G It Diabetol Metab 2013;33:105-107 Editoriale Banche dati clinici per il miglioramento del processo di cura del diabete S. Gentile Dipartimento di Medicina Clinica e Sperimentale, Seconda Università di Napoli, Napoli Corrispondenza: prof. Sandro Gentile, via Luca Giordano 121, 80128 Napoli e-mail: [email protected] G It Diabetol Metab 2013;33:105-107 Parole chiave: diabete, banche dati, cartelle cliniche elettroniche, qualità della cura del diabete Key words: diabetes, data base, electronic health records, quality of diabetes care Le banche dati clinici (clinical database, CDB) rappresentano una forma strutturata di raccolta di dati clinici derivanti da vari setting assistenziali (ambulatoriale o ospedaliero) che ha raggiunto larga diffusione e che rappresenta attualmente una importante fonte di informazioni utili a scopo di ricerca clinica, farmacologica, assistenziale ed economica(1). Le CDB sono utilizzate in tutto il mondo, possono essere sistematicamente alimentate da cartelle cliniche informatizzate (electronic health record, EHR)(2,3) che, a differenza di quelle cartacee, consentono automaticamente e direttamente la raccolta aggregata dei dati e il loro continuo aggiornamento nel corso del tempo e l’aumento del numero dei casi osservati e archiviati(4,5). Alcuni vantaggi pratici derivanti dall’uso di cartelle elettroniche sono evidenti e intuitivi. Oltre alla facilità di ricercare dati aggregati per aree, non solo di tipo clinico (patologie, dati di laboratorio, caratteristiche razziali ecc.), ma anche economicogestionali (tipo e numero di prestazione, farmaci, accessi, degenza ecc.), esistono evidenti vantaggi rispetto alle cartelle cartacee come per esempio per l’archiviazione, per spazi, personale e procedure di conservazione. Esistono solide evidenze scientifiche che documentano la superiorità in termini di efficienza dell’adozione di cartelle elettroniche rispetto a quelle cartacee pari al 6% per anno(6,7) e anche valutazioni economiche cost-saving(8). In considerazione di questi vantaggi, il Congresso degli Stati Uniti d’America ha varato un sistema di norme che prevedono incentivi-penalità economiche, rispettivamente all’adozione di electronic medical records, rispetto all’uso delle cartelle cartacee, come parte di un sistema di Health Information Technology for Economic and Clinical Health (HITECH)(9). Questa forma di incentivazione economica per i medici generalisti, basata sul principio del pay for performance con specifico riferimento alle EHR, sta trovando pratica attuazione anche in Italia, così come è in uso presso alcuni gruppi assicurativi americani già da lungo tempo. 106 S. Gentile In Italia esistono alcuni esempi peculiari di medical database. L’Osservatorio Arno, collegato al CINECA (Consorzio interuniversitario per la gestione del centro di calcolo elettronico dell’Italia Nord-orientale) e alla SID (Società Italiana di Diabetologia) rappresenta un’iniziativa senza scopo di lucro che analizza milioni di informazioni sulla gestione e analisi di dati in ambito biomedico e sanitario e fornisce periodicamente un rapporto su appropriatezza e costi, basandosi sulle schede di dimissione ospedaliera e sulle prescrizioni farmaceutiche, di prestazioni specialistiche e diagnostiche(10). Nel rapporto 2012 le analisi sono state condotte su una popolazione di 9.465.492 assistibili appartenenti a 29 ASL del campione ARNO, avendo a disposizione i dati per l’anno 2010 al momento dell’elaborazione, da cui sono stati estratti i dati relativi al diabete. I dati per le serie storiche sono stati estratti da un sottocampione di 10 ASL (per una popolazione di 2.135.494) con a disposizione la serie storica completa e una buona qualità del dato dal 1997 al 2010. Le ASL sono state selezionate sulla base della completezza e della buona qualità del dato al momento dell’elaborazione. L’enorme mole di dati disponibili ha consentito innumerevoli analisi basate sulle ricettazioni o sulle schede di dimissione. Un altro esempio di medical database è quello della Medicina Generale italiana, denominato Health Search(11) e basato sulla raccolta di dati prescrittivi e sul numero di contatti medico-paziente nel periodo di tempo indice, raccolti da 893 Medici di Medicina Generale, grazie a una cartella clinica informatizzata, su una popolazione totale di 1.163.855 pazienti di tutte le regioni italiane, relativamente a tutte le patologie di maggiore impatto, inclusi diabete e obesità. I dati forniti dai periodici report di Health Search sono stati la fonte di analisi farmaco-economiche e di numerose pubblicazioni scientifiche su riviste internazionali. Un progetto particolarmente significativo realizzato nella ASL di Brescia con il sistema della cattura e ricattura dei dati, incrociandoli con il codice fiscale dei pazienti e registrando dati medici a vario livello è stato pubblicato di recente e fornisce un interessante scenario sulla presa in carico di tutti gli assistiti che, nel rispetto dei limiti economici attribuiti, descrive un approccio globale, continuità delle cure, appropriatezza degli interventi, appropriatezza ed efficienza del sistema delle cure primarie integrate con il livello specialistico(12). Dal 2006 è in essere l’iniziativa denominata Annali AMD (Associazione Medici Diabetologi) in collaborazione con l’Istituto Mario Negri Sud(13-16), che fotografa sistematicamente lo stato del diabete nel nostro Paese e offre uno strumento di valutazione della qualità complessiva della cura e dei bisogni assistenziali, con lo scopo ultimo di fornire la mappa degli elementi di forza (e di debolezza) dell’assistenza diabetologica specialistica, punto di partenza fondamentale per il miglioramento dell’approccio al trattamento. A differenza dei precedenti esempi, il database degli Annali AMD è descrittivo di parametri clinici, raccolti durante l’attività assistenziale quotidiana, è basato su indicatori demografici generali, di processo, di esito intermedio e di utilizzo dei farmaci, cosa che ha consentito di realizzare uno score di qualità dell’assistenza, definito score Q, validato e in grado di predire eventi cardiovascolari(17). Il fatto oltremodo singolare è che grazie agli Annali, accanto alla tradizionale visione clinica di efficacia delle cure, in funzione dei farmaci utilizzati e dell’aderenza alle linee guida, per la prima volta si attribuisce un valore fondamentale all’organizzazione dei Servizi (in questo caso di Diabetologia) che ha valenza predittiva pari ai fattori precedenti(17). Sono 550.000 le persone con diabete analizzate per 8 anni in 320 Centri di diabetologia distribuiti in tutte le regioni italiane e 18 sono indicatori calcolati ormai da 7 anni(16,18), adottati tra l’altro dall’IDF (International Diabetes Federation) per misurare in maniera omogenea, nel mondo, gli obiettivi auspicati per la cura del diabete, pubblicandoli nelle Linee Guida IDF 2012 per la cura del diabete di tipo 2(19). Tra l’altro il database generale ha consentito di condurre interessanti analisi dettagliate sulle nefropatie, sulla medicina di genere, sull’utilizzo dei microinfusori e sull’anziano(20) e vari lavori scientifici sottomessi a varie riviste internazionali. Da questa breve analisi è evidente che molte promesse sono state mantenute dall’utilizzo dei database come punto di partenza per il miglioramento continuo dell’assistenza, ma che ancora molto resta da fare, come un utilizzo più generale del web con la possibilità che banche dati di diversa natura si parlino e si integrino vicendevolmente, come per esempio quelle di categorie di professionisti differenti, quelle amministrative con quelle cliniche, incluso un più estensivo uso della telemedicina o ancora l’integrazione di EHR con sistemi automatici di guida all’uso di linee guida, come ulteriore elemento di provato miglioramento delle cure(21) e di flow-chart terapeutiche(22,23), nella logica di una moderna integrazione tra le opportunità offerte dalla tecnologia e le evidenze scientifiche. Bibliografia 1. Torchio M, Molino F, Seidenari C, Molino G. Clinical database. structure, development strategies and expected clinical applications. Minerva Med 2003;94(2):111-22. 2. Gunter TD, Terry NP. The emergence of national electronic health record architectures in the United States and Australia: Models, costs, and questions. J Med Internet Res 2005;7:1. 3. Greenhalgh T, Stramer K, Bratan T, Byrne E, Russell J, Potts HWW. Adoption and non-adoption of a shared electronic summary care record in England: A mixed-method case study. BMJ 2010;340:c3111. 4. Iacovino L. Trustworthy shared electronic health records. J Law Med 2004;12(1):40-59. 5. Jha AK, DesRoches CM, Campbell EG, Donelan K, Rao SR, Ferris TG et al. Use of electronic health records in U.S. hospitals. N Engl J Med 2009;360(16):1628-38. 6. Evans DC, Nichol WP, Perlin JB. Effect of the implementation of an enterprise-wide Electronic Health Record on productivity in the Veterans Health Administration. Health Econ Policy Law 2006:1(Pt 2):163-9. 7. Cebul RD, Love TE, Jain AK, Hebert CJ. Electronic health records and quality of diabetes care. N Engl J Med 2011; 365(9):825-33. 8. Groopman J, Hartzband P. Obama’s $80 Billion Exaggeration. Wall Street Journal 2009;12 March. 9. U.S. Department of Health and Human Services Centers for Banche dati clinici per il miglioramento del processo di cura del diabete 107 Medicare & Medicaid Services 42 CFR Parts 412, 413, 422 et al. Medicare and Medicaid Programs; Electronic Health Record Incentive Program; Final Rule. http://www.law.cornell.edu/cfr/ text/42/chapter-IV Marangoni A et al.; Gruppo Annali AMD. Analisi prospettica degli indicatori di qualità dell’assistenza del diabete in Italia (20042011). http://www.infodiabetes.it/files/ANNALI-AMD/2012/Annali %202012.pdf 10. Osservatorio ARNO Diabete 2011. Il profilo assistenziale della popolazione con diabete. Bologna: Ed. Centauro Srl - Edizioni Scientifiche 2011. http://osservatorioarno.cineca.org 17. Rossi MC, Lucisano G, Comaschi M, Coscelli C, Cucinotta D, Di Blasi G et al.; AMD-QUASAR Study Group. Quality of diabetes care predicts the development of cardiovascular events: Results of the AMD-QUASAR Study. Diabetes Care 2011;34(2):347-52. 11. Istituto di Ricerca della Società Italiana di Medicina Generale, Anno 2011/2012. VII Report Health Search. http://www.healthsearch.it/ documenti/Archivio/Report/VIIReport_2011-2012/VII%20Report %20HS.pdf 12. Lodati F, Scarcella C. Governo clinico e cure primarie. L’innovativa esperienza della ASL di Brescia. Santarcangelo di Romagna (RN): Maggioli Editore 2011. 13. Cimino N, Giorda C, Meloncelli I, Nicolucci A, Pellegrini F, Rossi MC et al. Annali AMD 2006. Gli indicatori di qualità dell’assistenza diabetologica in Italia. http://www.infodiabetes.it/files/2006_ annali_amd_ita.pdf 14. Arcangeli A, Cimino N, Di Bartolo P, Fava D, Lovagnini Scher A, Mulas MF et al.; Associazione Medici Diabetologi Annals Study Group. Baseline quality-of-care data from a quality-improvement program implemented by a network of diabetes outpatient clinics. Diabetes Care 2008;31(11):2166-8. 15. Nicolucci A, Rossi MC, Arcangeli A, Cimino A, de Bigontina G, Fava D et al.; AMD-Annals Study Group. Four-year impact of a continuous quality improvement effort implemented by a network of diabetes outpatient clinics: the AMD-Annals initiative. Diabet Med 2010;27(9):1041-8. 16. Arcangeli A, Cimino A, Di Bartolo P, Fava D, Lovagnini Scher A, 18. Gruppo di studio ANNALI AMD. AMD Annals: a model of continuous monitoring and improvement of the quality of diabetes care. Epidemiol Prev 2011;35(1):18-26. 19. IDF Clinical Practice Guidelines 2011/2012. http://www.idf.org/ guidelines?language=es 20. Annali Specialistici AMD. http://infodiabetes.it/files/ANNALI2010 .pdf 21. Tzoulaki I, Molokhia M, Curcin V, Little MP, Millett CJ, Ng A et al. Risk of cardiovascular disease and all cause mortality among patients with type 2 diabetes prescribed oral antidiabetes drugs: retrospective cohort study using UK general practice research database. BMJ 2009;339:b4731. 22. Ceriello A, Gallo M, Armentano V, Perriello G, Gentile S, De Micheli A; Associazione Medici Diabetologi. Personalizing treatment in type 2 diabetes: a self-monitoring of blood glucose inclusive innovative approach. Diabetes Technol Ther 2012; 14(4):373-8. 23. Ceriello A, Candido R, De Micheli A, Esposito K, Gallo M, Gentile S et al. Personalisation of therapy in type 2 diabetes. Last online version updated and revised: May 2013. http://www.aemmedi.it/ algoritmi_en_2013/intro-english.html