Sei sulla pagina 1di 16

Anno 7 n.

3 Giugno 2004

OSSERVATORIO

RIVISTA BIMESTRALE

DINFORMAZIONE
SCIENTIFICA
a cura dellOsservatorio
E p i d e m i o l o g i c o Ve t e r i n a r i o
della Regione Lombardia

Regione Lombardia
Direzione Generale Sanit - Servizio Veterinario
Istituto Zooprofilattico Sperimentale
della Lombardia e dellEmilia-Romagna
Osservatorio Epidemiologico Veterinario Regionale - Via Bianchi, 9 -25124 Brescia

LOSSERVATORIO

ommario
Anno 7 n.3 Giugno 2004

LOSSERVATORIO
RIVISTA BIMESTRALE

DINFORMAZIONE
SCIENTIFICA

A ricordo di Luigina Lazzari


di E. Lodetti

Editoriale

a cura dellOsservatorio
E p i d e m i o l o g i c o V e t er i n a r i o
della Regione Lombardia

Regione Lombardia
Direzione Generale Sanit - Servizio Veterinario
Istituto Zooprofilattico Sperimentale
della Lombardia e dellEmilia-Romagna

Osservatorio Epidemiologico Veterinario Regionale - Via Bianchi, 9 -25124 Brescia

Direttore responsabile
Cesare Bonacina
Direttore scientifico
Paolo Boni
Redattore
Giorgio Zanardi

Speciale GIS (Geographic information system)


5

Sistemi informativi territoriali ed analisi spaziale in


epidemiologia veterinaria
U. Kitron, A. Mannelli

Fonti dati, indicatori epidemiologici e basi territoriali per la


rappresentazione cartografica di fenomeni sanitari:
esperienze applicative nel servizio di epidemiologia della
regione Piemonte ASL 5
A. Migliardi

12

Metodi bayesiani nellanalisi spaziale dei dati geografici


M.M. Maule, D.Mirabelli

Responsabile comitato redazione


Giorgio Zanardi
Comitato di redazione
M. Astuti, P. Cordioli, M.
Domenichini, P. Antoniolli, L.
Gemma, C. Genchi, G.
Gridavilla, A. Lavazza, A. Palma
V.M.Tranquillo
Hanno collaborato a questo
numero
A. Migliardi, M.M. Maule, D.
Mirabelli
Segreteria di redazione
M. Guerini
L. Marella
Fotocomposizione Eurocolor snc
Via Borsellino, 9
25038 Rovato (Brescia)
Tel. 030-6820600 Fax6821550
Tipolitografia Eurocolor
Via Borsellino, 9
25038 Rovato (Brescia)
Tel. 030-6820600 Fax6821550
Editore
Istituto Zooprofilattico
Sperimentale della Lombardia ed
Emilia Romagna Bruno
Ubertini

Tutti coloro che vogliono scriverci, devono indirizzare le lettere al


seguente indirizzo :"L'OSSERVATORIO" rubrica "La posta dei
lettori", via Bianchi, 9
- 25124 Brescia - tel 030 2290259-235; oppure utilizzare la posta
elettronica : oevr@oevr.org
L'Osservatorio e i numeri del precedente Bollettino Epidemiologico
possono essere consultati anche sul sito web http:\\www.oevr.org

2
22

A ricordo di
Luigina Lazzari

Il 07 giugno scorso la Signora Luigina Lazzari ci ha


prematuramente lasciati.
Al di l dell'inevitabile commozione credo di interpretare il
pensiero ed i sentimenti di tutti coloro che l'hanno conosciuta
ricordando la sua dedizione, il suo inestinguibile entusiasmo, le
sue parole care per ogni occasione. E' sempre stata uno stimolo per
tutti ed cos che vogliamo ricordarla: dolce, professionale,
infaticabile.
Ma oltre a queste non trascurabili doti degno di nota il suo
impegno anche nel campo sociale, infatti, nonostante i numerosi
impegni lavorativi ha trovato il tempo per dedicarsi ad attivit
umanitarie e, in particolare quella di volontariato per le adozioni a
distanza.
Senza ombra di dubbio la nostra Luigina, cos tutti la
chiamavano familiarmente, va ricordata ed annoverata tra le
persone di spicco dell'Istituto Zooprofilattico Sperimentale della
Lombardia e dell'Emilia Romagna "Bruno Ubertini" (IZSLER).
Sempre animata da grande entusiasmo per il lavoro, ha reso la
biblioteca dell'IZSLER una delle migliori biblioteche scientifiche
italiane, specializzata in medicina veterinaria, microbiologia,
malattie infettive ed igiene degli alimenti.
Il Centro di documentazione, da lei ideato, organizzato e diretto, consta oggi del seguente patrimonio: 12.300
monografie, circa 25.000 volumi di periodici, 1.249 testate di periodici (350 correnti), circa 1.500 periodici
elettronici, banche dati su cd-rom e tramite collegamento a Internet, 1.480 tesi di universit straniere, 6.000
diapositive e fotografie.Nata il 20 aprile 1947, dopo il completamento degli studi superiori, entr il 1 febbraio
1966 all'Istituto Zooprofilattico Sperimentale della Lombardia e dell'Emilia Romagna di Brescia come
segretaria del Direttore Generale prof. Bruno Ubertini.
Pass poi alla biblioteca dell'Istituto, dove rimase per il resto della sua vita.
All'Istituto, oltre alla dirigenza della biblioteca ha ricoperto altri incarichi, fra i quali quello di segretaria del
Comitato di redazione della rivista Selezione Veterinaria e di coordinatrice delle biblioteche dei dieci II.ZZ.SS.
nazionali, nonch membro del Comitato di Gestione del Sistema Bibliotecario Biomedico Lombardo, quale
esperto in materia di organizzazione, gestione, catalogazione biblioteche biomediche. Inoltre era membro delle
seguenti Associazioni professionali: Associazione Italiana Bibliotecari (AIB), European Association for Health
Information and Librarie (EAHIL), European Veterinary Library Group (EVLG).
E' autrice di una ventina di pubblicazioni scientifiche nazionali ed internazionali nonch coordinatore scientifico
del progetto di ricerca finalizzata del Ministero della Salute Bibliosan.
La sua dedizione al lavoro ed i successi conseguiti sono stati testimoniati dagli innumerevoli ricordi e suffragi
provenienti da ogni parte d'Italia.
Grazie Luigina per tutto quello che hai saputo creare, per quello che hai insegnato a tutti i tuoi collaboratori,
grazie per la tua disponibilit.
Il tuo ricordo vivr perenne in tutti coloro che ti hanno conosciuto e voluto bene.
.
Ezio Lodetti

33

Editoriale

Sono ormai diversi anni che si parla dell'impiego dei sistemi informativi territoriali o geographic
information systems (GIS) in epidemiologia veterinaria. Sebbene ci siano state un certo numero di
applicazioni in Italia, non possiamo ancora dire che questi strumenti siano entrati nell'uso comune di
chi lavora sul territorio. I motivi sono da ricercarsi nelle difficolt che si incontrano
nell'organizzazione di un sistema informativo e nell'uso dei software specifici. La formazione in
questo campo quindi estremamente necessaria. Nel maggio 2003, nell'ambito della Scuola di
Specializzazione in Sanit Animale, Allevamento e Produzioni Zootecniche della Facolt di
Veterinaria di Torino, stato organizzato un evento ECM dedicato a GIS ed analisi spaziale in sanit
pubblica veterinaria. Il corso per veterinari stato preceduto da un incontro informale fra ricercatori
che applicano i GIS in discipline diverse. Si volevano infatti fornire concetti di base ed esempi
applicativi ai veterinari pratici, e dare la possibilit ai ricercatori di confrontare le proprie esperienze
e gli strumenti a disposizione. Come relatore straniero, era presente Uriel Kitron dell'Universit
dell'Illinois, che applica da tempo GIS all'epidemiologia delle zoonosi (vedi il sito
http://www.cvm.uiuc.edu/vp/spatepi/team.html). Kitron riuscito a comunicare concetti di base
anche a chi non aveva precedenti conoscenze, ed ha illustrato applicazioni a malattie trasmesse da
vettori in aree temperate e tropicali. Con questo numero de L'Osservatorio, vogliamo mettere a
disposizione di un pubblico pi ampio parte dei lavori che erano stati presentati nel maggio 2003. Nel
primo articolo (firmato da Kitron e Mannelli) sintetizzata la presentazione principale del corso. Gli
altri articoli riguardano applicazioni pi specifiche. Il lavoro di Migliardi tratta argomenti di
epidemiologia umana che possono essere facilmente interpretati in funzione della veterinaria. Maule
e Mirabelli entrano invece nel dettaglio di metodi avanzati di analisi spaziale. Nel riportare il loro
articolo, abbiamo separato il testo accessibile ai non addetti ai lavori da un'appendice per chi volesse
approfondire l'argomento. Ciolli, Vitti, e Zatelli sono ingegneri dell'Universit di Trento e fra i
promotori a livello internazionale dei GIS open source, ovvero gratuiti e caratterizzati da estrema
flessibilit. Dopo un'introduzione generale su questi strumenti, sono approfonditi due argomenti utili
anche per i veterinari, come i problemi legati al rilevamento di coordinate geografiche per via
satellitare, e la creazione di carte del rischio di eventi indesiderati. Rolesu, Stella, e Patta descrivono
l'applicazione di un software (Sat Scan) per identificare punti caldi per il rischio di malattie degli
animali in Sardegna. Infine, Guazzetti presenta il software R, uno strumento molto potente per
l'analisi epidemiologica e spaziale.
Questi articoli confermano che i GIS sono strumenti con notevoli potenzialit che li rendono
idonei all'impiego in discipline molto diverse. Diviene quindi fondamentale individuare di volta in
volta gli obiettivi della loro applicazione nel nostro campo specifico. Oltre che nella ricerca,
auspicabile che i GIS entrino nell'uso comune dei veterinari coinvolti ad ogni titolo nella
sorveglianza degli eventi sul territorio, in modo da valorizzare in maniera ottimale le loro conoscenze
su epidemiologia e controllo delle malattie degli animali e delle zoonosi.

LOSSERVATORIO

Speciale GIS

Sistemi informativi territoriali ed analisi


spaziale in epidemiologia veterinaria
1

Uriel Kitron A. Mannelli

Determinazione della posizione nello spazio


Per l'utilizzo di dati in GIS necessario disporre di
informazioni sulla posizione nello spazio di ci che
vogliamo studiare. Pi spesso, tale informazione
costituita dalle coordinate geografiche in un dato sistema
di riferimento. Uno dei sistemi pi utilizzati l'Universale
Trasversale di Mercatore (UTM). Si tratta di un vero e
proprio sistema di proiezione in quanto la superficie
terrestre viene proiettata su una superficie piana. Per
raggiungere questo obiettivo, nel sistema UTM, la terra
divisa in 60 zone (paragonabili agli spicchi di un'arancia).
Entro queste zone, le coordinate sono espresse in metri.
L'origine della coordinata Y l'equatore, mentre l'origine
della coordinata X si trova 500.000 metri ad ovest del
meridiano centrale della zona, in modo da non avere valori
negativi di X. Per esempio, un punto in provincia di Cuneo
pu avere coordinate X= 396387, Y=4921056 . Il fatto che
le coordinate UTM siano in metri facilita l'esecuzione di
calcoli di distanze e superfici. D'altra parte, riportando tali
coordinate, deve essere sempre specificata la zona in cui ci
troviamo, in quanto ogni zona deve essere considerata
come un sistema di riferimento a se stante. Le coordinate
geografiche possono essere rilevate con global positioning
system (GPS), oppure per mezzo di appropriate carte,

Lo studio della distribuzione geografica delle popolazioni


animali e del rischio di malattie uno degli obiettivi
dell'epidemiologia veterinaria. Infatti, la frequenza delle
malattie spesso riportata a livello di aree geografiche
(comuni, province, regioni), e la rappresentazione
cartografica in questo campo ha una lunga tradizione. E'
stato per soltanto con la disponibilit di strumenti come i
sistemi informativi territoriali (SIT) o geographic
information systems (GIS) che stato possibile dare la
giusta importanza alla componente spaziale in
epidemiologia. Secondo la definizione pi ampia, un
sistema informativo territoriale l'insieme di risorse
(umane, infrastrutturali, e dati) e di procedure sui dati
(acquisizione, archiviazione, elaborazione, presentazione)
che permettono la gestione ottimale delle informazioni.
Sebbene l'opportunit di un approccio cos comprensivo
all'epidemiologia veterinaria sia facilmente intuibile,
questa trattazione limitata agli strumenti informatici e ad
alcuni aspetti dell'analisi spaziale.
La caratteristica essenziale di un software GIS la
possibilit d'integrazione delle funzioni cartografiche con
quelle di base di dati. Infatti, in un GIS, a ciascun oggetto
rappresentato in una carta geografica corrisponde
un'osservazione in una base di dati che pu contenere
informazioni di qualsiasi tipo. Gli oggetti geografici
possono essere semplici punti (per esempio, allevamenti,
siti di residenza di proprietari di animali, o siti di
osservazione di animali selvatici, ecc). I punti possono poi
essere uniti per formare linee (fiumi, strade), e poligoni
(aree di pascolo, boschi, comuni). Un'altra caratteristica
essenziale dei GIS l'organizzazione delle informazioni in
strati sovrapponibili. Infatti, uno strato di punti che
rappresentano degli allevamenti pu essere sovrapposto ad
uno di poligoni corrispondenti ad aree di uso del suolo,
analogamente a quello che avremmo potuto fare, in epoca
pre informatica, con due o pi lucidi trasparenti. Questa
funzione permette di studiare, sia in senso puramente
descrittivo, ma anche con vere e proprie analisi, le
relazioni spaziali fra elementi dello stesso tipo e di tipo
diverso. Le capacit dei GIS di misurare distanze e
superfici sono anch'esse alla base dell'analisi spaziale in
epidemiologia ed in altre discipline (Figure 1, 2).

LOSSERVATORIO

Figura 1. In un GIS, le caratteristiche territoriali sono


rappresentate in strati sovrapponibili

Speciale GIS

linee e le aree da pixel contigui. Questo formato


particolarmente adatto per rappresentare l'intensit di
fenomeni sul territorio (per esempio, la densit della
popolazione a rischio o del rischio stesso di malattia). Il
potere di risoluzione spaziale dipende dalle dimensioni
delle celle: a celle pi piccole corrisponde un potere di
risoluzione pi elevato, ma anche un maggiore impiego di
memoria. La maggior parte dei moderni software GIS pu
utilizzare sia il tipo vettoriale sia il tipo raster.
Fonti di dati
Per lavorare con GIS, si utilizzano spesso dati geografici
relativi alle aree amministrative che possono essere
disponibili gratuitamente su internet come nel caso della
regione Piemonte (www.regione.piemonte.it/repertorio/).
Dal sito possono, infatti, essere scaricati i confini comunali
della regione in formato vettoriale. Su questa base
cartografica, possiamo sovrapporre dati relativi a siti di
residenza di proprietari di animali (per esempio, di cani), a
patto di aver rilevato le corrispondenti coordinate
geografiche nello stesso sistema (UTM, zona 32) della
carta della regione Piemonte. Successivamente, possono
essere automaticamente aggiunti dati (od attributi) relativi
agli animali (Figura 3). Questi dati possono provenire da
un'anagrafe o da qualunque altra fonte ed includere anche i
risultati di esami di laboratorio. L'aggiunta di grandi moli
di dati agli elementi rappresentati nello spazio, che pu
essere eseguita con semplici funzioni dei GIS, una
caratteristica di questi software,che li rende utili in molte
applicazioni in campo veterinario. L'identificazione delle
fonti di dati utilizzabili in GIS, e l'analisi critica della loro
accuratezza e del loro stato di aggiornamento sono
problemi tipici di chi voglia utilizzare tali sistemi
informativi. Sulla base della nostra esperienza, esiste una
notevole variabilit, fra le regioni italiane, relativamente
alla facilit di disporre di dati geografici (carte
informatizzate, coordinate geografiche) e di dati sulle
popolazioni animali.
Un'affascinante possibilit fornita dai GIS l'utilizzo di
dati da remote sensing, inteso come il rilevamento, la
misurazione e l'identificazione di caratteristiche del
territorio da parte di strumenti distanti. Rientrano in questa
definizione le foto aeree e le immagini satellitari. In questo
modo, si possono classificare aree geografiche anche
molto grandi e con un notevole potere di risoluzione. Oltre
ai problemi strettamente tecnici per l'utilizzo di queste
informazioni, l'epidemiologo deve interpretare i dati in
maniera utile ai propri fini specifici.

Figura 2. Con GIS, possibile studiare relazioni spaziali


fra fenomeni dello stesso tipo o di tipo diverso
anche informatizzate. Per dettagli sull'utilizzo di GPS, e
sui limiti di precisione in certe condizioni, si rimanda
all'articolo di Ciolli et al. su questo numero de
L'Osservatorio. In alternativa alle coordinate geografiche,
la posizione nello spazio di elementi da rappresentare con
GIS pu essere determinata dall'indirizzo (address
geocoding), dal codice postale o dall'area amministrativa
(e.g. comune) di appartenenza. Queste informazioni
devono per essere presenti nella carta informatizzata in
cui vogliamo inserire i nuovi elementi.
Rappresentazioni vettoriale e raster
Nell'ambito dei GIS, si distinguono due tipi fondamentali
di rappresentazione cartografica e, di conseguenza, di
gestione dei dati spaziali: il tipo vettoriale ed il tipo raster.
Nelle carte di tipo vettoriale, i punti sono identificati dalle
sole coordinate geografiche, le linee ed i poligoni dalle
coordinate dei punti che li compongono. Quindi, un
poligono in formato vettoriale creato in maniera analoga
a quanto faremmo disegnandolo con carta e matita. Il
formato vettoriale permette di rappresentare carte
complesse in maniera efficiente, in quanto sono sufficienti
le coordinate dei punti. Inoltre, il potere di risoluzione
molto elevato e dipende dalla precisione del rilevamento
delle coordinate, e non esiste un vero e proprio problema di
scala di rappresentazione in quanto possiamo ingrandire le
immagini a piacimento. Nel formato raster, l'area da
rappresentare divisa in celle quadrate, i cosiddetti pixel
(picture elements). A ciascun pixel viene assegnato un
valore che identifica le caratteristiche della copertura
geografica e che corrisponde ad un determinato colore
nella rappresentazione. Diversi tipi di bosco, oppure
l'altitudine, o la profondit del mare, per esempio,
corrispondono a diversi valori assegnati alle celle. I punti
in formato raster sono costituiti da singoli pixel, mentre le

LOSSERVATORIO

Analisi spaziale in epidemiologia.


Le applicazioni dei GIS in epidemiologia sono molteplici.
Nella sorveglianza, intesa come raccolta programmata,
analisi e presentazione di dati su popolazioni a rischio e
frequenza di malattie, molto utile produrre carte
tematiche. Nelle decisioni in medicina preventiva come,
per esempio, nell'adozione di misure di controllo delle

Speciale GIS

infezioni, le considerazioni geografiche rivestono un


ruolo centrale. Inoltre, negli interventi i corso di
emergenze epidemiche o di altra natura, l'identificazione
immediata delle popolazioni che si trovano in una certa
area (per esempio, nella zona di sorveglianza relativa a
focolai di malattie infettive) pu essere ottenuta con i GIS.
Nella ricerca epidemiologica, i GIS vengono usati per lo
studio delle variazioni spaziali del rischio di malattia, che
possono essere attribuite a: 1) distribuzione delle
popolazioni suscettibili, 2) distribuzione dei fattori di
rischio (clima, tipo di allevamento), 3) possibilit di
trasmissione di agenti patogeni fra unit (animali,
allevamenti, od aree geografiche) vicine. L'analisi spaziale
l'impiego di tecniche statistiche specificamente
sviluppate per studiare tali variazioni del rischio, tenendo
conto della distribuzione nello spazio delle popolazioni e
dei fattori che influenzano le malattie. Alcune tecniche
permettono di utilizzare dati aggregati in aree geografiche.
In questo caso, si deve tener conto che misurazioni
eseguite su piccole popolazioni (per esempio, quelle dei
comuni) possono andare incontro a marcate variazioni
casuali. Si possono cio osservare alti valori di incidenza
di una malattia in un comune, senza che questa corrisponda
ad un effettivo aumento del rischio rispetto ai comuni
circostanti. Per ovviare a questo tipo di problemi, si
riscorre alle tecniche trattate negli articoli di Migliardi e di
Maule e Mirabelli, pubblicati su questo numero.
Quando gli elementi possono essere rappresentati da punti,
possibile utilizzare la point pattern analysis (PPA), che
comprende tecniche di analisi statistica basate soprattutto
sulla misurazione delle distanze che separano punti nello
spazio. E' anche possibile inserire la componente
temporale per studiare, per esempio, la progressione di
un'epidemia sul territorio. Per mezzo di PPA, si pu
descrivere e rappresentare la densit dei punti
(popolazione o casi di malattia) sul territorio. Si possono
inoltre ricercare ipotesi epidemiologiche sull'effetto sul
rischio di malattia della distanza fra i punti in generale o
della distanza da uno o pi punti specifici (per esempio,
fonti di contagio). Kitron et al (1992) hanno utilizzato PPA
per dimostrare che l'infestazione da zecche Ixodes
scapularis su cervi dalla coda bianca (Odocoileus
virginianus) in una contea dell'Illinois era
significativamente aggregata intorno ad un'area protetta
con caratteristiche ambientali ad esse favorevoli. Tecniche
analoghe sono state utilizzate da Mannelli et al (2003) per
dimostrare l'associazione spaziale, entro un km, fra la
sieropositivit per Rickettsia conorii in cani e casi umani di
febbre bottonosa mediterranea in provincia di Cuneo,
suggerendo che indagini sierologiche nel cane possano
mettere in evidenza variazioni del rischio di malattia con
una notevole risoluzione spaziale. Per quel che riguarda le
analisi epidemiologiche di epidemie, PPA stata utilizzata
per valutare l'importanza della trasmissione di influenza
aviaria fra allevamenti vicini e per ottenere indicatori di
rischio spaziali e temporali da includere in modelli

LOSSERVATORIO

statistici dei fattori di rischio (Mannelli et al 2004). Vitale


et al (2004), infine, hanno utilizzato PPA per mettere in
evidenza variazioni geografiche del rischio di
sieropositivit per BHV1 in allevamenti bovini del
Piemonte e tali risultati sono stati proposti per guidare
l'adozione di misure per l'eradicazione di IBR.
L'integrazione di GIS, analisi spaziale, e modelli statistici
pu essere utilizzata per classificare il territorio in
relazione al rischio di malattie od altri eventi indesiderati
(per esempio, calamit naturali) tenendo conto dell'effetto
di pi fattori. Le carte del rischio che risultano da questi
studi sono utili per prevedere gli eventi e per l'adozione di
misure di controllo. Rizzoli et al (2002) e Guerra et al
(2002) hanno integrato modelli statistici e GIS per
produrre carte del rischio di zoonosi trasmesse da zecche.
In questo numero, l'articolo di Ciolli et al descrive la
produzione di carte del rischio di valanghe, utilizzando
software gratuiti e tecniche che possono essere applicate in
campo sanitario.

Figura 3. Carta in formato vettoriale con i confini

comunali del Piemonte utilizzata col software ArcView


GIS. Sono stati aggiunti punti corrispondenti a cani, sulla
base delle coordinate geografiche X, Y in sistema UTM,
zona 32. Per ciascun cane sono presenti attributi relativi al
risultato del test per la ricerca di anticorpi contro Rickettsia
conorii, lagente della febbre bottonosa mediterranea. In
questo esempio, le coordinate sono state modificate
casualmente e non corrispondono a reali siti di residenza di
proprietari dei cani
1.Department of Veterinary Pathobiology, College of
Veterinary Medicine, University of Illinois at Urbana
Champaign.
2.Dipartimento di Produzioni Animali, Epidemiologia,
Ecologia, Universit di Torino.
alessandro.mannelli@unito.it

Speciale GIS

Fonti dati, indicatori epidemiologici e basi


territoriali per la rappresentazione
cartografica di fenomeni sanitari: esperienze
applicative nel servizio di epidemiologia della
regione Piemonte ASL 5
A. Migliardi

Obiettivo della presentazione stato quello di


illustrare la struttura, l'articolazione e gli utilizzi del
sistema informativo geografico del Servizio di
Epidemiologia della Regione Piemonte-ASL5.
Il Servizio di Grugliasco e la Rete Epidemiologica

Regionale svolgono funzioni e mandati che ruotano


principalmente intorno allo studio dei bisogni di salute
della popolazione piemontese (Figura 1).
In estrema sintesi, i bisogni di salute sono il risultato
dell'interconnessione di una molteplicit di fattori

Figura 1. La Rete Epidemiologica della Regione Piemonte

LOSSERVATORIO

Speciale GIS

legati principalmente allo stile di vita dei soggetti e


quindi, da un lato, a caratteristiche di tipo individuale
(sesso, et, titolo di studio) e dall'altro ad aspetti
riconducibili all'ambiente di vita e di lavoro. La loro
soddisfazione e la qualit della salute sono inoltre
dipendenti dalla qualit dell'assistenza socio-sanitaria
offerta dalle strutture deputate a svolgere questa
funzione.
Se a sommi capi quella descritta costituisce
l'organizzazione e la funzione di un Servizio di
Epidemiologia, un sistema informativo di tipo
geografico rappresenta uno degli strumenti pi idonei
ed efficaci per descrivere ed interpretare lo stato di
salute di una popolazione che sul territorio regionale
estremamente variabile per composizione e per
eterogeneit dei fattori di rischio.
In ambito epidemiologico, un sistema informativo di
tipo geografico costituito da tre elementi integrati tra
loro:
le fonti di dati
gli indicatori epidemiologici
le basi territoriali
Le fonti di dati sono rappresentate da archivi
informatizzati organizzati secondo una matrice casi x

variabili di fonte certificata e accreditata e sottoposti a


procedure di controllo di qualit e validazione (Figura
2).
Gli indicatori epidemiologici rappresentano la misura
statistica, a differente livello di complessit, che
consente di descrivere, confrontare e spiegare un
determinato stato di morbosit o mortalit all'interno
della popolazione in studio. Tra i numerosi indicatori
di possibile utilizzo si scelto di mostrare misure
standardizzate indispensabili per confrontare il
fenomeno tra aree territoriali differenti, al netto delle
differenze nella composizione della struttura della
popolazione. Infine si sono evidenziate differenze non
dovute al caso attraverso la significativit statistica.
Le basi territoriali che vengono utilizzate
maggiormente sono di due tipi:
amministrativo
di 'contesto'
Con le prime, a livello regionale e con un livello di
granularit crescente, ci si riferisce a province, ASL,
distretti sanitari, ex USSL e comuni e, all'interno della
citt di Torino, a circoscrizioni, quartieri, zone
statistiche e sezioni di censimento. Con le seconde, si
utilizzano le zone altimetriche, la dimensione urbano-

Figura 2. Le fonti informative utilizzate nel Servizio di Epidemiologia della Regione Piemonte-Asl5
1.Indice sintetico che esprime la disponibilit di risorse socio-economiche e culturali calcolato a livello comunale attraverso
l'analisi fattoriale e con scelta ragionata a partire da variabili di tipo socio-economico ricavate dal censimento 1991.

LOSSERVATORIO

Speciale GIS

rurale e l'indice di deprivazione. Tali


dimensioni vengono calcolate a
partire dal comune di residenza dei
soggetti. Le basi territoriali vengono
georeferenziate attraverso coppie di
coordinate geografiche (X,Y),
calcolate con modelli tradizionali di
tipo vettoriale o pi sofisticati
strumenti tipo GIS, o attraverso
coordinate piane ottenute
con
tecniche di proiezione seguendo
prevalentemente il metodo UTM.
Gli elementi delineati costituiscono
ingredienti indispensabili per la
realizzazione di una mappa che
metta in evidenza la variabilit
territoriale della salute della
popolazione. Essa rappresenta altres
uno strumento di analisi geografica
ed assolve ad una duplice funzione di:
semplice restituzione su base
Figura 3. Mortalit a Torino per quartiere di residenza. Anni 70-80-90
territoriale di indicatori sanitari

strumento pi complesso di analisi statistica


di tipo spaziale
Nel primo caso la mappa viene utilizzata per
visualizzare differenze geografiche nella
distribuzione delle malattie
con lo scopo di
rappresentare misure standardizzate per fare emergere
differenze di salute annullando l'effetto della
composizione strutturale della popolazione.
Nel secondo, la mappa serve per individuare una
eterogeneit nel verificarsi di un evento sul territorio e
ricerca aggregazioni che non sono dovute al caso.
Questo secondo gruppo di strumenti di analisi
geografica viene utilizzato su piccole aree quando gli
eventi sono rari e quindi la misura che viene calcolata
instabile. Per ridurre la variabilit delle stime questi
metodi tengono conto della variabilit della misura

nelle aree adiacenti a quella in oggetto e della


variabilit della misura nell'area generale di
riferimento (nel nostro caso Torino o il Piemonte).
Sono tecniche quindi che lisciano/livellano le
differenze tra aree confinanti o individuano cluster
spaziali (raggruppamenti non casuali di eventi
calcolati sulla base della loro distanza nello spazio).
A titolo esemplificativo vengono di seguito presentate
alcune mappe che mettono in evidenza la geografica
della mortalit a Torino e in Piemonte, secondo
differenti limiti amministrativi e utilizzando differenti
tecniche di restituzione cartografica di indicatori
statistici ed analisi spaziali.
Nella figura 3 viene rappresentata la mortalit
generale a Torino per quartiere di residenza e la sua
evoluzione al partire dagli anni '70. Utilizzando come

Figura 4. Ricoveri ospedalieri Piemonte per differenti livelli geografici. Uomini - Anni 1996-2001

LOSSERVATORIO

10

Speciale GIS

misura un tasso standardizzato per


et, sesso ed area di nascita,
possibile notare come si modifica la
geografia della mortalit cittadina e
quali sono i quartieri con eccessi (i
pi scuri) e quelli protetti (i pi
chiari).
Nella figura 4 vengono rappresentati i
ricoveri ospedalieri di uomini in
Piemonte nel periodo 1996-2001
utilizzando aree amministrative con
un livello crescente di granularit a
partire dall'Asl di residenza. Si nota
come utilizzando via via dimensioni
pi piccole possibile circoscrivere e
focalizzare le aree con differente
rischio, mentre le tecniche di
lisciamento, trattandosi di eventi
numericamente consistenti, non
forniscono informazioni aggiuntive
rispetto alle tradizionali misure
standardizzate.
Con eventi rari come i ricoveri per
rickettsiosi e rappresentando i dati a
livello di piccole aree (comuni di
residenza), si nota come le tecniche di
lisciamento aggiungano
informazioni rispetto ai tassi
standardizzati, evidenziando le zone
con eccessi di ricovero. (Figura 5).
Nuovamente, con un altro evento raro
come la brucellosi, la tecnica che
individua cluster spaziali evidenzia
un eccesso di rischio per questa
patologia in alcuni comuni
dell'alessandrino aggiungendo
informazione rispetto alla misura
standardizzata che mostra una
distribuzione opaca e a macchia di
leopardo (Figura 6).
I sistemi informativi di tipo
geografico e la conseguente
restituzione cartografica di misure
standardizzate sono uno strumento
efficace per una visualizzazione
immediata degli eventi sanitari e per
mettere in evidenza le differenze di
salute che si manifestano sul
territorio e i relativi eccessi di rischio.
Metodi pi sofisticati permettono di
spingersi in avanti aiutando a
confermare ipotesi sulla differente
distribuzione degli eventi e
suggerendo possibili piani di
prevenzione ed intervento: essi vanno
per utilizzati con cautela e con

LOSSERVATORIO

Figura 5. Ricoveri ospedalieri per rickettsiosi a livello comunale.


Anni 1995-2001

Figura 6. Ricoveri ospedalieri per brucellosi a livello comunale.


Anni 1995-2001

l'avvertenza di possedere ipotesi a priori forti sulle cause di generazione


degli eventi, una approfondita conoscenza del territorio e della realt
locale e una consistenza numerica sufficiente degli eventi in studio.
1. Servizio Sovrazonale di Epidemiologia, ASL 5, Via Sabaudia, 164
10095 Grugliasco (To) alessandro.migliardi@dors.it

11

Speciale GIS

Metodi bayesiani nellanalisi spaziale dei dati


geografici
1

M.M. Maule D. Mirabelli

La rappresentazione di indicatori di rischio attraverso


mappe geografiche uno degli strumenti classici
dell'indagine epidemiologica e ha l'obiettivo di
individuare eventuali disomogeneit nella struttura
della distribuzione spaziale della frequenza di
malattie. La rappresentazione cartografica
rappresenta una fonte di suggerimenti per identificare i
modelli di distribuzione di malattia, formulare ipotesi
eziologiche e pianificare studi analitici per la loro
successiva verifica. Tuttavia, malgrado la moderna
tecnologia abbia ampiamente facilitato la produzione
di mappe, i problemi statistici relativi alla stima delle
quantit che in queste si vogliono rappresentare sono
tuttora aperti. In particolare, numerosi autori (e.g.
Clayton D, Kaldor J, 1987) hanno criticato l'approccio
basato sulle mappe degli SMR (standardised mortality
ratio), fortemente affette dal 'rumore' dovuto alla
variabilit delle stime. Questo problema diventa
particolarmente preoccupante quando gli eventi
osservati sono rari o le popolazioni nelle quale tali
eventi si contano sono piccole (e.g. Bernardinelli L et
al., 1994). In tali mappe la variabilit dovuta ad errori
di campionamento si mescola alla variabilit
geografica, con la conseguenza che i valori estremi,
potenzialmente pi interessanti, appaiono nelle aree
caratterizzate da popolazioni e numero di eventi
piccoli, e sono dovuti all'instabilit dei valori osservati
piuttosto che a una reale misura del rischio in quelle
regioni. Pertanto, al fine di ottenere una
rappresentazione della reale variazione geografica di
una variabile di interesse, importante ridurre la
variazione casuale dei dati osservati. Uno dei metodi
pi soddisfacenti fra quelli attualmente proposti
quello di utilizzare stime bayesiane degli indicatori
che si vogliono rappresentare.
Standardizzazione indiretta
Le misure di occorrenza di malattia possono essere

LOSSERVATORIO

calcolate per l'intera popolazione in studio (misure


grezze) oppure separatamente per determinati
sottogruppi di popolazione, come misure stratospecifiche. In generale, quando si vogliono
confrontare indicatori di malattia in popolazioni
diverse, necessario tenere conto delle differenze
nella distribuzione di et, sesso e di altri possibili
fattori confondenti. Esistono diverse tecniche
statistiche che permettono di controllare per l'effetto
delle variabili di confondimento; in particolare uno dei
metodi pi utilizzati quello della standardizzazione
(diretta o indiretta). La standardizzazione indiretta
presuppone che si utilizzino i tassi strato-specifici di
una delle popolazioni in studio come tassi di
riferimento. Il numero di casi attesi nella popolazione
a confronto si calcola dunque moltiplicando gli annipersona strato-specifici di questa per i tassi stratospecifici della popolazione di riferimento. La somma
su tutti gli strati d il numero di casi attesi nella
popolazione che si vuole confrontare con quella di
riferimento se la prima avesse gli stessi tassi di
incidenza strato-specifici della seconda. Il totale di
casi attesi per la popolazione di riferimento risulta
ovviamente uguale al numero di casi osservati. Per
ciascuna popolazione in studio si pu dunque
calcolare il rapporto fra il totale di casi osservati e il
totale di casi attesi: tale rapporto si chiama
rapporto standardizzato di incidenza (SIR:
standardised incidence ratio), o di mortalit (se un
caso definito come un decesso) (SMR:
standardised mortality ratio).
Nel seguito si far riferimento agli SMR per
determinate cause di morte in Piemonte nel periodo
1980-97. Gli SMR sono stati calcolati utilizzando i
dati della Banca Dati di Mortalit del Piemonte
(Dalmasso M et al., 2001). In particolare gli SMR per
causa sono stati calcolati considerando come
popolazione di riferimento la popolazione residente in
Piemonte dal 1980 al 1997.

12

Speciale GIS

Mappe di distribuzione di malattia: approccio


bayesiano
La rappresentazione in mappe geografiche degli SMR
fa sorgere due problemi. Innanzittutto, per malattie
rare e aree geografiche piccole, la variabilit nel
numero di casi osservati pi grande di quella che ci si
aspetterebbe da una distribuzione di Poisson: questo
eccesso di variabilit detto sovradispersione. Per
superare questo problema, l'approccio bayesiano
prevede che oltre agli eventi osservati in ciascuna area,
si tenga conto anche di informazioni relative alla
distribuzione degli indicatori di malattia
nell'intera regione. In particolare, i rischi da stimare
si suppongono generati da una distribuzione di
probabilit, detta distribuzione a priori, la quale
esprime generalmente conoscenza e opinioni
soggettive. Il secondo problema che l'approccio
convenzionale basato sulla distribuzione di Poisson
non prevede che nella distribuzione del rischio vi sia
alcuna sottostante struttura spaziale, quale potrebbe
essere la somiglianza di aree geograficamente vicine.
Questo tipo di informazione pu invece essere
incorporato nella distribuzione a priori dell'approccio
bayesiano (vedi Appendice).
Per ottenere lo smussamento delle stime dei rischi, si
introduce attraverso la distribuzione a priori una
tendenza dei rischi relativi specifici per area a non
differire troppo gli uni dagli altri. Questa idea
corrisponde, nella visione bayesiana, all'idea che i
rischi relativi siano variabili casuali generate da una
distribuzione a priori comune. Il modello a priori pi
semplice consente ai rischi di differire gli uni dagli
altri in modo completamente non strutturato,
assumendo che essi siano fra loro indipendenti sotto la
distribuzione a priori. Un modello a priori
alternativo prende in considerazione la posizione
geografica specifica di ogni area nella mappa, e
considera i rischi relativi di aree adiacenti pi
simili tra loro che non ai rischi relativi
corrispondenti ad aree non adiacenti. Tale modello
particolarmente adatto in presenza di ipotesi a priori,
riguardanti l'esistenza di aggregazioni spaziali formati
da aree ad alto o a basso rischio (Clayton D,
Bernardinelli L 1992). L'effetto della distribuzione a
priori dei rischi produrre per ogni area una stima del
rischio che rappresenti un compromesso corretto fra
l'SMR specifico per area ed un valore di riferimento.
Nel primo modello descritto il valore di riferimento
dato dalla media globale di tutti i rischi relativi nella
mappa. Nel secondo modello il valore di riferimento
per ogni singola area dato dalla media dei rischi delle
aree adiacenti. Le stime dei rischi relativi vengono

LOSSERVATORIO

'spostate' verso il valore di riferimento in misura tanto


maggiore quanto pi sono instabili. Si evita perci
che aree caratterizzate da un basso numero di
eventi, che tendono a produrre valori estremi ma
inaffidabili, presentino stime del rischio estreme.
Le mappe stimate risultano dunque smussate e
meglio interpretabili da un punto di vista
epidemiologico.
Nella mappatura del rischio per piccole aree quali sono
i comuni di una regione italiana, le conoscenze a priori
dovrebbero tenere conto della sottostante struttura
spaziale locale nella variabilit del rischio, e in
particolare includere l'informazione che aree
geograficamente vicine tendono ad avere rischi
relativi simili. Infatti l'aggregazione a livello
comunale dei dati di mortalit introduce un
elemento artificiale, dovuto al fatto che i confini
amministrativi che separano comuni adiacenti
sono arbitrari e difficilmente corrispondono a reali
differenze nelle caratteristiche demografiche e
sociali e nella distribuzione di possibili fattori di
rischio. In pratica, spesso non chiaro se sia
opportuno scegliere una distribuzione a priori non
spazialmente strutturata oppure una che includa una
struttura spaziale definita. Una distribuzione
intermedia che sia in grado di rappresentare sia rischi
che mostrano una sostanziale struttura spaziale sia
rischi non strutturati nello spazio stata proposta da
Besag, York e Molli (Besag et al., 1991), ed nel
seguito utilizzata per un esempio di analisi di dati di
mortalit nei comuni piemontesi.
Un'applicazione ai dati di mortalit in Piemonte:
tumore del polmone.
In Figura 1 sono riportate le mappe con gli SMR e le
stime bayesiane complete degli SMR per i tumori di
trachea bronchi e polmoni (ICD IX 162-162.9) nel
periodo 1980-97 per maschi e femmine
separatamente. La mortalit per tumore del polmone
maschile presenta un netto gradiente decrescente da
est ad ovest. Questo pu essere interpretato in parte
come il riflesso su scala regionale del pi ampio
gradiente di mortalit che percorre nella stessa
direzione il nord Italia, in parte come la
sovrapposizione ad esso di una ulteriore componente
avente la stessa direzione ma origine intraregionale: in
entrambe le componenti potrebbe avere un ruolo di
rilievo l'effetto delle emigrazioni di massa dall'Italia
del sud ed isole, che dalla fine degli anni '50 avevano
portato in Piemonte, e specialmente nel torinese,
persone particolarmente sane e dalle abitudini
alimentari e di vita protettive. Nel contesto del
gradiente est - ovest presente, bench meno evidente,
un gradiente urbano - rurale, apprezzabile ad esempio

13

Speciale GIS

nel contrasto tra l'area urbana di Torino ed il resto della


provincia, tra Asti ed il resto del Monferrato, tra
Alessandria ed il resto della sua provincia. La
mortalit per tumore del polmone femminile invece
dominata dalla presenza di gradienti urbano rurali,
particolarmente evidenti per le citt di Torino, Novara
ed Alessandria, che riflettono l'andamento geografico
dell'abitudine al fumo, pi diffuso fra le donne
residenti in citt.
Conclusioni
Le mappe che illustrano direttamente gli SMR
forniscono un'immagine fuorviante della
distribuzione geografica del rischio (cf. Figura 1, a ,
b), mostrando valori estremi nelle aree con
popolazione poco numerosa, per le quali l'SMR risulta
essere una stima poco affidabile del rischio.
Fra i numerosi metodi statistici disponibili per
rimediare, almeno in parte, all'imprecisione delle
stime degli indicatori di malattia a livello di piccole
aree geografiche, abbiamo illustrato un esempio di
applicazione di un modello bayesiano gerarchico per
l'analisi della variazione spaziale del rischio di
mortalit per tumore del polmone. Questo permette di
attenuare il 'rumore' dovuto alla variabilit delle stime
tenendo conto della struttura spaziale della regione in
studio e di ottenere mappe che forniscono
un'immagine pi chiara e meglio interpretabile della
vera variazione geografica dei rischi relativi.
Appendice
Da un punto di vista teorico, il calcolo degli SMR
basato sull'inferenza di Poisson. Per tenere conto di
fonti di variabilit sconosciute nel calcolo dell'SMR
(rapporto fra numero di casi osservati e numero di casi
attesi), si deve specificare un modello di probabilit
per la variabilit casuale nel numero dei casi osservati
O. Per malattie non infettive, il modello probabilistico
per il numero dei casi dato dalla distribuzione di
Poisson: O ~ Poisson(Yq), dove Y rappresenta gli annipersona a rischio, e q il tasso annuale medio che
osserveremmo se potessimo ripetere lo studio un
numero infinito di volte nelle stesse identiche
condizioni con lo stesso numero di anni-persona di
osservazione. Il modello di Poisson ci dice che la
probabilit di osservare un numero di casi O data da:

P(O | q ) =

LOSSERVATORIO

.
Si pu dimostrare che l'SMR lo stimatore di massima
verosimiglianza di q, e che q Y il valore medio di O
che si osserverebbe in un numero infinito di studi in
cui Y unit di anni-persona sono osservati (Rothman
KJ, Greenland S, 1998).
Supponiamo di voler rappresentare con una mappa la
distribuzione geografica della mortalit per una data
malattia in una regione suddivisa in n aree.
Innanzitutto assumiamo che ciascuna area sia
caratterizzata da un rischio sconosciuto e non
osservabile qi. La distribuzione degli n rischi qi nelle
aree di tutta la regione rappresenta la variazione
spaziale del rischio che vogliamo rappresentare e che
tuttavia non conosciamo. Disponiamo per del
conteggio dei casi osservati in ciascuna area, gi. La
distribuzione dei tassi veri qi la distribuzione a priori
p(q |h) e la distribuzione dei casi osservati gi dati i
rischi (ignoti) qi la verosimiglianza f(g|q). Le stime
bayesiane dei rischi si ottengono dalla distribuzione a
posteriori p(q|g) ottenuta applicando il teorema di
Bayes. In formule,

p (q | y ) =

f ( y | q )p (q | h )

f ( y | u )p (q | u )d u

1. Unit di Epidemiologia dei Tumori, Universit di


Torino e Centro per la Prevenzione Oncologica in
Piemonte
(CPO Piemonte) milena.maule@cpo.it
La bibliografia disponibile presso gli autori
.

exp(-Yq )(Yq ) O
O!

14

Speciale GIS

SMR - Tumore polmone maschi (a)

SMR Tumore polmone femmine (b)

Stime bayesiane SMR - Tumore polmone maschi (c)

Stime bayesiane SMR - Tumore polmone femmine


(d)

Figura 1. Mappe del rischio di mortalit per tumore del polmone in Piemonte, 1980-97. Sono rappresentati
gli SMR (a, b) e le stime bayesiane complete degli SMR (c, d) per maschi (a, c) e femmine (b, d).

LOSSERVATORIO

4 15

Speciale GIS

14