Acceso usuarios
Marc Sáez Zafra 
, Santiago Pérez-Hoyos, Aurelio Tobías Garcés, Carme Saurina, M. Antònia Barceló, Ferrán Ballester Díez
Se revisan los métodos de series temporales en los estudios epidemiológicos sobre contaminación atmosférica, ilustrándolo mediante una regresión de Poisson autoregresiva, la cual ha sido utilizada en los proyectos APHEA y EMECAM. Se relacionan las variaciones en el número diario de muertos mayores de 70 años (todas las causas, CIE-9:001-799) en Barcelona, 1991-1995, con las variaciones en los niveles diarios promedio de contaminación por humos negros. Se utiliza una regresión de Poisson por cuanto la variable aleatoria dependiente sigue presumiblemente tal distribución de probabilidad. Como confusores se consideran variables meteorológicas (promedios diarios de temperatura y de humedad), comportamientos tendenciales, estacionales y efectos de calendario presentes en la mortalidad (todos ellos aproximados de forma determinista) así como cualquier otra variable que tenga un comportamiento que pueda relacionarse con la variable dependiente (ocurrencia de epidemias de gripe por ejemplo). La relación entre la mortalidad y las variables confusoras se modeliza de forma no lineal y se tienen en cuenta además los previsibles periodos de latencia (utilizando retardos de variables explicativa por ejemplo). Sin embargo, y debido a que el control no es perfecto, se opta por estimar un modelo de Poisson autoregresivo (introduciendo como variables explicativas diversos retardos de la mortalidad) corrigiendo la autocorrelación residual. La principal ventaja del método de análisis descrito es la de permitir un control de variables confusoras desde un punto determinista, con un software al alcance de todos los grupos que participan en el proyecto. Además, permite que el método se pueda aplicar de una formar protocolizada y estandarizada que facilite la comparación de resultados y permita la realización de un meta-análisis.
The time series methods in the epidemiological studies on air pollution are reviewed, illustrated by means of an autoregressive Poisson regression which was employed in the APHEA and EMECAM Projects. A listing is provided of the variations in the daily number of deaths of people over age 70 (all causes, CIE-9:001-799) in Barcelona, 1991-1995, with the average variations in the daily smog pollution levels. A Poisson regression is used insofar as the dependent random variable presumably follows such a probability distribution. As variables possibly leading to confusion, the impact of weather variables (daily temperature and relative humidity averages), seasonal, tendency-related behaviors and day of the year on the death rate are taken into account (all estimated on a determinist basis), in addition to any other variable which behaves in a way that it can be related to the dependent variable (i.e. flu epidemics). The relationship between the death rate and the confusing-causing variables is modeled on a non-linear basis, and the foreseeable lag times are also taken into account (i.e. by using explicative variable time lags). However, due to control not being perfect, it has been decided to opt for estimating an autoregressive Poisson model (adding in some different explicative variables time giving rise to a lag in the death rate) offsetting the residual autocorrelation. The main advantage of the method of analysis described above is that of making it possible to control confusing variables from a determinist standpoint with a software to which all of the groups taking part in this Project had access. This also affords the possibility of using this method in a set, standardized manner, facilitating the comparison of results and making an objective point analysis possible.
