Hispanopedia Wiki
Articulo de referencia

Epidemiología

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

Hispanopedia WikiContenido en espanolLectura gratuita

La epidemiología es el estudio y análisis de la distribución (quién, cuándo y dónde), los patrones y los determinantes de las condiciones de salud y enfermedad en una población definida , y la aplicación de este conocimiento para prevenir enfermedades.

Es un pilar fundamental de la salud pública y moldea las decisiones políticas y la práctica basada en la evidencia al identificar factores de riesgo de enfermedades y objetivos para la atención médica preventiva . Los epidemiólogos colaboran en el diseño de estudios, la recopilación y el análisis estadístico de datos, así como en la interpretación y difusión de resultados (incluida la revisión por pares y, ocasionalmente, la revisión sistemática ). La epidemiología ha contribuido al desarrollo de la metodología utilizada en la investigación clínica , los estudios de salud pública y, en menor medida, la investigación básica en ciencias biológicas. [ 1 ]

Las principales áreas de estudio epidemiológico incluyen la causalidad de enfermedades, la transmisión , la investigación de brotes , la vigilancia epidemiológica , la epidemiología ambiental , la epidemiología forense , la epidemiología ocupacional , el cribado , la biomonitorización y la comparación de los efectos de los tratamientos, como en los ensayos clínicos . Los epidemiólogos se basan en otras disciplinas científicas como la biología para comprender mejor los procesos de las enfermedades, la estadística para utilizar eficazmente los datos y extraer conclusiones apropiadas, las ciencias sociales para comprender mejor las causas próximas y distales, y la ingeniería para la evaluación de la exposición .

La epidemiología, que literalmente significa «el estudio de lo que afecta a las personas», deriva del griego epi « sobre, entre » , demos « pueblo » y logos « estudio » , refiriéndose al estudio de las poblaciones humanas . Sin embargo, el término se usa ampliamente en estudios de poblaciones zoológicas ( epidemiología veterinaria ), aunque históricamente se utilizaba el término « epizootiología ». [ 2 ] La «epidemiología» también se ha aplicado a estudios de poblaciones vegetales ( epidemiología botánica o de enfermedades de las plantas ). [ 3 ]   

La distinción entre «epidemia» y «endemia» fue establecida por primera vez por Hipócrates , [ 4 ] El término «epidemiología» parece haber sido utilizado por primera vez para describir el estudio de las epidemias en 1802 por el médico español Joaquín de Villalba en Epidemiología Española . Los epidemiólogos también estudian la interacción de enfermedades en una población, una condición conocida como sindemia .

El término epidemiología se aplica actualmente de forma generalizada para abarcar la descripción y la causalidad no solo de las enfermedades infecciosas y epidémicas , sino también de las enfermedades en general, incluyendo afecciones relacionadas y, especialmente desde el siglo XX, enfermedades crónicas como la diabetes, las enfermedades cardiovasculares y el cáncer. Algunos ejemplos de temas estudiados mediante la epidemiología son la hipertensión, las enfermedades mentales y la obesidad . Por lo tanto, esta disciplina se basa en cómo el patrón de la enfermedad provoca cambios en el funcionamiento de los seres humanos.

Historia

El médico griego Hipócrates , discípulo de Demócrito, conocido como el padre de la medicina , [ 5 ] [ 6 ] buscó una lógica para la enfermedad; es la primera persona conocida que examinó las relaciones entre la aparición de enfermedades y las influencias ambientales. [ 7 ] 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 para la enfermedad consistía en eliminar o añadir el humor en cuestión para equilibrar el cuerpo. Esta creencia condujo a la aplicación de la sangría y la dieta en la medicina. [ 8 ] Acuñó los términos endémico (para enfermedades que se encuentran generalmente en algunos lugares pero no en otros) y epidemia (para enfermedades que se observan en algunos momentos pero no en otros). [ 9 ]

era moderna

A mediados del siglo XVI, un médico veronés llamado Girolamo Fracastoro fue el primero en proponer la teoría de que las partículas diminutas e invisibles que causan enfermedades estaban vivas. Se creía que podían propagarse por el aire, multiplicarse por sí mismas y ser destruidas por el fuego. De esta manera, refutó la teoría del miasma de Galeno (gas venenoso en personas enfermas). En 1543 escribió el 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 potente por Antonie van Leeuwenhoek en 1675 proporcionó evidencia visual de partículas vivas, compatible con la teoría microbiana de las enfermedades . [ 10 ]

Durante la dinastía Ming , Wu Youke (1582-1652) desarrolló la idea de que algunas enfermedades eran causadas por agentes transmisibles, a los que denominó Li Qi (戾气 o factores pestilentes), al observar diversas epidemias que asolaban su entorno entre 1641 y 1644. [ 11 ] Su libro Wen Yi Lun (瘟疫论, Tratado sobre la peste/Tratado sobre las enfermedades epidémicas) puede considerarse la principal obra etiológica que impulsó este concepto. [ 12 ] Sus conceptos aún se tenían en cuenta al analizar el brote de SARS por la OMS en 2004 en el contexto de la medicina tradicional china. [ 13 ]

Otro pionero, Thomas Sydenham (1624-1689), fue el primero en distinguir las fiebres de los londinenses a finales del siglo XVII. Sus teorías sobre la cura de las fiebres encontraron mucha resistencia por parte de los médicos tradicionales de la época. No logró encontrar la causa inicial de la viruela que investigó y trató. [ 8 ]

John Graunt , mercero y estadístico aficionado, publicó en 1662 Observaciones naturales y políticas sobre los registros de mortalidad. En él, analizó los registros de mortalidad de Londres antes de la Gran Peste , presentó una de las primeras tablas de mortalidad e informó sobre las tendencias temporales de muchas enfermedades, tanto nuevas como antiguas. Proporcionó evidencia estadística para numerosas teorías sobre las enfermedades y también refutó algunas ideas muy extendidas al respecto. [ 14 ]

Mapa original de John Snow que muestra los focos de casos de cólera en la epidemia de Londres de 1854.

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). [ 15 ] [ 16 ] Comenzó al observar las tasas de mortalidad significativamente más altas en dos áreas abastecidas por la 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 la manija; 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 fundacional de la ciencia de la epidemiología, habiendo ayudado a dar forma a las políticas de salud pública en todo el mundo. [ 17 ] [ 18 ] Sin embargo, la investigación de Snow y las medidas preventivas para evitar nuevos brotes no fueron plenamente aceptadas ni puestas en práctica hasta después de su muerte debido a la Teoría del Miasma predominante en ese momento, un modelo de enfermedad en el que se culpaba a la mala calidad del aire de las enfermedades. Esto se utilizó para justificar las altas tasas de infección en zonas empobrecidas en lugar de abordar los problemas subyacentes de la mala nutrición y el saneamiento, y su trabajo demostró que era falso. [ 19 ]

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 de Islandia . [ 20 ] 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 suspendieron el procedimiento. La desinfección no se generalizó hasta que el cirujano británico Joseph Lister , con la ayuda de su colega, el químico Thomas Anderson , pudo "descubrir" los antisépticos en 1865 basándose en el trabajo previo de Louis Pasteur . [ 21 ]

A principios del siglo XX, Ronald Ross , Janet Lane-Claypon , Anderson Gray McKendrick y otros introdujeron métodos matemáticos en la epidemiología . [ 22 ] [ 23 ] [ 24 ] [ 25 ] En 1927, William Ogilvy Kermack y Anderson Gray McKendrick publicaron el modelo fundamental SIR (Susceptible-Infectado-Recuperado) , aplicando la cinética de acción de masas de la química a la transmisión de enfermedades en poblaciones. [ 26 ] En un desarrollo paralelo durante la década de 1920, el patólogo germano-suizo 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 avanzaron métodos para estudiar el cáncer, una enfermedad con patrones y modos de ocurrencia que no podían estudiarse adecuadamente con los métodos desarrollados para las epidemias de enfermedades infecciosas. La patología geográfica se combinó finalmente con la epidemiología de las enfermedades infecciosas para formar el campo que hoy conocemos como epidemiología. [ 27 ]

Otro avance importante fue la publicación en 1954 de los resultados del Estudio de Médicos Británicos , dirigido por Richard Doll y Austin Bradford Hill , que proporcionó un sólido respaldo estadístico al vínculo entre el tabaquismo y el cáncer de pulmón . [ 28 ]

A finales del siglo XX, con el avance de las ciencias biomédicas, se identificaron varios marcadores moleculares en sangre, otras muestras biológicas y el medio ambiente como predictores del desarrollo o el riesgo de ciertas enfermedades. La investigación epidemiológica que examina la relación entre estos biomarcadores, analizados a nivel molecular, y las enfermedades se denominó, en términos generales, " epidemiología molecular ". En concreto, el término " epidemiología genética " se ha utilizado para el estudio de la variación genética de la línea germinal y las enfermedades. La variación genética se determina típicamente mediante el análisis del ADN de los leucocitos de sangre periférica.

siglo XXI

Desde la década de 2000, los estudios de asociación de genoma completo (GWAS) se han realizado comúnmente para identificar factores de riesgo genéticos para muchas enfermedades y afecciones de salud. [ 29 ]

Aunque la mayoría de los estudios de epidemiología molecular siguen utilizando sistemas convencionales de diagnóstico y clasificación de enfermedades, cada vez se reconoce más que la progresión de la enfermedad representa procesos inherentemente heterogéneos que difieren de persona a persona. Conceptualmente, cada individuo tiene un proceso de enfermedad único, diferente de cualquier otro individuo ("el principio de enfermedad única"), [ 30 ] [ 31 ] 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 la patología molecular en epidemiología planteó desafíos únicos, incluyendo la falta de directrices de investigación y metodologías estadísticas estandarizadas , y la escasez de expertos interdisciplinarios y programas de capacitación. [ 32 ] Además, el concepto de heterogeneidad de la enfermedad parece entrar 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 avanzar en la ciencia de la salud poblacional en la era de la medicina de precisión molecular , la "patología molecular" y la "epidemiología" se integraron para crear un nuevo campo interdisciplinario de " epidemiología patológica molecular " (EPM), [ 33 ] [ 34 ] definido como "epidemiología de la patología molecular y la heterogeneidad de la enfermedad". En la EPM, 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 de la EPM se puede aplicar no solo a enfermedades neoplásicas sino también a enfermedades no neoplásicas. [ 35 ] El concepto y paradigma de la EPM se generalizaron en la década de 2010. [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ]

Para 2012, se reconoció que la evolución de muchos patógenos es lo suficientemente rápida como para ser altamente relevante para la epidemiología, y que, por lo tanto, se podría obtener mucho de un enfoque interdisciplinario de las enfermedades infecciosas que integre la epidemiología y la evolución molecular para "informar estrategias de control, o incluso el tratamiento de pacientes". [ 43 ] [ 44 ] Los estudios epidemiológicos modernos pueden utilizar estadísticas avanzadas y aprendizaje automático para crear modelos predictivos , así como para definir los efectos del tratamiento. [ 45 ] [ 46 ] Existe un reconocimiento creciente de que una amplia gama de fuentes de datos modernas, muchas de las cuales no se originan en la atención médica o la epidemiología, pueden utilizarse para el estudio epidemiológico. Dicha epidemiología digital puede incluir datos de búsquedas en internet, registros de teléfonos móviles y ventas minoristas de medicamentos.

Tipos de estudios

Jerarquía de los estudios epidemiológicos

Los epidemiólogos emplean una variedad de diseños de estudio, desde el observacional hasta el experimental, y generalmente se clasifican como descriptivos (que implican la evaluación de datos que abarcan el tiempo, el lugar y la persona), analíticos (que buscan examinar más a fondo asociaciones conocidas o relaciones hipotéticas) y experimentales (un término que a menudo se equipara con ensayos clínicos o comunitarios de tratamientos y otras intervenciones). En los estudios observacionales, se permite que la naturaleza "siga su curso", ya que los epidemiólogos observan desde la distancia. Por el contrario, en los estudios experimentales, el epidemiólogo es quien controla todos los factores que intervienen en un caso de estudio determinado. [ 47 ] Los estudios epidemiológicos tienen como objetivo, siempre que sea posible, revelar relaciones imparciales entre exposiciones como el alcohol o el tabaquismo, agentes biológicos , estrés o sustancias químicas y la mortalidad o morbilidad . La identificación de relaciones causales entre estas exposiciones y resultados es un aspecto importante de la epidemiología. Los epidemiólogos modernos utilizan la informática y la infodemiología [ 48 ] [ 49 ] como herramientas. [ 50 ] [ 51 ] [ 52 ]

Los estudios observacionales tienen dos componentes: descriptivo y analítico. Las observaciones descriptivas se refieren al "quién, qué, dónde y cuándo ocurre un estado relacionado con la salud". Sin embargo, las observaciones analíticas se centran más en el "cómo" de un evento relacionado con la salud. [ 47 ] La epidemiología experimental contiene tres tipos de casos: ensayos controlados aleatorios (a menudo utilizados para probar un nuevo medicamento o fármaco), ensayos de campo (realizados en personas con alto riesgo de contraer una enfermedad) y ensayos comunitarios (investigación sobre enfermedades de origen social). [ 47 ]

El término «tríada epidemiológica» se utiliza para describir la intersección del huésped , el agente y el ambiente en el análisis de un brote. [ 53 ]

Serie 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, o a un factor estadístico con el potencial de producir enfermedad con períodos en los que no están expuestos. [ 54 ]

El primer tipo de estudio es puramente descriptivo y no puede utilizarse para inferir conclusiones sobre la población general de pacientes con esa enfermedad. Este tipo de estudios, en los que un clínico perspicaz identifica una característica inusual de una enfermedad o del historial de un paciente, puede 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 el seguimiento de la serie de casos a lo largo del tiempo para evaluar la historia natural de la enfermedad. [ 55 ]

Este último tipo, descrito formalmente como estudios de series de casos autocontrolados , divide el tiempo de seguimiento de cada paciente en periodos de exposición y no exposición, y utiliza procesos de regresión de Poisson con efectos fijos para comparar la tasa de incidencia de un resultado determinado entre ambos periodos. Esta técnica se ha utilizado ampliamente en el estudio de las reacciones adversas a la vacunación y, en algunos casos, ha demostrado proporcionar una potencia estadística comparable a la de los estudios de cohortes.

Estudios de casos y controles

Los estudios de casos y controles seleccionan sujetos en función de su estado de enfermedad. Se trata de un estudio retrospectivo. Un grupo de individuos con la enfermedad (el grupo de "casos") se compara con un grupo de individuos sin la enfermedad (el grupo de "controles"). Idealmente, el grupo de control debería provenir de la misma población que dio origen a los casos. El estudio de casos y controles analiza retrospectivamente las posibles exposiciones que ambos grupos (casos y controles) pudieron haber experimentado. Se construye una tabla de 2×2 que muestra los casos expuestos (A), los controles expuestos (B), los casos no expuestos (C) y los controles no expuestos (D). El estadístico generado para medir la asociación es la razón de probabilidades (OR), [ 56 ] que es la razón entre las probabilidades de exposición en los casos (A/C) y las probabilidades de exposición en los controles (B/D), es decir, OR = (AD/BC).

Si el OR es significativamente mayor que 1, la conclusión es que "quienes padecen la enfermedad tienen mayor probabilidad de haber estado expuestos", mientras que si es cercano a 1, es poco probable que exista una asociación entre la exposición y la enfermedad. Si el OR es mucho menor que uno, esto sugiere que la exposición es un factor protector en la etiología de la enfermedad. Los estudios de casos y controles suelen ser más rápidos y rentables que los estudios de cohortes , pero son sensibles a sesgos (como el sesgo de recuerdo y el sesgo de selección ). El principal desafío es identificar el grupo de control adecuado; la distribución de la exposición entre los miembros del grupo de control debe ser representativa de la distribución en la población que originó los casos. Esto se puede lograr extrayendo una muestra aleatoria de la población original en riesgo. Esto implica que el grupo de control puede incluir personas con la enfermedad en estudio cuando esta tiene una alta tasa de ataque en una población.

Una desventaja importante de los estudios de casos y controles es que, para ser considerados estadísticamente significativos, el número mínimo de casos requerido en el intervalo de confianza del 95% está relacionado con la razón de probabilidades mediante la siguiente ecuación:

casos totales=A+do=1,962(1+norte)(1ln⁡(OR))2(OR+2OR+1OR)≈15.5(1+norte)(1ln⁡(OR))2{\displaystyle {\text{casos totales}}=A+C=1.96^{2}(1+N)\left({\frac {1}{\ln(OR)}}\right)^{2}\left({\frac {OR+2{\sqrt {OR}}+1}{\sqrt {OR}}}\right)\approx 15.5(1+N)\left({\frac {1}{\ln(OR)}}\right)^{2}}

donde N es la razón de casos a controles. A medida que la razón de probabilidades se acerca a 1, el número de casos necesarios para la significación estadística tiende al infinito, lo que hace que los estudios de casos y controles sean prácticamente inútiles para razones de probabilidades bajas. Por ejemplo, para una razón de probabilidades de 1,5 y casos = controles, la tabla mostrada arriba se vería así:

Para una razón de probabilidades de 1,1:

Estudios de cohortes

Los estudios de cohortes seleccionan sujetos en función de su estado de exposición. Los sujetos del estudio deben estar en riesgo del resultado que se investiga al comienzo del estudio de cohortes; esto generalmente significa que deben estar libres de la enfermedad cuando comienza el estudio de cohortes. Se realiza un seguimiento de la cohorte 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 en el grupo expuesto, P e  = A / ( A + B ) sobre la probabilidad de enfermedad para una persona en el grupo no expuesto, P u = C / ( C + D ), es decir, RR = P e / P u .               

Al igual que con el OR, un RR mayor que 1 muestra asociación, donde la conclusión puede leerse como "aquellos que estuvieron expuestos tenían más probabilidades de desarrollar la enfermedad".

Los estudios prospectivos ofrecen muchas ventajas sobre los estudios de casos y controles. El riesgo relativo (RR) es una medida de efecto más potente que la razón de probabilidades (OR), ya que esta última es solo una estimación del RR, dado que la incidencia real no puede calcularse en un estudio de casos y controles donde los sujetos se seleccionan según su estado de enfermedad. En un estudio prospectivo, se puede establecer la temporalidad y controlar más fácilmente los factores de confusión. Sin embargo, son más costosos y existe una mayor probabilidad de perder sujetos durante el seguimiento debido al largo período de tiempo que dura 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 requeridos se reduce en 1/2 . 

Inferencia causal

Si bien la epidemiología a veces se considera un conjunto de herramientas estadísticas utilizadas para dilucidar las asociaciones entre las exposiciones y los resultados de salud, una comprensión más profunda de esta ciencia consiste en descubrir relaciones causales .

La afirmación de que " la correlación no implica causalidad " es un tema recurrente en gran parte de la literatura epidemiológica. Para los epidemiólogos, la clave reside 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 ampliar teorías, poner a prueba hipótesis y formular afirmaciones fundamentadas sobre qué relaciones son causales y cómo se produce dicha causalidad.

Los epidemiólogos enfatizan que la comprensión de " una causa, un efecto " es una creencia errónea y simplista. [ 57 ] La mayoría de los resultados, ya sean enfermedades o muertes, son causados ​​por una cadena o red compuesta por muchas causas componentes. [ 58 ] Las causas pueden distinguirse como condiciones necesarias, suficientes o probabilísticas. Si se puede identificar y controlar una condición necesaria (por ejemplo, anticuerpos contra un agente patógeno, energía en una lesión), se puede evitar el resultado perjudicial (Robertson, 2015). Una herramienta que se usa regularmente para conceptualizar la multicausalidad asociada con la enfermedad es el modelo de pastel causal . [ 59 ]

Criterios de Bradford Hill

En 1965, Austin Bradford Hill propuso una serie de consideraciones para ayudar a evaluar la evidencia de causalidad, [ 60 ] que se conocen comúnmente como los " criterios de Bradford Hill ". A diferencia de las intenciones explícitas de su autor, las consideraciones de Hill ahora se enseñan a veces como una lista de verificación para implementar en la evaluación de la causalidad. [ 61 ] El propio 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 exigirse sine qua non ". [ 60 ]

  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. [ 60 ]
  2. Consistencia de los datos : Los hallazgos consistentes observados por diferentes personas en diferentes lugares con diferentes muestras refuerzan la probabilidad de un efecto. [ 60 ]
  3. Especificidad : La causalidad es probable si se trata de una población muy específica en un sitio y enfermedad específicos sin otra explicación plausible. Cuanto más específica sea la asociación entre un factor y un efecto, mayor será la probabilidad de una relación causal. [ 60 ]
  4. Temporalidad : El efecto debe 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). [ 60 ]
  5. Gradiente biológico : Una mayor exposición generalmente debería conllevar 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: una mayor exposición conlleva una menor incidencia. [ 60 ]
  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). [ 60 ]
  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 dicha evidencia [de laboratorio] no puede anular el efecto epidemiológico sobre las asociaciones». [ 60 ]
  8. Experimento : "En ocasiones es posible recurrir a la evidencia experimental". [ 60 ]
  9. Analogía : Se puede considerar el efecto de factores similares. [ 60 ]

Los estudios epidemiológicos solo pueden demostrar que un agente podría haber causado, pero no que haya causado, un efecto en un caso particular:

La epidemiología se ocupa de la incidencia de enfermedades en poblaciones y no aborda la cuestión de la causa de la enfermedad de un individuo. Esta cuestión, a veces denominada causalidad específica, está fuera del ámbito de la ciencia epidemiológica. La epidemiología tiene sus límites cuando se infiere que la relación entre un agente y una enfermedad es causal (causalidad general) y cuando se ha determinado la magnitud del riesgo adicional atribuido al agente; es decir, la epidemiología analiza si un agente puede causar una enfermedad, no si un agente causó la enfermedad de un demandante específico. [ 62 ]

En el derecho estadounidense, la epidemiología por sí sola no puede probar que no existe una relación causal en general. Por el contrario, los tribunales estadounidenses pueden utilizarla (y en algunas circunstancias la utilizan), en un caso particular, para justificar la inferencia de que sí existe una relación causal, basándose en la probabilidad .

La subdisciplina de la epidemiología forense se centra en la investigación de las causas específicas de enfermedades o lesiones en individuos o grupos de individuos, en casos en los que la causalidad es objeto de controversia o no está clara, para su presentación en contextos legales.

Gestión sanitaria basada en la población

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

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

  • Evaluar el estado de salud y las necesidades sanitarias de una población objetivo;
  • Implementar y evaluar intervenciones diseñadas para mejorar la salud de esa población; y
  • Proporcionar atención médica de manera eficiente y eficaz a los miembros de esa población, de forma coherente con los valores culturales, políticos y de recursos sanitarios de la comunidad.

La gestión sanitaria moderna basada en la población es compleja y requiere un conjunto de habilidades múltiples (médicas, políticas, tecnológicas, matemáticas, etc.), de las cuales la práctica y el análisis epidemiológicos constituyen un componente fundamental. Este componente se integra con la ciencia de la gestión para proporcionar una atención sanitaria y una orientación sanitaria eficientes y eficaces a la población. Esta tarea exige la capacidad prospectiva de los enfoques modernos de gestión de riesgos, que transforman los factores de riesgo para la salud, la incidencia, la prevalencia y las estadísticas de mortalidad (derivadas del análisis epidemiológico) en indicadores de gestión que no solo guían la respuesta del sistema sanitario a los problemas de salud poblacionales actuales, sino también la manera de gestionarlo para responder mejor a futuros problemas de salud poblacionales potenciales. [ 63 ]

Ejemplos de organizaciones que utilizan la gestión de la salud basada en la población y 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 Salud Canadá, la Fundación Rick Hansen y la Iniciativa Canadiense de Investigación para el Control del Tabaco. [ 64 ] [ 65 ] [ 66 ]

Cada una de estas organizaciones utiliza un marco de gestión de la salud basado en la población llamado Vida en Riesgo que combina análisis epidemiológicos cuantitativos con datos demográficos, investigación operativa de agencias de salud y economía para realizar:

  • Simulaciones de impacto 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 los años potenciales de vida perdidos por discapacidad y muerte;
  • Simulaciones sobre el impacto en la vida de la fuerza laboral : Medición del impacto potencial futuro de las enfermedades en la fuerza laboral con respecto a nuevos casos de enfermedad, prevalencia, muerte prematura y años potenciales de vida perdidos por discapacidad y muerte;
  • Simulaciones de impactos económicos de enfermedades : Medición del impacto potencial futuro de las enfermedades en los ingresos disponibles del sector privado (salarios, beneficios empresariales, costes de la atención sanitaria privada) y en los ingresos disponibles del sector público (impuesto sobre la renta personal, impuesto sobre la renta de las empresas, impuestos al consumo, costes de la atención sanitaria financiada con fondos públicos ).

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, tasas de mortalidad y morbilidad, y el estado nutricional, entre otros indicadores de salud, con el fin de comunicar los resultados a quienes pueden implementar políticas o medidas de control de enfermedades adecuadas.

Contexto humanitario

A medida que la vigilancia y la notificación de enfermedades y otros factores de salud se vuelven cada vez más difíciles en situaciones de crisis humanitaria, las metodologías utilizadas para reportar los datos se ven comprometidas. Un estudio reveló que menos de la mitad (42,4 %) de las encuestas nutricionales realizadas en contextos humanitarios calcularon correctamente la prevalencia de la malnutrición, y solo un tercio (35,3 %) cumplió con los criterios de calidad. Entre las encuestas de mortalidad, solo el 3,2 % cumplió con dichos criterios. Dado que el estado nutricional y las tasas de mortalidad ayudan a determinar la gravedad de una crisis, el seguimiento y la notificación de estos factores de salud son cruciales.

Los registros vitales suelen ser la forma más eficaz de recopilar datos, pero en contextos humanitarios pueden ser inexistentes, poco fiables o inaccesibles. Por ello, la mortalidad a menudo se mide de forma imprecisa mediante la vigilancia demográfica prospectiva o las encuestas de mortalidad retrospectivas. La vigilancia demográfica prospectiva requiere mucho personal y es difícil de implementar en una población dispersa. Las encuestas de mortalidad retrospectivas son propensas a sesgos de selección y notificación. Se están desarrollando otros métodos, pero aún no son de uso común. [ 67 ] [ 68 ] [ 69 ] [ 70 ]

Caracterización, validez y sesgo

ola epidémica

El concepto de oleadas en las epidemias tiene implicaciones especialmente para las enfermedades transmisibles . Una definición operativa del término "ola epidémica" se basa en dos características clave: 1) comprende períodos de tendencias ascendentes o descendentes, y 2) estos aumentos o disminuciones deben ser sustanciales y sostenidos durante un período de tiempo, para distinguirlos de fluctuaciones menores o errores de notificación. [ 71 ] El uso de una definición científica consistente tiene como objetivo proporcionar un lenguaje uniforme que pueda utilizarse para comunicar y comprender la progresión de la pandemia de COVID-19, lo que ayudaría a las organizaciones de salud y a los responsables políticos en la planificación y asignación de recursos.

Validez

Los distintos campos de la epidemiología presentan diferentes niveles de validez. Una forma de evaluar la validez de los hallazgos es mediante la proporción de falsos positivos (efectos alegados que no son correctos) frente a falsos negativos (estudios que no respaldan un efecto real). En epidemiología genética , los estudios de genes candidatos pueden producir más de 100 falsos positivos por cada falso negativo. Por el contrario, los estudios de asociación de genoma completo parecen presentar una proporción casi inversa, con solo un falso positivo por cada 100 o más falsos negativos. [ 72 ] Esta proporción ha mejorado con el tiempo en epidemiología genética, gracias a la adopción de criterios rigurosos. En cambio, otros campos epidemiológicos no han exigido informes tan rigurosos y, como resultado, son mucho menos fiables. [ 72 ]

Error aleatorio

El error aleatorio es el resultado de fluctuaciones alrededor de un valor verdadero debido a la variabilidad del muestreo. El error aleatorio es precisamente eso: aleatorio. Puede ocurrir durante la recopilación, codificación, transferencia o análisis de datos. Ejemplos de errores aleatorios incluyen preguntas mal formuladas, un malentendido al interpretar la respuesta 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 corregirlo. Existe un error aleatorio en todos los procedimientos de muestreo : el error de muestreo .

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

Existen dos maneras básicas de reducir el error aleatorio en un estudio epidemiológico . La primera consiste en aumentar el tamaño de la muestra, es decir, incluir más participantes. La segunda consiste en reducir la variabilidad en las mediciones. Esto se puede lograr utilizando un instrumento de medición más preciso o aumentando el número de mediciones.

Cabe señalar que, si se aumenta el tamaño de la muestra o el número de mediciones, o si se adquiere un instrumento de medición más preciso, los costos del estudio suelen incrementarse. Generalmente, existe un delicado equilibrio entre la necesidad de una precisión adecuada y la cuestión práctica del costo del estudio.

Error sistemático

Un error sistemático o sesgo se produce cuando existe una diferencia entre el valor real (en la población) y el valor observado (en el estudio) debido a cualquier causa que no sea la variabilidad del muestreo. Un ejemplo de error sistemático es que, sin que usted lo sepa, el oxímetro de pulso que está utilizando esté mal configurado y sume dos puntos al valor real cada vez que se realiza una medición. El dispositivo de medición podría ser preciso, pero no exacto . Dado que el error se produce en cada caso, es sistemático. Las conclusiones que extraiga a partir de esos datos seguirán siendo incorrectas. Sin embargo, el error puede reproducirse en el futuro (por ejemplo, utilizando el mismo instrumento mal configurado).

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

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

  • La validez interna depende del margen de error en las mediciones, incluyendo la exposición, la enfermedad y las asociaciones entre estas variables. Una buena validez interna implica la ausencia de errores de medición y sugiere que se pueden extraer inferencias, al menos en lo que respecta a los sujetos estudiados.
  • La validez externa se refiere al proceso de generalizar los hallazgos del estudio a la población de la que se extrajo la muestra (o incluso más allá de esa población, para hacer una afirmación más universal). Esto requiere comprender qué condiciones son relevantes (o irrelevantes) para la generalización. La validez interna es, sin duda, un requisito previo para la validez externa.

sesgo de selección

El sesgo de selección ocurre cuando los sujetos de 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. [ 73 ] Por ejemplo, se ha observado repetidamente que los fumadores 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). [ 74 ] Tal diferencia en la respuesta no dará lugar a sesgo si no está también asociada con una diferencia sistemática en el resultado entre los dos grupos de respuesta.

sesgo informativo

El sesgo de información es un sesgo que surge de un error sistemático en la evaluación de una variable. [ 75 ] Un ejemplo de esto es el sesgo de recuerdo. Sackett proporciona un ejemplo típico en su análisis 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 fetal o malformación (casos) y a un grupo de madres emparejadas cuyos embarazos terminaron normalmente (controles), se encontró que el 28% de las primeras, pero solo el 20% de las segundas, informaron exposición a medicamentos que no pudieron ser corroborados ni en entrevistas prospectivas anteriores ni en otros registros de salud". [ 74 ] 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, a informar exposiciones previas.

Además del sesgo relacionado con la muestra y las variables, el sesgo también puede surgir de un diseño de estudio imperfecto. Un ejemplo es el sesgo de tiempo inmortal, donde durante el período de estudio, existe un intervalo durante el cual el evento de interés no puede ocurrir (lo que hace que estos individuos sean "inmortales"). [ 76 ] [ 77 ]

Confundido

Tradicionalmente, la confusión se ha definido como un sesgo que surge de la coexistencia o mezcla de efectos de factores extraños, denominados factores de confusión, con el/los efecto(s) principal(es) de interés. [ 75 ] [ 78 ] Una definición más reciente de confusión invoca la noción de efectos contrafactuales . [ 78 ] Según esta perspectiva, cuando se observa un resultado de interés, digamos Y=1 (en contraposición a Y=0), en una población A dada que está completamente expuesta (es decir, exposición X  =  1 para cada unidad de la población), el riesgo de este evento será R A1 . El riesgo contrafactual 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 la población). Por lo tanto, el verdadero efecto de la exposición es: R A1  − R A0 (si se está interesado en las diferencias de riesgo) o R A1 / R A0 (si se está interesado en el riesgo relativo). Dado que el riesgo contrafactual R A0 es inobservable, lo aproximamos utilizando una segunda población B y medimos las siguientes relaciones: R A1 − R B0 o R A1 / R B0 . En esta situación, se produce confusión cuando R A0 ≠ R B0 . [ 78 ] (Nota: El ejemplo asume variables de resultado y exposición binarias).     

Algunos epidemiólogos prefieren considerar la confusión por separado de las categorizaciones comunes de sesgo, ya que, a diferencia del sesgo de selección y de información, la confusión proviene de efectos causales reales. [ 73 ]

La profesión

Pocas universidades han ofrecido epidemiología como asignatura a nivel de pregrado. Existe un programa de pregrado en la Universidad Johns Hopkins en el que los estudiantes que se especializan en salud pública pueden tomar cursos de posgrado, incluyendo epidemiología, durante su último año en la Escuela de Salud Pública Bloomberg . [ 79 ] Además de sus maestrías y doctorados en epidemiología, la Escuela de Salud Pública de la Universidad de Michigan ha ofrecido programas de pregrado desde 2017 que incluyen cursos de epidemiología. [ 80 ] [ 81 ]

Aunque la investigación epidemiológica la llevan a cabo personas de diversas disciplinas, se ofrecen distintos niveles de formación en métodos epidemiológicos durante los programas de doctorado en farmacia , medicina , veterinaria , trabajo social , podología , enfermería , fisioterapia y psicología clínica , además de la formación formal que reciben los estudiantes de máster y doctorado en el ámbito de la salud pública.

Como profesionales de la salud pública, los epidemiólogos trabajan en diversos entornos. Algunos trabajan sobre el terreno (es decir, en la comunidad; generalmente en un servicio de salud pública) y suelen estar a la vanguardia en la investigación y el control de brotes de enfermedades. Otros trabajan para organizaciones sin ánimo de lucro, universidades, hospitales o entidades gubernamentales de mayor envergadura (por ejemplo, departamentos de salud estatales y locales en Estados Unidos), ministerios de salud, Médicos Sin Fronteras , los Centros para el Control y la Prevención de Enfermedades (CDC), la Agencia de Protección de la Salud , la 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 (por ejemplo, empresas farmacéuticas y de dispositivos médicos) en áreas como la investigación de mercado o el desarrollo clínico.

COVID-19

Un artículo de la Universidad del Sur de California de abril de 2020 señaló que, "La epidemia de coronavirus ... impulsó la epidemiología —el estudio de la incidencia, distribución y control de enfermedades en una población— a la vanguardia de las disciplinas científicas en todo el mundo e incluso convirtió temporalmente en celebridades a algunos de sus profesionales". [ 82 ]

Véase también

Referencias

Citas

  1. ↑ Porta M (2014). Diccionario de epidemiología (6.ª  ed.). Nueva York: Oxford University Press. ISBN 978-0-19-997673-7Consultado el 16 de julio de 2014 .
  2. ↑ Pritchard WR (1995). "El surgimiento de la epidemiología veterinaria como una disciplina distinta". Journal of the American Veterinary Medical Association . 206 (8): 1107– 1110. PMID 7790317 . 
  3. ↑ Nutter F Jr (1999). "Comprender las interrelaciones entre la epidemiología botánica, humana y veterinaria: las Y y las R de todo esto". Ecosystem Health . 5 (3): 131– 40. doi : 10.1046/j.1526-0992.1999.09922.x .
  4. ↑ Buck C, Llopis A, Nájera E, Terris M (1988). El desafío de la epidemiología: cuestiones y lecturas seleccionadas . Publicación científica. Washington, DC: Organización Panamericana de la Salud. pág. 3. ISBN  978-92-75-11505-3Archivado del original el 17 de septiembre de 2024. Consultado el 20 de noviembre de 2025 .{{cite book}}: CS1 maint: bot: estado de la URL original desconocido ( enlace )
  5. ↑ Alfredo Morabia (2004). Historia de los métodos y conceptos epidemiológicos . Birkhäuser. pág. 93. ISBN  978-3-7643-6818-0.
  6. ↑ Desarrollos históricos en epidemiología. Archivado el 19 de febrero de 2018 en Wayback Machine . Capítulo 2. Jones & Bartlett Learning LLC.
  7. ↑ Ray M. Merrill (2010). Introducción a la epidemiología . Jones & Bartlett Learning. pág. 24. ISBN  978-0-7637-6622-1.
  8. 1 2 Merril, Ray M., PhD, MPH. (2010): Introducción a la epidemiología , quinta edición. Capítulo 2: "Desarrollos históricos en epidemiología". Jones and Bartlett Publishing
  9. ↑ "Conceptos cambiantes: Antecedentes de la epidemiología" (PDF) . Duncan & Associates. Archivado del original (PDF) el 25 de julio de 2011. Consultado el 3 de febrero de 2008 .
  10. ↑ Lane N (19 de abril de 2015). "El mundo invisible: reflexiones sobre Leeuwenhoek (1677) 'Sobre los animales pequeños'"" . Philosophical Transactions of the Royal Society B: Biological Sciences . 370 (1666) 20140344. doi : 10.1098/rstb.2014.0344 . ISSN 0962-8436 . PMC 4360124 . PMID 25750239 .   
  11. ↑ Joseph PB (2012). Enciclopedia de la Peste Negra . ABC-CLIO. pág. 76. ISBN  978-1-59884-254-8Consultado el 24 de febrero de 2019 .
  12. ↑ Guobin X, Yanhui C, Lianhua X (2018). Introducción a la cultura china: historia cultural, artes, festivales y rituales . Springer. pág. 70. ISBN  978-981-10-8156-9Consultado el 24 de febrero de 2019 .
  13. ↑ «Informe 1: Investigación clínica sobre el tratamiento del SARS con medicina tradicional china integrada y medicina occidental» . SARS: Ensayos clínicos sobre el tratamiento con una combinación de medicina tradicional china y medicina occidental . Organización Mundial de la Salud. 2004. Archivado del original el 8 de junio de 2018. Consultado el 24 de febrero de 2019 .
  14. ↑ Connor H (febrero de 2024). "John Graunt FRS (1620-74): El padre fundador de la demografía humana, la epidemiología y las estadísticas vitales" . Journal of Medical Biography . 32 (1): 57– 69. doi : 10.1177/09677720221079826 . ISSN 1758-1087 . PMC 10919065. PMID 35167377 .   
  15. ↑ Vachon D (mayo-junio de 2005). "El doctor John Snow culpa a la contaminación del agua de la epidemia de cólera" . Departamento de Epidemiología de la UCLA, Escuela de Salud Pública . Archivado del original el 28 de diciembre de 2011.
  16. ↑ " John Snow, padre de la epidemiología ", NPR, Talk of the Nation . 24 de septiembre de 2004. Archivado el 20 de junio de 2017 en Wayback Machine .
  17. ↑ "Importancia de la nieve" . Escuela de Salud Pública Jonathan y Karin Fielding . Archivado del original el 17 de junio de 2021.
  18. ↑ "Dr. John Snow" . John Snow, Inc. y JSI Research & Training Institute, Inc. Archivado del original el 16 de junio de 2014.
  19. ↑ Johnson, Steven, El mapa fantasma: [la historia de la epidemia más aterradora de Londres y cómo cambió la ciencia, las ciudades y el mundo moderno] , OCLC 1062993385 
  20. ↑ Olafsson O (octubre de 1999). "PA Schleisner: un pionero en epidemiología". Journal of Clinical Epidemiology . 52 (10): 905– 907. doi : 10.1016/s0895-4356(99)00096-7 . ISSN 0895-4356 . PMID 10513751 .  
  21. ↑ Hollingham R (20 de agosto de 2020). "Los cirujanos pioneros que limpiaron hospitales inmundos" . www.bbc.com . Consultado el 11 de marzo de 2025 .
  22. ↑ Estadísticos de los siglos. Archivado el 30 de junio de 2022 en Wayback Machine . Por CC Heyde, Eugene Senet.
  23. ↑ Anderson Gray McKendrick Archivado el 22 de agosto de 2011 en Wayback Machine
  24. ↑ "Página principal" . Universidad de Southampton . Tel.: +4423 8059 5000 Fax: +4423 8059 3131 Universidad de Southampton University Road Southampton SO17 1BJ Reino Unido.
  25. ↑ "Orígenes y desarrollo inicial del estudio de casos y controles" (PDF) . Archivado del original (PDF) el 18 de enero de 2017. Consultado el 31 de agosto de 2013 .
  26. ↑ Kermack WO, McKendrick AG (agosto de 1927). "Una contribución a la teoría matemática de las epidemias" . Actas de la Royal Society de Londres. Serie A, que contiene artículos de carácter matemático y físico . 115 (772): 700–721 . doi : 10.1098/rspa.1927.0118 .
  27. ↑ Mueller LM (2019). "Cáncer en los trópicos: patología geográfica y la formación de la epidemiología del cáncer". BioSocieties . 14 (4): 512– 528. doi : 10.1057/s41292-019-00152-w . hdl : 1721.1/128433 . S2CID 181518236 . 
  28. ↑ "Estudio de los médicos británicos (1951–2001) | Enciclopedia del Proyecto Embrión" . embryo.asu.edu . Consultado el 27 de mayo de 2026 .
  29. ↑ "Hoja informativa sobre estudios de asociación de genoma completo" . Instituto Nacional de Investigación del Genoma Humano . 17 de agosto de 2020. Consultado el 17 de junio de 2024 .
  30. ↑ Ogino S, Fuchs CS, Giovannucci E (2012). "¿Cuántos subtipos moleculares? Implicaciones del principio del tumor único en la medicina personalizada" . Expert Rev Mol Diagn . 12 (6): 621–28 . doi : 10.1586/erm.12.46 . PMC 3492839. PMID 22845482 .  
  31. ↑ Ogino S, Lochhead P, Chan AT, Nishihara R, Cho E, Wolpin BM, Meyerhardt JA, Meissner A, Schernhammer ES, Fuchs CS, Giovannucci E (2013). "Epidemiología patológica molecular de la epigenética: ciencia integradora emergente para analizar el entorno, el huésped y la enfermedad" . Mod Pathol . 26 (4): 465–84 . doi : 10.1038/modpathol.2012.214 . PMC 3637979. PMID 23307060 .  
  32. ↑ Ogino S, King EE, Beck AH, Sherman ME, Milner DA, Giovannucci E (2012). "Educación interdisciplinaria para integrar patología y epidemiología: Hacia una ciencia de la salud molecular y poblacional" . Am J Epidemiol . 176 (8): 659– 67. doi : 10.1093/aje/kws226 . PMC 3571252. PMID 22935517 .  
  33. ↑ Ogino S, Stampfer M (2010). "Factores de estilo de vida e inestabilidad de microsatélites en el cáncer colorrectal: el campo en evolución de la epidemiología patológica molecular" . J Natl Cancer Inst . 102 (6): 365– 67. doi : 10.1093/jnci/djq031 . PMC 2841039. PMID 20208016 .  
  34. ↑ Ogino S, Chan AT, Fuchs CS, Giovannucci E (2011). "Epidemiología patológica molecular de la neoplasia colorrectal: un campo transdisciplinario e interdisciplinario emergente" . Gut . 60 ( 3): 397– 411. doi : 10.1136/gut.2010.217182 . PMC 3040598. PMID 21036793 .  
  35. ↑ Field AE, Camargo CA, Ogino S (2013). "Los méritos de la subtipificación de la obesidad: una talla no sirve para todos". JAMA . 310 (20): 2147– 48. doi : 10.1001/jama.2013.281501 . PMID 24189835 . 
  36. ↑ Curtin K, Slattery ML, Samowitz WS (2011). "Metilación de islas CpG en el cáncer colorrectal: pasado, presente y futuro" . Pathology Research International . 2011 902674. doi : 10.4061/2011/902674 . PMC 3090226. PMID 21559209 .  
  37. ^ Hughes LA, Khalid-de Bakker CA, Smits KM, den Brandt PA, Jonkers D, Ahuja N , Herman JG , Weijenberg MP, van Engeland M (2012). "El fenotipo metilador de la isla CpG en el cáncer colorrectal: avances y problemas" . Biochim Biophys Acta . 1825 (1): 77– 85. doi : 10.1016/j.bbcan.2011.10.005 . PMID 22056543 . 
  38. ↑ Ku CS, Cooper DN, Wu M, Roukos DH, Pawitan Y, Soong R, Iacopetta B (2012). "Descubrimiento de genes en síndromes de cáncer familiar mediante secuenciación del exoma: perspectivas para la elucidación del cáncer colorrectal familiar tipo X." Mod Pathol . 25 (8): 1055– 68. doi : 10.1038/modpathol.2012.62 . PMID 22522846 . 
  39. ↑ Chia WK, Ali R, Toh HC (2012). "Aspirina como terapia adyuvante para el cáncer colorrectal: reinterpretando paradigmas". Nat Rev Clin Oncol . 9 (10): 561– 70. doi : 10.1038/nrclinonc.2012.137 . PMID 22910681. S2CID 7425809 .  
  40. ↑ Spitz MR, Caporaso NE, Sellers TA (2012). " Epidemiología integrativa del cáncer: la próxima generación" . Cancer Discov . 2 (12): 1087– 90. doi : 10.1158/2159-8290.cd-12-0424 . PMC 3531829. PMID 23230187 .  
  41. ↑ Zaidi N, Lupien L, Kuemmerle NB, Kinlaw WB, Swinnen JV, Smans K (2013). "Lipogénesis y lipólisis: las vías explotadas por las células cancerosas para adquirir ácidos grasos" . Prog Lipid Res . 52 (4): 585–89 . doi : 10.1016/j.plipres.2013.08.005 . PMC 4002264. PMID 24001676 .  
  42. ↑ Ikramuddin S, Livingston EH (2013). "Nuevas perspectivas sobre los resultados de la cirugía bariátrica". JAMA . 310 (22): 2401– 02. doi : 10.1001/jama.2013.280927 . PMID 24189645 . 
  43. ↑ Little TJ, Allen JE, Babayan SA, Matthews KR, Colegrave N (2012). "Aprovechando la biología evolutiva para combatir las enfermedades infecciosas" . Nature Medicine . 18 (2): 217–20 . doi : 10.1038/nm.2572 . PMC 3712261. PMID 22310693 .  
  44. ↑ Pybus OG, Fraser C, Rambaut A (2013). " Epidemiología evolutiva: preparándose para una era de abundancia genómica" . Phil Trans R Soc B. 368 ( 1614) 20120193. doi : 10.1098/rstb.2012.0193 . PMC 3678320. PMID 23382418 .  
  45. ↑ Wiemken TL, Kelley RR (2020). "Aprendizaje automático en epidemiología e investigación de resultados de salud" . Annual Review of Public Health . 41 : 21–36 . doi : 10.1146/annurev-publhealth-040119-094437 . PMID 31577910 . 
  46. ↑ Bi Q, Goodman KE, Kaminsky J, Lessler J (2019). "¿Qué es el aprendizaje automático? Una introducción para el epidemiólogo". American Journal of Epidemiology . 188 (12): 2222– 2239. doi : 10.1093/aje/kwz189 . PMID 31509183 . 
  47. 1 2 3 "Principios de Epidemiología". Conceptos Clave en Salud Pública. Londres: Sage UK, 2009. Credo Reference. 1 de agosto de 2011. Web. 30 de septiembre de 2012.
  48. ↑ Eysenbach G (mayo de 2011). "Infodemiología e infovigilancia". American Journal of Preventive Medicine . 40 (5): S154– S158. doi : 10.1016/j.amepre.2011.02.006 . ISSN 0749-3797 . PMID 21521589 .  
  49. ↑ Eysenbach G (27 de marzo de 2009). "Infodemiología e infovigilancia: marco para un conjunto emergente de métodos de informática de salud pública para analizar el comportamiento de búsqueda, comunicación y publicación en Internet" . Journal of Medical Internet Research . 11 (1): e11. doi : 10.2196/jmir.1157 . ISSN 1438-8871 . PMC 2762766. PMID 19329408 .   
  50. ↑ Wyatt JC (1 de noviembre de 2002). " Conceptos básicos en informática médica" . Journal of Epidemiology & Community Health . 56 (11): 808– 812. doi : 10.1136/jech.56.11.808 . PMC 1732047. PMID 12388565 .  
  51. ↑ Mackey T, Baur C, Eysenbach G (14 de febrero de 2022). "Avances en la infodemiología en una era digital intensiva" . JMIR Infodemiology . 2 (1) e37115. doi : 10.2196/37115 . PMC 9987192. PMID 37113802 .  
  52. ↑ Mavragani A (28 de abril de 2020). "Infodemiología e infovigilancia: revisión exploratoria" . Journal of Medical Internet Research . 22 (4) e16206. doi : 10.2196/16206 . PMC 7189791. PMID 32310818 .  
  53. ↑ "Principios de Epidemiología | Lección 1 – Sección 8" . archive.cdc.gov . 17 de agosto de 2023. Consultado el 12 de septiembre de 2024 .
  54. ↑ Song JW, Chung KC (diciembre de 2010). "Estudios observacionales: estudios de cohortes y de casos y controles" . Cirugía plástica y reconstructiva . 126 (6): 2234– 2242. doi : 10.1097/PRS.0b013e3181f44abc . ISSN 0032-1052 . PMC 2998589. PMID 20697313 .   
  55. ↑ Hennekens CH, Julie E. Buring (1987). Mayrent, Sherry L. (ed.). Epidemiología en medicina . Lippincott, Williams and Wilkins. ISBN 978-0-316-35636-7.
  56. ↑ Bewick V, Cheek L, Ball J (febrero de 2004). "Revisión estadística 8: Datos cualitativos: pruebas de asociación" . Critical Care . 8 (1): 46– 53. doi : 10.1186/cc2428 . ISSN 1466-609X . PMC 420070. PMID 14975045 .   
  57. ↑ Woodward J (2010). "Causalidad en biología: estabilidad, especificidad y elección de niveles de explicación" . Biology & Philosophy . 25 (3): 287– 318. doi : 10.1007/s10539-010-9200-z . S2CID 42625229 – vía SpringerLink. 
  58. ↑ Rothman KJ (1986). Epidemiología moderna . Boston/Toronto: Little, Brown and Company. ISBN 978-0-316-75776-8.
  59. ↑ Rothman KJ (2012). Epidemiología: Una introducción (2.ª ed.). Nueva York, NY: Oxford University Press. pág. 24. ISBN   978-0-19-975455-7OCLC 750986180​​ 
  60. 1 2 3 4 5 6 7 8 9 10 11 Hill AB (1965). "El medio ambiente y la enfermedad: ¿asociación o causalidad?" . Actas de la Real Sociedad de Medicina . 58 (5): 295– 300. doi : 10.1177/003591576505800503 . PMC 1898525. PMID 14283879. Archivado del original el 19 de febrero de 2021. Recuperado el 14 de marzo de 2006 .  
  61. ↑ Phillips CV, Karen J. Goodman (octubre de 2004). " Las lecciones perdidas de Sir Austin Bradford Hill" . Epidemiologic Perspectives & Innovations . 1 (3): 3. doi : 10.1186/1742-5573-1-3 . PMC 524370. PMID 15507128 .  
  62. ↑ Green MD, D. Michal Freedman y Leon Gordis. Guía de referencia sobre epidemiología (PDF) . Centro Judicial Federal. Archivado del original (PDF) el 27 de febrero de 2008. Consultado el 3 de febrero de 2008 .
  63. ↑ Neil Myburgh, Debra Jackson (3 de febrero de 2011). "Medición de la salud y la enfermedad I: Introducción a la epidemiología" . Archivado del original el 1 de agosto de 2011. Recuperado el 16 de diciembre de 2011 .
  64. ↑ Smetanin P, P. Kobak (octubre de 2005). Gestión interdisciplinaria del riesgo de cáncer: impactos económicos y en la vida de los canadienses (PDF) . 1er Congreso Internacional de Control del Cáncer. Archivado del original (PDF) el 2 de febrero de 2014. Recuperado el 2 de agosto de 2013 .
  65. ↑ Smetanin P, P. Kobak (julio de 2006). Un marco de gestión de riesgos basado en la población para el control del cáncer . Conferencia de la Unión Internacional contra el Cáncer . Archivado del original (PDF) el 2 de febrero de 2014.
  66. ↑ Smetanin P, P. Kobak (julio de 2005). Impactos seleccionados del cáncer de pulmón en la vida y la economía canadienses . 11.ª Conferencia Mundial sobre el Cáncer de Pulmón. Archivado del original (PDF) el 2 de febrero de 2014.
  67. ↑ OMS, "Temas de salud: Epidemiología". Archivado el 9 de mayo de 2020 en Wayback Machine . Consultado el 30 de octubre de 2017.
  68. ↑ "Diccionario de Epidemiología" . global.oup.com . Consultado el 1 de julio de 2026 .
  69. ↑ "Descubre la salud pública" . SpringerLink . Consultado el 1 de julio de 2026 .
  70. ↑ Roberts, B et al. «Un nuevo método para estimar la mortalidad en entornos afectados por crisis y con escasos recursos: estudio de validación». International Journal of Epidemiology 2010; 39:1584–96. Consultado el 30 de octubre de 2017.
  71. ↑ Zhang Stephen X, Marioli Francisco Arroyo, Gao Renfei, Wang Senhu (2021). "¿Cuándo una epidemia es una epidemia?" . Risk Management and Healthcare Policy . 14 : 3775– 3782. doi : 10.2147/RMHP.S326051 . PMC 8448159 . PMID 34548826 .  
  72. 1 2 Ioannidis JP, Tarone R, McLaughlin JK (2011). "La relación falso-positivo/falso-negativo en estudios epidemiológicos" . Epidemiología . 22 (4): 450– 56. doi : 10.1097/EDE.0b013e31821b506e . PMID 21490505. S2CID 42756884 .  
  73. 1 2 Hernán MA, Hernández-Díaz S , Robins JM (2004). "Un enfoque estructural del sesgo de selección" . Epidemiología . 15 (5): 615– 25. doi : 10.1097/01.ede.0000135174.63482.43 . PMID 15308962 . S2CID 1373077 .  
  74. 1 2Archivado el 29 de agosto de 2017 en Wayback Machine 24
  75. 1 2 Rothman K (2002). Epidemiología: Una introducción . Oxford: Oxford University Press . ISBN 978-0-19-513554-1.
  76. ↑ Yadav K, Lewis RJ (16 de febrero de 2021). "Sesgo del tiempo inmortal en estudios observacionales" . JAMA . 325 (7): 686– 687. doi : 10.1001/jama.2020.9151 . ISSN 0098-7484 . PMID 33591334 .  
  77. ↑ Lévesque LE, Hanley JA, Kezouh A, Suissa S (12 de marzo de 2010). "Problema del sesgo del tiempo inmortal en estudios de cohortes: ejemplo con estatinas para prevenir la progresión de la diabetes" . BMJ . 340 b5087. doi : 10.1136/bmj.b5087 . ISSN 0959-8138 . PMID 20228141 .  
  78. 1 2 3 Greenland S, Morgenstern H (2001). "Confuseding in Health Research". Annu. Rev. Public Health . 22 (1): 189– 212. Bibcode : 2001ARPH...22..189G . doi : 10.1146/annurev.publhealth.22.1.189 . PMID 11274518 . S2CID 4647751 .  
  79. ↑ "Estudios de Salud Pública" . Estudios de Salud Pública en Johns Hopkins . 6 de junio de 2013. Consultado el 13 de abril de 2017 .
  80. ↑ Meer J (4 de septiembre de 2017). "El nuevo año escolar marca el inicio del programa de salud pública de pregrado" . The Michigan Daily . Consultado el 9 de julio de 2024 .
  81. ↑ Jerolimov A (16 de enero de 2024). "El programa de salud pública para estudiantes de pregrado se amplía para el otoño" . The Michigan Daily . Consultado el 9 de julio de 2024 .
  82. ↑ Hiro B. "Pregunte al experto: La epidemiología de la COVID-19" . SCUSM . Consultado el 11 de junio de 2020 .

Fuentes

  • Clayton, David y Michael Hills (1993) Modelos estadísticos en epidemiología. Oxford University Press. ISBN 0-19-852221-5
  • Miquel Porta , editor (2014) "Diccionario de epidemiología", 6.ª ed., Nueva York: Oxford University Press. Diccionario de epidemiología archivado el 11 de julio de 2017 en Wayback Machine.
  • Morabia, Alfredo, editor. (2004) Historia de los métodos y conceptos epidemiológicos. Basilea, Birkhauser Verlag. Parte I. Historia de los métodos y conceptos epidemiológicos. Archivado el 30 de junio de 2022 en Wayback Machine. Historia de los métodos y conceptos epidemiológicos. Archivado el 3 de julio de 2011 en Wayback Machine.
  • Smetanin P, Kobak P, Moyer C, Maley O (2005). "Gestión de riesgos de los programas de investigación y políticas de control del tabaco". Conferencia Mundial sobre Tabaco o Salud, 12-15 de julio de 2006, Washington D.C.
  • Szklo M, Nieto FJ (2002). "Epidemiología: más allá de lo básico", Aspen Publishers.
  • Robertson LS (2015). Epidemiología de las lesiones: Cuarta edición. Disponible gratuitamente en línea ennanlee.net
  • Rothman K., Sander Greenland , Lash T., editores (2008). «Epidemiología moderna», 3.ª edición, Lippincott Williams & Wilkins. ISBN 0-7817-5564-6,978-0-7817-5564-1
  • Olsen J, Christensen K, Murray J, Ekbom A. Introducción a la epidemiología para profesionales de la salud. Nueva York: Springer Science+Business Media; 2010 ISBN 978-1-4419-1497-2

Lecturas adicionales

  • Anderson W (1 de junio de 2019). "La historia en epidemiología" . Revista Internacional de Epidemiología . 48 (3): 672– 674. doi : 10.1093/ije/dyy247 . ISSN 0300-5771 . PMID 30452646. Recuperado el 20 de noviembre de 2025 .  
  • Caduff C (11 de agosto de 2015). La pandemia quizás: eventos dramáticos en una cultura pública del peligro . Oakland, California: Univ. California Press. ISBN 978-0-520-28409-8.
  • Susser M, Stein Z (2009). Eras en epidemiología: La evolución de las ideas . Cary: Oxford University Press. ISBN 978-0-19-530066-6.
  • La Agencia de Protección de la Salud archivada el 29 de enero de 2007 en Wayback Machine.
  • La colección de archivos de investigación en bioestadística se archivó el 24 de octubre de 2021 en Wayback Machine.
  • Federación Epidemiológica Europea
  • «Epidemiología para principiantes», archivado el 21 de marzo de 2019 en Wayback Machine por D. Coggon, G. Rose, DJP Barker, British Medical Journal.
  • Epidem.com Archivado el 24 de septiembre de 2001 en Wayback Machine – Epidemiología (revista científica revisada por pares que publica investigaciones originales sobre temas epidemiológicos)
  • 'Epidemiología' Archivado el 29 de abril de 2021 en Wayback Machine – En: Philip S. Brachman, Microbiología médica (cuarta edición), Centro Nacional de Información Biotecnológica de EE. UU.
  • Laboratorio Virtual de Monash : simulaciones de propagación de epidemias en un paisaje.
  • División de Epidemiología y Genética del Cáncer, Instituto Nacional del Cáncer, Institutos Nacionales de la Salud. Archivado el 12 de agosto de 2009 en Wayback Machine.
  • Centro de Investigación sobre la Epidemiología de los Desastres. Archivado el 15 de marzo de 2010 en Wayback Machine – Un centro colaborador de la OMS. 
  • Biblioteca Popular de Epidemiología
  • Epidemiología del brote de COVID-19. Archivado el 28 de marzo de 2020 en Wayback Machine.
Lecturas relacionadas
6 articulos
Factor de riesgoFactor de riesgoEn epidemiología , un factor de riesgo o determinante es una variable asociada con un mayor riesgo de enfermedad o infección . [1] : 38poblaciónPoblaciónPoblación es el término que se utiliza normalmente para referirse a la cantidad de personas que viven en una zona determinada. Los gobiernos realiz...Salud públicaSalud públicaLa salud pública es “la ciencia y el arte de prevenir enfermedades, prolongar la vida y promover la salud mediante esfuerzos organizados y decision...Práctica basada en evidenciaPráctica basada en evidenciaLa práctica basada en la evidencia es la idea de que las prácticas ocupacionales deben basarse en evidencia científica . El movimiento hacia prácti...Globe icon.Atención sanitaria preventivaLa atención sanitaria preventiva , o profilaxis , es la aplicación de medidas sanitarias para prevenir enfermedades . [1] La enfermedad y la discap...Una computadora portátil junto a materiales de archivo.Inferencia estadísticaLa inferencia estadística es el proceso de utilizar el análisis de datos para inferir propiedades de una distribución subyacente de probabilidad . ...