paziente, le scelte clinico assistenziali del medico ed i fattori contestuali un cui esso opera, rappresen-
tano un importante punto di partenza su cui implementare una modalità più equa di allocazione delle
risorse sanitarie. Tuttavia, non sfugge che in entrambi i casi, i progetti sperimentali partono dall'analisi
dei flussi amministrativi delle due regioni, sebbene sia ampiamente accettato che, in mancanza di
un adeguata valutazione di una completa storia clinica del paziente, la semplice analisi di database
amministrativi non è in grado di fornire risultati conclusivi in merito alla spesa ed all'efficacia dei trat-
tamenti sanitari associati ad una patologia e/o ad un gruppo di patologie.
Pertanto, in questo capitolo, è stato utilizzato il database Health Search CSD LPD per sviluppare uno
score composito di multimorbidità (Health Search Morbidity index [HSM-index]) in grado di spiegare
la variabilità nell'assorbimento di risorse sanitarie.
po" e "validazione"), utilizzando come unità di campionamento la popolazione dei 700 MMG sud-
divisi in base alla regione di appartenenza e distribuiti in maniera casuale (e numericamente uguale).
Per ogni paziente appartenente al campione "sviluppo" è stata calcolata la spesa media (trasformata
su scala logaritmica) negli anni 2008-2010, per visite specialistiche, accertamenti diagnostici e terapie
farmacologiche.
Come già osservato, l'estrema variabilità di spesa tra pazienti e/o tra MMG è determinata da molti
fattori come l'età il sesso, l'incidenza di patologia acute e la combinazione di patologie croniche.
Inoltre, la spesa sanitaria è influenzata anche da fattori organizzativi e dall'offerta di servizi locali che
sono spesso non misurabili. Per ovviare a questo problema, sono state inserite nel modello variabili in
grado di caratterizzare, quanto più possibile, la Regione di appartenenza. Pertanto, ogni paziente è
stato tipizzato in relazione a due distinti livelli gerarchici:
(nel periodo precedente al 30/06/2009). La lista di tutte le patologie acute e croniche è pre-
sente in Appendice 2.
considera come variabile dipendente la spesa media pro-capite per paziente e come variabili indipen-
denti quelle di primo e secondo livello sopramenzionate.
Il modello è stato prima stimato sul campione di "sviluppo", al fine di determinare il peso in termini
di spesa di ciascuna variabile (coefficiente). I coefficienti, così realizzati (Appendice 2), sono stati
poi utilizzati nella popolazione di "validazione". La somma dei coefficienti, in relazione alla pre-
senza/assenza delle variabili considerate, ha consentito di ottenere per ogni paziente uno
score composito (HSM-index).
La Figura 6.3a descrive la curva di distribuzione dell'HSM-index nella popolazione di validazione e la
stratificazione in decili. Come atteso, la distribuzione della curva appare asimmetrica con una coda
positiva, indice di una popolazione con un valore medio di multimorbidità tendenzialmente basso e
con una quota di soggetti complicati al di sopra del 90° percentile. L'HSM-index medio rilevato è stato
pari a 5,19, mentre la mediana è risultata pari a 4,99 (valore minimo: 2,95; valore massimo: 11,56).