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!