3.1 Analisi per tipo di ospedale
3.4 Analisi delle schede di Dimissione Ospedaliera
3.4.1 Il caso delle infezioni ortopediche post-operatorie
3.4.2 L’analisi retrospettiva sulle SDO
3.4.3 Descrizione dei risultati
3.4.4 Relazione tra spesa per igiene e pulizia e ICA
Studio delle infezioni
Questo capitolo si concentra sullo studio delle ICA in termini aggregati. Il dato analizzato comprende la media delle ICA osservate nelle aziende ospedaliere pubbliche negli anni dal 2016 al 2019. In particolare le ICA sono state identificate nelle schede delle dimissioni ospedaliere di un sottogruppo della popolazione dei ricoverati con fratture di femore, selezionata in base a codici diagnosi e procedure ICD-9-CM di interesse. La scelta di questo sottogruppo è dovuta al rischio aumentato di contrarre ICA in ragione dell’età avanzata della maggior parte dei fratturati di femore e del trattamento chirurgico invasivo con cui vengono trattati.
Si tratta in ogni caso di una scelta che, da un lato, consente una precisa selezione dei casi da analizzare, ma allo stesso tempo riguarda un tipo di patologia a basso rischio ICA. Questa scelta consapevole è mirata a fornire un’evidenza chiara di cosa possa accadere per patologie più complesse con rischi maggiori di ICA, che vedono quindi un’esplosione dei costi economici e, al contempo, dei costi sociali in termini di incremento di degenze ospedaliere per i pazienti, di ricoveri ripetuti e di mortalità.
Come si osserva nella Tabella 3.1, mediamente ogni struttura ospedaliera ricovera annualmente 680 pazienti per frattura di femore e circa l’1% contrae un’infezione correlata all’assistenza. Si tratta per lo più di pazienti anziani, con un’età media di 81 anni, che permangono in ospedale per 12 giorni, un tempo piuttosto lungo considerando la tendenza alla dimissione anticipata indotta dal sistema di pagamento prospettico basato sui DRG che caratterizza il sistema sanitario italiano.
Se si osserva il sottogruppo di pazienti che ha contratto l’infezione, si può vedere che non vi è una differenza in termini di età, ma cambia notevolmente il numero di giorni che vengono trascorsi in ospedale, che sale a 21 (mediamente). Questo semplice dato aiuta a comprendere come il fenomeno delle ICA abbia un costo notevole per il sistema sanitario; è sufficiente considerare che questi 9 giorni in più di media che l’1% dei pazienti trascorre in ospedale, corrispondono a un posto letto occupato che non può essere liberato per un altro ricovero, riducendo in questo modo l’efficienza ospedaliera. Allo stesso tempo, per l’ospedale questo corrisponde a un costo aggiuntivo di circa 4.500 euro (considerando un costo medio per ricovero medico di circa 500 euro a giornata) e senza alcun ricavo aggiuntivo.
Proprio il meccanismo del pagamento prospettico a DRG, introdotto in Italia negli anni Novanta del secolo scorso dai Decreti legislativi di riforma del sistema che si sono succeduti in quegli anni, determina un rimborso fisso per ogni episodio di ricovero, svincolato dalle giornate di degenza (almeno entro una certa soglia). Questo comporta che per questa tipologia di ricoveri, ogniqualvolta si determina un’ICA, la struttura ospedaliera perde 4.500 euro (in media) senza possibilità di copertura.
Le Figure da 3.1 a 3.10 di questo capitolo esprimono l’andamento di questi fenomeni con il dettagli delle distribuzioni e consentono di osservare l’enorme variabilità, sia del numero di ricoveri, sia dell’incidenza delle ICA e, non ultimo, le loro conseguenze in termini di mortalità.
Tabella 3.1: Caratteristiche ospedaliere
Figura 3.1: Distribuzione della variabile N ricoveri.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.2: Distribuzione della variabile N infezioni.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.3: Distribuzione della variabile Età.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.4: Distribuzione della variabile Degenza media.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.5: Distribuzione della variabile Età (infezioni).
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.6: Distribuzione della variabile Degenza media (infezioni).
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.7: Distribuzione della variabile N decessi.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.8: Distribuzione della variabile N decessi (infezioni).
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.9: Distribuzione della variabile Tasso di mortalità.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.10: Distribuzione della variabile Tasso di mortalità (infezioni).
Arancio: 5° e 95° percentile. Rosso: Mediana
3.1 Analisi per tipo di ospedale
In questa sezione, invece, osserviamo il dettaglio per tipologia di ospedale, distinguendo tra aziende ospedaliere, aziende ospedaliere universitarie e istituti di ricerca a carattere scientifico (IRCCS). Come già anticipato nel paragrafo 2.5, l’analisi per tipologia di ospedale consente di apprezzare le differenze soprattutto tra aziende ospedaliere e altre tipologie di ospedale con una maggiore vocazione alla ricerca scientifica.
Le Figure da 3.11 a 3.21 non sembrano evidenziare particolari differenze medie tra le variabili considerate e confermano quanto osservato in generale sulla forte variabilità del fenomeno e sulla rilevanza in termini economici e di costi sociali che le ICA inducono direttamente sul sistema sanitario. Questo viene confermato anche da un test ANOVA effettuato sulle variabili che sono poi state rappresentate nelle figure. Nella Tabella 3.2, dove le uniche significatività sono quelle legate alle dimensioni ospedaliere, si vede infatti che le differenze significative per tipo di ospedale rilevate dal test ANOVA (identificate dagli asterischi a fine riga) sono connesse al numero di ricoveri, che è chiaramente legato al numero di infezioni identificate e così anche al numero di decessi. Non si osservano, invece, differenze sul trattamento medio dei pazienti in termini di giornate di degenza né per i ricoveri in generale né per quelli con infezione e, allo stesso tempo, non si osserva una mortalità differente per i pazienti con ICA.
Questo supporta quanto già osservato in precedenza, vale a dire che non è la tipologia di ospedale a incidere sulla prevalenza di ICA e sulle loro conseguenze in termini di costo per il sistema sanitario e di conseguenze per i pazienti.
Tabella 3.2: Test ANOVA sulle principali variabili di confronto
Figura 3.11: Distribuzione della variabile N ricoveri per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.12: Distribuzione della variabile N infezioni per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.13: Distribuzione della variabile Età per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.14: Distribuzione della variabile Degenza media per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.15: Distribuzione della variabile Età (infezioni) per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.16: Distribuzione della variabile Degenza media (infezioni) per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.17: Distribuzione della variabile N decessi per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.18: Distribuzione della variabile N decessi (infezioni) per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.19: Distribuzione della variabile Tasso di mortalità per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.20: Distribuzione della variabile Tasso di mortalità (infezioni) per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
Figura 3.21: Distribuzione della variabile Totale posti letto per Tipo Azienda Ospedaliera.
Arancio: 5° e 95° percentile. Rosso: Mediana
L’analisi territoriale delle ICA è di interesse in quanto consente una facile osservazione della distribuzione territoriale del fenomeno.
Come atteso, anche questa analisi rimarca il differenziale territoriale presente nel sistema sanitario italiano, con le regioni meridionali che mostrano sempre livelli peggiori in tutte le dimensioni.
Una prima semplice conclusione è, quindi, che i costi sociali ricadono in modo più marcato sulle regioni del Sud. Pertanto, laddove la qualità del sistema sanitario è più scadente, anche le ICA giocano un ruolo importante, contribuendo in modo significativo a un incremento dei costi.
Figura 3.22: Distribuzione territoriale della variabile N ricoveri
Figura 3.23: Distribuzione territoriale della variabile N infezioni
Figura 3.24: Distribuzione territoriale della variabile Età
Figura 3.25: Distribuzione territoriale della variabile Degenza media
Figura 3.26: Distribuzione territoriale della variabile Età (infezioni)
Figura 3.27: Distribuzione territoriale della variabile Degenza media (infezioni)
Figura 3.28: Distribuzione territoriale della variabile N decessi
Figura 3.29: Distribuzione territoriale della variabile N decessi (infezioni)
Figura 3.30: Distribuzione territoriale della variabile Tasso di mortalità
Figura 3.31: Distribuzione territoriale della variabile Tasso di mortalità (infezioni)
Questo capitolo ha come obiettivo l’indagine dei costi sociali connessi alle ICA. Fino a questo punto abbiamo analizzato gli aspetti economici legati alle ICA, osservando principalmente come i bilanci ospedalieri abbiano ridotto gli investimenti per le spese di igiene e pulizie, mentre risulta evidente che vi sia una relazione diretta, seppur spuria, tra l’incidenza di ICA e questo tipo di spesa.
È chiaro come, rispetto alle ICA, non sia sufficiente analizzare solo gli aspetti più strettamente economici, ma si rende necessario porre attenzione alle implicazioni sociali. Esistono, infatti, costi connessi alle ICA di tipo sociale che hanno a che fare sia con le conseguenze di salute per i cittadini, sia con l’impatto sul sistema sanitario.
In questo capitolo, quindi, vogliamo analizzare la relazione tra due indicatori legati ai costi sociali derivanti dalle ICA e le spese dedicate all’igiene e alle pulizie. Per valutare i costi sociali ci siamo concentrati sulla mortalità per ICA e sull’incidenza della degenza dovuta alle ICA, rispetto alla degenza complessiva. Da un lato saremo in grado di capire quanta mortalità evitabile si può osservare, attraverso una maggiore attenzione agli investimenti per igiene e pulizie, dall’altra andremo a osservare quanto una maggiore spesa per igiene e pulizie può ridurre le giornate di degenza in eccesso dovute alle ICA. Giova ricordare come le giornate aggiuntive di degenza dovute alle ICA sono un mero costo per gli ospedali e, quindi, una spesa evitabile per il sistema sanitario. Non solo, un eccesso di giornate di degenza comporta un minor turnover dei posti letto, un’occupazione degli stessi che non consente un incremento di efficienza del sistema.
Per raggiungere gli obiettivi di questo capitolo, abbiamo adottato un approccio che prevede due modelli lineari in cui le variabili dipendenti sono: la mortalità per infezioni e il rapporto tra degenza media per infezioni e la degenza media dei ricoveri non soggetti a ICA.
I modelli sono aggiustati per caratteristiche delle strutture ospedaliere, come già fatto in precedenza durante l’analisi dei bilanci. In questo caso le variabili di controllo sono: la mortalità complessiva dell’ospedale, che agisce come una sorta di livello medio dell’ospedale rispetto alla mortalità per ICA, il fatto che l’ospedale appartenga a un’azienda universitaria o che risulti un IRCCS, la presenza e il tipo di pronto soccorso, l’età media dei pazienti, il numero di letti ospedalieri e il numero di posti letto per tipologia di reparto. Infine, una variabile che distingue gli investimenti per igiene e pulizie. Lo stesso modello è stato stimato aggiungendo, di volta in volta, un diverso indicatore del livello di spesa per igiene e pulizia.
Il risultato è in linea con le aspettative, vale a dire che, laddove il livello di spesa è maggiore, si osserva da un lato una riduzione della mortalità (vedi Tabella 3.3); allo stesso modo, la stima del modello sull’eccesso di degenza ospedaliera per ICA (vedi Tabella 3.4) conferma come le ICA comportino un aumento prevenibile della degenza ospedaliera laddove minore è l’investimento in igiene e pulizia.
Tabella 3.3: Stima dell’effetto della spesa per igiene e pulizie sulla mortalità per ICA
Tabella3.4: Stima dell’effetto della spesa per igiene e pulizie sull’eccesso di degenza ospedaliera per ICA
3.4 Analisi delle schede di Dimissione Ospedaliera
3.4.1 Il caso delle infezioni ortopediche post-operatorie
L’approfondimento sulla problematica delle ICA nel contesto nazionale è stato realizzato mediante uno studio di coorte retrospettivo nazionale, basato sui dati amministrativi delle dimissioni ospedaliere di pazienti chirurgici con fratture del femore dall’inizio del 2016 alla fine del 2019, in Italia.
Si è voluto stimare l’incidenza delle infezioni post-operatorie, sia durante il ricovero che dopo la dimissione dei pazienti, differenziando in base al tipo di istituto di ricovero ove è stata condotta la procedura chirurgica.
Nell’analisi sono state incluse tutte le cartelle cliniche pertinenti per patologia (fratture del femore trattate chirurgicamente) e intervento, di tutti i centri sanitari nazionali. Dei 374.239 pazienti inclusi, il 73% erano donne con un’età media di 84 anni (intervallo interquartile = 77:89). La maggior parte dei partecipanti è stata curata in ospedali pubblici (79%), il 44% è stato sottoposto a fissazione interna del femore, lo 0,2% a chirurgia chiusa e <0,1% a chirurgia aperta, mentre per il 56% è stata utilizzata una procedura diversa o la procedura esatta non era nota. L’incidenza cumulativa delle infezioni post-operatorie durante il ricovero e dopo la dimissione entro 3 mesi dall’intervento chirurgico è stata rispettivamente dello 0,9% e dello 0,1%.
Rispetto agli istituti pubblici, dopo aver aggiustato per età, sesso, Charlson Comorbidity Index, tipo di incidente, tipo di ricovero, stato civile, livello di istruzione e area geografica, gli ospedali universitari hanno mostrato un rischio più elevato di infezioni post-operatorie [odds ratio aggiustato [aOR] = 2,29 (IC 95%: 2,09-2,51)], mentre gli ospedali privati hanno mostrato un rischio inferiore [aOR= 0,63 (IC 95%: 0,52-0,76)]. L’area geografica è stata un modificatore della misura dell’effetto, per l’associazione tra tipo di istituti sanitari e rischio di infezione postoperatoria (interazione p-value<0,0001). L’incidenza complessiva delle infezioni postoperatorie in pazienti ortopedici ricoverati in ospedale, nel nostro studio, è risultata inferiore a quella riportata in letteratura ed è probabile che l’incidenza post dimissione sia sottostimata.
Sebbene non sia possibile escludere un confondimento residuo e altri tipi di bias, i nostri risultati suggeriscono che il rischio di complicanze da interventi chirurgici per frattura del femore può dipendere dal tipo di istituto sanitario in cui è stata condotta la procedura operatoria, sebbene vari in base alla regione.
3.4.2 L’analisi retrospettiva sulle SDO
Lo studio delle SDO è stato realizzato su una sottopopolazione dei ricoverati italiani e ha riguardato, in particolare, i ricoveri nazionali dal 2012 al 2016 di pazienti con fratture di femore. La scelta di questo sottogruppo è dovuta al rischio aumentato di contrarre ICA in ragione dell’età avanzata della maggioranza dei fratturati di femore e del trattamento chirurgico invasivo con cui vengono trattati.
Le fratture del femore sono le cause più frequenti di ricovero degli anziani nei reparti di ortopedia (Zhang, 2012). La letteratura riporta che l’incidenza delle infezioni del sito chirurgico nei pazienti con frattura di femore varia anche in base alla posizione della frattura femorale: dal 3,2% al 36% nelle fratture del collo del femore (El-Daly, 2015; Yassa et al., 2017); dall’1,6% al 6,9% nelle fratture del femore prossimale (Acklin et al., 2011; Langenhan et al., 2018); dal 3,6% nelle fratture del femore distale (Bai et al., 2019). In una recente revisione sistematica (Noailles et al., 2016), l’incidenza complessiva di infezioni del sito chirurgico, dopo emiartroplastica della frattura del collo del femore, variava dall’1,7% al 7,3% (13 studi). Inoltre, è stato riportato che vari fattori di rischio sono associati al rischio di infezioni del sito chirurgico, a seguito di frattura del femore, comprese le condizioni preoperatorie. Tra queste, si annoverano l’obesità (Bai et al., 2019; Noailles et al., 2016), le malattie del fegato (Noailles et al., 2016), l’età avanzata (Noailles et al., 2016), il fumo e i livelli ridotti di albumina (Bai et al., 2019), il BMI (Ji et al., 2019), l’uso di corticosteroidi (Ji et al., 2019), l’anemia e le infezioni delle vie urinarie preoperatorie (Yassa et al., 2017). Vi sono poi fattori legati all’intervento, tra cui la durata (Noailles et al., 2016) e l’uso di fissatori esterni (Bai et al., 2019) e altri fattori postoperatori, come la durata del ricovero in ospedale, il drenaggio prolungato della ferita chirurgica e l’uso di cateteri urinari (Noailles et al., 2016). Inoltre, le infezioni del sito chirurgico, secondarie a fratture di femore, sono associate a un aumentato rischio di morte e a un allungamento della degenza ospedaliera, con conseguente aumento dei costi delle cure mediche (Wijeratna et al., 2015).
Abbiamo quindi condotto questa parte preliminare dello studio su un ampio database rappresentativo a livello nazionale (Commission, 2015), per valutare in rischio di ICA e sepsi in questi pazienti, in associazione, oltre che con le caratteristiche individuali dei pazienti, anche con il tipo di struttura sanitaria italiana. Abbiamo anche cercato di verificare se il rischio di questi stessi endpoint associati al tipo di struttura sanitaria potesse variare in base alla regione geografica.
Le analisi sono state effettuate sui dati amministrativi delle SDO di tutti i pazienti italiani ricoverati per frattura del femore e trattati con un intervento chirurgico, dal 2012 al 2016. Sono state escluse le cartelle cliniche con dati demografici o clinici di base incompleti; sono state escluse anche le cartelle cliniche di pazienti con fratture diverse dalle fratture del femore.
Le caratteristiche demografiche considerate comprendevano il tipo di struttura di ricovero (cliniche private, ospedali pubblici, ospedali universitari e ospedali di ricerca), età, sesso, durata e anno di ricovero, regione geografica (Nord, Centro e Sud Italia), tipo di incidente (ad esempio, domestico, correlato al lavoro o incidente stradali), tipo di ospedalizzazione (ad esempio, per acuti, lungodegenza o riabilitazione), tipo di ricovero (ordinario, urgente), intervento chirurgico (ad esempio, chirurgia a cielo aperto, fissazione interna e altri), esiti di fratture del femore (cioè infezione e sepsi). Le infezioni e 63 le sepsi sono state trattate come risultati (variabili dipendenti). Il database utilizzato per condurre questo studio raccoglie il set minimo di dati di base di ogni paziente ricoverato in qualsiasi ospedale italiano.
L’estrazione dei dati delle caratteristiche demografiche rilevanti, dei dati clinici e degli esiti delle procedure sui casi d’interesse si è basata sulle SDO messe a disposizione dall’Istituto Superiore di Sanità Italiano. Due ampie categorie di esiti sono state identificate e utilizzate nell’analisi come endpoint separati, tra cui sepsi e ICA. Per le ICA sono state selezionate tutte le infezioni diverse dalle sepsi, codificate in base al sistema di codifica (ICD)-9-CM.
Per quanto riguarda le procedure con cui sono state trattate le fratture di femore, sono stati inclusi tutti i tipi di interventi chirurgici implementati per trattare le fratture del femore nei partecipanti reclutati, indipendentemente dal tipo di intervento o dal tipo di frattura del femore.
Le caratteristiche dei pazienti inclusi nel nostro database sono state confrontate a seconda del tipo di struttura di ricovero (cliniche private, ospedali pubblici, ospedali universitari e ospedali di ricerca) in cui è stata trattata la frattura del femore. Le variabili categoriali sono state confrontate utilizzando il test chi-quadrato, mentre la distribuzione dei fattori continui è stata confrontata utilizzando il test non parametrico di Kruskal-Wallis. Gli obiettivi primari della nostra ricerca includevano quanto segue: (1) stimare l’incidenza di ICA e sepsi in pazienti con frattura del femore e (2) identificare i fattori associati al rischio di ICA e sepsi in pazienti con fratture del femore. La principale esposizione di interesse è stata la tipologia di struttura di ricovero riconosciuta come “ospedale pubblico”, usata come categoria di riferimento. Altre esposizioni secondarie includevano: degenza ospedaliera (meno di 10 giorni vs 11 giorni o più), tipo di intervento chirurgico (aperto vs chiuso vs fissazione interna vs altri) ed età (inferiore a 60 anni vs maggiore di 60 anni). Sono stati utilizzati modelli di regressione logistica separati per valutare l’associazione tra questi fattori di esposizione e il rischio dei due endpoint e sono stati stimati e tabulati gli odds ratio (OR) con i corrispondenti intervalli di confidenza al 95% (CI).
Nel modello di regressione logistica multivariabile per “tipo di istituto” di esposizione principale, abbiamo incluso potenziali cause comuni del tipo di istituto e risultati quali: età, sesso, anno di ricovero, tipo di incidente, tipo di ricovero. Abbiamo utilizzato una procedura di regolazione manuale in due fasi, controllando prima i dati demografici (età, sesso e anno di ricovero) e poi aggiustando ulteriormente il tipo di incidente e il tipo di ricovero in una seconda fase. Inoltre, abbiamo valutato se il rischio di HAI e sepsi associati al tipo di istituto potesse variare in base alla regione geografica degli ospedali reclutati. Questo è stato formalmente testato includendo un sistema di interazione nei modelli di regressione logistica. Per gli altri fattori di esposizione, è stato utilizzato un insieme leggermente diverso di potenziali fattori di confondimento in base alla struttura causale sottostante presunta dei dati.
3.4.3 Descrizione dei risultati
Questo studio è stato condotto in conformità con le linee guida STROBE per la conduzione di studi di coorte osservazionali (Von Elm, 2007). Nell’analisi finale sono stati inclusi un totale di 281.165 pazienti con fratture del femore. La maggior parte (231.708; 82,41%) dei pazienti è stata ricoverata in ospedali pubblici, mentre 22.812 (8,11%) pazienti sono stati ricoverati in ospedali universitari, 17.154 (6,10%) pazienti sono stati ricoverati in ospedali o cliniche private, e 9.491 (3,38%) pazienti sono stati ricoverati in ospedali di ricerca italiani. La popolazione complessiva aveva un’età media di 83 anni (IQR = 75-88). La maggioranza della popolazione era di sesso femminile (207.256; 73,7%), proveniente dal Nord Italia (regione Nord, 48,9%), con tipologia di infortunio classificata come “altro” (57,3%), seguita da incidenti domestici nel 37,0% dei casi. La quasi totalità dei casi ha richiesto un ricovero acuto (97,5%), e altrettanti sono ricoveri in urgenza (97,2%). L’88,1% è stato trattato con una procedura di fissazione interna. Avevano una durata mediana del ricovero di 11 giorni (IQR = 8-15). In termini di prevalenza degli esiti associati al femore, l’HAI si è verificata nell’1,5% dei pazienti (4.142) e la sepsi nello 0,8% dei pazienti (2.244), rispettivamente. Le caratteristiche demografiche al basale e gli esiti procedurali dei pazienti inclusi stratificati per tipo di istituto sono presentati nella Tabella 3.5.
La prevalenza di ricoveri urgenti era significativamente più alta negli ospedali pubblici rispetto a quelli privati (98,7% contro 76,7%, P <0,001). La sintesi interna è stata utilizzata più frequentemente negli ospedali pubblici rispetto a quelli IRCCS (89,6% vs 76,7%, P <0,001). La prevalenza degli endpoint dello studio differiva significativamente tra i diversi tipi di istituto, il rischio di sepsi (1,3%) e ICA (1,9%) erano i più alti negli ospedali universitari (Tabella 3.5). La maggior parte degli ospedali del Nord Italia erano IRCCS (84,4%), mentre la maggior parte degli ospedali del Centro e Sud Italia erano privati rispettivamente 21,5% e 43,9%. La percentuale di pazienti ricoverati a causa di incidenti domestici era significativamente più alta negli ospedali IRCCS (45,0%) rispetto agli ospedali universitari (26,6%). Anche la prevalenza del tipo di ricovero differiva in modo significativo tra i diversi tipi di istituto, essendo il ricovero urgente significativamente più alto negli ospedali pubblici rispetto a quelli privati (98,7% contro 76,7%).
Tabella 3.5 Caratteristiche demografiche di base dei pazienti inclusi, stratificati in base al tipo di struttura di ricovero
La Tabella 3.6 mostra i risultati dell’adattamento dell’analisi di regressione logistica per tutti i risultati principali. Nel complesso, il tipo di struttura di ricovero era associato al rischio di ICA e sepsi sia nel modello non aggiustato che dopo il controllo dei potenziali fattori di confondimento identificati. Rispetto agli ospedali pubblici, gli ospedali universitari erano significativamente correlati con un rischio più elevato di ICA (aOR = 1,13; 95% CI: 1,02-1,26) e sepsi (aOR = 1,59; 95% CI: 1,40-1,80), dopo aggiustamento per età, sesso, tipo di ricovero, anno di ricovero e tipo di incidente. D’altra parte, utilizzando ancora gli ospedali pubblici come comparatore, gli ospedali privati erano associati a un minor rischio di sepsi (aOR = 0,44; IC 95%: 0,33-0,59), mentre gli ospedali IRCCS erano associati a un minor rischio di ICA (aOR = 0,29; 95% CI: 0,22-0,38) e sepsi (aOR = 0,80, 95% CI: 0,65-0,98, p = 0,03).
Tabella 3.6 OR dei diversi endpoint in base al tipo di struttura di ricovero derivanti dall’adattamento di un modello di regressione logistica (overall population)
Per quanto riguarda l’effetto dell’area geografica sull’associazione tra ICA e tipo di struttura di ricovero, abbiamo anche verificato se l’associazione tra tipo di istituzione e rischio dei risultati potesse variare in base all’area geografica dell’Italia. Il test di interazione formale ha suggerito che l’area geografica era un modificatore di effetto per l’associazione tra tipo di istituzione e rischio di ICA (valore p dell’interazione = 0,04) e, ancor di più, per la sepsi (p <0,0001).
Alcune di queste interazioni erano quantitative. Ad esempio, le associazioni nel Nord Italia erano simili a quelle osservate nel complesso, sebbene la differenza di rischio tra ospedali universitari e istituzioni pubbliche fosse ancora maggiore per alcuni endpoint. In particolare, utilizzando ancora le istituzioni pubbliche come comparatore – e dopo aver aggiustato per età, sesso, anno di ricovero, tipo di ricovero, e tipo di incidente – il rischio di ICA era associato all’università (aOR = 1,41; IC 95%: 1,25- 1,59 ) (vs 1,13 complessivo, valore p dell’interazione = 0,04).
Da notare, al contrario, il rischio di sepsi era simile a quello osservato nel complesso (aOR = 1,54; IC 95%: 1,35-1,76) (Tabella 3.7A). D’altra parte, nell’Italia centrale, dopo aver aggiustato per lo stesso insieme di potenziali fattori di confondimento, il rischio di sepsi associato all’università era triplicato (aOR = 2,93; IC 95%: 1,90-4,52, Tabella 3.7B), quasi due volte superiore a quello visto nel complesso (aOR = 1,59; IC 95%: 1,40-1,80, Tabella 3.6). Per la sepsi vi era la più grande evidenza di un’interazione tra tipo di strutture di ricovero e localizzazione geografica (p <0,0001).
C’era anche un’interazione qualitativa chiave poiché il rischio di risultati era costantemente inferiore nelle istituzioni private rispetto a quelle pubbliche. Tuttavia, nel Sud Italia, il rischio di ICA era in realtà molto più alto di quello osservato nelle istituzioni pubbliche (aOR = 2,29; IC 95%: 1,89-2,77) (Tabella 3.7C).
Tabella 3.7A OR dei diversi endpoint in base al tipo di struttura di ricovero derivanti dall’adattamento di un modello di regressione logistica (regioni del Nord Italia)
Tabella 3.7B OR dei diversi endpoint in base al tipo di struttura di ricovero derivanti dall’adattamento di un modello di regressione logistica (regioni del centro Italia)
Tabella 3.7C OR dei diversi endpoint in base al tipo di struttura di ricovero derivanti dall’adattamento di un modello di regressione logistica (regioni del Sud Italia)
3.4.4 Relazione tra spesa per igiene e pulizia e ICA
L’analisi successiva consente di osservare una relazione (non causale) tra i volumi di spesa dedicati all’igiene di base, all’igiene complessiva e al totale dei costi di bilancio rispetto alla proporzione di infezioni che si osservano nei setting ortopedici dei diversi ospedali.
Come si può vedere nella prima colonna della Tabella 3.8 i tre indici di spesa considerati sono stati dicotomizzati utilizzando la soglia osservata nelle figure precedenti.
La colonna di interesse è l’ultima dove la relazione tra spesa per igiene e infezioni è aggiustata per una serie di covariate. Le covariate di aggiustamento incluse nei modelli sono state riassunte nella nota alla Tabella.
Tabella 3.8
Il risultato più evidente, pur con tutte le limitazioni derivanti dal tipo di dataset a disposizione (ossia dati amministrativi disponibili sulle SDO) è che per ognuno degli indici considerati, chi dedica maggiori risorse economiche all’igiene e alle pulizie ottiene anche una riduzione statisticamente significativa del tasso di infezioni postoperatorie.
Questo risultato è esattamente in linea con quanto atteso dal progetto e costituisce una prima evidenza a conferma del fatto che, oltre alle dinamiche di processo presenti nei singoli ospedali, che possono in qualche modo spiegare l’insorgenza delle infezioni correlate all’assistenza, esiste anche una maggiore probabilità di osservare un’infezione laddove la spesa per igiene è più bassa.