Statistické metody vyhodnocení vlivu škodlivin na denní úmrtnost, hospitalizaci a příznaky kardiovaskulárních a respiračních onemocnění Jiří Skorkovský
Úvod a cíle studie vlivu PM10 na denní úmrtnost 1. Již několik desetiletí je zkoumán vliv znečištěného ovzduší na zdravotní stav obyvatelstva, resp. úmrtnost. Studie probíhaly v USA, v Evropě, Číně, Brazílii a jinde. Významné výsledky poskytla studie APHEA v 15 evropských zemích. Panuje široký konsenzus v tom, že znečištěné ovzduší má negativní vliv na zdravotní stav i úmrtnost. Studie epizod extrémního znečištění ovzduší jasně prokázaly vážné negativní účinky na zdraví a úmrtnost. 2. Většina výsledků studií naznačuje, že zejména prachové částice jsou příčinou nárůstu denní úmrtnosti spojené se vzrůstem znečištění. 3. V rámci této studie byly vyhodnoceny 3 oblasti České republiky : • Hnědouhelná pánev Severozápadních Čech • Průmyslová část Moravskoslezského kraje • Hlavní město Praha Účelem této studie bylo zjistit, jaký je vliv denních koncentrací prachových částic PM10 na standardizovanou denní úmrtnost – celkovou, kardiovaskulární a respirační, rozdělenou podle pohlaví a věkové skupiny ve sledovaných oblastech studie
Mapa České Republiky a oblasti studie
Poissonův regresní model • Statistický software S+ • Procedura gam (generalizovaný additivní model) • Funkce Loess (po částech lineární regrese) • Span 0.075 (1 rok) pro dlouhodobý trend a sezónní kolísání, 0.5 pro teplotu, 0.8 pro relativní vlhkost
Spolupůsobící proměnné (konfoundery) v modelu 1.dlouhodobý časový trend s periodou 1 roku, pro vystižení dlouhodobých trendů a sezónních vlivů, je statisticky vysoce významný 2.den v týdnu byl zařazen pro kompatibilitu s jinými studiemi, ale neprokázal se jako významný. 3.teplota tento faktor se ukázal jako vysoce významný kromě lidí < 65, nejnižší úmrtnost je kolem 15-17 °C. 4.relativní vlhkost byla opět zařazena kvůli kompatibilitě, ale neprokázala se jako významná. 5.chřipka (nebo respirační onemocnění) je evidována v týdenních počtech pro všechny okresy ČR. Je vysoce významná kromě osob mladších 65 let.
Vliv teploty na celkovou úmrtnost - muži
Vliv teploty na KVO úmrtnost - muži
Sezónní koncentrace PM10 [µg/m3] v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009
Statisticky významné výsledky CELKOVÁ ÚMRTNOST
Všechny věkové skupiny • Pro celkovou úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 8,3%(4-denní průměr), 5,8%(lag 3), 5,4%(lag 2), 5,3%(lag 1) SČ-UP : 6,0%(4-denní průměr), 4,4%(lag 2), 4,1%(lag 1) Praha: 7,9%(4-denní průměr), 6,3%(lag1), 5,7%(lag 2) • Pro celkovou úmrtnost žen všech věkových skupin nebyla zjištěna signifikantní závislost.
Celková úmrtnost podle věkových skupin Věk < 65 let • Pro celkovou úmrtnost mužů ve věku < 65 let nebyla zjištěna signifikantní závislost. • U žen také není tato závislost signifikantní, někde je dokonce negativní. Pravděpodobně je to způsobeno malým počtem úmrtí žen ve věku < 65 let. Věk 65 let a více • Pro celkovou úmrtnost mužů ve věku 65 let a více byly zjištěny následující nejvyšší signifikantní hodnoty: • MSK: 13,2%(4-denní průměr), 9,3(lag 2), 8,7(lag 3), 8,1(lag 1) • SČ-UP : 8,4%(4-denní průměr), 6,6%(lag 2), 5,6%(lag 1) Praha: 8,5%(4-denní průměr), 7,1%(lag2), 6,6%(lag 1), 6,2%(lag 3) • Pro celkovou úmrtnost žen ve věku 65 let a více nebyla zjištěna signifikantní závislost.
KARDIOVASKULÁRNÍ ÚMRTNOST Všechny věkové skupiny • Pro kardiovaskulární úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 12,9%(4-denní průměr), 10,9(lag 2), 8,9(lag 3), 8,2(lag 1) SČ-UP: 9,0%(4-denní průměr), 7,0%(lag 3), 6,5% (lag 2) Praha: 9,7%(4-denní průměr), 8,1%(lag 2), 8,0%(lag 1), 7,7%(lag 3) • U žen v této věkové skupině nebyla zjištěna signifikantní závislost pro CVD úmrtnost. Nejvyšší nesignifikantní pozitivní závislost je v Praze (lag 1): 4,16% s int.spol.: ( 0,74, 9,29).
Kardiovaskulární úmrtnost podle věkových skupin
Věk < 65 let • Pro kardiovaskulární úmrtnost mužů ve věku < 65 let nebyla zjištěna signifikantní závislost. • U žen také není tato závislost signifikantní, někde je dokonce negativní. Pravděpodobně je to způsobeno malým počtem úmrtí žen ve věku < 65 let. Věk 65 a více • Pro kardiovaskulární úmrtnost mužů ve věku 65 let a více byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 18,4%(4-denní průměr), 13,3(lag 2), 12,4(lag 1), 11,4(lag 3) SČ-UP : 12,8%(4-denní průměr), 10,2%(lag 2), 8,4%(lag 3) Praha: 10,5%(4-denní průměr), 10,2%(lag 2), 9,0%(lag 3), 7,8% (lag 1) • Pro kardiovaskulární úmrtnost žen ve věku 65 let a více nebyla zjištěna signifikantní závislost.
RESPIRAČNÍ ÚMRTNOST • U respirační úmrtnosti byly výpočty provedeny pouze pro ženy a muže všech věkových skupin z důvodu celkově malého počtu úmrtí na respirační choroby. • Pro respirační úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 14,3%(4-denní průměr), 13,6(lag 3) Praha: 18,2%(lag 2) • Pro respirační úmrtnost žen všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: SČ-UP : 37,2%(4-denní průměr), 25%(lag 2), 23%(lag 1), 21,4%(lag 3)
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Celková úmrtnost muži. Bez rozlišení věku.
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Celková úmrtnost muži. Věk 65 a více.
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Kardiovaskulární úmrtnost muži. Bez rozlišení věku.
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Kardiovaskulární úmrtnost muži. Věk 65 a více.
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Respiratorní úmrtnost muži. Bez rozlišení věku.
RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze 1997-2009. Kardiovaskulární úmrtnost ženy. Věk 65 a více.
Statistický plán pro studii příznaků Cíl studie •Určit vztah mezi znečištěním ovzduší, zejména ultrajemnými částicemi (UJČ) a kardiovaskulárními a respiračními příznaky • Určit vztah dávky a odpovědi mezi UJČ, jinými prachovými částicemi a výskytem příznaků • Porovnat změny ve výskytu příznaků spojené s UJČ se změnami v úmrtnosti spojenými s tradičními škodlivinami (např. PM10 nebo PM2.5);
Statistický plán Spolupůsobící faktory •Časový trend •Sezónní efekty •Meteorologické parametry - denní teplota, relativní vlhkost, atmosférický tlak a sluneční záření •Kalendářní efekty (den v týdnu, prázdniny, svátky) •Chřipka nebo akutní respirační onemocnění
Statistický plán Závislé (výsledné) proměnné •Denní počty pacientů s aspoň jedním příznakem •Denní počty pacientů s konkrétním příznakem (pouze pro symptomy s dostatečným počtem výskytů)
Model pro určení vztahu mezi ultrajemnými částicemi a zdravotními příznaky
• Model je založen na sledování časových řad výskytu příznaků a počtu ultrajemných částic • Jako spolupůsobící faktory se uvažují další škodliviny, jako NO2, O3, PM10 a PM2,5, meteorologické parametry a kalendářní a sezónní vlivy • Použije se Poissonův regresní model • Statistický SW : Statistica v.11, R+
Statistický plán Statistické metody Statistický model pro denní počty pacientů s příznaky : •Poissonova regrese umožňující overdispersi (překročený rozptyl) pro denní počty pacientů s příznaky •Case-cross over model pro vyhodnocení každého účastníka zvlášť – výskyt symptomů ve dnech špatného a dobrého stavu znečištění ovzduší – výpočet OR a chi-kvadrát
Průběh počtu ultrajemných částic
30 denní klouzavý průměr počtu ultrajemných částic
Průběh meteorologických parametrů
Korelace mezi parametry ovzduší
korelace
N2N5N7N3(10- N4(30- N6(50- N8(10030nm) 50nm) 100nm) 800nm) PM1_BC PM10
N4(30-50nm)
0.676
1.000
N5-N6(50-100nm)
0.324
N7-N8(100-800nm)
SO2
O3
teplota vzduchu
0.784
1.000
0.000
0.402
0.822
1.000
PM1_BC
-0.050
0.349
0.743
0.914
1.000
PM10
-0.119
0.206
0.598
0.862
0.853 1.000
SO2
0.077
0.240
0.465
0.549
0.530 0.594
1.000
O3
0.162
-0.070
-0.348
-0.533
-0.702 -0.434
-0.456
1.000
NO2
0.113
0.444
0.709
0.772
0.787 0.685
0.619
-0.652
teplota vzduchu
0.393
0.253
0.001
-0.280
-0.404 -0.388
-0.416
0.549
1.000
relativní vlhkost
-0.405
-0.299
-0.023
0.282
0.498 0.345
0.361
-0.739
-0.610
0.375
0.273
-0.006
-0.282
-0.497 -0.318
-0.392
0.737
0.781
sluneční záření GLRD
Počet klientů DD s příznaky KVO
Počet klientů DD s příznaky respiračního onemocnění
Korelace mezi ovzduším a počtem pacientů se symptomy correlation
KVO count
KVO ratio
respir. count
respir. ratio
N2-N3(10-30nm)
0.165
0.079
0.022
0.006
N2-N6(10-100nm)
0.200
0.162
0.079
0.071
N4(30-50nm)
0.195
0.189
0.094
0.101
N2-N4(10-50nm)
0.185
0.119
0.046
0.034
N5-N6(50-100nm)
0.162
0.221
0.145
0.151
N7-N8(100-800nm)
0.027
0.128
0.153
0.137
PM1_BC
0.004
0.177
0.162
0.161
-0.008
0.036
0.198
0.164
SO2
0.087
0.010
0.294
0.267
O3
0.002
-0.102
-0.189
-0.176
NO2
0.127
0.134
0.300
0.282
air temperature
0.117
0.150
-0.246
-0.199
-0.122
-0.103
0.153
0.090
air pressure
0.025
0.155
-0.092
-0.009
sun radiation GLRD
0.022
0.073
-0.279
-0.229
PM10
relative humidity
Regression Summary for Dependent Variable: KVO_count R= .39180110 R2= .15350810 Adjusted R2= .13161607 F(9,348)=7.0121 p<.00000 Std.Error of estimate: 3.4791
b*
St.Err. b*
intercept
b
St.Err.b
t(348)
p-value
16.10167
3.252676
4.95028
0.000001
N4 -0.127925
0.110384
-0.00051
0.000440
-1.15891
0.247289
0.339883
0.083316
0.16088
0.039436
4.07946
0.000056
GLDR -0.399965
0.112899
-0.67603
0.190824
-3.54269
0.000450
Rel.hum. -0.121372
0.106290
-0.03460
0.030296
-1.14189
0.254285
NO2
0.223327
0.101292
0.08418
0.038183
2.20478
0.028123
O3
0.152526
0.107050
0.02663
0.018691
1.42482
0.155106
PM10
0.069013
0.126292
0.01347
0.024656
0.54645
0.585107
N5-N6
0.560875
0.191328
0.00182
0.000619
2.93149
0.003596
N7-N8 -0.526112
0.211995
-0.00154
0.000620
-2.48172
0.013546
Air temp
Regression Summary for Dependent Variable: respir_count R= .42341499 R2= .17928025 Adjusted R2= .16286586 F(7,350)=10.922 p<.00000 Std.Error of estimate: 4.1469
b*
St.Err. b*
b
St.Err.b
t(348)
p-value
4.561487 1.232986
3.69954 0.000251
NO2 0.418688 0.096274 0.191604 0.044058
4.34892 0.000018
GLDR -0.418916 0.100157 -0.859594 0.205518
-4.18258 0.000036
O3 0.292144 0.088342 0.061925 0.018726
3.30696 0.001041
N7-N8 -0.558484 0.176607 -0.001984 0.000627
-3.16231 0.001702
PM10 0.288991 0.122048 0.068495 0.028927
2.36784 0.018435
N5-N6 0.228210 0.112992 0.000897 0.000444
2.01969 0.044177
Air_temp 0.088441 0.081657 0.050820 0.046923
1.08307 0.279523
intercept