Stratifica PDTA

["\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n AbbVie\n Amgen\n\n AstraZeneca\n Bristol Myers Squibb\n\n Daiichi Sankyo Italia\n Glaxo Smith Kline\n\n Italfarmaco\n Menarini\n\n Pfizer\n Roche\n\n Servier\n Takeda Italia\n\n ViiV Healthcare\n","\n\n\n\n\n\n\n\n Stratifica PDTA\n\n\n\n\n A cura di\n Team di Fondazione ReS\n Carlo Piccinni, Antonella Pedrini, Silvia Calabria,\n Giulia Ronconi, Letizia Dondi, Alice Addesi, Immacolata Esposito,\n Aldo Pietro Maggioni, Nello Martini\n\n Componenti del Gruppo di Lavoro\n STRATIFICA PDTA\n Mirko Di Martino, Marina Davoli, Francesca Mataloni, Danilo Fusco,\n Oliva Leoni, Giovanni Corrao, Francesco Bortolan, Vito Lepore,\n Ettore Attolini, Marco Benvenuto, Cristina Basso, Francesco Avossa,\n Immacolata Cacciapuoti, Antonio Brambilla, Flavia Carle, Carlo Piccinni,\n Antonella Pedrini, Nello Martini, Aldo Pietro Maggioni\n\n\n Con la supervisione di\n Advisory Board \u201cProgetto MaCroScopio\u201d\n Antonio Addis, Valerio Fabio Alberti, Silvia Arc\u00e0, Paola Arcadi, Ettore Attolini,\n Ovidio Brignoli, Flavia Carle, Giovanni Corrao, Maria Giovanna D\u2019Amato,\n Roberto Da Cas, Marina Davoli, Enrico Desideri, Andrea Di Lenarda,\n Mirko Di Martino, Paolo Francesconi, Antonio Gaudioso, Gian Franco Gensini,\n Gualberto Gussoni, Giada Li Calzi, Chiara Marinacci, Claudio Marinai,\n Giovanni Messori Ioli, Alessandro Nobili, Giuseppe Noto, Marcello Pani,\n Paola Pisanti, Gianluca Postiglione, Roberta Rampazzo, Paolo Stella,\n Francesco Trotta\n Direzione Scientifica ed Editoriale \u201cProgetto MaCroScopio\u201d\n Luca De Fiore, Luciano De Fiore, Immacolata Esposito,\n Benedetta Ferrucci, Aldo Pietro Maggioni, Nello Martini, Maria Nardoianni,\n Antonella Pedrini, Carlo Piccinni\n","\n\n\n\n\n\n\n\n Autori\n\n\n\n\n\n\n\n\n\n\n\n\n\n Alice Addesi Cristina Basso Flavia Carle\n Drugs & Health Servizio Universit\u00e0\n epidemiologico Politecnica delle\n Antonio Addis regionale e Registri, Marche\n Dipartimento Azienda Zero\n di Epidemiologia Regione Veneto Giovanni Corrao\n del SSR - Regione Universit\u00e0 degli\n Lazio - Asl Roma 1 Marco Benvenuto Studi di Milano-\n CTS AIFA Universit\u00e0 Bicocca\n del Salento\n Valerio Fabio AReSS - Puglia Maria Giovanna\n Alberti D\u2019Amato\n Gruppo San Donato Francesco Asl Toscana\n Bortolan Sud-Est\n Silvia Arc\u00e0 Direzione Generale\n Esperta, Welfare, Roberto Da Cas\n ex Ministero della Regione Lombardia Istituto Superiore\n Salute di Sanit\u00e0 (ISS)\n Antonio Brambilla\n Paola Arcadi AUSL Modena Marina Davoli\n Regione Toscana Dipartimento\n Ovidio Brignoli di Epidemiologia\n Ettore Attolini SIMG del SSR - Regione\n AReSS - Puglia Lazio - Asl Roma 1\n Immacolata\n Francesco Avossa Cacciapuoti Luca De Fiore\n Servizio Regione Il Pensiero\n epidemiologico Emilia-Romagna Scientifico Editore\n regionale e Registri,\n Azienda Zero Silvia Calabria Luciano De Fiore\n Regione Veneto Fondazione ReS Il Pensiero\n Scientifico Editore\n","\n\n\n\n VI STRATIFICA PDTA\n\n\n Enrico Desideri Gualberto Gussoni Alessandro Nobili\n Fondazione FADOI - Centro Studi Istituto di Ricerche\n Innovazione e Oliva Leoni Farmacologiche\n Sicurezza in Sanit\u00e0 Mario Negri - IRCCS\n Direzione Generale\n Andrea Di Lenarda Welfare, Regione Giuseppe Noto\n ANMCO Lombardia Asl CN1 (Piemonte)\n Mirko Di Martino Vito Lepore Marcello Pani\n Dipartimento AReSS - Puglia Fondazione\n di Epidemiologia Giada Li Calzi Policlinico\n del SSR - Regione Universitario\n Lazio - Asl Roma 1 Regione Lazio Agostino Gemelli\n Aldo P. Maggioni IRCCS\n Letizia Dondi\n Fondazione ReS Fondazione ReS Antonella Pedrini\n Chiara Marinacci Fondazione ReS\n Immacolata\n Esposito Regione Lazio Carlo Piccinni\n Drugs & Health Claudio Marinai Fondazione ReS\n Benedetta Ferrucci Regione Toscana Paola Pisanti\n Think2it Nello Martini Esperta,\n Paolo Francesconi Fondazione ReS ex Ministero\n della Salute\n ARS Toscana Francesca Mataloni\n Danilo Fusco Dipartimento di Gianluca\n Postiglione\n Dipartimento Epidemiologia Esperto\n di Epidemiologia del SSR \u2013 Regione\n del SSR - Regione Lazio - Asl Roma 1 Roberta Rampazzo\n Lazio - Asl Roma 1 Giovanni Messori Regione Veneto\n Ioli\n Antonio Gaudioso Giulia Ronconi\n Cittadinanzattiva Asl TO5 Chieri (TO) Fondazione ReS\n Maria Nardoianni\n Gian Franco Paolo Stella\n Gensini Il Pensiero Regione Puglia\n Esperto Scientifico Editore\n Francesco Trotta\n AIFA\n\n\n Ringraziamenti\n Gli autori desiderano ringraziare Chiara Sorge, Maria Balducci e Giovanna\n Cappai (Dipartimento di Epidemiologia del SSR \u2013 Regione Lazio - Asl Roma 1)\n per le puntuali osservazioni e i preziosi suggerimenti forniti.\n","\n\n\n\n\n\n\n\n Indice\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n Premessa IX\n\n Obiettivo del documento XIII\n 1. Stratificazione della popolazione: analisi\n dei bisogni assistenziali e diversificazione\n degli interventi 1\n La stratificazione della popolazione come strumento\n per la programmazione sanitaria 3\n Verso un efficace sistema di stratificazione:\n un \u201cminimo comune denominatore\u201d 5\n 2. L\u2019esperienza della Regione Lazio: un sistema\n \u201cmodulare\u201d per la stratificazione della popolazione 7\n Un indice di complessit\u00e0 clinica 16\n Verso una stratificazione pi\u00f9 dettagliata: le diverse\n dimensioni dei bisogni assistenziali e dei percorsi 20\n Dalla complessit\u00e0 clinica alla vulnerabilit\u00e0\n socio-economica 23\n Stratificazione e Population Health Management:\n la prevenzione come elemento chiave per la gestione\n della cronicit\u00e0 24\n La stratificazione della popolazione come\n un sistema \u201cmodulare\u201d 27\n","\n\n\n\n VIII STRATIFICA PDTA\n\n\n 3. L\u2019esperienza della Regione Lombardia:\n dal progetto CReG al sistema di stratificazione\n della Banca Dati Assistiti 29\n Background: uno sguardo al passato 29\n L\u2019algoritmo CReG 30\n Costruzione e validazione del CReSc 31\n Applicazione del CReSc ai dati regionali 34\n Prospettive 36\n\n 4. L\u2019esperienza della Regione Puglia: lo strumento\n di stratificazione del rischio e il suo impiego\n nel programma \u201cCare Puglia 3.0\u201d 41\n\n 5. L\u2019esperienza della Regione Veneto: l\u2019utilizzo\n del sistema ACG (Adjusted Clinical Groups) 49\n\n 6. L\u2019esperienza della Regione Emilia-Romagna:\n \u201cRisk-ER\u201d, un modello statistico per\n la stratificazione della popolazione 55\n\n 7. L\u2019esperienza del Gruppo di Lavoro PDTA nel\n Nuovo Sistema di Garanzia LEA per il monitoraggio\n dell\u2019assistenza sanitaria del Ministero della Salute:\n il Multisource Comorbidity Score 63\n Premessa 63\n Costruzione 66\n Validazione 71\n Generalizzazione ad altri esiti clinici 73\n Variabilit\u00e0 tra Regioni 74\n Variabilit\u00e0 tra pazienti 76\n Prospettive 80\n\n Bibliografia 83\n","\n\n\n\n\n\n\n\n Premessa\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n La sfida della gestione della cronicit\u00e0, posta in atto dai\n cambiamenti demografici ed epidemiologici, dal sempre cre-\n scente bisogno di salute, dai risultati raggiunti dalla ricer-\n ca medica e dalle innovazioni oggi disponibili, per essere\n affrontata e vinta necessita di un approccio differente alla\n sanit\u00e0 che poggi su una nuova visione culturale.\n\n\n Il progetto MaCroScopio (Osservatorio sulla cronicit\u00e0) fin\n dalla sua nascita ha perseguito questo obiettivo provando\n a fare luce su strumenti, visioni e strategie organizzative da\n mettere in campo o realizzate solo in singole realt\u00e0 sanitarie\n per la gestione delle patologie croniche e per l\u2019attuazione del\n Chronic Care Model, come previsto dal Piano Nazionale della\n Cronicit\u00e0 (PNC). 1\n\n Per poter rendere effettivo questo cambiamento culturale\n serve conoscere gli strumenti a disposizione, con i loro limi-\n ti e potenzialit\u00e0. Con questa quarta guida di MaCroScopio si\n realizza una nuova tappa di questa ricognizione, iniziata con\n la descrizione dei fondamenti dei Percorsi Diagnostico-Te-\n 2\n rapeutici Assistenziali (PDTA) (Costruisci PDTA), proseguita\n con l\u2019individuazione delle strategie organizzative per poterli\n","\n\n\n\n X STRATIFICA PDTA\n\n\n 3\n implementare (Organizza PDTA) e con le metodiche alla base\n 4\n della loro valutazione (Valuta PDTA). Il presente volume si\n concentra sugli strumenti di stratificazione della popolazio-\n ne, indispensabili per poter programmare gli interventi sa-\n nitari, con l\u2019intenzione di portare il lettore a riflettere sulla\n rilevanza della scelta delle variabili sanitarie e sociali da\n prendere in considerazione.\n\n Nonostante il concetto di \u201cstrato\u201d appaia strettamente con-\n nesso agli aspetti statistici e metodologici, leggendo questo\n volume si nota immediatamente quanto esso sia un elemento\n pratico e indispensabile per qualsiasi organizzazione sanita-\n ria, a tutti i livelli.\n\n Solo impiegando correttamente i dati in possesso, tenendo\n conto degli aspetti quantitativi e qualitativi che caratte-\n rizzano il bisogno di ciascun soggetto valutato nel proprio\n contesto socio-assistenziale, \u00e8 possibile impostare una buo-\n na programmazione sanitaria. Infatti, mediante strumenti di\n stratificazione correttamente progettati \u00e8 possibile coniuga-\n re aspetti apparentemente in contrasto tra loro: da un lato\n la necessit\u00e0 di fornire un\u2019assistenza centrata sui bisogni del\n singolo assistito, dall\u2019altro l\u2019esigenza di \u201craggruppare\u201d la po-\n polazione per diversi bisogni di salute e organizzare, quindi,\n l\u2019offerta assistenziale.\n\n La richiesta di una nuova visione della sanit\u00e0, sebbene gi\u00e0\n presente da diverso tempo, \u00e8 diventata sempre pi\u00f9 urgente\n con la pandemia che stiamo affrontando. Mai come ora, si\n discute di riformare il sistema sanitario e di ripensare total-\n mente la medicina di prossimit\u00e0 (o territoriale). L\u2019assistenza\n \u201cterritoriale\u201d, detta anche \u201cprimaria\u201d, come da traduzione\n diretta dell\u2019espressione inglese primary care, \u00e8 la prima porta\n d\u2019accesso a un sistema sanitario per tutti gli assistiti e per\n i pazienti cronici in particolare. Come \u00e8 stato ampiamente\n","\n\n\n\n PREMESSA XI\n\n\n portato alla luce dalla pandemia, questo setting necessita di\n essere ripensato e rafforzato, anche in considerazione della\n transizione demografica ed epidemiologica in atto. Difatti,\n proprio il territorio rappresenta il contesto assistenziale mi-\n gliore per la cura dei pazienti cronici, con multimorbilit\u00e0,\n disabili e anziani, essendo in grado di rispondere ai bisogni\n di salute del paziente al proprio domicilio o nella comuni-\n t\u00e0 di riferimento, anche attraverso interventi di educazione,\n prevenzione e promozione della salute.\n\n\n Per questo motivo uno degli obiettivi del Piano Nazionale di\n 5\n Ripresa e Resilienza (PNRR) \u00e8 proprio quello di potenzia-\n re e di rendere omogenea, attraverso interventi normativi e\n strutturali, l\u2019offerta della rete territoriale su tutto il territo-\n rio nazionale in modo da rispondere ai bisogni di salute della\n comunit\u00e0, migliorando l\u2019equit\u00e0 di accesso ai servizi sanitari\n della popolazione, indipendentemente dal luogo in cui vive\n e dalle condizioni socio-economiche.\n\n\n Grazie al PNRR, quindi, si intende costruire un nuovo modello\n di assistenza sanitaria in cui il territorio e il domicilio risul-\n tino rafforzati, come dimostrato dalla prospettiva di dotarsi\n di Case e Ospedali di comunit\u00e0, nonch\u00e9 di hospice, Residenze\n Sanitarie Assistenziali (RSA) e sistemi di gestione domiciliare;\n il tutto coordinato dalla Centrale Operativa Territoriale che\n garantisce il raccordo con il setting delle cure ospedaliere. 6\n\n Tale ridefinizione dei modelli organizzativi socio-sanitari non\n pu\u00f2 prescindere da un\u2019attenta stratificazione del bisogno di\n salute, al fine di intercettare non solo coloro che richiedono\n prestazioni sanitarie o sociali, ma l\u2019intera popolazione. In-\n fatti, solo in questo modo \u00e8 possibile perseguire l\u2019obiettivo\n del Population Health Management (PHM) di mantenere la\n popolazione in buone condizioni di salute e conseguente-\n 7\n mente ridurre l\u2019impiego delle risorse sanitarie.\n","\n\n\n\n XII STRATIFICA PDTA\n\n\n Quindi, per superare la visione di una sanit\u00e0 a compartimenti\n stagni e verticali, e proporre un modello organizzativo oriz-\n zontale che attraversi realmente e coordini tutti i setting\n assistenziali, tutte le strutture, i professionisti e i livelli di\n cura, \u00e8 indispensabile sia dotarsi di strumenti quali piani di\n prevenzione, PDTA, Piani Assistenziali Individualizzati (PAI)\n e Progetti Riabilitativi Individuali (PRI), sia avere una stra-\n tegia di stratificazione in grado di conoscere in anticipo la\n quota di popolazione che necessita di tali strumenti per po-\n ter programmare la risposta ai bisogni in modo adeguato ed\n efficace.\n","\n\n\n\n\n\n\n\n Obiettivo del documento\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n Questa guida intende approfondire la tematica delle stra-\n tegie utili a stratificare, o raggruppare, la popolazione in\n funzione del proprio bisogno di salute, tenendo in consi-\n derazione i diversi livelli di rischio, di complessit\u00e0, di vul-\n nerabilit\u00e0 dei singoli individui e del contesto geografico e\n socio-economico del relativo territorio.\n\n\n In questo volume \u00e8 possibile trovare una descrizione di come\n costruire sistemi di stratificazione utili alla programmazione sa-\n nitaria su micro-livelli (distretto, zone sub-distretto, comune,\n ecc.). Tali sistemi, attraverso i dati in possesso presso le diverse\n istituzioni sanitarie, partendo dalle informazioni quantitative\n sono in grado di definire gli \u201cstrati\u201d della popolazione, che per\u00f2\n necessitano di essere ulteriormente letti e approfonditi median-\n te apposite \u201clenti\u201d che devono essere costruite nell\u2019ottica di in-\n formazioni qualitative. Si pensi, ad esempio, alla lente che con-\n sente di tenere in considerazione le differenze di rischio tra una\n patologia e un\u2019altra, oppure a quella della complessit\u00e0 clinica\n dell\u2019individuo che presenta pi\u00f9 di una condizione patologica o,\n ancora, alla lente costruita in funzione della vulnerabilit\u00e0 socio-\n economica degli individui e, infine, a quella relativa alle diverse\n abitudini di vita che impattano sul rischio futuro di malattia.\n","\n\n\n\n XIV STRATIFICA PDTA\n\n\n Nella guida vengono sottolineate e descritte tutte le caratte-\n ristiche che un sistema di stratificazione deve possedere per\n essere in grado di consentire un\u2019adeguata programmazione\n sanitaria di tutti i setting assistenziali: dai programmi di\n prevenzione sulla popolazione sana, passando per la presa in\n carico dei pazienti cronici, per poi giungere alla gestione dei\n pazienti pi\u00f9 fragili e complessi. Di conseguenza, a partire\n dalla stratificazione \u00e8 possibile differenziare gli interventi di\n cura, garantendo gestione, controllo e valutazione dell\u2019assi-\n stenza sanitaria.\n\n Nella consapevolezza che attualmente non esiste un unico\n sistema di stratificazione che pu\u00f2 rispondere in egual ma-\n niera alle necessit\u00e0 di programmazione dei diversi modelli\n organizzativi, nonch\u00e9 dei diversi livelli dell\u2019assistenza, in\n questa guida si riportano alcuni esempi di strategie di stra-\n tificazione messe in campo dalle Regioni, discutendone ca-\n ratteristiche, peculiarit\u00e0 e limiti, oltre alla descrizione dello\n strumento adottato nell\u2019ambito della valutazione dei PDTA\n dal gruppo tecnico istituito presso il Ministero della Salute\n per il Nuovo Sistema di Garanzia dei Livelli Essenziali di As-\n sistenza (NSG-LEA).\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n Stratificazione della popolazione\n","\n\n\n\n\n\n\n\n 1.\n Stratificazione della\n\n popolazione: analisi\n dei bisogni assistenziali\n\n e diversificazione degli\n interventi\n\n\n\n\n\n\n\n Con il progressivo invecchiamento della popolazione italia-\n 8\n na e il conseguente aumento della prevalenza di malattie\n croniche, i responsabili delle politiche sanitarie sono sempre\n pi\u00f9 consapevoli della necessit\u00e0 di migliorare la gestione dei\n pazienti cronici e multicronici attraverso un\u2019assistenza sem-\n pre pi\u00f9 centrata sul paziente, piuttosto che sulle singole\n patologie da cui il paziente \u00e8 affetto. 1\n\n Le persone che hanno pi\u00f9 patologie croniche presentano un\n rischio maggiore di sperimentare esiti negativi, come eleva-\n ta mortalit\u00e0, disabilit\u00e0, ridotta qualit\u00e0 di vita e un rilevante\n consumo di risorse. Per questi pazienti, multicronici e clini-\n camente complessi, il percorso assistenziale dovrebbe essere\n basato sull\u2019integrazione tra diverse figure professionali e di-\n verse competenze in ambito socio-sanitario. Tuttavia, a causa\n dell\u2019ancora diffuso approccio assistenziale orientato alla cura\n della singola patologia (disease management), questi pazien-\n ti ricevono un\u2019assistenza frammentata, fornita da molteplici\n provider che non interagiscono tra loro e seguono linee-guida\n differenti. Questo pu\u00f2 portare a una perdita di responsabilit\u00e0\n dei singoli provider assistenziali nei confronti del paziente e il\n meccanismo di presa in carico potrebbe rivelarsi incompleto,\n\n Stratificazione della popolazione\n","\n\n\n\n 2 STRATIFICA PDTA\n\n\n con interventi poco efficaci e, in alcuni casi, dannosi per il\n paziente stesso. Inoltre, quando il paziente viene \u201cde-strut-\n turato\u201d nelle singole patologie da cui \u00e8 affetto aumenta il ri-\n schio che venga esposto a un numero eccessivo di trattamenti\n farmacologici. Questo fenomeno, da un lato riduce l\u2019aderenza\n ai trattamenti e, dall\u2019altro, pu\u00f2 generare interazioni nocive tra\n i diversi farmaci. Pertanto, per un corretto \u201csistema di presa\n in carico\u201d del paziente multicronico, clinicamente complesso\n o che presenta elementi di vulnerabilit\u00e0 socio-economica, \u00e8\n necessario istituire sul territorio una rete di team multidisci-\n plinari e coordinati volti alla valutazione globale (case mana-\n gement) del paziente e alla sua continuit\u00e0 assistenziale. 9 10\n\n L\u2019implementazione di percorsi integrati centrati sui bisogni\n assistenziali del paziente rappresenta una grande potenzialit\u00e0\n 11\n per migliorare la qualit\u00e0 delle cure. Alla base di questa for-\n ma di assistenza c\u2019\u00e8 un patto di cura tra medico e paziente,\n ma anche tra medico e i membri della famiglia del paziente.\n Una relazione che si nutre di un continuo scambio bidirezio-\n nale d\u2019informazioni finalizzato a esplorare le preferenze del\n paziente, ad aiutare il paziente e la sua famiglia nel fare le\n scelte giuste, nel facilitare l\u2019accesso alle cure appropriate, nel\n rendere possibili i cambiamenti negli stili di vita necessari per\n mantenere o migliorare lo stato di salute. In tal modo il pa-\n ziente sar\u00e0 messo nelle condizioni di partecipare alle decisioni\n che riguardano la sua salute e anche di diventare attore con-\n sapevole dei processi di prevenzione, di guarigione e di cura.\n\n\n Purtroppo, non esistono due pazienti uguali. La creazione di\n modelli di cura \u201csu misura\u201d per ogni individuo sarebbe chiara-\n mente insostenibile sotto il punto di vista sia organizzativo che\n 12\n economico. Si rende, quindi, necessario ridurre l\u2019eterogeneit\u00e0\n del sistema. A tal fine, identificare gruppi di pazienti omoge-\n nei in termini di bisogni socio-sanitari pu\u00f2 essere di grande\n aiuto per la pianificazione di modelli assistenziali specifici per\n","\n\n\n\n STRATIFICAZIONE DELLA POPOLAZIONE 3\n\n\n i diversi \u201cstrati\u201d della popolazione, in modo da rispondere in\n modo sostenibile ed efficiente alle differenti esigenze di salute\n dei pazienti. Queste metodologie sono note in letteratura come\n \u201cstratificazione\u201d o \u201csegmentazione\u201d della popolazione. 13\n\n\n La stratificazione della popolazione come strumento\n per la programmazione sanitaria\n\n L\u2019obiettivo primario dei metodi di stratificazione consiste\n nell\u2019identificare un sistema di classificazione che consenta di\n disegnare azioni specifiche per gruppi \u201comogenei\u201d di assistiti,\n con particolare attenzione ai soggetti che soffrono di pi\u00f9 pa-\n tologie o che presentano fattori di vulnerabilit\u00e0 socio-econo-\n mica. Pertanto, la stratificazione della popolazione si configu-\n ra come strumento privilegiato per la \u201cdifferenziazione\u201d degli\n interventi, a supporto di programmazione, gestione, controllo\n e valutazione dell\u2019assistenza sanitaria. I sistemi di stratifica-\n zione hanno un grande punto di forza. Infatti, possono essere\n definiti su molteplici livelli della programmazione sanitaria \u2013\n nazionale, regionale, aziendale e sub-aziendale \u2013 per adattarsi\n nel migliore dei modi alle diverse caratteristiche della doman-\n da e dell\u2019offerta di assistenza sanitaria presenti sul territorio.\n Affinch\u00e9 costituiscano un supporto concreto alla programma-\n zione degli interventi sanitari, i sistemi di stratificazione do-\n vrebbero integrare informazioni sia qualitative che quantita-\n tive. Alcuni autori suggeriscono di stratificare la popolazione\n 14\n sulla base dei valori assunti da un indice di comorbilit\u00e0.\n Questi indici, meglio noti nella letteratura anglosassone come\n comorbidity score, attribuiscono un punteggio a ciascun indi-\n viduo sulla base del rischio di manifestare, in un futuro pi\u00f9\n o meno prossimo, un \u201cevento di interesse\u201d (ad esempio, un\n decesso, un ricovero, un elevato numero di accessi in pronto\n soccorso, oppure un elevato costo assistenziale). Spesso, a\n partire dal rischio individuale, gli assistiti vengono successi-\n","\n\n\n\n 4 STRATIFICA PDTA\n\n\n vamente raggruppati in classi di rischio per ridurre la varia-\n bilit\u00e0 del sistema e facilitare l\u2019interpretazione dei risultati.\n Tuttavia, queste soluzioni presentano un limite evidente: se,\n da un lato, sono molto adatte a misurare l\u2019intensit\u00e0 del bi-\n sogno assistenziale, dall\u2019altro contengono poche informazioni\n utili a identificare le modalit\u00e0 organizzative, assistenziali o di\n presa in carico pi\u00f9 adeguate alle classi individuate. Infatti,\n a una stessa classe di rischio possono corrispondere bisogni\n 15\n assistenziali e profili di patologia anche molto diversi. Sono\n assistiti senza patologie? Hanno una sola patologia cronica?\n Sono pazienti multicronici? Oltre alla complessit\u00e0 clinica pre-\n sentano elementi di vulnerabilit\u00e0 sociale? Eppure queste in-\n formazioni sono fondamentali per programmare gli interventi,\n valutarne la sostenibilit\u00e0 economica e stabilirne la priorit\u00e0.\n Agli elementi quantitativi (il punteggio di rischio) andrebbero\n affiancate informazioni di tipo qualitativo, che consentano al\n decisore di diversificare le strategie di intervento, identifican-\n do i soggetti che hanno una singola patologia cronica e che\n possono essere gestiti attraverso un PDTA semplice, oppure i\n pazienti multicronici, che in genere necessitano di un PDTA\n pi\u00f9 strutturato e complesso, oppure i soggetti anziani, spesso\n multicronici, che presentano elementi di vulnerabilit\u00e0 sociale\n e che andrebbero gestiti attraverso percorsi assistenziali di\n tipo socio-sanitario, dopo aver definito un Piano Assistenziale\n Individualizzato (PAI). *\n\n\n * Le differenze tra il PDTA e il PAI sono rilevanti: mentre nel caso dei Piani\n Diagnostico-Terapeutici Assistenziali si cerca di uniformare e standardizzare\n gli approcci di cura a determinate categorie di pazienti, attraverso il PAI\n si mira a individualizzare e quindi a massimizzare la personalizzazione\n degli stessi. In particolare, all\u2019interno del PAI trovano spazio elementi\n di valutazione clinica, assistenziale, sociale, psicologica e linguistico-\n comunicativa, tutti integrati e condivisi con il nucleo familiare e\/o con\n i caregiver del paziente, in modo da garantirne quanto pi\u00f9 possibile\n l\u2019empowerment, che costituisce un processo attraverso il quale le persone\n possono acquisire un maggiore controllo sulle decisioni e sulle azioni che\n riguardano la loro salute.\n","\n\n\n\n STRATIFICAZIONE DELLA POPOLAZIONE 5\n\n\n Se il processo di stratificazione tiene conto di questi elemen-\n ti, l\u2019analisi accurata del numero di individui presenti nei vari\n strati pu\u00f2 essere di grande aiuto per pianificare gli interventi\n sanitari e ottimizzare l\u2019allocazione delle risorse a livello di\n popolazione. Inoltre, la valutazione \u201cdinamica\u201d dei tassi di\n transizione da uno strato all\u2019altro della popolazione, con par-\n ticolare attenzione alle transizioni che denotano un peggio-\n ramento delle condizioni di salute, note in letteratura come\n \u201ctransizioni avverse\u201d, \u00e8 di indubbia utilit\u00e0 per rivalutare e,\n ove necessario, riprogrammare l\u2019attuale dimensionamento\n dei servizi sanitari e la loro organizzazione. 16\n\n\n Verso un efficace sistema di stratificazione:\n un \u201cminimo comune denominatore\u201d\n\n I sistemi per la stratificazione della popolazione possono\n 15\n essere molto diversi tra loro, variando in funzione sia degli\n obiettivi della programmazione sanitaria che delle risorse di-\n sponibili. Questi \u201cfattori\u201d possono differire sostanzialmente\n tra le Regioni, le Aziende Sanitarie Locali ma anche tra di-\n stretti sanitari di una medesima azienda. Tuttavia, si ritiene\n che alcune \u201cpropriet\u00e0\u201d siano cos\u00ec importanti da costituire\n una sorta di mimino, necessario comune denominatore. In-\n fatti, un \u201cbuon\u201d sistema di stratificazione dovrebbe essere:\n n valido, ossia capace di identificare gruppi omogenei di\n assistiti in base a caratteristiche cliniche, demografiche\n e sociali;\n n completo, cio\u00e8 in grado di contribuire a ridurre i bisogni\n assistenziali non soddisfatti (unmet needs);\n n integrante, ovvero orientato all\u2019implementazione di per-\n corsi assistenziali integrati centrati sul paziente;\n n adattabile, vale a dire facilmente rimodulabile sulla base\n di nuove esigenze di programmazione sanitaria o in fun-\n zione di possibili innovazioni del sistema.\n","\n\n\n\n 6 STRATIFICA PDTA\n\n\n Un sistema di stratificazione che soddisfi questi requisiti\n pu\u00f2 essere di grande aiuto per una corretta programmazione\n dell\u2019offerta assistenziale. A tale riguardo, \u00e8 necessario che la\n definizione e la prioritizzazione degli interventi non si basi-\n no esclusivamente sulla presa in carico \u201cdella patologia\u201d (ad\n esempio, allocando le risorse disponibili nella gestione delle\n patologie croniche a maggiore prevalenza), ma tengano in\n considerazione anche il carico individuale, familiare, sociale\n 17\n e ambientale. Infatti, le modalit\u00e0 con cui vengono indivi-\n duati gli strati di popolazione dovrebbero essere in grado di\n catturare alcuni dei \u201cpassaggi\u201d pi\u00f9 strategici per un\u2019efficien-\n te pianificazione degli interventi: dal disease management al\n case management, dalla complessit\u00e0 clinica alla vulnerabilit\u00e0\n socio-economica, dalle cure primarie alle cure intermedie.\n\n Inoltre, soprattutto se improntato ai principi del Population\n Health Management (PHM) un sistema di stratificazione do-\n vrebbe essere in grado di differenziare anche la popolazione\n sana, tenendo conto della presenza di fattori di rischio, sia\n individuali che \u201ccontestuali\u201d, su cui agire con interventi di\n 18\n promozione della salute. Si pensi che, secondo l\u2019ultima in-\n dagine Istat, Condizioni di salute e ricorso ai servizi sanitari,\n il 76,5% della popolazione adulta presenta almeno un com-\n portamento a rischio tra fumo, obesit\u00e0, alcol e sedentariet\u00e0,\n il 37,2% ne presenta almeno due, mentre l\u20198,4% associa tre\n o quattro comportamenti non salutari. 19\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n L\u2019esperienza della Regione Lazio\n","\n\n\n\n\n\n\n\n 2.\n L\u2019esperienza della\n\n Regione Lazio:\n un sistema \u201cmodulare\u201d\n\n per la stratificazione\n della popolazione\n\n\n A cura di Mirko Di Martino, Marina Davoli,\n Francesca Mataloni, Danilo Fusco\n\n Per definire le strategie di intervento e personalizzare i per-\n corsi assistenziali, la Regione Lazio ha sviluppato, grazie al\n Dipartimento di Epidemiologia del Servizio Sanitario Regio-\n nale, un sistema di stratificazione \u201cflessibile\u201d che pu\u00f2 essere\n definito su pi\u00f9 livelli di governo, in funzione degli obiettivi\n della programmazione regionale, aziendale o distrettuale, e\n che tiene conto non solo di criteri clinici ma anche di tutti\n quei fattori individuali e socio-familiari che possono incide-\n re sull\u2019effettiva capacit\u00e0 del paziente di gestire la propria\n patologia. 1 20\n\n Dal punto di vista operativo, il primo passo \u00e8 stato quello di\n identificare, nella popolazione generale, i soggetti affetti da\n patologie croniche grazie all\u2019integrazione dei sistemi infor-\n mativi sanitari della Regione Lazio (figura 2.1). Questo ha\n permesso di ricostruire il profilo cronologico, clinico e assi-\n stenziale di ciascun beneficiario del Servizio Sanitario Regio-\n nale (SSR). In particolare, sono stati utilizzati gli algoritmi\n basati sulla classificazione \u201cBDA3\u201d sviluppata dalla Regione\n Lombardia (DGR 6164\/2017), successivamente adattati al\n modello assistenziale della Regione Lazio.\n\n\n L\u2019esperienza della Regione Lazio\n","\n\n\n\n 8 STRATIFICA PDTA\n\n\n Il processo di adattamento \u00e8 stato piuttosto articolato,\n poich\u00e9 le differenze tra i due modelli assistenziali (Regio-\n ne Lombardia vs Regione Lazio) si ripercuotono necessaria-\n mente sui rispettivi sistemi informativi. In casi \u201cestremi\u201d, le\n medesime prestazioni potrebbero essere tracciate in sistemi\n informativi differenti. Un esempio a cui si fa spesso riferi-\n mento \u00e8 costituito dalle prestazioni chemioterapiche, che\n vengono erogate in regime \u201cprevalentemente\u201d ospedaliero\n oppure ambulatoriale, in funzione delle diverse organizza-\n zioni regionali.\n\n Per implementare un sistema di stratificazione concretamen-\n te orientato alla definizione di percorsi assistenziali diffe-\n 1\n renziati \u00e8 fondamentale identificare la fascia di popolazione\n\n\n\n Figura 2.1 Distribuzione delle 10 condizioni\n croniche pi\u00f9 frequenti nella popolazione con et\u00e0\n \u226565 anni. Lazio, 31\/12\/2019\n\n 70\n 60\n 50\n 40\n %\n 30\n 20\n 10\n 0 Ipotiroidismo BPCO\n Scompenso cardiaco\n Miocardiopatia non aritmica\n Diabete mellito tipo 2\n Ipertensione arteriosa\n Ipercolesterolemie familiari e non Miocardiopatia aritmica Cardiopatia ischemica Neoplasia remissione\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 9\n\n\n affetta da due o pi\u00f9 patologie croniche. Infatti, per i pa-\n zienti \u201cmulticronici\u201d i modelli di presa in carico sono pi\u00f9\n complessi e necessitano di percorsi assistenziali integrati\n che superano l\u2019idea iniziale del PDTA orientato alla gestione\n di una singola patologia. Ma cosa significa essere affetti da\n pi\u00f9 patologie croniche? Le figure 2.2 e 2.3 possono essere di\n aiuto per contestualizzare meglio questo fenomeno.\n\n Il grafico a barre mostra la percentuale di pazienti \u201cesposti\u201d\n all\u2019assunzione contemporanea di diversi trattamenti farma-\n 21\n cologici in funzione del numero di patologie croniche. In\n particolare, la percentuale di pazienti che assumono 10 o pi\u00f9\n farmaci differenti aumenta progressivamente con l\u2019aumentare\n del numero di condizioni croniche. Quasi il 50% dei soggetti\n con quattro patologie assume pi\u00f9 di 10 farmaci e, quando le\n patologie croniche sono pi\u00f9 di sette, questa percentuale rag-\n giunge il 77%. Il dato \u00e8 preoccupante e sottolinea la necessi-\n\n\n\n\n Figura 2.2 Numero di farmaci differenti assunti\n dal paziente, per numero di patologie croniche.\n Lazio, 2019\n\n 100\n 90\n 80\n 70\n 60\n % 50\n 40 71 77\n 30 49 62\n 20 33\n 10 16\n 0 4\n 0 1 2 3 4 5 6 7+\n Numero di patologie croniche\n 10+ 5-9 0-4 (Farmaci differenti)\n","\n\n\n\n 10 STRATIFICA PDTA\n\n\n\n Figura 2.3 Costo medio pro capite annuale,\n per numero di patologie croniche. Lazio, 2019\n\n 10000\n 9000\n 8000\n Costo medio pro capite annuale (euro) 7000\n 6000\n 5000\n 4000\n 3000\n 2000\n 1000\n 0\n 0 1 2 3 4 5 6 7+\n Numero di patologie croniche\n Ricoveri\n Accessi in pronto soccorso\n Specialistica ambulatoriale\n Farmaceutica territoriale\n Farmaceutica a erogazione diretta\n\n\n t\u00e0 di implementare percorsi assistenziali centrati sul paziente,\n volti al deprescribing e alla riconciliazione terapeutica.\n\n Nella figura 2.3 sono mostrati i costi assistenziali integrati\n sostenuti dal SSR in funzione del numero di patologie cro-\n niche. Nel grafico vengono quantificate le singole voci di\n costo, distinte in: ricoveri, accessi in pronto soccorso, spe-\n cialistica ambulatoriale, farmaceutica territoriale e farma-\n ceutica a erogazione diretta.\n\n Il grafico mette in evidenza l\u2019enorme impatto della croni-\n cit\u00e0 e della multicronicit\u00e0 sui costi assistenziali sostenuti\n dal servizio sanitario. L\u2019andamento tra il numero di pato-\n logie croniche e il costo medio pro capite annuale \u00e8 quasi\n perfettamente lineare. Gli assistiti senza patologie croniche\n generano un costo medio annuo inferiore ai 330 euro. Basta\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 11\n\n\n essere affetti da tre patologie croniche per avvicinarsi ai\n 4.000 euro, sino ad arrivare a un assorbimento di risorse\n sanitarie che supera i 9.000 euro in un anno se le patologie\n croniche sono sette o pi\u00f9.\n\n Sulla base del numero di condizioni croniche, risulta gi\u00e0 pos-\n sibile identificare tre \u201cstrati\u201d di popolazione che rivestono\n un ruolo strategico nella pianificazione dei percorsi assisten-\n ziali (tabella 2.1):\n 1. la popolazione senza patologie croniche;\n 2. la popolazione con una sola patologia cronica;\n 3. i soggetti multicronici.\n\n Dalla tabella \u00e8 possibile notare come la percentuale di pa-\n zienti multicronici (due o pi\u00f9 patologie) aumenti in maniera\n pi\u00f9 che esponenziale passando dalla prima all\u2019ultima classe\n di et\u00e0, sino a raggiungere quasi il 51% tra i soggetti ultra-\n sessantacinquenni.\n\n L\u2019ultima colonna della tabella 2.1 contiene gli elementi utili\n per definire una \u201cprima\u201d piramide della popolazione, mostra-\n ta nella figura 2.4.\n\n\n La piramide si riferisce all\u2019intera popolazione della regione\n Lazio, costituita da oltre 5 milioni e 600 mila abitanti. \u00c8\n molto importante che queste rappresentazioni riportino\n sempre sia i valori percentuali che le numerosit\u00e0 assolute\n dei singoli strati. In particolare, le numerosit\u00e0 assolute as-\n sumono una rilevanza ancora maggiore perch\u00e9 forniscono\n indicazioni molto pragmatiche su quanto gli interventi siano\n realmente implementabili e sostenibili nel tempo, in funzio-\n ne delle risorse disponibili.\n\n La base, molto ampia, \u00e8 costituita da quasi 3 milioni e mezzo\n di assistiti e rappresenta i soggetti senza alcuna patologia\n cronica. Come in parte anticipato, la capacit\u00e0 di differen-\n","\n\n\n\n 12 STRATIFICA PDTA\n\n\n\n\n 61,8 20,6 17,6 100,0\n %\n Totale\n Tabella 2.1. Distribuzione del numero di patologie croniche per classe di et\u00e0. Lazio, 31\/12\/2019\n N 3.465.184 1.153.345 985.420 5.603.949\n\n\n\n % 17,5 31,8 50,8 100,0\n \u226565\n\n N 229.266 417.337 666.380 1.312.983\n\n\n\n % 64,9 23,3 11,8 100,0\n 35-64\n Classe d\u2019et\u00e0 (anni) N % 1.627.152 89,4 583.845 9,0 295.138 1,6 2.506.135 100,0\n\n\n\n\n\n\n 15-34\n\n N 963.585 96.826 17.402 1.077.813\n\n\n\n % 91,3 7,8 0,9 100,0\n 0-14\n\n N 645.181 55.337 6.500 707.018\n\n\n\n Numero di condizioni croniche 0 1 \u22652 Totale\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 13\n\n\n\n Figura 2.4 Stratificazione della popolazione:\n cronici, multicronici e popolazione sana.\n Lazio, 31\/12\/2019\n\n\n\n\n 17,6% Multicronici\n (985.420 abitanti)\n Pazienti\n Presa complessi\n in carico e fragili\n 20,6% Una sola\n patologia cronica\n Diagnosi precoce Pazienti con (1.153.345 abitanti)\n Aderenza PDTA singola voce\n Automedicazione nosologica\n 61,8% Senza patologie\n croniche\n Valutazione del rischio Popolazione (3.465.184 abitanti)\n Promozione della salute sana\n\n\n\n\n\n ziare e caratterizzare anche la popolazione \u201csana\u201d riveste\n un ruolo strategico per la programmazione di lungo periodo,\n perch\u00e9 consente di valutare la presenza di potenziali fattori\n di rischio individuali (come l\u2019abitudine al fumo o la seden-\n tariet\u00e0) e contestuali (come l\u2019esposizione ad alti livelli di\n inquinamento ambientale) su cui agire attraverso interventi\n evidence-based orientati alla promozione della salute.\n\n La parte centrale della piramide \u00e8 costituita da oltre 1 milio-\n ne e 100 mila abitanti che presentano una singola patologia\n cronica. Per questi assistiti il modello assistenziale privile-\n giato \u00e8 certamente costituito dal PDTA \u201cstandard\u201d, sostan-\n zialmente definito per la gestione di pazienti con una singo-\n la condizione cronica o, al pi\u00f9, con una condizione cronica\n \u201cprevalente\u201d ben definita.\n","\n\n\n\n 14 STRATIFICA PDTA\n\n\n A mano a mano che aumenta la complessit\u00e0 del paziente, la\n piramide si \u201cstringe\u201d progressivamente sino ad arrivare alla\n punta, costituita da circa 985 mila abitanti. Sono pazienti\n con due o pi\u00f9 patologie croniche. Questa categoria di assi-\n stiti, cos\u00ec eterogenea, costituisce una delle sfide pi\u00f9 difficili\n per la riorganizzazione dell\u2019assistenza territoriale perch\u00e9 non\n \u00e8 possibile pianificare i percorsi utilizzando modelli stan-\n dardizzati e predefiniti. Infatti, se si restasse ancorati al\n concetto \u201coriginario\u201d di PDTA, la presa in carico dei multi-\n cronici dovrebbe essere contemporaneamente guidata dalle\n indicazioni di due o pi\u00f9 linee-guida, una per ogni patologia.\n Un approccio assistenziale cos\u00ec meccanicistico genera inevi-\n tabili conflitti e interferenze tra le diverse raccomandazioni\n e si rivelerebbe certamente poco efficiente e probabilmente\n dannoso per la persona. Si rende quindi necessario un ap-\n proccio pi\u00f9 organico alla gestione del paziente multicroni-\n co, centrato sulla persona e sul riconoscimento di tutti gli\n elementi di complessit\u00e0 che caratterizzano l\u2019individuo e il\n contesto socio-assistenziale con cui interagisce. 1\n\n La piramide mostrata nella figura 2.4 costituisce un primo,\n probabilmente utile, strumento per orientare la programma-\n zione degli interventi a livello regionale. Tuttavia, presen-\n ta un limite molto rilevante. Non \u00e8 in grado di evidenziare\n l\u2019eterogeneit\u00e0 tra i provider all\u2019interno dei confini regiona-\n li. Eppure, \u00e8 stato ampiamente dimostrato come i bisogni\n assistenziali, le risorse disponibili e i modelli organizzativi\n possono differire sostanzialmente tra le Aziende Sanitarie\n Locali (Asl) di una medesima regione e, in alcuni casi, anche\n 22\n tra i Distretti sanitari di una medesima Asl. Questa forma di\n variabilit\u00e0 pu\u00f2 generare problemi di equit\u00e0 nell\u2019accesso alle\n cure ottimali. La mappa rappresentata nella figura 2.5 pone\n l\u2019attenzione proprio sulla variabilit\u00e0 intra-regionale e colloca\n la \u201cpunta della piramide\u201d, costituita dai pazienti multicroni-\n ci, sul territorio della Regione Lazio. Le classi di variabilit\u00e0,\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 15\n\n\n\n Figura 2.5 Popolazione multicronica\n (due o pi\u00f9 patologie) per Asl di assistenza.\n Lazio, 31\/12\/2019\n\n\n\n\n\n\n 16,6%\n 16,6%\n 20,1%\n 20,1%\n 16,7%\n 16,7%\n 17,1%\n 17,1% 17,7%\n 17,7%\n 17,5% 17,9%\n 17,5% 17,9%\n 17,3%\n 17,3%\n 18,6%\n 18,6%\n 17,6%\n 17,6%\n ASL Multicronici Popolazione %\n totale\n RM1 171.002 997.965 17,1\n RM2 220.854 1.236.837 17,9 16,6 - 17,1\n RM3 101.176 579.804 17,5 % 17,1 - 18,6\n RM4 51.058 305.725 16,7\n RM5 83.912 474.098 17,7 18,6 - 20,1\n RM6 94.841 547.242 17,3\n VT 50.020 300.779 16,6\n RI 29.182 145.133 20,1\n LT 96.203 547.570 17,6\n FR 87.172 468.796 18,6\n Lazio 985.420 5.603.949 17,6\n rappresentate dalle diverse gradazioni del colore blu, sono\n state identificate attraverso il metodo natural breaks, che\n minimizza la variabilit\u00e0 entro le classi e massimizza la varia-\n bilit\u00e0 tra le classi. 23\n\n La mappa appare fondamentalmente ripartita in tre grandi\n aree molto omogenee, suggerendo l\u2019esistenza di un gradien-\n te geografico ben definito. Emerge, inoltre, il valore molto\n","\n\n\n\n 16 STRATIFICA PDTA\n\n\n elevato della Asl di Rieti. Tuttavia, \u00e8 doveroso sottolineare\n che l\u2019elevata prevalenza di multicronici osservata in questa\n Asl (maggiore del 20%) \u00e8 verosimilmente \u201cspiegata\u201d da una\n struttura per et\u00e0 pi\u00f9 anziana.\n\n\n Un indice di complessit\u00e0 clinica\n\n L\u2019indice di complessit\u00e0 clinica \u00e8 solo uno dei numerosi ele-\n menti che costituiscono il sistema di stratificazione della\n Regione Lazio. L\u2019indice stima, su una scala quantitativa,\n l\u2019intensit\u00e0 del bisogno assistenziale, che pu\u00f2 variare sen-\n sibilmente all\u2019interno dei tre strati individuati sino a ora.\n Solo a titolo di esempio, non tutti i pazienti multicronici\n hanno la stessa probabilit\u00e0 di manifestare esiti clinici sfa-\n vorevoli, perch\u00e9 questa probabilit\u00e0 dipende da una molte-\n plicit\u00e0 di concause, spesso correlate, che contribuiscono a\n determinare la complessit\u00e0 clinica \u201cgenerale\u201d dell\u2019individuo.\n Sotto il punto di vista operativo, per la costruzione dell\u2019in-\n dice \u00e8 stato utilizzato un modello di regressione di Cox, che\n ha consentito di stimare la \u201cforza dell\u2019associazione\u201d tra le\n condizioni croniche descritte in precedenza, selezionate\n attraverso una procedura backward-forward stepwise, 24 e la\n probabilit\u00e0 di decesso a cinque anni. In questo modo \u00e8 stato\n 25\n attribuito un \u201cpeso specifico\u201d a ciascuna delle patologie\n considerate (tabella 2.2). L\u2019applicazione del metodo natu-\n 23\n ral breaks di Jenks ha, infine, consentito di individuare\n quattro classi \u201caggregate\u201d di rischio. La metodologia per la\n stima dei pesi e la definizione delle classi di rischio \u00e8 stata\n implementata su un campione casuale di assistiti della Re-\n gione Lazio (training set) e successivamente validata su un\n campione differente (validation set), al fine di valutarne la\n generalizzabilit\u00e0 (figure 2.6 e 2.7).\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 17\n\n\n Tabella 2.2. Condizioni croniche e pesi (proporzionali alla\n probabilit\u00e0 di decesso a cinque anni)\n Condizione cronica Peso*\n Insufficienza renale cronica in dialisi 13\n Trapiantati attivi (eseguiti negli ultimi tre anni) 13\n HIV positivo e Aids conclamato 11\n Neoplasia attiva 11\n Malattie del sistema nervoso e degli organi di senso 10\n Alzheimer 10\n Sclerosi multipla 10\n Demenze 9\n Trapiantati non attivi 8\n Parkinson e parkinsonismi 8\n Acromegalia e gigantismo 7\n Malformazioni congenite 6\n Diabete mellito tipo 1 complicato 6\n Cirrosi epatica 6\n Insufficienza respiratoria\/Ossigenoterapia 6\n Scompenso cardiaco 6\n Diabete mellito tipo 1 6\n Epilessia 6\n Sclerosi sistemica 6\n Sono state incluse nella tabella esclusivamente le condizioni con pesi \u22656.\n *Tutti i pesi, stimati nel training set, sono \u201caggiustati\u201d per et\u00e0 e genere.\n\n\n Come mostrato nella figura 2.6, le quattro classi di rischio\n definite col metodo natural breaks hanno un ottimo potere\n discriminante in relazione alla mortalit\u00e0 a cinque anni. Le\n curve di incidenza cumulativa sono ben distinte e distanzia-\n te. Nella prima classe di rischio la mortalit\u00e0 a cinque anni si\n attesta intorno al 3% e supera il 60% nella classe di rischio\n","\n\n\n\n 18 STRATIFICA PDTA\n\n\n\n Figura 2.6 Validation set. Mortalit\u00e0: incidenza\n cumulativa a cinque anni, per classe di rischio\n\n Mortalit\u00e0: incidenza cumulativa 0,40\n 0,60\n\n\n\n\n 0,20\n\n 0\n 0 500 1000 1500 2000\n Tempo di follow-up (giorni)\n Classi di rischio: 1 2 3 4\n\n\n\n\n pi\u00f9 elevata. Prestazioni ugualmente soddisfacenti sono state\n osservate anche in relazione ad altri esiti, quali accessi in\n pronto soccorso, ospedalizzazioni (dati non mostrati) e costi\n assistenziali integrati (figura 2.7).\n\n La figura 2.7, pur considerando un outcome completamente\n diverso, conferma i risultati mostrati nella figura precedente:\n l\u2019elevato potere discriminante della classe di rischio. Infatti,\n passando dalla prima alla quarta classe di rischio, si nota\n come l\u2019incremento del costo assistenziale integrato sia ben\n pi\u00f9 che lineare. Se, da un lato, i soggetti che appartengo-\n no alla prima classe di rischio hanno un costo assistenziale\n medio inferiore ai 500 euro, coloro che appartengono alla\n quarta classe di rischio inducono un costo medio a carico del\n SSR poco inferiore ai 12.000 euro.\n\n Per quel che riguarda gli aspetti prettamente statistici, nella\n figura 2.8 viene mostrata l\u2019area sotto la curva Receiver Oper-\n ating Characteristic (ROC) con il relativo intervallo di confi-\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 19\n\n\n\n Figura 2.7 Validation set. Costo medio pro capite\n annuale, per classe di rischio\n 12000\n 10000\n Costo medio pro capite annuale (euro) 6000\n 8000\n\n\n\n 4000\n 2000\n 0\n 1 2 3 4\n Classe di rischio\n Ricoveri\n Accessi in pronto soccorso\n Specialistica ambulatoriale\n Farmaceutica territoriale\n Farmaceutica a erogazione diretta\n\n\n\n denza al 95%. Quest\u2019area costituisce una misura sintetica del\n potere discriminante dell\u2019indice di complessit\u00e0 clinica, otte-\n nuto applicando i pesi mostrati nella tabella 2.2 e successi-\n vamente aggregato nelle quattro classi di rischio. Di seguito\n se ne offre una versione tempo-dipendente, particolarmente\n informativa nel caso di dati time-to-event.\n\n Per il calcolo dell\u2019indice di complessit\u00e0 clinica, la mortalit\u00e0\n \u00e8 stata valutata in un follow-up di cinque anni. Osservando\n l\u2019andamento tempo-dipendente dell\u2019area sotto la curva, si\n nota che, dopo i primi tre anni, le prestazioni dell\u2019indice\n cominciano a decadere. Tuttavia, considerando l\u2019intero arco\n temporale in cui \u00e8 stata valutata la mortalit\u00e0, si ottiene per\n integrazione un\u2019area pari a circa 0,80, un valore da ritenersi\n pi\u00f9 che soddisfacente.\n","\n\n\n\n 20 STRATIFICA PDTA\n\n\n\n Figura 2.8 Validation set. L\u2019area sotto la curva ROC\n\n 1 IC 95%\n\n Area sotto la curva 0,8\n\n 0,6\n\n 0,4\n 0\n 0 1 2 3 4 5\n Tempo di follow-up (anni)\n\n\n\n Verso una stratificazione pi\u00f9 dettagliata: le diverse\n dimensioni dei bisogni assistenziali e dei percorsi\n\n\n La piramide illustrata nella figura 2.4, basata esclusivamen-\n te su tre strati (cronici, multicronici e popolazione sana),\n pu\u00f2 essere considerata come una struttura elementare su cui\n applicare diverse \u201clenti\u201d che ne incrementano il dettaglio\n informativo, in base alle esigenze della programmazione sa-\n nitaria. Nella figura 2.9, la popolazione multicronica, che\n costituisce il 17,6% dell\u2019intera popolazione regionale, viene\n ulteriormente caratterizzata grazie all\u2019indice di complessi-\n t\u00e0 clinica che consente di definire due nuovi \u201csub-strati\u201d:\n multicronici con medio-bassa complessit\u00e0 clinica (14,8% sul\n totale della popolazione) e multicronici con alta complessit\u00e0\n clinica (2,8%, pari a 155.956 assistiti). Analogamente (figu-\n ra 2.10), sulla medesima popolazione di multicronici \u00e8 pos-\n sibile realizzare un approfondimento sulla polypharmacy. 21\n Tra i 985.420 pazienti identificati come multicronici, circa il\n 52% assumeva contemporaneamente un numero di farmaci\n differenti compreso tra 5 e 9, mentre il 22% (pari a oltre\n 216.000 pazienti) era esposto a 10 o pi\u00f9 farmaci differenti.\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 21\n\n\n\n Figura 2.9 Multicronici e complessit\u00e0 clinica.\n Lazio, 31\/12\/2019\n\n\n 2,8% Multicronici con\n alta complessit\u00e0\n clinica (155.956 abitanti)\n\n Pazienti\n Presa complessi 14,8% Multicronici con\n in carico e fragili medio-bassa complessit\u00e0\n clinica (829.464 abitanti)\n 20,6% Una sola\n Diagnosi precoce Pazienti con patologia cronica\n Aderenza PDTA singola voce (1.153.345 abitanti)\n Automedicazione nosologica\n 61,8% Senza patologie\n croniche\n Valutazione del rischio Popolazione (3.465.184 abitanti)\n Promozione della salute sana\n\n\n\n\n\n\n La popolazione multicronica rappresenta una sfida cruciale per\n il futuro dei servizi sanitari, in termini di programmazione,\n implementazione e gestione di percorsi assistenziali dedicati.\n La multicronicit\u00e0, in accordo con i principi del Chronic Care\n Model, segna il passaggio dal disease management al case\n management, portando al centro del dibattito la necessit\u00e0 di\n definire percorsi assistenziali per quanto possibile \u201cpersona-\n lizzati sul paziente\u201d, volti a evitare la frammentariet\u00e0 delle\n cure e il mancato coordinamento tra gli erogatori.\n\n Per un \u201cdecisore sanitario\u201d, disporre di informazioni det-\n tagliate sulla popolazione multicronica (ad esempio, simili\n a quelle riportate nelle figure 2.9 e 2.10), potrebbe essere\n di grande aiuto per pianificare nuovi modelli organizzativi,\n opportunamente dimensionati e strutturati per \u201csoddisfare\u201d\n","\n\n\n\n 22 STRATIFICA PDTA\n\n\n\n Figura 2.10 Multicronici, polypharmacy\n e deprescribing. Lazio, 31\/12\/2019\n\n 2,8% 25,7%\n Multicronici con alta 0-4 farmaci\n complessit\u00e0 clinica (253.805 abitanti)\n (155.956 abitanti) 17,6% 52,3%\n Multicronici 5-9 farmaci\n 14,8% (985.420 abitanti) (515.153 abitanti)\n Pazienti Multicronici con\n Presa complessi medio-bassa 22,0%\n in carico e fragili complessit\u00e0 clinica \u226510 farmaci\n (829.464 abitanti) (216.462 abitanti)\n\n 20,6% Una sola patologia cronica\n\n\n\n 61,8% Senza patologie croniche\n\n\n Le percentuali (polypharmacy) mostrate all\u2019interno delle caselle bianche sono\n calcolate sul totale dei pazienti multicronici (985.420 abitanti).\n\n\n\n i bisogni assistenziali dei pazienti multicronici. I pazienti\n multicronici ad alta complessit\u00e0 clinica potrebbero non tro-\n vare risposte assistenziali adeguate sul territorio. Questo\n rende necessario prevedere e facilitare \u201ctrasferimenti\u201d, au-\n spicabilmente temporanei, tra i diversi setting assistenzia-\n li, dopo un\u2019adeguata valutazione multidisciplinare. Anche\n il tema della polypharmacy, per molto tempo sensibilmente\n trascurato nei contesti territoriali, \u00e8 di estrema rilevanza\n per i pazienti affetti da pi\u00f9 patologie croniche e sottolinea\n ancora una volta l\u2019importanza di un modello assistenziale\n realmente centrato sul paziente, in grado di pianificare e\n implementare politiche di deprescribing, riconciliazione e\n semplificazione terapeutica.\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 23\n\n\n Dalla complessit\u00e0 clinica alla vulnerabilit\u00e0\n socio-economica\n\n Come indicato dal Piano Nazionale della Cronicit\u00e0 (PNC), il\n processo di stratificazione dovrebbe tener conto non solo\n dei criteri clinici ma anche di tutti quei fattori individuali\n e socio-familiari che possono incidere sulla capacit\u00e0 del pa-\n ziente di gestire la propria patologia. A tal fine, una nuova\n \u201clente\u201d, orientata alla valutazione dei fattori di vulnerabilit\u00e0\n socio-economica, \u00e8 stata applicata allo strato dei pazienti\n che presentano una o pi\u00f9 patologie croniche, che rappresen-\n tano il 38,2% dell\u2019intera popolazione regionale (figura 2.11).\n\n\n\n Figura 2.11 Cronicit\u00e0 e vulnerabilit\u00e0\n socio-economica. Lazio, 31\/12\/2019\n\n 27,9%\n 2,8% Et\u00e0 \u226575 anni\n Multicronici con alta (596.102 abitanti)\n complessit\u00e0 clinica\n (155.956 abitanti) +\n 38,2% 21,2%\n Con Basso titolo\n Pazienti 14,8% almeno di studio\n Presa complessi Multicronici con (453.912 abitanti)\n in carico e fragili medio-bassa una +\n complessit\u00e0 clinica patologia 42,0%\n (829.464 abitanti) cronica Elevato indice di\n Diagnosi (2.138.765 deprivazione\n precoce 20,6% abitanti) (897.661 abitanti)\n Aderenza Pazienti con Una sola =\n PDTA singola voce patologia\n Automedicazione nosologica cronica 6,5%\n (1.153.345 abitanti) (139.115 abitanti)\n 61,8% Senza patologie croniche\n\n\n\n Le percentuali mostrate all\u2019interno delle caselle bianche (fattori di vulnerabi-\n lit\u00e0 socio-economica) sono calcolate sul totale dei pazienti con almeno una\n patologia cronica (2.138.765 abitanti).\n Basso titolo di studio: analfabeti, alfabetizzati privi di titolo di studio, licenza\n di scuola elementare.\n","\n\n\n\n 24 STRATIFICA PDTA\n\n\n All\u2019interno di questo strato, sono stati identificati gli abitan-\n ti con et\u00e0 \u226575 anni (596.102 persone), quelli con basso ti-\n tolo di studio (453.912 persone) e quelli caratterizzati da un\n\n elevato indice di deprivazione (897.661 persone), disponibi-\n 26\n le per sezione di censimento. Questi fattori, soprattutto se\n coesistenti e associati alla presenza di patologie croniche,\n costituiscono un buon proxy di non autosufficienza, funzio-\n nalmente intesa come difficolt\u00e0 nello svolgere le attivit\u00e0\n della vita quotidiana. In questi scenari, l\u2019organizzazione dei\n percorsi assistenziali muta notevolmente. Si rende stretta-\n mente necessaria l\u2019integrazione tra la componente sanitaria\n e quella sociale e, nelle situazioni pi\u00f9 complesse, i fattori\n di vulnerabilit\u00e0 potrebbero concorrere alla scelta di un\u2019assi-\n 1\n stenza di tipo domiciliare o residenziale, varcando il confine\n che separa le cure primarie da quelle intermedie.\n\n Nella Regione Lazio, i pazienti cronici che presentano \u201ccon-\n temporaneamente\u201d i tre fattori di vulnerabilit\u00e0 socio-econo-\n mica sono 139.115, pari al 6,5% della popolazione con pa-\n tologie croniche e al 2,5% dell\u2019intera popolazione regionale.\n\n\n Stratificazione e Population Health Management:\n la prevenzione come elemento chiave\n per la gestione della cronicit\u00e0\n\n Un sistema di stratificazione della popolazione, se impronta-\n to ai principi del PHM, dovrebbe essere in grado di differen-\n ziare anche la popolazione sana, misurando e monitorando\n nel tempo la presenza di fattori di rischio, sia individuali\n che \u201ccontestuali\u201d, su cui agire con interventi di promozione\n 18\n della salute. Il PNC \u00e8 molto esplicito su questo tema: la\n prevenzione \u00e8 uno degli elementi chiave per una gestione\n \u201cin prospettiva\u201d della cronicit\u00e0.\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 25\n\n\n Non solo. I piani nazionali della prevenzione hanno rico-\n 27\n nosciuto sin dal 2005 il contrasto alle patologie croniche\n come obiettivo prioritario per la pianificazione regionale.\n 28\n Inoltre, il programma \u201cGuadagnare salute\u201d prevede l\u2019at-\n tuazione di strategie intersettoriali e di popolazione per\n favorire la prevenzione delle patologie croniche attraverso\n l\u2019acquisizione e il mantenimento di stili di vita salutari da\n parte della popolazione generale. Nel programma viene sot-\n tolineato come molte patologie croniche come le malattie\n cardiovascolari, i tumori, le malattie respiratorie e il dia-\n bete hanno come denominatore comune quattro principali\n fattori di rischio:\n 1. fumo;\n 2. abuso di alcol;\n 3. scorretta alimentazione;\n 4. inattivit\u00e0 fisica.\n Cambiando prospettiva, \u00e8 sempre pi\u00f9 alta l\u2019attenzione sugli\n elevati livelli di inquinamento atmosferico, poich\u00e9 \u00e8 dimo-\n 29\n strato che possono influire negativamente sulla funzione\n polmonare, sull\u2019insorgenza dell\u2019asma, sulle riacutizzazioni\n della broncopneumopatia cronica ostruttiva, ma anche su al-\n cune patologie cardiovascolari. Inoltre, possono aumentare\n il rischio di cancro al polmone.\n\n Per questi motivi, la Regione Lazio ha realizzato un siste-\n ma di stratificazione che consente di differenziare anche la\n popolazione \u201csana\u201d, al fine di valutare i principali fattori di\n rischio individuali e ambientali (figura 2.12).\n Per quel che riguarda i fattori di rischio individuali, oltre\n il 18% della popolazione adulta e senza patologie croniche\n presenta almeno due fattori di rischio comportamentali tra\n quelli identificati dal programma ministeriale \u201cGuadagna-\n re salute\u201d, ovvero, abitudine al fumo, obesit\u00e0, consumo di\n","\n\n\n\n 26 STRATIFICA PDTA\n\n\n\n Figura 2.12 Popolazione sana: fattori di rischio\n individuali e \u201ccontestuali\u201d\n\n 2,8% Multicronici con\n alta complessit\u00e0\n\n\n 14,8% Multicronici con\n medio-bassa complessit\u00e0\n\n\n 20,6% Una sola\n patologia cronica\n\n 61,8% Senza patologie\n croniche\n Valutazione del rischio Popolazione (3.465.184 abitanti)\n Promozione della salute sana\n Fattori di rischio individuali\n 18,6%\n Presenza di almeno due fattori\n di rischio comportamentali tra:\n fumo, obesit\u00e0, alcol\n e sedentariet\u00e0*\n Fattori di rischio \u201ccontestuali\u201d\n 45,5%\n Residenza in aree in cui\n il livello di PM 10 ha superato\n i limiti di legge per pi\u00f9 di 35\n giorni in un anno**\n (1.575.135 abitanti)\n * Fonte Istat, popolazione adulta.\n ** PM 10. Limite di legge: 50 \u00b5g\/m . 3\n L\u2019esposizione ambientale al PM 10 \u00e8 stata stimata attraverso l\u2019utilizzo di dati\n satellitari.\n\n\n\n alcol e sedentariet\u00e0. Per quel che riguarda l\u2019informazione\n sull\u2019inquinamento atmosferico, il dato appare particolarmen-\n te preoccupante perch\u00e9 il 45,5% della popolazione \u201csana\u201d\n (pari a 1.575.135 abitanti) risiede in aree che superano i\n limiti di legge. La Regione Lazio ha una lunga tradizione\n di studi che hanno avuto come obiettivo la caratterizzazio-\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LAZIO 27\n\n\n ne delle principali esposizioni ambientali (inquinamento\n atmosferico, elevate temperature, rifiuti, arsenico nelle ac-\n 30\n que, radon) e l\u2019identificazione della popolazione esposta.\n Un aspetto particolarmente rilevante ha riguardato l\u2019anali-\n si dei sottogruppi di popolazione pi\u00f9 suscettibili a causa\n della presenza di patologie croniche, come quelle a carico\n dell\u2019apparato respiratorio e cardiovascolare, che aumentano\n la vulnerabilit\u00e0 all\u2019inquinamento atmosferico e agli effetti\n delle elevate temperature. Per migliorare la misura di queste\n esposizioni \u201ccontestuali\u201d, i cui effetti a lungo termine sono\n spesso sottovalutati, \u00e8 in fase di realizzazione un nuovo in-\n dicatore sintetico di vulnerabilit\u00e0 ambientale che utilizza\n dati di esposizione a livello di area e fattori confondenti a\n livello individuale; le metodologie utilizzate consentiranno\n di quantificare la quota di malattia attribuibile all\u2019area in\n cui vivono gli individui e di misurare il livello di esposizione\n attraverso uno score che tiene conto dei principali fattori di\n rischio e della durata dell\u2019esposizione.\n\n\n La stratificazione della popolazione come un sistema\n \u201cmodulare\u201d\n\n Il metodo per stratificare la popolazione adottato dalla Re-\n gione Lazio si configura come un sistema flessibile e modula-\n re, costituito da molteplici elementi. A partire da una prima\n stratificazione \u201cdi base\u201d, definita valutando la presenza e il\n numero di patologie croniche, \u00e8 possibile applicare numero-\n se \u201clenti\u201d, sia su tutta la popolazione che su specifici strati\n di interesse, per identificare ulteriori sottogruppi, dettagli\n o criticit\u00e0 in funzione degli obiettivi della programmazione\n regionale, aziendale o sub-aziendale. Tra gli \u201celementi\u201d che\n costituiscono il sistema di stratificazione regionale, alcuni\n rivestono un ruolo centrale, come:\n","\n\n\n\n 28 STRATIFICA PDTA\n\n\n n l\u2019indice di complessit\u00e0 clinica (per misurare l\u2019intensit\u00e0\n del bisogno assistenziale);\n n l\u2019analisi della polypharmacy (per pianificare azioni di de-\n prescribing e riconciliazione terapeutica);\n n la valutazione dei fattori di vulnerabilit\u00e0 socio-economi-\n ca (per identificare le fasce di popolazione che necessita-\n no di percorsi socio-sanitari individualizzati e orientare\n l\u2019organizzazione delle cure intermedie).\n\n Un\u2019altra caratteristica rilevante \u00e8 quella di considerare l\u2019inte-\n ra popolazione residente, in accordo con i principi del PHM.\n Questo ha reso necessario introdurre nuovi elementi che\n consentano di differenziare anche la popolazione sana. In\n particolare, la valutazione delle esposizioni ambientali che\n hanno effetti a lungo termine sulla salute e sull\u2019incidenza\n di patologie croniche pu\u00f2 costituire un utile supporto alla\n pianificazione delle campagne di prevenzione e promozio-\n ne della salute. A completamento del sistema, due fattori\n trasversali: l\u2019analisi geografica, che consente di evidenziare\n la variabilit\u00e0 intra-regionale nei bisogni assistenziali, e l\u2019a-\n nalisi dei costi assistenziali integrati, che permette di \u201caf-\n fiancare\u201d la pianificazione degli interventi con valutazioni e\n scenari di costo-efficacia.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n L\u2019esperienza della Regione Lombardia\n","\n\n\n\n\n\n\n\n 3.\n L\u2019esperienza della\n\n Regione Lombardia:\n dal progetto CReG\n\n al sistema di stratificazione\n della Banca Dati Assistiti\n\n\n A cura di Olivia Leoni, Giovanni Corrao, Francesco Bortolan\n\n\n\n Background: uno sguardo al passato\n\n La Regione Lombardia, con le \u201cDeterminazioni in ordine alla\n gestione del servizio sociosanitario regionale per l\u2019esercizio\n 2011\u201d, 31-33 ha introdotto la sperimentazione del Chronic Re-\n lated Group (CReG), un sistema di classificazione dei pazien-\n ti cronici in categorie clinicamente rilevanti e omogenee per\n assorbimento di risorse assistenziali sul territorio. A nostra\n memoria, e sulla base delle nostre migliori conoscenze, l\u2019idea\n (originale in quegli anni), l\u2019impostazione (allora con chiari\n elementi innovativi) e l\u2019impianto metodologico (caratterizza-\n to da rigore e solidit\u00e0 ancora oggi riconosciuti) dei CReG ha\n anticipato di 10 anni l\u2019attuale orientamento in questo settore.\n In pratica, alla classificazione CReG, ispirata alla logica dei Diag-\n 34\n nosis Related Groups (DRG) ospedalieri ma applicata in ambito\n territoriale solamente a pazienti affetti da malattie croniche,\n corrisponde una modalit\u00e0 di remunerazione forfettaria della pre-\n sa in carico del paziente affetto da una patologia cronica.\n\n In questo capitolo, riprenderemo i tre aspetti di quella espe-\n rienza di interesse per il presente booklet:\n\n L\u2019esperienza della Regione Lombardia\n","\n\n\n\n 30 STRATIFICA PDTA\n\n\n 1. l\u2019algoritmo CReG che, dall\u2019utilizzo di tutti i database am-\n ministrativi disponibili, consente di catturare i benefi-\n ciari del servizio sanitario che soffrono di 65 malattie e\n condizioni croniche;\n 2. la costruzione e validazione del Chronic Related Score\n (CReSc) che, basandosi sull\u2019algoritmo CReG, consente la\n stratificazione della popolazione in funzione del rischio\n di decesso, ricoveri ospedalieri e costi dell\u2019assistenza sa-\n nitaria a cinque anni;\n 3. l\u2019applicazione del CReSc ai dati regionali del 2019.\n\n\n L\u2019algoritmo CReG\n\n\n Un elenco di 65 patologie croniche \u00e8 stato messo a punto\n con cura da un gruppo di lavoro regionale incaricato di in-\n dividuare le condizioni croniche che maggiormente incidono\n sulla spesa sanitaria. Per ciascuna delle 65 condizioni, \u00e8 sta-\n to sviluppato un algoritmo per catturare i pazienti che ne\n soffrono attraverso i seguenti flussi regionali:\n n archivio dei beneficiari del SSN, che riporta i dati demo-\n grafici e amministrativi incluse le date in cui la condizio-\n ne di beneficiario del SSN \u00e8 iniziata o cessata;\n n database di dimissioni ospedaliere, che riporta informa-\n zioni su diagnosi primaria, condizioni coesistenti e pro-\n 35\n cedure fornite (codificate in base sia all\u2019ICD-9-CM che\n alla versione italiana dei DRG);\n n database delle prescrizioni farmaceutiche, che fornisce in-\n formazioni su tutti i farmaci rimborsati dal SSN (codifica-\n 36\n ti in base all\u2019ATC );\n n database ambulatoriale, comprensivo delle visite specia-\n listiche e degli esami diagnostici (codificati secondo il\n nomenclatore nazionale);\n n database delle esenzioni, incluse quelle per malattie cro-\n 37\n niche (codificate con i codici esenzione nazionali ).\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LOMBARDIA 31\n\n\n I costi associati ai servizi sanitari forniti sono stati misurati\n in ottica SSN utilizzando l\u2019importo che l\u2019Azienda Sanitaria\n Regionale ha rimborsato agli operatori sanitari. Il lettore\n interessato pu\u00f2 trovare i dettagli dell\u2019algoritmo all\u2019interno\n dell\u2019articolo originale. 38\n\n\n\n Costruzione e validazione del CReSc\n\n Costruzione. Con l\u2019obiettivo di selezionare condizioni in\n grado di predire in modo indipendente la mortalit\u00e0 a cinque\n anni (ovvero l\u2019esito principale di interesse), si \u00e8 proceduto\n seguendo una metodologia non cos\u00ec diversa rispetto a quella\n gi\u00e0 estesamente descritta nel precedente capitolo. Dettagli\n 38\n sul metodo sono ampiamente illustrati altrove. In breve,\n due terzi degli 8,1 milioni di cittadini di et\u00e0 pari o superiore\n a 18 anni che nell\u2019anno 2013 erano beneficiari del sistema\n sanitario lombardo da almeno due anni (ovvero quasi 5,4\n milioni di cittadini) sono stati selezionati casualmente per\n formare il cosiddetto training set. Questi pazienti sono stati\n seguiti fino alla prima data tra morte e censura (fine dell\u2019os-\n servazione per emigrazione o fino al 31 dicembre 2017). Un\n modello di regressione di Cox \u00e8 stato interpolato per stimare\n gli hazard ratio relativi alla relazione tra le covariate sele-\n zionate e il tempo di decesso. Le covariate incluse nel mo-\n dello erano genere, et\u00e0 (al 1\u00b0 gennaio 2013, basale) e le 65\n patologie croniche la cui presenza \u00e8 stata calcolata in base\n all\u2019algoritmo CReG (candidati predittori). Questi ultimi sono\n entrati nel modello come variabili dicotome, con valore 1 o\n 0 a seconda che la specifica condizione fosse stata o no re-\n gistrata almeno una volta nei due anni precedenti il basale.\n Il metodo Least Absolute Shrinkage and Selection Operator\n (LASSO) \u00e8 stato applicato per selezionare le malattie\/condi-\n zioni che hanno mostrato indipendente capacit\u00e0 predittiva\n 39\n della mortalit\u00e0 a cinque anni. Infine, i coefficienti stimati\n","\n\n\n\n 32 STRATIFICA PDTA\n\n\n dal modello sono stati utilizzati per assegnare un peso a cia-\n scuna covariata selezionata. Il lettore interessato pu\u00f2 trovare\n l\u2019elenco delle 31 malattie\/condizioni selezionate, unitamen-\n te ai corrispondenti pesi e la prevalenza nella popolazione\n 38\n lombarda nell\u2019articolo originale. Infine, per semplificare il\n sistema, cio\u00e8 con l\u2019obiettivo di tenere conto dell\u2019eccessiva\n eterogeneit\u00e0 del punteggio aggregato totale, quest\u2019ultimo \u00e8\n stato categorizzato assegnando valori crescenti di 0, 1, 2, 3\n e 4 alle categorie del punteggio aggregato di 0, 1-10, 11-20,\n 21-30 e \u226531, rispettivamente. L\u2019indice cos\u00ec ottenuto \u00e8 stato\n denominato Chronic Related Score (CReSc).\n\n Validazione. Al fine di esplorare la capacit\u00e0 predittiva di\n CReSc, i punteggi costruiti come ora descritto sono stati\n applicati al cosiddetto \u201cset di validazione\u201d costituito dai be-\n neficiari lombardi del SSN che non erano stati inclusi nel\n training set (ovvero 2,7 milioni di cittadini). Seguendo la\n stessa metodologia descritta per la validazione dell\u2019indice\n Multisource Comorbidity Score (MCS; si veda il capitolo dedi-\n cato), il potere discriminatorio \u00e8 stato misurato costruendo\n la cosiddetta curva Receiver Operating Characteristic (ROC)\n e calcolandone l\u2019area sottesa (Area Under the Curve, AUC).\n\n La figura 3.1 mostra che il punteggio CReSc ha buone capa-\n cit\u00e0 discriminanti sia tra le donne che tra gli uomini appar-\n tenenti alla categoria di et\u00e0 intermedia (da 50 a 85 anni)\n essendo i corrispondenti AUC 0,730 e 0,731. Al contrario,\n tra i beneficiari pi\u00f9 giovani e maggiormente tra i pi\u00f9 an-\n ziani, il punteggio ha scarse capacit\u00e0 predittive (essendo\n il corrispondente AUC 0,687 e 0,570 nelle donne e 0,637\n e 0,627 negli uomini). Per questo motivo, CReSc \u00e8 stato\n adottato con solo riferimento alle et\u00e0 intermedie e il gruppo\n di lavoro si riserva ulteriori approfondimenti per individuare\n diversi criteri di stratificazione soprattutto nei beneficiari\n pi\u00f9 anziani.\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LOMBARDIA 33\n\n\n\n Figura 3.1 Curve ROC che confrontano il potere\n discriminante del CReSc nella predizione della\n mortalit\u00e0 a cinque anni dei beneficiari del SSR\n della Lombardia in accordo al genere e a tre\n classi di et\u00e0\n\n Donne\n 1\n Tasso dei veri positivi (sensibilit\u00e0) 0,6\n 0,8\n\n\n\n\n 0,4\n\n 0,2\n 18-49 anni 50-85 anni \u226586 anni\n 0\n 0 0,2 0,4 0,6 0,8 1,0\n Tasso dei falsi positivi (1-specificit\u00e0)\n\n\n Uomini\n 1\n Tasso dei veri positivi (sensibilit\u00e0) 0,6\n 0,8\n\n\n\n\n 0,4\n\n 0,2\n 18-49 anni 50-85 anni \u226586 anni\n 0\n 0 0,2 0,4 0,6 0,8 1,0\n Tasso dei falsi positivi (1-specificit\u00e0)\n\n Modificata da Rea et al. 2019. 38\n","\n\n\n\n 34 STRATIFICA PDTA\n\n\n Le eccellenti capacit\u00e0 predittive di CReSc emergono an-\n che dalla chiara tendenza verso l\u2019aumento di alcuni esiti\n rilevanti, clinici ed economici, man mano che aumenta il\n valore dell\u2019indice. In particolare, rispetto ai beneficiari con\n punteggio pi\u00f9 basso (CReSc=0), quelli con punteggio pi\u00f9\n alto (CReSc=4) avevano rischio di morte a un anno, rischio\n di morte a cinque anni, costi sanitari a cinque anni, tasso\n di ricoveri ospedalieri e tasso di degenza cumulativa rispet-\n tivamente 36 volte (da 0,43% a 15,5%), 15 volte (da 3,4%\n a 52,6%), 6 volte (da 4.236 a 26.882 euro), 9 volte (da\n 113 a 761 ricoveri ospedalieri ogni 1.000 anni-persona) e\n 7 volte (da 849 a 8.839 giorni di degenza ogni 1.000 anni\n persona) superiori.\n\n\n Applicazione del CReSc ai dati regionali\n\n La figura 3.2 riporta la rappresentazione dei punteggi CReSc\n nelle donne e negli uomini della Lombardia che nel 2019 ave-\n vano et\u00e0 compresa tra 50 e 85 anni (4.299.545 individui).\n Ne emerge un quadro costituito dal 51% di donne e dal\n 46% di uomini che non soffrono di alcuna patologia cro-\n nica tra quelle che contribuiscono al punteggio CReSc\n (2.070.146 individui), dal 44% di donne e il 45% di uo-\n mini che si collocano nella fascia intermedia (1.902.880\n individui) e dal rimanente 6% di donne e 9% di uomini\n caratterizzati da elevata complessit\u00e0 clinica (326.519 in-\n dividui). Un primo elemento di programmazione \u00e8 dunque\n rappresentato dall\u2019elevato numero di individui con almeno\n una malattia cronica (pi\u00f9 di 2 milioni di individui, il 52%\n della popolazione con et\u00e0 compresa tra 50 e 85 anni) di\n cui una quota non indifferente deve essere considerata\n complessa (quasi 327.000 individui, il 7,6% della popo-\n lazione con et\u00e0 compresa tra 50 e 85 anni). Un secon-\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LOMBARDIA 35\n\n\n\n Figura 3.2 Distribuzione dei punteggi CReSc negli\n uomini e nelle donne della Regione Lombardia.\n Anno 2019\n\n Donne\n 1.200.000 51%\n Numero assoluto di residenti 800.000 30% 14%\n 1.000.000\n\n\n 600.000\n 400.000\n 200.000\n 4,5%\n 1,5%\n 0\n 0 1-10 11-20 21-30 30+\n Punteggio CReSc\n Uomini\n 1.200.000 46%\n Numero assoluto di residenti 800.000 29% 16%\n 1.000.000\n\n\n 600.000\n 400.000\n 200.000\n 0 6,4% 3,0%\n 0 1-10 11-20 21-30 30+\n Punteggio CReSc\n\n\n\n do elemento \u00e8 lo sbilanciamento della distribuzione del\n punteggio tra generi. Gli uomini infatti si trovano in una\n condizione di maggior bisogno di assistenza come si evin-\n ce sia dal numero assoluto (pi\u00f9 di 192.000 uomini contro\n","\n\n\n\n 36 STRATIFICA PDTA\n\n\n circa 134.000 donne) che dalla percentuale (9% contro\n 6%) di pazienti complessi.\n\n La variabilit\u00e0 dei bisogni assistenziali emerge anche dalla\n distribuzione territoriale della prevalenza di individui con\n punteggio CReSc \u226530 (maggiore complessit\u00e0) (figura 3.3).\n La prevalenza \u00e8 inferiore alla media regionale nelle Agenzie\n di Milano, Insubria, Brianza e, soprattutto, Bergamo (6,8%),\n allineata alla media regionale nelle Agenzie della Montagna\n e Brescia, mentre assume valori pi\u00f9 elevati in Val Padana\n (8,7%) e soprattutto a Pavia (9,1%).\n Oltre alla distribuzione territoriale, sono stati considerati gli\n aspetti socio-economici come potenziali determinanti dei bi-\n sogni assistenziali. A tal fine, \u00e8 stato confrontato l\u2019andamento\n del valore medio di CReSc (calcolato attraverso la distribuzio-\n ne Ridit, si veda la nota della figura 3.4) nelle classi di et\u00e0\n quinquennali degli uomini e nelle donne che dichiarano reddi-\n to basso, intermedio ed elevato (rispettivamente sotto il 5\u00b0,\n tra il 6\u00b0 e il 94\u00b0 e sopra il 95\u00b0 percentile del reddito medio). 38\n A partire dalla fascia di et\u00e0 61-65 anni, \u00e8 stata osservata una\n tendenza al miglioramento del profilo CReSc con l\u2019aumento\n della categoria di reddito sia nelle donne che negli uomini\n (figura 3.4). Rispetto agli individui con reddito elevato, i\n beneficiari del SSN con il reddito medio-basso hanno sem-\n pre mostrato un profilo CReSc peggiore indipendentemente\n dall\u2019et\u00e0 e dal genere.\n\n\n Prospettive\n\n\n La prospettiva regionale qui presentata deve essere letta\n come l\u2019integrazione di quella nazionale attraverso la co-\n struzione di un algoritmo di stratificazione che offre pre-\n","\n\n\n\n L\u2019ESPERIENZA DELLA REGIONE LOMBARDIA 37\n\n\n\n Figura 3.3 Distribuzione della prevalenza di\n individui con punteggio CReSc \u226530 (maggiore\n complessit\u00e0) afferenti alle otto Agenzie per\n la Tutela della Salute (ATS) della Regione\n Lombardia. Anno 2019\n\n\n\n\n\n ATS\n Montagna\n\n\n ATS\n ATS Bergamo\n Insubria ATS ATS\n Brianza Brescia\n ATS\n Milano\n citt\u00e0\n metropolitana\n ATS ATS\n Pavia Val Padana\n\n\n\n\n Milano citt\u00e0 metropolitana\n 8\n Pavia\n Insubria\n 4\n\n\n Val Padana 0 Montagna\n\n\n\n Brescia Brianza\n\n\n Bergamo\n","\n\n\n\n 38 STRATIFICA PDTA\n\n\n\n Figura 3.4 Andamento per et\u00e0 dei valori medi\n di Ridit delle distribuzioni CReSc nelle donne\n e negli uomini classificati in base alla loro\n categoria di reddito, con corrispondenti\n intervalli di confidenza al 95%\n\n 0,60 Donne\n\n 0,55\n Ridit medio 0,50\n\n\n\n 0,45\n\n 0,40\n 50-55 56-60 61-65 66-70 71-75 76-80 81-85\n Basso reddito (IC 95%) Alto reddito (IC 95%)\n 0,60 Uomini\n\n 0,55\n Ridit medio 0,50\n\n\n 0,45\n\n 0,40\n 50-55 56-60 61-65 66-70 71-75 76-80 81-85\n Basso reddito (IC 95%) Alto reddito (IC 95%)\n Il Ridit medio misura la probabilit\u00e0 relativa che un beneficiario\n del SSN selezionato casualmente tra quelli appartenenti a una\n data categoria di reddito abbia un valore CReSc che indica un\n profilo di salute migliore (Ridit <0,5) o peggiore (Ridit >0,5)\n rispetto a un beneficiario del SSN selezionato casualmente tra\n quelli con reddito intermedio.\n\n Modificata da Rea et al. 2019. 38\n"]