Cosa sappiamo delle persone fragili a Bologna (la banca dati della fragilità )

Transcript

1 Sostegno alla fragilità e prevenzione della non autosufficienza Bologna 8 marzo Cosa sappiamo delle persone fragili a Bologna (la banca dati della fragilità ) Paolo Pandolfi Dipartimento di Sanità Pubblica UOC Epidemiologia, Promozione della Salute e Comunicazione del Rischio

2 Fragilità - Indicatore sintetico dello stato di salute La fragilità è un processo dinamico che cambia con il passare del tempo e che richiede valutazioni ripetute in più contesti Sviluppo di modelli differenti per contesti diversi in base alle informazioni disponibili ed agli obiettivi perseguiti Proporre livelli di fragilità in un ottica di efficace operatività

3 Diversi livelli di intervento in funzione del livello di fragilità Disabili Segni fragilità Buona salute a rischio (fragilità, malattia) Buona salute basso rischio Prevenzione III assistenza Prevenzione II assistenza Valorizzazione della persona, lotta all isolamento sociale e protezione Promozione e prevenzione I

4 La ricchezza informativa Banche dati sanitarie consolidate ed affidabili Flussi informativi testati ed efficienti Informazioni socio-economiche e demografiche sempre più ricche Disponibilità di tecnologie informatiche e tecniche di record linkage sempre più fini

5 Banche dati utilizzate per la costruzione dell indice di fragilità Anagrafe Sanitaria SDO (Schede di dimissione ospedaliera) Esenzioni Ticket per patologia AFT (Assistenza Farmaceutica territoriale) FED (Farmaceutica ad erogazione diretta) Pronto Soccorso ASA (Assistenza Specialistica Ambulatoriale) AD (Assistenza Domiciliare) SMAC (Assegni di cura) DSM (Dipartimento di salute mentale) Registro di Mortalità Indice di deprivazione su base regionale GARSIA (per validazione Modello) Dati di natura economica (reddito familiare dichiarato solo per Comune di Bologna) Anagrafe comunale (stato civile, titolo di studio, composizione famiglia, abitazione di proprietà solo per Comune di Bologna)

6 BANCA DATI FRAGILITA : LA COSTRUZIONE Soggetti maggiorenni presenti dal 1/1/2009 al 1/1/2011 (AUSL di Bologna) soggetti con età maggiore di 17 anni presenti all 1/1/ soggetti deceduti durante i due anni di osservazione soggetti che risultano essere domiciliati soggetti trasferiti durante i due anni di osservazione soggetti presenti all 1/1/2011

7 Coorte di soggetti maggiorenni presenti nel Comune di Bologna dal 1/1/2009 al 1/1/ soggetti presenti all 1/1/2011 in Ausl Bologna soggetti residenti nel comune di Bologna da anagrafe sanitaria Record linkage soggetti residenti nel comune di Bologna da anagrafe comunale soggetti linkati tramite codice fiscale, nome, cognome e data di nascita (percentuale record linkage 96%)* * Dai soggetti ne sono stati esclusi che non hanno un anno di follow-up

8 Variabile di Esito Identifica la nostra Fragilità nell anno 2011 MORTALITA FRAGILITA RICOVERO IN URGENZA * * Esclusi i ricoveri in Emergenza che riguardano i parti e gli aborti

9 LA METODOLOGIA

10 Sviluppo del modello previsionale La popolazione è stata divisa in due campioni casuali: Campione di derivazione costituito da 2/3 della popolazione (n= ) sul quale è stato sperimentato il modello Campione di validazione costituito dal restante 1/3 della popolazione (n=97.335) sul quale sono stati validati i risultati del campione di derivazione

11 Confronto tra i campioni di derivazione e di validazione per alcune caratteristiche Caratteristiche dei soggetti derivazione validazione p Fragilità (soggetti che hanno avuto l evento) 6,99% 6,87% Sesso maschile 45,73% 45,72% Età (media) 52,78 52, Cittadinanza Italiana 91,32% 91,36% malattie polmonari 1,46% 1,42% scompenso cardiaco 0,90% 0,87% IMA 1,91% 1,91% tumore 4,45% 4,47% demenza 0,53% 0,52% ipertensione 4,38% 4,45% diabete 5,56% 5,61% malattie della tiroide 4,83% 4,77% parkinson 0,99% 1,00% disturbi psichiatrici 8,27% 8,09% poli prescritti 12,34% 12,31% esenzione ticket 31,68% 31,78% titolare di assegno di cura 0,27% 0,27% Afferente a DSM 2,15% 2,08% assistenza domiciliare 4,36% 4, Reddito famigliare (medio in ) 20044, , ricoveri con tre patologie principali differenti 1,85% 1,83% casa di proprietà 47,74% 47,61%

12 Affidabilità e validità del modello Curva ROC e Brier Score per il campione di derivazione Curva ROC e Brier Score per il campione di validazione Brier score Brier score Curva ROC = Curva ROC = I risultati di questi test, che servono a valutare l affidabilità del modello (curva ROC per la capacità discriminante e Brier score per la calibrazione), sono soddisfacenti in quanto in entrambi i campioni i risultati sono sovrapponibili e validi dal punto di vista statistico

13 Modello di regressione logistica sul campione di derivazione

14 Confronto odds ratio per alcune variabili Regressione logistica- Odds Ratio per alcune caratteristiche sociodemografiche e sanitarie In cura DSM Tumore Disturbi psichiatrici IMA Diabete Malattie Polmonari Esenti Ticket per patologia Con >2 accessi al PS ADI Poliprescrizione Nazionalità straniera Sesso maschile Aumento età(65-69 vs 18-39) Odds ratio: indica il rischio attribuibile ad una variabile per la manifestazione dell evento

15 Confronto odds ratio per alcune variabili Regressione logistica- Odds Ratio per alcune caratteristiche sociodemografiche e sanitarie Reddito fam. < 15,000 vs > 75,000 Abitare in zona molto deprivata Ricovero in urgenza ultimi 30 gg Esame diagnostico in PS ultimi 3 mesi Casa altro Casa affitto ACER Assegno di cura Vedovi/e Divorziati/e Celibe/nubile *Interventi di Ass. Spec >10 vs 0 Morbo di Parkinson Odds ratio: indica il rischio attribuibile ad una variabile per la manifestazione dell evento

16 Matrice coefficienti di rischio

17 Costruzione dei livelli di probabilità di essere fragili Il modello di regressione logistica restituisce come risultato dei coefficienti per ogni variabile considerata. Questi coefficienti servono a costruire i livelli di fragilità tramite due algoritmi già utilizzati in Inghilterra dal NHS e riproposti dall Azienda USL di Ravenna. In pratica il modello statistico traduce le informazioni sanitarie e sociali in coefficienti di rischio. Dalla composizione dei coefficienti, per ciascun individuo si ottiene un numero che rappresenta la probabilità di incorrere in un evento di salute molto negativo: l indice di rischio fragilità. log odds= costante + variabile1*beta1+ variabile2*beta2+..+variabilen*betan Risk score=(1 / (1 + (exp(-1 x log odds)))) x 100.

18 I primi risultati del modello: classificare i fragili per dare risposte adeguate alla loro gravità Punteggio: Fragilità: molto alta Punteggio: Fragilità: alta Punteggio: Fragilità: media Punteggio: 6 30 Fragilità: bassa 616 (0,2%) (1,4%) (3%) (23.5%) La complessità ècrescente Il numero di persone coinvolte cala Il bisogno diventa più forte Punteggio: 0 6 Fragilità: molto bassa (71,8%)

19 Esempio di attribuzione di un livello di probabilità di rischio di fragilità Uomo Classe di età anni Italiano Con assistenza domiciliare Con esenzione ticket per patologia Numero di prestazioni di assistenza specialistica ambulatoriale da 1 a 4 Con un accesso al pronto soccorso Vedovo Condizione abitativa altro (non di proprietà e non in affitto ACER ) Indice di deprivazione molto ricco Reddito famigliare tra e euro Indice di fragilità (risk score) = 34%

20 Contributo della fragilità sanitaria sulla fragilità totale fragilità totale fragilità sanitaria

21 Modalità di validazione del modello Banche dati e flussi informativi GARSIA Modello e livelli di fragilità Questionario per per Assistenti Sociali Sociali (?) (?) Questionario ad hoc per cittadini Questionario per per MMG MMG

22 Confronto tra i livelli di fragilità ottenuti dal modello e i soggetti non auto sufficienti presenti nella banca dati GARSIA (BINA >= 230) Totale soggetti in banca dati FRAGILITA Livelli di fragilità non presenti in GARSIA non auto sufficienti presenti in GARSIA totale 0 6 fragilità molto bassa 6 30 fragilitàbassa fragilitàmedia fragilitàalta fragilitàmolto alta Pearson chi2(4) = 3.2e+04 Pr < Le due variabili risultano quindi correlate e si può notare anche un trend il quale è stato testato ed è risultato essere statisticamente significativo.

23 Validazione esterna con gli eventi osservati nell anno 2012 Evento 2012 Livelli di fragilità 0 6 fragilitàmolto bassa 6 30 fragilitàbassa fragilitàmedia fragilitàalta fragilitàmolto alta NO SI totale Pearson chi2(4) = 3.5e+04 Pr < Emerge una sovrastima del nostro modello rispetto a quanto osservato

24 APPLICAZIONE DEL MODELLO FRAGILITA ALL INTERA AUSL DI BOLOGNA

25 Affidabilità e validità del modello Curva ROC e Brier Score per il campione di derivazione Curva ROC e Brier Score per il campione di validazione Brier score Brier score Curva ROC = Curva ROC = I risultati di questi test, che servono a valutare l affidabilità del modello (curva ROC per la capacità discriminante e Brier score per la calibrazione) sono soddisfacenti in quanto in entrambi i campioni i risultati sono sovrapponibili e validi dal punto di vista statistico

26 Modello di regressione logistica sul campione di derivazione azienda USL

27 I primi risultati del modello: classificare i fragili per dare risposte adeguate alla loro gravità Punteggio: Fragilità: molto alta Punteggio: Fragilità: alta Punteggio: Fragilità: media (0,2%) (1,2%) (2,3%) La complessità ècrescente Il numero di persone coinvolte cala Il bisogno diventa più forte Punteggio: 6 30 Fragilità: bassa (20.8%) Punteggio: 0 6 Fragilità: molto bassa (75,5%)

28 Criticità modello Aziendale Mancanza informazioni che derivano dalle anagrafi comunali come nel caso di Bologna: Reddito Famigliare Stato civile Informazioni che riguardano la condizione abitativa (proprietà, affitto, altro) Titolo di studio (non ancora usato nel modello precedente) Numero soggetti presenti nel nucleo famigliare con etàinferiore ai 14 anni (non ancora utilizzato) utile per la correzione OCSE del redditofamigliare. La mancanza di queste informazioni rende l indice di fragilità prettamente di tipo sanitario in quanto l unica informazione di carattere sociale presente è l indice di deprivazione.

29 Sviluppo della banca dati fragilità Sarà possibile avere la mappa della fragilità della popolazione dinamica, aggiornata nel corso del tempo Si potrà testare la sua capacità predittiva attraverso: - indagini ad hoc: il questionario sulla fragilità. - il confronto con i professionisti del territorio (MMG, ADI, assistenti sociali) che hanno conoscenza diretta dei loro assistiti. Si potrà progettare una strategia di interventi calibrati sulla base delle reali esigenze. Prima sperimentazione sul campo dal 15 maggio su sistema di monitoraggio effetti ondate di calore su sottogruppi di popolazione fragili GRANDE POTENZIALITA : LA FLESSIBILITA

30 Tutto questo lavoro non sarebbe stato possibile senza il contributo di una molteplicità di professionisti a cui va il mio ringraziamento Paolo Marzaroli Natalina Collina Lorenzo Pizzi Muriel Musti Alessandra Danielli Vincenzo Severino Alice Scagliarini Cristina Biavati Franco Chiarini Cristina Cacco paolo.pandolfi@ausl.bologna.it