Riassunto

OBIETTIVI: studiare l’associazione tra livello di istruzione, prezzi degli immobili nel quartiere in cui si risiede e mortalità per tutte le cause.
DISEGNO: studio di coorte.
SETTING E PARTECIPANTI: dalla coorte censuaria del 2011 sono stati selezionati i residenti a Roma, viventi (da fonte anagrafica) all’indirizzo del censimento, di età compresa tra i 18 e i 99 anni. I soggetti sono stati seguiti, attraverso record linkage con database amministrativi, fino a dicembre 2016. I dati includono informazioni individuali quali genere, età, istruzione, quartiere di residenza, data di morte. I quartieri sono stati classificati secondo il prezzo degli immobili (euro/m2).
PRINCIPALI MISURE DI OUTCOME: mortalità per tutte le cause, analizzata con modelli di Cox.
RISULTATI: sono stati inclusi 2.051.376 individui (54% donne, 22,5% con un alto livello di istruzione). Durante il follow-up, sono morte 127.352 persone. L’istruzione è un forte determinante della mortalità. Tenendo conto di età, genere, stato civile e prezzo degli immobili nel quartiere di residenza, rispetto a chi ha un livello di istruzione alto, le persone con un’istruzione media hanno un hazard ratio (HR) di 1,16 (IC95% 1,14-1,19) e quelle con un’istruzione bassa hanno un HR di 1,35 (IC95% 1,32-1,37). Tenendo conto degli stessi fattori e del titolo di studio, a ogni mille euro di aumento del prezzo al m2 degli immobili corrisponde un HR di 0,96 (IC95% 0,96-0,97).
CONCLUSIONI: entrambi gli indicatori utilizzati sono associati alla mortalità per tutte le cause. Un semplice indicatore come il prezzo immobiliare può essere utilizzato per mettere in luce disuguaglianze nello stato di salute.

 Parole chiave: , , , ,

Abstract

OBJECTIVES: to investigate the association between real estate prices, education, and mortality.
DESIGN: cohort study.
SETTING AND PARTICIPANTS: residents in Rome at the 2011 Italian Census, not living in institutions, and living in the address reported in the Census survey. People aged 18-99 years were followed from 2011 to 2016 using anonymous record linkage procedures with administrative databases. The Census includes several individual information, such as gender, age, education, residential neighbourhood. Data and cause of death were collected from mortality register. Real estate prices (euros/m2) were available for each neighbourhood.
MAIN OUTCOME MEASURES: adjusted Cox regression models (hazard ratios – HRs and 95%CIs) were used to estimate the association among individual education, real estate price in the neighbourhood, and mortality.
RESULTS: the subjects selected were 2,051,376 (54% women, 22.5% with high education level). During the follow-up, 127,352 subjects died. Taking into account gender, age, marital status, and real estate prices, education level was strongly associated with all-cause mortality; compared to highly educated the higher mortality, risk was 35% (95%CI 32%-37%) for low education level and 16% (95%CI 14%-19%) for medium education level. Taking into account the same factors and education level, each increase of 1,000 euros in price/m2 was inversely associated with mortality (HR 0.96, 95%CI 0.96-0.97).
CONCLUSIONS: there is an independent association between the two indicators and mortality in Rome. A simple indicator such as real estate prices can be used to tackle inequalities.

 Keywords: , , , ,

 

       Visite