Factores de Riesgo, Predicción y Causalidad en Epidemiología
Distinción Fundamental entre Predicción y Causalidad
La distinción más crítica en epidemiología moderna es diferenciar entre factores de riesgo predictivos y factores causales: los primeros identifican quién está en riesgo (población objetivo), mientras que los segundos identifican qué intervenir para cambiar resultados de salud. 1
Factores de Riesgo Predictivos vs. Causales
Los estudios de predicción de riesgo utilizan técnicas estadísticas para generar modelos específicos al contexto que identifican personas en riesgo de condiciones de salud de manera eficiente, pero no necesariamente incluyen causas verdaderas 1. Estos modelos pueden incluir marcadores sustitutos o biomarcadores de causas que son baratos y fáciles de medir 1.
Los estudios explicativos (causales), idealmente integrados dentro de un modelo informativo de la realidad, evalúan el papel de factores causales que, si se intervienen, probablemente mejorarán los resultados. 1
Jerarquía de Factores de Riesgo
La evidencia epidemiológica establece categorías claras de factores según su relación con la enfermedad 2:
A. Determinantes Causales Establecidos
- Factores con evidencia extremadamente fuerte que cumplen criterios epidemiológicos de causalidad 2
- Ejemplo: El tabaquismo activo como determinante causal único más importante del cáncer de pulmón, donde el riesgo individual aumenta con mayor número de cigarrillos por día y años de consumo 2
- El riesgo poblacional aumenta con la prevalencia de fumadores actuales, con un período de latencia de aproximadamente 20 años 2
B. Otros Factores Causales Asociados
- Exposición al humo de segunda mano 2
- Radiación ionizante, incluyendo radón 2
- Exposiciones ocupacionales (arsénico, cromo, níquel, asbesto) 2
- Contaminación del aire interior y exterior 2
C. Indicadores Clínicos de Riesgo
Estos factores están fuertemente asociados con mayor riesgo pero se clasifican en esta categoría porque son características intrínsecas del paciente (edad, sexo, ancestría étnica, historia familiar) o factores con evidencia consistente que actualmente no alcanza el nivel de ser calificada como causal. 2
- Edad avanzada 2
- Sexo masculino, particularmente en personas de ascendencia afroamericana 2
- Historia familiar 2
- Enfermedad pulmonar adquirida (EPOC, tuberculosis, neumoconiosis, fibrosis pulmonar idiopática) 2
- Infección por VIH 2
D. Asociaciones con Evidencia Consistente pero Rol Causal No Establecido
- Consumo de frutas y vegetales (riesgo disminuido) 2
- Actividad física (riesgo disminuido) 2
- Consumo de marihuana (no asociado con riesgo) 2
Concepto de Riesgo Total en Enfermedad Cardiovascular
Los beneficios de las intervenciones sobre factores de riesgo particulares se relacionan más con la magnitud del riesgo total pre-intervención que con el riesgo relativo asociado con un solo factor de riesgo específico. 2
Principios del Riesgo Total
- El riesgo total mide el número de eventos en una población definida por unidad de tiempo 2
- Los efectos combinados de todos los factores de riesgo determinan el riesgo total de enfermedad cardiovascular 2
- Aumentos modestos en múltiples factores de riesgo frecuentemente tienen mayor impacto que un aumento significativo en un solo factor de riesgo 2
Ecuaciones de Predicción
Muchos estudios epidemiológicos prospectivos proporcionan estimaciones de las contribuciones relativas de cada factor de riesgo mayor al riesgo de enfermedad cardiovascular 2. Las ecuaciones de predicción desarrolladas a partir de estas estimaciones pueden usarse para estimar el riesgo individual 2.
En la práctica clínica, es conveniente categorizar las estimaciones de riesgo total en alto, intermedio y bajo riesgo. 2
Establecimiento de Causalidad: Evidencia Múltiple
La epidemiología por sí sola no puede determinar causalidad; se necesitan varios tipos diferentes de evidencia para entender si un factor de riesgo es de hecho un factor causal. 2
Tres Tipos de Evidencia Humana
1. Estudios Observacionales (Asociación)
- Examinan la asociación entre factores de riesgo elevados y riesgo de enfermedad 2
- Aprovechan la distribución natural no aleatoria de estos factores de riesgo en humanos 2
- Limitación crítica: pueden estar confundidos por distribución no aleatoria de exposiciones 2
2. Ensayos Aleatorizados (Estimación Causal)
- Proporcionan estimaciones causales mediante aleatorización 2
- Limitación: pueden ser económicamente prohibitivos, éticamente imposibles, o logísticamente inviables 2
3. Aleatorización Mendeliana (Estimación Causal)
- Utiliza variantes genéticas como instrumentos para estimar efectos causales 2
- Proporciona evidencia causal cuando los ensayos aleatorizados no son factibles 2
Sesgos Principales en Investigación Epidemiológica
1. Sesgo de Selección
El sesgo de selección surge de la deserción diferencial de participantes inscritos, supervivencia diferencial, e inscripción diferencial debido a rechazo de participación o supervivencia diferencial hasta el momento de inicio del estudio. 2
- Cada uno de estos procesos puede sesgar las estimaciones de efecto 2
- Pueden ocurrir asociaciones espurias cuando los procesos de selección están relacionados con el estado cognitivo y la exposición de interés 2
- El sesgo no es necesariamente hacia el nulo y a veces puede revertir la dirección de la asociación 2
2. Sesgo de Medición
- Relacionado con la calidad de las mediciones de exposición y resultados 2
- La calidad imperfecta de medición afecta el análisis e interpretación de resultados 2
3. Confusión
Los factores que están asociados tanto con la exposición como con el resultado de interés deben considerarse para evitar sesgo en la estimación de riesgo. 3
- El odds ratio ajustado proporciona una estimación más válida de la asociación entre exposición y resultado de salud 3
- Es la medida preferiblemente reportada porque toma en consideración la contribución de variables extrañas (confusores) 3
Uso de Gráficos Acíclicos Dirigidos (DAGs)
Los DAGs proporcionan una forma simple y transparente para que los científicos de datos observacionales identifiquen y demuestren su conocimiento, teorías y suposiciones sobre las relaciones causales entre variables. 2
Beneficios de los DAGs
- El conjunto de ajuste implicado para estimar con precisión un efecto causal puede deducirse por inspección o algorítmicamente 2
- El acto de dibujar y compartir un DAG hace estas suposiciones más explícitas y abiertas al escrutinio 2
- Aunque la precisión de la estimación resultante depende de qué tan cerca el DAG coincide con el proceso generador de datos verdadero, los DAGs hacen las suposiciones más transparentes 2
Medidas Epidemiológicas Fundamentales
Incidencia vs. Prevalencia
- Incidencia: ocurrencia de un resultado de salud durante un período de tiempo específico 3
- Prevalencia: existencia de un resultado de salud durante un período de tiempo específico 3
Riesgo Relativo
El riesgo relativo se define como la probabilidad del resultado de interés (desarrollar la enfermedad) entre individuos expuestos comparado con la probabilidad del mismo evento en individuos no expuestos 3.
Odds Ratio
El odds ratio es una medida de riesgo que compara la frecuencia de exposición a un factor causal putativo en individuos con el resultado de salud (casos) versus aquellos sin el resultado de salud (controles) 3.
El odds ratio aproxima estrechamente el riesgo relativo en un estudio de cohorte o ensayo controlado aleatorizado cuando el resultado de interés no ocurre frecuentemente (<10%). 3
Trampa Común: La "Falacia de la Tabla 2"
La "falacia de la Tabla 2" ocurre cuando los coeficientes para dos o más "factores de riesgo" en un modelo de regresión multivariable son (erróneamente) interpretados como estimaciones de efectos causales significativos. 2
- Sin información clara sobre por qué se eligieron ciertas variables para consideración, muchas de las asociaciones reportadas son ininterpretables 2
- Estimar un efecto causal específico requiere condicionar sobre un conjunto específico de variables determinadas por principios teóricos fuertes 2
Perspectiva Histórica: Conceptos Probabilísticos
Durante el período de posguerra, los epidemiólogos comenzaron a pensar sobre la causalidad de nuevas formas al enfrentar desafíos novedosos en el estudio de enfermedades crónicas 4. La evidencia epidemiológica que vinculaba el tabaquismo con el cáncer de pulmón en los años 1950 proporcionó un foco para debates sobre causalidad 4.
La tensión entre factores de riesgo probabilísticos y mecanismos causales determinísticos continúa siendo un desafío en epidemiología hoy. 4