Epidemiología Analítica

1. DEFINICIÓN Y CONCEPTOS FUNDAMENTALES

Definición Unificada

La epidemiología analítica, según el consenso de los cuatro textos, «va más allá y analiza las relaciones entre el estado de salud y otras variables» (Epidemiología Básica). A diferencia de los estudios descriptivos, los analíticos buscan probar hipótesis explicativas sobre las determinantes de una enfermedad (Moreno).

Características Distintivas

• Naturaleza comparativa: Involucran dos o más poblaciones o grupos
• Análisis de asociaciones: Evalúan relaciones entre exposiciones y resultados
• Inferencia causal: Buscan establecer relaciones causa-efecto
• Control de variables: Manejan factores de confusión y modificadores del efecto

2. OBJETIVOS DE LA EPIDEMIOLOGÍA ANALÍTICA

Objetivos Primarios

1. Identificar factores causales de enfermedades
2. Cuantificar asociaciones entre exposiciones y resultados de salud
3. Probar hipótesis generadas por estudios descriptivos
4. Evaluar factores de riesgo y factores protectores
5. Establecer bases para intervenciones preventivas

Objetivos Metodológicos

• Controlar sesgos y variables de confusión
• Estimar medidas de asociación válidas y precisas
• Evaluar causalidad mediante criterios epidemiológicos
• Generar evidencia para toma de decisiones en salud pública

3. TIPOS DE ESTUDIOS ANALÍTICOS

3.1 Estudios de Casos y Controles

Definición según Gordis

Los estudios de casos y controles «empiezan con un grupo de casos de la enfermedad y un grupo de controles sin la enfermedad», comparando la frecuencia de exposición entre ambos grupos.

Características Metodológicas Fundamentales

Direccionalidad (Moreno): Son estudios regresivos que van del efecto a la causa, reconstructuring la exposición hacia atrás en el tiempo.

Selección de Participantes:

• Casos: Individuos con la enfermedad de interés
• Controles: Individuos sin la enfermedad, comparables a los casos

Diseño Básico (Fletcher)

1. Identificación de casos: Personas con la enfermedad diagnosticada
2. Selección de controles: Personas sin la enfermedad de la misma población
3. Medición retrospectiva de exposición: Evaluación de exposiciones pasadas
4. Comparación de exposiciones: Análisis de diferencias entre grupos

Criterios de Selección de Casos (Todos los textos)

Casos Incidentes vs. Prevalentes:

• Preferencia por casos incidentes: Diagnóstico reciente para evitar sesgos
• Criterios diagnósticos claros: Definiciones explícitas y estandarizadas
• Confirmación diagnóstica: Verificación rigurosa del diagnóstico

Ejemplo de Fletcher: Estudio de bisfosfonatos y fracturas atípicas donde se revisaron todas las radiografías para clasificar el tipo de fractura con criterios explícitos.

Criterios de Selección de Controles

Principio Fundamental (Fletcher): «Los casos y controles deben pertenecer a la misma población inicial y tener la misma oportunidad de estar expuestos».

Métodos de Selección:

1. Método Poblacional:
   • Estudios basados en población definida
   • Muestreo aleatorio de la población general
   • Mayor validez externa
2. Método de Cohorte (Estudios Anidados):
   • Controles seleccionados de la misma cohorte que los casos
   • Garantiza comparabilidad
   • Elimina sesgo de selección poblacional
3. Controles Hospitalarios vs. Comunitarios:
   • Hospitalarios: Misma institución, mayor comparabilidad
   • Comunitarios: Mayor representatividad poblacional

Medidas de Asociación

Razón de Momios (Odds Ratio)

Según Fletcher: «El momio de que un caso esté expuesto dividido por el momio de que un control esté expuesto».

Fórmula simplificada: OR = ad/bc

Interpretación (Consenso de todos los textos):

• OR > 1: Mayor riesgo en expuestos (factor de riesgo)
• OR < 1: Menor riesgo en expuestos (factor protector)
• OR = 1: No asociación

Aproximación al Riesgo Relativo: El OR aproxima al RR cuando la enfermedad es rara (incidencia < 5-10%).

Ventajas de los Estudios de Casos y Controles

1. Eficiencia para enfermedades raras: Ideales cuando la enfermedad es infrecuente
2. Múltiples exposiciones: Pueden evaluar varios factores simultáneamente
3. Rapidez: Relativamente rápidos de completar
4. Costo-efectividad: Menos costosos que estudios de cohorte
5. Investigación de brotes: Útiles para investigaciones epidémicas

Limitaciones y Sesgos

Sesgo de Recuerdo (Todos los textos):

• Diferencias en recordar exposiciones entre casos y controles
• Los casos pueden recordar mejor exposiciones potencialmente relevantes

Sesgo de Selección:

• Dificultad en seleccionar controles representativos
• Casos pueden diferir sistemáticamente de controles

Sesgo de Información:

• Diferencias en calidad de información entre grupos
• Registro diferencial de exposiciones

Temporalidad:

• Dificultad para establecer secuencia temporal exposición-enfermedad
• Particularmente problemático en estudios retrospectivos

3.2 Estudios de Cohorte

Definición Integral

Según Epidemiología Básica: «Un grupo de personas (una cohorte) inicialmente sanas se clasifican en subgrupos según la exposición a una causa potencial de enfermedad», siguiendo su evolución para detectar desarrollo de enfermedad.

Gordis los define como estudios que «siguen grupos de individuos expuestos y no expuestos a lo largo del tiempo» para comparar incidencia de enfermedad.

Características Metodológicas Fundamentales

Direccionalidad (Moreno): Son estudios progresivos que van de la causa al efecto, siguiendo la secuencia natural exposición-enfermedad.

Selección de Participantes:

• Criterio de exposición: Individuos se clasifican según estatus de exposición
• Ausencia inicial de enfermedad: Todos los participantes libres de la enfermedad al inicio
• Seguimiento temporal: Observación durante período determinado

Tipos de Estudios de Cohorte

1. Estudios de Cohorte Prospectivos (Fletcher):

• Inicio: Presente, con individuos sin enfermedad
• Seguimiento: Hacia el futuro
• Medición de exposición: Al inicio del estudio
• Ventajas: Mejor calidad de datos, control de variables

2. Estudios de Cohorte Históricos/Retrospectivos (Epidemiología Básica):

• Inicio: Pasado, usando registros existentes
• Datos: Exposición y enfermedad ya ocurridas
• Ventajas: Menor tiempo y costo
• Limitaciones: Dependencia de registros existentes

Ejemplo (Epidemiología Básica): Registros de exposición de soldados a lluvia radiactiva de bombas nucleares para estudiar desarrollo de cáncer.

Diseño Básico de Estudios de Cohorte

1. Definición de cohorte: Grupo con características comunes
2. Clasificación por exposición: Expuestos vs. no expuestos
3. Seguimiento temporal: Período definido de observación
4. Detección de casos: Identificación de nueva enfermedad
5. Análisis de incidencia: Comparación entre grupos

Medidas de Asociación en Estudios de Cohorte

Riesgo Relativo (RR)

Definición (Fletcher): «Incidencia en expuestos dividida por incidencia en no expuestos».

Fórmula: RR = [a/(a+b)] / [c/(c+d)]

Interpretación:

• RR > 1: Mayor riesgo en expuestos
• RR < 1: Menor riesgo en expuestos (protección)
• RR = 1: No asociación

Riesgo Atribuible:

• Absoluto: Diferencia de incidencias entre expuestos y no expuestos
• Porcentual: Proporción del riesgo en expuestos atribuible a la exposición

Ventajas de los Estudios de Cohorte

1. Secuencia temporal clara: Exposición precede a enfermedad
2. Incidencia directa: Medición real de tasas de enfermedad
3. Múltiples resultados: Pueden estudiar varios resultados de una exposición
4. Menor sesgo de recuerdo: Exposición medida antes de enfermedad
5. Inferencia causal fuerte: Mejor evidencia para causalidad

Limitaciones de los Estudios de Cohorte

1. Tiempo prolongado: Especialmente para enfermedades de largo período de inducción
2. Costo elevado: Recursos significativos para seguimiento
3. Pérdidas de seguimiento: Attrition puede sesgar resultados
4. Cambios en exposición: Dificultad para manejar cambios temporales
5. Ineficiencia para enfermedades raras: Requieren muestras muy grandes

3.3 Estudios Anidados (Nested Studies)

Casos y Controles Anidados

Definición (Epidemiología Básica): «Los casos y controles se seleccionan a partir de una cohorte definida», combinando ventajas de ambos diseños.

Características según Fletcher:

• Cohorte base: Estudio se desarrolla dentro de cohorte establecida
• Selección de casos: De casos incidentes en la cohorte
• Selección de controles: De miembros de la cohorte sin enfermedad
• Datos baseline: Información recogida antes del desarrollo de enfermedad

Ejemplo (Epidemiología Básica): Estudio de H. pylori y cáncer gástrico en cohorte de 128,992 personas, seleccionando 186 casos y 186 controles de la misma cohorte.

Ventajas de Estudios Anidados

1. Eliminación de sesgo de recuerdo: Datos recogidos antes de enfermedad
2. Comparabilidad garantizada: Casos y controles de misma población
3. Eficiencia de costos: Análisis detallado solo en submuestra
4. Datos prospectivos: Información de alta calidad
5. Múltiples análisis: Posibilidad de estudiar diferentes resultados

Ejemplo práctico (Fletcher): Estudio de vitamina D y cáncer de colon con 520,000 participantes, analizando solo 1,248 casos y controles pareados.

4. MEDIDAS DE ASOCIACIÓN Y SU INTERPRETACIÓN

4.1 Riesgo Relativo (RR)

Aplicabilidad: Exclusivo de estudios de cohorte Interpretación clínica: Indica cuántas veces mayor (o menor) es el riesgo en expuestos Significado poblacional: Base para políticas de salud pública

4.2 Razón de Momios (OR)

Aplicabilidad: Estudios de casos y controles y estudios transversales Condición de aproximación: Válida cuando enfermedad es rara Versatilidad: Permite análisis multivariado complejo

4.3 Medidas de Impacto

Riesgo Atribuible:

• En expuestos: Exceso de riesgo debido a exposición
• Poblacional: Impacto en toda la población

Fracción Prevenible: Proporción de enfermedad prevenible eliminando exposición

5. CONTROL DE VARIABLES DE CONFUSIÓN

Definición de Confusión (Fletcher)

Una variable es confusora cuando «está asociada tanto con la exposición como con la enfermedad, pero no es parte de la vía causal».

Métodos de Control (Consenso de todos los textos)

En Fase de Diseño

1. Aleatorización: Ideal pero limitada a estudios experimentales
2. Restricción: Limitar estudio a categorías específicas
3. Pareamiento: Igualar casos y controles en variables específicas

En Fase de Análisis

1. Estratificación: Análisis por categorías de variable confusora
2. Estandarización: Ajuste por distribución estándar
3. Modelado multivariado: Regresión logística, Cox, etc.

Estrategia General (Fletcher)

1. Identificación: Variables potencialmente confusoras
2. Medición: Durante recolección de datos
3. Evaluación: Criterios estadísticos y clínicos
4. Control: Selección de método apropiado

6. APLICACIONES PRÁCTICAS

6.1 En Investigación de Brotes

Ejemplo de Gordis: Síndrome de Guillain-Barré y virus Zika en Polinesia Francesa

• Diseño: Casos y controles con múltiples grupos control
• Hallazgo: 98% de casos vs. 56% de controles con anticuerpos Zika
• Fortaleza: Control por múltiples factores

6.2 En Factores de Riesgo Ocupacionales

Ejemplo de Gordis: ELA y exposiciones ambientales

• Diseño: Casos y controles poblacional
• Medición: Cuestionarios + biomarcadores sanguíneos
• Hallazgos: Asociación con pesticidas y PCBs

6.3 En Enfermedades Crónicas

Ejemplo de Fletcher: Estudio Framingham

• Diseño: Cohorte prospectiva
• Duración: Décadas de seguimiento
• Múltiples resultados: Enfermedad cardiovascular, factores de riesgo

7. CONSIDERACIONES ESPECIALES

7.1 Estudios de Múltiples Exposiciones

Los estudios analíticos modernos frecuentemente evalúan:

• Múltiples factores de riesgo simultáneamente
• Interacciones entre exposiciones
• Efectos dosis-respuesta
• Modificación del efecto por terceras variables

7.2 Avances Tecnológicos

Biomarcadores (Gordis)

Ventajas:

• Medición objetiva de exposición
• Indicadores de dosis biológica efectiva
• Marcadores de susceptibilidad individual

Limitaciones:

• Variabilidad temporal en niveles
• Interpretación de significado biológico
• Costo de determinaciones

Bases de Datos Electrónicos

Aplicaciones:

• Estudios de cohorte retrospectivos usando registros médicos
• Linkage de bases de datos múltiples
• Seguimiento a largo plazo con menor costo

8. CRITERIOS DE CALIDAD

8.1 Validez Interna

Control de sesgos:

• Selección adecuada de participantes
• Medición precisa de exposiciones y resultados
• Control efectivo de confusión

8.2 Validez Externa

Generalización:

• Representatividad de poblaciones estudiadas
• Aplicabilidad a otras poblaciones
• Consistencia con otros estudios

8.3 Precisión

Tamaño muestral adecuado:

• Poder estadístico suficiente
• Intervalos de confianza informativos
• Significancia clínica además de estadística

9. INTERPRETACIÓN Y INFERENCIA CAUSAL

9.1 Fuerza de la Evidencia por Tipo de Estudio

Según Epidemiología Básica:

1. Ensayos controlados aleatorizados: Evidencia más fuerte
2. Estudios de cohorte: Evidencia fuerte para causalidad
3. Estudios de casos y controles: Evidencia moderada
4. Estudios transversales: Evidencia limitada para causalidad

9.2 Criterios de Bradford Hill

Aplicación en estudios analíticos:

• Temporalidad: Establecida en cohortes, inferida en casos-controles
• Fuerza de asociación: Medida por RR u OR
• Consistencia: Reproducibilidad entre estudios
• Gradiente biológico: Relación dosis-respuesta
• Plausibilidad: Coherencia con conocimiento biológico

10. PERSPECTIVAS FUTURAS

10.1 Epidemiología Molecular

Integración de biomarcadores:

• Marcadores de exposición más específicos
• Indicadores de susceptibilidad genética
• Biomarcadores de efecto temprano

10.2 Análisis de Big Data

Oportunidades:

• Estudios de cohorte masivos usando datos electrónicos
• Análisis de múltiples exposiciones simultáneamente
• Identificación de patrones no evidentes previamente

10.3 Métodos Causales Avanzados

Innovaciones metodológicas:

• Instrumental variables para reducir confusión
• Análisis de mediación para entender mecanismos
• Métodos quasi-experimentales en epidemiología observacional

CONCLUSIÓN INTEGRADORA

La epidemiología analítica, según el consenso de los cuatro textos principales, constituye el núcleo metodológico para establecer relaciones causales en epidemiología. Su evolución desde estudios simples de casos y controles hasta diseños híbridos complejos refleja la sofisticación creciente del campo.

Fortalezas principales:

1. Capacidad de probar hipótesis específicas sobre causalidad
2. Cuantificación precisa de asociaciones
3. Control sistemático de sesgos y confusión
4. Base sólida para intervenciones preventivas

Desafíos persistentes:

1. Selección apropiada de diseños para preguntas específicas
2. Control efectivo de confusión residual
3. Interpretación causal apropiada de asociaciones observadas
4. Traducción de hallazgos a políticas de salud pública

La epidemiología analítica continuará evolucionando, integrando nuevas tecnologías y métodos mientras mantiene su compromiso fundamental con la generación de evidencia científica rigurosa para mejorar la salud poblacional.