Causalidad en Epidemiologa

Maestra en Salud Pblica y Comunitaria EPIDEMIOLOGIA Cerro de Pasco, 2012 Dr. Ricardo Carreo Escobedo

Causalidad

El principal objetivo de la epidemiologa es contribuir en la prevencin y control de las enfermedades y en la promocin de la salud descubriendo las causas de las enfermedades y las vas como pueden ser modificados. El concepto de causalidad tiene diferentes significados dependiendo del contexto y una sola definicin no es suficiente para todas las ciencias.

Causalidad

La causa de una enfermedad es un evento condicin, caracterstica o una combinacin de estos factores, que desempea un rol fundamental produciendo la enfermedad. CAUSA SUFICIENTE: cuando inevitablemente produce o inicia una enfermedad. CAUSA NECESARIA: cuando la enfermedad no puede desarrollarse en su ausencia.

Causa Suficiente y Necesaria

Una causa suficiente pocas veces es un factor nico. No es necesario identificar todos los componentes de una causa suficiente antes de aplicar una prevencin eficaz. Ejm: Fumar y Ca. Pulmn. Cada causa suficiente tiene una causa necesaria como componente. Ejm: Hay diferentes componentes en la causa de TB pero el BK es causa necesaria. Un factor causal por si mismo no es comnmente ni suficiente ni necesario. Ejm: fumar y ACV.

Postulados de Koch

1.

2.
3.

4.

Los trabajos de Pasteur, permiti que Henle y luego Koch postulen las siguientes reglas para determinar si un organismo causa una enfermedad: (Anthrax) El agente esta presente en todos los casos de enfermedad. El agente puede ser aislado y crecer en un cultivo puro El agente aislado, produce enfermedad cuando es inoculado en un animal susceptible. El agente puede recuperarse y aislarse del animal experimental.

Postulados de Koch

Para la mayora de enfermedades infecciosas y no infecciosas estas reglas son inadecuadas. Ejm: fumar puede ocasionar diferentes enfermedades, el organismo puede desaparecer cuando la enfermedad se desarrolla. Estas reglas pueden funcionar para enfermedades muy infecciosas, lo cual es poco comn.

Factores causales

1.

2.

3.

4.

Cuatro tipos de factores forman parte de la causalidad de un enfermedad. Todos pueden ser necesarios pero raramente suficientes para causar enfermedad: Predisposicin: edad, sexo, enfermedad previa. Factores facilitadores: bajos ingresos, bajo acceso a servicios de salud, bajo status de vida. Factores precipitantes: exposicin a un agente o noxa. Factores de refuerzo: repetidas exposiciones, trabajo excesivo.

Interaccin

El efecto de dos o ms causas que actan en conjunto es comnmente mayor que la suma de los efectos individuales. Ejm: Fumar y exposicin a asbestos para Ca. Pulmn.

Estableciendo la Causa de la Enfermedad

La Inferencia Causal es el termino usado para el proceso de determinar si una asociacin observada puede ser causal. Una asociacin estadstica no implica necesariamente una relacin causal. Para ello se usan guas y juicio. Se usan los Criterios de Hill (1965).

Criterios de Hill
1. Relacin Temporal (Esencial) La causa precede al efecto? Difcil para enfermedades crnicas. En estudios caso control o de prevalencia es confuso el antecedente y la consecuencia. (A diferencia de los estudios experimentales o de cohorte prospectivo)

Criterios de Hill
2. Plausibilidad: La asociacin es consistente con el conocimiento? La relacin causal debe ser plausible desde el punto de vista epidemiolgico y biolgico. Existen limitaciones del conocimiento actual (biolgicamente plausible) Ejm: CleraMiasma. Acupuntura, Medicina Tradicional. La plausibilidad no es evidencia necesaria ni suficiente para establecer relaciones de causaefecto.

Criterio de Hill
3. Consistencia: Se han encontrado resultados similares en otros estudios? La evidencia de causalidad es mayor cuando otros investigadores: con otros mtodos, en diferentes tiempos y circunstancias, as como poblacin y localidades diversas, llegan a conclusiones similares. Ejm: ACO en Ca ovario. Metanlisis.

Criterios de Hill
4. Fuerza de la asociacin: Cul es la fuerza de asociacin entre la causa y el efecto? (RR, OR) Una asociacin fuerte (riesgos relativos u odds ratios altos) tiene una relacin causal ms fuerte que una asociacin dbil. RR>3 y OR>4 son considerados altos. Pero asociaciones muy altas son raras en epidemiologa. Pero una asociacin baja no excluye de causalidad. (Uso de estudios epidemiolgicos)

Criterios de Hill
5. Relaciones dosis-respuesta (gradiente biolgica) : El incremente de exposicin a la posible causa se asocia

con incremento del efecto? Se incrementa la evidencia de causalidad si el riesgo se incrementa al incrementarse el supuesto factor de riesgo. Ejm: Dficit de Audicin y nivel de ruido en el trabajo. Tiempo de consumo de cigarrillo y aumento de riesgo de muerte por Ca. Pulmn.

Criterios de Hill
6. Reversibilidad Al remover la exposicin ocasiona una reduccin del riesgo de enfermedad? Si el riesgo se elimina al remover el factor de riesgo, la relacin causa-efecto es ms fuerte. Ejm: Dejar de fumar disminuye el riesgo en comparacin de los que siguen fumando.

Criterios de Hill
7. Diseo del Estudio La evidencia se basa en diseos fuertes? La mejor evidencia viene de estudios bien diseados, controlados y aleatorios. Otros estudios experimentales fuertes son: los ensayos comunitarios.

Criterios de Hill
DISEO Estudio experimental Cohorte Caso-control (sesgos) Estudio Transversales (secuencia temporal) Estudios ecolgicos ( Falacia ecolgica) RANGO Fuerte Moderado Moderado Dbil Dbil

Medidas de Frecuencia Proporciones, Razones y Tasas

Identificar y cuantificar los resultados es el negocio de la investigacin

Proporcin: Es una expresin en la que el numerador est siempre contenido en el denominador. Denota fracciones de unidad y puede expresarse en porcentaje. Ejm: % de recin nacidos mujeres en sala de RN. = nios recin nacidos / total de recin nacidos.

PROPORCIN = a/(a+b)

Medidas de Frecuencia Proporciones, Razones y Tasas

Razn: Es una expresin de comparacin entre dos cifras o poblaciones. Se expresa como un cociente en el cual el numerador no est necesariamente contenido en denominador. Ejm1: Razn de masculinidad = n de masculinos/n femeninos. Ejm2: Razn (Tasa?) de mortalidad materna.

RAZN = a/b

Medidas de Frecuencia Proporciones, Razones y Tasas

Tasa: Es una proporcin para medir la frecuencia de un evento relacionado con la salud, en el que el tiempo en que ocurre el evento es siempre considerado. Generalmente se multiplica por una constante para tener nmeros enteros. Tasa: (Nmero de veces que ocurre el evento/poblacin en riesgo x tiempo) K.

TASA = a/persona-tiempo

Razn

est el numerador incluido en denominador?

SI NO

est el t incluido en el denominador?

SI TASA
TASA DE INCIDENCIA

NO PROPORCIN
PREVALENCIA

RAZN
RAZN DE MORTALIDAD MATERNA

Poblacin en Riesgo

El clculo de las medidas de frecuencia de los eventos, dependen de la estimacin correcta del nmero de personas que estn bajo consideracin. Idealmente esos nmeros deberan incluir solo aquellos potencialmente susceptibles a esos eventos o enfermedades. Ejm: Los hombres no deberan incluirse en la frecuencia de Ca. Cervix.

Poblacin en Riesgo

La poblacin que es susceptible a la enfermedad es conocida como poblacin en riesgo. Esta poblacin puede ser definida en base a caractersticas demogrficas o ambientales. Daos laborales ocurren solo entre personal laboral, as que la poblacin es riesgo es la laboral.

Prevalencia
Es el nmero de personas en los que ocurre un evento o una enfermedad (nmero de casos) en una poblacin especfica y en un tiempo determinado. Proporciona un estimado de la probabilidad (riesgo) que un individuo est enfermo en un momento en el tiempo nmero total de casos Prevalencia = _______________________________ poblacin (en un momento determinado)

Prevalencia puntual

Prevalencia de periodo

Incidencia

Es el nmero de eventos o casos nuevos que ocurre en una poblacin especfica y en tiempo determinado. # de casos nuevos Inc = ___________________________ poblacin en riesgo

Incidencia

Tasa de Ataque: Es una proporcin de una poblacin bien definida que desarrolla enfermedad en un periodo limitado. Se usa para enfermedades muy agudas. Ejm: Brote epidmico de Clera.

Prevalencia e Incidencia

La relacin entre incidencia y prevalencia depende de la enfermedad. Alta prevalencia con alta incidencia: DBT. Alta incidencia con baja prevalencia: Resfro comn. El nmero de casos sin referencia a la poblacin en riesgo puede dar una impresin superficial de la magnitud del evento.

Factores que influyen en la prevalencia observada

1.
2. 3. 4. 5. 6. 7.

Se incrementa por: Larga duracin de la enfermedad. Prolongada vida de los pacientes (sin curacin) Incremento de casos nuevos Migracin de poblacin sana Inmigracin de casos Inmigracin de poblacin susceptible Mejora de la tcnicas diagnsticas

Factores que influyen en la prevalencia observada

1.
2. 3. 4. 5. 6.

Decrece por: Corta duracin de la enfermedad Alta letalidad de la enfermedad Disminucin de nuevos casos Inmigracin de poblacin sana Migracin de casos Aumento de la tasa de cura

Factores que influyen en la prevalencia observada

Por lo tanto, los estudios de prevalencia no proveen evidencia muy fuerte de causalidad. Sin embargo son tiles para la programacin y evaluacin de las necesidades de atenciones y el planeamiento de los servicios de salud. Ejm: enfermedades de inicio gradual como la DBT y AR.

Relacin entre prevalencia observada y prevalencia real P(r)=[P(o)+Esp-1]/(Sens+Esp-1)

Donde: P(r) = Prevalencia real P(o) = Prevalencia observada Sens = Sensibilidad Esp = Especificidad

Incidencia

Densidad de Incidencia Incidencia Acumulativa

Densidad de Incidencia / Fuerza de Asociacin / Tasa de Incidencia

N de personas que desarrollan enf en el tiempo especifico.

DI =

_________________________________________________(x10n) Suma de los periodos de tiempo durante los cuales cada persona de la poblacin es tuvo en riesgo ( Total de persona-tiempo expuesta)

El numerador se refiere solo a los primeros eventos de enfermedad. Las unidades de la tasa siempre incluye tiempo (das, meses, aos, etc)

Densidad de Incidencia

En el denominador incluye tiempos libres de enfermedad. Para calcularlo aproximadamente, se multiplica el tamao de la poblacin estudiada por la duracin del periodo de estudio. Esto es razonable si el tamao de la poblacin es estable y la Densidad de incidencia es baja.

Incidencia Acumulada o Riesgo

Es la probabilidad o riesgo ( Riesgo Absoluto) que los individuos de una poblacin desarrollen la condicin durante el periodo de tiempo especificado.
N personas que desarrollan enf en un periodo dado

IA = ____________________________________________(x 10n)
N personas libres de enf en la poblacin en riesgo, al inicio del estudio.

Comnmente es presentado como casos por 1000 habitantes.

Incidencia Acumulada o Riesgo

El periodo de tiempo puede ser cualquiera, incluso toda la vida. Por ello puede ser el riesgo de morir. La incidencia acumulada es simple y puede usarse para comunicarse con los decisores de poltica. Ejm: la IA por muerte violenta de un varn japons de 15 aos es de 28 por 100 y un habitante de Sri Lanka de la misma edad es 73 por 1000. Estos nmeros son fciles de interpretar y proveen una medida resumida y til para comparar los riesgos para la salud en distintas poblaciones.

Tasa de Letalidad (Razn letalidad/causa)

Mide la severidad de la enfermedad y es la proporcin de casos de una enfermedad determinada o condicin que son fatales en un tiempo dado.
N de muertes por determinada enf en un periodo especfico x 100 ______________________________________________________ N de casos diagnosticados de la enf en el mismo periodo

Relaciones entre las medidas de frecuencia

La prevalencia depende de la incidencia y de la duracin promedio de la enfermedad. P = Inc x Duracin La Incidencia Acumulativa depende de la tasa de incidencia y de la duracin del periodo de inters. La Incidencia Acumulada es aproximada a la tasa de Incidencia cuando la tasa es baja y el periodo de estudio es corto.

Ejemplo
Individuos Aos sanos bajo observacin

1 S
2 S 3 S 4 S 5 S 6 S 7 S Aos 1

S
S S S S S S 2

S
S E S S E S 3

S
S E S E S 4

S
S E (+) S E S 5

S
S

S
S

7
7 2

S E E 6

S E E 7

7 3 3 5

Ejemplo

La densidad de incidencia en el 7mo ao es el nmero de nuevo casos (2) dividido entre la suma de los tiempos de riesgo de la poblacin (5 personas ao). I = 2 casos por 5 persona aos. La IA es el nmero de eventos (3) entre el nmero de personas en riesgo y sin enfermedad al inicio del estudio (7). IA = 43 casos por 100 personas durante los 7 aos. La prevalencia depende del punto del tiempo en que se evale. Al inicio del ao 4, la P es igual al n de personas con la enferman (2) entre la poblacin estudiada (6), entonces la P = 33 casos por 100 personas.

Mortalidad

Para la epidemiologa es importante contar con datos de mortalidad. Esta informacin es expresada en tasa de muerte o Tasa Cruda de Mortalidad. = N de muertes en una poblacin total promedio en un periodo dado por 1000. No toma en cuenta que el riesgo de morir vara segn la edad, sexo, raza y otros. Para esto son necesario las tasas especficas de mortalidad.

Mortalidad

Razn de mortalidad proporcional: es el nmero de muertes se una causa determinada por el nmero total de muertes ocurridos en un periodo determinado, por 100 o 1000. Tasa de mortalidad Infantil: es el nmero de muertes de infantes < 1 ao entre el nmero de nacidos vivos en el periodo determinado, por 1000.

Mortalidad

Razn (Tasa) de Mortalidad Materna: nmero de muertes maternas entre el nmero de nacidos vivos en el periodo determinado, por 10 000. Expectativa de Vida: es el nmero promedio de aos que un individuo de determinada edad se espera que viva, si el estado actual de la mortalidad permanece igual. Aos de vida potencialmente perdidos: son los aos perdidos por muertes prematuras antes de la edad determinada.

TAMIZAJE (Screening)

Definicin: aplicacin de una prueba o procedimiento en asintomticos para separar los de alta probabilidad de tener la enfermedad de los de baja probabilidad. Cuando se busca diagnsticos en personas con problemas de salud, se denomina bsqueda de casos. El Tamizaje se limita a la poblacin aparentemente sana.

Tamizaje

Implicancias ticas: cualquier efecto adverso es iatrognico. Los sujetos que pasan por el Tamizaje no estn buscando atencin de salud. Costo, dao, estigmatizacin.

Cuando hacer un tamizaje

La enfermedad: importante, claramente definida, prevalencia razonablemente conocida, debe existir una intervencin efectiva. La polticas de salud: costo-efectiva, facilidad para diagnstico y tratamiento, el curso de accin debe ser aceptable. La prueba.

Caractersticas de una buena prueba de Tamizaje

Simple: Debe ser fcil de aprenderlo y aplicarlo, incluyendo por personal no mdico (disminuye los costos). Rpido: El resultado debe ser tan rpido como sea posible. Barato: Indispensable, sobre todo en los programas de despistaje en masa. Seguro: Las pruebas no deben conllevar un riesgo potencial para los sujetos que se someten a sta. Aceptabilidad: Por la mayora de la poblacin que se somete.

Definicin de Sensibilidad y Especificidad

Sensibilidad: Es la habilidad de una prueba para identificar correctamente a todos los individuos, quienes actualmente tienen la enfermedad. Especificidad: Es la habilidad de una prueba para identificar solamente a los individuos quienes actualmente no tienen la enfermedad. Miden a la prueba, es ms importante para los decisores de polticas que para los clnicos.

Tabla 2 x 2
ENFERMEDAD + -

PRUEBA

Calculo de Sensibilidad y Especificidad

P O B L A C I O N RESULTADO DE LAS PRUEBAS CON ENFERMEDAD SIN ENFERMEDAD

POSITIVO

Enfermedad Positiva Prueba Positiva = Verdadero Positivo (VP)

Enfermedad Negativa Prueba Positiva = Falso Positivo (FP)

NEGATIVO

Enfermedad Negativa Prueba Negativa = Falso Negativo (FN)

Enfermedad Negativa Prueba Negativa = Verdadero Negativo (VN)

Sensibilidad =

VP VP + FN

Especificidad =

VN VN + FP

Ejemplo de clculo de sensibilidad y especificidad

CARACTERISTICAS VERDADERAS EN LA POBLACION RESULTADO DEL DESPISTAJE ENFERMEDAD SIN ENFERMEDAD TOTAL

POSITIVO

80

100

180

NEGATIVO

20

800

820

TOTAL

100 Sensibilidad = 80 = 80 100

900 Especificidad = 800 = 89% 900

1000

PRUEBA 1 (Sangre con azcar)

Clculo de sensibilidad y especificidad con una prevalencia de 5%

Asume : Prevalencia de Enfermedad = 5% Poblacin: 10,000 Sensibilidad = 70% Especificidad = 80% -

+ RESULTADO DE LA PRUEBAS

350

1900

2250

150

7600

7750

500

9500

10000

Definicin de Valor predictivo

Valor predictivo positivo: mide la proporcin de individuos, quienes teniendo una prueba positiva tienen realmente la enfermedad. Valor predictivo negativo: mide la proporcin de individuos quienes teniendo la prueba negativa, no tienen la enfermedad. Son indicadores importantes para los clnicos, porque permite interpretar a los tamizados.

Clculo del valor predictivo positivo y negativo de una prueba

RESULTADOS DE PRUEBAS POSITIVO NEGATIVO TOTAL NO ENFERMOS 100 800 900

ENFERMOS 80 20 100

TOTAL 180 820 1000

Valor 80 Predictivo = Positivo 180

= 44%

Valor 800 Predictivo = Negativo 820

= 98%

PRUEBA 1 (Sangre con azcar) Asume : Prevalencia de Enfermedad = 5% Poblacin: 10,000 Sensibilidad = 70% Especificidad = 80% -

+ RESULTADO DE LA PRUEBAS

350

1900

2250

VPP=350/2250 VPP=15.6%

150

7600

7750

VPN=7600/7750 VPN=98.1%

500

9500

10000

PRUEBA 1 (Sangre con azcar) Asume : Prevalencia de Enfermedad = 10% Poblacin: 10,000 Sensibilidad = 70% Especificidad = 80% -

+ RESULTADO DE LA PRUEBAS

700

1800

2500

300

7200

7500

1000

9000

10000

Efecto de la modificacin de la sensibilidad y sensibilidad de la prueba

PRUEBA 1 (Sangre con azcar) Asume : Prevalencia de Enfermedad = 5% Sensibilidad = 70% Especificidad = 80% + + Poblacin: 10,000

DIABETES

RESULTADO DE LA PRUEBAS

350 150 500

1900 7600 9500

2250 7750 10000 Especificidad = 90%

PRUEBA 2 (Prueba DE tolerancia de glucosa) Sensibilidad = 90% + +

DIABETES

RESULTADO DE LA PRUEBAS

315
35 350

190 1710 1900

505
1745 2250

Sensibilidad Neta = 315 = 63% Especificidad Neta = 7600 + 1710 = 98% 500 9500

PRUEBA 1 (ELISA 1)

Asume : Prevalencia de Enfermedad = 2% Sensibilidad = 95% Especificidad = 95% + +

Poblacin: 100,000

SIDA

RESULTADO DE LA PRUEBAS

1900 100 2000

4900 93100 98000

6800 93200
100000 Especificidad = 95%

PRUEBA 2 (ELISA 2) Sensibilidad = 95% + +

SIDA 245

RESULTADO DE LA PRUEBAS

1805 95 1900

2050 4750 6800

4655 4900

Sensibilidad Neta = 1805 = 90.2% Especificidad Neta = 93100+4655 = 99.7% 2000 98000

Variacin de los valores predictivos positivo y negativo con la prevalencia

Ejemplos : Sensibilidad = 99%
Prevalencia de Enfermedad Resultados de Pruebas

Especificidad = 95%
Valores Predictivos

Enfermo No Enfermo

Totales

1%

5%

+ Totales + Totales

99 1 100
495 5 500

495 9,405 9,900

475 9,025 9,500

594 9,406 10,000

970 9,303 10,000

99 = 17% 594 495 = 51% 970

Variacin de los valores predictivos positivo y negativo con la prevalencia

100 80
PRUEBA NEGATIVA

60 40 20 0 20 40 60 80 100
PRUEBA POSITIVA

Prevalencia de Enfermedades (Porcentajes)

Enfermedad + + Prueba 250 250 500 + Prueba +

Enfermedad -

100

400

500

250

250

500
1000

100

400

500 1000

500 500 Prevalencia = 50% Sensibilidad = 50% Especificidad = 50% PV = 250 = 50% 500

200 800 Prevalencia = 20% Sensibilidad = 50% Especificidad = 50% PV = 100 = 20% 500

Enfermedad + + Prueba 20 200 800 Prevalencia = 20% Sensibilidad = 90% Especificidad = 50% PV = 180 = 31% 500 1000 400 420 180 400 580 + Prueba 100 100 +

Enfermedad 80 500

720

500 1000

200 800 Prevalencia = 20% Sensibilidad = 50% Especificidad = 90% PV = 100 = 56% 180

Ejemplos : Sensibilidad = 10%

Resultados de Pruebas

Especificidad = 100%
Valores Predictivos

Especificidad

Enfermo No Enfermo

Totales

70%

95%

+ Totales + Totales

1000 0 1000
1000 0 1000

2700 6300 9000

450 8550 9000

3700 6300 10000

1450 8550 10000

1000 = 17% 3700 1000 = 69% 1450

PRESENTE

AUSENTE b = Falso (+) d = Verdadero (-)

TOTAL a+b c+d Valor Predictivo (+) a__ a+b

Positivo
Resultados de Pruebas Negativo Total

a = Verdadero (+)
c = Falso (-)

Valor Predictivo (-) d__ c+d

Total General a+b+c+d

a+c Sensibilidad a__ a+c

b+d Sensibilidad d__ b+d

Conclusiones

El Tamizaje puede mejorar o empeorar la salud dependiendo de cmo se aplica. El tamizaje se realiza en poblacin aparentemente sana. Sensibilidad y especificidad tienden a ser inversamente proporcional. Incluso las mejores pruebas de tamizaje tienen pobres VPP en poblaciones de baja prevalencia Es necesario el uso de ensayos clnicos aleatorios y controlados antes de la aplicacin de programas de tamizaje.