Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Cocchio, S (2018) Costruzione di un sistema di dati integrato e suo utilizzo in ambito sanitario. [Ph.D. thesis]

Full text disponibile come:

[img]
Preview
PDF Document - Accepted Version
2141Kb

Abstract (english)

In the field of healthcare, programming is of vital importance for the future development of health system with regard to the scarcity of resources and to the increasing needs of the population.
Routinely and systematically collected health-related information represents a major potential within epidemiology, since it refers to a volume of population that can achieve a considerable size. Besides, the bigger the impact of data on management process, the better the quality. Health data storage is unevenly distributed among public health authorities and undergoes specific national and regional regulations, with current limitation of this information being separately organized and managed.
The present paper has the following major objectives: the development of an “Integrated Epidemiological System” (IES) of health surveillance, the application of IES to different local authorities (municipal, local corporate and regional) and the evaluation of its reproducibility and application in terms of prevention and therapy.
A thorough description is provided about the construction phases, consisting in supply, data quality evaluation, record linkage of archives with sanitary registers and in frequency estimates production. Design and application of various algorithms suitable for frequency estimates production and the health profile description of subjects living in the analyzed geographical areas are particularly emphasised.
The sources used are sanitary registers, mortality data, hospital discharge forms, pharmaceutical prescriptions, ticket exemptions and immunization registries. Such sources are differently utilised in the three application experiences. Collected data are applied to all residents and longitudinal cohorts (elderly and children) are built.
Results indicate the possibility of applying IES to the definition of a community health profile and its utilisation as a tool for the assessment of preventive and therapeutical programmes.
In this paper, results achieved in the three applications are provided in detail.
To summarise, the study highlighted how the integrated epidemiological system can be developed and replicated both on a local and on a regional level. Its usage makes it possible to meet the increasing needs expressed to health authorities’ facilities and represents a useful tool in the evaluation phase of preventive programmes and treatment processes. Its application to large populations through the construction of residing and historical longitudinal cohorts allows to identify, confirm or exclude possible factors associated to a higher risk of occurrence of particular events (i.g. even on an environmental study).
To conclude, integrating data from multiple sanitary sources turns out to be a useful instrument we can take advantage of in different contexts, enabling to perform reasonably prompt analysis with limited resources.

Abstract (italian)

In ambito sanitario, la programmazione riveste un’importanza cruciale per il futuro sviluppo del sistema sanitario in relazione sia alla scarsità di risorse che ai crescenti bisogni della popolazione. Le informazioni sanitarie che vengono raccolte in modo routinario e sistematico rappresentano un potenziale importante in ambito epidemiologico in quanto si riferiscono ad un volume di popolazione che può assumere dimensioni notevoli e la loro qualità sarà tanto maggiore quanto maggiore è il loro impatto sul processo gestionale. La prassi di archiviazione di dati sanitari è diffusa presso tutte le Aziende Sanitarie in modo disomogeneo ed è sottoposta a specifici regolamenti nazionali e regionali con il limite attuale che tali informazioni sono organizzate e gestite separatamente. Il presente elaborato ha come obbiettivi primari lo sviluppo di un “Sistema Epidemiologico Integrato” (SEI) di sorveglianza sanitaria, l’applicazione del SEI a diverse realtà territoriali (comunale, Aziendale e Regionale) e la valutazione della replicabilità ed applicazione in ambito preventivo e terapeutico.
Vengono descritte le fasi di costruzione che constano nell’alimentazione, nella valutazione della qualità dei dati, nel record linkage degli archivi con l’Anagrafe Sanitaria e nella produzione di stime di frequenza. Particolare rilievo viene dato alla costruzione e applicazione dei vari algoritmi atti a produrre le stime di frequenza ed a descrivere il profilo sanitario dei soggetti residenti nelle aree geografiche analizzate. Le fonti utilizzate sono anagrafe sanitaria, mortalità, schede di dimissione ospedaliere, prescrizioni farmaceutiche, esenzioni ticket e anagrafe vaccinale. Tali fonti sono utilizzate in modo diverso nelle tre esperienze applicative. Le informazioni raccolte sono applicate a tutti i residenti e vengono costruite coorti longitudinali (anziani e bambini). I risultati indicano la possibilità di impiego del SEI nella definizione del profilo di salute di una comunità e del suo utilizzo come strumento di valutazione dei programmi preventivi e terapeutici. Nell’elaborato sono dettagliatamente indicati i risultati raggiunti nei tre contesti di applicazione.
In sintesi, lo studio ha permesso di evidenziare come il sistema epidemiologico integrato è sviluppabile e replicabile sia a livello locale che regionale. Il suo impiego permette di rispondere, ai crescenti bisogni espressi alle strutture Aziendali e rappresenta uno strumento utile nella fase di valutazione dei programmi preventivi e nei percorsi terapeutici.
La sua applicazione su grandi popolazioni, mediante la costruzione di coorti residenziali e storiche longitudinali, permette di identificare, confermare o escludere eventuali fattori associati ad un maggior rischio nella comparsa di particolari eventi (i.e. anche a livello ambientale).
Concludendo, l’integrazione dei dati di fonti sanitari diverse si è rilevato uno strumento utile e fruibile in contesti diversi, permettendo di eseguire analisi in tempi relativamente brevi e con risorse limitate.

Statistiche Download
EPrint type:Ph.D. thesis
Tutor:Baldo, V
Ph.D. course:Ciclo 30 > Corsi 30 > MEDICINA DELLO SVILUPPO E SCIENZE DELLA PROGRAMMAZIONE SANITARIA
Data di deposito della tesi:11 January 2018
Anno di Pubblicazione:11 January 2018
Key Words:Epidemiologia, fonti informative, big-data, Sistema epidemiologico integrato Epidemiology, sanitary registers, Big-data, Integrated Epidemiological System
Settori scientifico-disciplinari MIUR:Area 06 - Scienze mediche > MED/42 Igiene generale e applicata
Struttura di riferimento:Dipartimenti > Dipartimento di Salute della Donna e del Bambino
Codice ID:10667
Depositato il:16 Nov 2018 13:14
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

1) Istituto Nazionale di Statistica. Statistiche report. Indicatori demografici Stime per l’anno 2016. Rom, 06 Marzo 2017. http://www.istat.it. [Ultimo accesso 29/10/2017] Vai! Cerca con Google

2) Regione del Veneto. SER. Sistema epidemiologico Regione Veneto. Anziani: profili di salute e di utilizzo dei servizi sanitari. Regione Veneto. A cura del Coordinamento de SER. Febbraio 2010 Cerca con Google

3) Longo F, Tanzi E. I costi della vecchiaia. Il settore del long-term care di fronte alle sfide del futuro. CERGAS Centro di Ricerche sulla gestione dell’assistenza sanitaria e sociale dell’università Bocconi. Milano 20 maggio 2010. Cerca con Google

4) Dunn HL. Record Linkage. Am J Public Health Nations Health 1946; 12:1412-1416 Cerca con Google

5) Biggeri A, Lagazio C, Catelan D, Pirastu R, Casson F, Terracini B. Environment and health in high risk areas of Sardinia, Italy. Epidemiol Prev 2006; 30(1) suppl: 1-64 Cerca con Google

6) Balzi D, Barchielli A, Battistella G, Gnavi R, Inio A, Tessari R, et.al. Ischemic heart disease prevalence estimated using a standard algorithm based on electronic health data in various areas of Italy. Epidemiol Prev. 2008 May-Jun;32(3 Suppl):22-9. Cerca con Google

7) Barchielli A, Balzi D, Bruni A, Canova C, Cesaroni G, Gnavi R, et al. Acute myocardial infarction incidence estimated using a standard algorithm based on electronic health data in different areas of Italy. Epidemiol Prev. 2008 May-Jun;32(3 Suppl):30-7. Cerca con Google

8) American Thoracic Society. Standards for the diagnosis and care of patients with chronic obstructive pulmonary disease. Am J Respir Crit Care Med. 1995 Nov; 152(5 Pt 2):S77-121. Cerca con Google

9) Faustini A, Cascini S, Arcà M, Balzi D, Barchielli A, Canova C, et al. Chronic obstructive pulmonary disease prevalence estimated using a standard algorithm based on electronic health data in various areas of Italy. Epidemiol Prev. 2008 May-Jun;32(3 Suppl):46-55.. Cerca con Google

10) Migliore E, Bugiani M, Piccioni P, Galassi C, Balzi D, Barchielli A, et al. Obstructive lung disease prevalence estimated using a standard algorithm based on electronic health data in various areas of Italy. Epidemiol Prev. 2008 May-Jun;32(3 Suppl):66-77. Italian. Cerca con Google

11) Gnavi R, Karaghiosoff L, Balzi D, Barchielli A, Canova C, Demaria M, et al. Diabetes prevalence estimated using a standard algorithm based on electronic health data in various areas of Italy. Epidemiol Prev. 2008 May-Jun;32(3 Suppl):15-21. Cerca con Google

12) Fortino A, Lispi L. La rilevazione dei neonati attraverso la SDO. Direzione generale della Programmazione sanitaria. Ministero della sanità. Roma 2014 Cerca con Google

13) Centers for Disease Control and Prevention. Vital and Health Statistics. U.S. Department of Health and Human Services. January, 1999. Cerca con Google

14) Profilo di salute Analisi dello stato di salute della popolazione della Provincia di Padova. Regione del Veneto. ULSS 6 Euganea. Padova Maggio, 2017 Cerca con Google

15) Denton FT, Spencer BG. Chronic health conditions: changing prevalence in an aging population and some implications for the delivery of health care services. Can J Aging. 2010 Mar;29(1):11-21. Cerca con Google

16) Mosca L, Barrett-Connor E, Wenger NK. Sex/gender differences in cardiovascular disease prevention what a difference a decade makes. Circulation. 2011;124:2145-2154. Cerca con Google

17) World Health Organization. Chronic respiratory diseases. www.who.int/gard/publications/chronic_respiratory_diseases. [Ultimo accesso 26/10/2017] Vai! Cerca con Google

18) World Health Organization. The top 10 causes of deaths. http://www.who.int/mediacentre/factsheets/fs310/en/. Update January 2017. [Ultimo accesso 26/10/2017] Vai! Cerca con Google

19) Adami H , Hunter DJ , Trichopoulos D, eds Boffetta P , Trichopoulos D . Cancer of the lung, larynx, and pleura. In: Adami H , Hunter DJ , Trichopoulos D, eds . Textbook of Cancer Epidemiology. Oxford; New York: Oxford University Press, 2008:349–77. Cerca con Google

20) Coordinamento Malattie Rare Regione Veneto. Studio sugli esiti materni e neonatali in relazione alla contaminazione da sostanze perfluoroalchiliche (PFAS). Padova 2015. Cerca con Google

21) Eurich DT, Marrie TJ, Minhas-Sandhu JK, Majumdar SR. Ten-year mortality after community-acquired pneumonia. A prospective cohort. Am J Respir Crit Care Med. 2015; 192: 597-604. Cerca con Google

22) Bruns AH, Oosterheert JJ, Cucciolillo MC, El Moussaoui R, Groenwold RH, Prins JM, et al. Cause-specific long-term mortality rates in patients recovered from community-acquired pneumonia as compared with the general Dutch population. Clin Microbiol Infect. 2011; 17: 763–768. Cerca con Google

23) Hedlund JU, Ortqvist AB, Kalin ME, Granath F. Factors of importance for the long-term prognosis after hospital-treated pneumonia. Thorax. 1993; 48: 785–789. Cerca con Google

24) Yende S, D'Angelo G, Kellum JA, Weissfeld L, Fine J, Welch RD, et al. Inflammatory markers at hospital discharge predict subsequent mortality after pneumonia and sepsis. Am J Respir Crit Care Med. 2008; 177: 1242–1247. doi: 10.1164/rccm.200712-1777OC. Cerca con Google

25) Van Hoek AJ, Miller E. Cost-Effectiveness of Vaccinating Immunocompetent ≥65 Year Olds with the 13-Valent Pneumococcal Conjugate Vaccine in England. PLoS One 2016; 11(2):e0149540. doi: 10.1371/journal.pone.0149540. Cerca con Google

26) Said MA, Johnson HL, Nonyane BA, Deloria-Knoll M, O'Brien KL, AGEDD Adult Pneumococcal Burden Study Team. A systematic review and meta-analysis of diagnostic techniques. PLoS One. 2013; 8(4). doi: 10.1371/journal.pone.0060273. Cerca con Google

27) Aziz R, Steffens DC. What Are the Causes of Late-Life Depression? Psychiatr Clin North Am 2013 ; 36(4): 497–516. Cerca con Google

28) Park M, Unützer J. Geriatric depression in primary care. Psychiatr Clin North Am. 2011 Jun;34(2):469-87, ix-x. doi: 10.1016/j.psc.2011.02.009 Cerca con Google

29) Norman L. Keltner, Debbie Steele Psychiatric Nursing. Seventh Edition. Depression Chapter 35 Older Adults Pg 461 Cerca con Google

30) Ziaeian B, Kominski GF, Ong MK, Mays VM, Brook RH et al. National Differences in Trends for Heart Failure Hospitalizations by Sex and Race/Ethnicity Circulation, Cardiovascular Quality and Outcomes. 2017;10:e003552. https://doi.org/10.1161/CIRCOUTCOMES.116.003552. Vai! Cerca con Google

31) ANMCO/GICR-IACPR/GISE L’organizzazione dell’assistenza nella fase post-acuta delle sindromi coronariche.G Ital Cardiol 2014;15(1 Suppl. 1):3S-27S. Cerca con Google

32) Sundbøll J, Schmidt M, Adelborg K, Pedersen L, Bøtker HE, Videbech P, Sørensen HT. Impact of pre-admission depression on mortality following myocardial infarction. British Journal of Psychiatry 1–6. doi: 10.1192/bjp.bp.116.194605 Cerca con Google

33) Dickens C, McGowan L, Percival C, Tomenson B, Cotter L, Heagerty A, et al. Depression is a risk factor for mortality after myocardial infarction. J Am Coll Cardiol 2007; 49: 1834–40. Cerca con Google

34) Bush DE, Ziegelstein RC, Tayback M, Richter D, Stevens S, Zahalsky H, et al. Even minimal symptoms of depression increase mortality risk after acute myocardial infarction. Am J Cardiol 2001; 88: 337–41 Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record