Condizioni socioeconomiche e tempi di attesa in Italia: Un’analisi empirica basata sull’Indagine Istat Multiscopo 2013.
Notice bibliographique
Résumé
I tempi d’attesa sono un punto critico dei moderni sistemi sanitari (1). In tutti i principali \nPaesi dell’OCSE (Organizzazione per la Cooperazione e lo Sviluppo Economico) sono state \nsviluppate politiche più o meno efficaci per ridurli (2) perché, oltre a produrre insoddisfazione, \nun’attesa eccessiva rispetto al momento dell’espressione della domanda può comportare un \ndeterioramento della salute delle persone (3) o una minor efficacia delle cure (4). \nD’altra parte, i tempi di attesa sono ineliminabili perché agiscono come strumento di \nrazionamento della domanda nei sistemi a prevalente finanziamento pubblico, come quello \nitaliano, dove l’assenza o l’uso limitato di prezzi per l’utilizzo dei servizi sanitari genera sempre \nun eccesso di domanda (5). Per fronteggiare questo squilibrio esistono anche altri strumenti, \nquali per esempio l’introduzione di una compartecipazione alla spesa (es. il cosiddetto “ticket \nsanitario”) o politiche di razionamento esplicito che fissano limiti quantitativi all’accesso alle \nprestazioni garantite (6). Le liste di attesa costituiscono una forma di razionamento implicito, \nperché non impediscono la fruizione delle prestazioni sanitarie, ma semplicemente le rimandano \nnel tempo, rischiando così di abbassare il beneficio atteso (5). È necessario, peraltro, che questo \nmodo di regolare l’accesso alle prestazioni non intacchi il principio dell’equità, principio \nfondamentale nei sistemi universalistici come quello italiano. Ne consegue che l’unico motivo \nper graduare l’attesa debba essere l’urgenza del bisogno (5-7). Ogni altro motivo di disparità \n(età, reddito, istruzione e così via) dovrebbe essere eliminato perché viola il principio \ndell’equità di accesso. \nL’obiettivo specifico del presente contributo è proprio verificare se nel nostro Paese esistono \niniquità nell’accesso alle prestazioni, avvalendosi dell’indagine dell’ISTAT (Istituto Nazionale \ndi Statistica) del 2013 sulle “Condizioni di salute e ricorso ai servizi sanitari”. \nIn letteratura, peraltro, esistono alcune evidenze della presenza di disuguaglianze nei tempi \ndi attesa a sfavore delle persone più socialmente svantaggiate, anche se è difficile trarre \nindicazioni più precise data l’eterogeneità degli studi effettuati in quanto a dati utilizzati, \nprestazioni prese in considerazione, variabili esplicative, contesto di riferimento. \nLa maggioranza dei lavori utilizza dati provenienti da fonti amministrative, come le schede \ndi dimissione ospedaliera o database amministrativi, (8-14). Altri utilizzano, invece, dati \ncampionari come le indagini campionarie sulla salute (15, 16) o questionari retrospettivi \ndistribuiti a medici o pazienti di una particolare struttura (17, 18). Queste due tipologie di dati \nhanno punti di forza e di debolezza in relazione al tipo di analisi oggetto del presente lavoro. \nIl tempo di attesa generalmente è quantificato come il numero di giorni passati in lista di \nattesa prima di ricevere il servizio, per i dati amministrativi (11, 12, 14) e come auto \ndichiarazione dei giorni o delle settimane/mesi attesi prima di ricevere un determinato servizio \nper le indagini campionarie (15, 16). In alcuni lavori il tempo atteso è il numero di giorni \nintercorsi dal momento in cui il medico di base rinvia ad un servizio secondario fino \nRapporti ISTISAN 16/26 \n184 \nall’erogazione effettiva del servizio sanitario (17, 18). Un’altra modalità per verificare i tempi di \nattesa è metterli in relazione ad una soglia di tempo massimo, stabilito da criteri di urgenza \nclinica, entro il quale è necessario essere trattati per averne beneficio. Utilizzando questo \nconcetto il tempo di attesa viene misurato come la % di persone trattate oltre questa soglia che \nrappresenta il limite massimo entro il quale è necessario ricevere la prestazione (9, 13). \nPer quanto riguarda il campo di indagine, la maggior parte degli studi analizza la relazione \ntra stato socio-economico e tempi di attesa per gli interventi chirurgici elettivi, o per uno \nspecifico intervento chirurgico, generalmente interventi di protesi (9, 11, 13, 14). I lavori sulle \nvisite specialistiche sono meno numerosi probabilmente per mancanza di dati amministrativi \nomogenei e consolidati (15, 16). \nLo stato socio-economico viene misurato attraverso l’utilizzo di diverse proxy a seconda \ndella disponibilità dei dati. In molti lavori si utilizzano indici di deprivazione materiale o sociale \nper area, calcolati generalmente con dati censuari (8-9, 11-13, 19) mentre in altri ci si limita a \nsingole variabili: a) il reddito individuale o familiare (14-16); b) l’istruzione, generalmente \nmisurata per livello di titolo di studio raggiunto (10, 14-16); c) condizioni occupazionali (15, 16, \n18), d) qualifica professionale (17). \nCome variabile di controllo si utilizza lo stato di salute. In questo caso non si nota la \nprevalenza di una misura rispetto alle altre, ma se ne utilizzano molte, a seconda, evidentemente \ndella disponibilità dei dati: valutazioni di salute percepita dai pazienti (questionari sullo stato di \nsalute come EQ-5 EuroQol, SF-12/36 oppure misure specifiche di patologia come i WOMAC, \nThe Western Ontario and McMaster Universities Arthritis Index) (18), o ancora codici delle \ndiagnosi o tipologie di intervento nel caso di dati amministrativi quali le schede di dimissione \nospedaliera (9-12, 14). \nGli unici studi italiani a nostra conoscenza sono quelli di Barone del 2009 e Petrelli del 2012. \nIl primo analizza gli interventi di protesi d’anca dopo una frattura, per pazienti con più di 65 \nanni, ricoverati negli ospedali della città di Roma. Il secondo studia la relazione per diverse \ntipologie di operazioni elettive utilizzando dati amministrative della regione Piemonte. In \nentrambi i casi si mette in rilievo un’associazione con variabili di tipo socio-economico a \nsfavore dei gruppi più svantaggiati. \nGrazie alla ricchezza dei dati dell’indagine ISTAT, nel presente lavoro è possibile: a) \nstudiare quali siano le variabili socio-economiche più rilevanti nel determinare disuguaglianze \nnell’accesso alle cure; b) evidenziare se tali variabili abbiano lo stesso effetto per le diverse \ntipologie di prestazioni, visite specialistiche, diagnostica e interventi chirurgici di elezione.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».