Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Evaluating population health and healthcare access through secondary health data: from chronic conditionsto health emergencies
0
Zitationen
1
Autoren
2026
Jahr
Abstract
La crescente disponibilità di informazioni sanitarie raccolte sistematicamente nei database amministrativi elettronici (HUDs) ha trasformato la valutazione della salute della popolazione. Supportati da adeguate metodologie epidemiologiche e statistiche, gli studi basati su HUDs consentono di analizzare efficacia dei trattamenti, andamento delle malattie, stratificazione del rischio e accesso alle cure nella pratica reale, aspetti non completamente rilevabili dagli studi randomizzati controllati, fornendo quindi evidenze a supporto delle decisioni sanitarie. Nonostante lo sviluppo di metodi, algoritmi e disegni di studio volti a superare i limiti dei dati amministrativi, permangono sfide legate alla loro applicazione in contesti complessi e alla disponibilità delle informazioni, che possono limitare la solidità delle evidenze prodotte. La tesi analizza le potenzialità degli HUDs e le principali sfide metodologiche nell’utilizzo di tali dati per generare evidenze real-world sulla salute della popolazione e sull’accesso all’assistenza sanitaria in cinque ambiti specifici. Nella prima parte della tesi vengono descritte le caratteristiche degli HUDs, con particolare riferimento al contesto italiano, i loro vantaggi e limiti come fonte di dati per la ricerca epidemiologica, e una panoramica dei metodi utili a superarli. La seconda parte presenta gli studi sviluppati nell’ambito della ricerca di dottorato. Data l’importanza delle misure di multicomorbosità come strumenti di stratificazione dei pazienti per fornire cure personalizzate e per la programmazione sanitaria, è stata effettuata la validazione esterna del Multisource Comorbidity Score in un contesto diverso da quello italiano in cui è stato sviluppato. Lo studio evidenzia il potenziale dello strumento ad essere trasferito in paesi con sistemi sanitari analoghi, sottolineando la necessità di valutare con attenzione le differenze nei sistemi di codifica, nella disponibilità dei dati e nell’organizzazione dell’assistenza sanitaria. I due ulteriori studi di popolazione hanno indagato la salute e l'assistenza sanitaria nelle malattie croniche, per fornire evidenze sulla coesistenza di diabete e celiachia e sull'incidenza di ricoveri evitabili nei pazienti diabetici correlati al background migratorio. Gli studi affrontano considerazioni per un'appropriata selezione della coorte e la capacità di identificare lo status migratorio attraverso gli HUDs, nonché l'impatto della disponibilità temporale di questi ultimi per studiare eventi rari. La tesi approfondisce inoltre l’uso degli HUDs nella sorveglianza di condizioni acute, le lesioni cerebrali acquisite e le forme severe. Oltre ai limiti intrinseci, come la mancanza di scale di gravità clinica negli HUDs, lo studio riporta l’utilizzo di più fonti di dati e lo sviluppo di algoritmi per tracciare la condizione di interesse. I risultati dell'analisi del trend forniscono informazioni rilevanti per la pianificazione sanitaria e le strategie di prevenzione. Infine, l’impatto della pandemia di SARS-CoV-2 sull’accesso al servizio di emergenza è stato analizzato mediante l’analisi delle serie temporali interrotte, evidenziando riduzioni persistenti nell’accesso ai dipartimenti di emergenza durante la pandemia, con pattern diversi rispetto ai livelli di gravità. Sebbene i dati si riferiscano a un singolo dipartimento, le considerazioni metodologiche possono essere facilmente trasferite utilizzando gli HUDs per fornire una valutazione basata sulla popolazione utile per orientare le future strategie sanitarie in condizioni di emergenza. La tesi evidenzia il ruolo degli HUDs nel supportare la valutazione della salute della popolazione, l'accesso alle cure e la performance dei servizi in contesti cronici, acuti ed emergenziali. Allo stesso tempo, evidenzia sfide persistenti che indicano chiare direzioni per futuri miglioramenti metodologici e infrastrutturali.
Ähnliche Arbeiten
"Why Should I Trust You?"
2016 · 14.150 Zit.
A Comprehensive Survey on Graph Neural Networks
2020 · 8.543 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.047 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.410 Zit.
Analysis of Survival Data.
1985 · 4.379 Zit.