ANALISI GEOGRAFICA DELL INCIDENZA DI LEUCEMIE E TUMORI CEREBRALI NELLE PROVINCE DI FIRENZE E PRATO

Transcript

1 ANALISI GEOGRAFICA DELL INCIDENZA DI LEUCEMIE E TUMORI CEREBRALI NELLE PROVINCE DI FIRENZE E PRATO Giorgia Stoppa, Dolores Catelan, Sara Piro, Annibale Biggeri, Gianfranco Manneschi, Alessandro Barchielli, Lucia Miligi XL Congresso AIE 2016

2 Cancer cluster and citizens' alarms : epidemiological and statistical approaches Gran Proposal 2010 Istituto Toscano Tumori P.I. Dott.ssa Lucia Miligi Obiettivoprincipaledel progettoè sviluppareraccomandazioni per rispondere alle preoccupazioni dei cittadini e disegnare un approccio sistematicoper la gestionedi cluster di patologie tumorali.

3 I tumori dell infanzia e dell adolescenza sono Dai una dati patologia AIRTUM è rara, stato ma, rilevato quando che si presentano l aumento nelle dell incidenza comunità, dei sono tumori fonte di infantili, allarme registrato e di forte fino preoccupazione. alla metà degli anni 90,è stazionario ; per gli adolescenti, fascia d età 15-19, al contrario, I fattori di l incidenza rischio associati di tutti sono i tumori in gran è in parte sconosciuti, aumento. ma alcuni fattori ambientali sono stati sospettati di avere un ruolo eziologico.

4 Il disease Si distinguono mapping consente essenzialmente di ottenere quattro una tipi rapida di studi visione di epidemiologia del fenomeno spaziale indagato (Elliot attraverso et al.,2000): le mappe di variazione mappedi spaziale rischio(disease del rischio mapping) di una malattia e di identificare eventuali andamenti studi anomali di correlazione riguardo geografica la tendenza dei (geographical casi ad aggregarsi correlation sulterritorio. studies) stima del rischio in relazione a sorgenti L obiettivo è fornire indicazioniimmediate puntuali o lineari e di (point caratteregenerale and point-line source per studies) elaboraredelle individuazionee ipotesiinvestigative definizionedi clusters da approfondire spaziali successivamente di malattie in studi (cluster specifici detection)

5 Oggettodi questolavoro è lo studio della variabilità spaziale di leucemie e tumori cerebrali nelle province di Firenze e di Prato. L unità di analisi è il comune di residenza. I dati d incidenza provengono dal Registro Tumori Toscano per il periodo per soggetti d età 0-19.

6 Lo scopo dell analisi è stimare il rischio relativo θ i corrispondente a ciascuna area i=1,2,..,n usando l informazione data dai casi attesi e osservati su ognuna di esse Metodo della massima verosimiglianza(sir) Modello Poisson Gamma Modello Besag York Molliè

7 Il SIR è la misura utilizzata per valutare se esiste un eccesso di nuovi casi di tumore. È il rapporto tra il numero osservato di nuovi casi e il numero che sarebbe stato osservato (numero atteso) se la popolazione in studio avesse sperimentato gli stessi tassi di una popolazione di riferimento. Metodo utilizzato: standardizzazione interna indiretta

8 LIMITE Le mappe che riportano le stime dei rischi relativi ottenute tramite l indice SIR tendono ad essere dominate da quelle più instabili e risultano pertanto di difficile interpretazione dal punto di vista epidemiologico.

9 Modello Poisson Gamma Le stime bayesiane hanno una dispersione minore rispetto a quelle ottenute tramite l indice SIR; ogni stima è un compromesso tra quest ultimo e la stima della media della distribuzione assunta per i rischi relativi La formula evidenzia come lo stimatore sia una media pesatatral indicesir e la media della distribuzione a priori sul rischio relativo. Clayton Kaldor 1987

10 Modello Besag York Molliè Il Rischio Relativo viene modellato come la somma di due effetti casuali: ilprimo effettoè datodalla sovradispersionenon spazialenei dati: per tale effettocasualeviene di solito assunta una distribuzione a priori normale e i SIR calcolatiin comunicon bassanumerositàdi popolazionevengonocorretti verso la media generale, mentre quelli calcolati in comuni con alta numerosità di popolazione vengono preservati il secondo effetto casuale viene modellato attraverso unadistribuzionedi tipocar (Conditional AutoRegression). Questa fa sì che il valore del rischio stimato in ciascun comune sia funzione dei valori osservati nei comuni adiacenti Besag York Molliè 1991

11 MAPPE SIR

12 MAPPE RR LEUCEMIE

13 MAPPE RR TUMORI CEREBRALI PG

14 MAPPE POST LEUCEMIE

15 MAPPE POST TUMORI CEREBRALI

16 Progetto ITT I modelli con componente spazialmente strutturata (BYM) introducono un indebito trend spaziale in situazioni come questa con dati fortemente sparsi Per i tumori cerebrali nessun comune delle province di Firenze e Prato mostra un consistente eccesso di rischio Le mappe, per le leucemie, evidenziano un certo eccesso di rischio per i residenti nel comune di Firenze la cui interpretazione è difficile

17 PROSSIMO STEP Indirizzo di residenza alla nascita 4 controlli per ogni caso Bernoulli Spatial Scan Statistic

18