La Toscana, riferendosi al Chronic Care Model (CCM), ha adottato il modello "Medicina di iniziativa" per indirizzare i pazienti affetti da patologie croniche verso percorsi di diagnosi e cura standardizzati. Questo prevede che i Medici di Medicina Generale (MMG) includano i pazienti cronici nei registri di patologia sulla base di requisiti clinici specifici. Spesso ciò avviene senza tenere in considerazioni altre caratteristiche rilevanti nel tracciare l'evoluzione della malattia nel tempo (es. co-morbidità). I pazienti che presentano più patologie, infatti, possono essere inseriti contemporaneamente in diversi registri di patologia, e conseguentemente indirizzati verso differenti percorsi con risultati potenzialmente inefficienti. Il progetto ministeriale CARPEDIEM, nato dalla partnership fra la Fondazione G Monasterio, l'Istituto di Fisiologia Clinica del CNR, le AUSL di Pisa ed Empoli, mira a individuare un sistema di classificazione del rischio per scompenso e diabete mellito, attraverso il confronto fra le informazioni desunte dai flussi informativi sanitari e quelle contenute sui registri di patologia della Medicina di Iniziativa attualmente attivi. L'obiettivo è quello di identificare e validare specifici algoritmi di profilazione dell'utenza che, processando le informazioni relative ai contatti con il SSN sperimentati nel tempo da ogni paziente, consentano di caratterizzarlo nella sua complessità e di indirizzarlo verso PDTA più possibile appropriati ai propri livelli di rischio. L'applicazione della prima versione degli algoritmi ai flussi sanitari relativi ad un'annualità, ha evidenziato una sensibilità del 75% (IC:74%-76%) nell'identificare correttamente i pazienti indicati dai MMG come scompensati e diabetici; il valore si è incrementato aggiungendo più anni di osservazione. Più specificatamente: i criteri utilizzati per identificare i pazienti diabetici (un solo anno di dati) hanno mostrato una sensibilità dell'89% (IC:88%-90%), mentre quelli di identificazione dello scompenso si sono dimostrati poco sensibili (10% su un anno; 32% su quattro anni di osservazione), evidenziando la necessità di una revisione condotta di concerto con clinici e farmacologi. La profilazione degli utenti inclusi nei registri CCM ha consentito, inoltre, di stimare il livello di comorbidità per tipologia di registro: i pazienti contestualmente affetti da scompenso e diabete sono anche quelli caratterizzati dal maggior numero di comorbidità (4,8 in media); i pazienti diabetici, al contrario, pur avendo un minor numero di comorbidità (3,9) tendono più facilmente a svilupparne negli anni successivi. Questi primi risultati danno chiare indicazioni delle potenzialità di questo modello che, una volta a regime e opportunamente automatizzato, potrebbe rappresentare a tutti gli effetti un Sistema di Supporto alle Decisioni, fruibile ai vari livelli di programmazione e valutazione sanitaria.
Sinergie fra ricerca e sanità: il progetto CARPEDIEM per l'organizzazione e la valutazione di nuovi percorsi territoriali
Michela Franchini;Stefania Pieroni;Loredana Fortunato;Elisa Benedetti;Sabrina Molinaro
2015
Abstract
La Toscana, riferendosi al Chronic Care Model (CCM), ha adottato il modello "Medicina di iniziativa" per indirizzare i pazienti affetti da patologie croniche verso percorsi di diagnosi e cura standardizzati. Questo prevede che i Medici di Medicina Generale (MMG) includano i pazienti cronici nei registri di patologia sulla base di requisiti clinici specifici. Spesso ciò avviene senza tenere in considerazioni altre caratteristiche rilevanti nel tracciare l'evoluzione della malattia nel tempo (es. co-morbidità). I pazienti che presentano più patologie, infatti, possono essere inseriti contemporaneamente in diversi registri di patologia, e conseguentemente indirizzati verso differenti percorsi con risultati potenzialmente inefficienti. Il progetto ministeriale CARPEDIEM, nato dalla partnership fra la Fondazione G Monasterio, l'Istituto di Fisiologia Clinica del CNR, le AUSL di Pisa ed Empoli, mira a individuare un sistema di classificazione del rischio per scompenso e diabete mellito, attraverso il confronto fra le informazioni desunte dai flussi informativi sanitari e quelle contenute sui registri di patologia della Medicina di Iniziativa attualmente attivi. L'obiettivo è quello di identificare e validare specifici algoritmi di profilazione dell'utenza che, processando le informazioni relative ai contatti con il SSN sperimentati nel tempo da ogni paziente, consentano di caratterizzarlo nella sua complessità e di indirizzarlo verso PDTA più possibile appropriati ai propri livelli di rischio. L'applicazione della prima versione degli algoritmi ai flussi sanitari relativi ad un'annualità, ha evidenziato una sensibilità del 75% (IC:74%-76%) nell'identificare correttamente i pazienti indicati dai MMG come scompensati e diabetici; il valore si è incrementato aggiungendo più anni di osservazione. Più specificatamente: i criteri utilizzati per identificare i pazienti diabetici (un solo anno di dati) hanno mostrato una sensibilità dell'89% (IC:88%-90%), mentre quelli di identificazione dello scompenso si sono dimostrati poco sensibili (10% su un anno; 32% su quattro anni di osservazione), evidenziando la necessità di una revisione condotta di concerto con clinici e farmacologi. La profilazione degli utenti inclusi nei registri CCM ha consentito, inoltre, di stimare il livello di comorbidità per tipologia di registro: i pazienti contestualmente affetti da scompenso e diabete sono anche quelli caratterizzati dal maggior numero di comorbidità (4,8 in media); i pazienti diabetici, al contrario, pur avendo un minor numero di comorbidità (3,9) tendono più facilmente a svilupparne negli anni successivi. Questi primi risultati danno chiare indicazioni delle potenzialità di questo modello che, una volta a regime e opportunamente automatizzato, potrebbe rappresentare a tutti gli effetti un Sistema di Supporto alle Decisioni, fruibile ai vari livelli di programmazione e valutazione sanitaria.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
