Este documento presenta un resumen de tres oraciones sobre la causalidad en epidemiología: 1. Revisa la historia del estudio de la causalidad desde la antigua Grecia hasta figuras como Virchow y Koch, quienes desarrollaron modelos para establecer relaciones causales. 2. Define la causalidad como la relación entre una causa y un efecto y presenta diferentes modelos causales como el determinista, multicausal y probabilístico para explicar estas relaciones. 3. Describe criterios como la fuerza de asociación, secuencia temporal y dosis-

1. Causalidad en Epidemiología
Nov 2010
MsC. Dr. Arturo Olazabal Alfonso
Especialista 2do Grado Higiene y Epidemiología

2. Sumario
1. Reseña histórica del estudio de la causalidad.
2. Definición e interpretación. Modelos causales y
criterios de causalidad.
3. Breve introducción al estudio del riesgo.

3. A pesar de que Holmes es un Sherlock Holmes, de
personaje ficticio, su estrategia Sr. Arthur Conan Doyle.
para analizar y resolver enigmas
puede ayudar a las personas con
problemas en el mundo real.
La estrategia de Holmes es
básicamente de observación y
deducción, en la cual te muestra
donde buscar y que quieres
buscar específicamente (que no
siempre es lo que creemos), por
que él ve los detalles, pero
también ve la cadena.

4. "Cuando has eliminado lo imposible, aquello que queda, por
mas improbable que sea, debe ser la verdad".
"Usando la lógica una persona podría inferir a partir de una
gota de agua, la posibilidad de un Atlántico, sin haber visto o
escuchado antes de este".
Para empezar a pensar como Holmes, tendría sentido iniciar con
su propia sugerencia de observar a alguien e intentar "distinguir
de una sola mirada la historia de ese hombre, la profesión y el
gremio a que pertenece". Holmes propone claves como "las
uñas", "las rodillas de los pantalones", "las callosidades de sus
dedos indice y pulgar", "su expresión", "los puños de la camisa"
etc. alegando que por cada uno de estos detalles la ocupación de
un hombre es abiertamente revelada".

5. Concepto filosófico de causalidad
La causalidad es una forma de concatenación
universal y regular de los fenómenos, y lo que ahora
y aquí es efecto adquiere luego y allí carácter de
causa y viceversa.

6. Antecedentes históricos
Tales (c. 630-550 AC)
la fuente de todas las cosas es el agua—la primera
explicación causal, en este caso, la causa material de todas
las cosas.
Anaximandro (c. 550-500 AC)
Especifica que la fuente de la naturaleza es aérea, y que las
cosas se generan a partir del aire por condensación o
rarefacción.
Parménides (c. 550 AC - 475 AC)
No hay ninguna causalidad eficiente porque ningún cambio
puede ocurrir y el cambio aparente en el mundo es sólo
ilusión.

7. Antecedentes históricos
Heráclito (c. 525-475)
Postula que las cosas cambian constantemente
Aristóteles (384 – 322 a. C.)
Conocer algo científicamente es conocer sus causas.
Las causas son aquellos factores necesarios para
explicar un proceso cualquiera (las causas dan la
explicación para el cambio)

8. Antecedentes históricos
Causalidad en la medicina hipocrática
Determinantes del
Eran las principales determinantes del
equilibrio del
Causas equilibrio del organismo sano, y su alteración
organismo y de la
Ocultas desencadenaba la enfermedad. Su
predisposición a
vinculación con la astrología era permanente.
enfermar.
Las llamadas causas evidentes se referían a
aquellas circunstancias externas que podían
Que aparecen con
Causas jugar un rol en la aparición de alguna
claridad a los
Evidentes patología: el frío, el calor, la sed, el ayuno, la
sentidos
gula o la lujuria y obviamente los
traumatismos

9. Antecedentes históricos
Teoría de los 4 humores orgánicos
El Universo esta formado por cuatro elementos básicos:
agua (humedad), aire (sequedad), fuego (calor) y tierra
(frío).
Los fluidos orgánicos están compuestos por sangre
(caliente y húmeda), flema (fría y húmeda), bilis amarilla
(caliente y seca) y bilis negra (fría y seca).
Si estos humores se encuentran en equilibrio el cuerpo
goza de salud; el exceso o defecto de alguno de ellos
produce la enfermedad.

10. Antecedentes históricos
David Hume (1711-1776)
 Cuando un acontecimiento sucede tras
otro, la mayoría de la gente piensa que
una conexión entre ambos
acontecimientos hace que el segundo
suceda al primero.
 Se dio cuenta de que aunque percibimos que un elemento
suceda al otro, no percibimos ninguna condición necesaria y
suficiente entre los dos.
 La inferencia inductiva presupone que se puede confiar en
los actos pasados como regla a partir de la que se puede
predecir el futuro.

11. Antecedentes históricos
Rudolf Virchow, Alemania, (1821-1902)
 Las condiciones sociales y
económicas tienen un efecto
muy importante en la salud y
la enfermedad, y dichas
condiciones pueden ser
sometidas a la investigación
científica.

12. Antecedentes históricos
Modelo de Koch-Henle (1882).
 El microorganismo debe estar presente en todos y
cada uno de los casos de la enfermedad;
 El microorganismo ha de poder aislarse y crecer en
cultivo puro;.
 El microorganismo debe estar presente en todos y cada uno de
los casos de la enfermedad;
 El microorganismo debe causar la enfermedad específica
cuando se inocula a un animal susceptible;
 El microorganismo debe poder recuperarse del animal enfermo
y ser identificado;
 El microorganismo debe causar la enfermedad específica
cuando se inocula a un animal susceptible.

13. Concepto de causalidad en Epidemiología
Todo fenómeno precedido por
otro y originado por él.
Efecto
Causa
Todo fenómeno que
precede a otro y lo origina.

14. CAUSA DE UNA ENFERMEDAD
Acontecimiento, circunstancia,
característica o combinación de estos
factores que desempeña un papel
importante en la producción de la
enfermedad.

15. Modelos causales
1. Modelos deterministas.
 Determinista.
 Multicausal.
 Determinista modificado.
2. Modelos probabilísticos.

16. Modelo determinista
Para aplicar este modelo de requieren dos condiciones:
1. Especificidad de causa: C es la sola causa de E
2. Especificidad de efectos: E es solo efecto de C
Expuestos Enfermedad
Si a b
No c d
Si C es la causa necesaria de E, entonces c = 0
Si C es la causa suficiente de E, entonces b = 0
Estas consideraciones invalidan la aplicación de este modelo en la
inferencia causal en Epidemiología.

17. Modelo multicausal
Considera un conjunto de sistemas interactuantes con
múltiples interconecciones:
PLURALIDAD DISYUNTIVA DE CAUSAS
CAUSACIÓN
MÚLTIPLE
GENUINA
El efecto es producido por cada causa separadamente.
PLURALIDAD CONJUNTIVA DE CAUSAS
+ +
Deben estar presentes todas las causas para que se
produzca el efecto. En ambas situaciones se contempla la
multiplicidad de efectos.

18. Red multicausal de las enfermedades cardiovasculares

19. Modelo determinista modificado
Incorpora conceptos del modelo determinista y del multicausal.
Este modelo presupone que los tiempos de inducción no son
constantes para las enfermedades, ya que son específicos de cada
factor causal contribuyente.
A
CAUSA SUFICIENTE
D B
CAUSA NECESARIA
C
Este modelo incorpora además proporción de la enfermedad debida
a cada causa específica, fuerza de asociación causal, interacción
entre factores causales y períodos de inducción y latencia.

20. Modelo causal de Rothman (1976)
Causa Causa Causa
Suficiente I Suficiente II Suficiente III
E D H G E I
A C A F A F
B B C
“A” Causa necesaria.
El resto, solo son causas contribuyentes, no son necesarias ya
que ellas no aparecen en todas las causas suficientes.

21. Modelo probabilístico
CAUSALIDAD x INFERENCIA CAUSAL
FACTOR DE RIESGO:
 Aquel asociado con la probabilidad de ocurrencia de
la enfermedad
CRITERIOS DEL FACTOR DE RIESGO:
 Se debe observar que covaria con la enfermedad.
 La presencia del factor de riesgo debe preceder la ocurrencia
de enfermedad.
 La asociación observada no debe ser atribuida a ninguna
fuente de error.

22. Ventajas del modelo probabilístico
a) Nos permite jugar con nuestra ignorancia de los procesos
causales y la forma de observarlos;
b) Permite la valoración de las relaciones de dosis-respuesta
entre una exposición y una enfermedad;
c) posibilita la creación de modelos matemáticos que
facilitarán datos exactos e interpretables y analizarán
exposiciones múltiples y/o enfermedades para valorar las
relaciones complejas existentes entre ellas.
A través de este modelo se intenta identificar las distintas
causas componentes y causas suficientes del modelo
determinista modificado, o los diferentes eslabones que
se integran en el modelo multicausal.

23. Procedimiento para establecer la causalidad
 La técnica inicial de estudio que emplea la
epidemiología en cuanto a causalidad es el
establecimiento de relaciones de asociación
entre un hecho y un factor.
 Pero no basta la existencia de ella para
inferir que uno de los dos elementos
asociados tengan carácter o condición de
factor causal del otro.

24. Procedimiento para establecer la causalidad
Incidentales
Considerar
las
asociaciones
Causales Estadísticas

25. Tipos de asociación
VARIABLES
INDEPENDENCIA ASOCIACIÓN
NO CAUSAL CAUSAL
ARTIFICIAL ESPÚREA DIRECTA INDIRECTA

26. Elementos previos al análisis causal
• NO EXISTA PROBLEMAS DE SELECCIÓN • USE MÉTODOS ALEATORIOS
DEL MATERIAL DE ESTUDIO EMPLEADO
QUE LLEVAN A CONCLUSIONES
ANÓMALAS O QUE IMPIDAN UNA
GENERALIZACIÓN DE LOS RESULTADOS
• NO EXISTAN FACTORES DE DISTORSIÓN • EMPAREJAMIENTO O "MATCHING" O
QUE INVALIDEN LAS COMPARACIONES ANÁLISIS DE SUBGRUPOS
ENTRE GRUPOS
• LAS OBSERVACIONES HAYAN SIDO • UTILIZAR PROCEDIMIENTOS
REALIZADAS CON PRECISIÓN EN LAS "CIEGOS"
MEDICIONES Y CON OBJETIVIDAD DEL
OBSERVADOR.
• SE HAYA MEDIDO LA PROBABILIDAD DE • SI LA PROBABILIDAD ES ELEVADA
QUE EL AZAR EXPLIQUE LA DESECHAR LA ASOCIACIÓN
CONCORDANCIA O LA DIFERENCIA
OBTENIDA EN LOS RESULTADOS ENCONTRADA O AUMENTAR EL
TAMAÑO DE LOS GRUPOS DE
OBSERVACIÓN

27. Factores de causación
Factores predisponentes: Pueden crear un estado de
suceptibilidad para padecer un daño (efecto). Ej: edad, sexo.
 Factores facilitadores: Favorecen el desarrollo de un
daño (efecto). Ej: Alimentación inadecuada, ingresos
reducidos.
 Factores desencadenantes: Se asocian a la aparición
de un daño (efecto). Ej: Factores de riesgo.
 Factores potenciadores: Agravan el daño (efecto). Ej:
Fatiga, trabajo intenso.
Estos factores pueden ser necesarios en la relación causal, pero
raramente son suficientes para provocar el efecto.

28. Valoración entre una posible causa y un resultado
ASOCIACIÓN OBSERVADA
Puede ser debida a sesgos
de selección o de medición
Puede ser debida a
fenómenos de confusión
Puede ser una
casualidad (por azar)
PROBABLEMENTE
¿Puede ser causal? NO
APLICAR CRITERIOS DE CAUSALIDAD.

29. Criterios de causalidad
“Quién sabe, preguntó Robert
Browning, si el mundo no terminará
esta noche?
Cierto, pero con la evidencia
disponible,
la mayoría de nosotros deberíamos
aprontarnos para salir a trabajar a la
8.30 del siguiente día.”
Sir Austin Bradford Hill
(1897-1991)

30. Criterios de validez interna
 Fuerza de asociación: Magnitud estadística (RR,
RA, FER) que experimenta la asociación entre los
eventos.
 Secuencia temporal: Supuesta causa debe
preceder al efecto o el daño en el tiempo.
 Efecto dosis-respuesta: Gradiente biológico de
la asociación. La fuerza de asociación se
incremente al incrementarse la exposición.

31. Criterios de coherencia científica
 Consistencia: Se repiten los resultados en
observaciones realizadas por diferentes personas en
diferentes lugares.
 Coherencia: La interpretación de las observaciones
no debe ser contradictoria con los hechos conocidos
de la HNE y la biología de la enfermedad.
 Especificidad de asociación: La presencia o
ausencia de una variable predice la ocurrencia o no
de otra.
 Evidencia experimental: Recurrir a pruebas
experimentales o cuasiexperimentales que
evidencien la asociación.

32. Prohibiciones sobre los procesos causales
1. Las causas no pueden ocurrir después que los
efectos.
2. Los efectos unicausales no existen.
3. Niega tiempos de inducción constantes para las
enfermedades, ya que éstos van a ser específicos
de cada factor causal contribuyente.

33. Postulados de la causalidad de la salud
1. El factor preventivo debe estar consistentemente presente en
las personas con buena salud o libres de una determinada
enfermedad.
2. El factor debe ser aislado en forma pura (ejemplo: que puede
ser identificado como causa).
3. El grado en que este factor sea aplicado será paralelo a un
aumento del buen estado de salud o a la liberación de una
determinada enfermedad.
4. La aplicación experimental de dicho factor a un segmento de la
población deberá aumentar significativamente su estado de
buena salud en comparación con controles
5. La supresión del factor preventivo estará asociada con un
aumento de la enfermedad asociada a dicho factor.
6. El efecto del factor deberá ser medido en términos de menor
morbilidad y mortalidad, mayor longevidad y menores costos
médicos.

34. Riesgo y causa
FACTOR DE MARCADOR DE
RIESGO
RIESGO RIESGO
Todo factor exógeno Características
Probabilidad o endógeno que personales o del
en un puede ser medio que no son
controlado o en el controlables desde
individuo o que el efecto es el punto de vista
población de controlable epidemiológico,
sufrir un daño mediante pero que
intervención clínica, determinan a las
como epidemiológica o no personas
enfermar, médica y que está particularmente
morir, etc. asociado a una vulnerables a los
mayor probabilidad factores de riesgo.
de padecer un daño.

35. Riesgo
Aumento en la probabilidad de padecer,
desarrollar o estar especialmente
expuesto a un proceso mórbido.
El riesgo es una probabilidad.

36. Factores de riesgo
Característica o circunstancia detectable en
una persona o grupo de personas que se
sabe asociada con un aumento del riesgo de
padecer, desarrollar o estar especialmente
expuesto a un proceso mórbido.

37. Utilización del Riesgo
Predicción
 La presencia de un factor de riesgo significa
un riesgo aumentado de presentar en un
futuro una enfermedad, en comparación
con personas no expuestas. En este sentido
sirve como elemento para predecir la futura
presencia de una enfermedad.

38. Utilización del Riesgo
Causalidad
La presencia de un factor de riesgo no es
necesariamente causal. El aumento de incidencias
de una enfermedad entre un grupo expuesto en
relación a un grupo no expuesto, se asume como
factor de riesgo, sin embargo esta asociación
puede ser debida a una tercera variable. La
presencia de esta o estas terceras variables se
conocen como variables de confusión.

39. Utilización del Riesgo
Diagnóstico
 La presencia de un factor de riesgo aumenta la
probabilidad de que se presente una enfermedad.

40. Utilización del Riesgo
Prevención
 Si un factor de riesgo se conoce asociado
con la presencia de una enfermedad, su
eliminación reducirá la probabilidad de
su presencia.

41. Población de Riesgo
 En cada sociedad existen comunidades,
grupos de individuos, familias o individuos
que presentan más posibilidades que otros,
de sufrir en un futuro enfermedades,
accidentes, muertes prematuras, etc. se dice
que son individuos o colectivos de “riesgo”.

42. Cuantificación del grado de Riesgo
Riesgo Relativo: Compara la frecuencia con que
ocurre el daño entre los que tienen el factor de
riesgo y los que no lo tienen

43. Riesgo Relativo
 El riesgo relativo mide la fuerza de la asociación
entre la exposición y la enfermedad. Indica la
probabilidad de que se desarrolle la enfermedad en
los expuestos a un factor de riesgo en relación al
grupo de los no expuestos.
 Se usa en estudios de cohortes (prospectivos)

44. Algoritmo matemático del Riesgo Relativo
RR: Riesgo Relativo.
RA (exp.): Riesgo Absoluto en expuestos.
RA (no exp.): Riesgo Absoluto en no expuestos.

45. Cálculo del Riesgo Relativo

46. Interpretación del Riesgo Relativo
• < 0,4 Protección fuerte.
• 0,4 – 0,56 Protección moderada.
• 0,57 – 0,83 Protección débil.
• 0,84 – 1,19 Indiferente.
• 1,20 – 1,74 Riesgo débil.
• 1,75 – 2,50 Riesgo moderado.
• >2,50 Riesgo fuerte.

47. Odds Ratio (OR)
 En los estudios de casos y controles, dado que la
incidencia es desconocida (no confundir
incidencia de la enfermedad con exposición al
riesgo), el método de estimación del riesgo
relativo es diferente y se estima calculando el
Odds ratio.
 Puede usarse en estudios prospectivos (cohortes)
y retrospectivos
 Los controles deben ser representativos de la
población estudiada.
 La interpretación del valor obtenido es similar al
RR.

48. Algoritmo matemático del Odds Ratio
OR: Odds Ratio

49. Cálculo del Odds Ratio

50. Interpretación del Odds Ratio
 El valor de OR es una forma de expresar la
proporción de veces que un suceso ocurra frente
a que no ocurra. De tal manera que un OR = 2,5
debemos leerlo como 2,5:1 , o que la
probabilidad de que un efecto aparezca ante la
presencia de una variable es de 2,5 veces más
que si esta variable no está presente.

51. Fracción Atribuible (o Etiológica)
 Estima el grado de causalidad atribuible a un
factor de riesgo en la producción de la
enfermedad. Esta medida la podemos calcular:
• en el grupo de expuestos (fracción atribuible en los
expuestos FAe).
• en la población (fracción atribuible en la población
FAp).

52. Fracción atribuible en los expuestos FAe
Según los datos de la
Tabla 2 la FAe sería:
Lo que significa que el 63.14% del
bajo peso en los expuestos se debe
a la exposición.

53. Fracción atribuible en la población (FAP)
It = Incidencia en la población total
Io = Incidencia en los no expuestos
El concepto que encierra es totalmente similar al de la FAe,
con la salvedad de que es un parámetro que se refiere a toda
la colectividad y no solamente a los expuestos.

54. Cálculo de la Fracción atribuible en la población
Este valor, es el porcentaje de riesgo atribuible en la
población para el factor de riesgo "sin control prenatal".

55. Conclusiones
 Se interpreta la causa como acontecimiento,
circunstancia, característica o combinación de
estos factores que desempeña un papel
importante en la producción de la enfermedad.
 Se han descrito varios modelos para la
interpretación de la causalidad, el más aceptado
en la actualidad es el modelo probabilístico.
 Se hace necesario aplicar los criterios de
causalidad en el estudio de las causas de las
enfermedades.
 El cálculo del RR y el OR permite evaluar la
fuerza de asociación entre la causa y el efecto.

56. Todo trabajo científico es incompleto - sea observacional
o experimental.
Todo trabajo científico tiene posibilidades de ser alterado
o modificado por el avance de los conocimientos.
Eso no nos da la libertad de ignorar los conocimientos
que ya poseemos, o de posponer las acciones que parecen
requerir en el momento
Sr. Austin Bradford Hill.

57. GRACIAS