Giorgia Stoppa, Unità di Biostatistica, Epidemiologia e Sanità Pubblica, Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica, Università degli Studi di Padova, Padova, Italia
giorgia.stoppa@ubep.unipd.it
Annibale Biggeri, Unità di Biostatistica, Epidemiologia e Sanità Pubblica, Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica, Università degli Studi di Padova, Padova, Italia; Claudio Gariazzo, Dipartimento di medicina, epidemiologia, igiene del lavoro e ambientale, Istituto Nazionale Assicurazione Infortuni sul Lavoro (INAIL), Roma; Stefania Massari, Dipartimento di medicina, epidemiologia, igiene del lavoro e ambientale, Istituto Nazionale Assicurazione Infortuni sul Lavoro (INAIL), Roma; Dolores Catelan, Unità di Biostatistica, Epidemiologia e Sanità Pubblica, Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica, Università degli Studi di Padova, Padova, Italia.
- Categoria Primaria: Epidemiologia occupazionale
- Categoria Secondaria: Metodi epidemiologici e biostatistici
Introduzione: Il progetto BEST (“Big data e deep learning nella sorveglianza dei tumori professionali”) sfrutta archivi digitalizzati di grande scala per analizzare e monitorare i rischi occupazionali. Le ampie serie di stime di rischio impongono una sintesi rigorosa delle evidenze e una valutazione accurata dell’incertezza, affrontando le sfide poste dall’inferenza multipla e selettiva. Obiettivi: L’obiettivo è migliorare l’interpretazione dei rischi occupazionali implementando approcci statistici innovativi per identificare le priorità sanitarie relative ai comparti lavorativi e alle malattie, gestendo adeguatamente la molteplicità dei test statistici e il loro impatto sull’inferenza. Metodi: I dati derivano dall’incrocio tra il registro ISTAT delle cause di morte (2005-2018) e l’archivio contributivo INPS (1974-2018). Per ogni individuo, considerando una latenza minima di cinque anni, è stato identificato il comparto lavorativo prevalente. Sono stati calcolati i Cancer Mortality Odds Ratio (CMORs) per tumore e comparto, utilizzando il settore dei servizi come riferimento e stratificando per sesso e categoria occupazionale. Le stime, corrette per età, residenza, anno di decesso e istruzione, sono state sintetizzate con: QQ-plot con guide rails che permettono di esplorare le deviazioni rispetto ai valori attesi sotto l’ipotesi nulla, evidenziando comparti o malattie con rischi significativamente devianti rispetto all’insieme dei comparti o malattie esaminate, il controllo del Positive False Discovery Rate tramite il q-value per garantire una appropriata selezione delle osservazioni ritenute rilevanti e un approccio bayesiano gerarchico multivariato che ha permesso di creare graduatorie basate sui ranghi e relativa incertezza. Le analisi sono state condotte nell’ambito del progetto BEST, finanziato da INAIL (contratto ID 56/2022). Risultati: Per i lavoratori maschi e blue collar, sono stati calcolati i CMORs per 43 settori e 10 malattie neoplastiche. Il risultato è una matrice di CMORs e relativi errori standard su cui sono state calcolate le misure di sintesi descritte nei metodi. Il QQ-Plot con guide rails, per il tumore al polmone, ha mostrato deviazioni significative nei settori trasporti ed edilizia (eccesso) e agricoltura (difetto), rivelando una marcata eterogeneità; altre differenze sono evidenziate valutando i q-value. I ranghi e gli intervalli di credibilità al 80% per il settore edilizia, evidenziano una chiara delimitazione delle posizioni estreme: il tumore del polmone occupa il primo rango nella graduatoria. Conclusioni: I risultati evidenziano l’importanza di una sintesi dell’informazione che tenga conto della molteplicità dei test e della selezione delle osservazioni rilevanti. L’uso di strumenti grafici e metodi bayesiani gerarchici per le graduatorie migliora la comunicazione dei risultati, facilitando la formulazione di politiche di intervento basate su un’analisi approfondita dei rischi occupazionali.