News
Ad
Ad
Ad
Tag

Mortalità

Browsing

PREVISIONE DELLA MORTALITÀ IN TERAPIA INTENSIVA COVID-19

Sviluppato uno strumento, attraverso l’approccio di Machine Learning che utilizza l’algoritmo Super Learner, capace di identificare i ricoverati per COVID-19 più a rischio di eventi fatali

terapia intensiva mortalità COVID COVID-19
Paolo Navalesi

Il recente studio pubblicato dalla rivista «Journal of Anesthesia, Analgesia and Critical Care» dal titolo “COVID-19 ICU mortality prediction: a machine learning approach using SuperLearner algorithm”, coordinato dal prof. Paolo Navalesi, direttore della COVID-19 VENETO ICU Network, e dal prof. Dario Gregori, Direttore dell’Unità di Biostatistica Epidemiologia e Sanità Pubblica del Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica dell’Università di Padova, oltre a sollevare importanti riflessioni sull’indagine dei fattori predittivi di mortalità in terapia intensiva in pazienti affetti da COVID-19, apre lo sguardo sull’importanza di nuove tecniche di analisi di dati clinici tramite Machine Learning una delle nuove frontiere di formazione per medici e operatori sanitari.

terapia intensiva mortalità COVID COVID-19
Dario Gregori

Il Machine Learning (ML o apprendimento automatico) è uno dei principali rami dell’intelligenza artificiale ed è una tecnologia fondamentale per la gestione e la comprensione dell’enorme quantità di dati, sanitari e non, che produciamo quotidianamente. L’uso del ML in medicina permette l’identificazione più rapida e precisa dei meccanismi che sono alla base di una malattia o della sua degenerazione, ma anche per definire una terapia in base alle caratteristiche personali del paziente.

La ricerca, che mette in luce l’età avanzata dei pazienti come uno dei predittori di maggiore mortalità per COVID in Terapia Intensiva, è il risultato di uno sforzo congiunto tra una rete di anestesisti, rianimatori e biostatistici.  Lo studio è stato coordinato dal prof. Paolo Navalesi, direttore della COVID-19 VENETO ICU Network, e dal prof. Dario Gregori, Direttore dell’Unità di Biostatistica Epidemiologia e Sanità Pubblica del Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica dell’Università di Padova.

«È importante sottolineare come la consapevolezza della necessità di far rete stia diventando il nuovo modus operandi per far fronte anche alle sfide delle emergenze epidemiologiche – spiega il professor Paolo Navalesi, direttore della COVID-19 VENETO ICU Network -. Nemmeno le Unità di terapia intensiva sono più un’isola all’interno degli ospedali. Mai come in questi mesi la loro funzione e operatività è stata al centro dell’attenzione pubblica. Le 25 Unità Operative del Veneto lavorano già in rete per raccogliere i dati di ogni ricoverato. Per questo studio abbiamo chiesto il coinvolgimento dei colleghi di Milano e aggiungere la visione di una realtà extra regionale ma ugualmente impegnata sul fronte del COVID. Ma soprattutto, la rete che ci ha visto coinvolti in modo innovativo e che ci permette di avere una importante chiave di lettura, è quella creata all’interno del nostro Ateneo tra l’istituto di Anestesia e Rianimazione e l’Unità di Biostatistica del prof. Gregori».

Il lavoro mirava a sviluppare uno strumento, attraverso un approccio di Machine Learning, capace di identificare i ricoverati per COVID-19 più a rischio di eventi fatali. La relazione studiata, quindi, è stata quella tra le caratteristiche dei pazienti e i casi di mortalità, prendendo in esame età, genere, punteggio di valutazione dell’insufficienza d’organo, necessità di ventilazione meccanica invasiva, ventilazione meccanica non invasiva, ossigenazione extracorporea a membrana, emofiltrazione venoso-venosa continua, tracheostomia, re-intubazione, posizione prona durante la degenza in terapia intensiva; e riammissione in terapia intensiva. Questi erano i dati a disposizione e processabili in un momento di emergenza e di grandissimo carico di lavoro nelle 25 terapie intensive del Veneto

Si è basato sui dati di 1616 pazienti ricoverati nelle terapie intensive della COVID-19 VENETO ICU Network e dell’IRCCS Ca’ Granda Ospedale Maggiore Policlinico di Milano dal 28 febbraio 2020 al 4 aprile 2021.

I modelli hanno evidenziato l’età come il parametro predittivo più importante sulla mortalità di questi pazienti.

Dall’inizio della pandemia, lo sviluppo di modelli predittivi ha suscitato grande interesse a causa della mancanza iniziale di conoscenze su diagnosi, trattamento e prognosi sull’argomento. Vale la pena notare che sono stati proposti diversi strumenti per la previsione della mortalità dei pazienti COVID-19; tuttavia, è difficile confrontare le loro prestazioni perché ogni modello è stato sviluppato in pazienti con caratteristiche diverse, utilizzando diversi insiemi di variabili e utilizzando tecniche diverse per lo sviluppo del modello stesso.

«Queste tecniche sono lo strumento metodologico alla base della person-centered clinical research (ricerca clinica basata sulla persona) e della medicina personalizzata, fondata sull’analisi dei dati clinici, integrati con algoritmi e con i big data a disposizione – sottolinea il Professor Dario Gregori, Direttore dell’Unità di Biostatistica Epidemiologia e Sanità Pubblica del Dipartimento di Scienze Cardio-Toraco-Vascolari e Sanità Pubblica dell’Università di Padova -. Le variabili cliniche indagate rappresentano solo un piccolo numero di parametri potenzialmente rilevanti e in grado di influenzare gli esiti dei pazienti critici. Inoltre, diversi pazienti avevano registri incompleti, a causa dall’enorme carico di lavoro per i medici di terapia intensiva durante la pandemia di COVID-19. Ciò nonostante, i risultati di questa ricerca rappresentano l’ennesima dimostrazione della grandissima importanza della collaborazione tra biostatistici e medici per meglio capire le dinamiche dell’andamento di ogni malattia”

L’Unità di Biostatistica ha sviluppato tre diversi modelli predittivi, con le tecniche di ML. Ciascun modello includeva diversi set di variabili cliniche. I tre modelli hanno mostrato prestazioni predittive simili: l’età era il predittore principale per tutti i modelli considerati. Gli strumenti impiegati hanno dimostrato diversi punti di forza, tra cui il fatto che sono stati sviluppati su un’ampia coorte multicentrica di pazienti ammessi alle unità di terapia intensiva di due delle regioni italiane più colpite dalla pandemia di COVID-19

Link alla ricerca: https://janesthanalgcritcare.biomedcentral.com/articles/10.1186/s44158-021-00002-x

Titolo: «Access COVID-19 ICU mortality prediction: a machine learning approach using Super Learner algorithm» – «Journal of Anesthesia, Analgesia and Critical Care» – 2021

Autori: Giulia Lorenzoni1†, Nicolò Sella2†, Annalisa Boscolo3, Danila Azzolina1, Patrizia Bartolotta1, Laura Pasin3, Tommaso Pettenuzzo3, Alessandro De Cassai3, Fabio Baratto4, Fabio Toffoletto5, Silvia De Rosa6, Giorgio Fullin7, Mario Peta8, Paolo Rosi9, Enrico Polati10, Alberto Zanella11,12, Giacomo Grasselli11,12, Antonio Pesenti11,12, Paolo Navalesi 2,3*, Dario Gregori1 per la Rete ICU VENETO

1 Unità di Biostatistica, Epidemiologia    e Sanità Pubblica, Dipartimento di Scienze Cardiache, Toraciche, Vascolari e Sanità Pubblica, Università di Padova, Padova, Italia.

2 Dipartimento di Medicina (DIMED), Policlinico Universitario di Padova, Padova, Italia.3Istitutodi Anestesia e Terapia Intensiva, Università di Padova Ospedale, Padova, Italia.

4 Unità di Anestesia e Terapia Intensiva, Ospedali Riuniti Padova Sud, Schiavonia, Italia.

e Unità di Terapia Intensiva, Ospedale di San Donà di Piave e Jesolo, San Donà di Piave, Italia.

6 Unità di Anestesia e Critica, Ospedale San Bortolo, Vicenza, Italia.

7 Unità di Anestesia e Cure Intensive, Ospedale Dell’Angelo, AULSS 3 Serenissima, Mestre, Italia.

8 Unità di Anestesia e Terapia Intensiva, Ospedale Ca’ Foncello, AULSS 2 Marca Trevigiana, Treviso, Italia.

9 Servizi Medici di Emergenza, Dipartimento Regionale, AULSS  3, Venezia, Italia.

10 Unità di Anestesia e Terapia Intensiva B, Dipartimento di Chirurgia, Odontoiatria, Ginecologia e Pediatria, Università degli Studi di Verona, AOUI- Azienda Ospedaliero-Universitaria Integrata, Verona, Italia.

11 Anestesia e Critical Care, Dipartimento di Fisiopatologia e Trapianti, Università del Milan,Milano,  Italia.

12 Dipartimento di Anestesia, Terapia Intensiva e Medicina d’Urgenza, Fondazione IRCCS Ca’ Granda-Ospedale Maggiore Policlinico, Milano, Italia

Foto di Mohamed Hassan

Testo e foto dall’Ufficio Stampa Università di Padova.

Solitudine: “l’esperienza spiacevole che si verifica quando la rete delle relazioni sociali di un individuo è insufficiente sotto alcuni aspetti importanti, siano essi quantitativi o qualitativi” (Perlman & Peplau, 1984). Tutti quanti abbiamo vissuto all’interno della nostra vita dei momenti di solitudine, ma ciò che non ci aspettiamo è quanto questa possa variare per qualità, quantità e multidimensionalità. 

L’esperienza di solitudine sembra presentarsi occasionalmente nella vita dell’80% dei ragazzi sotto i 18 anni (Galanaki & Vassilopoulou, 2007). Questa percentuale varia seguendo una curva a U nell’arco di vita (Pinquart & Sorensen, 2001), ma il 15-30% degli individui sperimenta invece una esperienza di solitudine cronica (Heinrich & Gullone, 2006). A cosa è dovuta tale variabilità? È possibile che sia dovuta unicamente all’estensione della rete sociale? 

“Solitudine è sinonimo di isolamento sociale percepito, non isolamento sociale oggettivo” affermano Hawkley & Cacioppo (2010) nella loro review, “Le persone possono vivere una vita relativamente solitaria e non sentirsi sole, o, al contrario, possono vivere una vita sociale apparentemente ricca e sentirsi ugualmente sole”. Quando si entra nel campo della percezione i fattori chiamati in gioco diventano numerosi, individuali e soggettivi: personalità, etnia, età, stato di salute, sono solo alcuni esempi di ciò che può realmente influenzare l’esperienza di solitudine. 

Solitudine e salute

Dottoressa - Solitudine
Foto di Francisco Venâncio

Tale multidimensionalità diventa ancora più importante quando si considerano gli enormi rischi connessi all’esperienza cronica e intensa di solitudine. È sufficiente pensare che di per sé il rischio di morte prematura incrementi del 29% se vi è isolamento sociale e del 26% per la solitudine percepita. Tale incremento di rischio appare ancora più sorprendente in quanto molto simile a quello sperimentato da soggetti con condizioni patologiche conclamate, quali l’obesità di grado 2 o 3 (Holt-Lunstad, Smith, Baker, Harris & Stephenson, 2015).

Questo avviene in quanto a fronte di una esperienza di solitudine, reale o soggettiva, numerosi fattori, diretti e indiretti, possono compromettere aspetti relativi, ad esempio, a salute fisica, sonno, funzionamento fisiologico, espressione genica e sistema immunitario (per una review: Hawkley & Cacioppo, 2010). Alle condizioni attuali, il problema della solitudine potrebbe raggiungere dimensioni epidemiche entro il 2030 (Linehan et al., 2014), sebbene già ora la sua influenza diventi sempre più grave in concomitanza con l’emergenza COVID-19

Sulla base di ciò, diventa sempre più importante ed impellente identificare gli specifici fattori che giocano un ruolo individualizzato nel determinare quando e perché si sperimenta l’esperienza di solitudine. Una migliore comprensione del fenomeno è ciò che può favorire un approccio preventivo o terapeutico specializzato ed individualizzato nel “trattamento” della solitudine. 

È questa la direzione presa dallo studio di Franssen, Stijnen, Hamers & Schneider, (2020): le analisi condotte sulla popolazione olandese hanno messo in evidenza come tre diverse fasce d’età (giovani adulti, adulti di prima e di tarda mezza età) presentassero una diversa correlazione fra la percezione della solitudine e la presenza di fattori di vario genere. Ad esempio: i giovani sono particolarmente sensibili alla frequenza dei contatti con i loro amici; gli adulti nella prima mezza età percepiscono di più la solitudine se disoccupati; gli adulti nella tarda mezza età hanno una percezione della solitudine connessa al loro stato di salute fisica. 

Le implicazioni cliniche derivate da questo studio sono determinanti e concordi a quanto illustrato: “I fattori associati con la solitudine nella vita adulta possono essere compresi da una prospettiva basata su stadi di vita età-normati. Di conseguenza, non esiste un singolo approccio uguale per tutti per ridurre la solitudine fra gli adulti, il che suggerisce la potenziale necessità di una varietà di interventi e approcci indiretti” (Franssen, Stijnen, Hamers & Schneider, 2020). I risultati dello studio di Franssen, Stijnen, Hamers & Schneider, oltre ad arricchire il quadro teorico generale, forniscono una cornice contestuale per la determinazione di interventi personalizzati sia clinici che di prevenzione per la gestione del fenomeno della solitudine.

Abbiamo intervistato gli autori dello studio sopracitato, che hanno risposto alle domande di ScientifiCult.

L’intervista

Intervenire sulla solitudine

Uomo solo in un parcheggio - Solitudine
Foto di Harut Movsisyan

In base alla definizione di solitudine di Perlman and Peplau che fornite nell’introduzione della vostra ricerca, la solitudine non è relativa unicamente ai fattori quantitativi delle relazioni, ma anche a quelli qualitativi. Il che si riflette anche in alcuni degli indicatori che avete rilevato all’interno dello studio, quali l’appartenenza etnica, la situazione economica, l’educazione o lo stress psicologico. In riferimento ai fattori qualitativi che rendono una rete sociale efficace contro la solitudine (es: forza, costanza, positività, ecc) quali sarebbero i potenziali fattori candidati nel contrastare la solitudine? E, secondo le vostre ipotesi, in quale maniera si relazionerebbero con l’età?

Non riteniamo vi sia un unico fattore qualitativo che riduca o prevenga la solitudine. Al contrario, tutti i fattori qualitativi legati alla rete sociale andrebbero tenuti in considerazione. Nel nostro studio abbiamo mostrato come un ampio numero di fattori sia associato alla solitudine. Tuttavia, l’importanza di tali fattori può variare in base, ad esempio, all’età. Questo può riflettersi nelle differenze relative alle relazioni importanti per l’individuo nelle varie fasi della vita. Per esempio, una rete sociale ampia può essere importante per un giovane adulto, mentre una rete sociale più piccola ma con legami più stretti può essere importante per un anziano.

Considerata la natura correlazionale del vostro studio, non risulta possibile determinare una direzionalità tra la solitudine percepita e i fattori da voi esplorati. Di conseguenza, pensate che interventi volti alla riduzione della solitudine percepita potrebbero – allo stesso tempo – incrementare la qualità della vita percepita e migliorare lo stato dei fattori da voi investigati? Se sì, quali fattori pensate ne gioverebbero di più?

Gli individui che si sentono soli possono percepire una peggiore qualità della vita. Di conseguenza gli interventi mirati alla riduzione della solitudine possono essere efficaci nell’incrementare anche la qualità di vita. Inoltre, gli interventi mirati ai fattori associati con la solitudine possono avere lo stesso effetto: influenzare positivamente i fattori associati con la solitudine e nel mentre ridurre la solitudine. Per esempio, gli interventi basati sull’attività fisica di gruppo non solo possono migliorare la salute, ma anche ridurre la solitudine. E soprattutto, se la sensazione di solitudine viene ridotta e la salute viene migliorata, ciò può contribuire ad incrementare la qualità di vita.

All’interno del vostro studio riportate un’influenza dell’appartenenza etnica sulla percezione della solitudine. Quale genere di approccio pensate sia più efficiente nel contrastare la solitudine in base a questo fattore? Suggerireste un approccio basato su interventi di integrazione culturale o sulla formazione di aggregati etnici che funzionino da rete di sostegno?

Nel nostro lavoro suggeriamo che gli interventi debbano essere specifici per gruppo d’età. Sulla base di ciò, gli interventi basati sull’integrazione culturale possono essere efficaci sui giovani adulti, mentre la formazione di gruppi etnici può essere efficace nel prevenire/ridurre la solitudine negli adulti più anziani.
Come già accennato, la frequenza dei contatti con gli amici è un fattore importante in relazione alla solitudine. Di conseguenza, gli interventi che si basano sull’integrazione culturale potrebbero aiutare ad allargare e diversificare la rete sociale dei giovani adulti.
Al contrario, i migranti più anziani sentono la mancanza del loro paese di origine, in particolare della loro famiglia, ancor più dei migranti più giovani (Ciabuna, Fokkema & Nedelcu, 2016). Nel nostro studio abbiamo anche mostrato come l’associazione fra la frequenza di contatto con membri della famiglia e la solitudine fosse più forte negli adulti più anziani rispetto ai giovani adulti. Di conseguenza, la formazione di gruppi etnici potrebbe essere efficace per gli adulti più anziani in quanto fornirebbe occasioni per condividere memorie del paese di origine.

Sulla base dei risultati dei vostri studi, quali ritenete possano essere le potenziali implicazioni clinico-terapeutiche pratiche per la gestione specifica della solitudine nei vari gruppi di età? E quali eventuali interventi a livello di politiche sociali potrebbero invece derivarne?

Suggeriamo, sulla base dei risultati del nostro studio, che gli interventi per contrastare la solitudine vadano adattati sulla base dei fattori rilevanti per lo specifico gruppo d’età. Non c’è un singolo approccio valido per tutti.
La consapevolezza in merito a questi fattori specifici per età è un primo punto di partenza nella scelta di un approccio per contrastare la solitudine.
Ciò andrebbe poi seguito da un assessment dei fattori a livello individuale o dello specifico gruppo d’età, preferibilmente attraverso una conversazione individuale, per comprendere quali fattori siano più rilevanti.
Queste informazioni possono poi essere usate per generare interventi in merito a tali fattori e/o scegliere delle strategie di implementazione appropriate.

Ricerca e metodologia

Foto di Steve Buissinne

Un problema comune relativo agli studi cross-sectional riguarda la differenza nelle esperienze di vita dei diversi gruppi d’età. Ad esempio, l’ambiente educativo nel quale i giovani adulti ricevono la loro educazione oggi è piuttosto differente da quello frequentato dagli anziani ai loro tempi. Quanto pensiate siano determinanti tali differenze fra i tre gruppi di età nell’influenzare i risultati della ricerca? E in quali maniere si è manifestata tale influenza?

Nel nostro studio non abbiamo indagato gli effetti periodo o coorte sulla solitudine. Di conseguenza è difficile affermare se le differenze nelle esperienze di vita abbiano influenzato i nostri risultati. In ogni caso, i cambi nella società possono influenzare la sensazione di solitudine, ma ogni coorte di età presenta delle proprie specifiche difficoltà. Per esempio, i giovani adulti oggi sperimentano stress e pressione sociale (es: dai social media) nel perseguire obiettivi personali (es: avere molti amici), educativi o lavorativi. I giovani adulti del 20esimo secolo, invece, dovevano confrontarsi con la pressione relativa al trovare un partner e formare una famiglia. Tali differenze nelle esperienze di vita possono mediare i fattori associati con la solitudine nei diversi gruppi d’età.

Nel vostro lavoro è presente un trend che correla negativamente età e distress psicologico (e.g. rischio depressivo) alla solitudine percepita. Più le persone invecchiano, meno lo stress psicologico le espone alla percezione della solitudine. Come spieghereste questi risultati?

Menzioniamo come lo stress psicologico sia un fattore associato con la solitudine in tutti e tre i gruppi, perché la magnitudine dell’associazione risulta essere abbastanza simile in tutti e tre i gruppi.

COVID-19 e solitudine

Tablet lockdown - Solitudine
Foto di Elena Mozhvilo

Avete in progetto di proseguire questa linea di studio sfruttando analisi longitudinali? Se sì, quali variabili e interrogativi ritenete potrebbero essere di particolare interesse per questo ulteriore sviluppo di ricerca?

Al momento non abbiamo in programma di continuare questo studio con analisi longitudinali. Tuttavia, stiamo valutando se vi sia la possibilità di condurre uno studio che vada ad investigare l’impatto dell’attuale pandemia COVID-19 sulla sensazione di solitudine.

Alla luce dei recenti sviluppi connessi al lockdown per il COVID-19, quanto pensate sia stato importante il fattore “nuove tecnologie e abilità nell’usarle” nel determinare la percezione di solitudine dei diversi gruppi d’età? In quali maniere? Pensate che tale fattore avesse un’influenza anche prima del lockdown? Potrebbe averla anche in futuro?

Quello che abbiamo appreso come comunità dal lockdown relativo al COVID-19 è quanto importanti siano le nuove tecnologie, e le abilità necessarie per farne uso, per rimanere in contatto con amici, famiglia, colleghi, ecc. laddove non sia possibile avere un contatto “faccia a faccia”. Riteniamo che i giovani adulti già prima del lockdown fossero più familiari con queste nuove tecnologie rispetto agli adulti più anziani, e che di conseguenza fossero più inclini ad usarle. Da un altro punto di vista, non poter socializzare con gli amici potrebbe aver colpito maggiormente i giovani adulti rispetto agli adulti più anziani, nonostante l’uso delle tecnologie. Quindi, le nuove tecnologie e la capacità di usarle possono certamente influenzare la percezione di solitudine, benchè siano necessarie ulteriori ricerche al fine di studiarne l’esatta influenza.

Bibliografia

  • Franssen, T., Stijnen, M., Hamers, F., & Schneider, F. (2020). Age differences in demographic, social and health-related factors associated with loneliness across the adult life span (19–65 years): a cross-sectional study in the Netherlands. BMC Public Health, 20(1). doi: 10.1186/s12889-020-09208-0
  • Galanaki, E., & Vassilopoulou, H. (2007). Teachers and children’s loneliness: A review of the literature and educational implications. European Journal of Psychology of Education, 22(4), 455-475. Retrieved November 3, 2020, from http://www.jstor.org/stable/23421518
  • Hawkley, L., & Cacioppo, J. (2010). Loneliness Matters: A Theoretical and Empirical Review of Consequences and Mechanisms. Annals Of Behavioral Medicine, 40(2), 218-227. doi: 10.1007/s12160-010-9210-8
  • Heinrich, L., & Gullone, E. (2006). The clinical significance of loneliness: A literature review. Clinical Psychology Review, 26(6), 695-718. doi: 10.1016/j.cpr.2006.04.002
  • Holt-Lunstad, J., Smith, T., Baker, M., Harris, T., & Stephenson, D. (2015). Loneliness and Social Isolation as Risk Factors for Mortality. Perspectives On Psychological Science, 10(2), 227-237. doi: 10.1177/1745691614568352
  • Linehan, T., Bottery, S., Kaye, A., Millar, L., Sinclair, D., & Watson, J. (2014). 2030 vision: The best and worst futures for older people in the UK. London, England: Independent Age and International Longevity Centre-UK.
  • Pinquart, M., & Sorensen, S. (2001). Influences on Loneliness in Older Adults: A Meta-Analysis. Basic And Applied Social Psychology, 23(4), 245-266. doi: 10.1207/s15324834basp2304_2