articolo scientifico
Epidemiol Prev 2009; 33 (4-5): 169-175

Un indicatore comunale di posizione socioeconomica e mortalità nell’anziano in Sicilia

Socioeconomic disparities in mortality among older people in Sicily

  • Achille Cernigliaro1

  • Giulia Cesaroni2

  • Sebastiano Pollina Addario1

  • Gabriella Dardanoni1

  • Francesco Forastiere2

  • Salvatore Scondotto1

  • Carlo A. Perucci2

  1. Dipartimento per le attività sanitarie e osservatorio epidemiologico, Assessorato sanità, Regione Siciliana.
  2. Dipartimento di epidemiologia, Azienda sanitaria locale Roma E.
Achille Cernigliaro - Dipartimento per le attività sanitarie e osservatorio epidemiologico, Assessorato sanità, Regione Siciliana, via Mario Vaccaro 5, 90145 Palermo. - 091 7079239 - 091 7079235 -

Cosa si sapeva già

  • Numerosi studi hanno evidenziato che lo svantaggio sociale ed economico rappresenta un fattore predittivo della mortalità.
  • A oggi non esistono indicatori sintetici di posizione socioeconomica che riescano a descrivere la variabilità in modo esaustivo.

Cosa si aggiunge di nuovo

  • E’ stato costruito un indicatore sintetico di posizione socioeconomica con livello di disaggregazione comunale per la Sicilia.
  • E’ stata evidenziata un’associazione tra l’indicatore e la mortalità nella popolazione anziana.
  • L’associazione è più rilevante per le malattie cardiovascolari e respiratorie.
  • Per alcune delle patologie selezionate i differenziali risultano diversi in funzione del genere.

Riassunto:

Obiettivo: costruire un indicatore sintetico della posizione socioeconomica (PSE) su base comunale e valutare le disparità socioeconomiche nella mortalità della popolazione anziana residente in Sicilia.
Disegno:
utilizzando i dati del censimento ISTAT 2001, è stato creato, attraverso un’analisi fattoriale, un indicatore sintetico di PSE su cinque livelli per ciascuno dei 390 comuni della Regione. Per la costruzione dell’indice sono state utilizzate variabili relative all’istruzione, all’occupazione, all’abitazione, alla composizione delle famiglie e all’immigrazione. Sulla base dei dati individuali sui decessi dei residenti con età pari o superiore a 65 anni è stata studiata la mortalità in funzione dell’indicatore costruito. Sono stati calcolati i rapporti tra i tassi di decesso, per genere e per le patologie che sostengono la più alta mortalità negli anziani, per ciascuno dei livelli del-l’indice rispetto ai tassi del livello di PSE più alto.
Risultati: i valori più elevati della mortalità si osservano nelle popolazioni che vivono in comuni di livello socioeconomico molto basso. In entrambi i generi sono stati osservati rischi di mortalità significativamente più elevati per tutti i livelli indagati rispetto alla classe più avvantaggiata per la mortalità totale (rapporto tra le categorie estreme: 1,16 uomini; 1,14 donne), per le malattie dell’apparato circolatorio (rapporto tra le categorie estreme: 1,12 uomini; 1,09 donne), per le malattie dell’apparato respiratorio negli uomini (rapporto tra le categorie estreme: 1,20) e per le malattie delle ghiandole endocrine, in particolare per il diabete, nelle donne (rapporto tra le categorie estreme: 1,35). Per i tumori maligni e per le malattie dell’apparato digerente i differenziali di mortalità sono presenti solo per il livello più basso.
Conclusioni: in Sicilia nella popolazione anziana lo svantaggio socioeconomico è associato alla mortalità. I tassi di mortalità sono distribuiti nella popolazione in modo eterogeneo, sono maggiori nei Comuni più disagiati e si differenziano anche in funzione del genere.
(Epidemiol Prev 2009; 33 (4-5): 169-75)
Parole chiave:
indice socioeconomico, mortalità nell’anziano, diseguaglianza in salute.

Abstract:

Objective: to construct a composite municipal index of socioeconomic position (SEP) and to describe socioeconomic disparities in mortality within Sicilian elderly inhabitants (age 65+).
Design: 2001 Sicily Census data were used to develop a 5-level SEP index for the 390 municipalities of the Region. Education, occupation, housing tenure, family composition and immigration were considered in order to perform a factor analysis. We used Sicilian Mortality Registry data to compute standardized mortality rates by gender. The SEP index was used for mortality from all causes and for most common causes of death in elderly population. Rates, with 95% confidence intervals, were computed to compare mortality in each level of SEP to the highest level.
Results: there were socioeconomic disparities both in overall and in cause-specific mortality. Progressively higher mortality rates with lower SEP were observed for overall mortality (ratio between extreme categories: 1.16 in men, 1.14 in women), as well for mortality from cardiovascular diseases in both genders (ratio between extreme categories: 1.12 in men, 1.09 in women), from respiratory disease in men (ratio between extreme categories: 1.20), and from endocrine glands diseases in women (ratio between extreme categories: 1.35). For deaths from cancer and from diseases of the digestive system mortalities, in both genders, we found higher risks within the lowest SEP level as compared to the highest. Cardiovascular diseases contributed the most to the socioeconomic differences in overall mortality.
Conclusion: Within the Sicilian elderly population, socioeconomic position is associated with mortality. The highest mortality rates were observed in the most disadvantaged municipalities. Moreover, mortality rates were oddly distributed by gender.
(Epidemiol Prev 2009; 33 (4-5): 169-75)
Keywords:
socioeconomic index, elderly mortality, health disparities.


  • Se sei abbonato scarica il PDF nella colonna in alto a destra
  • Se non sei abbonato ti invitiamo ad abbonarti online cliccando qui
  • Se vuoi acquistare solo questo articolo scrivi a: abbonamenti@inferenze.it (20 euro)


Introduzione

Lo stato di salute delle popolazioni residenti nei Paesi occidentali e nei Paesi in via di sviluppo ha subito negli ultimi anni un importante miglioramento, con una riduzione della mortalità e della morbosità per le principali categorie diagnostiche.1 Nell’ultimo ventennio anche in Sicilia si è assistito a un aumento della speranza di vita alla nascita, nell’adulto e nell’anziano,2 e a un aumento dell’età media.3-5 Il carico di malattia in una popolazione è funzione, tra l’altro, della posizione socioeconomica (PSE). Gli effetti dello svantaggio socioeconomico nella mortalità sono oggi ben documentati.6-8 Indagini epidemiologiche volte allo studio in numerosi Paesi europei della mortalità in funzione della posizione socioeconomica hanno evidenziato che la differenza di mortalità tra le classi indagate è cresciuta in questi anni sebbene non siano del tutto noti i meccanismi che tendono ad ampliare tali differenze.9 Popolazioni più ricche, colte e potenzialmente dotate di una maggiore facilità di accesso ai servizi sanitari specializzati godono di uno stato di salute migliore rispetto a quello di popolazioni socialmente svantaggiate. Nonostante la relativa disomogeneità delle esperienze osservate in altri contesti territoriali, è possibile ipotizzare che anche in Sicilia l’incremento dei livelli di salute siano distribuiti nella popolazione in modo eterogeneo, essendo funzione della classe di reddito, del livello di istruzione e della professione. Un’ulteriore fonte di variabilità del carico di salute delle popolazioni in relazione allo svantaggio sociale è rappresentato dalla modalità di definizione delle classi di svantaggio.10-11 Le prime esperienze di costruzione di un indicatore sintetico di posizione socioeconomica e della valutazione del profilo di salute di una popolazione sono state avviate nei Paesi di cultura anglosassone.12-14 In seguito, per la descrizione e la definizione della posizione socioeconomica, si è fatto ricorso all’uso di fonti informative diverse: dati individuali rilevati ad hoc rispetto all’uso di fonti informative correnti permettono di costruire indicatori sintetici differenti.15-17 Non sembra peraltro che siano stati costruiti indicatori sintetici di posizione socioeconomica che riescano a descrivere la variabilità in modo esaustivo.16-17 La recente disponibilità dei dati individuali riguardanti il censimento 2001 delle famiglie e delle abitazioni, in aggiunta al flusso informativo della mortalità, ha permesso di costruire un indicatore sintetico di PSE, usando metodologie sperimentate in altre aree sul territorio nazionale,15,18-23 e di stimare il rischio di mortalità nella popolazione in funzione della posizione socioeconomica. Il presente studio è finalizzato alla descrizione, per il periodo 1997-2002, della mortalità nella popolazione anziana (65 anni e oltre) residente in Sicilia in funzione della PSE e di descrivere, per ciascuno dei due generi, la mortalità totale e la mortalità per le principali categorie di decesso che, proporzionalmente, sostengono circa l’85% della mortalità generale.

Materiali e metodi

L’indicatore di posizione socioeconomica

La base dei dati utilizzata per la costruzione dell’indice sintetico di PSE è stata fornita dall’Istituto nazionale di statistica (Istat). Il dataset, organizzato su record individuali anonimi, si riferisce al quattordicesimo censimento della popolazione e delle abitazioni, condotto a livello nazionale dall’Istat nell’ottobre 2001. L’analisi è stata condotta considerando come livello di disaggregazione spaziale il territorio comunale, pertanto sono stati considerati tutti i 390 comuni della regione. Per la costruzione dell’indicatore sintetico di PSE sono state utilizzate alcune variabili non complementari tra loro, precedentemente standardizzate e aggregate a livello comunale, che possono rappresentare le diverse dimensioni dello svantaggio sociale ed economico: istruzione, occupazione, condizione abitativa, composizione famigliare e immigrazione. Per descrivere il livello di istruzione della popolazione è stata considerata la percentuale di soggetti appartenenti rispettivamente alle fasce d’età 15-52 e 53-60 anni che non hanno conseguito l’obbligo scolastico e la percentuale di soggetti appartenenti rispettivamente alle fasce d’età 35-44, 45-54 e 55-69 anni che hanno conseguito una laurea. Per rappresentare l’occupazione sono stati considerati il tasso di disoccupazione, il tasso di occupazione, la percentuale di individui con un’alta posizione lavorativa (gestore di un’impresa, dirigente di strutture organizzative complesse, attività organizzativa, tecnica, intellettuale, scientifica o artistica a elevata specializzazione) e la percentuale di lavoratori con una bassa posizione (operaio anche specializzato, di servizio non specializzato, conducente di veicoli, agricoltore o allevatore). Per la descrizione della condizione abitativa sono state considerate le percentuali di soggetti che vivono rispettivamente in case di proprietà e in affitto, l’affollamento medio (rapporto tra il numero dei componenti e il numero di stanze delle rispettive abitazioni), la percentuale di edifici in buono o ottimo stato e la tipologia di costruzione. La composizione delle famiglie è stata descritta attraverso la percentuale di famiglie rispettivamente con uno e con cinque o più componenti, di famiglie monogenitoriali (genitori soli con figli minori a carico) e di quelle costituite da un anziano solo. L’immigrazione è stata descritta sulla base della percentuale di stranieri censiti sulla popolazione. Sono state eseguite in primo luogo una distribuzione delle variabili in studio sulla base del livello di disaggregazione comunale e un’analisi delle correlazioni (pairwise correlation coefficients) tra le stesse che hanno evidenziato una relazione più forte tra l’istruzione e la professione. E’ stata inoltre eseguita un’analisi fattoriale con rotazione ortogonale (varimax rotation). Sono stati individuati 5 fattori che insieme spiegano il 73% della varianza totale. Il primo fattore rappresenta la posizione lavorativa e il livello di istruzione, il secondo la composizione familiare e l’affollamento abitativo, il terzo l’occupazione, il quarto il godimento della casa e l’immigrazione e il quinto lo stato degli edifici. Successivamente, è stata eseguita la somma algebrica dei punteggi risultanti dall’analisi fattoriale e l’indicatore ottenuto è stato categorizzato su cinque livelli (quintili) dal più basso al più alto. Tutte le variabili considerate sono state incluse nel modello d’analisi fattoriale.

L’analisi della mortalità

La base dei dati di mortalità è stata fornita dall’Istat. Il dataset organizzato su record individuali è relativo ai decessi dei cittadini residenti in Sicilia, di età pari o superiore a 65 anni, avvenuti nell’ambito del territorio regionale o in altre regioni d’Italia tra il 1° gennaio 1997 e il 31 dicembre 2002. Per l’analisi della mortalità sono state utilizzate le variabili relative al genere, all’età e al comune di residenza del soggetto all’atto del decesso. Per analizzare la mortalità causa specifica è stata considerata la causa iniziale di morte, codificata utilizzando la nona revisione delle malattie e delle cause di morte (ICD-IX).24 La principale causa di decesso nell’anziano è rappresentata dalle malattie del sistema circolatorio, seguita dai tumori maligni e dalle malattie respiratorie. Inoltre, per gli uomini la quarta causa di decesso è costituita dalle malattie dell’apparato digerente, mentre per le donne dalle malattie delle ghiandole endocrine.3,5 Nel complesso queste patologie contribuiscono per circa l’85% della mortalità generale. Sulla base dell’attribuzione ai 390 comuni siciliani di uno dei cinque livelli di posizione socioeconomica (1: molto basso; 2: basso; 3: medio; 4: alto; 5: molto alto) e per ciascuna delle principali cause di decesso selezionate, per entrambi i generi e per l’intero periodo in studio (1997-2002), sono stati calcolati i tassi standardizzati per età con il metodo diretto (TSD) e i rispettivi intervalli di confidenza al 95% (IC 95%). Per il calcolo dei TSD per entrambi i generi e per ciascuna posizione socioeconomica è stata utilizzata la popolazione teorica europea totale,25 in modo da rendere ciascuno dei tassi confrontabile con gli altri. Successivamente, per ciascuna delle patologie selezionate e per entrambi i generi, sono stati calcolati i rapporti tra i tassi e i rispettivi IC 95% come rapporto tra TSD di ciascuno dei quattro livelli più bassi di PSE rispetto a quello più alto. Per la gestione degli archivi, le elaborazioni statistiche e la costruzione della mappa tematica sono stati utilizzati i software SAS e STATA e ArcGIS.27-28

Risultati

La figura 1 rappresenta la mappa della Sicilia per i cinque livelli di posizione socioeconomica su base comunale.

 169-75
Figura 1. Comuni della Sicilia e relativo livello di posizione socioeconomica.
Figure 1. Socioeconomic level of the Sicilian municipalities.

Tra i capoluoghi di provincia, Catania e Palermo risultano avere un livello di posizione socioeconomica molto basso, mentre Ragusa molto alto. La tabella 1 mostra le caratteristiche sociodemografiche della popolazione siciliana per ciascuno dei cinque livelli dell’indicatore. La percentuale di laureati passa dal 6,7% nei comuni di livello molto basso al 7,9% in quelli di livello molto alto, mentre la percentuale di individui che hanno la licenza elementare o media inferiore diminuisce all’aumentare della posizione socioeconomica. Il tasso di disoccupazione varia da 17,2 nei comuni di livello molto basso a 12,3 in quelli di livello più alto. All’aumentare del livello di posizione socioeconomica dei comuni aumentano le percentuali di famiglie costituite da un solo componente e gli anziani soli, i laureati e i diplomati, la proporzione di popolazione che vive in case di proprietà, con linea telefonica fissa e riscaldamento, o comunque in case ritenute di buono o ottimo stato. Al contrario, diminuiscono le famiglie numerose (5 o più componenti), la popolazione con basso livello di istruzione e le casalinghe. Negli anni 1997-2001 sono stati osservati in Sicilia 226.854 decessi nella popolazione di 65 anni o più (48% uomini). Le tabelle 2 e 3 mostrano per i cinque livelli dell’indicatore socioeconomico, rispettivamente per gli uomini e per le donne, il numero medio annuale dei decessi, i tassi standardizzati diretti di mortalità (totale e causa-specifici), i rapporti tra i tassi di ciascun livello dell’indicatore rispetto al gruppo di popolazione più avvantaggiato, con gli intervalli di confidenza al 95%. Si evidenziano diseguaglianze socioeconomiche nella mortalità sia negli uomini sia nelle donne per ciascuno dei cinque livelli di posizione socioeconomica indagati. I rapporti tra tassi di mortalità evidenziano valori statisticamente significativi in entrambi i generi sia per la mortalità generale sia per quella per malattie del sistema circolatorio. Le malattie dell’apparato respiratorio presentano rischi di mortalità, statisticamente significativi, più elevati per tutti i livelli dell’indice (da molto basso a alto) solo per gli uomini, mentre per le donne il rischio di decesso si evidenzia solo per il livello molto basso. Relativamente ai tumori maligni e alle malattie dell’apparto digerente, si osservano sia per gli uomini sia per le donne rischi di mortalità statisticamente significativi solo tra i soggetti che presentano un maggiore svantaggio socioeconomico, sebbene sia da notare che alcune delle categorie analizzate presentano limite inferiore pari a 1. Per le malattie delle ghiandole endocrine, le donne presentano rischi di decesso per i livelli più bassi (da molto basso a medio), mentre gli uomini solo il gruppo di popolazione con maggiore svantaggio (molto basso). Inoltre, è stato osservato che, a eccezione delle malattie delle ghiandole endocrine, gli uomini presentano dei tassi standardizzati di mortalità costantemente più alti rispetto alle donne.

 169-75
Tabella 1. Caratteristiche sociodemografiche della popolazione siciliana per ciascuno dei livelli dell’indicatore di posizione socioeconomica.

Table 1. Socio-demographic characteristics of Sicilian population by socioeconomic level.

 169-75
Tabella 2. Numero medio annuale di decessi, tassi standardizzati e rapporto tra tassi di mortalità per livello del-l’indicatore di posizione socioeconomica (PSE). Uomini, 65 anni e oltre, Sicilia periodo 1997-2002.

Table 2. Average annual number of deaths, mortality standardized rates and mortality rates ratio by socioeconomic level. Male, 65 years old and over, Sicily 1997-2002.

 169-75
Tabella 3. Numero medio annuale di decessi, tassi standardizzati e rapporto tra tassi di mortalità per livello dell’indicatore di posizione socioeconomica (PSE). Donne, 65 anni e oltre, Sicilia periodo 1997-2002.
Table 3. Average annual number of deaths, mortality standardized rates and mortality rates ratio by socioeconomic level. Female, 65 years old and over, Sicily 1997-2002.

Discussione

Esistono differenze nella mortalità in funzione della posizione socioeconomica tra la popolazione anziana residente nei comuni della Sicilia. Nei comuni più disagiati sussiste un rischio maggiore di decesso (16% uomini; 14% donne) rispetto ai comuni di PSE più elevata. In termini di rapporti tra tassi tra i livelli estremi dell’indicatore, le diseguaglianze sono maggiori per le malattie dell’apparato digerente, delle ghiandole endocrine, dell’apparato respiratorio e, nella popolazione maschile, per i tumori maligni. Per ciascuna delle categorie diagnostiche indagate, per entrambi i generi, si osserva un evidente gradiente di rischio di mortalità coerente con la condizione di svantaggio sociale ed economico, sebbene sia da indagare il peso che la sola variabile istruzione ha sulla determinazione del gradiente di rischio.

I meccanismi per i quali la deprivazione è associata a una più elevata mortalità vanno ricercati nelle condizioni di vita durante l’infanzia che si riflettono sullo stato di salute in età adulta, nei differenti stili di vita (abitudini alimentari, fumo, attività fisica), nella disomogenea distribuzione di fattori di rischio e spesso nelle differenze di accesso alle cure sanitarie.29-31 Non è semplice costruire un indicatore sintetico di PSE che descriva in modo esaustivo lo stato di svantaggio di una popolazione, perché dovrebbe comprendere una molteplicità di aspetti che difficilmente possono essere raccolti e sintetizzati. Numerosi studi in Italia hanno utilizzato indicatori basati prevalentemente su fonti informative correnti. 4-5, 18-22, 32 Per la prima volta in Sicilia è stato costruito un indicatore sintetico regionale di posizione socioeconomica, su base comunale, utilizzando come variabili l’istruzione, l’occupazione, la composizione delle famiglie e la condizione abitativa. La mappa della regione per livello socioeconomico è molto simile a quella prodotta con l’indice di deprivazione nazionale costruito con i dati censuari del 199132 e del 2001.20 Tuttavia, non essendo ancora disponibili dati di mortalità che abbiano un elevato dettaglio sulla residenza dei deceduti, non è stato possibile applicare un indicatore socioeconomico di area più piccola. Usare il livello comunale ha in sé un alto rischio di fallacia ecologica e questo costituisce il limite più importante di questo studio. Più è ampia l’area usata come livello di aggregazione, più è elevato il rischio di misclassificazione e di diluizione dei risultati. Cadum e colleghi, costruendo l’indice di deprivazione nazionale a livello comunale, hanno valutato il bias ecologico.32 Le differenze socioeconomiche nella mortalità analizzata con l’indice comunale sono risultate simili a quelle prodotte usando indicatori costruiti sulla base del quartiere o della circoscrizione e diluite rispetto all’uso di indicatori individuali o di piccola area geografica (sezione di censimento). Si può supporre che anche in Sicilia i differenziali di mortalità per posizione socioeconomica siano molto più importanti rispetto a quelli documentati in questo studio. Il fatto che alla popolazione di comuni capoluogo di provincia, come Palermo e Catania, sia attribuita una posizione socioeconomica molto bassa provoca sicuramente un appiattimento dei risultati e una sottostima delle disparità sociali nella mortalità. Questa ipotesi, tuttavia, dovrebbe essere valutata in un contesto specifico. Sulla base delle evidenze osservate è possibile ipotizzare che per alcune categorie diagnostiche il fattore sociale, culturale ed economico giochi un ruolo importante nella richiesta di diagnosi e cura della malattia, con una riduzione del rischio di mortalità. Per altre categorie diagnostiche la diseguaglianza sociale sembra non avere un peso determinante sull’evoluzione infausta della malattia. Nonostante sia importante avviare ulteriori studi che considerino sia le caratteristiche individuali sia le variabili di comunità, è importante sottolineare che questo studio contribuisce per la prima volta in Sicilia alla valutazione del rischio di mortalità nella popolazione anziana in funzione della posizione socioeconomica. Considerata la tendenza all’invecchiamento della popolazione siciliana,3-5 l’indagine condotta rappresenta un importante strumento per avviare opportuni interventi di sanità pubblica mirati a gruppi specifici di popolazione.

Note: il presente studio è stato realizzato come prodotto all’interno del Progetto di gemellaggio AGIRE POR cofinanziato dalla Commissione europea, nel-l’ambito del PON Assistenza tecnica e azioni di sistema” 2000-2006 – Misure 1.1b e del Ministero dello sviluppo economico.

Conflitti di interesse: nessuno.

Bibliografia

  1. WHO. World Health Statistics 2007. WHO Library Cataloguing-in-Publication Data. http://www.who.int/whosis/whostat2007.pdf.
  2. Cernigliaro A, Pollina Addario S, D’Ovidio M, et al. La Speranza di vita in Sicilia alla nascita, nell’adulto e nell’anziano (aa.1985-2002). Atti del XXXI congresso di Epidemiologia, Ostuni 2007.
  3. Cernigliaro A, Dardanoni G, De Sario M, et al. Atlante della mortalità per causa in Sicilia (1985-2000). O.E. Notiziario dell’Osservatorio epidemiologico regionale, Regione Siciliana, numero monografico 2006.
  4. Pollina Addario S, D’Ovidio M, Cernigliaro A. Atlante della mortalità per causa in Sicilia - Aggiornamento 2001-2002 – Analisi comunale, mortalità evitabile e livello socioeconomico. Atti del XXXI congresso di Epidemiologia – Ostuni 2007.
  5. Cernigliaro A, Cesaroni G, Dardanoni G, et al. Atlante sanitario della Sicilia, contributo per l’individuazione dei bisogni di salute, aggiornamento dati di mortalità ISTAT 1997-2002 – registro nominativo delle cause di morte (ReNCaM) 2004-2005. O.E. Notiziario dell’Osservatorio epidemiologico regionale, Regione Siciliana, numero monografico 2008.
  6. Steenland K, Henley J, Thun M. All-cause and cause-specific death rates by educational status for two million people in two American Cancer Society cohorts, 1959-1996. Am J Epidemiol 2002; 156(1): 11-21.
  7. Breeze E, Sloggett A, Fletcher A. Socioeconomic and demographic predictors of mortality and institutional residence among middle aged and older people: results from the Longitudinal Study. J Epidemiol Community Health. 1999; 53 (12): 765-74.
  8. Huisman M, Kunst AE, Bopp M et al. Educational inequalities in causespecific mortality in middle-aged and older men and women in eight western European populations. Lancet 2005; 365 (9458): 493-500.
  9. Mackenbach JP, Bos V, Andersen O et al. Widening socioeconomic inequalities in mortality in six Western European countries. Int J Epidemiol 2003; 32(5): 830-7.
  10. Steenland K, Henley J, Calle E, Thun M. Individual- and area-level socioeconomic status variables as predictors of mortality in a cohort of 179,383 persons. Am J Epidemiol 2004; 159(11): 1047-56.
  11. Erikson R. Social class assignment and mortality in Sweden. Soc Sci Med 2006; 62(9): 2151-60.
  12. Carstairs V, Morris R. Deprivation: explaining differences in mortality between Scotland and England and Wales. BMJ 1989; 299(6704): 866-69.
  13. Townsend P, Phillimore P, Beattie A. Health and deprivation: inequality in the North. London, Croom Helm, 1988.
  14. Jarman B. Identification of underprivileged areas. BMJ 1983; 286(6379): 1705-09.
  15. Krieger N, Chen JT, Waterman PD, Soobader MJ, Subramaian SV, Carson R. Geocoding and monitoring of US socioeconomic inequalities in mortality and cancer incidence: does the choice of area-based measure and geographic level matter? The Public Health Disparities Geocoding Project. Am J Epidemiol 2002; 156(5): 471-82.
  16. Galobardes B, Shaw M, Lawlor DA, Lynch JW, Davey Smith G. Indicators of socioeconomic position (part 1). J Epidemiol Community Health 2006; 60(1): 7-12.
  17. Galobardes B, Shaw M, Lawlor DA, Lynch JW, Davey Smith G. Indicators of socioeconomic position (part 2). J Epidemiol Community Health 2006; 60(2):95-101.
  18. Cesaroni G, Agabiti N, Rosati R, Forastiere F, Perucci CA. Un indicatore sintetico di posizione socioeconomica basato sui dati del censimento 2001 per la città di Roma. Epidemiol Prev 2006; 30(6): 352-57.
  19. Biggeri A, Lagazio C, Catelan D, Pirastu R, Casson F, Terracini B. Report on health status of residents in areas with industrial, mining or military sites in Sardinia, Italy. Epidemiol Prev 2006; 30(4-5): 210-11.
  20. Caranci N. Un indice di deprivazione per il monitoraggio. Italia 2001. Tesi di Master in Epidemiologia. Università degli Studi di Torino 2008 (comunicazione personale).
  21. Cernigliaro A, Cesaroni G, Fano V, et al. Utilizzo dell’indice di deprivazione per la valutazione della mortalità nelle aree ad elevato rischio ambientale della Sicilia. Convegno di primavera dell’Associazione italiana di epidemiologia, Roma 15-16.05.2008.
  22. Cesaroni G. Verso indici di livello socioeconomico a livello aggregato da utilizzare su scala regionale e locale. Convegno di primavera dell’Associazione italiana di epidemiologia, Roma 15-16.05.2008.
  23. Pinzone F, Casuccio N, Mancuso A, Pitarresi A. Mortalità in aree a differenti caratteristiche socioeconomiche nella città di Palermo. Epidemiol Prev 2008; 32(4-5): 229-37.
  24. ISTAT (1984). Classificazione delle malattie, traumatismi e cause di morte, 9a revisione.
  25. Parkin DM, Whelan SL, Ferlay J, Teppo L, Thomas DB. Cancer Incidence in Five Continents, vol.VIII. IARC scientific publication n. 155, 2002.
  26. SAS Version 8.2 software. SAS Institute Inc. Cary, NC, USA.
  27. STATA Statistical Software, Release 8.0. College Station. TX. Stata Corporation, 1999.
  28. ArcGis, ArcMap 9.2, ESRI inc.
  29. Nabi H, Kivimäki M, Marmot MG, et al. A. Does personality explain social inequalities in mortality? The French GAZEL cohort study. Int J Epidemiol 2008; 37(3): 591-602.
  30. Bobak M, Murphy M, Rose R, Marmot M. Societal characteristics and health in the former communist countries of Central and Eastern Europe and the former Soviet Union: a multilevel analysis. J Epidemiol Community Health 2007; 61(11): 990-96.
  31. Chandola T, Ferrie J, Sacker A, Marmot M. Social inequalities in self reported health in early old age: follow-up of prospective cohort study. BMJ 2007; 334(7601): 990.
  32. Cadum E, Costa G, Biggeri A, Martuzzi M. Deprivation and mortality: a deprivation index suitable for geographical analysis of inequalities. Epidemiol Prev 1999; 23(3): 175-87.