News
Ad
Ad
Ad
Tag

pandemia

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.

IL NUOVO MONDO POST-COVID DALLA FINANZA AL CALCIO

DA EDIZIONI CA’ FOSCARI INSTANT-BOOK FIRMATO DA 53 ECONOMISTI

Investire sulla resilienza per affrontare crisi future tra i messaggi chiave del volume che analizza esperienze e scenari internazionali

economia post-COVID instant-book Edizioni Ca' Foscari
La copertina dell’instant-book A New World post COVID-19. Lessons for Business, the Finance Industry and Policy Makers, edited by Monica Billio and Simone Varotto, Edizioni Ca’ Foscari. Un team di 53 studiosi di economia sul mondo post-COVID

VENEZIA – Gli spettri del protezionismo o dell’austerity, il delicato ruolo della Banca centrale europea, l’incertezza dei mercati attenti alla curva epidemica, la prudenza nel ritorno al turismo. Ma anche l’immobiliare orientato verso case più grandi in cui lavorare, le criptovalute per diversificare, investimenti sulla scia del Green Deal e il calcio che si dovrà reinventare.

Un team di 53 economisti ha esplorato esperienze del passato e scenari di possibile ripresa in vari campi dell’economia, del business e della finanza, realizzando in poche settimane il primo libro sul mondo post-COVIDedito da Edizioni Ca’ Foscari e scaricabile gratuitamente online.

Uno dei capitoli firmati da ricercatori cafoscarini riguarda il nesso tra pandemia, clima e finanza pubblica. Secondo gli studiosi, non sarebbe lungimirante uno sforzo per tornare alla situazione pre-epidemica, ma piuttosto andrebbero favorite politiche che puntino sulla resilienza socio-economica in vista di future pandemie o crisi di simile portata, allineandole a iniziative europee come il Green Deal. Sarebbero scelte egualmente costose rispetto a politiche di più corto respiro, ma metterebbero l’Europa nelle condizioni di affrontare meglio futuri shock, concludono gli autori Stefano Battiston, Monica Billio e Irene Monasterolo, i quali hanno condotto queste analisi nell’ambito di un progetto in collaborazione con la Banca Mondiale che ha riguardato finora paesi in via di sviluppo e proseguirà nei prossimi mesi.

Il volume, curato da Monica Billio, direttrice del Dipartimento di Economia dell’Università Ca’ Foscari Venezia, e da Simone Varotto, professore associato alla Henley Business School della University of Reading, inaugura una collana su Innovation in Business, Economics & Finance, diretta da Carlo Bagnoli, professore di Innovazione Strategica a Ca’ Foscari.

“Le pandemie sono eventi dirompenti che hanno conseguenze profonde per la società e l’economia – afferma Simone Varotto, cafoscarino oggi docente a Reading e curatore del libro – il volume intende presentare un’analisi degli impatti economici del COVID-19 e le probabili conseguenze future. Abbiamo chiesto agli studiosi che hanno contribuito di scrivere per lettori non esperti, in modo da diffondere un messaggio che vada oltre l’accademia e gli economisti, per raggiungere i decisori e la società”.

“I contenuti del libro derivano dalle più recenti ricerche e forniscono una quantità di spunti per ulteriori approfondimenti e riflessioni – aggiunge Monica Billio, professoressa a Ca’ Foscari – Questo rende la pubblicazione uno strumento ideale anche per gli studenti di economia e finanza che vogliano capire meglio come la pandemia influenzi le loro discipline”.

E il calcio? Il tema, tanto caro agli appassionati inglesi come agli italiani, ha implicazioni economiche che non vanno sottovalutate. Secondo J. James Reade e Carl Singleton della University of Reading il futuro dipenderà dalle scelte di proprietari e manager dei principali club: punteranno su diversità e inclusione o continueranno a dominare gli interessi finanziari? L’analisi tocca anche il vantaggio, eroso dalle porte chiuse, del giocare “in casa”. Inoltre, paventa un possibile contagio, ma questa volta finanziario, in caso di bancarotta di club molto dipendenti dagli incassi dei biglietti: la maggior parte dei loro debiti sono detenuti da altre società sottoforma di pagamenti dilazionati dei trasferimenti di giocatori. Vie d’uscita? Secondo i ricercatori diversificare su un asset in crescita come il calcio femminile e tagliare spese improduttive come le provvigioni degli agenti sarebbero tra le migliori politiche per garantire un futuro all’industria del pallone.

Link al libro:  http://doi.org/10.30687/978-88-6969-442-4

A New World Post COVID-19 

Lessons for Business, the Finance Industry and Policy Makers

 

Testo e immagine dall’Ufficio Comunicazione e Promozione di Ateneo Università Ca’ Foscari Venezia sull’instant-book Edizioni Ca’ Foscari, realizzato da 53 studiosi di economia sul mondo post-COVID.