Saltar al contenido
Volver a los resultados

Estudio Ecológico — Estudio Epidemiológico Agregado

Propuesto por
Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
Año
19th century (Snow 1854); formalised mid-20th century
Tipo
Observational epidemiological study
Familia
Clinical / epidemiology

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

Un estudio ecológico es un diseño epidemiológico observacional en el que la unidad de análisis es un grupo o población —un país, región, ciudad o período de tiempo— en lugar de un individuo.

Las exposiciones y los resultados se miden como agregados (tasas, proporciones o medias) y luego se correlacionan entre grupos para generar o evaluar hipótesis sobre asociaciones a nivel poblacional entre factores de riesgo y enfermedades.

La intuición detrás del método

Piense en comparar las tasas de mortalidad por cáncer entre países con el consumo medio de grasa dietética per cápita. No se accede a la dieta ni al historial médico de ningún individuo; en cambio, se emparejan y grafican promedios nacionales de registros de salud y datos de suministro de alimentos. Una fuerte correlación entre países sugiere una asociación a nivel poblacional que vale la pena investigar más a fondo, pero debido a que los datos están agregados, no se puede concluir que los individuos que consumieron más grasa fueron los que desarrollaron cáncer. Esta brecha entre la inferencia a nivel de grupo y a nivel individual es el desafío definitorio del diseño ecológico.

Historia

El diseño ecológico tiene sus raíces en el mapeo de muertes por cólera por distrito de suministro de agua de John Snow en Londres en 1854 —posiblemente el primer estudio ecológico en epidemiología. La literatura metodológica formal se desarrolló sustancialmente a mediados del siglo XX junto con el crecimiento de las estadísticas nacionales de salud. Las revisiones de Hal Morgenstern de 1982 y 1995 se convirtieron en referencias fundamentales que aclararon tanto la utilidad como las limitaciones fundamentales del diseño, particularmente la falacia ecológica, un término atribuido a William S. Robinson (1950). El método sigue siendo ampliamente utilizado en epidemiología ambiental, epidemiología nutricional e investigación de políticas de salud.

Cuándo usarlo

Utilizar un estudio ecológico cuando los datos a nivel individual no están disponibles, son prohibitivamente caros o están éticamente restringidos, y cuando la pregunta de investigación se refiere a una exposición a nivel poblacional —como política nacional, contaminación ambiental o privación socioeconómica— que varía más entre grupos que dentro de ellos. El diseño es eficiente para generar hipótesis sobre resultados raros o enfermedades de larga latencia utilizando datos recopilados de rutina. No utilizar estudios ecológicos para sacar conclusiones sobre causalidad a nivel individual; la falacia ecológica hace que tales inferencias no sean sólidas. Evitar el diseño cuando la exposición de interés varía sustancialmente dentro de las unidades ecológicas, cuando los confusores a nivel de grupo no se pueden medir y ajustar, o cuando se requiere una afirmación causal en lugar de una hipótesis asociativa —en esos casos, son necesarios diseños de cohorte o de casos y controles a nivel individual.

Limitaciones y consideraciones

  • Vulnerable a la falacia ecológica: una correlación observada a nivel de grupo puede no mantenerse a nivel individual, y las inferencias sobre individuos a partir de datos de grupo son lógicamente inválidas.
  • La confusión a nivel de grupo a menudo es severa y difícil de controlar porque muchos factores correlacionados varían juntos entre las unidades ecológicas.
  • La medición de la exposición es indirecta y a menudo imprecisa: los datos nacionales de suministro de alimentos, por ejemplo, no capturan lo que los individuos realmente consumieron.
  • La causalidad inversa es difícil de descartar cuando tanto los datos de exposición como los de resultados provienen del mismo período de tiempo.
  • Dependiente de la disponibilidad y calidad de los datos de rutina, que varían enormemente entre países y períodos de tiempo.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Extremadamente rentable: explota los datos de vigilancia y administrativos de rutina existentes sin recopilación de datos primaria.
  • Bien adaptado a exposiciones que operan a nivel poblacional (estándares de calidad del aire, políticas de suministro de alimentos, índices de desigualdad socioeconómica).
  • Puede examinar enfermedades o afecciones raras con larga latencia donde el seguimiento individual sería poco práctico.
  • Rápido de ejecutar: los resultados se pueden generar en semanas utilizando conjuntos de datos disponibles públicamente.
  • Valioso para la generación de hipótesis y para informar el diseño de estudios más costosos a nivel individual.

Aplicaciones

  • Examinar asociaciones entre índices nacionales de consumo de frutas y verduras y tasas de mortalidad por enfermedades cardiovasculares entre países.
  • Investigar si el consumo de alcohol per cápita a nivel regional se correlaciona con las tasas de incidencia de cirrosis hepática.
  • Comparar concentraciones de contaminación del aire entre ciudades o condados con tasas poblacionales de hospitalizaciones respiratorias.
  • Analizar tendencias temporales: si los aumentos seculares en la prevalencia de la obesidad se correlacionan con cambios en los entornos de actividad física entre estados.
  • Evaluar la asociación entre índices de privación socioeconómica a nivel de vecindario y tasas de mortalidad prematura.
  • Generar hipótesis sobre la carga de enfermedades infecciosas y las tasas de cobertura de vacunación en sistemas de salud nacionales.

Cómo funciona

Cómo funciona

1

Seleccionar las unidades ecológicas de análisis —típicamente agrupaciones geográficas o temporales como países, estados, condados, ciudades o años calendario. La elección de la unidad determina qué datos son accesibles y qué confusores se pueden controlar; unidades más finas (por ejemplo, áreas censales) permiten un análisis más preciso pero pueden tener estadísticas más pequeñas y ruidosas.

2

Ensamblar datos agregados de rutina para cada unidad: tasas de enfermedad de registros de mortalidad o sistemas de vigilancia, e índices de exposición de estadísticas oficiales, bases de datos de suministro de alimentos, monitoreo ambiental o registros censales. Los datos rara vez se recopilan de novo para estudios ecológicos; el diseño típicamente explota datos administrativos y de vigilancia existentes.

3

Estandarizar los recuentos en tasas comparables —típicamente tasas de incidencia o mortalidad estandarizadas por edad por 100.000 habitantes— para que las diferencias en la estructura de edad de la población entre unidades no confundan la correlación ecológica.

4

Estimar la asociación entre la medida de exposición a nivel de grupo y la tasa de resultados a nivel de grupo. La regresión lineal o la correlación de Pearson/Spearman son estándar; se pueden agregar modelos multinivel o regresión espacial cuando los datos lo permitan. El coeficiente de correlación r resume la fuerza y la dirección de la asociación ecológica.

Fórmula
r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i-\bar{X})^2 \sum (Y_i-\bar{Y})^2}}
5

Interpretar la asociación ecológica con cautela. Una correlación positiva genera hipótesis, no prueba causal. Evaluar posibles confusores medibles a nivel de grupo, verificar la falacia ecológica (la correlación de grupo no implica correlación a nivel individual) y discutir si la asociación podría surgir de diferencias en la calidad de los datos, prácticas de reporte o factores de grupo no medidos.

Errores comunes

  • Cometer la falacia ecológica: concluir que debido a que los países con dietas altas en grasas tienen tasas de cáncer más altas, los individuos que consumen más grasas tienen un mayor riesgo de cáncer. Esta inferencia no está justificada por datos a nivel de grupo.
  • Ignorar la variación dentro del grupo: cuando los niveles de exposición difieren sustancialmente entre los individuos dentro de cada unidad, la media del grupo es un sustituto deficiente y el sesgo de atenuación puede enmascarar o exagerar las asociaciones verdaderas.
  • Elegir unidades ecológicas a posteriori para obtener un resultado deseado (el problema de la unidad espacial modificable): la correlación puede cambiar sustancialmente dependiendo de cómo se dibujen los límites geográficos.
  • Tratar las asociaciones ecológicas como evidencia suficiente para la política sin replicación en estudios a nivel individual o evidencia experimental.
  • Descuidar la heterogeneidad de la calidad de los datos: la subnotificación de enfermedades y las inconsistencias en la clasificación entre unidades pueden producir correlaciones espurias.

Preguntas frecuentes

¿Qué es la falacia ecológica y por qué es importante?

La falacia ecológica (Robinson 1950) es el error de asumir que una correlación observada a nivel de grupo también se mantiene para los individuos dentro de esos grupos. Por ejemplo, los países con ingresos medios más altos pueden tener tasas de cáncer más altas, pero no se deduce que los individuos más ricos dentro de cualquier país tengan más probabilidades de desarrollar cáncer. Se requieren datos a nivel individual de estudios de cohorte o de casos y controles para probar hipótesis a nivel individual.

¿En qué se diferencia un estudio ecológico de un estudio transversal?

Un estudio transversal recopila datos de exposición y resultados de participantes individuales en un solo punto en el tiempo, lo que permite el análisis a nivel individual. Un estudio ecológico utiliza datos agregados a nivel de grupo; no se involucran registros individuales. El diseño ecológico es más rápido y barato, pero es susceptible a la falacia ecológica; el diseño transversal evita esa falacia pero requiere recopilación de datos primaria.

¿Pueden los estudios ecológicos establecer causalidad?

No. Los estudios ecológicos generan hipótesis. Incluso una fuerte correlación transnacional es consistente con muchas historias causales y muchos mecanismos de confusión. Establecer la causalidad requiere evidencia a nivel individual de estudios de cohorte o ensayos aleatorizados, idealmente respaldada por plausibilidad biológica y gradientes de dosis-respuesta.

¿Qué es el problema de la unidad espacial modificable?

El problema de la unidad espacial modificable (MAUP, por sus siglas en inglés) se refiere al hallazgo de que el tamaño y la forma de las unidades geográficas elegidas pueden cambiar sustancialmente la correlación ecológica observada. Si se agregan datos a nivel nacional, se puede observar una asociación diferente que a nivel estatal o de condado. Los análisis de sensibilidad que utilizan múltiples niveles de agregación ayudan a evaluar la solidez de los hallazgos.

¿Cuándo es preferible un estudio ecológico a un estudio de cohorte?

Cuando la exposición es un fenómeno a nivel poblacional —como una política nacional, una exposición ambiental compartida o una tendencia secular— que por definición no puede asignarse a individuos independientemente de su pertenencia a un grupo. En esas situaciones, la unidad ecológica es la unidad natural de análisis y los diseños a nivel individual no pueden capturar la variación relevante.

Métodos relacionados

Fuentes

  1. Morgenstern, H. (1995). Ecologic studies in epidemiology: concepts, principles, and methods. Annual Review of Public Health, 16(1), 61–81.

    Abrir referencia DOI
    Copiado.
  2. Ecological study. Wikipedia.

    Abrir referencia de la publicación
    Copiado.