Riassunto

OBIETTIVI: definire un dominio geografico nazionale con elevata risoluzione spaziale (1 km2) e temporale (giornaliera) e costruire una serie di indicatori ambientali georeferenziati e temporali di possibile utilizzo in applicazioni di epidemiologia ambientale.
DISEGNO: studio geografico.
SETTING E PARTECIPANTI: dominio di studio nazionale, periodo di studio 2006-2012. L’intero territorio è stato suddiviso in 307.635 celle di 1 km2, il periodo in studio suddiviso in 2.557 finestre giornaliere.
PRINCIPALI MISURE DI OUTCOME: per ogni cella e giorno sono stati costruiti molteplici indicatori spaziali (ambiti amministrativi, popolazione residente, presenza di corpi idrici, zone climatiche, informazioni topologiche di uso del territorio, densità di superfici impervie, orografia, viabilità, emissioni puntuali e areali di inquinanti atmosferici) e spazio-temporali (dati di particolato atmosferico provenienti dalle stazioni di monitoraggio, dati di monitoraggio per la meteorologia, particolato di origine desertica, aerosol optical depth, normalized difference vegetation index, planetary boundary layer) di possibile utilizzo per caratterizzare molteplici esposizioni ambientali e i relativi effetti sanitari, a livello nazionale.
RISULTATI E CONCLUSIONI: questo studio rappresenta il primo esempio di big data relazionale di epidemiologia ambientale a livello nazionale, in cui molteplici fonti di dati (satellitari, ambientali, meteorologici, di uso del territorio, di popolazione) sono stati collegati su un dominio comune, allo scopo di promuovere indagini di epidemiologia ambientale su scala nazionale o locale.

 Parole chiave: , , , ,

Abstract

OBJECTIVES: to define a national geographic domain, with high spatial (1 km2) and temporal (daily) resolution, and to build a list of georeferenced environmental and temporal indicators useful for environmental epidemiology applications at national level.
DESIGN: geographic study.
SETTING AND PARTICIPANTS: study domain: Italian territory divided into 307,635 1-km2 grid cells; study period: 2006-2012, divided into 2,557 daily time windows.
MAIN OUTCOME MEASURES: for each grid cell and day, an extensive number of indicators has been computed. These indicators include spatial (administrative layers, resident population, presence of water bodies, climatic zones, land use variables, impervious surfaces, orography, viability, point and areal emissions of air pollutants) and spatio-temporal predictors (particulate matter data from monitoring stations, meteorological parameters, desert dust advection episodes, aerosol optical depth, normalized difference vegetation index, planetary boundary layer) potentially useful to characterize population environmental exposures and to estimate their health effects, at national level.
RESULTS AND CONCLUSIONS: this study represents the first example of relational big data in environmental epidemiology at national level, where multiple sources of data (satellite, environmental, meteorology, land use, population) have been linked on a common spatial and temporal domain, aimed at promoting environmental epidemiology applications at national and local level.

 Keywords: , , , ,

          Visite