QUIEN NO CONOCE LAS CAUSAS NO PUEDE PREDECIR LOS EFECTOS.

Galileo defini a la causa eficiente como la condicin necesaria y suficiente para la aparicin de algo.

En epidemiologa, la causalidad se define como el estudio de la relacin etiolgica entre una exposicin, por ejemplo la toma de un medicamento y la aparicin de un efecto secundario. Los efectos pueden ser: Enfermedad Complicacin Proteccin (vacunas) Muerte Curacin Resultado Las causas o factores que influyen en el proceso salud-enfermedad de la poblacin requieren una investigacin adecuada para prevenir la aparicin de efectos no deseados y controlar su difusin. A continuacin mencionamos algunos factores causales de enfermedades: Factores biolgicos Factores econmicos Factores relacionados con el Factores psicolgicos mbito laboral medio ambiente fsico Factores relacionados con el Factores polticos Servicios de salud medio ambiente social y cultural
Si entendemos la causa podemos generar cambios. Podramos definir la relacin causal entre la exposicin y el efecto en trminos del cambio que sufre el ltimo cuando se modifica el primero. Existen modelos para representar la relacin entre una presunta causa y un efecto. El modelo de Koch-Henle El modelo de Bradford-Hill Los postulados de Evans El modelo de Koch-Henle El modelo de Koch-Henle (1887): propuesto para el estudio de enfermedades infecto-contagiosas. Se basa en la influencia de un microorganismo, que debe: a) encontrarse siempre en los casos de enfermedad. b) poder ser aislado en cultivo, demostrando ser una estructura viva y distinta de otras que pueden encontrarse en otras enfermedades. c) distribuirse de acuerdo con las lesiones y ellas deben explicar las manifestaciones de la enfermedad. d) ser capaz de producir la enfermedad en el animal de experimentacin al ser cultivado (algunas generaciones). Este modelo result til para enfermedades infecciosas, no as para las enfermedades no infecciosas. El modelo de Bradford-Hill El modelo de Bradford-Hill (1965), propone los siguientes criterios de causalidad, en la bsqueda de relaciones causales para enfermedades no infecciosas: Fuerza de Asociacin Gradiente biolgico Consistencia (Relacin dosis-respuesta) Plausibilidad biolgica Especificidad Coherencia Temporalidad Evidencia Experimental Analoga

Otros criterios adicionales. Es necesario antes de hablar de los criterios de causalidad decir y describir los prerrequisitos bsicos que deben ser cumplidos, entre los que destacamos la necesidad de que la asociacin sea estadsticamente significativa, que las variables estn claramente definidas, que adems sean observables y medibles, que seamos capaces de eliminar las variables de confusin, recordando al mismo tiempo las ventajas de elaborar previamente las hiptesis como forma metodolgicamente correcta de comenzar a trabajar para contrastarlas Eliminar las variables de confusin y realizar las pruebas de significacin estadstica adecuadas son prerrequisitos bsicos para investigar si se cumplen o no los criterios epidemiolgicos de causalidad que fueran propuestos en 1965 por Sir Austin Bradford Hill. Debe considerarse: Similar tamao y distribucin de la poblacin o muestra. Variacin notoria del efecto en las poblaciones. Reversibilidad. Si se retira la causa, cabe esperar que desaparezca o al menos disminuya el efecto a la salud.

Juicio crtico sobre las evidencias, con base estricta en el conocimiento cientfico. Los postulados de Evans En 1976, Evans propuso los siguientes postulados: 1. La proporcin de individuos enfermos debera ser significativamente mayor entre aquellos expuestos a la supuesta causa, en comparacin con aquellos que no lo estn. 2. La exposicin a la supuesta causa debera ser ms frecuente entre aquellos individuos que padecen la enfermedad que en aquellos que no la padecen. 3. El nmero de casos nuevos de la enfermedad debera ser significativamente mayor en los individuos expuestos a la supuesta causa en comparacin con los no expuestos, como se puede comprobar en los estudios prospectivos. 4. De forma transitoria, la enfermedad debera mostrar tras la exposicin a la supuesta causa, una distribucin de los perodos de incubacin representada por una curva en forma de campana. 5. Tras la exposicin a la supuesta causa debera aparecer un amplio abanico de respuestas por parte del hospedador, desde leves hasta graves, a lo largo de un gradiente biolgico lgico. 6. Previniendo o modificando la respuesta del husped, debe disminuir o eliminarse la presentacin de la enfermedad. 7. La reproduccin experimental de la enfermedad debera tener lugar con mayor frecuencia en animales u hombres expuestos adecuadamente a la supuesta causa, en comparacin con aquellos no expuestos; esta exposicin puede ser deliberada en voluntarios, inducida de forma experimental en el laboratorio o demostrada mediante la modificacin controlada de la exposicin natural. 8. La eliminacin de la supuesta causa debera producir la reduccin de la frecuencia de presentacin de la enfermedad. 9. La prevencin o la modificacin de la respuesta del hospedador debera reducir o eliminar la enfermedad que normalmente se produce tras la exposicin a la causa supuesta. 10. Todas las relaciones y asociaciones deberan de ser biolgica y epidemiolgicamente verosmiles. Tipos de causas Causa suficiente: Si el factor (causa) est presente, el efecto (enfermedad) siempre ocurre. Causa necesaria: Si el factor (causa) est ausente, el efecto (enfermedad no puede ocurrir. Factor de riesgo: Si el factor est presente y activo, aumenta la probabilidad que el efecto (enfermedad) ocurra. La existencia de una asociacin epidemiolgica significativa (riesgo relativo superior a dos) es uno de los criterios para proponer una relacin causa - efecto; hay que tener en cuenta, que no es el nico. Tipos de relacin o asociacin causa - efecto Las relaciones causa - efecto pueden ser: Relacin o asociacin causal directa: El factor ejerce su efecto en ausencia de otros factores o variables intermediarias. En este caso se habla de una relacin necesaria y suficiente.
Relacin o asociacin causal indirecta: El factor ejerce su efecto va factores o variables intermediarias. Necesaria y no suficiente: Cada factor es necesario, pero no es suficiente para producir la enfermedad. Ejemplo: virus del papiloma humano y cncer del cuello uterino, bacilo de Koch y tuberculosis. No necesaria y suficiente: El factor puede producir la enfermedad, pero tambin otros factores que actan solos. Ejemplo: leucemia puede ser producida por exposicin a la radiacin y por exposicin al benceno. No necesaria y no suficiente: Ningn factor por s solo es necesario ni suficiente. Ejemplo: la mayora de enfermedades crnicas como diabetes mellitus, hipertensin arterial. Relacin o asociacin no causal: La relacin entre dos variables es estadsticamente significativa, pero no existe relacin causal, sea porque la relacin temporal es incorrecta (la presunta causa aparece despus y no antes del presunto efecto) o porque otro factor es responsable de la presunta causa y del presunto efecto (confusin).

Efecto + -

Medidas de asociacin en Epidemiologa

+
Exposicin -

a c

b d

a+b
c+d

En epidemiologa, las medidas de asociacin son indicadores que miden la fuerza a+b+c+d b+d a+c con la que una determinada enfermedad o evento de salud (que se presume como resultado) est asociada o relacionada con un determinado factor (que se presume como sucausa). Tabla 2x2: Cada celda se denomina con una letra. En las filas (horizontal) est el factor y en las columnas (vertical) la enfermedad o evento en estudio. La suma de las filas a + b, representa el total de enfermos entre los expuestos y c + d el total de enfermos entre los no expuestos. La suma de a + c dividido entre a + b + c + d es la incidencia de la enfermedad, y b + d dividido entre a + b + c + d es la proporcin de sanos en la poblacin.

MEDIDAS DE RIESGO.
Tipos de medidas epidemiolgicas: Frecuecia o distribucin contesta preguntas como: cuanto, con que frecuencia y cuanta probabilidad. Asociacion preguntas de fuerza de asociacion entre distintos factores. Impacto Preguntas sobre la importancia: que tan importante es? Riesgo absoluto: incidencia acumulada de enfermedad o evento de inters en la poblacin, cuantifica y evala la asociacin entre el la exposicin y el efecto, y la probabilidad de experimentar dicha enfermedad o evento. Comparacin entre frecuencia de enfermedades Medicin de la frecuencia de enfermedades Comparar con la frecuencia de dos o ms grupos con distinta exposicin. Conparacion relativa: Riesgo relativo razn de riesgos= incidencia en expuestos/ inc. No expuestos. As, el riesgo relativo indica cunto ms riesgo tienen los Expuestos en relacin con los No Expuestos. Medidas de impacto potencial: Riesgo atribuible (RA) La magnitud del RA depende de: El RR y la frecuencia de la enfermedad: o Diferencia de riesgo = riesgo de expuesto riesgo no expuestos Fraccion atribuible en expuestos: Porcentaje de riesgo atribuible (%RA) es el grado de causalidad atribuible a un factor de riesgo en la produccin de enfermedad en una poblacin expuesta; El %RA representa el porcentaje de riesgo que se debe al FR en el grupo expuesto. La magnitud del %RA depende de: El RR o %RA= ie-io X 100 / ie Se calcula dividiendo el RA por el riesgo total de expuestos. Riesgo atribuible en la poblacin (RAP): Es la cantidad de riesgo que sufre toda la poblacin como consecuencia de la exposicin. Se calcula restando a la Incidencia en toda la poblacin, la Incidencia en NO Expuestos. La magnitud del RAP depende de: El RR, la frecuencia de la exposicin, la frecuencia de la enfermedad o el dao. o RAP = It Io Fraccin atribuible en la poblacin o fraccin etiolgica: Porcentaje de riesgo atribuible en la poblacin (%RAP): Representa el porcentaje de la incidencia de una enfermedad en toda la poblacin que se debe a la exposicin de un FR su magnitud depende de: El RR, la frecuencia de la exposicin o %RAP = It Io / It X 100 Se calcula dividiendo el riesgo de enfermar en la comunidad que exclusivamente se debe a la exposicin entre la probabilidad general de enfermar que tiene la comunidad.

BIBLIOGRAFIA

Del Rey Calero J. Herruzo Cabrera R. Rodrguez Artalejo F. Fundamentos de Epidemiologia Clinica. Editorial Sntesis SA. |1996 Sackett, D. , Haynes, R. B. ;Guyatt, G. H. y Tugwell, P. : Tracking down the evidence to solve clinical problems, y surveying the medical literature to keep up to date . En Sackett D. L. ;Haynes , R. B. , Guyatt , G. H. , Tugwell, P. ;Clinical epidemiology . A basic science for clnica medicine. 2 ed. Little, Brown &Co Boston, 1991 Alvarez Caceres, R. El Mtodo Cientifico en las Ciencias de la Salud Ed. Diaz de Santos 1996 Silva Aycaguer, L. C. ; Cultura Estadistica e Investigacin Cientfica en el Campo de la salud. Ed. Diaz de Santos 1997 Jenicek, M. ; Epidemiologia La Logica de la Medicina Moderna . Ed. Masson 1996 Fletcher, R. H. , Fletcher, S. W. , Wagner, E. H. ; Epidemiologia Clinica . Ed. Masson 2 edicion 1998. Garcia Maurio, J. M. , Fernndez Revuelta, J. A. ; Historia de la filosofia . Presocrticos. Ed. Alambra 1988 Martel, J. P. Diez Vegas, F. J. ; Probabilidad y estadstica en medicina Ed. Diaz de Santos 1997

Escuela de Medicina de la Pontificia Universidad de Chile. Epicentro. Medidas de asociacin en epidemiologa. http://escuela.med.puc.cl/Recursos/recepidem/IndEpi1.htm Abraira, V. Medidas de asociacin o efecto. Hospital Ramn y Cajal. Madrid, Espaa.http://www.hrc.es/investigacion/bioest/Medidas_frecuencia_6.html Abraira, V. Medidas del efecto de un tratamiento (I): reduccin absoluta del riesgo, reduccin relativa del riesgo y riesgo relativo. Unidad de Bioestadstica Clnica. Hospital Ramn y Cajal. Madrid. Abraira, V. Medidas del efecto de un tratamiento (II): odds ratio y nmero necesario para tratar. Unidad de Bioestadstica Clnica. Hospital Ramn y Cajal. Madrid.
Revista de Posgrado de la Ctedra VIa Medicina N 101 - Febrero/2001 Pgina: 14-20 LA CAUSALIDAD, LA CASUALIDAD Y LA MEDICINA Prof. Dr. Edgardo Marecos
Lpez-Moreno S; Garrido-Latorre F; Hernndez-Avila M. Desarrollo histrico de la epidemiologa: su formacin como disciplina cientfica. Salud pblica de Mxico / vol.42, no.2, marzo-abril de 2000 (.pdf 65 kb) Vitale, E. (2003). Factores de riesgo y causalidad (.pdf 216 kb)http://arapey.unorte.edu.uy/epiweb/epiweb/fichas_teoricas/ficha_007/Ficha%2007%20%20Factores%20de%20Riesgo%20y%20Causalidad.pdf Corzo, G. (s.f.) Epidemiologa y Causalidad en Salud Ocupacional.http://www.medspain.com/colaboraciones/EpidemiologiaySaludOcup.htm