality en Epidemiologia

ELEMENTOS DE LA RELACION CAUSAL

• Elemento Inicial o Causa > Relación de ambos

• Elemento Final o Efecto.

• El efecto se define en términos de cambio con respecto a su situación previa o a lo que hubiera ocurrido si no hubiera habido causa

FUNCIÓN O CONDICIÓN.

Page 10: Causality en Epidemiologia

RELACION CONDICIONAL

• a) Necesaria y suficiente: Si A, entonces B y si B, entonces A.

• Relación o asociación causal directa: El factor ejerce su efecto en ausencia de otros factores o variables intermediarias. En este caso se habla de una relación necesaria y suficiente.

• Ejemplo: muy rara en procesos biológicos o médicos

Page 11: Causality en Epidemiologia

RELACION CONDICIONAL

• b) Necesaria y no suficiente: Si A, entonces B o no B y si B, entonces A.

• Necesaria y no suficiente: Cada factor es necesario, pero no es suficiente para producir la enfermedad. Ejemplo: virus del papiloma humano y cáncer del cuello uterino, bacilo de Koch y tuberculosis.

Page 12: Causality en Epidemiologia

RELACION CONDICIONAL• c) No necesaria y suficiente: Si A, entonces B y si B,

entonces A o no A.• No necesaria y suficiente: El factor puede producir la

enfermedad, pero también otros factores que actúan solos. Ejemplo: leucemia puede ser producida por exposición a la radiación y por exposición al benceno.

• Ejemplo: leucemia puede ser producida por exposición a la radiación y por exposición al benceno

Page 13: Causality en Epidemiologia

RELACION CONDICIONAL

• d) No necesaria y no suficiente: Si A, entonces B o no B y si B, entonces A o no A.

• No necesaria y no suficiente: Ningún factor por sí solo es necesario ni suficiente. Ejemplo: la mayoría de enfermedades crónicas como diabetes mellitus, hipertensión arterial.

• Ejemplo: la mayoría de enfermedades crónicas como diabetes mellitus, hipertensión arterial.

Page 14: Causality en Epidemiologia

RELACION CONDICIONAL

• Relación o asociación causal indirecta: El factor ejerce su efecto vía factores o variables intermediarias.

• Relación o asociación no causal: La relación entre dos variables es estadísticamente significativa, pero no existe relación causal, sea porque la relación temporal es incorrecta (la presunta causa aparece después y no antes del presunto efecto) o porque otro factor es responsable de la presunta causa y del presunto efecto (confusión).

Page 15: Causality en Epidemiologia

CARACTERISTICAS RELACION CAUSAL

• La temporalidad: la causa precede al efecto

• La dirección: La relación va de la causa al efecto

• La asociación: Cuantificación de la constancia de la relación.

Page 16: Causality en Epidemiologia

MODELOS CAUSALES

• Modelo de Koch-Henle. Sugerido por Koch en 1882, a propósito de la tuberculosis y paradigmático en el estudio de las enfermedades infecciosas

• a) El microorganismo debe encontrarse siempre en los casos de enfermedad.

• b) El microorganismo deberá poder ser aislado en cultivo, demostrando ser una estructura viva y distinta de otras que puedan encontrarse en otras enfermedades.

• c) El microorganismo cultivado deberá ser capaz de producir la enfermedad en el animal de experimentación.

• d) Es preciso recuperar el microorganismo a partir del animal e identificarlo.

Page 17: Causality en Epidemiologia

MODELOS CAUSALES

• Modelo de Austin Bradford-Hill. Se conocen como criterios de Bradford Hill, es paradigmático en el estudio de las enfermedades no infecciosas (relación causal no necesaria y no suficiente).

• 1) Fuerza de asociación, medida con los índices estadísticos apropiados.

• 2) Congruencia entre distintos observadores, en diferentes lugares, tiempos y circunstancias.

• 3) Especificidad de las causas.• 4) Temporalidad.• 5) Gradiente biológico en la relación dosis-respuesta.• 6) Plausibilidad biológica.• 7) Coherencia con otros conocimientos.• 8) Evidencia experimental.• 9) Analogía con otras relaciones causales.

Page 18: Causality en Epidemiologia

MODELOS CAUSALES

• Modelo de Rothman. Contenido teórico y contempla las relaciones multicausales. Fue desarrollado en el ámbito de la epidemiología y es el más adaptado a los métodos estadísticos multivariantes.

• Define como causa a todo acontecimiento, condición o característica que juega un papel esencial en producir un efecto.

• Distingue entre causa componente, suficiente y necesaria.

• Sus características son:

Page 19: Causality en Epidemiologia

Modelo de Rothman.

• a) Ninguna de las causas componentes es superflua.• b) No exige especificidad, pues un mismo efecto puede

ser producido por distintas causas suficientes.• c) Una causa componente puede formar parte de más de

una causa suficiente para el mismo efecto. Si una causa componente forma parte de todas las causas suficientes de un efecto se le denomina causa necesaria.

• d) Una misma causa componente puede formar parte de distintas causas suficientes de distintos efectos.

• e) Dos causas componentes de una causa suficiente se considera que tienen una interacción biológica, es decir, ninguna actúa por su cuenta. El grado de interacción puede depender de otras causas componentes.

Page 20: Causality en Epidemiologia

LOS POSTULADOS DE EVANS

• 1. La proporción de individuos enfermos debería ser significativamente mayor entre aquellos expuestos a la supuesta causa, en comparación con aquellos que no lo están.

• 2. La exposición a la supuesta causa debería ser más frecuente entre aquellos individuos que padecen la enfermedad que en aquellos que no la padecen.

• 3. El número de casos nuevos de la enfermedad debería ser significativamente mayor en los individuos expuestos a la supuesta causa en comparación con los no expuestos, como se puede comprobar en los estudios prospectivos.

Page 21: Causality en Epidemiologia

LOS POSTULADOS DE EVANS

• 4. De forma transitoria, la enfermedad debería mostrar tras la exposición a la supuesta causa, una distribución de los períodos de incubación representada por una curva en forma de campana.

• 5. Tras la exposición a la supuesta causa debería aparecer un amplio abanico de respuestas por parte del hospedador, desde leves hasta graves, a lo largo de un gradiente biológico lógico.

• 6. Previniendo o modificando la respuesta del huésped, debe disminuir o eliminarse la presentación de la enfermedad (por ej.: vacunando o tratando con antibióticos a una población expuesta o enferma).

Page 22: Causality en Epidemiologia

LOS POSTULADOS DE EVANS• 7. La reproducción experimental de la enfermedad debería tener lugar con

mayor frecuencia en animales u hombres expuestos adecuadamente a la supuesta causa, en comparación con aquellos no expuestos; esta exposición puede ser deliberada en voluntarios, inducida de forma experimental en el laboratorio o demostrada mediante la modificación controlada de la exposición natural.

• 8. La eliminación (por ejemplo la anulación de un agente infeccioso específico) o la modificación (por ejemplo la alteración de una dieta deficiente) de la supuesta causa debería producir la reducción de la frecuencia de presentación de la enfermedad.

• 9. La prevención o la modificación de la respuesta del hospedador (por ejemplo, mediante inmunización) debería reducir o eliminar la enfermedad que normalmente se produce tras la exposición a la causa supuesta.

• 10. Todas las relaciones y asociaciones deberían de ser biológica y epidemiológicamente verosímiles.

Page 23: Causality en Epidemiologia

La existencia de asociación no implica necesariamente causalidad.

Evaluaciones causa-efecto en medicina

Una asociación puede definirse como la dependencia estadística que existe entre dos o más factores.

Donde la ocurrencia de un factor aumenta (o disminuye) a medida que varía el otro

Page 24: Causality en Epidemiologia

Una asociación causal (o relación de causa-efecto) se manifiesta cuando el cambio en la frecuencia o intensidad de la exposición es seguido por un cambio en la frecuencia o intensidad del efecto.

Enfermedades no infecciosas o crónico-degenerativas

CAUSA CAUSA NECESARIA

FACTORES DE RIESGO

CAUSA SUFICIENTE(EXCEPTO LA CAUSA

NECESARIA).

Al suprimir la causa, el efecto se erradica;Al eliminar el factor de riesgo,

el efecto disminuye en frecuencia.

Page 25: Causality en Epidemiologia

El razonamiento básico para establecer una relación causal es la secuencia de eventos, esto es, la causa precede al efecto.

Evitar la falacia circular: Posthoc ergo

si ocurre después dePropter hoc

luego es su causa.

Concluir que dos o más factores tienen relación causa-efecto es necesario demostrar que la

asociación entre ellos es válida y causal.

Page 26: Causality en Epidemiologia

Asociación válida

• Asociación real o verdadera• Nos conlleva un efecto mínimo del azar y del

sesgo, o de uno y otro.

Page 27: Causality en Epidemiologia

Valor igual o menor que 0.05

error aleatorio o azar

• Inherente a todas las observaciones.• Asociación puede valorarse aplicando el valor

resultante de p

Page 28: Causality en Epidemiologia

IC 95% • Medida de asociación con 95% de

seguridad• El valor p y el IC 95% es

complementaria

• En función del valor de p, una asociación que no es estadísticamente significativa

• sin embargo, el IC quizá no excluya la posibilidad de que exista dicha asociación y, es posible que proporcione información sobre su magnitud.

• a menor tamaño de muestra, mayor es el valor p y más amplio el intervalo.20

Page 29: Causality en Epidemiologia

SESGOS

• Son errores sistemáticos e involuntarios

• Cualquier fase del proceso de evaluación

• Sesgos de selección, medición y confusión.

Page 30: Causality en Epidemiologia

Selección Difieren en características con respecto de la población a la que se pretende extrapolarAfectan la validez externa de los resultados del estudio.

Medición Durante la fase de obtención de la informaciónCriterios diferentes de recolección o interpretación de los datos o ambos.

ConfusionLa asociación entre dos factores puede afectarse por la coexistencia de otrosSe asocian tanto a la exposición, como al efectoPero no constituyen un componente de la cadena de factores causantes del desenlace.No son mutuamente excluyentes .

A menudo, en un mismo estudio puede existir más de un sesgo.

Page 31: Causality en Epidemiologia

………..los efectos del azar y el sesgo en la evaluación de una asociación están relacionados

con el rigor metodológico del estudio. Los tipos de sesgo considerados provocan una comparación

distorsionada dentro del modelo de razonamiento causa-efecto…….

Respecto a los diseños de investigación en medicina,tienen rigor metodológico decreciente en relación

con ladeterminación de causalidad

Page 32: Causality en Epidemiologia

Ensayo clínico controlado o estudio clínico experimental

Estudios prospectivosSujetos de una muestra, similares o comparablesAzar (ensayo clínico aleatorizado) Dos o más gruposGrupo ControlDoble ciego.Limitante (investigación de causas o fx de riesgo de enfermedades, principalmente por razones éticas, o por el número de sujetos por estudiar y el tiempo de realización)

Tratamiento experimental elgrupo control no necesariamente

recibe un placebo pues puede recibir el mejor tratamiento

vigente al momento delEnsayo.

Page 33: Causality en Epidemiologia

Estudio de cohortes.• Diseño comparativo, pero no recurre a la asignación aleatoria. • Sujetos son clasificados según: interés (expuesta y no expuesta)• Observan (estudio observacional)• Período específico (Determinar la frecuencia de• aparición del efecto).• Ocurrencia del evento (prospectivos y retrospectivos).• Se conoce claramente la secuencia temporal de exposición y enfermedad.• NO garantiza una distribución similar de características• entre los grupos expuesto y no expuesto.• Inconvenientes del tamaño de la muestra y el seguimiento, por lo que

puede ser muy costoso.

Page 34: Causality en Epidemiologia

Estudio de casos y controles.Individuos que ya tuvieron

el efecto y un conjunto de personas denominados

controles que no lo muestran.

Retrospectivamente el antecedente de exposición

a la causa o al factor de riesgo sospechado.

La diferencia principal entre este diseño y el de cohortes estriba en la selección de los sujetos de estudio.

El diseño de casos y controles tiene más posibilidades de comprometer la comparabilidad de uno y otro grupos

Por utilizar la secuencia de efecto a exposición, existe dificultad para asegurar una secuencia temporal lógica, donde la exposición antecede al efecto.

Por lo tanto, un diseño más fácil y rápido de efectuar, aunque metodológicamente más débil para la evaluación de causalidad.

Page 35: Causality en Epidemiologia

Diseños transversales

• Imagen instantánea de la coexistencia de la exposición y el efecto

• Limitaciones metodológicas del estudio de casos y controles

• Mayor dificultad para demostrar la secuencia temporal de causa y efecto.

Page 36: Causality en Epidemiologia

Estudios descriptivos

• Son los menos recomendables para este efecto.• Prospectiva• Retrospectivamente• No se tienen grupos controles o grupos de

referencia con los cuales comparar.• Depende de lo éticamente posible, de la

disponibilidad de individuos o pacientes y de los recursos disponibles.

Page 37: Causality en Epidemiologia

Comprobación del tipo de asociación

1.- Fuerza de asociación. Es la magnitud con que aumenta el

riesgo de desarrollar un efecto cuando se presenta una exposición.

Se usan el riesgo relativo (RR), el riesgo• atribuible (RA) y la fracción etiológica (FE).

Page 38: Causality en Epidemiologia

El riesgo relativo o razón de incidencia acumulada

Razón existente entre el riesgo de los expuestos (incidencia del efecto en los expuestos) y el riesgo de los no expuestos (incidencia del efecto en los no expuestos).

Es la medida que refleja mejor la probabilidad de padecer la enfermedad en función de la exposición.

Page 39: Causality en Epidemiologia

• Iai (incidencia acumulada)• Riesgo de enfermar entre los

expuestos • IAo (incidencia acumulada) o

riesgo de enfermar en los no expuestos.

• Estudios prospectivos,• Experimentales o de cohorte,

donde es posible estimar la incidencia del efecto.

Page 40: Causality en Epidemiologia

• En los estudios de casos y controles se utiliza una estimación indirecta del riesgo relativo,

que se conoce como razón de productos cruzados (RPC) o razón de momios (RM) u

odds ratio (OR).

Page 41: Causality en Epidemiologia

Riesgo relativo o una razón de momios

• Valor de 1 se consideran nulos• Si el valor es menor de 1, la exposición

disminuye la posibilidad de• desarrollar el evento (protector)• RR o RM es mayor de 1, la exposición se

encuentra asociada positivamente con el evento(> probabilidad de desarrollarlo)

• Significación clínica de la significación estadística

Page 42: Causality en Epidemiologia

riesgo atribuible

• Diferencia de riesgos • Distinguir el efecto absoluto de la exposición y

expresa la proporción de individuos expuestos que, por efecto de la exposición, desarrollarán el efecto.

• La fracción etiológica (o porcentaje de riesgo atribuible) permite estimar la proporción del riesgo o el efecto observado en los sujetos expuestos, que es atribuible a la exposición.

Page 43: Causality en Epidemiologia
Page 44: Causality en Epidemiologia
Page 45: Causality en Epidemiologia

2. Congruencia.

• Asociación entre la exposición y el evento de interés ha sido reproducida por investigadores diferentes, utilizando diseños diferentes en medios también diferentes. La mejor evidencia sobre la congruencia, para Sackett, proviene de los estudios de metaanálisis.

Page 46: Causality en Epidemiologia

3. Relación temporal.

• La exposición debe anteceder al• efecto. Esta relación puede ser notada fácilmente en los• estudios prospectivos, pero no en los estudios de casos y• controles, así como en los transversales. Además, en• ocasiones no es fácil establecer la relación temporal,• principalmente cuando el tiempo transcurrido entre la• exposición y el desarrollo de las manifestaciones es largo.

Page 47: Causality en Epidemiologia

4. Gradiente dosis-respuesta

• A mayor magnitud o intensidad de exposición, Debe esperarse que sea mayor la magnitud o intensidad del efecto.

• Este gradiente también puede ser entre el tiempo de exposición y el efecto.

.

Page 48: Causality en Epidemiologia

5. Credibilidad epidemiológica.

• Si existe asociación, cabe esperar que la distribución geográfica de la exposición sea paralela a la distribución del efecto.

• Si la exposición solamente se conoce para los grupos de población y no para los individuos de dichos grupos, los estudios utilizados son denominados estudios ecológicos o de riesgo agregado, en los cuales se valora la exposición media del grupo.

• Estudios incompletos, formular hipótesis• Requiere de estudios adicionales con mayor rigor

metodológico para el establecimiento de la causalidad.

Page 49: Causality en Epidemiologia

GRACIAS