Prevedere la Dipendenza Funzionale negli Anziani

Nel 2020, nel mondo c'erano circa 1 miliardo di persone di 60 anni o più. Entro il 2050, si prevede che questo numero raddoppierà. La popolazione più anziana, in particolare quella con 80 anni e oltre, dovrebbe crescere significativamente. Con l’età, molte persone affrontano sfide con le proprie capacità fisiche. Queste difficoltà rendono più complicate le attività quotidiane come vestirsi, fare il bagno e camminare. Le persone si trovano anche in difficoltà con compiti più complessi, come fare la spesa e gestire i farmaci.

Queste difficoltà possono portare a un rischio maggiore di morte precoce e possono ridurre la qualità della vita. Quando gli anziani dipendono dagli altri per ricevere aiuto, ciò può creare sfide finanziarie sia per loro che per i loro caregiver. Può anche portare a costose degenze ospedaliere e persino alla necessità di assistenza a lungo termine. Per questo motivo, prevenire la dipendenza con l'avanzare dell'età è considerato parte importante per rimanere sani e in forma.

#Cos'è l'invecchiamento sano?

Invecchiare in modo sano significa mantenere la capacità di funzionare bene man mano che si invecchia. Anche se alcuni programmi che aiutano le persone a casa hanno dimostrato di poter ridurre i problemi con le attività quotidiane, i sistemi sanitari spesso non danno priorità alla prevenzione di questi problemi. Un motivo potrebbe essere che non vengono pagati per le cure preventive che supportano la funzione fisica. Un altro motivo è che è difficile sapere chi potrebbe aver bisogno di questo aiuto in futuro.

Per identificare efficacemente chi potrebbe diventare dipendente, è importante scoprire quali fattori lo prevedono. Diversi studi hanno esaminato vari fattori che potrebbero indicare che qualcuno potrebbe avere difficoltà a funzionare.

#Fattori chiave che prevedono la dipendenza funzionale

Uno studio completo ha esaminato otto studi diversi e ha identificato vari indicatori. Età avanzata, minore capacità di funzionare, disabilità, problemi di pensiero, soggiorni ospedalieri più lunghi e sentimenti di depressione erano tutti collegati a un declino della capacità. Altre ricerche hanno trovato ancora più fattori, come i livelli di attività fisica, esperienze infantili e situazioni socioeconomiche che giocano anch’essi un ruolo.

In Giappone, gli studi hanno mostrato che la velocità di camminata e l'equilibrio erano collegati alla capacità di funzionare in modo indipendente. In Brasile, fattori come reddito più basso e non consumare abbastanza frutta e verdura sono stati trovati aumentare il rischio di dipendenza. In Canada, alcune misurazioni della salute hanno indicato una maggiore probabilità di diventare dipendenti.

Sebbene molti di questi studi abbiano fornito informazioni preziose, alcuni avevano campioni piccoli, si concentravano solo su pochi fattori e non esploravano metodi alternativi che potrebbero migliorare le previsioni.

#Il ruolo del machine learning

Il machine learning offre un approccio promettente per prevedere meglio chi potrebbe affrontare difficoltà in futuro. Questa tecnologia consente ai ricercatori di testare diversi metodi e scegliere quello che prevede meglio gli esiti. Anche se il machine learning è stato usato per studiare problemi correlati come la fragilità, non è stato ampiamente applicato alla dipendenza funzionale.

Tuttavia, studi hanno mostrato che il machine learning può identificare e classificare la fragilità con una buona accuratezza. La fragilità è una condizione che si riscontra spesso negli anziani e che influenza la loro salute fisica. Alcuni fattori come il reddito, l'età, i test fisici, la salute percepita e le Condizioni croniche sono stati utilizzati per classificare efficacemente la fragilità.

L'obiettivo di uno studio recente era applicare il machine learning su un ampio gruppo per scoprire i migliori indicatori di dipendenza funzionale. Identificare questi indicatori può aiutare a individuare le persone a rischio, consentendo un intervento precoce e promovendo un invecchiamento sano.

#Panoramica dello studio e metodologia

I partecipanti allo studio sono stati estratti da un significativo progetto di ricerca che si concentrava sull’invecchiamento in Canada. Questo progetto ha raccolto dati estesi da migliaia di partecipanti attraverso telefonate e interviste di persona nel corso di diversi anni.

La raccolta dei dati ha incluso varie valutazioni sulla salute, fattori sociali e benessere. Lo studio ha analizzato 39.927 partecipanti, dividendo i dati in due gruppi: uno per l'addestramento dei modelli e uno per testare quanto bene funzionavano questi modelli.

I ricercatori volevano approfondire i diversi fattori che potrebbero prevedere la dipendenza. Hanno iniziato con un lungo elenco di potenziali variabili e lo hanno ridotto attraverso vari metodi statistici, identificando infine 18 fattori chiave su cui concentrarsi. Questi includevano età, condizioni croniche, Forza della presa, memoria, salute percepita e altro.

#Risultati chiave

Confrontando gli individui che erano funzionalmente indipendenti con quelli che erano dipendenti, ci sono state delle differenze notevoli. Ad esempio, la maggior parte dei partecipanti indipendenti non ha riportato difficoltà, mentre molti individui dipendenti avevano problemi di salute cronici o riferivano dolore. I risultati hanno evidenziato l'importanza di diversi indicatori di salute nella previsione della futura dipendenza.

Sono stati utilizzati modelli di machine learning per vedere quanto bene questi 18 fattori potessero classificare gli individui come dipendenti o indipendenti. I modelli più efficaci erano la regressione logistica e XGBoost, entrambi mostrando un'alta accuratezza nelle previsioni.

Tra le variabili che prevedevano meglio la dipendenza funzionale c'erano l'età avanzata, il Disagio psicologico, una velocità di camminata più lenta e avere condizioni croniche. Al contrario, le persone senza limitazioni, con una migliore forza della presa e una buona memoria avevano meno probabilità di essere dipendenti.

#Prestazione del modello e confronto

Il team di ricerca ha scoperto che i loro modelli si sono comportati bene rispetto ad altri studi focalizzati su questioni collegate, come la fragilità. Mentre alcuni modelli precedenti hanno mostrato risultati buoni, lo studio ha dimostrato che meno fattori potevano comunque portare a un’alta accuratezza nelle previsioni.

Inoltre, nonostante le aspettative dei ricercatori, i fattori ambientali come la qualità del vicinato non hanno mostrato forti collegamenti con lo stato funzionale in questo studio. Questo risultato suggerisce che l'impatto dell'ambiente potrebbe richiedere più tempo per diventare evidente o essere meno influente rispetto ad altri fattori.

#L'importanza dell'intervento precoce

Questo studio sottolinea la necessità di identificare precocemente i fattori che potrebbero portare alla dipendenza funzionale. Riconoscendo questi fattori di rischio, i fornitori di assistenza sanitaria possono lavorare per prevenire il declino e aiutare le persone a mantenere la loro indipendenza più a lungo.

I caregiver e i professionisti della salute, soprattutto quelli nella riabilitazione, sono cruciali in questo processo. Possono concentrarsi sul migliorare fattori come la forza muscolare, la capacità di camminare e la gestione del dolore. È inoltre essenziale educare i pazienti su questi fattori in modo che possano essere coinvolti nella propria cura.

#Conclusione

I risultati di questo studio sottolineano l'importanza di comprendere i predittori della dipendenza funzionale man mano che la popolazione invecchia. Identificando gli individui a rischio anni prima, i professionisti della salute possono attuare interventi che possono aiutare a mantenere l'indipendenza e migliorare la qualità della vita.

Con l'invecchiamento della popolazione globale, stabilire strategie efficaci per supportare gli anziani sarà vitale per ridurre i costi sanitari, alleviare il carico sui caregiver e promuovere un processo di invecchiamento più sano e attivo. Interventi precoci basati su forti indicatori possono fornire supporto essenziale alle popolazioni anziane, consentendo loro di vivere vite appaganti man mano che invecchiano.