Il portale dell'epidemiologia per la sanità pubblica

a cura del Centro nazionale per la prevenzione delle malattie e la promozione della salute dell'Istituto superiore di sanità

maggio 2014

Confronto delle residenze reali e amministrative nella regione Marche per studi di epidemiologia ambientale

Katiuscia Di Biagio, Marco Baldini, Rita Simeoni, Silvia Bartolacci e Mauro Mariottini

Servizio di Epidemiologia Ambientale, Agenzia Regionale per la Protezione Ambientale delle Marche, Ancona

 

SUMMARY (Comparability of actual and registry residence in the Marche region for environmental epidemiology studies) - In spatial epidemiology, the distance from subjects residence to the pollution source is considered a surrogate of exposure; in record-based studies the difference between residence as recorded in municipal population registries and referred by subjects is unclear, hindering evaluation of the bias on risk estimate. Comparing recorded and referred by subjects information in a pool of 362 subjects, agreement was found out in 83,4% of cases, suggesting that addresses from administrative records have a limited effect on exposure misclassification.

Key words: exposure proxy; registry residence; actual residence

katiuscia.dibiagio@ambiente.marche.it

 

Introduzione

In epidemiologia ambientale, la valutazione del rischio sanitario può incontrare complicazioni per la presenza di esposizioni multiple, composizioni eterogenee e variabilità spazio-temporale dei contaminanti. Tali caratteristiche incidono sulla validità e/o accuratezza delle stime di esposizione e sulla valutazione dei rischi sanitari a esse associati (1).

 

Nell’ultimo decennio si è ovviato all’incertezza insita nelle stime dell’esposizione umana con tecniche di biomonitoraggio. La misurazione di biomarcatori permette di superare i limiti della stima indiretta delle esposizioni, come le vie di interazione tra organismo umano e contaminanti o la suscettibilità individuale.

 

Laddove non possa intraprendersi una strategia di monitoraggio individuale dell’esposizione, potrebbe rivelarsi utile avvalersi di strategie valutative fondate sul bilanciamento tra misurazioni ambientali e modelli previsionali di dispersione degli inquinanti (2).

 

In assenza di tali stime espositive, viene tutt’oggi utilizzato il criterio della distanza dalla sorgente come misura indiretta dell’esposizione. In questi casi, l’assegnazione di coordinate geografiche ai dati amministrativi territoriali (indirizzo, codice postale, distretti scolastici, sezioni elettorali) consente di georeferenziare, attraverso un sistema GIS (geographic information system), le informazioni di carattere ambientale, sanitario e anagrafiche riferite alle unità in studio.

 

A tal fine, le informazioni di dettaglio spaziale possono essere reperite in database sanitari (ad esempio, registri di patologia o delle cause di morte), acquisite da fonti della statistica ufficiale, quali gli archivi delle autorità amministrative o raccolte mediante interviste dirette con somministrazione di questionari.

 

Considerando che la residenza anagrafica non sempre coincide con il domicilio, obiettivo dello studio è valutare il livello di comparabilità della storia residenziale anagrafica e della storia abitativa reale di gruppi di popolazione, ricostruite, rispettivamente, attraverso la consultazione delle liste anagrafiche comunali e l’effettuazione di interviste con questionario.

 

Materiali e metodi

Sono state analizzate le storie abitative di 362 soggetti arruolati in uno studio caso-controllo su base di popolazione che valutava il rischio di morte per tumori del sistema emolinfopoietico tra i residenti nei Comuni adiacenti a una raffineria petrolifera nelle Marche (3).

 

I casi erano rappresentati da persone decedute tra il 1° gennaio 1994 e il 31 dicembre 2003 per tumori del sistema emolinfopoietico; i controlli erano estratti casualmente dalla popolazione residente nell’area in studio. Per ridurre la distorsione da informazione tra casi (deceduti) e controlli (non necessariamente deceduti), le informazioni sulle residenze storiche reali relative ai 20 anni precedenti la data di arruolamento (Comune, via, numero civico, esponente, anno iniziale e finale del periodo di permanenza) sono state raccolte tramite questionario (Q) compilato da un parente del soggetto arruolato, di cui è stato acquisito il grado di parentela e di istruzione. Sono stati contattati con priorità i familiari con il grado di parentela più prossimo (coniuge, figli) e, nel caso di indisponibilità, si è proceduto con quelli di più lontano grado di parentela (fratelli, nipoti).

 

Le stesse informazioni sulla storia residenziale sono state acquisite dalle liste anagrafiche comunali (LAC) aggiornate al 2005.

 

Le elaborazioni sono state effettuate sulle residenze che rimanevano immutate durante l’anno solare (residenza-anno).

 

La residenza-anno è stata definita “completa” ove erano noti il Comune, la via e il numero civico di residenza, mentre la residenza anagrafica e quella reale di ciascun anno solare sono state ritenute “concordi” se coincidevano per Comune, via, numero civico ed esponente; completezza e concordanza osservate sono state definite come percentuale sul numero totale di residenze-anno.

 

E' stato calcolato il coefficiente di correlazione lineare di Pearson tra le distanze dagli indirizzi di residenza (Q e LAC) alla raffineria e determinate media e deviazione standard delle differenze rilevate tra le due distanze, considerando che le coordinate geografiche, e quindi le distanze, sono state stimate anche con dati mancanti nell’indirizzo.

 

Per tenere conto della correlazione tra le residenze-anno dello stesso soggetto, la percentuale di concordanza e il relativo intervallo di confidenza al 95% sono stati stimati attraverso un modello marginale di regressione logistica basato sulle equazioni di stime generalizzate, considerando come fattori di aggiustamento (istruzione e parentela del familiare intervistato, anno di residenza, densità di popolazione del Comune di residenza) quelli con p <0,10 nell’analisi univariata; è stato valutato l’effetto dell’anno di residenza fissando, in fase di disegno di studio, un cutoff nel 1980. Le valutazioni sulla concordanza tra le due fonti sono state effettuate anche per “l’ultima residenza” - quella vissuta nell’ultimo periodo prima dell’accadimento dell’evento (decesso) o della data di arruolamento (4, 5) - e per la “residenza principale” - quella vissuta per più tempo nel periodo in studio (6, 7).

 

Tutte le residenze sono state georeferenziate con rilevazione manuale GPS (global positioning system), e con il software Geolocate per la ricerca automatica delle coordinate geografiche nel caso di numero civico mancante; le distanze dalle residenze alla sorgente di rischio sono state calcolate con Mapinfo v. 10.0.1. Le analisi statistiche sono state effettuate con SAS Release 9.2.

 

Risultati

Dei 362 intervistati, l’82,3% (298) era parente prossimo del soggetto arruolato e il 54,7% (198) aveva un basso livello di istruzione.Sono state analizzate complessivamente 5.710 residenze-anno, di cui l’86,7% (4.935) era successivo al 1980 con una completezza del 99,8% per i registri anagrafici e del 96,6% per i questionari; 5.515 residenze-anno (96,6%) erano complete per entrambi i database.

 

La percentuale di concordanza osservata tra le residenze reali e amministrative era dell’81% (4.606 residenze-anno), mentre la correlazione tra le distanze era pari a 0,97 (p <0,0001); laddove le fonti erano discordanti, le distanze dagli indirizzi di residenza (Q e LAC) alla raffineria mostravano differenze da 18 m a 3,8 km (Tabella).

 

 

Nell’analisi univariata risultavano non associati (p >0,25) con il grado di concordanza delle due fonti informative il livello di parentela, di istruzione e la densità di popolazione al contrario dell’anno di residenza (≥1980 vs <1980; p = 0,0006) ad esso associato, plausibilmente in virtù del recall bias e/o dell’accuratezza degli archivi anagrafici. La percentuale media di concordanza tra le residenze reali e anagrafiche stimata da modello, considerando la correlazione tra le osservazioni dello stesso soggetto e aggiustata per l’anno di residenza, risultava di 83,4% (95% IC: 79,5-86,7); relativamente all’ultima residenza e alla residenza principale, le percentuali di concordanza stimate risultavano rispettivamente di 83,2% (95% IC: 78,9-86,7) e 82,3% (95% IC: 78,0-85,9).

 

Conclusioni e discussione

I due set di dati hanno mostrato un buon livello di completezza (96,6%) e concordanza (83,4%).

 

Mentre sono disponibili informazioni sulla valutazione della qualità dei dati sanitari estrapolabili dai certificati di morte e dalle schede di dimissione ospedaliera (8, 9) poco è disponibile sulla validità dei dati provenienti dagli archivi informatizzati comunali. Anche se le modeste dimensioni del campione e la specificità degli archivi anagrafici riferiti alla realtà locale marchigiana possono limitare la generalizzabilità dei risultati, quanto emerso dallo studio supporta l’affidabilità e la validità dell’uso di dati amministrativi in epidemiologia.

 

I registri anagrafici della popolazione producono informazioni su un gran numero di soggetti, ma si rivelano meno affidabili, rispetto alle informazioni sulle reali residenze, per valutare le esposizioni con potenziali distorsioni nella stima del rischio. Ciò nondimeno e fermo restando il limite dell’uso della distanza come proxy dell’esposizione, il presente studio suggerisce che l’uso delle residenze anagrafiche può avere un impatto circoscritto sul rischio di misclassificazione dell’esposizione, sia per la sostanziale concordanza delle informazioni fra le due fonti di dati che per il buon livello di completezza.

 

In conclusione, i dati acquisiti dai sistemi informativi pubblici, nel nostro caso i registri comunali, anche se non sostitutivi di quelli raccolti tramite questionari, rappresentano una risorsa per valutazioni epidemiologiche delle esposizioni ambientali; studi simili in altre regioni italiane contribuirebbero a precisarne l’utilità.

 

Dichiarazione sul conflitto di interessi

Gli autori dichiarano che non esiste alcun potenziale conflitto di interesse o alcuna relazione di natura finanziaria o personale con persone o con organizzazioni, che possano influenzare in modo inappropriato lo svolgimento e i risultati di questo lavoro.

 

Riferimenti bibliografici

1. Iavarone I. Valutazione dell’esposizione ad inquinanti ambientali. In: Bianchi F, Comba P (Ed.). Indagini epidemiologiche nei siti inquinati: fasi scientifiche, procedure metodologiche e gestionali, prospettive di equità. Roma: Istituto Superiore di Sanità (Rapporti ISTISAN 06/19 Rev.). p. 18-33.

2. Hodgson S, Nieuwenhuijsen MJ, Colvile R, et al. Assessment of exposure to mercury from industrial emissions: comparing “distance as a proxy” and dispersion modelling approaches. Occup Environ Med 2007;64:380-8.

3. Agenzia Regionale per la Protezione Ambientale delle Marche. Indagine epidemiologica presso la popolazione residente a Falconara Marittima e comuni limitrofi - 2011 (www.ambiente.regione.marche.it/...).

4. López-Cima MF, García-Pérez J, Pérez-Gómez B, et al. Lung cancer risk and pollution in an industrial region of Northern Spain: a hospital-based case-control study. Int J Health Geogr 2011; 10:10.

5. Salam MT, Islam T, Gilliland FD. Recent evidence for adverse effects of residential proximity to traffic sources on asthma. Curr Opin Pulm Med 2008;14(1):3-8.

6. Belli S, Benedetti M, Comba P, et al. Case-control study on cancer risk associated to residence in the neighbour-hood of a petrochemical plant. Eur J Epidemiol 2004;19(1):49-54.

7. Comba P, Ascoli V, Belli S, et al. Risk of soft tissue sarcomas and residence in the neighbourhood of an incinerator of industrial wastes. Occup Environ Med 2003;60:1-4.

8. Fano V, Forastiere F, Perucci CA. Utilizzo dei dati delle Schede di Dimissione Ospedaliera per le analisi geografiche in epidemiologia ambientale. In: Cori L, Cocchi M, Comba P (Ed.). Indagini epidemiologiche nei siti di interesse nazionale per le bonifiche delle regioni italiane previste dai Fondi strutturali dell'Unione Europea. Roma: Istituto Superiore di Sanità (Rapporti ISTISAN 05/1). p. 104-5.

9. Hsia DC, Krushat WM, Fagan AB, et al. Accuracy of diagnostic coding for medicare patients under the prospective-payment system. N Engl J Med 1998;318:352-5.