3. Risultati parte a)

Mappatura morbilità e distribuzione variabili di interesse

L’analisi è stata condotta su una popolazione complessiva di 962.602 persone residenti nelle Aziende ULSS 16-Padova e 20-Verona al 31/12/2011. Le popolazioni delle due Aziende presentano una distribuzione per età molto simile: i giovani al di sotto dei 18 anni sono il 16-17% della popolazione e gli anziani oltre i 74 anni il 10-11% del totale (Tabelle 1 e 2)

 

Tabella 1. Popolazione residente al 31/12/2011 nelle Aziende ULSS 16 e 20. Fonte: Anagrafe Sanitaria

Classi di età

Azienda ULSS 16

Azienda ULSS 20

N

%

N

%

0-13

61.720

12,7

63.306

13,3

14-34

100.197

20,6

105.516

22,1

35-64

219.629

45,2

205.655

43,1

65-74

53.425

11,0

50.240

10,5

75-84

36.437

7,5

35.956

7,5

85 e oltre

14.583

3,0

15.938

3,3

Totale

485.991

100,0

476.611

100,0

 

Tabella 2: Percentuale di popolazione residente al 31/12/2011 nelle Aziende ULSS 16 e 20 per specifiche fasce di età e sesso.

Fonte: Anagrafe Sanitaria


 

% Popolazione

0-13 anni

0-17 anni

18-44 anni

65 e oltre

75 e oltre

85 e oltre

Azienda ULSS 16

Maschi

13,6

17,3

35,0

18,6

8,1

1,8

Femmine

11,9

15,0

32,6

24,1

12,7

4,1

Totale

12,7

16,1

33,8

21,5

10,5

3,0

Azienda ULSS 20

Maschi

14,1

18,0

36,1

18,2

8,1

2,0

Femmine

12,5

15,9

33,1

24,4

13,5

4,6

Totale

13,3

16,9

34,6

21,4

10,9

3,3

 

A partire dai dati disponibili negli archivi sanitari descritti nella sezione del report dedicata alle fonti informative, è stata individuata almeno una diagnosi nel 42% della popolazione; per il 41% degli assistiti è stato possibile calcolare un costo per prestazioni ricevute, senza tuttavia la possibilità di rilevare diagnosi cliniche e nel 17% non è stato segnalato alcun contatto con le strutture del Servizio Sanitario. Queste percentuali si diversificano molto nelle diverse classi di età: negli anziani, infatti, oltre l’80% della popolazione presenta almeno una diagnosi (Figura 1). Nell’Azienda ULSS 20 la proporzione di soggetti con almeno una diagnosi è inferiore a quella della ULSS 16 (39% vs. 45%) è ciò è in gran parte dovuto alla scarsa completezza della rilevazione delle diagnosi negli accessi al Pronto Soccorso dell’Azienda Ospedaliera cittadina (Figura 2).

 

Figura 1. Popolazione per presenza di contatti con il SSR e diagnosi per classe di età

 

Figura 2. Popolazione per presenza di contatti con il SSR e diagnosi per Azienda ULSS
 

Molta meno differenza tra le due Aziende si osserva invece per quanto riguarda la quota di popolazione che è ricorsa alla assistenza farmaceutica territoriale per farmaci erogabili con “ricetta rossa” (presso le farmacie o in distribuzione diretta). Anche per i farmaci, come atteso, la proporzione di soggetti anziani che nel 2011 ha fatto uso di farmaci è molto elevata, pari a circa il 90% (Figura 3 e Figura 4).

 

Figura 3. Popolazione per impiego di farmaci per classe di età

 


Figura 4. Popolazione per impiego di farmaci per Azienda ULSS
A partire dalla stima dei costi totali, (vedi sezione dedicata ai metodi), il costo medio pro-capite della popolazione in analisi è di 997 euro, con uno scostamento tra la ULSS 16 e la ULSS 20 di circa 100 euro pro-capite. A partire dai dati sulle diagnosi e sui costi, il sistema ACG consente il calcolo del "Peso ACG locale”, che fornisce una misura della complessità assistenziale; nella popolazione generale è per costruzione pari a 1, mentre, calcolato a livello di sotto-popolazioni (per classe di età, per diagnosi, per area territoriale, ecc.), esprime il bisogno atteso di risorse assistenziali in rapporto alla popolazione generale. Ad esempio negli anziani il fabbisogno di risorse assistenziali viene valutato da 2 a 3 volte quello atteso nella media generale, tenuto conto delle patologie e della comorbilità presente nella popolazione anziana e in quella generale. Oltre al “Peso ACG locale” il sistema mette a disposizione un “Peso ACG di riferimento” calcolato a partire dalla popolazione sulla quale è stato sviluppato il Sistema ACG: si nota che, a parte diversità di scala, il rapporto tra il peso calcolato nelle diverse classi di età e il peso della popolazione generale si mantiene sostanzialmente costante per entrambi gli indicatori, nonostante derivino da popolazioni diverse e indipendenti (Tabella 3).

 

Tabella 3. Popolazione, costi e pesi ACG per classi di età

Classi di età

N

%

Costo totale

Costo farmaci

Peso ACG locale

Peso ACG riferimento

Totale

%

Media

Totale

%

Media

Media

Media

0-13

125.026

13,0

41.505.031

4,3

331,97

7.035.306

2,7

56,27

0,46

0,20

14-34

205.713

21,4

83.687.264

8,7

406,82

16.255.984

6,3

79,02

0,47

0,20

35-64

425.284

44,2

360.904.990

37,6

848,62

102.638.639

39,9

241,34

0,81

0,29

65-74

103.665

10,8

211.693.716

22,1

2.042,09

61.716.609

24,0

595,35

1,77

0,60

75-84

72.393

7,5

190.324.797

19,8

2.629,05

51.163.740

19,9

706,75

2,54

0,96

85 e +

30.521

3,2

71.173.167

7,4

2.331,94

18.720.858

7,3

613,38

3,19

1,35

Totale

962.602

100,0

959.288.966

100,0

996,56

257.531.136

100,0

267,54

1,00

0,38

 

Il sistema ACG categorizza la popolazione rispetto a dimensioni diverse e complementari della malattia, considerando cioè sia le caratteristiche cliniche delle patologie, sia la complessità assistenziale degli assistiti dovuta alla presenza simultanea di diverse malattie.
La logica di raggruppamento che sta alla base del Sistema ACG si fonda sui Gruppi Diagnostici Aggregati (ADG- Aggregated Diagnosis Groups), 32 categorie diagnostiche che raggruppano diagnosi simili per bisogno assistenziale (dimensione prognostica).
 
Nel grafico di Figura 5 sono rappresentati i 10 ADG più frequenti nelle due Aziende: le categorie ADG fanno di norma riferimento a condizioni morbose che indicano il carico assistenziale e quindi il consumo atteso di risorse (malattia cronica stabile/instabile, malattia limitata nel tempo, ecc.). Allo stesso soggetto possono essere associate più categorie ADG, quindi non è corretto sommare il numero di soggetti di ogni gruppo per ottenere la prevalenza di persone con almeno un ADG. La prevalenza dei diversi ADG nelle due Aziende è molto simile; le differenze maggiori si riscontrano nei traumatismi, nei segni e sintomi e nelle infezioni, condizioni morbose che transitano spesso per il Pronto Soccorso.
Tali differenze sono probabilmente in buona parte attribuibili a una carenza nel grado di codifica delle diagnosi effettuate nel Pronto Soccorso dell’azienda Ospedaliera di Verona.

 

Figura 5. ADG più frequenti per Azienda ULSS: prevalenza per 1.000

 
A partire dalla combinazione degli ADG, dall’età e dal sesso di ogni soggetto, il sistema categorizza l’intera popolazione nei gruppi finali ACG (Adjusted Clinical Groups). A differenza degli ADG, ogni soggetto viene assegnato ad un solo ACG; pertanto le categorie ACG sono esaustive e mutuamente esclusive. Inoltre, poiché gli ADG vengono assegnati solo in base alle diagnosi, sono previsti due ACG “residuali” che raggruppano il primo i soggetti per i quali non sono state rilevate né diagnosi, né costi (ACG 5200-Non-Users) e il secondo i soggetti per i quali sono stati rilevati costi, ma non diagnosi (ACG 5110-No Diagnosis). Limitando l’attenzione ai soli ACG associati a diagnosi, nella Figura 6 vengono presentati i primi 10 ACG più frequenti nelle due Aziende. Le principali differenze tra le due aziende si concentrano nei gruppi che si riferiscono a problemi acuti, a causa del già descritto problema di rilevazione delle diagnosi nel Pronto Soccorso.

 

Figura 6. ACG più frequenti per Azienda ULSS: prevalenza per 1.000

 

Nella Figura 7 vengono rappresentati gli ACG con i maggiori costi totali e i corrispondenti pesi ACG (costo medio ACG-specifico rapportato al costo medio generale). Gli ACG che impattano maggiormente sui costi sono quelli caratterizzati dalla copresenza di più patologie, quindi con elevati costi assistenziali, e quelli molto frequenti.

 

Figura 7. ACG con costo totale più elevato e corrispondenti pesi ACG

 
 


Le categorie ACG possono essere raggruppate ulteriormente in cinque classi in base al consumo atteso di risorse. Questi gruppi sono denominati RUBs (Resource Utilization Bands) e vengono utilizzati quando l’obiettivo non è descrivere i profili di malattia, ma il grado di utilizzo delle risorse assistenziali. Attraverso i RUBs può essere infatti valutata la proporzione di risorse assorbite dalla popolazione appartenente alle diverse classi di severità (Figura 8). I cosiddetti “Utilizzatori sani”, ossia gli assistiti per i quali non sono state riscontrate diagnosi o al più diagnosi a bassa complessità, sono il 44% dell’intera popolazione, ma sono responsabili solo del 12% dei costi totali. Viceversa, la popolazione che ricade nelle classi a complessità più elevata è meno del 5% del totale, ma ad essa è associato quasi il 30% del totale dei costi.

 

Figura 8. Popolazione e costi per RUB. Valori percentuali

 


Il sistema ACG consente anche di categorizzare la popolazione in base ad una classificazione più “tradizionale” delle diagnosi, cioè per singole patologie o per patologie correlate in base all’organo/apparato. Queste categorie vengono denominate EDCs (Expanded Diagnosis Clusters) e vengono utilizzate per descrivere la popolazione da un punto di vista epidemiologico o per selezionare sottogruppi di popolazione con specifiche patologie. Come gli ADGs, gli EDCs non sono mutuamente esclusivi e ad una stessa persona possono essere associati più EDC. In base a questa classificazione, le malattie più frequenti nella popolazione sono l’ipertensione, il diabete, le patologie cardiache croniche e i tumori (Figura 9).


A partire dagli EDC viene calcolato, in base a criteri di durata della patologia e del suo impatto negativo sulla salute e sullo stato funzionale, un indicatore sintetico di complessità dato dal numero di condizioni croniche presenti in ogni soggetto. Circa il 30% della popolazione presenta almeno una condizione cronica, con costi per l’assistenza che risultano direttamente correlati al numero di condizioni croniche (Figura 10)

 

Figura 9. EDC più frequenti per Azienda ULSS: prevalenza per 1.000

 


Figura 10. Popolazione per numero di condizioni croniche e relativi costi pro-capite

 


Oltre che dalle diagnosi cliniche utilizzate per la definizione degli ADG e degli EDC, ulteriori informazioni sulle patologie presenti nella popolazione vengono derivate dai farmaci consumati. La classificazione delle diagnosi farmaco-correlate è denominata Rx-MGs (Pharmacy Morbidity Groups) e consiste in 64 categorie che raggruppano farmaci proxy di diagnosi cliniche. Anche questi gruppi non sono mutuamente esclusivi e ad una stessa persona possono essere associate più diagnosi farmaco-correlate. I dati di prevalenza per Azienda ULSS sono sostanzialmente sovrapponibili, con le diagnosi farmaco-correlate più frequenti che si riferiscono alle infezioni (problemi acuti a bassa complessità assistenziale), e all’ipertensione (Figura 11).

 

Figura 11. Diagnosi farmaco-correlate  più frequenti per Azienda ULSS: prevalenza per 1.000

 


L’analisi integrata delle diagnosi cliniche e delle diagnosi farmaco-correlate consente infine di individuare la popolazione affetta da specifiche patologie, in particolare quelle per le quali l’indicazione farmacologica individua chiaramente una particolare condizione morbosa. A questo proposito il sistema ACG calcola per ogni assistito un marcatore che indica la presenza della patologia e le fonti informative (diagnosi cliniche, farmaci o entrambi) che hanno consentito l’individuazione della stessa. A questo proposito viene riportato nel paragrafo dedicato ai risultati dell’Azienda ULSS 20 un esempio relativo al diabete.

 

 

 

Azienda ULSS 16

 


L’Azienda ULSS 16 di Padova presenta un bacino d’utenza che copre complessivamente quasi 1/9 di quello totale regionale, con una densità di popolazione tra le più alte in Italia; è raggruppato in 6 distretti territoriali, sulla base dei comuni o delle circoscrizioni del comune di Padova, di cui uno solo supera le 100.000 unità di residenti, mentre quello meno numeroso supera le 35.000 persone (Tabella 1). Appartengono all'ULSS n° 16 di Padova, oltre al comune capoluogo - che da solo comprende circa il 44% dell'intera popolazione dell'ULSS - i seguenti 28 Comuni della Provincia: Abano Terme, Albignasego, Arzegrande, Brugine, Cadoneghe, Casalserugo, Cervarese Santa Croce, Codevigo, Correzzola, Legnaro, Limena, Maserà di Padova, Mestrino, Montegrotto Terme, Noventa Padovana, Piove di Sacco, Polverara, Pontelongo, Ponte San Nicolò, Rovolon, Rubano, S. Angelo di Piove di Sacco, Saccolongo, Saonara, Selvazzano Dentro, Teolo, Torreglia, Veggiano. Il comune di Padova, oltre a possedere la più alta densità di popolazione è anche l’area del territorio con la più elevata percentuale di popolazione di età ³ 75 anni (Tabella 1).
Tabella 1 : caratteristiche demografiche  della Azienda ULSS 16
 Fonte dei dati: ISTAT 1/1/2011; Elaborazione: S.S. Statistica dell'U.L.S.S. n° 16; Direzione Sanitaria

DISTRETTI / aree territoriali dei GTO

N° abitanti

Superficie (Km2)

Densità  abitat. (ab/Km2)

N° abitanti ≥ 75 aa

% abitanti   ≥ 75 aa

DISTRETTO n° 1

115.466

67,51

1.710

14.256

12,3%

Padova centro, est, sud-est

94.471

46,82

2.018

12.683

13,4%

Saonara, Noventa

20.995

20,69

1.015

1.573

7,5%

DISTRETTO n° 2

95.689

56,57

1.692

10.138

10,6%

Padova nord, ovest

71.818

28,68

2.504

8.180

11,4%

Cadoneghe

16.131

12,85

1.255

1.340

8,3%

Limena

7.740

15,04

515

618

8,0%

DISTRETTO n° 3

99.103

84,90

1.167

9.838

9,9%

Padova sud, Ponte S. Nicolò

61.234

30,85

1.985

6.991

11,4%

Albignasego, Casalserugo, Maserà

37.869

54,05

701

2.847

7,5%

DISTRETTO n° 4

77.807

159,59

488

5.862

7,5%

Rubano, Mestrino

26.592

33,86

785

1.855

7,0%

Selvazzano

22.305

19,58

1.139

1.811

8,1%

Cervarese, Saccolongo, Teolo, Veggiano, Rovolon

28.910

106,15

272

2.196

7,6%

DISTRETTO n° 5

37.184

55,57

669

3.709

10,0%

Abano T., Montegrotto T., Torreglia

37.184

55,57

669

3.709

10,0%

DISTRETTO n° 6

65.942

230,78

286

5.529

8,4%

Legnaro, Polverara, S. Angelo

18.891

38,73

488

1.293

6,8%

Arzergrande, Brugine, Correzzola, Codevigo,

Piove di Sacco, Pontelongo

47.051

192,05

245

4.236

9,0%

Totale ULSS 16

491.191

654,92

1.045

49.332

10,0%


 

 


 Figura 1 : Quota di popolazione di età ³ 75 anni nei comuni dell’azienda ULSS 16 di Padova

 

 

 

Al 31/12/2011 risultano attivi nell’azienda ULSS 16 di Padova 324 Medici di Medicina Generale e 55 Pediatri di Libera Scelta. I Medici di Medicina Generale, oltre alle forme associative classiche (Associazione, Rete, Gruppo) risultano anche organizzati in 14 forme associative funzionali, denominate Gruppi Territoriali Omogenei (GTO). Mediamente ogni GTO raccoglie 20 medici, da un minimo di 13 ad un massimo di 26. I medici presenti nei comuni della Saccisica non sono organizzati in GTO, in quanto tale organizzazione non risulta presente. Nella programmazione delle nuove forme associative funzionali (Aggregazioni Funzionali Territoriali) si è considerato, per lo sviluppo del piano per la riorganizzazione delle cure primarie, che nel contesto padovano i GTO già rappresentavano di fatto una prima esperienza di forma associativa di tipo funzionale, allineabile alle AFT, che teneva conto sia del bacino di utenza (popolazione di 25.000-30.000 abitanti) che delle caratteristiche del territorio (distrettualità, rispetto degli ambiti di scelta).

 

 Abbiamo analizzato una popolazione di 485.991 assistiti dell’ULSS 16 che presentavano un età media di 44,12 anni (deviazione standard 23,030) di cui 232.850 maschi (età media 42,4 anni) e 253.141 femmine (età media 45,7 anni). Le caratteristiche di questa popolazione corrispondono a quelle della popolazione generale, escludendo le età inferiori ai 17 anni.

 

Tabella 2 – Caratteristiche della struttura per età e sesso della popolazione di assistiti dell’Ulss 16,  al 31/12/2011

 

 

N

%

MEDIANA

MODA

ETÀ MEDIA

DEVIAZIONE STANDARD

CAMPO DI VARIAZIONE

RAPPORTO DI GENERE (M/F)

Totale Assistiti 

485.991

100,0

45

47

44,12

23,030

0-113

0,92

Maschi

232.850

47,9

43

46

42,44

22,397

0-111

 

Femmine

253.141

52,1

46

47

45,67

23,491

0-113

 

 

 


 











Figura 2 - Distribuzione degli assistiti per età e sesso

   

 

Abbiamo suddiviso gli assistiti in funzione della probabilità di alto costo totale individuando 1.458 pazienti che presentano una probabilità superiore all’80%, 3.888 pazienti con probabilità superiore al 60% e 8.749 pazienti con probabilità superiore al 40% (Tabella 3).

Tabella 3 – Probabilità di Alto Costo totale

Probabilità di Alto Costo totale

Numero Pazienti

Numero Pazienti Cumulati

Percentuale Pazienti (%)

Percentuale Cumulativa (%)

> 0,80

1.458

1.458

0,3

0,3

0,60 - 0,79

2.430

3.888

0,5

0,8

0,40 – 0,59

4.861

8.749

1,0

1,8

< 0,40

477.242

485.991

98,2

100,0

Totale

485.991

 

100,0

 

 

Abbiamo suddiviso gli assistiti in funzione della probabilità di ospedalizzazione futura individuando 592 pazienti con un rischio maggiore del 60% e 2.848 assistiti con un rischio maggiore del 40% (Tabella 4).

 

Tabella 4 – Probabilità di ospedalizzazione

Probabilità di ospedalizzazione

Numero Pazienti

Numero Pazienti Cumulati

Percentuale Pazienti (%)

Percentuale Cumulativa (%)

> 0,80

34

34

0,0

0,0

0,60 - 0,79

558

592

0,1

0,1

0,40 – 0,59

2.256

2.848

0,5

0,6

< 0,40

483.143

485.991

99,4

100,0

Totale

485.991

 

100,0

 

 

Riportiamo poi di seguito (Tabella 5) la suddivisione dei pazienti per le varie categorie ACG, sia in numero assoluto che in percentuale rispetto al totale degli assistiti. Il 40% degli assistiti (194.557) analizzati da ACG non presenta diagnosi, mentre altri 73.896 (15,2%) sono definiti come “non utilizzatori dei servizi sanitari”.

 

 

Tabella 5 – Distribuzione degli ACG più frequenti in Ulss 16


ACG

ACG DESCRIPTION

ULSS 16

Nr assistiti

% assistiti

5110

No Diagnosis or Only Unclassified Diagnosis (2 input files)

194.557

40,0

5200

Non-Users (2 input files)

73.896

15,2

4100

2-3 Other ADG Combinations, Age > 34

47.956

9,9

0900

Chronic Medical, Stable

38.107

7,8

0800

Chronic Medical, Unstable

19.921

4,1

0400

Acute Major

19.301

4,0

0300

Acute Minor, Age > 5

16.301

3,4

4430

4-5 Other ADG Combinations, Age > 44, 2+ Major ADGs

10.037

2,1

0500

Likely to Recur, w/o Allergies

6.504

1,3

1800

Acute Minor and Acute Major

5.099

1,0

4420

4-5 Other ADG Combinations, Age > 44, 1+ Major ADGs

4.088

0,8

5312

Infants: 0-5 ADGs, no Major ADGs, normal birth weight

3.376

0,7

1300

Psychosocial, w/o Psych Unstable

3.215

0,7

0700

Asthma

3.126

0,6

1712

Pregnancy: 0-1 ADGs, not delivered

2.662

0,5

1711

Pregnancy: 0-1 ADGs, delivered

2.583

0,5

2300

Acute Minor and Chronic Medical: Stable

2.431

0,5

4930

6-9 Other ADG Combinations, Age > 34, 3 Major ADGs

2.424

0,5

4940

6-9 Other ADG Combinations, Age > 34, 4+ Major ADGs

2.014

0,4

2800

Acute Minor and Likely to Recur

2.009

0,4

 

 

Figura 3 –Distribuzione ACG nelle due  ULSS

  

  

Tabella 6 – Distribuzione ADG in Ulss 16

 ADG


Descrizione ADG

Frequenza Assoluta

Frequenza

Relativa %

10

Chronic Medical: Stable

95.914

19,7

11

Chronic Medical: Unstable

60.780

12,5

22

Injuries/Adverse Effects: Major

26.175

5,4

21

Injuries/Adverse Effects: Minor

22.915

4,7

31

Prevention/Administrative

21.596

4,4

27

Signs/Symptoms: Uncertain

21.081

4,3

28

Signs/Symptoms: Major

18.998

3,9

32

Malignancy

16.869

3,5

03

Time Limited: Major

13.986

2,9

29

Discretionary

13.365

2,8

02

Time Limited: Minor-Primary Infections

12.725

2,6

04

Time Limited: Major-Primary Infections

12.548

2,6

07

Likely to Recur: Discrete

10.920

2,2

09

Likely to Recur: Progressive

9.915

2,0

24

Psychosocial:Recurrent or Persistent,Stable

9.823

2,0

01

Time Limited: Minor

8.815

1,8

25

Psychosocial:Recurrent or Persistent,Unstable

8.207

1,7

18

Chronic Specialty: Unstable-Eye

7.509

1,5

08

Likely to Recur: Discrete-Infections

7.119

1,5

06

Asthma

6.834

1,4

26

Signs/Symptoms: Minor

6.747

1,4

33

Pregnancy

5.140

1,1

12

Chronic Specialty: Stable-Orthopedic

3.883

0,8

30

See and Reassure

3.008

0,6

14

Chronic Specialty: Stable-Eye

2.361

0,5

20

Dermatologic

2.061

0,4

23

Psychosocial: Time Limited, Minor

1.746

0,4

05

Allergies

1.705

0,4

16

Chronic Specialty: Unstable-Orthopedic

1.490

0,3

34

Dental

1.037

0,2

13

Chronic Specialty: Stable-Ear,Nose,Throat

872

0,2

17

Chronic Specialty: Unstable-Ear,Nose,Throat

170

0,0

 


Tabella 7 – Frequenza delle Hospital Predictions Major Selected Conditions in Ulss 16

HOSPITAL PREDICTION

FOR SELECT MAJOR CONDITIONS

Frequenza

Assoluta

Costo Medio

Relativo

ALL CASES

485.991

1,00

High impact malignant neoplasms

11.625

6,27

Chronic renal failure

2.193

8,61

Complications of mechanical devices

2.001

4,44

Malignant neoplasms, colorectal

1.891

6,35

Rheumatoid arthritis

1.632

3,31

Inflammatory bowel disease

1.605

2,70

Disorders of the immune system

966

6,40

Multiple sclerosis

790

4,80

Malignant neoplasms, lymphomas

771

7,56

HIV, AIDS

671

6,10

Malignant neoplasms, lung

579

8,00

Type 1 diabetes, w/ complication

572

5,74

Quadriplegia and paraplegia

440

5,47

Aplastic anemia

432

12,33

Transplant status

380

10,93

Malignant neoplasms, liver and biliary tract

270

8,43

Malignant neoplasms, stomach

241

7,04

Malignant neoplasms, ovary

218

7,93

Malignant neoplasms, pancreas

138

11,18

Acute leukemia

105

13,48

Tracheostomy

93

6,74

Cerebral palsy

92

2,75

Cystic fibrosis

48

8,28

 

 

Nella Tabella 8 abbiamo utilizzato la funzione RUB e analizzato la sua distribuzione tra i vari distretti dell’ULSS 16. Questo ha evidenziato come mediamente il 15% dei pazienti (dal 14,0% nel Distretto 3 al 16,4% nel Distretto 1) ricada nella categoria 0 (“No or Only Invalid Dx”). Il 44 % degli assistiti sono classificati come Utilizzatori Sani (categoria 1 – “Healthy Users”).


Tabella 8 –Distribuzione Resource Utilization Band  (RUB,) per distretto Ulss 16

 RUB


Distretto 1

Distretto 2

Distretto 3

Distretto 4

Distretto 5

Distretto 6

TOTALE Ulss 16

%

%

%

%

%

%

%

0-Nessuna diagnosi

16,4

15,5

14,0

15,3

15,2

14,0

15,2

1-Utilizzatori sani

43,6

44,8

44,6

44,6

43,3

43,6

44,1

2-Basso

16,6

16,8

18,5

18,8

19,5

20,9

18,1

3-Moderato

18,3

18,0

17,9

17,1

18,0

18,0

17,9

4-Elevato

3,8

3,7

3,8

3,4

3,3

2,9

3,5

5-Molto Elevato

1,4

1,2

1,2

0,9

0,8

0,5

1,1

 

 

Infine abbiamo calcolato la distribuzione percentuale degli assistiti in funzione del numero di diagnosi che erano state loro attribuite. Non abbiamo riscontrato grande variabilità tra i vari distretti. Circa il 56% degli assistiti non presentava nessuna diagnosi e il 20% circa presentava una sola diagnosi. Mentre più del 24% degli assistiti presentavano almeno due diagnosi contemporaneamente.

 

Tabella 9 –Distribuzione dei pazienti secondo il numero di diagnosi, per distretto Ulss 16

 

Numero di diagnosi per paziente

Distretto 1

Distretto 2

Distretto 3

Distretto 4

Distretto 5

Distretto 6

TOTALE Ulss 16

%

%

%

%

%

%

%

0

56,4

56,8

54,9

55,8

53,9

53,5

55,5

1

18,6

18,7

20,0

20,5

21,5

22,6

19,9

2

9,4

9,4

9,7

9,8

10,1

11,0

9,8

3

4,9

4,9

5,0

4,9

5,2

5,3

5,0

4

3,0

2,8

2,9

2,7

2,8

2,8

2,9

5

2,0

1,9

1,9

1,7

1,9

1,6

1,9

6

1,3

1,3

1,4

1,2

1,2

1,0

1,2

7

1,0

0,9

1,0

0,8

0,9

0,7

0,9

8

0,8

0,7

0,7

0,6

0,6

0,4

0,6

9

0,6

0,5

0,5

0,4

0,4

0,3

0,5

10

0,4

0,4

0,4

0,3

0,4

0,2

0,4

11

0,3

0,3

0,3

0,2

0,3

0,2

0,3

12

0,3

0,3

0,2

0,2

0,2

0,1

0,2

13

0,2

0,2

0,2

0,1

0,1

0,1

0,2

14

0,2

0,1

0,1

0,1

0,1

0,0

0,1

>=15

0,7

0,7

0,7

0,5

0,4

0,2

0,6

 

 

 

Azienda ULSS 20

 

L’Azienda ULSS 20 di Verona assiste gli abitanti di 36 Comuni, per un totale di 475.635 persone  (popolazione residente riparto al 31/12/2011). Il Comune più popoloso è la città di Verona, ove risiede circa il 55% dell’intera popolazione dell’Azienda. Gli altri Comuni, più piccoli, si estendono in un territorio sia pianeggiante che montuoso.
L'estensione complessiva è di Kmq. 1.065,61. L'altitudine varia dai 1.118 metri sul livello del mare del Comune di Erbezzo ai 38 di Buttapietra. La maggior parte della popolazione risiede negli agglomerati urbani dei comuni costituenti l'ULSS. Di questi, oltre a Verona, solo San Bonifacio, Castel D'Azzano, Grezzana, San Martino Buon Albergo e San Giovanni Lupatoto superano la soglia dei 10.000 residenti. La densità della popolazione per kmq è pari a 445 abitanti (per la Provincia di Verona è pari a 295 abitanti e per la Regione Veneto pari a 268 abitanti).

Il territorio dell’Azienda è suddiviso in 4 Distretti Socio-sanitari che sono responsabili, ciascuno per i residenti di competenza, dell’erogazione dell’assistenza sanitaria e sociale (in parte) territoriale.

 

 

Figura 1. La mappa dell’Azienda ULSS 20

  

 

 

 


  

La popolazione dell’ULSS 20 riflette il generale trend demografico di progressivo aumento della popolazione anziana, nel 2012 infatti le persone di 65 anni e oltre raggiungono il 21,1% del totale, con una differenza tra i distretti: il distretto 4 risulta più giovane con una percentuale pari al 17,8% di ultra sessantacinquenni.

 

  

Figura 2. Popolazione residente per classi di età e sesso. Popolazione ULSS 20 al 31/12/2011

 

L’Azienda gestisce due ospedali, uno per acuti a San Bonifacio (distretto 4) ed uno per la post-acuzie e riabilitazione a Marzana (distretto 3). Sono presenti due centri ambulatoriali polifunzionali, un ospedale di comunità gestito dai Medici di Medicina Generale per i ricoveri brevi per i pazienti che esprimono bisogni intermedi tra l’assistenza ospedaliera e il domicilio, due unità per gli stati vegetativi permanenti, due Hospice per la terminalità e 2.383 posti di residenzialità extraospedaliera. Nel Comune di Verona è presente anche l’Azienda Ospedaliera Universitaria Integrata con la quale sono in corso progetti di collaborazione e integrazione, in primis la sperimentazione di nuove modalità di attuazione del percorso di dimissione protetta per gli utenti.
L’assistenza primaria è garantita da 310 Medici di Medicina Generale e 62 Pediatri di Libera Scelta che operano su tutto il territorio. Con il Piano Aziendale per lo sviluppo dell’Assistenza Primaria, l’Azienda ha definito le azioni che dovranno portare, entro il 31/12/2013, al superamento dell’attività del singolo Medico di Medicina Generale e dell’associazionismo attuale, per convergere verso un modello organizzativo basato sulle Aggregazioni Funzionali Territoriali (AFT).

 

Tabella 1. Distribuzione dei medici di AP nelle diverse forme associative per distretto: Anno 2012

 

N. medici singoli

N. medici in associazione

N. medici in rete

N. medici in Medicina di Gruppo Integrata

Totale

Assistiti

Distretto 1

18

34

-

33

85

111.586

Distretto 2

8

11

-

49

68

91.788

Distretto 3

21

8

4

46

79

102.395

Distretto 4

31

30

8

9

78

106.545

Totale

78

83

12

137

310

412.314

                                                Fonte: Allegato n. 1 Delibera n. 90 del 29/02/2012

In questo panorama, che riflette in pieno l’aumento del numero di pazienti multiproblematici che esprimono bisogni di salute e sociali estremamente impegnativi e diversificati, la risposta dei servizi sanitari e di quelli territoriali deve modularsi ed essere flessibile. Verso questa direzione risulta di notevole supporto il sistema ACG per meglio comprendere lo stato di salute della popolazione dei propri assistiti. In questo anno di sperimentazione l’ULSS 20 ha contribuito ad un continuo processo di affinazione dei criteri di selezione delle fonti informative, di costruzione degli archivi e di utilizzo del sistema ACG utile al management dell’Azienda. Si presentano di seguito soltanto alcuni dei molteplici utilizzi di ACG all’interno di un’Azienda ULSS.
Come primo passo nell’analisi dei dati tramite il software ACG si è proceduto al confronto, in termini di consumo di risorse sanitarie, tra la popolazione veronese e un campione rappresentativo di tutta la popolazione americana. Il Case-Mix vs Reference Data è una misura utile per confrontare il case-mix della popolazione veronese in esame con quello della popolazione americana di riferimento; in genere, valori superiori a 1,0 indicano una maggiore complessità rispetto alla popolazione di riferimento, mentre valori inferiori a 1,0 indicano una popolazione osservata più sana. Il valore complessivo del Reference Case-Mix risulta pari a 0,37 e sembra indicare apparentemente uno stato di salute migliore rispetto allo standard americano. In realtà il valore è influenzato dal grado di copertura delle informazioni raccolte: i singoli codici ACG infatti vengono assegnati alle persone in base alle diagnosi rilevate e nel nostro sistema di raccolta dati, al momento, non sono disponibili diagnosi per tutte le patologie esistenti.
Se si analizza infatti la distribuzione di frequenza dei codici ACG nella popolazione dell’ULSS 20 si nota come il 42,4% non abbia alcuna diagnosi di patologia, pur facendo registrare un consumo di risorse sanitarie. Si tratta quindi di persone venute in contatto con il sistema sanitario nazionale, ma per le quali al momento non è possibile approfondirne la motivazione.
Diverso invece è il caso del 18,5% della popolazione definito come “non utilizzatore”, in quanto gode di un buono stato di salute e per questo non registra né diagnosi di patologia né alcun consumo di risorse sanitarie nel 2011.
 
La tabella successiva presenta i primi 15 codici ACG più frequenti, la prevalenza, il peso medio, il costo medio totale e il costo medio solo dei farmaci. I pesi ACG rappresentano una valutazione dell’utilizzo relativo di risorse per ACG e sono calcolati come il rapporto tra la media dei costi di tutti i pazienti di una categoria ACG e la media dei costi di tutti i pazienti della popolazione. E’ interessante notare che gli ACG con pesi medi più elevati si riferiscono alla compresenza di più patologie.

 

Tabella 2. ACG più frequenti (primi 15 – solo soggetti con diagnosi rilevate) - Azienda ULSS 20


ACG

N

Prevalenza per 1.000

Peso ACG locale

Costo totale medio

5°-95° percentile costo totale

Costo farmaci medio

5°-95° percentile costo farmaci

2-3 Other ADG Combinations, Age > 34

44.763

93,9

2,84

2.683,50

(144 - 10217)

793,60

(6 - 2095)

Chronic Medical, Stable

43.476

91,2

0,74

702,49

(40 - 2105)

351,48

(0 - 1065)

Chronic Medical, Unstable

19.644

41,2

1,79

1.692,10

(39 - 7275)

724,96

(0 - 1820)

4-5 Other ADG Combinations, Age > 44, 2+ Major ADGs

9.137

19,2

6,31

5.972,79

(283 - 21227)

1.186,35

(0 - 3188)

Acute Major

8.640

18,1

1,51

1.431,09

(26 - 4528)

110,42

(0 - 468)

Acute Minor, Age > 5

5.595

11,7

0,80

756,15

(34 - 2979)

49,25

(0 - 214)

Likely to Recur, w/o Allergies

5.008

10,5

1,87

1.770,16

(54 - 3964)

138,18

(0 - 482)

Asthma

3.792

8,0

0,55

519,14

(0 - 1640)

296,46

(0 - 1020)

4-5 Other ADG Combinations, Age > 44, 1+ Major ADGs

3.456

7,3

5,00

4.729,93

(249 - 16665)

1.025,63

(14 - 2509)

Infants: 0-5 ADGs, no Major ADGs, normal birth weight

3.446

7,2

0,85

807,43

(454 - 2207)

7,76

(0 - 38)

Pregnancy: 0-1 ADGs, not delivered

3.367

7,1

0,57

535,22

(57 - 1682)

56,76

(0 - 182)

Pregnancy: 0-1 ADGs, delivered

3.068

6,4

1,91

1.802,88

(1020 - 3251)

27,96

(0 - 99)

Psychosocial, w/o Psych Unstable

2.728

5,7

0,59

560,31

(9 - 1936)

149,58

(0 - 605)

6-9 Other ADG Combinations, Age > 34, 3 Major ADGs

2.242

4,7

9,85

9.317,14

(454 - 30825)

1.369,01

(0 - 4130)

Chronic Specialty, Unstable

2.051

4,3

1,27

1.197,20

(28 - 4257)

292,51

(0 - 901)

 
Si è poi passati ad analizzare gli output dell’applicativo ACG confrontando il consumo di risorse tra i 4 distretti territoriali presenti in ULSS 20. Si sottolinea il fatto che si tratta di spese parziali e si rimanda alla sezione relativa alle fonti dei dati prese in considerazione in questa sperimentazione per il dettaglio. Per ogni assistito si è considerato il distretto del medico di medicina generale quando presente, altrimenti il distretto di residenza.
Le fasce di utilizzo delle risorse (RUB – Resource Utilization Bands) derivano dalla combinazione delle categorie ACG mutuamente esclusive e misurano il carico di morbilità complessivo. Si fa notare come solo il 4,4% del totale della popolazione si trovi nelle categorie di consumo “Elevato” e “Molto elevato” ma questa quota è responsabile del 29,4% dei costi totali.

 

 

Tabella 3. Popolazione e costi per RUB e Distretto - Azienda ULSS 20 Verona


Distretto

Fascia di utilizzo delle risorse (RUB-Resource Utilization Bands)

Totale

Nessun contatto con il SSR

Contatto con il SSR senza diagnosi

Basso

Moderato

Elevato

Molto elevato

20-1

% popolazione

19,9

44,3

14,6

17,2

3,1

0,8

100,0

% costi totali

0,0

12,1

15,3

45,1

17,8

9,7

100,0

20-2

% popolazione

18,9

45,1

15,9

16,2

3,1

0,8

100,0

% costi totali

0,0

11,2

15,9

44,7

18,1

10,1

100,0

20-3

% popolazione

18,1

46,9

14,3

16,7

3,2

0,8

100,0

% costi totali

0,0

12,6

15,1

44,4

17,6

10,3

100,0

20-4

% popolazione

17,2

41,1

19,1

17,2

3,9

1,4

100,0

% costi totali

0,0

9,8

15,2

40,5

19,2

15,3

100,0

20-99

% popolazione

13,4

49,8

14,6

17,7

3,6

1,0

100,0

% costi totali

0,0

10,6

11,0

41,8

26,8

9,8

100,0

Totale

% popolazione

18,5

44,3

16,0

16,9

3,4

1,0

100,0

% costi totali

0,0

11,5

15,4

43,7

18,2

11,2

100,0

 

 

ACG fornisce anche indicatori utili per valutare l’appropriatezza e l’efficienza nel consumo di risorse fornendo misure aggiustate per le categorie ACG.
Il rapporto tra i costi osservati e i costi medi attesi (ultima colonna della Tabella 4) rappresenta il costo relativo dei singoli distretti. Se si osserva il costo relativo, senza alcun tipo di aggiustamento, il distretto 4 sembra essere il più virtuoso (rapporto=0,91), in quanto registra una spesa inferiore a quella media attesa; i distretti 1 e 2 sembrano consumare rispettivamente un 6% e 2% di risorse in più di quelle attese e il distretto 3 risulta quasi in linea con la media generale. In questo modo però non è possibile sapere se spese maggiori (o inferiori) sono dovute ad un maggiore (o inferiore) carico assistenziale della popolazione piuttosto che ad una gestione inefficiente (o efficiente) delle risorse. Per tenere sotto controllo questo aspetto, ACG permette di calcolare le spese attese aggiustate per le categorie ACG, cioè tenendo in considerazione la complessità dello stato di salute della popolazione nei diversi distretti, in modo da rendere le popolazioni confrontabili. Questo indicatore si prefigge quindi di misurare il livello di efficienza dei singoli distretti. Osservando il rapporto tra i costi osservati e i costi attesi ACG (ultima colonna Tabella 5) si può notare come il distretto 4 risulti ancora più efficiente (rapporto=0,78) e gli altri tre distretti vedano aumentare il divario tra i costi effettivamente sostenuti e quelli attesi.

 

Tabella 4. Indicatori senza alcun aggiustamento


Distretto

N° Assistiti

Totale costi osservati

Media generale dei costi

Costi medi attesi

Costi osservati/costi medi attesi

20-1

129.583

     129.589.934,44

               946,22

       122.614.256,31

1,06

20-2

103.124

       99.673.094,69

               946,22

         97.578.174,36

1,02

20-3

116.902

     111.415.691,28

               946,22

       110.615.217,98

1,01

20-4

124.539

     106.967.256,35

               946,22

       117.841.513,67

0,91

20-99

2.463

         3.333.729,80

               946,22

           2.330.544,23

1,43

 

 

Tabella 5. Indicatori di performance con aggiustamento ACG

 

Distretto

N° Assistiti

Totale costi osservati

Costi attesi aggiustati per ACG

Costi attesi ACG/costi medi attesi

Costi osservati/costi attesi ACG

20-1

129.583

     129.589.934,44

 € 116.750.018,05

0,95

1,11

20-2

103.124

       99.673.094,69

    90.823.678,12

0,93

1,10

20-3

116.902

     111.415.691,28

 € 103.978.590,55

0,94

1,07

20-4

124.539

     106.967.256,35

 € 137.007.295,07

1,16

0,78

20-99

2.463

         3.333.729,80

      2.420.124,77

1,04

1,38

 
Il rapporto tra i costi attesi ACG e i costi medi attesi, che rappresenta il livello generale di complessità della popolazione assistita dai singoli distretti, sembra confermare la presenza di una popolazione “più malata” nel distretto 4.
Si è quindi proceduto ad approfondire questa valutazione andando a verificare eventuali differenze nella registrazione dei dati tra i vari distretti. La percentuale di pazienti senza alcuna diagnosi registrata evidenzia come ci sia maggiore disponibilità di diagnosi, e quindi maggiore precisione nell’assegnazione dei codici ACG, nel distretto 4 rispetto agli altri.

 

  

Tabella 6. Distribuzione pazienti senza alcuna diagnosi per Distretto

 

 

Distretto

 

20-1

20-2

20-3

20-4

totale

% pazienti senza alcuna diagnosi

63,8

63,7

64,2

54,3

61,4

 
Questo è spiegabile soprattutto a causa di differenti modalità di inserimento delle diagnosi nel flusso del pronto soccorso. Nel distretto 4 infatti è presente il pronto soccorso gestito dall’ULSS 20 mentre gli altri tre distretti fanno generalmente riferimento al pronto soccorso dell’Azienda Ospedaliera che produce un flusso proprio. Si è quindi provato ad eliminare le diagnosi del pronto soccorso dall’archivio in analisi  e a ricalcolare gli indicatori di performance. Il risultato di tale operazione è presentato nella tabella successiva.

 

Tabella 7. Indicatori di performance con aggiustamento ACG senza le diagnosi del Pronto Soccorso


Distretto

N° Assistiti

Totale costi osservati

Costi attesi aggiustati per ACG

Costi attesi ACG/costi medi attesi

Costi osservati/costi attesi ACG

20-1

129583

     129.589.934,44

 € 123.372.284,50

1,01

1,05

20-2

103124

       99.673.094,69

    95.866.692,50

0,98

1,04

20-3

116902

     111.415.691,28

 € 108.433.356,86

0,98

1,03

20-4

124539

     106.967.256,35

 € 120.767.773,60

1,02

0,89

20-99

2463

         3.333.729,80

      2.539.599,09

1,09

1,31

 

 

L’indicatore Costi attesi ACG/costi medi attesi mostra un livello generale di morbilità simile tra i quattro distretti, evidenziando solo lievi differenze nello stato di salute della popolazione. In particolare il distretto 4 passa da un valore pari a 1,16 (indicante una complessità maggiore della popolazione) ad un valore pari a 1,02 escludendo il Pronto Soccorso. L’indicatore di efficienza (ultima colonna della tabella 7) riduce le differenze tra i distretti ma evidenzia sempre il distretto 4 come il più efficiente.
Da quanto emerso si sottolinea l’importanza della qualità e completezza dei dati raccolti relativi alle diagnosi per poter giungere a conclusioni corrette.

E’ possibile scendere maggiormente nel dettaglio e calcolare questi indicatori di performance a livello di singolo Medico di Medicina Generale. Aggiustare per ACG permette infatti di valutare in maniera più appropriata i costi per paziente dei Medici di Medicina Generale, tenendo conto anche del carico assistenziale degli assistiti. La tabella successiva evidenzia come per alcuni medici una valutazione “negativa” (valori O/E >1) con l’aggiustamento solo per età e sesso, in termini di spesa sostenuta, possa invece diventare “positiva” (valori O/E <1)  aggiustando per ACG.

 

Tabella 8. Indicatori di efficienza con o senza aggiustamento per ACG

 

MMG

N° assistiti

Rapporto osservato/atteso per età e sesso

Rapporto osservato/atteso per categorie ACG

1

1582

1,21

1,13

2

1530

1,19

0,73

3

1488

1,27

0,96

 

 

E’ poi possibile analizzare gli EDC (Expanded Diagnosis Cluster), ovvero i gruppi diagnostici allargati, per  livello di utilizzazione risorse assegnato al paziente (RUB - Resources Utilization Band), dove RUB=1 indica utilizzatori sani e RUB=5 utilizzatori ad alto impatto di spesa. Nella tabella successiva vengono presentati sei raggruppamenti diagnostici a medio-alto impatto.

 

 

Tabella 9. Distribuzione EDC per RUB

 

EDC Code

EDC Description

Total Cases

RUB 1 % Dist

RUB 2

% Dist

RUB 3

% Dist

RUB 4

% Dist

RUB 5

% Dist

CAR03

Ischemic heart disease (excluding acute myocardial infarction)

12862

0,0

0,0

66,9

21,9

11,1

CAR09

Cardiac arrhythmia

12971

0,0

0,7

67,0

20,5

11,8

CAR14

Hypertension, w/o major complications

59326

0,0

48,4

38,8

8,9

4,0

CAR15

Hypertension, with major complications

28163

0,0

0,0

72,5

17,9

9,5

END06

Type 2 diabetes, w/o complication

15909

0,0

45,1

42,5

9,4

3,0

MAL03

High impact malignant neoplasms

10701

0,0

0,2

74,9

16,9

8,0

 

 

Sono stati poi confrontati gli SMR (Standardized Morbidity Ratios, calcolati come numero di casi osservati rapportati al numero di casi attesi aggiustati per età e sesso) dei quattro distretti dell’ULSS 20 per i Major Rx-MG (Rx_Defined Morbidity Groups), raggruppamenti di farmaci simili in termini di morbilità, durata, stabilità e obiettivi terapeutici. I Distretti 2 e 4 sembrano registrare una prevalenza maggiore di persone con un consumo di farmaci statisticamente significativo, rispetto al Distretto 1 e 3. 
 
Tabella 10. Distribuzione diagnosi farmaco-correlate per distretto

 



Distretto



20-1

20-2

20-3

20-4

Major Rx-MG

Major Rx-MG Name

N

SMR

N

SMR

N

SMR

N

SMR

ALL

Allergy/Immunology

13103

0,90

11286

1,00

13320

1,04

14079

1,06

CAR

Cardiovascular

36096

0,95

27685

1,01

31696

0,99

32988

1,07

EAR

Ears, Nose, Throat

247

1,19

177

1,23

157

0,93

90

0,58

END

Endocrine

18480

1,01

14030

1,06

14733

0,96

14202

0,97

EYE

Eye

2528

1,00

1860

1,05

2041

0,98

1934

0,99

FRE

Female Reproductive

1478

0,82

1411

0,97

1537

0,95

2157

1,24

GAS

Gastrointestinal/Hepatic

23590

0,97

17863

1,01

20194

0,98

20922

1,04

GSI

General Signs and Symptoms

17559

0,92

13976

1,00

16416

1,02

17024

1,08

GUR

Genito-Urinary

3723

1,02

2692

1,03

3176

1,01

2766

0,93

HEM

Hematologic

387

0,89

324

0,99

337

0,89

473

1,23

INF

Infections

41818

0,89

36230

0,98

42334

1,01

49974

1,12

MAL

Malignancies

1910

0,99

1490

1,08

1581

0,98

1493

0,97

MUS

Musculoskeletal

2289

0,79

2179

1,06

2042

0,84

3195

1,38

NUR

Neurologic

4239

1,01

2911

0,94

3724

1,04

3505

0,98

PSY

Psychosocial

8385

0,99

6577

1,07

7326

1,03

6291

0,91

RES

Respiratory

11737

0,91

9487

0,92

11530

0,99

14647

1,16

SKN

Skin

1349

0,85

1205

1,00

1388

1,00

1658

1,17

TOX

Toxic Effects/Adverse Effects

9

0,69

12

1,25

9

0,81

15

1,38

ZZZ

Other and Non-Specific Medications

7795

0,95

5926

0,99

6801

0,99

7264

1,08

                                      Nota: in verde sono evidenziati i valori statisticamente significativi minori di 1, mentre in rosso i valori significativamente superiori a 1

 

Infine il sistema ACG può rivelarsi molto utile per le Aziende anche per l’attenzione a patologie croniche che sono oggetto di discussione con i Medici di Assistenza Primaria, per esempio per la stesura dei Patti Aziendali. L’Ulss 20 infatti ha attualmente in corso progetti per la ricerca, innovazione e Health Technology Assessment (PRITHA) per individuare modalità innovative da proporre come percorso formativo e di presa in carico di pazienti affetti da patologie croniche, come la BPCO e il diabete. ACG è in grado di individuare agevolmente pazienti affetti da alcune patologie, tramite la creazione di un flag utile nel condurre analisi epidemiologiche e di approfondimento. Le condizioni patologiche sono desunte dalle diagnosi, dai farmaci assunti o da entrambe le fonti informative. Per esempio il flag relativo alla presenza di diabete viene alimentato dalla presenza delle condizioni presenti in tabella.

Tabella 11. Criteri utilizzati per l’individuazione di paziente con diabete

EDC - Enhanced Diagnostic Clusters

Pharmacy Criteria

END06-Type 2 diabetes, w/o complication

Meglitinides

END07-Type 2 diabetes, w/ complication

Non-sulfonylureas

END08-Type 1 diabetes, w/o complication

Sulfonylureas

END09-Type 1 diabetes, w/ complication

Thiazolidinediones

 

Other antihyperglycemic agents

 

Long and short-acting Insulin


Grazie a questo marker è possibile analizzare la popolazione diabetica nel dettaglio, per esempio osservando la distribuzione della prevalenza per classi di età.


Figura 3. Prevalenza diabete per classi di età

Confrontando le fonti informative che hanno portato all’individuazione dei pazienti diabetici è possibile notare come nel 11% dei casi il marker derivi solo dall’utilizzo di farmaci. Questo sottolinea l’importanza di considerare entrambe le fonti, diagnosi e farmaci.

Figura 4. Diabete: fonte informativa

 

Il diabete si associa spesso anche ad altre condizioni morbose, soprattutto con l’avanzare dell’età, e la distribuzione dei principali ACG ne fornisce la conferma. Da qui si capisce l’importanza di studiare il diabete nella sua complessità, tenendo in considerazione l’insieme di comorbilità presenti

Figura 5. Diabete: principali ACG


E’ interessante approfondire anche quanto pesano le persone affette da diabete in termini di consumo relativo di risorse. La distribuzione per classi di età del peso medio ACG delle persone con diabete evidenzia un aumento del peso con l’avanzare dell’età, anche per la presenza di comorbilità associate all’età. Il rapporto tra il peso medio delle persone con diabete e il peso medio totale per età ha una tendenza opposta: il diabete nei giovani ha un impatto maggiore tra i giovani rispetto al diabete negli anziani tra gli anziani.

 

Figura 6. Diabete: peso medio ACG per classi di età  

 

 
Figura 7. Rapporto peso medio diabete/peso medio totale per età