Epidemiología forense

La disciplina de epidemiología forense (FE) es un híbrido de principios y prácticas comunes a ambos medicina forense y Epidemiología. FE está dirigido a llenar el vacío entre el juicio clínico y datos epidemiológicos para las determinaciones de la causalidad en civil demandas y persecución penal y la defensa.

Epidemiólogos forenses formular basada en evidencia conclusiones probabilísticas acerca del tipo y cantidad de asociación causal entre una exposición nociva antecedente y un resultado de lesión o enfermedad en las poblaciones e individuos. Las conclusiones resultantes de un análisis pueden apoyar toma de decisiones legal sobre culpabilidad o inocencia en acciones criminales y prever un soporte probatorio los resultados de asociación causal en acciones civiles.

Aplicaciones de los principios epidemiológicos forenses se encuentran en una amplia variedad de tipos de litigios civiles, incluyendo casos de negligencia médica, agravio tóxico o masa, eventos adversos farmacéuticos, dispositivos médicos y fallas del consumidor, lesión relacionada con el accidente de tráfico y muerte, identificación de persona y la esperanza de vida.

Historia de FE

El término que epidemiología forense primero fue asociado a la investigación de bioterrorismo en 1999 y acuñado por el Dr. Ken Alibek, ex diputado jefe del programa soviético de armas biológicas. El alcance de la FE en aquel momento se limitó a la investigación de las epidemias que eran potencialmente provocados por el hombre. Después de que el ántrax Estados Unidos ataques de 2001, el CDC define epidemiología forense como medio de investigar posibles actos de bioterrorismo.

En la actualidad FE es más ampliamente conocido y se describe como la aplicación sistemática de la epidemiología a disputado cuestiones de causalidad que se decidieron en los tribunales civiles (sobre todo), sino también criminales. El uso de datos epidemiológicos y análisis como base para evaluar la causalidad general en tribunales de Estados Unidos, particularmente en los casos de agravio tóxico, se ha descrito más de 30 años, a partir de la investigación de la supuesta relación entre la exposición a la vacuna de la gripe porcina en 1976 y posteriores casos de síndrome de Guillain-Barré.[1]

Más recientemente FE también se ha descrito como un método basado en pruebas de cuantificación de la probabilidad de la causalidad específica en individuos. El enfoque es especialmente útil cuando se disputa un enfoque diagnóstico diferencial clínico de causalidad. Ejemplos que cubren una amplia variedad de aplicaciones de los FE se enumeran debajo ejemplos de investigación preguntas abordadas por epidemiólogos forense.

Principios de la FE

Cociente de riesgo comparativo

La métrica de un análisis específico de la causa es la relación de riesgo comparativo (CRR). El CRR es una métrica única fe; permite la comparación de probabilidades aplicable a las circunstancias investigadas de cada lesión o enfermedad. Porque un CRR se basa en las circunstancias únicas que rodean la lesión o enfermedad de un individuo, puede o no puede derivar de una base de la población riesgo relativo (RR) o odds-ratio (O). Un ejemplo de un análisis de RR que podría ser utilizado como un CRR es el siguiente: para obtener un controlador brusca que resultó gravemente herido en un accidente de tráfico, una cuestión causal importante podría ser qué papel jugó la no utilización de cinturón de seguridad en la causa de su lesión. El examen de la frecuencia de lesiones graves en 1000 controladores brusca seleccionados al azar, expuesto a una colisión frontal de 20 mph versus la frecuencia de lesiones graves en 1000 controladores restringidas seleccionados al azar expuestas al mismo tipo y severidad de la colisión consistiría en un pertinente análisis de RR. Si la frecuencia de lesiones graves en el grupo expuesto al riesgo presuntivo (no usar el cinturón de seguridad) fue de 0,15 y la frecuencia en la no expuesta (con cinturón) grupo fue 0.05, entonces el CRR sería lo mismo que el RR de 0.15/0.05. El diseño RR del análisis indica que las poblaciones que el numerador y el denominador del CRR son substancialmente similares en todos los aspectos, con la excepción de la exposición al riesgo investigado, que fue el no usar un asiento de la correa en el ejemplo.

En algunos casos encontradas un ajuste legal, sin embargo, el numerador y el denominador el riesgo de deber derivado de diferentes poblaciones con el fin de adaptarse a las circunstancias de una investigación de la lesión o enfermedad. En tal caso el CRR no puede derivar de cualquiera de los dos un RR o OR. Un ejemplo de tal situación se produce cuando el numerador es un por evento riesgo y el denominador es un riesgo por el tiempo (también conocido como un riesgo acumulado). Un ejemplo de este tipo de análisis sería la investigación de una embolia pulmonar (PE) que se produjo una semana después de que un paciente sostuvo una fractura de la extremidad inferior en un accidente de tráfico. Tales complicaciones a menudo el resultado de coágulos de sangre en las piernas y luego viajar a los pulmones. Si el paciente tenía una historia de trombosis venosa profunda (TVP) en las extremidades inferiores antes de la caída, entonces un CRR podría consistir en la comparación entre el riesgo de una PE tras una fractura de la extremidad inferior (una por tipo de evento) y el riesgo de 1 semana de PE en un paciente con trombosis venosa Profunda (una probabilidad dependiente del tiempo).

Otro ejemplo de un CRR basado en diferentes poblaciones es cuando hay solamente un número limitado de causas potenciales para comparar. Un ejemplo es la investigación de la causa de una reacción adversa en una persona que tuvo dos fármacos diferentes al mismo tiempo, que pudieran haber causado la reacción (y que, por ejemplo, no interactúan entre sí). En tal situación, el CRR aplicable a las circunstancias únicas experimentados por el individuo estimarse mediante la comparación de la tasa de reacciones adversas de los dos fármacos.

Proporción atribuible en los expuestos

La proporción atribuible en expuestos (AP_e ) es una indicación de la proporción de pacientes que fueron expuestos a la posible causa y se enfermó debido a esta exposición. Sólo se puede utilizar si el RR > 1 y puede ser calculado por [(RR-1) /RR X 100%]. Cuando el CRR se basa en un RR, estas fórmulas también se aplican al CRR. El resultado del análisis, como una RR, CRR o AP_e cumple con la norma jurídica de lo que es "más probablemente verdadera que no"cuando el RR o CRR es > 2.0 (con un límite inferior del intervalo de confianza del 95% de > 1.0), o el AP_e es > 50%. El AP_e también es conocido como el "Probabilidad de la causalidad (PC) "un término que se define en el () nos código de regulaciones federalesFederal Register / Vol. 67, n ° 85 / jueves, 02 de mayo de 2002 / reglas y regulaciones p. 22297) y en otros lugares.

Metodología causal

Análisis de la causalidad, particularmente para lesiones u otras condiciones con un período relativamente corto de latencia entre exposición y resultado, se logran utilizando un enfoque de 3 pasos, como sigue:

1. Plausibilidad: Este primer paso trata que sea biológicamente posible para que el evento de daños que han causado la condición (a.k.a causalidad general) y sigue una aplicación especial de los puntos de vista establecidos por Hill (véase abajo). Un hallazgo de verosimilitud es ajena a la frecuencia de la lesión, porque incluso si la lesión ocurre en sólo 1 de cada 100 o menos casos de exposición al evento, es todavía plausiblemente causada por el evento. Verosimilitud es un obstáculo relativamente bajo a clara en un análisis causal y se satisface en gran medida por la falta de evidencia de inverosimilitud de la relación. Verosimilitud se establece a menudo, pero no necesariamente, con información o datos epidemiológicos.
2. Temporalidad: Este segundo paso examina la evidencia clínica y otros de la sincronización entre el inicio de los síntomas de la lesión y el acontecimiento de la lesión y debe ser satisfecho para evaluar causalidad específica. En primer lugar, debe establecerse que la secuencia de la lesión y el evento es apropiada; los síntomas pueden presentarse idénticamente antes del evento. Además, la aparición de los síntomas de lesión no puede ser demasiado latente o insuficientemente latente, dependiendo de la naturaleza de la exposición y el resultado.
3. Falta de una explicación alternativa más probable: este paso final examina la probabilidad de la condición de lesiones que ocurren en el mismo punto en el tiempo en el individuo, dado lo que se conoce sobre la persona de la revisión de registros médicos y otros, pero en la ausencia del evento de lesión (también conocido como diagnóstico diferencial). En primer lugar, evidencia de eventos de lesiones concurrentes debe ser evaluado y en comparación con el riesgo (a menudo a través de análisis de datos epidemiológicos). Luego, debe evaluarse la probabilidad de que el estado que se produce espontáneamente, dada la conocida historia del individuo.

Estados Unidos jurisprudencia sobre metodología de la causación de lesiones

La metodología de 3 pasos fue impugnada en corte de districto de Estados Unidos para el districto de Colorado en Etherton v compañía de seguros de propietarios de automóviles.[2] El acusado desafió, entre otras cosas, la fiabilidad y ajuste de los métodos descritos por el experto. Después de un extenso examen y discusión del proceso de 3 pasos utilizado por el experto, el Tribunal determinó que la metodología de ajuste adecuadamente los hechos específicos del caso, y que un enfoque (epidemiológico) basado en la población una parte apropiada de la metodología causal. El tribunal rechazó la moción del acusado dar testimonio del experto en la orden, que entró en 3 / 3l/l4.

El acusado apeló la sentencia de la corte de districto, y en julio de 2016, el décimo circuito de corte de Apelaciones confirmó la metodología causal 3 pasos generalmente aceptada y bien establecida para la evaluación de causalidad de la lesión, bajo la Estándar de Daubert. Ver Etherton v. compañía de seguros de propietarios de Auto, Nº 14-1164 (Cir 10, 7/l9/l6)[3].

El punto de vista de la colina

Plausibilidad de una asociación investigada puede evaluarse en una investigación de la FE, en parte, a través de la aplicación de la Criterios de Hill, nombre de una publicación 1965 por Sir Austin Bradford Hill, en el que describió nueve "puntos de vista" por el cual una asociación descrita en un estudio epidemiológico se podría evaluar por causalidades. Hill se negó a llamar a sus puntos de vista "criterios" para que no se consideran una lista de verificación para evaluar la causalidad. Sin embargo, el término «Criterios de Hill» se utiliza ampliamente en la literatura y por conveniencia se utiliza en la presente discusión. De los nueve criterios, hay siete que tienen utilidad para evaluar la plausibilidad de una relación causal específica investigada, como sigue:

• Coherencia: Una conclusión causal no debería contradecir conocimiento Sustantivo. Debería "hacer sentido" teniendo en cuenta los conocimientos actuales
• Analogía: Los resultados de una relación causal previamente descrito pueden ser traducibles a las circunstancias de una investigación actual
• Consistencia: La observación repetida de la relación investigada en diferentes circunstancias o a través de una serie de estudios presta fuerza a una inferencia causal
• Especificidad: El grado en que la exposición se asocia con un resultado particular
• Plausibilidad biológica: el grado al que la asociación observada se puede explicar por principios científicos conocidos
• Experimento: En algunos casos puede haber evidencia de experimentos aleatorios (es decirensayos de la droga)
• Dosis respuesta: la probabilidad, frecuencia o severidad de los resultados aumenta con el aumento de la cantidad de exposición

La relación triangular entre la exposición, resultado y confusión. Al investigar si existe una relación causal entre una exposición y el resultado de interés, la influencia de variables extrañas debe tenerse en cuenta. Una confusión se define como una causa concurrente de los resultados bajo investigación que se relaciona, pero no una consecuencia de la exposición de interés.

Autores posteriores han añadido la característica de Desafío / Dechallenge / Rechallenge circunstancias cuando la exposición se repite en el tiempo y la capacidad de observar la respuesta de resultado asociado, como puede ocurrir con una reacción adversa a un medicamento. Consideraciones adicionales al evaluar una asociación son el impacto potencial de factores de confusión y sesgo de en los datos, que pueden ocultar una verdadera relación, como se describe anteriormente en este capítulo. confusión se refiere a una situación en la que una asociación entre una exposición y el resultado es todo o en parte el resultado de un factor que afecta el resultado pero no se ve afectada por la exposición. Sesgo se refiere a una forma de error que puede poner en peligro la validez de un estudio de resultados que son sistemáticamente diferentes de los verdaderos resultados. Son de dos categorías principales de sesgo en estudios epidemiológicos sesgo de selección, que se produce cuando se seleccionan sujetos de estudio como resultado de la otra variable asociado a la exposición y el resultado de interés; y sesgo de información, que es un error sistemático en la evaluación de una variable. Mientras que es útil al evaluar una asociación previamente inexplorada, no hay ninguna combinación o número mínimo de estos criterios que deben cumplirse para concluir que existe una relación plausible entre una exposición conocida y un resultado observado.

En muchas investigaciones de FE no hay necesidad para un análisis causal plausibilidad si está bien establecida una relación causal general. En gran parte, la plausibilidad de una relación es entretenida una vez que se ha rechazado la inverosimilitud. Los dos restantes criterios de Hill son la temporalidad y la fuerza de asociación. Mientras que ambos criterios tienen utilidad en la evaluación de causalidad específica, la temporalidad es la característica de una asociación que debe estar presente, al menos con respecto a la secuencia (es decirla exposición debe preceder el resultado), para considerar una relación causal. Proximidad temporal también puede ser útil en algunas evaluaciones de causalidad específica, como el más cercano la exposición investigada y los resultados son en tiempo la menor oportunidad hay para que una causa que actuar. Otra característica de la temporalidad que puede tener un papel en una evaluación de la causalidad específica es latencia. Un resultado puede ocurrir demasiado pronto o demasiado tiempo después de una exposición a considerarse causalmente relacionados. Por ejemplo, algunos alimentos transmitidas por enfermedades deben incubar durante horas o días después de la ingestión, y una enfermedad que empieza directamente después de una comida, y que más adelante encontrada así para ser causada por un microorganismo transmitidas por alimentos que requiere > 12 h de incubación, no fue causada por la comida investigada, incluso si una investigación se revele el microorganismo en el alimento ingerido. Fuerza de asociación es el criterio que se utiliza en causalidad general para evaluar el impacto de la exposición en la población y a menudo se cuantifica en términos de RR. En una evaluación de la causalidad específica la fuerza de la asociación entre la exposición y el resultado se cuantifica por el CRR, como se describe anteriormente.

Una tabla de contingencia, también llamada un crosstabulation, de los resultados de la prueba posible y las ecuaciones asociadas para evaluar la exactitud de la prueba.

Exactitud de la prueba

Prueba exactitud investigación es una práctica estándar en Epidemiología Clínica. En este escenario, una prueba de diagnóstico es analizada para determinar por diversas medidas de la frecuencia con un resultado correcto. En FE se utilizan los mismos principios para evaluar la exactitud de las pruebas propuestas conducen a conclusiones que son centrales para las determinaciones del averiguador de los hechos de la culpabilidad o inocencia en las investigaciones penales y de la causalidad en materia civil. La utilidad de una prueba depende de su exactitud, que es determinada por una medida de cómo a menudo un resultado de prueba positivo o negativo realmente representa el estado real que se está probando. Para cualquier prueba o criterio típicamente hay cuatro resultados posibles: (1) un positivo verdadero (TP), en los cuales la prueba identifica correctamente los temas probados con la condición de interés; (2) una negativa verdadera (TN), en los cuales la prueba identifica correctamente los temas de prueba que no tienen la condición de interés; (3) un falso positivo (FP), en el que la prueba es positiva aunque la condición no está presente, y; (4) un resultado falso negativo (FN) en el que la prueba es negativa a pesar de que la condición está presente. Figura 3.19 es una tabla de contingencia que ilustra las relaciones entre los resultados de la prueba y presencia del estado, así como los siguientes parámetros de precisión de prueba:

• Sensibilidad (la tasa en que la prueba es positiva cuando la condición está presente) TP /(TP + FN)
• Especificidad (la tasa en que la prueba es negativa cuando la condición está ausente) TN /(TN + FP)
• Valor predictivo positivo (la tasa en que la condición está presente cuando la prueba es positiva) TP /(TP + FP)
• Valor predictivo negativo (la tasa en que la condición está ausente cuando el test es negativo) TN /(TN + FN)

Razonamiento bayesiano

Probabilidad se utiliza para caracterizar el grado de creencia en la verdad de una aserción. La base de tal creencia puede ser un sistema físico que produce resultados a un ritmo que es uniforme en el tiempo, como un dispositivo de juego como una ruleta o un dado. Con este sistema, el observador no influye en el resultado; un dado de seis caras justo que enrollado lo suficiente aterrizará en uno de sus lados 1/6 del tiempo. Una afirmación de una probabilidad basada en un sistema físico es fácilmente probada con suficiente experimentación al azar. Por el contrario, la base de un alto grado de creencia en una afirmación declarada puede ser una perspectiva personal sostenida que no puede ser probada. Esto no significa que la afirmación sea menos cierto que uno que se puede probar. Por ejemplo, con la verdad puede afirmar que "si comer un plátano hay una alta probabilidad que me hará náuseas" basado en la experiencia del desconocido a nadie más que uno. Es difícil poner a prueba estas afirmaciones, que son evaluadas a través de pruebas colaterales de plausibilidad y analogía, a menudo basados en experiencias similares. En contextos forenses, afirmaciones de creencias se caracterizan a menudo como probabilidades, es decir, Qué es más probable, para un determinado conjunto de hechos. Circunstancias en las que existe una gran variedad de condiciones que pueden modificar o "condición" la probabilidad de un resultado particular o escenario, emplea un método de cuantificar la relación entre las condiciones de modificación y la probabilidad de los resultados Razonamiento bayesiano, llamado así por Teorema de Bayes o ley que se basa el enfoque. Indicado más simplemente, Ley de Bayes permite una cuantificación más precisa de la incertidumbre en una determinada probabilidad. Como se aplica en un entorno forense, Ley de Bayes nos dice lo que queremos saber dado lo que sabemos. Aunque la ley de Bayes se conoce en ciencias forenses principalmente para su aplicación a las pruebas de ADN, varios autores han descrito el uso del razonamiento bayesiano para otras aplicaciones en medicina forense, incluyendo estimación de identificación y edad.

Probabilidad post-test y valor predictivo positivo

El probabilidad post-test es una ecuación muy útil de bayesiano que permite el cálculo de la probabilidad de que una condición es presente cuando la prueba es positiva, condicionada por la prevalencia antes de la prueba de la condición de interés. Esta ecuación se da en el cuadro a la derecha:

Ecuación de la probabilidad post-test

La ecuación resulta en un valor predictivo positivo para una prevalencia dada antes del evento o antes de la prueba. En una circunstancia en la cual la prevalencia antes de la prueba se considera "indiferente" la prevalencia (1-prevalencia de los) valores se cancelan y el cálculo es una simplificación a un valor predictivo positivo.

Ejemplos de preguntas de investigación dirigidas por epidemiólogos forenses

• ¿Cuál es la probabilidad de que la exposición al asbesto que Sr. X durante su empleo en la empresa Z causado su cáncer de pulmón?
• ¿La probabilidad de que es lo que el ADN encontrado en la escena forense pertenece al Señor X? ¿Cuál es la oportunidad que estás equivocado? ¿Podría en su cálculo de la probabilidad toma en cuenta la otra evidencia que apunta hacia la identificación del Señor X?
• ¿Podría usted estimar la probabilidad de que la amputación de la pierna de la señora Y podría haberse evitada si el retraso en el diagnóstico no habría ocurrido?
• ¿Es que la insuficiencia cardíaca de señora Y de hecho fue causada por el efecto secundario de este medicamento?
• ¿Cuál es la probabilidad de que la muerte que siguió a la administración de los opiáceos por 20 minutos fue debido a la droga y no a otros factores (desconocidos)?
• ¿Cuál es la posibilidad de que el Sr. X habría necesitado cirugía del cuello cuando lo hizo si no hubiera sido en un accidente de tránsito menor el mes anterior?
• ¿La probabilidad de que es lo que el cáncer de vejiga y de la señora fue causada por tabaquismo pasivo durante su encarcelamiento debido a que era un ex fumador a sí misma?
• ¿Qué porcentaje de responsabilidad es razonable en las circunstancias dadas?
• ¿Cuál sería la esperanza de vida del Sr. X en el momento de su muerte si no se produjo la muerte injusta?
• ¿Cuánto tiempo se espera Señor X para sobrevivir, teniendo en cuenta su cerebro / espinal lesión, en un más probable que la base no en la médula?
• Dada la evidencia médica y no médica a la mano con respecto a las circunstancias de este accidente de tráfico, ¿cuál es la probabilidad que señora Y era el conductor?
• Las pruebas médicas y no médicas a mano sobre las circunstancias de este accidente de coche, ¿cuál es la probabilidad de que X Señor llevaba un cinturón de seguridad?
• ¿Cuál es la probabilidad de que necesidad de señora Y de la cirugía resultó de la caída, vs que habría ocurrido al mismo tiempo si el accidente no hubiera ocurrido?

Acoplamientos externos

• Asociación Internacional de derecho y epidemiología
• Asociación epidemiológica internacional
• Diario de la medicina forense y Legal

Referencias

Citas

Lectura adicional

• Freeman MD, Zeegers MP. Principios y aplicaciones de la epidemiología forense en el contexto médico-legal. Ley de probabilidad y riesgo de 2015; 14(4): 269-78.
• Siegerink B, den Hollander W, M Zeegers, Middelburg R. Inferencia Causal en el derecho: una perspectiva epidemiológica. Diario europeo de riesgo Reglamento 2016; 1: 175-86.
• Sobczak F, Burdorf A, Zeegers MP. Ley y Epidemiología: interpretación de la información epidemiológica en reclamaciones por enfermedades relacionadas con el asbesto. Epidemiología OA 2014; 2.1: 1.

Otras Páginas

• BMW S14
• El Hato
• Ojos negros Joujouka
• Medicina Siddha
• Saint Paul, Minnesota (articulos de categoria del establecimiento que requieren mantenimiento)
• Noche mas oscura
• 2013 accidente quimico en Horlivka
• Buena ley
• Motor Ford Endura-E
• Movimiento Bhoodan