Casualidad y Medidas de Asociación Flashcards
Una definición de causa sería….
Dos variables están causalmente relacionadas si un cambio en una de ellas es seguido por un cambio en la otra. Sin embargo, lo que se observa en realidad son regularidades en la aparición de ciertos fenómenos, conllevando a la afirmación de que algunos son causa de otros (efectos).
En un principio el pensamiento científico orientado a desentrañar las causas era determinístico, por lo que…
Se asumía que hay una verdad, donde nuestra tarea es descubrirla. Esto llevo al campo de salud, que existía una causa para cada enfermedad, lo que se denomino especificidad según Koch, siendo corroborado durante el período de prevalencia de enfermedades infecciosas y de enfermedades nutricionales carenciales (existía un agente o la ausencia de un agente como unicausal de la patología).
Las enfermedades crónicas no transmisibles llevaron a cuestionar el modelo unicausal, por ende, surgió en epidemiología….
Distintos modelos multicausales, pues se pasa de una ciencia determinística a una de relaciones probabilísticas, requiriendo de la estadística para su estudio.
El modelo de causa suficiente indica…
Que pueden existir varios conjuntos posibles de causas “suficientes” para una enfermedad, los cuales se componen de “causas componentes” (donde 0 = ausente, y si está la enfermedad es factor protector; y 1 = presente, y si está la enfermedad es factor de riesgo; U = componentes desconocidos). Entonces, cada una de estas causas suficientes es capaz de causar la enfermedad, y basta que una esté completa (con todas sus causas componentes) para que la patología ocurra. Cabe destacar, que una causa componente puede ser necesaria, si es que se encuentra en todos los mecanismos causales, sin embargo, para muchas enfermedades puede que no exista una causa necesaria.
El modelo de causa suficiente “simplifica” los problemas, pues estos suelen tener:
“Causas” (determinantes sociales) más estructurales (por ejemplo, posición socioeconómica u ordenamiento sociopolítico), o ser problemáticas más relacionadas a la respuesta fisiopatológica propia de la enfermedad en estudio (incluyendo factores genéticos, bioquímicos, moleculares, celulares, funcionales y patológicos).
Este modelo “simplifica” ya que pone a todas estas causas o factores en un mismo plano, sin poder dar cuenta de la complejidad de los mecanismos del fenómeno causal. Sin embargo, es el modelo utilizado para estudiar los “factores de riesgo” o “causas componentes”.
La multicausalidad de las enfermedades complica aún más:
El problema inicial de atribuir efectos causales a partir de la observación de eventos sucesivos.
¿Toda asociación observada entre dos eventos implica causalidad?
No.
Causalidad, en epidemiología, corresponde:
Al hecho de que un evento, condición o característica precede a un evento resultante (enfermedad), sin el cual ese resultado (la enfermedad), no hubiese ocurrido de ninguna manera.
Para poder constatar causalidad o el efecto causal en epidemiología, se debería realizar:
Un experimento donde los sujetos de estudio se expongan al mismo tiempo a la posible intervención o exposición causante del evento (efecto) como a una situación sin esta exposición o intervención. Sin embargo, esto no es posible en la realidad, por lo que nunca se puede obtener ambos resultados, siendo uno de ellos siempre potencial o factual y otro contrafactual (contrario a los hechos). Sería ideal observar esto, ya que el efecto causal se mediría directamente, pues la única diferencia es la presencia o ausencia de exposición. Entonces, el riesgo relativo de la situación expuesta vs la no expuesta en los mismos sujetos, no sería una medida de asociación, sino una medida de efecto causal.
Dado que el experimento ideal resulta contrafactual, surge el….
Ensayo Clínico Aleatorizado (RTC), donde se busca construir esos grupos clon-perfecto, que permitan contrastar las dos situaciones: con y sin exposición. Para ello, se asigna aleatoriamente (por un mecanismo totalmente independiente del desenlace) a los participantes a un grupo expuesto o a un grupo no expuesto. Así, las características por las que las personas difieren quedarían perfectamente igualadas en los dos grupos, y en promedio, los grupos serían perfectamente iguales. Sin embargo, no es lo mismo que tener clones idénticos divididos en dos grupos como los experimentos con celulas, pero se acepta que cuando la muestra es lo suficientemente grande, se obtendrá, gracias al azar, esos grupos iguales.
El proceso de inferencia causal requiere que…
Los eventos en estudio (exposición y desenlace) sean observados en sujetos iguales en situación único o idéntica, de tal forma que la única característica que difiera entre ellos sea la exposición. Es decir, el experimento debe estar totalmente libre de variables “confusoras” o que son causa común de la exposición y del efecto, además los sujetos deben ser sanos en un principio (evitar sesgo de causalidad reversa).
Los experimentos controlados se denominan así ya que…
Controlan o eliminan la confusión, pudiendo atribuir a la exposición el efecto observado sobre el desenlace. Sin embargo, en humanos no es posible realizarlos por razones de factibilidad como la ética y autonomía de las personas. Por ello, en epidemiología la gran mayoría de estudios son de tipo observacional.
En los estudios observacionales se construyen situaciones expuesta/no expuesta con…
Sujetos diferentes entre sí, además de no ser aleatoria la exposición, siendo determinada por otro mecanismo que pueda estar relacionado con el desenlace (sean variables de confusión conocidas o no), y por ende, generen el sesgo de confusión.
Además del sesgo de confusión de los estudios observacionales, encontramos los sesgos de:
Selección y medición, los cuales surgen por la forma de conformar los grupos de estudio y de obtener la información. Por ello, los epidemiólogos realizan un arduo trabajo en identificar y pseudo-controlar las posibles variables de confusión (inherentes al problema de estudio, y que requieren un profundo conocimiento de este, de las implicancias del diseño seleccionado y de las técnicas estadísticas requeridas para el análisis de los datos), además de evitar estos sesgos.
En epidemiología las observaciones (variables medidas en muestras de individuos o agregados) son utilizadas para….
Buscar asociaciones. En otras palabras, se busca determinar si las variables observadas son independientes o están relacionadas / asociadas / correlacionadas (hipótesis del investigador).
La pregunta epidemiológica es:
¿Será que la variable de exposición cause la variable resultado?
La inferencia causal es…
El proceso de traducir o determinar si una asociación observada corresponde a una relación causal. En estudios observacionales implica descartar otras posibles explicaciones.
Una asociación puede deberse a:
- Error muestral (azar o aleatorio), donde la asociación observada no existe.
- Sesgo de selección o de medición (falta de validez), donde la asociación observada no existe.
- El efecto causa la exposición (causalidad reversa).
- Existe una causa común, que afecta a la exposición y al efecto (sesgo de confusión).
- La exposición causa el efecto (causalidad).
La inferencia estadística consiste en….
Establecer la probabilidad (p) de que una asociación observada en una muestra se hubiera observado (diferencia entre valores observados y esperados) si la hipótesis nula (plantea que la asociación no existe) fuera la verdadera en la población. Si p es menor a 5%, se descarta la hipótesis nula y la asociación es significativa.
El primer paso de la inferencia causal es…
La inferencia estadística, pues permite eliminar el error aleatorio (generado por el error muestral) como explicación para la asociación encontrada.
Los criterios de Bradford-Hill son….
Una reflexión, y no mandatos, que presentan la fuerza de la evidencia para inferir causalidad a partir de una asociación para el problema en discusión.
Las condiciones de una asociación que podrían fortalecer su consideración como causal son 9:
- Fuerza de asociación: Magnitud de la medida de asociación (cociente o diferencia entre la frecuencia de enfermedad de los expuestos al factor causal hipótetico y de los no expuestos). Cuanto mayor sea esta medida de asociación, más sólida es la base.
- Consistencia: La asociación es detectada en otros estudios y bajo otras condiciones (distintas poblaciones y diseños de estudio).
- Especificidad: La exposición tiene mayor credibilidad como causa si se asocia con un único efecto. También aplica cuando un efecto tiene una única causa.
- Temporalidad: La exposición antecede a la aparición del evento.
- Gradiente biológica: El efecto es proporcional a la dosis de exposición.
- Plausibilidad: El contexto biológico explica lógicamente la etiología por la cual una causa produce un efecto.
- Coherencia: La asociación no contradice la historia natural de la enfermedad, considerando período de inducción y latencia.
- Experimentación: La remoción de la exposición produce un cambio en el resultado (término de la enfermedad o disminución significativa).
- Analogía: La exposición es semejante a otras que causan efectos similares al propuesto (una misma exposición causa efectos similares, o un mismo evento se asocia a exposiciones similares).
¿Qué criterios se refieren al estudio evaluado?
Fuerza de asociación, consistencia, especificidad, temporalidad y gradiente biológica.
¿Qué criterios son de conocimiento basal o proveniente de otros estudios?
Plausibilidad, coherencia y analogía.
Los criterios mencionados se consideran en la discusión de un estudio para evaluar la implicancia causal de una asociación reportada, pero también como…
Justificación de un proyecto que busca sentar mayor evidencia causal para una hipótesis.
El objetivo principal de la epidemiología es:
Informar sobre la causa de una condición de salud. Para estudios observacionales, se deben revisar las posibles causas de una asociación observada.
La medición es un….
Aspecto crucial de la epidemiología.
