Bovo E., Girardi P., Stocco C., Baracco S., Rosano A., Monetti D., Rizzato S., Zamberlan S., Chinellato E., Rugge M.<\/p>\r\n
XXII Riunione scientifica annuale AIRTUM<\/em><\/p>\r\n Venezia, 11-13 aprile 2018<\/em><\/p>\r\n\n\n\r\n \u00a0<\/p>\r\n Abstract<\/strong><\/p>\r\n OBIETTIVI \u00a0<\/p>\n Bovo E., Girardi P., Stocco C., Baracco S., Rosano A., Monetti D., Rizzato S., Zamberlan S., Chinellato E., Rugge M. XXII Riunione scientifica annuale AIRTUM Venezia, 11-13 aprile 2018<\/p>\n","protected":false},"author":18,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","_helpful_status":1,"footnotes":""},"categories":[457,772,13,780],"tags":[],"class_list":["post-2958","post","type-post","status-publish","format-standard","hentry","category-2018-poster-convegni","category-incidence","category-incidenza","category-italy"],"yoast_head":"\n
Recentemente l\u2019utilizzo di metodi approssimati quali INLA (Integrated Nested Laplace Approximation) sta avendo un ampio utilizzo nell’inferenza bayesiana specie in modelli spaziali di rischio come il modello di Besag-York-Molli\u00e8 (BYM). INLA ha tempi di calcolo inferiori rispetto alle classiche simulazioni Monte Carlo basate sulle catene di Markov (MCMC), tuttavia produce differenze di stima non trascurabili (Carroll 2015; De Smedt 2015). Obiettivo dello studio \u00e8 il confronto delle stime prodotte con INLA rispetto a MCMC.<\/p>\r\n
MATERIALI E METODI
Vengono considerati tutti i casi di tumore maligno incidenti nel 2013 nell\u2019area coperta dal Registro Tumori del Veneto (556 comuni, 96% della Regione) e due sedi tumorali specifiche: polmone negli uomini e collo dell\u2019utero nelle donne. Sono stati stimati i Rapporti Standardizzati di Incidenza (SIR) comunali, usando come riferimento il pool del Registro e applicando il modello BYM. Le analisi sono state condotte con il software R. Sono state confrontate le stime calcolate con il pacchetto R-INLA e WinBUGS. Le differenze sono state analizzate variando la distribuzione a-priori nella componente spaziale del modello.<\/p>\r\n
RISULTATI
INLA restituisce stime dei parametri e dei SIR comparabili a WinBUGS, ma risulta sensibile alla distribuzione della variabile a-priori. In presenza di distribuzioni a-priori non informative, si riduce la precisione del parametro sull\u2019effetto di cluster spaziale di INLA, mentre WinBUGS risulta essere pi\u00f9 robusto. Le performance tra i due metodi sono diverse a seconda del pattern di frequenza, con differenze pi\u00f9 accentuate nella distribuzione dei SIR per il tumore del collo dell\u2019utero, che \u00e8 meno frequente del tumore del polmone.<\/p>\r\n
CONCLUSIONI
INLA \u00e8 un metodo veloce ed efficiente per la stima del rischio spaziale. Tuttavia, per evitare un sovra-lisciamento dei rischi e\/o un\u2019eccessiva imprecisione delle stime va posta particolare attenzione alla scelta del parametro relativo alle distribuzioni a-priori.<\/p>\r\n