Una recerca realitzada pels investigadors José Miguel Martínez, Joan Benach i Fernando G. Benavides del Grup d'Investigació en Salut laboral (CISAL) del CEXS-UPF, sota la direcció del professor Yutaka Yasui de la Universitat d'Alberta a Edmonton (Canadà) i amb la col·laboració d'investigadors de la Universitat de Toronto (Canadà); l'Institut Català d'Oncologia i de la Generalitat Valenciana, s'acaba de publicar a la revista Epidemiology amb el títol " Improving Multilevel Analyses. The Integrated Epidemiologic Design".

L'interès que ha suscitat aquesta recerca ha motivat que José Miguel Martínez hagi estat   convidat recentment  a presentar el treball a l'Escola de Salut Pública de la Universitat d'Alberta i, properament, a la Universitat de Texas (EUA).

José Miguel Martínez, estadístic, investigador del CISAL i professor lector del CEXS-UPF, ha comentat que "el disseny integrat amb la perspectiva d'estimació emprada en aquest estudi s'ha mostrat com una bona alternativa per a la investigació epidemiològica. Com es discuteix en el nostre treball, existeixen avantatges importants alhora d'utilitzar un disseny integrat de dades, especialment quant els factors d'exposició a avaluar poden presentar una variabilitat més petita dins dels grups en relació a la variabilitat entre grups. Factors d'aquest tipus són molt comuns en salut pública, per exemple, en les exposicions ambientals, socials i de tipus laboral". José Miguel Martínez forma part del grup de Recerca en Desigualtats en Salut (GREDS); la Xarxa sobre Condicions d'Ocupació (EMCONET) de la OMS i del CIBER d'Epidemiología i Salut Pública.

Anàlisi multinivell versus el disseny integrat de dades

La producció de les malalties té el seu origen en la interacció complexa produïda per factors molt diferents. En aquest sentit, s'han desenvolupat teories científiques que indiquen que aquests factors de risc individual s'acompanyen d'altres factors relacionats amb els grups o àrees geogràfiques als quals pertanyen els individus. Per exemple, l'edat, el nivell d'estudis o els estils de vida poden ser factors característics dels individus. Mentre que factors socials com el percentatge d'atur o el nivell de riquesa promig dels barris d'una ciutat, serien exemples de factors de grup o geogràfics. Durant els darrers anys, l'anomena't disseny i anàlisi multinivell ha emergit com una poderosa tècnica epidemiològica que permet estudiar la relació simultània dels factors individuals i de grup sobre la salut de les poblacions.

Tot i la seva gran utilitat, el disseny i anàlisi multinivell poden presentar limitacions en l'estimació dels efectes dels factors individuals i de grup sobre la salut. Per això els autors proposen una nova eina metodològica: el disseny integrat. La diferencia entre ambdues aproximacions metodològiques ve determinada per la informació de salut que inclouen. En general, el disseny multinivell considera una mostra d'individus dins de cadascun dels grups analitzats, per tant només considera l'estat de salut d'aquells individus de la mostra. El disseny integrat, en canvi, considera la mateixa informació que el disseny multinivell però, a més a més, incorpora tota la informació de salut de la població del grup en forma agregada.

Objectius i resultats de l'estudi

Amb l'objectiu de comparar els dos dissenys esmentats, es va calcular la potencia que tenia cadascun d'ells per detectar la probabilitat d'establir una associació entre l'exposició a determinat risc i una malaltia concreta, d'existir aquesta associació. Així, s'ha pogut posar de manifest que el disseny integrat presenta una potencia superior al disseny multinivell mitjançant dades simulades sota diferents escenaris.

Per exemple, per a un risc de malaltia del 5% en individus no exposats, amb un risc relatiu d'1,2 per a un increment en una unitat a l'exposició, una població de 2000 individus i una probabilitat d'error de tipus I del 5%, el disseny integrat presentava una potencia del 99,9% respecte a únicament una potencia del 49,9% en el disseny multinivell,  quant l'exposició era una variable de grup. Anàlogament,  el disseny integrat presenta un clar avantatge en l'estimació del efectes d'interès quant hi ha factors de confusió. Ambdós dissenys es van aplicar també a dades reals, concretament en el cas de mortalitat associada a malaltia renal a la Comunitat Valenciana,  confirmant els resultats obtinguts en les simulacions.

Treball de referència:

José Miguel Martínez, Joan Benach, Fernando G. Benavides, Carles Muntaner, Ramon Clèries, Oscar Zurriaga, Miguel Angel Martínez-Beneito i Yutaka Yasui (2009),  "Improving Multilevel Analyses. The Integrated Epidemiologic Design", Epidemiology, Vol. 20, 4, 525-32.