Epidemiología

La epidemiología es el estudio y análisis de la distribución (quién, cuándo y dónde), patrones y determinantes de las condiciones de salud y enfermedad en una población definida.

Es una piedra angular de la salud pública y da forma a las decisiones políticas y la práctica basada en la evidencia al identificar los factores de riesgo de enfermedades y los objetivos para la atención médica preventiva. Los epidemiólogos ayudan con el diseño del estudio, la recopilación y el análisis estadístico de los datos, modifican la interpretación y la difusión de los resultados (incluida la revisión por pares y la revisión sistemática ocasional). La epidemiología ha ayudado a desarrollar la metodología utilizada en la investigación clínica, los estudios de salud pública y, en menor medida, la investigación básica en ciencias biológicas.

Las principales áreas de estudio epidemiológico incluyen la causalidad de enfermedades, la transmisión, la investigación de brotes, la vigilancia de enfermedades, la epidemiología ambiental, la epidemiología forense, la epidemiología ocupacional, la detección, el biomonitoreo y las comparaciones de los efectos del tratamiento, como en los ensayos clínicos. Los epidemiólogos confían en otras disciplinas científicas como la biología para comprender mejor los procesos de las enfermedades, las estadísticas para hacer un uso eficiente de los datos y sacar conclusiones apropiadas, las ciencias sociales para comprender mejor las causas próximas y distales y la ingeniería para evaluar la exposición.

Epidemiología, que literalmente significa "el estudio de lo que está sobre la gente", se deriva del griego epi 'sobre, entre', demos 'pueblo, distrito' y logos 'estudio, palabra, discurso', lo que sugiere que se aplica solo a seres humanos. poblaciones Sin embargo, el término se usa ampliamente en estudios de poblaciones zoológicas (epidemiología veterinaria), aunque el término "epizoología" está disponible, y también se ha aplicado a estudios de poblaciones de plantas (epidemiología botánica o de enfermedades de plantas).

La distinción entre "epidemia" y "endemia" fue trazada por primera vez por Hipócrates, para distinguir entre las enfermedades que "aquejan" a una población (epidemia) de aquellas que "residen dentro" de una población (endémica). El término "epidemiología" parece haber sido utilizado por primera vez para describir el estudio de las epidemias en 1802 por el médico español Villalba en Epidemiología Española. Los epidemiólogos también estudian la interacción de las enfermedades en una población, una condición conocida como sindemia.

El término epidemiología ahora se aplica ampliamente para cubrir la descripción y causalidad no solo de enfermedades epidémicas e infecciosas, sino también de enfermedades en general, incluidas las afecciones relacionadas. Algunos ejemplos de temas examinados a través de la epidemiología incluyen presión arterial alta, enfermedades mentales y obesidad. Por lo tanto, esta epidemiología se basa en cómo el patrón de la enfermedad provoca cambios en la función de los seres humanos.

Historia

El médico griego Hipócrates, conocido como el padre de la medicina, buscó una lógica a la enfermedad; es la primera persona que se sabe que examinó las relaciones entre la aparición de enfermedades y las influencias ambientales. Hipócrates creía que la enfermedad del cuerpo humano era causada por un desequilibrio de los cuatro humores (bilis negra, bilis amarilla, sangre y flema). La cura a la enfermedad consistía en quitar o agregar el humor en cuestión para equilibrar el cuerpo. Esta creencia condujo a la aplicación de la sangría y la dieta en medicina. Él acuñó los términos endémica (para enfermedades que generalmente se encuentran en algunos lugares pero no en otros) y epidémica (para enfermedades que se ven en algunos momentos pero no en otros).

Era moderna

A mediados del siglo XVI, un médico de Verona llamado Girolamo Fracastoro fue el primero en proponer la teoría de que estas partículas diminutas e imperceptibles que causan enfermedades estaban vivas. Se consideraba que podían propagarse por el aire, multiplicarse por sí mismos y ser destructibles por el fuego. De esta forma refutó la teoría del miasma de Galeno (gas venenoso en los enfermos). En 1543 escribió un libro De contagione et contagiosis morbis, en el que fue el primero en promover la higiene personal y ambiental para prevenir enfermedades. El desarrollo de un microscopio suficientemente poderoso por Antonie van Leeuwenhoek en 1675 proporcionó evidencia visual de partículas vivas consistentes con una teoría de la enfermedad por gérmenes.

Durante la dinastía Ming, Wu Youke (1582-1652) desarrolló la idea de que algunas enfermedades eran causadas por agentes transmisibles, a los que llamó Li Qi (戾气 o factores pestilentes) cuando observó varias epidemias a su alrededor entre 1641 y 1644. Su El libro Wen Yi Lun (瘟疫论, Tratado sobre pestilencia/Tratado de enfermedades epidémicas) puede considerarse como el principal trabajo etiológico que presentó el concepto. Sus conceptos aún se estaban considerando al analizar el brote de SARS por parte de la OMS en 2004 en el contexto de la medicina tradicional china.

Otro pionero, Thomas Sydenham (1624–1689), fue el primero en distinguir las fiebres de los londinenses a fines del siglo XVII. Sus teorías sobre la cura de las fiebres encontraron mucha resistencia por parte de los médicos tradicionales de la época. No pudo encontrar la causa inicial de la fiebre de la viruela que investigó y trató.

John Graunt, mercero y estadístico aficionado, publicó Natural and Political Observations... upon the Bills of Mortality en 1662. En él, analizó las listas de mortalidad en Londres antes de la Gran Plaga, presentó una de las primeras tablas de vida e informó tendencias temporales para muchas enfermedades, nuevas y antiguas. Proporcionó evidencia estadística para muchas teorías sobre la enfermedad y también refutó algunas ideas generalizadas sobre ellas.

John Snow es famoso por sus investigaciones sobre las causas de las epidemias de cólera del siglo XIX y también es conocido como el padre de la epidemiología (moderna). Comenzó notando las tasas de mortalidad significativamente más altas en dos áreas abastecidas por Southwark Company. Su identificación de la bomba de Broad Street como la causa de la epidemia de Soho se considera el ejemplo clásico de epidemiología. Snow usó cloro en un intento de limpiar el agua y quitó el mango; esto puso fin al brote. Esto ha sido percibido como un evento importante en la historia de la salud pública y considerado como el evento fundador de la ciencia de la epidemiología, que ayudó a dar forma a las políticas de salud pública en todo el mundo.Sin embargo, la investigación y las medidas preventivas de Snow para evitar nuevos brotes no se aceptaron por completo ni se pusieron en práctica hasta después de su muerte debido a la teoría del miasma predominante en la época, un modelo de enfermedad en el que se culpaba a la mala calidad del aire por la enfermedad. Esto se usó para racionalizar las altas tasas de infección en áreas empobrecidas en lugar de abordar los problemas subyacentes de la mala nutrición y el saneamiento, y su trabajo demostró que era falso.

Otros pioneros incluyen al médico danés Peter Anton Schleisner, quien en 1849 relató su trabajo sobre la prevención de la epidemia de tétanos neonatal en las Islas Vestmanna en Islandia. Otro pionero importante fue el médico húngaro Ignaz Semmelweis, quien en 1847 redujo la mortalidad infantil en un hospital de Viena al instituir un procedimiento de desinfección. Sus hallazgos se publicaron en 1850, pero su trabajo fue mal recibido por sus colegas, quienes interrumpieron el procedimiento. La desinfección no se generalizó hasta que el cirujano británico Joseph Lister "descubrió" los antisépticos en 1865 a la luz del trabajo de Louis Pasteur.

A principios del siglo XX, Ronald Ross, Janet Lane-Claypon, Anderson Gray McKendrick y otros introdujeron métodos matemáticos en la epidemiología.En un desarrollo paralelo durante la década de 1920, el patólogo suizo-alemán Max Askanazy y otros fundaron la Sociedad Internacional de Patología Geográfica para investigar sistemáticamente la patología geográfica del cáncer y otras enfermedades no infecciosas en poblaciones de diferentes regiones. Después de la Segunda Guerra Mundial, Richard Doll y otros no patólogos se unieron al campo y desarrollaron métodos para estudiar el cáncer, una enfermedad con patrones y modos de ocurrencia que no podían estudiarse adecuadamente con los métodos desarrollados para epidemias de enfermedades infecciosas. La patología geográfica finalmente se combinó con la epidemiología de las enfermedades infecciosas para formar el campo que es la epidemiología en la actualidad.

Otro avance fue la publicación en 1954 de los resultados de un Estudio de Médicos Británicos, dirigido por Richard Doll y Austin Bradford Hill, que brindó un apoyo estadístico muy sólido a la relación entre el tabaquismo y el cáncer de pulmón.

A finales del siglo XX, con el avance de las ciencias biomédicas, se identificaron varios marcadores moleculares en la sangre, otras muestras biológicas y el medio ambiente como predictores del desarrollo o riesgo de una determinada enfermedad. La investigación epidemiológica para examinar la relación entre estos biomarcadores analizados a nivel molecular y la enfermedad se denominó en términos generales "epidemiología molecular". Específicamente, la "epidemiología genética" se ha utilizado para la epidemiología de la variación genética y la enfermedad de la línea germinal. La variación genética generalmente se determina utilizando ADN de leucocitos de sangre periférica.

Siglo 21

Desde la década de 2000, los estudios de asociación del genoma completo (GWAS) se han realizado comúnmente para identificar factores de riesgo genéticos para muchas enfermedades y condiciones de salud.

Si bien la mayoría de los estudios de epidemiología molecular todavía utilizan sistemas convencionales de diagnóstico y clasificación de enfermedades, se reconoce cada vez más que la progresión de la enfermedad representa procesos inherentemente heterogéneos que difieren de una persona a otra. Conceptualmente, cada individuo tiene un proceso de enfermedad único diferente de cualquier otro individuo ("el principio de enfermedad única"),considerando la singularidad del exposoma (una totalidad de exposiciones endógenas y exógenas/ambientales) y su influencia única en el proceso patológico molecular en cada individuo. Los estudios para examinar la relación entre una exposición y la firma patológica molecular de la enfermedad (particularmente el cáncer) se hicieron cada vez más comunes a lo largo de la década de 2000. Sin embargo, el uso de patología molecular en epidemiología planteó desafíos únicos, incluida la falta de pautas de investigación y metodologías estadísticas estandarizadas, y la escasez de expertos interdisciplinarios y programas de capacitación.Además, el concepto de heterogeneidad de la enfermedad parece estar en conflicto con la premisa de larga data en epidemiología de que los individuos con el mismo nombre de enfermedad tienen etiologías y procesos de enfermedad similares. Para resolver estos problemas y hacer avanzar la ciencia de la salud de la población en la era de la medicina molecular de precisión, se integró la "patología molecular" y la "epidemiología" para crear un nuevo campo interdisciplinario de "epidemiología patológica molecular" (MPE),definida como "epidemiología de la patología molecular y heterogeneidad de la enfermedad". En MPE, los investigadores analizan las relaciones entre (A) factores ambientales, dietéticos, de estilo de vida y genéticos; (B) alteraciones en moléculas celulares o extracelulares; y (C) evolución y progresión de la enfermedad. Una mejor comprensión de la heterogeneidad de la patogénesis de la enfermedad contribuirá aún más a dilucidar las etiologías de la enfermedad. El enfoque MPE se puede aplicar no solo a enfermedades neoplásicas sino también a enfermedades no neoplásicas. El concepto y paradigma de MPE se generalizó en la década de 2010.

Para 2012, se reconoció que la evolución de muchos patógenos es lo suficientemente rápida como para ser muy relevante para la epidemiología y que, por lo tanto, se podría ganar mucho con un enfoque interdisciplinario de las enfermedades infecciosas que integre la epidemiología y la evolución molecular para "informar las estrategias de control, o incluso el tratamiento del paciente".."

Los estudios epidemiológicos modernos pueden utilizar estadísticas avanzadas y aprendizaje automático para crear modelos predictivos y definir los efectos del tratamiento.

Tipos de estudios

Los epidemiólogos emplean una variedad de diseños de estudio, desde observacionales hasta experimentales, y generalmente se categorizan como descriptivos (que involucran la evaluación de datos que cubren el tiempo, el lugar y la persona), analíticos (con el objetivo de examinar más a fondo las asociaciones conocidas o relaciones hipotéticas) y experimentales (un término a menudo equiparado con ensayos clínicos o comunitarios de tratamientos y otras intervenciones). En los estudios observacionales, se permite que la naturaleza "siga su curso", como observan los epidemiólogos desde el margen. Por el contrario, en los estudios experimentales, el epidemiólogo es el que controla todos los factores que entran en un determinado estudio de caso.Los estudios epidemiológicos tienen como objetivo, cuando sea posible, revelar relaciones imparciales entre exposiciones como el alcohol o el tabaquismo, agentes biológicos, estrés o sustancias químicas con la mortalidad o la morbilidad. La identificación de las relaciones causales entre estas exposiciones y los resultados es un aspecto importante de la epidemiología. Los epidemiólogos modernos utilizan la informática como herramienta.

Los estudios observacionales tienen dos componentes, descriptivo y analítico. Las observaciones descriptivas pertenecen al "quién, qué, dónde y cuándo se produce el estado relacionado con la salud". Sin embargo, las observaciones analíticas se ocupan más del "cómo" de un evento relacionado con la salud. La epidemiología experimental contiene tres tipos de casos: ensayos controlados aleatorios (a menudo utilizados para un nuevo medicamento o prueba de drogas), ensayos de campo (realizados en personas con alto riesgo de contraer una enfermedad) y ensayos comunitarios (investigación sobre enfermedades de origen social).

El término 'tríada epidemiológica' se utiliza para describir la intersección del huésped, el agente y el entorno en el análisis de un brote.

Series de casos

Las series de casos pueden referirse al estudio cualitativo de la experiencia de un solo paciente, o de un pequeño grupo de pacientes con un diagnóstico similar, oa un factor estadístico con el potencial de producir enfermedad con periodos en los que no están expuestos.

El primer tipo de estudio es puramente descriptivo y no puede utilizarse para hacer inferencias sobre la población general de pacientes con esa enfermedad. Estos tipos de estudios, en los que un médico astuto identifica una característica inusual de una enfermedad o la historia de un paciente, pueden conducir a la formulación de una nueva hipótesis. Utilizando los datos de la serie, se podrían realizar estudios analíticos para investigar posibles factores causales. Estos pueden incluir estudios de casos y controles o estudios prospectivos. Un estudio de casos y controles implicaría emparejar controles comparables sin la enfermedad con los casos de la serie. Un estudio prospectivo implicaría seguir la serie de casos a lo largo del tiempo para evaluar la historia natural de la enfermedad.

El último tipo, descrito más formalmente como estudios de series de casos autocontrolados, divide el tiempo de seguimiento de pacientes individuales en períodos expuestos y no expuestos y utiliza procesos de regresión de Poisson de efectos fijos para comparar la tasa de incidencia de un resultado dado entre períodos expuestos y no expuestos.. Esta técnica se ha utilizado ampliamente en el estudio de las reacciones adversas a la vacunación y, en algunas circunstancias, se ha demostrado que proporciona un poder estadístico comparable al disponible en los estudios de cohortes.

Estudios de casos y controles

Los estudios de casos y controles seleccionan sujetos en función del estado de su enfermedad. Es un estudio retrospectivo. Un grupo de individuos que son positivos para la enfermedad (el grupo "caso") se compara con un grupo de individuos negativos para la enfermedad (el grupo "control"). Idealmente, el grupo de control debería provenir de la misma población que dio origen a los casos. El estudio de casos y controles mira hacia atrás en el tiempo a las exposiciones potenciales que ambos grupos (casos y controles) pueden haber encontrado. Se construye una tabla de 2×2, mostrando casos expuestos (A), controles expuestos (B), casos no expuestos (C) y controles no expuestos (D). La estadística generada para medir la asociación es la razón de probabilidades (OR), que es la razón de las probabilidades de exposición en los casos (A/C) a las probabilidades de exposición en los controles (B/D), es decir, OR = (AD /ANTES DE CRISTO).

Si el OR es significativamente mayor que 1, entonces la conclusión es que "es más probable que aquellos con la enfermedad hayan estado expuestos", mientras que si está cerca de 1, entonces la exposición y la enfermedad probablemente no estén asociadas. Si el OR es mucho menor que uno, esto sugiere que la exposición es un factor protector en la causalidad de la enfermedad. Los estudios de casos y controles suelen ser más rápidos y rentables que los estudios de cohortes, pero son sensibles al sesgo (como el sesgo de recuerdo y el sesgo de selección). El principal desafío es identificar el grupo de control apropiado; la distribución de la exposición entre el grupo de control debe ser representativa de la distribución en la población que dio lugar a los casos. Esto se puede lograr extrayendo una muestra aleatoria de la población original en riesgo.

Un inconveniente importante de los estudios de casos y controles es que, para que se considere estadísticamente significativo, el número mínimo de casos requerido en el intervalo de confianza del 95 % está relacionado con la razón de probabilidades mediante la ecuación:

donde N es la razón de casos a controles. A medida que la razón de posibilidades se aproxima a 1, el número de casos necesarios para la significación estadística crece hacia el infinito; haciendo que los estudios de casos y controles sean casi inútiles para las razones de probabilidades bajas. Por ejemplo, para una razón de probabilidades de 1,5 y casos = controles, la tabla que se muestra arriba se vería así:

Para una razón de probabilidades de 1.1:

Escuadrón de estudio

Los estudios de cohortes seleccionan sujetos en función de su estado de exposición. Los sujetos del estudio deben estar en riesgo del resultado bajo investigación al comienzo del estudio de cohorte; esto generalmente significa que deben estar libres de enfermedades cuando comience el estudio de cohortes. La cohorte se sigue a lo largo del tiempo para evaluar su estado de resultado posterior. Un ejemplo de un estudio de cohortes sería la investigación de una cohorte de fumadores y no fumadores a lo largo del tiempo para estimar la incidencia de cáncer de pulmón. Se construye la misma tabla de 2×2 que con el estudio de casos y controles. Sin embargo, la estimación puntual generada es el riesgo relativo (RR), que es la probabilidad de enfermedad para una persona del grupo expuesto, P _e = A / (A + B) sobre la probabilidad de enfermedad para una persona del grupo no expuesto, P _u = C / (C + D), es decir RR = P _e / P _u.

Al igual que con el OR, un RR superior a 1 muestra asociación, donde la conclusión puede leerse "aquellos con la exposición tenían más probabilidades de desarrollar la enfermedad".

Los estudios prospectivos tienen muchos beneficios sobre los estudios de casos y controles. El RR es una medida de efecto más potente que el OR, ya que el OR es solo una estimación del RR, ya que la incidencia real no se puede calcular en un estudio de casos y controles donde los sujetos se seleccionan en función del estado de la enfermedad. La temporalidad se puede establecer en un estudio prospectivo y los factores de confusión se controlan más fácilmente. Sin embargo, son más costosos y existe una mayor posibilidad de perder sujetos durante el seguimiento en función del largo período durante el cual se realiza el seguimiento de la cohorte.

Los estudios de cohortes también están limitados por la misma ecuación para el número de casos que para los estudios de cohortes, pero si la tasa de incidencia base en la población de estudio es muy baja, el número de casos requerido se reduce a la mitad.

Inferencia causal

Aunque la epidemiología a veces se ve como una colección de herramientas estadísticas utilizadas para dilucidar las asociaciones de exposiciones con resultados de salud, una comprensión más profunda de esta ciencia es descubrir relaciones causales.

"Correlación no implica causalidad" es un tema común en gran parte de la literatura epidemiológica. Para los epidemiólogos, la clave está en el término inferencia. La correlación, o al menos la asociación entre dos variables, es un criterio necesario pero no suficiente para inferir que una variable causa la otra. Los epidemiólogos utilizan los datos recopilados y una amplia gama de teorías biomédicas y psicosociales de forma iterativa para generar o expandir la teoría, probar hipótesis y hacer afirmaciones informadas y educadas sobre qué relaciones son causales y cómo exactamente son causales.

Los epidemiólogos enfatizan que la comprensión de " una causa, un efecto " es una falsa creencia simplista. La mayoría de los resultados, ya sea enfermedad o muerte, son causados ​​por una cadena o red que consta de muchas causas componentes. Las causas se pueden distinguir como condiciones necesarias, suficientes o probabilísticas. Si se puede identificar y controlar una condición necesaria (p. ej., anticuerpos contra un agente patógeno, energía en una lesión), se puede evitar el resultado dañino (Robertson, 2015). Una herramienta que se usa regularmente para conceptualizar la multicausalidad asociada con la enfermedad es el modelo circular causal.

Criterios de Bradford Hill

En 1965, Austin Bradford Hill propuso una serie de consideraciones para ayudar a evaluar la evidencia de causalidad, que se conocen comúnmente como los "criterios de Bradford Hill". En contraste con las intenciones explícitas de su autor, las consideraciones de Hill ahora se enseñan a veces como una lista de verificación que se implementará para evaluar la causalidad. El mismo Hill dijo: "Ninguno de mis nueve puntos de vista puede aportar evidencia indiscutible a favor o en contra de la hipótesis de causa y efecto y ninguno puede ser requerido sine qua non ".

1. Fuerza de la asociación: una asociación pequeña no significa que no haya un efecto causal, aunque cuanto mayor sea la asociación, más probable es que sea causal.
2. Consistencia de los datos: los hallazgos consistentes observados por diferentes personas en diferentes lugares con diferentes muestras fortalecen la probabilidad de un efecto.
3. Especificidad: la causalidad es probable si una población muy específica en un sitio específico y una enfermedad sin otra explicación probable. Cuanto más específica es una asociación entre un factor y un efecto, mayor es la probabilidad de una relación causal.
4. Temporalidad: el efecto tiene que ocurrir después de la causa (y si hay un retraso esperado entre la causa y el efecto esperado, entonces el efecto debe ocurrir después de ese retraso).
5. Gradiente biológico: una mayor exposición generalmente debería conducir a una mayor incidencia del efecto. Sin embargo, en algunos casos, la mera presencia del factor puede desencadenar el efecto. En otros casos, se observa una proporción inversa: a mayor exposición, menor incidencia.
6. Plausibilidad: Un mecanismo plausible entre causa y efecto es útil (pero Hill señaló que el conocimiento del mecanismo está limitado por el conocimiento actual).
7. Coherencia: La coherencia entre los hallazgos epidemiológicos y de laboratorio aumenta la probabilidad de un efecto. Sin embargo, Hill señaló que "... la falta de tal evidencia [de laboratorio] no puede anular el efecto epidemiológico en las asociaciones".
8. Experimento: "Ocasionalmente es posible apelar a la evidencia experimental".
9. Analogía: se puede considerar el efecto de factores similares.

Interpretación jurídica

Los estudios epidemiológicos sólo pueden ir a probar que un agente pudo haber causado, pero no que causó, un efecto en algún caso particular:

La epidemiología se ocupa de la incidencia de la enfermedad en las poblaciones y no aborda la cuestión de la causa de la enfermedad de un individuo. Esta pregunta, a la que a veces se hace referencia como causalidad específica, está más allá del dominio de la ciencia de la epidemiología. La epidemiología tiene sus límites en el punto en que se infiere que la relación entre un agente y una enfermedad es causal (causalidad general) y se determina la magnitud del exceso de riesgo atribuido al agente; es decir, la epidemiología aborda si un agente puede causar una enfermedad, no si un agente causó la enfermedad de un demandante específico.

En la ley de los Estados Unidos, la epidemiología por sí sola no puede probar que una asociación causal no existe en general. Por el contrario, puede ser (y es en algunas circunstancias) tomado por los tribunales estadounidenses, en un caso individual, para justificar una inferencia de que existe una asociación causal, sobre la base de un equilibrio de probabilidad.

La subdisciplina de la epidemiología forense está dirigida a la investigación de la causalidad específica de una enfermedad o lesión en individuos o grupos de individuos en instancias en las que la causalidad está en disputa o no está clara, para su presentación en entornos legales.

Gestión de la salud basada en la población

La práctica epidemiológica y los resultados del análisis epidemiológico hacen una contribución significativa a los marcos emergentes de gestión de la salud basados ​​en la población.

La gestión de la salud basada en la población abarca la capacidad de:

• Evaluar los estados de salud y las necesidades de salud de una población objetivo;
• Implementar y evaluar intervenciones que estén diseñadas para mejorar la salud de esa población; y
• Brindar atención de manera eficiente y efectiva a los miembros de esa población de una manera que sea consistente con los valores culturales, políticos y de recursos de salud de la comunidad.

La gestión moderna de la salud basada en la población es compleja y requiere un conjunto múltiple de habilidades (médicas, políticas, tecnológicas, matemáticas, etc.) de las cuales la práctica y el análisis epidemiológicos son un componente central, que se unifica con la ciencia de la gestión para brindar servicios de salud eficientes y eficaces. atención y orientación en salud a una población. Esta tarea requiere la capacidad de visión de futuro de los enfoques modernos de gestión de riesgos que transforman las estadísticas de factores de riesgo para la salud, incidencia, prevalencia y mortalidad (derivadas del análisis epidemiológico) en métricas de gestión que no solo guían cómo responde un sistema de salud a los problemas actuales de salud de la población, sino también cómo se puede administrar un sistema de salud para responder mejor a futuros problemas potenciales de salud de la población.

Los ejemplos de organizaciones que utilizan la gestión de la salud basada en la población que aprovechan el trabajo y los resultados de la práctica epidemiológica incluyen la Estrategia Canadiense para el Control del Cáncer, los Programas de Control del Tabaco de Health Canada, la Fundación Rick Hansen, la Iniciativa Canadiense de Investigación para el Control del Tabaco.

Cada una de estas organizaciones utiliza un marco de gestión de la salud basado en la población llamado Vida en riesgo que combina el análisis cuantitativo epidemiológico con la demografía, la investigación operativa de la agencia de salud y la economía para realizar:

• Simulaciones de impactos en la vida de la población: medición del impacto potencial futuro de la enfermedad en la población con respecto a nuevos casos de enfermedad, prevalencia, muerte prematura, así como años potenciales de vida perdidos por discapacidad y muerte;
• Simulaciones de impactos en la vida de la fuerza laboral: medición del impacto potencial futuro de la enfermedad en la fuerza laboral con respecto a nuevos casos de enfermedad, prevalencia, muerte prematura y años potenciales de vida perdidos por discapacidad y muerte;
• Impactos económicos de las simulaciones de enfermedades: medición del impacto potencial futuro de la enfermedad en los impactos de ingresos disponibles del sector privado (salarios, ganancias corporativas, costos de atención médica privada) e impactos de ingresos disponibles del sector público (impuesto sobre la renta personal, impuesto sobre la renta corporativo, impuestos al consumo, impuestos públicos). costos de atención médica financiados).

Epidemiología de campo aplicada

La epidemiología aplicada es la práctica de utilizar métodos epidemiológicos para proteger o mejorar la salud de una población. La epidemiología de campo aplicada puede incluir la investigación de brotes de enfermedades transmisibles y no transmisibles, las tasas de mortalidad y morbilidad y el estado nutricional, entre otros indicadores de salud, con el fin de comunicar los resultados a quienes puedan implementar políticas o medidas de control de enfermedades apropiadas.

Contexto humanitario

A medida que la vigilancia y el informe de enfermedades y otros factores de salud se vuelven cada vez más difíciles en situaciones de crisis humanitaria, las metodologías utilizadas para informar los datos se ven comprometidas. Un estudio encontró que menos de la mitad (42,4 %) de las encuestas de nutrición muestreadas en contextos humanitarios calcularon correctamente la prevalencia de la desnutrición y solo un tercio (35,3 %) de las encuestas cumplían los criterios de calidad. Entre las encuestas de mortalidad, sólo el 3,2% cumplía con los criterios de calidad. Dado que el estado nutricional y las tasas de mortalidad ayudan a indicar la gravedad de una crisis, el seguimiento y la notificación de estos factores de salud son cruciales.

Los registros vitales suelen ser las formas más eficaces de recopilar datos, pero en contextos humanitarios estos registros pueden ser inexistentes, poco fiables o inaccesibles. Como tal, la mortalidad a menudo se mide de manera inexacta mediante la vigilancia demográfica prospectiva o las encuestas de mortalidad retrospectivas. La vigilancia demográfica prospectiva requiere mucha mano de obra y es difícil de implementar en una población dispersa. Las encuestas retrospectivas de mortalidad son propensas a sesgos de selección y notificación. Se están desarrollando otros métodos, pero aún no son una práctica común.

Validez: precisión y sesgo

Los diferentes campos de la epidemiología tienen diferentes niveles de validez. Una forma de evaluar la validez de los hallazgos es la proporción de falsos positivos (efectos declarados que no son correctos) a falsos negativos (estudios que no logran respaldar un efecto verdadero). Para tomar el campo de la epidemiología genética, los estudios de genes candidatos produjeron más de 100 hallazgos falsos positivos por cada falso negativo. Por el contrario, la asociación de todo el genoma parece casi lo contrario, con solo un falso positivo por cada 100 o más falsos negativos. Esta proporción ha mejorado con el tiempo en la epidemiología genética a medida que el campo ha adoptado criterios estrictos. Por el contrario, otros campos epidemiológicos no han requerido informes tan rigurosos y, como resultado, son mucho menos confiables.

Error al azar

El error aleatorio es el resultado de fluctuaciones alrededor de un valor real debido a la variabilidad del muestreo. El error aleatorio es solo eso: aleatorio. Puede ocurrir durante la recopilación, codificación, transferencia o análisis de datos. Los ejemplos de errores aleatorios incluyen preguntas mal redactadas, un malentendido al interpretar una respuesta individual de un encuestado en particular o un error tipográfico durante la codificación. El error aleatorio afecta la medición de manera transitoria e inconsistente y es imposible corregir el error aleatorio.

Hay un error aleatorio en todos los procedimientos de muestreo. Esto se llama error de muestreo.

La precisión en las variables epidemiológicas es una medida del error aleatorio. La precisión también está inversamente relacionada con el error aleatorio, de modo que reducir el error aleatorio es aumentar la precisión. Los intervalos de confianza se calculan para demostrar la precisión de las estimaciones de riesgo relativo. Cuanto más estrecho sea el intervalo de confianza, más precisa será la estimación del riesgo relativo.

Hay dos formas básicas de reducir el error aleatorio en un estudio epidemiológico. El primero es aumentar el tamaño de la muestra del estudio. En otras palabras, agregue más temas a su estudio. El segundo es reducir la variabilidad en la medición en el estudio. Esto podría lograrse utilizando un dispositivo de medición más preciso o aumentando el número de mediciones.

Tenga en cuenta que si se aumenta el tamaño de la muestra o el número de mediciones, o si se compra una herramienta de medición más precisa, los costos del estudio generalmente aumentan. Por lo general, existe un equilibrio difícil entre la necesidad de una precisión adecuada y el problema práctico del costo del estudio.

Error sistematico

Un error o sesgo sistemático ocurre cuando hay una diferencia entre el valor verdadero (en la población) y el valor observado (en el estudio) por cualquier causa que no sea la variabilidad del muestreo. Un ejemplo de error sistemático es si, sin que usted lo sepa, el oxímetro de pulso que está usando está configurado incorrectamente y agrega dos puntos al valor real cada vez que se toma una medición. El dispositivo de medición podría ser preciso pero no exacto. Debido a que el error ocurre en todos los casos, es sistemático. Las conclusiones que extraiga basándose en esos datos seguirán siendo incorrectas. Pero el error puede reproducirse en el futuro (p. ej., utilizando el mismo instrumento mal ajustado).

Un error en la codificación que afecta todas las respuestas para esa pregunta en particular es otro ejemplo de un error sistemático.

La validez de un estudio depende del grado de error sistemático. La validez generalmente se separa en dos componentes:

• La validez interna depende de la cantidad de error en las mediciones, incluida la exposición, la enfermedad y las asociaciones entre estas variables. Una buena validez interna implica la falta de error en la medición y sugiere que se pueden extraer inferencias al menos en lo que respecta a los temas en estudio.
• La validez externa pertenece al proceso de generalización de los hallazgos del estudio a la población de la que se extrajo la muestra (o incluso más allá de esa población a una declaración más universal). Esto requiere una comprensión de qué condiciones son relevantes (o irrelevantes) para la generalización. La validez interna es claramente un requisito previo para la validez externa.

Sesgo de selección

El sesgo de selección ocurre cuando los sujetos del estudio son seleccionados o se convierten en parte del estudio como resultado de una tercera variable no medida que está asociada tanto con la exposición como con el resultado de interés. Por ejemplo, se ha señalado repetidamente que los fumadores de cigarrillos y los no fumadores tienden a diferir en sus tasas de participación en el estudio. (Sackett D cita el ejemplo de Seltzer et al., en el que el 85 % de los no fumadores y el 67 % de los fumadores devolvieron los cuestionarios enviados por correo). asociado con una diferencia sistemática en el resultado entre los dos grupos de respuesta.

Sesgo de información

El sesgo de información es el sesgo que surge del error sistemático en la evaluación de una variable. Un ejemplo de esto es el sesgo de memoria. Sackett brinda nuevamente un ejemplo típico en su discusión de un estudio que examina el efecto de exposiciones específicas en la salud fetal: "al interrogar a madres cuyos embarazos recientes habían terminado en muerte o malformación fetal (casos) y un grupo emparejado de madres cuyos embarazos terminaron normalmente (controles) se encontró que el 28% de los primeros, pero solo el 20% de los segundos, informaron exposición a drogas que no pudieron ser comprobadas ni en entrevistas prospectivas anteriores ni en otros registros de salud". En este ejemplo, el sesgo de recuerdo probablemente ocurrió como resultado de que las mujeres que habían tenido abortos espontáneos tenían una aparente tendencia a recordar mejor y, por lo tanto, informar exposiciones previas.

Confuso

La confusión se ha definido tradicionalmente como el sesgo que surge de la concurrencia o combinación de efectos de factores extraños, denominados factores de confusión, con los efectos principales de interés. Una definición más reciente de confusión invoca la noción de efectos contrafácticos. De acuerdo con este punto de vista, cuando uno observa un resultado de interés, digamos Y=1 (en oposición a Y=0), en una población A dada que está completamente expuesta (es decir, exposición X = 1 por cada unidad de la población) el riesgo de este evento será R _A1. El riesgo contrafáctico o no observado R _A0 corresponde al riesgo que se habría observado si estos mismos individuos no hubieran estado expuestos (es decir, X = 0 para cada unidad de población). Por lo tanto, el verdadero efecto de la exposición es: R _A1 − R _A0 (si uno está interesado en las diferencias de riesgo) o R _A1 / R _A0 (si uno está interesado en el riesgo relativo). Dado que el riesgo contrafactual R _A0 no es observable, lo aproximamos usando una segunda población B y en realidad medimos las siguientes relaciones: R _A1 − R _B0 o R _A1 / R _B0. En esta situación, la confusión ocurre cuando R _A0 ≠ R _B0.(NB: el ejemplo asume variables binarias de resultado y exposición).

Algunos epidemiólogos prefieren pensar en la confusión por separado de las categorizaciones comunes de sesgo ya que, a diferencia del sesgo de selección e información, la confusión surge de efectos causales reales.

La profesión

Pocas universidades han ofrecido la epidemiología como un curso de estudio a nivel de pregrado. Existe un programa de pregrado notable en la Universidad Johns Hopkins, donde los estudiantes que se especializan en salud pública pueden tomar cursos de posgrado, incluida la epidemiología, durante su último año en la Escuela de Salud Pública de Bloomberg.

Si bien la investigación epidemiológica es realizada por personas de diversas disciplinas, incluidos profesionales clínicamente capacitados como médicos, la capacitación formal está disponible a través de programas de maestría o doctorado, que incluyen Maestría en Salud Pública (MPH), Maestría en Ciencias de la Epidemiología (MSc.), Doctorado en Salud Pública. Salud (DrPH), Doctor en Farmacia (PharmD), Doctor en Filosofía (PhD), Doctor en Ciencias (ScD). Muchos otros programas de posgrado, por ejemplo, Doctor en Trabajo Social (DSW), Doctor en Práctica Clínica (DClinP), Doctor en Medicina Podológica (DPM), Doctor en Medicina Veterinaria (DVM), Doctor en Práctica de Enfermería (DNP), Doctor en Medicina Física (DPT), o para médicos clínicamente capacitados, Doctor en Medicina (MD) o Licenciado en Medicina y Cirugía (MBBS o MBChB) y Doctor en Medicina Osteopática (DO), incluir algún tipo de formación en investigación epidemiológica o temas relacionados, pero esta formación suele ser considerablemente menor que la que se ofrece en los programas de formación centrados en epidemiología o salud pública. Reflejando el fuerte vínculo histórico entre la epidemiología y la medicina, los programas formales de capacitación pueden establecerse en las escuelas de salud pública y en las facultades de medicina.

Como profesionales de la salud pública/protección de la salud, los epidemiólogos trabajan en varios entornos diferentes. Algunos epidemiólogos trabajan 'en el campo'; es decir, en la comunidad, comúnmente en un servicio de salud pública/protección de la salud, y con frecuencia están al frente de la investigación y el combate de brotes de enfermedades. Otros trabajan para organizaciones sin fines de lucro, universidades, hospitales y entidades gubernamentales más grandes, como los departamentos de salud estatales y locales, varios Ministerios de Salud, Médicos sin Fronteras, los Centros para el Control y la Prevención de Enfermedades (CDC), la Agencia de Protección de la Salud, el World Organización Mundial de la Salud (OMS), o la Agencia de Salud Pública de Canadá. Los epidemiólogos también pueden trabajar en organizaciones con fines de lucro, como compañías farmacéuticas y de dispositivos médicos, en grupos como investigación de mercado o desarrollo clínico.

COVID-19

Un artículo de abril de 2020 de la Universidad del Sur de California señaló que "La epidemia de coronavirus... empujó la epidemiología, el estudio de la incidencia, la distribución y el control de la enfermedad en una población, al frente de las disciplinas científicas en todo el mundo e incluso convirtió a celebridades temporales en de algunos de sus practicantes".