La epidemiología como una herramienta para la evaluación del bienestar animal

Jorge Francisco Monroy López
Profesor de Tiempo Completo de la Facultad de Medicina Veterinaria
y Zootecnia de la Universidad Nacional Autónoma de México.

INTRODUCCIÓN

La historia de la epidemiología está ligada por completo a la historia de la causalidad, entendida ésta como la búsqueda de respuestas a la posible causa de todos los fenómenos que ocurrían alrededor del ser humano, incluyendo, por supuesto, a las enfermedades. La epidemiología surge a partir del estudio de la presentación de enfermedades en forma masiva en grandes poblaciones. El primer estudio epidemiológico conocido lo llevó a cabo el médico anestesiólogo inglés John Snow, quien enfrentó un brote de cólera entre la población de Londres a mediados del siglo XIX.

En aquellas épocas se desconocía la causa del cólera y se creía que se adquiría al respirar los gases que emanaban de las personas enfermas o muertas. Sin embargo; John Snow consiguió demostrar que la causa de la enfermedad se encontraba en el agua, utilizando un poco de sencilla estadística, mapas, observación directa y mucho sentido común. Se puso en contacto con las autoridades sanitarias y solicitó que fuera clausurada una toma de agua que parecía ser la fuente de infección a la población afectada. Su propuesta tuvo como efecto inmediato que el brote disminuyera en su presentación de casos y con ello, demostró que era posible combinar disciplinas aparentemente no relacionadas con la medicina, para resolver problemas de salud.

No logró aislar al agente causal, que ahora sabemos que es Vibrio cholera, pero permitió encontrar el sitio en el que se encontraba y aplicar la medida adecuada para impedir que siguiera jugando un papel importante como fuente de infección en el brote. Por lo anterior John Snow es considerado el padre de la epidemiología moderna y al método que usó se le denominó Método Epidemiológico.

Postulados de Koch

Siguiendo el ejemplo de John Snow surgieron nuevas teorías de la causalidad, tales como la teoría microbiológica, propuesta por Robert Koch y la teoría de la deficiencia de micronutrientes como causa de enfermedad, establecida por Casimir Funk, descubridor de la vitamina A.

La causa de las enfermedades, entonces, podría ser la presencia de algo, pero también su ausencia. De esta forma se planteó un modelo para la explicación unicausal de las enfermedades. Probablemente tan importante como su trabajo en la tuberculosis, por el que fue galardonado con el Premio Nobel en el año de 1905, son los enunciados sobre causalidad que conocemos como “Postulados de Koch”.

Estos postulados dicen que, para establecer que un organismo es la causa de una enfermedad, se debe cumplir lo siguiente:

• El agente patógeno debe estar presente en cada caso de la enfermedad en las condiciones apropiadas y ausente en los individuos sanos.
• El agente no debe aparecer en otra enfermedad de manera fortuita o saprófita.
• El agente podrá ser aislado del cuerpo en un cultivo puro a partir de las lesiones de la enfermedad.
• El agente debe provocar la enfermedad en un animal susceptible al ser inoculado.
• Y el agente debe ser aislado de nuevo de las lesiones producidas en los animales de experimentación.

Criterios de Bradford Hill, Modelo de Rothman y Postulados de Evans

A lo largo del siglo XX se desarrollaron diferentes estudios de causalidad también para enfermedades no infecciosas, como los que el epidemiólogo y estadístico inglés Austin Bradford Hill, pionero de los ensayos clínicos aleatorizados, llevó a cabo junto con Richard Doll, y que fueron los primeros en demostrar la conexión entre el tabaquismo y el cáncer de pulmón, en los que los postulados de Koch no podían cumplirse en todas las circunstancias, debido a que había individuos que presentaban mayor resistencia o susceptibilidad a ciertos agentes, es decir, no todos los agentes se pueden aislar en cultivos ni su inoculación produce necesariamente la enfermedad.

Derivados de estos estudios se propusieron los postulados de Bradford Hill que, en 1976, fueron retomados por otro epidemiólogo, el Doctor Alfred S. Evans, con un enfoque mucho más integral y menos unicausal, dando a conocer nuevos postulados que reflejan con mayor claridad y con un enfoque multicausal, que existe algo llamado variabilidad individual.  Estos postulados dicen que:

1. La proporción de individuos enfermos debería ser significativamente mayor en los expuestos a la supuesta causa, que en aquellos individuos que no lo estuvieron.

2. La exposición a la supuesta causa debería ser más frecuente en individuos que posean la enfermedad, más que aquellos que no la padecen, siempre que se mantengan constantes todos los demás factores de riesgo.

3. El número de casos nuevos de la enfermedad, o incidencia, debería ser significativamente mayor en los individuos expuestos a la supuesta causa, al compararlos con los no expuestos.

4. De forma transitoria, la enfermedad debería mostrar tras la exposición a la supuesta causa, una distribución de los períodos de incubación representada por una curva en forma de campana.

5. Tras la exposición a la supuesta causa, debería aparecer un amplio abanico de respuestas de parte de los hospedadores, desde leve hasta grave, a lo largo de un gradiente biológico.

6. Tras la exposición a la supuesta causa, debería aparecer de forma constante una respuesta medible en aquellos hospedadores que carecían de ella, antes de dicha exposición, o bien debería aumentar su magnitud si existiese antes de la exposición; este comportamiento no debería tener lugar en los individuos no expuestos.

7. La reproducción experimental de la enfermedad debería tener lugar con mayor frecuencia en los animales expuestos adecuadamente a la supuesta causa, en comparación con aquellos otros no expuestos; esta exposición puede ser inducida de forma experimental en el laboratorio, o demostrado mediante la modificación controlada de la exposición natural.

8. La eliminación o anulación de un agente específico, así como la modificación de la supuesta causa, como en el caso de la alteración de una dieta deficiente, debería producir la reducción de la frecuencia de la presentación de la enfermedad.

9. La prevención o la modificación de la respuesta del hospedador, mediante la inmunización, por ejemplo, deberían reducir o eliminar la enfermedad que normalmente se produce tras la exposición a la supuesta causa.

10. Todas las relaciones y asociaciones deberán ser biológica y epidemiológicamente verosímiles, tal como en el brote de cólera en Londres, resuelto por John Snow.

Este modelo permite comprender mejor la forma en la que se presentan algunas enfermedades, en las que la simple presencia de un agente etiológico específico no explica por sí mismo la ausencia o presencia de la enfermedad. Es decir, de un modelo unicausal se llegó a uno multicausal. Para entender la complejidad de los fenómenos en su totalidad, se requiere conocer de forma integral las condiciones medioambientales e individuales.

De igual manera, partiendo del hecho de que en medicina veterinaria y en particular en la producción animal, nos enfocamos en el abordaje de las enfermedades más como poblaciones que como individuos, la epidemiología aplicada a la salud animal (en otras épocas llamada “epizootiología”), requiere del análisis de factores asociados a las características de las poblaciones tales como raza, grupo de edad o lote, fin zootécnico, sistema productivo o manejo, como posibles factores causales o de riesgo en la presentación de enfermedades.

Es interesante que, en salud pública, se defina a la Salud como el “estado de pleno bienestar físico, mental y social del individuo”; mientras que si revisamos el concepto de Bienestar Animal que propone la Organización Mundial de Sanidad Animal (OMSA, antes OIE), encontramos que se le define como “el estado físico y mental de un animal en relación con las condiciones en las que vive y muere”. Es evidente que bienestar y salud, son conceptos sumamente relacionados y de ahí que se haya usado a la epidemiología como una herramienta para intentar analizar, con bases técnicas y científicas, si realmente un animal se encuentra en condiciones de bienestar o no.

Relación entre salud y bienestar.

De acuerdo con el epidemiólogo veterinario, de origen escocés, Michael Thrusfield, la evaluación del bienestar animal mediante herramientas epidemiológicas implica la aplicación de métodos y técnicas específicas que permiten recopilar, analizar e interpretar datos de indicadores relacionados con el bienestar de los animales. Algunas herramientas de la epidemiología veterinaria que se pueden utilizar para evaluar el bienestar animal incluyen:

1. Estudios de prevalencia: Se utilizan para determinar la frecuencia de eventos o condiciones específicas existentes en una población animal en un momento dado, tales como afectaciones a la salud o positividad a ciertas pruebas. También se pueden utilizar para evaluar indicadores de bienestar, como presencia de signos clínicos, comportamientos anormales o alteraciones en la integridad corporal. La normalidad o no normalidad, es decir, el bienestar animal o la falta de éste, es algo que la epidemiología como tal no establece, se requiere de la participación de expertos en cada especie o, inclusive, fin zootécnico, raza o variedad, que los definan. Una vez definidos con claridad, la labor del epidemiólogo es medir su significancia y ayudar a establecer criterios que permitan identificar cuando haya desviaciones. En el Gráfico 1 se presenta un ejemplo de un estudio de prevalencia de lesiones. 2.

   

2. Estudios de incidencia: Se trata de una evaluación dinámica del proceso salud/enfermedad que se centra en la velocidad de ocurrencia de nuevos eventos en una población durante un período de tiempo específico. Pueden ser útiles para identificar variaciones en el tiempo de eventos adversos relacionados con el bienestar animal, basados en los mismos criterios establecidos por especialistas, mencionados en el caso de la prevalencia. En el Gráfico 2. Incidencia de problemas respiratorios por semana en lechones de la granja X, se presenta la evolución de esos problemas a lo largo del tiempo y observamos un pico en el número de casos en la tercera semana, que disminuye prácticamente a cero en la semana 7. 3.

   

3. Estudios longitudinales: Son estudios comparativos prospectivos de incidencia o variación de la presentación de signos, comportamientos anormales, lesiones o cualquier otro indicador de bienestar, a lo largo del tiempo de un grupo de individuos al que llamamos cohorte, y que comparten una o varias características en común tales como fin zootécnico, dieta, corral, unidad productiva, edad, etc. Se asume que la pertenencia al grupo implica la exposición a posibles factores que afecten el bienestar, y el porcentaje de presentación de dichos efectos, se compara contra la incidencia de éstos en otro grupo de individuos similares, que, por ello, no estuvieron expuestos a esos mismos factores o que lo que estuvieron en diferente medida o proporción. Estos estudios permiten observar posibles diferencias entre los indicadores de bienestar y establecer posibles asociaciones causales con dichos factores contribuyentes, considerados factores de riesgo. A los grupos expuestos se les llama Cohorte Expuesta y al otro grupo contra el que se le compara, Cohorte No Expuesta. El esquema básico se presenta en el Gráfico 3.

   

   Estudios longitudinales o de Cohorte aplicados al efecto sobre el bienestar. Es posible advertir en el Gráfico 3, que hay una diferencia evidente entre el porcentaje de afectados en su bienestar, al comparar las cohortes expuestas y no expuestas (diferentes granjas, dietas o densidades de población), misma que debería medirse desde el punto de vista estadístico, con el fin de evaluar si esta diferencia es o no significativa.

4. Estudios de casos y controles: Son estudios retrospectivos comparativos, basados en información previamente recolectada, que sirven para comparar a grupos de animales que presentan efectos adversos asociados a falta de bienestar, a los que denominamos casos, con otros grupos de animales que no tienen dichos efectos adversos, a quienes llamamos controles. Pueden ayudar a identificar factores de riesgo asociados con problemas de bienestar animal, comparando el nivel o porcentaje en el que los individuos de cada grupo, que estuvieron expuestos a los factores que se están analizando, tal como se ejemplifica en el Gráfico 4. Estudio de casos de presentación de efecto adverso al bienestar y controles.

   

En el Gráfico 4 se hace evidente un mayor porcentaje de individuos expuestos en quienes presentan el efecto adverso al bienestar, que en aquellos que no lo presentan, y, tal como en el ejemplo anterior, dicha diferencia debería medirse desde el punto de vista estadístico, con el fin de evaluar si es o no significativa. Podemos ver que es posible usar las herramientas epidemiológicas para evaluar el bienestar animal, sin embargo, es necesario adaptarlas a las características específicas de la especie de estudio, así como, las condiciones en las que se encuentran los animales y los objetivos que se pretenden alcanzar. Además, la combinación de diferentes métodos y tipos de datos, puede proporcionar una evaluación más completa del bienestar animal.

Aplicación de la incidencia y el riesgo relativo para la evaluación del bienestar animal.

Así como se utiliza la existencia de “casos de una enfermedad”, como una forma de evaluar la salud en las poblaciones animales, podemos considerar a los “eventos adversos al bienestar” como indicadores de bienestar animal, por ejemplo, podemos usar a la incidencia y el riesgo relativo como parte de las herramientas que se utilizan comúnmente en los estudios epidemiológicos y, que pueden llegar a ser muy útiles para evaluar el bienestar de una población de animales.

La incidencia es una medida fundamental en epidemiología porque proporciona información sobre el riesgo de ocurrencia de eventos no deseados en una población, permite identificar posibles factores de riesgo y diseñar estrategias de prevención y control.

Según Thrusfield, Schmidt y Klhmann, la incidencia (I) representa el número de casos o eventos que aparecen en una población, durante un lapso definido de tiempo y puede ser útil para comparar la incidencia de los indicadores de bienestar en poblaciones sometidas a diferentes tratamientos, o pertenecientes a distintos grupos de edad, habitantes de diversas regiones geográficas o, inclusive, una misma población en distintos períodos de tiempo.

Por su parte, el riesgo relativo (RR) es una medida de efecto que, en estudios prospectivos longitudinales de cohorte, establece la relación que existe entre la probabilidad que ocurra un evento en un grupo expuesto a un supuesto factor de riesgo (a dicha probabilidad le llamamos Tasa de Ataque de expuestos o TAe) y la probabilidad de que ocurra dicho evento en otro grupo similar, pero no expuesto al mismo factor de riesgo (Tasa de Ataque de no expuestos o TAne) y la fórmula sería la siguiente:

RR = TAe/TAne

Existen tres diferentes resultados posibles:

• Cuando RR = 1, que significa que la relación entre expuestos y no expuestos es de 1 a 1, es decir, da lo mismo exponerse a dicho factor que no exponerse.
• Cuando RR = >1, que significa que el riesgo de presentar el efecto adverso es mayor en el grupo de expuestos que en el grupo de no expuestos (asociación causal positiva).
• Cuando RR = <1, que significa que el riesgo de presentar el efecto adverso es menor en el grupo de expuestos que en el grupo de no expuestos (asociación causal negativa).

Intervalos de Confianza

Es muy importante calcular los intervalos de confianza correspondientes (IC), lo que permite establecer si el valor resultante realmente es diferente desde el punto de vista estadístico, con un nivel de confianza preestablecido.

En el gráfico 5, observamos una captura de una hoja de cálculo que muestra los resultados de dos poblaciones de cerdos que consumieron una dieta adicionada con vitaminas (Dieta A), contra otro grupo de cerdos que no consumieron dicha dieta.

El resultado es un RR de 1.08, con un intervalo de confianza de 0.7373 a 1.5686. Como en nuestro criterio de resultados posibles dijimos que, si el RR calculado era mayor a 1, podríamos afirmar que el grupo expuesto tenía un riesgo mayor de presentar el evento adverso, hay la posibilidad de que lleguemos a una conclusión errónea si no consideramos el Intervalo de Confianza, que, podemos ver, tiene dentro del intervalo obtenido al valor crítico (1) en su interior.

Por esta razón, aquí podemos afirmar que no hay diferencia significativa entre los expuestos y los no expuestos, es decir, que da igual que coman o no la dieta A, ya que no se presentarán efectos adversos.

Por otro lado, en el gráfico 6, observamos una captura de una hoja de cálculo que muestra los resultados de dos poblaciones de cerdos que consumieron una dieta adicionada con minerales (Dieta B), contra otro grupo de cerdos que no consumieron dicha dieta.

El resultado es un RR de 3.3, con un intervalo de confianza al 95% de 1.8251 a 6.0880. Como en nuestro criterio de resultados posibles dijimos que, si el RR calculado era mayor a 1, podemos afirmar que el grupo expuesto sí tenía un riesgo mayor de presentar el evento adverso, para confirmarlo, usamos el IC y podemos ver que el intervalo obtenido está por encima del valor crítico (1).

Por esta razón, aquí sí podemos afirmar que hay una diferencia significativa entre los expuestos y los no expuestos, es decir, que no da igual que coman o no la dieta B, ya que el grupo expuesto tiene un riesgo mayor de presentar efectos adversos.

Razón de Productos Cruzados, Razón de Probabilidades, Razón de Suertes, Razón de Momios, Odds Ratio o simplemente OR.

En algunos casos, de hecho, en la mayoría de los casos, en los que hacemos estudios epidemiológicos comparativos (estudios de Casos y Controles, estudios de brote, estudios restrospectivos o estudios transversales), en los que la incidencia no puede manifestarse espontáneamente tal como sí lo hace en los estudios mencionados arriba (longitudinales prospectivos de cohorte), tenemos que usar otra herramienta epidemiológica llamada Razón de Productos Cruzados, Razón de Probabilidades, Razón de Suertes, Razón de Momios, Odds Ratio o simplemente OR, que es la forma en la que es mundialmente conocida y aceptada y cuya fórmula es:

OR = AD/BC

Dicha fórmula surge de multiplicar los valores que tienen lógica en una hipótesis de causalidad, es decir, habitualmente asumo que un grupo expuesto a un posible factor de riesgo (A), deberá presentar el evento adverso que estoy esperando, mientras que los individuos no expuestos no deberían presentarlo (D). Por otro lado, la celda B representa a quienes también se expusieron, pero no presentaron el evento adverso y la celda C, a quienes no se expusieron, pero presentaron el evento adverso. Así, A y D son aciertos en nuestra hipótesis causal, mientras que B y C son fallas en nuestra hipótesis. OR lo que hace es multiplicar los aciertos y el resultado dividirlo entre el resultado de multiplicar los errores, tal como se muestra en el gráfico 7. En los ejemplos anteriores, si aplicáramos la prueba de OR, los resultados serían los siguientes: Para los datos presentados en el gráfico 5:

OR = AD/BC = (29 x 12) / (17 x 17) =
OR = 1.2042 con un IC al 95% de 0.4652 a
3.1170

En donde podemos identificar que no hay diferencia estadísticamente significativa porque el valor crítico 1, está dentro del intervalo de confianza. Esto significa que no parece haber asociación causal. Para los datos presentados en el gráfico 6:

OR = AD/BC = (40 x 22) / (5 x 8) = 880/40 =
OR = 22 con un IC al 95% de 6.4141 a 75.4592

En donde podemos identificar que sí hay diferencia estadísticamente significativa porque el valor crítico 1, está debajo del intervalo de confianza. Esto significa que sí hay una posible asociación causal.

NOTA ACLARATORIA:

El RR representa el tamaño del riesgo de presentar el evento adverso, mientras que el OR no representa esa magnitud, sino que solo nos establece si hay o no una posible asociación causal. Bien, todo esto no son más que ejemplos hipotéticos, pero la metodología ya la pudimos comprobar con un grupo de amigos y colegas en el artículo Welfare Indicators in Tilapia: An Epidemiological Approach (Indicadores de bienestar en tilapia: un enfoque epidemiológico) , cuya metodología a detalle será expuesta en la segunda parte de esta nota, escrita por la Dra. Rosario Martínez Yáñez. Que la disfruten.

BIBLIOGRAFÍA.

• De Blas I, Facultad de Veterinaria, Universidad de Zaragoza ©2006, programa Win-Epi. URL: http://www.winepi.net/

• Loza-Rubio E, Rojas A E y Col. 2017, ‘Temas Actuales en la Sanidad de los peces Teleósteos’, Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Capítulo 1. Epidemiología de las enfermedades de los peces teleósteos.

• Schmidt, C & Kohlmann, T 2008, ‘¿When to use the odds ratio or the relative risk?’, International Journal Public Health, vol. 53, pp. 165–167.

• Thrusfield, M 2018, ‘Veterinary Epidemiology’. 4th ed. Edinburg: Wiley

1 Front. Vet. Sci., 27 June 2022 Sec. Animal Behavior and Welfare Volume 9 – 2022 | https://doi.org/10.3389/fvets.2022.882567 Blackwell.

Artículo publicado en “Los Porcicultores y su Entorno Noviembre Diciembre 2024“