Section 6: Descriptive Epidemiology

Come osservato in precedenza, ogni novizio giornalista viene insegnato che una storia è incompleta se non descrivere la cosa, chi, dove, quando e come e perché di una situazione, sia essa di un lancio dello space shuttle o un incendio. Gli epidemiologi si sforzano di ottenere una simile completezza nella caratterizzazione di un evento epidemiologico, che si tratti di una pandemia di influenza o di un aumento locale degli incidenti di veicoli fuoristrada. Tuttavia, gli epidemiologi tendono ad usare sinonimi per le cinque W sopra elencate: definizione del caso, persona, luogo, tempo e cause/fattori di rischio/modalità di trasmissione. L’epidemiologia descrittiva copre il tempo, il luogo e la persona.

La compilazione e l’analisi dei dati per ora, luogo e persona è auspicabile per diversi motivi.

• In primo luogo, osservando attentamente i dati, l’epidemiologo diventa molto familiare con i dati. Lui o lei può vedere ciò che i dati possono o non possono rivelare in base alle variabili disponibili, i suoi limiti (ad esempio, il numero di record con informazioni mancanti per ogni variabile importante), e le sue eccentricità (ad esempio, tutti i casi variano in età da 2 mesi a 6 anni, più un 17-year-old.).
• In secondo luogo, l’epidemiologo apprende l’estensione e il modello del problema di salute pubblica oggetto di indagine — quali mesi, quali quartieri e quali gruppi di persone hanno il maggior numero e il minor numero di casi.
• In terzo luogo, l’epidemiologo crea una descrizione dettagliata della salute di una popolazione che può essere facilmente comunicata con tabelle, grafici e mappe.
• In quarto luogo, l’epidemiologo può identificare aree o gruppi all’interno della popolazione che hanno alti tassi di malattia. Queste informazioni a loro volta forniscono importanti indizi sulle cause della malattia e questi indizi possono essere trasformati in ipotesi verificabili.

Tempo

L’insorgenza della malattia cambia nel tempo. Alcuni di questi cambiamenti si verificano regolarmente, mentre altri sono imprevedibili. Due malattie che si verificano durante la stessa stagione ogni anno includono l’influenza (inverno) e l’infezione da virus del Nilo occidentale (agosto–settembre). Al contrario, malattie come l’epatite B e la salmonellosi possono verificarsi in qualsiasi momento. Per le malattie che si verificano stagionalmente, i funzionari sanitari possono anticipare il loro verificarsi e attuare misure di controllo e prevenzione, come una campagna di vaccinazione antinfluenzale o una spruzzatura di zanzare. Per le malattie che si verificano sporadicamente, i ricercatori possono condurre studi per identificare le cause e le modalità di diffusione e quindi sviluppare azioni opportunamente mirate per controllare o prevenire l’ulteriore insorgenza della malattia.

In entrambe le situazioni, la visualizzazione dei modelli di insorgenza della malattia per tempo è fondamentale per monitorare l’insorgenza della malattia nella comunità e per valutare se gli interventi di sanità pubblica hanno fatto la differenza.

I dati temporali vengono solitamente visualizzati con un grafico bidimensionale. L’asse verticale o y di solito mostra il numero o il tasso di casi; l’asse orizzontale o x mostra i periodi di tempo come anni, mesi o giorni. Il numero o il tasso di casi è tracciato nel tempo. I grafici dell’insorgenza della malattia nel tempo sono solitamente tracciati come grafici a linee (Figura 1.4) o istogrammi (Figura 1.5).

A volte un grafico mostra la tempistica degli eventi correlati alle tendenze della malattia visualizzate. Ad esempio, il grafico può indicare il periodo di esposizione o la data di attuazione delle misure di controllo. Studiare un grafico che rileva il periodo di esposizione può portare a intuizioni su ciò che può aver causato la malattia. Lo studio di un grafico che rileva i tempi delle misure di controllo mostra quale impatto, se presente, le misure possono aver avuto sull’insorgenza della malattia.

Come notato sopra, il tempo viene tracciato lungo l’asse X. A seconda della malattia, la scala temporale può essere ampia come anni o decenni, o breve come giorni o addirittura ore del giorno. Per alcune condizioni — molte malattie croniche, ad esempio — gli epidemiologi tendono ad essere interessati a tendenze o modelli a lungo termine nel numero di casi o nel tasso. Per altre condizioni, come i focolai di origine alimentare, è probabile che la scala temporale pertinente sia di giorni o ore. Alcuni dei tipi comuni di grafici relativi al tempo sono ulteriormente descritti di seguito. Questi e altri grafici sono descritti più dettagliatamente nella Lezione 4.

Tendenze secolari (a lungo termine). La rappresentazione grafica dei casi annuali o del tasso di una malattia in un periodo di anni mostra tendenze a lungo termine o secolari nell’insorgenza della malattia (Figura 1.4). I funzionari sanitari utilizzano questi grafici per valutare la direzione prevalente dell’insorgenza della malattia (aumentando, diminuendo o essenzialmente piatto), aiutarli a valutare i programmi o prendere decisioni politiche, dedurre ciò che ha causato un aumento o una diminuzione dell’insorgenza di una malattia (in particolare se il grafico indica quando si sono verificati eventi correlati) e utilizzare le tendenze passate come predittore

Stagionalità. L’insorgenza della malattia può essere rappresentata graficamente per settimana o mese nel corso di un anno o più per mostrare il suo schema stagionale, se presente. Alcune malattie come l’influenza e l’infezione del Nilo occidentale sono note per avere distribuzioni stagionali caratteristiche. I modelli stagionali possono suggerire ipotesi su come viene trasmessa l’infezione, quali fattori comportamentali aumentano il rischio e altri possibili contributori alla malattia o alla condizione. La figura 1.6 mostra i modelli stagionali di rosolia, influenza e rotavirus. Tutte e tre le malattie mostrano distribuzioni stagionali coerenti, ma ogni malattia raggiunge i picchi in diversi mesi: rosolia da marzo a giugno, influenza da novembre a marzo e rotavirus da febbraio ad aprile. Il grafico della rosolia colpisce per l’epidemia che si è verificata nel 1963 (il vaccino contro la rosolia non era disponibile fino al 1969), ma questa epidemia ha comunque seguito il modello stagionale.

Giorno della settimana e ora del giorno. Per alcune condizioni, la visualizzazione dei dati per giorno della settimana o ora del giorno può essere informativa. L’analisi in questi periodi di tempo più brevi è particolarmente appropriata per le condizioni relative alle esposizioni professionali o ambientali che tendono a verificarsi a intervalli regolari. Nella figura 1.7, le vittime dei trattori agricoli sono visualizzate per giorni della settimana.(32) Si noti che il numero di vittime di trattori agricoli la domenica era circa la metà del numero degli altri giorni. Il modello di lesioni del trattore agricolo per ora, come mostrato nella Figura 1.8 ha raggiunto il picco alle 11: 00, immerso a mezzogiorno e ha raggiunto il picco alle 4:00 p.m. Questi modelli possono suggerire ipotesi e possibili spiegazioni che potrebbero essere valutate con ulteriori studi. La figura 1.9 mostra il numero orario di sopravvissuti e soccorritori che si presentano agli ospedali locali di New York dopo l’attacco al World Trade Center l ‘ 11 settembre 2001.

Periodo epidemico. Per mostrare il decorso temporale di un’epidemia o di un’epidemia, gli epidemiologi utilizzano un grafico chiamato curva epidemica. Come per gli altri grafici presentati finora, l’asse Y di una curva epidemica mostra il numero di casi, mentre l’asse x mostra il tempo come data di insorgenza dei sintomi o data di diagnosi. A seconda del periodo di incubazione (il periodo di tempo tra l’esposizione e l’insorgenza dei sintomi) e delle vie di trasmissione, la scala sull’asse x può essere ampia come settimane (per un’epidemia molto prolungata) o stretta come minuti (ad esempio, per intossicazione alimentare da sostanze chimiche che causano i sintomi in pochi minuti). Convenzionalmente, i dati vengono visualizzati come un istogramma (che è simile a un grafico a barre, ma non ha spazi tra le colonne adiacenti). A volte ogni caso viene visualizzato come un quadrato, come in Figura 1.10. La forma e altre caratteristiche di una curva epidemica possono suggerire ipotesi sul tempo e la fonte di esposizione, la modalità di trasmissione e l’agente causale. Le curve epidemiche sono discusse più dettagliatamente nelle lezioni 4 e 6.

Luogo

Descrivere l’insorgenza della malattia per luogo fornisce informazioni sull’estensione geografica del problema e sulla sua variazione geografica. La caratterizzazione per luogo si riferisce non solo al luogo di residenza, ma a qualsiasi posizione geografica rilevante per l’insorgenza della malattia. Tali posizioni includono luogo di diagnosi o relazione, luogo di nascita, luogo di lavoro, distretto scolastico, unità ospedaliera o destinazioni di viaggio recenti. L’unità può essere grande come un continente o un paese o piccolo come un indirizzo, un’ala ospedaliera o una sala operatoria. A volte luogo non si riferisce a una posizione specifica a tutti, ma a una categoria di luogo come urbano o rurale, nazionale o straniero, e istituzionale o non istituzionale.

Considera i dati nelle tabelle 1.3 e 1.4. La tabella 1.3 visualizza i dati sulla SARS per fonte del rapporto e riflette dove è probabile che una persona con possibile SARS venga messa in quarantena e trattata.(33) Al contrario, la tabella 1.4 mostra gli stessi dati in base al luogo in cui i possibili pazienti affetti da SARS hanno viaggiato e riflette il luogo in cui si è verificata la trasmissione.

Sebbene i dati del luogo possano essere visualizzati in una tabella come la Tabella 1.3 o la Tabella 1.4, una mappa fornisce una visualizzazione più sorprendente dei dati del luogo. Su una mappa, diversi numeri o tassi di malattia possono essere raffigurati utilizzando diverse sfumature, colori o modelli di linea, come in Figura 1.11.

Un altro tipo di mappa per i dati del luogo è una mappa spot, come la Figura 1.12. Le mappe spot sono generalmente utilizzate per cluster o focolai con un numero limitato di casi. Un punto o X è posto sulla posizione che è più rilevante per la malattia di interesse, di solito dove ogni vittima viveva o lavorava, proprio come John Snow ha fatto nella sua mappa spot della zona Golden Square di Londra (Figura 1.1). Se noti, i siti rilevanti, come le probabili posizioni di esposizione (pompe dell’acqua nella Figura 1.1), sono solitamente indicati sulla mappa.

L’analisi dei dati per luogo può identificare le comunità a maggior rischio di malattia. Anche se i dati non possono rivelare perché queste persone hanno un rischio aumentato, può aiutare a generare ipotesi da testare con ulteriori studi. Ad esempio, una comunità è a maggior rischio a causa delle caratteristiche delle persone nella comunità come la suscettibilità genetica, la mancanza di immunità, i comportamenti a rischio o l’esposizione a tossine locali o alimenti contaminati? L’aumento del rischio, in particolare di una malattia trasmissibile, può essere attribuito a caratteristiche dell’agente causale come un ceppo particolarmente virulento, siti di riproduzione ospitali o disponibilità del vettore che trasmette l’organismo all’uomo? O può l’aumento del rischio essere attribuito all’ambiente che porta l’agente e l’ospite insieme, come l’affollamento nelle aree urbane che aumenta il rischio di trasmissione della malattia da persona a persona, o più case in costruzione in aree boschive vicino a cervi che trasportano zecche infette con l’organismo che causa la malattia di Lyme? (More techniques for graphic presentation are discussed in Lesson 4.)

Person

a Causa delle caratteristiche personali possono influenzare la malattia, l’organizzazione e l’analisi dei dati da parte di “persona” possono utilizzare caratteristiche intrinseche delle persone (per esempio, età, sesso, razza), biologica caratteristiche (stato immunitario), ha acquisito caratteristiche (stato civile), attività (occupazione, attività per il tempo libero, l’uso di farmaci, tabacco/farmaci), o le condizioni in cui vivono (status socio-economico, l’accesso alle cure mediche). Età e sesso sono inclusi in quasi tutti i set di dati e sono le due caratteristiche “persona” più comunemente analizzate. Tuttavia, a seconda della malattia e dei dati disponibili, di solito sono necessarie analisi di altre variabili personali. Di solito gli epidemiologi iniziano l’analisi dei dati personali osservando ciascuna variabile separatamente. A volte, due variabili come l’età e il sesso possono essere esaminati contemporaneamente. I dati personali vengono solitamente visualizzati in tabelle o grafici.

Età. L’età è probabilmente l’attributo “persona” più importante, perché quasi ogni evento relativo alla salute varia con l’età. Un certo numero di fattori che variano anche con l’età includono: suscettibilità, opportunità di esposizione, latenza o periodo di incubazione della malattia e risposta fisiologica (che influenza, tra le altre cose, lo sviluppo della malattia).

Quando si analizzano i dati per età, gli epidemiologi cercano di utilizzare gruppi di età abbastanza stretti da rilevare eventuali modelli legati all’età che potrebbero essere presenti nei dati. Per alcune malattie, in particolare le malattie croniche, i gruppi di età di 10 anni possono essere adeguati. Per altre malattie, i gruppi di età di 10 anni e persino di 5 anni nascondono importanti variazioni nell’insorgenza della malattia per età. Considerare il grafico dell’insorgenza della pertosse per gruppi di età standard di 5 anni mostrati nella Figura 1.13 a. Il tasso più alto è chiaramente tra i bambini di 4 anni e più giovani. Ma il tasso è ugualmente alto in tutti i bambini all’interno di quella fascia di età, o alcuni bambini hanno tassi più alti di altri?

Per rispondere a questa domanda, sono necessari diversi gruppi di età. Esaminare la figura 1.13 b, che mostra gli stessi dati ma visualizza separatamente il tasso di pertosse per i bambini al di sotto di 1 anno di età. Chiaramente, i bambini rappresentano la maggior parte del tasso elevato tra 0-4 anni di età. Gli sforzi di sanità pubblica dovrebbero quindi concentrarsi sui bambini di età inferiore a 1 anno, piuttosto che sull’intera fascia di età di 5 anni.

Sesso. I maschi hanno tassi più elevati di malattia e morte rispetto alle femmine per molte malattie. Per alcune malattie, questa differenza legata al sesso è dovuta a differenze genetiche, ormonali, anatomiche o altre differenze intrinseche tra i sessi. Queste differenze intrinseche influenzano la suscettibilità o le risposte fisiologiche. Ad esempio, le donne in premenopausa hanno un rischio inferiore di malattie cardiache rispetto agli uomini della stessa età. Questa differenza è stata attribuita a livelli di estrogeni più elevati nelle donne. D’altra parte, le differenze legate al sesso nell’insorgenza di molte malattie riflettono differenze di opportunità o livelli di esposizione. Ad esempio, la figura 1.14 mostra le differenze nei tassi di cancro ai polmoni nel tempo tra uomini e donne.(34) La differenza rilevata negli anni precedenti è stata attribuita alla maggiore prevalenza del fumo tra gli uomini in passato. Sfortunatamente, la prevalenza del fumo tra le donne ora è uguale a quella tra gli uomini, e i tassi di cancro ai polmoni nelle donne sono saliti di conseguenza.(35)

Gruppi etnici e razziali. A volte gli epidemiologi sono interessati ad analizzare i dati personali da parte di gruppi biologici, culturali o sociali come razza, nazionalità, religione o gruppi sociali come tribù e altri gruppi geograficamente o socialmente isolati. Le differenze nelle variabili razziali, etniche o di altro gruppo possono riflettere differenze di suscettibilità o esposizione o differenze in altri fattori che influenzano il rischio di malattia, come lo stato socioeconomico e l’accesso all’assistenza sanitaria. Nella figura 1.15, i tassi di mortalità infantile per il 2002 sono mostrati dalla razza e dall’origine ispanica della madre.

Stato socioeconomico. Lo status socioeconomico è difficile da quantificare. Si compone di molte variabili come occupazione, reddito familiare, rendimento scolastico o censimento pista, condizioni di vita, e posizione sociale. Le variabili più facili da misurare potrebbero non riflettere accuratamente il concetto generale. Tuttavia, gli epidemiologi usano comunemente l’occupazione, il reddito familiare e il rendimento scolastico, pur riconoscendo che queste variabili non misurano precisamente lo stato socioeconomico.

La frequenza di molte condizioni di salute avverse aumenta con la diminuzione dello stato socioeconomico. Ad esempio, la tubercolosi è più comune tra le persone negli strati socioeconomici inferiori. La mortalità infantile e il tempo perso dal lavoro a causa della disabilità sono entrambi associati a un reddito inferiore. Questi modelli possono riflettere esposizioni più dannose, minore resistenza e minore accesso all’assistenza sanitaria. Oppure possono in parte riflettere una relazione interdipendente che è impossibile da districare: il basso status socioeconomico contribuisce alla disabilità, o la disabilità contribuisce a ridurre lo status socioeconomico, o entrambi? Che cosa spiega la prevalenza sproporzionata del diabete e dell’asma nelle aree socioeconomiche più basse? (36, 37)

Alcune condizioni di salute avverse si verificano più frequentemente tra le persone di più alto status socioeconomico. La gotta era conosciuta come la “malattia dei re” a causa della sua associazione con il consumo di cibi ricchi. Altre condizioni associate a uno stato socioeconomico più elevato includono il cancro al seno, la sindrome di Kawasaki, la sindrome da stanchezza cronica e il gomito del tennista. Le differenze di esposizione rappresentano almeno alcune, se non la maggior parte, delle differenze nella frequenza di queste condizioni.

References (This Section)

1. Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Incidenti mortali associati a lesioni del trattore agricolo: uno studio epidemiologico. Salute pubblica Rep 1985; 100: 329-33.
2. Heyman DL, Rodier G. Sorveglianza globale, sorveglianza nazionale e SARS. Emerg Infect Dis. 2003;10:173–5.
3. American Cancer Society . Atlanta: L’American Cancer Society, Inc. Disponibile da:http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external icona.
4. Centri per il controllo e la prevenzione delle malattie. Tendenze attuali. Cancro del polmone e le tendenze del cancro al seno tra le donne-Texas. MMWR 1984; 33 (MM19): 266.
5. Liao Y, Tucker P, Okoro CA, Giles WH, Mokdad AH, Harris VB, et. al. REACH 2010 surveillance for health status in minority communities-Stati Uniti, 2001-2002. MMWR 2004; 53: 1-36.