[Durgical](https://durgical.com/) › [DurgiPedia](https://durgical.com/durgipedia/) › [Epidemiología](https://durgical.com/epidemiologia/) › [Sesgos, confusión y causalidad](https://durgical.com/epidemiologia/areas/bias/) › Modelos causales: causa necesaria, suficiente y componentes

# Modelos causales: causa necesaria, suficiente y componentes

- Concepto

Casi ninguna enfermedad tiene una sola causa: varias piezas juntas la producen. Quitar una pieza basta para prevenir los casos de ese camino.

Actualizado 13 nov 2026

## Lo esencial

- Causa necesaria: sin ella no hay enfermedad (el agente infeccioso en las infecciones); casi nunca es suficiente por sí sola.
- Causa suficiente: conjunto completo de componentes que produce la enfermedad; puede haber varias para la misma enfermedad.
- Eliminar un solo componente previene todos los casos de las causas suficientes que lo contienen.
- Las fracciones prevenibles de distintos componentes pueden sumar más de 100 %: cada caso necesita varios componentes a la vez.
- En un DAG: confusor = causa común (se ajusta); mediador = paso intermedio; colisionador = efecto común (no se ajusta).

## Qué es

Una causa necesaria es la que debe estar presente para que haya enfermedad; una causa suficiente es un conjunto de factores que, juntos, la producen inevitablemente. El modelo de causas suficientes y componentes (los «pasteles causales») representa cada causa suficiente como un pastel formado por varias porciones, y una misma enfermedad puede tener varios pasteles. Los diagramas causales (grafos acíclicos dirigidos, DAG) dibujan con flechas qué causa qué y ayudan a decidir qué variables ajustar y cuáles no.

## Ejemplo resuelto

- Un pueblo tiene 60 casos al año de una infección. El agente A está en todos los casos.
- 40 casos ocurren por la causa suficiente I (A + desnutrición + hacinamiento) y 20 por la causa suficiente II (A + diabetes).
- Si se corrige el hacinamiento, se rompe el pastel I: se previenen 40 de 60 casos, el 67 %.
- Si se controla la diabetes, se rompe el pastel II: se previenen 20 de 60, el 33 %.
- Si se elimina A, la causa necesaria, se previenen los 60 casos: el 100 %.
- La desnutrición también previene 40 (67 %). Las fracciones suman 67 + 67 + 33 + 100 = 267 %, más de 100 %.
- Lectura: cada caso tiene varias causas a la vez, y actuar sobre cualquier pieza de un pastel lo previene.

## Combinaciones de causa necesaria y suficiente

| Tipo | Qué significa | Ejemplo |
| --- | --- | --- |
| Necesaria y suficiente | Siempre presente y basta sola | Muy raro en medicina |
| Necesaria, no suficiente | Siempre presente, pero requiere otros factores | El bacilo tuberculoso para la tuberculosis |
| Suficiente, no necesaria | Basta sola, pero hay otros caminos | Raro; sirve sobre todo como modelo teórico |
| Ni necesaria ni suficiente | Un componente más entre varios | El tabaco para el cáncer de pulmón |

## Marcadores

- Causa necesaria
- Causa suficiente
- DAG
- Colisionador

## En la práctica

- En un DAG cada flecha va de la causa al efecto y no hay ciclos; se dibuja antes de analizar, con lo que se sabe del tema.
- Ajustar por un confusor (causa común de exposición y desenlace) cierra un camino falso; ajustar por un colisionador lo abre.
- Ajustar por un mediador elimina parte del efecto que se quiere medir si lo que interesa es el efecto total.

## Errores frecuentes

- Pensar que una causa «débil» (RR bajo) importa poco: si es un componente frecuente, su fracción prevenible puede ser grande.
- Ajustar por todas las variables disponibles: algunas son mediadores o colisionadores y sesgan el resultado.
- Confundir causa necesaria con causa principal: el agente infeccioso es necesario, pero la prevención puede actuar sobre otro componente.

## Para recordar

Cada enfermedad es un pastel de varias porciones: se come entero o no se come; quite una porción y ese pastel ya no sale.

## Póngase a prueba

Piense la respuesta y toque la pregunta para verla.

## ¿Qué es una causa necesaria?

Un factor que debe estar presente para que ocurra la enfermedad; sin él no hay casos, aunque por sí solo no suele bastar.

## ¿Por qué las fracciones prevenibles de varios factores pueden sumar más de 100 %?

Porque cada caso requiere varios componentes a la vez; eliminar cualquiera de ellos previene el mismo caso, que se cuenta en cada fracción.

## En un DAG, ¿qué es un colisionador y qué pasa si se ajusta por él?

Una variable a la que llegan flechas de la exposición y del desenlace (efecto común). Ajustar por ella crea una asociación falsa.

## ¿Qué ejemplo hay de causa necesaria pero no suficiente?

El bacilo tuberculoso: no hay tuberculosis sin él, pero la mayoría de las personas infectadas no enferma.

[Agregar a mis tarjetas (4)](https://durgical.app/estudiar/?add=/epidemiologia/modelos-causales-causa-necesaria-suficiente-y-componentes/)

## Conexiones

## Relacionados 6

- [Criterios de causalidad de Bradford Hill](https://durgical.com/epidemiologia/criterios-de-causalidad-de-bradford-hill/)
- [Azar, sesgo, confusión o causa](https://durgical.com/epidemiologia/azar-sesgo-confusion-o-causa/)
- [Confusión](https://durgical.com/epidemiologia/confusion/)
- [Cómo se controla la confusión](https://durgical.com/epidemiologia/como-se-controla-la-confusion/)
- [Interacción aditiva y multiplicativa](https://durgical.com/epidemiologia/interaccion-aditiva-y-multiplicativa/)
- [Riesgo atribuible poblacional](https://durgical.com/epidemiologia/riesgo-atribuible-poblacional/)

[← Toda la epidemiología](https://durgical.com/epidemiologia/)

Contenido educativo sobre métodos epidemiológicos y estadísticos; los ejemplos usan números inventados para enseñar el cálculo. No es una guía clínica ni normativa: las normas colombianas vigentes se consultan en las fuentes oficiales.

Fuentes: [Principles of Epidemiology | Lesson 1 - Section 8](https://archive.cdc.gov/www_cdc_gov/csels/dsepd/ss1978/lesson1/section8.html) (Centers for Disease Control and Prevention, 2012); [Collider bias | Catalog of Bias](https://catalogofbias.org/biases/collider-bias/) (Catalogue of Bias Collaboration, 2019); [Confounding | Catalog of Bias](https://catalogofbias.org/biases/confounding/) (Catalogue of Bias Collaboration, 2018).

## **¿Ha detectado un error?** Siempre buscamos mejorar para la comunidad. Cuéntenos qué está mal y nuestro equipo lo revisa. Reportar un error

Modelo representativo, solo con fines educativos.

---
Source: https://durgical.com/epidemiologia/modelos-causales-causa-necesaria-suficiente-y-componentes/
License: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Cite as: DurgiPedia (durgical.com), https://durgical.com/epidemiologia/modelos-causales-causa-necesaria-suficiente-y-componentes/