Section 6: Descriptive Epidemiology

Como se señaló anteriormente, a todo reportero novato se le enseña que una historia está incompleta si no describe el qué, quién, dónde, cuándo y por qué / cómo de una situación, ya sea que sea un lanzamiento de transbordador espacial o un incendio en una casa. Los epidemiólogos se esfuerzan por caracterizar un evento epidemiológico con una amplitud similar, ya sea una pandemia de gripe o un aumento local de accidentes de vehículos todo terreno. Sin embargo, los epidemiólogos tienden a usar sinónimos para las cinco W enumeradas anteriormente: definición de caso, persona, lugar, tiempo y causas/factores de riesgo/modos de transmisión. La epidemiología descriptiva abarca el tiempo, el lugar y la persona.

Compilar y analizar datos por hora, lugar y persona es deseable por varias razones.

• Primero, al observar los datos cuidadosamente, el epidemiólogo se familiariza mucho con los datos. Él o ella puede ver lo que los datos pueden o no pueden revelar en función de las variables disponibles, sus limitaciones (por ejemplo, el número de registros con información faltante para cada variable importante) y sus excentricidades (por ejemplo, todos los casos varían en edad de 2 meses a 6 años, más un niño de 17 años.).
• En segundo lugar, el epidemiólogo aprende el alcance y el patrón del problema de salud pública que se está investigando: qué meses, qué vecindarios y qué grupos de personas tienen más y menos casos.
• En tercer lugar, el epidemiólogo crea una descripción detallada de la salud de una población que se puede comunicar fácilmente con tablas, gráficos y mapas.
• En cuarto lugar, el epidemiólogo puede identificar áreas o grupos dentro de la población que tienen tasas altas de enfermedad. Esta información, a su vez, proporciona pistas importantes sobre las causas de la enfermedad, y estas pistas se pueden convertir en hipótesis comprobables.

Tiempo

La aparición de la enfermedad cambia con el tiempo. Algunos de estos cambios ocurren regularmente, mientras que otros son impredecibles. Dos enfermedades que ocurren durante la misma estación cada año incluyen la gripe (invierno) y la infección por el virus del Nilo Occidental (agosto a septiembre). Por el contrario, enfermedades como la hepatitis B y la salmonelosis pueden ocurrir en cualquier momento. Para las enfermedades que ocurren estacionalmente, los funcionarios de salud pueden anticipar su aparición e implementar medidas de control y prevención, como una campaña de vacunación contra la gripe o la fumigación de mosquitos. Para las enfermedades que ocurren esporádicamente, los investigadores pueden realizar estudios para identificar las causas y los modos de propagación, y luego desarrollar acciones dirigidas adecuadamente para controlar o prevenir la aparición de la enfermedad.

En cualquiera de las situaciones, mostrar los patrones de ocurrencia de la enfermedad por tiempo es crítico para monitorear la ocurrencia de la enfermedad en la comunidad y para evaluar si las intervenciones de salud pública marcaron la diferencia.

Los datos de tiempo generalmente se muestran con un gráfico bidimensional. El eje vertical o y generalmente muestra el número o la tasa de casos; el eje horizontal o x muestra los períodos de tiempo, como años, meses o días. El número o la tasa de casos se traza a lo largo del tiempo. Los gráficos de la aparición de la enfermedad a lo largo del tiempo generalmente se representan como gráficos lineales (Figura 1.4) o histogramas (Figura 1.5).

A veces, un gráfico muestra el momento de los eventos relacionados con las tendencias de la enfermedad que se muestran. Por ejemplo, el gráfico puede indicar el período de exposición o la fecha en que se implementaron las medidas de control. Estudiar un gráfico que anote el período de exposición puede llevar a comprender lo que puede haber causado la enfermedad. El estudio de un gráfico que señala el calendario de las medidas de control muestra el impacto que, en su caso, las medidas pueden haber tenido en la aparición de la enfermedad.

Como se señaló anteriormente, el tiempo se traza a lo largo del eje x. Dependiendo de la enfermedad, la escala de tiempo puede ser tan amplia como años o décadas, o tan breve como días o incluso horas del día. Para algunas afecciones, por ejemplo, muchas enfermedades crónicas, los epidemiólogos tienden a estar interesados en las tendencias o patrones a largo plazo en el número de casos o la tasa. Para otras afecciones, como los brotes transmitidos por los alimentos, es probable que la escala de tiempo pertinente sea de días u horas. A continuación se describen algunos de los tipos comunes de gráficos relacionados con el tiempo. Estos y otros gráficos se describen con más detalle en la Lección 4.

Tendencias seculares (a largo plazo). El gráfico de los casos anuales o la tasa de una enfermedad a lo largo de un período de años muestra tendencias a largo plazo o seculares en la aparición de la enfermedad (Figura 1.4). Los funcionarios de salud usan estos gráficos para evaluar la dirección prevaleciente de la ocurrencia de la enfermedad (aumento, disminución o esencialmente plana), ayudarlos a evaluar programas o tomar decisiones de política, inferir qué causó un aumento o disminución en la ocurrencia de una enfermedad (particularmente si el gráfico indica cuándo ocurrieron los eventos relacionados) y usar tendencias pasadas como un predictor de la incidencia futura de la enfermedad.

Estacionalidad. La aparición de la enfermedad se puede representar gráficamente por semana o mes a lo largo de un año o más para mostrar su patrón estacional, si lo hubiera. Se sabe que algunas enfermedades, como la gripe y la infección por el Nilo Occidental, tienen distribuciones estacionales características. Los patrones estacionales pueden sugerir hipótesis sobre cómo se transmite la infección, qué factores de comportamiento aumentan el riesgo y otros posibles contribuyentes a la enfermedad o afección. La Figura 1.6 muestra los patrones estacionales de rubéola, influenza y rotavirus. Las tres enfermedades muestran distribuciones estacionales consistentes, pero cada enfermedad alcanza su punto máximo en diferentes meses: rubéola en marzo a junio, gripe en noviembre a marzo y rotavirus en febrero a abril. El gráfico de rubéola es sorprendente para la epidemia que ocurrió en 1963 (la vacuna contra la rubéola no estuvo disponible hasta 1969), pero esta epidemia siguió el patrón estacional.

Día de la semana y hora del día. Para algunas condiciones, la visualización de datos por día de la semana o hora del día puede ser informativa. El análisis en estos períodos de tiempo más cortos es particularmente apropiado para condiciones relacionadas con exposiciones ocupacionales o ambientales que tienden a ocurrir a intervalos regulares programados. En la Figura 1.7, las muertes de tractores agrícolas se muestran por días de la semana.(32) Tenga en cuenta que el número de muertes de tractores agrícolas los domingos fue aproximadamente la mitad del número de los otros días. El patrón de lesiones de tractores agrícolas por hora, como se muestra en la Figura 1.8, alcanzó su punto máximo a las 11:00 a.m., se sumergió al mediodía y volvió a alcanzar su punto máximo a las 4:00 p. m. Estos patrones pueden sugerir hipótesis y posibles explicaciones que podrían evaluarse con un estudio adicional. La figura 1.9 muestra el número de sobrevivientes y rescatistas que se presentan cada hora a los hospitales locales de Nueva York tras el ataque al World Trade Center el 11 de septiembre de 2001.

Período epidémico. Para mostrar el curso temporal de un brote de enfermedad o epidemia, los epidemiólogos utilizan un gráfico llamado curva epidémica. Al igual que con los otros gráficos presentados hasta ahora, el eje y de una curva epidémica muestra el número de casos, mientras que el eje x muestra el tiempo como fecha de inicio de los síntomas o fecha de diagnóstico. Dependiendo del período de incubación (el tiempo transcurrido entre la exposición y el inicio de los síntomas) y las rutas de transmisión, la escala en el eje x puede ser tan amplia como semanas (para una epidemia muy prolongada) o tan estrecha como minutos (por ejemplo, para la intoxicación alimentaria por productos químicos que causan síntomas en minutos). Convencionalmente, los datos se muestran como un histograma (que es similar a un gráfico de barras, pero no tiene espacios entre columnas adyacentes). A veces cada caso se muestra como un cuadrado, como en la Figura 1.10. La forma y otras características de una curva epidémica pueden sugerir hipótesis sobre el tiempo y la fuente de exposición, el modo de transmisión y el agente causal. Las curvas epidémicas se analizan con más detalle en las lecciones 4 y 6.

Lugar

La descripción de la aparición de la enfermedad por lugar proporciona una idea de la extensión geográfica del problema y su variación geográfica. La caracterización por lugar se refiere no solo al lugar de residencia, sino a cualquier ubicación geográfica relevante para la aparición de la enfermedad. Dichos lugares incluyen el lugar de diagnóstico o informe, el lugar de nacimiento, el lugar de empleo, el distrito escolar, la unidad hospitalaria o los destinos de viaje recientes. La unidad puede ser tan grande como un continente o un país, o tan pequeña como una dirección, un ala de hospital o un quirófano. A veces, lugar no se refiere a un lugar específico en absoluto, sino a una categoría de lugar, como urbano o rural, nacional o extranjero, institucional o no institucional.

Considere los datos de las Tablas 1.3 y 1.4. En el cuadro 1.3 se muestran los datos del SARS por fuente del informe y se indica dónde es probable que una persona con un posible SARS sea puesta en cuarentena y tratada.(33) Por el contrario, la Tabla 1.4 muestra los mismos datos según el lugar de viaje de los posibles pacientes con SRAS y refleja dónde pudo haberse producido la transmisión.

Aunque los datos de lugar se pueden mostrar en una tabla como la Tabla 1.3 o la Tabla 1.4, un mapa proporciona una visualización visual más llamativa de los datos de lugar. En un mapa, se pueden representar diferentes números o tasas de enfermedad utilizando diferentes sombras, colores o patrones de líneas, como en la Figura 1.11.

Otro tipo de mapa para datos de lugares es un mapa de puntos, como la Figura 1.12. Los mapas puntuales generalmente se utilizan para grupos o brotes con un número limitado de casos. Se coloca un punto o una X en el lugar más relevante para la enfermedad de interés, generalmente donde vivía o trabajaba cada víctima, tal como hizo John Snow en su mapa de puntos del área de Golden Square de Londres (Figura 1.1). Si se conocen, los sitios que son relevantes, como los lugares probables de exposición (bombas de agua en la Figura 1.1), generalmente se anotan en el mapa.

El análisis de datos por lugar puede identificar comunidades con mayor riesgo de enfermedad. Incluso si los datos no pueden revelar por qué estas personas tienen un mayor riesgo, pueden ayudar a generar hipótesis para probar con estudios adicionales. Por ejemplo, ¿una comunidad está en mayor riesgo debido a las características de las personas en la comunidad, como la susceptibilidad genética, la falta de inmunidad, los comportamientos de riesgo o la exposición a toxinas locales o alimentos contaminados? ¿Puede atribuirse el mayor riesgo, en particular de una enfermedad transmisible, a características del agente causal, como una cepa particularmente virulenta, lugares de reproducción hospitalarios o la disponibilidad del vector que transmite el organismo a los seres humanos? ¿O puede atribuirse el mayor riesgo al medio ambiente que une al agente y al huésped, como el hacinamiento en las zonas urbanas que aumenta el riesgo de transmisión de enfermedades de persona a persona, o se construyen más casas en áreas boscosas cercanas a los ciervos que transportan garrapatas infectadas con el organismo que causa la enfermedad de Lyme? (More techniques for graphic presentation are discussed in Lesson 4.)

Person

Debido a que las características personales pueden afectar la enfermedad, la organización y el análisis de los datos por «persona» pueden usar características inherentes de las personas (por ejemplo, edad, sexo, raza), características biológicas (estado inmunitario), características adquiridas (estado civil), actividades (ocupación, actividades de ocio, uso de medicamentos/tabaco/drogas) o las condiciones en las que viven (estado socioeconómico, acceso a atención médica). La edad y el sexo se incluyen en casi todos los conjuntos de datos y son las dos características de «persona» más comúnmente analizadas. Sin embargo, dependiendo de la enfermedad y de los datos disponibles, por lo general son necesarios análisis de otras variables personales. Por lo general, los epidemiólogos comienzan el análisis de los datos de las personas observando cada variable por separado. A veces, se pueden examinar simultáneamente dos variables, como la edad y el sexo. Los datos de las personas generalmente se muestran en tablas o gráficos.

Edad. La edad es probablemente el atributo de «persona» más importante, porque casi todos los eventos relacionados con la salud varían con la edad. Una serie de factores que también varían con la edad incluyen: susceptibilidad, oportunidad de exposición, latencia o período de incubación de la enfermedad y respuesta fisiológica (que afecta, entre otras cosas, el desarrollo de la enfermedad).

Al analizar los datos por edad, los epidemiólogos tratan de utilizar grupos de edad lo suficientemente estrechos como para detectar cualquier patrón relacionado con la edad que pueda estar presente en los datos. Para algunas enfermedades, en particular las crónicas, los grupos de edad de 10 años pueden ser adecuados. En el caso de otras enfermedades, los grupos de edad de 10 años e incluso de 5 años ocultan importantes variaciones en la incidencia de la enfermedad según la edad. Considere el gráfico de ocurrencia de tosferina por grupos de edad estándar de 5 años que se muestra en la Figura 1.13 a. La tasa más alta es claramente entre los niños de 4 años y menores. Pero, ¿la tasa es igualmente alta en todos los niños de ese grupo de edad, o algunos niños tienen tasas más altas que otros?

Para responder a esta pregunta, se necesitan diferentes grupos de edad. Examine la Figura 1.13 b, que muestra los mismos datos, pero muestra la tasa de tos ferina para niños menores de 1 año de edad por separado. Claramente, los bebés representan la mayor parte de la alta tasa entre los niños de 0 a 4 años. Por lo tanto, los esfuerzos de salud pública deben centrarse en los niños menores de 1 año de edad, en lugar de en todo el grupo de edad de 5 años.

Sexo. Los hombres tienen tasas más altas de enfermedad y muerte que las mujeres para muchas enfermedades. Para algunas enfermedades, esta diferencia relacionada con el sexo se debe a diferencias genéticas, hormonales, anatómicas u otras diferencias inherentes entre los sexos. Estas diferencias inherentes afectan la susceptibilidad o las respuestas fisiológicas. Por ejemplo, las mujeres premenopáusicas tienen un riesgo más bajo de enfermedad cardíaca que los hombres de la misma edad. Esta diferencia se ha atribuido a niveles más altos de estrógeno en las mujeres. Por otra parte, las diferencias relacionadas con el sexo en la incidencia de muchas enfermedades reflejan diferencias en las oportunidades o los niveles de exposición. Por ejemplo, la Figura 1.14 muestra las diferencias en las tasas de cáncer de pulmón a lo largo del tiempo entre hombres y mujeres.(34) La diferencia observada en años anteriores se ha atribuido a la mayor prevalencia de tabaquismo entre los hombres en el pasado. Desafortunadamente, la prevalencia del tabaquismo entre las mujeres es ahora igual a la de los hombres, y las tasas de cáncer de pulmón en las mujeres han aumentado como resultado.(35)

Grupos étnicos y raciales. A veces, los epidemiólogos están interesados en analizar los datos de las personas por grupos biológicos, culturales o sociales, como raza, nacionalidad, religión o grupos sociales, como tribus y otros grupos aislados geográfica o socialmente. Las diferencias en las variables raciales, étnicas o de otros grupos pueden reflejar diferencias en la susceptibilidad o exposición, o diferencias en otros factores que influyen en el riesgo de enfermedad, como el nivel socioeconómico y el acceso a la atención médica. En el gráfico 1.15 se muestran las tasas de mortalidad infantil correspondientes a 2002 por raza y origen hispano de la madre.

Nivel socioeconómico. El nivel socioeconómico es difícil de cuantificar. Se compone de muchas variables, como la ocupación, los ingresos familiares, los logros educativos o la trayectoria censal, las condiciones de vida y la posición social. Las variables que son más fáciles de medir pueden no reflejar con precisión el concepto general. Sin embargo, los epidemiólogos comúnmente usan la ocupación, el ingreso familiar y el rendimiento educativo, al tiempo que reconocen que estas variables no miden el nivel socioeconómico con precisión.

La frecuencia de muchas condiciones de salud adversas aumenta con la disminución del nivel socioeconómico. Por ejemplo, la tuberculosis es más común entre las personas de estratos socioeconómicos más bajos. La mortalidad infantil y el tiempo perdido en el trabajo debido a la discapacidad están asociados con menores ingresos. Estos patrones pueden reflejar exposiciones más dañinas, menor resistencia y menor acceso a la atención médica. O pueden, en parte, reflejar una relación interdependiente que es imposible de desenredar: ¿Contribuye el bajo nivel socioeconómico a la discapacidad, o contribuye la discapacidad al bajo nivel socioeconómico, o ambas cosas? ¿Qué explica la prevalencia desproporcionada de diabetes y asma en áreas socioeconómicas más bajas? (36, 37)

Algunas condiciones de salud adversas ocurren con mayor frecuencia entre las personas de mayor nivel socioeconómico. La gota era conocida como la «enfermedad de los reyes» debido a su asociación con el consumo de alimentos ricos. Otras afecciones asociadas con un nivel socioeconómico más alto incluyen el cáncer de mama, el síndrome de Kawasaki, el síndrome de fatiga crónica y el codo de tenista. Las diferencias en la exposición explican al menos algunas, si no la mayoría, de las diferencias en la frecuencia de estas condiciones.

References (This Section)

1. Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Muertes asociadas con lesiones en tractores agrícolas: un estudio epidemiológico. Public Health Rep 1985; 100: 329-33.
2. Heyman DL, Rodier G. Vigilancia mundial, vigilancia nacional y SARS. Emerg Infect Dis. 2003;10:173–5.
3. Sociedad Americana del Cáncer . Atlanta: The American Cancer Society, Inc. Disponible en: http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external icono.
4. Centros para el Control y la Prevención de Enfermedades. Tendencias actuales. Tendencias de cáncer de pulmón y cáncer de mama entre las mujeres-Texas. MMWR 1984; 33 (MM19): 266.
5. Liao Y, Tucker P, Okoro CA, Giles WH, Mokdad AH, Harris VB, et. al. Vigilancia REACH 2010 del estado de salud de las comunidades minoritarias — Estados Unidos, 2001-2002. MMWR 2004; 53: 1-36.