Desarrollo histórico de la epidemiología A CTUALIZ ACIONES

Desarrollo histórico de la epidemiología:

su formación como disciplina científica
Sergio López-Moreno, M.C ., (1) Francisco Garrido-Latorre, M. en C .,(1)
Mauricio Hernández-Avila, Ph. D.(2)

L atiene
epidemiología es la rama de la salud pública que
como propósito describir y explicar la diná-
mica de la salud poblacional, identificar los elementos
que la componen y comprender las fuerzas que la
gobiernan, a fin de intervenir en el curso de su desarro-
llo natural. Actualmente, se acepta que para cumplir
con su cometido la epidemiología investiga la dis-
tribución, frecuencia y determinantes de las condi-
ciones de salud en las poblaciones humanas así como
las modalidades y el impacto de las respuestas socia-
les instauradas para atenderlas.
Para la epidemiología, el término condiciones de
salud no se limita a la ocurrencia de enfermedades y,
por esta razón, su estudio incluye todos aquellos even-
tos relacionados directa o indirectamente con la salud,
comprendiendo este concepto en forma amplia. En
consecuencia, la epidemiología investiga, bajo una
perspectiva poblacional: a) la distribución, frecuencia
y determinantes de la enfermedad y sus consecuen-
cias biológicas, psicológicas y sociales; b) la distribución
y frecuencia de los marcadores de enfermedad; c) la
distribución, frecuencia y determinantes de los riesgos
para la salud; d) las formas de control de las enfer-
medades, de sus consecuencias y de sus riesgos, y e)
las modalidades e impacto de las respuestas adoptadas
para atender todos estos eventos. Para su operación,
la epidemiología combina principios y conocimien-
tos generados por las ciencias biológicas y sociales y
aplica metodologías de naturaleza cuantitativa y cua-
litativa.
La transformación de la epidemiología en una
ciencia ha tomado varios siglos, y puede decirse que
es una ciencia joven. Todavía en 1928, el epidemió-
logo inglés Clifford Allchin Gill1 señalaba que la dis-
ciplina, a pesar de su antiguo linaje, se encontraba
en la infancia. Como muestra, afirmaba que los esca-
sos logros obtenidos por la disciplina en los últimos 50
años no le permitían reclamar un lugar entre las cien-
cias exactas; que apenas si tenía alguna literatura espe-
cializada, y que en vano podían buscarse sus libros de
texto; dudaba incluso que los problemas abordados por
ella estuviesen claramente comprendidos por los pro-
pios epidemiólogos. Siete décadas después, el pano-
rama descrito por Gill parece diferente, y actualmente
ningún avance médico sería completo sin la partici-
pación de la epidemiología.
1. Plagas, pestes, contagios y epidemias
El estudio de las enfermedades como fenómenos po-
blacionales es casi tan antiguo como la escritura, y las
primeras descripciones de padecimientos que afectan
a poblaciones enteras se refieren a enfermedades de
naturaleza infecciosa. El papiro de Ebers, que menciona
unas fiebres pestilentes –probablemente malaria– que
asolaron a la población de las márgenes del Nilo alre-
dedor del año 2000 a.C., es probablemente el texto en
el que se hace la más antigua referencia a un padeci-
miento colectivo.2 La aparición periódica de plagas y
pestilencias en la prehistoria es indiscutible. En Egip-

(1) Centro de Investigación en Sistemas de Salud, Instituto Nacional de Salud Pública (INSP), México.
(2) Centro de Investigación en Salud Poblacional, INSP, México.

Solicitud de sobretiros: Sergio López Moreno. Centro de Investigación en Sistemas de Salud, Instituto Nacional de Salud Pública.
Avenida Universidad 655, colonia Santa María Ahuacatitlán, 62508 Cuernavaca, Morelos, México.
Correo electrónico: slopez @ insp3.insp.mx

salud pública de méxico / vol.42, no.2, marzo-abril de 2000 133

 A CTUALIZ ACIONES
to, hace 3 000 años, se veneraba a una diosa de la peste
llamada Sekmeth, y existen momias de entre dos mil y
tres mil años de antigüedad que muestran afecciones
dérmicas sugerentes de viruela y lepra.3,4,5 Dado que
la momificación estaba reservada a los personajes más
importantes del antiguo Egipto –quienes se mantenían
relativamente apartados del pueblo–, no sería extraño
que este tipo de afecciones fuera mucho más frecuente
entre la población general.
La aparición de plagas a lo largo de la historia
también fue registrada en la mayor parte de los li-
bros sagrados, en especial en la Biblia, el Talmud y el
Corán, que adicionalmente contienen las primeras nor-
mas para prevenir las enfermedades contagiosas. De
estas descripciones, destaca la de la plaga que obligó a
Mineptah, el faraón egipcio que sucedió a Ramsés II,
a permitir la salida de los judíos de Egipto, alrededor
del año 1224 a.C.6
Muchos escritores griegos y latinos se refirieron a
menudo al surgimiento de lo que denominaron pes-
tilencias. La más famosa de estas descripciones es
quizás la de la plaga de Atenas, que asoló esta ciudad
durante la Guerra del Peloponeso en el año 430 a.C. y
que Tucídides relata vivamente. Antes y después de
este historiador, otros escritores occidentales como
Homero, Herodoto, Lucrecio, Ovidio y Virgilio7,8,9 se
refieren al desarrollo de procesos morbosos colectivos
que sin duda pueden considerarse fenómenos epi-
démicos. Una de las características más notables de
estas descripciones es que dejan muy claro que la ma-
yoría de la población creía firmemente que muchos
padecimientos eran contagiosos, a diferencia de los mé-
dicos de la época quienes pusieron escasa atención en
el concepto de contagio. Las acciones preventivas y de
control de las afecciones contagiosas también son refe-
ridas en muchos textos antiguos. Como ya hemos di-
cho, la Biblia, el Corán, el Talmud y diversos libros chinos
e hindúes recomiendan numerosas prácticas sanita-
rias preventivas, como el lavado de manos y alimentos,
la circuncisión, el aislamiento de enfermos y la inhu-
mación o cremación de los cadáveres. Por los Evan-
gelios sabemos que algunos enfermos –como los
leprosos– eran invariablemente aislados y tenían pro-
hibido establecer comunicación con la población sana.
La palabra epidemiología, que proviene de los
términos griegos “epi” (encima), “demos” (pueblo) y
“logos” (estudio), etimológicamente significa el estu-
dio de “lo que está sobre las poblaciones”. La primera
referencia propiamente médica de un término análo-
go se encuentra en Hipócrates (460-385 a.C.), quien usó
las expresiones epidémico y endémico para referirse a los
padecimientos según fueran o no propios de determi-
nado lugar.10 Hipócrates no secundó las creencias po-
134
López-Moreno S y col.
pulares sobre el contagio, y atribuyó la aparición de
las enfermedades al ambiente malsano ( miasmas) y
a la falta de moderación en la dieta y las actividades
físicas. Notablemente, tampoco hace referencia a
ninguna epidemia. A pesar de ello, su postura pro-
fundamente racionalista sobre el desarrollo de las
enfermedades (ninguno de sus trabajos menciona cu-
ras sobrenaturales) y sus afirmaciones sobre la influen-
cia del modo de vida y el ambiente en la salud de la
población hacen de este médico el principal represen-
tante de la epidemiología antigua. El texto hipocrático
Aires, aguas, y lugares –que sigue la teoría de los ele-
mentos propuesta medio siglo antes por el filósofo y
médico Empédocles de Agrigento– señala que la die-
ta, el clima y la calidad de la tierra, los vientos y el
agua son los factores involucrados en el desarrollo de
las enfermedades en la población, al influir sobre el
equilibrio del hombre con su ambiente. Siguiendo es-
tos criterios, elabora el concepto de constitución epidé-
mica de las poblaciones.
Aunque la noción de balance entre el hombre y su
ambiente como sinónimo de salud persistió por mu-
chos siglos, con el colapso de la civilización clásica el
Occidente retornó a las concepciones mágico-religio-
sas que caracterizaron a las primeras civilizaciones.11
Con ello, la creencia en el contagio como fuente de
enfermedad, común a casi todos los pueblos antiguos,
paulatinamente fue subsumida por una imagen en
donde la enfermedad y la salud significaban el castigo
y el perdón divinos, y las explicaciones sobre la causa
de los padecimientos colectivos estuvieron práctica-
mente ausentes en los escritos médicos elaborados en-
tre los siglos III y XV de nuestra era (es decir, durante
el periodo en el que la Iglesia Católica gozó de una
hegemonía casi absoluta en el terreno de las ciencias).
No obstante, como veremos más tarde, las medidas
empíricas de control de las infecciones siguieron de-
sarrollándose, gracias a su impacto práctico.
Durante el reinado del emperador Justiniano, en-
tre los siglos V y VI d.C., la terrible plaga que azotó al
mundo ya recibió el nombre griego de “epidemia”. No
se sabe exactamente desde cuándo el término epidémi-
co se usa para referirse a la presentación de un número
inesperado de casos de enfermedad, pero no hay duda
de que el término fue utilizado desde la baja Edad
Media para describir el comportamiento de las infec-
ciones que de cuando en cuando devastaban a las po-
blaciones. La larga historia de epidemias infecciosas
que azotaron al mundo antiguo y medieval fue de-
terminando una identificación casi natural entre los
conceptos de epidemia, infección y contagio hasta que,
según Winslow, la aparición de la pandemia de peste
bubónica o peste negra que azotó a Europa durante el
salud pública de méxico / vol.42, no.2, marzo-abril de 2000
Desarrollo histórico de la epidemiología
siglo XIV (de la cual se dice que diariamente morían
10 mil personas), finalmente condujo a la aceptación
universal –aunque todavía en el ámbito popular– de
la doctrina del contagio.7
Los esfuerzos por comprender la naturaleza de
las enfermedades y su desarrollo entre la población
condujeron a la elaboración de diversas obras médicas
durante los siglos inmediatamente posteriores al Re-
nacimiento. En 1546, Girolamo Fracastoro publicó, en
Venecia, el libro De contagione et contagiosis morbis et
eorum curatione, en donde por primera vez describe
todas las enfermedades que en ese momento podían
calificarse como contagiosas (peste, lepra, tisis, sarna,
rabia, erisipela, viruela, ántrax y tracoma) y agrega,
como entidades nuevas, el tifus exantemático y la sífi-
lis. Fracastoro fue el primero en establecer claramente
el concepto de enfermedad contagiosa, en proponer
una forma de contagio secundaria a la transmisión de
lo que denomina seminaria contagiorum (es decir, se-
millas vivas capaces de provocar la enfermedad) y en
establecer por lo menos tres formas posibles de in-
fección: a) por contacto directo (como la rabia y la le-
pra), b) por medio de fomites transportando los
seminaria prima (como las ropas de los enfermos), y c)
por inspiración del aire o miasmas* infectados con los
seminaria (como en la tisis). A este médico italiano tam-
bién le cabe el honor de establecer en forma precisa la
separación, actualmente tan clara, entre los conceptos
de infección, como causa, y de epidemia, como conse-
cuencia. Como veremos más adelante, incluso para
médicos tan extraordinarios como Thomas Sydenham
–quien nació cien años más tarde que Fracastoro y po-
pularizó el concepto hipocrático de constituciones epi-
démicas, y los de higiene individual y poblacional de
Galeno– fue imposible comprender esta diferencia
fundamental. A Fracastoro le cabe el honor de ser el
primer médico que estableció que enfermedades espe-
cíficas resultan de contagios específicos, presentando
la primera teoría general del contagio vivo de la en-
fermedad. Desde este punto de vista, debe ser consi-
derado el padre de la epidemiología moderna.12
Treinta y cuatro años después de Fracastoro, en
1580, el médico francés Guillaume de Baillou (1538-
1616) publicó el libro Epidemiorum‡ (“sobre las epi-
demias”) conteniendo una relación completa de las
epidemias de sarampión, difteria y peste bubónica
aparecidas en Europa entre 1570 y 1579, sus caracte-
* Como se señaló antes, la palabra miasma fue utilizada con propó-
sitos médicos por primera vez por Hipócrates (aunque con otro
significado), deriva del griego miáino, y significa mancha.
‡
De Baillou, Guillaume. Epidemiorum, 2 vols (1640), citado en Enci-
clopaedia Brittanica, 1999.
salud pública de méxico / vol.42, no.2, marzo-abril de 2000
A CTUALIZ ACIONES
rísticas y modos de propagación. Debido a que de
Baillou tuvo una gran influencia en la enseñanza
de la medicina durante la última parte del siglo XVI
y la primera del XVII (dirigió la escuela de medicina
de la Universidad de París por varias décadas), sus
trabajos tuvieron un importante impacto en la prác-
tica médica de todo el siglo XVII.
En castellano, la primera referencia al término epi-
demiología, según Nájera,13 se encuentra en el libro que
con tal título publicó Quinto Tiberio Angelerio, en
Madrid, en 1598. Los términos epidémico y endémico
fueron incorporados a nuestro idioma apenas unos
años más tarde, hacia 1606. En aquella época, endé-
mico significaba simplemente (como en el texto hipo-
crático Aires, aguas y lugares) la residencia permanente
de alguien en un lugar. Epidémico, en cambio, se de-
nominaba a aquel que temporalmente residía en un
lugar en donde era extranjero.14
Desde mucho antes, empero, el Occidente medie-
val había llevado a cabo actividades colectivas que
podrían calificarse como epidemiológicas en el senti-
do actual del término. La Iglesia ejecutó durante mu-
chos siglos acciones de control sanitario destinadas a
mantener lejos del cuerpo social las enfermedades que
viajaban con los ejércitos y el comercio, y temprana-
mente aparecieron prácticas sanitarias que basaban su
fuerza en los resultados del aislamiento y la cuarente-
na. Del siglo XIV al XVII estas acciones se generaliza-
ron en toda Europa y paulatinamente se incorporaron
a la esfera médica.
2. A p rendiendo a contar : la estadística
sanitaria
Durante los siguientes siglos ocurrieron en Europa
otros sucesos de naturaleza diferente que, sin embar-
go, tuvieron un fuerte impacto sobre el desarrollo de
la epidemiología. Hasta el siglo XVI, la mayoría de las
enumeraciones y recuentos poblacionales habían te-
nido casi exclusivamente dos propósitos: determinar
la carga de impuestos y reclutar miembros para el ejér-
cito. No obstante, con el nacimiento de las naciones
modernas, los esfuerzos por conocer de manera pre-
cisa las fuerzas del Estado (actividad que inicialmente
se denominó a sí misma estadística) culminaron por
rebasar estos límites e inaugurar la cuantificación sis-
temática de un sinnúmero de características entre los
habitantes de las florecientes naciones europeas. La
estadística de salud moderna inició con el análisis de
los registros de nacimiento y de mortalidad, hasta en-
tonces realizados únicamente por la Iglesia Católica,
que organizaba sus templos de culto de acuerdo con el
volumen de sus feligreses.
135
 ARTÍCULOS ORIGINALES / ORIGINAL ARTICLES
Neumol Pediatr 2015; 10 (4): 155 - 159

HISTORIA NATURAL DE LA TUBERCULOSIS.

FISIOPATOGENIA DE LA INFECCIÓN Y LA ENFERMEDAD EN EL NIÑO
Natural history of tuberculosis. Pathogenesis of infection and disease in children

Dra. Magnolia Arango L

Neumóloga Pediatra
Profesora Titular, Universidad Nacional de Colombia

NATURAL HISTORY OF TUBERCULOSIS. PATHOGENESIS OF INFECTION AND DISEASE IN CHILDREN

The multiple manifestations of tuberculosis (TB) are a result of the relationships between Mycobacterium tuberculosis, the host
and the environmental, social and cultural conditions. In TB pathogenesis, three factors must be considered: the virulence of the bacillus,
the potential of cellular destruction and caseous necrosis, and the immune response and hypersensitivity to the infection.
Key words: tuberculosis, mycobacterium tuberculosis, children, pathogenesis.

RESUMEN
La expresión múltiple de la tuberculosis se debe a la relación entre el Mycobacterium tuberculosis, el huésped y las condiciones
medioambientales, sociales y culturales. En la patogenia de la tuberculosis se deben tener en cuenta tres factores: la virulencia del bacilo,
la capacidad de producir destrucción celular y necrosis caseosa y la respuesta inmunitaria e hipersensibilidad a la infección.
Palabras clave: Tuberculosis, Mycobacterium tuberculosis, niños,patogenia.

INTRODUCCIÓN paralela a la del Homo sapiens. Su evidencia paleontológica se

La existencia de una infección o enfermedad como la
tuberculosis (TB) infantil, resulta de una compleja interacción
entre el huésped y sus características genéticas, inmunitarias,
de nutrición y de salud, factores socioeconómicos, culturales y
medio-ambientales en los que están inmersos el niño y su familia
y la exposición a un bacilo como el Mycobacterium tuberculosis
que ha ocasionado la enfermedad más antiguamente conocida.
Su historia natural comprende la secuencia biológica
entre la exposición al bacilo, la infección, el paso a enfermedad y
los desenlaces posibles mediados por diferentes condicionantes.
MYCOBACTERIUM TUBERCULOSIS
El género Mycobacterium apareció hace 150 millones
de años hasta hacerse contemporáneo a los homínidos (3
millones de años); ha acompañado a la especie humana desde
que inició su asentamiento durante el Neolítico en África. El
actual complejo Mycobacterium tuberculosis (M. tuberculosis,
M. bovis, M. africanum, M. microti, M. canetti), existe desde
hace aproximadamente 15.000 - 20.000 años, con evolución
Correspondencia:
Dra Magnolia Arango L
Ciudad Universitaria, Facultad de Medicina
Universidad Nacional de Colombia
E-mail: marangode@unal.edu.co , magnoliarango@gmail.com
ha encontrado en restos vertebrales humanos de hace 7.000 a
11.000 años. La progresión y transmisión como patología deriva
de la urbanización de las comunidades humanas.
Se ha encontrado en restos humanos americanos
prehispánicos (Canadá, Estados Unidos, México, República
Dominicana, Panamá, Colombia, Venezuela, Perú, Chile y
Argentina) por estudios patológicos y visualización de bacilos.
Con la detección del ADN bacilar se ha confirmado en momias
indígenas precolombinas (Chile, Perú y Colombia) (1). Las
formas graves frecuentes en poblaciones indígenas americanas
se atribuyen a débil inmunidad previa, a Mycobacterium libres
o poco virulentos de M. tuberculosis, o M. bovis que explicarían
la susceptibilidad de indígenas modernos a bacilos virulentos o
cepas europeas.
En la familia Mycobacteriacea hay tres complejos:
el Mycobacterium tuberculosis (Bacilo de Koch, BK), el
Mycobacterium leprae y el Mycobacterium no tuberculosis. Del
complejo Mycobacterium tuberculosis, produce enfermedad en
la mayoría de casos la variedad humana, el M. tuberculosis;
el M. bovis ocasionalmente produce patología por ingestión de
leche contaminada.
De los Mycobacterium no tuberculosis (M. avium, M.
intracellulare , siendo más de 100 especies), muchos son saprófitos,
otros oportunistas y algunos patógenos (2). Generalmente no
son virulentos en huéspedes inmunocompetentes; producen
Mycobacteriosis en inmunodeficientes o con enfermedades de
base.
El M. tuberculosis es la bacteria más letal que ha

155 C o n t e n i d o d i s p o n i b l e e n h t t p : / / w w w. n e u m o l o g i a - p e d i a t r i c a . cl
Historia natural de la tuberculosis. Fisiopatogenia de la infección y la enfermedad en el niño
existido en la historia a pesar de ser inmóvil, de crecimiento
lento, sin vectores o reservorios animales muy eficientes,
carecer de esporas, endotoxinas o enzimas histolíticas; además
es dependiente del aire para transmitirse (sobrevive pocas horas
al sol y la ventilación). La potencialidad de lesionar se debe a
tres factores: capacidad de enfermar a través de toda la vida
del huésped, habilidad de producir enfermedad pulmonar y
diseminarse por tos y el hecho de no inmovilizar al huésped
ni producirle necesariamente la muerte. A su patogenicidad
también contribuyen la alta densidad poblacional humana, las
precarias condiciones de vida y el debilitamiento del huésped
(3).
El M. tuberculosis infecta sin ser dominado fácilmente
por los mecanismos de defensa debido a su pared lipídica
(ácidos micólicos) que lo hace resistente a antibióticos usuales
y le confieren las propiedades de tinción (retienen coloración
roja al tratarlos con ácido-alcohol, técnica de Ziehl Nielsen).
Es resistente al frío, la desecación y la congelación y sensible
a la luz solar directa, la ventilación y el calor húmedo y es
destruido por la pasteurización (>80°C). Es aerobio estricto,
se multiplica cada 20 horas en lesiones con suficiente O2 y
pH de 7,4 (por ejemplo en cavernas) pero puede sobrevivir en
ambientes anaerobios en donde queda en estado durmiente con
escasa actividad durante años o décadas; esta adaptabilidad al
medio externo mantiene la endemia pues los sanos infectados
constituyen un reservorio; la multiplicación lenta del bacilo
origina manifestaciones inespecíficas que originan consultas
tardías, perpetuando la transmisión (4).
El Mycobacterium tuberculosis puede afectar varias
especies animales pero en el humano es endémico y se perpetúa
como patógeno.
La patogenicidad y capacidad de infectar y enfermar
del BK, se relacionan con su virulencia y habilidad de eludir la
destrucción por los macrófagos no sensibilizados al iniciar la
infección así como a la inducción de hipersensibilidad celular
retardada.
MEDIO AMBIENTE Y FACTORES DE RIESGO SOCIALES,
ECONÓMICOS Y CULTURALES
La TB ocasiona aún gran morbilidad y mortalidad; en
muchas regiones del mundo es endémica, en algunas epidémica;
afecta a los más pobres en países de bajos recursos y a quienes
están en condiciones de pobreza en paises desarrollados (5).
Afecta directamente a los niños y sus familias haciéndose más
vulnerables cuanto más haya precariedad socio-económica y de
sus condiciones de vida (vivienda, hacinamiento, alimentación);
incrementan el riesgo el desplazamiento por conflictos bélicos y
la explotación infantil.
La ausencia y baja cobertura de inmunización con
BCG, la coinfección TB/VIH, la resistencia a medicamentos, la
inmunosupresión y enfermedades de base, han aumentado la
susceptibilidad de los niños en quienes la TB es reflejo de la
prevalencia en adultos y evento centinela que indica transmisión
reciente y progresiva del BK.
Según OMS/OPS, los mayores factores de riesgo en
niños para infectarse, enfermar o tener una progresión grave,
son:
C o n t e n i d o d i s p o n i b l e e n h t t p : / / w w w. n e u m o l o g i a - p e d i a t r i c a . cl
Neumol Pediatr 2015; 10 (4): 155 - 159
- Contacto intradomiciliario frecuente con bacilíferos
- Edad inferior a cinco años
- Coinfección con VIH
- Desnutrición grave
Hay poblaciones en mayores condiciones de
vulnerabilidad: los indígenas y afroamericanos marginados e
igualmente los desplazados y los habitantes de calle (6). Aunque
todos estos factores son trascendentes, no se puede olvidar
que todos los niños son susceptibles pues no tienen inmunidad
innata.
El desconocimiento de la situación real de la enfermedad
y sus riesgos, la insuficiente detección de sintomáticos
respiratorios, infectados y enfermos y los tratamientos
inadecuados, contribuyen al aumento de la exposición al bacilo y
a que no se corte la cadena de transmisión. En varios países de
Latinoamérica hay niños no registrados oficialmente ni cobijados
por ningún sistema de salud y no se benefician de actividades
de saneamiento, educación, prevención o vacunación. En TB, los
condicionantes y la enfermedad actúan en doble sentido: sus
determinantes hacen perder factores protectores y empeoran
los de riesgo produciéndose la patología; a su vez, ésta
desencadena eventos que deterioran más el estado precario
de salud y de forma de vida. Alguien carente de recursos,
desnutrido y enfermo, va a agravar todos los componentes de
la enfermedad misma: deterioro de las condiciones de vida
material, desempleo, desnutrición, etc. y se crea un nefasto
círculo vicioso. Se suma el estigma social que aún pesa sobre
los enfermos quienes por miedo al rechazo, la discriminación
y el marginamiento, consultan tardíamente, permanecen sin
diagnóstico o no son beneficiarios de ninguna actividad de apoyo
(7).
Siempre se ha considerado que la TB es una
“enfermedad de la pobreza” y aunque es una entidad infecto-
contagiosa, se reconoce planamente que las condiciones socio-
económicas, culturales y ambientales y la exclusión social en las
que viven las poblaciones vulnerables, favorecen su ocurrencia
(8). En regiones donde hay menos recursos y poco acceso a la
atención hay mayor número de casos, más patologías que aplazan
el diagnóstico, dificultades para comprobarlo y se subestima la
carga de la enfermedad; no conocemos con precisión el número
de casos reales en regiones donde el problema es mayor (9).
Por ser el estado de salud y bienestar de los niños dependiente
de la familia y en especial de las madres, conviene recordar
que en muchos paises su salud es bastante precaria; se estima
que en el mundo hay 2.900.000 casos de TB en mujeres, con
mortalidad de 410.000 (10), hecho que conlleva consecuencias
graves: orfandad, pobreza, abandono, etc (11).
HUÉSPED
La genética del bacilo define la capacidad de infección
o enfermedad; las características genéticas del huésped
también determinan la eficiencia de movilización de las defensas
y de respuesta adecuada. El papel del genotipo y fenotipo para
infectarse o enfermar o no con el BK está en estudio. Habría genes
programados para regular la resistencia natural, la actividad
macrofágica, la presentación de antígenos, la producción de
ácido nítrico, de vitamina D como inmunoregulador, la modulación
156
Historia natural de la tuberculosis. Fisiopatogenia de la infección y la enfermedad en el niño
del interferón y las citocinas; estos procesos están relacionados
además con el complejo mayor de histocompatibilidad (HLA) y
determinarían la susceptibilidad diferencial y heterogeneidad
de la TB. Se están estudiando factores epigenéticos medio-
ambientales relacionados (12).
Los niños están más expuestos tempranamente en el
hogar (cada enfermo bacilífero contagia entre 16 a 20 personas
de su entorno) y son más vulnerables a la infección; su respuesta
inmune aún en sanos es insuficiente para eliminar todos los BK
de la infección, no son eficientes en contenerlos en el granuloma
inicial y pueden desarrollar enfermedad severa y diseminada.
Los factores de riesgo de infección o de progresión a
enfermedad se relacionan directamente con el sistema inmune
del niño quién puede infectarse en cualquier edad pero la
probabilidad, frecuencia y gravedad son mayores cuanto menor
es. El 50% de los expuestos se infectan, con mayor riesgo de
progresión a enfermedad grave, extrapulmonar o diseminación
en <2 años, desnutridos, adolescentes e inmunodeficientes (13).
La mortalidad en <1 año es del 50%. La mitad de enfermos que
no reciban tratamiento morirán en los próximos 5 a 8 años.
Conviene enfatizar que aumentan la susceptibilidad,
progresión, gravedad y mortalidad: la desnutrición, la deficiencia
de vitamina D; la ausencia de BCG; la infección por VIH (20
veces más), los inmunosupresores, antagonistas TNF (Factor de
Necrosis Tumoral) y las condiciones debilitantes: diabetes, falla
renal o hepática, cáncer, neumoconiosis y las infecciones virales
(sarampión, varicela, influenza) y bacterianas (tos ferina).
Hay tres desenlaces posibles del contacto: el niño expuesto no
infectado, la infección latente y quién progresa a enfermedad
activa. Es importante definir estos estadíos; la dificultad radica
en que la transición entre infección latente y enfermedad es un
continum que a veces es indefinido y subclínico.
FISIOPATOGENIA
Transmisión, contagio, inoculación, infección y enfermedad
La principal vía de transmisión y contagio es
por aerosoles que contienen bacilos viables, inhalados por
personas susceptibles en general en espacios cerrados. En
aire ambiente abierto los bacilos se dispersan y mueren por
la luz ultravioleta; algunos permanecen viables en partículas
aerosolizadas de nuevo. La fuente de infección casi siempre es
un adulto o adolescente con lesiones pulmonares comunicadas
al aire que expelen partículas infectantes formando aerosoles
transportadores del BK a través de la tos, el habla, la risa, el
canto, los estornudos y la expectoración.
La contagiosidad depende de la severidad del cuadro,
la frecuencia de la tos, el tamaño del inóculo y la cepa y
virulencia del M. tuberculosis y si la persona contagiosa recibe o
no tratamiento anti-TB.
INFECCIÓN
Los niños se infectan casi siempre por exposición
doméstica o contacto estrecho con un bacilífero del medio
familiar, generalmente padres o convivientes enfermos; otras
157 C o n t e n i d o d i s p o n i b l e e n h t t p : / / w w w. n e u m o l o g i a - p e d i a t r i c a . cl
Neumol Pediatr 2015; 10 (4): 155 - 159
fuentes son: cuidadores externos, maestros, expendedores de
comida, etc. Los bacilíferos son la mayor fuente de transmisión
y contagio.
Otras vías de infección de menor frecuencia son la
ingestión, en especial de M. bovis o por contaminación accidental
por las diferentes micobacterias.
La inmunidad natural innata contra la infección
consiste en mecanismos como la nutrición normal, la integridad
cutánea y de mucosas respiratorias y digestivas, sus secreciones
normales, la anatomía de las vías respiratorias, el clearance
mucociliar, la flora residente y las respuestas inflamatorias
e inmunológicas iniciales, representadas por macrófagos,
linfocitos (NK, natural killers) y neutrófilos.
Las microgotas inhaladas que contienen 2-3
bacilos, alcanzan los alvéolos. En niños inmunocompetentes la
respuesta se inicia con macrófagos alveolares no activados y
células dendríticas; los antígenos bacilares alteran las células
epiteliales y producen una inflamación local y reclutamiento
celular (formación de foco de consolidación neumónica); las
opsoninas inducen la adherencia de los bacilos a receptores
específicos del macrófago que se activa para fagocitarlos; por
razones desconocidas, ya englobados por los fagosomas, no son
lisados como otras bacterias, sino que inician su crecimiento y
reproducción; los macrófagos cargados con bacilos migran por
linfáticos hacia ganglios vecinos; allí presentan los antígenos
bacilares a los linfocitos T CD4 y CD8 nativos (indispensables
para contener la infección) y activan los linfocitos T que se
dividen en TH1 (liberan citoquinas, interleuquinas, TNF-b e IFN-
e interferon gama) y TH2 (IL-1, IL-4, IL-5 y otras que estimulan
los linfocitos B a fin de controlar la multiplicación y diseminación
bacilar.
Cuando se pierden estas funciones, los bacilos
intracelulares siguen multiplicándose hasta necrozar la célula
huésped y liberarse hacia el alvéolo; las células de memoria
migran hacia el sitio de la infección y median una respuesta de
monocitos y macrófagos para matar a los bacilos posiblemente
por liberación local de óxido nítrico; los bacilos liberados pueden
alcanzar ganglios linfáticos u otros sitios a través de la vía
hematógena.
Al segundo día del ingreso bacilar se inicia la formación
del granuloma que crece en 2 semanas a 1 mm (visible como
un punto grisáceo) y se originan células gigantes multinucleadas
centrales o de Langerhans, que contienen a menudo bacilos
en su citoplasma, rodeadas por macrófagos distorsionados
llamados epiteloides y linfocitos y fibroblastos que forman un
tejido fibroso circunvalar encapsulando la lesión. Posiblemente
por anoxia central y productos del bacilo mismo, en varios días
puede ocurrir necrosis caseosa y al morir los macrófagos, liberar
nuevos micro-organismos; la mayoría de veces se contiene la
lesión y desaparece o deja una cicatriz imperceptible o una
calcificación que atrapa los bacilos y puede ser visualizada
radiológicamente a los 6 meses.
Este período de infección (primoinfección TB) suele
ser asintomático, no transmisible y deja una huella inmunológica
de hipersensibilidad detectable por la prueba de tuberculina
(PPD). El periodo de latencia o incubación entre la llegada del
bacilo y la evidencia de la infección es 8 a 10 semanas. El foco
parenquimatoso, el compromiso línfático y del ganglio satélite,
constituyen el Complejo primario de Ghon que puede dejar una
Tuberculosis extrapulmonar en niños
cicatriz frecuentemente calcificada, visible radiológicamente
(Complejo de Ranke). Cuando hay una adecuada respuesta
inmune protectora a la infección primaria, se desarrolla un
foco fibroso y en niños mayores un foco de caseificación y
posterior fibrosis; los ganglios regionales cicatrizan en meses; la
linfadenopatía puede persistir por años y en ella existir algunos
bacilos viables que eventualmente producirán enfermedad si la
capacidad inmune declina.
La formación de granulomas o caseum y la
calcificación son útiles para contener la infección y prevenir la
diseminación (el medio extracelular ácido, carente de O2, impide
la multiplicación bacilar y salida del foco inicial); si la lesión
avanza, la mayoría de veces lentamente, va alterando el órgano y
los síntomas aparecen cuando el daño es importante; en niños y
jóvenes la potencialidad de reparación del tejido pulmonar puede
minimizar la alteración y dejar escasa huella si se administra
tratamiento adecuado.
Los niños presentan formas de primoinfeción en
la mayoría de casos y su curación sucede en el 95% de los
inmunocompetentes infectados. Las formas secundarias de
reactivación o reinfección son frecuentes en adultos.
La transmisión de Mycobacterium no tuberculosis
al humano proviene de fuentes ambientales como aerosoles
provenientes de agua estancada, partículas de tierra o polvo.
Los animales parecen tener un rol importante en la transmisión
a humanos (14).
LATENCIA
El organismo infectado moviliza sus mecanismos
de defensa para contener los bacilos pero algunos pueden
sobrevivir y quedar en un estado de quiescencia, durmientes
o en “hibernación” dentro del macrófago el cual al no detectar
crecimiento bacteriano, deja de enviar estímulos a los CD8 y
CD4, haciendo que el bacilo se haga invisible para el sistema
inmune y pueda reactivarse después; en este estado de latencia,
aunque no es inerte, es imposible verlo o cultivarlo; su ADN si
es detectable. Esta situación se denomina infección latente, en
la cual el niño está asintomático pero la infección bacilar puede
demostrarse por la positividad tuberculínica u otras pruebas. Por
ser de especial relevancia en los niños debido a la posibilidad
de pasar en forma inadvertida hacia una enfermedad pulmonar o
diseminada, debe ser cuidadosamente controlada.
La respuesta inmunológica y el riesgo de infectarse
con el M. tuberculosis son complejos; parece existir cierta
resistencia natural pues el 50% de los expuestos no se infectan
pero la base inmunogenética de esta susceptibilidad diferencial,
asi como la infección latente es poco clara (15).
ENFERMEDAD
Cuando confluyen factores de riesgo, alrededor del
5% de los niños infectados se enferman apareciendo síntomas
respiratorios, constitucionales o generales, el 90% de casos
en el primer año después de la infección; entre el 5%-10%
desarrolla la enfermedad posteriormente.
Si la contención de la infección falla, el complejo
C o n t e n i d o d i s p o n i b l e e n h t t p : / / w w w. n e u m o l o g i a - p e d i a t r i c a . cl
Neumol Pediatr 2015; 10 (4): 160 - 168
primario puede evolucionar hacia la enfermedad; en la mayoría
de casos el compromiso es parenquimatoso pulmonar; el material
necrótico se licúa y convierte en una secreción viscosa con
bacilos; el granuloma en crecimiento destruye el tejido vecino
y erosiona vasos y paredes alveolares y el material bacilar pasa
a otros alveolos con diseminación pulmonar primaria (neumonía
TB) o reblandecimiento de un ganglio drenado hacia un bronquio
(diseminación bronquial primaria); el material con bacilos
puede llegar a linfáticos o vasos y sembrarse prácticamente en
cualquier tejido u órgano por lo cual los niños pueden presentar
TB pulmonar progresiva o formas miliares y extrapulmonares
(ganglionar, meníngea, pleural, pericárdica, abdominal, osteo-
articular, cutánea, renal).
Los niños esporádicamente presentan cavernas
o formas “abiertas” de TB, bacilíferas (especialmente los
adolescentes); en general el compromiso pulmonar infantil es de
consolidación parenquimatosa o complejo primario evolutivo; las
poblaciones bacilares son de escaso número o paucibacilares
por lo cual se consideran en general poco bacilíferos.
Hay un aumento preocupante de formas congénitas
transmitidas vía transplacentaria hematógena, por ingestión
de líquido amniótico infectado o secreciones durante el parto
y de la neonatales (exposición del recién nacido a bacilífero,
usualmente la madre) (16). La leche materna no transmite el
Mycobacterium tuberculosis.
CONCLUSIÓN
La comprensión de la historia natural y la fisiopatogenia
de la infección y la enfermedad infantil por TB permiten
comprender su amplio espectro clínico y es la manera posible
de abordar su diagnóstico (17) pues la entrada al organismo,
la complejidad de la respuesta inmunológica que desencadena
y la forma de compromiso de tejidos y órganos en un espectro
tan amplio, requieren del conocimiento claro de su existencia,
formas heterogéneas de presentación y del correcto diagnóstico;
de ello somos responsables los médicos, en especial quienes
atendemos niños.
El autor declara no presentar conflicto de intereses
158
Historia natural de la tuberculosis. Fisiopatogenia de la infección y la enfermedad en el niño Neumol Pediatr 2015; 10 (4): 155 - 159

REFERENCIAS

1. Sánchez Luna M, Moreno Hernando J, Botet Mussons

F, Fernández Lorenzo JR, Herranz Carrillo G, Rite Gracia
S, Salguero García E, Echaniz Urcelay I. Displasia
broncopulmonar: definiciones y clasificación. An Pediatr
2013; 79:262
2. Palominos MA, Morgues M, Martinez F. Management of
infants with Chronic Lung Disease of prematurity in Chile.
Early Hum Dev 200; 81: 151-4
3. Bancalari A. Actualización en Presentación y Patogénesis
de la Displasia Broncopulmonar. Rev Chil Pediatr 2009; 80
: 213-224
4. Jobe AH. The new bronchopulmonary dysplasia. Curr Opin
Pediatr 2011;23:167-72
5. Northway WH Jr, Rosan RC, Porter DY. Pulmonary disease
following respiratory therapy of hyaline membrane disease:
bronchopulmonary dysplasia. N Engl J Med 1967; 276:
357-68
6. Zeitlin P, Nogee L. Etiology of Bronchopulmonary Dysplasia:
Before Birth. Pediatr Allergy Immunol Pulm 2011; 24: 21-
25
7. Gien J, Kinsella J. Pathogenesis and treatment of
bronchopulmonary dysplasia. Curr Opinion Pediatr 2011;
23:305–313
8. Mourani P, Abman S. Pulmonary vascular disease in
bronchopulmonary dysplasia.: pulmonary hypertension and
beyond. Curr Opin Pediatr 2013;25: 329-337
9. Baraldi E, Filippone M. Chronic Lung Disease after
Premature Birth. N Engl J Med 2007; 357:1946-55
10. American Thoracic Society Documents Statement on the
Care of the Child with Chronic Lung Disease of Infancy and
Childhood. Am J Respir Crit Care Med; 2003: 356–396
11. Jobe A, Bancalari E. NICHD/NHLBI/ORD Workshop Summary.
Bronchopulmonary Dysplasia. Am J Respir Care Med 2001;
163: 1723- 1729
12. Bancalari E, Claure N. Definitions and diagnostic criteria
for bronchopulmonary dysplasia. Semin Perinatol, 2006,
30: 164-170
13. Fernández C, Fajardo C, Favareto M, Hoyos A, Jijón-Letort F,
Carrera M, Yllescas M, Romero M. Oxygen dependency
as equivalent to bronchopulmonary dysplasia at different
altitudes in newborns 1500g at birth from the SIBEN
network Members of Iberoamerican Society of Neonatology
network. J Perinatol. 2014; 34:538-42
14. 14. MINISTERIO DE SALUD. Guía Clínica Displasia
Broncopulmonar del Prematuro. Santiago:
MINSAL, 2009. web.minsal.cl/portal/url/
item/721fc45c974a9016e04001011f0113bf.pdf
15. Ola Didrik Saugstad, Dagfinn Aune. Optimal Oxygenation of
Extremely Low Birth Weight Infants: A Meta-Analysis and
Systematic Review of the Oxygen Saturation Target Studies.
Neonatol 2014;105:55–63
16. Poets CF. When do infants need additional inspired oxygen?
A review of the current literature. Pediatr Pulmonol. 1998;
26:424-8
17. Kotecha S, Allen J. Oxygen therapy for infants with chronic
lung disease. Arch Dis Child Fetal Neonatal 2002; 87:F11-4
18. 18. Primhak RA. Discharge and aftercare in chronic lung
disease of the newborn. Semin Neonatol 2003;8:117-26

159 C o n t e n i d o d i s p o n i b l e e n h t t p : / / w w w. n e u m o l o g i a - p e d i a t r i c a . cl
Principales medidas en epidemiología
A CTUALIZ ACIONES

Principales medidas en epidemiología

Alejandra Moreno-Altamirano, C . D., M. en C .,(1) Sergio López-Moreno, M. C .,(2)
Alexánder C orcho-Berdugo, M. C .(2)

Concep to de medición, variables y escalas grupos de estudio que cambian de una situación a otra
o de un tiempo a otro y que, por lo tanto, pueden tomar

U naficovezy que se ha identificado un problema cientí-

se ha aventurado una explicación hipoté-
tica, es necesario someterla a prueba. Para contrastar
la hipótesis se requiere descomponerla en un conjunto
suficientemente pequeño de variables susceptibles de
ser evaluadas empíricamente. Si los procedimientos
empíricos no refutan la hipótesis planteada ésta se
acepta como probablemente verdadera. En pocas pa-
labras, este es el camino que el científico sigue más
frecuentemente al realizar su trabajo. Dado que en la
mayoría de los casos es necesario medir las variables
durante la contrastación empírica de la hipótesis, la
medición resulta un procedimiento indispensable en
la práctica científica.
En epidemiología, el proceso de investigación es
similar al utilizado en el resto de las ciencias. Cuando
se investiga la salud de la población también se pro-
ponen una o varias explicaciones hipotéticas que pos-
teriormente son sometidas a contrastación empírica.
En este proceso, los conceptos de medición y de variable
resultan fundamentales.
Concepto de variable
La función de las variables consiste en proporcionar
información asequible para descomponer la hipóte-
sis planteada en sus elementos más simples. Las va-
riables pueden definirse como aquellos atributos o
características de los eventos, de las personas o de los
diversos valores. Para su estudio es necesario medir-
las en el objeto investigado, y es en el marco del pro-
blema y de las hipótesis planteadas donde adquieren
el carácter de variables.
De acuerdo con la relación que guardan unas con
otras, las variables se clasifican en independientes (o
variables explicativas) y dependientes (o variables res-
puesta). Cuando se supone que una variable produce
un cambio en otra, se considera a la primera como inde-
pendiente (o causa) y a la segunda como dependiente
(o efecto). En los estudios epidemiológicos la enfer-
medad o evento es por lo general la variable depen-
diente y los factores que determinan su aparición,
magnitud y distribución son las variables independien-
tes, o exposición. No obstante, el concepto de depen-
dencia e independencia es contextual, es decir, obedece
al modelo teórico planteado. Una vez que se han iden-
tificado las variables el investigador debe definirlas de
manera operativa, especificando el método y la escala
con las cuales llevará a cabo su medición.
El uso de variables permite a la epidemiología la
elaboración de modelos descriptivos, explicativos y
predictivos sobre la dinámica de la salud poblacional.
En los modelos más sencillos (por ejemplo, en los mo-
delos en los que se considera una sola exposición y un
solo daño o evento) las variables generalmente se ex-
presan en tablas simples de dos categorías mutuamente
excluyentes (llamadas dicotómicas), representadas
por la ausencia y la presencia de la exposición y la

(1) Departamento de Salud Pública, Facultad de Medicina, Universidad Nacional Autónoma de México.
(2) Dirección de Políticas y Planeación, Centro de Investigación en Sistemas de Salud, Instituto Nacional de Salud Pública, México.

Solicitud de sobretiros: Alejandra Moreno Altamirano. Depto. de Salud Pública. Facultad de Medicina, Universidad Nacional Autónoma de México.
Correo electrónico: gamoreno @ servidor.unam.mx

salud pública de méxico / vol.42, no.4, julio-agosto de 2000 337

 A CTUALIZ ACIONES
ausencia y la presencia del evento. Al combinar ambas
categorías se forma una tabla con dos filas y dos co-
lumnas, conocida como tabla tetracórica o tabla de 2
por 2. Cuando, en cambio, existen más de dos cate-
gorías de exposición, o varias formas de clasificar el
evento, esta relación se expresa en tablas de varias co-
lumnas y varias celdas. En este texto se analizará la
elaboración de medidas epidemiológicas basadas en
categorías dicotómicas y el uso de tablas de 2 X 2.
Concepto de medición
La medición consiste en asignar un número o una ca-
lificación a alguna propiedad específica de un indivi-
duo, una población o un evento usando ciertas reglas.
No obstante, la medición es un proceso de abstrac-
ción. En términos estrictos no se mide al individuo
sino cierta característica suya, abstrayéndola de otras
propiedades. Uno no mide al niño sino que obtiene
información sobre su estatura o su peso. Además, lo
que se hace es comparar el atributo medido en otros
individuos (o en el mismo individuo en otro momen-
to), con el fin de evaluar sus cambios en el tiempo o
cuando se presenta en condiciones distintas de las
originales.
Para medir es necesario seguir un proceso que
consiste, en breves palabras, en el paso de una entidad
teórica a una escala conceptual y, posteriormente, a una
escala operativa.
En general, los pasos que se siguen durante la me-
dición son los siguientes: a) se delimita la parte del
evento que se medirá, b) se selecciona la escala con la
que se medirá, c) se compara el atributo medido con
la escala y, d) finalmente, se emite un juicio de valor
acerca de los resultados de la comparación. Para medir
el crecimiento de un menor, por ejemplo, primero se
selecciona la variable a medir (la edad, el peso, la ta-
lla); luego se seleccionan las escalas de medición (me-
ses cumplidos, centímetros, gramos); inmediatamente
después se comparan los atributos con las escalas se-
leccionadas (un mes de edad, 60 cm de talla, 4 500 gra-
mos de peso) y, por último, se emite un juicio de valor,
que resume la comparación entre las magnitudes en-
contradas y los criterios de salud aceptados como vá-
lidos en ese momento. Como resultado, el infante se
califica como bien nutrido, desnutrido o sobrenutrido.
Como se puede notar, la medición es un proceso
instrumental sólo en apariencia, ya que la selección
de la parte que se medirá, de la escala de medición
y de los criterios de salud que se usarán como ele-
mentos de juicio deben ser resultado de un proceso de
decisión teórica. En otras palabras, sólo puede medirse
338
Moreno-Altamirano A y col.
lo que antes se ha concebido teóricamente. La medi-
ción, sin embargo, nos permite alcanzar un alto grado
de objetividad al usar los instrumentos, escalas y cri-
terios aceptados como válidos por la mayor parte de
la comunidad científica.
Principales escalas de medición
Las escalas se clasifican en cualitativas (nominal y or-
dinal) y cuantitativas (de intervalo y de razón). Un re-
quisito indispensable en todas las escalas es que las
categorías deben ser exhaustivas y mutuamente exclu-
yentes. En otras palabras, debe existir una categoría
para cada caso que se presente y cada caso debe poder
colocarse en una sola categoría.
Escala nominal
La medición de carácter nominal consiste simplemente
en clasificar las observaciones en categorías diferentes
con base en la presencia o ausencia de cierta cualidad.
De acuerdo con el número de categorías resultantes,
las variables se clasifican en dicotómicas (dos cate-
gorías) o politómicas (más de dos categorías). En las
escalas nominales no es posible establecer un orden
de grado como mejor o peor, superior o inferior, o
más o menos. La asignación de códigos numéricos a
las categorías se hace con el único fin de diferenciar
unas de otras y no tienen interpretación en lo que se
refiere al orden o magnitud del atributo. Como ejem-
plos de este tipo de medición en la investigación epi-
demiológica se pueden mencionar el sexo (masculino
0 , femenino 1 ), el estado civil (soltero, casado, viu-
do, divorciado), la exposición o no a un factor X, y el
lugar de nacimiento, entre otras.
Escala ordinal
En contraste con las escalas nominales, en este tipo de
medición las observaciones se clasifican y ordenan por
categorías según el grado en que los objetos o eventos
poseen una determinada característica. Por ejemplo,
se puede clasificar a las personas con respecto al gra-
do de una enfermedad en leve, moderado o severo. Si
se llega a utilizar números en este tipo de escalas su
única significación consiste en indicar la posición de
las distintas categorías de la serie y no la magnitud de
la diferencia entre las categorías. Para la variable
antes mencionada, por ejemplo, sabemos que existe
una diferencia de grado entre leve y severo, pero no es
posible establecer con exactitud la magnitud de la di-
ferencia en las enfermedades de una u otra personas.
salud pública de méxico / vol.42, no.4, julio-agosto de 2000
Principales medidas en epidemiología
Escala de intervalo
Esta es una escala de tipo cuantitativo en la que, además
de ordenar las observaciones por categorías del atri-
buto, se puede medir la magnitud de la distancia rela-
tiva entre las categorías. Esta escala, sin embargo, no
proporciona información sobre la magnitud absoluta
del atributo medido. Por ejemplo, se puede obtener una
escala de intervalo para la altura de las personas de un
grupo si, en lugar de medirlas directamente, se mide
la altura de cada persona con respecto a la altura pro-
medio. En este caso, el valor cero es arbitrario y los
valores asignados a la altura no expresan su magnitud
absoluta. Esta es la característica distintiva de las esca-
las de intervalo en comparación con las de razón.
El ejemplo más conocido de las escalas de intervalo
es la escala de Celsius para medir la temperatura, en la
que por convención el grado cero corresponde al pun-
to de congelación del agua y donde, por lo tanto, la
razón entre dos objetos con temperaturas de 10 y 20
grados no indica que uno de ellos sea realmente dos
veces más caliente (o más frío) que el otro. En ciencias
de la salud, un buen ejemplo de este tipo de escalas es
la utilizada para medir el coeficiente intelectual.
Escalas de razón
Esta escala tiene la cualidad de que el cero sí indica la
ausencia del atributo y, por lo tanto, la razón entre dos
números de la escala es igual a la relación real existente
entre las características de los objetos medidos. En
otras palabras, cuando decimos que un objeto pesa
8 kg estamos también diciendo que pesa el doble que
otro cuyo peso es de 4 kg, y que un avión que viaja a
600 km por hora tardará en llegar a su destino la mitad
del tiempo que tardaría si viajara a 300 km por hora.
Muchas características biofísicas y químicas que pue-
den ser medidas en las unidades convencionalmente
aceptadas (metros, gramos, micras, mol /kg, mg /dl,
etc.) son ejemplos de mediciones que corresponden
a este tipo de escala. En materia de investigación so-
cial y de salud, el ingreso económico y la concentración
de plomo en sangre son buenos ejemplos de este tipo
de escalas.
Cálculo de p ropo rciones, tasas y razones
Un rasgo característico de la contrastación en los es-
tudios epidemiológicos es que las relaciones causales
postuladas entre las variables se traducen en tér-
minos probabilísticos. Es decir, se trata de establecer
si la mayor o menor probabilidad de que un evento
salud pública de méxico / vol.42, no.4, julio-agosto de 2000
A CTUALIZ ACIONES
ocurra se debe precisamente a los factores que se sos-
pecha intervienen en su génesis y no al azar. Para
cumplir con este objetivo, la investigación epidemio-
lógica se basa en la construcción de tres tipos de medi-
das: a) de frecuencia; b) de asociación o efecto, y c) de
impacto potencial. La construcción de estas medidas
se realiza por medio de operaciones aritméticas sim-
ples y de los instrumentos matemáticos conocidos
como razones, proporciones y tasas. Antes de abor-
dar las medidas utilizadas en los estudios epidemioló-
gicos repasaremos brevemente estos tres conceptos.
Proporciones
Las proporciones son medidas que expresan la fre-
cuencia con la que ocurre un evento en relación con la
población total en la cual éste puede ocurrir. Esta
medida se calcula dividiendo el número de eventos
ocurridos entre la población en la que ocurrieron.
Como cada elemento de la población puede contri-
buir únicamente con un evento es lógico que al ser el
numerador (el volumen de eventos) una parte del de-
nominador (población en la que se presentaron los
eventos) aquel nunca pueda ser más grande que éste.
Esta es la razón por la que el resultado nunca pueda
ser mayor que la unidad y oscile siempre entre cero y
uno.
Por ejemplo, si en un año se presentan tres muertes
en una población compuesta por 100 personas, la pro-
porción anual de muertes en esa población será:
P= 3 muertes = 0.03
100 personas
A menudo las proporciones se expresan en forma
de porcentaje, y en tal caso los resultados oscilan entre
cero y 100. En el ejemplo anterior, la proporción anual
de muertes en la población sería de 3 por 100, o de 3%.
Nótese, asimismo, que el denominador no incluye el
tiempo. Las proporciones expresan únicamente la re-
lación que existe entre el número de veces en las que
se presenta un evento y el número total de ocasiones
en las que se pudo presentar.
Tasas
Las tasas expresan la dinámica de un suceso en una
población a lo largo del tiempo. Se pueden definir como
la magnitud del cambio de una variable (enfermedad
o muerte) por unidad de cambio de otra (usualmente
el tiempo) en relación con el tamaño de la población
que se encuentra en riesgo de experimentar el suceso.
339
 A CTUALIZ ACIONES Moreno-Altamirano A y col.

En las tasas, el numerador expresa el número de
eventos acaecidos durante un periodo en un número
determinado de sujetos observados.
A diferencia de una proporción el denominador
de una tasa no expresa el número de sujetos en ob-
servación sino el tiempo durante el cual tales sujetos
estuvieron en riesgo de sufrir el evento. La unidad de
medida empleada se conoce como tiempo-persona
de seguimiento. Por ejemplo, la observación de 100
individuos libres del evento durante un año corres-
ponde a 100 años-persona de seguimiento; de manera
similar, 10 sujetos observados durante diez años co-
rresponden a 100 años-persona.
Dado que el periodo entre el inicio de la observa-
ción y el momento en que aparece un evento puede
variar de un individuo a otro, el denominador de la
tasa se estima a partir de la suma de los periodos de
todos los individuos. Las unidades de tiempo pueden
ser horas, días, meses o años, dependiendo de la na-
turaleza del evento que se estudia.
El cálculo de tasas se realiza dividiendo el total de
eventos ocurridos en un periodo dado en una pobla-
ción entre el tiempo-persona total (es decir, la suma
de los periodos individuales libres de la enfermedad)
en el que los sujetos estuvieron en riesgo de presen-
tar el evento. Las tasas se expresan multiplicando
el resultado obtenido por una potencia de 10, con el
fin de permitir rápidamente su comparación con
otras tasas.
En este caso, también se podría decir que la razón
hombre:mujer es de 10:8, pues esta expresión aritmé-
tica es igual a la primera (1:0.8).
En el segundo ejemplo se encuentran casos como
la razón de tasas de mortalidad por causa específica
(por ejemplo, por diarreas) en dos comunidades. En
este caso, la razón expresaría la relación cuantitativa
que existe entre la tasa de mortalidad secundaria a
diarreas registrada en la primera ciudad y la tasa de
mortalidad secundaria a diarreas registrada en la
segunda. La razón obtenida expresa la magnitud re-
lativa con la que se presenta este evento en cada po-
blación. Si la tasa de mortalidad por diarreas en la
primera ciudad es de 50 por 1 000 y en la segunda de
25 por 1 000 la razón de tasas entre ambas ciudades
sería:
RTM= tasa de mortalidad en la ciudad B = 50 X 1 000 = 2.0
tasa de mortalidad en la ciudad A 25 X 1 000
Donde RTM es la razón de tasas de mortalidad
(en este caso, por diarreas) entre las ciudades A y B. El
resultado se expresa como una razón de 1:2, lo que si-
gnifica que por cada caso en la ciudad A hay 2 en la
ciudad B.

número de eventos ocurridos en

una población en un periodo t
Tasa= x una potencia de 10
sumatoria de los periodos durante
los cuales los sujetos de la población libres
del evento estuvieron expuestos al riesgo
de presentarlo en el mismo periodo

Razones

Las razones pueden definirse como magnitudes que

expresan la relación aritmética existente entre dos even-
tos en una misma población, o un solo evento en dos
poblaciones. En el primer caso, un ejemplo es la razón
de residencia hombre: mujer en una misma pobla-
ción. Si en una localidad residen 5 000 hombres y 4 000
mujeres se dice que, en ese lugar, la razón de residen-
cia hombre:mujer es de 1:0.8 (se lee 1 a 0.8), lo que signi-
fica que por cada hombre residen ahí 0.8 mujeres. Esta
cantidad se obtiene como sigue:

4 000
Razón hombre: mujer= = 0.8
5 000

340 salud pública de méxico / vol.42, no.4, julio-agosto de 2000

Metodologíade investigación y lectura crítica de estudios

Generalidades de las pruebas diagnósticas,

y su utilidad en la toma de decisiones médicas
1

Resumen

Introducción: La utilidad de las pruebas diagnósticas se basa en la capacidad de separar

adecuadamente las personas sanas de las enfermas, y de no producir falsos positivos o ne-
gativos. Las propiedades de las pruebas diagnósticas se describen tradicionalmente como
-
babilidad de la enfermedad es mediante el cálculo de la razón de probabilidades o
ratio; este permite conocer cuánto más probable es un resultado (positivo o negativo) según
la presencia o ausencia de la enfermedad. Objetivo: Describir en términos generales las
-
cidad, valores predictivos y likelihood ratio, así como su utilidad y aplicabilidad en la práctica
médica. Metodología y desarrollo: Se realizó una revisión de artículos y textos sobre las
-
tivas; posteriormente, se exponen ejemplos para facilitar su entendimiento e interpretación.

Palabras clave
, pruebas diagnósticas.

Abstract

Introduction: The usefulness of diagnostic tests consists of the ability to detect and separate
a person with a disease from a healthy person, and not to produce false positives or nega-
tives. The properties of diagnostic tests have traditionally been described using sensitivity,
. An additional way to consider the
probability of a disease is by calculating the likelihood ratio which helps to estimate how
many times more (or less) likely patients with a disease are to have a particular result than
patients without the disease. Objective: To describe the main properties of diagnostic tests.

explained, as well as their usefulness and applicability in clinical practice. Method: Articles

tests. Similarly, examples are given to facilitate understanding and interpretation.

-
lihood ratio, diagnostic tests.

1
Médica interna. Asistente de investigación, Departamento de Epidemiologia Clínica y

Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

787
 Medina M.
En la práctica médica habitual se
enfrenta el riesgo de tomar decisio-
nes que muchas veces originan una
serie de incertidumbres inherentes al
abordaje de los pacientes y su salud.
Las pruebas diagnósticas constitu-
yen un elemento fundamental para
reducir la incertidumbre; dichas
pruebas son útiles, como su nombre
lo indica, para el diagnóstico, aunque
también lo son para el pronóstico y el
Los instrumentos diagnósticos
incluyen la historia clínica, el examen
físico y los datos epidemiológicos; tam-
bién, las pruebas diagnósticas, tales
como los exámenes de laboratorio y de
imaginología. Corresponde al médico
interpretar y analizar críticamente
las propiedades de ambas clases de
instrumentos, para tomar decisiones
más acertadas y, adicionalmente,
hacer un uso racional de ellos.
En este artículo se realiza una
explicación sencilla y práctica de
términos tales como sensibilidad,
y razón de probabilidades, con el
0%
788 Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011
decisiones relevantes en el manejo
y el tratamiento de sus pacientes.
El proceso diagnóstico
El proceso diagnóstico describe
la secuencia de ideas y acciones lle-
vadas a cabo por un médico cuando
se enfrenta a un paciente con un
diagnóstico desconocido.
Cuando existen dudas sobre el
diagnóstico el médico formula una
determinada hipótesis diagnóstica
que dé explicación al cuadro clínico
del paciente. Dicha hipótesis se aso-
cia a una probabilidad de ocurrencia,
la cual recibe el nombre de probabili-
dad pretest, que hace referencia a la
estimación de la probabilidad de
realización del test.
Si dicha probabilidad no supera
un umbral diagnóstico se rechazará
la hipótesis planteada, se descartará
el diagnóstico. Si la probabilidad
pretest supera el umbral el médico
apoyará la hipótesis, sin necesidad
de realizar un test diagnóstico con-
100%
 Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas
En caso de encontrarse en un umbral
intermedio, en el cual ni se rechaza
ni se apoya la hipótesis diagnóstica,
la probabilidad de que el paciente
presente un diagnóstico planteado
se encuentra en una zona de incer-
tidumbre, y este es el caso donde se
adicionales.
Ejemplo 1
Hombre de 30 años de edad,
quien es llevado por sus familiares al
servicio de urgencias por presentar
temblor, taquicardia, diaforesis y ci-
fras tensionales elevadas. Un familiar
bebidas alcohólicas hace 2 sema-
nas. Con esta información el médico
considera que el paciente presenta
un síndrome de abstinencia, por lo
cual inicia tratamiento.
Ejemplo 2
Hombre de 65 años de edad,
quien sale de una cirugía de reem-
plazo de cadera, y posteriormente
presenta alteración de la concien-
cia, desorientación, alucinaciones
e hiperactividad motora. Dada la
probabilidad alta de delirium, se debe
establecer cuál es la condición médi-
realización de pruebas diagnósticas.
Ejemplo 3
Estudiante de medicina, quien
se encuentra realizando sus prác-
ticas en Medicina Legal. Durante
la necropsia sufre un accidente:
se cortó con un bisturí con el que
Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011
estaba realizando el procedimiento;
no se conoce si tiene VIH. Dados
la gravedad de esta condición y los
costos que genera, es necesario que
se realice una prueba diagnóstica.
Ejemplo 4
Paciente de 25 años de edad,
-
cultad para respirar, sudoración,
palpitaciones y dolor torácico; la
probabilidad de que sufra un infar-
to de miocardio es nula. El médico
conjetura una crisis de pánico, por
lo cual no considera la toma de
exámenes.
Estándar de referencia,
o gold standard
La primera condición para eva-
luar una nueva prueba es que exista
hacer el diagnóstico; es decir, cuál
es, hasta el momento del estudio, la
mejor alternativa diagnóstica exis-
tente para estudiar una determinada
enfermedad o un evento de interés.
Habitualmente este es un examen
demasiado difícil o costoso para ser
utilizado de manera rutinaria. La
prueba de oro puede ser desde una
imagen radiológica o un electroen-
cefalograma hasta una necropsia.
El uso de una prueba de oro con
quienes tienen la enfermedad es un
requisito para evaluar la utilidad diag-
nóstica de cualquier prueba nueva o
no evaluada. De este modo una prueba
nueva se compara con una prueba an-
789
 Medina M.

tigua y más aceptada, buscando de su validez puede obtenerse cal-

determinar si la nueva ofrece el mis- culando los valores de sensibilidad
mo rendimiento que la de referencia.

Medición de la sensibilidad y la Sensibilidad

El método tradicional para la como la capacidad de la prueba para

enseñanza de estos conceptos se
basa en una tabla de 2x2, conocida
también como tabla de contingencia.
En esta tabla si se compara una
prueba diagnóstica con el estándar
de referencia se pueden obtener
cuatro combinaciones si los resul-
tados de la prueba se expresan de
forma dicótoma (positivo o negativo,
ausente o presente).
En la tabla de contingencia se
enfrenta el resultado de la prueba
real de los pacientes (en colum-
nas), o, en su defecto, el resultado
de la prueba de referencia, o gold
standard, que se vaya a utilizar. El
resultado de la prueba puede ser
correcto (verdadero positivo y ver-
dadero negativo) o incorrecto (falso
positivo y falso negativo). El análisis
como enfermo, o como la probabili-
dad de tener un resultado positivo
si se tiene la enfermedad.
Para calcular la sensibilidad se
debe dividir el número de enfermos
con prueba positiva por la sumatoria
de los enfermos con prueba positiva
y los enfermos con prueba negativa:
a/(a+ c); o VP/VP + FN
Se puede deducir que una prue-
ba diagnóstica de alta sensibili-
dad tiene pocos falsos negativos, y,
al contrario, una prueba con baja
sensibilidad (poca capacidad para
detectar al enfermo como enfermo)
tendrá una alta tasa de resultados
falsos negativos. La utilización de
una prueba muy sensible asegura

Estado respecto a la enfermedad según el estándar de oro

Resultado de la prueba de estudio Enfermo

Positivo Verdadero positivo (VP) Falso positivo (FP)

Negativo Falso negativo (FN) Verdadero negativo (VN)

VP: el paciente tiene la enfermedad y la prueba es positiva. FP: el paciente no tiene la enfer-
medad y la prueba es positiva. VN: el paciente no tiene la enfermedad y la prueba es negativa.
FN: el paciente tiene la enfermedad y la prueba es negativa.

790 Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

 Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas

que un resultado negativo probable- rrectamente al paciente sano como

mente será un resultado verdade-
ro, pues tiene una gran capacidad
para detectar a los enfermos como
enfermos.
sano; es decir, los verdaderos ne-
gativos. Un examen con una alta
resultado es positivo, pues la tasa de
falsos positivos es muy baja (tabla 2).

-
damente a los sanos como sanos;
es el porcentaje de personas que no
tienen la condición de estudio y dan
resultados “negativos” o “normales”.
debe dividir el número de sujetos
“no enfermos” con prueba positiva
por la sumatoria de los sujetos “no
enfermos” con prueba positiva y los
sujetos “no enfermos” con prueba
negativa:
b/(b + d); o FP/FP + VN
El aspecto más importante es
- muestran en la siguiente tabla.
Ejemplo
En 1997 Whooley et al. evalua-
de 2 preguntas para el tamizaje de
depresión comparado con 6 ins-
trumentos ya validados (SDDS-PC,
CES-D, CES-D-SHORT, MOS, BDI,
BDI-SHORT). Las preguntas evalua-
das fueron: ¿Durante el último mes
se ha sentido triste, deprimido o sin
esperanza? ¿Durante el último mes
ha sentido poco interés o placer en
la realización de sus actividades?
Suponiendo que los datos del
estudio incluyeron a 500 pacientes
con sospecha de depresión, los resul-
tados se contrastaron con los del
SDDS-PC. Los datos obtenidos se

con las que se realizan los cálculos para las medidas de S, E y VP

Estado respecto a la enfermedad según el estándar

de referencia

Resultado de la prueba
Presente Ausente
de estudio
Positivo a (enfermos con prueba +) b (no enfermos con prueba +)

Negativo c (enfermos con prueba -) d (no enfermos con prueba -)

Sensibilidad: proporción de personas con la enfermedad, que tendrán un resultado positivo

{a/(a+c)}.

{b/(b+d)}.

Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

791
 Medina M.
De un total de 500 pacientes
el SDDS-PC), y se encontró que 86
por el tamizaje de las 2 preguntas
(verdaderos positivos); la sensibilidad
de la prueba fue del 86%. Los resul-
tados negativos (falsos negativos)
incluyeron a 14 pacientes que fue-
ron incorrectamente diagnosticados
como sanos.
Por otro lado, de un total de 400
pacientes, 380 fueron correctamente
diagnosticados como sanos por el
tamizaje de las 2 preguntas (verdade-
ros negativos), mientras que 20 fue-
ron incorrectamente diagnosticados
como enfermos (falsos positivos); la
del 95% (tabla 3).
¿Qué pruebas utilizar?
Según todo lo anterior, si se
pretende “detectar” una enferme-
dad que sea muy riesgosa o hay un
precio importante que pagar si no
se hace el diagnóstico, se utilizarán
for Primary Care (SDDS-PC)
Dos preguntas
Positivo
Negativo
Total
dad=(380/400)=95%; VPP= (86/106)= 81%; VPN=(380/394)= 96%.
792 Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011
pruebas de alta sensibilidad: estas
son más útiles cuando los resulta-
dos son negativos, por lo cual si los
falsos negativos tienen alto costo se
En el caso de estudios de ta-
mizaje, cuando la probabilidad de
la condición sea baja y el propósito
sea descubrirlo se debe utilizar una
prueba de alta sensibilidad.
Si un falso positivo tiene alto
más útiles cuando los resultados
son positivos; por tener una baja tasa
de falsos positivos, se usan para la
Valores predictivos
En la clínica el médico se en-
frenta a situaciones donde debe
considerar el resultado del examen,
sabiendo que la prueba la mayoría
de las veces no es perfecta.
Ante un resultado positivo o
negativo en la prueba se pregun-
tará cuál es la probabilidad de que
el paciente esté enfermo, dado que el
Symptom Driven Diagnostic System
Positivo Negativo Total
86 20 106
14 380 394
100 400 500
-
 Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas

resultado del test es positivo; o cuál
es la probabilidad de que el pacien-
te esté sano, dado un resultado
negativo. Estas probabilidades se
determinan mediante los valores
predictivos.
con prueba negativa por la sumatoria
de los enfermos con prueba negati-
va y los sujetos “no enfermos” con
prueba negativa.
d/(c + d); o VN/FN + VN

Usando los mismos datos de la

Es la probabilidad de presentar
la enfermedad si se obtiene un re-
sultado positivo en el test.
Para calcular el VPP de una prue-
ba diagnóstica se ha de dividir el
número enfermos con prueba positiva
por la sumatoria de los enfermos
con prueba positiva y los sujetos
“no enfermos” con prueba positiva.
a/(a + b); o VP/VP + FP
tabla anterior, se calcula el VPP como
86/(86 + 20)= 81%. La interpretación
de este resultado es: la probabilidad
de que un paciente tenga depresión,
dado que el resultado de las dos
preguntas para tamizaje fue positivo,
es del 81%.
El VPN se calcula como
380/(380 + 14) = 96%. La interpreta-
ción de este resultado es: la probabi-
lidad de que un individuo no tenga
depresión, dado que el resultado de
las dos preguntas fue negativo, es

Es la probabilidad de que un
paciente con un resultado negativo
en la prueba esté realmente sano.
Para calcular, entonces, el VPN de un test diagnóstico tienen la for-
se debe dividir el número de enfermos taleza de ser propiedades inherentes

86 20
A B

14 380
c D

100 400

Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

793
 Medina M.
al test, independientemente de la
prevalencia de la enfermedad; sin
embargo, no proporcionan infor-
mación relevante en el momento de
tomar decisiones clínicas.
A diferencia de la sensibilidad
- y postest con respecto a una deter-
dictivos permiten tomar decisio-
nes adecuadas con respecto a la
interpretación de los resultados,
pero presentan limitaciones que
dependen de la prevalencia o de la
probabilidad preexamen, lo cual
no las hace extrapolables a todas
las situaciones. Por eso, para cada
valor de prevalencia o probabilidad
preexamen se deben calcular los
valores predictivos.
Mientras mayor sea la prevalen-
cia de la enfermedad, mayor es el
VPP y menor el VPN; por el contrario,
mientras menor sea la prevalencia
de la enfermedad, mayor es el VPN,
y menor el VPP (tabla 4).
Razón de probabilidades
El verdadero valor de una prueba
diagnóstica en la práctica clínica no
Tabla 4. Variación de los valores predictivos con respecto a la prevalencia
Prevalencia
10% 86%
20% 86%
50% 86%
794 Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011
solo depende de su sensibilidad, su
-
tivos, sino de la información que
proporcionan los resultados de di-
cha prueba, para lograr un cambio
sustancial en la probabilidad pretest
minada enfermedad.
Para ello resulta necesario deter-
minar otras propiedades que sean, a
la vez, clínicamente útiles, una forma
adicional de considerar la probabili-
dad de presencia de la enfermedad
es mediante el cálculo del
ratio o razón de probabilidades. Es-
tos miden cuánto más probable es
un resultado (positivo o negativo)
según la presencia o ausencia de
enfermedad.
La ventaja de la razón de proba-
bilidades radica en que, a diferencia
de los valores predictivos, no varía
con los cambios en la prevalencia
de una enfermedad. La otra ventaja
importante es que las RP suelen venir
calculadas para múltiples puntos
de corte, y así facilitan el cálculo
de probabilidad postexamen, de
acuerdo con el valor del resultado
obtenido.
VPP VPN
95% 64% 98%
95% 81% 96%
95% 94% 87%
 Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas

La razón de probabilidades para es 17 veces más posible que resulte

un resultado positivo
Razón entre la probabilidad de
que un examen tenga resultado po-
sitivo en los pacientes que tienen la
enfermedad vs. los que no la tienen.
positiva una prueba en presencia de
su enfermedad que en su ausencia.
los resultados negativos ocurren
0,14 veces en personas enfermas
con respecto a cada persona sana

RP (+) = [a/(a+c)] / [b/(b+d)]

Guía para la interpretación
La razón de probabilidades para de razones de probabilidad
un resultado negativo

Razón entre la probabilidad de que 10 y menores que 0,1 gene-

que un examen tenga resultado ne- ran amplios y frecuentes cambios
gativo en los pacientes que tienen la concluyentes de la probabilidad
enfermedad vs. los que no la tienen. preprueba a la posprueba.

RP (-) = [c/(a+c)] / [d/(b+d)] 5-10 y de 0,1-0,2 generan cam-

bios moderados de la probabili-
Usando los mismos datos de los dad preprueba a la posprueba.
ejemplos anteriores, se calcula la
razón de probabilidades. Una razón y de 0,5-0,2 generan pequeños
de probabilidades para un resultado (pero algunas veces importan-
positivo de 17 se interpreta como que tes) cambios en probabilidad.

Figura 3. Evaluación de la razón de probabilidades

RP

86 20
106
A B

14 380
394
c D
100 400

Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

795
 Medina M.

tan altos, que se debe determinar la

y de 0,5-1 alteran la probabili-
dad en un pequeño (y rara vez
importante) grado.
Conclusiones
Gracias a la evolución de la me-
dicina y a los avances tecnológicos, la
disponibilidad de pruebas diagnósti-
cas ha sido tan amplia, y sus costos
validez de dichos estudios, saber inter-
pretar correctamente los resultados
los pacientes.
El presente artículo ilustró la
forma como se analizan las propie-
dades de un test diagnóstico. La
valores predictivos son propiedades
importantes de las pruebas diag-

Propiedades
Pregunta por responder Fórmula Comentarios
del test
Qué tan bueno es el test Si es un test muy sensible, un
Sensibilidad detectando a posibles en- a/(a + c) resultado negativo descarta la
fermos enfermedad
¿Qué tan bueno es el test
detectando a pacientes sa- b/(b + d) -
nos? ma la enfermedad

Si un paciente tiene una

prueba positiva, ¿qué tan
VPP a/(a + b)
probable es que tenga la
condición? Los valores predictivos varían
de acuerdo con la prevalencia
Si un paciente tiene una
prueba negativa, ¿qué tan
VPN d/(c + d)
probable es que no tenga la
condición?

¿Qué tanto más probable Pueden calcularse tantos RP

es encontrar determinado como valores posibles tiene
RP valor del test en alguien el test. En el caso de un test
enfermo comparado con dicótomo tendrá un valor po-
alguien sano? sitivo y negativo

¿Qué tanto más probable

es encontrar el test positivo [a/(a+c)] / También se puede calcular:
RP +
en alguien enfermo que en [b/(b+d)]
alguien sano?

¿Qué tanto más probable es

encontrar el test negativo [c/(a+c)] / También se puede calcular:
RP -
en alguien enfermo que en [d/(b+d)]
alguien sano?

796 Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

 Generalidades de las pruebas diagnósticas, y su utilidad en la toma de decisiones médicas

nósticas, aunque cada una de ellas Bibliografía sugerida

tiene sus limitaciones.
La razón de probabilidades o el
son útiles para cam-
biar la probabilidad pretest a postest,
por lo cual son de gran utilidad en
la práctica clínica, y su cálculo y su
aplicación en la medicina resultan
fundamentales (tabla 5).
Agradecimientos
Al Departamento de Epidemiologia Clí-
nica y Bioestadística, y a sus profesores
Carlos Gómez-Restrepo, Álvaro Ruiz
Morales y Juan Gabriel Ruiz Peláez.
Callahan CM, Unverzagt FW, Hui SL, et al.
Six item screener to identify impairment
among potential subjects for clinical
research. Med Care. 2002;40:771-81.
Cerda J, Cifuentes L. Uso de test diag-
nósticos en la práctica clínica (Parte
1). Análisis de las propiedades de
un test diagnóstico. Rev Chil Infect.
2010;27:205-8.
Riegelman RK, Hirsch RP. Studying a
study and testing a test: how to read
the medical literature. Boston: Little
Brown; 1989.
Ruiz A, Cuervo L. Pruebas diagnósticas,
generalidades de su interpretación.
Rev Col Neumología. 2008;20:98-105.
Ruiz A. Uso de pruebas diagnósticas en
medicina clínica. En: Ruiz A, Gómez
C, Londoño D. editores. Epidemiologia
clínica: investigación clínica aplicada.
Bogotá: CEJA; 2001. p. 263-80.
Whooley M. Finding instruments for depres-
sion, two questions are as good as
many. J Gen Intern Med. 1997;12:439-
45.

Recibido para evaluación: 28 de septiembre de 2011

Aceptado para publicación: 10 de noviembre de 2011

Correspondencia
María Camila Medina
Departamento de Epidemiologia Clínica y Bioestadística

Bogotá, Colombia

Rev. Colomb. Psiquiat., vol. 40 / No. 4 / 2011

797
 Rev Chil Anest 2014; 43: 317-321

rIESGo rELATIVo Y ODDS RATIO (rAZóN DE VENTAJAS)

ser calculados y comunicados en trabajos que usen

odds ratio odds ratio.
dos maneras de explorar la relación entre dos
variables dicotómicas.
El RR se usa fundamentalmente en la evalua- rIESGo rELATIVo
ción de trabajos prospectivos mientras que el
- Se usa principalmente en el análisis de trabajos
bajos retrospectivos.

puede interpretarse razonablemente como ries- -

to se obtiene dividiendo el número de casos con el
- resultado de interés por el número total de casos.
siado el RR por lo que no debe ser interpreta-

Con ambos, siempre deben calcularse y co- el otro y se denomina riesgo relativo (rr). La in-
terpretación del RR es intuitiva: un RR de 2 expresa
estimación de la precisión alcanzada.

Hay diversas maneras de analizar una tabla de así:

Grupo 1 Grupo 2
discutió el uso del x2 y del test exacto de Fisher para
estos efectos. Estas pruebas de hipótesis permiten Resultado a b a+b
estimar las probabilidades de que la hipótesis nula se presenta
en relación con dicha tabla sea verdad; en otras pa- Resulta- c d c+d
labras, cuál es la probabilidad que las cuatro celdas do no se
presenta
- a+b b+d Total
interesa tener además un número que permita cuan-
- a/(a+c) y b/(b+d)
tivo y el odds ratio o razón de ventajas son las dos respectivamente, por lo que el riesgo relativo es
medidas más comunes en la literatura biomédica.
-
lidades de tener la enfermedad o presentar el resul-
la probabilidad de que la hipótesis nula sea verda- tado de interés si está presente o ausente el factor
dera y, además, hacer un juicio sobre la precisión -
de la estimación puntual; por ello, siempre deben maciones puntuales, también es posible calcular un

317
 -

del error estándar (EE):

los pacientes tratados con bisoprolol se redujo al

estándar.
El cálculo del IC -
sarrolla así:

RR es Normal por lo que

e

como:

e
RR - [N(1- e e
RR + [N(1- RR)]
e
RR - [N
e e e
RR + [N e
RR)].
Recordemos que para un IC , N(1- /2)
oN es
IC

Los valores están disponibles en tablas en todos

N -2,979
a 2,718281 ,
de la curva, la mitad en cada extremo, fuera de esos dando un IC =
- 90
- 90
no, se puede
plo).
La hipótesis nula, que plantea que no hay di- usando el test exacto de Fisher para analizar los re-

test de Fisher de dos colas, que es el que se debió

con el cálculo del IC; si el cálculo se hace con una

- cola da una p = 0,0287. Este es el principal error en
que se incurre al usar el test exacto de Fisher. Vale
depende del tamaño de la muestra. la pena señalar aquí que la corrección académica
del autor del trabajo ha sido puesta en tela de juicio.

EJEmPLo DE rIESGo rELATIVo

rAZóN DE VENTAJAS o rAZóN
Un trabajo compara la morbimortalidad perio- DE ProBABILIDAD (ODDS RATIO)

-
tancias: para estimar la relación entre dos variables
-
soprolol y 9 de 62 pacientes sin el bloqueador beta-
y, para analizar el resultado de estudios de casos y
-
vo.
Casos Controles Los odds, chance o posibilidad, es la proba-
bilidad de presentar un evento comparado con la
2 9 11 probabilidad de no presentarlo. Han recibido nu-
Vivos 112 merosos nombres en español como por ejemplo,
61 62 123 entre muchos otros, razón de probabilidad, razón
de chances, razón de posibilidades, razón de opor-
tunidades, razón de productos cruzados; quizás el
-
tica, y por ello vale la pena citar, es el de razón de

318 Rev Chil Anest 2014; 43: 317-321

 ODDS RATIO

aquello que se da u obtiene sobre lo que correspon-

- En resumen, cuando un resultado es raro, la inter-

Hay una importante diferencia en la manera

como se puede construir la tabla 2 x 2 en estudios
retrospectivos con dos muestras. En este caso, la
selección de los sujetos está basada en el resultado
(las líneas) mientras que en uno prospectivo lo está

-
0 0

se puede obtener diferentes respuestas simplemente 0

es la proporción de individuos no expues-
variando el número de casos y controles. Esto hace -
necesario un método basado en cálculos dentro de tado de interés. Es evidente que mientras más cerca
0
, el denominador se acerca a 1 y por
0
se acerca a 1,

factor presente factor ausente

.
0
(casos) (controles) -
Resultado a b -
presente te fórmula (ver ejemplo):
Resultado c d
ausente
a+c b+d

de manera que el IC va desde:

Como es habitual en estudios de casos y con-
es raro por lo que a es muy pequeño y a/(a+c) será
a a/c. En forma similar, b
también es pequeño y b/(b+d) será aproximada-
b/d. En estas circunstancias, la pro-
babilidad del resultado de interés, de los casos de
presentar el resultado comparado con los controles,
(a/c)/(b/d) o bien ad/
bc. La razón entre estas probabilidades es la razón
de ventajas: el “odds ratio
en cualquier tipo de estudio (transversal, prospec-
lo mismo que el RR cuando el evento de interés
e e e e
Cuando las muestras son pareadas, la aproxi-
mación es diferente pues se trata de mirar las di-
ferencias entre pares cuya exposición al factor de
la razón b/c.
-
los trabajos debieran incluir estos límites, y no de-
o no, pues ayudan a que el lector pueda interpretar
la precisión de los resultados. Una manera común

- -
sivamente sobrestima el RR si este es mayor de 1
o lo subestima si es inferior a 1. Si es frecuente, cuestión. Debe recordarse que estos límites arrojan
una información similar a la de la p en términos
la recomendación es mirarlos como dos medidas de las probabilidades de que la hipótesis nula sea

Rev Chil Anest 2014; 43: 317-321 319

respectivamente. La otra manera de presentarlos, Lo que permite calcular un IC90 de 2,07 a 37
especialmente cuando se analizan varios factores, y un IC -

En forma similar al ejemplo anterior, los autores,

- también usando un test exacto de Fisher, comuni-
vos y, adicionalmente, una línea vertical puntea-
da a través del número 1. Así, cualquier intervalo
ser un trabajo retrospectivo, usan el RR anotando
indicando que el resultado no es estadísticamente

En un estudio retrospectivo sobre daño ocular

en el perioperatorio, se encontraron, entre otros, los

EJEmPLoS DE ODDS RATIO cuatro factores con el objeto de resaltar el uso del

En un trabajo retrospectivo en pacientes conse-

cutivos, se comparó la incidencia de reinfarto pe-

versus
los 932 presentaron un infarto para una incidencia
de 3,64 vs .

Infarto Sin infarto

previo previo
(casos) (controles)
Reinfarto 2 4 6
Género
Sin reinfarto 928 981
932 987
Sitio Cx

Intubación

figura 1.
contenidos en la tabla del último ejemplo.

Tabla 1.
Sin daño ocular Con daño ocular or (IC95%)
17 1,6 (0,8-3,2)
Femenino 37.876 17
Lateral 2.672 6 4,7 (1,93-11,3)
28
Cabeza y cuello 11 4,4 (2,2-9,0)
23
Con intubación 29.323 8
Sin intubación 31.608 26

320 Rev Chil Anest 2014; 43: 317-321

 ODDS RATIO

rEfErENCIAS
and Number Needed to Treat -
-
- -
man & Hall, 1991. -
-
296: 1313-1316. dial infarction on perioperative
- cardiac complications. Anesth
et al. The effect of bisoprolol on pe-
2006. rioperative mortality and myocar-

- 1-11.
tions of Clinical Research. Appli- -

the odds ratio in cohort studies of

280: 1690-1691.

rate ratios and odds ratios in cross-

1020-1027. sectional studies. Int J Epidemiol
- 1997; 26: 220-223.

Correspondencia a:

Rev Chil Anest 2014; 43: 317-321 321

 Ponencia / Report

Inferencia causal en epidemiología

Causal inference in epidemiology

Laura A. Rodríguez-Villamizar

RESUMEN

En este ensayo se revisa de manera breve el desenvolvimiento histórico de la defi- L.R.: MD. M.Sc. Epidemiología, Ph.D. Pu-
nición de causa para comprender el desarrollo del pensamiento y de los modelos de blic Health Sciences-Epidemiology. Univer-
sidad Industrial de Santander. Bucaramanga,
causalidad. Posteriormente, se presentan los fundamentos teóricos que sustentan la Colombia. laurovi@uis.edu.co

Finalmente, se presentan algunas conclusiones respecto a las fortalezas y limitacio-

nes que ofrece el análisis contrafactual en la identificación de relaciones causales en
epidemiología social.

Palabras Clave: Epidemiología, causalidad, modelos teóricos (fuente: DeCS,

BIREME).

ABSTRACT

a fundamental element for understanding the development of thought and causality

models. Subsequently, the theoretical foundations that support the identification of cau-
-

epidemiological analysis during the identification of causal relationships are presented.

Key Words: Epidemiology, causality, models, theoretical (source: MeSH, NLM).

L
a búsqueda de explicaciones a la ocurrencia de eventos de salud y enfermedad
ha sido una preocupación que ha acompañado a la humanidad a lo largo de la
historia. La epidemiología es la disciplina científica de la salud pública que se
ha desarrollado teniendo como objeto de estudio la distribución de los eventos de sa-
lud y enfermedad, los determinantes de la misma en las poblaciones y su aplicación
al control de problemas de salud (1). Este ensayo tiene como objetivo abordar los
fundamentos teóricos y metodológicos que sustentan la identificación de relaciones
causales en epidemiología y analizar los modelos de inferencia causal, con especial
énfasis en el modelo contrafactual.
Para comenzar es importante señalar que el concepto de causa ha dado lugar a gran-
des controversias en la filosofía y por supuesto en la epidemiología. El concepto de
causa puede tener significados distintos en diferentes ciencias y en diferentes contextos
y por tanto es complejo llegar a una definición única de lo que significa una causa (2).
De acuerdo con McMahom y Pugh (3) se puede decir que existe una relación causal
entre dos eventos cuando se observa un cambio en la frecuencia o características de
uno luego de la alteración del otro. Bunge y Susser (4,5) conciben un determinante
como un factor que afecta o cambia un desenlace, y Bunge identifica la causa como el
agente activo del cambio. De esta manera una causa podría definirse como un evento,

DOI: https://doi.org/10.15446/rsap.v19n3.66180
409
 REVISTA DE SALUD PÚBLICA · Volumen 19 (3), junio 2017
condición o característica antecedente que si está presente
cambia la probabilidad de ocurrencia de un evento (ejm.
enfermedad) en un momento determinado mientras otras
condiciones permanecen fijas (6).
La manera como conceptualizamos las causas y los
procesos como definimos causalidad son importantes en
epidemiología no sólo porque constituyen un marco de
referencia para proponer soluciones de diseño y análisis
a preguntas del proceso de salud-enfermedad, sino tam-
bién porque a partir de estudios de causalidad se toman
decisiones en salud pública.
Modelos de inferencia causal
De acuerdo con Rothman (6) una causa se definie como un
evento, condición o característica antecedente que si está
presente cambia la probabilidad de ocurrencia de un evento
(ejm. enfermedad) en un momento determinado mientras
otras condiciones permanecen fijas. Si bien esta definición
puede ser suficiente para abordar la causalidad desde la
epidemiología, el centro del pensamiento epidemiológico
es el proceso por el cual se llega a determinar si la rela-
ción entre dos condiciones (generalmente una intervención
o exposición y un evento de salud-enfermedad) es causal,
a lo cual se le conoce como inferencia causal. En adelante
me centraré en la inferencia causal por ser este proceso el
que representa interés de análisis en este seminario.
En el desarrollo histórico de los modelos de causalidad
mencioné como punto de referencia el discurso de Austin
Bradford Hill en 1965 (7) en el que propone el análisis de
nueve consideraciones a tener en cuenta para acercarse a
establecer una relación de causalidad a partir de una rela-
ción de asociación. Las consideraciones de causalidad de
Bradford Hill constituyen la primera propuesta teórica para
orientar el proceso de inferencia causal en epidemiología.
Si bien las consideraciones de Hill representan un modelo
fuerte y predominante de inferencia causal epidemiológi-
ca desde su pronunciamiento en 1965, desde finales de los
70´s Evans (8) y posteriormente Rothman (6) argumenta-
ron la debilidad de las consideraciones propuestas por Hill
para identificar relaciones causales. Estos autores, entre
otros, argumentaron que a excepción de la consideración
de temporalidad, implícita en la definición de causa, todas
las otras consideraciones podían ser refutadas con teoría
y ejemplos de hallazgos epidemiológicos y no eran nece-
sarias para identificar causas. De esta manera se abrió la
puerta a otros modelos de inferencia causal.
El modelo de causa suficiente y causas componentes
fue propuesto por Rothman desde finales de los años 70´s
y madurado en la década de los 80´s como un modelo de
multicausalidad (6). Este modelo considera como “causa
componente” a elementos individuales (ejm. factores de
410
riesgo) que forma un conjunto que constituye una “causa
suficiente”. En este modelo se contempla la posibilidad de
que una causa componente pueda formar parte de más de
una causa suficiente para el mismo efecto y en el caso que
de esta causa componente haga parte de todas las causas
suficientes se considera que es una “causa necesaria”. El
modelo asume que (6): 1) ninguna de las causas compo-
nentes de una causa suficiente es superflua, 2) no hay espe-
cificidad, es decir que un mismo efecto puede ser produci-
do por distintas causas suficientes, 3) pueden existir causas
necesarias, 4) una misma causa componente puede formar
parte de distintas causas suficientes de distintos efectos,
y 5) las causas componentes de una causa suficiente tie-
nen algún grado de interacción biológica y éste puede ser
afectado por otras causas componentes. En este modelo de
inferencia causal, las causas componentes deben definirse
(y probarse). La oportunidad de intervención o prevención
en este modelo está fundamentada en la ausencia (o eli-
minación) de al menos una causa componente de la causa
suficiente. De esto también se deriva que el efecto de una
causa componente en una población depende de la preva-
lencia en la población de otras causas componentes que
completan al menos una causa suficiente.
La operacionalización estadística de este modelo
por medio de regresiones multivariables asume que el
componente aleatorio es introducido por causas compo-
nentes no medidas que se comportan como elementos
aleatorios. En este modelo la unidad de análisis es el
mecanismo causal y no los individuos. La principal limi-
tación de este modelo es que no incorpora de manera es-
pecífica las relaciones entre los factores o componentes
causales que es esencial para identificar, comprender y
evitar los sesgos de selección, información y que pueden
afectar la validez de las inferencias causales.
El modelo contrafactual o de resultado potencial es
un modelo inspirado en el razonamiento del filósofo
David Hume durante el siglo XVIII que sostenía que la
única condición sine qua non para un efecto causal en
un individuo es que el factor antecediera el resultado,
que la certeza total de causalidad es imposible y que se
define un factor como una causa de un evento en tan-
to que si el factor no hubiera estado presente, el evento
nunca hubiera existido (9). Un resultado contrafactual
representa el resultado de una situación que no ha ocu-
rrido, es decir que es contraria a la situación observada o
de facto (contra-factual). El modelo contrafactual parte
del razonamiento intuitivo sobre la definición de cau-
sa: un factor que al estar presente produce un efecto y
que al estar ausente no lo produce. Dado que los efectos
pueden ser realmente observados en la misma persona
y al mismo tiempo bajo una sola condición (presencia
 Rodríguez – Inferencia causal en epidemiología
o ausencia del factor), la situación contraria se convier-
te en una situación potencial con un resultado potencial
no observado que se denomina contrafactual (10). El
modelo contrafactual fue la idea central que motivó el
desarrollo de experimentos aleatorizados y su inferencia
estadística por parte de Ronald Fisher hacia 1920 (9).
Posteriormente Rubin (11) aplicó el modelo contrafac-
tual de inferencia estadística a los estudios observacio-
nales. La fortaleza del modelo contrafactual radica en
que es capaz de capturar la mayoría de aspectos relacio-
nados con el análisis de causalidad en las ciencias de la
salud, incluyendo las relaciones entre diferentes facto-
res y los potenciales sesgos a considerar en una relación
causa-efecto (9). El modelo contrafactual además tiene
como ventaja la posibilidad de representación gráfica de
los efectos causales por medio de diagramas causales
que permiten establecer las relaciones de diferentes va-
riables a priori y anticipar amenazas a la validez de los
procesos de inferencia causal (12).
En este punto es importante reconocer que el modelo
de causas suficientes y componentes y el modelo contra-
factual tienen usos diferentes puesto que responden pre-
guntas diferentes (13). El modelo de causas suficientes
y componentes es apropiado cuando se quiere responder
a la pregunta de: Dado un efecto específico observado,
¿cuáles son las diferentes intervenciones o exposicio-
nes que pudieron ser su causa?; por otro lado, el modelo
contrafactual resulta útil cuando se quiere responder a la
pregunta de: ¿Qué hubiera ocurrido respecto a un efecto
específico si la intervención o la exposición hubiera sido
diferente de la que fue?. El modelo contrafactual respon-
de a preguntas relacionadas con ¿qué pasa? y el de causas
suficientes y componentes a preguntas de ¿cómo pasa?.
De esto se deriva el hecho de que el modelo contrafactual
no requiere para la inferencia causal un conocimiento de-
tallado de los mecanismos o vías causales (14).
Cómo medimos efectos causales bajo el modelo
contrafactual?
Para explicar de manera sencilla la medición de efectos
causales bajo este modelo usaré varios de los elementos
y consideraciones de Hernan y Robins, principales expo-
nentes y defensores del modelo de inferencia causal con-
trafactual en la actualidad (14). Intuitivamente un factor
puede definirse como causa de un efecto en un individuo
si se obtuvieran desenlaces diferentes para el mismo in-
dividuo al mismo tiempo bajo condiciones diferentes del
factor (ejm presencia o ausencia de una causa). En conse-
cuencia, el efecto causal de una exposición en un indivi-
duo es definido como un contraste de los desenlaces con-
trafactuales. En otras palabras, existe un efecto causal en
411
un individuo cuando el desenlace que observaríamos bajo
una intervención o exposición es diferente del desenlace
que observaríamos en el individuo en ausencia de la inter-
vención o exposición. Usando un lenguaje estadístico lo
que estamos diciendo es (13):
Efecto causal en individuo:
Donde Yi es el desenlace en individuo i y a es la inter-
vención o exposición en evaluación.
En su libro, Hernan y Robins (14) utilizan como ejemplo
de la intervención el transplante de corazón (a=1 recibe
transplante y a=0 no recibe transplante) y como desenlace
la muerte del individuo. De esta manera el efecto causal del
transplante en un individuo sería probado si en el mismo
periodo de tiempo bajo la condición que hubiera recibido
el transplante el individuo hubiera vivido y bajo la condi-
ción de que no hubiera recibido el transplante el individuo
hubiera muerto. Estos dos desenlaces son potenciales en
la lógica contrafactual y no necesariamente debieron haber
ocurrido. En este caso el efecto causal del transplante sería
de protección, pero podría probarse el efecto causal contra-
rio si los resultados ocurren de manera contraria.
La idea de probar efectos causales individuales de esta
manera es simple e intuitiva excepto por una cosa: en la
vida real el individuo estará únicamente bajo una condi-
ción o la otra y no tenemos la posibilidad de ver cuál sería
el desenlace en el mismo individuo al mismo tiempo si
hubiera sido sometido bajo dos condiciones diferentes de
la intervención o la exposición. En otras palabras, en la
vida real sólo podemos observar uno de los desenlaces y
el otro siempre será un contrafactual. Por lo tanto, la iden-
tificación de efectos causales en individuos no es viable
porque requiere desenlaces contrafactuales individuales
que no existen. En otras palabras, NO es posible estimar
efectos causales individuales dado que existe un proble-
ma de falta de información del desenlace para al menos
uno de los valores de la intervención o exposición (14).
Lo anterior sería un gran problema para la salud pública
y la epidemiología si su objeto de estudio fueran los indi-
viduos. Afortunadamente, a diferencia de los clínicos, para
los epidemiólogos (y salubristas) nuestro objeto de estu-
dio son las poblaciones. Las poblaciones son conjuntos de
individuos y por tanto podemos estimar un efecto causal
agregado: el efecto causal promedio en una población de
individuos. A nivel poblacional podemos establecer efec-
tos causales promedio bajo una u otra condición (ejm. La
frecuencia de muerte si toda la población se hubiera inter-
venido con el transplante y la frecuencia de muerte si nadie
se hubiera transplantado). Usando nuevamente un lenguaje
estadístico lo que estamos diciendo es (13):
 REVISTA DE SALUD PÚBLICA · Volumen 19 (3), junio 2017
Efecto causal promedio en una población:
Donde E es la expectativa del promedio
de Y en la población y a es la intervención.
Si la intervención o exposición puede tener más de
dos condiciones (ejemplo: diferentes tipos de transplan-
te cardíaco) el contraste de interés debe ser especificado
de manera concreta. De lo anterior podemos concluir que
teórica y estadísticamente es posible definir efectos cau-
sales promedio en una población. Sin embargo dado que
los efectos causales promedio son mediciones agregadas
de los resultados en los individuos es importante señalar
que la presencia de efectos causales promedio no implica
la presencia de efectos causales individuales y viceversa.
La ventaja de estimar efectos causales promedio es
que pueden probarse directamente usando datos de múl-
tiples observaciones bajo diferentes condiciones de inter-
vención o exposición. De esta manera obteniendo infor-
mación de múltiples observaciones en una población es
posible determinar la probabilidad de un resultado bajo
una condición y la probabilidad del mismo resultado bajo
la condición contraria (o situación diferente especificada
que sirve de contraste). Si se fijan ahora estamos trabajan-
do con poblaciones (múltiples individuos) y por tanto es-
timamos probabilidades, que en este caso llamamos mar-
ginales por tratarse de probabilidades derivadas de toda
la población. Teniendo las probabilidades marginales (Pr)
de cada desenlace potencial Y bajo las diferentes condi-
ciones (a=1 y a=0) es posible entonces obtener medidas
de efecto causal como (13):
Diferencia de riesgo causal= Pr[Y a=1 =1] – Pr[Y a=0 =1]
Riesgo relativo causal= Pr[Y a=1 =1] / Pr[Y a=0 =1]
Razón relativa causal= Pr[Y a=1 =1]/ Pr[Y a=1 =0] /
Pr[Y a=0 =1]/ Pr[Y a=0 =0]
Las tres medidas de efecto cuantifican la fuerza del efec-
to causal pero en escalas diferentes.
La buena noticia de lo anterior es que puede ser visto
como el escenario ideal de medición de efectos causales.
La mala noticia es que en la vida real no toda la población
está expuesta o no expuesta a un tratamiento o exposición
al mismo tiempo. Esta realidad nos lleva a la conclusión
de que la mayoría de las veces los epidemiólogos no tra-
bajamos con probabilidades marginales sino probabilida-
des condicionales, es decir probabilidades observadas (no
potenciales) de un desenlace entre los individuos de una
población dado que recibieron una condición específica
de tratamiento (ejm. Transplante o no transplante). Por
tanto, podemos obtener medidas de asociación que se
basan en desenlaces observados bajo ciertas condiciones
412
y son una aproximación a las medidas de efecto causal
que se basan en desenlaces potenciales no condicionados.
Análogamente a lo descrito para las medidas de efecto
causal podemos entonces obtener para una intervención o
exposición A, las siguientes medidas de asociación (14):
Diferencia de riesgo = Pr[Y=1| A=1] – Pr[Y=1 | A=0]
Riesgo relativo = Pr[Y=1| A=1] / Pr[Y=1 | A=0]
Razón de odds = Pr[Y=1| A=1]/ Pr[Y=0| A=1] / Pr[Y=1
| A=0]/ Pr[Y=0 | A=0]
A partir de estas medidas se podrá decir que el tra-
tamiento A esta asociado con el desenlace Y si Pr[Y=1|
. De lo contrario diremos que el
tratamiento A y el resultado Y son independientes (6).
En el mundo real también nos encontramos con la res-
tricción de trabajar la mayoría del tiempo con muestras
y no con poblaciones. Esto adiciona complejidad a lo
expuesto anteriormente pues agrega una fuente de error
aleatorio relacionada con la variabilidad propia del mues-
treo además de la variabilidad propia de los efectos indi-
viduales (14). Nos encontramos aquí de nuevo con Hume
quien estableció desde el siglo XVIII que no es posible
tener 100 % certeza de una causa (9). Reconocer e incor-
porar estas fuentes de error convierte al modelo contra-
factual en un modelo estocástico (no determinista) que
trabaja generalmente con probabilidades condicionales y
necesita de la estadística para cuantificar el error aleatorio
de sus inferencias causales.
De todo lo anterior podemos concluir que la medición
de efectos causales implica la necesidad de un contraste
de desenlaces potenciales mientras que la medición de
asociación implica un contraste entre desenlaces obser-
vados en múltiples individuos bajo condiciones diferen-
tes. En otras palabras hemos llegado a la bien conocida
conclusión de que “asociación no es igual a causalidad”.
Pero también hemos abierto la puerta a reconocer que las
medidas de asociación son una muy buena aproximación
a la medición de efectos causales promedio bajo ciertas
premisas que pueden cumplirse en la realidad.
De acuerdo con Hernan y Robins (14,15) para acercar-
nos a medir efectos causales en estudios epidemiológicos
se necesita fundamentalmente establecer intercambiabili-
dad de los grupos de comparación. La intercambiabilidad
hace referencia a que el riesgo (probabilidad) del desenlace
en un grupo sería el mismo que el riesgo del desenlace en
el otro grupo si los sujetos del primer grupo hubieran reci-
bido la intervención o exposición dada al segundo grupo.
En otras palabras, que los desenlaces de los grupos serian
similares si se intercambiaran las intervenciones o expo-
siciones entre ellos. De esta manera se trata de resolver el
 Rodríguez – Inferencia causal en epidemiología
problema de falta de información con el que tenemos que
vivir y que nos limita para establecer relaciones causales.
La intercambiabilidad también se conoce como compara-
bilidad, ausencia de sesgo de confusión e ignorabilidad (del
mecanismo de asignación de la exposición). El concepto de
intercambiabilidad es el centro de la inferencia causal bajo
el modelo contrafactual y de su definición y operacionali-
zación surgen los diseños y métodos considerados como
válidos para realizar inferencia causal.
Antes de cerrar esta sección sobre medición de efec-
tos causales, es importante destacar que con frecuencia,
en epidemiología no estamos solamente interesados en la
medición de los “efectos totales” sino también en las vías
por las cuales se dan estos efectos. De esta manera, tam-
bién es de interés epidemiológico explorar en qué propor-
ción el efecto de una exposición sobre un desenlace está
explicado por una vía “directa” específica, o por medio
de otra vía alterna, en la que está involucrada al menos
una tercera variable, que suele denominarse intermediaria
o mediadora. Este problema de inferencia se conoce con
el nombre de análisis de mediación y es clave para poder
entender las vías etiológicas de una relación, y para reali-
zar su evaluación empírica (16).
¿Qué diseños epidemiológicos permiten medir efectos
causales bajo el modelo contrafactual?
En 1920 Ronald Fisher y posteriormente Neyman y Pear-
son (1923) aplicaron la teoría contrafactual a la inferencia
de efectos causales dando origen a los experimentos alea-
torizados y su estimación estadística (9). Los experimentos
aleatorizados se convirtieron desde entonces en el diseño
epidemiológico ideal para demostrar efectos causales. La
razón principal es que siendo un diseño factible en la vida
real cumple el criterio central de intercambiabilidad de
efectos y resuelve el problema de falta de información de
los resultados contrafactuales. ¿Cómo? Por medio de la
aleatorización de la asignación de la intervención que ase-
gura que los valores perdidos (contrafactuales) ocurrieron
al azar (15). Debido a que los individuos se asignan alea-
toriamente a una u otra intervención definida, el riesgo
del grupo intervenido se espera que sea el mismo que el
riesgo del grupo no intervenido si el grupo intervenido no
hubiera recibido la intervención, en otras palabras, se es-
pera que los desenlaces potenciales sean iguales en ambos
grupos. De esta manera las probabilidades condicionales
con las que trabajamos en un experimento aleatorio se
asimilan a las probabilidades marginales de la población
en cada resultado contrafactual (15). En otras palabras, la
asignación aleatoria de la intervención produce intercam-
biabilidad de las intervenciones y los potenciales resulta-
dos y de esta manera se pueden estimar efectos causales
413
promedio de manera consistente. Esa es la magia de la
asignación aleatoria en la inferencia causal.
A pesar de la fortaleza de los experimentos aleatori-
zados, no estamos exentos de tener experimentos imper-
fectos cuando, por ejemplo, se asigna una intervención al
azar en una muestra pequeña de individuos y por tanto se
reduce la probabilidad de obtener grupos de tratamiento
intercambiables. En estos casos, por ejemplo, la asigna-
ción aleatoria de la intervención podría resultar en grupos
que no son intercambiables. Siguiendo el ejemplo de Her-
nan y Robins del transplante cardiaco, podríamos en un
estudio experimental aleatorio con 20 pacientes obtener
un grupo con mayor proporción de personas severamente
enfermas del corazón. Sin embargo, si el ensayo es dise-
ñado de esta manera (condicionando o ponderando por
una proporción específica de enfermos graves) a pesar
de ser un experimento imperfecto, la asignación aleatoria
produce intercambiabilidad condicionada a los grupos de
la variable que hace los grupos experimentales diferen-
tes (variables confusoras). Desde este punto de vista la
asignación aleatoria produce intercambiabilidad marginal
o intercambiabilidad condicional. En el primer caso, el
efecto causal puede ser estimado directamente de la com-
paración entre grupos y en el segundo caso se pueden cal-
cular efectos causales promedios en cada estrato y luego
efectos causales promedios en toda la población (15).
Además de la intercambiabilidad (marginal o condi-
cional) existen otros supuestos que deben cumplirse en un
experimento aleatorizado para obtener inferencias causa-
les válidas (13, 15, 17):
Consistencia: se refiere a la presencia de intervenciones
específicas bien definidas que están siendo compara-
das. La definición de intervenciones bien delimitadas
asegura la posibilidad de obtener el mismo desenlace
potencial para la intervención. Si una intervención está
definida como una mezcla de muchas intervenciones o
exposiciones el efecto causal promedio será un prome-
dio de los múltiples desenlaces potenciales y los efec-
tos causales no podrán ser identificados.
Positividad: se refiere a que existe una probabilidad (mar-
ginal o condicional) mayor que cero de recibir alguna
de las opciones de intervención y por tanto es posible
determinar los desenlaces potenciales para todas las
opciones de la intervención.
Ausencia de interferencia: se refiere a que el resultado
de la intervención en un individuo no está influenciado
por el resultado de la aplicación de la intervención en
otros individuos.
Hasta aquí vemos que los diseños experimentales
aleatorizados son el paradigma del análisis de inferencia
causal. Sin embargo, nos volvemos a encontrar con la rea-
 REVISTA DE SALUD PÚBLICA · Volumen 19 (3), junio 2017
lidad y reconocemos que los experimentos aleatorizados
no son siempre factibles o éticos y por tanto debemos acu-
dir a estudios observacionales en procesos de inferencia
causal. En 1974, Rubin aplicó el modelo contrafactual a
la inferencia estadística de estudios observacionales (11).
Bajo la lógica de Rubin, los estudios observacionales
buscan simular experimentos bajo situaciones condicio-
nadas, es decir, se busca lograr intercambiabilidad bajo
situaciones condicionadas. Desde este punto de vista un
estudio observacional puede asumirse con un experimen-
to aleatorizado condicional si cumple con los supuestos
de intercambiabilidad, positividad, ausencia de interfe-
rencia y consistencia (11).
¿Cuáles métodos permiten intercambiabilidad en
estudios epidemiológicos?
Teniendo en cuenta que el supuesto central para la validez
de la inferencia causal es la intercambiabilidad resulta ló-
gico pensar en usar métodos de diseño o de análisis que
permitan lograr intercambiabilidad de los grupos de com-
paración tanto es estudios experimentales como observa-
cionales. Los métodos que permiten lograr intercambiabi-
lidad en estudios epidemiológicos son (18):
1. Aleatorización: se refiere a métodos que asignan in-
tervenciones de manera aleatoria para lograr inter-
cambiabilidad marginal o condicional por algún fac-
tor de confusión.
2. G-métodos: se refiere a métodos generalizados que
buscan intercambiabilidad condicional en subgrupos
de una condición de confusión para toda la población
o un subgrupo de la población. Dentro de los G-mé-
todos se incluyen la estandarización, la ponderación
por el inverso de la probabilidad de la asignación de la
intervención (propensity score) y la G-estimación por
métodos de regresión multivariable.
3. Estratificación: se refiere a métodos basados en lo-
grar intercambiabilidad condicional en subgrupos
de una condición de confusión sólo para aquellos
subgrupos. Estos métodos incluyen estratificación,
restricción y pareamiento.
Es importante señalar que los métodos estadísticos
mencionados son solamente formas de lograr intercam-
biabilidad condicional. Sin embargo, para lograr esa
intercambiabilidad condicional se debe condicionar por
un conjunto de variables (confusoras) de manera que los
desenlaces potenciales sean similares en participantes ex-
puestos y no expuestos. Adicionalmente, se debe asegurar
que en el análisis no se condicione por variables que son
consecuencia de la exposición y el desenlace (colisiona-
doras) dado que esto introduce otra situación de no-inter-
cambiabilidad conocido como sesgo de selección.
414
De esta manera, la comprensión y aplicación de los
conceptos de intercambiabilidad, consistencia, positivi-
dad y ausencia de interferencia y la identificación del
conjunto de variables que pueden producir situaciones
de no-intercambiabilidad debe hacerse desde el diseño
del estudio. En ausencia de estas consideraciones en el
diseño de los estudios epidemiológicos no es posible la
aplicación de análisis estadísticos que puedan producir
intercambiabilidad y por tanto no es posible la identifi-
cación de efectos causales.
Usos y limitaciones del modelo contrafactual en
epidemiologia social
La epidemiología social es un subcampo de la epidemio-
logía se ocupa de evaluar el papel de las condiciones so-
ciales de individuos o poblaciones y las inequidades que
éstas producen como exposiciones principales relaciona-
das con desenlaces de salud (19). Si bien el lenguaje de
la epidemiología social ha sido tímido en usar el lenguaje
de inferencia causal, su foco principal de análisis es la
explicación causal de factores sociales en la ocurrencia
de eventos de salud o enfermedad (20). Como se ha se-
ñalado en los apartados anteriores, el modelo contrafac-
tual sustenta la inferencia causal en los criterios de inter-
cambiabilidad, positividad, consistencia y ausencia de
interferencia. El problema del uso de este modelo surge
entonces al reconocer que para muchas intervenciones
o exposiciones sociales en individuos o poblaciones no
existe positividad, ausencia de interferencia y es dificil
lograr intercambiabilidad de los potenciales desenlaces.
Un ejemplo de ausencia de positividad ocurre cuando
se quieren establecer efectos de un factor social al que
toda la población esta expuesta a una sola condicion (por
ejemplo el sistema de salud o sistema economico) y por
tanto no existe la probabilidad de que algún miembro de
la población esté expuesto a la condicion contraria. Por su
parte, la mayoria de intervenciones sociales se realizan de
manera comunitaria y por tanto existe potencial interfe-
rencia de los desenlaces de los individuos en relacion con
las condiciones o resultados de los otros miembros de su
grupo social. Bajo estas condiciones NO es posible usar la
logica del modelo contrafactual en epidemiologia social.
En las últimas dos décadas se ha motivado el desarrollo
de ensayos aleatorizados de intervenciones sociales como
el modelo estandar para abordar la inferencia causal (21).
A partir de este modelo “ideal” se ha avanzado en el dise-
ño, análisis e interpretación de estudios observacionales
que abordan preguntas causales de factores sociales. Sin
embargo, un analisis reciente de Glymour y Rudolph (22)
señala que el principal cambio entre la inferencia causal
moderna y la tradicional no esta dado por las herramientas
 Rodríguez – Inferencia causal en epidemiología

estadísticas utilizadas sino por la comprensión y aplica- -

ción de los supuestos centrales de la lógica de inferencia
causal en el diseño de los estudios. De esta manera, los es-
tudios recientes de inferencia causal en epidemiologia so- 7. Hill AB. The Environment and Disease: Association or Causa-
cial han utilizado métodos tradicionales de la estadistica y
han includio en sus análisis métodos nuevos y otros presta-
dos de las ciencias económicas y sociales, pero todos ellos
desde el enfoque del modelo contrafactual. Estos métodos
en epidemiología social (y en general en epidemiologia)
epidemiological data. J Epidemiol Community Health.
incluyen, por ejemplo, diferentes técnicas de pareamiento
(ejm. propensity score), uso de grupos control (ejm. méto-
dos de dobles diferencias), el uso de variables instrumen-
tales o regresiones de discontinuidad, el uso de analisis de
effects. In: Hernan MA, Robins JM, editors. Causal inference.
modelamiento espacial y multinivel y el analisis de redes,
siendo éstos últimos métodos formas de abordar el carác- -
ter social natural de los individuos (21, 23, 24).
Finalmente, es importante rescatar una reflexión de -
nan MA, Robins JM, editors. Causal inference. Boca Raton:
Kaufman y Mezones (25) en la que llaman la atención
sobre la necesidad de una práctica de la epidemiología -
social en America Latina que vaya mas allá de la vigilan- nan MA, Robins JM, editors. Causal inference. Boca Raton:
cia (descripción de las inequeidades en salud) y avance en
la investigación etiológica social abordando preguntas de

models and causal inference in epidemiology. Epidemiology.

Conflictos de intereses: Ninguno
JM, editors. Causal inference. Boca Raton: Chapman & Hall/
Agradecimientos: A los profesores Leonelo E. Bautista (Universi-
dad de Wisconsin-Madison), Álvaro Javier Idrovo Velandia (Uni-
versidad Industrial de Santander) y Julián Alfredo Fernández Niño
(Universidad del Norte) por la revisión y aportes al manuscrito. -

REFERENCIAS randomized trials in social epidemiology. Soc Sci Med.

-
social epidemiology: Bias, specificity, and imagination. Soc
-
-
- ble answers and answerable questions. Epidemiology.

- -

grammar for pragmatic epidemiology. American Journal of

415