Asociacin estadstica

y causalidad
Nigel Paneth
Inferencia causal
1. Causalidad determinstica

Muchos esperan que una causa est
muy estrechamente relacionada a
una efecto, como en causas
necesarias y suficientes:

Causalidad a diferentes niveles
Causa molecular
Causa fisiolgica
Causa personal
Causa social, etc.

Causa necesaria: La causa deber estar presente
para que el resultado suceda. Sin embargo, la
causa puede estar presente sin que el resultado
se presente. Infeccin de Hepatitis B es necesaria
para carcinoma hepatocelular; aspirina
(probablemente) para el sndrome de Reye. Si
los resultados estn definidos en trminos de
causas, la causa es necesaria por definicin. Por
ejemplo, el bacilo tuberculoso es necesario para
la tuberculosis por la definicin de la
tuberculosis. Clasificacin etiolgica
(a diferencia de la clnica) de las enfermedades
produce causas necesarias.
Causa suficiente: Si la causa est
presente, el resultado deber
ocurrir. Sin embargo, el
resultado puede ocurrir sin que
la causa est presente.

Causa necesaria y suficiente : Todos los
ejemplos del resultado son debidos a esta causa,
y esta causa siempre produce el resultado.
Usualmente, cuando una causa es suficiente,
usualmente es necesaria, por ejemplo, la relacin
de la infeccin por el virus del sarampin a
sarampin clnico, o infecin de la rabia a rabia
clnica. VIH puede ser posiblemente, necesaria y
suificiente causa de SIDA, aunque esta
observndose en forma improbable, ya que
hemos encontrado individuos VIH positivos por
largo tiempo sin SIDA.
El nfasis sobre causas necesaria y suficiente es
llamada causalidad determinstica.
Causa necesaria
(v.gr. Bacilo tuberculoso y tuberculosis)
Tiene
enfermedad
Libre de
Enfermedad
Tiene
exposicin
Si Si
No tiene
exposicin
No
Si
Causa suficiente
(Infeccin por rabia y muerte)
Tiene
enfermedad
Libre de
enfermedad
Tiene
exposicin
Si
No
No tiene
exposicin
Si Si
Necesaria y suficiente
(v.gr. VIH y SIDA)
Tiene
enfermedad
Libre de
enfermedad
Tiene
exposicin
Todo Ninguno
No tiene
exposicin
Ninguno
Todo
Los postulados de Koch fueron un
ejemplo de causalidad determinstica.
Para probar que un organismo causa una
enfermedad, se requiere que:
1. El organismo deber ser aislados en cada caso
de la enfermedad (ser necesario).
2. El organismo deber crecer en un cultivo
puro
3. El organismo deber siempre causar la
enfermedad cuando es inoculado en un animal
experimental (ser suficiente)
4. El organismo deber ser recuperado del
animal experimental e identificado.
Causalidad probabilstica
En epidemiologa, muchas causas
tienen dbiles relaciones con los
efectos. Por ejemplo, elevacin de
colesterol puede dar lugar a
enfermedad cardica, pero no es
suficiente, y enfermedad cardica no
requiere elevacin de colesterol (no
necesario).
Las medidas de asociacin - odds ratio,
razn de riesgos o coeficiente de
correlacin- y de impacto en salud pblica
- riesgo atribuible a la poblacin- estn
relacionadas a la fuerza de la relacin
causal. Entre ms alto la odds ratio, ms
cercana la causa a ser necesaria y
suficiente. Un riesgo atribuible a la
poblacin del 100% significa que la causa
es necesaria - todos los casos podran ser
prevenidos si la causa fuera removida.
Una defincin pragmtica de una causa
(o de un determinante) de una
enfermedad es una exposicin que
produce cambios regulares y predecibles
en el riesgo de la enfermedad.

As el incremento de cncer de pulmn
en mujeres y su magnitud, fueron
predichas basados en la informacin de
sus hbitos de tabaquismo.

El nfasis sobre causaa que son
necesarias y suficiente, es llamado
causalidad probabilstica.

El nfasis sobre mltiples causas en
causalidad probabilstica, da lugar a
expresiones como el camino causal o
la cadena causal.

Asociacin contra causalidad
Para decidir si exposicin A causa
enfermedad B, debemos primero
encontrar si las dos variables estn
asociadas, v.gr. Si una es
encontrada ms comnmente en la
presencia de la otra.
Casi todos las estadsticas son un intento
por descubrir si dos variables estn
asociadas, y si lo estn, cuan fuerte es la
asociacin, y si el azar puede explicar la
asociacin observada. Estadsticas son
primariamente planeadas para evaluar
el papel del azar en esa asociacin. Un
valor de p slo nos dice cuan
improbable es que la asociacin haya
surgido por azar.
Por lo tanto, anlisis esradstico por s
solo, no indica una relacin causal.
Haciendo inferencias causales
El uso de criterios causales en
hacer inferencias causales.

El proceso de sopesar evidencia al
nivel de los individuos es el juicio
clnico (v.gr. Debera este
paciente con una infeccin del
tracto urinario ser tratado con
ampicilina o sulfisoxazol?)
El proceso de sopesar evidencia
al nivel de la poblacin es el
juicio epidemiolgico (v.gr.
debera hombres de edad media
tomar aspirinas diariamente
para prevenri ataques
cardicos?)
Cuando observamos datos de estudios
epidemiolgicos, a menudo usamos los
criterios de causalidad en sopesar la
evidencia. Los ms usados son los
siguientes, derivados inicialmente del
trabajo del estadstico Britnico Austin
Bradford Hill, y ms tarde, adicional
desarrollo por la Oficina del Cirujano
General, USA, en su reporte de 1964
sobre tabaquismo y cncer.
Criterios de causalidad son
usualmente aplicados a un grupo
de artculos sobre un tema,
aunque en forma modificada,
pueden ser aplicados a un
artculo individual.
Criterios de causalidad
Cinco criterios usados para
evaluar causalidad en la relacin
exposicin-enfermedad han sido
usados por los epidemilogos por
muchos aos. El artculo de
Susser desarrolla esos temas con
mayor detalle.

1. Fuerza
dosis respuesta

2. Secuencia temporal

3. Especificidad*

4. Coherencia*

5. Consistencia*

* Elaborado sobre los criterios Susser
Fuerza
Es la asociacin fuerte? Tabaquismo
excesivo est asociado con veinte veces
ms elevada tasa de cncer de pulmn y
una tasa doble de enfermedad
coronaria. La asociacin de tabaquismo
con cncer de pulmn es, por lo tanto,
ms fuerte que su asociacin con
enfermedad cardica. Entre mayor la
asociacin, ms probabilidad de que
verdaderamente sea causal.
Fuerza
Una razn para la importancia es
que cualquier variable confusora
deber tener una gran asociacin
con el resultado para ser un
confusor. Entre mayor el riesgo
relativo observado, menos probable
es que el confusor con an ms
grande riesgo relativo est afectando
el antecedente.

Ejemplo:

La fuerza de la asociacin fue
la evidencia clave para la
asociacin entre suplementos de
cido flico y defectos del tubo
neural, a pesar de que el tipo de
estudio, no fue el ideal.