Exposició GRASS

Ponents: Albert Sanchez Niubò i Cati Bonet - Dimarts 30 d'abril 2013


De 10:00 a 12:00

10:00 - Albert Sanchez Niubò

Títol: Estimació de la incidència de consum d'heroïna mitjançant un model multi-estat.


Resum:

La incidència és una mesura epidemiològica molt important perquè ens informa de la propagació d'una malaltia, o en aquest cas, del consum d'heroïna a la població. En aquest estudi vam intentar representar la transició d'un individu des de que entra per primera vegada a l'estat de consumidor (1er estat) fins que inicia un tractament de desintoxicació (2n estat) o, en canvi, abandona el consum permanentment o mor (3er estat). A partir d'una adaptació del mètode de Back-Calculation, vam formular una manera d'estimar el nombre d'individus que immigren a l'estat de consumidor (incidència). El model va ésser aplicat amb dades d'Espanya, a on vam poder estimar la incidència de consum d'heroïna entre 1971 i 2005.


Presentació basada en el paper:
Sánchez-Niubò A, Aalen OO, Domingo-Salvany A, Amundsen EJ, Fortiana J, Røysland K. Sánchez-Niubò A, Aalen OO, Domingo-Salvany A, Amundsen EJ, Fortiana J, Røysland K. A multi-state model to estimate incidence of heroin use. 2013. 14;13:4. doi: 10.1186/1471-2288-13-4.

----

11:00 Cati Bonet (Assaig TFM)
Títol: Extension of the population attributable fraction in the survival context

 

Resum:
The population attributable fraction (PAF) is measure widely used in epidemiology and public health measure to quantify the contribution of a risk factor to the burden of a disease or death. PAF is defined as the proportional reduction in the population disease risk or mortality that would occur if the exposure to a risk factor was reduced or eliminated. It stands to think that PAF is a function of time since both the prevalence of a risk factor and its effect on exposed individuals may change over time. In cohort studies with a long follow-up it may be important to account for this time dependency. The extension of the measure in the survival analysis context is relatively recent, and this work is about its application in the EPIC-cohort.