Guida alla stratificazione del rischio della popolazione residente in Emilia-Romagna con dati amministrativi: l’algoritmo riskER

A guide for risk stratification of the Emilia-Romagna region resident population  based on administrative data: the riskER algorithm.

Abstract in italiano e inglese

Riassunto

La presente guida vuole rappresentare un riferimento metodologico e un potenziale aiuto per sperimentare l・adozione delle tecniche della stratificazione, anche in contesti istituzionali diversi, basato sul modello statistico utilizzato per la stratificazione del rischio della regione Emilia-Romagna ・ riskER.

L'utilità del processo di stratificazione è definita nel modello concettuale della "Population Health Management - PHM" e consiste in una procedura di assegnazione di uno stato di rischio, a priori, ai singoli assistiti di parte o tutta una popolazione di riferimento per permettere, ai sistemi sanitari, di implementare modelli organizzativi e offrire strategie di cura e di assistenza in ragione di una maggiore sostenibilità, equità, appropriatezza ed efficacia degli interventi.

Il modello di stratificazione riskER, strumento sviluppato e utilizzato in regione Emilia-Romagna, è finalizzato alla rilevazione sistematica dei soggetti rispetto ai quali avviare programmi di medicina di iniziativa nell'ambito delle attività svolte attraverso il modello organizzativo di assistenza territoriale - Case della Salute, sulla base della probabilità di ospedalizzazione evitabile o decesso individuale. RiskER è stato implementato impiegando esclusivamente dati di tipo amministrativo, correntemente disponibili attraverso il sistema informativo regionale (anagrafe assistiti, rilevazioni dei decessi e flussi pertinenti l'utilizzo dei servizi sanitari - dimissioni ospedaliere, accesso ai servizi in assistenza domiciliare, accesso al pronto soccorso e prescrizioni farmaceutiche).

Per la stima dei pesi, da combinare per ottenere il rischio, è stato utilizzando il metodo della regressione multivariata logistica per strati di popolazione imputati per fasce di età e sesso (8 classi di età). Sono stati selezionati e utilizzati nella regressione, circa 170 variabili con metodo stepwise basati sulla storia pregressa di attività sanitaria e sulla imputazione empirica del carico di malattia dei singoli individui.

La probabilità di rischio di ospedalizzazione evitabile o decesso ottenuta attraverso la stima multivariata è stata successivamente suddivisa in quattro livelli di fragilità/complessità che definiscono i gruppi/strati di popolazione: Basso (probabilità/rischio stimata ≤ 0,05); Moderato (probabilità/rischio stimata > 0,05% e ≤ 0,15); Alto (probabilità/rischio stimata > 0,15 e < 0,25); Molto Alto (probabilità/rischio stimata ≥ 0,25).

Come atteso, nelle classi a rischio alto e molto alto sono rappresentate soprattutto le persone nelle fasce di età più elevata, con molte comorbidità (soprattutto compresenti ・ multimorbilità) e che assumono molti farmaci diversi (politerapia). Anche per l'analisi della distribuzione territoriale si osserva una sostanziale sovrapposizione delle proporzioni di popolazione associate con i 4 livelli di rischio.

RiskER è stato sottoposto a test di verifica e di validazione sulla popolazione ≥14 anni. Il modello stimato dimostra un buon adattamento ai dati. L'analisi dell'area sotto la curva ROC (statistica C) e i valori di sensibilità e specificità (in linea con altre esperienze presentate in letteratura) mostrano una buona performance predittiva del modello, indicando la correttezza nell'utilizzo di questo modello per fare previsioni di rischio sulla popolazione ≥14 anni.

Abstract

This guide is intended to represent a methodological reference and a potential help for applying stratification techniques, based on the statistical model used for the stratification of risk in the Emilia-Romagna region ・ riskER, even in contexts other than those of the Emilia-Romagna region.

The utility of the stratification process is defined in the conceptual model of Population Health Management - PHM": it consists of a procedure for assigning a risk status at each individual, in the whole population or in a specific population subgroup, into specific risk categories. This allows healthcare systems to implement organizational models and to offer care strategies appropriated for differential needs, thus assuring the sustainability, equity, appropriateness and effectiveness of the interventions.

The riskER stratification model has been developed and used in the Emilia-Romagna region; it is aimed at identifying persons in need of better-tailored services within the Community Health Centres, in relation to the individual likelihood of avoidable hospitalization or death. RiskER has been developed using exclusively administrative data, currently available through the regional information system (regional registry of people enrolled in the regional health service, death registry and administrative data covering the health service utilization hospital discharge, home care visits, emergency room accesses, and drug prescriptions).

To estimate the weights to be combined to obtain the risk, a multiple logistic regression has been used for population strata based on age and gender categories (8 classes). Approximately 170 variables were selected and used in the regression with the stepwise method, based on the previous history of health activity and on the empirical imputation of the disease burden of individuals.

The likelihood of avoidable hospitalization risk or death, obtained through the multivariate model, has been classified in four fragility/complexity levels: Low (likelihood/risk estimate ≤ 0,05); Moderate (likelihood/risk estimate > 0,05% e ≤ 0,15); High (likelihood/risk estimate > 0,15 e < 0,25); Very high (likelihood/risk estimate ≥ 0,25).

As expected, mainly elderly persons with several comorbidities (multimorbidity), and treated with several drugs (polytherapy) are represented in the High and Very high risk strata. The distribution of the population by the four risk strata is comparable in different territories.

RiskER has been verified and validated in the ≥14 anni population. The estimated model demonstrates a good fit to the data. The analysis of the area under the ROC curve (C statistic) and the sensitivity and specificity values (along with data reported by similar scientific publications) show a good predictive performance of the model, indicating the correctness in using this model to make risk forecasts on the population ≥14 years.