Resumen de Malattie cardiovascolari e fattori socioeconomici di rischio: un analisi spaziale empirica su Calgary (Canada)

Stefania Bertazzon

• français

  Les maladies cardio-vasculaires et les facteurs socio-économiques du risque:une analyse spatiale empirique de Calgary (Canada). - Cet article présente une application des modèles spatiaux autorégressifs à l'analyse du lien entre les maladies cardiovasculaires et les facteurs de risque localisés de nature démographique et socio-économique. Au-delà de la relation bien connue entre la maladie et les facteurs non-modifiables de risque, tels que l'âge et le genre, les modèles fournissent une évaluation fiable de la relation entre la maladie et les facteurs modifiables de risque, tels que la condition familiale, le niveau d'éducation et le revenu. L'analyse multivariée permet d'identifier des poches localisées mais pas toujours évidentes de population à risque, fournissant ainsi la base pour la définition de politiques et d'interventions socio-sanitaires adressées aux segments de la population qui sont le plus à risque et visant à limiter la fréquence de la maladie. L'emploi de techniques explicitement spatiales permet de réduire effectivement la variabilité des estimations données par les modèles, en augmentant leur fiabilité et, par conséquent, leur efficacité en tant qu'instruments analytiques pour l'identification de politiques d'intervention efficaces.

• italiano

  Cardiovascular disease and socio-economic risk factors: an empirical spatial analysis of Calgary (Canada). - This paper presents an application of spatial regression models to the analysis of the association between cardiovascular disease and localized socio-economic risk factors. Beyond the known relationship between disease and non-modifiable risk factors, such as age and gender, the models provide reliable estimates of the relationship between disease and modifiable risk factors, such as family status, education level, and income. The multivariate analysis allows for the detection of localized and possibly hidden pockets of high risk population, thus providing the bases for the definition of health policies, specifically directed to the segments of population at greater risk, aimed at reducing the disease incidence. By means of explicitly spatial techniques, the variability of the model estimates is effectively reduced, enhancing their reliability and consequently their effectiveness as analytical tools for the identification of effective intervention policies.