Riassunto

Obiettivi: la corretta valutazione dell’esposizione a inquinamento atmosferico è determinante nella stima degli effetti avversi sulla salute umana, sia a breve sia a lungo termine. Nell’ambito del progetto BIGEPI, sono stati testati diversi indicatori di esposizione di lungo periodo a inquinamento atmosferico, in associazione con la mortalità per causa, negli studi longitudinali metropolitani (SLM) italiani. Questo ha permesso una valutazione delle differenze nelle stime di effetto utilizzando i diversi indicatori di esposizione.

Disegno: coorte chiusa.

Setting e partecipanti: soggetti con età ≥30 anni, censiti e residenti al 2011 in 5 città (Torino, Bologna, Roma, Brindisi, Taranto).

Principali misure di outcome: i livelli di esposizione residenziale al particolato ≤10 μm (PM10), PM ≤2,5 μm (PM2,5), biossido di azoto (NO2) e ozono (O3) per il periodo aprilesettembre (O3 stagione calda) sono stati ricavati da modelli di stima degli inquinanti a diversa risoluzione spaziale, da 1x1km a 200x200m (ricavati dal progetto BEEP) fino a 100x100m (progetto ELAPSE); inoltre, in ogni realtà sono stati utilizzati modelli sviluppati a livello locale (modello fotochimico FARM a 1x1 km per le città di Roma, Taranto e Brindisi, modello Land-Use Regression (LUR) per la città di Torino, modello PESCO per Bologna). Sono stati applicati modelli a rischi proporzionali di Cox per valutare l’associazione tra esposizione a inquinamento atmosferico (valutata con i diversi indicatori di esposizione) e mortalità naturale, aggiustando le stime per covariate sia individuali sia di area.

Risultati: i livelli di esposizione ottenuti dai diversi modelli variano, fra gli inquinanti considerati, con differenze tra le medie comprese tra 3 e 20% per il PM10, tra 1 e 23% per il PM2,5, tra 3 e 28% per l’NO2; per l’O3 i risultati sono più eterogenei. Sono stati osservati 267.350 decessi per cause naturali. Le stime di effetto calcolate a partire da diversi modelli ambientali presentano una bassa eterogeneità per inquinante e città, a fronte di una variabilità maggiore nei valori medi di esposizione. Le differenze sono più marcate laddove i fattori di rischio locali sono rilevanti, per esempio nelle città industriali, suggerendo quindi la necessità di considerare l’esposizione industriale a parte rispetto alle concentrazioni complessive.

Conclusioni: le numerose eterogeneità nei dati utilizzati rendono difficili le conclusioni sui confronti indagati. Questo studio suggerisce di valutare approcci differenti per la valutazione dell’esposizione ambientale, a seconda che si voglia indagare il livello nazionale o soffermarsi su un livello locale, anche in funzione delle peculiarità delle aree indagate.

 Parole chiave: , , ,

Abstract

Objectives: appropriate assessment of exposure to air pollution is crucial for the estimation of adverse effects on human health, both in the short and long term. Within the BIGEPI project, different indicators of long-term exposure to air pollution, in association with mortality by cause, were tested within the Italian longitudinal metropolitan studies (LMS). This allowed an evaluation of differences in effect estimates using the different exposure indicators.

Design: closed cohort.

Setting and participants: subjects aged ≥30, who took part in the 2011 census, residents in 5 cities (Turin, Bologna, Rome, Brindisi and Taranto).

Main outcome measures: at the time of enrolment, residential exposure levels to particulate matter ≤10 μm (PM10), PM ≤2.5 μm (PM2.5), nitrogen dioxide (NO2) and ozone (O3) for the period April-September (O3 warm season) were obtained from models at different spatial resolutions, from 1x1km to 200x200m (from the BEEP project) to 100x100m (ELAPSE project). In addition, locally developed models were used in each area (FARM photochemical model at 1x1-km for the cities of Rome, Taranto and Brindisi, Land-Use Regression (LUR) model for the city of Turin, PESCO model for Bologna). Cox proportional hazards models were applied to assess the association between exposure to air pollution (assessed using different exposure indicators) and natural mortality, adjusting for both individual and area covariates.

Results: the exposure levels derived by the different models varied between pollutants, with differences between the averages ranging from 3 to 20% for PM10, from 1 to 23% for PM2.5, and from 3 to 28% for NO2; the results for O3 were more heterogeneous. A total of 267,350 deaths from natural causes were observed. There is low heterogeneity in the effect estimates calculated from different environmental models, while there is greater variability in average exposure values, with different behaviour depending on the model and the characteristics of the area investigated. Differences are more pronounced where local risk factors are relevant, e.g., in industrial cities, thus suggesting the need of considering industrial exposure separately from other sources.

Conclusions: the numerous heterogeneities in the data used make it difficult to draw conclusions about the comparisons studied. Nevertheless, this study suggests that different approaches to the assessment of environmental exposure should be evaluated depending on the national or local level of interest, also according to the specifities of the investigated areas.

 Keywords: , , ,

 

       Visite