Epidemiologia

VALE LA

a ③ Nutella Brufoli

Caramelle -> si OR=

- 2 3

-wo , ->

-or= 6

Analisi M+

multivariata M-

Nt So

Ct LEGENDA

Nutella Brufoli

- :

N-

M+ M-

Nt M+ di Nutella

Nt

M- consumo

:

100 Nt

pt N- 30 di Nutella

-

N No

C- consumo

:

N-

M + M- : Brufoli

di

Mt presenza

Nt M+ M- brufol

M- di

: assenza :

M +

N- M- Ct Nt ! patative

Pt di

10 consumo

N-

Nt p :

- di patative

o consumo

P - *

N- di

M+ caramelle

M- It consumo

:

Nt

C- caramelle

c di

Now

- :

10 consume

N-

Shanno

-> fattore dell'outcome

l'impatto di

stratificazioni analizzare

pir confondente

pur confronti

si

e agai mi .

la

Ad stratificazione

-> numerosita del riduce

ogni si

gruppo . rilevanzales.

fattori

E

-> di

possibili

importante escludere conforedenti Pizzal

poca

quei

* Interazione

↳ confondimento

Diversa del queste

↳ Quando strati

stratifica due portano due diverse differente

direzion strati nos tra

la

interagiscons

gli in con

e maniera

, differentements

I

questo singolistrati nostra

parla la

d

esposizione interazioni agiscons

per si esposizione

e on .

· I

o 0 64

0 53 - "Quando

. 129

. abbiamo dobbiamo and

uninterazione NON

Adj

OR prendere

a

are

L > -

la

x

stimgrue stima aggistata" Nonmista descrivende realmente

la -> cosa

comportamento

sta succedendo diverso

perche se un

Si crono

~ strati e confrontarli

singoli crudo

quello

esaminare con

: .

↳ pro

Anche significativa

differenza 0 ~6

7 7

essere . .

Esempio : 60)

(1 90-2

Studiare Epidemologia Depression

,

, . 3

[0 20]

OR 7 -1

0

I Si . .

.

lezion

Sequire Adj 0]

OR (5 4-7

6 0

= .

.

: .

NO 8]

9-6

OR [5

6 7 .

. . Percio

interazione ?

Sia Si fare

diverse

7-6 molto

7

0 pur Adj

OR

· si

non

. ·

. .

, lontano

?

confondente

Effetto Si 0 molto

7-2 diverse

~ 43-6 7 e

, .

,

,

,

Introduzione BIAS (i)

• Con BIAS si intende un errore nel disegno o nello svolgimento dello studio.

• Il BIAS porta a delle conclusioni che sono differenti dalla realtà.

• Il BIAS è un errore che è diverso dall’ errore che avviene per chance.

Introduzione BIAS (ii)

• Nella stesura di uno studio epidemiologico le possibili fonti di BIAS devono essere prese in

considerazione fin dall’inizio.

• La presenza di BIAS può portare a delle alterazioni dei risultati tali da rovinare l’intero studio.

Tipi di Bias:

• errore nel selezionare la popolazione dello studio

Bias di selezione:

• errore nella misurazione dell’exposure/outcome in maniera sistematica. Ad

Bias di informazione:

esempio, se si vuole misurare il peso di alcuni soggetti e la bilancia ogni volta segnala valori diversi,

la sua non affidabilità introduce dei risultati scorretti che non rispecchiano la realtà . Allo stesso

tempo, il dato può essere sbagliato perché la misura di outcome è sbagliata.E’ un qualsiasi errore che

causa differenze sistematiche nell’accuratezza della raccolta delle informazioni.

• Bias di genere: sono dei BIAS che sincronizzano a fronte del fatto che c’è una disparità di genere nel fare

dei confronti. Ad esempio, ci sono delle ricerche che dicono che gli uomini sono più propensi rispetto alle

donne ad essere sottoposti ad interventi chirurgici al cuore. C’è una discriminazione di intervento, non

necessariamente voluta, ma anche può derivare da tante variabili che tendono ad avere un approccio di questo

tipo. Ci sono delle metodiche che sono state validate 50 anni fa, con degli strumenti che prevedevano uno

sbilanciamento proprio per discriminazioni di questo tipo. È un errore che si presenta in maniera diversa nei

diversi gruppi considerati.

Reporting BIAS (Bias di informazione)

• Recall bias: associazione viziata di un fattore di esposizione con il risultato. Quando c’è qualcuno

che riporta le cose in maneira errata

Esempio: ci sono soggetti che sono stati esposti al fume, il fumo porta i soggetti ad essere esposti a patologie

ad esso correlate e queta relazione può fare sì che il soggetto riferisca le informazioni in maniera differente.

Questo fa sì che il soggetto, in maniera involontaria, possa avere qualcosa che non corrisponde alla realtà.

• Questo tipo di bias si presenta quando:

il soggetto conosce la relazione che esiste tra l’exposure ed l’outcome

o il soggetto riferisce qualche cosa che pensa l’intervistatore voglia sentirsi dire o mente

o

BIAS di osservazione (Bias di informazione)

• L’accuratezza degli esposti differisce sistematicamente nei gruppi del risultato (casocontrollo,

trasversali)

• L’accuratezza del risultato differisce sistematicamente nei differenti gruppi esposti.

Come evitare i BIAS?

• Report Bias

Fonti obiettive di dati

o Non rendere i soggetti partecipi dell’associazione tra l’exposure e l’outcome

o

• Bias Osservazionali

Blind Interview

o

BIAS negli studi epidemologici

• Studi descrittivi (Trasversali): la popolazione di studio non è rappresentativa della popolazione che

vogliamo indagare (lo studio trasversale è lo studio di prevalenza, a fotografia)

• Studi analitici (Ecologici, Trasversali, Coorte, Caso-controllo): si confrontano dei gruppi che non

possono essere confrontati

BIAS di selezione in:

Caso-controllo:

• Casi: non rappresentativi di tutti i casi all’interno della popolazione

• Controlli: non rappresentativi della popolazione da dove stati estratti i casi

Coorte

• Gruppi esposti/Gruppo non esposti: scelta non appropriata del gruppo dei non esposti: ci sono

importanti differenze tra le caratteristiche dei soggetti esposti rispetto ai non esposti oltra al fattore di

rischio che si vuole indagare (exposure)

• Alterazioni del follow-up: differente perdita di individui durante il follow up tra gli esposti ed i non

esposti (perdita della potenza del nostro campione)

Standardizzazione dei tassi

Stratificazione (recap): una tecnica per controllare un fattore potenzialmente confondente e si basa sul:

• Dividire dei dati di in livelli, o strati per possibile fattore confondente

• Dare un peso medio, proporzionale alla grandezza dello strato, ad ogni livello

Una tecnica che adopera in maniera frequente il principio della stratificazione è la standardizzazione dei tassi (per

esempio di mortalità), ed è usata solitamente per confrontare i tassi.

• Un tasso applicato su una popolazione totale: tasso grezzo

• Un tasso applicato in sottogruppi di una popolazione: tasso specifico

• Un tasso grezzo può nascondere le differenze presenti nei diversi livelli di età (tassi specifici).

Esempio: mortalità in Svezia e Panama nel 1962

• La mortalità grezza per la Svezia è 9.8 /1000

• La mortalità grezza per Panama è 7.7 /1000

In Svezia nel 1962 si moriva più che a Panama?

Attenzione! Prima di fare un’affermazione del genere è meglio andare ad osservare i tassi delle due popolazioni nelle

diverse fasce di età

Mortalità per età in Svezia e Panama nel 1962: La minor mortalità grezza per coloro che abitano a Panama (7.7/1,000)

rispetto agli Svedesi (9.8/1000) può essere attribuita al fatto che gli abitanti di Panama sono più giovani degli Svedesi e

le persone giovani, eccezion fatta per i neonati, tendono ad avere un tasso di mortalità più basso delle persone più

anziane. SVEZIA PANAMA

Anni Nº morti Popolazione Tasso per 1000 (pyrs) Nº Morti Popolazione Tasso per 1000 (pyrs)

0-29 3,523 3,145,000 1.1 3,904 741,000 5.3

30 – 59 10,928 3,057,000 3.6 1,421 275,000 5.2

60+ 59,104 1,294,000 45.7 2,956 59,000 50.1

Total 73,555 7,496,000 9.8 8,281 1,075,000 7.7

Il tasso grezzo si ottiene invece dal rapporto tra la somma di tutti i morti e la somma tutta la popolazione, a prescindere

dalla fascia età.

Rappresentiamo le percentuali della popolazione riferibili alle diverse fasce nel 1962, quindi per calcolare se facciamo

riferimento alla fascia 0-29 in Svezia eseguiamo il seguente calcolo: 3,145,000/7,496,000

Percentuale della popolazione Svedese e di Panama 1962

Anni Svezia Panama

0-29 42 69

30-59 41 26

60+ 17 5

Nelle percentuali possiamo osservare un'evidente sproporzione fra gli anziani e i giovani delle due popolazioni. Questo

tipo di elemento fa sì che, quando si va a misurare il tasso grezzo, sembra sai da preferire vivere a Panama, in quanto il

tasso di mortalità è inferiore rispetto alla Svezia: non si tiene conto dalla distribuzione di frequenza, quindi delle diverse

percentuali, che, in questo caso, l'età è in grade di dare. Quindi è necessario controllare lo studio per questo tipo di

fattore confondente. ®

“Controllare” lo studio: l tassi di mortalità cambiano enormemente con età È necessario tenere in considerazione la

®

distribuzione dell’età delle popolazioni da confrontare prima di confrontare i rischi di morte E’ necessario controllare

per il fattore confondente età

Il controllo viene fatto attraverso la standardizzazione, che si divide in due tipi:

Standarizzazione direta

Si deve disporre:

• di una popolazione ipotetica “Standard” (Popolazione reale presa come riferimento oppure una popolazione

inventata)

ETÀ POPOLAZIONE

0 - 29 56.000

30 - 59 33.000

60 + 11.000

TOTALE 100.000

• dei tassi specifici per fasce di età delle popolazioni che vogliamo studiare/confrontare

1. Si moltiplica la popolazione “standard” per i tassi specifici delle diverse fasce di età;

Età Morti attesi in Panama

Età Morti attesi in Svezia 0 – 29 0,0053 * 56.000 = 296.8

0 - 29 0,0011 * 56.000 = 61.6 30 – 59 0,0052 * 33.000 = 171.6

30 - 59 0,0036 * 33.000 = 118.8 60+ 0,0501 * 11.000 = 551.1

60+ 0,0457 * 11.000 = 502.7

2. Si sommano i morti attesi delle diverse fasce di età;

Totali attesi (E) = 683.1 Totali atessi (E) = 1,019.5

3. Si divide il numero di morti attesi per la popolazione totale di riferimento (TASSO STANDARDIZZATO)