ANALISI GEOGRAFICHE SU DATI AGGREGATI ED INDIVIDUALI

Transcript

1 Sorveglianza e monitoraggio delle popolazioni residenti in siti contaminati Torino 10 Novembre 011 ANALISI GEOGRAFICHE SU DATI AGGREGATI ED INDIVIDUALI Paola Pisani, Milena Maule Registro dei Tumori Infantili del Piemonte Epidemiologia dei Tumori - CERMS, Università degli Studi di Torino e A.O.U. San Giovanni Battista di Torino

2 Schema della presentazione Analisi geografiche: Dati aggregati Mappe di rapporti standardizzati di incidenza/mortalità Metodi di lisciamento per analisi di piccole aree: modello BYM Esempi: SIR Registro dei Tumori Infantili del Piemonte SMR Banca Dati di Mortalità del Piemonte Dati individuali Kernel density estimation Ricerca di cluster (T3 Cuzick-Edward, Diggle s D, Hirotsu) Modelli point-source Esempio: caso-controllo mesotelioma a Casale Monf.to Milena Maule - Università di Torino & CPO-Piemonte

3 Mappe di rischio Mortalità per tumore del polmone, tutte le età, M, Le mappe di rischio sono rappresentazioni geografiche della distribuzione di una malattia in una regione definita. Analisi per piccole aree: le mappe possono evidenziare anomalie (eccessi o difetti) di rischio in un area rispetto all intera regione. Studi descrittivi su dati aggregati: fallacia ecologica Milena Maule - Università di Torino & CPO-Piemonte 3

4 Mappe di rischio Piemonte: ~ 4 milioni di abitanti 106 comuni con popolazioni variabili da ~ 39 abitanti (Moncenisio) a ~ 1 milione (Torino) Milena Maule - Università di Torino & CPO-Piemonte 4

5 SMR, SIR SMR, SIR: rapporti standardizzati di incidenza e di mortalità SIR i = O i /E i SE(SIR i ) = O i /E i I SIR sono affetti da grande variabilità perché calcolati sulla base dei conteggi dei casi di ciascuna area. Per effetto del caso, nelle aree poco popolate e per malattie rare, i SIR sono spesso estremi (molto grandi o molto piccoli), con la conseguenza che le mappe che li rappresentano sono illeggibili e fuorvianti Milena Maule - Università di Torino & CPO-Piemonte 5

6 Mappe di rischio: SIR SIR tumori solidi RTI-P , 0-14 anni, M 661 casi osservati SIR range: (SIR più alto: basato su 1 osservato e 0.04 attesi) Mediana: 0 80% dei comuni ha 0 casi osservati Milena Maule - Università di Torino & CPO-Piemonte 6

7 Lisciamento mappe Per lisciare le mappe di rischio per piccole aree (diminuire la variabilità dei SIR entro area ed evidenziare la variabilità fra aree), si può utilizzare un approccio bayesiano (Besag et al. 1991) per la stima dei RR in ciascuna area. RR: compromesso fra il SIR area-specifico ed un valore di riferimento. Riferimento: valore medio dei SIR delle aree vicine oppure valore medio globale Compromesso: tanto più instabile è la stima del SIR di un area, tanto più il RR sarà tirato verso la media dei SIR delle aree adiacenti (o media globale) Besag, York, Mollié, Ann Inst Statist Math 1999;43:1 59 Milena Maule - Università di Torino & CPO-Piemonte 7

8 Incidenza (SIR) tutti i tumori RTI-P , 0-14 anni, M+F range: range: Milena Maule - Università di Torino & CPO-Piemonte 8

9 Incidenza (SIR) leucemie RTI-P , 0-14 anni, M+F range: range: Milena Maule - Università di Torino & CPO-Piemonte 9

10 Incidenza (SIR) LLA RTI-P , 0-14 anni, M+F range: range: Milena Maule - Università di Torino & CPO-Piemonte 10

11 Incidenza (SIR) tumori SNC RTI-P , 0-14 anni, M+F range: range: Milena Maule - Università di Torino & CPO-Piemonte 11

12 Mappe SIR RTI-P Tumori infantili: malattie molto rare, mappe dominate dall eterogeneità, variabilità dopo smussamento molto limitata. Analisi per piccole aree con lisciamento BYM: non adatta a catturare variazioni spaziali deboli rispetto alla variabilità casuale. RTI-P: rischio uniformemente distribuito su tutto il territorio della regione, con variazioni minime Milena Maule - Università di Torino & CPO-Piemonte 1

13 Quando funziona il BYM? SMR Dati: BDM Piemonte TIPO DI TUMORE raro comune con struttura spaziale senza struttura spaziale pleura M incidenza : 3.4/100,000 sarcomi tessuti molli F incidenza :.7/100,000 polmone M incidenza : 115/100,000 mammella F incidenza : 15/100,000 Milena Maule - Università di Torino & CPO-Piemonte 13

14 Mortalità (SMR) polmone BDM , tutte le età, M range: range: Milena Maule - Università di Torino & CPO-Piemonte 14

15 Mortalità (SMR) mammella BDM , tutte le età, F range: range: Milena Maule - Università di Torino & CPO-Piemonte 15

16 Mortalità (SMR) STM BDM , tutte le età, F range: range: Milena Maule - Università di Torino & CPO-Piemonte 16

17 Mortalità (SMR) pleura BDM , tutte le età, M range: range: Milena Maule - Università di Torino & CPO-Piemonte 17

18 Quando e come funziona il BYM? Funziona (nel senso che mette in luce reali variazioni geografiche del rischio) se la malattia non è rara: mortalità per tum. del polmone (M): strutturata nello spazio mortalità per tum. della mammella (F): uniforme in Piemonte se la variazione nello spazio è importante (inquinante localizzato e associazione fra inquinante e malattia forte): mortalità per STM (F):? mortalità per tum. della pleura (M): strutturata nello spazio Milena Maule - Università di Torino & CPO-Piemonte 18

19 Quando e come funziona il BYM? Incidenza tumori 0-14 anni RTI-P , M+F Incidenza tumori tutte le età AIRTUM Tutti i tumori 14.7 Polmone M 115 Leucemia 4.9 Mammella F 15 ALL ( ) 4.0 STM F.7 Tumori SNC 3.3 Pleura M 3.4 Incidenza: casi per 100,000 Milena Maule - Università di Torino & CPO-Piemonte 19

20 Dati individuali Stimare una relazione esposizione-risposta che utilizzi come esposizione la distanza fra la residenza e la sorgente inquinante Caso-controllo Mesotelioma Maligno (MM): descrivere la variazione spaziale del rischio di MM in una zona con alti livelli di inquinamento ambientale da amianto provenienti da un impianto industriale Milena Maule - Università di Torino & CPO-Piemonte 0

21 Studio caso-controllo controllo Studio caso-controllo di popolazione che comprende Casi incidenti di MM pleurico diagnosticati nel periodo 01/01/ /06/1993 fra residenti a Casale e dintorni (~100,000 abitanti) Casale Monferrato: dal 1907 al 1985 il più grande impianto italiano di cemento amianto Controlli appaiati per età, sesso e stato in vita Informazioni su storia occupazionale completa dei soggetti e loro coabitanti, caratteristiche demografiche, abitudine al fumo, trattamenti radioterapici, istruzione, storia residenziale completa dei soggetti Milena Maule - Università di Torino & CPO-Piemonte 1

22 Studio caso-controllo controllo * = casi o = controlli = Eternit Distribuzione spaziale delle residenze dei soggetti (97 casi and 50 controlli) in un area di ~50 km intorno a Casale Per ogni soggetto è rappresentata la residenza mantenuta più a lungo esclusi gli ultimi 0 anni prima della diagnosi Milena Maule - Università di Torino & CPO-Piemonte

23 Studio caso-controllo: controllo: kernel density estimation Variazione spaziale (contour plot) del rischio di MM in un area di ~50 km intorno a Casale Rischio stimato come rapporto fra le superfici di densità (kernel) dei casi e dei controlli La distribuzione del rischio è isotropica, con un picco ben definito nel centro di Casale, a SE dalla fabbrica Milena Maule - Università di Torino & CPO-Piemonte 3

24 Studio caso-controllo: controllo: ricerca di cluster Distribuzione dei 15 cluster maggiori (rosso: casi; verde: controlli) Zoom sul centro di Casale (Eternit: triangolo viola) Milena Maule - Università di Torino & CPO-Piemonte 4

25 Studio caso-controllo: controllo: modello point-source Rischio di MM in relazione alla distanza fra la residenza e la sorgente di amianto Circoletti con barre di errore: OR stimati con modello logistico Linea continua: RR stimati assumendo per il rischio un decadimento esponenziale con soglia all aumentare della distanza dalla sorgente di amianto Milena Maule - Università di Torino & CPO-Piemonte 5

26 Milena Maule - Università di Torino & CPO-Piemonte 6 Modello BYM Modello BYM j i j i n u u u p ~ / ) ( 1 exp 1 ) ( κ κ κ = n i n v i v p 1 / 1 exp 1 ) ( λ λ λ λ ε κ ε λ κ / / ), prior( e e λ ε κ ε θ λ λ κ κ θ λ κ / / 1 / ~ / 1 1 exp 1 ) ( 1 exp 1! ),,, ( = = e e v u u y e y v u p n i i n j i j i n n i i y i i i v u x ) log( + = = i i x ϑ Effetti casuali indipendenti: v: eterogeneità u: variabilità locale (spaziale) Distribuzione a priori per u Distribuzione a priori per v Distribuzione a priori per κ, λ