Entre las pautas propuestas por Bradford Hill, quién se considera como uno de los personajes centrales en el estudio de este campo, orientó a un “razonamiento causal en salud pública” y planteó unas series de pautas importantes para el estudio de la epidemiología, entre las que se describen:
- Fuerza de asociación.
- Consistencia.
- Especificidad.
- Temporalidad.
- Gradiente biológico.
- Coherencia.
- Evidencia experimental.
- Analogía.
Todos estos criterios, lo que hacen es favorecer a un razonamiento más simplificado, evitando confundir la “asociación con causalidad”, siendo una referencia importante en las investigaciones epidemiológicas, tanto en el estudio de los brotes como enfermedades emergentes y factores de riesgo.
Factores NO causales que pueden conducir a una asociación epidemiológica:
- Confusión.
Esto sucede cuando existe una variable adicional, ocasionando una asociación falsa, está relacionada en la exposición y el desenlace. Un ejemplo de esto se observó que beber café aumentaba el riesgo de CA de pulmón, de forma equivocada se mostraba, pero el verdadero causante era el consumo de tabaco, que siempre era consumido bebiendo café.
- Sesgo de selección.
Esto sucede cuando seleccionamos a participantes de forma no clara, creando brechas o diferencias al compararlos, originando asociaciones distorsionadas, alterando la relación enfermedad-exposición. Ejemplo: Un estudio hospitalario encuentra que la actividad física se asocia con desarrollar menos hipertensión, pero se selecciona solo a personas que por lo general se realizan chequeos médicos; quienes realizan ejercicio suelen acudir regularmente al médico, alterando la relación verdadera.
3. Sesgo de Información.
En estos criterios, van a existir errores en la clasificación de la exposición o en el desenlace. Por ejemplo, en un estudio sobre malformaciones congénitas, las madres de los casos estudiados recuerdan con mayor descripción los medicamentos tomados durante la gestación, vinculando una asociación falsa con los analgésicos.
- Azar.
Este criterio se da cuando se realizan múltiples comparaciones o análisis sin las correcciones adecuadas. Un ejemplo al evaluar 50 alimentos y su relación con diabetes, uno aparece como el pepino, pero sin fundamento importante; esto sugiere un descubrimiento por azar.
- Asociación por causalidad inversa.
Se da cuando se interpreta de forma errónea que la exposición causa el desarrollo de la enfermedad, cuando verdaderamente es el inicio de la patología lo que modifica la exposición. Un ejemplo es manifestar que la pérdida de peso causa cáncer, cuando en realidad el cáncer en etapas iniciales induce la pérdida de peso.
Estos factores hacen hincapié que la “asociación no es causalidad” es importante en la epidemiología, ya que mediante análisis riguroso de sesgos, confusión y temporalidad, juntos a los criterios de Bradford Hill, se evitaría estudios mal desarrollados.
BIBLIOGRAFÍA:
- Bradford Hill, A. (1965). The environment and disease: Association or causation? Proceedings of the Royal Society of Medicine, 58, 295–300.
- Gordis, L. (2020). Epidemiología (6.ª ed.). Elsevier.
- Rothman, K. J., Greenland, S., & Lash, T. L. (2021). Modern Epidemiology (4th ed.). Wolters Kluwer.
- Szklo, M., & Nieto, F. J. (2019). Epidemiology: Beyond the Basics (4th ed.). Jones & Bartlett Learning.