Jason Brinkley , PhD, Ricercatore senior, American Institutes for Research
Elisabetta Horner , PhD, Ricercatrice senior, American Institutes for Research
Le dinamiche di utilizzo dei servizi ospedalieri sono complesse e i meccanismi causali sono diversi quanto le popolazioni di pazienti. È necessario identificare i pazienti con un elevato utilizzo dei servizi ospedalieri, che potrebbe essere evitato. La maggior parte delle ricerche si basa su una modellizzazione diretta dei conteggi di utilizzo. Questa strategia identifica principalmente fattori immutabili (ad esempio, etnia ed età) e fornisce poche indicazioni per eventuali modifiche alle politiche. Proponiamo un quadro alternativo: segmentare la popolazione che utilizza i servizi ospedalieri in gruppi e stabilire che un gruppo "utilizza" i servizi ospedalieri con una frequenza maggiore rispetto agli altri. Utilizzando dati amministrativi, impieghiamo la modellizzazione predittiva per determinare se gli individui hanno probabilità di appartenere a un particolare segmento. Applichiamo il quadro ai dati di un ospedale rurale, esaminando le transizioni dal domicilio all'assistenza a lungo termine tra pazienti anziani a rischio. Questo segmento rappresentava circa il 20% dell'elevato utilizzo dei servizi ospedalieri in regime di ricovero, il 15% degli accessi al pronto soccorso e l'11% dei ricoveri entro 30 giorni. La modellizzazione predittiva ha quindi identificato specifici gruppi di codici ICD-9 con una maggiore probabilità di una successiva transizione. Questi gruppi offrono opportunità di intervento, sia per prevenire un ulteriore utilizzo dei servizi ospedalieri, sia per fornire indicazioni su un probabile trasferimento futuro. Sebbene questa tecnica sia diffusa nell'ambito dell'analisi aziendale, non è altrettanto presente nel settore sanitario. Dimostriamo che l'applicazione di questo modello consente di discutere di cambiamenti politici e interventi.
