PARTE XI · Medicina, salud y salud pública
102
Epidemiología: investigar la salud de poblaciones
Comparar poblaciones exige definir quién, cuándo, respecto de qué y con qué posibilidad de haber sido observado
En este capítulo
Contar casos parece sencillo hasta que se pregunta quién pudo entrar en el conteo. Un hospital observa a quienes llegan, un laboratorio a quienes reciben una prueba y un registro a quienes cumplen una definición. La epidemiología estudia la distribución de estados de salud y sus determinantes en poblaciones; su materia prima no son números aislados, sino numeradores ligados a denominadores, tiempo y mecanismos de observación.
102.1. Incidencia, prevalencia y mortalidad#
La incidencia cuenta casos nuevos durante un periodo entre personas inicialmente susceptibles. Puede expresarse como riesgo acumulado —proporción que desarrolla el resultado— o como tasa por tiempo-persona cuando el seguimiento difiere.
La prevalencia es la proporción que presenta una condición en un momento o periodo. Aumenta cuando entran casos nuevos o duran más; disminuye con recuperación, muerte o salida de la población. Por eso una prevalencia alta puede reflejar mucha incidencia, larga supervivencia o ambas.
La mortalidad necesita denominador y periodo. Una tasa de mortalidad poblacional no equivale a letalidad, que es la proporción de personas con una enfermedad que muere por ella en condiciones definidas. Comparar sin ajustar edad puede confundir poblaciones con estructuras demográficas distintas.
Una definición de caso debe ser reproducible y útil. Si cambia la prueba, el acceso o el criterio, cambia la serie observada aunque el proceso biológico permanezca. Las tendencias requieren documentar esos cambios.
102.2. Comparar riesgos absolutos y relativos#
El riesgo absoluto responde cuántas personas experimentan el resultado. El riesgo relativo compara dos riesgos; la diferencia de riesgos los resta. Si un evento pasa de 2 por 1000 a 1 por 1000, el riesgo relativo es 0,5 y la reducción relativa 50 %, mientras la reducción absoluta es 1 por 1000.
El efecto relativo ayuda a comparar asociaciones; el absoluto informa cuántos eventos podrían cambiar en una población. Para decidir también importan duración, daños, costos y riesgo basal. Un efecto relativo idéntico produce beneficios absolutos distintos en grupos de riesgo diferente.
No debe confundirse asociación con causalidad. Una exposición puede acompañar a un desenlace porque comparte una causa, porque el desenlace cambió la exposición o porque la medición seleccionó grupos incomparables.
102.3. Cohortes, casos y controles y ensayos#
Una cohorte clasifica personas por exposición y observa desenlaces. Permite estimar incidencia y estudiar varias consecuencias, pero exposición y seguimiento pueden diferir entre grupos. Un estudio de casos y controles parte del desenlace y reconstruye exposiciones; es eficiente para resultados raros, aunque no estima riesgo directamente sin información adicional.
Un ensayo aleatorizado asigna una intervención al azar. La aleatorización tiende a equilibrar causas conocidas y desconocidas, pero no corrige pérdidas diferenciales, incumplimiento o medición sesgada. Además, no siempre es ética o posible.
Los estudios transversales capturan exposición y condición a la vez; describen carga, pero a menudo no aclaran qué apareció primero. Las series ecológicas comparan grupos y pueden revelar patrones poblacionales, aunque una relación entre países no implica la misma relación entre individuos.
102.4. Confusión, sesgos y validez externa#
La confusión aparece cuando una tercera variable influye en exposición y desenlace. Si quienes reciben un tratamiento están más enfermos, podrían tener peores resultados incluso si el tratamiento ayuda. Ajustar estadísticamente requiere haber medido bien los factores; no elimina lo desconocido.
El sesgo de selección surge cuando entrar o permanecer en el estudio depende de exposición y resultado. El sesgo de información aparece cuando grupos recuerdan, informan o son medidos de modo diferente. La clasificación imperfecta puede diluir o crear asociaciones.
La validez interna pregunta si el estudio estima bien el efecto en su muestra. La externa pregunta a quién, dónde y cuándo puede trasladarse. Una muestra muy controlada puede sostener una inferencia causal y aun representar mal a personas con multimorbilidad o contextos distintos.
Clave de lectura. El depósito representa casos existentes; sus entradas y salidas alteran prevalencia. La malla superior recuerda que vigilancia y realidad no coinciden exactamente.
102.5. Carga de enfermedad y medidas poblacionales#
Contar muertes omite enfermedad no mortal; contar diagnósticos omite gravedad y duración. Las medidas de carga combinan dimensiones. Los años de vida perdidos estiman muerte prematura respecto de una referencia; los años vividos con discapacidad ponderan tiempo en estados de salud. Su suma forma los años de vida ajustados por discapacidad.
Estas medidas permiten comparar problemas, pero incorporan supuestos sobre referencia, ponderaciones y calidad de datos. No miden el valor de una vida ni deciden por sí solas prioridades. Una condición infrecuente puede merecer recursos por gravedad, inequidad o existencia de una intervención eficaz.
La estratificación revela promedios engañosos. Desagregar por edad, sexo, territorio, ingreso o discapacidad puede mostrar que una mejora general coexistió con brechas mayores. Las categorías deben emplearse con cuidado para no naturalizar desigualdades sociales.
102.6. Vigilancia epidemiológica y calidad de los registros#
La vigilancia es la recopilación, análisis, interpretación y difusión sistemática de datos para actuar. No es idéntica a investigación: prioriza oportunidad y continuidad, a veces con menos detalle individual.
La vigilancia pasiva depende de notificaciones rutinarias y suele omitir casos; la activa busca información directamente y consume más recursos. Sitios centinela siguen lugares seleccionados. Encuestas y aguas residuales pueden captar fenómenos que no llegan a consulta, pero exigen modelos para traducir señal en población.
Un aumento observado puede significar más transmisión, mejor detección, nueva definición o retrasos acumulados. Calidad incluye completitud, oportunidad, representatividad, consistencia y protección de privacidad. Corregir registros no es una tarea administrativa menor: cambia qué problemas resultan visibles.
Preguntas de transferencia#
La prevalencia aumentó, así que hay más casos nuevos#
Ejemplo construido. Una terapia prolonga la vida con una condición y años después aumenta la prevalencia.
Mostrar respuesta razonada
La prevalencia también crece cuando la duración aumenta. Hace falta incidencia para afirmar más casos nuevos. El aumento puede reflejar supervivencia mejorada.
Una reducción relativa de 50 % siempre es grande#
Ejemplo construido. Un evento baja de 2 a 1 por cada 10 000 personas.
Mostrar respuesta razonada
El cambio relativo es 50 %, pero el absoluto es un evento por 10 000 durante el periodo. Para valorar la intervención deben compararse beneficio absoluto, daños, costos y riesgo basal.
Un ensayo aleatorizado se aplica a cualquier población#
Ejemplo construido. El ensayo excluyó a mayores y personas con varias enfermedades.
Mostrar respuesta razonada
La aleatorización protege la comparación interna; no garantiza transportabilidad. Deben revisarse población, intervención, entorno, adherencia y desenlaces.
Más notificaciones demuestran un brote mayor#
Ejemplo construido. Un país introduce una prueba rápida y duplican los casos registrados.
Mostrar respuesta razonada
Puede haber aumento real, pero también mayor detección. Hospitalizaciones, positividad, muestreo, definiciones y fechas ayudan a separar mecanismo epidemiológico de cambio de observación.
Fuentes y lecturas del capítulo#
Centers for Disease Control and Prevention. Principles of Epidemiology in Public Health Practice. Manual sobre medidas, diseños, causalidad, brotes y vigilancia. (CDC Stacks)
World Health Organization. Surveillance in emergencies. Define vigilancia y sus funciones de alerta, seguimiento y evaluación. (OMS)
World Health Organization. WHO methods and data sources for global burden of disease estimates. Expone fuentes, modelos y supuestos de las medidas de carga. (OMS)
Rothman, Kenneth J.; Greenland, Sander y Timothy L. Lash. Modern Epidemiology. Referencia sobre diseño, sesgo, confusión y razonamiento causal. (Wolters Kluwer)