Emerging Themes in Epidemiology, 2005; 2: 5-5 (más artículos en esta revista)

Las medidas epidemiológicas y de la formulación de políticas: la experiencia de los posibles resultados

BioMed Central
Sander Groenlandia (lesdomes@ucla.edu) [1]
[1] Departamentos de Epidemiología y Estadística, Universidad de California, Los Angeles, EE.UU.

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons License (http://creativecommons.org/licenses/by/2.0], que permite el uso irrestricto, la distribución y reproducción en cualquier medio, siempre que la obra original sea debidamente citada.

Resumen

En este documento se hace una crítica de la práctica común en la política de salud de la literatura de centrarse en la eliminación hipotético resultado a expensas de la intervención análisis. El documento comienza con una introducción a las medidas de efectos causales en el marco de los resultados posibles-, centrándose en los modelos conceptuales subyacentes, las definiciones y los inconvenientes de especial relevancia para la formulación de políticas basadas en datos epidemiológicos. Se argumenta que, con fines de política, se debe analizar los efectos de intervención dentro de un marco multivariado de los resultados de capturar el impacto de las fuentes principales de la morbilidad y la mortalidad. Este marco puede aclarar lo que es capturado y perdido por medidas de resumen de la salud de la población, y muestra que el concepto de resumen medida puede y debe extenderse a los índices multidimensionales.

Introducción

En este artículo se describe un conjunto de conceptos fundamentales de la teoría de la causalidad que se puede utilizar para analizar críticamente resumen de las medidas de la salud de la población. A continuación, utiliza estos conceptos para argumentar que las medidas de salud sobre la base de hipotéticos resultados retirada [1, 2] son ambiguas y que pueden inducir a error. Requieren un minucioso análisis multivariado marco de capturar lo que se conoce acerca de las fuentes de la morbilidad y la mortalidad. Debido a las inevitables deficiencias de un valor único de resúmenes, índices multidimensionales deben considerarse medidas de resumen de la salud de la población.

La primera tarea es definir la causa y el efecto en forma lo bastante precisa como para la manipulación lógica y cuantificación. Tres tipos de modelos de uso generalizado han logrado:

Contrafactual o posibles resultados de los modelos. La de la conceptualización de la causalidad fue visto por Hume [3], y fue puesto en práctica por los estadísticos en los años 1920 y 1930 en forma de los posibles resultados de los modelos [4]. Relacionado contrafactual modelos también han recibido mucha atención en la filosofía [5, 6], y los posibles resultados de modelos son ahora comunes en las ciencias sociales [7, 8] y la epidemiología (véanse las citas más abajo), así como en las estadísticas.

modelos de ecuaciones estructurales-. Estos modelos se remontan a los principios de trabajo en el análisis de la trayectoria en la década de 1920 y se les dio por econometricians plena expresión en la década de 1940.

modelos de las Artes Gráficas (diagramas causales). Estos modelos también se originó en el análisis de la trayectoria, pero no se desarrolló plenamente hasta principios del decenio de 1990 [9 - 11].

En su libro sobre la teoría causal, Pearl [11] por encima de los detalles y enfoques de su historia, haciendo hincapié en que son lógicamente equivalentes (isomorfo) a todos los efectos prácticos. Esto significa que un análisis utilizando un enfoque puede ser traducido a cualquiera de los otros dos enfoques, mientras que el mantenimiento de la consistencia lógica. Groenlandia y Poole [12] y Groenlandia y Brumback [13] describen las conexiones entre los posibles resultados de modelos y la suficiente componente de los modelos familiares a causa epidemiólogos, y Groenlandia [14] discute los posibles resultados en relación con los modelos más tradicionales enfoques de la inferencia causal.

Debido a la insistencia en contrafactual modelos en la literatura sobre las medidas de la causa y el efecto, el siguiente desarrollo se basa en ellos. Otros datos de contrafactual teoría de la investigación en ciencias de la salud se describen en otra parte [12, 14 - 26]. Para más detalles sobre su relación con los desaparecidos de modelos de datos, véase Rubin [27]. En el presente documento se refiere únicamente a cuestiones de definición de los efectos y sus consecuencias para la formulación de políticas. Igualmente importante es el estudio cuantitativo de contabilidad de los sesgos en la estimación de los efectos, véase Groenlandia [28, 29], Lash y Fink [30], y Phillips [31] de los últimos acontecimientos en ese tema.

Conceptos básicos de la causalidad contrafactual
Las acciones, los resultados y counterfactuals

Para reducir al mínimo la ambigüedad, un modelo contrafactual requiere razonablemente precisas definiciones de los siguientes ingredientes modelo:

• Por lo menos un tema objetivo de interés en los cuales la causalidad o la que se estudió (por ejemplo, una persona específica o de la población).

• Una lista de dos o más alternativas posibles acciones, x 0, x 1, etc, que se podría haber aplicado o en más de un espacio de tiempo, una de las cuales puede ser el verdadero medidas adoptadas.

• Una medida de resultado, Y, tomado en un momento o en un período de tiempo, tras la terminación de la acción.

A modo de ejemplo, podría ser el tema de Kosovo, la acción x 1 podría ser la revocación de su autonomía por parte de Yugoslavia en 1988, una alternativa x 0 revocación podría ser que nunca se produjo, y la medida de resultado podría ser la tasa de mortalidad de los residentes pre-1999 Durante el año 1999. Debido a que sólo una de las posibles acciones x 0, x 1, etc puede tener lugar, todas menos una de las acciones debe ser contrafactual, o contraria a la realidad. En el ejemplo, el real (o de hecho) la acción fue x 1 = "revocación de la autonomía", por lo que la acción x 0 = "no revocación" es contrafactual. (Este ejemplo ilustra también el lugar común de que no hacer nada es una acción, correspondientes a cero en una escala de acción.)

Si es x a la medida adoptada (de la lista x 0, x 1, etc), podemos observar los resultados de Y (x) que resulta que la acción. Un resultado contrafactual modelo postula que, para cualquier acción contrafactual, X c (de la misma lista), hay también un resultado bien definido, Y (x c), que han seguido a esa acción. La lista completa de los resultados de tales Y (x 0), Y (x 1), Y (x 2), ... Es llamado el conjunto de los posibles resultados de la materia, sino que incluye tanto el resultado real de Y (x), así como todos los resultados de las acciones contrafactual.

En el ejemplo, la acción real, x a, x 1, y se fue seguido de una tasa de mortalidad, Y (x 1), en 1999. Y (x 1) es difícil de evaluar, pero, no obstante, existe como una cuestión de hecho; Es parte de lo que ocurrió posteriormente a la acción x 1. Un modelo contrafactual para el año 1999 la mortalidad que postula, la de la acción había x 0 se tomaron en lugar (es decir, en caso de revocación no se había producido), la mortalidad se han igualado algunas número, Y (x 0). Dado que x 0 es contrafactual, es lógicamente imposible para nosotros observar Y (x 0). No obstante, la de la trata a este modelo como un número exacto, aunque desconocida, la cantidad.

La idea de tratar a los resultados, Y (x c), en virtud de un contrafactual de acción, X c, como precisa la cantidad ha sido fuente de gran controversia y malentendidos (por ejemplo, [23, 32, 33]]. Algunos de los principales malentendidos se abordan a continuación:

1) El contrafactual enfoque no exige que los resultados, Y (x c), se define con precisión todo lo posible para contrafactual de acción, X c. En el ejemplo anterior, si estamos interesados solamente en contraste revocación (x 1), sin medida (x 0), nuestro modelo no es necesario mencionar cualquier otra acción. Es decir, podemos limitar la lista de acciones sólo a aquellas acciones de interés.

2) El enfoque contrafactual es inherentemente no determinista, ya sea en el clásico de mecánica cuántica o de sentido [15, 34]. Los posibles resultados, Y (x 0), Y (x 1), etc, pueden representar diferentes valores de un parámetro estadístico en un modelo clásico de probabilidad. Por ejemplo, cabe esperar que las tasas en los modelos Poisson. Alternativamente, pueden representar diferentes mezclas de los estados superpuestos (diferentes funciones de onda) en modelos cuánticos. De hecho, algunos teóricos respecto counterfactuals como esencial para la formulación coherente de las explicaciones de los fenómenos cuánticos [35].

3) El enfoque contrafactual extiende la cuantificación de los resultados parciales, Y (x c), en virtud de las acciones contrafactual incrustado en el lenguaje ordinario. En el ejemplo, algunas (aunque no todas) de los observadores de los acontecimientos en Kosovo 1988-1999 especuló que la mortalidad real de 1999, Y (x 1), fue probablemente mayor que Y (x 0), la mortalidad que se han producido han autonomía Nunca había sido revocada. Esta especulación surge de la siguiente explicación tentativa real de los acontecimientos en Kosovo: la revocación de la autonomía, (x 1), causada albanés serbio aumento de la resistencia a la autoridad, que a su vez causó dirigentes serbios para extender su "limpieza étnica" a la política de Kosovo. Si no se le hubiera revocación, (x 0), esta trágica secuencia de acontecimientos causal no se habría producido.

Causa y efecto

La explicación especulativa en el tercer tema con viñetas de arriba es un ejemplo de una hipótesis causal informal. El examen de estas hipótesis ha llevado a la siguiente definición: un efecto de la adopción de medidas, x j, en lugar de otra acción, x k, en una medida de resultado, Y, es un contraste numérico de la medida (por ejemplo, la diferencia o ratio) En virtud de los dos diferentes acciones. El contraste se llama una medida de efecto. En el ejemplo, el contraste Y (x 1) - Y (x 0) es un efecto de la revocación x 1 versus ninguna revocación x 0; esta medida de efecto que se conoce como la mortalidad debido a la diferencia frente x 1 x 0. Del mismo modo, Y (x 1) / Y (x 0) es el efecto conocido como medida de la tasa de mortalidad debido a versus x 1 x 0.

Muchas ideas comunes y algunas sorpresas se derivan de las definiciones anteriores, entre ellos:

4) Un efecto es una relación entre los resultados que seguirían dos acciones diferentes, y x j x k, en un solo tema (una población o sola persona). Por tanto, es de sentido hablar de (decir) "el efecto de fumar un paquete al día", por lo menos uno debe implicar una referencia (línea de base) para la acción "en el sentido de" a tener sentido. Mientras que un paquete de tabaco al día puede causar cáncer de pulmón en relación a no fumar, también puede prevenir el cáncer de pulmón en relación con el fumar dos cajetillas al día.

5) Si Y (x j) = Y (x k), se dice que el hecho de tener x j en vez de ocurrir x k no tuvo ningún efecto sobre el tema de Y, de otro, se dice que el hecho de tener x j en vez de ocurrir x k causado la Resultado que se Y (x j) e impedido de ser el resultado de Y (x k). Por ejemplo, podemos decir que el hábito de fumar impide la supervivencia últimos años sólo los 70 años de edad al igual que las causas de muerte por edad 70. Del mismo modo, podemos decir que de no fumar causas supervivencia últimos 70 años tal y como sin duda ya que se evita la muerte por la edad de 70 años. Así, la distinción entre la causalidad y la prevención es sólo una cuestión de si se trata de una acción, x j, y su consecuencia, Y (x) (j causalidad de Y (x j)), o de una acción, x j, Y consecuencia, Y (x k), de una alternativa de acción x kx j (prevención de la Y (x k)).

6) Por lo menos una de las acciones, x j, k x, en una medida de efecto debe ser contrafactual. Por lo tanto, nunca podremos observar un efecto medida separada de una medida de resultado. En el ejemplo, se observó la mortalidad Y (x 1) = Y (x 0) + [Y (x 1), - Y (x 0)], por lo que la diferencia de mortalidad, Y (x 1) - Y (x 0) , Se mezcla con la referencia (línea de base) la tasa de mortalidad, Y (x 0), en nuestra observación. Lo mejor que podemos hacer es tomar una estimación de Y (x 0), que es el resultado de que habría sucedido en virtud de la de la acción x 0, y que la estimación de deducir una estimación de la medida de efecto (por la resta, en este ejemplo ).

La causalidad, de confusión y de asociación

Problema 6 se considera un problema fundamental de toda la inferencia causal. Se reconoció por Hume [36] y que ahora se conoce como el problema de identificación de la causa y el efecto. Todas las inferencias causales (y, por tanto, todos los planes de intervención) depende de la exactitud en la estimación de la predicción o al menos un potencial incumplido resultado contrafactual siguiente acción. Nosotros ordinariamente hacer esta predicción sobre la base de las observaciones de otros sujetos (controles) que experimentaron real de las diferentes acciones del tema de interés. Por ejemplo, podemos estimar que la mortalidad de Kosovo se han experimentado en 1999 si no se le hubiera revocación, Y (x 0), la igualdad de la mortalidad que experimentó en 1988, empezó a crecer antes de la violencia. Al hacer esta estimación, se corre el riesgo de error, ya que, aun bajo la acción x 0 (no revocación), la mortalidad de Kosovo puede haber cambiado entre 1988 y 1999. Si es así, nosotros decimos que nuestra estimación es confundida por la presencia del cambio.

Y por denotar 1988, la mortalidad experimentada por Kosovo en 1988. Podemos entonces repetir el último problema de la siguiente manera: no observar Y (x 0), de modo que no podemos calcular directamente una medida del efecto de frente x 1 x 0. Si, en cambio, cree que la explicación dada especulativo en el tema por encima de un tercio viñetas, que también podría pensar que 1988 es Y no muy lejos de Y (x 0), y así sustituir Y para 1988 Y (x 0) en nuestras medidas. Así, si observamos también Y (x 1), el 1999 la mortalidad, nos estimación de la medida de efecto Y (x 1) - Y (x 0), con la diferencia de mortalidad observada Y (x 1) - Y 1988.

Este último observó diferencia que se llama una medida de asociación, ya que contrasta dos diferentes temas (Kosovo en 1999 frente a Kosovo en 1988), en lugar de uno de los temas tratados en virtud de dos acciones diferentes, en nuestra lista (Kosovo en 1999 en virtud de la revocación frente a Kosovo en 1999 sin Revocación). Debido a los problemas de identificación (no podemos ver Y (x 0)), debemos sustituir una medida de asociación para la medida de efecto. En este uso, la diferencia se observó en el sentido de tergiversar la medida en un importe igual a la diferencia de los dos:

[Y (x 1) - Y de 1988] - [Y (x 1), - Y (x 0)] = Y (x 0) - Y 1988

Esta cantidad mide la cantidad de confusión en la medida de asociación (la diferencia observada) cuando se utiliza como un sustituto de la medida de efecto. Al igual que el efecto propia medida, la medida contiene la confusión incumplido Y (x 0) y tan sólo puede ser estimado, no se observa directamente. Supongamos, sin embargo, que se sabe de razones por Y (x 0) y de Y 1988 serían diferentes, como los cambios en la estructura por edades en el tiempo. Podemos luego tratar de ajustar Y 1988 para estas diferencias se sospecha, con la esperanza de acercarte a la Y (x 0). Normalización es probablemente más sencillo ejemplo de este tipo de ajuste [18, 26].

La presunción subyacente uso de una medida ajustada efecto es que todas las cuentas de diferencias importantes entre la incumplido (contrafactual) de referencia de resultado, Y (x 0), y el sustituto, Y 1988, en el ejemplo anterior. La presunción es discutible en la mayoría de las aplicaciones, por ejemplo, algunos argumentarían que la "limpieza étnica" que se han extendido a la autonomía de Kosovo, incluso sin la revocación y la resistencia albanesa. Este problema de la falta de control de confusión es sólo uno de muchos problemas metodológicos en la estimación de los efectos que se examinan en los libros de texto (por ejemplo [26]].

Los efectos de la eliminación de resultados

Considere una pregunta que se le pregunta acerca de la salud atribuibles a la carga contra y 1 y 0, donde y 1 y y 0 no son acciones en el sentido anterior, pero son ellos mismos resultados alternativos como el SIDA y las enfermedades del corazón la muerte la muerte. Por ejemplo, y 1 podría ser "sujeto muere de cáncer de pulmón" y 0 y podría ser "objeto no muere de cáncer de pulmón". Al igual que en el marco anterior, estos resultados son mutuamente excluyentes, las posibilidades de un solo tema, en cualquier momento, por lo que al menos uno debe ser contrafactual. Debido a que las intervenciones no son, sin embargo, se produce una ambigüedad en la definición de cualquier otro resultado, T, en función de los posibles resultados, y 1 y y 0, T porque depende en una crítica sobre la forma en la moda y 1 y y 0 son Causado.

Para ver esto, supongamos que es T años de vida más allá de los 50 años (que es la edad a la muerte, menos 50). ¿Cómo se han producido una y 0 (impedido a la muerte por cáncer de pulmón) si el sujeto de sexo masculino fueron un gran fumador de toda la vida que desarrollaron cáncer de pulmón a la edad de 51 y murió a causa de que a la edad de 54 (y así lo han T (y 1) = 4 Años de vida después de los 50 años)? Y 0 en caso de que se había logrado por convencer a los sujetos a no comenzar a fumar, T (y 0) podría ser mucho mayor que T (y 1), porque los riesgos de muchas otras causas de muerte (por ejemplo, las enfermedades del corazón) habría sido mucho más bajos como Una consecuencia de no fumar. Pero si y 0 que se había logrado a través de un inusual éxito de la quimioterapia para nuevos tumores pulmonares, T (y 0) podría ser cambiado poco desde T (y 1). Esto podría ocurrir si, poco después de la remisión, el tema tuvo un fatal infarto de miocardio, cuya aparición fue la trazabilidad de fumar inducido por estenosis coronaria.

El problema que acabamos de describir durante mucho tiempo ha sido reconocido en los debates de la estimación de los efectos de "la eliminación" o "eliminación de los riesgos competitivos" cuando las "causas" o "riesgos" de que se trata son los resultados y no de acciones o tratamientos [37 ]. Estos resultados no están sujetos a la manipulación directa independiente de la anterior historia del sujeto. Por lo tanto, cualquier evaluación realista de los efectos de su remoción deberá dar cuenta de otros efectos de los medios de remoción.

Un problema similar se plantea en la evaluación de los tratamientos ordinarios siempre que el incumplimiento puede ocurrir. En general, el asesoramiento o la prescripción sólo se encuentran bajo el control del profesional de la salud, lo que en realidad recibe un paciente se ve afectado no sólo por el asesoramiento o la prescripción, sino también por los numerosos y complejos factores sociales y de personalidad que influyen en el cumplimiento. Esto da lugar a múltiples problemas en la evaluación de los efectos de la recibió tratamiento [38], entonces el tratamiento de un tema recibe es sólo un resultado, Y (x j), de una anterior acción prescriptiva, x j. En la mayoría de los casos, sin embargo, esta acción inicial es inequívoca.

Supongo que podríamos evitar la ambigüedad problema mediante la introducción de un par de alternativas bien definidas las acciones, y x 1 x 0 x 1 que tales causas y 1 y previene y 0 con respecto a x 0. Es decir, supongamos que seguirá y 1 x 1, que seguirá y 0 x 0, por lo que tenemos y 1 = Y (x 1), y, y 0 = Y (x 0)y 1 y 0. Es posible que todavía se enfrentan a un grave problema de confusión en la forma de "dependientes de los riesgos competitivos". Considerar de nuevo el gran fumador que desarrolla cáncer de pulmón a la edad de 54, con el tratamiento, x 0, siendo exitosa la quimioterapia. Podría ser un error para el cálculo de este tema de la esperanza de vida, T (x 0), de la de otros fumadores de la misma edad y sexo que no habían desarrollado cáncer de pulmón, ya que esa fumadores pueden diferir de manera que no sólo las hacen menos Susceptibles a fumar inducida por el cáncer de pulmón, pero también menos susceptibles a otros tipos de cáncer inducida por el tabaquismo (tal vez porque tienen mejor los mecanismos de reparación de ADN).

Más en general, incluso si los medios de eliminación es precisamente definidos, factibles y no tiene efectos secundarios, nunca hay una base para creer, y, a menudo, una buena razón para dudar, que la eliminación de un determinado resultado (como una causa de la muerte) Sería seguido por los riesgos similares a los riesgos entre las personas que, en ausencia de intervención, la experiencia no eliminó resultado [37, 39]. Por desgracia, los procedimientos estadísticos estándar para la proyección de los resultados en virtud de la eliminación (como Kaplan-Meier/product límite de los métodos tradicionales y la "causa-de" tablas de vida) se basan en este supuesto de similitud.

En vista de los problemas que acaba de describir, es razonable concluir lo siguiente:

7) Las proyecciones de los efectos de la eliminación de resultado (por ejemplo, supresión de un ICD9 causa de la muerte [1]], en lugar de una acción que conduzca a la reducción de los resultados, puede no ser útil para la planificación del programa. Excepto quizás en algunos casos excepcionalmente simple (por ejemplo, la erradicación de la viruela), los efectos de las acciones y políticas no corresponden a la eliminación simple.

8) Aún cuando tenemos un tratamiento específico y que impide un resultado completo, parcial estimaciones de los efectos es probable si uno simplemente proyectos de la experiencia de los que, naturalmente, la falta de los resultados en los que evitar porque los resultados del tratamiento. Sólo en curso el seguimiento de los temas tratados con éxito puede identificar con fiabilidad el impacto de los resultados de eliminación.

Problema 7 implica que resumen las medidas para la formulación de políticas debe referirse a operationalizable efectos de las acciones (por ejemplo, las campañas contra el tabaco, programas de distribución de alimentos), en lugar de eliminar los efectos de los resultados contemplados por las acciones (por ejemplo, el tabaquismo, el cáncer, la desnutrición). Sólo rara vez se coinciden los dos efectos. Centrándose en los resultados presenta una retirada demasiado burda imagen de lo que realmente puede ser realizado, ya que este último está determinado por lo que se dispone de intervenciones factibles. Centrándose en los resultados retirada tiene el potencial de desviar los recursos lejos de donde se va hacer la más buena - con resultados factibles y eficaces preventives - hacia resultados que, si bien más comunes y costosos, tienen menos esperanza de éxito económico y de la prevención. Por último, un enfoque en resultados eliminación distrae la atención de la evaluación y la comparación de los impactos de las intervenciones en el pleno. Por ejemplo, incluso parcial, la reducción en el consumo de tabaco se traducirá en un amplio espectro de resultados de prevención, de las enfermedades del corazón para el cáncer de pulmón, mientras que un tratamiento eficaz para el cáncer de pulmón sólo reducir la carga de la enfermedad mientras que el aumento de la carga de los riesgos relacionados con el tabaco .

El anterior examen plantea otra cuestión: Dado que cualquier acción tendrá múltiples consecuencias, un análisis exhaustivo debe considerar los resultados en un marco multivariante que representa los múltiples efectos de las acciones y la competencia entre los diversos resultados. Esta perspectiva multivariante plantea serias dudas sobre el valor de los resúmenes univariado, que se examinará después de la siguiente sección.

Son indicadores socioeconómicos causas?

La teoría antes descrito es estrictamente una teoría de los efectos de las acciones o intervenciones. No formalizar todos ordinario-idioma o intuitiva usos de las palabras "causa" y "efecto". Dos ingenuo extrema reacciones a esta limitación han sido comunes: una que niega es significativo para hablar de las causas de que no se restringe a fin de las acciones y "causas" de las intervenciones [33], y una que rechaza la teoría contrafactual directamente (véase el análisis de Maldonado y Groenlandia [23]]. Pero dos tipos de reacciones constructivas también han aparecido. El primer tipo generaliza la teoría para abarcar nonactions como causas, un buen ejemplo es la teoría de muchos mundos-[5]. Aunque esta generalización mejor puedan captar el lenguaje corriente, que es muy polémico y no adecuadamente en práctica para el uso diario.

La segunda respuesta constructiva acepta las limitaciones de la teoría restringida y en su lugar trata de identificar posibles acciones ordinarias dentro de los acontecimientos. Este enfoque reconoce que algunas "causas" son mejor tratados como resultados intermedios; entonces una traza la etiología de esas "causas" regresar a los eventos con potencial de intervención, o bien trata a esas "causas" como los acontecimientos acondicionado y busca acciones que Modificar o evitar, en última instancia, los resultados. Terremotos, que causan una gran destrucción, proporcionar ejemplos de neutral unmodifiable causas. Un terremoto, y 1, es el resultado de una larga y compleja cadena de acontecimientos con poco potencial de intervención en virtud de la tecnología actual. Quizás algún día vamos a estar en condiciones de las intervenciones que conducen a la dispersión de la corteza que se destaca con menos daños. Pero por el momento, la mera predicción sería un gran logro y facilitar la adopción de medidas para evitar daños cuando se produce un terremoto. Un ejemplo de tal acción es la estricta observancia de los códigos de construcción en las regiones propensas a terremotos.

Menos neutral ejemplos son proporcionados por las medidas comunes de la educación, tales como la clasificación "No diploma de la escuela de alto", "alto diploma de escuela", "Algo de universidad, ningún grado", "Dos años de grado", " , En posesión de un título "y" grado de Posgrado ". La gente cree que la educación conduce a un mayor número de ingresos y la salud. Pero, ¿cómo hacer bien las diferencias observadas en la medida de la educación predecir los efectos reales de las intervenciones, tales como la acción afirmativa, las mejoras de la escuela pública, o programas de becas? Con fines de política, es la aplicación y evaluación de dichos programas de la materia; los cambios en la educación son sólo medidas intermedias entre los programas y los objetivos últimos de la mejora social, económica y de los resultados de salud.

El valor de la restricción de los modelos para las intervenciones contrafactual es que se nos obliga a explicar las asociaciones observadas entre los factores de riesgo y resultados de salud como eventos potencialmente cambiante. Supongamos un ejemplo muy cargado, la "raza", que cuando se mide como "blanco" o "negro" está claramente asociada a muchos eventos de salud. La gente habla de la raza como una "causa". Pero para hacer algo acerca de las disparidades raciales en los resultados de salud (es decir, para eliminar la asociación observada de la raza y de la salud), tenemos que explicar su origen, en términos de variables causas, tales como las disparidades en la financiación de las escuelas, la disponibilidad de los fondos universitarios , La prevalencia de actitudes racistas, etc Encontrar intervenciones factibles y la estimación de sus costos y beneficios se requiere para hacer frente a las disparidades observadas; afirmar o negar que la "raza" es una causa no ayuda a este esfuerzo.

En caso de que los diferentes resultados se resumen en un solo número?

Dos distintas connotaciones medida de resumen aparecen existentes: la primera y más común que la medida supone un resumen de una sola variable de resultado con un solo número. Ejemplos clásicos incluyen la tasa de mortalidad y la esperanza de vida. La segunda connotación, limita en gran medida a las estadísticas y las ciencias físicas, permite un resumen a ser un vector, es decir, una lista ordenada de los números que resumen diferentes aspectos de un sistema. Un ejemplo de este tipo de población multivariado o multidimensional resumen sería la lista con la esperanza de vida, esperanza de la salud, la brecha de salud y la proporción de muertes debido a diversas causas (por ejemplo, hambre, la violencia, las enfermedades infecciosas, las enfermedades del corazón, derrame cerebral, cáncer).

Debe señalarse en primer lugar que todos los conceptos anteriores y el debate se aplican por igual a cualquier acción o resultado, ya sea unidimensional o multidimensional. En particular, los posibles resultados, Y (x j), el resultado puede representar vectores y acciones de la alternativa, x 0, x 1, etc, también pueden ser vectores, por ejemplo, x 0 puede especificar que el 30%, 40% y 30% de un presupuesto fijo se asigne a la planificación de la familia, el saneamiento y los suministros médicos, respectivamente, y x 1 especifica un plan de reparto diferentes. El principal problema en la ampliación de la perspectiva multidimensional es el limitado número de dimensiones que la mente humana puede contemplar a la vez. Debido a la limitación de que es un motivo fundamental para la síntesis, es esencial para realizar un seguimiento de lo que se pierde en la reducción de dimensionalidad que define resúmenes. También es esencial para realizar un seguimiento de los valores que influyen (o deben influir en) lo que se conserva y lo que se pierde.

Resumen de la salud de la población carece de buenos efectos cuando se firme confundir valoraciones, que varían según la preferencia individual, la cultura, etc, con las medidas de ocurrencia y el efecto (que presumiblemente son cuestiones de hecho científico, aunque sujeto a la incertidumbre). Por ejemplo, muchas personas, en la continuación de fumar, explicar su comportamiento como resultante de un proceso consciente de preferencia antes de morir por enfermedades cardiovasculares o cáncer de sobrevivir hasta mental o déficit neurológico es casi inevitable. Para esas personas, medidas tales como años de vida saludable perdidos por el tabaco representan una combinación de valores de alguien más con el hecho de los riesgos de fumar, ya que hace caso omiso de las preferencias de síntesis entre los diversos resultados de morbilidad y mortalidad afectados por el tabaquismo. Dar a la persona la información necesaria para la elección personal, debemos suministrar un resumen multidimensional, que incluye toda la vida los riesgos de diversas enfermedades.

Pasando a la sociedad, los años de vida saludable perdidos debido al consumo de tabaco no sólo desatiende las diferencias en la asignación de recursos que debe existir entre la actualidad la sociedad (real) y un contrafactual sociedad libre de tabaco, sino que también ignora las diferencias en valores absolutos y proporcionales la morbilidad y la mortalidad Con y sin el uso del tabaco. Esta falta de atención es dirigida por medidas de la función de los costos económicos del consumo de tabaco, y por absoluta y proporcional de la morbilidad y la mortalidad de las comparaciones. Al proporcionar todas estas medidas, estamos paso a una multidimensional resumen de los efectos del tabaco.

Mi intención al plantear estas cuestiones no es para ofrecer una solución a un problema específico de resúmenes. Más bien, es para recordar a los que se enfrentan con una elección entre las medidas que los candidatos no tienen por qué (y, con fines de política, no debe) ser unidimensional limita a los resúmenes. Si bien nuestra capacidad de pensar en varias dimensiones es limitado, se puede mejorar con la práctica. Esa práctica ha demostrado ser crucial en atacar los problemas de la física y la ingeniería, y no hay ninguna razón para suponer que es menos importante en la lucha más complejas cuestiones de política social. En los casos en los que muchas personas deben tomar decisiones informadas basadas en los mismos datos científicos, pero con diferentes valores, multidimensional medidas son fundamentales para proporcionar a cada persona y cada órgano ejecutivo con la suficiente información para la elección racional.

Conflictos de interés

Los autores declaran que no tienen intereses en conflicto.

Agradecimientos

Este artículo es una versión actualizada de Groenlandia, S. (2002), Causalidad teoría de la política de usos de las medidas epidemiológicas, que apareció como Ch. 6,2 en Murray et al. [2].