Studi epidemiologici

Un esempio storico. Il colera a Londra e l’associazione tra malattia e la fonte di acqua

I dati demografici possono misurare lo ‘stato di salute’ di una popolazione

Individuazioni di popolazioni a rischio

Epidemiologia descrittiva; descrizione dello ‘stato di salute di una popolazione. Es., cause di morte nell'uomo negli ultimi 100 anni Gli studi di epidemiologia descrittiva ‘misurano’ gli effetti sulla salute delle condizioni ‘ambientali’

Relazione tra mortalità per cardiopatia ischemica e consumi di acidi grassi in Spagna

Possibile correlazione tra dieta e cancro colorettale: uno studio descrittivo (ecologico)

Influenza ambientale You can see a ten-fold difference at insulin-dependent diabetes mellitus between Korean people at Korea and Korean people migrated to California,USA.

Gli studi di epidemiologia descrittiva possono monitorare l’efficacia di misure sanitarie. Multi-drug therapy introduced in 1991 in Mumbai has shown a declining trend in prevalence rate; the new case detection rate (NCDR) has not shown any significant reduction over a period time

Definizione di epidemiologia: le cinque parole-chiave

Compiti specifici e scopi pratici della epidemiologia

Obiettivi di uno studio epidemiologico

Misure di frequenza N.B.: l’incidenza è un tasso

prevalenza puntuale al tempo T0 = 2/8 (si tratta dei soggetti n. 5 e n prevalenza puntuale al tempo T1 = 3/8 (soggetti n. 3, 6 e 7); incidenza cumulativa nel tempo T0-T1 = 4/6 (soggetti n. 1, 3, 4, 6) - notare che i soggetti 5 e 7 sono stati esclusi dalla popolazione in esame, che non conta più 8 soggetti bensì 6. Infatti i soggetti 5 e 7 erano già ammalati all'inizio del periodo di osservazione, e quindi non devono entrare nel conteggio dei nuovi casi 

è possibile che la popolazione non sia stata monitorata continuamente durante il periodo T0-T1, ma che sia stata semplicemente confrontata la situazione sanitaria esistente al tempo T0 con quella esistente al tempo T1. In tal caso, l'incidenza cumulativa T0-T1 corrisponde a 2/6 (soggetti n. 3 e 6, che erano sani in T0 e malati in T1). I soggetti n. 1 e 4 si sono ammalati e sono guariti durante il periodo e quindi sono sfuggiti all'osservazione! Ovviamente questo tipo di calcolo è meno preciso di quello visto al punto precedente.

La prevalenza misura l’impatto di una patologia, in genere cronica, sulla popolazione. L’incidenza consente di valutare le variazioni della malattia nel tempo, nelle diverse aree geografiche, nelle sub-popolazioni .

Esempio. Una malattia cronica ha una prevalenza di 1.000.000 nella popolazione in esame. La mortalità nella popolazione malata è pari al 3%. Se la prevalenza è stabile  i numeri di nuovi casi per anno (tasso d’incidenza) è pari alla mortalità annuale dei malati: 30.000 pazienti muoiono ogni anno, 30.000 persone sane si ammalano ogni anno Supponiamo che vi sia un aumento dell’incidenza da 30.000 a 60.000 nuovi casi/anno (+ 100%). La prevalenza passa inizialmente da 1.000.000 a 1.030.00 (+ 3%) nel primo anno, a 1.059.100 nel secondo anno (+5,9 %), a 1.087.327 nel terzo anno (+8,7%) ecc. (assumendo mortalità costante per i malati).

Misurando la prevalenza, l’aumento di nuovi casi viene rilevato molto più lentamente, rispetto all’aumento di incidenza. Inoltre, un aumento di prevalenza osservato può essere dovuto ad una diminuzione della mortalità nei malati (ad es., per effetto di misure terapeutiche). L’incidenza ci informa quindi in modo più sensibile e rapido sullo ‘stato della malattia’. L’incidenza è quindi la misura più adatta per valutare l’impatto di un fattore di rischio

Relazioni tra prevalenza, incidenza e durata della malattia

Studi descrittivi Esaminano le differenza nelle frequenze di patologie nella popolazione in relazione a caratteri endogeni (età, sesso, razza, genotipo) o ambientali. In genere, possono solo identificare tendenze o patterns (nel tempo e nello spazio) ma non sono in grado di identificare con sicurezza l’agente causale. Sono in genere la prima tappa per lo studio di fenomeni sanitari o patologici. Permettono di formulare ipotesi sui fattori causali di una patologia.

Studi trasversali (cross-sectional). Misurano contemporaneamente la prevalenza, in una popolazione o in un campione di popolazione, di una patologia (o di altri parametri) e l’esposizione a fattori ritenuti di rischio.

Può non essere possibile stabilire se l’esposizione al fattore di rischio ha preceduto la malattia (non so da quanto tempo il soggetto è malato e da quanto tempo è esposto al fattore). Può essere difficile stabilire se il fattore studiato è un fattore di rischio o un fattore prognostico La prevalenza è proporzionale a: incidenza x durata della malattia. Un aumento di prevalenza può essere dovuto ad aumento di incidenza o ad aumento di durata della malattia. Vantaggi: rapidi ed economici. Formulazione di ipotesi

E’ fondamentale che il campione studiato sia rappresentativo della popolazione generale. Ad esempio, se si vuole studiare la correlazione tra fumo e ospedalizzazione, è necessario che la percentuale di individui ospedalizzati, di fumatori e non fumatori nel campione sia la stessa che nella popolazione generale  v. CAMPIONAMENTO

Esempio di studio trasversale

Per stabilire se l’esposizione è un fattore di rischio, si calcola l’odds ratio: a/b ; se C.I. 95% di OR è maggiore di 1 fattore c/d di rischio se comprende 1  fattore ininfluente se < 1 fattore protettivo

Esempio di studio di epidemiologia descrittiva: uno studio di farmacoepidemiologia

Studi ecologici Confronto delle incidenze di diverse popolazioni (o sottopopolazioni) o dell’incidenza in una stessa popolazione a diversi tempi. E’ necessario avere database accurati per l’incidenza della malattia e per l’entità dell’esposizione. Occorre controllare eventuali differenze o cambiamenti nella diagnosi della malattia, che possono portare a conclusione errate.

Possibile correlazione tra dieta e cancro colorettale: uno studio ecologico

Misura dell’associazione: si utilizza in genere un modello di regressione lineare. Più la pendenza della retta si avvicina a 45°, più l’associazione è forte. N.B.: l’esistenza di un’associazione a livello ecologico (delle popolazioni) non implica necessariamente l’esistenza di una correlazione a livello individuale (in una popolazione)

Esempio di studio ecologico: relazione tra mortalità per cardiopatia ischemica e consumi di acidi grassi in Spagna

Epidemiologia analitica: verifica di ipotesi Per DETERMINANTI si intendono quei fattori la cui alterazione induce un cambiamento nella frequenza o nei caratteri di una malattia Malattie infettive

I determinanti (fattori causali) possono essere: necessari (malattie infettive); sufficienti. Per le malattie non infettive, cronico-degenerative, i singoli fattori causali non sono in genere né necessari né sufficienti. Sono invece associati con un aumento della probabilità si sviluppare la malattia (aumento del rischio) e sono quindi denominati fattori di rischio.

Fattori di rischio: Fattori ambientali: esposizioni Fattori genetici (ereditari) Fattori individuali non ereditari: malattie, età, sesso Fattori individuali dovuti a stili di vita: fumo, dieta ecc.

Associazione e causalità

Fattori di confondimento

Esempio di fattore di confondimento E’ stata osservata un’associazione tra consumo di caffè e rischio di infarto miocardico. Se ne può dedurre che il consumo di caffè è un fattore di rischio per l’infarto? Tra i bevitori di caffè la percentuale di fumatori è più alta che nei non bevitori. Il consumo di caffè è associato all’infarto ma l’associazione è non causale Il vero fattore di rischio è il fumo

FATTORE DI CONFONDIMENTO ESPOSIZIONE MALATTIA (fumo) (infarto) FATTORE DI CONFONDIMENTO (consumo di caffè)

Criteri di causalità Per stabilire un’associazione di causalità occorre eliminare tutti i possibili fattori di confondimento.

Tipi di studi epidemiologici analitici per la verifica di ipotesi Tipi di studi epidemiologici analitici per la verifica di ipotesi. Studi di coorte (prospettici) e studi caso-controllo

Studi caso-controllo Casi Controlli Per stabilire se l’esposizione è un fattore di rischio, si calcola l’odds ratio: a/b se C.I. 95% di OR è maggiore di 1 fattore c/d di rischio se comprende 1  fattore ininfluente se < 1  fattore protettivo

Esempi di studio caso-controllo - 1 One of the classic studies was of eight young women with cancer of the vulva—a very rare cancer at any age—seen in one city in a short period of time. Thirty-two young women were chosen as controls, and both groups were given a series of questions and what finally separated the two groups was a question as to whether their mother had been given DiEthylStilboestrol (DES) pills while the young women were in utero 20 years earlier. OR = 

Esempi di studio caso-controllo - 2

Studi caso-controllo: influenza della numerosità

Studio caso-controllo sull’esposizione a farmaci antiepilettici come fattore di rischio per la sindrome di Stevens-Johnson

Misurazione dell’outocome (evento patologico) E’ importante definire i criteri diagnostici di classificazione della malattia

Studi caso-controllo: selezione dei casi e dei controlli

Studi di coorte (prospettici) 1) si individuano due (o più) gruppi di soggetti: esposti e non esposti. Si seguono nel tempo fino alla comparsa di eventi patologici.

Si confronta il tasso di incidenza (comparsa) della malattia tra gli esposti [a/(a+b)] e i non esposti [c/(c+d)] (confronto fra righe)  Rischio relativo (RR) ed il relativo intervallo di confidenza (CI 95%). Se CI 95% >1, l’esposizione è un fattore di rischio, se comprende 1 è ininfluente, se è <1 è un fattore di protezione.

Esempi di studio di coorte applicati ai farmaci

CLASS (Celecoxib Long-term Arthritis Safety Study) Controllato Randomizzato In doppio cieco End point primario: valutazione incidenza di eventi avversi a livello GI superiore, clinicamente significativi End point secondario: ulcere sintomatiche e complicazioni da ulcere

Trials pre-registrazione

8059: numero totale pazienti arruolati (malati di artrite reumatoide o osteoartrite): 3987 pazienti trattati con celcoxib (Cerebrex) 1996 trattati con diclofenac 1985 trattati con ibuprofen

Incidenza di ulcere e complicazioni ulcerose (curve di Kaplan-Meyer dopo 6 mesi

dopo 12 mesi

Gli studi di coorte consentono di stimare l’incidenza della malattia Gli studi di coorte consentono di stimare l’incidenza della malattia. Ciò consente di valutare l’impatto della malattia, e quindi dei fattori di rischio sulla popolazione.

Rischio assoluto = Incidenza (I) negli esposti Rischio relativo = Iexp+/Iexp- misura eziologica Rischio attribuibile individuale (RA) = Iexp+ - Iexp- rappresenta l’aumento di rischio dovuta all’esposizione al fattore di rischio, ovvero il numero di soggetti che non si ammalerebbero se fosse rimossa l’esposizione: misura di impatto sulla popolazione Rischio attribuibile negli esposti (RAE): Iexp+ - Iexp- Iexp+ rappresenta la percentuale di malati che può essere evitata nella popolazione esposta rimuovendo il fattore di rischio

Il RA consente di stimare l’impatto del fattore di rischio nelle condizioni di esposizione della popolazione studiata (campione). Qual è l’impatto del fattore di rischio nell’intera popolazione?  Rischio attribuibile di popolazione (RAP): RA x prevalenza del fattore di rischio (frazione di soggetti esposti nell’intera popolazione)

Tipi di studi di coorte

Esempio di studio di coorte retrospettivo

Studi di coorte “a campione singolo” 2) Si seleziona una popolazione omogenea per caratteristiche quale luogo di residenza (es. Framingham), anno di nascita. occupazione ecc. Si raccolgono informazioni, all’inizio e durante lo studio, sui fattori endogeni ed esogeni che possono condizionare lo stato di salute/malattia. Si analizzano retrospettivamente le correlazioni tra eventi patologici e fattori di rischio.

Quando tutta la popolazione è esposta (es Quando tutta la popolazione è esposta (es.: radon; livelli di colesterolo; calorie assunte), si suddivide la popolazione in gruppi con diversi livelli di esposizione (es.: bassa, media, alta). Si confrontano le incidenze nei diversi gruppi di esposizione (es.: alta vs. bassa).

A Timeline of Milestones from The Framingham Heart Study 1948 Start of the Framingham Heart Study 1956 Findings on progression of rheumatic heart disease reported 1959 Factors found that increase the likelihood of heart disease Some heart attacks discovered to be "silent" (causing no pain) 1960 Cigarette smoking found to increase the risk of heart disease 1961 Cholesterol level, blood pressure, and electrocardiogram abnormalities found to increase the risk of heart disease

1967 Physical activity found to reduce the risk of heart disease and obesity to increase the risk of heart disease 1970 High blood pressure found to increase the risk of stroke 1974 Overview of diabetes, its complications and association to development of cardiovascular disease described 1976 Menopause found to increase the risk of heart disease 1977 Effects of triglycerides and LDL and HDL cholesterol described

1978 Psychosocial factors found to affect heart disease 1981 Major report issued on relationship of diet and heart disease 1987 High blood cholesterol levels found to correlate directly with risk of death in young men Fibrinogen (allows blood to clot more easily) found to increase the risk of heart disease Estrogen replacement therapy found to reduce risk of hip fractures in post-menopausal women

Fattori di rischio multipli ed interazione In presenza di più fattori di rischio contemporanei, l’analisi dei dati diventa (molto) più complessa  analisi multivariata. In alcuni casi gli effetti dei fattori di rischio non sono additivi ma sinergici (es. fumo + asbesto)

Studi caso-controllo: vantaggi relativamente rapido, in quanto il tempo necessario all'accadimento degli eventi è già trascorso. applicabile ad indagini su malattie (eventi) rare, per le quali i casi possono essere raccolti retrospettivamente anche da ospedali. si possono studiare contemporaneamente più fattori di rischio per la malattia.

Studi caso-controllo: svantaggi e limitazioni Difficile determinare la sequenza temporale esposizione-malattia Difficilmente applicabile per esposizione rare Inapplicabili per malattie con esito molto rapido Non consentono di calcolare l’incidenza, né il rischio attribuibile Facilmente soggetti ad errori sistematici (bias)

Studi di coorte: vantaggi Bassa probabilità di errori sistematici Migliore “controllo” dell’esposizione (compresi cambiamenti nel corso dello studio); è l’unico studio possibile se l’esposizione deve essere misurata direttamente. Sicurezza sulla sequenza temporale esposizione-malattia (storia naturale della malattia) Molti (tutti) effetti di una singola esposizione Consentono di studiare anche esposizioni rare Consentono di stimare le incidenze

Studi di coorte (prospettici): svantaggi e limitazioni Richiedono più tempo, in quanto si deve seguire nel tempo la comparsa degli eventi, e di richiedere in genere campioni molto grandi per assicurare la significatività statistica  molto costoso. Non è applicabile a malattie rare per la difficoltà nel reperimento di un numero di casi sufficiente.

Gli errori sistematici sono vizi di impostazione di un esperimento che possono influenzarne i risultati, pregiudicandone l'interpretazione. Principali fonti di errori sistematici negli studi retrospettivi: accertamento della esposizione che, dovendo essere effettuato con una inchiesta anamnestica, è per sua natura impreciso e influenzabile da interpretazioni soggettive da parte dei soggetti (i malati tendono a ricordare meglio dei controlli) e degli intervistatori.

selezione dei controlli selezione dei controlli. Non è sufficiente scegliere soggetti sani a caso, ma occorre che essi siano il più possibile simili agli ammalati (possibili fattori di confondimento); inoltre, se i risultati dello studio dovranno essere estesi all’intera popolazione, i controlli dovranno presentare una distribuzione dell'esposizione simile a quella della popolazione stessa.

Campionamento In uno studio epidemiologico in genere non è possibile esaminare ogni singolo soggetto dell'intera popolazione. Infatti spesso si è limitati dalle risorse disponibili (economiche, di personale, di laboratori ecc.). In altre occasioni, anche supponendo di disporre di risorse illimitate, l'intera popolazione da studiare non è raggiungibile. In altri casi, il numero di individui che compongono la popolazione da studiare è talmente elevato che lo studio di ognuno di essi è fattibile solo teoricamente.

L'esame di un campione invece dell'intera popolazione consente di superare i problemi ora accennati. Scegliere un campione da una popolazione significa effettuare un «campionamento». Esaminare ogni singolo individuo della popolazione significa effettuare un censimento; esaminare gli animali di un campione significa effettuare una indagine (o inchiesta o sondaggio, in inglese «survey»). esaminare tutta la popolazione ---> censimento esaminare un campione ---> indagine o sondaggio o inchiesta (survey) Il principale obiettivo di un campionamento è quello di raccogliere dati che consentiranno di generalizzare all'intera popolazione i risultati ottenuti dal campione. Questo processo di generalizzazione è detto «inferenza».

Caratteri del campione non esiste il «campione perfetto»

Validità interna e validità esterna Immaginiamo di aver effettuato una indagine esaminando ciascuna unità che componeva il campione. A questo punto, analizzando al fine di trarne delle conclusioni i dati forniti dal campione, si pongono due domande fondamentali: (1) le conclusioni sono corrette per i soggetti che compongono il campione? (2) se sì, il campione rappresenta bene la popolazione da cui è stato estratto? La risposta a queste due domande deriva dai concetti di validità interna e di validità esterna di uno studio epidemiologico.

La validità interna misura quanto i risultati di uno studio sono corretti per il campione di individui che sono stati studiati. Essa viene detta «interna» perché si applica alle condizioni del particolare gruppo di individui studiati, e non necessariamente a gli altri. Nel caso di dati ottenuti attraverso questionari, un fattore che contribuisce ad abbassare la validità interna è rappresentato dalla propensione degli intervistati a fornire risposte inesatte sistematicamente su determinate domande (bias di risposta) La validità esterna è il grado di «generalizzabilità» delle conclusioni tratte da uno studio.

Due considerazioni intuitive: attraverso lo studio di un campione, si può soltanto stimare (cioè determinare con un certo margine di errore) il carattere della popolazione da cui il campione deriva; tuttavia, tale carattere non potrà mai essere determinato con esattezza; la accuratezza della stima è direttamente correlata al numero di osservazioni che si compiono del fenomeno in studio.

Con qualunque metodo si effettui il campionamento, si otterranno dal campione dei risultati che quasi certamente si discostano (poco o tanto) dalla «vera» misura della popolazione. Ciò avviene perché non possiamo mai essere sicuri che il campione rappresenti una copia perfetta della popolazione da cui esso è stato estratto. L'errore di campionamento è rappresentato dalla differenza tra i risultati ottenuti dal campione e la vera caratteristica della popolazione che vogliamo stimare. L'errore di campionamento non può mai essere determinato con esattezza, in quanto la «vera» caratteristica della popolazione è ignota. Esso tuttavia può essere contenuto entro limiti più o meno ristretti adottando appropriati metodi di campionamento. Inoltre, esso può essere stimato; ciò significa che, con adatti metodi statistici, si possono determinare i limiti probabili della sua entità.

Gli Intervalli di confidenza permettono di quantificare solo l'entità dell'errore di campionamento casuale, non forniscono nessuna indicazione sulla presenza di errori sistematici. La riduzione di questa fonte di errore è affidata alla modalità di selezione del campione che deve risultare il più rappresentativo possibile della popolazione di riferimento.

La selezione viziata è quella che viene effettuata su un segmento non rappresentativo della popolazione. Questo avviene quando la scelta delle unità che costituiranno il campione viene effettuata con regole non rigorosamente causali (es., uso di volontari). Talvolta, è lo stesso sperimentatore che, definendo delle regole estemporanee volte a neutralizzare - nelle intenzioni - gli effetti del caso e di ottenere un campione più aderente alla popolazione, commette un errore che rende i dati inutilizzabili (es., selezione di un cluster di lavoratori).

ESEMPIO. Vogliamo accertare la proporzione di cani vaccinati contro il cimurro in una provincia. Non potendo esaminare tutti i cani dell'area considerata, decidiamo di esaminare un campione di animali. Per comodità, scegliamo i cani che vengono presentati presso alcuni ambulatori del capoluogo. Il campione così ottenuto sarà sicuramente distorto (affetto da "bias"), in quanto composto quasi esclusivamente da cani "cittadini" che, notoriamente, sono oggetto di maggiori cure da parte del proprietario rispetto a quelli che risiedono in campagna. Inoltre, anche il fatto stesso che il cane venga portato in ambulatorio testimonia l'attenzione da parte del proprietario verso la salute del suo animale, ed è probabile che questa attenzione si sia tradotta in una corretta profilassi vaccinale. Quindi, il nostro campione sarà distorto perché (1) ha selezionato cani cittadini e (2) ha selezionato cani portati in ambulatorio. Presumibilmente, tutti i cani del nostro campione (distorto!) risulteranno vaccinati per il cimurro e quindi potremmo concludere erroneamente che "tutti i cani della provincia sono vaccinati per il cimurro".

Esempi di selezione viziata 1) When participants self-select, or volunteer for a study, it is not known how representative such participants are of the population of interest. If such individuals entering or remaining in a study display different associations from those who do not, a biased estimate of the association between exposure and outcome is produced. 2) Sometimes people we want to study may not be available for study. This can happen in an occupational setting where the exposed workers suffering symptoms are the ones we would like to study, but may have left their jobs. Those who remain are the ones less affected. Healthy worker effect – those severely ill or disabled are ordinarily excluded from employment.

Metodi di campionamento. 1 Metodi da evitare

Metodi di campionamento corretti. Randomizzazione e stratificazione

Campionamento sistematico e a cluster Campionamento sistematico. Es.: tutti i ricoverati in un periodo pre-determinato; tutte le persone i cui nomi sono collocati in determinati punti di liste numerate (es. liste di ricovero ospedaliero) Campionamento a cluster: es. tutti gli abitanti di un edificio; tutti gli allievi di una scuola Campionamento a due stadi: campionamento a cluster, seguito da campionamento randomizzato

Misurazione dell’outcome Use of standardized and well-tested questionnaires is crucial, (such as the American Thoracic Society respiratory questionnaire).

Misurazione dell’esposizione Exposure assessment is the Achilles Heel of environmental epidemiology. Measurements are often extremely expensive, so one must be mindful of the objectives of the study in designing exposure surveys. One must ensure that the data are collected reliably and accurately, and appropriate field and laboratory protocols must be followed.

Misurazione dell’esposizione 1) Metodi indiretti: questionari

2) Misurazione diretta

Misurazione della dose assorbita. Biomarcatori misurazione della sostanza nel sangue, nelle utrine, nell’aria espirata: es., benzene nel sangue e/o nelle urine misurazione di metaboliti: es., acido S-fenilmercapturico nelle urine misurazione di composti endogeni alterati in seguito all’interazione con la sostanza: dose biologica efficace. Es., carbossiemoglobina; addotti molecolari con DNA o emoglobina; DNA-single strand breaks negli esposti a benzene

Dose assorbita, dose biologica efficace, effetti biologici precoci

I livelli di dose assorbita o della dose biologica efficace sono fortemente influenzati dalla variabilità individuale (genetica e ambientale) Le alterazioni di composti endogeni (proteine, DNA) possono non essere correlate allo sviluppo della patologia. La conoscenza di tale correlazione può essere la base o il fine degli studi.