Functional Data Analysis for Environmental Pollutants and Health

Numerosi studi recenti hanno mostrato l'effetto dannoso che l'esposizione a elevate concentrazioni di inquinanti ha sulla salute umana. In particolare, questo avviene per l'ozono, del quale ci occupiamo nel presente lavoro. Stime ottenute in diversi siti mostrano che l'effetto è geograficamente eterogeneo. Nel contesto degli studi menzionati emergono due aspetti di particolare importanza, e su cui è incentrato il presente lavoro: come misurare al meglio l'esposizione individuale e come e in che misura l'effetto vari geograficamente, sia quanto a intensità che a forma. La prima questione è legata al fatto che la concentrazione di ozono mostra ampie variazioni nel corso di una giornata. Di tale andamento giornaliero non si tiene conto nella maggior parte degli studi epidemiologici, e si assume che possa essere efficacemente riassunto da una statistica unidimensionale. Nel presente lavoro proponiamo degli approcci che si basano sull'impiego di misure della concentrazione che tengono conto dell'andamento temporale della stessa. Tali approcci sono basati sulla metodologia dell'analisi dei dati funzionali, che consiste nel trattare il dato sulla concentrazione giornaliera come una funzione, tenendo così conto delle sue variazioni durante la giornata. In termini previsivi, si è verificato che tale approccio porta a un miglioramento rispetto ai modelli basati su una statistica giornaliera. Questo approccio è poi esteso al caso di dati multisito, per i quali si propone un modello funzionale gerarchico, che consentono di stimare l'effetto dell'esposizione all'inquinante tenendo conto da un lato della variazione giornaliera della concentrazione dello stesso e dell'eterogeneità nello spazio di tale effetto. Questo approccio può essere visto come l'analogo di un modello multilivello per il caso in cui il predittore è funzionale e la variabile risposta scalare.