Estableciendo relaciones causales

Relaciones causales
Las relaciones causales se investigan a travs de experimentos controlados Cuando sospechamos que un factor es la causa de otro, debemos utilizar un mtodo para probar nuestra sospecha

Relaciones causales
El establecer una correlacin entre dos variables no significa que exista una relacin entre ambas

Se dice que estn correlacionadas si

muestran simultaneamente una variacin

regular y mensurable

Relaciones causales
La forma ms sencilla de correlacin consiste en la comparacin de dos grupos, uno que tiene una caracterstica y otro que no la tiene

Relaciones causales
Por ej, cuando comparamos el ingreso anual de dos grupos de sujetos de 30-49, uno con estudios universitarios y otro sin ellos

Los egresados universitarios ganan un 20 %

ms, es decir, se encuentra una correlacin entre el nivel acadmico y el ingreso anual

Hay que recordar sin embargo, que el mostrar una correlacin entre dos caractersticas no es prueba de que

estas se encuentran causalmente

correlacionadas

Una correlacin puede ser simplemente una coincidencia P. ej, en aos recientes se ha observado un incremento en la bolsa de valores y en el nmero de minutos al da que los nios ven la televisin !

A pesar de ello, la bsqueda de correlaciones es un componente importante de la investigacin de causalidad Si dos variables estn causalmente relacionadas existir una correlacin

El demostrar una correlacin puede ser la razn que se sospeche inicialmente que dos variables esten causalmente relacionadas Sin embargo recuerde: correlacion no es prueba de asociacin causal

Para considerar que existe una relacin causal entre dos variables, tenemos que demostrar que una es responsable de la aparicin de la otra

La prueba ideal
Deseamos probar la eficacia del medicamento A para curar el padecimiento X
1. Establecemos una hiptesis: H1: el medicamento A es mejor que el estndar y Ho: el medicamento A no es mejor o es peor que el estndar

La prueba ideal
2. Asignamos aleatoriamente sujetos a dos grupos, uno con el tratamiento estndar y otro con el tratamiento convencional 3. Los grupos debern ser idnticos entre si, excepto por el tratamiento 4. El grupo de tratamiento A se denomina experimental; el otro ser el grupo control

Estableciendo relaciones causales

Hay 3 factores que dificultan establecer la causalidad
1. El grado del efecto suele ser limitado;

no todos los sujetos de la poblacin C

expuestos al factor A desarrollarn el evento B

P. Ej. el fumar cigarrillos se asocia al desarrollo de cncer broncognico; sin embargo no todos los fumadores desarrollan cncer Lo que los estudios han demostrado es que los fumadores > cncer que los no fumadores, y a mayor tabaquismo, mayor frecuencia de cncer.

2. La mayora de los efectos no se relacionan con una sola causa; otros factores, adems de A pueden causar el efecto B en la poblacin C 3. El factor A puede causar otros efectos adems del efecto B en la poblacin C

Hay que asegurarnos que nuestras muestras sean representativas de la poblacin general, para poder extrapolar los resultados observados Aun as, nuestros resultados son solo una estimacin de los parmetros poblacionales

Que tanta variabilidad existe en nuestra estimacin ?

Depende del tamao de la muestra

Supongamos que tenemos una bolsa con miles de pelotas de ping-pong de dos colores, rojas y azules. Sabemos que exactamente la mitad son rojas y la mitad azules Si tomamos una muestra aleatoria de dos, que probabilidad existe que obtengamos una de cada una ?

Color Roja

Color Roja

Relacin 2:0

Roja
Azul Azul

Azul
Roja Azul

1:1
1:1 2:0

Probabilidad de 50 %

Y si nuestra muestra es de 4 ?

Solo 6/16 muestras tienen 2 de cada una (37.5 % vs. 50 % con una muestra de 2) Sin embargo ahora, 14/16 contienen al menos una bola roja o azul Solo 2 muestras (12.5 %) no tienen al menos una bola roja o viceversa En nuestra muestra de 2, la mitad solo tenia bolas de un color

Si tomamos una muestra de 100 pelotas, el 95 % de las muestras contendrn entre 40 y 60 % de pelotas rojas

Si tomamos una muestra de 1000 pelotas, 95 % de nuestras muestras tendran entre 470 y 530 bolas rojas

Lmites de confianza
Conducimos un estudio con un grupo experimental y un grupo control de 100 sujetos c/u

Al fin del estudio, 42 % del grupo experimental y 30 % del grupo control tienen el efecto esperado

Tenemos evidencia de una asociacin causal ? El margen de error en una muestra de 100 es de aproximadamente 10 %

Esto significa 2 cosas:

95 % de las muestras probables caern dentro de este intervalo de 20 % Podemos estar relativamente seguros que la caracterstica que buscamos ocurre en este intervalo de 20 % en la poblacin a partir de la cual se tomaron las muestras

En nuestro ejemplo
En el grupo experimental entre un 32 y un 52 % En el grupo control entre un 20 y un 40 % Existe demasiada sobre posicin entre

los dos intervalos

La probabilidad de que la diferencia observada sea debida simplemente a variabilidad aleatoria es muy alta

No significa que no exista una relacin causal; el efecto puede ser muy pequeo y requerir una muestra mayor para demostrarlo

Por el contrario, si podemos afirmar que el experimento no fue capaz de establecer una relacin causal

Si la diferencia entre los grupos hubiera sido >20 % podramos afirmar que la diferencia no es debida a variabilidad aleatoria, y pudiera estar relacionada con el factor en estudio

Ahora vamos a suponer que nuestra muestra aleatoria es de 500 sujetos en cada grupo El margen de error en una muestra de 500 es de aproximadamente 4 %

95 % de las muestras probables caern dentro de un intervalo de 8 % En el grupo experimental (V=30) entre un 26 y un 34 % En el grupo control (V=42) entre un 38 y un 46 %

Al no existir sobre posicin podemos afirmar que la diferencia no es atribuible a variabilidad aleatoria (p<0.05) durante el muestreo

La incapacidad para rechazar la posibilidad de que la diferencia observada sea debido a variabilidad

aleatoria se conoce como incapacidad

para rechazar la hiptesis de nulidad

Cuando el experimento detecta una diferencia suficientemente grande entre el grupo experimental y el grupo

control, se dice que podemos rechazar

la hiptesis de nulidad

Probando hiptesis
Tenemos una descripcin exacta del fenmeno bajo estudio ?
P.ej. el argumento de que el numero de

nacimientos se incrementa durante el

periodo de luna llena

Antes de embarcarnos en encontrar una explicacin, debemos confirmar que este fenmeno es cierto

Por supuesto que no lo es

Porque las personas piensan que este fenmeno es cierto, a pesar de la evidencia en contra ?

Debido al sesgo de confirmacin; es decir solo se recuerdan los eventos que confirman nuestra creencia

Existen ya explicaciones plausibles ?

Navaja de Ockham (razurar lo indeseable) William de Ockham: monge y filosofo medieval (1285-1439) Lo que puede hacerse con menos, se

hace en vano con mas

Navaja de Ockham
Cuando existen dos hiptesis para explicar un mismo fenmeno, la ms sencilla de ellas debe ser la correcta

Si podemos resolver una interrogante sin introducir otras interrogantes, no tiene sentido elegir la hiptesis que si lo hace

Tamao de la muestra y significancia estadstica

La significancia estadstica es comnmente evaluada en investigacin biomdica cuando el investigador

encuentra una diferencia entre dos

grupos de sujetos

Los procedimientos utilizados para determinar la significancia numrica de una diferencia observada depender del tipo de variable en cuestin

Para variables continuas los resultados se expresan en medias, y habitualmente se utiliza la prueba de t

Para variables nominales los resultados se expresan en proporciones y la prueba mas frecuentemente utilizada es la de 2

Aunque la prueba estadstica se elige de acuerdo al tipo de datos de inters la estrategia es siempre la misma

Estrategia para evaluar significancia estadstica

1. Vamos asumir que una hiptesis es cierta 2. Determinaremos las consecuencias de esta hiptesis 3. Si las consecuencias de esta hiptesis resultan en una imposibilidad concluimos que la hiptesis es falsa y la rechazamos

4. Este valor es el valor de p y se obtiene de una prueba estadstica

Prueba de hiptesis
1. Observamos una diferencia (delta, ) entre dos grupos (A y B) 2. Probaremos la hiptesis de que A y B no son diferentes (hiptesis de nulidad) 3. Determinamos la probabilidad de observar una diferencia > simplemente por casualidad

Valor de p
Puede llegar a ser muy pequeo (p. ej. <0.00001), pero nunca ser de cero Existe siempre la posibilidad, aun infinitesimal de que la diferencia observada sea debida simplemente a la casualidad, secundaria a variabilidad aleatoria

Valor de p
Por ello adoptamos lo que se conoce como nivel de significancia (o ) que nos demarca la zona de rechazo

Si el valor de p obtenido en la prueba estadstica es igual o menor que rechazaremos la hiptesis de nulidad

Valor de p
Alpha demarca nuestro margen de error; es un riesgo que se toma por poder contar con un mecanismo estadstico que nos permita obtener conclusiones

Valor de p
Porque 0.05 ? Este valor no se eligi por designio divino, o como resultado de un consenso internacional Proviene de un hbito de RA Fisher quien arbitrariamente eligi este valor

Relaciones causales
La determinacin de la causa de una enfermedad mediante un experimento suele ser sencilla El problema estriba en demostrar esta relacin en un estudio observacional

Sin embargo es muy importante hacerlo:

puede indicar un punto clave en la cadena de la enfermedad donde pudiera interrumpirse en caso de considerar causal una relacion que no lo es pudiera llevar a esfuerzos intiles de control

Como podemos decidir si un factor esta causalmente relacionado a una enfermedad?

Vamos a suponer que todos los aos un segmento de la poblacin desarrolla la enfermedad X El primer paso consiste en determinar si existen diferencias estadsticamente significativas en la incidencia de la enfermedad entre los grupos poblacionales

El grupo con la incidencia alta (o baja) tiene alguna caracterstica (factor) que pudiera influir sobre esta tasa de enfermedad?

Suponiendo que existe una asociacin estadsticamente significativa entre un factor y una enfermedad esta puede ser
un artefacto (espuria) indirecta causal

Asociacin espuria
Consiste en una asociacin falsa o ficticia que ocurre por casualidad o por sesgo en la metodologa de investigacin

Asociacin espuria
Sabemos que los resultados de una pequea proporcin de estudios se declararan estadsticamente significativos aun cuando los resultados se deban a fluctuaciones aleatorias (error de tipo 1=)

Asociacin espuria
Es por ello que los resultados deben de ser confirmados mediante replicacin Uno debe sospechar que la asociacin es espuria si no es posible replicarlos

Asociacin espuria
El sesgo en la metodologa tambin puede llevar a asociaciones espurias, ya sea en la forma en que se seleccion la muestra o en los mtodos de recoleccin de la informacin Estos sesgos pueden ser difciles de detectar por lo que se debe tener gran cuidado en el diseo del estudio

Asociacin espuria
Vamos a suponer que se disea un estudio para determinar si la enfermedad X se asocia al consumo excesivo de alcohol

Asociacin espuria
Si el investigador sabe que la persona que se entrevista tiene la enfermedad X y el cree que la hiptesis es cierta, pudiera insistir mas en la historia de alcoholismo en comparacin con la entrevista de un control Solucin: el que entreviste no tenga inters en el estudio

Asociacin espuria
Otra fuente de sesgo se origina en la seleccin del grupo control Frecuentemente se seleccionan del mismo hospital donde estn los casos Seguramente no son representativos de la poblacin general

Asociacin no causal (indirecta)

Un factor y una enfermedad estn asociados solo porque ambos estn a su vez asociados a una condicin subyacente comn Una modificacin en el factor indirectamente asociado no modificara la frecuencia de enfermedad a menos de que provoque un cambio en la condicin subyacente comn

Clera y altura
Al estudiar las estadsticas de clera en el siglo XIX en Inglaterra, se encontr que exista una relacin inversamente proporcional entre la altura sobre el nivel del mar y la incidencia de clera

Clera y altura
Este hallazgo vino a apoyar la teora de los miasmas, entonces en boga, como causa de la enfermedad De acuerdo a esta teora, uno esperara tasas elevadas de clera en regiones de baja altitud ya que ah el aire sera ms peligroso (y viceversa, donde el aire es ms puro)

Clera y altura
De hecho la mortalidad observada es extraordinariamente similar a la que se predijo en base a la teora de los miasmas

Clera y altura
Ahora sabemos que las tasas de mortalidad por clera eran mayores en las regiones de baja altitud porque las fuentes de agua en dichas regiones estaban mas contaminadas Era el agua contaminada y no el aire ftido lo que se asociaba al clera

Sin las condiciones estrictas y artificiales de un experimento controlado, es difcil determinar si existe una relacin causal entre un factor y una enfermedad Por esta razn se han desarrollado una serie de criterios para determinar causalidad

Podemos decir que A causa B si:

A precede a B un cambio en A se correlaciona con un cambio en B esta correlacin no es en si misma la consecuencia de que tanto A como B estn correlacionadas con una previa C

Criterios para establecer causalidad

Intensidad de la asociacin
a mayor RR para aquellos con el factor mayor ser la probabilidad de una asociacin causal

Relacin dosis-respuesta
la probabilidad de una asociacin causal ser mayor si existe una mayor incidencia al aumentar el nivel del factor (o viceversa)

Criterios para establecer causalidad

Consistencia de la asociacin
una asociacin descrita en un estudio debe persistir cuando se examina con otra

poblacin y con diferente metodologa

Asociacin temporalmente correcta

la exposicin al factor debe preceder a la enfermedad incluyendo un periodo de induccin y latencia; en condiciones agudas esto es fcil (intoxicacin por alimentos)

Criterios para establecer causalidad

Especificidad de la asociacin
que tanto podemos predecir un evento ante la presencia de un factor idealmente se trata de una relacin de 1 a 1 en donde el factor es tanto necesario como suficiente por ejemplo: exposicin a vinyl cloruroangiosarcoma del higado; dietiletilbestroladenocarcinoma vaginal

Criterios para establecer causalidad

Este criterio es menos satisfactorio que los previos por dos razones
un factor puede causar mas de una enfermedad las enfermedades suelen ser multifactoriales

La presencia de especificidad es evidencia fuerte de causalidad, su ausencia es menos significativa

Criterios para establecer causalidad

Coherencia con conocimiento actual (plausibilidad biolgica)
la interpretacin causal es plausible en trminos del conocimiento existente esto por supuesto depende del nivel del conocimiento existente

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Intensidad de la asociacin
en todos los estudios mayores la mortalidad por cncer broncognico fue mayor en los fumadores que en los no fumadores

Relacin dosis-respuesta
se demostr una franca relacin entre la dosis y la respuesta; la mortalidad se incrementa con cada incremento del tabaquismo

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Consistencia de la asociacin
se ha demostrado en varios pases en diferentes tipos de poblacin, con estudios de diferente diseo todos demostraron no solo una intensa asociacin, sino tambin una relacin dosis respuesta

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Asociacin temporal correcta
el cncer broncgeno suele desarrollarse muchos despus de haber iniciado el habito de fumar. Esto es consistente con el largo periodo de latencia caracterstico de la carcinogenesis

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Otra evidencia temporalmente correcta es que tanto para fumadores de menos y de una cajetilla o mas la mortalidad por cncer disminuye cuando se abandona el habito de fumar en comparacin con los que siguen fumando; a mayor tiempo sin fumar menor la tasa de mortalidad

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Especificidad de la asociacin
Este criterio ha sido imposible de satisfacer El tabaco se asocia a mltiples patologas

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Esto no debe resultar sorprendente El humo del tabaco es un compuesto extremadamente complejo que contiene >4,000 substancias, 50 de ellas mutgenas Adems el RR para el cncer de pulmn es mucho mas alto

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

No todas las personas que fuman desarrollan cncer del pulmn
es un padecimiento multifactorial

No todos los pacientes con cncer pulmonar son fumadores

existen otros factores de riesgo para cncer broncognico

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Este criterio se satisface ampliamente con los conocimientos actuales
el tabaco contiene numerosos mtagenos las tasas estn correlacionadas con las tasas de tabaquismo en la poblacin existe coherencia con los cambios anatmicos e histolgicos

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

ABOGADO DEL DIABLO: existe una hiptesis alternativa?
no puede ser una asociacin espuria: consistencia de la asociacin en numerosos estudios

Pudiera ser una asociacin indirecta?

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

Existe un factor subyacente asociado tanto al tabaquismo como al cncer?
diferencias constitucionales? poco probable en base a toda la evidencia disponible

Aplicacin a un problema especfico: Cncer broncgeno y tabaquismo

La nica forma de resolver esta interrogante es mediante un estudio experimental TICAMENTE ESTO ES IMPOSIBLE