A Systematic Review of Case-Identification Algorithms for 18 Conditions Based on Italian Healthcare Administrative Databases: A Study Protocol

INTRODUZIONE: l’utilizzo di flussi amministrativi sanitari (FAS) a fini epidemiologici vanta una consistente esperienza in tutto il mondo, in particolare per identificare condizioni di salute acute e croniche. Questi database sono in grado di identificare patologie a livello di popolazione tramite algoritmi di identificazione di caso di malattia, che combinano informazioni codificate provenienti da più FAS. In Italia, negli ultimi 10 anni, gli algoritmi per l’identificazione di casi basati su FAS hanno registrato un costante aumento, con una significativa estensione dello spettro delle malattie identificabili.
Oltre alla stima dell’occorrenza delle malattie, questi algoritmi sono stati utilizzati anche per arruolare coorti di pazienti, valutare la qualità dell’assistenza, misurare l’effetto di esposizioni ambientali o identificare patologie in studio come esito. Nonostante il rapido incremento dell’utilizzo degli algoritmi di identificazione di casi di malattia, le informazioni sulla loro accuratezza e la possibile misclassificazione dei casi non sono attualmente disponibili per la maggior parte delle condizioni morbose.

OBIETTIVI: definire un protocollo per una revisione sistematica degli algoritmi utilizzati in Italia negli ultimi 10 anni per l’identificazione di diverse patologie croniche e acute, fornendo una panoramica accessibile ai futuri utenti in un contesto italiano e internazionale.

METODI: la revisione intende identificare tutti gli articoli originali pubblicati tra 2007 e il 2017 in inglese o in italiano, individuati su PubMed mediante una stringa di ricerca che combina testo libero con termini MeSH, in parte comune a tutte le patologie e in parte specifica per patologia.
Tutti gli articoli identificati saranno sottoposti a screening per l’elegibilità da parte di due revisori indipendenti. Verranno inclusi tutti gli articoli che hanno utilizzato/definito un algoritmo per l’identificazione di ciascuna malattia di interesse utilizzando i FAS italiani. Saranno esclusi gli algoritmi che presentano l’uso esclusivo di certificati di morte, dei registri patologici, dei medici di medicina generale o pediatri di libera scelta. Gli articoli pertinenti saranno classificati in base all’obiettivo per il quale è stato utilizzato l’algoritmo e solo gli articoli che hanno utilizzato algoritmi con “obiettivi primari” (I stima di occorrenza; II identificazione di coorti/popolazioni; III identificazione della patologia come esito) saranno presi in considerazione per l’estrazione delle informazioni sull’algoritmo. Verranno estratte le informazioni sulle fonti (schede di dimissione ospedaliera, prescrizioni farmaceutiche, ecc.), i codici ICD-9 e ICD-10, la classificazione ATC dei farmaci, il periodo di osservazione/follow-back e le fasce d'età applicate dagli algoritmi. Verranno registrate ulteriori informazioni su specifiche misure di accuratezza da validazioni esterne, le analisi di sensibilità e il contributo di ciascuna fonte. Questo protocollo sarà applicato a 16 diverse revisioni sistematiche riguardanti diciotto patologie (ipotiroidismo, ipertiroidismo, diabete mellito, diabete mellito di tipo 1, infarto miocardico acuto, cardiopatia ischemica, ictus, ipertensione, insufficienza cardiaca, anomalie congenite del cuore, morbo di Parkinson, sclerosi multipla, epilessia, broncopneumopatia cronica ostruttiva, asma, malattie infiammatorie intestinali, celiachia, insufficienza renale cronica).

CONCLUSIONE: questo protocollo definisce un approccio standardizzato per esaminare e confrontare ampiamente tutte le esperienze degli algoritmi di identificazione di casi delle 18 malattie sopra menzionate, applicati su dati italiani. La metodologia proposta può essere applicata ad altre revisioni sistematiche riguardanti malattie non incluse in questo progetto, così come in altri contesti, inclusi quelli internazionali.
Considerando la crescente disponibilità di FAS, lo sviluppo di criteri standard per descrivere e aggiornare le caratteristiche degli algoritmi pubblicati sarebbe di grande utilità al fine di migliorare la consapevolezza nella scelta degli algoritmi e fornire una maggiore comparabilità dei risultati.