Ricoveri in reparti non psichiatrici dopo dimissione psichiatrica: uno studio retrospettivo di coorte nei pazienti con disturbo bipolare

Background: Patients with bipolar disorder (BD), compared with the general population, show an increased prevalence of medical and psychiatric comorbidities, a twofold higher mortality and reduced life expectancy. The high rate of hospitalizations documented in this population also entails substantial human and healthcare costs. The period following psychiatric discharge represents a critical transitional phase, during which the risk of severe clinical outcomes, including new admissions, is elevated. While risk factors for psychiatric readmission have been well characterized, predictors of medical hospitalization remain largely unexplored. Objectives: The aim of this study was to identify predictors of non-psychiatric hospitalization after discharge from a psychiatric ward, through machine-learning models based on baseline medical, psychiatric and sociodemographic data. Materials and Methods: A retrospective observational study was conducted on a cohort of 71 bipolar patients admitted to a psychiatric ward in Padua and monitored for medical readmissions during the 3 years after discharge. The proportion of hospitalizations was compared with that of the sex- and age-matched general population of the Veneto region. Predictors were investigated among baseline biochemical, clinical, ECG-related, psychiatric, and sociodemographic variables. Three predictive models were developed using LASSO regression, then trained and cross-validated with a leave-one-out procedure. Overall performance was assessed using ROC analysis. Finally, relative variable-importance scores were computed for each model. Results: The proportion of medical hospitalizations among BD patients was higher than in the general population (25,4% vs 8,48%). Two out of the three models were able to predict the outcome. The global model, based on all available data, achieved the best performance (AUC=69,5%; 95%CI=55–84,1; Se=61,1%; Sp=75,5%; BAC=68,3%). The main predictors were cardiovascular diseases (importance of 59,2%), neurological diseases (24,8%), musculoskeletal diseases (7,6%), valproate use (3,3%) and age (2,1%). The medical model, based on medical and sociodemographic data, showed slightly lower performance (AUC=68,7%; 95%CI=54,6–82,9). The psychiatric model, based on psychiatric and sociodemographic data, did not show adequate performance (AUC=61,8%; 95%CI=46,2–77,4). Conclusions: The findings confirmed an increased susceptibility to medical hospitalization in BD and identified physical comorbidities as the main predictors of general medical readmission after psychiatric discharge. Sociodemographic and psychiatric variables played a modest role. Early identification of high-risk individuals and active monitoring of comorbidities may help reduce excess hospitalizations, with benefits for prognosis, quality of life and optimization of healthcare resource utilization. Prospective studies with larger samples are needed to validate the models and ensure reproducibility.

Presupposti dello studio: I pazienti affetti da disturbo bipolare (BD), rispetto alla popolazione generale, presentano un’aumentata prevalenza di comorbidità mediche e psichiatriche, raddoppiata mortalità e ridotta aspettativa di vita. L’elevato tasso di ricoveri documentato per questa popolazione comporta inoltre ingenti costi umani e sanitari. Il periodo post-dimissione psichiatrica rappresenta una fase di transizione critica, in cui il rischio di esiti clinici gravi, tra cui nuovi ricoveri, risulta elevato. Sebbene i fattori di rischio correlati alla riammissione psichiatrica siano stati ben caratterizzati, i predittori del ricovero medico rimangono ancora ampiamente inesplorati. Obiettivi: Ci si è proposti di individuare i predittori di ospedalizzazione non psichiatrica dopo la dimissione da un Servizio Psichiatrico di Diagnosi e Cura (SPDC), mediante modelli di machine learning basati su dati medici, psichiatrici e sociodemografici documentati al basale. Materiali e metodi: È stato svolto uno studio osservazionale retrospettivo su una coorte di 71 soggetti bipolari, ricoverati presso un SPDC padovano e monitorati per successivi ricoveri medici nei 3 anni post-dimissione. La proporzione di ricoveri è stata confrontata con quella della popolazione generale veneta appaiata per sesso e per età. I predittori sono stati ricercati tra variabili biochimiche, cliniche, ECG-correlate, psichiatriche e sociodemografiche raccolte al basale. Tramite regressione LASSO sono stati sviluppati tre modelli predittivi, addestrati e cross-validati con procedura leave-one-out. La performance complessiva è stata stimata mediante analisi ROC. Infine, per ogni modello sono stati valutati gli score di importanza relativa delle variabili. Risultati: La proporzione di ricoveri medici tra i soggetti bipolari è risultata superiore a quella della popolazione generale (25,4% vs 8,48%). Due modelli su tre hanno sono stati in grado di predire l’outcome. Il modello globale, basato su tutti i dati disponibili, ha ottenuto la migliore performance (AUC=69,5%; IC95%=55-84,1; Se=61,1%; Sp=75,5%; BAC=68,3%). I predittori principali sono risultati le patologie cardiovascolari (importanza del 59,2%), neurologiche (24,8%), osteomuscolari (7,6%), uso di valproato (3,3%) e l’età (2,1%). Il modello medico, basato sui dati medici e sociodemografici, ha mostrato performance lievemente inferiori (AUC=68,7%; IC95%=54,6-82,9). Il modello psichiatrico, basato sui dati psichiatrici e sociodemografici, non ha mostrato invece una performance adeguata (AUC=61,8%; IC95%=46,2-77,4). Conclusioni: I risultati hanno confermato un’aumentata suscettibilità al ricovero medico nel BD e hanno identificato nelle comorbidità fisiche i principali predittori di riospedalizzazione internistica dopo la dimissione psichiatrica. Il ruolo delle variabili sociodemografiche e psichiatriche si è rivelato modesto. L’identificazione precoce dei soggetti a rischio e un monitoraggio attivo delle comorbidità potrebbero contribuire a ridurre l’eccesso di ricoveri, con benefici su prognosi, qualità di vita e ottimizzazione dell’utilizzo di risorse sanitarie. Sono necessari futuri studi prospettici su campioni più ampi per validare i modelli e garantirne la riproducibilità.