Simple Science

Scienza all'avanguardia spiegata semplicemente

# Scienze della salute# Sistemi sanitari e miglioramento della qualità

Comprendere la multimorbidità con più condizioni a lungo termine

Esaminando l'ascesa del MLTC-M e il suo impatto sulla salute.

― 6 leggere min


Affrontare le sfide delAffrontare le sfide delMLTC-Mcondizioni di salute a lungo termine.Indagare sulla complessità di più
Indice

La Multimorbidità da Condizioni Croniche Multiple (MLTC-M) è quando una persona ha due o più problemi di salute contemporaneamente. Questa situazione sta diventando sempre più comune in tutto il mondo per vari motivi, come i cambiamenti nello stile di vita, l'invecchiamento della popolazione e diagnosi più frequenti di malattie croniche. Nel Regno Unito, si stima che più della metà delle persone di 65 anni e oltre viva con condizioni croniche multiple, e entro il 2035, si prevede che questo numero salga a due terzi di quel gruppo di età.

Vivere con MLTC-M può essere difficile per gli individui, i loro caregiver e i servizi sanitari. Spesso è collegato a una qualità della vita più bassa, cure mediche complicate e costose, necessità di più farmaci, stress aumentato, ricoveri ospedalieri prolungati e tassi di mortalità più elevati. Aggiunge anche inefficienze e costi nei sistemi sanitari.

Nonostante la sua importanza, vari aspetti di MLTC-M non sono completamente compresi. Gran parte della ricerca si è concentrata principalmente sugli adulti più anziani nei paesi ricchi e ha spesso messo l'accento su poche condizioni di salute. Non c'è abbastanza ricerca su come fattori come il status sociale e le tendenze a lungo termine si relazionano con MLTC-M. Inoltre, ci sono poche informazioni su come vari fattori sociali e comportamentali contribuiscano a schemi rari di MLTC-M e su come l'esposizione precoce ai fattori di rischio influenzi lo sviluppo di condizioni a lungo termine.

Inoltre, non c'è stata abbastanza attenzione su come fermare lo sviluppo di MLTC-M.

Cos'è il Progetto MELD-B?

Il progetto Ecosistema Multidisciplinare per studiare i Determinanti del Corso di Vita e la Prevenzione della Multimorbidità Iniziale Pesante (MELD-B) cerca di colmare queste lacune esaminando da vicino cosa significhi vivere con una multimorbidità gravosa. Il progetto mira a trovare nuove combinazioni di problemi di salute e identificare fattori di rischio importanti fin dalla prima vita. Prevede anche di tracciare come le persone nei loro anni più giovani sviluppano cluster gravosi e modellare strategie di prevenzione per orientare le politiche sanitarie.

Per condurre questa ricerca, il progetto utilizza Dati provenienti da vari gruppi di nascita e cartelle cliniche elettroniche. Combina intelligenza artificiale con metodi di ricerca tradizionali per analizzare questi dati.

Sfide nell'Utilizzare le Cartelle Cliniche Elettroniche

Utilizzare le cartelle cliniche elettroniche (EHR) per questa ricerca presenta delle sfide. I dati raccolti nelle EHR sono principalmente per esigenze cliniche e amministrative piuttosto che per la ricerca. Questo significa che le registrazioni possono a volte essere incomplete o errate, e potrebbero non seguire tutti gli stessi standard.

Nonostante queste sfide, MELD-B riconosce il valore di utilizzare ampie banche dati EHR, come quelle in Galles. Queste banche offrono campioni ampi, lunghi periodi di follow-up e una varietà di informazioni che possono essere applicate a una popolazione più ampia.

Creazione delle E-Cohorts

Per supportare il progetto MELD-B, sono state create due e-cohorts longitudinali basate sulla popolazione: l'e-cohort SAIL MELD-B (SMC) e l'e-cohort SAIL MELD-B Bambini e Giovani Adulti (SMYC). Queste e-cohorts rappresentano la popolazione gallese più ampia riguardo età, sesso e stato socio-economico. Saranno utilizzate per affrontare diverse domande di ricerca all'interno del progetto MELD-B.

La SMC comprende tutti gli individui registrati con un medico di base gallese dal 1 gennaio 2000 al 31 dicembre 2022. Consente una visione generale della popolazione nel tempo. La SMYC, d'altra parte, si concentra su individui nati dopo il 1 gennaio 2000, che hanno dati demografici prima dei 18 anni.

Caratteristiche delle Cohorts

La SMC si basa su una varietà di dati demografici e sanitari raccolti dalla popolazione gallese. Questi dati aiutano a valutare il peso di MLTC-M e a comprendere i suoi fattori più ampi. L'inclusione di giovani nella SMYC aiuta i ricercatori a capire come gli ambienti della prima vita influenzano il rischio di sviluppare queste condizioni in seguito.

Entrambe le cohort forniranno informazioni sulle interazioni sanitarie e sulle esperienze dei pazienti relative a MLTC-M.

Fonti di Dati Utilizzate

La Banca Dati SAIL contiene dati anonimizzati per tutti i residenti gallesi che ricevono servizi del Servizio Sanitario Nazionale. Collega registri individuali utilizzando un identificatore unico, che protegge la privacy. Per creare la SMC e la SMYC, sono stati fatti collegamenti a varie fonti di dati demografici e sanitari, come registri di nascita e morte, banche dati sulla salute infantile e registri di maternità.

Questi dati saranno analizzati per esplorare varie condizioni di salute e scoprire le loro connessioni con fattori sociali ed economici più ampi.

Pipeline di Curazione dei Concetti

Il progetto MELD-B ha sviluppato un processo strutturato chiamato pipeline di curazione dei concetti per comprendere meglio i carichi associati a MLTC-M. Questa pipeline aiuta a identificare e organizzare diverse condizioni di salute e altri fattori rilevanti dai dati raccolti.

Il primo passo è per i clinici proporre concetti che riflettano diversi carichi. I concetti approvati vengono elaborati e collegati ai dati sanitari di routine per garantire che le informazioni pertinenti possano essere analizzate.

Questo processo è cruciale per creare un quadro chiaro di come vivere con più condizioni croniche influenzi gli individui.

Risultati Iniziali

Le coorti SMC e SMYC sono progettate per essere rappresentative della popolazione gallese. Dai dati disponibili, oltre 5 milioni di individui fanno parte della SMC, mentre quasi 900.000 sono inclusi nella SMYC. Queste coorti permetteranno ai ricercatori di monitorare i cambiamenti di salute e le demografie sociali nel tempo.

I dati iniziali mostrano che porzioni considerevoli di entrambe le coorti interagiscono con i servizi sanitari, evidenziando l'importanza di queste interazioni nella comprensione e gestione di MLTC-M.

Punti di Forza e Limitazioni dello Studio

Il principale punto di forza delle e-cohorts SMC e SMYC risiede nella loro copertura completa della popolazione, che le rende valide per esaminare un ampio spettro di domande di ricerca. La possibilità di collegare vari dati demografici e sanitari amplia l'ambito della ricerca.

Tuttavia, ci sono limitazioni nell'uso dei dati EHR, come potenziali lacune e imprecisioni. Inoltre, le EHR potrebbero mancare di informazioni sulle esperienze personali che sono vitali per comprendere il pieno impatto di vivere con più condizioni croniche.

Conclusione

MLTC-M è una preoccupazione crescente, particolarmente nelle popolazioni più anziane. Il progetto MELD-B mira a fare luce su questo problema studiando il suo peso e i fattori associati nel corso della vita di una persona. Le e-cohorts create forniranno dati preziosi per migliorare la comprensione e informare le future strategie sanitarie.

Mentre i ricercatori continuano a investigare le complessità di MLTC-M, i risultati aiuteranno a sviluppare interventi efficaci e migliorare la qualità della vita per chi ne è colpito.

Fonte originale

Titolo: Cohort profile for the creation of the SAIL MELD-B e-cohort (SMC) and SAIL MELD-B children and Young adult e-cohort (SMYC)

Estratto: PurposeWe have established the SAIL MELD-B electronic cohort (e-cohort SMC) and the SAIL MELD-B children and Young adults e-cohort (SMYC) as a part of the Multidisciplinary Ecosystem to study Lifecourse Determinants and Prevention of Early-onset Burdensome Multimorbidity (MELD-B) project. Each cohort has been created to investigate and develop a deeper understanding of the lived experience of the burdensomeness of multimorbidity by identifying new clusters of burdensomeness indicators, exploring early life risk factors of multimorbidity and modelling hypothetical prevention scenarios. ParticipantsThe SMC and SMYC are longitudinal e-cohorts created from routinely-collected individual-level population-scale anonymised data sources available within the Secure Anonymised Information Linkage (SAIL) Databank. They include individuals with available records from linked health and demographic data sources in SAIL at any time between 1st January 2000 and 31st December 2022. The SMYC e-cohort is a subset of the SMC, including only individuals born on or after the cohort start date. Findings to dateThe SMC and SMYC cohorts include 5,180,602 (50.3% female and 49.7% male) and 896,155 (48.7% female and 51.3% male) individuals respectively. Considering both primary and secondary care health data, the five most common long-term conditions for individuals in SMC are Depression, affecting 21.6% of the cohort, Anxiety (21.1%), Asthma (17.5%), Hypertension (16.2%) and Atopic Eczema (14.1%), and the five most common conditions for individuals in SMYC are Atopic Eczema (21.2%), Asthma (11.6%), Anxiety (6.0%), Deafness (4.6%) and Depression (4.3%). Future plansThe SMC and SMYC e-cohorts have been developed using a reproducible, maintainable concept curation pipeline, which allows for the cohorts to be updated dynamically over time and manages for the request and processing of further approved long-term conditions and burdensomeness indicators extraction. Best practices from the MELD-B project can be utilised across other projects, accessing similar data with population-scale data sources and trusted research environments. STRENGTHS AND LIMITATIONS OF THIS STUDY- SMC and SMYC are representative of the Welsh population. - Anonymised cohorts serve as an effective strategy for overcoming consent-related barriers, enabling seamless data aggregation and analysis. - The creation of a reproducible concept curation pipeline to manage and process data extraction for the e-cohorts enables efficient delivery of datasets in support of multiple research questions and outcomes. - Routine data does not capture data on important aspects such as quality of life. - Routine data can be subject to missing data or errors. - Lack of coverage of burdensomeness indicators in routine data.

Autori: Roberta Chiovoloni, J. Dylag, N. A. Alwan, A. Berrington, M. Boniface, N. Fair, E. Holland, R. B. Hoyle, M. Shiranirad, S. Stannard, Z. Zlatev, R. K. Owen, S. S. Fraser, A. Akbari

Ultimo aggiornamento: 2024-04-22 00:00:00

Lingua: English

URL di origine: https://www.medrxiv.org/content/10.1101/2024.04.22.24306168

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.04.22.24306168.full.pdf

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili