FUNDAMENTOS DE CAUSALIDAD Y MEDICIN DEL RIESGO Sebastin
FUNDAMENTOS DE CAUSALIDAD Y MEDICIÓN DEL RIESGO Sebastián Genero Postgrado de Epidemiología Universidad Nacional del Nordeste
Plan de la clase Asociaciones estadísticas Causalidad Riesgo. Factor de riesgo. Marcador de riesgo. Factor de protección. Conceptos. Medición del riesgo.
“Es el estudio de la Frecuencia y Distribución de las enfermedades y de sus Determinantes en la Población” EPIDEMIOLOGÍA DESCRIPTIVA EPIDEMIOLOGÍA ANALÍTICA
Varios enfoques causales Divinidad Sucesión cronológica (un eclipse y luego una epidemia) Miasmas Teoría microbiana Causalidad en epidemiología: requiere devarios criterios uno de los cuales es demostrar una asociación
Un factor está asociado a un evento si al variar su frecuencia se produce alguna modificación en la frecuencia del evento.
Ejemplo 1
Ejemplo 2 El 80% de los alumnos que son evaluados por el Dr. Genero aprueban el final de Epidemiología en tanto que entre los que rinden con el Dr Palladino, sólo aprueba el 15%.
Ejemplo 3
Concepto de Epidemiología analítica: Es la rama de la epidemiología que se ocupa de evaluar la existencia de asociación entre uno o varios factores y un evento con el propósito de contribuir a la consideración de una relación causal. >>> Estudia las causas de las enfermedades en la población
Quién hundió el bote?
Modelos causales Unicausal Multicausal Modelo causal de Rothman Determinantes
Concepto de causa ( modelo de Rothman) Causa suficiente I A Causa suficiente II B E A C D Causa suficiente III A B H G F j C I F
Asociación y causa no son sinónimos! No todas las asociaciones son causales!
¿ La asociación es causal? Evidencias de asociación causal – Criterios de Hill (1965) q q q q Fuerza de la asociación Secuencia temporal Efecto dosis-respuesta Plausibilidad biológica Consistencia con otros estudios Evidencia experimental Analogía Especificidad
Fuerza de asociación q Cuanto mayor es la magnitud de la asociación, más sugestiva es la hipótesis de una asociación causal. RA%
Secuencia temporal (El único criterio excluyente) q. Para que una asociación sea considerada causal la exposición debe anteceder a la ocurrencia del evento, respetando las características de latencia de la enfermedad analizada. q Mujeres con y sin lesiones cervicales por HPV fueron seguidas por 4 años. q Entre las mujeres que tenían lesiones cervicales por HPV el riesgo de Carcinoma Cervical fue de 8, 6 por 1000 q Entre las mujeres que no tenian lesiones cervicales por HPV el riesgo de Carcinoma Cervical fue de 0, 73 por 1000 (RR= 8, 6/0, 7=12)
Efecto dosis-respuesta q El aumento (o disminución) de la frecuencia de la enfermedad con respecto a la dosis o el nivel de la exposición, evidencia la relación causal. q La ausencia del efecto dosis-respuesta no desecha la posibilidad de una asociación causal, pues pueden existir explicaciones alternativas (umbral de exposición). q En el caso del CCU se podría desarrollar mediciones de carga viral y relacionarlas con medidas de incidencia de la neoplasia, pero esta tecnología aun esta en desarrollo.
Plausibilidad biológica q Una hipótesis de asociación causal gana consistencia cuando está respaldada por el conocimiento científico del problema analizado. q (como el conocimiento científico varía puede ser inadecuado para determinar la plausibilidad biológica, en el momento del descubrimiento de una asociación. )
Consistencia de los hallazgos q La hipótesis de asociación causal se fortalece con la observación de resultados similares en otros estudios. q La repetibilidad de las observaciones en estudios metodológicamente distintos, realizados en diferentes localidades y con diferentes grupos poblacionales sugiere consistencia.
Evidencia experimental Los estudios de intervención en las poblaciones humanas requerirían la demostración de una reducción en la incidencia de cáncer de cuello uterino tras una reducción en la incidencia de infección por VPH en la población. Existen ensayos de campo que estan evaluando esta evidencia
Analogía (1) Existen otros virus de ADN (tales como VHB) que pueden inducir cáncer en seres humanos. (2) Otros Papilomas virus pueden inducir papilomas y carcinomas en varios modelos animales (3) Si los productos virales que interfieren con p 53 y RB en modelos animales, tales como el antígeno SV 40 inducen cánceres en las especies animales, el VPH podría hacerlo en los seres humanos.
Especificidad El criterio de especificidad requiere que una causa debe conducir a un solo efecto, no a múltiples efectos. Es el criterio menos importante dado que hay factores que se relacionan causalmente a varios eventos de salud.
El concepto de riesgo y su aplicación Es un término Neutral que se refiere a la Probabilidad de que ocurra un evento, por ejemplo enfermarse o ganar la lotería. Se puede cuantificar mediante la teoría de las probabilidades, asume un valor que va de 0 a 1.
Midiendo asociaciones: diseños prospectivos Expuestos Riesgo en Expuestos = 4/10=0. 4 No Expuestos RR=0. 4 =4 0. 1 Riesgo en No Expuestos = 1/10=0. 1 Día 0 Día 30 “Los expuestos tuvieron 4 veces mas riesgo de enfermar que los no expuestos”
No Enfermos Midiendo asociaciones: diseños restrospectivos 4 de los enfermos consumieron queso 1 de los enfermos no consumió queso 6 de los no enfermos consumieron queso 9 de los no enfermos no consumieron queso Odds queso en enfermos =4/1=4 OR= 4/0. 66 =6 Odds queso en no enfermos =6/9=0. 66 “Los enfermos tuvieron 6 veces mas exposición al queso que los no enfermos”
El OR es una estimación del RR y se utiliza en diseños de investigación en los que no se pueden calcular tasas de incidencia ( por ej, estudios de casos-controles y transversales) El OR tiende a sobrestimar al RR Enfermos No Enfermos Totales Queso 4 (a) 6 (b) No Queso 1 (c) 9 (d) 10 (c+d) Totales 5 15 20 10 (a+b) R queso=a/a+b=4/10=0. 4 R no queso=c/c+d=1/10=0, 1 Odds Enfermos=a/c=4/1=4 Odds No enfermos=b/d=6/9=0, 66 RR=0, 4/0, 1= 4 OR=4/0, 66=6 “Los expuestos tuvieron 4 veces mas probabilidades de enfermar comparado a los no expuestos” “Los enfermos tuvieron 6 veces mas exposición al queso comparado a los no enfermos”
MUCHAS GRACIAS!
- Slides: 27