Professional Documents
Culture Documents
1. Objetivos
Comprender el rol de la causalidad en estudios epidemiolgicos.
Comprender el proceso de las inferencias causales basadas en resultados
deestudios epidemiolgicos.
Conocer las fuentes ms importantes de error en los estudios epidemiolgicosy
cmo stos se minimizan.
3.1. Causalidad
Uno de los principales objetivos de la investigacin epidemiolgica es establecerlas causas
del fenmeno de inters. Una causa de enfermedad desde el puntode vista
epidemiolgico es un evento, condicin, caracterstica o una combinacinde estos
factores que juegan un papel importante en el desarrollo de laenfermedad. La
epidemiologa ocupacional, se orienta a la identificacin de lascausas de las enfermedades
y lesiones resultantes de las exposiciones ocurridasen el sitio de trabajo.
Son varios los modelos de causalidad propuestos, mencionaremos al El Modelode
Rothman, como ejemplo y desarrollaremos a continuacin.
Este modelo definecomo causa suficientea un grupo de condiciones y acontecimientos
mnimosque, inevitablemente inician o producen la enfermedad. El modelo es
determinista,porque supone que la enfermedad puede tener una o ms causas
suficientes(CS), cada una de las cuales determina la enfermedad, es decir
diferentesconjuntos de causas pueden interactuar y producir el mismo evento.
Dicho de otro modo, una causa es suficiente cuando la enfermedad es observadaen los
individuos que presentan la causa, no obstante, la causa no se observa entodos los
individuos con la enfermedad porque existen otras causas para ella. Porejemplo, el hbito
de fumar cigarrillos es una causa del cncer de pulmn, peroste tambin es causado por
la exposicin a las fibras de asbesto o al gas radn.
Cada CS est compuesta por un grupo de causas componentes (CC). Lapresencia 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. Paraeste modelo una causa se denomina
necesaria (CN)cuando sta siempre debeanteceder una enfermedad. Una causa es
necesaria cuando debe estar presenteen los individuos para contraer la enfermedad, sin
embargo, su presencia nosiempre conduce al desarrollo de enfermedad. Por ejemplo el
bacilo de latuberculosis (Mycobacteriumbacillus) debe estar presente para causar
latuberculosis, pero, la aparicin de la tuberculosis no siempre se observa en losindividuos
portadores del bacilo.
1
Figura 1. La figura muestra una enfermedad que tiene 3 complejas causassuficientes, cada
una de 5 causas componentes. A es una causa necesaria yaque esta aparece como
miembro de cada causa suficiente. B, C y, F no soncausas necesarias ya que ellas no
aparecen en todas las 3 causas suficientes.
2
mdica y la nutricin son ejemplos de factorescuya ausencia podran facilitar la
manifestacin de las enfermedades y queapoyan la recuperacin en su presencia.
3
Una fuente principal de este tipo de error es el proceso de establecer la muestrade
estudio. Esta forma de error aleatorio tambin se conoce como error demuestreo. La
principal forma de reducir el error aleatorio es agrandar el tamaomuestral en estudio.
Esto aumentar la precisin del clculo de riesgo y porconsiguiente, del estudio.
2. El error sistemticoes el resultado de los defectos en el mtodo de seleccinde los
participantes en estudio o en los procedimientos de recoleccin deinformacin pertinente
a la exposicin o enfermedad. En consecuencia, losresultados observados del estudio
tendern a ser diferentes de los resultadosverdaderos. Esta tendencia hacia los resultados
errneos es llamada sesgo.
Minimizar el sesgo aumentar la validez del clculo de riesgo.
La Figura 2 muestra los efectos de los errores aleatorios y sistemticos sobre losclculos
de riesgo. El error aleatorio conduce a la imprecisin en el clculo deriesgo. Puede
observarse que los clculos de riesgo a menudo rodean la verdad(punto central) pero se
propagan aleatoriamente alrededor de ello. En contraste, elerror sistemtico no afecta la
precisin del clculo de riesgo. Sin embargo, estoconduce a la generacin de clculos de
riesgo que sistemticamente sondiferentes de la verdad.
Figura 2. Validez y Precisin
4
3.2.2. Sesgos
Como se mencion anteriormente, el sesgo es una desviacin sistemtica de losresultados
o las inferencias del valor verdadero. El sesgo en los estudiosepidemiolgicos puede
clasificarse en dos tipos principales: el sesgo de selecciny de informacin.
El sesgo de seleccin ocurre cuando hay diferencias entre los que participan en elestudio y
aquellos que no participan, y esas diferencias tienen un efecto sobre elclculo de riesgo,
desvindolo de su valor verdadero. Estas diferencias introducenun sesgo en el clculo de
riesgo cuando sus caractersticas se relacionansistemticamente con la exposicin o
enfermedad bajo estudio.
Al planificar un estudio epidemiolgico, el investigador debe identificar si existe
elpotencial para la ocurrencia de algn tipo de sesgo y encontrar las maneras dereducirlo.
Existen muchas maneras en que se puede introducir un sesgo deseleccin al estudio.
Algunos ejemplos son: 1) La percepcin o el conocimiento deltema del estudio influye en
5
el deseo de participar de los sujetos (Ej.: el uso de lasdrogas o el alcohol); 2) Un deficiente
marco de muestreo que excluyesistemticamente a un grupo de sujetos con
caractersticas similares (Ej.: realizarentrevistas por telfono en un distrito donde aquellos
pertenecientes a los estratossocioeconmicos bajos no tienen telfonos); 3) Los
voluntarios (Ej.: usualmentelos voluntarios tienen una motivacin especial para participar
en un estudios comouna mayor percepcin de riesgo o un alto nivel educacional).
Un caso especial de sesgo de seleccin en los estudios ocupacionales es el efectodel
trabajador saludable. Los trabajadores generalmente presentan tasas demortalidad
general inferiores que la poblacin en general, esto porque el enfermograve y los
discapacitados crnicos son generalmente excluidos del empleo. Lostrabajadores son ms
saludables que la poblacin en general, por tanto, las tasasde mortalidad de la poblacin
general no son comparables con las tasas de lapoblacin laboral.
El sesgo de informacines una falla en la medicin de los factores de riesgo o losdatos de
enfermedad que da lugar a una calidad diferente de la informacin entrelos grupos de
comparacin. Esto conduce a una medida de la variable de estudioque es diferente de su
valor verdadero y puede producir una clasificacin errneade los sujetos de estudio con
respecto a la exposicin, la enfermedad o ambos. Lapresencia del sesgo de informacin
tiene un efecto en el clculo de riesgodesvindolo de su valor verdadero.
Existen muchas maneras en que se puede incluir un sesgo de informacin alestudio.
Algunos ejemplos incluyen: 1) Cuando hay una medida incorrecta de lavariable de estudio
(Ej.: El esfigmomanmetro no esta calibrado); 2) Elentrevistador subconscientemente o
conscientemente busca y recolecta datosselectivamente (Ej.: sesgo del entrevistador); 3)
Los sujetos de estudio tienen unamemoria inexacta o incompleta de los eventos o
experiencias pasadasrelacionadas con la pregunta de estudio (Ej.: sesgo del memoria).
3.2.3. Confusin
La confusin es otra fuente de error en los estudios epidemiolgicos. Ocurrecuando hay
un tercera variable que puede causar la enfermedad en estudio y quea su vez est
asociada con el factor de riesgo bajo investigacin. A menos quesea posible ajustar el
efecto de confusin de esta tercera variable, sus efectos nopueden distinguirse de los del
factor de riesgo en estudio.
La figura 4 intenta explicar esta relacin. El asbesto es un factor de riesgo
conocido del cncer de pulmn. Tambin el hbito de fumar cigarrillos es un factor
de riesgo del cncer de pulmn. Tanto el hbito de fumar como la exposicin alasbesto
son factores de riesgo del cncer de pulmn, la confusin ocurrir si ladistribucin del
fumar en los sujetos de estudio varia concurrentemente con ladistribucin de la
exposicin al asbesto. Por ejemplo si los que fumaron sontambin aquellos que estn ms
expuestos al asbesto. Para calcularapropiadamente la magnitud de la asociacin entre el
asbesto y el cncer depulmn es importante reducir el efecto de confusin introducido
por el hbito defumar. A menudo, ms de una variable puede introducir confusin.La
confusin tiene el mismo efecto sobre los clculos de riesgo que el sesgo.
Produciendo una desviacin de los clculos de riesgo del verdadero valor, aunqueno es un
sesgo.
Figura 4. Efecto de confusin del fumar cigarrillos en la relacin entre la
6
exposicin a asbestos y el cncer de pulmn
7
Finalmente, los datos derivados de la investigacin epidemiolgica se usan para latoma de
decisiones. Por ejemplo, los organismos reguladores dependen de losdatos
epidemiolgicos cuando proponen los lmites de exposicin laboral. De ahla importancia
de realizar estudios epidemiolgicos que estn libres de sesgos yde comprender el
impacto de los retos que conlleva el proceso de inferenciacausal.
8
Es tambin til obtener la evidencia de otros campos de estudio en apoyo a laasociacin
bajo estudio. La evidencia de otros campos de investigacin puedesuministrar informacin
que los estudios epidemiolgicos no pueden generardebido a su naturaleza observacional.
4. ReferenciasBibliograficas
- 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.
http://www.cepis.ops-oms.org/cursoepi/e/pdf/modulo3.pdf