Stime, causalità e decisioni pubbliche: ciò che i numeri possono dire, e ciò che non possono decidere da soli
Data: 20 ottobre 2026
C’è un momento nel dibattito pubblico in cui un numero smette di essere una stima e comincia a comportarsi come un verdetto. Accade soprattutto quando sono in gioco l’ambiente, il lavoro e la salute: temi per i quali è comprensibile cercare risposte nette, responsabilità chiare e decisioni rapide. Ma l’epidemiologia non produce verdetti. Produce dati su cui ragionare, con una forza e un’incertezza che dovrebbero restare visibili fino alla fine del ragionamento. Il suo compito è rendere possibili decisioni proporzionate al problema reale e non alla sua rappresentazione.
La riflessione nasce dal confronto pubblico intorno a grandi insediamenti industriali e, in particolare, dal caso di Taranto. Non è un commento su singoli procedimenti né sulle rispettive sedi decisionali. È un richiamo a un metodo che si applica a ogni situazione in cui dati ambientali ed epidemiologici vengono chiamati a orientare la scelta pubblica.
Questa riflessione è pubblicata il 20 ottobre 2026, giorno in cui le Sezioni Unite civili della Corte di Cassazione sono chiamate a decidere sui ricorsi contro il decreto della Corte d’Appello di Milano relativo allo stop degli impianti dell’area a caldo dell’ex-Ilva. L’attesa pronuncia rende ancora più necessario distinguere il piano delle decisioni da quello delle evidenze e interrogarsi su come queste ultime vengano costruite, pesate e comunicate.
Una stima non è un fatto
Prendiamo uno studio importante per il dibattito su Taranto. Leogrande e colleghi hanno applicato un disegno difference-in-differences per analizzare il rapporto tra le variazioni annuali dell’esposizione al PM₁₀ di origine industriale e la mortalità nell’area tarantina. Lo studio stima, per la mortalità naturale, un incremento dell’1,86% per ogni variazione annuale di 1 µg/m³ di PM₁₀ industriale; l’intervallo di confidenza al 95% va da −0,06% a 3,83%, mentre le associazioni risultano statisticamente significative soltanto nella popolazione di età pari o superiore a 65 anni. [1]
Questi risultati meritano attenzione. Non autorizzano però un salto logico: trattare quella stima come un coefficiente universale, preciso e trasferibile senza condizioni a ogni età, a ogni concentrazione di particolato, a ogni esito sanitario e a ogni scenario futuro.
Il punto non è negare o minimizzare l’evidenza. È leggerla per ciò che effettivamente dice. Un intervallo di confidenza che comprende il valore nullo non equivale a una prova di assenza dell’effetto; indica che, per quella stima e per quella popolazione, l’incertezza non può essere nascosta. Allo stesso modo, un’associazione osservata negli anziani non può essere estesa automaticamente all’intera popolazione senza una motivazione epidemiologica esplicita.
La precisione numerica non è di per sé precisione scientifica. Scrivere un rischio con due decimali può dare un’impressione di certezza che lo studio, in realtà, non possiede.
Il passaggio più delicato: dall’associazione alla causalità
Il Capitolo 3 di Principi di Medicina del Lavoro insiste su una distinzione che resta centrale: un’associazione statistica non coincide, da sola, con un nesso causale. Può riflettere un effetto reale; può anche essere influenzata da confondimento, errori di misurazione, selezione della popolazione, scelta dell’esito o caratteristiche del periodo osservato.
I viewpoints di Austin Bradford Hill non sono un elenco burocratico da spuntare. Sono un invito a comporre l’evidenza: temporalità, forza e consistenza dell’associazione, rapporto dose-risposta, plausibilità biologica, coerenza con altre conoscenze, effetti degli interventi. La temporalità è indispensabile, ma raramente basta da sola. [2]
Questa distinzione ha un valore pratico. Se una decisione pubblica attribuisce un numero di morti a una specifica esposizione, sta facendo più di una semplice moltiplicazione. Sta assumendo che:
•la stima scelta sia valida per la popolazione cui viene applicata;
•l’esposizione misurata sia la stessa esposizione cui la stima originaria si riferiva;
•la relazione concentrazione-risposta mantenga la medesima forma nello scenario considerato;
•i fattori concorrenti siano stati trattati in modo adeguato;
•l’incertezza sia stata incorporata, e non rimossa, dal risultato finale.
Nessuna di queste condizioni è un dettaglio tecnico. Ciascuna può cambiare in modo sostanziale la stima di impatto.
PM10 industriale e PM10 totale non sono sinonimi
Il rigore metodologico diventa ancora più necessario quando un coefficiente riferito a una sorgente viene applicato al particolato totale, o viceversa. Il PM₁₀ industriale stimato in uno studio fonte-specifico e il PM₁₀ totale rilevato da una centralina non sono la stessa variabile epidemiologica. Hanno origini, composizione, profili spaziali e, potenzialmente, correlazioni differenti con altri determinanti di salute.
Questo non significa che una fonte industriale sia irrilevante, né che il particolato totale sia innocuo. Significa che occorre evitare errori di categoria. Una misura costruita per rispondere a una domanda non può essere spostata in un’altra domanda senza verificare se il trasferimento sia scientificamente giustificato.
La letteratura internazionale conferma che l’esposizione a PM₂.₅ e PM₁₀ è associata a un aumento della mortalità. La meta-analisi di Chen e Hoek ha esaminato 107 studi, prevalentemente di coorte, e ha rilevato evidenze chiare di associazione per il particolato e vari esiti di mortalità. Ma proprio la ricchezza di quella letteratura suggerisce prudenza: disegno dello studio, scala temporale, composizione del particolato, metrica di esposizione, popolazione e periodo di osservazione contano. [3]
Confrontare coefficienti nati da studi diversi può essere utile per porre domande. Non basta, invece, per promuovere automaticamente il coefficiente più elevato a “verità” o per liquidare quello più basso come irrilevante. I coefficienti non partecipano a una gara: vanno interpretati nel loro contesto.
Il metodo difference-in-differences non è una scorciatoia
Il disegno difference-in-differences è prezioso quando non è possibile disporre di un esperimento controllato. Confronta i cambiamenti nel tempo fra aree o gruppi con differenti livelli di esposizione e, sotto specifiche assunzioni, aiuta a distinguere l’effetto di un’esposizione da tendenze più generali.
È un metodo che può ridurre il confondimento, ma non lo elimina per magia. Richiede, fra l’altro, che le tendenze comparate siano plausibilmente parallele in assenza dell’esposizione studiata e che non intervengano altri cambiamenti differenziali in grado di spiegare il risultato. Il lavoro di Leogrande et al. è un ottimo esempio, ma va ricordato che se il metodo evidenzia un incremento di mortalità associato a un incremento dell’esposizione industriale [3], il ragionamento epidemiologico vale anche in senso opposto: rende, cioè, ragionevole attendersi benefici sanitari quando l’esposizione si riduce, a parità delle altre condizioni rilevanti. La prevenzione non consiste soltanto nel quantificare un danno: consiste anche nel misurare gli effetti delle bonifiche, dei miglioramenti tecnologici, delle riduzioni delle emissioni e del rafforzamento dei servizi sanitari.
Prima di usare un numero per decidere
Ogni volta che una stima epidemiologica entra in un atto amministrativo, in un dibattito pubblico o in un provvedimento giudiziario, dovremmo fermarci davanti a cinque domande semplici:
•Quale popolazione descrive la stima? Età, condizioni sociali, stato di salute e periodo storico sono comparabili con quelli del caso cui la stiamo applicando?
•Quale esposizione misura davvero? Si tratta di PM₁₀ totale, di una componente fonte-specifica, di una media annua, di un picco giornaliero o di un modello di dispersione?
•Quale esito considera? Mortalità naturale, mortalità causa-specifica, ricoveri, incidenza di malattia e anni di vita persi non sono misure intercambiabili.
•Quanto è ampia l’incertezza? L’intervallo di confidenza, le analisi di sensibilità e le assunzioni del modello devono sempre accompagnare la stima puntuale.
•Quale decisione deve orientare? Una stima utile per pianificare la prevenzione a livello di popolazione non diventa automaticamente una misura esatta della causalità individuale o della responsabilità giuridica.
Queste domande non allentano la tutela della salute. La proteggono dall’arbitrarietà e rendono le decisioni più difendibili, anche di fronte ai cittadini che ne subiranno le conseguenze.
Prevenzione: prudenza non significa immobilismo
Il principio di precauzione è essenziale quando vi sia un rischio plausibile e grave. Ma la precauzione significa adottare misure proporzionate, migliorando al contempo la qualità delle informazioni: monitoraggi trasparenti, dati accessibili e verificabili, valutazioni dell’impatto sulla salute, sorveglianza epidemiologica attiva e potenziamento dei percorsi di cura per le persone più fragili.
Nei territori industriali complessi, è necessario un programma coerente che unisca la riduzione delle emissioni e il controllo delle esposizioni alla continuità della sorveglianza e alla qualità dell’assistenza oncologica e pneumologica, con screening appropriati e valutazione periodica dei risultati. In altre parole: non dobbiamo scegliere fra salute e metodo. Senza metodo, anche la tutela della salute rischia di trasformarsi in una narrazione incapace di distinguere tra ciò che sappiamo, ciò che stimiamo e ciò che dobbiamo ancora verificare. L’epidemiologia è più utile quando rinuncia alla tentazione di apparire onnisciente. Il suo contributo più utile non è offrire un numero da brandire, ma chiarire l’incertezza, mettere in discussione i preconcetti e migliorare le decisioni.
Questa riflessione si collega al Capitolo 3, «Epidemiologia e Metodologia della Ricerca», dei Principi di Medicina del Lavoro.
L’iscrizione a questa newsletter su Substack è gratuita ed è pensata come un servizio per i lettori del volume: uno spazio per approfondire metodi, evidenze e implicazioni pratiche della medicina del lavoro.
Riferimenti essenziali
1.Leogrande S, Alessandrini ER, Stafoggia M, et al. Industrial air pollution and mortality in the Taranto area, Southern Italy: A difference-in-differences approach. Environmental International. 2019;132:105030.
2.Hill AB. The Environment and Disease: Association or Causation? Proceedings of the Royal Society of Medicine. 1965;58:295–300.
3.Chen J, Hoek G. Long-term exposure to PM and all-cause and cause-specific mortality: A systematic review and meta-analysis. Environmental International. 2020;143:105974.
Lascia un commento