La validazione dei dati PASSI:
confronto tra
dati misurati e dati riferiti
Carlo Alberto Goldoni
Direttore Servizio Epidemiologia e Comunicazione
Dipartimento di Sanità Pubblica– AUSL di Modena
Modena, 10 Giugno 2010
Dati misurati vs riferiti
• Le Health Examination Survey (HES)
rappresentano il gold standard per
molte indagini sui fattori di rischio, ma
sono molto onerose e di difficile
applicazione in larga scala
• Le Health Interview Survey (HIS) sono
più semplici ed economiche, si prestano
per applicazioni di larga scala ma sono
potenzialmente esposte a diversi bias
Dati misurati vs riferiti
• E’ importante:
- validare i dati riferiti sulla base dei dati
misurati/dati dei flussi correnti
- quantificare gli scostamenti dovuti ai
bias
- riconoscere eventuali fattori
condizionanti le differenze
- Apportare eventuali fattori correttivi alle
stime
Confronto OEC/PASSI a Modena
• La II edizione dell’OEC a Modena
offre la possibilità di confrontare
l’approccio HIS verso quello HES
Osservatorio Epidemiologico
Cardiovascolare (OEC)
• Fa parte del Progetto Cuore
• Frutto della collaborazione fra Istituto Superiore di
Sanità (ISS) e Associazione Nazionale Medici Cardiologi
Ospedalieri (ANMCO)
• Costituito da una rete di centri pubblici dislocati in modo
omogeneo su tutto il territorio italiano
• Obiettivi:
– descrizione della distribuzione dei fattori di rischio
cardiovascolare nella popolazione italiana
– stima della prevalenza di condizioni ad alto rischio
– stima della prevalenza delle malattie cardiovascolari di
origine arteriosclerotica
• 2 edizioni 2000/01 e 2008/09
OEC a Modena
• 669 persone di età 35-79 esaminate tra
Ottobre 2008/Gennaio 2009
• Estrazione casuale da anagrafe comunale
• Operatori opportunamente formati alle
procedure standardizzate dell’OEC
• Determinazione peso e altezza, pressione
arteriosa, ECG, spirometria
• Prelievo ematico, raccolta urine 24 ore
• Questionario sui fattori comportamentali
• Questionario alimentare
Campioni confrontati
• Persone 35-69 anni
indagate:
– 535 OEC
– 207 PASSI
• Tassi di risposta:
– OEC 71%
– PASSI 87%
• Buona
corrispondenza tra
popolazione
residente 35-69 anni
e campioni OEC e
PASSI
Popolazione 35-69 anni
OEC
PASSI
80
60
40
34
29
32
37
43 42
29 28 26
20
0
%
35-44
45-54
55-69
Misure antropometriche
OEC
Altezza
180
175
PASSI
175
173
170
163
165
159
160
155
150
OEC
90
81
PASSI
145
cm
Uomini
83
80
68
70
65
60
50
40
30
Peso
20
10
0
kg
Uomini
Donne
Donne
Stato nutrizionale
Uomini
OEC
PASSI
100
75
68
80
60
32
40
25
20
0
%
Donne
OEC
PASSI
100
80
60
Sottopeso/Normopeso
61
41
59
39
40
20
0
%
Sottopeso/Normopeso
Sovrappeso/Obeso
Sovrappeso/Obeso
Ipertensione
OEC
PASSI
60
46
50
40
30
18
15
20
10
0
%
35-49
50-69
39
Colesterolo
OEC
PASSI
60
47
50
41
40
21
30
16
20
10
0
%
35-49
50-69
Confronto Flusso screening
Pap-test/PASSI a Modena
• Sono stati confrontati i dati dei
flussi screening provinciali
sull’esecuzione del Pap-test con i
dati riferiti in PASSI dalle donne
25-64 anni
Pap-test negli ultimi 3 anni in screening
Confronto tra dato riferito e quello registrato per
l’aver effettuato un Pap-test all’interno della
campagna di screening negli ultimi 3 anni
100
80
65
63
Flusso screening
PASSI
60
40
20
0
%
Limiti
• Occorre prudenza nel confrontare i dati
dell’OEC e di PASSI perché
– dati misurati e riferiti si riferiscono a diversi
campioni della stessa popolazione
– le definizioni sono dettagliate e precise per
l’OEC, mentre in PASSI sono più vaghe
– PASSI risente di aspetti percettivi ed è
esposto a diversi bias quali il recall bias
– i dati di PASSI possono riferirsi a periodi
precedenti anche di molto l’intervista (es. le
misure antropometriche), i dati dell’OEC sono
soggetti alla variabilità giornaliera e
stagionale (es. pressione arteriosa)
Conclusioni 1
• Sono state rilevate alcune
differenze tra dati misurati e quelli
riferiti (es. stato nutrizionale delle
donne)
• Le dimensioni campionarie non
permettono di evidenziare
significatività statistiche e di
generalizzarle
Conclusioni 2
• Le HES sono insostituibili per gli scopi per cui
sono state create
• Le HIS sembrano mostrare una buona
affidabilità almeno per le variabili indagate
per la sorveglianza in sanità pubblica su
stato di salute e fattori di rischio (stima di
prevalenza, trend temporali e geografici) e
per orientare le azioni
• E’ necessario contenere i bias di selezione
tenendo basso il tasso di sostituzione
• E’ utile condurre altri studi di validazione
(possibili: approfondire OEC, screening
colon-retto, diabete e altre pat. croniche )
Grazie per l’attenzione!