Métodos para detectar e estimar concentrações limiares populacionais para mortalidade relacionada à poluição do ar com erro de medição de exposição.

A associação entre flutuações diárias em partículas atmosféricas e variações diárias na mortalidade não acidental foi amplamente investigada. Embora agora seja amplamente reconhecido que tal associação existe, a forma do modelo de concentração-resposta ainda está em questão. Modelos lineares, sem limiar e com limiar linear foram os mais comumente examinados. Neste artigo, consideramos métodos para detectar e estimar concentrações limiares usando dados de séries temporais de taxas diárias de mortalidade e concentrações de poluição do ar. Como a exposição é medida com erro, também consideramos a influência do erro de medição na distinção entre essas duas especificações de modelo concorrentes. Os métodos foram ilustrados em uma série temporal diária de 15 anos de mortalidade não acidental e dados de poluição do ar por partículas em Toronto, Canadá. Representações suavizadas não paramétricas da associação entre mortalidade e poluição do ar foram adequadas para distinguir graficamente entre essas duas formas. Métodos de regressão não linear ponderada para modelos de risco relativo foram adequados para fornecer estimativas quase imparciais de concentrações limiares, mesmo sob condições de erro extremo de medição de exposição. A incerteza nas estimativas de limiar aumentou com o grau de erro de exposição. Modelos de regressão que incorporam concentrações limiares puderam ser claramente distinguidos de modelos lineares de risco relativo na presença de erro de medição de exposição. A suposição de um modelo linear dada a correção de que um modelo de limiar era a forma correta geralmente resultou em superestimações no número de mortes prematuras evitadas, exceto para concentrações limiares baixas e grande erro de medição.