miércoles, 20 de mayo de 2009

Importancia de la epidemiología en los patrones geográficos de enfermedades

La epidemiología, entre muchas de sus aplicaciones, trabaja en cómo se distribuyen las enfermedades en diversas regiones. El poder entender los factores que afectan estas distribuciones es de vital importancia para el poder minimizar la tasa de riesgo de enfermedades. El estudio de los patrones de enfermedad a través de diferentes escenarios es parte de la clásica trilogía (tiempo, persona y lugar) en la epidemiología descriptiva. El lugar es utilizado como sustituto de la combinación de estilo de vida, ambiente y posibles factores genéticos que pueden subyacer variaciones en los índices de enfermedades a través de las poblaciones. A continuación estaremos discutiendo las herramientas utilizadas para el estudio de los patrones geográficos de enfermedad (especialmente mapas), las limitaciones que actualmente estas tienen, tales como factores que afectan la interpretación, y lo que se está haciendo en este campo. Es importante mencionar que cuando se hable de enfermedad, a través del texto, nos referimos a una enfermedad específica y no a la enfermedad como estado.

Las diferencias internacionales en la ocurrencia de enfermedades nos pueden dar pistas importantes sobre la etiología de las mismas, las cuales pueden ser luego estudiadas en estudios a nivel individual. En un estudio sobre enfermedades del corazón en siete países (Keys, 1970) se describen diferencias enormes en el consumo de grasas saturadas, lo cual era predictivo de las diferencias en la ocurrencia de enfermedades coronarias. En un estudio sobre el consumo de sal (Elliot, et al., 1996) se encontró diferencias en los niveles promedio de presión que fueron asociados de manera positiva con el nivel promedio de consumo de sal. Otros ejemplos incluyen la incidencia de melanoma maligno y esclerosis múltiple, ambos fuertemente relacionados a la latitud. Mientras que esta relación es inversa para el melanoma, es positiva para la esclerosis múltiple (Kurtzke, 1985).

Los estudios migratorios representan un caso especial de estudios geográficos. En estos estudios, la experiencia con la enfermedad de individuos o grupos de personas son examinados a medida que estos se mueven de una localidad o país a otro. Esto permite una oportunidad única para examinar hasta qué punto los factores ambientales o genéticos pueden determinar variaciones geográficas en el riesgo de enfermedades. Mientras que los factores genéticos son importantes en determinar que individuos se enferman, al nivel de la población los factores ambientales y de estilo de vida son los que predominan. De este modo, en el caso de esclerosis múltiple, los migrantes que se mudan de un área de alto riesgo a una de bajo riesgo mantienen su alto riesgo si la migración ocurre después de los 15 años de edad, pero se mantiene el riesgo del país anfitrión si se emigra a edades menores (Kurtzke, 1985). Estas conclusiones son compatibles con la etiología infecciosa de la esclerosis múltiple, cuando la infección es adquirida en la niñez. Otro ejemplo lo son los niveles bajos de presión, con poco o ningún aumento con la edad, encontrada en poblaciones remotas y aisladas alrededor del mundo (Elliot, et al., 1996). Se ha encontrado que la presión sanguínea aumenta rápidamente con la migración a ambientes urbanos, otra vez indicando la importancia de los factores ambientales en la determinación de patrones en la presión sanguínea no favorables entre las poblaciones.

Las variaciones en la incidencia de enfermedades o mortalidad a nivel nacional o subnacional han sido descritas, usualmente en la forma de un atlas de enfermedad. A continuación hablaremos brevemente de la ocurrencia de enfermedades a escala local (área pequeña). A pesar de que este contexto no existe una definición satisfactoria del término “área pequeña”, Cuzick & Elliot (1992) sugieren la siguiente:

“Como una guía cruda, cualquier región que contenga menos de 20 casos de enfermedad puede ser considerada un área pequeña… Muchos tipos de cáncer tienen una incidencia anual de alrededor de 5 por cada 100,000, así que para un periodo colectivo de 5 años un área pequeña constituye una población de alrededor de 100,000 o menos. En algunos casos, tal como un agrupamiento de una enfermedad en un área remota o pequeña villa, puede ser mucho menor, pero usualmente poblaciones de por lo menos 10,000 son necesarias para formar una agrupación de tamaño mínimo.”

Por supuesto, las poblaciones pueden ser más pequeñas si la experiencia de enfermedad sobre tales áreas es de primordial importancia.

Un problema común que enfrentan las autoridades de salud pública es el cómo lidiar con reportes de aparente enfermedad en sus localidades. Estos reportes pueden posteriormente estar relacionados a una supuesta fuente de información. Esto complica la interpretación dado que las pruebas estadísticas formales ya no serían validas. Aunque existe un poco de potencial para investigaciones por conglomerados para llegar a nueva información sobre la causa de la enfermedad, no obstante las autoridades de salud pública, a menudo, se sienten obligados a responder. Una revisión cuidadosa de los casos y elección de un denominador y marco de tiempo apropiado, pueden resultar en estimados de riesgo (observados/esperados) cercanos de 1. Esto es a pesar del potencial de sesgo hacia proporciones de riesgo elevadas (áreas de aparente bajo riesgo no llegan a la atención de las autoridades). En algunos casos, la duplicación del estudio en otras áreas contaminadas similares o en un periodo de tiempo diferente, puede ser la única posibilidad de salir hacia adelante.

Recientemente, se ha hecho disponible, en ciertos países, información geográfica de alta resolución de salud. Esto junto con avanzadas técnicas en computación y métodos estadísticos, ha llevado al desarrollo de sistemas automatizados que examinan la distribución de enfermedades cerca de los puntos de origen de la contaminación ambiental. En el Reino Unido, la Unidad de Estadísticas de Salud de Áreas Pequeñas, SAHSU por sus siglas en inglés, ha sido establecida específicamente para responder rápidamente a reportes de conglomerados de enfermedad cerca de fuentes de contaminación ambiental; llevar a cabo estudios geográficos descriptivos a un nivel de pequeñas áreas y desarrollar metodología. Estudios recientes de la SAHSU incluyen una investigación de incidencia de cáncer y mortalidad cerca de una fábrica de pesticidas seguido por reportes de alta incidencia de cáncer en las comunidades aledañas (Wilkinson, et al., 1997) y un estudio nacional de incidencia de cáncer cerca de transmisores de radio y televisión seguido por reportes de alta incidencia de leucemia cerca de los transmisores (Dolk, et al., 1997).

Un gran problema en la interpretación de tales estudios es el asunto de confusión socioeconómica. Medidas de privaciones sociales han mostrado ser vaticinadores poderosos de la incidencia de enfermedades. Las áreas desventajadas no ocurren aleatoriamente a través de una región, estas tienden a coincidir con terrenos industriales y correlacionarse con altas tasas de fumadores. El no considerar las desventajas sociales puede sesgar seriamente la investigación de otros factores de riesgo ambientales y de estilos de vida y relacionados a la mala salud. Esto es mostrado en resultados de un estudio nacional en Gran Bretaña de riesgo de cáncer cerca de unos incineradores de basura municipales (Elliot, et al., 1996).

Los mapas han sido utilizados por mucho tiempo para describir patrones geográficos de enfermedades. Por ejemplo, Stocks, en una serie de atlas publicados en los años 30, describió la variación geográfica en la mortalidad por cáncer a través de pueblos en Inglaterra y Gales (Swerdlow & dos Santos, 1993). Un estudio en 1991 (Walter & Birnie, 1991) identificó 49 atlas internacionales, nacionales y regionales; ejemplos más recientes incluyen los de Swerdlow y dos Santos. Tales mapas, típicamente, muestran proporciones de mortalidad estandarizada o incidencia para áreas geográficas tales como países, ciudades o distritos. La tasa en un área i es estimada por Oi/Ei, donde Oi es el número observado de muertes o casos incidentales de enfermedad en el área y Ei es el número esperado de casos.

Los mapas ofrecen información visual instantánea en la distribución espacial de enfermedad y puede identificar patrones sutiles que se pueden no ver en representaciones en tabla. Su propósito es usualmente mostrar variaciones en deficiencias en salud, formular hipótesis etiológicas, ayudar a la vigilancia para detectar áreas de alta incidencia de enfermedad y ayuda a identificar conglomerados de enfermedad específicos y señalar fuentes de estudio en el contexto adecuado.

Aunque los mapas de enfermedad tienen un atractivo tanto visual como intuitivo, debe tomarse precaución de no sobre-interpretar los mismos. Variaciones geográficas aparentes en las tasas puede reflejar simplemente diferencias en la calidad de los informes, diagnósticos y clasificación de la enfermedad, o confusión debido a factores étnicos y socioeconómicos. Además, los mapas de enfermedad asumen que el riesgo es homogéneo dentro de las áreas. Esto es improbable para los extensos mapas utilizados en muchos atlas nacionales e internacionales y puede resultar en una inferencia engañosa sobre los niveles de riesgos individual.

La cartografía de enfermedades a niveles de áreas pequeñas plantea una cantidad de asuntos estadísticos. Para eventos relativamente raros tales como incidencia de muerte y cáncer, la cantidad de casos observados tiende a ser poca en áreas con baja población. La insuficiencia de data poblacional resulta en estimados no confiables de las proporciones de tasas estandarizadas de áreas específicas, lo cual puede crear la impresión de falsas variaciones geográficas cuando son mostradas en un mapa. Estas consideraciones han llevado al uso de técnicas estadísticas de suavización, las cuales recogen información a través de las áreas.

La data de enfermedad de áreas pequeñas a menudo exhibe correlación espacial debido a la influencia de factores de riesgo que no se han medido o desconocidos los cuales varían sutilmente en el espacio. Varias pruebas de hipótesis están disponibles para asesar tal auto-correlación espacial, por ejemplo el “Rank-adjacency D-statistic and Smans’ test”.

El siguiente mapa muestra estimados “sin suavizar” y “suavizados” de incidencia de cáncer para los años 1974 a 1986 a través de varias áreas en la región de West Midlands en Inglaterra. Como podemos ver, mucha de la variabilidad es removida por suavización, especialmente las aparentes tasas altas encontradas en las áreas rurales grandes con poca densidad poblacional. En general, solamente hay evidencia débil de heterogeneidad a través del mapa y no hay evidencia de auto-correlación espacial.

Los mapas proveen un resumen conciso de patrones geográficos de enfermedad. Sin embargo, la percepción visual puede ser influenciada por varios factores del mapa, tales como los símbolos utilizados y el agrupar la data en categorías. Un estudio empírico (Walter, 1993) encontró que la forma en que la data es mostrada puede tener al menos tanto efecto en la percepción de variación espacial del observador como en las diferencias actuales en la data. Recientemente, se han utilizado distribuciones mezcladas no-paramétricas para modelar el riesgo relativo subyacente de enfermedad en áreas geográficas pequeñas (Schlattmann, Dietz & Bohning, 1996). Este enfoque facilita el que se den cartografías más objetivas de patrones de enfermedad, ya que las áreas son categorizadas de acuerdo a estimaciones conducidas estadísticamente de los componentes mezclados.

El resumen estadístico utilizado para la presentación puede también influenciar las interpretaciones visuales de los mapas de enfermedad. Las elecciones más comunes incluyen proporciones de tasa estandarizadas, riesgos relativos suavizados o “P values”. El primero tiende a producir mapas erráticos los cuales son visualmente dominados por estimados extremos de baja precisión en áreas pobladas esparcidamente; los últimos son criticados por confundir significancia estadística con importancia biológica y tienden a sobre-enfatizar áreas de altamente pobladas en las cuales aún pequeñas desviaciones de la tasa de enfermedad esperada puede lograr significancia estadística. El realizar pruebas de significancia de proporciones de tasas estandarizadas también padece de problema de decisión múltiple, a medida que cada proporción es considerada independiente de las otras en el mapa. Los mapas que muestran estimados de encogimiento Bayesiano de riesgo relativo representan, probablemente, la mejor opción, aunque es importante comprender que estos estimados no están libres de juicio. Por ejemplo, estos dependen en las funciones utilizadas para describir la distribución de riesgos relativos a través del mapa y de definir las zonas locales en los alrededores sobre las cuales se asume interdependencia espacial entre las áreas pequeñas. No obstante, la suavización asegura que la precisión de los estimados específicos de áreas es comparable aproximadamente a través del mapa y los intervalos creíbles Bayesianos derivados de modelos jerárquicos no están sujetos a las limitaciones de las pruebas de significancia múltiple. La cartografía de funciones posteriores de estimados de riesgos Bayesianos también son posibles. Por ejemplo, un mapa que muestre la probabilidad posterior de que el riesgo relativo en cada área está por encima de la mediana nos brinda información sobre el tamaño e incertidumbre asociada con cada estimado específico de un área.

Los estudios de correlación geográfica son un medio valioso de formular y probar hipótesis etiológicas: los patrones de enfermedad son comparados con la distribución geográfica de exposición ambiental y de estilos de vida. Estos son particularmente útiles cuando es difícil o imposible de obtener medidas de nivel individual o son medidas de manera imprecisa para utilizase en estudios epidemiológicos.

En algunos casos – por ejemplo, luz solar y melanoma, sal y presión sanguínea – la relación ecológica ha sido demostrada a nivel individual. Sin embargo, se debe reconocer el potencial de sesgo en los estudios ecológicos. La exposición entre las áreas es a menudo heterogénea; así que la asociación ecológica entre exposición y enfermedad puede no ser igual a la relación en individuos. El asumir lo contrario es cometer una falacia ecológica. Los estudios de áreas pequeñas pueden ser menos propensos a sesgo ecológico que los estudios geográficos a gran escala, ya que la data grupal está más cerca a nivel de individuo. No obstante, los hallazgos positivos provenientes de análisis ecológicos usualmente requieren re-aplicación en otros conjuntos de data y, hasta donde sea posible, a nivel individual.

El estudio de patrones geográficos de enfermedad juega un rol principal en la epidemiología descriptiva. Los estudios geográficos son asociados con problemas de calidad de la data, sesgo, confusión y presentación que puede complicar seriamente su interpretación. El reto metodológico es claro, producir análisis objetivos y estadísticamente válidos de variaciones geográficas en mala salud y sus determinantes, con particular énfasis en desarrollos para combinar los mejores atributos de estudios a nivel individual y ecológico. Avances recientes, particularmente en métodos para áreas pequeñas, han comenzado a tratar estos asuntos. A medida que estas técnicas se vuelvan más disponibles, podrán mejorar la habilidad de cuantificar los efectos de la contaminación ambiental y estilos de vida en la salud del ser humano.

Referencias

Carstairs, V. & Morris, R. (1991). Deprivation and Health in Scotland. Aberdeen University Press,Aberdeen.

Cuzick J. & Elliot, P. (1992). Small area studies: purpose and methods, in Geographical and Environmental Epidemiology: Methods for Small-Area Studies, P. Elliot, J. Cuzick, D. English & R. Stern, eds. Oxford University Press, Oxford, pp. 14-21.

Dolk, H., Shaddick, G., Walls, P., Grundy, C., Thakrar, B., Kleinschmidt, I. & Elliot, P. (1997). Cancer incidence near radio and television transmitters in Great Britain. I. Sutton Coldfield transmitter, American Journal of Epidemiology 145, 1-9.

Elliot, P., Shaddick, G., Kleinschmidt, I., Jolley, D., Walls, P., Beresford, J. & Grundy, C. (1996). Cancer incidence near municipal solid waste incinerators in Great Britain, British Journal of Cancer 73, 702-710.

Keys, A., ed. (1970). Coronary Heart Disease in Seven Countries. American Heart Association Monograph no. 29. American Heart Association, New York.

Kurtzke, J.F. (1985). Neurological system, in Oxford Textbook of Public Health, Vol. 4. Oxford University Press, Oxford, Chapter 12, pp. 203-249.

Schlattmann, P., Dietz, E. & Bohning, D. (1996). Covariate adjusted mixture models and disease mapping with the program DismapWin, Statistics in Medicine 15, 919-929.

Swerdlow, A. & dos Santos Silva, I. (1993). Atlas of Cancer Incidence in England and Wales 1968-85. Oxford University Press, Oxford.

Walter, S.D. (1993). Visual and statistical assessment of spatial clustering in mapping data, Statistics in Medicine 12, 1275-1291.

Walter, S.D. & Birnie, S.E. (1991). Mapping mortality and morbidity patterns: an international comparison, International Journal of Epidemiology 20, 678-689.

Wilkinson, P., Thakrar, B., Shaddick, G., Stevenson, S., Pattenden, S., Landon, M., Grundy, C. & Elliot, P. (1997). Cancer incidence and mortality around Pan Britannica Industries pesticide factory, Waltham Abbey, Occupational and Environmental Medicine 54, 101 107.

No hay comentarios:

Publicar un comentario en la entrada