Development of spatio-temporal statistical models for investigating the socioeconomic and environmental determinants of health-related quality of life and nutritional habits, in the presence of missing data: a spatio-temporal epidemiological approach

Abstract

Aim: The aims of the present thesis are (a) to investigate the geographic determinants of population’s health in general, and in particular, the health-related quality of life, as well as nutritional habits, in terms of their level of adherence to the Mediterranean diet; and (b) to propose a robust approach for imputing missing data at an aggregate geospatial level, since missing data are widely acknowledged as one of the greatest obstacles in geospatial epidemiological analysis. Material and Methods: For the first aim, data from the ATTICA epidemiological study (2002-2012) were used, while socioeconomic and geographical data for the Athens metropolitan area were retrieved from various Official Statistics sources (i.e., ELSTAT, Urban Atlas, Directorate-General for Enterprise and Industry). The ATTICA study, being consisted of a large representative sample of the Greek population residing in the Athens metropolitan area, is a prospective, observational cohort investigation, that was initiated in 2001-2002 and included two follow- up examinations in 2006 and in 2011-2012, respectively. The sampling procedure of the ATTICA epidemiological study was random, multistage (by city) and it was based on the age – sex distribution of the province of Attica provided by the National Statistical Service, according to the census of 2001. Only one participant per household was enrolled, while according to the study's protocol all people living in institutions were excluded from the sampling. From May 2001 to December 2002, 4056 inhabitants from the above area were randomly selected and asked to participate into the study. Of them, a representative sample of 3042 apparently healthy volunteers residing in 40 municipalities of the Athens metropolitan area agreed to participate at baseline (2001–2002). For the scope of the present work and due to the incomplete sample data for geographical identification, the analyses were restricted to 40 municipalities of the Athens metropolitan Area with a population of 3,338,131. Based on their socio- economic characteristics, the remaining 40 municipalities were reformed in five sectors to be characterized by common socioeconomic status. For the second aim, a methodological Framework For Imputing missiNg spatial data at an aggregate level and guaranteeing personal daTa privacy, named AFFINITY hereinafter, is introduced. By this framework, imputing missing spatial data can be utilized to gain the most possible value of the spatially referenced information. In particular, AFFINITY focuses on finding the accuracy in estimating missing values at an aggregate- municipality level under various missing data scenarios, using the following steps: (i) for each municipality with missing spatially referenced data, the geodetic distances from other areas with full data are being calculated, based on the Haversine formula, so as to find the three nearest neighbourhood municipalities for each one, and (ii) after finding the three nearest neighbourhood municipalities, each variable with missing data is imputed with the weighted mean of the neighbours’ values in the same variable. Furthermore, to show the robustness of the proposed AFFINITY method, we compare the methodology with other imputation methodologies which are being commonly used in practise, namely the mean and median imputation, as well as the stochastic and the deterministic regression imputation. Results:Level of adherence to the Mediterranean diet: A high level of adherence to the Mediterranean diet was presented within the study area, principally in case of regions with higher socioeconomic status. Moreover, higher adherence to the Mediterranean diet was detected in areas with a greater proportion of females and older population, as well as, in areas with higher number of employed residents and lower percent of immigrant population. Besides, the availability of supermarkets or street markets contributed differently to residents’ dietary habits according to the socioeconomic status. Finally, regions covered by green urban areas at a greater extent, seemed to have a higher level of adherence to the Mediterranean diet. Health- Related Quality of Life (HRQoL): Better HRQoL was detected in areas with higher socioeconomic status, with younger residents following healthier lifestyle and eating habits, higher percent of married individuals, lower percent of illiterate people and rate of immigration, as well as in municipalities with higher land coverage by green urban areas. A significant interaction between sex and studied area on HRQoL was observed, suggesting that men and women follow different patterns regarding their quality of life. Metabolic Syndrome: Approximately 20% of the people residing in the study area were diagnosed with MetS, with its prevalence being almost two times higher in men compared to women. Areas more extensively covered by green urban spaces and sports facilities were shown to have a lower prevalence of MetS, while greater density and availability of street markets were inversely related to MetS prevalence in both sexes. In addition, the present analysis revealed that the beneficial role of the built environment’s characteristics on MetS prevalence was significantly stronger in the male population, while the preventive effect of the food environment’s characteristics was almost 1.5 times stronger in the female population. Cardiovascular Disease (CVD) and Cardiometabolic risk factors: Hypercholesterolaemia was found to be the most prevalent clinical risk factor in the study area, while higher prevalence for all the risk factors were presented in areas of lower socioeconomic status (SES), where a significantly higher number of new CVD cases in the decade were detected as well. 10-year CVD incidence was also found to be significantly elevated in areas characterized by worse health status in terms of the risk factors’ prevalence, while the sex and age- specific CVD incidence rates were found to be differently affected by these factors. Interestingly, despite the fact that CVDs are acknowledged as a man’s disease, areas of higher (South & North) and moderate (East) SES were found to be characterized by higher CVD incidence rates in females, while in areas of lower SES (West), higher CVD incidence rates were found in males. Imputation of missing spatial data at an aggregate level (AFFINITY method): Under all missing data scenarios, and under the assumptions of MAR and MCAR, as well as under the ‘pragmatic scenario’, the AFFINITY method succeeded lower absolute and relative error in the estimation of the mean values, when compared to the rest imputation methodologies. Specifically, the relative error for the AFFINITY method ranged on average between 0.5% and 2.51% in case of MCAR spatially referenced data, between 0.37% and 0.69% in case of MAR spatially referenced data and between 0.53% and 9.7% on case of the ‘pragmatic’ scenario. In contrast, both the deterministic, as well as the stochastic regression imputation methodologies, were found to be the less accurate techniques under all the examined scenarios. Conclusions: Although individualized prevention and treatment approaches are necessary to decrease the burden of diseases, environmental modifications that promote healthy behaviors represent an essential health approach. In particular, in line with the current European policy developments, our findings support the transformation of public health actions to local authorities and provide input for policy makers to better understand how population’s health is affected by the characteristics of the area in which they live. In addition, the identification of areas where the intensity of the studied associations is stronger, can be considered a crucial methodological aspect for the design and implementation of more effective CVD prevention programs at the community level. Finally, a robust, in terms of accuracy, methodological framework was proposed here, which is expected to help the decision- makers to impute accurately the missing values at aggregate level spatial datasets, improving in this way both the power, as well as the precision in further statistical analyses, while at the same time the risk of identification especially in small areas can be overcome.

Σκοπός: Ο σκοπός της παρούσας διδακτορικής διατριβής ήταν διττός. Αρχικά, μέσα από την εφαρμογή των κατάλληλων στατιστικών μεθόδων γεω-χωρικής ανάλυσης, στόχος ήταν η διερεύνηση των κοινωνικο-οικονομικών και περιβαλλοντικών προσδιοριστών της υγείας του ελληνικού πληθυσμού που διαμένει στην Μητροπολιτική περιοχή της Αθήνας, τόσο αναφορικά με τηνκαρδιαγγειακή του υγεία και των σχετιζόμενων με αυτήν παραγόντων κινδύνου, όπως το μεταβολικό σύνδρομο και οι διατροφικές συνήθειες, όσο και αναφορικά με την Σχετιζόμενη με την Υγεία Ποιότητα Ζωής τους. Επίσης, λόγω του ιδιαίτερα μεγάλου προβλήματος που προξενεί η ύπαρξη ελλιπών δεδομένων στα πλαίσια των χωρικών επιδημιολογικών μελετών και ορμόμενος από τα προβλήματα που συναντούν οι επιστήμονες που ασχολούνται με τον κλάδο της Γεωγραφίας όταν έρχονται αντιμέτωποι με τα ελλιπή δεδομένα, στόχος μου ήταν να προτείνω ένα μεθοδολογικό πλαίσιο το οποίο θα μπορεί να χρησιμοποιείται προκειμένου να συμπληρώνονται τα ελλιπή δεδομένα με υψηλή ακρίβεια. Μεθοδολογία: Για τη διερεύνηση των ερευνητικών ερωτημάτων που τέθηκαν στην παρούσα διατριβή, αξιοποιήθηκαν τα δεδομένα από την επιδημιολογική μελέτη ΑΤΤΙΚΗ, η οποία αποτελεί μία προοπτική μελέτη που ξεκίνησε το 2001-2002 και συνεχίστηκε με δύο follow-ups το 2006 (5-ετές follow-up) και το 2012 (10ετές follow-up). Προσφάτως ολοκληρώθηκε και το 20ετές follow-up της μελέτης, δεδομένα εκ το οποίο ωστόσο δεν αξιοποιήθηκαν στα πλαίσια της παρούσας διατριβής. Η διαδικασία δειγματοληψίας της επιδημιολογικής μελέτης ΑΤΤΙΚΗ ήταν τυχαία, πολλαπλών σταδίων (ανά πόλη) και βασίστηκε στην κατανομή ηλικίας – φύλου της Περιφέρειας Αττικής που παρέχεται από την Εθνική Στατιστική Υπηρεσία. Μόνο ένας συμμετέχων ανά νοικοκυριό συμμετείχε στην μελέτη, ενώ σύμφωνα με το πρωτόκολλο αποκλείστηκαν από τη δειγματοληψία όλα τα άτομα που διέμεναν σε ιδρύματα. Από τον Μάιο του 2001 έως τον Δεκέμβριο του 2002, επιλέχθηκαν τυχαία 4056 κάτοικοι από την παραπάνω περιοχή και ζητήθηκαν να συμμετάσχουν στη μελέτη. Από αυτούς, ένα αντιπροσωπευτικό δείγμα 3042 υγιών εθελοντών (ως προς τα καρδιαγγειακά και άλλα χρόνια νοσήματα) που κατοικούσαν στην Αττική συμφώνησαν να συμμετάσχουν κατά την έναρξη (2001–2002). Για το αντικείμενο της παρούσας εργασίας και λόγω των ελλιπών δειγματοληπτικών δεδομένων για γεωγραφικό προσδιορισμό, οι αναλύσεις περιορίστηκαν σε 40 δήμους της Μητροπολιτικής περιοχής της Αθήνας με πληθυσμό 3.338.131 κατοίκους. Επίσης, στα πλαίσια της παρούσας διατριβής, χρησιμοποιήθηκαν και τα δημογραφικά και κοινωνικο-οικονομικά χαρακτηριστικά της μελετούμενης περιοχής, βάσει της απογραφής του Ελληνικού πληθυσμού το 2011. Όσον αφορά στον δεύτερο σκοπό της διατριβής, η μέθοδος που προτάθηκε (μέθοδος AFFINITY) εφαρμόσθηκε κάτω από τα ακόλουθα τρία σενάρια: (Α) Σενάριο 1- «Ρεαλιστικό σενάριο»: Μη δημοσιοποίηση από την Κυβέρνηση των στατιστικών στοιχείων για Δήμους των οποίων ο πληθυσμός δεν ξεπερνά τους 10.000 κατοίκους, λόγω προστασίας του ιδιωτικού απορρήτου, (β) Σενάριο 2- Πλήρως τυχαία ελλιπή δεδομένα: Εισαγωγή ελλιπών δεδομένων σε μεταβλητό ποσοστό Δήμων (5% έως 50%) κάτω από τον μηχανισμό Missing Completely At Random, (γ) Σενάριο 3- Τυχαία ελλιπή δεδομένα: Εισαγωγή ελλιπών δεδομένων σε μεταβλητό ποσοστό Δήμων (5% έως 50%) κάτω από τον μηχανισμό Missing At Random. Τέλος, για την διερεύνηση της αποτελεσματικότητας της προτεινόμενης μεθόδου, η μέθοδος AFFINITY συγκρίθηκε και με τις ακόλουθες τεχνικές συμπλήρωσης ελλιπών δεδομένων: (α) Mean Imputation, (β) Median Imputation, (γ) Deterministic Regression Imputation, (δ) Stochastic Regression Imputation. Αποτελέσματα: Μεσογειακή Διατροφή: Στην περιοχή μελέτης παρουσιάστηκε υψηλό επίπεδο υιοθέτησης της Μεσογειακής Διατροφής, κυρίως στην περίπτωση περιοχών με υψηλότερη κοινωνικοοικονομική κατάσταση. Επιπλέον, υψηλότερη υιοθέτηση της μεσογειακής διατροφής εντοπίστηκε σε περιοχές με μεγαλύτερη αναλογία γυναικών και κατοίκους μεγαλύτερης ηλικίας, καθώς και σε περιοχές με χαμηλότερο ποσοστό ανεργίας και χαμηλότερο ποσοστό μεταναστών. Επιπλέον, η διαθεσιμότητα σούπερ μάρκετ και λαϊκών αγορών συσχετίστηκε σημαντικά και θετικά με τον υψηλότερο βαθμό υιοθέτησης, ενώ και η κάλυψη γης από χώρους πρασίνου φάνηκε πως σχετίζεται σημαντικά με τις καλύτερες διατροφικές συνήθειες του πληθυσμού. Ποιότητα Ζωής: Καλύτερη Σχετιζόμενη με την Υγεία Ποιότητα Ζωής εντοπίστηκε σε περιοχές με υψηλότερη κοινωνικοοικονομική κατάσταση, με νεότερους κατοίκους που ακολουθούν πιο υγιεινό τρόπο ζωής και έχουν πιο υγιεινές διατροφικές συνήθειες, σε περιοχές με υψηλότερο ποσοστό παντρεμένων ατόμων, χαμηλότερο ποσοστό αναλφάβητων ατόμων και ποσοστό μετανάστευσης, καθώς και σε δήμους με υψηλότερη κάλυψη γης από πράσινες αστικές περιοχές. Ακόμη, παρατηρήθηκε μια σημαντική αλληλεπίδραση μεταξύ του φύλου και των χαρακτηριστικών της υπό μελέτη περιοχής σχετικά με την Ποιότητα Ζωής, υποδηλώνοντας ότι οι άνδρες και οι γυναίκες ακολουθούν διαφορετικά πρότυπα όσον αφορά την ποιότητα ζωής τους.Μεταβολικό σύνδρομο: Περίπου το 20% των ατόμων που κατοικούν στην περιοχή μελέτης διαγνώστηκαν με μεταβολικό σύνδρομο, με τον επιπολασμό του να είναι σχεδόν δύο φορές υψηλότερος στους άνδρες σε σύγκριση με τις γυναίκες. Περιοχές που καλύπτονται εκτενέστερα από αστικούς χώρους πρασίνου και αθλητικές εγκαταστάσεις αποδείχθηκε ότι έχουν χαμηλότερο επιπολασμό, ενώ παράλληλα η υψηλότερη πυκνότητα και διαθεσιμότητα των λαϊκών αγορών συσχετίστηκε με τον χαμηλότερο επιπολασμό και στα δύο φύλα. Επιπλέον, η παρούσα ανάλυση αποκάλυψε ότι ο ευεργετικός ρόλος των χαρακτηριστικών του δομημένου περιβάλλοντος στον επιπολασμό του μεταβολικού συνδρόμου ήταν σημαντικά ισχυρότερος στον ανδρικό πληθυσμό, ενώ η προληπτική επίδραση των χαρακτηριστικών του διατροφικού περιβάλλοντος ήταν σχεδόν 1,5 φορές ισχυρότερη στον γυναικείο πληθυσμό.Καρδιαγγειακά νοσήματα και καρδιομεταβολικοί παράγοντες κινδύνου: Η υπερχοληστερολαιμία βρέθηκε να είναι ο πιο διαδεδομένος κλινικός παράγοντας κινδύνου στην περιοχή μελέτης, ενώ υψηλότερος επιπολασμός για όλους τους παράγοντες κινδύνου παρουσιάστηκε σε περιοχές με χαμηλότερη κοινωνικοοικονομική κατάσταση. Η συχνότητα καρδιαγγειακής νόσου βρέθηκε να είναι σημαντικά αυξημένη σε περιοχές που χαρακτηρίζονται από χειρότερη κατάσταση υγείας όσον αφορά στον επιπολασμό των παραγόντων κινδύνου, ενώ τα ποσοστά εμφάνισης καρδιαγγειακής νόσου ανάλογα με το φύλο και την ηλικία βρέθηκε να επηρεάζονται διαφορετικά από αυτούς τους παράγοντες. Μέθοδος AFFINITY: Στο «ρεαλιστικό» σενάριο, βάσει του οποίου η ελληνική κυβέρνηση και τα αρμόδια Υπουργεία δεν δημοσιοποιούν τα χωρικά δεδομένα για δήμους με πληθυσμό κάτω των 10.000 κατοίκων λόγω θεμάτων GDPR και υψηλού κινδύνου ταυτοποίησης, η μέθοδος AFFINITY πέτυχε το χαμηλότερο απόλυτο και σχετικό σφάλμα στην εκτίμηση των μέσων τιμών των εξεταζόμενων μεταβλητών, ενώ τα υψηλότερα σφάλματα παρουσιάστηκαν κατά την εφαρμογή της ντετερμινιστικής και της στοχαστικής παλινδρόμησης. Παρόμοια ήταν και τα συμπεράσματά μας κάτω από τα άλλα δύο σενάρια, όπου και πάλι φάνηκε ότι η προτεινόμενη μέθοδος πετυχαίνει τα μικρότερα σχετικά σφάλματα, σε σύγκριση με τις υπόλοιπες μεθοδολογίες. Συμπεράσματα: Συμπερασματικά λοιπόν, η γεωχωρική ανάλυση και η χρήση των τοπικών υποδειγμάτων φαίνεται πως αποτελούν ένα σημαντικό εργαλείο στον χώρο της επιδημιολογίας, καθώς οδηγούν σε σημαντικά ευρήματα τα οποία μπορούν να χρησιμοποιηθούν για τον σχεδιασμό πιο στοχευμένων πολιτικών δημόσιας υγείας σε συγκεκριμένα μέρη του πληθυσμού που βρίσκονται σε υψηλότερο κίνδυνο. Επίσης, στα πλαίσια της παρούσας διατριβής προτάθηκε ένα ισχυρό, από άποψη ακρίβειας, μεθοδολογικό πλαίσιο, το οποίο αναμένεται να βοηθήσει τους υπεύθυνους λήψης αποφάσεων να συμπληρώνουν με υψηλή ακρίβεια τις τιμές που λείπουν σε ένα σύνολο χωρικών δεδομένων, βελτιώνοντας με αυτόν τον τρόπο τόσο την ισχύ όσο και την ακρίβεια σε περαιτέρω στατιστικές αναλύσεις, ενώ ταυτόχρονα μπορεί να ξεπεραστεί ο κίνδυνος ταυτοποίησης ειδικά σε μικρές περιοχές.