La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Potenzialità e prospettive derivanti dall’integrazione di dati su sanità e salute Alessandra Burgio Roberta Crialesi Paola Di Filippo Lidia Gargiulo Laura.

Presentazioni simili


Presentazione sul tema: "Potenzialità e prospettive derivanti dall’integrazione di dati su sanità e salute Alessandra Burgio Roberta Crialesi Paola Di Filippo Lidia Gargiulo Laura."— Transcript della presentazione:

1 Potenzialità e prospettive derivanti dall’integrazione di dati su sanità e salute Alessandra Burgio Roberta Crialesi Paola Di Filippo Lidia Gargiulo Laura Iannucci Gabriella Sebastiani Alessandro Solipaca ISTAT, Servizio Sanità, Salute e Assistenza Integrazione tra fonti di dati sanitari: aspetti metodologici e prospettive di analisi Roma, 24 giugno 2014

2 Obiettivo dello studio Integrazione dei dati dell’indagine Istat sulla salute (IS) con i dati Health Search (HS) al fine di ampliare le informazioni disponibili e consentire l’analisi integrata di dati su sanità e salute IS  informazioni sulle condizioni di salute, sui consumi sanitari, prevenzione e stili di vita riportate dall’intervistato («soggettive») HS  informazioni sulle condizioni di salute diagnosticate e sui consumi sanitari prescritti dal medico di medicina generale («oggettive») HS Spesa a carico del Servizio Sanitario Nazionale IS Percezione individuale La percezione individuale influenza i comportamenti, quindi modifica la domanda sanitaria e di conseguenza la spesa a carico del SSN

3 Prerequisiti per l’integrazione  Le due fonti di dati devono essere rappresentative della stessa popolazione IS  campione probabilistico rappresentativo della popolazione residente HS  campione non probabilistico  post-stratificazione dei dati per età e sesso  HS_corretto  Le variabili comuni devono avere lo stesso significato nelle due fonti C ondizione non rispettata per le malattie croniche HS Malattie croniche diagnosticate dal Medico di Medicina Generale IS Malattie croniche dichiarate dall’intervistato. L’intervistato dichiara che la malattia è stata diagnosticata da un medico

4 IPERTENSIONE (>20 anni) Una misura di confronto «Soggettivo» vs «Oggettivo» (1) Prevalenza IS X=18,5% Prevalenza HS_corretto X*=24,0% Pj(X=1|X*=1)= 0,77235 La probabilità di un individuo appartenente al profilo j di dichiarare di essere iperteso dato che un individuo dello stesso profilo j in HS ha una diagnosi medica di ipertensione è maggiore nelle donne…

5 Prevalenza IS X=18,5% Prevalenza HS_corretto X*=24,0% P(X=1|X*=1)= 0,77235 …ma la distanza rispetto agli uomini si riduce dopo i 70 anni di età IPERTENSIONE (>20 anni) Una misura di confronto «Soggettivo» vs «Oggettivo» (1)

6 DIABETE (>20 anni) Prevalenza IS X=4,4% Prevalenza HS_corretto X*=6,3% P(X=1|X*=1)= 0,69148 La probabilità di un individuo appartenente al profilo j di dichiarare di essere diabetico dato che un individuo dello stesso profilo j in HS ha una diagnosi medica di diabete è maggiore nelle donne… Una misura di confronto «Soggettivo» vs «Oggettivo» (2)

7 Prevalenza IS X=4,4% Prevalenza HS_corretto X*=6,3% P(X=1|X*=1)= 0,69148 …la distanza rispetto agli uomini si mantiene costante con l’età DIABETE (>20 anni) Una misura di confronto «Soggettivo» vs «Oggettivo» (2)

8 Fattore di convergenza «Soggettivo» vs «Oggettivo» Prevalenza HS X*=38,2% PRESENZA DI ALMENO UNA MALATTIA CRONICA (diabete, enfisema, Parkinson, cirrosi epatica, asma, ipertensione, ictus, tumore, calcolosi, malattie della tiroide) Prevalenza IS X=34,4% L’utilizzo del fattore di convergenza della variabile «presenza di almeno una malattia cronica» nell’indagine Istat migliora il suo utilizzo come variabile comune per la successiva operazione di matching statistico tra i dati dell’indagine Istat e i dati Health Search P(X=1|X*=1)= 0,90003 Prevalenza IS X^=38,3%

9 Il matching statistico tra IS e HS (1) Le VARIABILI COMUNI IN IS E HS Sesso Età (20-95 anni) Ripartizione geografica (Nord-Ovest, Nord-Est, Centro, Mezzogiorno) Presenza di almeno una malattia cronica (tra diabete, enfisema, Parkinson, cirrosi epatica, asma, ipertensione, ictus, tumore, calcolosi, malattie della tiroide) Presenza di almeno una malattia del cuore (tra infarto, angina pectoris, altre malattie del cuore) Presenza di almeno una invalidità (tra cecità, sordomutismo, sordità)

10 Il matching statistico tra IS e HS (2) Le VARIABILI COMUNI utilizzate per il matching Sesso Età (20-39, 40-59, 60-69, 70+) Ripartizione geografica (Nord-Ovest, Nord-Est, Centro, Mezzogiorno) Regione: Lombardia Presenza di almeno una malattia cronica (in IS «modificata» per il fattore di convergenza) Presenza di almeno una malattia del cuore Presenza di almeno una invalidità (tra cecità, sordomutismo, sordità)

11 Il matching statistico tra IS e HS (3) Le VARIABILI DI IS utilizzate per i risultati preliminari Salute percepita (Male o Molto Male vs NO Male o Molto Male) Livello di istruzione (Alto, Medio, Basso) Presenza di diabete per numero di malattie croniche (solo diabete, diabete + 1 malattia cronica, diabete + almeno 2 malattie croniche) Le VARIABILI DI HS utilizzate per i risultati preliminari Spesa totale SSN di cui:  spesa per farmaci SSN  spesa per accertamenti diagnostici ed esami di laboratorio SSN  spesa per visite specialistiche

12 Dataset contenente le variabili sia di IS che di HS Lombardia: record ( individui di 20 anni e più) Sesso: 48% uomini, 52% donne Età: anni 35,7% anni 34,8% anni 13,3% 70+ anni 16,2% Presenza di almeno una malattia cronica (38,3%) Presenza di almeno una malattia del cuore (7,6%) Salute percepita (Male o Molto Male=4,99%) Livello di istruzione (Alto=37,2%, Medio=37,1%, Basso=25,7%) Presenza di diabete per numero di malattie croniche (presenza di diabete 4,4%. Solo diabete=24,5%, diabete + 1 malattia cronica=33,4%, diabete + almeno 2 malattie croniche=42,1%) Spesa totale SSN (2.318 milioni di euro, 303 euro procapite), di cui: spesa per farmaci SSN (1.594 milioni di euro, 208 euro procapite) spesa per accertamenti diagnostici ed esami di laboratorio SSN (598 milioni di euro, 78 euro procapite) spesa per visite specialistiche (126 milioni di euro, 17 euro procapite) Il matching statistico tra IS e HS (4)

13 Spesa media totale SSN (farmaci + visite specialistiche + accertamenti) per genere, classi di età e percezione dello stato di salute Lombardia – anni  La spesa media totale è molto più elevata per chi dichiara di stare male o molto male  Nel complesso la spesa è maggiore per le donne (effetto struttura per età)…  …ma tra coloro che dichiarano di stare male o molto la male: la spesa è maggiore per gli uomini (anche per età) la spesa è maggiore per gli uomini (anche per età) il gap di genere è massimo nella classe di età anni il gap di genere è massimo nella classe di età anni Il matching statistico tra IS e HS: risultati preliminari (1)

14 Spesa media totale SSN (farmaci + visite specialistiche + accertamenti) per genere, classi di età e titolo di studio Lombardia – anni Uomini  La spesa media totale è più elevata per chi ha un basso titolo di studio…  …ma ciò dipende dalla struttura per età più anziana di questo gruppo di popolazione…  …difatti la distribuzione per età non mostra differenze significative rispetto a chi ha un titolo di studio medio o alto, in particolare negli uomini;  nelle donne sembrerebbe che la spesa media sia più elevata in presenza di un titolo di studio basso in corrispondenza delle età anni Uomini Donne Il matching statistico tra IS e HS: risultati preliminari (2) Donne

15 Spesa media SSN per persone affette da diabete per numero di malattie croniche e percezione dello stato di salute Lombardia – anni Male o Molto Male SI NO La spesa media totale SSN per un malato di diabete è pari La spesa media totale SSN per un malato di diabete è pari a circa 700 euro… …sale a circa 950 euro se dichiara di stare male o …sale a circa 950 euro se dichiara di stare male o molto male… molto male… … e a 1150 euro se ha almeno altre 2 malattie croniche … e a 1150 euro se ha almeno altre 2 malattie croniche Il matching statistico tra IS e HS: risultati preliminari (3)

16 Analisi dell’incertezza Doppia valenza dei risultati: 1.Intervalli di frequenza 2.Misura indiretta del grado di incertezza del matching sotto l’ipotesi di indipendenza condizionata Salute percepita: per chi dichiara di stare «male o molto male» le frequenze più elevate sono in corrispondenza delle classi di spesa più alte (>100 euro); per gli altri la frequenza più bassa è in corrispondenza della classe di spesa «>500 euro» Salute percepita: per chi dichiara di stare «male o molto male» le frequenze più elevate sono in corrispondenza delle classi di spesa più alte (>100 euro); per gli altri la frequenza più bassa è in corrispondenza della classe di spesa «>500 euro» Titolo di studio: per chi ha un titolo di studio «medio» o «alto» le frequenze sono più elevate nelle classi di spesa 500 euro» Titolo di studio: per chi ha un titolo di studio «medio» o «alto» le frequenze sono più elevate nelle classi di spesa 500 euro» A conclusioni simili si giunge con il matching sotto l’ipotesi di indipendenza condizionata. «salute percepita»: intervalli di frequenza minore ampiezza (intervallo medio=4,22) «salute percepita»: intervalli di frequenza minore ampiezza (intervallo medio=4,22) «titolo di studio»: intervalli di frequenza particolarmente ampi (intervallo medio=18,63) «titolo di studio»: intervalli di frequenza particolarmente ampi (intervallo medio=18,63) Pertanto le relazioni che si vanno a studiare tra «titolo di studio» e «spesa totale SSN» sotto l’ipotesi di indipendenza condizionata sono affette un grado di incertezza maggiore.

17 Prospettive 1. Estendere i risultati ad altre regioni o a tutta l’Italia (richiede un approfondimento della verifica della rappresentatività di HS) 2. Studiare altre possibili variabili comuni per aumentare qualità del matching statistico 3. Effettuare l’integrazione per diverse replicazioni dell’indagine salute ( , )  dinamica dei fenomeni 4. Utilizzare informazione aggiuntive presenti nell’indagine salute (esenzione del ticket, spesa out of pocket, spesa per ticket):  In caso di forte relazione con le variabili di spesa di HS migliora la qualità dell’integrazione sotto l’ipotesi di indipendenza condizionata  Ricostruzione della spesa complessiva (spesa SSN di HS e spesa out of pocket di IS) per visite mediche, analisi del sangue, accertamenti specialistici, farmaci, effettuando anche approfondimenti per singole patologie ed articolando le analisi secondo le caratteristiche individuali e/o familiari


Scaricare ppt "Potenzialità e prospettive derivanti dall’integrazione di dati su sanità e salute Alessandra Burgio Roberta Crialesi Paola Di Filippo Lidia Gargiulo Laura."

Presentazioni simili


Annunci Google