Nuovi Metodi Procedurali e Statistici per l Analisi Epidemiologica Tumorale, mediante l utilizzo di Database Amministrativi: VCO

Transcript

1 Nuovi Metodi Procedurali e Statistici per l Analisi Epidemiologica Tumorale, mediante l utilizzo di Database Amministrativi: VCO G. Barigelletti 2, P.Contiero 1, G. Tagliabue 1 1 Istituto Nazionale per lo Studio e la Cura dei Tumori di Milano, Divisione Registro Tumori 2 Struttura Ospedaliera Complessa di Oncologia Medica ASL VCO Registro Tumori VCO SOMMARIO: Oggetto: Il metodo proposto, permette di produrre stime di tassi epidemiologici e altri indicatori, in tempi relativamente rapidi, mediante l utilizzo di un numero minimale di fonti di dati e di ridotte risorse umane e tecniche. Lo studio descrive il procedimento di estrapolazione dell incidenza tumorale nella provincia di Verbania - Piemonte - Italy (al seguito: V.C.O. Verbano-Cusio-Ossola) negli anni , da database (db) amministrativo. Metodi. La fonte informativa utilizzata sono le Schede di Dimissione Ospedaliera (S.D.O.), un database amministrativo sanitario riportante anche indicazioni di carattere clinico (patologia e procedura). I dati ricavati sono stati successivamente elaborati con procedure statistiche per arrivare a produrre le stime di incidenza. Risultati. Previa standardizzazione, i risultati sono stati confrontati con i valori di riferimento dei territori confinanti, dando indicazione di appropriatezza. La sensibilità del metodo è stata calcolata pari al 87,40%. Conclusioni. Il metodo presentato, quindi, consente mediante l utilizzo di un database amministrativo, le S.D.O. e con tempi ridotti di ottenere risultati utili all analisi epidemiologica in tempo reale. KeyWorld: Algoritmo, Registro Tumori, Incidenza, SDO, Tassi, VCO. INTRODUZIONE La crescente richiesta di tassi epidemiologici da prodursi in tempi rapidi, soprattutto in ambito oncologico, non sempre si coniuga con le modalità operative dei registri di patologia e in partico-lare dei Registri Tumori (RT), finalizzate alla produzione di indicatori stabilizzati. Un registro tumori in attività da alcuni anni, pro-pone i tassi quali Incidenza, Sopravvivenza, Mortalità, postdatati di alcuni anni. Attualmente (fi-ne 2011), la maggior parte dei R.T. pubblica i va-lori relativi ad anni compresi fra il 2006 e il Questo divario, che mediamente ha un valore di 5 anni è dovuto alla necessità di effettuare verifiche su fonti fuori sede o su dati di mortalità, prima di dichiarare la completezza dei valori. Sebbene questo modo operativo, sia sinonimo di alta qualità del lavoro, nella maggior parte dei casi, non permette di avere risultati in tempo reale. 1 Soprattutto in ambito oncologico, con le continue innovazioni terapeutiche e il trend di patologia in costante aumento, vi è richiesta di un continuo e immediato controllo della situazione, sia per il monitoraggio dell efficacia terapeutica che per la valutazione dell importanza del fenomeno onco-logico, al fine di migliorare l impiego delle risorse economiche e gestionali. In altre realtà, come quella del VCO la situazione si presenta ancor più complessa. Al momento dell avvio dello studio non era operativo alcun registro di patologia tumorale, ovvero non era disponibile alcun indicatore (tasso) di riferimento, si disponeva una sola sorgente di dati e le risorse umane e tecniche erano limitate (1 operatore + 1 PC). Si poneva, quindi, il problema di produrre delle stime quanto più possibile attendibili, utilizzando l unico set di dati disponibili: le S.D.O. Per superare queste difficoltà, si è pensato di implementare un metodo che, attraverso l utilizzo degli strumenti software disponibili (Gestionale ORACLE e EpiLink[1]), dei sistemi di analisi automatica (Open Registry[2+3+4]) appropriatamente riprogrammati e di adeguate procedure di analisi statistica, permettessero di produrre in un arco temporale limitato e con risorse minimali, le sti-me desiderate. La sperimentazione si è svolta attraverso la produzione dei valori di incidenza tumorale nel VCO per gli anni dal 2005 al 2009, rappresentati al seguito, come media dei valori negli anni dal 2005 al La procedura si propone come innovativa rispetto ai metodi tradizionali, sia per la gestione di un unico set di dati, che per la velocità di realizzazione con impiego minimale di risorse, utilizzando e rimodulando per la necessità strumenti software esistenti e generalizzabili per essere usati in ogni situazione simile.

2 METODI e PROCEDURE Per la produzione degli indicatori di questo studio sono state utilizzate come unica fonte di dati, fra quelle normalmente utilizzate da un registro tumori, le SDO. Le SDO, pur essendo sostanzialmente un database nato per esigenze amministrative, contengono alcune informazioni di carattere clinico, utili a produrre indicazioni di tipo epidemiologico. Sono presenti: 6 campi per la/le patologia/e di ricovero 1 patologia primaria e 5 secondarie ICD9-CM 6 campi per il/gli intervento/i e/o atti diagnostico/i ICD9-CM tipologia di ricovero (ordinario DH) reparto di ammissione e dimissione etc. L utilizzo di questo database, presenta alcuni problemi: 1. errori e/o carenze nella codifica delle patologie e degli interventi. Purtroppo capita che si trovino informazioni erronee e/o campi vuoti ad esempio per il primo campo diagnosi! 2. Mancanza di record. Se per la tipologia di intervento effettuato non è richiesto il ricovero o il DH, l intervento stesso non sarà archiviato nel db. 3. duplicazioni ed errori nei dati anagrafici. Per il primo punto, non è possibile intervenire a posteriori, se non applicando correzioni statistiche. Si dovrebbe agire a priori, lavorando sulla sensibilizzazione e formazione dei responsabili alla compilazione. Per il secondo è necessario procede con la correzione statistica, mentre per il terzo è indispensabile verificare e risolvere la presenza di duplicazioni e di errori di anagrafica, prima di procedere all elaborazione dei dati ed in particolare all operazione di record linkage. In questa ricerca, a supporto SDO, è stato utilizzato il software OK-DH adottato per la gestione ambulatoriale pazienti oncologici. L utilizzo del programma si è reso indispensabile per la risoluzione dei casi Incidenti Non Concordanti e per creare dei record certificati sui quali testare la stima statistica, non essendo disponibili tassi di riferimento precedenti. Dopo aver raccolto e preparato le fonti (SDO, Anagrafica Assistiti), verificando accuratamente la presenza di anomalie e/o duplicazioni, sono stati estrapolati i casi di interesse, che in questo studio sono rappresentati dai casi di tumore (ICD9-CM da 140.x a 208.x) insorti negli anni dal 2005 al Il passo successivo consiste nell effettuare il Record Linkage. Il software utilizzato per questa procedura è Epi- Link di INT Milano. Per l utilizzo del programma e le sue peculiarità, si rimanda a The EpiLink Record Linkage Software. [1] Successivamente i dati, correttamente linkati all appropriata anagrafica, sono stati analizzati dal software Open Registry [2+3+4] per la determinazione automatica dei casi. Per questa elaborazione, gli algoritmi del software sono stati modificati al fine dei consentire la risoluzione automatica di un maggior numero di casi, pur al prezzo di una minore precisione. Il software analizza i casi e propone come risultato tre tabelle: TUMORE (descrive le caratteristiche del tumore e il numero progressivo nel caso di più tumori per ciascuna persona), PERSONA (contiene i dati anagrafici della persona interessata), INCIDENZA (tabella di supporto con indicazione dello stato operativo del tumore). I casi vengono classificati come: PC - casi Prevalenti Concordanti PNI - casi Prevalenti Non Conc. Interni PNE - casi Prevalenti Non Conc. Esterni IC - Incidenti Concordanti IN - Incidenti Non concordanti IU - Incidenti Unici Dove: Prevalenti - casi che si manifestano prima dell intervallo temporale di calcolo dell incidenza Incidenti - casi manifestatisi nell intervallo Concordanti - casi con presenza di più record concordanti per diagnosi tumorale principale 2

3 Non concordanti uno o più record non concorda con gli altri Unici casi con un solo record relativo alla diagnosi tumorale principale Nella nostra elaborazione, i casi Prevalenti (Pxx), sono stati risolti automaticamente dall algoritmo modificato, che li esclude dall incidenza, mentre i casi IC sono stati assegnati all appropriato codice ICD9-CM. Per i casi incidenti IN si è resa necessaria l elaborazione manuale. I casi IN trattati manualmente durante questo studio, sono stati circa Per circa 1000, la risoluzione e stata effettuata mediante l utilizzo delle informazioni contenute nel gestionale OK-DH in uso presso il reparto ambulatoriale di Oncologia Medica dell ASL VCO. Circa 200 casi hanno richiesto l acceso alla cartella clinica, mentre per i rimanenti si è proceduto con la semplice disamina delle SDO presenti. I casi IU vengono ulteriormente classificati in casi P1 e casi P2, con diversa percentuale di utilizzo come indicato nella tabella 1. La fase seguente è rappresentata dall interpretazione statistica. Nel caso in analisi, non essendo presenti precedenti riferimenti, è occorso utilizzare i dati del registro tumori di Varese anno Le registrazioni relative all incidenza calcolate e completate con le procedure convenzionali, sono state confrontate con i valori ricavati dall elaborazione delle sole SDO con l utilizzo dell algoritmo modificato del software Open Registry. Come evidenziato nella tabella 1, per ogni tipologia di caso è stata identificata una percentuale di utilizzo. Nell esempio, per i casi IC la validità è del 100%, cosi come per i casi IN, che sono stati trattati manualmente, mentre per i P1 si è considerata una validità del 92% e per i P2 del 67%. A seguire è necessario calcolare i casi persi (incompletezza delle SDO) e la relativa percentuale di maggiorazione. In questo caso la percentuale è pari al 7,7%. Il risultato di questa procedura e la seguente formula interpretativa del numero dei casi catturati, applicabile ad ogni ICD di raggruppamento: CCCC eeeeeeeee = CCCC (nnnn) + (CCCC P1 0,92) + (CCCC P2 0,67) 1,077 Tabella 1 - Rappresentazione dei criteri di assegnazione e relativi coefficienti di calcolo I casi di tumore IU, in cui sia presente un ulteriore riscontro vengono assegnati al gruppo P1, mentre tutti i casi in cui non ci sia alcun ulteriore riscontro, vengono assegnati al gruppo P2. Per tutti gli altri casi (IC e IN), l assegnazione è null. Dove: CCCC (nnnn) sono i casi ritenuti validi al 100% CCCC P1 sono i casi la cui validità è pari al 96% CCCC P2 sono i casi la cui validità è pari al 67% Il coefficiente 1,077 è la maggiorazione per i casi persi. Durante tutta la elaborazione sono stati eseguiti dei controlli fra i campioni di dati elaborati a mano (casi IN) e i relativi casi elaborati in automatico, al fine di evidenziare la congruità del lavoro eseguito. 3

4 Incidence - MALE 2005>2009 Incidence - FEMALE 2005>2009 SITE ICD9 ICD10 Cases N Cases Corr. Crude World EU ITA Mean age at diagn. Cases N Cases Corr. Crude World EU ITA Mean age at diagn. Lip, Oral Cavity & Pharynx 140> C00+C ,4 14,1 19,7 24, ,0 5,4 7,0 9,6 65 Esophagus 150* C ,4 4,1 6,2 7, ,6 1,3 1,8 2,3 66 Stomach 151* C ,3 12,2 19,1 25, ,3 6,5 9,8 17,0 74 Small Intestine 152* C ,9 1,1 1,5 1, ,0 0,4 0,7 1,5 80 Colon 153* C ,9 27,7 42,2 55, ,0 15,9 23,3 38, C18+C ,1 28,0 42,7 55, ,8 16,3 23,8 39,5 73 Rectum + Anus 154 C19+C20+C ,7 16,2 24,4 31, ,4 9,0 13,1 20,1 71 Liver + Gallbladder + Bile Ducts C22+C23+C ,1 19,9 30,1 38, ,2 7,5 11,7 21,5 75 Pancreas 157 C ,9 9,5 14,3 18, ,0 7,2 10,8 18,5 75 Ill-defined and metastasis 165,195, 196,197,198,199 C39+C76+C77+C78+C79+C ,7 7,8 12,4 16, ,4 6,5 9,2 15,5 72 Sarcomas 158, 164,170,171,176 C48+C37+C38+C40+C41+C49+C ,4 7,1 8,4 9, ,9 4,2 5,2 7,0 60 Larynx 161 C ,1 6,8 9,7 12, ,6 0,5 0,8 1,2 74 Lung, Bronchus, Trachea 162 C33+C ,7 43,1 65,6 87, ,8 13,6 19,7 29,5 70 Mesotheliomas 163 C ,6 3,6 5,3 6, ,4 1,2 1,8 2,8 75 Skin Melanoma 172 C ,8 6,9 9,0 10, ,3 5,0 6,4 7,6 58 Skin not Melanoma 173 C ,0 22,6 34,4 45, ,1 15,4 22,0 35,8 72 Female Breast 174 C ,5 82,9 112,3 144,9 64 Male Breast 175 C ,7 0,9 1,2 1, Female Reproductive System 179>184 C51>C ,5 27,4 37,8 49,9 65 Prostate 185 C ,3 62,1 91,3 119, Male Reproductive System C60+C62+C ,4 5,6 6,2 6, Bladder 188 C ,8 32,4 50,2 66, ,8 7,5 11,3 18,8 72 Kidney 189 C64+C65+C66+C ,9 11,8 17,1 21, ,2 3,4 5,0 8,4 72 Eye & Brain C69+C70+C71+C ,2 10,6 13,4 15, ,8 9,2 10,4 12,4 61 Thyroid & other Glands C73+C74+C ,8 3,0 3,4 3, ,0 8,3 10,5 11,9 54 Non Hodgkin s Lymphoma C82+C83+C84+C85+C ,7 13,4 18,0 22, ,0 7,4 10,5 15,5 69 Hodgkin Disease 201 C ,8 5,9 6,5 6, ,9 2,7 2,9 3,0 46 Myeloma 203 C88+C ,3 4,2 6,1 8, ,2 2,5 3,7 6,5 73 Leukemia 204>208 C91>C ,0 8,4 12,5 16, ,7 6,6 8,2 11,6 69 Tot Tot. No melanotic skin Tabella 2 -Rappresentazione dei risultati. La colonna Cases visualizza i casi rilevati, la colonna N Cases Corr. evidenzia i casi considerati dopo la correzione statistica, da cui si sono ricavati gli indicatori. Una particolare procedura si è resa necessaria per il calcolo del range dei valori (intervallo di probabilità). Non essendo disponibile una variabilità di stato su cui operare, si è optato per considerare la variabilità temporale. I dati sono stati suddivisi in 4 trimestri, eseguendo di nuovo l estrazione per ciascun singolo trimestre e a seguire la procedura di calcolo delle % di completezza per ciascuna tipologia di dato. Con ulteriore riscontro, assegnati a P1. Senza alcun riscontro, assegnati a P2 I casi sono stati quindi ricalcolati due volte applicando la formula già utilizzata in precedenza, ma variando i coefficienti con l introduzione dei valori minimi prima e massimi a seguire. CCCC eeeeeeeee mmmmmm = CCCC(nnnn) + (CCCC P1 0,89) + (CCCC P2 0,62) 1,053 CCCC eeeeeeeee mmmmmmm = CCCC(nnnn) + (CCCC P1 0,96) + (CCCC P2 0,77) 1,126 Che stabilisce per ciascun ICD l Intervallo di Probabilità (IP). 4

5 Incidence - MALE Incidence - FEMALE 2005>2009 SITE ICD9-CM ICD10 _ Casi + - Crude + - World + _ Casi + - Crude + - World + Lip, Oral Cavity & Pharynx 140> C00+C Esophagus 150* C Stomach 151* C Small Intestine 152* C Colon 153* C C18+C Rectum + Anus 154 C19+C20+C Liver + Gallbladder + Bile Ducts C22+C23+C Pancreas 157 C Ill-defined and metastasis 165,195, 196,197,198,199 C39+C76+C77+C78+C79+C Sarcomas 158, 164,170,171,176 C48+C37+C38+C40+C41+C49+C Larynx 161 C Lung, Bronchus, Trachea 162 C33+C Mesotheliomas 163 C Skin Melanoma 172 C Skin not Melanoma 173 C Female Breast 174 C Male Breast 175 C Female Reproductive System 179>184 C51>C Prostate 185 C Male Reproductive System C60+C62+C Bladder 188 C Kidney 189 C64+C65+C66+C Eye & Brain C69+C70+C71+C Thyroid & other Glands C73+C74+C Non Hodgkin s Lymphoma C82+C83+C84+C85+C Hodgkin Disease 201 C Myeloma 203 C88+C Leukemia 204>208 C91>C Tot Tot. No melanotic skin Tabella 3 Intervalli di Probabilità Lo studio è proseguito, con le abituali procedure di standardizzazione dei tassi, per consentirne il confronto con le altre realtà e a seguire con la rappresentazione grafica dei risultati. Particolari considerazioni, vanno poste nell assegnazione della morfologia della patologia, utile per i successivi controlli coi programmi di check. Per i casi trattati a mano in cui sia disponibile un referto istologico, la morfologia è assegnata come indicato dal referto stesso. Per tutti i casi determinati in automatico dal software si sono seguite le seguenti regole: Sede (ICD9 prime tre cifre) Sede di assegnazione Morfologia assegnata 140 > 199 (Solidi) Corrispondente (Linf. N.H.) 1969 (linfonodo NAS) (Malattia di Hodgkin) 1969 (linfonodo NAS) (Mielomi) 1691 (midollo osseo) > 208 (Leucemie) 1691 (midollo osseo) Tabella 4 Regole assegnazione automatica morfologia Questa attribuzione uniformata, comporta una notevole imprecisione e scarsa o nulla significatività del parametro. Tabella 5 Raggruppamenti per sede Rimangono, comunque alcune sedi di difficile risoluzione senza la presenza di ulteriori fonti informative. Al fine di ridurre l errore per le sedi poco numerose e/o che possono presentare problematiche di definizione, si è deciso di effettuare alcuni raggruppamenti, come evidenziato nella tabella 5. 5

6 I valori di incidenza calcolati, sono stati verificati con due procedure di Check: IARCCheck e CheckAIRTUM. I risultati ottenuti sono riassunti nelle figure 1 e 2. Per ultimo si è proceduto al calcolo della sensibilità e specificità. Per poter ottenere i valori con cui elaborare le formule, i casi confrontati sono stati raccolti in una tabella 2x2 (matrice di confusione): Tabella 6 Riepilogo per tipologia dei casi Figura 1 Controllo eseguito con IARCCheck Figura 2 Controlli eseguiti con CheckAirtum Tabella 6a Matrice di Confusione I casi non presenti nel registro e non stimati dal metodo (no-no [VN]) non sono, evidentemente, valutabili (N.V.), attraverso le fonti dati. Poiché il totale dei partecipanti alla studio è la totalità della popolazione, il valore per il campo VN è pari al totale della popolazione oggetto dello studio, sottratto del totale dei casi positivi nel registro (tp) e dei casi falsi positivi (FP) ( ). Quindi la matrice di confusione, si completa come indicato nella tabella 7: La verifica con IARCCheck ha fornito risultati buoni, evidenziando solo 7 warnings di minore importanza e nessun errore critico. Il controllo con CheckAIRTUM è risultato positivo dopo aver escluso, alcuni controlli che necessitano di ulteriori informazioni attualmente non disponibili (mortalità) e altri, quale la verifica morfologica (vedi quanto evidenziato in precedenza) e il grading che non possono essere precisati con completezza, oppure non risultano disponibili. Tabella 7 Calcolo Sensibilità e Specificità Sensibilità = VP(sì-sì)/tP(tot. sì Registro) Specificità = VN(no-no)/tN( tot. no Registro) Il metodo mostra una sensibilità del 87,40%! 6

7 DISCUSSIONE Per il completamento dello studio è occorso un periodo di circa 7 mesi, comprensivi dei tempi necessari all implementazione del metodo statistico. In questo lasso di tempo sono state preparate e analizzate 387'016 SDO degli anni Circa 2000 casi hanno richiesto una analisi manuale e di questi, ~ 1000 sono stati risolti mediante l utilizzo del gestionale OK-DH, mentre ~ 200 hanno richiesto la ricerca di documentazione clinica fuori sede. In output abbiamo ottenuto i nuovi casi di patologia tumorale per codice ICD9-CM di 5 anni ( ) che per limitare le fluttuazioni dovute alla bassa numerosità della popolazione (~ 162'000 abitanti, ripartiti in 78'000 maschi e 84'000 femmine), sono stati trattati come media del periodo. Con i sistemi attualmente in uso nei Registri Tumori una simile elaborazione, pur avendo una connotazione differente e soprattutto una precisione maggiore, avrebbe comunque richiesto un monte ore di lavoro notevolmente superiore e la necessità di un maggiore numero di fonti informative. È quindi evidente che il processo studiato si presta efficacemente alla formulazione di indicatori epidemiologici laddove sia richiesta una rapidità di risposta, anche in presenza di carenza di fonti informative e di risorse uomo-tempo-mezzi. La sensibilità calcolata del metodo è risultata molto elevata, pari a 87,40%. Fattori positivi: 1. Sistema utilizzabile, previo adattamento statistico, in numerose necessità in ambi-to epidemiologico 2. Limitato numero di fonti necessarie 3. Rapidità di realizzazione 4. Utilizzo di software disponibili, adattati statisticamente 5. Ottima sensibilità Aspetti negativi: 1. Imprecisione morfologica (in ambito oncologico) 2. Incertezza su alcune sedi difficili da gestire senza supporto di documentazione anatomo/patologica (tumori: vescica e pelle) 3. Necessità di un set di dati di riferimento RIFERIMENTI 1. The EpiLink Record Linkage Software Methods Inf Med 1/ P. Contiero, G. Tagliabue Sistemi per la Definizione Automatica dell Incidenza AIRTUM Aprile Comparison with manual registration reveals satisfactory completeness and efficiency of a computerized cancer registration system. J Biomed Information Consistency and accuracy of diagnostic cancer codes generated by automated registration: comparison with manual registration. Popul Health Metr Ministero della Salute 6. ISTAT SEER Breast cancer incidence using administrative data: correction with sensitivity and specificity Journal of Clinical Epidemiology CONTATTI Giulio Barigelletti registrotumori@gmail.com Gennaio