La epidemiologia moderna y el racionalismo en las ciencias de medici6n Neil Andersson Existen varias definciones de la epidemiologia; la mayoria de ellas tiene

que ver con el conocimiento, o el estudio, de 'la distribucibn de enfermedades en poblaciones' [Macmahon, Guerrerol. A nivel general, en la epidemiologia nos preocupamos sobre la medici6n de 10s fen6menos (de salud) de inter&, no solamente de las epidemias o las enfermedades. Es la ciencia o la disciplina de cdmo estudiar 10s fen6menos en la poblaci6n (EPI = sobre; DEMOS = pueblo, gente). Miettinen refiere a la epidemiologia como el estudio de las relaciones de ocurrencia -- u n salto cualitativo de la simple descripci6n de "la distribuci6nn. Mientras se reconoce que varios notables epidemi6logos "viejos" han tenido una percepci6n muy aguda de lo que son las relaciones de ocurrencia -- el por qu6 de las relaciones d e t r i s de una distribucidn -- el ajuste de las definiciones a la realidad de nuestras preocupaciones representa un paso positivo. Detras de cada perspectiva de la epidemiologia es su epistemologia: 'c6mo conocer, pensar y decidir' (Bateson). Hay que reconocer que nuestro proceso de trabajo y nuestros conceptos de base de medici6n est6n influidas por una tradicidn muy fuerte - en efecto nuestra epistemologia. Una revisi6n muy superficial y parcial de la historia de la epidemiologia nos indica su preocupaci6n tradicional con la etiologia (el estudio de causas): 'De aires, aguas y lugares' Hip6crates: lglesias de Londres ( 1603): Los informes de mortalidad El analisis de informes de mortalidad John Graunt (1663): James Lind (1747): La prueba experimental de hip6tesis William Budd (1839): La tifoidea es infecciosa El c6lera en Londres John Snow (1849): La pelagra no es infecciosa J Goldberger (1914): Archie Cochrane (-1980s) Efectividad y eficacia en 10s servicios de salud

Siempre aceptando que se puede construir otras listas que demuestren otros temas epistomol6gicos. es notable la predominancia de la bcsqueda de causas entre 10s "momentos claves" en la historia de nuestra ciencia. La serie de eventos que han nutrido esta tradici6n son casi todos relacionados con las enfermedades infecciosas. Un tercer ascendiente ha sido la preeminencia de lnglaterra y, en 10s liltimos 2 0 aiios, 10s Estados Unidos de Am6rica. Si bien se acepta que uno entre 10s objetivos fundamentales de la epidemiologia es mejorar la salud mediante la identificaci6n de factores etiol6gicos. hay que considerar otro objetivo en su aplicaci6n: mejorar la salud mediante la mejor planificaci6n y la administraci6n. LA EPlDEMlOLOGlA MODERNA Existe.n algunos conceptos cuestionados en la aplicaci6n moderna de la epidemiologia: 1. Tradicionalmente, la epidemiologia de infecciones ha sido separada de la epidemiologia de enfermedades cr6nicas; es una divisi6n sin bases te6ricas. Algunas infecciones son cr6nicas

(TB, lepra, SIDA) y algunas enfermedades cr6nicas se rnanefiestan de rnanera aguda (enferrnedades cardiovasculares). La rnetodologia epiderniol6gica es constante entre ellas. 2. Las divisiones tradicionales entre la epiderniologia descriptiva y la analitica, o entre la experimental y la observacional tarnpoco tiene mucha solvencia te6rica. Estas categorias indican actitudes u objetivos del investigador; no son fundarnentos rnetodol6gicos y no son rnuy ljtiles en la evaluaci6n de trabajos epiderniol6gicos. 3. La generaci6n de hipdtesis ha funcionado casi corno bandera de la ciencia tradicional. Paso nljrnero uno: se formula la hipbtesis; segundo paso, se operacionaliza la hip6tesis; etc.. Sin embargo, despertindose por que call6 algo del i r b o l de rnanzanas (Newton) o el grito de Arquirnides ('Eureka') mientras se bafiaba, no se califican corno procedimientos rigurosarnente cientificos. Se generan hip6tesis rnediante la inspiraci6n. la suerte, la irnaginaci6n. Estas no son actividades cientificas. Por ejernplo, si queremos investigar la prevalencia de la enferrnedad de Chagas, levantar una hipdtesis es un paso redundante. No agrega nada forrnalizar en una hip6tesis la especulaci6n de que algunas personas la tengan y otras no. No obstante, se puede aplicar la forrnalidad de probar hip6tesis -- en una prueba de 16gica deductiva -- en un proceso rn6s rigurosarnente cientifico. Tiene la ventaja de enfocar o reducir el problerna en terrninos de u n contraste rnanejable y digestible, per0 tarnbien tiene inconveniente de resaltar el inter6s del cientifico que plantea la hipbtesis, y no de enfocar en el problerna corno tal. Muchas veces no conternpla la cornplejidad de un problerna dado, perdiendo elementos corno las interacciones y variabilidades. En breve, sin ~ un procedimiento indispensable negar su funcion en ciertas situaciones, la hip6tesis 1 1 es para la rnedicidn cientifica. 4. Otro ejernplo del racionalisrno en la estadistica, cornlin en la cornunicaci6n de resultados, es la presentaci6n de datos con gran nljrnero de puntos decirnales: "la estirnacidn de la rnortalidad infantil es de 63.2621 por 1000"; "se encontr6 un prornedio de 5.54 personas por vivienda"; "la tasa de natalidad encontrada fue de 3.245"; o "la poblaci6n estirnada fue de 68,354 aproxirnadarnente". Estas expresiones farniliares ponen en alerta el sentido cornljn del lector. Prirnero, si se estQ hablando de estimaciones, no tiene rnucho sentido el detalle en las cifras y/o puntos decirnales, puesto que la confiabilidad de la estirnaci6n rnisrna puede estar, por ejernplo, en el orden de 10% del valor encontrado. Segundo, 10s instrurnentos de rnedici6n ernpleados son, en general, tan poco precisos que el rnargen de error puede ser rnucho mayor. Un estadigrafo con experiencia internacional remarc6 que el nlirnero de cifras decirnales es inversarnente proporcional a la calidad de la capacitaci6n estadistica. Mientras rnQs,pobre es el conocirniento estadistico, m i $ nlimeros se ponen depues del punto decimal en la presentacidn de resultados.

5. La ciencia tradicional de medici6n se ha caracterizado por una supremacia de las pruebas de 'significancia'. Hay quien piensa que la prueba de significancia es casi sin6nirno de la estadistica, y aplican de rnanera esquernitica y no rnuy transparente 10s conceptos estadisticos. Hasta la fecha, a pesar del desarrollo en el carnpo de la epiderniologia rnoderna, aljn persisten pricticas de caricter racionalista que rnuchas veces sacrifica la validez de 10s estudios a favor de una mayor precisidn (ausencia de error al azar). Es posible que nos encontrernos r n i s c6rnodos aceptando y rechazando hip6tesis que ernpleando la prQctica alternativa, la consideraci6n integral y sintetica de toda la evidencia disponible. Esta vinculaci6n entre una sola parte del anelisis -- la estirnaci6n de nuestra confianza que

lo que encontramos no se explica facilmente al azar -- y la inferencia o la interpretacibn, estd detrds de mucho del racionalismo que se intenta superar. 6. Otra pr6ctica derivada de la sirnplificaci6n de la escuela tradicional de probabilidad frecuentista, es la de declarar que la relaci6n encontrada "no tiene significancia", porque el valor de p es mayor que el convencional valor de p = 0.05. El olvido bdsico a este respecto, es que el valor de p depende fuertemente del tamaiio del estudio y no linicarnente de la relaci6n entre causa y efecto; es posible que si el estudio fuese u n 10%o dos veces rn5s grande se podria cumplir con la significancia estadistica cl6sica. A nivel de la enseiianza y la publicaci6n de trabajos cientificos, lamentablamente, existe prdcticamente un fetichismo sobre ocurrencia al azar. Se puede explicar las limitantes de esta perspectiva con u n ejernplo:

Situaci6n 1 exposici6n

Situaci6n 2 exposici6n

5 4

Enfermedad

+ -

5 6

+ =

505 5030 516 4992

RPC = 0.67 RPC LC95% (0.08-5.51)

0.97 1) (0.85-1.I

El valor alto de p (es alto porque, con 0.66, se acerca a 1.0) es compatible con la explicaci6n de que la diferencia de ocurrencia de enfermedad detectada entre 10s expuestos y 10s no expuestos, resumidas aqui como la raz6n de productos cruzados (RPC), se explica fhcilmente al azar. Seglin la prueba de significancia en estos dos situaciones, aplicando el procedimiento de probabilidad frecuentista, en ambos situaciones tenemos que rechazar una hip6tesis que propone una diferencia entre 10s expuestos y 10s no expuestos respecto a la ocurrencia de la enfermedad. No obstante, es bien claro que las dos situaciones son muy diferentes y tendriamos que negar el sentido comlin para aplicar el procedimiento de esta manera. El estudio en la 'Situaci6n 1' es muy pequefio en comparaci6n con el de la Situacidn 2. Un estudio 1 0 veces m6s grande, preservando las mismas proporciones en la Situaci6n 1, producire unos resultados muy interesantes. Parece que una persona con la exposici6n tiene 213 partes del riesgo de enfermarse en cornparaci6n con alguien sin esta exposici6n. Nuestra conclusi6n, entonces, es que se requiere de u n estudio mhs grande para poder interpretar este resultado. En la Situaci6n 2, en carnbio, tenemos una indicaci6n que hay muy poco beneficio de la exposici6n. Aumentando el tamafio del estudio no cambiard fdcilrnente esta interpretacibn. Aurnentdndolo mil veces -- con costos presurniblernente extraordinarios -- preservando las rnisrnas proporciones que la Situaci6n 2, es dificil que nos convenza de que la exposici6n jrnoorta, aun cuando si salga "significativa" con esta prueba estadistica. Hay muy poca diferencia entre 10s expuestos y 10s no expuestos. En otras palabras, la prueba de significancia depende de dos cosas: el tarnaiio del efecto, y

el tamaiio del estudio. Depende entonces del diseiio del estudio, de 10s recursos disponibles y la logistica. y no depende s61o de la relacidn entre causa y efecto. Cuando 10s datos son escasos, es dificil intepretar una prueba de significancia (p aka) como hallazgo negativo, es decir, que no nos interesa el resultado. Cuando 10s datos son abundantes, u n valor alto de p si nos informa sobre la relaci6n encontrada.

7. El dominio durante mucho tiempo de la escuela frecuentista sobre las ciencias de medici6n ha permitido que muchas personas piensen que la ocurrencia al azar ("chance"), juega u n papel determinante en 10s fen6menos fisicos y, por simple deduccibn, en 10s fen6menos biol6gicos. Llegan a creer que la ocurrencia al azar es tan importante que tiene que ver con la causalidad de todas las enfermedades y condiciones de salud. Algunos piensan que ocurrencia al azar es aquella parte de la etiologia que corresponde a nuestra ignorancia sobre 10s determinantes. Error al azar, en este contexto, es la parte de nuestra experiencia que no podemos definir. Estos conceptos, en resumen, son product0 del Bnfasis en un s61o tipo de error de medici6n. El error es -- por razones solamente del tamaiio de la muestra, sin contemplar otros problemas -- que encontramos un resultado que no es el verdadero (error tipo a). Es poco comljn que se tome en cuenta otro tipo error, el de no haber encontrado el resultado verdadero simpiemente porque la muestra fue demasiado reducida (error tip0 B). Lo mtis importante es que estos dos tipos de error ignoran asuntos de validez que, a pesar de la dificultad de cuantificar en nljmeros -- tal como uno puede hacer con u n valor nitido de p -- son mhs importantes cuando ampliamos el uso de la epidemiologia.
Que es "el proceso epidemiol6gico" El racionalismo, entonces, tiene que ver con la acumulaci6n de conocimiento por intuici6n y 16gica. Considera a las matemtiticas como la forma m6s alta del conocimiento; en parte pudo haber sido una reacci6n contra el viejo empirismo de la astronomia, una ciencia empirica desbaratada por Platbn. La epidemiologia moderna se puede plantear como un proceso coherente, 16gic0, que se basa en principios sistemhticos. Despues de aiios de considerar qu6 significa esta declaraci6n tan blanda, he llegado a la conclusi6n de que hay cuatro pasos o momentos en el proceso epidemiol6gico: 1. 2. 3. 4. Conceptualizar el problema: el contraste de impacto, cobertura y costos Tener un marco de medici6n: diseiio pragmstico del estudio Saber realizar la 'cosecha': recolecci6n de datos de fuentes existentes o cuestionarios Expresar 10s partimetros de la relacidn de ocurrencia.

Sobre el "contraste" La relaci6n entre la cobertura de una actividad especifica y su impacto se basa en la comparaci6n: quien tiene una condici6n dada y qui6n no la tiene; quien entre cada uno de estos grupos tiene alguna exposici6n especifica (tal como.el beneficio de cobertura de algdn servicio) y quien no la tiene. A mod0 de ilustraci6n. considerese el caso de dos hogares: uno, con agua potable, y otro sin agua potable, cada casa con cuatro niiios. Para fines de este ejemplo, supongamos que encontramos en el hogar con agua potable u n solo niiio enfermo por diarrea, entre 10s cuatro (su riesgo es de 114). mientras que en el otro hogar, encontramos dos niiios enfermos por diarrea (su riesgo es de 214). En la medida que estos dos ho'gares representan una realidad, podemos decir que el riesgo de tener diarrea de un niiio viviendo en el hogar sin agua potable es dos veces el riesgo de un niiio que vive en el

hogar con agua (214 dividido por 114 = 2). Esta formulacidn. en la epidemiologia, se identifica como "riesgo relativo" (un riesgo relativo a otro riesgo). Por otro lado, restando el riesgo del hogar con agua potable del riesgo del hogar sin esta agua (114 - 214 = -114) obtenemos la estimacidn, en este "estudio" del riesgo diferencia. Esto implica, ignorando por el momento la cuestidn de tamaiio y otros problemas de interpretaciones prematuras sobre causalidad, que si se pudiera suministrar agua potable en el hogar donde hace falta, se puede "salvar" un caso de diarrea entre cuatro (25% de casos). Si bien hay muchas consideraciones antes de llegar a esta conclusi6n, u n sistema de medicidn que produce resultados en estos terminos es 6til en la planificacidn. El marco: Al concebir u n contraste -- por ejemplo, cue1 fue la diferencia en el estado de salud entre grupos con diferentes niveles de cobertura -- nos dirige casi autom5ticamente a un marco para sistematizar las observaciones empiricas al respecto. Los cambios de cobertura entre un mismo grupo contrastado en el tiempo permite -- siempre bajo ciertos supuestos -evaluar 10s beneficios para 10s individuos en el context0 de una baja o alta cobertura de una actividad especifica. Esta investigacidn generalmente se realiza de manera prospectiva: una medicidn que sirva de linea de base, intensificacidn o ampliacidn de la cobertura. y despu6s otra medicidn para detectar cambios en el estado de salud. La primera etapa, una encuesta tranversal, tambi6n permite obtener informacidn sobre las condiciones previas existentes entre la poblacidn, basada en informacidn existente o a6n en condiciones donde no se tenga informacidn disponible (estudios de tip0 retrospectivo), que en general puede ser rtipida y de bajo costo. Sin embargo, las etapas siguientes, las cuales se encuentran ligadas dentro del marco prospectivo. tienen la desventaja de retrasar 10s resultados 6tiles para la toma de decisiones al depender del seguimiento de 10s cambios de salud en el tiempo, a partir del establecimiento de su linea de base. Son cuatro 10s m6todos de estudio epidemiol6gico: 1. Transversal, como el censo 2. Longitudinal, que puede ser prospectivo o retrospectivo. de poblacidn dinemica o 'cohorte' 3. Caso-testigo o 'caso-control' 4. Intervencidn Los Sitios Centinela, por ejemplo, permiten una combinaci6n de las caracteristicas retrospectivas y prospectivas en estudios epidemioldgicos (ver adelante). Sin embargo, las retrospectivas son m6s f.6cilmente adaptadas a las limitadas condiciones de recursos que prevalecen en la mayoria de 10s paises en vias de desarrollo, ya que la "antes-despu6sn medicidn del estudio prospectivo puede resultar muy costosa. Cuando la enfermedad no es muy comirn, el estudio epidemioldgico requiere de un tamaiio de muestra excesivamente grande para generar suficientes casos. y puede resultar complejo y poco manejable. En otras palabras, una de las ventajas importantes de 10s estudios retrospectivos para analizar el efecto en salud de una cobertura en cuestidn, es su poder estadistico. Un estudio mAs grande que requiere de una alternativa prospectiva puede ser inversamente proporcional a la frecuencia de una enfermedad en particular.

. .

La cosecha Teniendo claro el contraste, se puede diseiiar un proceso para captar datos. Sabiendo qu6 proceso, marco operativo o diseiio se requiere, la captura actual de datos se reduce a un proceso t6cnic0, parsirnonioso y pragrnatico. Sin tratar de producir todo u n libro de epiderniologia en una sola lista de control (lista de chequeo), se ofrece una lista de 1 5 criterios para la evaluaci6n epidemiol6gica que puede ser utilizada en el diseiio, la ejecuci6n y el analisis de estudios epidemiol6gicos:

1 5 TEMAS PARA LA MEDICION EPlDEMlOLOGlCA A. 1) 2) 3) 4) SESGOS DE SELECCION i L a entidad de referencia est6 'contarninada'? i L a serie de estudio e s t i 'diluida'? 'EstA presente u n 'efecto de trabajadorlniiio sano'? 'Son 10s datos suficientemente completos para reflejar la realidad?

B. SESGOS DE INFORMACION 5) ~ L o d s atos sobre exposici6n son adecuados? . 6) 'Son adecuados 10s datos sobre el efecto (impacto)? 7 ) i H a y sesgo de rnemoria? 8) 'Hay sesgo de observadorlparticipante? C. PODER DEL ESTUDIO 9) 'De qu6 magnitud es el riesgo que puede excluir el estudio? 10) i C u i l es la especificidad de 10s indicadores? D. EL ANALISIS 11) iEs apropiada la prueba de la significancia? 12) ~ E el s parametro de resumen lo m6s apropiado? E. INTERPRETACION DE RELACION BlOLOGlCA 13) i E s indispensable una relacidn exposici6n-respuesta (gradiente biol6gico)? 14) i U n prolongado period0 de latencia hace obscura la asociaci6n? 15) Hate u n distractor oculta la asociaci611, o algQn factor modifica el efecto?

El objetivo del ejercicio de medici6n es estimar el carnbio en el riesgo asociado con una acci6n (exposici6n). Cuando se supone que todo el grupo de exposici6n y el de referencia (0, en el diseiio tip0 caso-testigo, 10s casos y 10s testigos) son iguales con excepci6n de la cobertura, la comparaci6n resulta sencilla. Estadisticamente, 10s riesgos entre aquellos con o sin exposici6n pueden compararse en base de su Riesgo Relativo (RR) o su Riesgo Diferencia (RD). Para excluir la posibilidad de que 10s RR y RD encontrados no se puedan explicar como u n f e k m e n o al azar, se recurre a la utilizaci6n de las pruebas de significancia estadistica (cai cuadrada o valor de p).

Las cornplicaciones comienzan cuando se reconoce que las caracteristicas entre las poblaciones pueden variar de u n lugar a otro. Si se considera a dos grupos de poblaci6n en estudio (por ejemplo, de dos municipios), pueden existir m5s diferencias entre ellas que en la cobertura de una acci6n en salud: climatol6gicas, abastecirniento de agua, niveles de educaci6n y nutricibn, precticas y h5bitos dom6sticos, entre otras. El marco epiderniol6gico conternpla la separaci6n de estos factores en el anilisis.de datos a traves del procedirniento de Mantel Haenszel. Esto tiene tres pasos: 1. La estimaci6n del riesgo, 2. La aplicaci6n de un prueba de significancia, 3. La estratificaci6n para excluir distracci6n epiderniol6gica. para investigar interacciones y modificaci6n de efecto: La definici6n del contraste basic0 permite conocer el impact0 que tiene entre la poblaci6n. sin tornar en cuenta las diferencias entre ellas por 10s diferentes factores incluidos en el estudio. Para aclarar el contenido y calcular el riesgo, la tabulaci6n de las frecuencias organizadas en una tabla de 2x2 facilita mucho el resumen de las relaciones de ocurrencia. El riesgo relativo (RR) es u n paremetro de interes central en la epidemiologia. Este se refiere al riesgo de u n individuo promedio entre 10s expuestos relativo a u n individuo prornedio no expuesto. Los contrastes pueden salir de u n anelisis de datos existentes, corno las fichas familiares o registros de eventos vitales. Existen varias maneras de estimar este riesgo para u n individuo "promedio", una dirnensi6n te6rica. dado que en la realidad 10s riesgos no se distribuyen por las leyes de promedios: tasa relativa y la raz6n de productos cruzados. El riesgo relativo es litil para 10s propdsitos predictivos respecto al individuo ("un niiio cuya rnadre lava la verdura con el agua de llave, tiene tres veces el riesgo de enferrnarse en relaci6n con u n niiio cuya madre no la lava"). El riesgo diferencial, por otra parte, indica "cu5ntas personas podemos salvar si brindamos la cobertura al grupo que no la tiene", siernpre y cuando la asociaci6n no se deba a otro factor que no hayarnos tornado en cuenta.
Medidas de r e l a c i o n e s de ocurrencia

Medidas de ocurrencia

Riesgo diferencial

prevalencia: de poblaciones cuantifica como 'tasa' ? puede tener 'punto'

- Tasa relativa

Relaci6n entre observado y esperado

- incidencia: individual o

(O/E)

poblacional hay que distinguir 'recurrencia' 'candidatura' es el principio logico concept0 de persona-tiempo
- riesgo: probabilidad te6rica de

- Producto de razones cruzadas - Coeficiente de correlaci6n

interpretabilidad

- variabilidad arbitraria

individuos, especificado por determinantes (conditional)

Coeficiente de regresi6n Raz6n de mortalidad proporcional

tasa proporcional: importancia relativa

- 'Vidas salvadas' vs tiempo salvado

La presentaci6n de resumenes El primer paso en la presentaci6n de 10s datos es entender su distribuci6n, lo cual implica un resumen que muestre las caracteristicas (observaciones) mds importantes. Sin embargo, hay que enfatizar que, en el anelisis formal, se empieza con 10s datos crudos. Los m6todos de estadistica pueden aplicarse sobre una gran variedad de datos. Vale la pena, entonces, aclarar 10s distintos tipos a considerarse. Cualquier observaci6n que puede cambiar (como: tiempo, persona, espacio, etc.) se llama una "variable". Por ejemplo: paridad, clase social, talla y peso cambian dependiendo de a quien estemos estudiando. En contraste, una constante matemetica, tiene un valor fijo. Por ejemplo, n, la raz6n de la circunferencia de un circulo respecto a su didmetro, es constante 3.141592654 (aproximadamente) para circulos de cualquier tamaiio. Es dtil distinguir entre variables de distintos tipos. Una variable CUALITATIVA, se puede considerar como una clasificaci6n de caracterlsticas; por ejemplo: lugar de nacimiento, sexo, sobrevivencia o muerte. No tiene un valor numeric0 (aun cuando sf podemos asianarle un valor numerico). Una variable CUANTITATIVA, en contraste, s l tiene un valor numerico. talla paridad presi6n arterial ndmero de episodios peso tamaiio de la familia edad del ljltimo cumpleaiios edad exacta

Existe unadiferencia importante entre las dos columnas. En la primera, son variables continuas, y la precisi6n con la cual podemos detectarlas estd determinada por el instrumento de medici6n. En cambio, las variables en la segunda columna solamente tienen valores de ndmeros enteros y se llaman variables

discretas.

Se nota que edad estd en ambas columnas. La edad exacta es obviamente continua. Por

ejemplo. en el rnomento de escribir, m i edad puede ser de 45 aiios, 6 meses, 4 horas, 1 6 minutos y 25 segundos. Por convenio, redondeamos la edad hacia el ndmero de aiios cumplidos (no al ndmero de aAos mas cercano).

DlSTRlBUClON DE FRECUENCIA ESTUDIO ACAPULCO 1986. DIARREA Y PARASITOSIS

TABLA 2x2: PARASITOSIS SI NO DIARREA SI 95 NO 55 160 154

RR=1.73

El problema con esta representacibn, es que sin cdlculos (aun minimos, como 10s de RR) n'o podemos empezar a hacer comparaciones directamente. Para hacer estas comparaciones con mayor facilidad, se pueden convertir las distribuciones de frecuencias en distribuciones de frecuencia relativa (porcentaje).

PRESENTACION 1: PARASITOSIS SI DURACION 1 NO

O h PARA-

SITADOS

6 55 13 12 5

15 69 29 10 11

29%
44%

2 3 4 5

31% 55% 31%

PRESENTACION 2: PARASlTOSlS SI DURACION 1 NO

% PARASITADOS

6
68 17

15 98 21

29% 41% 42%

2+3 4+5

PRESENTACION 3: PARASITOSIS SI DURACION NO

% PARA.

SITADOS

1+ 2 3+4 5

61 25 5

84 39 11

42% 39% 31%

El problerna que se rnanefiesta aqul es c6mo se establecen las categorias de datos. Es decir, arbitrariamente o rnediante procesos de elecci6n no muy transparentes, se ha asignada el valor "1" a la duracidn de u n dfa. Se asign6 "2" a la duraci6n de dos a cuatro dias. Hay una tendencia rnuy marcada de aumento de ocurrencia entre 10s nitios parasitados. A la de cinco a siete dias, se ha asignado el valor de "3". A 10s de ocho a 14 dias, se ha asignado "4" y, a 10s 15 dias y rn6s se asign6 "5". Es probable que la enferrnedad diarrBica sea bastante diferente, etiol6gicarnente hablando, despuBs de 10s tres o cuatro dias, con una influencia diferente de parasitosis. Conclusiones Con tantas posibilidades contradictorias, no es extratio que muchas personas desconfien de las estadisticas. El desafio es no solamente adoptar una serie de pr6cticas coherentes y defendibles, sino tarnbiBn convencer a la gente -- 10s tomadores de decisi6n a nivel nacional, 10s tBcnicos en 10s servicios y 10s ciudadanos en cada hogar -- que usa estos datos en sus respectivos procesos de planificacibn. Sin subestimar la tarea, unas cuantas pautas nos permiten guiar la birsqueda para una prectica epidemiol6gica rnoderna, critica y antirracionalista. a) Hay una importante diferencia entre anelisis e inferencia. En parte, Bste representa la diferencia

entre el andlisis probabilista 'frecuentista' y el analisis probabilista 'beyesiano'. Tambidn tiene que ver con la importancia dada al criterio de sentido comdn y el conocimiento anterior. Un solo estudio epidemiol6gico nunca puede probar una hipdtesis en forma definitiva; un ndmero de estudios realizados en distintos lugares bajo diversas condiciones, pesan mucho mds que un solo estudio en un solo lugar. b) El proceso inferencial tiene como su base emplrica la observacidn a traves de uno u otro proceso de medici6n. Entonces, no es coherente contemplar causalidad fuera de una consideracidn detallada del mismo proceso de medici6n. Por esta razbn, se propone la serie de 15 temas para la evaluaci6n epidemiolbgica.
C) La inferencia causal tambibn se puede ver fuera de la ciencia en el campo de la polltica pdblica. Segdn este punto de vista, el trabajo del epidemidlogo incluye no solamente la realizaci6n de investigaci6n y el manejo de datos, sin0 tambidn tlene que considerar 'vender' sus resultados a 10s tomadores de decisiones.