Autore: Alessio Lachi, Dipartimento di Statistica, Informatica, Applicazioni “Giuseppe Parenti”
alessio.lachi@unifi.it
Giulia Carreras, Cecilia Viscardi, Andrea Saltelli, Michela Baccini
Categoria Primaria: Metodi epidemiologici e biostatistici
Categoria Secondaria: Epidemiologia sociale
Introduzione: Nonostante negli ultimi anni si sia registrata una diminuzione del consumo di sigarette, il fumo è ancora una delle principali cause di mortalità. Se le politiche di controllo del tabacco (TCP) hanno mostrato efficacia nel ridurre la diffusione del tabacco, è tuttavia importante utilizzare approcci modellistici per confrontare l’impatto atteso di interventi alternativi. I modelli compartimentali sono uno strumento diffuso per la comprensione e la previsione delle dinamiche di fumo nella popolazione. Tuttavia spesso l’incertezza che interviene nelle varie fasi della loro implementazione non è tenuta in debito conto.
Obiettivi: Lo studio vuole validare l’inferenza, effettuare previsioni e valutare l’impatto futuro di ipotetiche TCP a partire da un modello compartimentale per le dinamiche di fumo sviluppato per la regione Toscana per il periodo 1993 – 2043.
Metodi: Il modello compartimentale simula le dinamiche di fumo in Toscana, dividendo la popolazione in accordo all’abitudine al fumo. Le transizioni tra compartimenti sono regolate dalle probabilità, non note, di iniziare, smettere e riprendere a fumare. L’analisi è basata su una procedura che include: la calibrazione del modello su dati di prevalenza, la quantificazione dell’incertezza campionaria tramite bootstrap e di quella intrinseca relativa alle transizioni, la previsione sotto TCP alternative. La procedura ha come input i parametri noti del modello, quelli che definiscono le TCP e un trigger sulla finestra di calibrazione. Ha come output le stime delle probabilità di transizione, le previsioni di prevalenza e di mortalità. Una volta definite delle distribuzioni sugli input, sono state effettuate simulazioni Monte Carlo per propagare l’incertezza dagli input agli output e, tramite analisi di sensibilità globale (GSA), è stato valutato in che misura la variabilità degli output potesse essere attribuita all’incertezza dei singoli input.
Risultati: Le probabilità di transizione e le previsioni risultano in linea con quelle derivate da approcci di inferenza standard, ma più incerte. I risultati evidenziano la dipendenza delle stime delle probabilità di transizione dalla finestra temporale di calibrazione, a indicare la criticità dell’ipotesi di probabilità di transizione costanti nel tempo. Le TCP atte a disincentivare l’iniziazione al fumo sono quelle che porteranno in media ai migliori risultati in termini di prevalenza di fumo. Le TCP che incentivano la cessazione da fumo sembrano portare i maggiori benefici nel breve periodo in termini di morti attribuibili. Il ranking tra politiche è tuttavia affetto da molta variabilità.
Conclusione: La propagazione dell’incertezza e la GSA ci guidano nello sviluppo di modelli complessi e ci offrono una comprensione più ampia delle stime e delle proiezioni. Nonostante il notevole impatto delle fonti di incertezza sull’efficacia delle TCP, i risultati suggeriscono l’importanza di attuare nuove politiche contro la dipendenza da tabacco.