Una relación en la que un cambio en un factor (la causa putativa) produce directa o contribuye a producir un cambio en otro factor (el efecto) mediante un mecanismo plausiblemente especificado, de modo que intervenir sobre la causa alteraría la probabilidad o magnitud del efecto en condiciones definidas; establecer una asociación causal exige pruebas que van más allá de la mera asociación, incluyendo temporalidad, razonamiento contrafáctico, control de confusión y mecanismos coherentes.

Principio

Si una asociación causal es válida en las condiciones declaradas, una intervención que modifique la causa cambiará la distribución del efecto; demostrar causalidad requiere una estrategia inferencial (aleatorización, diseño cuasi‑experimental o modelado causal bien especificado) y evidencia de plausibilidad y de exclusión de explicaciones alternativas.

Demostración

Escenario ilustrativo (hipotético): Situación — Investigadores hipotetizan que la exposición X incrementa el riesgo del resultado Y vía el mecanismo M. Reconocimiento — Datos longitudinales o experimentales con diseño y control de confusión adecuados muestran que cambiar X altera la incidencia de Y y que el mecanismo M vincula de forma plausible X con Y. Acción — Una política o intervención clínica reduce la exposición X. Consecuencia — La incidencia o severidad de Y disminuye en la población o subgrupo donde X se redujo, coherente con el modelo causal (si se excluyen explicaciones alternativas).

Aplicación incorrecta

Interpretación errónea: tratar una correlación observada como prueba de asociación causal sin abordar temporalidad, confusión o un mecanismo plausible. Por qué parece plausible: muchos procesos no causales (confusión, causalidad inversa, sesgo de selección) generan asociaciones que imitan la causalidad. Error semántico: confundir asociación estadística con efecto causal y justificar así intervenciones con base en evidencia débil.

Consecuencia

Una asociación causal válida justifica intervenciones, orienta políticas y decisiones clínicas y apoya la comprensión mecanística; afirmaciones causales falsas pueden conducir a intervenciones ineficaces, costosas o dañinas y al uso indebido de recursos.

Inversión

Aparentes asociaciones causales pueden refutarse cuando análisis adicionales revelan confusión, causalidad inversa, sesgo de medición o que la relación observada está mediada por variables intermedias que hacen inapropiada la reclamación de causalidad directa; las afirmaciones causales son condicionales a la población, periodo y contexto especificados por la evidencia.

Límite

Claramente dentro: evidencia que satisface temporalidad, contraste contrafáctico (la intervención cambia el resultado), control de confusión y un mecanismo coherente en las condiciones definidas. Caso límite: asociación fuerte con mecanismo plausible pero sin control adecuado de confusión o evidencia contrafáctica. Claramente fuera: mera correlación estadística, asociación ecológica sin apoyo individual, o patrones explicados por confusión o causalidad inversa.

Tensión semántica

Tensión entre la necesidad práctica de actuar (intervenir sobre supuestas causas plausibles) y el requisito epistémico de evidencia rigurosa (evitar inferencias causales prematuras a partir de datos limitados).

Síntesis

La asociación causal es una inferencia orientada a la acción que vincula intervención y resultado; permite el cambio deliberado pero se apoya en criterios metodológicos y supuestos explícitos que deben probarse y declararse.