1.11.1 Descrittive e analisi univariate di associazione
Come prima analisi esplorativa sono state prodotte delle misure descrittive per tutte le variabili oggetto dello studio: concentrazioni urinarie ed ematiche dei metalli, indicatori di esposizione am-bientale, esiti di salute e variabili di confondimento.
Per le variabili di tipo continuo, come alcuni esiti di salute (ad esempio i parametri di funzionalità respiratoria), gli indicatori di esposizione ambientale (H2S, arsenico e mercurio in aria, arsenico nelle acque potabili) e le concentrazioni urinarie ed ematiche dei metalli, sono state prodotte le principali statistiche descrittive: media aritmetica, media geometrica, mediana, intervalli di confidenza al 95%
delle medie, deviazione standard, percentili delle distribuzioni, range dei valori. Sono stati, inoltre, utilizzati test statistici per la valutazione della normalità della distribuzione (test Skewness e Kurtosis e test di Shapiro-Wilk) (D’Agostino 1990, Shapiro 1965).
Per le concentrazioni ematiche e urinarie dei metalli le descrittive sono espresse in termini di µg/l e µg/g di creatinina, in linea con quanto riportato generalmente negli studi di biomonitoraggio uma-no. Sono stati presi in considerazione il numero di outlier (valori anomali) utilizzando il test di Grub-bs, dopo trasformazione logaritmica (Grubbs 1969) e i livelli urinari ed ematici dei metalli sono stati confrontati con i valori di riferimento prodotti dalla Società Italiana Valori di Riferimento SIVR edizio-ne 2017 (Aprea 2018) e da altri organismi internazionali e studi internazionali. Per le concentrazioni urinarie dei metalli è importante considerare anche la diluizione/concentrazione del campione: le indicazioni dell’OMS prevedono che i campioni di urina con una concentrazione di creatinina <0.3 e
>3.0 mg/l siano da ritenersi troppo diluiti o troppo concentrati e, quindi, non idonei quali matrici di indagine tossicologica (WHO 1996). Pertanto, tali campioni sono stati esclusi dall’analisi. In caso di valori al di sotto del limite di quantificazione (LoQ) è stato imputato un valore pari a LoQ/2.
Per le variabili di tipo dicotomico sono riportate le numerosità per sesso, fasce d’età, residenza nei comuni principali e nei comuni di controllo, modalità di partecipazione (soggetti campionati o vo-lontari).
Il secondo step è stato quello di valutare le associazioni univariate tra esiti in studio e possibili varia-bili esplicative. Per il confronto tra variavaria-bili categoriche è stato utilizzato il test del χ2 (Pearson 1990), mentre per valutare le associazioni tra variabili continue sono stati utilizzati test non parametrici (test di Mann-Whitney e test di Kruskal–Wallis) (Mann 1947, Kruskall 1957). Per valutare le asso-ciazioni univariate tra le concentrazioni ematiche e urinarie dei metalli con le variabili esplicative, ovvero quelle variabili che singolarmente contribuiscono a spiegare le variazioni individuali dei livelli di metalli misurati, sono state stimate le medie geometriche mediante modello di regressione log-li-neare, che utilizza il logaritmo della concentrazione urinaria del metallo come variabile dipendente.
Come proposto da Barr et al. (Barr 2005), al fine di tenere conto della diluizione del campione e della forte influenza di sesso ed età sui valori di creatinina urinaria, nel modello si utilizzano le
concentra-zioni dei metalli espressi in µg/l come variabile dipendente e si include nel modello la creatinina uri-naria come variabile indipendente. Nello studio InVETTA, come ulteriore aggiustamento, sono stati inseriti i residui, ovvero le differenze fra il valore osservato e quello predetto dal modello, derivanti dal modello di regressione della creatinina urinaria considerando l’effetto del genere e dell’età.
1.11.2 Analisi multivariate
Modelli multivariati predittivi delle concentrazioni urinarie ed ematiche dei metalli
L’obiettivo di questa serie di analisi è stato determinare quali sono quelle variabili che nel loro in-sieme risultano maggiormente associate alle concentrazioni urinarie e ematiche dei metalli. Si parla di modello predittivo in quanto modello finalizzato a predire l’esito atteso sulla base dei fattori di rischio. Le variabili inserite nel modello sono state individuate sulla base dei risultati ottenuti nella fase esplorativa, nella quale sono stati identificati i singoli fattori di rischio potenzialmente associati alle concentrazioni ematiche e urinarie di metalli. Si parla in questo caso di modelli multivariati, cioè dei modelli che analizzano l’effetto combinato di tutte le variabili risultate associate ai livelli del metallo.
Nei modelli predittivi delle concentrazioni urinarie ed ematiche dei metalli, a causa delle distribu-zioni fortemente asimmetriche, tali variabili di risposta sono state incluse nei modelli di regressione lineare multipla dopo trasformazione logaritmica. Come nei modelli univariati, anche nei modelli multivariati predittivi sono stati inseriti i residui dei modelli di regressione della creatinina urinaria considerando l’effetto del genere e dell’età.
Associazioni tra esiti di salute e indicatori di esposizione ambientale
L’obiettivo di questo gruppo di analisi è stato valutare le associazioni tra gli esiti di salute considerati nello studio InVETTA e le variabili di esposizione ambientale, al netto dei fattori di confondimento.
Nella descrizione dei risultati sono indicate le variabili di confondimento specifiche utilizzate in cia-scun modello di analisi.
L’associazione con i livelli di H2S, arsenico e mercurio in aria, ed arsenico nelle acque potabili, è stata valutata per incrementi pari al range interquartile delle distribuzioni. La distanza dalle centrali è stata categorizzata in tre classi: <3 Km, 3-4.5 Km e >=4.5 Km come classe di riferimento.
Nei modelli di associazione tra esiti di salute e i livelli dei metalli nei campioni biologici, le concen-trazioni dei metalli sono state trasformate in logaritmo in base 2 (log2). Ciò consente di interpretare i coefficienti stimati come le variazioni dell’esito associate al raddoppio delle concentrazioni di me-tallo. Come nei modelli predittivi sopracitati, tutti i modelli che includono le concentrazioni urinarie ed ematiche dei metalli si riferiscono alle concentrazioni espresse in µg/l. Al fine di tenere conto dell’entità della diluizione dei campioni di urina, nei modelli si tiene conto della creatinina urinaria e dell’effetto del genere e dell’età.
Per gli esiti di salute dicotomici (Sì/No), le associazioni con le variabili di esposizione ambientale sono state testate mediante modelli di regressione logistica multivariati, e le stime espresse in termi-ni di rapporti di prevalenza, “Prevalence Ratios” (PR) nell’accezione inglese (Zocchetti 1995), riporta-ti come variazioni percentuali per facilitarne l’interpretabilità.
Per gli esiti di salute continui, in particolare i parametri di funzionalità respiratoria, le associazioni con le variabili di esposizione ambientale sono state stimate mediante modelli lineari generalizzati per variabili continue con variabile di risposta secondo una distribuzione Gamma e con una funzione di collegamento di tipo log (McCullagh 1998, Madsen 2010). La scelta della distribuzione Gamma è giustificata dalla necessità di stabilizzare la varianza e ridurre l’asimmetria delle distribuzioni dei parametri respiratori. La funzione di collegamento di tipo log ha il vantaggio di poter direttamente interpretare i coefficienti stimati con la regressione in termini di variazioni percentuali.
BIBLIOGRAFIA
- ACGIH American Conference of Governmental Industrial Hygienists. TLVs and BEIs based on the documentation of the threshold limit values for chemical substances and physical agents and biological exposure indices. 2017. ACGIH Signature Publication - Aprea MC, Apostoli P, Bettinelli M, Lovreglio P, Negri S, Perbellini L, Perico A, Ricossa MC, Salamon F, Scapellato ML, Iavicoli I.
Urinary levels of metal elements in the non-smoking general population in Italy: SIVR study 2012-2015. Toxicol Lett. 2018 Dec 1;298:177-185. doi: 10.1016/j.toxlet.2018.07.004
- Barr DB, Wilder LC, Caudill SP, Gonzalez AJ, Needham LL, Pirkle JL. Urinary creatinine concentrations in the U.S. population: implications for urinary biologic monitoring measurements. Environ Health Perspect. 2005 Feb;113(2):192-200. doi: 10.1289/ehp.7337
- Bates MN, Garrett N, Crane J, Balmes JR. Associations of ambient hydrogen sulfide exposure with self-reported asthma and asthma symptoms. Environ Res. 2013 Apr;122:81-7. doi: 10.1016/j.envres.2013.02.002
- Bates MN, Crane J, Balmes JR, Garrett N. Investigation of hydrogen sulfide exposure and lung function, asthma and chronic obstructive pulmonary disease in a geothermal area of New Zealand. PLoS One. 2015 Mar 30;10(3):e0122062. doi: 10.1371/
journal.pone.0122062
- Bustaffa E, Minichilli F, Nuvolone D, Voller F, Cipriani F, Bianchi F. Mortality of populations residing in geothermal areas of Tuscany during the period 2003-2012. Ann Ist Super Sanita. 2017 Apr-Jun;53(2):108-117. doi: 10.4415/ANN_17_02_06
- D’Agostino RB, Belanger AJ, D’Agostino RB Jr. A suggestion for using powerful and informative tests of normality. American Statistician 1990;44: 316–321.
- Grubbs F. Procedures for Detecting Outlying Observations in Samples, Technometrics, 1969;11(1):1-21
- Halbert RJ, Natoli JL, Gano A, Badamgarav E, Buist AS, Mannino DM. Global burden of COPD: systematic review and meta-analysis.
Eur Respir J. 2006 Sep;28(3):523-32. doi: 10.1183/09031936.06.00124605
- IARC International Agency for Research on Cancer. Arsenic and arsenic compounds. IARC Monogr Eval Carcinog Risks Hum 2012;100C:41–93
- IARC International Agency for Research on Cancer. Beryllium, Cadmium, Mercury and exposures in the Glass Manufacturing Industry. IARC Monogr Eval Carcinog Risks. Hum 1993; Volume 58
- Kruskal WH. Historical notes on the Wilcoxon unpaired two-sample test. Journal of the American Statistical Association 1957;52: 356–360 - Madsen H, Thyregod P. Introduction to General and Generalized Linear Models: CRC Press. 2010
- Mann HB, Whitney DR. On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics 1947;18: 50–60
- McCullagh P, Nelder JA Generalized Linear Models; Monographs on statistics and applied probability; 2nd ed.; Chapman & Hall/
CRC: Boca Raton, 1998; ISBN 978-0-412-31760-6
- Miller MR, Hankinson J, Brusasco V, Burgos F, Casaburi R, Coates A, Crapo R, Enright P, van der Grinten CP, Gustafsson P, Jensen R, Johnson DC, MacIntyre N, McKay R, Navajas D, Pedersen OF, Pellegrino R, Viegi G, Wanger J; ATS/ERS Task Force. Standardisation of spirometry. Eur Respir J. 2005 Aug;26(2):319-38. doi: 10.1183/09031936.05.00034805
- Minichilli F, Nuvolone D, Bustaffa E, Cipriani F, Vigotti MA, Bianchi F. State of health of populations residing in geothermal areas of Tuscany. Epidemiol Prev. 2012, 36(5 Suppl 1), 1-104. Italian
- National Kidney Foundation. K/DOQI Clinical practice guidelines for chronic kidney disease: evaluation, classification and stratification. AmJ Kidney Dis. 2002;39(2)(suppl 1):S1-S266
- Nuvolone D, Petri D, Pepe P, Voller F. Health effects associated with chronic exposure to low-level hydrogen sulfide from geothermoelectric power plants. A residential cohort study in the geothermal area of Mt. Amiata in Tuscany. Sci Total Environ.
2019 Apr 1;659:973-982. doi: 10.1016/j.scitotenv.2018.12.363
- Nuvolone D, Santini M, Pepe P, Cipriani F. Impacts of geocoding quality in environmental epidemiology studies: two case-studies in Tuscany Region (Central Italy). Epidemiol Prev. 2016 Jan-Feb;40(1):44-50. Italian. doi: 10.19191/EP16.1.P044.013
- Pearson K. On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series, 1900; 5, 50 (302): 157–175
- Shapiro SS, Bradbury Wilk M. An analysis of variance test for normality (complete samples). Biometrika, 1965;52:591-611 - SIVR Società Italiana Valori di Riferimento. Terza lista dei valori di riferimento per elementi, composti organici e loro metaboliti.
Edizione 2011
- Vogelmeier CF, Criner GJ, Martinez FJ, Anzueto A, Barnes PJ, Bourbeau J, Celli BR, Chen R, Decramer M, Fabbri LM, Frith P, Halpin DM, López Varela MV, Nishimura M, Roche N, Rodriguez-Roisin R, Sin DD, Singh D, Stockley R, Vestbo J, Wedzicha JA, Agustí A.
Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Lung Disease 2017 Report. GOLD Executive Summary. Am J Respir Crit Care Med. 2017 Mar 1;195(5):557-582. doi: 10.1164/rccm.201701-0218PP
- WHO World Health organization. Biological Monitoring of Chemical Exposure in the Workplace. Geneva, Switzerland:
WHO; 1996. Vol. 1. Disponibile al seguente link: https://apps.who.int/iris/bitstream/handle/10665/41856/WHO_HPR_
OCH_96.1.pdf;jsessionid=5E36EC864311BC3C8C15C86694D54266?sequence=1
- WHO/IPCS. Thallium. Environmental Health Criteria 182. World Health Organization, Geneva 1996, Switzerland. Available from http://www.inchem.org/documents/ehc/ehc/ehc182.htm
- Zocchetti C, Consonni D, Bertazzi PA. Estimation of prevalence rate ratios from cross-sectional data. Int J Epidemiol. 1995 Oct;24(5):1064-7. doi: 10.1093/ije/24.5.1064