Misurare la fragilità degli anziani: una proposta di indicatore basato sulla combinazione di classificatori

Migliorare lo stato di salute della popolazione sta diventando una sfida sempre più complicata a causa dall’invecchiamento della popolazione. Infatti, associato all’incremento dell’età vi è una maggiore probabilità nello sviluppare malattie o condizioni cliniche gravi che incidono sullo stato di salute del soggetto. Per questo diventa fondamentale individuare precocemente gli individui più vulnerabili, nel gergo clinico i "fragili". Ad oggi, però, non esiste una definizione unica del concetto di fragilità, in quanto è una condizione complessa che comprende sia condizioni fisiche che psicologiche che sociali. Lo scopo di questo elaborato è quello di proporre un indicatore di fragilità in grado di superare alcuni limiti degli indicatori già noti in letteratura. In particolare, definendo un soggetto fragile come colui o colei che ha un'elevata probabilità di sviluppare eventi avversi associati alla fragilità stessa, si è costruito un indicatore che utilizza un sottoinsieme di determinanti di fragilità diverso per ogni outcome. L’indicatore è stato costruito sui dati forniti dall’ULSS “Euganea” 6 che comprendono i soggetti con almeno 65 anni di età residenti nei distretti gestiti da questa azienda ospedaliera in tutto l’arco temporale compreso tra il primo gennaio 2016 e il 31 dicembre 2017. L’indicatore proposto è costruito a partire dalle informazioni reperibili da diversi flussi amministrativi e si basa sulla combinazione di classificatori binari. Dopo aver identificato gli outcome associati alla fragilità che si è interessati a prevedere, è stata svolta una selezione dei determinanti per ogni singolo outcome, con lo scopo di ridurre il numero di variabili da indagare per prevedere gli eventi avversi. Per la selezione sono stati applicati due approcci a partire da alcune misure calcolabili dalle Random Forest: una cluster analysis sulla misura di importanza dei determinanti e un test binomiale sul numero di volte che il determinante è utilizzato come split negli alberi decisionali. Successivamente si è proceduto con la stima di modelli di regressione logistica per prevedere gli outcome a partire dalle variabili selezionate nel passo precedente. Le previsioni di questi modelli sono combinate per costruire l'indicatore. Questa combinazione utilizza come pesi dei valori che derivano dall’accuratezza dei modelli univariati stimati precedentemente. Infine, nell’ultima parte dell’elaborato è stata svolta la validazione dell’indicatore, discutendone i pregi e le criticità.