Programmazione sanitaria attraverso l’analisi territoriale: una proposta metodologica per la valutazione della rete dei punti nascita in Italia

Introduzione

L’efficacia e la sicurezza dei punti nascita sono al centro della programmazione sanitaria da molti anni, attraverso un virtuoso bilanciamento tra volumi qualificanti di attività dei centri e la capillarità del servizio con il conseguente tempo di percorrenza dalla residenza della madre. Il nesso tra volumi di attività ed esiti materni e neonatali va valutato con attenzione anche in relazione a dati di letteratura non sempre uniformi in considerazione dei diversi livelli numerici espressi dai punti nascita.^1-3 

L’Accordo Stato-Regioni del 16 dicembre 2010, richiamato dal DM 70/2015, sottolineava la necessità che l’assistenza materno-neonatale fosse improntata a principi di efficacia, efficienza, appropriatezza, ottimizzazione delle risorse al fine di ridurre la mortalità materna, la mortalità perinatale e neonatale e gli esiti a distanza. L’Accordo considera quali parametri di riferimento il volume minimo di 500 parti/anno e un tempo massimo di percorrenza di 60 minuti. L’esito complessivo della gravidanza è collegato non unicamente al punto nascita, ma dipende da una serie di fattori come la salute materna ante-gravidanza, dal tipo e numero dei controlli durante la gravidanza.⁴

L’attuazione di questi indirizzi, benché non del tutto omogenea, ha contribuito a rimodulare l’intero percorso nascita. Il numero dei punti nascita nel nostro Paese è andato diminuendo nel tempo.⁵ Il progressivo decremento è avvenuto verosimilmente per molteplici ragioni. Ha avuto un ruolo importante la promulgazione dell’accordo Stato-Regioni del 2010 sopraindicato, che, in modo coerente a quanto previsto dalla letteratura scientifica^6-8 e raccomandato dalle principali società scientifiche di area⁹, sollecita la riduzione dei punti nascita a basso volume di attività al fine di aumentare il livello di sicurezza per la diade madre-neonato della rete di offerta.

Tuttavia, contestualmente all’attuazione dell’Accordo da parte di tutte le Regioni e Province Autonome e alla riorganizzazione “più snella ed efficiente” della rete dei punti nascita e, in generale, del percorso nascita, in Italia si è andato progressivamente accentuando e aggravando il fenomeno della denatalità, che ha interessato dapprima la parte Nord del nostro Paese e, via via, anche le altre aree geografiche, divenendo un fenomeno strutturale. L’andamento al ribasso delle nascite nel nostro Paese rappresenta una spinta in direzione opposta al processo di riorganizzazione della rete attuato negli ultimi anni, che corre il rischio di trascinare sotto lo standard minimo i punti nascita più periferici e ubicati in aree interne del Paese, ponendo nuove sfide alla programmazione sanitaria.

Il Comitato nazionale “Percorso nascita” ha adottato criteri di valutazione basati sulla definizione del bacino d’utenza attuale e su quello potenziale per riconoscere o meno la deroga a un punto nascita: «La richiesta di deroga da parte delle Regioni e PA deve essere corredata da un’analisi dei flussi di mobilità attiva e passiva delle partorienti rispetto ai punti nascita di cui si chiede la deroga, compreso la georeferenziazione, che evidenzi l’attuale bacino di utenza dei singoli Punti nascita, nonché il potenziale bacino di utenza degli stessi al fine di mostrare il potenziale numero di parti dell’area interessata. Le Regioni e PA devono elaborare un programma finalizzato a incrementare l’indice di attrazione dai Comuni del bacino di utenza, comprensivo del cronoprogramma degli obiettivi da raggiungere per il reclutamento delle partorienti nel Punto nascita di cui si richiede la deroga»¹⁰ (p.2, lettera c – corsivo degli autori).

Disporre di strumenti evoluti per l’analisi geografica della rete dei punti nascita consente di affrontare con metodi oggettivi, trasparenti e replicabili tale complessità. A questo fine, AgeNaS ha elaborato un modello del disagio orogeografico che ha il pregio di definire un primo impianto metodologico per l’analisi dei bacini d’utenza su cui si potranno innestare ulteriori contributi volti ad arricchire la proposta di analisi, consapevoli che alimentare il dibattito scientifico sui temi della programmazione sanitaria della rete dei punti nascita possa migliorare la capacità esplicativa dei parametri del modello proposto da AgeNaS.  

Nel presente articolo, vengono descritti lo specifico ambito teorico-concettuale di riferimento del modello AgeNaS e gli strumenti (compresa un’idonea matrice delle distanze) per l’analisi dell’accessibilità della popolazione alla rete dei punti nascita e per l’individuazione del bacino d’utenza. Si tratta di metodi basati sulla cartografia numerica e sulla statistica spaziale assai specialistici e innovativi, che prevedono un corredo di strumenti di analisi ancora poco diffusi negli uffici della pubblica amministrazione, dove ancora vigono forme di analisi che poggiano più sull’esperienza e sulle conoscenze del singolo operatore che su un impianto teorico-organizzativo di riferimento.

Il metodo AgeNaS di valutazione del disagio orografico dei punti nascita

La metodologia proposta da AgeNaS per la valutazione del disagio orografico si fonda sull’uso di modelli gravitazionali (figura 1), impiegati da tempo in diversi ambiti del sapere come, per esempio, in demografia per lo studio delle migrazioni e in economia per la localizzazione ottimale delle strutture commerciali.¹¹ In generale, questi modelli prendono le mosse dalla teoria gravitazionale universale di Isaac Newton, formulata nel 1687, in cui la forza di attrazione di due corpi celesti è direttamente proporzionale alla loro massa (m₁ e m₂ in figura 1) e inversamente proporzionale al quadrato della loro distanza (d2).

Per analogia,¹² è possibile trasporre idealmente l’impianto concettuale della teoria newtoniana nell’ambito sanitario, ipotizzando la presenza di una forza attrattiva esercitata da due strutture (in figura 1: H₁ e H₂) rispetto alla posizione di un i-esimo utente, come il prodotto delle rispettive capacità ricettive (m_H1 e m_H2) e inversamente proporzionale alla distanza delle j-esime strutture dal luogo di residenza dell’i-esimo utente (d_ij). In sintesi, l’accessibilità a servizi sanitari^13-15 può essere declinata in termini di attrattività delle strutture sulla base di una probabilità che ha un i-esimo utente, residente a una certa distanza dalla rete ospedaliera, di accedere all’ospedale H₁ o all’ospedale H₂. Questa probabilità dipenderà tanto da fattori attrattivi – come la dotazione di posti letto, di attrezzatura, le competenze di ciascuna struttura e la percezione che ne hanno le utenti – quanto da fattori repulsivi, che limitano la propensione dei cittadini ad accedere all’offerta dei servizi – come la lontananza della struttura dai luoghi di residenza, un’offerta di servizi ridotta eccetera. 

In ragione di ciò, AgeNaS ha adottato e implementato un particolare modello gravitazionale che consente di calcolare una misura di accessibilità alla rete dei punti nascita e di valutarne la copertura territoriale, sia rispetto alla configurazione attuale sia rispetto a scenari di una sua rimodulazione. Si tratta del metodo Modified Huff Three-Step Floating Catchment Area,^16,17 che permette di elaborare un indice di accessibilità e copertura territoriale che si articola in tre fasi: 1. calcolo della probabilità di Huff; 2. stima della capacità ricettiva della rete regionale dei punti nascita; 3. elaborazione dell’indice di accessibilità dei comuni alla rete regionale dei punti nascita.

Probabilità di Huff (tra l’i-esimo comune e il j-esimo punto nascita)

La probabilità di Huff¹⁸ offre una misura della propensione teorica di un utente residente in un dato comune di accedere alle strutture presenti all’interno di una determinata distanza massima¹⁹ (d_max). Questa misura deriva da un’impostazione gravitazionale in cui al numeratore è posta la dotazione di posti letto delle discipline correlate al parto²⁰ riferita alla j-esima struttura, ponderata con la distanza di ciascuna struttura dall’i-esimo comune di residenza dei pazienti; mentre, al denominatore, è riportato il totale delle dotazioni di posti letto pesate dei k ospedali operanti all’interno di una determinata distanza.

---

Box 1. La probabilità di Huff

dove:

• L_j è la dotazione di posti letto del Punto nascita j-esimo;
• W_ij è il peso calcolato sulla base della distanza tra il i-esimo comune di residenza della paziente e il j-esimo Punto nascita;
• β è un fattore di normalizzazione del peso W_ij che è in funzione dalla distanza massima fissata e della funzione di decadimento presa in considerazione²¹;
• dik distanza tra l’i-esimo comune di residenza delle partorienti e il k-esimo punto nascita.

I due parametri gravitazionali dell’espressione 1, L_j, come variabile di dimensionamento della struttura, e W_ij, che definisce la dimensione della distanza/prossimità, costituiscono una prima base della misura di attrattività/accessibilità proposta da AgeNaS, definita all’interno un sistema di analisi flessibile e aperto all’implementazione di ulteriori dimensioni d’analisi.22 A riguardo, la scelta di una diversa funzione di decay agisce sul sistema di ponderazione per il calcolo della probabilità di Huff, attribuendo alla distanza un ruolo più o meno centrale (a seconda della pendenza) (figura 2) nel progressivo allentamento della capacità attrattiva delle strutture. 

Nel caso specifico si è scelta una funzione con una pendenza molto pronunciata per dare maggior peso ai punti nascita più vicini al luogo di residenza del paziente.²³

Infine, la dotazione dei posti letto pesata del j-esimo ospedale (W_ij L_j) è rapportata al totale delle dotazioni pesate di posti letto dei k-esimi ospedali (∑_{(k∈{dik≤dmax})} L_ij W_j)

---

La funzione di Huff attribuisce a ogni comune di residenza degli utenti la probabilità di rivolgersi a una data struttura raggiungibile entro una determinata distanza massima. Pertanto, sulla base della capacità ricettiva degli ospedali e della vicinanza dal luogo di residenza dell’utente, a ciascun comune sono state attribuite le probabilità delle residenti di accedere ai diversi punti nascita presenti in zona: per esempio, le residenti di Montevarchi (tabella 1) con molta probabilità (probabilità di Huff pari a 0,717) accederanno al Nuovo Ospedale Unico del Valdarno che si trova a una distanza rispetto al centroide di circa 12 minuti, mentre meno probabile (0,138) sarà l’accesso delle pazienti di Montevarchi al punto nascita di Arezzo (Ospedale Area Aretina Nord) e ancor meno ai due presidi rimanenti. Procedendo in questo modo per tutti i comuni della regione Toscana, è possibile individuare il bacino d’utenza di ciascun punto nascita come l’insieme dei comuni con probabilità di Huff più elevata.²⁴ Tornando all’esempio, il comune di Montevarchi afferisce al bacino del Nuovo Valdarno e ciò è confermato anche dai dati dei parti in tabella 1, in cui le residenti del comune in esame, nella quasi totalità dei casi, nel 2022 hanno scelto questo ospedale per partorire²⁵ (125 parti su 153 totali).

In figura 3A è illustrato il bacino d’utenza del Punto Nascita del Nuovo Valdarno, definito da sei comuni limitrofi, che nel 2022 hanno prodotto 338 parti. La procedura di calcolo della probabilità di Huff è stata implementata all’interno di un algoritmo²⁶ che, oltre a individuare il bacino di ogni punto nascita, consente di definire scenari what-if nel caso di chiusura di un punto nascita. L’algoritmo rielabora la probabilità di Huff nell’ipotesi di scenario attribuendo a ciascun comune, afferente al bacino del punto nascita in valutazione, un potenziale punto nascita vicario. A riguardo, in figura 3B sono indicate, attraverso flowchart, le direzioni che avrebbero preso le donne che hanno partorito al punto nascita Nuovo Valdarno nell’ipotesi (assolutamente esemplificativa del concetto) di una sua chiusura. Inoltre, questa procedura dà modo di quantificare il carico aggiuntivo teorico delle strutture vicarie nell’assorbire la domanda del Punto nascita in valutazione: nel caso del Nuovo Valdarno, il peso maggiore graverebbe sul punto nascita di Arezzo con un aumento dei parti annui del 25%; elemento utile da conoscere per una programmazione attenta, efficace ed efficiente dei servizi alternativi in caso di chiusura dell’attività di un punto nascita.

Capacità ricettiva

L’accessibilità a un punto nascita non dipende soltanto dall’offerta di posti letto e dalla vicinanza dalla residenza degli utenti, ma anche dalla capacità ricettiva della struttura, ovverosia dal rapporto tra offerta di posti letto disponibili e la domanda potenziale di pazienti che potrebbero fruire di tale offerta. In altri termini, se il bacino potenziale che gravita intorno a un punto nascita fosse molto ampio a fronte di una dotazione di posti limitata, la possibilità di accedere a questo ospedale sarebbe limitata e inferiore al potenziale derivante dalla distanza. Il peso (quindi la pendenza della curva) degli elementi di frizione e attrattivi potranno essere arricchiti e affinati nel tempo per migliorare la predittività e la precisione del modello.

---

Box 2. Capacità ricettiva del punto nascita j-esimo

dove Pop_i è il numero di donne in età feconda (15-49 anni) residenti dell’i-esimo comune. In termini formali, la capacità ricettiva della struttura j-esima – R_j nell’espressione 3 – è definita dal rapporto tra la dotazione di posti letto L_j della struttura (vedi box 1) e il numero delle potenziali utenti della stessa. In particolare, il denominatore della capacità ricettiva è dato dalla somma, per ogni i-esimo comune limitrofo alla j-esima struttura, del numero di donne residenti in età feconda moltiplicato per la corrispondente probabilità di Huff. Anche in questo caso, come per la probabilità di Huff, si tratta di una prima formulazione della ricettività aperta a integrazioni e affinamenti come, per esempio, l’introduzione di tassi di fecondità specifici per età della madre²⁷ per definire ulteriormente la domanda potenziale.

---

In sintesi, rispetto alle probabilità di Huff, per la quantificazione della capacità ricettiva il punto di osservazione è capovolto: se per l’elaborazione delle probabilità di Huff l’analisi è condotta guardando alla distanza dei comuni dalla rete dei servizi, nel calcolo della capacità ricettiva il riferimento sono le strutture (i nodi della rete dei servizi) in termini di dotazione ricettiva (figura 4).

Indice di accessibilità per l’i-esimo comune

La messa in relazione della probabilità di Huff (step 1) con la capacità ricettiva (step 2) fornisce una misura dell’accessibilità (step 3), a livello comunale, alla rete locale dei punti nascita. Da un punto di vista teorico, l’indice di accessibilità poggia su un duplice piano concettuale che rimanda tanto alla dimensione della raggiungibilità dei nodi, chiamando in causa lo sviluppo delle risorse infrastrutturali di un dato territorio, quanto a quella della presa in carico, declinata in termini di offerta ricettiva e strumentale presente nei diversi nodi della rete.

---

Box 3. Indice di accessibilità

Rispetto alla capacità ricettiva, in cui il punto di osservazione è la j-esima struttura e gli elementi di calcolo sono i comuni orbitanti intorno a esse, nella costruzione dell’indice di accessibilità il punto di osservazione è rappresentato dall’i-esimo comune (Ai) e gli addendi sono costituiti dalle strutture poste a una distanza inferiore a quella di soglia. L’accessibilità di ogni comune è calcolata sulla base della distanza, della dotazione di posti letto e della capacità ricettiva di ciascuna struttura raggiungibile entro la soglia dei 60 minuti. In questo modo, l’accessibilità ai servizi è misurata rispetto alla configurazione complessiva della rete e non per singolo nodo: a riguardo, un comune che si trova in una posizione baricentrica rispetto alla rete, contornato da grandi ospedali facilmente raggiungibili sarà contraddistinto da un indice di accesso elevato; viceversa, un comune periferico alla rete, che può raggiungere al più un solo Punto nascita, caratterizzato da una bassa ricettività, registrerà un basso indice di accesso.²⁸ 

---

Sul versante della raggiungibilità, l’indice fornisce una misura della copertura della rete dei punti nascita, mettendo in evidenza non solo i comuni più periferici, ma anche quelli scoperti, ovverosia con una distanza dal nodo più vicino superiore a quella massima. In questi termini, la rappresentazione cartografica dell’indice di accessibilità dà modo di individuare agevolmente – considerando non un solo punto di offerta, ma una rete di punti di offerta – le aree caratterizzate da potenziale disagio orografico. A riguardo, in figura 5 è illustrata la distribuzione in decili dell’indice di accessibilità dei comuni sardi rispetto all’attuale rete regionale dei punti nascita: dal cartogramma è facile osservare, in generale, la maggiore accessibilità delle donne residenti nei comuni costieri e in prossimità dei presidi ospedalieri, mentre si scorgono aree meno accessibili (cromatismo più chiaro tendente al bianco) soprattutto all’interno della regione, in una fascia di comuni che attraversa l’Isola da Nord-Ovest a Sud-Est in cui, peraltro, sono concentrate le zone scoperte (aree quadrettate) con tempi di percorrenza superiore alla soglia dei 60 minuti dal punto nascita più vicino.

Anche per l’indice di accessibilità, come per la probabilità di Huff, è stato implementato un algoritmo per l’elaborazione di scenari what-if che consentono la verifica di ipotesi relative alle future configurazioni delle reti regionali in ragione dei cambiamenti nell’accessibilità al servizio, quindi al variare degli elementi di attrattività o frizione che questi scenari potrebbero comportare. A tal proposito, in figura 6 sono riportate le distribuzioni territoriali dell’indice di accessibilità relative all’ipotesi di chiusura del punto nascita di Orvieto (Ospedale Santa Maria della Stella). Dal confronto delle due cartografie è evidente la diminuzione di accessibilità nel caso di una configurazione della rete dei punti nascita senza il punto nascita di Orvieto (figura 6B): si denota, infatti, un ampliamento delle aree di scopertura del servizio, soprattutto nei comuni che gravitano sul punto nascita di Orvieto, con tempi di percorrenza maggiori ai sessanta minuti.

In sintesi, la metodologia AgeNaS per la valutazione dei punti nascita si articola sul piano teorico-concettuale della modellistica gravitazionale, offrendo un set di strumenti, sia di monitoraggio sia di scenario, per l’analisi dell’offerta territoriale declinata in termini di accessibilità alla rete dei servizi sanitari. Si tratta di una “cassetta degli attrezzi” flessibile e sistematizzata all’interno di un percorso di analisi standardizzato, che consente la replicabilità dei risultati e la trasferibilità del modello. Inoltre, la realizzazione in house della matrice delle distanze dà modo di “controllare” l’intero processo di elaborazione dei dati e, allo stesso modo, di adattare gli input del modello all’ambito di analisi: dal monitoraggio alla previsione, dal monitoraggio alla programmazione territoriale.   

Matrice delle distanze

La matrice delle distanze²⁹ in ambito sanitario rappresenta la base per il calcolo delle probabilità di Huff e dell’indice di accessibilità alla rete dei punti nascita. L’elaborazione è stata effettuata con Open Source Routing Machine, uno strumento in grado di calcolare il percorso stradale più breve che collega due punti, basato sul grafo stradale di OpenStreetMap.

Nella costruzione, un aspetto chiave è la definizione del criterio con cui ricavare il punto che sintetizza l’estensione di un comune. Concettualmente, basandosi sul comune di residenza del paziente, questo punto rappresenta il luogo in cui vengono ubicati tutti i residenti di un determinato comune. Nella prima versione delle matrici prodotte da AgeNaS, si è scelto di identificare un comune con il suo centroide geografico,³⁰ ricavato dai dati sui confini delle unità amministrative a fini statistici diffusi annualmente dall’Istat,³¹ ma tale approssimazione può rivelarsi alquanto imprecisa in comuni di grandi dimensioni e/o in contesti urbani in cui la popolazione è distribuita in maniera disomogenea nel territorio (presenza di aree sparse). In queste circostanze, è possibile che il centroide cada in un’area del comune non abitata o poco abitata, comportando una misurazione che non rispecchia il punto di concentrazione degli abitanti sul territorio, introducendo elementi di distorsione nella misura della distanza. 

Per ovviare al problema, nella versione più recente si è deciso di utilizzare le basi dati territoriali di Istat,³² considerando come “centro urbano” il punto geografico (espresso in latitudine e longitudine) in cui si trova il municipio comunale.³³ 

In figura 7A è riportato un esempio relativo al comune pugliese di Manfredonia, in cui si ha una diversa ubicazione del centroide dell’area comunale e del centro urbano. Il centroide (cerchio bianco) del comune di Manfredonia cade in un’area lontana dalla zona di maggiore concentrazione della popolazione (pallini rossi) e, pertanto, si misurerebbe una distanza comune-ospedale non coerente con la distribuzione antropica della città. Va da sé che lo spostamento dal centroide al centro urbano (quadrato bianco) consente di costruire delle distanze più coerenti all’effettiva dislocazione degli abitanti sul territorio, attenuando così le distorsioni derivanti dall’opzione geometrica. Allargando l’osservazione all’intero territorio nazionale, in figura 7B è rappresentata, per ogni comune, la mediana delle differenze tra i tempi di percorrenza di tutte le coppie comune-ospedale ottenute passando dall’uso dei centroidi a quello dei centri urbani.³⁴ Per più dei due terzi dei comuni si registra una riduzione del tempo di percorrenza mediano (classi dal celeste tenue al blu) e, complessivamente, si registra un range di valori compreso tra i circa 75 minuti di diminuzione (differenza positiva mediana) del comune di Roburent (Piemonte) e i 17 minuti di aumento (differenza negativa mediana) del comune abruzzese di Silvi.

---

Box 4. L’impatto della nuova metrica nella valutazione del disagio orografico

Le variazioni dei tempi di percorrenza dovute al cambiamento di metodo (dai centroidi ai centri urbani), seppur talvolta non molto marcate, possono risultare determinanti nella valutazione del disagio orografico in relazione alla chiusura o meno di un punto nascita, laddove si applicano criteri basati sull’assunzione di soglie limite di tempo di percorrenza tra comune e struttura.

Per esempio, prendendo come riferimento, per ogni comune, il punto nascita vicario (Punto nascita vicario: secondo Punto nascita più vicino al comune indice) –  per simulare l’ipotesi che venga chiuso quello meno distante – e considerando la soglia dei sessanta minuti, la cosiddetta golden hour,³⁵ si può osservare (figura 8) che sono numerosi i comuni in cui si assiste a un cambiamento di segno: sia in positivo, da un valore sopra soglia a un valore al di sotto dei sessanta minuti, sia – sebbene in numero minore – in negativo.

In particolare, si evince che questi comuni sono perlopiù dislocati lungo le dorsali alpina e appenninica e si tratta, come prevedibile, principalmente di aree interne,³⁶ che sono più interessate dalla desertificazione dei servizi e da una condizione di disagio orografico.

---

L’autoproduzione della matrice delle distanze e l’organizzazione minimale³⁷ del dato geografico necessaria alla sua realizzazione rendono possibile l’applicazione di questo strumento nei campi di studio più disparati ed è stata già utilizzata da AgeNaS in altre indagini.^38,39 Inoltre, qualora si disponesse di dati ancor più dettagliati sul luogo di residenza dell’assistito, come la sezione di censimento di residenza, si potrebbero costruire matrici costituite dalle coppie sezione di censimento-ospedale con cui effettuare analisi ancor più precise e maggiormente aderenti al contesto di vita dei cittadini.⁴⁰ 

Conclusioni

La metodologia AgeNaS consente di correlare i dati di attività a quelli sulle caratteristiche del territorio, ridisegnando i bacini di utenza effettivi e quelli potenziali in modo trasparente, oggettivo e replicabile. La mobilità sanitaria, infatti, travalica i confini amministrativi e genera una domanda influenzata da diversi fattori di contesto. 

Dal punto di vista dell’offerta di rete, il metodo illustrato individua sia le aree sotto-servite sia quelle vicariabili attraverso una riorganizzazione oculata della rete. Infatti, il punto di svolta è esaminare non solo il singolo centro, ma l’insieme delle relazioni esistenti e di quelle probabili in caso di modifiche dell’esistente. Gli elementi di attrito e attrazione di ogni singolo centro possono, pertanto, essere predetti da variabili geografiche e organizzative che possono via via essere arricchite di nuove informazioni, per esempio considerando la presenza e i posti letto di terapia intensiva neonatale. Lo sviluppo di questi aspetti potrà arricchire il modello proposto e renderlo sempre più utilizzabile anche ai fini della progettazione della rete di offerta.

Come in ogni sistema in rete, una modifica su un singolo nodo comporta effetti sugli altri che possono essere stimati in anticipo e programmati conseguentemente, per esempio dimensionando le risorse nelle strutture vicarianti.

Si tratta di una “cassetta degli attrezzi” che AgeNaS mette a disposizione del livello nazionale e delle singole Regioni per la propria programmazione nel campo della rete dei Punti nascita ma trasferibile anche ad altre forme di rete ospedaliero-territoriali (come le reti dipendenti dal tempo).

Il metodo, infatti, ha le caratteristiche di flessibilità e di adattabilità mediante parametri noti in modo da ottenere un percorso di analisi standardizzato e replicabile.

Presentare e discutere un’analisi sistematica della capacità predittiva del modello saturo sarebbe interessante e utile per aumentare la rilevanza dello studio. In particolare, sarebbe interessante valutare se gli scarti rispetto all’osservato permettono di osservare un pattern riconoscibile. Sarebbe pure interessante confrontare bacini per le urgenze e bacini per interventi relativamente programmabili o totalmente programmabili e discutere i ruoli di un aggiustamento “reputazionale” che forse ha un peso diverso per l’infarto rispetto al parto o a un intervento chirurgico di elezione.

Conflitti di interesse dichiarati: nessuno.

Bibliografia e note

1. Moster D, Lie RT, Markestad T. Neonatal Mortality Rates in Communities with Small Maternity Units Compared with Those Having Larger Maternity Units. BJOG 2001;108(9):904-9. doi: 10.1111/j.1471-0528.2001.00207.x
2. Snowden JM, Cheng YW, Kontgis CP, Caughey AB. The association between hospital obstetric volume and perinatal outcomes in California». Am J Obstet Gynecol 2012;207(6):478.e1-e7. doi: 10.1016/j.ajog.2012.09.029
3. Snowden JM, Cheng YW, Emeis CL, Caughey AB. The impact of hospital obstetric volume on maternal outcomes in term, non-low-birthweight pregnancies. Am J Obstet Gynecol 2015;212(3):380.e1-e9. doi: 10.1016/j.ajog.2014.09.026
4. Corrao G, Cantarutti A, Locatelli A et al. Association between Adherence with Recommended Antenatal Care in Low-Risk, Uncomplicated Pregnancy, and Maternal and Neonatal Adverse Outcomes: Evidence from Italy. Int J Environ Res Public Health 2020;18(1):173. doi: 10.3390/ijerph18010173
5. Dal 2005 al 2022, la rete dei punti nascita ha registrato un ridimensionamento del numero dei nodi, passando da 560 a 395, dovuto soprattutto alla contrazione delle strutture con volumi di parti sotto la soglia dei 500 nati/anno: nel 2005, i punti nascita al di sotto dello standard ammontavano a 195 (pari al 35% del totale); nel 2022, il numero dei punti nascita con bassi volumi è sceso a 96 (pari al 24% del totale). Si veda: Ministero della salute. Certificato di assistenza al parto (anni: 2005 e 2022). Ricerca per anno disponibile all’indirizzo: https://www.pnrr.salute.gov.it/portale/temi/p2_6.jsp?lingua=italiano&id=3837&area=statisticheSSN&menu=vuoto
6. Moster D, Lie RT, Markestad T. Relation between size of delivery unit and neonatal death in low risk deliveries: population based study. Arch Dis Child Fetal Neonatal Ed 1999;80(3):F221-25. doi: 10.1136/fn.80.3.f221
7. Staebler S. Regionalized Systems of Perinatal Care. Adv Neonatal Care 2011;11(1):37-42. doi: 10.1097/ANC.0b013e318206fd5a
8. Hehir MP, Ananth CV, Wright JD, Siddiq Z, D’Alton ME, Friedman AM. Severe Maternal Morbidity and Comorbid Risk in Hospitals Performing <1000 Deliveries per Year. Am. J Obstet Gynecol 2017;216(2):179.e1-e12. doi: 10.1016/j.ajog.2016.10.029
9. Di Tommaso M, Dani C. Standard organizzativi per l’assistenza perinatale. Standard organizzativi per l’assistenza perinatale 2021;1-141.
10. Ministero della Salute – Comitato Percorso Nascita nazionale. Protocollo metodologico per la valutazione delle richieste di mantenere in attività punti nascita con volumi di attività inferiori ai 500 parti/annui e in condizioni orogeografiche difficili (art. 1 D.M. 11/11/2015). Disponibile all’indirizzo: https://www.salute.gov.it/imgs/C_17_pagineAree_4483_listaFile_itemName_5_file.pdf
11. Haynes KE, Fotheringham AS. Gravity and spatial interaction models. Regional Research Institute, West Virginia University, 1985. Reprint: Thrall GI (ed). WVU Research Repository 2020.
12. Il termine “analogia” è considerato nell’accezione di analogia sostanziale formulata da Ernest Nagel in cui un sistema teorico viene preso a modello per la costruzione di un secondo sistema che può differire dall’impianto di riferimento, perché è arricchito con nuovi elementi o perché si innestano nuovi concetti che danno vita a indicatori che non si ritrovano nel modello o comunque non menzionate nelle leggi enunciate per il modello di riferimento. Si veda: Nagel E, Monti A. La struttura della scienza: problemi di logica nella spiegazione scientifica. Milano, Feltrinelli, 1977.
13. Wan N, Zou B, Sternberg T. A three-step floating catchment area method for analyzing spatial access to health services. Int J Geogr Inf Sci 2012;26(6):1073-89. doi: 10.1080/13658816.2011.624987
14. Kanaroglou P, Delmelle E. Spatial analysis in health geography. Londra, Routledge, 2016.
15. Luo W, Wang F. Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region. Environ Plann B Plann Des 2003;30(6):865-84. doi: 10.1068/b29120
16. Si tratta di una metodologia che rientra nella famiglia dei modelli di localizzazione che hanno l’obiettivo di fornire delle stime delle attività di localizzazione. Si veda: Lee C. Models in planning: an introduction to the use of quantitative models in planning. Amsterdam, Elsevier, 2016.
17. Subal J, Paal P, Krisp JM. Quantifying spatial accessibility of general practitioners by applying a modified huff three-step floating catchment area (MH3SFCA) method. Int J Health Geogr 2021;20(1):9. doi: 10.1186/s12942-021-00263-3
18. Huff DL. Defining and estimating a trading area. Journal of Marketing 1964;28(3):34–38.
19. La soglia massima di distanza oltre la quale il peso Wij è nullo è definita sulla base di un criterio gerarchico, fissando entro 60 minuti di percorrenza il limite massimo e, all’interno di questo raggio, favorire le strutture che distano meno di 50 km dal luogo di residenza delle pazienti. In breve, il sistema di ponderazione si struttura su una duplice metrica: temporale e chilometrica. 
20. Nido, Ostetricia-Ginecologia, Neonatologia e Terapia Intensiva Neonatale.
21. La funzione di decadimento – o funzione di decay, usando l’espressione inglese – consente di impostare la velocità con cui raggiungere la distanza massima oltre la quale si annulla la forza attrattiva della struttura. In altri termini, il peso della distanza Wij è funzione del coefficiente β (vedi espressione 2) che rappresenta la velocità di abbattimento della capacità attrattiva della struttura via via che si allontana da essa. Si veda: Jia P, Wang F, Xierali IM. Differential effects of distance decay on hospital inpatient visits among subpopulations in Florida, USA. Environ Monit Assess 2019;191 Suppl 2:381. doi: 10.1007/s10661-019-7468-2
22. Rispetto alla dimensione dell’attrattività, tra le possibili azioni di affinamento dell’impianto di calcolo della probabilità di Huff, vi è quella di attribuire un peso maggiore alle strutture dotate di posti letto di TIN e di ampliare il nucleo inziale del modello gravitazionale, affiancando, in futuro, alla capacità ricettiva delle strutture altri fattori attrattivi di natura organizzativa, procedurale o strumentale.
23. La scelta della pendenza della funzione di decay per la definizione dei pesi rientra tra i problemi di calibratura del modello, ossia il procedimento attraverso cui ricercare i valori dei parametri che forniscano la migliore corrispondenza tra la rappresentazione del modello e il comportamento del sistema reale.
24. Altro criterio sotteso alla determinazione dei bacini dei singoli punti nascita è che i comuni siano contigui al comune in cui è ubicato il punto nascita. Per “contiguità” si intende la circostanza in cui il comune dove è presente il punto di nascita condivida almeno un punto del suo perimetro con altri comuni a esso limitrofi. Si veda: Istituto Nazionale di Statistica. Matrici di contiguità, distanze e pendolarismo. Istat 2024.Disponibile all’indirizzo: https://www.istat.it/non-categorizzato/matrici-di-contiguita-distanza-e-pendolarismo/
25. La stima dei parti attesi, data dal prodotto tra la probabilità di Huff e la distribuzione dei parti delle partorienti del comune di Montevarchi, risulta piuttosto accurata per quanto riguarda l’ospedale di riferimento (Nuovo Valdarno) con un numero di parti attesi pari a 110 vs i 125 osservati.
26. L’algoritmo è stato implementato in SAS: un ambiente di programmazione e analisi dei dati che consente di mettere in relazione le diverse librerie (schede di dimissione ospedaliera, anagrafica delle strutture, matrice delle distanze eccetera) e, al contempo, di sviluppare funzioni macro per modificare i parametri del modello (tempo massimo, periodo di analisi, tipo di strutture eccetera) in modo flessibile.  
27. La serie dei tassi specifici all’età della madre, aggiornata al 2021, è disponibile, su scala regionale, nella sezione I.Stat dell’Istituto nazionale di statistica.
28. L’indice ha un campo di variazione definito dal semiasse positivo dei numeri reali (Ai>0). I valori prossimi allo zero indicano una bassa accessibilità alla rete dei punti nascita, mentre più ci si allontana dallo zero più l’accessibilità aumenta.    
29. La matrice delle distanze di AgeNaS è stata ideata nel 2021 prendendo spunto dalla metodologia dalla matrice delle distanze dell’Istat. Quest’ultima è una matrice origine-destinazione – tra i comuni italiani – dove la distanza è espressa sia in chilometri sia in tempo di percorrenza (minuti), costruita avvalendosi di strumenti GIS e di un grafo-stradale commerciale. Si veda: Istituto Nazionale di Statistica. Matrici di contiguità, distanze e pendolarismo. Istat 2024.Disponibile all’indirizzo: https://www.istat.it/non-categorizzato/matrici-di-contiguita-distanza-e-pendolarismo/
30. Il centroide rappresenta il baricentro di un poligono, pertanto si tratta di un luogo geometrico e, come tale, non necessariamente legato alla distribuzione antropica di un dato territorio.
31. Istituto Nazionale di Statistica. Confini delle unità amministrative a fini statistici. Istat 2024. Disponibile all’indirizzo: https://www.istat.it/notizia/confini-delle-unita-amministrative-a-fini-statistici-al-1-gennaio-2018-2/#:~:text=I%20confini%20delle%20unit%C3%A0%20amministrative%20a%20fini%20statistici,aree%20speciali%20%28zone%20in%20contestazione%20e%20isole%20amministrative%29
32. Istat. Basi territoriali e variabili censuarie. Disponibile all’indirizzo: https://www.istat.it/notizia/basi-territoriali-e-variabili-censuarie/
33. In alcuni casi, non è stato possibile identificare la casa comunale (codice 29), perciò come punto alternativo è stata scelta la sezione di censimento riferita alla residenza “amministrativa” delle persone senza fissa dimora (codice 100). Nel caso della città di Roma, per via dell’ampia estensione del territorio, si è optato per una suddivisione in tre aree coincidenti con le tre aziende sanitarie della città (ASL RM1, ASL RM 2 e ASL RM3), considerando i rispettivi centroidi.
34. Nel calcolo della mediana, sono state considerate solamente le coppie di comuni e strutture ospedaliere che, utilizzando come punto di localizzazione del comune il centroide, si trovano a un tempo di percorrenza inferiore ai 150 minuti.
35. Kotwal RS, Howard JT, Orman JA et al. The effect of a golden hour policy on the morbidity and mortality of combat casualties. JAMA Surg 2016;151(1):15-24.
36. In figura 8 è facile osservare che la prevalenza delle variazioni ha riguardato soprattutto i comuni delle aree interne, sia nel passaggio da entro i 60’ ad oltre 60’ (39 comuni delle aree interne contro un comune appartenente all’area dei “Centri”) sia – ancor di più – in direzione opposta, da oltre 60’ ad entro 60’ (229 comuni delle aree interne vs 61 comuni più centrali).  
37. Infatti, gli unici dati necessari alla sua costruzione sono le coordinate geografiche dei centri di partenza e di arrivo.
38. AgeNaS e Ministero della Salute. La mobilità sanitaria in Italia. Edizione 2023. Disponibile all’indirizzo: https://www.agenas.gov.it/i-quaderni-di-monitor-%E2%80%93-supplementi-alla-rivista/2479-la-mobilit%C3%A0-sanitaria-in-italia-edizione-2023
39. Per il calcolo dell’indice di Bacino (prestazioni ambulatoriali chemioterapia e radioterapia): AgeNaS. Quinta Indagine Nazionale sullo stato di attuazione delle Reti Oncologiche Regionali. Rapporto 2023; pagina 49. Disponibile all’indirizzo: https://www.agenas.gov.it/images/2023/13_dic/5_indagine_Rapporto_ROR_12_12_2023.pdf
40. Al momento, l’unica strada percorribile è quella, se possibile, di affinare il criterio di definizione dei centri comunali. Un’idea potrebbe essere quella di costruire, con le dovute accortezze, centroidi pesati per popolazione all’interno delle sezioni di censimento, come in Luo W, Wang F. Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region. Environ Plann B Plann Des 2003;30(6):865-84.