Causalidad en epidemiologia

Click here to load reader

download Causalidad en epidemiologia

of 23

  • date post

    18-Dec-2014
  • Category

    Healthcare

  • view

    2.774
  • download

    1

Embed Size (px)

description

 

Transcript of Causalidad en epidemiologia

  • 1. En epidemiologa, la causalidad se define como el estudio de la relacin etiolgica entre una exposicin, por ejemplo la toma de un medicamento y la aparicin de un efecto secundario.
  • 2. Enfermedad Muerte Complicacin Curacin Proteccin (vacunas) Resultado (uso de mtodos, cambio de prcticas, erradicacin de una enfermedad, participacin en un programa, etc.)
  • 3. Las causas o factores que influyen en el proceso salud-enfermedad de la poblacin requieren una investigacin adecuada para prevenir la aparicin de efectos no deseados y controlar su difusin
  • 4. Factores biolgicos (edad, sexo, raza, peso, talla, composicin gentica, estado nutricional, estado inmunolgico). Factores psicolgicos (autoestima, patrn de conducta, estilo de vida, respuesta al estrs). Factores relacionados con el medio ambiente social y cultural (calentamiento global, contaminacin, cambios demogrficos, estilo de vida, actividad fsica durante el tiempo de ocio, pertenencia a una red social, acceso a servicios bsicos, hacinamiento, drogadiccin, alcoholismo).
  • 5. Factores econmicos (nivel socioeconmico, categora profesional, nivel educativo, pobreza, . mbito laboral (accidente de trabajo, empleo, prdida del empleo, acceso a la seguridad social, tensin laboral, contaminacin sonora, condiciones del ambiente de trabajo). Factores polticos (guerras, embargos, pago de la deuda externa, globalizacin, invasin). Factores relacionados con el medio ambiente fsico (geologa, clima, causas fsicas, causas qumicas, presencia de vectores, deforestacin. Servicios de salud (acceso a servicios de salud, programas de control y erradicacin de enfermedades, vigilancia epidemiolgica, vigilancia nutricional).
  • 6. La bsqueda de la causa, tiene al menos dos justificaciones: 1. Si entendemos la causa podemos generar cambios. 2. Estudiar la causa es aprender sobre los mecanismos. El conocimiento de los mecanismos causales sirve como base para generar nuevas hiptesis y para planear intervenciones que modifiquen los efectos
  • 7. Existen modelos para representar la relacin entre una presunta causa y un efecto. El modelo de Koch-Henle El modelo de Bradford-Hill Los postulados de Evans
  • 8. El modelo de Koch-Henle (1887): propuesto para el estudio de enfermedades infecto-contagiosas. Se basa en la influencia de un microorganismo, que debe: a) encontrarse siempre en los casos de enfermedad. b) poder ser aislado en cultivo, demostrando ser una estructura viva y distinta de otras que pueden encontrarse en otras enfermedades. c) distribuirse de acuerdo con las lesiones y ellas deben explicar las manifestaciones de la enfermedad. d) ser capaz de producir la enfermedad en el animal de experimentacin al ser cultivado (algunas generaciones). Este modelo result til para enfermedades infecciosas, no as para las enfermedades no infecciosas.
  • 9. 1. La proporcin de individuos enfermos debera ser significativamente mayor entre aquellos expuestos a la supuesta causa, en comparacin con aquellos que no lo estn. 2. La exposicin a la supuesta causa debera ser ms frecuente entre aquellos individuos que padecen la enfermedad que en aquellos que no la padecen. 3. El nmero de casos nuevos de la enfermedad debera ser significativamente mayor en los individuos expuestos a la supuesta causa en comparacin con los no expuestos, como se puede comprobar en los estudios prospectivos.
  • 10. De forma transitoria, la enfermedad debera mostrar tras la exposicin a la supuesta causa, una distribucin de los perodos de incubacin representada por una curva en forma de campana. 5. Tras la exposicin a la supuesta causa debera aparecer un amplio abanico de respuestas por parte del hospedador, desde leves hasta graves, a lo largo de un gradiente biolgico lgico.
  • 11. 6. Previniendo o modificando la respuesta del husped, debe disminuir o eliminarse la presentacin de la enfermedad (por ej.: vacunando o tratando con antibiticos a una poblacin expuesta o enferma). 7. La reproduccin experimental de la enfermedad debera tener lugar con mayor frecuencia en animales u hombres expuestos adecuadamente a la supuesta causa, en comparacin con aquellos no expuestos; esta exposicin puede ser deliberada en voluntarios, inducida de forma experimental en el laboratorio o demostrada mediante la modificacin controlada de la exposicin natural.
  • 12. Fuerza de la asociacin Coherencia Temporalidad Relacin dosis respuesta Verosimilitud Analoga Reversibilidad Experimentacin
  • 13. Causa suficiente: Si el factor (causa) est presente, el efecto (enfermedad) siempre ocurre. Causa necesaria: Si el factor (causa) est ausente, el efecto (enfermedad no puede ocurrir. Factor de riesgo: Si el factor est presente y activo, aumenta la probabilidad que el efecto (enfermedad) ocurra. La existencia de una asociacin epidemiolgica significativa (riesgo relativo superior a dos) es uno de los criterios para proponer una relacin causa - efecto; hay que tener en cuenta, que no es el nico.
  • 14. Relacin o asociacin causal directa: El factor ejerce su efecto en ausencia de otros factores o variables intermediarias. En este caso se habla de una relacin necesaria y suficiente. Ejemplo: muy rara en procesos biolgicos o mdicos
  • 15. Relacin o asociacin causal indirecta: El factor ejerce su efecto va factores o variables intermediarias.
  • 16. Necesaria y no suficiente: Cada factor es necesario, pero no es suficiente para producir la enfermedad. Ejemplo: virus del papiloma humano y cncer del cuello uterino, bacilo de Koch y tuberculosis.
  • 17. No necesaria y suficiente: El factor puede producir la enfermedad, pero tambin otros factores que actan solos. Ejemplo: leucemia puede ser producida por exposicin a la radiacin y por exposicin al benceno. Ejemplo: leucemia puede ser producida por exposicin a la radiacin y por exposicin al benceno
  • 18. No necesaria y no suficiente: Ningn factor por s solo es necesario ni suficiente. Ejemplo: la mayora de enfermedades crnicas como diabetes mellitus, hipertensin arterial. Ejemplo: la mayora de enfermedades crnicas como diabetes mellitus, hipertensin arterial.
  • 19. Relacin o asociacin no causal: La relacin entre dos variables es estadsticamente significativa, pero no existe relacin causal, sea porque la relacin temporal es incorrecta (la presunta causa aparece despus y no antes del presunto efecto) o porque otro factor es responsable de la presunta causa y del presunto efecto (confusin)