Proposta di un metodo a due stadi per l’analisi differenziale di reti: un’applicazione allo studio delle differenze di genere nella multimorbosità

To identify gender-specific multimorbidity patterns, this thesis analyzes the associations among 12 disease macro-categories within the elderly population of the Local Health Authority (ULSS 6) "Euganea" in 2023. Specifically, the study aims to identify potential structural variations between men and women with advancing age. To achieve this objective, it is necessary to overcome the limitations of classical analysis—which typically focuses on the prevalence of individual diseases—by implementing advanced network analysis methods capable of simultaneously capturing conditional associations among multiple pathologies and quantifying their variations across subgroups. The adopted methodology consists of an extension of the Two-Stage Test procedure to Differential Network Analysis for dichotomous variables. This approach enabled the comparison of multimorbidity networks based on the estimation of Ising models via local logistic regressions. Before applying the method to a dataset of 195,290 subjects aged over 60, stratified by sex and age groups (65-74 years and over 75), the reliability and robustness of the proposed approach were evaluated through Monte Carlo simulation scenarios. The results revealed a gender paradox: while men tend to exhibit higher odds for individual pathologies compared to women, female patients display stronger associations among diseases across both age groups considered. In conclusion, the proposed method proved to be an effective tool for quantifying network differences, providing valuable insights for public health planning and gender-specific medicine to develop targeted care pathways.

Al fine di individuare pattern di multimorbidità genere specifici, la presente tesi analizza le associazioni tra 12 macro-categorie patologiche nella popolazione anziana dell'ULSS 6 "Euganea" nel 2023. In particolare, lo studio vuole identificare eventuali variazioni strutturali tra uomini e donne con il progredire dell'età. Per raggiungere tale obiettivo, è necessario superare i limiti dell'analisi classica, che considera le prevalenze delle singole malattie, implementando metodi avanzati di analisi di rete capaci di catturare simultaneamente le associazioni condizionate tra più patologie, quantificandone le variazioni tra i sottogruppi. Il metodo adottato consiste in un'estensione della procedura del Test a Due Stadi (Two-Stage Test) alla Differential Network Analysis per variabili dicotomiche. Questo ha permesso di confrontare le reti di multimorbidità basate sulla stima di modelli di Ising tramite regressioni logistiche locali. Prima di applicare il metodo ai 195.290 soggetti ultrasessantenni stratificati per sesso e per le fasce d'età 65-74 anni e over 75, è stata valutata l'affidabilità e la robustezza dell'approccio proposto attraverso scenari di simulazione Monte Carlo. Dai risultati ottenuti è emerso un paradosso di genere: gli uomini tendono ad avere odds delle singole patologie più elevati rispetto alle donne, le quali, invece, presentano associazioni più forti tra le malattie in entrambe le fasce d'età considerate. In conclusione, si può affermare che il metodo proposto è uno strumento efficace per quantificare le differenze di rete, fornendo spunti utili alla programmazione sanitaria e alla medicina di genere verso percorsi di cura mirati.