Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

G. Alicandro, Tecniche di analisi per la valutazione delle associazioni tra indicatori socioeconomici e mortalità prematura nei comuni Italiani

58 views

Published on

Seminario Istat, Roma, Aula Magna 18.11.19
Disuguaglianze nella mortalità: cosa possiamo
sapere in più dall’integrazione delle fonti?
Via Cesare Balbo 16

Published in: Education
  • Be the first to comment

  • Be the first to like this

G. Alicandro, Tecniche di analisi per la valutazione delle associazioni tra indicatori socioeconomici e mortalità prematura nei comuni Italiani

  1. 1. Tecniche di analisi per la valutazione delle associazioni tra indicatori socioeconomici e mortalità prematura nei comuni Italiani Disuguaglianze nella mortalità: cosa possiamo sapere in più dall’integrazione delle fonti? Roma, 18 novembre 2019 Gianfranco Alicandro ISTAT, Direzione per le statistiche sociali e il censimento della popolazione
  2. 2. • Le differenze territoriali nella mortalità osservate in Italia* sono in parte attribuibili a una diversa distribuzione degli indicatori socioeconomici sul territorio • Tuttavia, studiare la relazione tra indicatori socioeconomici e la mortalità è complesso a causa dei numerosi indicatori disponibili e dell’alto grado di correlazione tra loro • In questo contesto, gli approcci statistici convenzionali sono di scarsa utilità nell’identificare gli indicatori territoriali maggiormente associati alla mortalità 2 Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019 Razionale Scopo dello studio: Valutare la relazione tra alcuni indicatori socioeconomici e la mortalità prematura (prima dei 75 anni) nei comuni Italiani, utilizzando approcci statistici convenzionali e metodi recentemente proposti *Petrelli A, Di Napoli A, Sebastiani G, et al. Italian Atlas of mortality inequalities by educational level. Epidemiol Prev. 2019;43(1S1):1-120.
  3. 3. Disegno dello studio: Studio ecologico Criteri di inclusione: comuni con almeno 5000 abitanti Esito misurato: Tasso di mortalità standardizzato per età* per 10,000 persone-anni (età 0-74 anni). Periodo: 2012-2016. Indicatori socioeconomici: 10 indicatori socioeconomici selezionati dal database di 8milaCensus, un archivio nazionale che fornisce un set di 99 indicatori misurati a livello comunale e raggruppati in 8 domini: 1) popolazione, 2) integrazione degli stranieri; 3) famiglie; 4) condizioni abitative; 5) istruzione; 6) mercato del lavoro; 7) mobilità; 8) vulnerabilità materiale e sociale 3 Metodi *metodo diretto utilizzando la popolazione mondiale come standard Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  4. 4. 4 Descrizione dei 10 Indicatori Socioeconomici Selezionati Nome var Indicatore Definizione INT1 Disoccupazione straniera % di stranieri disoccupati di età ≥15 anni sul totale della pop. straniera della stessa età FAM1 Famiglie monogenitoriali giovani % delle famiglie monogenitoriali, nelle quali il genitore ha meno di 35 anni, sul totale delle famiglie monogenitoriali HOU1 Abitazioni non di proprietà % delle abitazioni occupate non di proprietà sul totale delle abitazioni EDU1 Uscita precoce dal sistema d’istruzione e formazione % della pop. di età compresa tra 15-24 anni con licenza media inf. che non studiano e non frequentano corsi di formazione sul totale della pop. della stessa età EDU2 Adulti con titolo di studio inferiore al diploma di scuola secondaria % della pop. di età compresa tra 25-64 anni con titolo di studio inferiore al diploma di scuola secondaria sul totale della pop. della stessa età OCC1 Giovani che non studiano e non lavorano % della pop. di età compresa tra 15-29 anni che non studia e non lavora sul totale della pop. della stessa età OCC2 Disoccupazione % della pop. di età ≥15 anni in cerca di occupazione sul totale della pop. attiva della stessa età OCC3 Occupati in professioni a basso livello di competenza % della pop. occupata in professioni a basso livello di competenza sul totale degli occupati VUL1 Famiglie con potenziale disagio economico % delle famiglie con figli in cui la persona di riferimento ha meno di 64 anni e nessun componente è occupato o pensionato sul totale delle famiglie VUL2 Persone che vivono in condizioni di affollamento % della pop. che vive in abitazioni con superficie < 40 m2 e più di 4 occupanti o in 40- 59 m2 e più di 5 occupanti o 60-79 m2 e più di 6 occupanti, sul totale della pop. http://ottomilacensus.istat.it/documentazione/ Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  5. 5. 5 Distribuzione Geografica del Tasso di Mortalità Prematura (0-74 anni) (per 10,000 persone-anni) in 2390 Comuni Italiani con almeno 5000 Residenti Maschi 596,144 decessi registrati tra il 2012 e il 2016: 367,871 uomini e 228,273 donne 5 Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019 NA 8.3 − 16.5 16.6 − 18.3 18.4 − 20.0 20.1 − 22.1 22.2 − 33.5 Femmine NA 3.9 − 8.8 8.9 − 9.9 10.0 − 10.9 11.0 − 12.2 12.3 − 22.5
  6. 6. 6 Distribuzione dei 10 Indicatori 6 Nome var Indicatore Mediana (Range) INT1 Disoccupazione straniera 43.0% (13.7-83.0) FAM1 Famiglie monogenitoriali giovani 0.9% (0.1-3.7) HOU1 Abitazioni non di proprietà 24.9% (10.8-56.8) EDU1 Uscita precoce dall’istruzione e formazione 14.3% (2.1-45.3) EDU2) Titolo di studio inferiore al diploma di scuola secondaria 48.0% (16.5-74.7) OCC1 Giovani che non studiano e non lavorano 18.1% (5.9-51.0) OCC2 Disoccupazione 8.3% (1.3-37.2) OCC3 Occupati in professioni a bassa competenza 16.0% (5.9-60.1) VUL1 Famiglie con potenziale disagio economico 1.4% (0.3-17.9) VUL2 Affollamento 1.0% (0.0-10.8) • Gli indicatori sono espressi come percentuale sul totale della popolazione, delle famiglie residenti o delle abitazioni • Nel caso di distribuzioni asimmetriche, prima dell’analisi, sono state applicate trasformazioni logaritmiche o radici quadrate • Inoltre gli indicatori sono stati standardizzati Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  7. 7. 7 Metodi – Approcci statistici 7 1. Regressione: modelli di regressione lineare semplice e multipla 2. Tecniche di classificazione: analisi delle componenti principali (PCA) 3. Machine learning: Bayesian Kernel Machine Regression (BKMR) Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  8. 8. 8 Risultati – Regressione Lineare 8 Maschi Femmine Reg. semplice Reg. multipla Reg. semplice Reg. multipla beta p-value beta p-value beta p-value beta p-value INT1 0.048 <0.001 0.004 0.3057 0.044 <0.001 -0.001 0.8575 FAM1 0.038 <0.001 0.015 0.0001 0.044 <0.001 0.018 0.0001 HOU1 0.059 <0.001 0.032 0.0000 0.060 <0.001 0.022 0.0000 EDU1 0.063 <0.001 -0.007 0.2339 0.058 <0.001 -0.007 0.3305 EDU2 0.051 <0.001 0.024 0.0000 0.039 <0.001 0.014 0.0441 OCC1 0.083 <0.001 0.061 0.0000 0.081 <0.001 0.090 0.0000 OCC2 0.075 <0.001 0.007 0.5354 0.071 <0.001 -0.021 0.1198 OCC3 0.064 <0.001 0.009 0.0837 0.054 <0.001 -0.005 0.3861 VUL1 0.077 <0.001 -0.014 0.2016 0.076 <0.001 -0.007 0.5971 VUL2 0.049 <0.001 -0.009 0.0336 0.059 <0.001 0.010 0.0514 Nome var indicatore INT1 Disoccupazione straniera FAM1 Famiglie monogenitoriali giovani HOU1 Abitazioni non di proprietà EDU1 Uscita precoce dall’istruzione e formazione EDU2 Titolo di studio inferiore al diploma di scuola secondaria OCC1 Giovani che non studiano e non lavorano OCC2 Disoccupazione OCC3 Occupati in professioni a bassa competenza VUL1 Famiglie con potenziale disagio economico VUL2 Affollamento Modello di regressione semplice log (ASMR) = 𝛽0 + 𝛽1 𝑍 Modello di regressione mutualmente aggiustato log (ASMR) = 𝛽0 + 𝑖=0 10 𝛽𝑖 𝑍𝑖 Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  9. 9. 9 Risultati – Considerazioni sulla Regressione Lineare 9 Limiti Multicollinearità: esposizioni multiple correlate nello stesso modello statistico possono produrre stime affette da bias Overfitting: tante variabili di esposizione e potenziali interazioni Analisi delle componenti principali (PCA) Riduzione dei dati: da 10 indicatori socioeconomici correlati tra loro a un numero minore di variabili latenti (componenti) non correlate Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  10. 10. 10 Correlazione tra Indicatori Socioeconomici 10 Correlation plot Network analysis Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019 Nome var Indicatore INT1 Disoccupazione straniera FAM1 Famiglie monogenitoriali giovani HOU1 Abitazioni non di proprietà EDU1 Uscita precoce dall’istruzione e formazione EDU2 Titolo di studio inferiore al diploma di scuola secondaria OCC1 Giovani che non studiano e non lavorano OCC2 Disoccupazione OCC3 Occupati in professioni a bassa competenza VUL1 Famiglie con potenziale disagio economico VUL2 Affollamento
  11. 11. 11 Risultati – PCA 11 PC1 PC2 PC3 SS loadings 3.12 2.56 2.08 Proportion Var 0.31 0.26 0.21 Cumulative Var 0.31 0.57 0.78 Proportion Explained 0.40 0.33 0.27 Cumulative Proportion 0.40 0.73 1.00 Factor loadings PC1 PC2 PC3 INT1 Disoccupazione straniera 0.7955227 0.1433215 -0.0704056 FAM1 Famiglie monogenitoriali giovani -0.0108028 0.0325200 0.7807185 HOU1 Abitazioni non di proprietà 0.2307880 0.0534204 0.7988499 EDU1 Uscita precoce dall’istruzione e formazione 0.2879285 0.8225225 0.2351029 EDU2 Titolo di studio inferiore al diploma di scuola secondaria 0.1704761 0.9202651 -0.0710255 OCC1 Giovani che non studiano e non lavorano 0.8197869 0.3997670 0.3224905 OCC2 Disoccupazione 0.8818992 0.2643039 0.2434970 OCC3 Occupati in professioni a bassa competenza 0.2790584 0.7982513 0.2032939 VUL1 Famiglie con potenziale disagio economico 0.8356406 0.2543419 0.3828855 VUL2 Affollamento 0.3027222 0.2780478 0.6434542 Maschi Femmine beta* p-value beta* p-value PC1: Disoccupazione e svantaggio socioeconomico 0.147 <0.0001 0.141 <0.0001 PC2: Scarsa istruzione e ridotte competenze 0.112 <0.0001 0.134 <0.0001 PC3: Condizioni abitative disagiate 0.114 <0.0001 0.088 <0.0001 Modello lineare con le 3 componenti log(𝐴𝑆𝑀𝑅) = 𝛽0 + 𝛽1 ∗ 𝑃𝐶1 + 𝛽2 ∗ 𝑃𝐶2 + 𝛽3 ∗ 𝑃𝐶3 *10th vs. 90th percentile Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  12. 12. Vantaggi • Riduzione della dimensione dei dati Limiti • Soggettività nella scelta del numero delle componenti e nella loro interpretazione • Non è possibile identificare il contributo individuale di ogni indicatore • Non è possibile analizzare relazioni non lineari 12 Risultati – Considerazioni sulla PCA Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  13. 13. 13 Introduzione alla Bayesian Kernel Machine Regression* (BKMR) Permette di modellare la relazione tra un set ampio di predittori (M) e un esito (Y) usando una funzione flessibile (h) dei predittori *Bobb JF, Valeri L, Henn BC, et al. Bayesian kernel machine regression for estimating the health effects of multi-pollutant mixtures. Biostatistics 2015;16(3):493-508. 𝑌𝑖 = ℎ 𝑧𝑖,1, … , 𝑧𝑖,𝑀 + 𝜀𝑖 • dove Yi è il logaritmo del tasso standardizzato di mortalità nel comune i • zi,m è mth indicatore socioeconommico per ogni comune i • h è la Gaussian Kernel exposure-response function • 𝜀𝑖 rappresenta l’errore ~ N(0,σ2) • La funzione Gaussian-Kernel è una funzione flessibile in grado di stimare un ampio spettro di forme funzionali. • La funzione viene stimata tramite l'implementazione di un algoritmo iterativo (Markov Chain Monte Carlo) Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  14. 14. 14 Implementazione della BKMR in R => https://jenfb.github.io/bkmr/overview.html ## To fit the model fitk <- kmbayes(y = Y, Z = Z, iter =500, groups=c(1,3,3,2,2,1,1,2,1,3)) Y = log(tasso std. di mortalità) Z = matrice degli indicatori socioeconomici • Selezione gerarchica delle variabili basata sui risultati della PCA • Non è possibile visualizzare l’intera funzione h (nel nostro caso è una funzione con 10 dimensioni) • Il modo migliore per visualizzare i risultati è mostrare la relazione tra un predittore e l’esito tenendo fissi gli altri predittori a un valore specifico (per esempio la mediana) Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  15. 15. 15 Risultati BKMR – Funzione esposizione-risposta univariata, maschi Effetto stimato dell’indicatore fissando gli altri indicatori al loro valore mediano Effetto stimato per incremento dell’indicatore dal 10° al 90° percentile, fissando gli altri indicatori al loro valore mediano Predittore Stima IC 95% OCC1 0.16 0.13-0.19 EDU2 0.05 0.02-0.08 HOU1 0.07 0.04-0.09 Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019 Nome var indicatore INT1 Disoccupazione straniera FAM1 Famiglie monogenitoriali giovani HOU1 Abitazioni non di proprietà EDU1 Uscita precoce dall’istruzione e formazione EDU2 Titolo di studio inferiore al diploma di scuola secondaria OCC1 Giovani che non studiano e non lavorano OCC2 Disoccupazione OCC3 Occupati in professioni a bassa competenza VUL1 Famiglie con potenziale disagio economico VUL2 Affollamento
  16. 16. 16 Risultati BKMR – Funzione esposizione-risposta univariata, femmine Effetto stimato dell’indicatore fissando gli altri indicatori al loro valore mediano Effetto stimato per incremento dell’indicatore dal 10° al 90° percentile, fissando gli altri indicatori al loro valore mediano Predittore Stima 95% CI OCC1 0.15 0.11-0.18 EDU2 0 -0.03-0.04 EDU1 0.04 -0.01-0.08 HOU1 0.05 0.02-0.09 Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019 Nome var indicatore INT1 Disoccupazione straniera FAM1 Famiglie monogenitoriali giovani HOU1 Abitazioni non di proprietà EDU1 Uscita precoce dall’istruzione e formazione EDU2 Titolo di studio inferiore al diploma di scuola secondaria OCC1 Giovani che non studiano e non lavorano OCC2 Disoccupazione OCC3 Occupati in professioni a bassa competenza VUL1 Famiglie con potenziale disagio economico VUL2 Affollamento
  17. 17. 17 Risultati BKMR – Funzione esposizione-risposta bivariata Maschi Femmine Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  18. 18. • I risultati dei differenti approcci sono generalmente coerenti, ma la BKMR supera i problemi di multicollinearità osservati nella regressione lineare multipla • La BKMR fornisce una serie di output che descrivono l’effetto totale degli indicatori socioeconomici, il contributo individuale e le relazioni non-lineari, additive e le possibili interazioni • Questi risultati potrebbero essere utili nella comprensione delle relazioni tra indicatori socioeconomici territoriali e la disuguaglianza territoriale nella mortalità prematura • Questo è il primo tentativo di utilizzo della BKMR in questo ambito ed è necessario altro lavoro per valutare la potenziale utilità di questa tecnica 18 Conclusioni Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019
  19. 19. • Paola Bertuccio, Dipartimento di Scienze Biomediche e Cliniche, Università degli Studi di Milano • Andrea Bellavia, Department of Environmental Health, Harvard T.H. Chan, School of Public Health, Boston, MA, USA 19 Ringraziamenti Gianfranco Alicandro Direzione centrale per le statistiche sociali e il censimento della popolazione Servizio Sistema integrato salute, assistenza, previdenza e giustizia, ISTAT E-mail: gianfranco.alicandro@istat.it Paola Bertuccio Dipartimento di Scienze Biomediche e Cliniche, Univeristà degli Studi di Milano E-mail: paola.bertuccio@unimi.it Contatti: Indicatori socioeconomici e mortalità prematura nei comuni Italiani Roma, 18/11/2019

×