Epidemiología forense

La disciplina de la epidemiología forense (FE) es un híbrido de principios y prácticas comunes tanto a la medicina forense como a la epidemiología. La FE está dirigida a llenar el vacío entre el juicio clínico y los datos epidemiológicos para las determinaciones de causalidad en juicios civiles y enjuiciamiento y defensa penal.

Los epidemiólogos forenses formulan conclusiones probabilísticas basadas en la evidencia sobre el tipo y la cantidad de asociación causal entre una exposición dañina antecedente y un resultado de lesión o enfermedad tanto en poblaciones como en individuos. Las conclusiones resultantes de un análisis de EF pueden respaldar la toma de decisiones legales sobre la culpabilidad o inocencia en acciones penales y proporcionar un respaldo probatorio para los hallazgos de asociación causal en acciones civiles.

Las aplicaciones de los principios de la epidemiología forense se encuentran en una amplia variedad de tipos de litigios civiles, incluidos los casos de negligencia médica, agravios tóxicos o masivos, eventos adversos farmacéuticos, fallas de dispositivos médicos y productos de consumo, lesiones y muertes relacionadas con accidentes de tránsito, identificación de personas y esperanza de vida.

Historia

El término epidemiología forense se asoció por primera vez con la investigación del bioterrorismo en 1999 y fue acuñado por el Dr. Ken Alibek, exjefe adjunto del programa soviético de armas biológicas. El alcance de la FE en ese momento se limitaba a la investigación de epidemias potencialmente provocadas por el hombre. Después de los ataques con ántrax en EE. UU. de 2001, el CDC definió la epidemiología forense como un medio para investigar posibles actos de bioterrorismo.

En la actualidad, la FE es más conocida y se describe como la aplicación sistemática de la epidemiología a cuestiones de causalidad en disputa que se deciden (principalmente) en tribunales civiles, pero también penales. El uso de datos y análisis epidemiológicos como base para evaluar la causalidad general en los tribunales de los EE. UU., particularmente en casos de daños tóxicos, se ha descrito durante más de 30 años, comenzando con la investigación de la supuesta relación entre la exposición a la vacuna contra la gripe porcina en 1976 y casos posteriores de síndrome de Guillain-Barré.[1]

Más recientemente, la FE también se ha descrito como un método basado en la evidencia para cuantificar la probabilidad de una causalidad específica en los individuos. El enfoque es particularmente útil cuando se cuestiona un enfoque de diagnóstico diferencial clínico de la causalidad. Los ejemplos que cubren una amplia variedad de aplicaciones de FE se enumeran a continuación en Ejemplos de preguntas de investigación abordadas por epidemiólogos forenses.

Métodos y principios

Ratio de riesgo comparativo

La métrica de un análisis de causa de FE específico de un caso es la relación de riesgo comparativo (CRR). El CRR es una métrica única para FE; permite la comparación de probabilidades aplicables a las circunstancias investigadas de una lesión o enfermedad individual. Debido a que un CRR se basa en las circunstancias únicas que rodean la lesión o enfermedad de un individuo, puede derivarse o no de un riesgo relativo (RR) basado en la población o de una razón de posibilidades (OR). Un ejemplo de un análisis de RR que podría usarse como CRR es el siguiente: para un conductor sin cinturón que resultó gravemente herido en un accidente de tráfico, una pregunta causal importante podría ser qué papel desempeñó la falta de uso del cinturón de seguridad en la causa de su lesión.. Un análisis RR relevante consistiría en el examen de la frecuencia de lesiones graves en 1000 conductores sin cinturón seleccionados al azar expuestos a una colisión frontal a 20 mph frente a la frecuencia de lesiones graves en 1000 conductores sujetos al azar expuestos a la misma gravedad y tipo de colisión. Si la frecuencia de lesiones graves en el grupo expuesto al peligro presunto (no usar el cinturón de seguridad) fuera de 0,15 y la frecuencia en el grupo no expuesto (abrochado) fuera de 0,05, entonces el CRR sería lo mismo que el RR de 0,15 /0.05. El diseño de RR del análisis dicta que las poblaciones que el numerador y el denominador de la CRR son sustancialmente similares en todos los aspectos, con la excepción de la exposición al peligro investigado, que fue la falta de uso del cinturón de seguridad en el ejemplo. Si la frecuencia de lesiones graves en el grupo expuesto al peligro presunto (no usar el cinturón de seguridad) fuera de 0,15 y la frecuencia en el grupo no expuesto (abrochado) fuera de 0,05, entonces el CRR sería lo mismo que el RR de 0,15 /0.05. El diseño de RR del análisis dicta que las poblaciones que el numerador y el denominador de la CRR son sustancialmente similares en todos los aspectos, con la excepción de la exposición al peligro investigado, que fue la falta de uso del cinturón de seguridad en el ejemplo. Si la frecuencia de lesiones graves en el grupo expuesto al peligro presunto (no usar el cinturón de seguridad) fuera de 0,15 y la frecuencia en el grupo no expuesto (abrochado) fuera de 0,05, entonces el CRR sería lo mismo que el RR de 0,15 /0.05. El diseño de RR del análisis dicta que las poblaciones que el numerador y el denominador de la CRR son sustancialmente similares en todos los aspectos, con la excepción de la exposición al peligro investigado, que fue la falta de uso del cinturón de seguridad en el ejemplo.

Sin embargo, en algunos casos que se encuentran en un entorno legal, el riesgo del numerador y del denominador debe derivarse de poblaciones diferentes para adaptarse a las circunstancias de una lesión o enfermedad investigada. En tal caso, el CRR no puede derivarse de un RR ni de un OR. Un ejemplo de tal situación ocurre cuando el numerador es un riesgo por evento y el denominador es un riesgo por tiempo (también conocido como riesgo acumulativo). Un ejemplo de este tipo de análisis sería la investigación de una embolia pulmonar (EP) que se produjo una semana después de que un paciente sufriera una fractura en una extremidad inferior en un accidente de tráfico. Tales complicaciones a menudo resultan de la formación de coágulos de sangre en las piernas y luego viajan a los pulmones. Si el paciente tenía antecedentes de trombosis venosa profunda (TVP) en las extremidades inferiores antes del accidente,

Otro ejemplo de una CRR basada en poblaciones diferentes es cuando solo hay un número limitado de causas potenciales para comparar. Un ejemplo es la investigación de la causa de una reacción adversa en una persona que tomó dos medicamentos diferentes al mismo tiempo, los cuales podrían haber causado la reacción (y que, para el ejemplo, no interactúan entre sí). En tal situación, la CRR aplicable a las circunstancias únicas experimentadas por el individuo podría estimarse comparando la tasa de reacciones adversas de los dos medicamentos.

Proporción atribuible bajo los expuestos

La proporción atribuible por debajo de los expuestos (AP _e) es una indicación de la proporción de pacientes que estuvieron expuestos a la causa potencial y se enfermaron a causa de esta exposición. Solo se puede usar si el RR > 1 y se puede calcular mediante [(RR-1)/RR X 100 %]. Cuando la CRR se basa en un RR, estas fórmulas también se aplican a la CRR. El resultado del análisis, dado como RR, CRR o AP _e, cumple con el estándar legal de lo que es “ más probable que sea cierto que no ”, cuando el RR o CRR es >2.0 (con un límite inferior del intervalo de confianza del 95 % de >1.0), o el AP _e es >50%. El AP _e también se conoce como la " Probabilidad de causalidad ".(PC)" un término que se define en el Código de Regulaciones Federales de EE. UU. (Registro Federal / Vol. 67, No. 85 / jueves, 2 de mayo de 2002 / Reglas y Regulaciones p. 22297) y en otros lugares.

Metodología causal

El análisis de causalidad, particularmente para lesiones u otras condiciones con un período de latencia relativamente corto entre la exposición y el resultado, se logra mediante un enfoque de 3 pasos, como se indica a continuación:

1. Plausibilidad: este primer paso aborda si es biológicamente posible que el evento de lesión haya causado la condición (también conocida como causalidad general), y sigue una aplicación especial de los puntos de vista establecidos por Hill (ver más abajo). Un hallazgo de plausibilidad no está relacionado con la frecuencia de la lesión, porque incluso si la lesión ocurre en solo 1 en 100 o menos casos de exposición al evento, todavía es plausiblemente causado por el evento. La plausibilidad es un obstáculo relativamente bajo para superar en un análisis causal, y se satisface en gran medida por la falta de evidencia de inverosimilitud de la relación. La plausibilidad a menudo, pero no necesariamente, se establece con datos o información epidemiológicos.
2. Temporalidad: este segundo paso examina la evidencia clínica y de otro tipo del momento entre el inicio de los síntomas de la lesión y el evento de la lesión, y debe cumplirse para evaluar la causalidad específica. Primero, se debe establecer que la secuencia de la lesión y el evento es adecuada; los síntomas no pueden estar presentes de manera idéntica antes del evento. Además, el inicio de los síntomas de la lesión no puede ser demasiado latente o insuficientemente latente, según la naturaleza de la exposición y el resultado.
3. Falta de una explicación alternativa más probable: este paso final examina la probabilidad de que la condición de lesión ocurra en el mismo momento en el individuo, dado lo que se sabe sobre el individuo a partir de la revisión de registros médicos y otra evidencia, pero en ausencia del evento de lesión (también conocido como diagnóstico diferencial). En primer lugar, se debe evaluar la evidencia de eventos de lesiones en competencia y comparar el riesgo (a menudo mediante el análisis de datos epidemiológicos). Luego, se debe evaluar la probabilidad de que la condición ocurra espontáneamente, dada la historia conocida del individuo.

Jurisprudencia de los Estados Unidos sobre la metodología de causalidad del daño

La metodología de 3 pasos fue impugnada en el Tribunal de Distrito de los Estados Unidos para el Distrito de Colorado en Etherton v Auto-Owners Insurance Company.[2] El demandado impugnó, entre otras cosas, la confiabilidad y el ajuste de los métodos descritos por el experto. Después de un extenso examen y discusión del proceso de 3 pasos utilizado por el experto, el tribunal encontró que la metodología se ajustaba apropiadamente a los hechos específicos del caso y que un enfoque basado en la población (epidemiológico) era una parte apropiada de la metodología causal.. El tribunal rechazó la moción del demandado de anular el testimonio del experto en la orden, que se ingresó el 31/03/14.

El Demandado apeló el fallo del Tribunal de Distrito y, en julio de 2016, el Tribunal de Apelaciones del Décimo Circuito de EE. UU. confirmó la metodología causal de 3 pasos como generalmente aceptada y bien establecida para evaluar la causalidad del daño, según el estándar de Daubert. Ver Etherton v. Auto-Owners Insurance Company, No. 14-1164 (10th Cir, 19/7/16)[3].

Miradores del cerro

La plausibilidad de una asociación investigada se puede evaluar en una investigación de FE, en parte, mediante la aplicación de los criterios de Hill, llamados así por una publicación de 1965 de Sir Austin Bradford-Hill, en la que describió nueve "puntos de vista" mediante los cuales una asociación descrita en un estudio epidemiológico podría ser evaluado para la causalidad. Hill se negó a llamar a sus puntos de vista "criterios" para que no se consideren una lista de verificación para evaluar la causalidad. Sin embargo, el término "criterios de Hill" se usa ampliamente en la literatura y, por conveniencia, se usa en la presente discusión. De los nueve criterios, hay siete que tienen utilidad para evaluar la plausibilidad de una relación causal específica investigada, como sigue:

• Coherencia: una conclusión causal no debe contradecir el conocimiento sustantivo presente. Debe “tener sentido” dado el conocimiento actual
• Analogía: los resultados de una relación causal descrita anteriormente pueden traducirse a las circunstancias de una investigación actual.
• Coherencia: la observación repetida de la relación investigada en diferentes circunstancias o a lo largo de varios estudios refuerza la inferencia causal.
• Especificidad: el grado en que la exposición está asociada con un resultado particular
• Plausibilidad biológica: la medida en que la asociación observada puede explicarse mediante principios científicos conocidos
• Experimento: en algunos casos puede haber evidencia de experimentos aleatorios (es decir, ensayos de drogas)
• Respuesta a la dosis: la probabilidad, la frecuencia o la gravedad del resultado aumenta con el aumento de la cantidad de exposición

Autores posteriores agregaron la característica de Desafío/Desafío/Nueva desafío para circunstancias en las que la exposición se repite a lo largo del tiempo y existe la capacidad de observar la respuesta de resultado asociada, como podría ocurrir con una reacción adversa a un medicamento. Las consideraciones adicionales al evaluar una asociación son el impacto potencial de la confusión y el sesgo en los datos, que pueden oscurecer una relación verdadera. La confusión se refiere a una situación en la que una asociación entre una exposición y un resultado es total o parcialmente el resultado de un factor que afecta el resultado pero que no se ve afectado por la exposición. El sesgo se refiere a una forma de error que puede amenazar la validez de un estudio al producir resultados que son sistemáticamente diferentes de los verdaderos resultados. Dos categorías principales de sesgo en los estudios epidemiológicos son el sesgo de selección, que ocurre cuando los sujetos de estudio se seleccionan como resultado de otra variable no medida que está asociada tanto con la exposición como con el resultado de interés; y el sesgo de información, que es un error sistemático en la evaluación de una variable. Si bien es útil al evaluar una asociación previamente inexplorada, no hay una combinación o un número mínimo de estos criterios que deban cumplirse para concluir que existe una relación plausible entre una exposición conocida y un resultado observado.

En muchas investigaciones de FE no hay necesidad de un análisis de plausibilidad causal si una relación causal general está bien establecida. En gran parte, la plausibilidad de una relación se considera una vez que se ha rechazado la inverosimilitud. Los dos criterios de Hill restantes son la temporalidad y la fuerza de asociación. Si bien ambos criterios tienen utilidad para evaluar la causalidad específica, la temporalidad es la característica de una asociación que debe estar presente, al menos con respecto a la secuencia (es decir,, la exposición debe preceder al resultado), para poder considerar una relación causal. La proximidad temporal también puede ser útil en algunas evaluaciones de causalidad específicas, ya que cuanto más cerca están en el tiempo la exposición investigada y el resultado, menos oportunidades hay para que una causa interviniente actúe. Otra característica de la temporalidad que puede tener un papel en una evaluación de causalidad específica es la latencia. Un resultado puede ocurrir demasiado pronto o demasiado tiempo después de una exposición para que se considere causalmente relacionado. A modo de ejemplo, algunas enfermedades transmitidas por los alimentos deben incubarse durante horas o días después de la ingestión y, por lo tanto, una enfermedad que comienza inmediatamente después de una comida y que luego se descubre que es causada por un microorganismo transmitido por los alimentos que requiere más de 12 horas de incubación, no fue causada por la comida investigada, incluso si una investigación revelara el microorganismo en el alimento ingerido. La fuerza de la asociación es el criterio que se utiliza en la causalidad general para evaluar el impacto de la exposición en la población y, a menudo, se cuantifica en términos de RR. En una evaluación de causalidad específica, la fuerza de la asociación entre la exposición y el resultado se cuantifica mediante la CRR, como se describe anteriormente.

Exactitud de la prueba

La investigación de la precisión de la prueba es una práctica estándar en epidemiología clínica. En este entorno, se analiza una prueba de diagnóstico para determinar mediante diversas medidas con qué frecuencia el resultado de una prueba es correcto. En FE, se utilizan los mismos principios para evaluar la precisión de las pruebas propuestas que conducen a conclusiones que son fundamentales para las determinaciones de culpabilidad o inocencia en investigaciones penales y de causalidad en asuntos civiles. La utilidad de una prueba depende en gran medida de su precisión, que está determinada por una medida de la frecuencia con la que un resultado de prueba positivo o negativo realmente representa el estado real que se está probando. Para cualquier prueba o criterio, normalmente hay cuatro resultados posibles: (1) un verdadero positivo (TP), en el que la prueba identifica correctamente a los sujetos evaluados con la condición de interés; (2) un verdadero negativo (TN), en el que la prueba identifica correctamente a los sujetos de prueba que no tienen la condición de interés; (3) un falso positivo (FP), en el que la prueba es positiva aunque la condición no esté presente, y; (4) un falso negativo (FN) en el que la prueba es negativa a pesar de que la condición está presente. La figura 3.19 es una tabla de contingencia que ilustra las relaciones entre los resultados de la prueba y la presencia de condiciones, así como los siguientes parámetros de precisión de la prueba:

• Sensibilidad (la tasa a la que la prueba es positiva cuando la condición está presente) TP/(TP + FN)
• Especificidad (la tasa a la que la prueba es negativa cuando la condición está ausente) TN/(TN + FP)
• Valor predictivo positivo (la tasa a la cual la condición está presente cuando la prueba es positiva) TP/(TP + FP)
• Valor predictivo negativo (la tasa a la que la condición está ausente cuando la prueba es negativa) TN/(TN + FN)

Razonamiento bayesiano

La probabilidad se utiliza para caracterizar el grado de creencia en la verdad de una afirmación. La base de tal creencia puede ser un sistema físico que produzca resultados a un ritmo uniforme a lo largo del tiempo, como un dispositivo de juego como una rueda de ruleta o un dado. Con tal sistema, el observador no influye en el resultado; un dado justo de seis caras que se lanza suficientes veces caerá en cualquiera de sus caras 1/6 de las veces. Una afirmación de una probabilidad basada en un sistema físico se prueba fácilmente con suficiente experimentación aleatoria. Por el contrario, la base para un alto grado de creencia en una afirmación afirmada puede ser una perspectiva personal que no se puede probar. Esto no significa que la afirmación sea menos verdadera que una que pueda ser comprobada. Como ejemplo, uno podría afirmar con veracidad que "si me como un plátano hay una alta probabilidad de que me dé náuseas" basado en una experiencia desconocida para todos excepto para uno mismo. Es difícil probar tales afirmaciones, que se evalúan a través de pruebas colaterales de plausibilidad y analogía, a menudo basadas en experiencias personales similares. En entornos forenses, las afirmaciones de creencias a menudo se caracterizan como probabilidades, es decir,lo que es más probable, para un conjunto dado de hechos. Para circunstancias en las que existe una variedad de condiciones que pueden modificar o "condicionar" la probabilidad de un resultado o escenario particular, un método para cuantificar la relación entre las condiciones modificadoras y la probabilidad del resultado emplea el razonamiento bayesiano, llamado así por el teorema de Bayes. o Ley en la que se basa el enfoque. En pocas palabras, la Ley de Bayes permite una cuantificación más precisa de la incertidumbre en una probabilidad dada. Cuando se aplica en un entorno forense, la Ley de Bayes nos dice lo que queremos saber dado lo que sabemos. Aunque la Ley de Bayes es conocida en las ciencias forenses principalmente por su aplicación a las pruebas de ADN, varios autores han descrito el uso del razonamiento bayesiano para otras aplicaciones en la medicina forense, incluida la identificación y la estimación de la edad.

Probabilidad posterior a la prueba

La probabilidad post-test es una ecuación bayesiana de gran utilidad que permite calcular la probabilidad de que una condición esté presente cuando la prueba es positiva, condicionada por la prevalencia pretest de la condición de interés. Esta ecuación se da en el cuadro a la derecha:

La ecuación da como resultado un valor predictivo positivo para una determinada prevalencia previa al evento o previa a la prueba. En una circunstancia en la que la prevalencia previa a la prueba se considera "indiferente", los valores de prevalencia y (prevalencia 1) se anulan y el cálculo se simplifica a un valor predictivo positivo.

Ejemplos de preguntas de investigacion

• ¿Cuál es la probabilidad de que la exposición al asbesto que experimentó el Sr. X durante su empleo en la empresa Z le haya causado cáncer de pulmón?
• ¿Qué probabilidad hay de que el ADN encontrado en la escena forense pertenezca al Sr. X? ¿Cuál es la probabilidad de que te equivoques? ¿Podría tener en cuenta en su cálculo de probabilidad la otra evidencia que apunta hacia la identificación del Sr. X?
• ¿Podría estimar la probabilidad de que se hubiera evitado la amputación de la pierna de la señora Y si no se hubiera producido el retraso en el diagnóstico?
• ¿Qué probabilidad hay de que la insuficiencia cardíaca de la Sra. Y haya sido causada por el efecto secundario de este fármaco?
• ¿Cuál es la probabilidad de que la muerte que siguió a la administración del opiáceo por 20 minutos se deba a la droga y no a otros factores (desconocidos)?
• ¿Cuál es la probabilidad de que el Sr. X hubiera necesitado una cirugía de cuello cuando la necesitaba si no hubiera tenido un accidente de tránsito menor el mes anterior?
• ¿Qué probabilidad hay de que el cáncer de vejiga de la Sra. Y haya sido causado por el tabaquismo pasivo durante su encarcelamiento dado el hecho de que ella misma era ex fumadora?
• ¿Qué porcentaje de responsabilidad es razonable en las circunstancias dadas?
• ¿Cuál sería la esperanza de vida del Sr. X en el momento de su muerte si no hubiera ocurrido la muerte por negligencia?
• ¿Cuánto tiempo se espera que sobreviva el Sr. X, dada su lesión cerebral o de la médula espinal, sobre una base más probable que improbable?
• Dada la evidencia médica y no médica disponible con respecto a las circunstancias de este accidente de tráfico, ¿cuál es la probabilidad de que la señora Y fuera la conductora?
• Dada la evidencia médica y no médica disponible con respecto a las circunstancias de este accidente automovilístico, ¿cuál es la probabilidad de que el Sr. X estuviera usando el cinturón de seguridad?
• ¿Cuál es la probabilidad de que la necesidad de cirugía de la Sra. Y sea el resultado del accidente, frente a que hubiera ocurrido al mismo tiempo si el accidente no hubiera ocurrido?