desarrollo profesional

Indicadores de riesgo y criterios epidemiolgicos de causalidad

Cristina Fernndez Preza y Miguel Carrasco Asenjob
a b

Servicio de Medicina Preventiva. Hospital Clnico San Carlos. Madrid. Agencia Lan Entralgo. Madrid.

as investigaciones en biomedicina, y en las ciencias de la salud en general, tratan de relacionar entre s los fenmenos biolgicos y sociales que ocurren en las personas, de entenderlos y de proponer intervenciones eficaces y tiles a la comunidad para fomentar la salud, prevenir la enfermedad y atender a los enfermos cuando sta se produce. La actividad investigadora en estos campos de la ciencia se desarrolla desde dos enfoques distintos y complementarios: El enfoque bsico indaga en los mecanismos patognicos subyacentes que proporcionan una visin fundamental y comn de las enfermedades. El enfoque clnico/epidemiolgico indaga en las relaciones de los hechos biolgicos, ambientales, sociales y de atencin sanitaria, con

el fin de entender y explicar cmo se configuran las cadenas epidemiolgicas del proceso de enfermar. Se trata de una investigacin que nos orienta sobre las causas de la enfermedad, de las relaciones que existen entre ellas y de las magnitudes relativas de sus efectos en la salud y en la enfermedad. Aunque, como luego veremos, se ha avanzado en la comprensin del proceso de inferencia causal, en la investigacin clnico/ epidemiolgica todava tenemos la necesidad de formular un modelo general y coherente de causa que facilite la conceptualizacin relativa a la identificacin y distribucin de los factores determinantes de la salud o de las causas de la enfermedad y los problemas que conllevan su prevencin, asistencia y recuperacin. Para ello partiremos de dos conceptos, que son:

76

enero 2010 | www.jano.es

Ses

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

Causa, en general, el hecho, o suceso, o estado de la naturaleza que inicia o permite, sola o en unin de otras causas, una secuencia de sucesos que producen un efecto. Causa de una enfermedad, todo acontecimiento, condicin o caracterstica que desempea un papel esencial en producir su aparicin.

Tabla 1

Cuantificacin de la posible relacin causa-efecto

(X) Posible factor causal

(Y) Posible efecto Enfermo No enfermo - Si X es causa suficiente de Y, C es siempre 0 - Si X es causa necesaria de Y, B es siempre 0 - Si X es a la vez causa suficiente y necesaria de Y, B y C siempre sern 0

Expuesto A C

No expuesto B D

Modelos de causalidad
Existen varios modelos que explican la causalidad. Todos ellos pretenden presentar las posibles explicaciones etiolgicas de las enfermedades, considerando los conocimientos existentes en el momento que han sido planteados.

Se ha de tener en cuenta que esto pone en evidencia que, al menos tericamente, estas dos condiciones pueden ser independientes, esto es: Un Un Un Un factor factor factor factor puede puede puede puede ser necesario, pero no suficiente, como causa ser suficiente, pero no necesario, como causa ser necesario y suficiente como causa no ser necesario ni suficiente como causa

Modelo determinista
Clsicamente la definicin de causalidad, desde una concepcin puramente determinista, es la siguiente: Se entiende la causalidad como una conexin constante, nica, y perfectamente predecible entre dos factores X e Y; X es causa de Y, en un medio completamente estable, slo si cualquier manipulacin o cambio en X induce un cambio subsiguiente en Y. (Blalock, 1964). Esta definicin de causalidad requiere dos criterios: especificidad de causa y especificidad de efecto. Es decir, que X es slo causa de Y e Y es slo efecto de X. El criterio de especifidad de causa implica conocer otras dos condiciones: X es a la vez causa necesaria y causa suficiente de Y: X es causa necesaria si todos los cambios en Y deben ser precedidos por cambios en X. X es causa suficiente si todos los cambios en X inevitablemente conducen a cambios en Y. sta, llammosla, lgica determinista puede ser cuantificada crticamente mediante el ejemplo que nos propone Kleinbaum (tabla 1), al relacionar un posible factor causal con un posible efecto/enfermedad (Kleinbaum,1982). Hace un siglo R. Koch, con una visin determinista de la causa, propuso sus postulados para ser aplicados
www.jano.es | junio 2010

Es decir, ningn criterio de especificidad necesariamente implica al otro.

Fuente: Kleinbaum DG, Kupper LL, Morgenstern H. Epidemiologic research. Principles and quantitative methods. New York: Chap. 2. Van Nostrand Rainhotd Company; 1982.

como test de identificacin de agentes causales de enfermedad: Condicin necesaria: el agente debe estar presente en todos los casos de enfermedad. Especificidad de efecto: el agente no debe encontrarse de forma fortuita o sin causar patologa en alguien que no padece la enfermedad. Condicin suficiente: el agente, en cultivo puro, debe ser aislado del paciente e inducir la enfermedad si se le aplica a un animal susceptible. Como ya ha quedado planteado en el ejemplo de la tabla 1, actualmente este modelo es inadecuado para aplicarse en muchas enfermedades (Evans, 1978). Las limitaciones bsicas para utilizar el modelo determinista son las siguientes:

La etiologa multifactorial
Existen suficientes evidencias empricas para poder afirmar que las enferwww.jano.es | junio 2010

77

77

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

Criterios de causalidad Intensidad. Fuerza de la asociacin La magnitud o fuerza con la que dos fenmenos se presentan juntos puede servir de ayuda para valorar su relacin causal. As asociaciones muy fuertes sugieren esta relacin causal. Consistencia Si la misma asociacin se observa repetidamente en distintas circunstancias, a travs de diferentes estudios realizados por distintos investigadores y con metodologas diversas, se refuerza de manera importante la hiptesis de una relacin causal. Especificidad Conforme ms especifica sea la asociacin, es decir, de manera ms exclusiva se relacione la hipottica causa con el efecto y viceversa, ms se favorece la explicacin causal. Secuencia temporal Por definicin, la presencia de la causa debe anteceder a la aparicin del efecto. Gradiente biolgico Se refiere a la relacin dosis-respuesta entre las variables asociadas. Verosimilitud Es conveniente que la causa que suponemos sea biolgicamente verosmil (plausibilidad). Lo que es biolgicamente verosmil depende de los conocimientos biolgicos del momento. Coherencia La interpretacin de las observaciones como relacin causa-efecto no debe ser contradictoria con los hechos conocidos de la historia natural y la biologa de la enfermedad. Experimento Se refiere especialmente a la evidencia experimental o semiexperimental de los efectos de la eliminacin o de la actuacin sobre el hipottico agente causal. Analoga Si se conocen los efectos para determinados factores, se puede esperar que la exposicin a factores similares produzca efectos parecidos.
78
junio 2010 | www.jano.es

medades tienen ms de una causa. En muchas enfermedades infecciosas la presencia del agente microbiano (condicin necesaria) no siempre va acompaada de la aparicin de la presencia de la enfermedad (no es condicin suficiente y puede significar que no hay especificidad de efecto). El efecto puede depender de otros factores (nutricionales, emocionales, etc.). En las enfermedades crnicas (no inducidas por la presencia de un gen especfico), no existe un factor conocido que est presente en todos los casos de enfermedad. Esto es, que los factores pueden no ser causa necesaria en la aparicin de una enfermedad. Por ejemplo, el tabaco en el cncer de pulmn, o la arteriosclerosis en el infarto de miocardio.

dente cerebrovascular agudo? En este caso nosotros sabemos que no existe un valor umbral uniforme por encima del cual el efecto ocurre y por debajo no ocurre.

El conocimiento imperfecto
Tenemos un conocimiento incompleto de la enfermedad y una posibilidad limitada de observar y medir el proceso causal. Esto es, cuando estudiamos el efecto hipottico de un factor, no podemos estar absolutamente seguros de que otros efectos y otros factores no estn desempeando un papel aadido a los nuestros.

Modelo determinista modificado

Muchos investigadores han modificado el modelo determinista para explicar la multicausalidad de la enfermedad. Plantean la existencia de asociaciones de factores causales, ms que factores simples, siendo tratadas estas asociaciones como una causa suficiente. Cada asociacin suficiente tiene un efecto en esa enfermedad, lo cual es independiente de los efectos de esos factores en otras asociaciones (Rothman 1976). Kennet J. Rothman es, desde 1976, la referencia obligada para definir los conceptos de causa suficiente y de causas componentes. Segn su modelo, una causa suficiente podra ser definida como un grupo de condiciones y acontecimientos mnimos que, inevitablemente, producen la enfermedad. En este caso decir mnimos implica que ninguna de las condiciones o acontecimientos es superflua. En la etiologa de una enfermedad, el que se complete una causa suficiente puede ser considerado equivalente al desencadenamiento de esa enfermedad. Las principales asunciones de este modelo son las siguientes:

La multiplicidad de los efectos

Existe igualmente la evidencia de que la presencia de un determinado factor condiciona ms de un efecto patolgico.

Limitada conceptualizacin de los factores causales.

Existen dos aspectos que dificultan la aplicacin de los criterios de causalidad del modelo determinista: Si, hasta ahora, se ha mantenido que la causalidad depende de un cambio en el factor causal (riesgo), entonces cmo se deben interpretar la raza, el sexo, las predisposiciones genticas y otras caractersticas fijas en la etiologa de la enfermedad? Mientras que es posible mantener, en teora, que la causalidad debe implicar la relacin entre cambios secuenciales, al investigador no siempre le es posible observar, medir, o siquiera identificar los cambios relevantes. El modelo determinista tampoco nos permite aclarar el papel que desempean aquellos factores causales considerados como continuos, como son la edad, la presin sangunea, la obesidad, etc. Por ejemplo, qu nivel debe alcanzar la presin sangunea para provocar un acci-

Causas suficientes y causas componentes

Cada asociacin de causas componentes se considera mnimamente suficiente (es decir, no hay causas com-

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

ponentes ni de sobra ni ajenas) para producir la enfermedad. Tales causas componentes pueden desempear un papel en una, o en ms asociaciones causales. En la figura 1 se presenta la conceptualizacin de tres causas (asociaciones) suficientes de causas componentes para una misma enfermedad. De haber una causa componente que forme parte de todas las causas suficientes para que se d una enfermedad, entonces recibira el nombre de causa necesaria (A). En la figura 2 se representa esta conceptualizacin haciendo referencia a una enfermedad concreta, si bien no se recogen aspectos del proceso causal del tipo de la secuencia de accin, o la dosis, u otras complejidades. Tales aspectos de dicho proceso pueden ser acomodados por el modelo mediante una definicin apropiada de cada componente causal.

Fuerza de las causas

La fuerza aparente de una causa suficiente est determinada por la prevalencia relativa de las causas componentes. Un factor raro se convierte en una causa fuerte si sus complementarios son muy comunes. En una causa suficiente I, los factores A, B, C y D son muy comunes o experimentados por la gente; y

supongamos que E fuera raro. Aunque todos los factores forman parte de la causa suficiente, podra parecer que E es una causa componente ms fuerte, porque los que tienen E difieren sustancialmente en riesgo de los que no lo tienen, ya que si no est presente este factor unido a los dems no se da la enfermedad. En trminos epidemiolgicos, una causa dbil confiere slo un pequeo aumento en el riesgo de enfermar, mientras que una causa fuerte aumentara el riesgo de enfermar sustancialmente. Ejemplo. En una sociedad en la que la mayora de la gente come dietas ricas en fenilalanina, la herencia del raro gen para la fenilcetonuria sera un factor de riesgo fuerte del retraso mental fenilcetonrico y la fenilalanina en la dieta sera un factor de riesgo dbil. Sin embargo, en otra sociedad en la que el gen de la fenilcetonuria fuera muy frecuente y poca gente comiera dietas ricas en fenilalanina, la herencia del gen sera un factor de riesgo dbil y la fenilalanina en la dieta sera un factor de riesgo fuerte. Por ello la fuerza de un factor de riesgo causal, tal y como podra medirse por el parmetro razn de riesgo (riesgo relativo), depende de

la distribucin en la poblacin de los otros factores causales de la misma causa suficiente. El trmino fuerza para un factor de riesgo causal tiene un cierto significado de descripcin de la importancia del factor en la Salud Pblica. Sin embargo, la acepcin epidemiolgica habitual de fuerza de los factores de riesgo causales carece de significado en la descripcin biolgica de la etiologa de la enfermedad.

Interaccin entre causas: sinergia

Se considera que dos causas componentes de una causa suficiente nica tienen una interaccin biolgica mutua. El grado de interaccin observable depende de los mecanismos reales que sean responsables de la enfermedad.

Proporcin de enfermedad debido a causas especficas

Es la proporcin de casos de una enfermedad que no ocurriran si eliminsemos una causa componente de una causa suficiente. Ejemplo. En la representacin conceptual presentada, asumiendo que las tres asociaciones suficientes son las nicas que operan para esa enfermedad:

Figura 1

Representacin conceptual de tres causas suficientes de una enfermedad

Causa suficiente I Causa suficiente I: Causa suficiente II: Causa suficiente III: A A A B B C C F F

Causa suficiente II D G I E H J Efecto Efecto Efecto

Causa suficiente III

Modificada de Rothman KJ. Causes. Am J Epidemiol. 1976;104:587-92.

www.jano.es | junio 2010

79

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

Qu proporcin de enfermedad es causada por A?: la respuesta es toda; sin A no se dara el proceso patolgico. Se la considera causa necesaria. Qu proporcin es debida a B?: B es una causa componente de enfermedad que acta dentro de dos mecanismos, el I y el II, y toda enfermedad que surgiese a travs de estos dos mecanismos sera evitada si desapareciese B. Esto no quiere decir que toda enfermedad se deba slo a A o que una proporcin de esa misma enfermedad sea debida nicamente a B; ninguna causa componente acta sola. Se entiende que estos factores interaccionan con otros para producir la enfermedad. La investigacin etiolgica de las enfermedades se dirige hacia los componentes de las causas suficientes, ya sean necesarias o no. La importancia en Salud Pblica de un componente causal de una enfermedad en una poblacin en particular est determinada por la fraccin de la enfermedad (el efecto) que resulta de la causa o causas suficientes a la que esa causa componente perte-

nece. El parmetro epidemiolgico fraccin etiolgica (riesgo atribuible en la poblacin) mide esta dimensin de la relacin causa efecto. Cada componente de una causa suficiente tiene como fraccin etiolgica la fraccin de la enfermedad atribuible a esa causa suficiente (ms la fraccin atribuible a cualquier otra causa suficiente que contenga ese mismo componente).

Periodo de induccin
El periodo de induccin es definido como el periodo de tiempo que va desde la accin causal hasta la iniciacin de la enfermedad. La enfermedad una vez iniciada no necesariamente es visible. El intervalo cronolgico entre su aparicin y su deteccin ha sido llamado periodo latente, que puede ser reducido mediante la mejora de los mtodos de deteccin de la enfermedad. Ejemplo. En la causa suficiente I, la secuencia de accin de las causas es A, B, C, D y E, y estamos estudiando el efecto de B, asumiendo que acta en un momento dado en el tiempo. La ocurrencia de la enfermedad no la observaremos inmediatamente despus de que acte B, sino que aparecer

una vez que la secuencia sea completa, por lo que se habr de esperar a que acten C, D y E. El intervalo entre la actuacin de B y la aparicin de la enfermedad es el tiempo de induccin para el efecto de B. Por lo tanto es incorrecto caracterizar una enfermedad de periodo de induccin prolongado o corto. El tiempo de induccin slo puede ser conceptualizado en relacin con una causa componente especfica. Para cada una de stas es diferente y para la que acta en ltimo lugar es igual a cero.

El contenido emprico del modelo

La aplicacin de este modelo de causalidad establece varias cuestiones previas para poder ser aplicado, a saber: Prohbe que las causas ocurran despus de los efectos. Afirma que los efectos unicausales son imposibles. Prohbe un tiempo de induccin constante para una enfermedad con relacin a sus diversas causas componentes. El modelo desvela que es una falacia intentar determinar la proporcin

Figura 2

Ejemplo de tres causas suficientes de una misma enfermedad, sida

Causa suficiente I A (VIH) B (va intravenosa) C (factores socio-culturales) E (herona) D (comparte jeringuilla)
VIH: virus de la inmunodeficiencia humana.

Causa suficiente II A (VIH) B (va intravenosa) F (hemoterapia) H (hemofilia) G (flecha tratamiento)

Causa suficiente III A (VIH) C (factores socio-culturales) I (factores biolgicos) J (sexualidad) K (no preservativo)

80

junio 2010 | www.jano.es

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

de enfermedad atribuible a varias causas componentes. El modelo afronta la variacin de la dosis de una causa componente, postulando un conjunto de causas (asociaciones) suficientes, conteniendo cada una de ellas como componente una dosis diferente del factor en cuestin. Tambin, sale al paso de las crticas de los estocsticos, considerando que los procesos aleatorios presentes en los mecanismos causales son debidos al azar, equiparndolos a componentes no identificados y por tanto ignorndolos. Ignorancia que es susceptible de reconsideracin conforme aumenta el conocimiento.

festaciones segn sea la categora y el valor del factor. La presencia del factor de riesgo debe preceder a la aparicin de la enfermedad. La asociacin observada no puede ser consecuencia de cualquier tipo de error en la seleccin de la muestra, por la influencia de otros factores de riesgo u otros problemas relacionados con el diseo del estudio o con el tipo de anlisis. El modelo probabilstico permite el tratamiento ms conveniente de los factores continuos. Permite observar la frecuencia de la enfermedad para cada categora del factor y ajustar los datos a un modelo matemtico que trate la frecuencia de la enfermedad (tasa) como una funcin del factor continuo. Esto significa que podemos describir el efecto dosisrespuesta, en el que los diferentes niveles del factor de riesgo estudiado son relacionados con la probabilidad de desarrollar la enfermedad. La nocin del riesgo como medida continua oscurece el concepto de riesgo aplicado a un individuo. Para una persona el riesgo de enfermedad correctamente definido slo toma dos valores: 0 y 1. La aplicacin de cualquier valor intermedio para el riesgo de una persona es nicamente una forma de estimar su riesgo mediante el riesgo promedio de otras muchas personas presumiblemente similares. El riesgo real de un individuo depende de si se ha formado o no, o si se formar o no, una causa suficiente, mientras que el riesgo medio de un grupo indica la proporcin de individuos para los que se han formado causas suficientes. Un riesgo individual puede ser visto como la estimacin de la probabilidad de que una causa suficiente de una enfermedad exista dentro del marco temporal adecuado Por ltimo, el modelo probabilstico permite la investigacin de los mltiples efectos de uno o ms factores, ya que podemos estimar las asociaciones entre las enfermedades, as como entre los factores y enfermedades.

Inferencia causal
La inferencia causal en epidemiologa es el lgico desarrollo de una teora, basado en las observaciones y en unos argumentos que atribuyen la presencia (asociacin) de una enfermedad a uno o ms factores de riesgo. Para comprender las derivaciones del uso del trmino asociacin causal, es necesario describir algunas de las maneras en las que pueden relacionarse las categoras de sucesos o circunstancias. En su relacin recproca, dos categoras pueden estar: No asociadas (independientes). Asociadas: estadsticamente o causalmente. Cuando una categora de circunstancias acontece en una cierta proporcin X de un grupo de personas, y otra categora en una proporcin Y, los dos tipos de categoras irn juntos en algunos miembros del grupo, en una proporcin que en realidad es igual al producto X por Y de las dos proporciones separadas. Podemos decir que existe asociacin cuando la proporcin de individuos que presentan ambas categoras de circunstancias es significativamente ms alta/baja que la proporcin que se predice si tenemos en cuenta la presentacin simultnea de las frecuencias separadas de ambas categoras. Resulta conveniente insistir en que la asociacin, en este caso, se establece para categoras y no para las circunstancias individuales. Por supuesto, la informacin de una experiencia de grupo podra sugerir la probabilidad de la existencia de asociacin causal en un caso individual. Cuanto mayor es la proporcin de asociacin entre las dos categoras de circunstancias, revelada por la experiencia del grupo, hay mayor posibilidad de que la suposicin sobre la existencia de una asociacin causal en un caso especfico sea correcta. Slo una minora de las asociaciones estadsticas son causales en el
www.jano.es | junio 2010

Modelo probabilstico
En este modelo se utiliza la teora de probabilidades, y los mtodos estadsticos relacionados con ella, para valorar empricamente una posible asociacin que se cree causal. Este modelo no niega la concepcin determinista de la enfermedad, no plantea la ocurrencia de la enfermedad como un proceso aleatorio, lo que pretende es emplear las consideraciones probabilsticas en muchos de los procesos causales desconocidos o que no pueden ser medidos. Como consecuencia de la falta de certeza individual de la prediccin, la nocin terica de causa es sustituida por el concepto emprico de factor de riesgo. En epidemiologa se utiliza el trmino factor de riesgo para indicar una variable que es considerada para ser relacionada con la probabilidad de que un individuo desarrolle la enfermedad.Tres criterios deben ser tenidos en cuenta antes de sugerir que un factor dado es un factor de riesgo para una determinada enfermedad, y stos son: El factor debe variar con la enfermedad; es decir, el factor debe estar estadsticamente asociado con el desarrollo de la enfermedad o, de forma equivalente, la frecuencia de la enfermedad diferir en sus mani-

81

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

Tabla 2

Fases de la investigacin causal

Naturaleza de la relacin Coincidencia Asociacin Causalidad

Grado de relacin Estadstico Epidemiolgico Causal

Problema a superar Error aleatorio Error sistemtico Validez externa

Ejemplo. La inyeccin de herona intravenosa est asociada a la aparicin del sida. Esto no quiere decir que la herona sea el causante del sndrome, sino que ambos estn asociados a un tercer factor, la transmisin del virus de la inmunodeficiencia humana (VIH) por va parenteral.

- La primera de estas relaciones, que denominamos coincidencia, nos informa acerca del papel explicativo que el error aleatorio puede desempear en dicha relacin. - La segunda, asociacin, nos viene a advertir de que la relacin no podra ser completamente explicada por la existencia de errores sistemticos (sesgos y factores de confusin). - La tercera, causalidad, podr ser alcanzada si hemos superado los problemas planteados en las anteriores.
Fuente: Garca Garca AM, Garca Benavides F. Causalidad en salud laboral: el caso Ardistil. Gaceta Sanitaria. 1995;9:371-9.

Una vez que se ha demostrado que existe asociacin estadstica, cmo saber si la relacin es causal o no?
Dadas las dificultades, se debe extremar la prudencia a la hora de emitir un juicio acerca de cualquier posible relacin causal. En la tabla 2 se plantea un sencillo esquema para posibilitar la distincin entre una relacin puramente estadstica, una relacin epidemiolgica y una relacin causal. Para hacer inferencias causales se han usado mucho unos grupos de estndares avanzados por B. Hill y por otros autores, tal y como se muestra en la tabla 3. El complejo proceso, que se muestra en la figura 3, de la generalizacin cientfica implica la modificacin de nuestras teoras de acuerdo con los

sentido de la definicin, que requiere que el cambio en una de las categoras participantes en la asociacin determine la alteracin en la otra. La mayor parte de las asociaciones estadsticas que no son causales son secundarias a la asociacin de ambas categoras de circunstancias con una tercera.

Tabla 3

Criterios propuestos por distintos autores para valorar la presencia de una relacin causal
B. Hill. 1965 Fuerza Consistencia Especificidad Temporalidad Gradiente Mac Mahon, Pugh.1970 Temporalidad Fuerza Coherencia Dosis/respuesta R. Doll. 1985 No error alet. No error sist. Consistencia Comportamiento predictivo Susser. 1991 Fuerza Especifidad Consistencia Coherencia

U.S.Dept of Health.1964 Consistencia Fuerza Especificidad Temporalidad Coherencia Plausibilidad Coherencia Experimentacin Analoga

Fuente: Garca Garca AM, Garca Benavides F. Causalidad en salud laboral: el caso Ardistil. Gaceta Sanitaria. 1995;9:371-9.

82

junio 2010 | www.jano.es

desarrollo profesional
Indicadores de riesgo y criterios epidemiolgicos de causalidad C. Fernndez Prez y M. Carrasco Asenjo

hallazgos empricos procedentes de la recoleccin sistemtica de datos. Para realizar correctamente esta relacin entre nuestras ideas y nuestras observaciones es absolutamente importante una correcta eleccin del diseo del estudio con el que se realiza la investigacin. Una vez descartada la posibilidad de que el error aleatorio (coincidencia) y el error sistemtico (asociacin) sean las nicas explicaciones de los hallazgos empricos descritos, cabe hacerse las preguntas con la que B. Hill iniciaba su propuesta de criterios de causalidad: en qu circunstancias podemos pasar de la observacin de una asociacin al veredicto de existencia de una relacin causal?, qu aspectos de dicha asociacin debemos tener en cuenta para decidir que la interpretacin ms aceptable es la existencia de una relacin causal? Con las limitaciones reconocidas, los criterios de Hill pueden ayudar a valorar la existencia de una relacin causal ante una asociacin epidemiolgica. Sin embargo, ninguno de los nueve criterios de Hill, tal y como reconoce el propio autor, son condicin sine qua non para establecer una relacin causal y ninguno de ellos puede aportar evidencia indiscutible al respecto. De hecho, estos criterios han sido criticados con diferentes argumentos. Por otra parte, se hace necesario que el pensamiento causal en epidemiologa huya del abuso de las aproximaciones excesivamente orientadas hacia el individualismo biomdico y se defienda la necesidad de optar por una perspectiva que incorpore ms claramente los determinantes polticos, socio-econmicos e ideolgicos para explicar los procesos de salud y enfermedad en la poblacin.

Figura 3

Conceptualizacin del mtodo cientfico

Teora, conocimiento

Inferencias sobre hiptesis conceptual

Sntesis, formulacin, presentimiento

Conclusiones e interpretacin

Hiptesis conceptual

Inferencias sobre hiptesis operacional

Diseo del estudio

Hiptesis operacional Hallazgos empricos Coleccin datos Anlisis datos Trabajo campo

Parran Lecture. Am J Epidemiol. 1978;108:249-58.

Evans AS. Causation and disease: a chronological journey. The Thomas

Garca Garca AM, Garca Benavides F. Causalidad en salud laboral: el caso Ardistil. Gaceta Sanitaria. 1995;9:371-9. Hill AB. The Environment and Disease: Association or Causation? Proc R Soc Med. 1965;58:295-300. Kleinbaum DG, Kupper LL, Morgenstern H. Epidemiologic

Nostrand Rainhotd Company; 1982. Macmahon B, Pugh TF.

research. Principles and quantitative methods. Chap. 2. New York: Van

Epidemiology: Principles and methods.

Boston: Little, Brown; 1970.

PARA SABER MS Blalock HM, Jr. Causal inferences in nonexperimental research. Chap. 1. New York: Norton; 1964.

Rothman KJ. Causes. Am J Epidemiol. 1976;104:587-92. Rothman KJ. Modern epidemiology. Boston: Little, Brown and Company;1986.
www.jano.es | junio 2010

83