analisi del rischio e system dynamics
Transcript
analisi del rischio e system dynamics
UNIVERSITÀ DEGLI STUDI DI PERUGIA SCUOLA DI SPECIALIZZAZIONE IN SANITÀ ANIMALE, ALLEVAMENTO E PRODUZIONI ZOOTECNICHE Tesi di specialità ANALISI DEL RISCHIO E SYSTEM DYNAMICS Specializzando Relatore Dott. Giuseppe Noce Prof. Camillo Pieramati Anno Accademico 2004/2005 (matricola 166572) The greatest of all virtues is curiosity 2 Indice Analisi del rischio Modelizzazione System Dynamics Costruzione modelli System Dynamics Conclusioni Letteratura citata Pag. 4 Pag. 17 Pag. 21 Pag. 24 Pag. 40 Pag. 44 3 Analisi del rischio L’analisi del rischio nasce nell'industria aeronautica e si sviluppa soprattutto per esigenze legate all'industria bellica. Degli anni settanta sono i primi studi per l'applicazione dell'analisi del rischio nell’industria chimica. Nel 1994, in seguito all'aumento del commercio internazionale degli animali e dei loro prodotti, con il conseguente aumento dei rischi connessi, l'Organizzazione Mondiale del Commercio (WTO), per non creare barriere ingiustificate a questo commercio, stabilisce che tutte le misure sanitarie da applicare dovevano essere scientificamente valide e basarsi sull'analisi del rischio (Osborne C.G. e coll., 1995; WTO,1995). Nel 1995, la FAO ricorda che il ruolo delle autorità pubbliche è quello di utilizzare l’analisi del rischio per determinare i livelli di rischio e come base per l’elaborazione della legislazione e degli standard per la sicurezza alimentare (FAO, 1997). Anche l’Unione Europea (UE), prima con il Libro Bianco e poi con il Regolamento CE n. 178/2002 del Parlamento Europeo e del Consiglio del 28 gennaio 2002 (Reg. 178/2002), introduce l'analisi del rischio come criterio guida per 4 la valutazione e la gestione dei rischi sanitari e come base per la legislazione, istituendo l’Autorità Europa per la Sicurezza Alimentare (EFTA), con sede a Parma, il cui compito è di valutare i rischi e di emettere pareri scientifici sulla salute ed sul benessere degli animali, sulla sicurezza alimentare e dei mangimi. Questi pareri scientifici emanati dall’EFTA vanno poi utilizzati nella gestione del rischio. L'analisi del rischio è uno strumento scientifico dinamico da utilizzare per individuare i comportamenti a rischio per la salute dell'uomo o degli animali e, allo stesso tempo, per individuare le misure sanitarie in grado di ridurlo o di eliminarlo. Non è solo un esercizio di statistica, ma è un’attività scientifica che richiede un’adeguata formazione, cultura e responsabilità. (WTO, 1995; Zapponi GA, 2001; Mac Diarmind S.C. e Pharo H.J., 2003; Thiermann A, 2004; OIE, 2004a). Con l'analisi del rischio si simula il sistema che è responsabile dei rischi di salute pubblica. Diventa così importante disporre di dati e informazioni corretti e scientificamente validi, derivanti da attività di sorveglianza, dalla letteratura scientifica, dalle anagrafi del bestiame e dell’uomo. Rivestono importanza anche le condizioni di trasporto degli animali e dei prodotti di origine animali e dei mangimi, i trattamenti a cui sono stati sottoposti i prodotti alimentari per l’uomo e per gli 5 animali, nonché la quantità di alimento consumato (Commissione Europea, 2003). Per agevolare la raccolta delle informazioni e dei dati necessari all’analisi del rischio è opportuno che le banche dati esistenti siano disponibili a chi è chiamato a gestire o a valutare il rischio (Thiermann A., 2004). Le fonti di informazione e dei dati vanno identificate per aumentare la trasparenza dell'analisi (Commissione Europea, 2003a; OIE, 2004a). I dati e le informazioni necessarie per la simulazione del sistema vanno raccolte secondo i principi dell’Evidence Based Medicine (EBM) (Tranquillo P., 2005). Nel costruire un progetto di analisi del rischio è opportuno: 1. individuare un gruppo di lavoro multidisciplinare che comprende le professionalità coinvolte (epidemiologi, patologi, climatologi, matematici, statistici, economisti, biomatematici, gestori del rischio, etc) (Zapponi G.A., 2001; OIE, 2004a); 2. definire con esattezza il rischio da valutare; 3. disegnare gli scenari possibili e identificare le variabili che interagiscono tra di loro ed i loro legami (MacDiarmind S.C. e Pharo H.J., 2003; OIE, 2004a; Pulina e coll, 2005) 6 4. definire la strategia di comunicazione in funzione dei risultati ottenuti e dei portatori di interesse (stakeholders)1 coinvolti (OIE, 2004a); 5. sottoporre l'analisi del rischio all'esame degli esperti (peer review) per valutare la congruità dei dati utilizzati e la validità biologica dei risultati ottenuti (Commissione Europea, 2003a; MacDiarmind S.C. e Pharo H.J., 2003; OIE, 2004a, 2004b); 6. accettare e includere le osservazioni degli esperti e dei portatori di interesse per sviluppare un'appropriata strategia sanitaria in linea con l'analisi del rischio condotta ed implementarla (Commissione Europea, 2003; OIE, 2004) 1 I portatori di interesse sono tutti quelli che sono interessati nel commercio degli animali o dei loro prodotti. Vengono considerati stakeholders i servizi veterinari, i servizi di igiene pubblica, i commercianti e i produttori e loro associazioni, le organizzazione dei consumatori, le istituzione scientifiche e accademiche e i media. I portatori di interesse hanno delle responsabilità nella gestione e nella comunicazione del rischio (OIE, 2004a) 7 1.1 Fasi dell'analisi del rischio L'analisi del rischio viene convenzionalmente divisa in varie fasi: – identificazione del pericolo – valutazione del rischio – gestione del rischio – comunicazione del rischio da OIE, 2004b 1.1.1 Identificazione dei pericoli (hazard identification) Rappresenta la prima fase dell'analisi del rischio in modo così di rispondere alle domande cosa può andare storto? Cosa può succedere di pericoloso? Qual è l’evento avverso che può succedere? (MacDiarmind S.C. e Pharo H.J., 2003; OIE, 2004a). Per pericolo si intende l'agente biologico, chimico o fisico, contenuto in un alimento o in un mangime, oppure presente negli animali o i loro prodotti, che, se si verificano certe condizioni, può provocare un effetto nocivo alla salute pubblica 8 pregiudicando la qualità di vita2 (Commissione Europea, 2003b; ,MacDiarmind S.C. e coll., 2003; OIE, 2004b). Scopo della fase è quello di individuare i pericoli per la salute pubblica: diventa perciò importante conoscere lo stato sanitario della zona da cui provengono gli animali e i prodotti introdotti, così come le caratteristiche biologiche dell'agente pericoloso (OIE, 2004a; Purina G. e coll., 2004). 1.1.2 Valutazione del rischio (risk assessment) In questa fase si cerca di rispondere alle domande quali possono essere le conseguenze dei pericoli individuati? Qual è la probabilità che il pericolo si manifesti? Che succederà se non faccio niente? (MacDiarmind S.C. e Pharos H.J., 2003; OIE, 2004a). Scopo di questa fase è quello di determinare la probabilità e le conseguenze economiche e biologiche dell'entrata, della diffusione di un pericolo (OIE, 2004b). Il rischio (risk) rappresenta la probabilità e la severità con cui si possono manifestare i pericoli e viene espresso in termini misurabili. In termini matematici è 2 Qualità di vita è un stato di completo benessere psicologico e sociale in assenza di malattie o di infermità o di ansietà della popolazione umana. 9 proporzionale al pericolo ed inversamente proporzionale alle misure di tutela adottate: rischio = pericolo / tutela ossia un pericolo, per il quale si adottino poche azioni di salvaguardia, può causare dei gravi danni per la salute pubblica; al contrario, quando si aumentino le azioni di salvaguardia, anche di fronte ad un grosso pericolo, i danni per la salute pubblica diminuiscono. Sono state identificate diverse categorie di rischio, che possono essere così classificate: ● Rischi più o meno consueti e di probabilità significativa legati al singolo individuo a piccoli gruppi (tossinfezioni alimentari); ● Rischi significativi, correlati a basse dosi di fattori di rischio conseguenti ad prolungate esposizione a fattori di rischio (tumori); ● Rischi connessi a fenomeni particolarmente critici come terremoti, alluvioni, guerre, bioterrorismo, epidemie; ● Rischi potenzialmente molto gravi come nel caso degli OGM, legati al concetto del principio di precauzione (Zapponi G.A., 2001). 10 Nella valutazione del rischio ultimamente viene sempre più spesso considerata, sia per correttezza scientifica che per questioni etiche, anche la Percezione del Rischio3 che la popolazione umana può avere deve essere considerata (Slovic P., 1987; Commissione Europea 2003a, 2003b). La valutazione dei rischi viene suddivisa in quattro sottofasi (FAO, 1997; Commissione Europea, 2003a; MacDiarmind S.C. e Pharo H.J., 2003; OIE, 2004a, 2004b; Pulina e coll., 2005). Nella caratterizzazione del pericolo (release assessment), la prima, vengono esaminati e descritti gli elementi caratteristici del pericolo in esame come le modalità di ingresso del pericolo, le probabilità che questo avvenga e i determinanti che ne influenzano lo sviluppo (Thrusfield M., 1995). La valutazione dell'esposizione al pericolo (exposure assessment) è la seconda sottofase: esamina e stima la probabilità e le modalità con cui l'esposizione al pericolo può aver luogo e può essere stimata con l'utilizzo di modelli deterministici (Commissione Europea, 2003a). Nella terza sottofase, la valutazione delle conseguenze dell'esposizione (consequence assessment), vengono esaminate le conseguenze dell'esposizione all'agente sulla salute e sul benessere degli animali, 3 Il rischio significa perdite di tipo fisico, psicologico, sociale, culturale, economico, etc. Il significato di queste perdite varia tra le persone e i gruppi di persone: per cui quello che può essere grave perdita per un gruppo di persone, può non esserlo per un altro gruppo. La percezione del rischio descrive il giudizio che viene dato al rischio da parte della popolazione che avverte come più pericolosi i rischi incontrollabili o di cui si sa poco o nulla (come la BSE o gli OGM), mentre sono considerati meno pericolosi rischi controllabili o apparentemente tali (come gli incidenti stradali) o quelli che si manifestano con una frequenza temporale molto bassa (come i terremoti, le inondazioni, etc). 11 sulla qualità della vita delle popolazione umane, sull'economia e sull'ambiente, nonché quelle politiche, sociali ed etiche (Garner e coll., 2001; Commissione Europea, 2003a, 2003b; Mangen M.J.J. e coll., 2003). La quarta ed ultima sottofase rappresenta la combinazione di tutte le analisi precedenti: misura i rischi associati con i pericoli identificati ed è denominata caratterizzazione del rischio (risk estimation). La valutazione del rischio può avvenire con metodi qualitativi, semiquantitativi o qualitativi, ed è un modello statico in cui l'influenza del tempo è nulla (Commissione Europea, 2003a). L'output della fase è un documento che descrive la probabilità con cui l'evento dannoso si può manifestare. Questo documento diventa la base per la gestione del rischio, interconnessa ed interdipendente con la valutazione del rischio (OIE, 2004a). 1.1.2 gestione del rischio (risk management) L’obiettivo della fase è quello di rispondere alle domande cosa può essere fatto per ridurre o eliminare il pericolo? Quali scelte sono le migliori? Quali misure 12 possono essere efficaci ed efficienti? Quale impatto possono avere le misure scelte? Qual è il livello ed il tipo di incertezza? (MacDiarmind S.C. e Pharos H.J., 2003; OIE, 2004a). Scopo della fase è governare e tenere sotto controllo il rischio selezionando e implementando le misure sanitarie in grado di ridurre il rischio ad un livello accettabile per garantire un adeguato grado di protezione per la salute pubblica e, allo stesso tempo, minimizzare gli effetti negativi sul commercio (FAO, 1997; Perry B.D., 1999; Chilonda P. e Van Huylenbroeck G., 2001; Garner e coll., 2001; Mangen e coll., 2003; OIE; 2004a, 2004b; Ortenzi R. e coll., 2004; Consumers Unit, 2005). Anche la gestione del rischio viene convenzionalmente divisa in quattro sottofasi (FAO, 1997a; Commissione Europea, 2003a; OIE, 2004a, 2004b; Pulina G. e coll., 2005). La prima è la valutazione del rischio (risk evaluation), nella quale si identificano gli elementi del pericolo e del rischio rilevanti e prioritari. Quindi nella valutazione delle opzioni (option evalution) si identificano e si valutano l'efficacia e l'efficienza delle possibili misure utilizzabili per raggiungere il livello di protezione scelto. La scelta delle misure è un processo scientifico e multidisciplinare che coinvolge anche gli economisti. Le misure ritenute migliori vengono applicate (implementation). Vanno messi in atto sistemi per monitorare le misure applicate 13 per verificarne i risultati e per poi, se è il caso, intervenire (monitoring and review) (FAO, 1997; OIE 2004b). Qualora non esistano sufficienti informazioni per una completa analisi del rischio, è possibile adottare, a tutela della salute pubblica, misure temporanee, non discriminatorie, in linea con i principi generali dell'analisi del rischio (principio di precauzione). Il principio di precauzione non è ben definito e prevale una visione molto forte per cui nulla si può fare senza la certezza che non sia dannosa per la salute pubblica, mentre l’altra visione non giustifica l’applicazione di misure di protezione in assenza di una piena certezza sulla pericolosità per la salute umana (Majone G., 2002; Lofstedt R., 2004; Basili M. e Franzini M., 2005). Ma, per far sì che il principio di precauzione sia da guida per la tutela della salute pubblica, il principio va applicato a situazioni e a eventi caratterizzati da incertezza scientifica, oppure sulla base delle conseguenze che si possono avere se si verificasse il caso peggiore (WTO, 1995; Belèze H., 2003; OIE, 2004a; Basili M. e Franzini M., 2005). In ogni caso le scelte per la gestione del rischio devono essere trasparenti, riproducibili e scientificamente valide (Consumers Unit, 1995; FAO, 1997). La 14 gestione del rischio è una prerogativa dell’Autorità Politica o dell’Autorità Sanitarie, in funzione dei diversi ordinamenti statali. Le Autorità preposte definiscono gli standard, i regolamenti, le leggi o le prescrizioni per tenere sotto controllo il pericolo e per verificare che le azioni scelte vengono implementate correttamente. Questi output possono essere diversi tra i vari Stati o Territori coinvolti, anche per la diversa percezione che la popolazione umana può avere del rischio in esame (Commissione Europea, 2003a). 1.1.3 Comunicazione del rischio (risk communication) Didatticamente la comunicazione del rischio viene posta come ultima fase dell’analisi del rischio. In realtà la comunicazione è uno processo che inizia contemporaneamente all'analisi del rischio e che continua per tutto l'intero arco dell'analisi (FAO, 1997; OIE, 2004a; Pulina G. e coll., 2005) diventando un effettivo, aperto e trasparente scambio di informazioni che coinvolge chi valuta il rischio, chi lo gestisce, i consumatori, le industrie, gli allevatori, le università, la comunità scientifica e tutti gli interessati (OIE, 2004a; Thiermann A., 2004). Scopo della fase è quello di comunicare agli interessati i risultati della valutazione e della gestione del rischio, fornendo le fonti delle informazioni e dei dati. Per garantire la trasparenza va 15 comunicato anche quello che non si sa sul rischio in esame (McCrea D., 2003; OIE, 2004a, 2004b; Thiermann A., 2004). Sottoporre il modello ottenuto alla valutazione degli esperti (peer review) è fare comunicazione del rischio. Sono definiti tre modelli di comunicazione umana. Il primo modello, descritto sul finire degli anni quaranta, è il cosiddetto modello lineare. Si basa sulla triade Emittente-Messaggio-Ricevente, ed è una comunicazione unilaterale, paternalista, tra gli esperti ed il pubblico dei non esperti, considerati come una macchina decodificatrice, muta, passiva. Avviene da coloro che hanno le informazioni, l'emittente, a coloro che devono utilizzare la valutazione del rischio oppure a coloro che devono applicare le misure individuate, il ricevente (Beccastrini S., 2001; McCrea D., 2003; Bernhardt J.M., 2004). Un secondo modello, descritto negli anni sessanta, è l'interattivo. Scompare la triade Emittente-Messaggio-Ricevente: il ricevente non è più un elemento che passivamente accetta il messaggio trasmessogli, ma partecipa alla comunicazione con un feedback alla comunicazione altrui. Il processo comunicativo diventa un processo tra due o più interlocutori in cui nessuno può definirsi l’emittente. 16 Caratteristica di questo modello è che non si può non comunicare, in quanto a qualunque processo comunicativo è sotto inteso un processo meta-comunicativo di tipo non verbale, per cui se per un certo rischio manteniamo un silenzio comunque comunichiamo arroganza o reticenza (Beccastrini S., 2001). Negli anni ottanta si sviluppa un ulteriore modello comunicativo, denominato dialogico, caratterizzato da una gestione concertata del significato. In questo modo non c’è una verità precostituita, ma la verità viene costruita nel processo comunicativo (Beccastrini S., 2001). Tutti e tre questi modelli si applicano alla comunicazione del rischio. L’informazione al pubblico è l’applicazione del modello lineare. Esistono gli emittenti (gli scienziati, le istituzioni, etc.) che possiedono le informazioni e preparano i messaggi, debitamente incanalati e codificati verso i riceventi (la popolazione, il pubblico, etc.). Anche il secondo modello può essere applicato alla comunicazione del rischio. Attualmente il livello culturale medio della popolazione è molto elevato. Il reperimento delle informazioni, tramite gli organi di stampa, le televisioni, la radio 17 ed internet, è molto più facile del passato e non è più sufficiente dare delle informazioni, ma è necessario anche considerare la popolazione come soggetto capace di esprimere opinioni, pareri, critiche e suggerimenti, realizzando così il feedback che caratterizza il modello interattivo della comunicazione (Beccastrini S., 2001; Bernhardt J.M., 2004). Anche il terzo modello può essere applicato. Non c’è una valutazione del rischio fatta dagli esperti che precede la comunicazione, ma è durante il processo di comunicazione tra tutti gli interessati al rischio che viene prodotta la valutazione del rischio come risultato della sommatoria e del compromesso accettabile tra tutti i punti di vista dei vari portatori di interesse; questo è il modello di costruzione sociale della valutazione del rischio dell’Europa e dell’EFSA (Beccastrini S., 2001): in questo modo gli interessati si sentono partecipi delle motivazioni utilizzate e delle misure scelte (WTO, 1995; OIE, 2004a). Lo scopo della comunicazione è di mettere in comune, condividendo con gli interessati i temi della sicurezza alimentare e della salute pubblica per incrementarle e per agevolare l'applicazione delle misure suggerite dall'analisi del rischio (WTO, 18 1995; Beccastrini S., 2001; McCrea D., 2003; Bernhardt J.M., 2004; OIE, 2004a; Thiermann A., 2004). La comunicazione deve essere trasparente, chiara e comprensibile; deve tener conto della cultura, degli interessi e delle esigenze dell'interessato (McCrea D., 2003; Bernhardt J.M., 2004; Pauwels L., 2005). Nella comunicazione, inoltre, si deve tener conto anche delle differenti percezioni del rischio del destinatario, utilizzando grafici e disegni piuttosto che stime numeriche (Commissione Europea, 2003a; Batty G.D. e Deary I.J., 2005), perché “… i lunghi discorsi dei dotti molte volte infastidiscono gli ascoltatori e così i diversi pareri dei libri diversi. Gli uomini infatti non vogliono sapere se non le conclusioni di quello che loro giova …”[Theatrum Sanitatis XV secolo]. 19 MODELLIZZAZIONE Nell’analisi del rischio sono da considerare molteplici aspetti, da quelli strettamente sanitari a quelli relativi ai portatori d’interesse coinvolti, inclusi gli aspetti economici: è necessario riprodurre in un modello l'intero sistema4 responsabile del rischio per essere in grado di anticiparne il comportamento. La riproduzione del sistema può favorire anche l’evoluzione della conoscenza del sistema in esame (Thrusfield M., 1995; Ford A., 1999; Hannon B. e Ruth M., 2001; Mangen M.J.J. e coll., 2003; OIE, 2004a). Esistono vari tipi di modelli. Un aeroplano di carta è un modello che viene usato dai ragazzi per le loro prime esperienze di “volo”: questi, sulla base degli esperimenti; lo modificano continuamente per farlo volare sempre meglio. Un modello può essere mentale, se si costruisce nella mente di ognuno di noi, oppure può essere formalizzato sulla carta, con l'utilizzo di equazioni matematiche ed è un modello matematico. I modelli matematici forniscono buoni risultati nella 4 Il sistema è un gruppo di elementi interconnessi tra di loro. Se riconosce una sola causa come determinante per la sua manifestarsi, il sistema è detto complicato, altrimenti il sistema è definito complesso. 20 rappresentazione del sistema, ma l'utilizzo dei formalismi matematici può essere di difficile comprensione per i non addetti ai lavori e non sempre si arriva alla risoluzione del modello. Per superare queste difficoltà, il sistema può essere emulato con un altro, in scala più piccolo, con il quale si studia il fenomeno, riportando poi i risultati così ottenuti nel sistema iniziale (Bagni E. e coll., 2002; Boriani E.M., 2005). Anche in campo sanitario si è provveduto nel tempo ad applicare modelli matematici per studiare l'evoluzione dei rischi sanitari e per determinare gli effetti dei programmi di controllo (Thrusfield M., 1995). I primi modelli matematici di simulazione per lo studio delle malattie risalgono al 18° secolo, quando si applicò la tavola della sopravvivenza al vaiolo, riuscendo a dimostrare che la vaiolizzazione era efficace e conferiva un'immunità per tutta la vita (Bernoulli M.D., 1766; Daley D.J. e Gani J., 1999). Nel tempo i modelli sono diventati sempre più realistici e vengono attualmente utilizzati per trovare la strategia di controllo del rischio (Bailey N.T.J., 1975; Daley D.J. e Gani J., 1999; Diekmann O. e Heesterbeek J.A.P., 2000; Hannon B. e Ruth M., 2001; Bagni R. e coll., 2002; Mangen M.J.J. e coll., 2003). Qualora la risoluzione del modello matematico non è possibile, si emula il sistema utilizzando gli animali di laboratorio (Noce G. e coll., 1999). 21 I modelli matematici vengono classificati in vario modo. Una prima classificazione è in funzione del tipo: modelli qualitativi, quantitativi e semiquantitativi. I modelli qualitativi rappresentano il risultato di operazioni logiche che, senza far uso di espressioni numeriche, valutano il rischio in alto, basso, medio o trascurabile (Osborne C.G. e coll., 1995; OIE, 2004a; Pulina G. e coll., 2005). Questi modelli vengono preferiti nei casi in cui non si ha un'ottima conoscenza del fenomeno oppure i dati disponibili sono pochi o di bassa qualità (Pulina G. e coll., 2005). I modelli semiquantitativi sono una via di mezzo tra i modelli qualitativi e quantitativi: possono essere utilizzati quando è necessario ridurre la variabilità ma la quantità e la qualità dei dati non è sufficiente per un modello quantitativo; i punteggi assegnati (alto, basso, medio, etc.) sono determinati in maniera arbitraria e soggettiva (Osborne C.G. e coll., 1995; Pulina G. e coll., 2005). I modelli quantitativi richiedono l'uso di input matematici e gli output sono sempre espressi in termini matematici. I modelli quantitativi sono utilizzabili quando si ha una buona conoscenza del fenomeno e i dati e le informazioni disponibili sono buoni in qualità e quantità (OIE, 2004a; Pulina G. e coll., 2005). In funzione del modo di rappresentare la realtà i modelli matematici vengono classificati in modelli deterministici, stocastici o probabilistici, continui, discreti, 22 statici o dinamici. I modelli deterministici sono modelli in cui tutte le variazioni sono ignorate e i parametri sono considerati fissi: il risultato è la stima di un punto. I modelli stocastici o probabilistici sono modelli in cui gli eventi sono variabili e rappresentati da una distribuzione di probabilità; i modelli stocastici sono utili se si studiano popolazioni con un numero di individui molto piccolo (Thrusfield M., 1995; Commissione Europea, 2003a). I modelli continui sono quelli che osservano il rischio sanitario come un evento che continua nel tempo. I modelli discreti considerano il comportamento del rischio sanitario nei diversi stadi evolutivi in cui gli individui passano: ad esempio, suscettibile, immune, infetto, morto, vaccinato, etc.. I modelli statici sono modelli che descrivono la realtà in un particolare momento, al contrario dei modelli dinamici che descrivono come un sistema cambia nel tempo (Ford, A. 1999). I modelli matematici possono avere una classificazione logica in modelli retrospettivi, utilizzati per l'interpretazione quantitativa dei dati di campo, ed in modelli prospettivi, che servono per predire l'evoluzione di un rischio sanitario (modello prospettivo predittivo) o per esplorare i vari possibili scenari (modello prospettivo esplorativo) (Zanardi G., 2005). 23 I modelli matematici possono essere classificati anche in modelli differenziali o di simulazione. I modelli differenziali si basano sulla tecnica matematica del calcolo differenziale (Thrusfield M., 1995). I modelli di simulazione permettono di simulare il comportamento dell’agente eziologico del rischio sanitario: per la loro risoluzione si utilizza il metodo Montecarlo, il modello di Markov o la metodologia dell'Agent Based (Elverback L, 1971; de Jong M.C.M. e Diekmann O., 1992; Thrusfield M., 1995; Luna F. e Stefansson B., 2000; Bagni R. e coll., 2002). L'evoluzione ed il progresso dei software e dell'hardware ha permesso di utilizzare la Dinamica dei sistemi (system dynamics) (SD) anche per modellare e simulare i rischi sanitari (Motohaschi Y. e Nishi S., 1991; Heidenberger K. e Flessa S., 1993; van Asseldonk M.A.P.M. e coll., 1993; Sanchez Navarro J.D.e coll., 1993; Taylor K. e Lane D., 1998; Flessa S., 1999; Ford A., 1999; Rietchie-Dunham J.L. e Mendez Galvan J.F., 1999; Finkenstandt B.F. e Grenfell B.T., 2000; Stave K.A., 2000; Hannon B. e Ruth M., 2001; Bagni R. e coll., 2002; Newman J. e coll., 2003; Boriani E.M., 2005; Feliziani F. e coll., 2005; Zeng Z.C. e coll., 2005). 24 SYSTEM DYNAMICS La SD nasce negli anni ‘60. E' una branca della scienza del management utilizzata nel problem solving e nella scelta delle decisioni da prendere; essa mette a disposizione i principi, le tecniche e la filosofia per trasformare la realtà in un modello, favorendo la comprensione delle regole che lo governano (Forrester J., 1969; Ford A., 1999; Hannon B. e Ruth M. coll., 2001; Bagni R. e coll., 2002; Caulfield C.W. e Maj S.P., 2002; Boriani E.M., 2005). Sebbene i modelli SD abbiano una rigida base matematica, per la loro realizzazione non sono richieste alte competenze matematiche. Serve il system thinghing (ST) o pensiero sistemico. Il ST guida il modellizzatore a vedere la realtà come un sistema complesso di variabili correlate tra di loro. La correlazione è tale che l'interazione tra una variabile e l'altra può provocare un effetto che, attraverso una catena chiusa di causa ed effetto, ritorna alla prima variabile, creando un sistema di controllo (feedback). Per ricostruire un sistema complesso, come i rischi sanitari, non è quindi sufficiente considerare il singolo evento e la causa che l'ha determinato, ma occorre concentrarsi sull'intero sistema, sviluppando la capacità di affrontare problemi complessi con approccio flessibile, cogliendo gli elementi di trasversalità senza dogmi o pregiudizi, ed applicando invece la capacità critica che è propria del 25 metodo scientifico (Forrester J., 1994; Ford A., 1999; Caulfield C.W. e Maj S.P., 2002; Boriani E.M., 2005). Ricostruito il sistema, la SD permette di esaminare i vari scenari e di sperimentare le conseguenze delle azioni proposte sull'intero sistema, comprendendo così meglio le interazioni e le ramificazioni delle decisioni prese (Ritchie-Dunham J.L. e Mendez Galvan J.F., 1999; Boriani E.M., 2005). In caso contrario, le soluzioni sono intuitive e basate sui sintomi e sulle conseguenze, piuttosto che sulle cause che hanno determinato il rischio e le soluzioni così trovate possono funzionare a breve, ma nel tempo producono malessere ed insuccessi (Caulfield C.W. e Maj S.P., 2002). Il modello SD è utile per comunicare il rischio evidenziato. L'applicazione della SD consente di includere nel modello l’esperienza, le conoscenze e le opinioni degli interessati, realizzando la valutazione del rischio come sommatoria di tutti i punti di vista, rendendo più accettabile quello che può succedere e quello che si può fare per evitare che ciò succeda (Rietchie-Dunham J.L. e Mendez Galvan J.F., 1999). La trasformazione del mondo reale in un modello non è ancora una scienza esatta e sono sempre possibili errori e/o omissioni. La realizzazione di un modello 26 SD è, allo stesso tempo, un’arte ed una tecnica. La collaborazione con gli esperti può contribuire alla realizzazione del modello (Hannon B. e Ruth M., 2001). Anche la validazione del modello, effettuata con tecniche statistiche o verificando gli output del modello con la realtà, può aiutare (Boriani E.M., 2005). Un’altra possibilità è la peer review: il modello realizzato viene presentato agli esperti del settore (Ford A., 1999). La validazione può anche avvenire tenendo conto delle nuove scoperte scientifiche o di dati aggiuntivi (Mendley G.F. e Anderson R.M., 1992; Hannon B. e Ruth M., 2001). I rischi sanitari sono considerati sistemi complessi e dinamici che si modificano nel tempo e nello spazio, e che includono relazioni complesse e dinamiche con cicli di controllo (feedback), e per la simulazione di questi sistemi va, quindi, privilegiato l'approccio sistemico ed olistico5 che consente di determinare e di condizionare il futuro (Riechie-Dunham J.L. e Mendez Galvan J.F., 1999; Smith K.F. e coll, 2005). Non sempre i modelli di altro tipo riescono a fornire simulazioni valide (Flessa S., 1999). 5 Ossia che a partire dal tutto che si spiegano la natura e le funzioni delle singole parti, mentre le analisi delle singole parti non spiega la natura dell'intero sistema che ha proprietà proprie ed emergenti non riconducibili a quelle delle sue componenti. 27 COSTRUZIONE DEL MODELLO SYSTEM DYNAMICS Per trasformare il mondo reale in un modello SD sono disponibili diversi software, tutti ugualmente validi, intuitivi e flessibili. La scelta dipende dall'obiettivo dello studio. Se lo studio è destinato alla valutazione della probabilità che un determinato pericolo si manifesti sono utili modelli statici, che non tengono conto dell'evoluzione nel tempo, come i cosiddetti spreadsheets o fogli elettronici, (ossia evoluzione di Visicalc, quale il famoso 1-2-3 Lotus o gli attuali Excel di Microsoft o il Calc di OpenOffice). Il più noto è @Risk di Palisade Corporation. L’uso degli spreadsheets richiede di avere dimestichezza con gli elementi dei fogli elettronici (celle, righe e colonne). L'utilizzo di questi software per la valutazione dei rischi in OIE (2004a). Con gli spreadsheets, l'attenzione si concentra sui numeri. Gli spreadsheets sono ottimi per la simulazione di modelli statici che studiano il sistema in un punto ben determinato del tempo. Sono poco utili per lo studio di modelli quantitativi dinamici e complessi (Forrester J., 1961, 1968; KirKwood C.W., 1998; Ford A., 1999). 28 Se l'obiettivo è di capire la dinamica del pericolo ed i rischi collegati nel tempo risultano più utili i software che utilizzano la metodologia stocks-flows (Forrester J., 1961, 1968 e 1969; Kirkwood C.W., 1998; Ford A., 1999; Caulfield C.W. e Maj S.P., 2002; Boriani E.M., 2005). Questi software utilizzano un linguaggio molto semplice costituito da soli tre elementi di base: Stocks, Flows e Converters. Il loro uso è molto intuitivo e combinandoli tra di loro è possibile realizzare il modello. Agli elementi di base vanno aggiunti semplici equazioni e, se il caso, del testo. Gli Stocks sono le variabili principali del modello e rappresentano i punti dove il flusso in studio si accumula. Metodologicamente sono il punto di partenza del modello. Didatticamente sono definiti nomi o livelli, e sono rappresentati graficamente da quadrati o da rettangoli. I Flows sono le azioni che determinano il cambiamento degli stocks in un nuovo livello. Didatticamente sono anche detti verbi o tassi e sono rappresentati da linee ad una o due vie; metodologicamente vengono aggiunti a collegare gli stocks. Gli stocks hanno un’unità di misura che nei flows è divisa per l'unità di tempo. A completare il modello ci sono altri elementi detti converters o arrows o information link o ausiliari, che servono a indicare come l'azione (flows) modifica le 29 variabili (stocks). Sono didatticamente avverbi che aiutano a descrivere l'azione dei verbi o flows Esistono vari tipi di software che utilizzano questa metodologia. Il primo ad essere utilizzato è stato DYNAMO, sviluppato negli anni ‘60 con lo scopo di supportare lo sviluppo nell'uso della dinamica di sistema per studiare sistemi economici e sociali complessi. Sono disponibili diverse pubblicazioni su questo software (Forrester J, 1961, 1968 e 1969; Sanchez Navarro J.D. e coll., 1993; Ford A., 1999). Un altro possibile software è STELLA®; la cui documentazione è disponibile dalla Hight Performance Systems, Inc.; molto semplice da utilizzare, facilita la modellizzazione del sistema integrando le competenze di esperti di versi campi e rendendo più semplice l’approccio multidisciplinare dell’analisi del rischio (HPS, 1992, 1993). In passato veniva utilizzato anche ITHINK (Caulfield C.W. e Maj S.P., 2002; Boriani E.M., 2005). Un ulteriore software da considerare è POWERSIM, sviluppato con l'obiettivo di concettualizzare, costruire e testare i modelli creati; la documentazione è disponibile presso la Powersim Corporation (1996). 30 VENSIM® è un ulteriore software, creato per sviluppare modelli di dinamica dei sistemi e per velocizzare lo sviluppo di modelli di alta qualità. È un programma orientato graficamente, e quindi di uso intuitivo, con il quale è possibile realizzare un diagramma schematico del sistema da esaminare. Anche VENSIM®, al pari di STELLA®, è un programma semplice da utilizzare, che facilita la modelizzazione del problema e rende più agevole l’approccio multidisciplinare dell’analisi del rischio con l'integrazione dell'apporto di esperti di diversi campi. Su www.vensim.com è disponibile ampia documentazione sull’uso di VENSIM® ed è possibile scaricare sia le versioni commerciali che quelle riservate ad un uso personale. In questa tesi si userà la versione 5.4 di questo software. Individuato il software e applicando il ST, va definito il problema e lo scopo del modello ossia occorre definire la domanda a cui il modello deve dare la risposta. Se il problema è molto ampio è opportuno definire i vari sottosistemi e gli obiettivi di ciascun di questi sottosistemi. Quindi vanno individuate le modalità con cui il rischio sanitario evolve dinamicamente, investigando il comportamento nel tempo di una o più variabili (come il numero dei morti, dei malati, degli infetti, dei suscettibili, dei trattati o dei vaccinati, etc). Sulla base del comportamento osservato diventa possibile individuare e descrivere la struttura e le interazioni che sono alla 31 base della dinamica osservata. (Kirkwood C.W., 1998; Ford A., 1999). Il comportamento di un sistema dinamico può evolvere secondo questi schemi Il passo successivo, sulla base dell'andamento temporale della variabile osservata è la rappresentazione grafica degli elementi e delle loro influenze causaeffetto, in modo da individuare i cicli di feedback, ossia i cicli di trasmissione e di ritorno delle informazione. (Ford a., 1999; Ritchie-Dunham J.L. e Mendez Galvan J.F., 1999). Nel caso si osservi un andamento come nel grafico 32 è possibile ipotizzare che i loop o cicli di feedback possono essere così schematizzati se si tratta dell'evoluzione di una popolazione animale con R che indica un loop positivo che rappresenta un processo di crescita e con B che indica un loop negativo che tende a frenare l'evoluzione, oppure 33 se si vuole rappresentare un rischio sanitario tipo SI (suscettibile-infetto) con - che indica un loop negativo e con + che indica un loop positivo. La rappresentazione con il diagramma causa-effetto aumenta la nostra conoscenza sul sistema che si sta modellizzando e, nel caso di un rischio sanitario mostra come una popolazione di soggetti suscettibili passa nei vari stadi tipici del rischio. Questa rappresentazione non dice nulla di utile per la gestione del rischio, mancando le informazioni sulla quantità, ad esempio mancano informazioni sul numero di animali che muore o che guarisce dopo un certo tempo. Occorre sviluppare un modello quantitativo o diagramma stocks-flows, definendo le variabili che indicano lo stato del sistema (stocks), che devono essere 34 semplici con unità di misura ben definite, e quelle che controllano il sistema (flows), anche queste devono essere semplici e con unità di misura ben definite, possono essere aggiunti anche gli arrows. Utilizzando le maschere del software si aggiungono le equazioni necessarie per il modello. Nella costruzione del digramma stocks-flows fare attenzione che i flows entranti e uscenti abbiano la stessa unità di misura dello stocks ad eccezione dell'inverso del tempo e che i flows se partono da uno stocks ne diminuiscono il livello, mentre se vanno verso uno stocks lo aumentano. La soluzione la dà il software ed in base ai risultati ottenuti si verifica se il modello creato traduce bene la realtà oppure è necessario ridefinire le equazioni o le interazioni tra le variabili. 35 Per applicare la SD in sanità è utile dividere la popolazione ospite in vari compartimenti o livelli o stadi. Oltre al SR, c'è un altro schema di descrizione del rischio sanitario il SIR (Susceptible, Infected, Recovered) ossia i soggetti nascono come suscettibili, se entrano in contatto con un soggetto infetto diventano infettivi per un certo tempo, tipico della malattia, e poi guariscono e si assume siano immuni per tutta la vita. Esistono altri modelli di evoluzione di un rischio sanitario (Kendall D.G., 1956; Daley D.J. e Gani J., 1999; Diekmann O. e Heesterbeek J.A.P., 2000), come 36 Per i rischi sanitari di natura infettiva (virus, batteri, protozoi), si utilizza il modello SLIR (Susceptible, Latent, Infected, Recovered) ossia la popolazione viene divisa in quattro compartimenti: suscettibili, infetti ma non trasmettono la malattia, infetti ed in grado di trasmettere la malattia e guariti (Zanardi G., 2005) che secondo la logica del diagramma causa-effetto può essere così schematizzato 37 che rappresenta una prima schematizzazione del modello SLIR: la popolazione dal livello di suscettibili, passa a quello di infetti non infettanti (o con infezione latente), quindi la popolazione può essere sottoposta a trattamento (infetti trattati) o non sottoposta (infetti non trattati) e quindi può guarire (guariti). È stata aggiunto il costo della malattia. Utilizzando la metodologia stocks-flows, il diagramma diventa è un modello relativamente semplice che può rappresentare come nel tempo evolve un sistema di malattia, come l'afta, nel quale ci sono animali suscettibili, infetti non infettanti o con infezione latente, soggetti infetti (nel nostro modello divisi in animali che possono essere trattati e quelli no), i soggetti che guariscono e quelli che perdono l'immunità. Per aumentare la leggibilità del modello, si possono usare i 38 connettori o arrows, che permettono di definire meglio alcuni aspetti come quello dal trattamento e della guarigione (nel modello precedente) o dell'infezione (nel modello seguente) e quindi nel modello completo 39 Gli arrows e le costanti inserite (es. numero contatti/gg, durata immunità,etc.) permettono di gestire più efficacemente il modello. È possibile anche inserire le politiche di controllo che si intendono implementare e, in relazione alle caratteristiche del rischio, si possono fare le assunzioni che si ritengono più opportune (Zanardi G., 2005). Creato il modello, viene validato e utilizzato per testare le politiche di controllo e per valutare i risultati. Lo studio procede simulando il comportamento del sistema inserendo nel modello le politiche di controllo che si vorrebbero utilizzare. Può essere utile simulare quando l'infezione finisce. 40 Per controllare l'evoluzione della malattia si vuole provare se la vaccinazione è in grado di bloccare l'evoluzione della malattia. Ipotizzando il trattamento del 10% o il 50% o il 100% dei soggetti malati è possibile spendere Totale globale – è la somma delle varie spese sostenute per il trattamento e conseguenti alla perdita di produzione degli animali infetti Sommatoria – è l'integrale del totale globale e rappresenta l'evoluzione nel tempo del sistema Con lo stesso modello è possibile descrivere la curva epidemica 41 curva epidemica 10,000 8,000 6,000 4,000 2,000 0 0 60 120 180 240 300 Time (Month) 360 suscettibili : 100 % tot infetti : 100 % Tot infetti – sono tutti gli infetti sia trattati che non trattati Guariti – sono gli animali che guariscono o perchè trattati o per guarigione spontanea Totale morti – tutti i morti Perdita di immunità – gli animali che perdono l'immunità e possono rinfettarsi 42 420 480 540 o, sempre con lo stesso modello, è possibile verificare il comportamento di altre variabili - perdita immunità e totale infetti curva epidemica 600 450 300 150 0 0 20 40 60 80 100 120 Time (Month) perdita di immunita : current tot infetti : current - suscettibili e guariti 43 140 160 180 200 curva epidemica 10,000 7,500 5,000 2,500 0 0 20 40 60 80 100 120 Time (Month) 140 160 180 200 suscettibili : current guariti : current tot infetti : current Altri esempi di modelli SD applicati alla riproduzione dei rischi sanitari, come nel caso di malattie da insetti o della leucosi bovina enzootica 44 45 46 CONCLUSIONE Fino all'istituzione del Servizio Sanitario Nazionale (SSN), l'obiettivo dei veterinari era la tutela del reddito degli agricoltori. Con l'istituzione del SSN (legge 23 dicembre 1978, n. 833), i Servizi Veterinari Pubblici (SV) hanno il compito di tutelare la salute pubblica evitando che le malattie e i rischi sanitari possano manifestarsi (prevenzione), prima come garanti della salute pubblica, assicurando che i processi di produzione e di allevamento alimenti fossero conformi alla legislazione vigente, e poi, con l'introduzione del sistema HACCP, i SV valutano se le azioni definite dai privati sono in grado a proteggere i consumatori. Questo obiettivo è raggiungibile ponendo come base dell'azione dei SV le capacità proprie del professionista, ossia le conoscenze scientifiche, la capacità di lavorare in rete e in ambienti multidisciplinari senza dogmi e verità preconcette. Le conoscenze e il metodo scientifico sono state riconosciute, con il regolamento (CE) 178/2002, base della legislazione alimentare. Quindi, è necessario, anche nella pratica routinaria, utilizzare il metodo scientifico per raccogliere dati e informazioni 47 (Zapponi G.A., 2001; WHO, 2002; Lafiandra D.C., 2003; Zapeda e coll., 2005). Infatti solo con un approccio scientifico, olistico e sistemico che la SD può garantire, il personale sanitario del SSN, inquadrato nella dirigenza per poter decidere in autonomia, è in grado di valutare scientificamente i dati e le informazioni raccolte di decidere le strategie migliori per la tutela della salute pubblica. Occorre quindi investire nella formazione del personale del SSN e del SV, come richiesto anche dalla legislazione europea e nazionale, favorendo l'inserimento del personale in possesso del titolo di dottore di ricerca. Infatti, durante il corso di dottorato di ricerca, oltre a perfezionare e approfondire le competenze accademiche e specifiche, il dottorando acquisisce le competenze manageriali, utili per pianificare e organizzare il lavoro, le capacità di lavoro in ambiente multidisciplinare, la creatività e la capacità di auto aggiornamento: il dottorato è la palestra della futura classe dirigente (Vittadini, 2004). 48 RINGRAZIAMENTI Si ringrazia il prof. Roberto Berchi per i suoi preziosi e insostituibili suggerimenti e aiuti nella costituzione dei modelli SD e per i modelli della leucosi bovina enzootica e delle malattie trasmesse dagli insetti. 49 Letteratura citata Bagni R., Berchi R., Cariello P. (2002) A comparison of simulation modelis applied to epidemics Journal of Artificial Societies and Social Simulation 5(3), Bailey N.T.J. (1975) The mathematical theory of infectious diseases and its applications, Ed II London: Charles Griffin and Company Basili M., Franzini M. (2005) The avian Flu Disease: a case of precautionary failure Quaderni Università di Siena – Dipartimento di Economia Politica 454 (luglio 2005), 1-15 Batty G.D. e Deary I.J. (2005) Health communication, intelligence and health differentials American Journal of Public Health, 95/7, 1088 Beccastrini S. (2001) La comunicazione del rischio in Seminario Nazionale Integrazione Ambiente-salute, Portonovo (AN) 8 giugno 2001, 54-62 Bernhardt J.M. (2004) Comunication at the core of effective Public Health American Journal of Public Health, 94(12), 2051-2053 Bernoulli M.D. (1766) Essai d'une nouvelle analyse de la mortalité causée par la petite vérole st des avantages de l’inoculation pour la prévenir. In Histoire de l'Académie Royale des Sciences, 1760, Avec les Mémoires de Mathématique et de Physique. L'Imprimerie Royale, Paris. [Citato in Thrusfield M. (1995) Veterinary epidemiology Seconda edizione Blackwell Science Ltd, Oxford (Gran Bretagna)] Boriani E.M. (2005) Studio del ciclo di vita dei ditteri ematofagi, con l'utilizzo dei metodi, strumenti e modelli di dinamica dei sistemi Tesi di Laurea, Università di Milano Bicocca Caulfield C.W., Maj S.P. (2002) A case for System Dynamics Global J of Engng Educ 6(1) 35-34 Chilonda P. e Van Huylenbroeck G (2001) A conceptual framework for the economic analysis of factors influencing decision-making of small scale farmers in animal health management Rev. Sci. Tech. Off. Int. Epiz., 20(3), 687-700 Commissione Europea (2003a) The future of risk assessment in the European Union- the second report on the harmonisation of risk assessment process, Scientific steering committe at its meeting of 10-11 april 2003, 1-95 Comissione Europea (2003b) Final report on setting the scientific Frame for the inclusion of new quality of life concerns in the risk assessment process, Scientific steering committe at its meeting of 10-11 april 2003, 1-36 Consumers Unit (2005) Risk Management and Codex Process: A Consumer Perpespective www.consumersunion.org Daley D.J. e Gani J. (1999) Epidemic modelling Cambridge University Press de Jong M.C.M. e Diekmann O. (1992) A model to calculate – for computer simulated infections – the threshold value, Ro, that predicts whether or not the infection will spread. Preventive Veterinary Medicine, 12, 269-285 Diekmann O. e Heesterbeek J.A.P. (2000) Mathematical epidemiology of infectious diseases John Wiley & Son Ltd, West Sussex, England 50 Elverback L. (1971) Simulation of stochastic discrete-time epidemic models for two agents Advanced Applied Probability 3, 226-228 FAO (1997) Risk Management and food safety Rapporto della consultazione congiunta tra FAO e WHO, Roma 27-31 gennaio 1997 Feliziani F., Maresca C., Morioni L., Cristofori M. e Berchi R. (2005) Metodi di screening per la sorveglianza della leucosi bovina enzootica: impiego di un modello di simulazione matematica Workshop nazionale di epidemiologia veterinaria, Istituto Superiore di Sanità 9-10 giugno 2005, Roma, 49 Finkenstandt B.F., Grenfell B.T. (2000) Time series modelling of childhood diseases: a dynamic systems approach Applied Statistics, 49(2), 187-205 Flessa S. (1999) Decision support for malaria-control programmes- a system dynamics model Health Care Manag Sci 2 (3), 181-191 Ford A. (1999) Modelling the environmental Island Press Washington DC, Forrester J. (1961) Industrial Dynamics Waltham, MA: Pergasus Communications Forrester J. (1968) Principles of Systems Waltham, MA: Pergasus Communications Forrester J. (1969) Urban Dynamics Waltham, MA: Pergasus Communications in Forrester J. (1994) Systrem Dynamics, Systems Thinking and soft OR System Dynamics Review Vol. 10(2), 1-14 Garner M.G., Whan I.F., Gard G.P. e Philips D. (2001) The expected economic impact of selected exotic diseases on the pig industry of Australia Rec sci tech Off int Epiz 20(3), 671-685 Governo Italiano (1992) Decreto Legislativo 30 dicembre 1992, n. 502 Hannon B. e Ruth M. (2001) Dynamic Model II edizione Sprinter-Verlag New York Heidenberger K. e Flessa S. (1993) A system dynamics model for AIDS policy support in Tanzania European Journal of Operation Research, 70, 167-176 HPS (1992) Stella II: An introduction to system thinking Hight Performance System, Inc. Hanover HPS (1993) Stella II: Techinical documentation Hight Performance System, Inc. Hanover Kendall D.G. (1956) Deterministic and stocastic epidemics in closed populations Proceeding Third Berkeley Symposium Mathematical Statistical & Probability 4, 149-165 Kirkwood C.W. (1998) System Dynamics Methods: A Quick Introduction ver 1 College of Business Arizona State University www.public.asu.edu Lafiandra D.C. (2003) Sorveglianza epidemiologica e Sistema Informativo Veterinario Il Progresso Veterinario 1/2003, 35-36 51 Lofstedt R. (2004) The swing of regulatory pendulum in Europe: from precautionary principle to (regulatory) impact analysis Journal of risk and uncertainty 28, 237-260 Luna F. e Stefansson B. (2000) Economic Simulation is Swarm, Agent-based modelling and Object Oriented Programming Kluwer MacDiarmind S.C. e Pharo H.J. (2003) Risk analysis: assessment, management and communication Rev Sci Tech Off. Int. Epiz. 22(2), 397-408 Majone G. (2002) What price safety? The precautionary principle and its politic implications Journal of Common Market Studies 40, 89-109 Mangen M.J.J., Nielen M. e Burrell A.M. (2003) Simulated epidemiological and economics effects of measures to reduce piglet supply during a classical swine fever epidemic in the Netherlands Rev. Sci. Tech. Off. Int. Epiz. 22(3), 811-822 McCrea D. (2003) Risk communication of the transmissible spongiform encephalpathies Rev Sci Tech Off. Int. Epiz. 22 (1), 251-257 Mendley G.F. e Anderson R.M. (1992) The contribution of modelling to our understanding of infection disease, Modelling vector-borne and other diseases Proceedings of a workshop held at ILRAD, Nairobi 23-27 Novembre 1992, 3-12 Motohaschi Y. e Nishi S (1991) Prediction of end-stage renal disease patient population in Japan by system dynamics model International Journal of Epidemiology 20(4); 1032-1036 Newman J.,Velasco M.A., Martin L., Fantini A.M. (2003) A system dynamic approach to monitoring and evalutation at country level: an application to evaluation of malaria control programs in Bolivia In Proceeding of 5th Biennial World Bank Conference on Evaluation and Development “Evaluating Development Effectiveness. Challenges and the Way Forward” Washington, DC, 15-16 July 2003 Noce G., Tibaldi A., Moresi R. e Viticchi C., (1999) Ruolo del veterinario nella ricerca gerontologica Obiettivi e Documenti Veterinari, 6, 37-41 OIE (2004a) Handbook on Import Risk Analysis for animals and animal products Vol I e II, ed OIE, Parigi OIE (2004b) Terrestrial Animal Health Code 2004 www.oie.int Ortenzi R., Bartocci E., Codega de Oliveira A., Vizzani A. e Cenci Goga B.T. (2004) Risk management and science for safety assurance of foods in Proceeding of Veterinary Pubblic Health and Food Safety Roma 22-23 ottobre 2004 Osborne C.G., McElvaine M.D., Ahl A.S. e Glosser J.W. (1995) Risk analysis systems for veterinary biologicals a regulators's tool box Rev. Sci. Tech. Off. Int. Epiz 14(4), 925-935 Parlamento Europeo e Consiglio Europeo (2002) Regolamento n. 178/2002 del 28 gennaio 2003 Gazzetta Ufficiale dalle Comunità Europee del 1 febbraio 2002 n. 31, 1-24 Parlamento Europeo e Consiglio Europeo (2004) Regolamento n.882/2004 del 29 aprile 2004 Gazzetta Ufficiale dell’Unione Europea n. 191 del 28 maggio 2004, 1-52 52 Parlamento Italiano (1978) legge 23 dicembre 1978, n. 833 Pauwels L. (2005) Culture, community and disease control International Journal of Epidemiology, 34, 534-536 Perry B.D. (1999) The economics of animal disease control Rev. Sci. Tech. Off. Int Epiz 18(2), 291-561 Powersim Corporation (1996) Powersim 2.5 reference manual. Powersim Corporation Inc. Herndon Presidente della Repubblica (1992) Decreto del Presidente della Repubblica 24 dicembre 1992 Pulina G., Cappio-Borlino A., Dimauro C., Rolesu S., Stella M. e Caracappa S., (2005) L'analisi del rischio in epidemiologia veterinaria: aspetti metodologici Obiettivi e Documenti Veterinari n. 10 , 5-13 Rietchie-Dunham J.L. e Mendez Galvan J.F. (1999) Evaluating epidemic intervention policies with system thinking: a case study of dengue fever in Mexico System Dynamics Review, 15(2), 119-138 Sanchez Navarro J.D., Toval Alvarez J.A., Palacios Ortega F., Sanchez Casado M.P. e Perez Polo M. (1993) A DYNAMO application of microcomputer-based simulation in health sciences teaching Int J Nurs Stud 30(5), 425-436 Slovic P. (1987) Perception of risck Science, 236, 280-285 Smith K.F., Dobson A.P., McKenzie F.E., Real L.A., Smith D.L., Wilson M.L. (2005) Ecological theory to enhance infectious disease control and pubblic health policy Front Ecol Environ, 3(1), 29-37 Stave K.A. (2000) A system dynamics model to facilitate public understanding of water management options in Las Vegas, Nevada J Environ Manage 67(4), 303 -313 Tranquillo P. (2005) Analisi del rischio: quali dati? Workshop nazionale di epidemiologia veterinaria, Istituto Superiore di Sanità 9-10 giugno 2005, Roma, 26-27 Thiermann A. (2004). Emerging diseases and implications for global trade Rev. sci. tech. Off. Int. Epiz. 23(2), 701708 Thrusfield M. (1995) Veterinary epidemiology Seconda edizione Blackwell Science Ltd, Oxford (Gran Bretagna) Taylor K. e Lane D. (1998) Simulation applied to health service: opportunities for applying the system dynamics approach J Health Serv Res Policy, 3(4), 226-232 van Asseldonk M.A.P.M., Meuwissen M.P.M. e Huirne R.B.M. A risk financing model for livestock epidemics in the European union Istitute for Risk Management in Agriculture, Wageningen University Holland & European Commussion, Health and Consumer Protection Directorate General Vittadini G. (2004) Capitale Umano la ricchezza dell'Europa a cura di Giorgio Vittadini Ed. Angelo Guerrini e Associati SpA, Milano WTO (1995) Agreement on the Application of sanitary and Phytosanitary measures. Word Trade organization, www.wto.org WHO (2002) Future trends in veterinary publich health www.who.int Zanardi G. (2005) I modelli matematici in epidemiologia e nel controllo dell’afta L’osservatorio, 8(4), 4-11 53 Zapponi G.A. (2001) La valutazione del rischio in Seminario Nazionale Integrazione Ambiente-salute, Portonovo (AN) 8 giugno 2001, 44-53 Zeng Z.C., Zhao D., Li Y., Guo Q., Shi P., Li Z., Yin H.J., Yin H.J. e Li Y. (2005) The application of a systematic dynamic model to study the computer simulation of severe acute respiratory syndrome transmission and the impact of control measures Zhonghua Lih Xing Bing Zue Za Zhi Mar 23(6), 159-163 Zepeda C., Salman M., Thiermann A., Kellar J., Rojas H., Willeberg P. (2005) The role of veterinary epidemiology and veterinary services in complying with Word Trade Organization SPS agreement Preventive Veterinary Medicine 67, 125-140 54