Principios básicos de la epidemiología

La historia natural de una enfermedad en una población, a veces denominada ecología de la enfermedad, se refiere al curso de la enfermedad desde su comienzo hasta sus puntos finales clínicos. La historia natural comienza antes de la infección (periodo de prepatogenia) cuando el agente simplemente existe en el medio ambiente, incluye los factores que afectan a su incidencia y distribución, y concluye con su desaparición o persistencia (endemicidad) en ese medio ambiente. Aunque el conocimiento completo de la historia natural no es absolutamente necesario para el tratamiento y control de la enfermedad en una población, sí facilita las intervenciones más eficaces.

Un concepto epidemiológico importante es que ni la salud ni la enfermedad se producen al azar en todas las poblaciones. Innumerables factores influyen en el crecimiento y la disminución temporal de la enfermedad. Una enfermedad se considera endémica cuando está constantemente presente dentro de un área geográfica determinada. Por ejemplo, la rabia animal es endémica en EE. UU. Una epidemia tiene lugar cuando una enfermedad se produce en una cantidad mayor a la esperada en una población y área geográfica determinadas. Los casos de rabia causados por la variante del virus de la rabia asociada al mapache se consideraron una epidemia en todo el este de EE. UU. durante gran parte de las décadas de 1980 y 1990. Un subconjunto de una epidemia es un brote, cuando se produce una mayor incidencia de casos de enfermedad de lo que normalmente se esperaría en una escala menor (p. ej., un brote del virus de la panleucopenia felina en una protectora de animales). Finalmente, se produce una pandemia cuando una epidemia adquiere un alcance global (p. ej., la pandemia de influenza de 1918 o la pandemia de COVID-19).

La población en riesgo son aquellos miembros de la población general capaces de desarrollar la enfermedad o afección en cuestión. Este concepto de la población en riesgo parece simple, pero las malas interpretaciones pueden conducir a resultados y conclusiones erróneos. Por ejemplo, un estudio de cáncer de ovario en animales de una población no debe incluir a perros macho en la población de riesgo (frecuentemente expresada como denominador en una proporción epidemiológica).

Una relación es el valor obtenido dividiendo una cantidad por otra (X/Y). El numerador y el denominador pueden ser independientes entre sí. De hecho, en epidemiología, el término relación se aplica cuando el numerador no es un subconjunto del denominador. Por ejemplo, en una clase de estudiantes de veterinaria en la que 88 son mujeres y 14 son hombres, la relación de sexos entre las estudiantes y los estudiantes es de 88/14, o 6,3 a 1.

La proporción es un tipo de relación en la que el numerador es parte del denominador (A/[A + B]). Por lo tanto, no son independientes. Por ejemplo, supongamos que, entre los perros domésticos que dan positivo en la prueba de parásitos internos en Knoxville, Tennessee, 889 eran machos y 643 eran hembras. La proporción de perras entre las que presentan infecciones parasitarias sería de 643/(889 + 643), o 0,42.

La tasa es otro tipo de relación en la que el denominador implica el paso del tiempo. Las tasas pueden usarse para medir la velocidad de un evento de enfermedad o para hacer comparaciones epidemiológicas entre poblaciones a lo largo del tiempo. Las tasas se suelen expresar como una medida de la frecuencia con la que se produce un evento en una población definida en un tiempo definido (p. ej., el número de infecciones por Salmonella por cada 100 000 habitantes anualmente en EE. UU.).

La incidencia es una medida de la nueva aparición de una enfermedad (p. ej., enfermedad o muerte) en una población específica dentro de un periodo de tiempo definido. Dos componentes esenciales son el número de nuevos casos y el periodo de tiempo en el que aparecen. Aunque la incidencia puede expresarse como un simple recuento del número de casos nuevos de enfermedad observados en una población, es más útil como medida de la frecuencia de la enfermedad cuando se expresa como una tasa. Por ejemplo, en una clase de 102 estudiantes de veterinaria, si 13 de ellos desarrollaron influenza en el transcurso de un trimestre académico, la tasa de incidencia sería de 0,127 casos por alumno por trimestre (o 12,7 casos por 100 alumnos por trimestre). Una tasa de ataque es una tasa de incidencia; sin embargo, el periodo de vulnerabilidad es muy corto (por lo general limitado a un solo brote).

Un concepto similar a la incidencia es la prevalencia. Por lo general, esto se refiere a la prevalencia puntual: el número total de casos que existen en un momento determinado en una población de riesgo. Si, en un momento dado del trimestre académico, 7 de 102 estudiantes tuvieran influenza, la prevalencia sería de 7/102 o 0,069 casos por clase (o 6,9 %).

Las medidas de la carga de la enfermedad suelen describir los resultados de la enfermedad y la muerte como morbilidad y mortalidad, respectivamente. La morbilidad es la medida de la enfermedad en una población, y el número y las tasas se calculan de forma similar a la incidencia y la prevalencia. La mortalidad es la medida correspondiente de muerte en una población y puede aplicarse a la muerte por causas generales (inespecíficas) o por una enfermedad específica. La mortalidad por una enfermedad en particular se expresa como tasa de letalidad, que es el número de muertes debidas a esa enfermedad entre los individuos afectados en un periodo de tiempo determinado.

En otro ejemplo, considérese una gran consulta veterinaria en el sudoeste de EE. UU. que frecuentemente atiende a perros con coccidioidomicosis. La consulta diagnosticó 542 casos clínicos en un año en particular, 83 de los cuales murieron a causa de la enfermedad en el transcurso de ese año. El mes en el que se diagnosticaron más casos fue septiembre, en el que se diagnosticaron 97 casos. Además, en un solo momento (quizás basado en los resultados de una encuesta serológica de perros en la zona de la consulta), 237 perros de 6821 perros con registros activos en la consulta tenían la enfermedad. En este escenario, la prevalencia de coccidioidomicosis en el momento de la encuesta serológica sería de 237/6821 o 0,035 (3,5 %); la incidencia en septiembre sería de 97 casos y la tasa de incidencia sería de 97/6821 o 0,014 (1,4 %). Finalmente, la tasa de mortalidad anual por coccidioidomicosis en esa consulta sería de 83/6821 o 0,013 (1,3 %), y la tasa de letalidad sería de 83/542 o 0,153 (o 15,3 %).

La vigilancia médica es el análisis de la información sanitaria para buscar problemas que exijan una prevención específica. La vigilancia de enfermedades animales foráneas la realiza la división de Servicios Veterinarios del Animal and Plant Health Inspection Service del USDA (APHIS), con su vasta red de veterinarios estatales y privados, para detectar amenazas a la salud animal de manera oportuna. La Vigilancia de la salud pública es la recogida, el análisis, la interpretación y la difusión sistemáticos y continuos de datos específicos de los resultados esenciales para la planificación, la implementación y la evaluación de la práctica de salud pública. En epidemiología, la vigilancia de la salud se realiza en sistemas pasivos o activos.

La vigilancia pasiva se produce cuando los agentes de atención médica individuales o los laboratorios de diagnóstico envían informes periódicos (de acuerdo con la normativa estatal o federal) a la agencia de salud pública. Dado que esta notificación es voluntaria (a veces se dice que se "presiona" a las agencias de salud), la vigilancia pasiva tiende a subnotificar la enfermedad, especialmente en las enfermedades con baja morbilidad y mortalidad. La vigilancia pasiva es útil para el análisis de tendencias a largo plazo (si los criterios de notificación permanecen coherentes) y es mucho menos costosa que la vigilancia activa. Un ejemplo de vigilancia pasiva es el sistema de enfermedades de declaración obligatoria notificadas rutinariamente a los CDC por los estados, los territorios y otras jurisdicciones de notificación en todo EE. UU. La vigilancia activa, por el contrario, se produce cuando los epidemiólogos o las agencias de salud pública buscan datos específicos de profesionales de la atención médica o laboratorios individuales. En este caso, los datos los "extrae" el solicitante, por lo general durante la aparición de enfermedades o cambios dignos de mención en la incidencia de la enfermedad. La vigilancia activa suele ser mucho más cara y laboriosa; se suele limitar a análisis a corto plazo de eventos de alto impacto. Un ejemplo es el esfuerzo de vigilancia global de varios años para detectar nuevos casos de COVID-19 durante la pandemia que comenzó en 2020.

Dado que ni la salud ni la enfermedad se distribuyen por igual en una población, los epidemiólogos usan varios métodos para estudiar y describir su incidencia. En la epidemiología descriptiva, las enfermedades se clasifican según las variables de persona (animal), lugar y tiempo.

Individual (persona o animal): ¿A quiénes afecta esta enfermedad? Ciertas variables pueden destacar cambios en el estado de la enfermedad y pueden usarse para orientar estudios e intervenciones adicionales. Las variables comunes de las personas incluyen edad, sexo, raza, estado socioeconómico, estado civil, religión, fumador/no fumador, etc. En el caso de los animales, las variables equivalentes pueden incluir la reseña (edad, especie, raza, sexo y estado reproductivo [p. ej., sexualmente entero frente a castrado, gestante frente a no gestante]), la aptitud (p. ej., producción de carne, leche o fibra; caballo de carreras, caballo de trabajo o caballo de placer; perro de compañía frente a perro de trabajo militar) y silvestre o asilvestrado frente a domesticado.

Lugar: ¿Dónde se produce esta enfermedad? Los posibles lugares (variables de lugar) suelen ilustrar las diferencias geográficas en la aparición de una enfermedad en particular. Los estudios focalizados pueden ayudar a los epidemiólogos a determinar por qué se han producido esas diferencias y a identificar factores de riesgo específicos. Las variables de lugar comunes incluyen comparaciones a través de los límites nacionales, estatales y municipales, y entre comunidades urbanas y rurales, e incluso lugares específicos para investigar brotes de enfermedades. Para las poblaciones animales, "lugar" puede referirse al alojamiento (p. ej., en el interior frente al exterior, el número de corral o establo) o al tipo de manejo del rebaño (p. ej., la producción intensiva del cebadero frente al pastoreo extensivo). El lugar también puede relacionarse con el riesgo de exposición a animales infecciosos en los establos de venta o durante el transporte o con factores externos como el clima severo y los desastres naturales.

Tiempo: ¿Cuándo y durante qué periodo de tiempo (horas, días, semanas, día frente a noche) se produce esta enfermedad? Las variables de tiempo son importantes para describir cuándo se produce la enfermedad en relación con varios factores de exposición potencial y vulnerabilidad. En los animales, el tiempo puede referirse al turno de ordeño, a la época de reproducción, a la época de partos/partos, al destete, durante el transporte, a la llegada al cebadero, a la estación seca frente a la húmeda, etc. Las variables temporales comunes incluyen tendencias seculares (cambios durante largos periodos de tiempo), periodos estacionales/cíclicos y puntos específicos en el tiempo (p. ej., brotes, epidemias, series de casos, etc.).

Cuando se observa una enfermedad en particular en relación con las variables de persona, lugar y tiempo, a menudo se describe sistemáticamente para facilitar un estudio con mayor profundidad. Estas descripciones sistemáticas suelen adoptar la forma de informes de casos, series de casos o estudios transversales:

1. Los informes de casos son relatos de uno o varios incidentes notables relacionados con la salud (p. ej., una descripción epidemiológica de un caso de rabia humana).

2. La serie de casos son listados de un número de casos mayor, por lo general expuestos consecutivamente (p. ej., una caracterización de los incidentes de mordedura de perro en una población de veterinarios o técnicos a lo largo del tiempo). Los artículos procedentes de una serie de casos son útiles para comparar variables de persona, lugar o tiempo, ya que parecen afectar a la aparición de una enfermedad en particular.

3. Los estudios transversales son evaluaciones únicas de la incidencia o prevalencia de una enfermedad en una población definida, que por lo general se selecciona al azar de una población más grande en riesgo (p. ej., una encuesta serológica de veterinarios para detectar la presencia de anticuerpos frente a microorganismos de Bartonella henselae para determinar los factores de riesgo y la enfermedad por arañazos de gato). Los estudios transversales son especialmente útiles para formular hipótesis que se abordarán mediante estudios analíticos de seguimiento.

El sesgo es cualquier tendencia en la recopilación, análisis, interpretación, publicación o revisión de datos que puede conducir a conclusiones que difieren de la verdad. Dos tipos principales de sesgos en la epidemiología descriptiva son el sesgo de selección y el sesgo de observación.

1. El sesgo de selección se basa en la identificación de sujetos o casos de un subconjunto que no es representativo de toda la población en riesgo. Por ejemplo, los datos provenientes de un hospital universitario veterinario pueden no ser típicos de la población general si predominan los pacientes derivados para atención especializada, si los propietarios están especialmente dispuestos y capacitados, y si los pacientes han sobrevivido el tiempo suficiente para tener un diagnóstico confirmado.

2. El sesgo de observación surge de diferencias sistemáticas en el método de obtener información de los sujetos o casos. Por ejemplo, en un ensayo controlado, el conocimiento por parte de los investigadores y propietarios de qué animales están en el grupo de control y cuáles están recibiendo una intervención activa puede alterar las estimaciones de los efectos de la intervención.

En general, el sesgo en los estudios descriptivos no es tan prevalente o consecuente como el sesgo en los estudios analíticos.

En resumen, la epidemiología descriptiva sirve para describir la aparición de la enfermedad en una población. Los métodos descriptivos se aplican comúnmente (pero no siempre) a enfermedades poco conocidas; usan datos preexistentes, abordan las preguntas de quién/dónde/cuándo e identifican asociaciones potenciales para estudios analíticos más profundos.

Los estudios analíticos se aplican para estudiar la etiología de la enfermedad, para identificar una relación causal entre las exposiciones y los resultados de salud. Se suelen usar cuando se dispone de conocimientos sobre un problema de salud en particular, por lo general a partir de estudios descriptivos previos. Al evaluar la causalidad de las asociaciones de enfermedades, los estudios analíticos abordan la cuestión del "por qué" en contraposición a la "persona/lugar/tiempo" de los estudios descriptivos.

Una vez que se han observado asociaciones potenciales entre los que tienen una enfermedad en particular y los que no, se llevan a cabo más investigaciones para determinar la causalidad e identificar intervenciones eficaces. Lo primero en un estudio analítico es formar algunas conjeturas sobre las exposiciones observadas y los resultados de salud. La hipótesis nula establece la suposición por defecto de que no hay asociación entre la exposición en cuestión y el pronóstico de la enfermedad. Esta suposición de no asociación se hace a pesar de que el epidemiólogo a menudo piensa que existe alguna asociación. Los estudios están diseñados para probar la hipótesis nula y rechazarla (al encontrar evidencia significativa de que realmente existe alguna asociación entre la exposición y el pronóstico de la enfermedad) o no rechazarla (al no encontrar evidencia significativa de que exista una asociación).

La epidemiología analítica se consigue mediante estudios de observación o estudios intervencionistas. En estudios de observación, el investigador no controla la exposición entre los grupos en estudio y por lo general, no puede asignar sujetos al azar a los grupos de estudio.

El sesgo es la desviación sistemática de los resultados o inferencias de la verdad o los procesos que conducen a tal desviación. El sesgo es difícil de evitar por completo cuando se realiza un estudio científico. Por lo tanto, los estudios están diseñados de manera que se minimicen las fuentes y los efectos del sesgo.

El efecto Hawthorne: los participantes en un estudio pueden actuar o comportarse de manera diferente porque saben que se les está estudiando. En 1924-1932, se estudió a los trabajadores de Hawthorne Works (una compañía eléctrica cerca de Chicago) para ver si la productividad era mayor según la cantidad de luz proporcionada en el trabajo. Los resultados mostraron que la productividad se incrementó durante el curso del estudio independientemente de los cambios en la luz; los trabajadores simplemente rindieron más gracias a la atención. Cuando finalizó el estudio, la productividad volvió a los niveles previos al estudio.

Sesgo de recuerdo. Los casos y los controles pueden recordar una exposición de forma diferente (y no aleatoria). Por lo general, los casos recuerdan las exposiciones más claramente que los controles.

Sesgo de selección. Esto ocurre cuando los controles seleccionados no son representativos de la población de la que se seleccionaron los casos. En otras palabras, hay una característica importante de los controles que los diferencia de la población general. Un ejemplo es el efecto del trabajador sano, que se refiere al fenómeno de que los grupos con empleo tienen menor mortalidad que la población general. Por tanto, si los grupos de estudio están compuestos por grupos diferentes de personas empleadas y desempleadas, los resultados pueden estar muy bien sesgados. Otro ejemplo es el sesgo de no respondedor, que se produce cuando los no respondedores de una muestra difieren de forma significativa de los respondedores. Este sesgo es común en la investigación descriptiva, analítica y experimental, y se ha demostrado que es un problema serio en estudios de encuestas. Un tercer ejemplo es el sesgo de exclusión, que resulta de la exclusión de grupos particulares de la muestra; por ejemplo, la exclusión de sujetos que han migrado recientemente al área de estudio (esto puede ocurrir cuando los recién llegados no están disponibles en un registro utilizado para identificar la población fuente).

Sesgo del observador. El investigador, teniendo conocimiento de los resultados, puede registrar las exposiciones de manera diferente entre casos y controles.

Sesgo de recuerdo: se produce un error sistemático cuando los participantes no recuerdan con exactitud los episodios o experiencias previas o cuando omiten detalles. La exactitud y el volumen de los recuerdos pueden verse influidos por sucesos y experiencias posteriores. El sesgo de recuerdo es un problema en los estudios que utilizan la autoevaluación, como los estudios de casos y controles y los estudios de cohorte retrospectivos.

Sesgo de notificación: la difusión de los hallazgos de la investigación se ve influida por la naturaleza y la dirección de los resultados. Los resultados estadísticamente significativos y positivos que indican que los trabajos de intervención funcionan tienen más probabilidades de publicarse, más probabilidades de publicarse rápidamente, más probabilidades de publicarse en inglés, más probabilidades de publicarse más de una vez, más probabilidades de publicarse en revistas de alto impacto y, en relación con el último punto, es más probable que sean citados por otros. La contribución que hacen a la totalidad de la evidencia en las revisiones sistemáticas los estudios que muestran resultados no significativos es tan importante como la de los estudios con resultados estadísticamente significativos.

Sesgo de vigilancia (también conocido como sesgo de detección): los pacientes de un grupo de exposición tienen una mayor probabilidad de que se detecte el resultado del estudio debido a una mayor vigilancia, cribado o pruebas del propio resultado, o un signo clínico asociado.

Confusión: en los estudios epidemiológicos, un factor de confusión es la "distorsión de la medida del efecto de una exposición sobre un resultado debido a la asociación de la exposición con otros factores que influyen en la aparición del resultado".1 Un factor de confusión es una variable que no se consideró en el diseño del estudio pero que está asociada con la exposición y ejerce un efecto sobre el resultado. Por ejemplo, en un estudio que analiza el estado de esterilización como un factor de riesgo para el carcinoma mamario en perras, un factor de confusión potencial podría ser la alimentación con sobras de la mesa (es decir, suponiendo que la alimentación con sobras de la mesa se asociara tanto con el estado de esterilización como con el carcinoma mamario en perras). Los factores de confusión pueden producir una falsa asociación entre variables o enmascarar una verdadera asociación entre variables. Un ejemplo de lo primero fue una conclusión falsa extraída de un estudio de la relación entre el consumo de alcohol y la enfermedad cardiaca. En el estudio se concluyó que el consumo de alcohol se asoció significativamente con la enfermedad cardiaca. El tabaquismo se identificó más tarde como un factor de confusión, porque el tabaquismo se correlacionaba tanto con el consumo de alcohol como con la enfermedad cardiaca. Cuando se corrigieron los efectos de este factor de confusión, no se encontró asociación entre el consumo de alcohol y la enfermedad cardiaca.

Cuando se analizan los resultados de un estudio epidemiológico, hay dos tipos categóricos de error en la prueba de hipótesis clásica.

El error tipo I se produce cuando se rechaza incorrectamente la hipótesis nula (concluyendo que hay una diferencia cuando en realidad no existe ninguna diferencia). Esto es como un falso positivo: el estudio encuentra una asociación positiva entre la exposición y el resultado, pero esto es falso.

El error de tipo II se produce al no rechazar la hipótesis nula cuando en realidad la hipótesis nula es falsa (concluyendo que no hay diferencia cuando de hecho existe una diferencia). Esto es como un falso negativo: el estudio no encuentra asociación entre la exposición y el resultado, pero esto es falso.

En epidemiología, las variables están asociadas entre ellas o no. Si las variables no están asociadas, no hay relación; son independientes. Si las variables están asociadas, esa relación puede ser positiva o negativa. Si dos variables están asociadas positivamente, los valores de ambas variables aumentan o disminuyen juntos. Si están asociadas negativamente, el valor de una variable aumenta cuando la otra disminuye. Finalmente, si existe una asociación (positiva o negativa), es causal o no causal relacionada con el resultado.

Cuando dos variables están asociadas entre sí, a veces se sabe si la relación es causal (la relación entre mordeduras de animales y la rabia). Sin embargo, en la mayoría de los estudios epidemiológicos, la relación entre las variables (p. ej., la exposición y el resultado) es mucho más difícil de determinar y requiere un análisis más extenso. Se han propuesto varios conjuntos de criterios sistemáticos para determinar la causalidad. Algunas consideraciones para establecer la causalidad son las siguientes:

1. Fuerza: aunque una asociación pequeña no significa que no haya un efecto causal, cuanto mayor es la asociación, más probable es que sea causal.

2. La coherencia: los hallazgos repetidamente similares observados por diferentes personas en diferentes lugares con diferentes muestras refuerzan la probabilidad de un efecto causal.

3. Especificidad: la causalidad es más probable en una población muy específica en un sitio específico y en una enfermedad sin otra explicación probable. Cuanto más específica sea la asociación entre una exposición y un resultado, mayor será la probabilidad de que sea causal.

4. Temporalidad: el resultado debe producirse después de la exposición.

5. Gradiente biológico (respuesta a la dosis): una mayor exposición suele dar lugar a una mayor incidencia del resultado. Sin embargo, en algunos casos, la mera presencia de la exposición, independientemente de su magnitud, puede desencadenar el efecto. En otros casos se observa una relación inversa cuando una mayor exposición de un factor protector conduce a una menor incidencia de resultados.

6. Plausibilidad: un mecanismo racional y explicable entre causa y efecto es útil (pero puede estar limitado por los conocimientos actuales).

7. Coherencia: la concordancia entre los hallazgos epidemiológicos y de laboratorio incrementa la probabilidad de un efecto causal.

8. Analogía: se puede considerar el efecto de asociaciones similares entre otras variables de exposición y resultado.

Los veterinarios utilizan muchas pruebas diagnósticas para determinar qué puede estar mal en un animal y cómo se le puede tratar. El diagnosticador debe darse cuenta de que estas pruebas son falibles; ninguna prueba es sensible y específica al 100 %. Es decir, ninguna prueba puede eliminar la posibilidad de resultados falsos positivos y falsos negativos. Sin embargo, existen métodos para interpretar los resultados de las pruebas para reducir la probabilidad de fallo inherente. Las pruebas o procedimientos de diagnóstico que se sabe que producen los mejores resultados se denominan métodos de referencia. Frente a estos métodos de referencia, las pruebas más nuevas, por lo general más rápidas y más convenientes, se miden en términos de sensibilidad y especificidad.

La sensibilidad es la probabilidad de un resultado positivo cuando la enfermedad está realmente presente. La especificidad es la probabilidad de un resultado negativo en la prueba en ausencia de enfermedad, clasificando así correctamente a un individuo como libre de enfermedad (con respecto a esa afección en particular). Para calcular la sensibilidad y la especificidad de una prueba, considérese la siguiente tabla de 2 × 2 ( ver la Tabla: Cálculo de la sensibilidad y especificidad de la prueba).

Las pruebas de cribado suelen tener mayor sensibilidad y menor especificidad, porque el objetivo de esta prueba es detectar el número máximo de individuos con esa enfermedad en particular. Por lo tanto, un resultado negativo de la prueba implica firmemente que la enfermedad está ausente, mientras que un resultado positivo puede requerir pruebas adicionales de confirmación. Por esa razón, las pruebas positivas suelen ir seguidas de una prueba confirmatoria que muestra una mayor especificidad para identificar qué resultados positivos son verdaderos y cuáles son falsos. Dada la elevada especificidad de las pruebas de confirmación, un resultado positivo implica claramente la presencia de la enfermedad.

En medicina clínica, hay dos parámetros adicionales de las pruebas de diagnóstico que son relevantes. El valor predictivo positivo (VPP) de una prueba es la probabilidad de que un paciente tenga realmente la enfermedad cuando la prueba es positiva. El VPP se calcula dividiendo los verdaderos positivos por la suma de los verdaderos positivos y los falsos positivos: a/(a + b). Los resultados falsos negativos no afectan al VPP. Por lo tanto, si el VPP de una prueba es del 100 %, la validez de un resultado negativo sigue siendo desconocida.

El valor predictivo negativo (VPN) es la probabilidad de que un paciente no tenga la enfermedad cuando la prueba es negativa. El VPN se calcula dividiendo los verdaderos negativos por la suma de los verdaderos negativos y los falsos negativos: d/(c + d). Los resultados falsos positivos no afectan al VPN. Por lo tanto, si se informa de que una prueba tiene un VPN del 100 %, la validez de un resultado positivo sigue siendo desconocida.

El VPP y el VPN son clínicamente relevantes, porque están directamente relacionados con la prevalencia de la enfermedad. Para las enfermedades de alta prevalencia, el VPP de una prueba será alto y el VPN será bajo. En el caso de las enfermedades más raras, ocurrirá lo contrario, es decir, el VPP será bajo y el VPN será alto. Por estas razones, la supuesta prevalencia de una enfermedad debe tenerse en cuenta a la hora de interpretar los resultados de las pruebas de diagnóstico.

Los funcionarios de la salud pública humana y animal investigan los brotes de enfermedades para controlarlos, prevenir otras enfermedades y aprender a evitar que se produzcan brotes similares en el futuro. Tanto si un brote es de origen alimentario como si procede de otra fuente infecciosa, la metodología es similar.

Los CDC siguen los siguientes pasos en la investigación de los brotes de enfermedades: preparar el trabajo de campo, confirmar la existencia de un brote, verificar el diagnóstico, establecer una definición de caso de trabajo, participar en la búsqueda sistemática de casos, aplicar la epidemiología descriptiva, desarrollar y probar hipótesis (epidemiología analítica), aplicar medidas de control y comunicar los resultados. Aunque estos pasos se realizan de forma sistemática, a menudo se solapan o se producen simultáneamente. Por ejemplo, el establecimiento de una definición de caso práctico suele comenzar mientras el diagnóstico está en proceso de verificación y continúa a través del proceso inicial de búsqueda sistemática de casos.

Curva epidémica de fuente común intermitente

Imagen

Cortesía del Dr. Donald L. Noah.

Curva epidémica, fuente de propagación

Imagen

Cortesía del Dr. Donald L. Noah.

Establecer una definición de caso práctico es el método por el cual los funcionarios de la salud pública definen qué individuos se incluyen como casos oficiales en el brote e ilustran los límites del brote. Una definición eficaz de los casos es fundamental porque puede ser confuso, especialmente en ausencia de diagnósticos definitivos, diferenciar entre los casos reales de la enfermedad y los enfermos por otras causas. La definición de caso define un caso en términos de persona, lugar y tiempo. Los criterios de persona suelen incluir factores de vulnerabilidad como la edad, el sexo, los signos clínicos o los antecedentes de exposición. Los criterios de lugar suelen incluir un límite geográfico, como un estado o un área local, una granja o un refugio en particular. Los parámetros temporales se pueden establecer después de una comida determinada (si es de origen alimentario) o de otros tipos de exposición. Las definiciones de los casos suelen basarse en los signos clínicos o en los resultados de las pruebas de diagnóstico. El primero es más subjetivo que el segundo, pero puede ser igual de eficaz, especialmente en condiciones epidemiológicas de campo. A medida que avanza la investigación y se dispone de más información, puede ser necesario revisar la definición del caso. Sin embargo, esto se hace con criterio, porque los cambios en la definición de los casos dan lugar a cambios en la interpretación de los datos.

La curva epidémica es un gráfico simple del número de animales afectados en una población a lo largo del tiempo y es una herramienta importante para describir la progresión de un brote. El eje horizontal representa un intervalo de tiempo (por lo general la fecha en la que un individuo desarrolló signos clínicos, también llamada fecha de aparición). El eje vertical es el número de casos nuevos en cada fecha. Se actualiza a medida que llegan nuevos datos y, por tanto, está sujeto a cambios. La curva epidémica es compleja y puede verse limitada por deficiencias en la información y definiciones de casos inexactas. A pesar de estas posibles limitaciones, la información detallada sobre las fechas y el número de casos notificados es útil visualmente. Además de la magnitud y la duración del brote, la forma de la curva puede mostrar información útil sobre la naturaleza del brote.

La forma general de la curva epidémica puede ofrecer pistas sobre el tipo de exposición que dio lugar al brote. Las típicas curvas epidémicas de fuentes comunes incluyen: una fuente puntual común específica en la que todos los casos se expusieron en el mismo momento y lugar (p. ej., un brote de enfermedades transmitidas por los alimentos); una fuente común con exposición continua en la que, aunque la fuente es común, los casos aumentan gradualmente antes de llegar a un pico o a una meseta y disminuir; y una fuente común con exposición intermitente en la que los picos se producen en momentos irregulares correspondientes a las exposiciones anteriores. Además de que los brotes tienen fuentes comunes, pueden tener fuentes propagadas, en las que los casos pueden infectar directamente a otros casos separados de la fuente inicial. En un brote de fuente propagada, se produce la transmisión de persona a persona, a menudo a través de varios ciclos antes de declinar.

Otro atributo de un brote que puede ilustrarse mediante la curva epidémica es el periodo de incubación (el tiempo desde la infección hasta la aparición de los signos [o resultados positivos]). En un brote de fuente puntual común, el pico de casos se produce un periodo de incubación después del evento de exposición. En un brote de origen propagado, los picos de casos se producen con un periodo de incubación de diferencia. A partir de los periodos de incubación mínimos y máximos conocidos, se puede identificar el periodo de exposición más probable para que los investigadores se centren en la búsqueda del episodio cuando se produjo la exposición (p. ej., una nueva bolsa de alimentación o exposición a un individuo infectado).

En un brote de enfermedad diseminada (o infecciosa), el número de casos secundarios que suelen resultar de cada nuevo caso se denomina número de reproducción efectiva, simbolizado como R. Suponiendo que no hay otros individuos infectados o inmunizados (naturalmente o por vacunación), los modelos matemáticos pueden estimar el número esperado de casos generados directamente por un caso en una población totalmente sensible, denominado número de reproducción básico, simbolizado como R₀. Por definición, por tanto, la R₀ no puede modificarse mediante campañas de vacunación. Obsérvese que R₀ es un número adimensional y no una velocidad, que tendría unidades de tiempo.