Epidemiologic Perspectives & Innovations, 2006; 3: 7-7 (más artículos en esta revista)

Causal pensamiento y lenguaje causal en epidemiología: a causa de cualquier otro nombre es todavía una causa: la respuesta a Lipton y Ødegaard

BioMed Central
Clarence C Tam (clarence.tam @ lshtm.ac.uk) [1]
[1] Enfermedades Infecciosas Unidad de Epidemiología del Departamento de Infecciosas y Enfermedades Tropicales, London School of Hygiene & Tropical Medicine, Keppel Street, Londres WC1E 7HT, UK

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

Tengo gran simpatía con los pensamientos de Lipton y Ødegaard [1] - la evaluación y comunicación de "causalidad" asociaciones es una fuente de continua frustración para los epidemiólogos. Los autores' lúcido en consideración el uso de lenguaje de causalidad en epidemiología puede fundamentalmente (si no unflatteringly) se simplifique a lo siguiente: es imposible probar que X causa Y, la declaración "Fumar provoca cáncer de pulmón" por lo tanto, no es más informativo que la declaración "Fumar dos paquetes de un día para el N años aumenta su riesgo de cáncer de pulmón de diez veces". De hecho, es menos informativa, e incluso engañosa. Los autores sostienen que tales declaraciones de causalidad son redundantes, lógicamente insostenible y debe evitarse en favor de descripciones más detalladas del proceso por el cual este tipo de asociaciones se han establecido (la "historia", como los autores decirlo). Estos últimos son, de por sí, causal suficiente declaraciones (la noción de "dejar que los datos hablan por sí solos") y nada se gana haciendo subjetiva atribuciones de causalidad.

Es, por supuesto, difícil de discutir con este razonamiento. Sensible epidemiólogos que asustarse de que una determinada causa una X Y particular, porque saben que, en términos puramente estadísticos, siempre hay una posibilidad que podría estar equivocado. Hay, de hecho, gran parte con la que estoy de acuerdo en Lipton y Ødegaard del documento. Para su llamamiento para "decirle a una buena historia", que según ellos reside "no en la denominación de algo como causal, pero en la realidad el rigor de análisis" [1] (p8), quisiera añadir que no es sólo el rigor en el análisis que se requiere, sino también rigor en buenas preguntas pidiendo la participación de hipótesis comprobables, el rigor en el diseño del estudio y ejecución, y el rigor en la descripción de los resultados. Sin embargo, existen notables puntos en los que no estoy de acuerdo. Los autores comienzan con una breve advertencia, alegando que no intento "de volver a examinar el viejo debate entre el realismo y el pragmatismo en la ciencia". Me parece un poco extraño, para mí, esta cuestión está en el meollo de la argumentación. La descripción de la epidemiología como un "pragmático" la ciencia es más bien lamentable. El término "pragmático" sugiere algún tipo de compromiso entre los objetivos "realismo" y las vicisitudes de la vida cotidiana (véase la nota al pie del apéndice 1). Esto es algo irónico, no veo ningún compromiso en la epidemiología como un campo que aplica métodos científicos, sin embargo imperfectos, para estudiar los problemas cotidianos con el objetivo final de mejorar la salud de los individuos y las poblaciones. La aceptación de sus imperfecciones es, por otra parte, una muy "realista" actitud. En un "pragmático" sentido entonces, el epidemiólogo puede decir que, después de haber evaluado las pruebas disponibles, el consumo de tabaco es causa de cáncer de pulmón. El filósofo, sin embargo (y lo digo no significa falta de respeto para el campo), se puede decir nada acerca de cualquier relación de causalidad entre fumar y el cáncer de pulmón - ya sea en el "pragmático" o objetivo sentidos - que no sea el hecho de que se puede decir nada acerca de cualquier relación de causalidad entre fumar y el cáncer de pulmón (y, de hecho, por lo general). Lipton y Ødegaard parecen aceptar esta "pragmática" papel de la epidemiología, ya que afirman que están interesados en "la capacidad de manipular el mundo, predecir e intervenir" [1] (P3), pero no se sienten que esto es relevante para su debate de la causalidad en epidemiología.

Mi principal dificultad con Lipton y Ødegaard la posición de tal vez se deriva de mi amor de la lengua escrita. La capacidad de cadena de palabras juntas en una hoja de papel de inspirar un sentido de conocimiento, emoción, pregunto, tristeza o depresión quizás a alguien sentado a miles de kilómetros los que nunca se han reunido es, sin duda, uno de los más honorable y digno de las actividades humanas. Un susurro en la oreja de alguien, una conversación casual, un discurso en una convención que todos son finalmente perdió a la dispersión de ondas o adulterados por el tiempo y la memoria. Un bien construido por escrito oración es, al menos en principio, atemporal.

Es desde esta perspectiva más bien romántico que me encuentro doloridos por la torpeza con la que los epidemiólogos deben describir las asociaciones entre la exposición y los resultados de salud. El término "causa" está imbuida de una gran historia y la filosofía, sino que se utiliza para describir un objetivo ideal de un evento que siempre lleva a otra, y, como tal, es a menudo piensa que han limitado su uso en nuestro mundo cotidiano.

Imagine la noción aristotélica de un "ideal" universo, formado por los órganos geométrico perfecto, y los observables "real" universo, una imperfecta aproximación del ideal en el que, por ejemplo, cuerpos esféricos parecen ser los ámbitos, pero más cerca a examen se muestran, por la naturaleza de su imperfección, estará formado por superficies planas. Este (ciertamente algo ingenuo) escenario nos ofrece una analogía visual de cómo los epidemiólogos podría ver el mundo. Hay, sospechamos, un ideal, cierto, pero unobservable "causal" de asociación entre X e Y. Al igual que con otros campos científicos, tenemos como objetivo a este modelo ideal universo utilizando los métodos de nuestros imperfectos y, a partir de nuestras observaciones consiguiente, hacer algún tipo de inferencia sobre la verdadera asociación causal. La pregunta es cómo de cerca de nuestros imperfectos modelos se asemejan a los ideales universo están destinados a reflejar - si se quiere, cómo la pequeña esfera de las superficies planas que componen los cuerpos esféricos. La más pequeña sea la superficie, menor será el error en nuestras observaciones, y cuanto más cerca de nuestros imperfectos representaciones geométricas se asemejan perfecto cuerpos esféricos.

Lipton y Ødegaard argumentan que el concepto de causalidad en el universo ideal, por su naturaleza de ser unobservable, es irrelevante. Uno podría incluso preguntarse si aún existe la causalidad en absoluto en el universo ideal, quizás las cosas simplemente "suceden". Tomemos dos gemelos idénticos que comparten en común no sólo su composición genética-, pero todo lo demás en su vida. Ellos viven en la misma casa, comer exactamente los mismos alimentos, tienen los mismos puestos de trabajo, tienen las mismas ideas al mismo tiempo, de hecho, en cualquier punto dado en el tiempo, los dos son totalmente intercambiables. Este es quizás el más cercano que nunca podría llegar a una verdadera interpretación de nuestro universo ideal. Supongamos que ambos gemelos comienzan a fumar dos paquetes de cigarrillos al día, a la edad de 20 años, que fuman en exactamente las mismas horas. Ambos luego pasar a desarrollar cáncer de pulmón a la edad de 50. El hecho de que se hayan de fumar dos cajetillas de cigarrillos al día durante los últimos 30 años nos daría ninguna información en cuanto a si su cáncer de pulmón fue causada por el tabaquismo, de la misma manera como su edad, sexo, ocupación, composición genética - o cualquiera de los otros factores que los gemelos comparten en común (que lo es todo) nos dicen nada sobre la causa de su cáncer de pulmón. Supongamos, sin embargo, que sólo uno de los gemelos había tomado de fumar. Sólo el fumador va a desarrollar el cáncer de pulmón a la edad de 50 (I ignorar los posibles efectos del tabaquismo pasivo haga click aquí). Me imagino que la mayoría de la gente estaría dispuesta a apostar dinero de fumar es la causa del cáncer del fumador en este caso, ya que es el único factor que distingue a los gemelos. Pero lo que si ambos habían tenido gemelos de fumar y sólo posteriormente desarrollado un cáncer de pulmón? Una vez más, nos veríamos en un atolladero en cuanto a lo que decir sobre el tabaquismo como causa de cáncer de pulmón. Podríamos atrevo a decir que, todo lo demás en igualdad de condiciones, el consumo de tabaco induce el cáncer con una cierta probabilidad. Por supuesto, en el universo ideal nunca nada es igual, para que requeriría dos casos del mismo tipo de evento que ocurren en el mismo lugar al mismo tiempo, y todos los eventos anteriores para los dos eventos que se han producido en exactamente el mismo punto en el espacio-tiempo, aparte de la que posteriormente se denominó la "causa". Tras afirmar que esta causa efectos el resultado con una cierta probabilidad sería equivalente a decir que Dios hace de hecho, jugar dados, una pregunta tal vez mejor dejar que los físicos cuánticos. Me imagino, sin embargo, que la mayoría de los epidemiólogos no estaría dispuesto a aceptar tal interpretación. Después de todo, nuestras observaciones nos dicen que las cosas no ocurren al azar; los resultados de salud entre los individuos grupo con determinadas características, y parece razonable sugerir que si el tabaco no son una verdadera causa de cáncer de pulmón, que deberíamos observar en varias ocasiones esta asociación simplemente por oportunidad. Nuestra idea de causalidad se basa en la creencia de que podemos asignar a grupos de personas con determinadas común, características pertinentes, haciendo caso omiso de los factores que consideren uninformative sobre una determinada asociación y, por tanto, ignorable. De lo contrario, la noción de causalidad no tiene sentido. Que nosotros, como epidemiólogos, esta creencia es testimonio de su ser pertinente e importante, independientemente de si es unobservable.

Es aquí que me encuentro con una franca contradicción en Lipton y Ødegaard del argumento. Están de acuerdo en que el concepto de causalidad es importante en la epidemiología, e incluso de acuerdo en que los términos comúnmente utilizados para implican relaciones causales, como "X aumenta el riesgo de Y de" por "puede ser utilizado en gran parte el mismo sentido que" X causas Y "[1] (p5). Los autores no parecen estar oponiéndose a la utilización del término "causa" por los motivos que describe algo que es cualitativamente diferente. Por lo tanto, es difícil ver lo que encuentran tan desagradable acerca de su uso. Tal vez simplemente no les gusta la palabra "causa", prefiriendo en lugar más descriptivo asociativa declaraciones que, sin embargo, parecen estar de acuerdo a cantidad cualitativamente la misma cosa.

Lipton y Ødegaard la afirmación de que las declaraciones de asociación entre la exposición y los resultados son suficientes en sí mismas declaraciones de causalidad se basa en la fuerte presunción de que, para dos declaraciones dadas asociativa, el grado de evidencia es equivalente - que las superficies planas que componen los ámbitos son imperfectos de igual ámbito. Dudo, sin embargo, si la mayoría de los epidemiólogos le prestaran el mismo peso a cualquier par de declaraciones de causalidad, como "Fumar X paquetes de un día para el N años aumenta su riesgo de cáncer de pulmón Y de momento" y "Vivir dentro de X kilómetros de un torre de telefonía móvil de N años aumenta su riesgo de cáncer de cerebro Y los tiempos ", para cualquier gama de X e Y los valores. Lipton Ødegaard y por lo tanto, abogan por mejores historias, más las cuentas de diseños de estudio, recopilación y análisis de datos y análisis más detallado de confusión y sesgos potenciales. Esto es, por supuesto, debe acogerse con satisfacción, ya que cualquier incremento en rigor sólo puede servir para mejorar la exactitud y la precisión en la descripción de nuestras observaciones (véase el Apéndice nota a pie de página 2). Sin embargo, esto todavía nos deja con el problema de cuál de estas observaciones son en realidad verdadera (en el objetivo, el sentido ideal). Al mejor de los casos, estos debates implican un considerable grado de subjetividad, y las decisiones relativas a las asociaciones que son realmente creíbles y orden de algún tipo de intervención se alcanzan de una manera informal se asemeja más bien poco y el consenso. Incluso conceptualmente más atractiva, como las múltiples prejuicios de modelos se basan en cierto consenso acerca de la distribución antes del supuesto sesgo de correcciones. Por lo tanto, cuando se le preguntó si el tabaquismo causa cáncer de pulmón, un epidemiólogo honesto queda sólo con el texto siguiente como respuesta viable: "Yo puedo decir que el hábito de fumar dos cajetillas al día durante N años aumenta su riesgo de cáncer de pulmón de 10 veces". De hecho, se trata claramente de una simplificación excesiva, y que sería mejor decir: "Yo puedo decir con certeza del 95 por ciento que fumar dos cajetillas al día durante N años aumenta su riesgo de cáncer de pulmón entre A y B veces" . Pero incluso esto no es satisfactorio, y uno de los dos sería preferible: "Yo puedo decir con certeza del 95 por ciento que fumar dos cajetillas al día durante N años aumenta su riesgo de cáncer de pulmón entre A y B veces, en el supuesto de que no hay error sistemático en mis observaciones "o" Yo puedo decir con certeza del 95 por ciento que fumar dos cajetillas al día durante N años aumenta su riesgo de cáncer de pulmón entre A y B veces, y he intentado para corregir los sesgos C, D y E anteriores usando las distribuciones S, T y U, que creo que (aunque no puedo estar seguro) son racionales y exhaustiva ". En este momento, el solicitante tendrá probablemente lamenta hacer la pregunta en primer lugar y, al mismo tiempo puffing lejos a su cigarrillo, vertida por sí una rigidez demasiado whisky.

El problema es que para describir con precisión este tipo de procesos requiere el uso de lenguaje muy complejo que no sólo es lingüísticamente unappealing, sino también desconocido para la mayoría de quienes tienen interés en si fumar causa cáncer de pulmón. Esto es bien conocido para cualquier estudiante de introducción de las estadísticas que ha lidiado con las declaraciones como "No hay pruebas suficientes para rechazar la hipótesis nula". Toda la buena voluntad en el mundo y deseo de transparencia no cambiará este hecho. Es bastante irónico que el campo que está en mejor posición para identificar los efectos adversos sobre la salud de las personas es probablemente la peor de comunicación adecuados para ellos. Esto no es sorprendente, por la perspectiva desde la cual entregamos esas declaraciones difiere notablemente desde la perspectiva de los que las reciben. Por lo tanto, cuando el honesto epidemiólogo afirma que "le puedo decir que el hábito de fumar dos cajetillas al día durante N años aumenta su riesgo de cáncer de pulmón de 10 veces", son una asociación de informes obtenidos dentro de un contexto muy concreto que tiene que ver con la forma en que su estudio fue diseñado, los individuos seleccionados para participar en el estudio, cómo los datos fueron recogidos y analizados, las cuestiones de sesgo y confusión, y nuestro conocimiento de los conceptos estadísticos. Cuando se enfrentan con dicha declaración, sin embargo, una persona podría plantear algunas preguntas más indicado, como, por ejemplo, "¿Qué probabilidades hay de que esta afirmación es cierta para mí" yo ". El epidemiólogo honesto ahora no tiene recurso, por esto no es una pregunta que pueda responder. Podemos, por supuesto, decir que para algunas personas la probabilidad puede ser exactamente el 0 y que para otros puede ser exactamente 1 (véase la nota al pie del apéndice 3). Pero aquí está el quid: mientras que Lipton y Ødegaard favor estas declaraciones porque son más precisos, este es sólo el caso dentro de un contexto muy específico, que los epidemiólogos de la realización de la ciencia de la epidemiología. Para el usuario final de dicha información, sin embargo, es este tipo de declaración que puede ser engañosa, porque no hay manera en que podemos decir que es cierto para cualquier individuo, no al menos sin poner en algunas idea abstracta de una "promedio" de cada uno. Sin embargo, mientras que los epidemiólogos como para elevar el término "causa" a un mítico y filosófico reino, tal como se utiliza en la vida cotidiana, tiene muchas cualidades atractivas lingüística. Si yo fuera a caminar diez minutos de mi oficina (para alejarse de la concentración de los epidemiólogos), impedir que las personas al azar en la calle y preguntarles si piensan que fumar "causas" el cáncer de pulmón, espero que la mayoría de ellos diría Sí. También espero que la mayoría de interpretar el término "causa" en una forma probabilística, reconociendo que no todo el mundo que fuma desarrolla cáncer de pulmón, y que no todos los que se desarrolla el cáncer de pulmón es un fumador. Me imagino que algunos incluso reconocen que entre los fumadores que desarrollan cáncer de pulmón, no es necesariamente cierto que es fumar que llevó a su enfermedad. El uso común de la palabra "causa" por lo tanto, incluye todos los recitaba a menudo cualidades de parcialidad, la necesidad y la suficiencia, mientras que impartir al menos algunos conceptos cualitativos de la incertidumbre estadística.

Al mantener los ideales de resumen objetivo inalcanzable y causas, lo que hacemos un flaco servicio a nuestro campo y aquellos cuyos intereses pretendemos proteger. La idea de los honestos (si no necesariamente objetivo) epidemiólogo confiar a otros con su cuidadosamente observados y calificados declaraciones asociativa es, a mi juicio, no del todo satisfactoria, porque quienes más pueden beneficiarse de esa información no son necesariamente bien equipadas para interpretarlo. La declaración "X causa Y" imparte un sentido de convicción - que, teniendo en cuenta todas las observaciones disponibles, con todas sus calificaciones, nuestra interpretación más razonable es que, en un verdadero si no necesariamente ideal sentido, de hecho, X causa Y, a un medida en que algo debería hacerse al respecto. Para tímido asociativa detrás de las declaraciones, si bien precisa y transparente, es rehuir a este sentido de la responsabilidad social - que nosotros, como recolectores, processers e intérpretes de datos, debería ser obligado a actuar sobre la base de nuestras observaciones, y no sólo dejar a las interpretaciones de otros cuya sentencia no es tal vez mejor que el nuestro. El problema sigue siendo de cuándo y por qué criterios tenemos en cuenta pruebas que sean suficientes para justificar la acción, y este será un debate en curso, uno que, además, la participación política, la economía y los valores sociales, y en el que los epidemiólogos, sin duda, debe ser cada vez más implicados. Si los llamamos "causas" o "rosas" es, en gran medida, un punto discutible. Hay, sin embargo, ninguna palabra en el idioma Inglés, o en cualquiera de los idiomas con los que estoy familiarizado, para describir una asociación para la que hay pruebas suficientes para justificar alguna forma de intervención. Tal vez debería inventar epidemiólogos. Para aquellos estudiantes bourgeoning introductoria de las estadísticas, sin embargo, será deprimente saber que nunca podremos saber realmente que tenemos la razón en atribuir las asociaciones causales. A pesar de nuestras mejores intenciones y cualificaciones (y aun a riesgo de sonar como un refutationist), en el mejor de todo lo que podemos decir es que hasta ahora no hemos sido no la derecha. Pero en la mayor esquema de las cosas, los epidemiólogos sólo puede jamás estar equivocado.

Conflicto de intereses

Declaro que no tengo intereses en competencia (excepto el de ser un epidemiólogo).

Apéndice
Nota 1

Lipton y Ødegaard utilizar el término "real" para describir metafísica, la verdad objetiva. Yo uso el término en todo el texto para describir nuestro mundo cotidiano, en referencia a verdades objetivas como "ideales".

Nota de pie de página 2

Me refiero a "la exactitud y la precisión en la descripción de nuestras observaciones" en el sentido de nuestras declaraciones sobre las asociaciones están más exacta y precisa descripción de nuestras observaciones, en lugar de en el sentido de ellas es necesariamente cierto (en el objetivo, el sentido ideal).

Nota de pie de página 3

A fin de no excluir la stochasticists entre nosotros, yo también añadir aquí que para algunas personas, quizá incluso para la mayoría de las personas, la probabilidad podría ser en algún punto entre cero y uno.

Agradecimientos

Doy las gracias a Ben Lopman, Onyebuchi Arah y dos revisores anónimos por sus atinados comentarios sobre el manuscrito.