Grupo2

20-10-2015

TEMA 4. LA CAUSALIDAD EN MEDICINA

1. INTRODUCCIN
Ponemos el caso de un bebe que mueve el interruptor y se enciende
la luz.
1) La hiptesis causal elaborada por el beb seria la siguiente:
siempre que le doy, se enciende la luz.
2) Para contrastar su hiptesis, repetir el experimento.
3) Finalmente, establece una teora cientfica que confirma que
siempre se encender la luz, cuando pulsa el interruptor.
No obstante, en el momento en el que esto no ocurra, se producir un
fallo en la teora. Y el mtodo cientfico busca la razn de por qu
ocurren estos fallos, e incluye condiciones (siempre que no se
estropee el interruptor, se encender la luz, siempre que haya
corriente elctrica y el interruptor no est roto se encender la
luz).
Siempre que tenemos una teora, hay cierta probabilidad de que esta
sea errnea, y por tanto, haremos ms experimentos para cambiarla.
De igual modo opera la epidemiologia, tratandose de una ciencia
inductiva que sigue este esquema:
1. Observacin de un fenmeno: las enfermedades en la
poblacin.
2. Bsqueda de la justificacin del fenmeno: buscamos factores
asociados a la enfermedad (riesgo, proteccin, confusores)
2.1Formulacin de hiptesis
2.2Experimentacin y contraste de la hiptesis.
Un ejemplo de hiptesis de relacin causal, es el caso de los
deshollinadores, estudiado por un mdico londinense, que va a
relacionar esta actividad con el cncer de piel. El doctor, llamado
Percival Pott, establece una relacin causal entre los deshollinadores
y el cncer de piel (escroto) puesto que presentan una relacin muy
especfica.
Se tratara de una relacin causal, ya que como bien indicaba David
Hume, un suceso es causa de otro, es decir, si el primero no sucede,
no obtendramos el segundo.
Otro ejemplo, respondiendo tambin a estas relaciones causales,
sera el propuesto por Creech, mdico de trabajadores PVC, entre el
cloruro de vinilo monmero y un cncer extrao (angiosarcoma de
hgado).

2. QU ES UNA CAUSA?

David Hume defina causa, como un suceso seguido de otro, donde si

el primero no hubiese existido, el segundo nunca hubiera ocurrido.
Adems, estableci 3 propiedades de una causa:
1) Asociacin (causa y efecto ocurren juntos).
2) Orden temporal (la causa precede al efecto): exposicin anterior a
enfermedad.
3) Conexin o direccin (unin predecible entre causa y efecto). Por
ejemplo, fumar-cncer.
2.1CAUSA DE UNA ENFERMEDAD

Definicin: Todo acontecimiento, condicin, caracterstica o

factor que juega un papel en el desarrollo de la enfermedad.
Inters: En epidemiologia nos interesa descubrir aquellas
causas que puedan ser evitadas, de manera que disminuya la
frecuencia de la enfermedad.

2.2TEORIAS CAUSALES DE ENFERMEDAD

A) Teora unicausal:
- Una causa conduce a la enfermedad.
- Para enfermedades transmisibles.
- Sin embargo, se trataba de una teora errnea puesto que
los individuos con infeccin en la garganta no siempre
desarrollaban la enfermedad. Esto era debido a que
existan ms causas responsables de padecer la
enfermedad.
B) Teora multicausal
- Se trata de la teora aceptada y por tanto, la que se
encuentra en vigor hoy en da.
- Constelacin de causas (actan en concierto todas ellas, es
decir interaccionando para producir la enfermedad).
- Esta teora fue propuesta por John Stuart Mill.
2.3TIPOS DE CAUSAS
A) Causa necesaria: aquella sin la cual no se desarrolla la
enfermedad. Por ejemplo: virus de la gripe en la garganta del
paciente.
B) Causa suficiente: aquella que provoca o desencadena la
enfermedad de manera inevitable.
Ejemplos: en el caso de la gripe, el virus correspondiente seria
la causa necesaria para padecerla, pero no suficiente, puesto
que si las defensas del organismo se encuentran en su estado
ptimo (o ha habido vacunacin previa) la enfermedad no se
desarrollar.

3. MODELO CAUSAL DE ROTHMAN

Se trata de un modelo causal multi-factorial.

Cada crculo es un mecanismo causal (causa suficiente) para

la misma enfermedad.
o Una misma enfermedad tiene varios mecanismos
causales (conjunto de factores causales) que es causa
suficiente para desencadenar la enfermedad.
Un mecanismo causal requiere la accin conjunta de varios
factores (A, B...).
Cada letra representa un factor causal que forma parte del
mecanismo causal.
El factor causal A es una causa necesaria en el ejemplo
representado, ya que est presente en todos los mecanismos
causales de la enfermedad. Por tanto, concluiramos la causa
necesaria tendr que ser la comn en todos los casos, de lo
contrario, no se producira la enfermedad.

3.1IMPLICACIONES MODELO DE ROTHMAN 1

La fuerza de un factor causal para producir la enfermedad,
depende de la prevalencia o frecuencia en la poblacin, del
resto de los factores que componen el mecanismo causal:
- Un factor puede parecer que tiene un fuerte efecto para
producir la enfermedad si el resto de los factores
causales son muy frecuentes o prevalentes en la
poblacin.
- Un factor puede parecer que tiene efecto muy pequeo
si el resto de los factores es poco frecuente en la
poblacin. Es decir, si en una poblacin tenemos un
factor muy prevalente, formando parte de un grupo de
factores poco frecuentes, la prevalencia de esa
enfermedad ser baja.

3.2 IMPLICACIONES DEL MODELO DE ROTHMAN 2

Como ya hemos mencionado anteriormente, ningn factor
causal acta en solitario. Cada uno de los casos de una
enfermedad puede ser atribuido a diferentes factores causales,
que actan de manera conjunta en el mecanismo causal.

4. POSIBLES FACTORES CAUSALES

5. PAPEL DE LA EPIDEMIOLOGIA
Es descubrir que factores afectan a la enfermedad, es decir la
asociacin de ellos con la patologa. La asociacin de un factor con la
enfermedad se puede producir de dos formas:
o Factores de riesgo
Aumentan el riesgo o la frecuencia de la enfermedad.
o Factores protectores
Disminuyen el riesgo o la frecuencia de la
enfermedad.
La epidemiologa pretende identificar factores que se asocian con la
enfermedad, teniendo en cuenta que:
o Si el factor es causal implica que existe asociacin con la
enfermedad.
o Cuando encontramos asociacin entre un factor y la
enfermedad, no implica necesariamente que sea un factor
causal (no siempre va a serlo). Por ello, diramos que no se
trata de una relacin biunvoca, ya que no funciona en las
dos direcciones.
6. INFERENCIA CAUSAL
Vamos a llevar a cabo contrastes de independencia estadstica.
La epidemiologia debe ser capaz de responder a dos preguntas:
1) Existe asociacin entre el factor y la enfermedad?
Descartando falsas asociaciones debidas a:
- Sesgos
- Azar

Confusin

Una vez realizado esto, habiendo descartado tanto el error

sistemtico como el error aleatorio estamos ante una
asociacin estadsticamente significativa.
2) El factor cumple los criterios de causalidad enunciados por
Bradford Hill en 1965?
Cuando cumple los criterios en cuestin, nos encontramos ante
un factor causal.
El siguiente esquema resume todo este proceso previamente
explicado:

Al realizar un contraste de independencia estadstica, podra

ocurrirnos que nos diera un resultado en el que el factor NO es una
causa de la enfermedad, por tanto, ese factor y la enfermedad serian
estadsticamente independientes. Por otro lado, la otra opcin sera
que s que se encontraran asociados:
Asociacin estadstica:
1. SESGOS O ERRORES SISTEMTICOS
Se producen en las etapas de diseo del estudio al seleccionar
la muestra, o en la fase de recogida de la informacin. No
pueden evitarse con ningn anlisis, por muy sofisticado que
este sea. Vamos a encontrar dos tipos:
A. Sesgos de seleccin
En este caso, las muestras no son representativas de las
poblaciones objetivo. Por ejemplo:
Seguimiento: abandonos del seguimiento debido
a tratamientos muy agresivos.
Casos-control: inclusin de casos o controles que
incumplen los criterios.
B. Sesgos de informacin
La recogida de datos conduce a errores sistemticos de
medida de la exposicin o del diagnstico de la

enfermedad, es decir no se estar recogiendo bien la

informacin.
Por ejemplo: sesgos de memoria, etc. Imaginemos dos
tipos de individuo en nuestra poblacin; uno padece
cncer de pulmn y el otro no. Aquel que presenta la
enfermedad, pondr un mayor inters en recordar
aquellos factores que pudieran haber influido en el
desarrollo de su enfermedad. Por ello, para evitar el
sesgo de memoria, se pretende seleccionar a casoscontroles que presenten algn otro tipo de patologa.
Todos estos errores sistemticos SOLO podran evitarse con un
buen diseo en la seleccin de la muestra y en la recogida de
datos.

2. ERROR ALEATORIO
Se produce por el hecho de trabajar con muestras en vez de
con la poblacin completa. Con el fin de controlarlo, realizamos
un buen anlisis.

Calculo de los intervalos de confianza para las medidas

de frecuencia o de riesgo e impacto.
Mediante los test de hiptesis que contrastan:
o RR=1 contra diferentes alternativas. Lo ms
utilizado.
o RA=0 contra diferentes alternativas.

Tambin podemos disminuir este error en el diseo del estudio,

calculando el tamao muestral (n) necesario para cometer
errores aleatorios ms pequeos.
3. INTERACCIN CONFUSIN
3.1 INTERACCIN O MODIFICACIN DEL EFECTO

Factor de interaccin: Un par de

factores de riesgo (F1 y F2) que estn
asociados con la enfermedad, pueden
modificar el efecto de cualquiera de
ellos, alterando as el riesgo de sufrir
la enfermedad (bien incrementndolo
o disminuyndolo).

De este modo, hay dos tipos de

interaccin o modificacin del efecto
que pueden deberse a la accin de
factores de riesgo;
A) Sinergia o potenciacin: Un
factor aumenta el efecto de
otro provocando que aumente
el riesgo de sufrir la enfermedad en presencia de ambos. Esto es,
cuando ambos se encuentran presentes, se potencian y aumenta la
frecuencia de la enfermedad.
B) Antagonismo o Inhibicin: Un factor disminuye o atena el efecto
de otro, as reduce el riesgo de sufrir la enfermedad cuando ambos
factores estn presentes en comparacin a cuando solo est presente
F1.
3.2 CONFUSIN
Cuando no hay interaccin entre los dos
factores, podra existir confusin.
Esta se da cuando existe una (falsa)
asociacin estadstica entre la exposicin
a un factor y una enfermedad, puede ser
debido a una tercera variable o un factor
de confusin (Fc) que est relacionado
tanto con la enfermedad como con el
factor de riesgo inicial, pero en realidad no
modifica el riesgo.
[Factor C = factor de confusin,
relacionado tanto con la enfermedad como
con el factor de riesgo. El investigador
ser quien decida cul ser su Fc y cul su Fr dependiendo del inters en el
estudio.]
Es importante saber que el hecho de que exista un factor de confusin no
invalida nuestros resultados, en el caso de que se recoja informacin
suficiente sobre el factor de confusin para poder controlarlo y conocerlo.
Existen diferentes mtodos para ajustar el estudio por la presencia de
factores de confusin:
A) En el diseo del estudio:

A.1. Restriccin
En el caso del sexo, hay asociacin entre gnero y una
enfermedad. Por ejemplo, en cuanto al cncer de
pulmn, consideramos que es ms probable en hombres.
Esto se debe a que adems, el consumo de tabaco puede
estar relacionado con el gnero ya que en principio, son
ms los hombres que fuman que mujeres.
Para eliminar este posible factor de confusin se eliminan
las mujeres y solo se estudian los hombres. Sin embargo
este mtodo no es muy adecuado ya que se elimina un
estrato entero.
A.2. Apareamiento
Pongo un caso-control, y busco una persona con
caractersticas similares o iguales para estudiar el factor
de confusin. (Ambos fumadores, mujeres y hombres)
B) En el anlisis del estudio:
B.1 Estandarizacin (puede ser indirecta o directa)
B.2 Estratificacin (anlisis estratificado)
B.3 Modelos estadsticos de regresin (lineal, Poisson)

3.3 EJEMPLO FICTICIO DE INTERACCIN CONFUSIN.

Queremos ver si existe relacin entre la exposicin al amianto y el cncer de
pulmn. Como trabajamos con un caso-control, nuestra de medida de
asociacin a utilizar ser el ODDS RATIO (Odds exposicin / Odds casoscontrol).
(Recordamos que como tratamos con casos-control, no hay seguimiento y
por tanto, no podemos hallar la incidencia).

(Odds exposicin: 90/30) (Odds casos-control: 200/625)

OR = (90/30) / (200/625) = 9.375
Como nuestro resultado (OR=9.375) es mayor que 1, concluiramos que la
exposicin al amianto si se trata de un factor de riesgo para padecer cncer
de pulmn, ser 9 veces ms probable de que se d la enfermedad, estando
expuesto a este factor. Este odds ratio en bruto parece estar muy asociado
con la enfermedad.

Otra posible medida sera el porcentaje del riesgo atribuible (AR%)

AR(%) =

En este caso el AR (bruto) = 89.33%, es decir que este tanto por ciento de
los casos expuestos al amianto, podran evitarse si no se diera la exposicin
a este factor de riesgo.

Modificacin del efecto: consumo de tabaco, podra tratarse de un

factor de confusin que se encuentra relacionado con la exposicin al
amianto, y que por tanto, distorsiona nuestros resultados. Si
considerramos que los trabajadores de un estrato social inferior
(aquellos que trabajan con amianto) fuman ms tabaco, podra ser
tanto un factor de riesgo como de confusin.
Para controlarlo, se puede estudiar mediante un anlisis estratificado
(hemos incluido la informacin referente a este consumo de tabaco
en los individuos de la muestra):

Cuando se da una diferencia tan grande entre los odds ratio de los
distintos estratos, decimos que existe interaccin entre ambos
factores; cuando ambos se producen simultneamente, el riesgo se
dispara.
Por ello, diremos que el tabaco es un modificador del efecto de
amianto, de manera que existe una interaccin con sinergia o
potenciacin del efecto. Como existe interaccin, vamos a considerar
ambos factores y ya no se requerira realizar un anlisis de confusin.
o

A continuacin, incluiremos otro factor: realizacin de deporte al aire

libre, por lo que incluimos la informacin referente a dicha prctica en
los individuos de la muestra:

La prctica de deporte interacciona con la exposicin al amianto de

manera que cuando se producen simultneamente el riesgo
disminuye. Diremos entonces, que el deporte es un modificador del
efecto del amianto, de manera que existe un antagonismo entre
ambos. En este caso, el factor de la prctica de deporte se tratara de
un factor protector (OR menor que 1; OR=O.94).
o

Para que el factor fuese un factor de confusin los odds de ambos

estratos deberan ser iguales o similares (por ejemplo, ambos con un
valor de 5) y entonces el tabaco se considerara un factor de
confusin. A su vez, el odds bruto que hemos calculado antes
tambin sera distinto al odds ajustado.
[OR bruto = 9,375 y el OR ajustado=5]

Para saber si hay confusin, es necesario comparar la medida de

efecto en bruto con la medida ajustada por el factor de confusin. Si
la diferencia es importante, diremos que existe confusin, en este
caso si sera una variacin considerable; 9.375 frente a 5.