Versione Mobile | Vai alla versione Desktop
Differenze tra versione Mobile e versione Desktop
OBIETTIVO:
apprendere come l'andamento di una malattia nel tempo possa essere rappresentato graficamente;
apprendere un metodo di rappresentazione di una malattia attraverso una mappa.
Abbiano detto più volte che l'epidemiologia si occupa delle malattie in popolazioni. In questa ottica, è importante, più che occuparsi della malattia nei singoli casi, osservarne l'andamento nelle popolazioni, seguendone l'evoluzione sia nel tempo che nello spazio.
Una delle più comuni forme di visualizzazione dell'andamento nel tempo di una malattia in una popolazione è rappresentazione attraverso un grafico, in cui il numero di nuovi casi (
incidenza) si pone in ordinata ed il tempo in ascissa:
Il grafico che si ottiene dai dati raccolti durante una epidemia genera una «curva epidemica» (più correttamente rappresentata da un diagramma a barre). La curva epidemica fornisce indicazioni preziose riguardo all'andamento di una epidemia, e può contribuire a rispondere ad importanti domande quali: qual è stata la via di diffusione della malattia? quando si è verificata l'esposizione all'agente della malattia? quale è stato il periodo di incubazione? si sono verificati dei 
casi secondari?
L'andamento nel tempo della malattia, riprodotto dalle barre o dalla forma della curva, può essere utile anche per sviluppare ipotesi riguardo alla causa della malattia e alle sue caratteristiche epidemiologiche, e per fare previsioni sull'andamento futuro.
Nella figura che segue è rappresentato un esempio di andamento tipico di una curva epidemica di una malattia trasmissibile (nella pratica non sempre la curva epidemica ha questo aspetto).
Si può notare un andamento bi-modale: infatti la curva ha due «picchi» che testimoniano che la malattia è diffusiva. I primi casi formano la curva più piccola (detta curva primaria); successivamente essi contagiano altri individui della popolazione, che vanno a formare la curva secondaria. Ovviamente si tratta di una rappresentazione schematica, e non sempre in natura può essere evidenziato un andamento simile a questo. Infatti, l'aspetto della curva dipende da numerose variabili fra cui le più importanti sono: via di escrezione e velocità di propagazione dell'agente eziologico, densità della popolazione, proporzione di animali recettivi. Il lasso di tempo che separa la curva primaria dalla secondaria corrisponde approssimativamente al periodo di incubazione della malattia.
Fra le tante variabili che condizionano l'andamento di una malattia in una popolazione, alcune fra le più importanti verranno descritte in una prossima unità.
Sia chiaro fin d'ora, tuttavia, che una epidemia può verificarsi ed estendersi soltanto in presenza di una determinata densità minima di animali recettivi nel territorio. Questa densità minima è detta «livello di soglia» ed è stata definita matematicamente nel «Teorema della Soglia di Kendall».
Se le curve epidemiche servono a rappresentare una malattia in funzione del tempo, vi sono casi in cui è invece utile illustrare la distribuzione geografica (o spaziale) della malattia.
Nel caso più semplice, la distribuzione spaziale è riassunta in una mappa in cui è riportata la frequenza dei casi esistenti in un determinato istante (mappa di prevalenza) oppure dei nuovi casi comparsi in un dato periodo di tempo (mappa di incidenza). Nell'immagine sottostante si trova un esempio di mappa in cui è raffigurata, attraverso un gradiente di colore, la prevalenza di allevamenti bovini positivi per tubercolosi nell'anno 1998.
La rappresentazione spaziale di una malattia può avere anche un altro scopo, e cioè quello di facilitare l'identificazione di concentramenti (cluster) di casi in determinate aree, con lo scopo di identificare una causa di malattia. Una mappa di questo tipo è già stata descritta a proposito dello studio delle epidemie di colera compiuto a Londra da John Snow nel 1849-53.
Oggi sono disponibili sofisticate tecniche di analisi capace di individuare un anomalo concentramento (clustering) dei casi e di correlare il clustering con eventuali fattori di rischio. Questa possibilità può risultare molto utile nello studio delle cause di malattia a tutti i livelli, da quello del singolo allevamento fino a quello internazionale.
NELLA PROSSIMA UNITÀ:
si descrive sinteticamente un modello matematico ormai «classico", che mostra come per la diffusione di una malattia sia necessario un adatto rapporto fra animali contagianti e animali recettivi.
