Riassunto

OBIETTIVI: descrivere una possibile modalità di classificazione della popolazione generale, stratificandola in gruppi omogenei di pazienti con livelli diversi di gravità e complessità di malattia e di domanda assistenziale.
DISEGNO: studio di coorte retrospettivo basato su un algoritmo che utilizza i dati dei flussi informativi correnti di tipo sanitario e sociosanitario per identificare la popolazione oggetto di studio in funzione di tre dimensioni: salute/malattia, fragilità sociosanitaria e disabilità.
SETTING E PARTECIPANTI: lo studio è stato condotto sulla popolazione dell’Agenzia per la tutela della salute (ATS) della Città metropolitana di Milano (3,4 milioni di residenti nel 2016). Sono state identificate due coorti di assistiti residenti utilizzando l’immagine dell’anagrafe regionale degli assistiti (NAR) al 01.01.2015 e al 01.01.2016, classificati in gruppi mutuamente esclusivi sulla base dei dati dell’anno precedente.
PRINCIPALI MISURE DI OUTCOME: sono state stimate la prevalenza per genere ed età dei quattro principali raggruppamenti e la transizione di classe tra il primo e il secondo anno di analisi. La validazione dell’algoritmo è stata effettuata utilizzando modelli non condizionati di regressione logistica che hanno stimato l’associazione con la mortalità totale (non mortalità specifica per causa) al crescere dei livelli della scala di classificazione attraverso il calcolo di odds ratio (OR) e del relativo intervallo di confidenza al 95% (IC95%). La capacità predittiva del modello e la sua calibrazione sono stati testati utilizzando rispettivamente il C-index e il test di Hosmer-Lemeshow.
RISULTATI: rispetto alla dimensione sanitaria, il 19% della popolazione viene classificato tra coloro che non presentano disturbi specifici e/o non consumano prestazioni a carico del Sistema sanitario regionale (SSR) (gruppo A); il 41,6% tra coloro che hanno consumi aspecifici (gruppo B); il 17% rientra nella classe dei soggetti vulnerabili sotto il profilo sanitario (gruppo C), mentre il 22% viene classificato come soggetto in condizione di cronicità (gruppo D). Combinando la condizione salute/malattia con il livello di fragilità, individuato attraverso i consumi di tipo sociosanitario, è stato possibile classificare la popolazione in ulteriori sottogruppi rispetto ai quali è stato analizzato il rischio di morte entro l’anno. Tale rischio cresce linearmente in relazione all’aumentare della complessità della categoria sanitaria del livello di fragilità, passando da 0,83 a 135,6 utilizzando come reference il non consumatore/non fragile. La stima del rischio di mortalità è stata confermata attraverso l’analisi dei dati disponibili al 2016. La valutazione del potere predittivo complessivo del modello, calcolato mediante il C-index, riporta un valore di 0,94. La calibrazione del modello valutata utilizzando il test di Hosmer-Lemeshow riporta un valore di (χ2 8 df.) di 327,2 (p-value <0,0001) sottostimando gli attesi nei tre decili inferiori e sovrastimando nei decili più alti.
CONCLUSIONI: l’algoritmo consente di classificare la popolazione assistita in gruppi omogenei a rischio di decesso crescente. Nello specifico, consente di allocare risorse sanitarie e sociosanitarie e analizzare la transizione tra classi nel corso del tempo.

 Parole chiave: , , ,

Abstract

OBJECTIVES: to describe an innovative algorithm to classify the general population, in homogeneous groups of severity and complexity of disease and real needs, by using three dimensions: health, frailty, and disability.
DESIGN: retrospective cohort study.
SETTING AND PARTICIPANTS: the study includes the population covered by the Agency for health protection of Metropolitan Area of Milan (3,4 million of habitants). We identified two cohorts of residents: the first at 01.01.2015 and the second at 01.01.2016, classified in four different and mutually exclusive groups based on health and social data of the previous year.
MAIN OUTCOME MEASURES: we estimated prevalence by age of the four main groups and we studied the transition, observed among groups, from 2015 to 2016. The algorithm validation was performed using non-conditional logistic regression models to estimate the association with total mortality with increasing levels of severity through the odds ratio (OR) and corresponding 95% confidence intervals (95%CI). The model performance, i.e., its predictive power and calibration, was evaluated by means of C-index and Hosmer-Lemeshow test, respectively.
RESULTS: a total of 19% of subjects is healthy (group A); 41.6% has non-specific access to the health regional system (group B); 17% is a vulnerable (group C); and 22% has a chronic condition (group D). Combining chronic conditions with the frailty level, we classified population into subgroups. The risk of death within a year increases linearly in relation with increasing complexity of the health category and frailty level, with a grow of estimates from 0.83 to 135.6, using the healthy subjects as reference. The evaluation of the overall predictive power of the model, calculated by the C-index, shows a value of 0.94. The calibration of the model evaluated using the Hosmer-Lemeshow test returns a value of 327.2 (χ2 8 df, p-value <0.0001), underestimating the expected in the first three deciles and overestimating in the last deciles.
CONCLUSIONS: the algorithm classify general population in homogeneous groups allowing to develop taking care models allocating health resources based on the real needs of patients.

 Keywords: , , ,

 

       Visite