Rischio cardiovascolare ed inquinamento ... - ars.toscana.it · ... Alessandro Barchielli,1 ......

Agenzia Regionale di Sanità della Toscana – ARS Toscana

Agenzia Regionale per la Protezione Ambientale della Toscana – ARPAT Toscana

Report Finale 15 Dicembre 2009

Progetto EPIAIR Inquinamento Atmosferico e Salute: Sorveglianza Epidemiologica ed Interventi di Prevenzione

Ministero della Salute - CCM Centro Nazionale per la Prevenzione e il Controllo delle Malattie

1

EPIAIR

Inquinamento Atmosferico e Salute

Sorveglianza Epidemiologica ed Interventi di Prevenzione

Rischio cardiovascolare ed inquinamento

atmosferico in Toscana: lo studio RisCAT

(2002-2005)

Daniela Nuvolone

1, Alessandro Barchielli,

1,2,, Daniela Balzi

1,2, Marco

Chini3, Danila Scala

3 e gruppo di lavoro ARPAT “Qualità aria urbana

e salute”4

1. Osservatorio di Epidemiologia, Agenzia Regionale di Sanità della Toscana – ARS Toscana

Viale Milton 7 50100 Firenze tel. +39 055 6577618 fax +39 055 6577673

email: [email protected]

2. Unità di Epidemiologia, Azienda Sanitaria Locale ASL 10 Firenze – Consulente ARS Toscana

3. Agenzia Regionale per la Protezione Ambientale della Toscana, Direzione generale, Epidemiologia

ambientale

4. Gruppo di lavoro ARPAT “Qualità aria urbana e salute”: M. Chini, D. Scala, T. Cecconi, M. Stefanelli,

G. Tanganelli, A. Lupi, F. Giovannini e M. Bazzani






2

Sintesi

Nel presente report sono presentati i risultati dello studio RisCAT (Rischio Cardiovascolare e

Inquinamento Atmosferico in Toscana), svolto nell’ambito del Progetto “Epiair - Inquinamento

atmosferico e salute: Sorveglianza Epidemiologica e Interventi di prevenzione”, finanziato dal

Ministero della Salute - Centro Nazionale per la Prevenzione ed il Controllo delle Malattie.

Lo studio è stato condotto in aree urbane della Regione Toscana al fine di stimare l’associazione tra

l’incidenza degli eventi coronarici acuti e l’inquinamento atmosferico da polveri (PM10) e gas (NO2

e ozono).

Sono stati raccolti i dati ambientali e sanitari per il triennio 2002-2005. Sulla base dei dati di

monitoraggio della qualità dell’aria rilevate dalle centraline gestite da ARPA Toscana e mediante

l’applicazione di indici di associazione tra coppie di stazioni sono state identificate 6 aree con livelli

di inquinamento omogenei, nelle quali risiede il 42,5% della popolazione toscana. Per ciascuna area

sono stati calcolati gli indicatori, quali media giornaliera di area o media mobile su 8 ore, per PM10,

NO2 e O3 (per l’ozono solo periodo caldo Aprile-Settembre). La relazione tra inquinanti atmosferici

ed incidenza di IMA è stata valutata mediante un disegno case- crossover, con scelta dei controlli

appaiati per anno, mese e giorno della settimana dell’evento (approccio time-stratified). Sono state

effettuate analisi di regressione logistica condizionata area-specifiche, analisi pooled, attraverso

modelli meta-analitici (ad effetti casuali), e modelli bi-pollutant. Sono stati analizzati la casistica

incidente totale e, separatamente, gli eventi ospedalizzati di IMA e le morti coronariche senza

ricovero. Sono stati presi in considerazione diversi lag temporali per valutare gli effetti immediati,

ritardati e prolungati; nei modelli sono stati inclusi gli effetti confondenti di temperatura apparente,

giorni di festa, decremento estivo della popolazione ed epidemie influenzali. Le analisi sono state

stratificate per sesso e fasce d’età, al fine di individuare gruppi di popolazione maggiormente

vulnerabili.

Gli eventi coronarici acuti selezionati sono 18.520 (soggetti ultra75enni: 57%) di cui il 73,2%

rappresentati da IMA ospedalizzati ed il 26,8% da morti coronariche extra-ospedaliere (MCE).

Nelle analisi meta-analitiche per il PM10 è stato riscontrato un effetto immediato (lag 0-1) e

statisticamente significativo per gli eventi totali negli anziani nella stagione calda (7.6%); il rischio

è leggermente più basso (6.2%) nel caso di eventi di IMA ospedalizzati, sempre per anziani nei

mesi più caldi.

Gli effetti dell’NO2 sono, invece, più prolungati (lag 0-5) e significativi sia nella popolazione

generale (2.8%), ma soprattutto negli anziani nei mesi caldi (10.3%).

L’associazione tra ozono ed eventi coronarici acuti mostra un andamento intermedio rispetto ai

precedenti, lag(0-3): per la popolazione generale la stima d’effetto è del 2.0%, ma non

statisticamente significativa; negli anziani si raggiunge la significatività sia per gli eventi totali

(2.9%) che per MCE (5.2%); sempre per MCE la significatività si ha anche nella popolazione totale

(5.5%).

Nei modelli bi-pollutant, ossia quando gli effetti vengono valutati contemporaneamente, l’effetto

del PM10 è in genere più stabile rispetto a quello dell’ NO2, mentre per l’Ozono è stata rilevata una

certa dipendenza con il PM10, (imputabile soprattutto all’area fiorentina) e una totale indipendenza

dall’ NO2.

In linea con i risultati desumibili dalla letteratura scientifica in materia, lo studio RisCAT ha

confermato le associazioni tra rischio di malattie cardiovascolari, nello specifico eventi

ospedalizzati di IMA e morti coronariche extra-ospedaliere, e i livelli di inquinamento ambientale.

Gli anziani costituiscono un gruppo di popolazione particolarmente vulnerabile agli effetti acuti

dell’inquinamento atmosferico, specialmente nei mesi più caldi.






3

Introduzione

Negli ultimi anni la comunità scientifica internazionale si è abbondantemente occupata degli effetti

sulla salute pubblica, a breve e lungo termine, dei livelli di inquinamento atmosferico, soprattutto

dei più comuni inquinanti ambientali, quali particolato (PM), ozono (O3), monossido di carbonio

(CO), diossido di azoto (NO2) e diossido di zolfo (SO2). Molti studi hanno messo in evidenza

l’associazione tra i livelli di inquinanti e mortalità naturale, respiratoria e cardiovascolare, 1-8

ricoveri per cause respiratorie e cardiovascolari. 9-17

Diversi autori hanno analizzato la relazione tra

inquinamento ambientale ed eventi di infarto miocardico (IMA), soprattutto in termini di effetti a

breve termine, 18-31

anche se non mancano gli studi sugli impatti a lungo termine.32-36

Tra le esperienze di meta-analisi pianificate che hanno studiato l’effetto a breve termine

dell’inquinamento atmosferico in ambito urbano, quelle cui si fa più spesso riferimento, nonché le

prime ad essere state pubblicate, sono lo studio NMMAPS (The National Mortality, Morbidity and

Air Pollution Study) 37,38

che ha coinvolto 100 città statunitensi, lo studio APHEA2 (Air Pollution

and Health, a European Approach) 39

condotto su 29 città Europee tra cui anche Milano, Torino e

Roma e, nel panorama italiano, lo studio MISA2 ha investigato l’effetto dell’inquinamento su 15

città della penisola (11 per quanto riguarda il PM10) per il periodo 1996-2002, aggiornando i

risultati del precedente studio MISA1, 40-44

ed, infine lo studio SISTI - Studio italiano sulla

suscettibilità agli effetti della temperatura e dell’inquinamento atmosferico, per il periodo 1998-

2003. 3,6

Alle esperienze di meta-analisi citate si aggiunge anche il progetto “Epiair - Inquinamento

atmosferico e salute: Sorveglianza Epidemiologica e Interventi di prevenzione”, i cui risultati sono

esposti negli altri rapporti conclusivi del Progetto.

Nel presente report vengono presentati i risultati dello studio RisCAT (Rischio Cardiovascolare e

Inquinamento Atmosferico in Toscana), svolto nell’ambito del Progetto EpiAir. Lo studio è stato

condotto in aree urbane della Regione Toscana, nel periodo 2002-2005 al fine di stimare

l’associazione tra eventi coronarici acuti (eventi ospedalizzati di IMA e morti coronariche extra-

ospedaliere) e l’inquinamento atmosferico da polveri (PM10) e gas (NO2 e ozono).






4

E’ stato utilizzato un disegno di studio di tipo case cross-over 45,46

e i risultati presentati derivano

dalle analisi meta-analitiche sul totale della popolazione analizzata; vengono, inoltre, presi in

considerazione diversi aspetti, quali l’analisi di vari lag temporali, lo sviluppo di modelli bi-

pollutant, l’influenza dei dati meteorologici, l’analisi delle caratteristiche individuali di tipo

demografico al fine di individuare gruppi di popolazione particolarmente suscettibili agli effetti

negativi dell’inquinamento atmosferico.

Materiali e metodi

Dati di qualità dell’aria

Al fine di costruire un database delle esposizioni giornaliere della popolazione toscana, l’Agenzia

Regionale per la Protezione dell’Ambiente della Regione Toscana ha effettuato alcune elaborazioni

dei dati derivanti dalla rete di monitoraggio della qualità dell’aria urbana, presenti nelle banche dati

del Sistema Informativo Regionale Ambientale (SIRA), ed elaborazioni di dati di temperatura ed

umidità relativa, presenti in altre fonti.

Il primo passo ha riguardato l’individuazione delle stazioni di monitoraggio che meglio

rappresentano l’esposizione della popolazione urbana, ossia quelle stazioni che rilevano livelli di

inquinamento riferibili al contributo integrato di tutte le sorgenti presenti nell’area, escludendo le

stazioni che ad esempio vedono la prevalenza delle sorgenti da traffico, così come definite dalla

legislazione corrente. Al fine di ottenere un numero di stazioni congruo al presente studio, è stata

individuata una procedura di selezione delle centraline basata sui livelli di CO. Oltre alle stazioni

classificate come “urbana fondo”, sono state incluse anche le stazioni di traffico con valore medio

annuale inferiore a 0,8 mg/m3. Tale criterio è stato valutato in maniera empirica considerando che

livelli in aria ambiente di questo ordine di grandezza siano rappresentativi di un contesto

equivalente a quello di una stazione di misura di fondo urbano, rappresentativa dell’effettiva

esposizione della popolazione agli agenti inquinanti dell’aria ambiente.

In tabella 1 sono riportate le 29 stazioni risultate idonee in questa prima fase di selezione, suddivise

per area comunale di appartenenza. Restano escluse dallo studio per mancanza di dati di






5

concentrazioni-esposizione attribuibili le zone della Toscana relative alle province di Massa e di

Siena.

Tabella 1: Stazioni di monitoraggio in Toscana con media annuale di CO<0.8 mg/m3

Provincia Comune Classificazione Nome stazione Indirizzo Anno di

Attivazione

AR Arezzo UT Ar-piazza-Repubblica Viale Michelangelo 1995

AR Arezzo UT Ar-via-Fiorentina Via Fiorentina 1995

AR Arezzo UF Ar-via-Acropoli Via dell'Acropoli 1995

FI Calenzano UF Fi-Calenzano-Giovanni Via Giovanni XXIII 2001

FI Firenze UF Fi-Bassi Viale Ugo Bassi 1992

FI Firenze UF Fi-Boboli Piazza Pitti 1994

FI Firenze UF Fi-Novoli Via di Novoli 1993

FI Firenze UF Fi-via-di-Scandicci Via di Scandicci 1993

FI Scandicci UF Fi-Scandicci-Buozzi Via Buozzi 1993

FI Signa UF Fi-Signa Via Roma 2003

GR Grosseto UF Gr-via-URSS Via URSS 2004

LI Piombino UT Li-giardini-pubblici Viale Unita' d'Italia 2000

LI Livorno UF Li-piazza-Cappiello Piazza Cappiello 2001

LU Capannori UF Lu-Capannori Via di Piaggia 1998

LU Lucca UT Lu-Micheletto Via Elisa – piazza

S.Micheletto 1994

LU Viareggio UF Lu-2Viareggio Via Maroncelli 1998

PI Cascina UT Pi-Cascina Via Tosco Romagnola 1997

PI Cascina UT Pi-Navacchio Via Tosco Romagnola

– loc. Casciavola 1999

PI Pisa UT Pi-Fazio Via Conte Fazio 1997

PI Pisa UF Pi-Passi Piazza I. Nievo 1997

PI Pontedera UT Pi-Pontedera Via Misericordia 1997

PO Prato UF Po-Fontanelle Via Soffici –Fontanelle 1994

PO Prato UF Po-Roma Via Roma 1997

PO Prato UF Po-San-Paolo Via Ponchielli San

Paolo 1994

PO Prato UT Po-Ferrucci Via Ferrucci 1994

PO Prato UT Po-Strozzi Via Strozzi 1997

PT Montecatini

Terme UF Pt-Mont-via-Merlini Via Merlini 2000

PT Pistoia UT Pt-Zamenhof Via Zamenhof 2000

PT Pistoia UF Pt-Signorelli Via Signorelli 2000

In una seconda fase le stazioni di una stessa area sono state sottoposte ad una stima di qualità dei

dati applicando il coefficiente di correlazione di Pearson e individuando 3 classi cut-off: >= 0,70,

fra 0,69 e 0,50, e <0,50, per ciascun inquinante. La valutazione dei coefficienti di Pearson elaborati






6

per lo stesso inquinante su coppie di stazioni di misura appartenenti alla stessa area, ha dato risultati

positivi ad esclusione dell'area della costa. Pertanto, se si considera accettabile anche la Ila classe di

coefficienti di Pearson (> 0,50 <= 0,69), possono ritenersi idonei i dati forniti dalle seguenti stazioni

• area comunale di Arezzo (3 stazioni);

• area omogenea di Firenze (7 stazioni);

• area pisana (5 stazioni);

• area pratese (3 stazioni);

• area pistoiese (2 stazioni);

• area lucchese (4 stazioni).

L'area della costa rappresentata dai comuni di Grosseto, Livorno, Piombino, Viareggio fornisce in

prevalenza valori del coefficiente di Pearson < 0,5. E' stata valutata quindi la possibilità di

accorpare le singole stazioni ad altre zone tra quelle individuate. Si è messa in evidenza una

correlazione accettabile della stazione della Versilia con la stazione di Livorno, ed per entrambe le

stazioni con l'area pisana. Si è, pertanto, ritenuto di accorparle ottenendo una zona definita come

Area Pisana Livornese e Versilia per un totale di 7 stazioni.

In tabella 2 viene riportata la selezione definitiva delle stazioni, secondo l’accorpamento in sei aree

omogenee

Tabella 2: Stazioni di monitoraggio selezionate e accorpate in sei aree omogenee

Provincia Comune

AR Arezzo

AR Arezzo Area omogenea AREZZO

AR Arezzo

FI Firenze

FI Firenze

FI Firenze

FI Firenze

FI Calenzano

FI Scandicci

Area omogenea FIRENZE

FI Signa

LU Lucca

LU Capannori Area omogenea LUCCA-

VALDINIEVOLE LU Montecatini Terme

PI Pisa

PI Pisa

Area omogenea PISA-LIVORNO-

VERSILIA

PI Cascina






7

PI Cascina

PI Pontedera

LI Livorno

LU Viareggio

PO Prato

PO Prato

PO Prato

PO Prato

Area omogenea PRATO

PO Prato

PT Pistoia Area omogenea PISTOIA

PT Pistoia

Per ciascuna stazione di ogni area e relativamente a NO2 e PM10 sono state calcolate le medie

giornaliere (con la regola che siano disponibili almeno n. 20 medie orarie, salvo PM) e per l’ozono i

valori massimi delle medie mobili di 8 ore rilevate in ciascun giorno (con la regola che siano

disponibili almeno n. 6 medie orarie). I calcoli effettuati per ottenere un valore giornaliero unico per

area (valore della stazione virtuale) tengono conto di diversi fattori, quali il numero e la tipologia

delle stazioni per le quali sono disponibili i dati degli inquinanti. In tabella 3 è riportato un esempio

di tale procedura, relativamente all’area di Firenze.

Tabella 3: Criteri per la definizione di un valore unico giornaliero, area omogenea di Firenze

Dati meteorologici

Una volta definite le aree di riferimento per i dati relativi alle concentrazioni degli inquinanti è stata

analizzata la disponibilità di dati meteorologici. Questi devono soddisfare alcuni requisiti di qualità,

affidabilità e validità, tali da permettere di caratterizzare meteorologicamente queste aree sull’intero

periodo di analisi con il passo temporale richiesto (di tipo giornaliero).






8

Le grandezze utilizzate sono state la temperatura dell’aria e l’umidità relativa. L’analisi della

disponibilità e qualità dei dati meteorologici ha portato a definire le scelte per le aree d’interesse

riportate in tabella 4.

Tabella 4: Stazioni meteo selezionate per ciascuna area omogenea

Aree Stazioni meteo o sensori su stazioni chimiche

Area metropolitana di Firenze Firenze-Ximeniano

Area pratese Firenze-Ximeniano

Area pistoiese Pistoia- Signorelli (Temperatura), Zamenhoff (Umidità relativa)

Area lucchese e Val di Nievole Montecatini-Merlini

Area pisana, livornese e Versilia Pisa-Passi

Comune di Arezzo Stazione UCEA- Arezzo

Occorre segnalare che:

− per l’area pratese i dati della stazione meteorologica di Prato-Baciacavallo non sono stati

ritenuti qualitativamente adeguati, per cui alla zona sono stati estesi i valori registrati e scelti

per l’area fiorentina;

− per l’area lucchese, mancando un’adeguata stazione meteorologica, sono stati scelti i dati

rilevati a Montecatini; la stazione di Merlini è stata preferita a quella di Adua per la presenza

di un dataset più esteso all’interno del periodo di interesse.

− anche la scelta dei dati rappresentativi per l’area pistoiese è stata effettuata in base ad un

criterio di copertura temporale; in questo caso sono stati scelti dati registrati da sensori

allocati presso due diverse stazioni di rilevamento.

− per il Comune di Arezzo non erano disponibili dati di stazioni afferenti alla rete di

rilevamento provinciale sul periodo considerato (è stata installata una stazione

meteorologica nel corso dell’anno 2005); per tale motivo si è ricorsi a dati ottenibili in

internet. In particolare sono stati impiegati i dati della stazione UCEA di Arezzo

− l’area sulla costa toscana (Livorno, Pisa e Versilia) sufficientemente omogenea dal punto

di vista climatico, a causa della sua notevole estensione non lo è necessariamente dal punto






9

di vista meteorologico. Ciononostante per semplicità è stato scelto di rappresentarla

attraverso una unica stazione meteorologica (Pisa-Passi).

Sono state prodotte delle serie dati complete, ovvero le serie hanno coperto ogni giorno del periodo

di analisi; i dati di origine (rilevati) contengono invece lacune dovute a malfunzionamenti ed altri

problemi di natura tecnica, quindi per ottenere i valori richiesti per ogni giorno del periodo

considerato si è fatto ricorso a regressioni multilineari. Queste sono state effettuate sui dati di

riepilogo scelti (anziché sui dati orari originali) ed hanno incluso come variabili indipendenti anche

i dati rilevati presso altre stazioni meteorologiche delle reti di qualità dell’aria (ad esempio quella di

Santa Croce sull’Arno, quella di Montale e quella di Empoli – Riottoli).

I valori meteo associati all’area di Arezzo, relativi alla stazione di UCEA, corrispondono ai dati

giornalieri di riepilogo già disponibili per quanto riguarda la temperatura media, massima e minima,

mentre i valori di umidità relativa sono stati ottenuti mediando quelli indicati come medie “diurne”

e “notturne”. Anche in questo caso i dati mancanti sono stati ottenuti tramite regressioni multilineari

con i valori relativi allo stesso giorno registrati presso le altre stazioni presenti nel database UCEA

disponibile. In tal caso nell’analisi di regressione è stata privilegiata la scelta di stazioni

meteorologiche dell’Italia centrale, più vicine e più simili come condizione orografica e topografica

a quella di Arezzo.

A partire dalla temperatura dell’aria e dalla temperatura al punto di rugiada è stata calcolata la

temperatura apparente, che tiene conto delle situazioni di temperatura e umidità elevate, secondo la

formula:

Temperatura apparente = -2.653+(0.994 * Temperatura + 0.0153 * Dewpoint2)

Dati sanitari

I dati sanitari sono stati estratti dal Registro Regionale dell’Infarto Miocardio Acuto 1997-2005

(Tosc-AMI), gestito dall’Osservatorio di Epidemiologia dell’Agenzia Regionale di Sanità della

Toscana e dall’Azienda Sanitaria 10 di Firenze (Barchielli 2006). Tale registro prende origine dal

progetto MONItoring of trends and determinants in CArdiovascular disease (MONICA) che è stata

la prima esperienza a livello internazionale di registrazione sistematica su base di popolazione degli






10

eventi coronarici e degli accidenti cerebrovascolari, con un protocollo e criteri diagnostici

standardizzati (Tunstall-Pedoe 1994). Successivamente il progetto EUROCISS (European

Cardiovascular Indicators Surveillance Set), svolto nel quadro dell’Health Monitoring Programme

della Unione Europea, ha proposto la implementazione di registri di popolazione basati sul record

linkage tra dati informatizzati di mortalità e ricovero ospedaliero (EUROCISS 2003).

L’identificazione della casistica incidente, che include sia i primi eventi che gli eventi ripetuti dello

stesso paziente (intervallo tra la data di ammissione di due ricoveri successivi o tra quella del

ricovero e quella del decesso superiore a 28 giorni), si basa sull’uso integrato di fonti informative

sanitarie informatizzate (ricoveri ospedalieri e mortalità), con una metodologia analoga a quella

proposta dal progetto EUROCISS.

Per i ricoveri ospedalieri è stato utilizzato il data-base dell’Agenzia Regionale di Sanità che integra

il flusso dagli ospedali regionali con i ricoveri di toscani in altre regioni italiane. Sono stati

selezionati i ricoveri ordinari con codice ICD-9 410 (infarto miocardico acuto) in diagnosi di

dimissione principale.

I dati di mortalità sono stati ottenuti dal Registro di Mortalità Regionale della Toscana (RMR) che

raccoglie ed informatizza le schede di morte ISTAT dei deceduti in regione e dei toscani deceduti in

altre regioni italiane. Sono stati selezionati i decessi con i codici ICD-9 410-414 in diagnosi

principale di morte. Da entrambi i data-base sono stati selezionati i record relativi ai soggetti

residenti in Toscana, per il periodo 2002-2005: per ogni individuo sono presenti ulteriori

informazioni riguardo al comune di residenza, età e sesso.

Sulla base del comune di residenza e seguendo la selezione delle stazioni di monitoraggio sopra

descritte, dal database completo degli eventi coronarici acuti totali per il periodo 2002-2005 sono

stati estratti, per ciascuna area omogenea, gli eventi avvenuti nei comuni riportati in tabella 5.






11

Tabella 5: Selezione dei casi per comune di residenza, per ciascuna area omogenea. 2002-2005

AREA Comune Codice Comune ISTAT Residenti 2005

Area omogenea AREZZO Arezzo 051002 94.675

Firenze 048017 368.059

Campi Bisenzio 048006 39.176

Sesto Fiorentino 048043 46.702

Lastra a Signa 048024 18.531

Calenzano 048005 15.557

Scandicci 048041 50.003

Signa 048044 16.809

Area omogenea FIRENZE

Bagno a Ripoli 048001 25.528

Lucca 046017 82.605

Capannori 046007 42.849

Montecatini Terme 047011 20.766

Buggiano 047003 8.462

Ponte Buggianese 047016 8.161

Area omogenea LUCCA-

VALDINIEVOLE

Pescia 047012 18.711

Pisa 050026 88.363

Pietrasanta 046024 24.547

Cascina 050008 40.007

Pontedera 050029 26.842

Livorno 049009 155.986

Viareggio 046033 63.276

Area omogenea PISA-

LIVORNO-VERSILIA

Forte dei Marmi 046013 8.280

Area omogenea PRATO Prato 100005 180.674

Area omogenea PISTOIA Pistoia 047014 85.273

Totale residenti 1.529.842

Totale Regione Toscana 3.598.269

La selezione effettuata sui casi di eventi coronarici acuti riguarda circa il 42.5% del totale della

popolazione residente in Toscana (anno 2005).

Metodi di analisi

Disegno dello studio

Le associazioni tra i livelli di inquinamento atmosferico e gli eventi coronarici acuti sono state

analizzate mediante l’implementazione di un disegno di studio di tipo case-crossover. Tale

approccio, molto utilizzato per la stima degli effetti a breve termine dell’esposizione a inquinanti

ambientali, è un tipo particolare di studio caso-controllo appaiato, in cui per ciascun soggetto è

previsto il confronto tra i livelli di inquinamento nel giorno dell’evento con quello rilevato negli






12

altri giorni presi come riferimento. 45-47

Per la scelta dei controlli, seguendo le più recenti

indicazioni della letteratura, 46

è stato applicato il metodo time-stratified, ossia i giorni di controllo

sono stati selezionati appaiando per il giorno della settimana, il mese e l’anno in cui si è verificato

l’evento. Tale metodo di selezione dei controlli, che si basa su una suddivisione a priori del periodo

di studio in strati (giorni della settimana), equivale ad un aggiustamento nell’approccio delle serie

temporali in cui il trend temporale viene modellato all’interno di un modello lineare generalizzato di

Poisson 48-50

. Nel disegno case-crossover, dato che ciascun individuo è anche controllo di se stesso,

tutte le variabili che non variano nel tempo (o che cambiano molto lentamente) sono

intrinsecamente controllate dal disegno stesso, in particolare alcune caratteristiche individuali, quali

età, sesso, stile di vita, etc.

Analisi statistiche

Le analisi statistiche sono state condotte seguendo i seguenti step:

1. analisi area-specifica dell’associazione tra eventi coronarici acuti ed inquinanti, a diversi lag

e includendo vari fattori di confondimento tempo-dipendenti;

2. analisi area-specifica secondo stratificazioni per tipo di evento, sesso ed età;

3. analisi area-specifica di modelli bi-pollutant;

4. meta-analisi dei risultati area-specifici.

1. Analisi area-specifica dell’associazione tra eventi coronarici acuti ed inquinanti, a diversi lag e

includendo vari fattori di confondimento tempo-dipendenti.

La stima degli Odds Ratio è stata condotta mediante modelli di regressione logistica condizionata:

gli OR sono stati calcolati per incrementi di 10µg/m3

dell’inquinante. E’ stato selezionato un set di

variabili di confondimento comune a tutte le aree:

- Decremento estivo di popolazione: il fattore è stato inserito nel modello come variabile a tre

livelli che assume valore 2 nelle due settimane intorno a ferragosto (dal sabato precedente alla

domenica successiva, per un totale di 16 giorni/anno); valore 1 dal 16 luglio al 31 agosto (con

eccezione dei giorni in cui assume valore 2; valore 0 per i restanti giorni dell’anno;






13

- Epidemie influenzali: il fattore è stato inserito nel modello come variabile categorica

(suddivisione in quartili) calcolata a partire dai dati regionali di incidenza dell’influenza diffusi

da INFLUNET, ossia la sorveglianza della sindrome influenzale, coordinata dal Ministero della

Salute.

- Giorni di festa: tale fattore è stato modellato con una variabile dicotomica che assume valore 1

nei giorni di festa, valore 0 altrimenti;

- Temperatura: seguendo alcune indicazioni di letteratura 3 è stata costruita una nuova variabile

utilizzando un lag 1-6 (ossia la media tra i valori registrati nei 6 giorni precedenti) quando la

temperatura è inferiore a 9 gradi ed un lag 0-1 della temperatura apparente quando la

temperatura è superiore a 9 gradi. Al fine di tener conto della non linearità della relazione tra

temperatura ed outcome cardiovascolari 54-58

l’effetto confondente è stato modellato mediante

una piecewise linear spline della variabile calcolata, con scelta dei nodi secondo i quartili della

distribuzione. Tale scelta è supportata anche dai “best knots” selezionati in un modello di

regressione spline univariato, costruito utilizzando gli eventi come variabile dipendente e la

temperatura come predittore.

Le analisi sono state ripetute per diversi lag temporali (0, 0-1, 0-2, 0-3, 0-4, 0-5 e 3-5) al fine di

evidenziare effetti immediati, prolungati e ritardati. Le analisi di associazione tra eventi coronarici

acuti ed ozono è stata ristretta al semestre “caldo”, ossia il periodo aprile-settembre.

2. Analisi area-specifica secondo stratificazioni per tipo di evento, sesso ed età.

Dai risultati delle analisi condotte sul totale della popolazione in studio, è stato selezionato un lag

temporale per ripetere le analisi stratificando per tipo di evento (eventi di IMA ospedalizzati e morti

coronariche extraospedaliere), stagione, fasce d’età e sesso, al fine di individuare sottogruppi di

popolazione particolarmente suscettibili agli effetti dell’esposizione all’inquinamento atmosferico.

La scelta del maximun effect lag è stata effettuata in base alla forza dell’associazione, alla minore

eterogeneità tra le aree (p-value di eterogeneità più alto) ed in base alle indicazioni della letteratura

in materia.

3. Analisi area-specifica di modelli bi-pollutant.






14

Oltre ai modelli base, sono stati costruiti anche modelli bi-pollutant, per valutare l’effetto di ciascun

inquinante corretto per l’effetto dell’altro. Per ciascun inquinante sono stati selezionati i lag scelti

nella fase precedente.

4. Meta-analisi dei risultati area-specifici.

I risultati ottenuti nelle analisi area-specifiche sono stati utilizzati in un modello di meta-analisi ad

effetti casuali: sono riportate le stime (OR e intervalli di confidenza al 95%) e il p-value del test di

eterogeneità.

Risultati

In tabella 1 viene fornito un riepilogo dei dati giornalieri disponibili sugli inquinanti nelle sei aree,

per il periodo 2002-2005. Su un totale di 1466 giorni per PM10 e l’NO2 l’unica situazione critica

riguarda la numerosità più bassa nell’area di Pistoia. Per l’ozono, per il periodo aprile-settembre,

l’unica criticità è la mancanza di dati nella zona di Lucca-Valdinievole.

In tabella 2 è riportata una descrizione sintetica dei tre inquinanti considerati nello studio, per le sei

aree omogenee: per ciascuno sono riportati media e deviazione standard, calcolati per NO2 e PM10

(intero periodo) e per O3 (semestre caldo). Sono mostrati anche media e deviazione standard per il

rapporto PM10/NO2 che è un indicatore della sorgente dell’inquinamento da polveri: un rapporto

basso indica una origine prevalentemente da traffico, mentre per valori alti si stima una

predominanza di componenti alternative di origine diversa. Comunque tale rapporto non è stato

oggetto di analisi. I valori medi di NO2 oscillano tra un massimo di 39.72 µg/m3 nella zona di Prato

ed un minimo di 28.52 µg/m3 nel Lucchese; anche per il PM10 i valori sono abbastanza omogenei

con un valore massimo nella zona pisana (40.68 µg/m3) ed un minimo nella zona di Arezzo (28.15

µg/m3). Per quanto riguarda l’ozono si va dal valore più alto a Pistoia (106.21 µg/m

3) e quello più

basso ad Arezzo (93.58 µg/m3). In particolare per la zona di Prato, un elevato valore dell’NO2 e un

valore basso del rapporto PM10/NO2 lascia presumere un elevato contributo del traffico veicolare ai

livelli di inquinamento.






15

In tabella 3 sono riportati i coefficienti di correlazione lineare di Pearson tra coppie di inquinanti: si

nota una correlazione sempre positiva tra PM10 ed NO2 , con un valore massimo di 0.71 a Pistoia ed

un valore più basso pari a 0.43 nel lucchese, dove probabilmente il particolato non ha come fonte

primaria il traffico. Molto più eterogenee, ed anche negative, le correlazioni tra particolato e

diossido di azoto con l’ozono.

La media e deviazione standard delle principali variabili meteorologiche (temperatura, umidità

relativa e temperatura apparente) sono riportate in tabella 4: come prevedibile i valori risultano

piuttosto omogenei tra le sei aree toscane.

La popolazione oggetto di studio è descritta nelle tabelle 5-6: per ciascuna area sono riportati i

numeri ed i corrispondenti valori percentuali dei casi di IMA ospedalizzati, delle morti coronariche

extraospedaliere e degli eventi coronarici acuti totali per la popolazione totale (tabella 5); in tabella

6 sono riportati i valori sommati su tutte le aree stratificando per fasce d’età e sesso.

Il dataset totale è costituito da 18.520 eventi coronarici acuti, di cui 13.554 (73.19%) sono eventi di

IMA ospedalizzati e 4.966 (26.81%) sono morti coronariche extraospedaliere. I contributi maggiori

al dataset provengono dai casi di Firenze (36.2%) e della zona Pisa-Livorno-Versilia (31.14%).

Riguardo alla stratificazione per fasce decennali d’età, si registra un numero maggiore di casi nella

fascia 75-84 anni; al fine di aumentare la numerosità delle analisi è stato deciso di accorpare le

ultime due fasce in un unico gruppo di soggetti di età superiore ai 75 anni, aventi una numerosità di

casi totali pari a 10.833, di cui 6.992 (64.54%) sono costituiti da IMA ospedalizzati e 3.841

(35.46%) da MCE. I maschi presentano un numero maggiore di eventi rispetto alle donne: 10.929

casi, di cui il 76.96% sono eventi di IMA ed il 23.04% MCE.

Nelle tabelle 7a-7e sono riportati i risultati meta-analitici dell’associazione tra incrementi di 10

µg/m3

di PM10 ed eventi cardiovascolari. In tabella 7a sono riportate le stime di OR ed intervalli di

confidenza al 95% per gli eventi coronarici acuti totali, eventi di IMA ospedalizzati ed MCE, per

diversi lag temporali e con indicazione del p-value del test di eterogeneità che fornisce una misura

della omogeneità tra aree (p-value elevato) o della disomogeneità (p-value basso).

In tabella 7b sono riportati i risultati meta-analitici dell’associazione tra eventi coronarici acuti e

PM10, secondo stratificazioni per fasce d’età, genere e stagione. Le stime per i vari sottogruppi di






16

popolazione in studio si riferiscono al lag 0-1, che è stato selezionato tra i vari lag temporali per la

maggiore forza dell’associazione nella popolazione generale (anche se non significativa), per la

minore eterogeneità tra le aree e per consentire confronti con altri studi simili.

Le tabelle 7c e 7d riportano i risultati per le stratificazioni appena descritte, restringendo le analisi

rispettivamente agli eventi di IMA e ai casi di MCE. Infine la tabella 7e riporta le stime di

associazione calcolate nel sottogruppo di popolazione costituito dagli eventi avvenuti nel semestre

caldo per i soggetti di età superiore ai 75 anni, riportando i risultati per tipo di evento e genere.

Si nota come gli OR calcolati sul totale della popolazione sono quasi sempre superiori all’unità,

anche se non si raggiunge la significatività statistica. Associazioni statisticamente significative si

ottengono nel sottogruppo di anziani (+75 anni) nel semestre caldo, sia per gli eventi totali con un

aumento percentuale di rischio pari a 7.6% (IC95%=3.0-12.4) che per gli eventi di IMA 6.2%

(IC95%=0.7-12.1).

Selezionando i casi nel semestre caldo, le donne, sempre di età maggiore di 75 anni, risultano

particolarmente a rischio con un incremento percentuale dell’8.2% (IC95%=0.9-16.1). Per quanto

riguarda i test di eterogeneità, si registra una generale omogeneità tra le sei aree in studio.

Nelle tabelle 8a-8f sono presentati i risultati per l’NO2. A differenza del PM10 si notano

significatività statistiche anche nella popolazione generale, per diversi lag temporali (0-4, 0-5, 3-5)

che suggeriscono effetti piuttosto ritardati. Tra i tre lag è stato selezionato quello 0-5 per la

maggiore forza d’associazione, pari ad un incremento di rischio del 2.6% per gli eventi totali e del

3.6% per i casi di IMA ospedalizzati. Nelle stratificazioni per fasce d’età e considerando gli eventi

totali (tabella 8b) resta la significatività per i soggetti di età superiore a 75 anni (3.6% IC95%=0.6-

6.7); analizzando separatamente donne e uomini, come nel caso del PM10, si osserva un incremento

significativo di rischio per le donne pari a 4.3% (IC95%=0.6-8.0); se le analisi vengono ristrette al

semestre caldo la significatività si mantiene ed è pari ad un 6.7% (IC95%=1-12.7).

Ripetendo le analisi separatamente per tipo di evento (tabelle 8c e 8d), si notano le stesse

significatività per gli eventi di IMA (soggetti di età maggiore ai 75 anni e donne): l’unica differenza






17

risiede nella stratificazione per stagione, infatti mentre per gli eventi totali la significatività è legata

alla stagione calda, restringendo l’analisi agli eventi di IMA si nota una associazione significativa

solo nella stagione fredda. Non risulta nessuna associazione significativa per le morti coronariche

extra-ospedaliere. Limitando le analisi al sottogruppo di popolazione costituito dai soggetti anziani

(+75 anni) nel periodo caldo (tabella 8e), sebbene vi sia un forte decremento della numerosità,

restano le significatività per gli eventi coronarici acuti totali (+10.3% IC95%=2.6-18.5) e per le

donne (+11.5 IC95%=1-23.1). Al contrario non si riscontrano associazioni significative nel

sottogruppo di anziani che hanno avuto un evento coronario nella stagione fredda (tabella 8f).

Per quanto riguarda le associazioni per incrementi di 10µg/m3

di O3 in tabella 9a sono mostrati i

risultati per la popolazione generale, per eventi totali, casi di IMA e morti coronariche extra-

ospedaliere, per tutti i lag temporali. Come già detto, tutte le analisi che coinvolgono l’ozono sono

state ristrette al semestre caldo. Sebbene la gran parte degli OR sia superiore all’unità, associazioni

significative si hanno soltanto per i casi di MCE, per i lag 0-2, 0-3 e 0-4. Tra questi ultimi è stato

selezionato il lag 0-3.

Anche per l’ozono restano le significatività per gli anziani (+75anni), per gli eventi totali (+2.9%

IC95%=0-5.9), per le morti extra-ospedaliere (+5.2% IC95%=0.3-10.4) ma non per gli eventi di

IMA (+1.7 IC95%=-1.9-5.4). Infine anche nel caso dell’ozono viene confermata la maggiore

suscettibilità delle donne relativa agli eventi di MCE, con incrementi di rischio pari a 8.3%

(IC95%=1.8-15.1) nella popolazione generale e pari a 7.6% (IC95%=0.9-14.7) nel sottogruppo

delle anziane.

Infine, le tabelle 10-12 riassumono i principali risultati dei modelli bi-pollutant. Per maggiore

chiarezza sono mostrati i risultati delle analisi ristrette al sottogruppo di soggetti di età superiore ai

75 anni nella stagione calda, che hanno mostrato le significatività anche nei modelli base per tutti e

tre gli inquinanti considerati. Si nota che per il PM10 (tabella 10) i risultati ottenuti per gli eventi

totali nel modello base sostanzialmente non variano se si considera l’aggiustamento sia per NO2 che

per O3; l’NO2 sembra abbassare la stima del rischio se si considerano solo i casi di IMA, mentre

l’aggiustamento per NO2 ed O3 esalta in maniera considerevole la stima dell’eccesso di rischio nel

caso degli eventi di MCE.






18

Nel caso dell’NO2 (tabella 11), l’aggiustamento per il PM10 abbassa sostanzialmente la stima del

rischio, mentre questa risulta piuttosto indipendente dall’ozono. Infine i modelli bi-pollutant

applicati per la stima delle associazioni con l’ozono (tabella 12) mostrano come il PM10, più

dell’NO2, influenzi, abbassandola, la stima del rischio.

Discussione

L’obiettivo dello studio RisCAT è stato quello di individuare le associazioni tra i livelli di

inquinamento atmosferico e l’incidenza degli eventi coronarici acuti nelle aree urbane della

Toscana, puntando l’attenzione sui sottogruppi di popolazione particolarmente suscettibili agli

effetti a breve termine dell’esposizione ambientale.

In generale sono stati riscontrati aumenti significativi di rischio per gli eventi totali, per i casi di

IMA ospedalizzati e per le morti coronariche extra-ospedaliere, associati a rapidi incrementi della

concentrazione degli inquinanti atmosferici, sia polveri che gas. In particolare per le polveri sono

stati evidenziati effetti immediati, lag 0-1, mentre per l’ozono e il diossido di azoto effetti più

prolungati, rispettivamente lag0-3 e lag0-5. I gruppi di popolazione maggiormente suscettibili sono

risultati gli anziani (soggetti di età superiore ai 75 anni) e le donne; tali effetti a breve termine sono

più evidenti nei mesi caldi (periodo Aprile-Settembre).

Nello studio RisCAT, come già abbondantemente dettagliato nella sezione relativa alla scelta degli

indicatori ambientali idonei ai fini della ricerca, la scelta delle aree è stata determinata

essenzialmente dalla disponibilità dei dati, sia di qualità dell’aria che meteorologici. Per quanto

riguarda i dati sanitari, il Registro Regionale dell’Infarto Miocardio Acuto permette ad oggi una

copertura per il periodo 1997-2005. E’ chiaro che una maggiore consistenza di tutte le serie

temporali di dati consentirebbe una maggiore potenza delle stime ottenute, soprattutto laddove si

arriva ad un livello di stratificazione piuttosto spinto.

Il disegno di studio utilizzato è il case-crossover. Esistono in letteratura numerosi studi che

affrontano il problema della stima degli effetti a breve termine dell’inquinamento atmosferico

mediante questo tipo di approccio. 7,18,25,30,33,47

Ed esiste anche una cospicua letteratura sia sul






19

confronto tra approccio case-crossover e studio di serie temporali mediante regressione di

Poisson,47-50

sia sul metodo di selezione dei controlli 46-47

. Sostanzialmente la comunità scientifica

internazionale concorda sulla equivalenza algebrica tra il metodo case-crossover e le analisi di serie

temporali; sulla scelta dei controlli è stato deciso di seguire il cosiddetto metodo time-stratified

proposto da Levy et al. 46

, in cui i controlli sono appaiati per anno, mese e giorno della settimana

dell’evento.

A differenza di altri studi meta-analitici sugli effetti a breve termine dell’inquinamento

atmosferico37-44

in cui è stata evidenziata una forte eterogeneità d’effetto tra le varie città coinvolte,

nello studio RisCAT, data la scala regionale, sono stati riscontrati effetti molto omogenei tra le sei

aree, a parte qualche rara eccezione. E’ bene però precisare che tra le sei aree prese in

considerazione, l’area metropolitana di Firenze e la zona della costa nord (Pisa, Livorno e Versilia),

in quanto le più numerose in termini di casistica incidente, sono quelle che nell’ambito della meta-

analisi influenzano in maniera determinante i risultati ottenuti per tutti gli inquinanti.

Relativamente all’influenza delle condizioni meteorologiche, nello studio RisCAT l’effetto della

temperatura e dell’umidità è stato modellato al fine di tener conto della possibile non linearità della

relazione tra temperatura ed outcome sanitari. Anche in materia esiste un abbondante letteratura 54-58

ed in base a questi riferimenti è stata calcolata una nuova variabile che tiene conto dell’effetto sia

delle basse che delle alte temperature. Inoltre per le alte temperature è stato deciso di calcolare la

temperatura apparente che considera l’effetto combinato di temperatura dell’aria e umidità relativa e

che rappresenta meglio le condizioni di disagio fisiologico.

In conclusione i risultati dello studio RisCAT confermano quanto già emerso in altri studi nazionali

ed internazionali sugli effetti a breve termine dell’inquinamento atmosferico urbano. Gli eccessi di

rischio stimati hanno un impatto sanitario notevole, dato che tutta la popolazione è da considerarsi

esposta. Pertanto il monitoraggio integrato delle condizioni ambientali e degli effetti sanitari risulta

di primaria importanza ai fini della protezione della salute e della programmazione di interventi di

miglioramento della qualità dell’aria urbana






20

Bibliografia

1. Bateson TF, Schwartz J. 2004 Who is sensitive to the effects of particulate air pollution on

mortality? A case-crossover analysis of effect modifiers. Epidemiology. 2004;15(2):143-9.

2. Forastiere F, Stafoggia M, Picciotto S, Bellander T, D'Ippoliti D, Lanki T, von Klot S, Nyberg

F, Paatero P, Peters A, Pekkanen J, Sunyer J, Perucci CA. 2005. A case-crossover analysis of

out-of-hospital coronary deaths and air pollution in Rome, Italy. Am J Respir Crit Care Med.

2005;172(12):1549-55

3. Forastiere F, Stafoggia M, Berti G, Bisanti L, Cernigliaro A, Chiusolo M, Mallone S, Miglio

R, Pandolfi P, Rognoni M, Serinelli M, Tessari R, Vigotti M, Perucci CA; SISTI Group. 2008

Particulate matter and daily mortality: a case-crossover analysis of individual effect modifiers.

Epidemiology. 2008;19(4):571-80.

4. Goldberg MS, Burnett RT, Brook J, Bailar JC 3rd, Valois MF, Vincent R. 2001. Associations

between daily cause-specific mortality and concentrations of ground-level ozone in Montreal,

Quebec. Am J Epidemiol. 2001;154(9):817-26.

5. Schwartz J. 2005 How sensitive is the association between ozone and daily deaths to control for

temperature? Am J Respir Crit Care Med. 2005;171(6):627-31.

6. Stafoggia M, Schwartz J, Forastiere F, Perucci CA; SISTI Group. 2008. Does temperature

modify the association between air pollution and mortality? A multicity case-crossover

analysis in Italy. Am J Epidemiol. 2008;167(12):1476-85.

7. Stafoggia M, Forastiere F, Agostini D, Caranci N, de'Donato F, Demaria M, Michelozzi P,

Miglio R, Rognoni M, Russo A, Perucci CA. 2008. Factors affecting in-hospital heat-related

mortality: a multi-city case-crossover analysis. J Epidemiol Community Health.

2008;62(3):209-15.

8. Ueda K, Nitta H, Ono M. 2009 Effects of fine particulate matter on daily mortality for specific

heart diseases in Japan. Circ J. 2009;73(7):1248-54

9. Ballester F, Rodríguez P, Iñíguez C, Saez M, Daponte A, Galán I, Taracido M, Arribas F,

Bellido J, Cirarda FB, Cañada A, Guillén JJ, Guillén-Grima F, López E, Pérez-Hoyos S,

Lertxundi A, Toro S. 2006. Air pollution and cardiovascular admissions association in Spain:

results within the EMECAS project. J Epidemiol Community Health. 2006;60(4):328-36.

10. Dominaci F, Peng RD, Bell ML, Pham L, McDermott A, Zeger SL, Samet JM. 2006 Fine

particulate air pollution and hospital admission for cardiovascular and respiratory diseases.

JAMA. 2006;295(10):1127-34.

11. Symons JM, Wang L, Guallar E, Howell E, Dominici F, Schwab M, Ange BA, Samet J, Ondov

J, Harrison D, Geyh A. 2006 A case-crossover study of fine particulate matter air pollution and

onset of congestive heart failure symptom exacerbation leading to hospitalization. Am J

Epidemiol. 2006;164(5):421-33.

12. Medina-Ramón M, Zanobetti A, Schwartz J. 2006 The effect of ozone and PM10 on hospital

admissions for pneumonia and chronic obstructive pulmonary disease: a national multicity

study. Am J Epidemiol. 2006;163(6):579-88.

13. Sunyer J, Basagaña X. 2001 Particles, and not gases, are associated with the risk of death in

patients with chronic obstructive pulmonary disease. Int J Epidemiol. 2001;30(5):1138-40.

14. Barnett AG, Williams GM, Schwartz J, Best TL, Neller AH, Petroeschevsky AL, Simpson RW.

2006 The effects of air pollution on hospitalizations for cardiovascular disease in elderly people

in Australian and New Zealand cities. Environ Health Perspect. 2006;114(7):1018-23.

15. Host S, Larrieu S, Pascal L, Blanchard M, Declercq C, Fabre P, Jusot JF, Chardon B, Le Tertre

A, Wagner V, Prouvost H, Lefranc A. 2008 Short-term associations between fine and coarse






21

particles and hospital admissions for cardiorespiratory diseases in six French cities. Occup

Environ Med. 2008;65(8):544-51.

16. Le Tertre A, Medina S, Samoli E, Forsberg B, Michelozzi P, Boumghar A, Vonk JM, Bellini

A, Atkinson R, Ayres JG, Sunyer J, Schwartz J, Katsouyanni K. 2002 Short-term effects of

particulate air pollution on cardiovascular diseases in eight European cities. J Epidemiol

Community Health. 2002;56(10):773-9.

17. Stieb DM, Szyszkowicz M, Rowe BH, Leech JA. 2009 Air pollution and emergency

department visits for cardiac and respiratory conditions: a multi-city time-series analysis.

Environ Health. 2009;8:25.

18. von Klot S, Peters A, Aalto P, Bellander T, Berglind N, D'Ippoliti D, Elosua R, Hörmann A,

Kulmala M, Lanki T, Löwel H, Pekkanen J, Picciotto S, Sunyer J, Forastiere F. 2005 Health

Effects of Particles on Susceptible Subpopulations (HEAPSS) Study Group. 2005 Ambient air

pollution is associated with increased risk of hospital cardiac readmissions of myocardial

infarction survivors in five European cities. Circulation. 2005;112(20):3073-9

19. Lanki T, Pekkanen J, Aalto P, et al. 2006. Associations of traffic related air pollutants with

hospitalisation for first acute myocardial infarction: the HEAPSS study. Occupational &

Environmental Medicine 2006;63(12):844-51.

20. Koken PJM, Piver WT, Ye F, Elixhauser A, Olsen LM, Portier CJ. 2003. Temperature, air

pollution, and hospitalization for cardiovascular diseases among elderly people in Denver.

Environmental Health Perspectives 2003;111(10):1312-7.

21. Murakami Y, Ono M. 2006. Myocardial infarction deaths after high level exposure to

particulate matter. Journal of Epidemiology & Community Health 2006;60(3):262-6.

22. Sharovsky R, Cesar LAM, Ramires JAF. 2004. Temperature, air pollution, and mortality from

myocardial infarction in Sao Paulo, Brazil. Brazilian Journal of Medical & Biological

Research 2004;37(11):1651-7.

23. Barnett AG, Williams GM, Schwartz J, et al. 2006. The effects of air pollution on

hospitalizations for cardiovascular disease in elderly people in Australian and New Zealand

cities. Environmental Health Perspectives 2006;114(7):1018-23.

24. Zanobetti A, Schwartz J. 2006. Air pollution and emergency admissions in Boston, MA.

Journal of Epidemiology & Community Health 2006;60(10):890-5.

25. Peters A, von Klot S, Heier M, et al. 2005. Particulate air pollution and nonfatal cardiac events.

Part I. Air pollution, personal activities, and onset of myocardial infarction in a case-crossover

study. Research Report - Health Effects Institute 2005(124):1-66; discussion 67-82.

26. Ruidavets J-B, Cournot M, Cassadou S, Giroux M, Meybeck M, Ferrieres J. 2005. Ozone air

pollution is associated with acute myocardial infarction. Circulation 2005;111(5):563-9.

27. Sullivan J. 2005. Relation between short-term fine-particulate matter exposure and onset of

myocardial infarction. Epidemiology 2005;16(1):41-8.

28. Zanobetti A, Schwartz J. 2005. The effect of particulate air pollution on emergency admissions

for myocardial infarction: a multicity case-crossover analysis. Environmental Health

Perspectives 2005;113(8):978-82.

29. Peters A, von Klot S, Heier M, et al. 2004. Exposure to traffic and the onset of myocardial

infarction. New England Journal of Medicine 2004;351(17):1721-30.

30. D'Ippoliti D, Forastiere F, Ancona C, et al. 2003. Air pollution and myocardial infarction in

Rome: a case-crossover analysis. Epidemiology 2003;14(5):528-35.

31. Peters A, Dockery DW, Muller JE, Mittleman MA. 2001. Increased particulate air pollution

and the triggering of myocardial infarction. Circulation 2001;103(23):2810-5.






22

32. Miller KA, Siscovick DS, Sheppard L, et al. 2007. Long-term exposure to air pollution and

incidence of cardiovascular events in women. New England Journal of Medicine

2007;356(5):447-58.

33. Tonne C, Melly S, Mittleman M, Coull B, Goldberg R, Schwartz J. 2007 A case-control

analysis of exposure to traffic and acute myocardial infarction. Environmental Health

Perspectives 2007;115(1):53-7.

34. Rosenlund M, Berglind N, Pershagen G, Hallqvist J, Jonson T, Bellander T. 2006. Long-term

exposure to urban air pollution and myocardial infarction. Epidemiology 2006;17(4):383-90.

35. Grazuleviciene R, Maroziene L, Dulskiene V, et al. 2004. Exposure to urban nitrogen dioxide

pollution and the risk of myocardial infarction. Scandinavian Journal of Work, Environment &

Health 2004;30(4):293-8.

36. Rosenlund M, Picciotto S, Forastiere F, Stafoggia M, Perucci CA. 2008. Traffic-related air

pollution in relation to incidence and prognosis of coronary heart disease. Epidemiology. 2008,

Jan; 19(1):121-8.

37. Samet JM, Zeger S, Dominici F, Curriero F,Coursac I, Dockery DW, Schwartz J, Zanobetti A.

2000. The National Morbidity, Mortality, and air pollution study (NMMAPS). Part 2.

Morbidity and mortality from air pollution in United States. Health Effect Institute. Boston

(MA), 2000. Disponibile all’indirizzo http://pubs.healtheffects.org/view.php?id=118

38. HEI Health Effect Institute. 2003. Revised analyses of time series studies of air pollution and

health. Health Effect Institute Special Report. Boston (MA), 2003.

39. Katsouyanni K, Touloumi G, Samoli E, Gryparis A, Le Terre A, Monopolis Y, Rossi G,

Zmirou D, Ballester F, Boumghar A, Anderson HR, Wojtyniak B, Paldy A, Braunstein R,

Pekkanen J, Schindler C, Schwartz J. 2001. Confounding and effect modification in the short-

term effects of ambient particles on total mortality: results from 29 European cities within the

APHEA2 project. Epidemiology 2001;12:521-31.

40. Biggeri A, Bellini P, Terracini B. 2004. Metanalisi italiana degli studi sugli effetti a breve

termine dell’inquinamento atmosferico 1996–2002. Epidemiol Prev 2004;28(Suppl 4-5):1-100.

41. Biggeri A, Bellini P, Terracini B. 20001. Metanalisi italiana degli studi sugli effetti a breve

termine dell’inquinamento atmosferico. Epidemiol Prev 2001;25(Suppl 1):1-72.

42. Biggeri A, Baccini M, Accetta G, Lagazio C. 2002. Estimates of short-term effects of air

pollutants in Italy. Epidemiol Prev 2002;26:203-5.

43. Biggeri A, Baccini M, Bellini P, Terracini B. 2005. Italian studies of short term effect of air

pollution (MISA), 1990-1999. Int J Occup Environ Health 2005;11:107-22.

44. Bellini P, Baccini M, Biggeri A, Terracini B. 2007. The meta-analysis of the Italian studies on

short-term effects of air pollution (MISA): old and new issues on the interpretation of the

statistical evidences. Environmetrics 2007;18:1-11.

45. Maclure M. 1991. The case-crossover design: a method for studying transient effects on the

risk of acute events. Am J Epidemiol. 1991;133:144–53.

46. Levy D, Lumley T, Sheppard L, Kaufman J, Checkoway H. 2001. Referent selection in case-

crossover analyses of acute health effects of air pollution. Epidemiology. 2001;12:186–92.

47. Schwartz J. 2004 The effects of particulate air pollution on daily deaths: a multi-city case

crossover analysis. Occup Environ Med. 2004;61(12):956-61.

48. Lu Y, Zeger SL. 2007. On the equivalence of case-crossover and time series methods in

environmental epidemiology. Biostatistics. 2007;8:337–44.






23

49. Fung KY, Krewski D, Chen Y, Burnett R, Cakmak S. 2003 Comparison of time series and

case-crossover analyses of air pollution and hospital admission data. Int J Epidemiol.

2003;32(6):1064-70.

50. Navidi W. 1998. Bidirectional case-crossover designs for exposures with time trends.

Biometrics. 1998 Jun;54(2):596–605.

51. Barchielli A, Balzi D, Pasqua A, Buiatti E. 2006 Incidence of acute myocardial infarction in

Tuscany, 1997-2002: data from the Acute Myocardial Infarction Registry of Tuscany (Tosc-

AMI) Epidemiol Prev. 2006;30(3):161-8

52. Tunstall-Pedoe H, Kuulasmaa K, Amouyel P, et al. 1994. Myocardial infarction and coronary

deaths in the World Health Organization Monica Project. Circulation 1994; 90: 583-612.

53. EUROCISS. 2003. Cardiovascular indicators surveillance set, final report 2003. Disponibile al

sito www.cuore.iss.it/eurociss/rapporto03/rapporto03.htm

54. Stafoggia M, Forastiere F, Agostini D, et al. 2006. Vulnerability to heat-related mortality: a

multicity, population-based, case-crossover analysis. Epidemiology. 2006;17:315–323.

55. Basu R, Samet JM. 2002. Relation between elevated ambient temperature and mortality: a

review of the epidemiologic evidence. Epidemiol Rev. 2002;24:190 –202.

56. Braga ALF, Zanobetti A, Schwartz J. 2001. The time course of weather-related deaths.

Epidemiology 2001;12:662– 667.

57. Curriero FC, Heiner KS, Samet JM, et al. 2002. Temperature and mortality in eleven cities of

the Eastern United States. Am J Epidemiol. 2002;155: 80–87.

58. The Eurowinter Group 1997. Cold exposure and winter mortality from ischaemic heart disease,

cerebrovascular disease, respiratory disease, and all causes in warm and cold regions of Europe.

Lancet 1997;349:1341–1346.






24

Tabella 1: Dati giornalieri sugli inquinanti disponibili in ciascuna area per il periodo 2002-2005 (1466 giorni)

Area NO2

µg/m3

PM10 µg/m3

O3 * µg/m3

1.326 1.32 Arezzo 1.326 1.436 698

Firenze 1.458 1.358 730

Lucca-Valdinievole 1.406 1.278 0

Pisa-Livorno-Versilia 1.459 1.456 731

Pistoia 963 1.047 517

Prato 1.350 1.314 719

* Periodo Aprile-Settembre






25

Tabella 2. Descrizione (media e deviazione standard – DS) degli inquinanti rilevati nelle 6 aree in studio

NO2

µg/m3

PM10

µg/m3

PM10/NO2

µg/m3

O3* µg/m3 Area

Media DS Media DS Media DS Media DS

Arezzo 39.30 10.33 28.15 11.56 0.73 0.27 93.58 23.98

Firenze 38.27 16.95 38.47 19.57 1.08 0.52 97.20 24.83

Lucca-Valdinievole 28.52 14.21 36.27 18.74 1.43 0.94 - -

Pisa-Livorno-Versilia 33.54 12.59 40.68 17.50 1.26 0.48 97.42 19.13

Pistoia 32.89 15.54 35.96 26.29 1.10 0.50 106.21 26.50

Prato 39.72 18.84 33.93 22.86 0.87 0.41 94.90 26.87







26

Tabella 3. Coefficienti di correlazione di Pearson tra gli inquinanti rilevati nelle 6 aree in studio

Area PM10 - NO2 PM10 - O3 * NO2 - O3 *

Arezzo 0.48 0.19 0.18

Firenze 0.56 0.43 -0.01

Lucca-Valdinievole 0.43 - -

Pisa-Livorno-Versilia 0.61 0.32 0.15

Pistoia 0.71 0.09 -0.02

Prato 0.61 0.15 -0.17







27

Tabella 4. Descrizione (media e deviazione standard – DS) delle variabili meteorologiche rilevate nelle 6 aree in studio

Temperatura (°C)

Umidità relativa

(%)

Temperatura apparente

(°C) Area

Media DS Media DS Media DS

Arezzo 13.58 7.74 68.94 14.14 12.45 8.95

Firenze 15.46 7.54 69.23 15.47 14.73 8.97

Lucca-Valdinievole 14.81 7.42 82.44 12.86 14.95 9.66

Pisa-Livorno-Versilia 15.55 7.33 76.39 15.21 15.46 9.29

Pistoia 14.55 7.54 71.27 15.66 13.80 9.01

Prato 15.46 7.54 69.23 15.47 14.73 8.97






28

Tabella 5. Descrizione della popolazione in studio: numero (e percentuale sul totale eventi acuti) di casi di IMA ospedalizzati, di morti coronariche

extraospedaliere e di eventi coronarici acuti totali nelle sei aree in studio.

Popolazione totale

IMA ospedalizzati Morti coronariche extraospedaliere

Eventi coronarici

acuti totali Area

No. % No. % No. %

Arezzo 732 78.0 207 22.0 939 100

Firenze 4.966 74.0 1.744 26.0 6.710 100

Lucca-Valdinievole 1.566 73.3 570 26.7 2.136 100

Pisa-Livorno-Versilia 4.347 72.9 1.616 27.1 5.963 100

Pistoia 739 65.0 399 35.0 1.138 100

Prato 1.204 73.6 430 26.4 1.634 100






29

Totale 13.554 73.19 4.966 26.81 18.520

Tabella 6. Descrizione della popolazione in studio: numero (e percentuale sul totale eventi acuti) di casi di IMA ospedalizzati, di morti coronariche

extraospedaliere e di eventi coronarici acuti totali nelle stratificazioni per fasce d’età e sesso.

Popolazione totale

IMA ospedalizzati Morti coronariche extraospedaliere

Eventi coronarici acuti totali

Variabili N. % N. % N. %

Età (anni)

35-64 3.328 88.42 436 11.58 3.764 100

65-74 3.195 82.45 680 17.55 3.875 100

75-84 4.532 73.55 1.630 26.45 6.162 100

>=85 2.460 52.67 2.211 47.33 4.671 100

>=75 6.992 64.54 3.841 35.46 10.833 100






30

Genere

Maschi 8.411 76.96 2.518 23.04 10.929 100

Femmine 5.143 67.75 2.448 32.25 7.591 100

Tabella 7a. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi coronarici acuti totali, eventi di IMA ospedalizzati,

morti coronariche extraospedaliere e PM10, per differenti lag temporali: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di

10µg/m3 di PM10; p-value del test di eterogeneità della variabilità tra aree – 2002-2005

Eventi coronarici acuti totali (n= 69771)*

IMA ospedalizzati

(n=51213)*

Morti coronariche extraospedaliere (n= 18558)*

Inquinante

lag OR IC 95% p HET lag OR IC 95% p HET lag OR IC 95% p HET

PM10 (µg/m3)

0 1.003 ( 0.993 - 1.014 ) 0.812 0 1.003 ( 0.991 - 1.015 ) 0.610 0 1.004 ( 0.985 - 1.024 ) 0.570

0-1 1.004 ( 0.992 - 1.015 ) 0.828 0-1 1.004 ( 0.990 - 1.017 ) 0.710 0-1 1.004 ( 0.982 - 1.026 ) 0.741

0-2 1.003 ( 0.992 - 1.017 ) 0.813 0-2 1.005 ( 0.990 - 1.020 ) 0.847 0-2 1.004 ( 0.980 - 1.029 ) 0.766

0-3 1.003 ( 0.989 - 1.017 ) 0.554 0-3 1.004 ( 0.988 - 1.021 ) 0.510 0-3 0.999 ( 0.973 - 1.026 ) 0.595






31

0-4 1.003 ( 0.985 - 1.021 ) 0.291 0-4 1.005 ( 0.987 - 1.023 ) 0.426 0-4 1.000 ( 0.972 - 1.029 ) 0.558

0-5 1.002 ( 0.980 - 1.024 ) 0.187 0-5 1.004 ( 0.984 - 1.025 ) 0.362 0-5 0.996 ( 0.966 - 1.027 ) 0.659

3-5 1.003 ( 0.981 - 1.025 ) 0.022 3-5 1.004 ( 0.982 - 1.026 ) 0.104 3-5 1.001 ( 0.969 - 1.034 ) 0.147

* si riferisce alla numerosità per il lag 0-1. Per gli altri lag temporali le numerosità sono dello stesso ordine di grandezza

Tabella 7b. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi coronarici acuti totali e PM10 (lag 0-1), stratificando

per età, sesso e stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di PM10; p-value del test di eterogeneità

della variabilità tra aree– 2002-2005


Variabili N. osservazioni OR IC 95% p HET

Età (anni)

35-64 13010 0.975 ( 0.939 - 1.012 ) 0.165

65-74 12634 1.007 ( 0.979 - 1.035 ) 0.659

75-84 20904 1.019 ( 0.994 - 1.046 ) 0.268

>=85 17729 1.013 ( 0.991 - 1.036 ) 0.572

>=75 40995 1.013 ( 0.998 - 1.028 ) 0.944

Genere

Maschi 41049 1.001 ( 0.986 - 1.016 ) 0.459






32

Femmine 28722 1.007 ( 0.989 - 1.025 ) 0.687

Stagione

Calda 30981 1.027 ( 0.993 - 1.062 ) 0.457

Fredda 38790 1.000 ( 0.988 - 1.013 ) 0.749

Tabella 7c. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di IMA ospedalizzati e PM10 (lag 0-1), stratificando

per età, sesso e stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di PM10; p-value del test di eterogeneità


Eventi di IMA ospedalizzati


Età (anni)

35-64 11572 0.982 ( 0.946 - 1.018 ) 0.231

65-74 10527 1.013 ( 0.981 - 1.045 ) 0.399

75-84 15538 1.025 ( 1.001 - 1.050 ) 0.429

>= 85 9509 0.999 ( 0.968 - 1.031 ) 0.731

>= 75 26618 1.013 ( 0.995 - 1.032 ) 0.796

Genere






33

Maschi 31618 0.997 ( 0.973 - 1.022 ) 0.124

Femmine 19595 1.015 ( 0.984 - 1.048 ) 0.160

Stagione

Calda 22982 1.011 ( 0.972 - 1.051 ) 0.845

Fredda 28231 1.002 ( 0.987 - 1.017 ) 0.542

Tabella 7d. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di MCE e PM10 (lag 0-1), stratificando per età, sesso e

stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di PM10; p-value del test di eterogeneità della

variabilità tra aree– 2002-2005

Morti coronariche extraospedaliere (MCE)


Età (anni)

35-64 1438 0.944 ( 0.855 - 1.043 ) 0.291

65-74 2107 0.980 ( 0.913 - 1.052 ) 0.734

75-84 5366 0.996 ( 0.949 - 1.047 ) 0.301

>= 85 8220 1.014 ( 0.965 - 1.066 ) 0.111

>= 75 14377 1.013 ( 0.988 - 1.038 ) 0.827

Genere






34

Maschi 9431 1.016 ( 0.978 - 1.054 ) 0.288

Femmine 9127 0.987 ( 0.950 - 1.026 ) 0.270

Stagione

Calda 7999 1.059 ( 0.966 - 1.161 ) 0.220

Fredda 10559 0.996 ( 0.972 - 1.020 ) 0.896

Tabella 7e. Risultati meta-analitici per le sei aree in studio, relativi all’associazione con PM10 (lag 0-1) per il gruppo di popolazione di anziani (+75

anni) nella stagione calda, stratificando per tipo di evento e sesso: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di

10µg/m3 di PM10; p-value del test di eterogeneità della variabilità tra aree– 2002-2005

Popolazione di anziani (+75 anni) nel periodo Aprile-Settembre


Evento

Eventi totali 17907 1.076 ( 1.030 - 1.124 ) 0.642

IMA 11667 1.062 ( 1.007 - 1.121 ) 0.777

MCE 6240 1.073 ( 0.943 - 1.221 ) 0.104

Genere

Maschi 8283 1.057 ( 0.991 - 1.129 ) 0.719






35

Femmine 9624 1.082 ( 1.009 - 1.161 ) 0.336

Tabella 8a. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra NO2 eventi coronarici acuti totali, eventi di IMA

ospedalizzati, morti coronariche extraospedaliere e, per differenti lag temporali: incrementi percentuali di rischio, ed intervalli di confidenza al 95%,

corrispondenti a variazioni di 10µg/m3 di NO2; p-value del test di eterogeneità della variabilità tra aree – 2002-2005 Periodo Aprile-Settembre


IMA ospedalizzati

(n= 52664)*

Morti coronariche extraospedaliere (n= 19084)*

Inquinante


NO2 (�g/m

3)

0 1.009 ( 0.995 - 1.024 ) 0.705 0 1.008 ( 0.990 - 1.026 ) 0.380 0 1.012 ( 0.984 - 1.040 ) 0.888

0-1 1.010 ( 0.993 - 1.027 ) 0.400 0-1 1.012 ( 0.991 - 1.034 ) 0.352 0-1 1.004 ( 0.971 - 1.037 ) 0.390

0-2 1.010 ( 0.988 - 1.031 ) 0.300 0-2 1.017 ( 0.995 - 1.039 ) 0.404 0-2 1.000 ( 0.966 - 1.035 ) 0.675






36

0-3 1.018 ( 0.993 - 1.044 ) 0.248 0-3 1.027 ( 1.004 - 1.051 ) 0.426 0-3 1.008 ( 0.968 - 1.049 ) 0.374

0-4 1.028 ( 1.007 - 1.050 ) 0.475 0-4 1.032 ( 1.007 - 1.058 ) 0.682 0-4 1.015 ( 0.971 - 1.060 ) 0.359

0-5 1.028 ( 1.005 - 1.051 ) 0.492 0-5 1.036 ( 1.009 - 1.064 ) 0.774 0-5 1.001 ( 0.951 - 1.053 ) 0.311

3-5 1.021 ( 1.003 - 1.040 ) 0.390 3-5 1.026 ( 1.004 - 1.049 ) 0.375 3-5 1.007 ( 0.965 - 1.051 ) 0.258


Tabella 8b. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi coronarici acuti totali e NO2 (lag 0-5), stratificando

per età, sesso e stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di NO2; p-value del test di eterogeneità




Età (anni)

35-64 14463 1.015 ( 0.965 - 1.067 ) 0.865

65-74 14855 1.023 ( 0.962 - 1.087 ) 0.340

75-84 23969 1.026 ( 0.987 - 1.066 ) 0.733

>=85 18269 1.043 ( 0.982 - 1.107 ) 0.224

>=75 42238 1.036 ( 1.006 - 1.067 ) 0.411






37

Genere

Maschi 42395 1.016 ( 0.980 - 1.053 ) 0.271

Femmine 29353 1.043 ( 1.006 - 1.080 ) 0.855

Stagione

Calda 32616 1.067 ( 1.010 - 1.127 ) 0.976

Fredda 39132 1.021 ( 0.996 - 1.047 ) 0.435

Tabella 8c. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di IMA ospedalizzati e NO2 (lag 0-5), stratificando

per età, sesso e stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di NO2; p-value del test di eterogeneità

della variabilità tra aree – 2002-2005.



Età (anni)

35-64 12792 1.009 ( 0.954 - 1.067 ) 0.807

65-74 12296 1.032 ( 0.952 - 1.118 ) 0.148

75-84 17685 1.043 ( 0.995 - 1.094 ) 0.721

>= 85 9738 1.048 ( 0.980 - 1.120 ) 0.385






38

>= 75 27423 1.046 ( 1.005 - 1.089 ) 0.369

Genere

Maschi 32701 1.022 ( 0.977 - 1.069 ) 0.205

Femmine 19963 1.059 ( 1.000 - 1.122 ) 0.242

Stagione

Calda 24254 1.058 ( 0.993 - 1.127 ) 0.986

Fredda 28410 1.031 ( 1.001 - 1.062 ) 0.802

Tabella 8d. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di MCE e NO2 (lag 0-5), stratificando per età, sesso e

stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di NO2; p-value del test di eterogeneità della variabilità

tra aree – 2002-2005.



Età (anni)

35-64 1671 0.988 ( 0.854 - 1.143 ) 0.567

65-74 2559 0.903 ( 0.757 - 1.077 ) 0.205

75-84 6284 0.976 ( 0.906 - 1.053 ) 0.533

>= 85 8531 1.038 ( 0.957 - 1.126 ) 0.270






39

>= 75 14815 1.020 ( 0.972 - 1.071 ) 0.475

Genere

Maschi 9694 0.993 ( 0.935 - 1.054 ) 0.921

Femmine 9390 1.003 ( 0.919 - 1.094 ) 0.191

Stagione

Calda 8362 1.052 ( 0.911 - 1.214 ) 0.235

Fredda 10722 0.972 ( 0.901 - 1.047 ) 0.317

Tabella 8e. Risultati meta-analitici per le sei aree in studio, relativi all’associazione con NO2 (lag 0-5), per il gruppo di popolazione di anziani (+75

anni) nella stagione calda, stratificando per tipo di evento e sesso: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di

10µg/m3 di NO2; p-value del test di eterogeneità della variabilità tra aree– 2002-2005



Evento

Eventi totali 18888 1.103 ( 1.026 - 1.185 ) 0.612

IMA 12337 1.082 ( 0.988 - 1.184 ) 0.895

MCE 6551 1.112 ( 0.964 - 1.282 ) 0.326






40

Genere (eventi totali)

Maschi 8836 1.038 ( 0.856 - 1.258 ) 0.062

Femmine 10052 1.115 ( 1.010 - 1.231 ) 0.824

Tabella 8f. Risultati meta-analitici per le sei aree in studio, relativi all’associazione con NO2 (lag 0-5) per il gruppo di popolazione di anziani (+75

anni) nella stagione fredda, stratificando per tipo di evento e sesso: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di

10µg/m3 di NO2; p-value del test di eterogeneità della variabilità tra aree– 2002-2005

Popolazione di anziani (+75 anni) nel periodo Ottobre-Marzo


Evento

Eventi totali 23350 1.024 ( 0.992 - 1.056 ) 0.460

IMA 15086 1.035 ( 0.944 - 1.077 ) 0.568






41

MCE 8264 1.002 ( 0.950 - 1.056 ) 0.634

Genere (eventi totali)

Maschi 11005 1.019 ( 0.973 - 1.067 ) 0.496

Femmine 12345 1.027 ( 0.982 - 1.074 ) 0.369

Tabella 9a. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra O3 ed eventi coronarici acuti totali, eventi di IMA

ospedalizzati, morti coronariche extraospedaliere, per differenti lag temporali: incrementi percentuali di rischio, ed intervalli di confidenza al 95%,

corrispondenti a variazioni di 10µg/m3 di O3; p-value del test di eterogeneità della variabilità tra aree – Periodo Aprile Settembre 2002-2005


IMA ospedalizzati

(n= 22936 )*

Morti coronariche extraospedaliere

(n= 7937 )* Inquinante


O3 (�g/m

3)

0 1.007 ( 0.992 - 1.022 ) 0.976 0 1.004 ( 0.987 - 1.022 ) 0.717 0 1.013 ( 0.983 - 1.044 ) 0.630






42

0-1 1.014 ( 0.996 - 1.032 ) 0.692 0-1 1.010 ( 0.989 - 1.031 ) 0.406 0-1 1.025 ( 0.990 - 1.062 ) 0.958

0-2 1.019 ( 0.999 - 1.039 ) 0.546 0-2 1.011 ( 0.988 - 1.035 ) 0.429 0-2 1.041 ( 1.001 - 1.082 ) 0.676

0-3 1.020 ( 0.994 - 1.047 ) 0.307 0-3 1.008 ( 0.977 - 1.040 ) 0.294 0-3 1.055 ( 1.011 - 1.101 ) 0.735

0-4 1.017 ( 0.986 - 1.049 ) 0.233 0-4 1.001 ( 0.968 - 1.036 ) 0.283 0-4 1.063 ( 1.016 - 1.113 ) 0.604

0-5 1.015 ( 0.984 - 1.047 ) 0.280 0-5 0.993 ( 0.954 - 1.035 ) 0.199 0-5 1.067 ( 1.016 - 1.120 ) 0.620

3-5 1.000 ( 0.975 - 1.027 ) 0.184 3-5 0.983 ( 0.950 - 1.017 ) 0.111 3-5 1.036 ( 0.999 - 1.074 ) 0.522


Tabella 9b. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi coronarici acuti totali e O3 (lag 0-3), stratificando per

età, sesso: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di O3; p-value del test di eterogeneità della variabilità

tra aree– Periodo Aprile Settembre 2002-2005.



Età (anni)

35-64 6021 0.983 ( 0.906 - 1.067 ) 0.096






43

65-74 5504 1.026 ( 0.974 - 1.082 ) 0.421

75-84 9298 1.015 ( 0.962 - 1.070 ) 0.238

>=85 7726 1.048 ( 1.003 - 1.094 ) 0.942

>=75 18067 1.029 ( 1.000 - 1.059 ) 0.705

Genere

Maschi 18279 1.018 ( 0.986 - 1.050 ) 0.354

Femmine 12594 1.022 ( 0.988 - 1.058 ) 0.803

>=75 anni

Maschi 8416 1.035 ( 0.992 - 1.080 ) 0.551

Femmine 9651 1.023 ( 0.984 - 1.064 ) 0.967

Tabella 9c. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di IMA ospedalizzati e O3 (lag 0-3), stratificando per

età, sesso: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di O3; p-value del test di eterogeneità della variabilità

tra aree – Periodo Aprile Settembre 2002-2005.



Età (anni)






44

35-64 5450 0.998 ( 0.923 - 1.079 ) 0.158

65-74 4649 1.004 ( 0.928 - 1.086 ) 0.208

75-84 6869 1.012 ( 0.940 - 1.090 ) 0.132

>= 85 4227 1.021 ( 0.961 - 1.086 ) 0.969

>= 75 11806 1.017 ( 0.981 - 1.054 ) 0.448

Genere

Maschi 14219 1.017 ( 0.984 - 1.051 ) 0.483

Femmine 8717 0.996 ( 0.955 - 1.038 ) 0.801

Anziani >=75 anni

Maschi 5659 1.043 ( 0.989 - 1.099 ) 0.494

Femmine 6147 0.992 ( 0.944 - 1.043 ) 0.792

Tabella 9d. Risultati meta-analitici per le sei aree in studio, relativi all’associazione tra eventi di MCE e O3 (lag 0-3), stratificando per età, sesso e

stagione: odds ratio e intervalli di confidenza al 95%, corrispondenti a variazioni di 10µg/m3 di O3; p-value del test di eterogeneità della variabilità

tra aree - Periodo Aprile Settembre 2002-2005.








45

Età (anni)

35-64 571 0.953 ( 0.785 - 1.156 ) 0.536

65-74 855 1.242 ( 1.080 - 1.430 ) 0.900

75-84 2429 1.022 ( 0.943 - 1.109 ) 0.601

>= 85 3499 1.082 ( 1.015 - 1.154 ) 0.460

>= 75 6261 1.052 ( 1.003 - 1.104 ) 0.811

Genere

Maschi 4060 1.031 ( 0.970 - 1.096 ) 0.475

Femmine 3877 1.083 ( 1.018 - 1.151 ) 0.887

Anziani >=75 anni

Maschi 2757 1.026 ( 0.942 - 1.118 ) 0.346

Femmine 3504 1.076 ( 1.009 - 1.147 ) 0.727

Tabella 10 . Risultati meta-analitici. Associazioni tra PM10 lag0-1 ed eventi coronarici acuti, eventi di IMA ospedalizzati e morti coronariche extra-

ospedaliere, per il sottogruppo di anziani (+75 anni) nella stagione calda, derivati da modelli bi-pollutant aggiustati per NO2 lag0-3 e O3 lag0-3: OR e

intervalli di confidenza al 95%, relativi a incrementi di 10µg/m3 di PM10, p-value del test di eterogeneità della variabilità tra aree– 2002-2005







46

Modello OR 95% CI p HET

Eventi totali

Modello base 1.076 1.030 - 1.124 0.642

Modello bi-pollutant con NO2 lag0-5 1.070 1.020 - 1.122 0.838

Modello bi-pollutant con O3 lag0-3 1.082 1.031 - 1.136 0.495

IMA

Modello base 1.062 1.007 - 1.121 0.777



MCE

Modello base 1.073 0.943 - 1.221 0.104



Tabella 11 . Risultati meta-analitici. Associazioni tra NO2 lag0-5 ed eventi coronarici acuti, eventi di IMA ospedalizzati e morti coronariche extra-

ospedaliere, derivati da modelli bi-pollutant aggiustati per PM10 lag0-1 e O3 lag0-3: OR e intervalli di confidenza al 95%, relativi a incrementi di 10µg/m3

di PM10, p-value del test di eterogeneità della variabilità tra aree– 2002-2005







47


Eventi totali

Modello base 1.103 1.026 - 1.185 0.612

Modello bi-pollutant con PM10 lag0-1 1.083 0.997 - 1.177 0.596


IMA

Modello base 1.082 0.988 - 1.184 0.895



MCE

Modello base 1.112 0.964 - 1.282 0.326



Tabella 12 . Risultati meta-analitici. Associazioni tra O3 lag0-3 ed eventi coronarici acuti, eventi di IMA ospedalizzati e morti coronariche extra-

ospedaliere, derivati da modelli bi-pollutant aggiustati per PM10 lag0-1 e NO2 lag0-5: OR e intervalli di confidenza al 95%, relativi a incrementi di

10µg/m3 di PM10, p-value del test di eterogeneità della variabilità tra aree– 2002-2005






48



Eventi totali

Modello base 1.029 1.000 - 1.059 0.705



IMA

Modello base 1.017 0.981 - 1.054 0.448



MCE

Modello base 1.052 1.003 - 1.104 0.811



Rischio cardiovascolare ed inquinamento ... - ars.toscana.it · ... Alessandro Barchielli,1 ......

Documents

Transcript of Rischio cardiovascolare ed inquinamento ... - ars.toscana.it · ... Alessandro Barchielli,1 ......