Una rete di sentieri urbani e malattie cardiovascolari: un esperimento naturale

Verranno utilizzati due diversi metodi di serie temporali per stimare l'effetto di un'espansione del sentiero urbano (ad es. "intervento") avvenuta a WInnipeg, Manitoba Canada, tra il 2010 e il 2012. Lo studio è progettato per determinare se è stata osservata una riduzione degli eventi cardiovascolari avversi maggiori (MACE) nei quartieri che hanno ricevuto l'intervento rispetto alle tendenze tra i quartieri di controllo che non hanno ricevuto l'intervento. In primo luogo, verrà utilizzata una regressione segmentata multigruppo di dati di serie temporali interrotte per valutare l'effetto dell'intervento sull'incidenza di CVD, sia immediatamente (cambiamento di livello) che nel tempo (cambiamento di tendenza) creando variabili indicatore. Il livello sarà il tasso di base degli endpoint correlati a CVD all'inizio del periodo pre-intervento (2000) e il valore immediatamente successivo a ogni punto di cambiamento in cui i segmenti successivi si uniscono fino al 2010. La tendenza è il tasso di variazione dei punti finali MACE (in altre parole, la pendenza) durante un segmento. Gli errori autoregressivi saranno modellati per tenere conto dei risultati correlati. In secondo luogo, un modello di media mobile integrata autoregressiva (ARIMA) verrà adattato per le serie temporali di incidenza CVD utilizzando l'approccio standard all'identificazione, alla stima e al controllo. All'intero periodo di studio (da novembre 2000 a ottobre 2019) verranno applicati un trend e termini stagionali periodici. Sarà inoltre costruito un modello ARIMA separato per il periodo pre-intervento per prevedere l'evoluzione CVD dei quartieri trattati. Il numero di endpoint CVD prevenuti dall'intervento sarà stimato calcolando la differenza tra il numero previsto e il numero di casi osservati. In caso di difficoltà nell'adattare un modello ARIMA a un set di dati relativamente piccolo, verranno utilizzati modelli di livellamento esponenziale o l'algoritmo di Holt Winters. Sebbene richiedano campioni di dimensioni maggiori, sono ideali per questo progetto poiché (1) consentono di modellare in modo esplicito una varietà di diversi tipi di effetto dell'intervento e (2) sono adatti per prevedere le tendenze future.