Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2017- 2B
II
IV
Unidad de aprendizaje IV
1. Estudio de cohortes.
2. Tipos de asociación.
Asociaciones reales o falsas (espúreas).
Interpretación de las asociaciones reales.
Tipos de relaciones causales.
Necesaria y suficiente.
Necesaria, pero no suficiente.
Suficiente, pero no necesario.
Ni suficiente ni necesario.
Subtítulos del tema
3. Pruebas de una relación causal.
7. Sesgos.
8. Confusión.
9. Interacción.
De la asociación a la causalidad:
inferencia de los estudios epidemiológicos
Estrategias para el estudio de la etiología de las enfermedades
Introducción
Al finalizar el estudio queda el problema de tener que extrapolar los datos (dosis y
generalizar los hallazgos) de la población de animales a la de seres humanos.
Introducción
Estudios de cohortes.
Enfoques de la etiología en las poblaciones humanas
Enfoques de la etiología en las poblaciones humanas
Ejemplos:
Fuga de gas venenoso en una planta de fabricación de pesticidas en Bhopal, India (1984).
Estos grupos expuestos se comparan con un grupo no expuesto para determinar si hay
un aumento del riesgo en las personas que han estado expuestas.
Secuencia frecuente de estudios en poblaciones humanas
Observaciones clínicas
Datos disponibles
Estudio de Cohortes
5. Los ECA, casi nunca se usan para estudiar los efectos de las
supuestas toxinas o agentes cancerígenos en seres humanos. Sólo se
emplean para la evaluación de agentes potencialmente beneficiosos
(fármacos).
Secuencia frecuente de estudios en poblaciones humanas
Asociación observada
Asociación observada
estudio estudio
Factor “X”
Enfermedad Enfermedad
Interpretación de una asociación observada entre el aumento del
consumo de café y el aumento del riesgo de cáncer de páncreas
Asociación observada
Asociación observada
Tabaquismo
Asociación observada
Asociación observada
Factor genético
Los bebes de las fumadoras son mas pequeños que los de las no
fumadores a cualquier edad gestacional.
Mujeres Mujeres
fumadoras no
fumadoras
Porcentaje
Directa
FACTOR ENFERMEDAD
Indirecta
FACTOR Paso 1 Paso 2 ENFERMEDAD
Relación causal
Relación causal
FACTOR “A”
+
FACTOR “B” ENFERMEDAD
+
FACTOR “C” Cada factor es necesario, pero no suficiente.
Modelo de causa suficiente, pero no necesaria
FACTOR “A”
o
FACTOR “B” ENFERMEDAD
o
FACTOR “C” Cada factor es necesario, pero no suficiente.
Modelo de causa ni suficiente ni necesaria
o
FACTOR “C” + FACTOR “D” ENFERMEDAD
o
Cada factor
FACTOR “E” + FACTOR “F”
no es ni suficiente ni
necesario.
Evidencia de la relación causal
Postulados de la causalidad
El patrón:
Aumento de la concentración de
partículas seguido del aumento de
la mortalidad y viceversa.
La mortalidad se debió al
aumento de la contaminación del
aire.
Estudio ecológicos.
2. Fuerza de asociación
Grant BF, Dawson DA: Age at onset of alcohol use and its association with
DSM-IV alcohol abuse and dependence: Results from the National
Longitudinal Alcohol Epidemiologic Survey. J Subst Abuse 9:103-110,1997.
Modificaciones de las directrices para las inferencias de causalidad
Servicio de Salud Publica de EE.UU. (U.S. Public Health Service)
5
Cribado Tratamiento Asociación
Atención Reducción de
Personas Resultado
3 precoz de la 4 5 la morbilidad
en riesgo intermedio
atención diana y/o Mortalidad
2 7 8
Efectos Efectos
adversos del adversos del
cribado tratamiento
Número de referencia
Estos tres problemas son importantes para cualquier tipo de diseño de estudio.
Sesgos
Este sesgo puede dar lugar a odds ratios (OR) o riesgos relativos (RR) que tal
vez no sean una estimación correcta y, por tanto, dar origen a inferencias no
validas respecto a las asociaciones de la exposición y la enfermedad.
Un ejemplo de sesgo de selección (1974), en varias publicaciones parecían
sugerir una relación entre el uso de reserpina (agente antihipertensivo de uso
común) y un mayor riesgo de cáncer de mama.
Heinonen y cols, realizaron un estudio de casos y controles con datos emparejados realizado
en pacientes quirúrgicos. Las mujeres con cáncer de mama se compararon con mujeres sin
dicha neoplasia en cuanto al uso de reserpina.
Sesgo de selección
Sesgo de información, puede ocurrir cuando los medios para obtener información
acerca de los sujetos del estudio son insuficientes, de modo que algunos de los
datos recolectados sobre la exposición y/o los resultados de la enfermedad no son
correctos.
Sesgo de información: Sesgo de clasificación errónea
Sesgo de deseo, acunado por Wynder y cols; indicar el sesgo introducido por
los sujetos que han desarrollado una enfermedad y que en el intento de
responder a la pregunta, pretenden mostrar, a menudo sin intención, que la
enfermedad no es su culpa. Por tanto, pueden negar ciertas exposiciones
asociadas al estilo de vida (como fumar o beber); si están pensando en
presentar una demanda, pueden exagerar las exposiciones relacionadas con el
lugar de trabajo.
El sesgo de deseo puede considerarse un tipo de sesgo de notificación.
Confusión
Confusión
Asociación observada
Asociación observada
Tabaquismo
OR = 30 x 82 / 79 x 18
OR = 1,95
Asociación observada
Asociación observada
Exposición Exposición
Mayor edad
Enfermedad Enfermedad
Ejemplo hipotético de confusión en un estudio de casos y controles sin emparejamiento sobre
una exposición y una enfermedad en el que se estudiaron 100 casos y 100 controles
IV. Calculo del Odds Ratio (OR) después de la estatificación por edad
Menores de 40 años
OR = 5 x 72 / 45 x 8
OR = 360 / 360
OR = 1,0
OR = 25 x 10 / 25 x 10
OR = 250 / 250
OR = 1,0
Ejemplo hipotético de confusión en un estudio de casos y controles sin emparejamiento sobre
una exposición y una enfermedad en el que se estudiaron 100 casos y 100 controles
En primer lugar, cuando se identifica un factor de confusión, puede ser muy útil,
aunque la asociación aparente entre el factor A (el factor que es el principal foco de
interés) y la enfermedad B se deba en realidad a algún tercer factor de confusión X,
de modo que el factor A no tenga una relación causal con la enfermedad B, el
cribado del factor A puede ser útil, porque permite identificar a las personas que
tienen un alto riesgo de contraer la enfermedad y aplicarles las intervenciones
preventivas y terapéuticas adecuadas.
Consideraciones sobre la confusión
Ejemplo:
Se tiene los siguientes resultados de los efectos individuales:
1. Personas con ninguna exposición, la incidencia es de 3,0.
2. Personas expuestas al factor A y no al factor B, la incidencia es de 9,0.
3. Personas expuestas al factor B y no al factor A, la incidencia es de 15,0.
4. ¿Cuál es la incidencia en las personas que están expuestas a los dos factores (A y
B)?
Tasas de incidencia para los grupos expuestos a ningún factor de
riesgo o a uno o dos factores de riesgo (datos hipotéticos)
incidencia es 9,0.
Entonces, buscando la incidencia:
1. 3.0 + 12 = 15.0
2. 9.0 + 12 = 21.0
La incidencia es 21.0
Tasas de incidencia y riesgos atribuibles para los grupos expuestos a ningún
factor de riesgo o a uno o dos factores de riesgo
(datos hipotéticos en un modelo aditivo: I)
Hay que recordar que, al comentar las diferencias en cuanto a riesgos, nos
referimos a los riesgos atribuibles.
Hallar el riesgo atribuible de la siguiente tabla de RA.
3.0 9.0
15.0 45.0
Tasas de incidencia y riesgos atribuibles para los grupos expuestos a ningún
factor de riesgo o a uno o dos factores de riesgo
(datos hipotéticos en un modelo multiplicativo)
Si ahora se asigna un valor de 1 al riesgo de base (3,0), frente al que comparar los
demás valores de la tabla, la exposición al factor A triplica el riesgo.
Y, si el factor B multiplica el riesgo por 5, lo que produce un riesgo relativo de 5
para la exposición al factor B en ausencia del factor A.
Tasas de incidencia y riesgos atribuibles para los grupos expuestos a ningún
factor de riesgo o a uno o dos factores de riesgo
(datos hipotéticos en un modelo multiplicativo)
3.0 9.0
15.0 45.0
Recomendación