Valutazione di efficacia mediante l analisi delle serie temporali interrotte

Transcript

1 Valutazione di efficacia mediante l analisi delle serie temporali interrotte Introduzione Giuseppe Mastrangelo Dipartimento di Scienze Cardiologiche Toraciche e Vascolari Università di Padova Metodi e Risultati Ugo Fedeli Sistema Epidemiologico Regionale (SER) Regione del Veneto

2 Scopi I Servizi di Prevenzione Igiene Sicurezza Ambienti di Lavoro (SPISAL) sono le strutture previste dalla legge 833/1978 per la vigilanza e prevenzione degli infortuni sul lavoro L'obiettivo è di poter affermare che un qualche specifico intervento SPISAL ha migliorato la sicurezza dei lavoratori, cioè ha comportato una effettiva riduzione degli infortuni sul lavoro

3 Disegno di studio Comparazione prima-dopo dell incidenza di infortuni sul lavoro in aziende sottoposte ad interventi SPISAL Il disegno prima-dopo è un disegno non-sperimentale usato comunemente negli studi sulla sicurezza Il disegno prima-dopo deve essere usato con cautela perché vi sono in questo disegno varie circostanze, denominate minacce alla validità interna o threats, che minacciano la nostra capacità di capire se l'intervento è stato efficace oppure no

4 Regression-to-the-mean threat Di anno in anno i tassi di infortunio di un azienda o di un gruppo oscillano a volte verso l alto a volte verso il basso Posto che le condizioni di lavoro non cambino, l azienda con tasso di infortunio più basso del solito avrà probabilmente un incremento Invece, l azienda con tasso di infortuni superiore al normale avrà maggiori probabilità di una diminuzione dei tassi

5 Regression-to-the-mean threat Pertanto, se l'intervento riguarda aziende ad alto tasso di infortuni, una parte della diminuzione osservata l anno dopo può essere dovuta semplicemente al fatto che il tasso si sta portando più vicino al valore medio

6 Come ridurre il Regression-to-the-mean Threat Non c è niente da fare se è disponibile una sola misura del tasso prima dell'intervento ed una sola dopo l intervento Invece, disponendo di dati storici, si può vedere se le misure pre-intervento e post-intervento concordano con gli altri dati vicini

7 DISEGNO CON SERIE STORICHE O TEMPORALI Nel disegno time series si effettuano misurazioni multiple prima e dopo l'intervento Si stabilisce un baseline time trend ottenendo svariate misure dei risultati prima di effettuare l'intervento Dopo l'intervento si rifanno misurazioni multiple per stabilire un second time trend Se l'intervento è efficace, troveremo una differenza tra le misure dei risultati nei due trend temporali

8 ANALISI DELLE SERIE TEMPORALI INTERROTTE I dati sono stati elaborati con l Analysis of Interrupted Time Series with Segmented Regression

9 GRUPPO DI CONTROLLO Come mostra la figura, nel nostro studio è stato esaminato contemporaneamente al gruppo di intervento anche un gruppo di aziende di controllo

10 Gruppo di controllo L aggiunta di un gruppo di controllo al semplice disegno before-and-after riduce alcune delle minacce alla validità interna In particolare, riduce l'interferenza da circostanze esterne (history threats) perché quest ultimo effetto si verificherà sia nel gruppo di controllo che nel gruppo di intervento

11 Bias di confusione Negli studi osservazionali gli individui NON sono assegnati ai due gruppi in maniera casuale La mancanza di randomizzazione porta a potenziali problemi di confondimento Quindi, i due gruppi (esposti e non esposti) possono differire per residenza, status socioeconomico, condizioni di salute, età o altri fattori. Se questi fattori sono causa della malattia, può emergere un apparente (ma falsa) associazione tra malattia ed esposizione Il confondimento non riflette un errore degli investigatori, ma è attribuibile alla natura intrinsecamente "incontrollata" degli studi osservazionali

12 Tecniche per ridurre il confondimento Possibili approcci sono: Appaiamento (matching). Selezionare controlli abbinati ai casi (o i non esposti al gruppo esposto) in termini di età, sesso, altre variabili. Se i due gruppi sono appaiati, per esempio, per età, allora qualsiasi associazione osservata nello studio non può essere dovuta all'età Analisi multivariata. La procedura controlla il fattore confondente attraverso modelli matematici. I modelli sono stati sviluppati per descrivere l'effetto simultaneo dell esposizione e dei fattori di confondimento sull aumento del rischio di malattia