Dalam kertas kerja ini, kami menjalankan simulasi untuk dua kumpulan yang berbeza. Pertama, kami mengesahkan model dengan mensimulasikan perkembangan populasi Itali dari 2009 hingga 2017, dan membandingkan hasil model dengan data sejarah. Kedua, kami akan mensimulasikan perkembangan populasi Itali dari 2019 hingga 2038, merangkumi senario asas dan satu intervensi yang menghapuskan merokok serta gaya hidup sedentari dalam populasi, dengan tujuan untuk menganggarkan kesan intervensi tersebut terhadap kesihatan awam. Model kami disesuaikan mengikut kumpulan yang sedang dipertimbangkan, karena banyak parameter numerik boleh berbeza dalam dua simulasi ini untuk menyeimbangkan ciri-ciri unik setiap kumpulan. Contohnya, kadar kematian dan insiden beberapa penyakit mungkin berbeza dari waktu ke waktu dan dari kawasan geografi yang berbeza.
Kami merangkumi setiap individu dalam kumpulan sebagai rantaian Markov yang bebas, di mana keadaan setiap individu berdasarkan status kesihatan dan tahap pendedahan kepada faktor risiko, yang dalam kajian ini adalah merokok dan gaya hidup sedentari. Dalam hal status kesihatan, kami mengklasifikasikan setiap individu berdasarkan kehadiran atau ketiadaan beberapa penyakit (disebut penyakit penjejakan) yang menyumbang kira-kira 65% daripada beban penyakit yang berkaitan dengan faktor risiko yang sedang dipertimbangkan. Walau bagaimanapun, model kami juga mengambil kira kemungkinan individu dalam kumpulan menderita penyakit lain yang mungkin berkait dengan faktor risiko tersebut.
Kumpulan yang kami fokuskan adalah populasi Itali berumur lebih dari 24 tahun pada tahun 2019, tetapi kaedah yang ditunjukkan dalam kertas kerja ini boleh digunakan untuk mana-mana kumpulan (lihat, misalnya, bahagian Validasi, di mana metodologi digunakan untuk populasi Itali pada tahun 2009). Untuk kes kajian dan pengesahan model, rantaian Markov diinisialisasi menggunakan data daripada ISTAT dan Global Burden of Disease (GBD). Maklumat lanjut tentang jenis data dan sumbernya disediakan dalam Jadual 1. Hasil model menunjukkan distribusi individu dalam setiap keadaan dalam jangka waktu tertentu, yang membolehkan kami mengira kes baru dan prevalen untuk semua penyakit penjejakan, kematian, tahun hilang disebabkan ketidakupayaan (YLD), tahun hilang (YLL), dan DALY yang dapat dihindari dalam senario intervensi.
Model: Individu sebagai Rantaian Markov
Setiap individu dalam kumpulan dijelaskan oleh rantaian Markov waktu diskret dengan waktu satu tahun. Kita merujuk kepada pasangan (e,g) sebagai jenis individu yang menunjukkan umur (e) dan gender (g). Dalam kes kajian kami, kumpulan termasuk semua individu dalam populasi Itali berumur e dalam (\mathcal{E}={\text{25,26,27},\cdots ,\text{89,90}{+}}), di mana (e=90{+}) menggambarkan individu yang berumur lebih daripada 89 tahun. Untuk gender, (g) dalam (\mathcal{G}={m,f}) di mana (m) dan (f) menunjukkan individu adalah lelaki atau perempuan. Keadaan individu ditentukan oleh tiga sub-keadaan ((s,a,h)), yang masing-masing merujuk kepada sub-keadaan merokok, sub-keadaan aktiviti fizikal, dan sub-keadaan kesihatan individu. Keadaan setiap individu berkembang menurut kebarangkalian transisi yang bergantung pada jenis individu. Model kami tidak menganggap pengaruh sosial yang mungkin dimiliki oleh individu ke atas individu lain dalam kumpulan, sehingga keadaan setiap individu berkembang secara bebas (lihat Jadual 2 untuk ringkasan anggapan utama model).
Pemantauan Kesihatan bagi Lima Penyakit Penjejakan
Kami mengawasi status kesihatan individu berkenaan lima penyakit penjejakan, yang bertanggungjawab atas kira-kira 65% daripada DALY yang dikaitkan dengan faktor risiko yang dipertimbangkan. Lima penyakit penjejakan dalam kes kajian kami adalah: penyakit jantung iskemik (IHD), kanser trakea, bronkus, dan tiub paru-paru (LC), strok (STR), penyakit paru-paru obstruktif kronik (COPD), dan diabetes mellitus jenis 2 (DIA). Set (\mathcal{M}) mewakili set penyakit penjejakan. Semua kombinasi penyakit penjejakan menghasilkan set sub-keadaan kesihatan (\mathcal{H}) dengan 32 sub-keadaan.
Transisi Kesihatan dan Mengira Kematian
Kami menyusun transisi dalam sub-ruang kesihatan menjadi dua kategori. Kategori pertama berkaitan dengan kebarangkalian mendapat penyakit penjejakan yang bergantung kepada jenis individu (e,g) dan tahap pendedahan kepada faktor risiko (s,a). Kami memperkenalkan notasi yang menjelaskan kebarangkalian bagi individu sakit. Di sini, dua kategori penyakit penjejakan dibezakan kepada penyakit yang membawa maut (STR dan IHD) dan penyakit yang tidak membawa maut (LC, COPD dan DIA).
Simulasi dan Hasil
Sekarang kami menerangkan tetapan simulasi. Pada setiap waktu (t), kami mengira jumlah harapan bagi individu dalam setiap keadaan ((s,a,h)) bagi setiap jenis ((e,g)) berdasarkan kaedah standard untuk rantaian Markov. Hasil populasi pada setiap langkah masa membolehkan kami mengira pelbagai kuantiti yang menarik, termasuk kes baru dan prevalen serta jumlah kematian untuk setiap penyakit penjejakan.
Kami menjalankan simulasi dalam dua senario berbeza: senario asas dan senario intervensi. Kesan intervensi diukur melalui perbezaan dalam DALY antara senario asas dan intervensi. Intervensi berubah dalam prevalen faktor risiko dalam kumpulan populasi yang ditargetkan pada awal simulasi. Selepas intervensi, individu aktif boleh bertukar kepada gaya hidup sedentari dan bekas perokok dibenarkan kembali kepada merokok.
Ketidakpastian
Hasil model dipengaruhi oleh ketidakpastian parameter. Analisis ketidakpastian menunjukkan bahawa risiko relatif adalah parameter yang sangat sensitif dan terjejas oleh kadar ketidakpastian yang tinggi. Oleh itu, kami menggunakan limit keyakinan RRs dari literatur yang ditentukan oleh kaedah Bonferroni untuk mengekalkan keyakinan keseluruhan 95%. Walaupun pendekatan ini sangat konservatif, penilaian ketidakpastian menggunakan sampling Montecarlo akan memberikan anggaran yang lebih realistik tetapi memerlukan banyak simulasi kerana terdapat ratusan parameter bebas yang diperlukan.
Dengan pendekatan ini, kajian ini bukan sahaja memberikan pandangan ke dalam masalah kesihatan awam tetapi juga potensi untuk meningkatkan kesihatan masyarakat secara keseluruhan melalui intervensi yang tepat sasaran.
