Academic literature on the topic 'Database amministrativi'

In spite of findings of large-scale clinical trials which showed an overall reduction of morbidity and mortality from coronary heart disease in patients treated with 3-hydroxy-3-metylglutaryl coenzyme-A reductase inhibitors (statins), relatively little is still known about the real prevalence of treatment in general practice setting, particularly in patients with a high cardiovascular risk. The objective of this study was to investigate among patients with cardiovascular risk profile estimated according to the Framingham Heart Prediction Risk Study, the percentage of those exposed to statins, and the proportion of patients reaching total cholesterol (TC) target levels. A cross-sectional analysis was conducted on a large cohort of patients listed in the administrative databases of the Local Health Unit of Ravenna (total resident population of 356,000). In 2001, every single patient who received a prescription for a statin, and/or with a recorded plasma TC level, and/or with a hospital admission for cardiovascular reasons (identified by ICD-9 code), and/or with a clinical appraisal based on the presence of cardiovascular risk factors, was defined eligible. Sebsequently, pharmaceutical, and nosocomial databases, were cross-linked with that of 50 general practitioners in order to assess the pharmacoutilization of statins on a patient-by-patient basis. A cohort of 9,208 patients with a well documented cardiovascular risk profile were analyzed. The mean age of those patients was 57 (SD=17) years and 42% of them was male. On the basis of raised TC levels and cardiovascular risk profiles, patients for whom a statin treatment was suggested amounted to 7,233. However, the number of those who received statins was significantly lower (n = 1,343), corresponding to 18.6%. In those exposed to statins, just a small group of patients reached a level of TC below 190 mg/dl (n = 271), equivalent to 20.2%. In the group of treated who did not achieve recommended TC target levels, 31.7% (n = 340) of patients was at very high cardiovascular risk. Moreover, among all patients with high plasma TC levels (n=5,890), there was a 45.7% (n = 2,690) who did not received any lipid lowering drug even though they had a high cardiovascular risk profile. Results from large population-based administrative databases suggest a remarkable level of undertreatment among patients with cardiovascular risk factors. Furthermore, many patients did not achieve recommended TC target levels with their statin treatment. Pharmacoutilization of statins in general practice reveals the need of a more careful pursuing of therapeutic goals.

In questo lavoro viene presentata un'applicazione sperimentale, condotta su emissioni in atmosfera e rifiuti speciali, della matrice ibrida di flusso NAMEA per la Regione Piemonte, la Provincia di Torino e il Comune di Torino. L'esigenza di compilare conti ambientali a livello locale nasce dalla consapevolezza che a diversi livelli amministrativi esistano esigenze informative diverse che richiedono, nel momento in cui si passa da un programma generico a delle azioni da implementare, un riferimento alle specificitŕ economico-sociali-ambientali del territorio che si gestisce. La condizione necessaria per impostare questo tipo di sistema č la disponibilitŕ di database affidabili e sistematicamente compilati. Tale condizione viene soddisfatta sia per la compilazione della parte economica di NAMEA (ricorrendo a ASIA), sia per la parte ambientale di NAMEA (ricorrendo a IREA per le emissioni in atmosfera e al Catasto Rifiuti per i rifiuti). Viene quindi dimostrato come moduli contabili ambientali (che non si limitino alle sole spese ambientali) siano effettivamente compilabili anche a livello locale, sino a livello dei singoli comuni. Vengono inoltre discusse in dettaglio le implicazioni metodologiche emerse dalla sperimentazione. Nell'utilizzare dati diversi rispetto al SNA viene a mancare l'integrabilitŕ con i moduli elaborati da ISTAT, inoltre a livello locale non sono applicati dei principi contabili cardine a livello nazionale.

The CDC defines a chronic disease (CD) as a health condition which lasts at least one year and it requires continuous medical attention. Diabetes is one of the most diffused CD, and we refer to Type 2 Diabetes (T2D) when the body is not able to use insulin. Glucose Lowering Medications (GLMs) are used in T2D patients to control blood glucose, BMI, and blood pressure, to improve cardiovascular outcomes. Lots of RCTs have been conducted to evaluate GLMs. However, results obtained in RCTs have to be confirmed by real world data (RWD), which are routinely collected from different sources. In fact, RCTs have a very high internal validity but a low external validity. It is necessary to integrate knowledge from RCTs with Real World Evidence. However, when dealing with RWD, lots of problems arise due to the absence of randomization, confounding, and missing data. This thesis is focused on the application of advanced statistical approaches to analyze health outcomes and comorbidity patterns in patients with CDs from RWD. In the first contribution, Propensity Score (PS) methods have been applied to compare different GLMs, in terms of simultaneous reduction in HbA1c, body weight, and systolic blood pressure. Data were extracted from Dapagliflozin Real World evIdeNce in Type 2 Diabetes (DARWIN-T2D), a retrospective study conducted at diabetes specialist outpatient clinics in Italy. We observed that in routine ambulatory care, Dapagliflozin (a SGLT2i drug) can be as effective as GLP-1RA for the attainment of combined risk factor goals. However, we had to deal with lots of issues related to RWD: the absence of randomization, the high amount of missing data, and confounding. In the second contribution, I tried to overcome such issues applying different advanced statistical approaches, focusing on the case in which a high percentage of missing not at random (MNAR) data are present in the outcome. Covariate adjustment, PS adjustment, PS matching, inverse probability of treatment weighting, targeted maximum likelihood estimator (TMLE), were compared using DARWIN-T2D data and also in a simulation setting, done through Bayesian Networks (BNs) to resemble RWD characteristics. TMLE showed less biases and higher precision, even with MNAR outcome data. Then, in the third contribution, the aim was to evaluate generalizability of cardiovascular outcome trials (CVOTs) on GLP-1RA to the T2D RW population. The proportion of RW patients which constitute CVOT-like populations were assessed, using as target population DARWIN-T2D. We developed a novel approach, based on BNs, which was used to sample the greatest subsets of RW patients yielding true CVOT-like populations. A very small proportion of RW patients constitute true CVOT-like populations. In the fourth contribution, the aim was transferring CVOTs results to the RW setting (DARWIN-T2D). A post-stratification approach based on aggregated data of CVOTs and individual data of target population was used. Stratum-specific estimates available from CVOTs were extracted to calculate expected effect size for DARWIN-T2D by weighting the average of the stratum-specific treatment effects according to proportions of a given characteristic in the target population. The main finding was that cardiovascular protective actions of GLMs are transferrable to a different RW T2D population. In the fifth contribution, I worked on administrative databases of Piedmont, a Northern Italy region, to forecast urgent hospitalization in people aged more than 65 years. I applied the Bidirectional Encoder Representations from Transformers (BERT), which is a deep learning approach developed by Google. The aim was to deal with healthcare trajectories, defined as a sequence of medication purchases and hospitalization diagnoses, to forecast urgent hospitalizations within 3 months. Results suggested that BERT is able to embed administrative health records. This could be a tool to prevent adverse outcomes in a personalized way.
The CDC defines a chronic disease (CD) as a health condition which lasts at least one year and it requires continuous medical attention. Diabetes is one of the most diffused CD, and we refer to Type 2 Diabetes (T2D) when the body is not able to use insulin. Glucose Lowering Medications (GLMs) are used in T2D patients to control blood glucose, BMI, and blood pressure, to improve cardiovascular outcomes. Lots of RCTs have been conducted to evaluate GLMs. However, results obtained in RCTs have to be confirmed by real world data (RWD), which are routinely collected from different sources. In fact, RCTs have a very high internal validity but a low external validity. It is necessary to integrate knowledge from RCTs with Real World Evidence. However, when dealing with RWD, lots of problems arise due to the absence of randomization, confounding, and missing data. This thesis is focused on the application of advanced statistical approaches to analyze health outcomes and comorbidity patterns in patients with CDs from RWD. In the first contribution, Propensity Score (PS) methods have been applied to compare different GLMs, in terms of simultaneous reduction in HbA1c, body weight, and systolic blood pressure. Data were extracted from Dapagliflozin Real World evIdeNce in Type 2 Diabetes (DARWIN-T2D), a retrospective study conducted at diabetes specialist outpatient clinics in Italy. We observed that in routine ambulatory care, Dapagliflozin (a SGLT2i drug) can be as effective as GLP-1RA for the attainment of combined risk factor goals. However, we had to deal with lots of issues related to RWD: the absence of randomization, the high amount of missing data, and confounding. In the second contribution, I tried to overcome such issues applying different advanced statistical approaches, focusing on the case in which a high percentage of missing not at random (MNAR) data are present in the outcome. Covariate adjustment, PS adjustment, PS matching, inverse probability of treatment weighting, targeted maximum likelihood estimator (TMLE), were compared using DARWIN-T2D data and also in a simulation setting, done through Bayesian Networks (BNs) to resemble RWD characteristics. TMLE showed less biases and higher precision, even with MNAR outcome data. Then, in the third contribution, the aim was to evaluate generalizability of cardiovascular outcome trials (CVOTs) on GLP-1RA to the T2D RW population. The proportion of RW patients which constitute CVOT-like populations were assessed, using as target population DARWIN-T2D. We developed a novel approach, based on BNs, which was used to sample the greatest subsets of RW patients yielding true CVOT-like populations. A very small proportion of RW patients constitute true CVOT-like populations. In the fourth contribution, the aim was transferring CVOTs results to the RW setting (DARWIN-T2D). A post-stratification approach based on aggregated data of CVOTs and individual data of target population was used. Stratum-specific estimates available from CVOTs were extracted to calculate expected effect size for DARWIN-T2D by weighting the average of the stratum-specific treatment effects according to proportions of a given characteristic in the target population. The main finding was that cardiovascular protective actions of GLMs are transferrable to a different RW T2D population. In the fifth contribution, I worked on administrative databases of Piedmont, a Northern Italy region, to forecast urgent hospitalization in people aged more than 65 years. I applied the Bidirectional Encoder Representations from Transformers (BERT), which is a deep learning approach developed by Google. The aim was to deal with healthcare trajectories, defined as a sequence of medication purchases and hospitalization diagnoses, to forecast urgent hospitalizations within 3 months. Results suggested that BERT is able to embed administrative health records. This could be a tool to prevent adverse outcomes in a personalized way.

Nonostante gli studi clinici randomizzati forniscano importanti informazioni sull'efficacia e sulla sicurezza dei farmaci, i risultati provenienti da tali studi non possono essere generalizzati a tutta la popolazione. Questi studi, infatti, sono basati su campioni altamente selezionati, costituiti da un numero limitato di individui, che spesso sotto-rappresentano i pazienti più vulnerabili. La maggior parte degli studi clinici, inoltre, viene condotta in strutture ospedaliere, spesso molto prestigiose, nelle quali i pazienti sono sottoposti a regimi dietetici e comportamentali strettamente controllati e non sono liberi di gestire le proprie abitudini secondo una propria scelta, una caratteristica che rende tali studi lontani dalla reale pratica clinica. Di conseguenza, malgrado i risultati provenienti dagli studi clinici randomizzati siano sufficienti per approvare l'immissione in commercio di un farmaco, non lo sono per rispondere ai quesiti più rilevanti che devono affrontare quotidianamente medico e pazienti. Per questi motivi, è necessario che l'osservazione degli individui in trattamento continui anche dopo la commercializzazione del farmaco. A tale proposito, nell'ultimo decennio si è assistito all'ampio utilizzo di database (DB) di pertinenza sanitaria, per la conduzione di studi di farmacoepidemiologia. Tali database possono essere classificati in due grandi categorie: quelli che raccolgono informazioni a fini amministrativi (DB amministrativi) e quelli che vengono utilizzati dai medici per registrare informazioni cliniche sulla salute dei propri pazienti (DB clinici). Attraverso le informazioni reperibili dai DB amministrativi, sono stati condotti diversi studi che hanno fornito importanti risultati circa il profilo di sicurezza ed efficacia dei farmaci. Una delle principali caratteristiche di tali DB, che li rende molto apprezzati, riguarda la possibilità di riflettere la reale pratica clinica per popolazioni ampie e non selezionate, un aspetto che sicuramente supera uno dei principali limiti degli studi clinici randomizzati. Nonostante i numerosi vantaggi che i DB amministrativi hanno apportato nella conduzione degli studi farmacoepidemiologici, sono emerse alcune criticità legate soprattutto all'incompletezza di importanti informazioni di tipo clinico. La mancanza di tali informazioni costituisce una delle principali barriere da superare in quanto, da un lato può essere causa di un'incorretta misura delle variabili di interesse (errore di misura) che può portare ad un'errata classificazione degli individui in base all'esposizione al farmaco di interesse o allo stato di malattia (misclassificazione), dall'altro può rendere problematica la fase relativa al controllo del confondimento (con particolare riferimento al confondimento non misurato). Al contrario, malgrado i DB clinici siano più ricchi di informazioni circa il profilo clinico e lo stile di vita dei pazienti, spesso sono poveri di informazioni riguardo a visite specialistiche e ricoveri ospedalieri. Alla luce di ciò, per poter rispondere in modo esaustivo ai diversi quesiti della farmacoepidemiologia, sarebbe opportuno utilizzare un'integrazione delle informazioni provenienti da ciascun DB e correggere le distorsioni derivanti dalle limitazioni sopracitate attraverso strategie adeguate. L'obiettivo di questa Tesi di Dottorato è, dunque, quello di approfondire le diverse tecniche per il controllo del confondimento non misurato e dell'errore di misura, e di applicare tali metodologie a diversi contesti della farmacoepidemiologia.

La crescente disponibilità di banche dati informatizzate sanitarie ha reso gli studi osservazionali uno strumento potente a fornire evidenze scientifiche. Limiti connessi ai database e distorsioni da cui possono essere affetti questi studi, possono compromettere i risultati. Questa tesi analizza i metodi di correzione da utilizzare in fase di disegno e di analisi statistica. Alcune di essi sono stati applicati ad uno studio volto a valutare il rischio di sviluppare un evento raro, danno renale acuto (DRA) da somministrazione di mezzo di contrasto iodato (MCI). A tal fine sono stati applicati il disegno di coorte e di caso-controllo innestato nella coorte, utilizzando le schede di dimissioni ospedaliere della regione Marche. La coorte comprendeva 29925 soggetti a cui era stata somministrato il MCI durante il 2008-2011; sono stati individuati 324 casi di DRA in totale, per 129 di questi il tempo trascorso dalla data di somministrazione di MCI era <7 giorni, perciò associati al DRA. Il rischio di sviluppare DRA da MCI risultava 0.43%. Soggetti di età superiore a 65 anni, che soffrivano di una malattia del sistema genitourinario sono risultati a maggior rischio. Nello studio caso-controllo innestato, i 324 casi sono stati appaiati a 1258 controlli. L’esposizione al MCI e le malattie del sistema genitourinario erano significativamente associate ad un maggior rischio di DRA. L’effetto dell’esposizione sullo sviluppo del DRA riduceva il rischio nei soggetti con età superiore a 65 anni e in quelli con più di una somministrazione, mentre aumentava in quelli con una patologia diversa dalle malattie genitourinarie e del sistema circolatorio. Lo studio ha permesso di stimare il rischio di un evento raro e l’effetto dei fattori ad esso associati; rappresenta, altresì, una concreta applicazione della metodologia epidemiologica attuale, particolarmente attenta alle problematiche connesse all’utilizzo di una fonte di dati potente ma che al contempo richiede cautela e cognizione di causa nella sua applicazione.
A proliferated number of electronic healthcare databases has increased the role of observational studies as a tool to provide scientific evidence. Challenges in conducting observational studies based on Electronic Databases (ED) include concern about errors that can compromise the validity of the results. This thesis analyses methods and approaches to manage analytical challenges with regard to the study design and the statistical analysis of observational studies based on ED. Some of these techniques are performed in a study aimed to estimate the risk of a rare event, acute kidney injury (AKI) after contrast media (CM) administration. For that purpose, a cohort and a nested case-control study were performed using the discharged hospital database of Marche region. The cohort included 29925 subjects with a CM administration during 2008-2011. AKI occurred in 324 subjects; for 129 of them the time period after the CM administration was <7 days, considered therefore associated to AKI. The overall risk of AKI after CM administration was 0.43%. Subjects over 65 years old, suffering from a renal disease were at higher risk. In the nested case-control study all 324 cases were matched to 1258 controls. CM exposure and renal disease were significantly associated with a higher risk of AKI. A reduction of the exposure effect on AKI risk was found in those aged >65 years and with more than one CM administration, while an increased risk was found in subjects suffering from diseases different from renal and circulatory diseases. The study allowed us to estimate the risk of a rare event and the risk factors. Furthermore, it represents a concrete application of the current epidemiological methodology concerning problems related to the use of a potential data source but in the meantime should be cautiously applied.

Introduzione: Nell’ultimo decennio il Servizio Sanitario Nazionale ha subito numerosi cambiamenti principalmente a causa della riduzione delle risorse economiche disponibili. Si è però contemporaneamente assistito ad un incremento della spesa sanitaria dovuto alla crescente e continua introduzione di tecnologie in campo sanitario. È quindi necessario condurre appropriate analisi, quali le analisi costo-efficacia, che valutano congiuntamente costi ed efficacia legati al’introduzione di una nuova tecnologia sanitaria al fine di fornire importanti informazioni ai decisori in campo sanitario che possono influenzare l’allocazione delle scarse risorse a disposizione. Un campo d’interesse per la valutazione economica in campo sanitario può essere l’analisi costo-efficacia dell’incremento di aderenza alle terapie per il trattamento delle patologie croniche nella pratica clinica corrente. Infatti, affinchè queste terapie siano efficaci devono essere assunte con continuità e per un consistente periodo di tempo. I risultati ottenuti negli studi clinici circa la loro efficacia non sempre sono evidenziati anche dagli studi osservazionali in quanto nella pratica clinica si osserva una scarsa aderenza dei pazienti alla terapia. Sarebbe quindi necessario attivare degli interventi volti a incrementare l’aderenza al trattamento al fine di massimizzare l’efficacia dei farmaci. Per questo tipo di analisi, gli usuali metodi utilizzati per l’analisi costo-efficacia, quali i modelli markoviani, non sono particolarmente adatti in quanto questi generalmente utilizzano dati provenienti dalla letteratura scientifica e in particolare da studi clinici controllati e randomizzati che a causa delle loro caratteristiche non sono in grado di descrivere la pratica clinica corrente. L’obiettivo principale di questo lavoro è quello di identificare l’approccio per effettuare analisi costo-efficacia nel contesto degli studi osservazionali unendo le potenzialità di questi studi, largamente utilizzati in farmaco epidemiologia per indagare l’efficacia del trattamento farmacologico nel prevenire alcuni eventi di interesse, con l’analisi economica per mettere in relazione i costi legati alla storia farmacologica dei pazienti con l’efficacia della terapia stessa. L’approccio individuato è stato applicato alla valutazione dell’effetto dell’aumento di aderenza alle terapie croniche utilizzate nella prevenzione primaria di differenti patologie quali quelle cardiovascolari e le fratture osteoporotiche utilizzando i dati provenienti dai database amministrativi della regione Lombardia. Metodi: Dai database amministrativi della regione Lombardia sono state selezionate tre coorti di pazienti che avevano ricevuto almeno una prescrizione di statine (coorte 1), antipertensivi (coorte 2) o bifosfonati (coorte 3) in un determinato periodo di reclutamento. Successivamente a queste coorti sono stati applicati alcuni criteri di esclusione per assicurare l’inclusione dei soli utilizzatori incidenti del farmaco in prevenzione primaria, che avessero almeno un anno di follow-up e che fossero utilizzatori continui del farmaco. I pazienti hanno accumulato anni-persona di follow-up dalla data della prima prescrizione fino al più precoce dei seguenti eventi: i) evento di interesse (ischemia miocardica acuta per la prima coorte, evento cardiovascolare per la seconda e frattura osteoporotica per la terza, identificate nel database delle schede di dimissione ospedaliera, ii) morte o migrazione iii) termine del follow-up. Per ogni paziente, l’aderenza al trattamento è stata valutata tramite la Proportion of Days Covered (PDC), ovvero la percentuale di giorni di follow-up coperta dal trattamento. Per ogni coorte, è stato implementato un modello di regressione di Cox per valutare la relazione tra aderenza al trattamento (inclusa come covariata tempo-dipendente) e insorgenza dell’evento d’interesse. Le stime ottenute sono state aggiustate per età, genere, indice di comorbosità di Charlson, e cotrattamenti ricevuti durante il follow-up. Per ogni paziente, è stato calcolato il costo totale del trattamento come somma della spesa relativa ad ogni prescrizione del farmaco d’interesse, ricevuta durante il follow-up. Il costo individuale per giorno di trattamento è stato ottenuto dividendo la spesa totale per il numero di giorni coperti dal trattamento. Per ognuna delle coorti sono stai creati alcuni scenari in cui l’aderenza media al trattamento viene incrementata. In ogni scenario, per ogni paziente è stato generato un nuovo livello di PDC, sommando al valore osservato nella coorte originale (baseline) un valore di incremento, estratto da una variabile casuale normale. Per ogni scenario è stata valutata la spesa farmaceutica e una misura d’efficacia rappresentata per le prime due coorti dagli eventi evitati e nella terza coorte dal tempo atteso libero da malattia grazie all’aumento di aderenza alla terapia. L’indicatore utilizzato per valutare se l’incremento dell’aderenza al trattamento è costo efficace è l’Incremental Cost-Effectiveness Ratio (ICER) ovvero il rapporto tra la differenza dei costi medi annuali e la differenza tra gli eventi evitati o il tempo atteso libero da malattia osservati al baseline e in ogni scenario. Risultati: Nella prima coorte sono stati inclusi 84,262 utilizzatori incidenti di statine che hanno accumulato 358,798 anni persona di follow-up (in media 4.3 anni per paziente) di cui il 45% era coperto dal trattamento. La coorte ha generato 1,397 eventi di ischemia miocardica acuta,con un tasso di incidenza di 39 casi ogni 10,000 anni persona a rischio. Per questa coorte, l’ICER varia tra 243 mila euro (95% IC: 230 - 259 mila euro) nello scenario in cui l’aderenza media è pari al 50% e 413 mila euro (95% IC: 391 – 439 mila euro) ogni 10,000 anni persona nello scenario in cui l’aderenza media è pari al 90% per evitare un evento di IMA ogni 10,000 anni persona grazie all’aumento dell’aderenza al trattamento con statine. La coorte degli utilizzatori di antipertensivi era formata da 209,650 utilizzatori incidenti di del farmaco che hanno accumulato 1,244,870 anni persona di follow-up (in media 6 anni per paziente di cui il 52% era coperto dal trattamento. La coorte ha generato 10,688 eventi cardiovascolari, con un tasso di incidenza di 86 casi ogni 10,000 persone anno a rischio. Per questa coorte, i valori dell’ICER decrescono da 76 mila euro (95% IC: 74- 77 mila euro), a 75 mila euro (95% IC: 73 - 76 mila euro) 73 mila euro (95% IC: 72 - 75 mila euro) per ogni evento cardiovascolare evitato dall’incremento dei livelli di aderenza alla terapia con antipertensivi dal baseline rispettivamente a livelli medi di aderenza pari al 60% e all’80%. Infine nell’ultima coorte sono state incluse 28,558 utilizzatori incidenti di bifosfonati che hanno accumulato 177,868 anni persona di follow-up (in media 6 anni per paziente) di cui il 33% era coperto dal trattamento. La coorte ha generato 1,921 eventi di frattura osteoporotica, con un tasso di incidenza di 108 casi ogni 10,000 anni persona a rischio. Per quanto riguarda questa coorte l’ICER varia tra 135 mila euro (95%IC:119 - 152 mila euro) per ogni anno libero da malattia guadagnato nello scenario in cui l’aderenza media è pari al 40% fino a 60 mila euro (95%IC:56 - 65 mila euro) nello scenario in cui l’aderenza media è dell’80%. Conclusioni: Il metodo proposto per l’analisi costo-efficacia consente di integrare le potenzialità degli studi osservazionali, largamente utilizzati in farmaco epidemiologia per indagare l’efficacia del trattamento farmacologico, con l’analisi economica. Inoltre l’approccio sottolinea come i database amministrativi siano un’importante fonte di dati per gli studi di farmacoepidemiologia e farmacoeconomia in quanto consentono di valutare sia costi che efficacia dei farmaci nell’ambito della reale pratica clinica ed inoltre permettono di condurre studi su una popolazione ampia e non selezionata e in tempi brevi. Un importante risparmio di risorse potrebbe essere ottenuto incoraggiando l’uso di farmaci meno costosi, come quelli generici, e scoraggiando lo spreco di risorse per il trattamento di pazienti che non necessitano della terapia farmacologica. Questo potrebbe liberare le risorse necessarie per finanziare gli interventi per migliorare l’aderenza ai trattamenti cornici.

L’Artrite Reumatoide (AR) interessa lo 0.5-1% della popolazione. Il numero di eventi cardiovascolari (CV) nei pazienti con AR è 2-3 volte maggiore rispetto alla popolazione generale. La sofferenza del sistema cardiovascolare nei pazienti affetti da AR si esprime con l'aterosclerosi: ad essa conseguono eventi cardio-cerebrovascolari. I fattori di rischio cardiovascolari più coinvolti in AR sono ipertensione arteriosa (IA), dislipidemia, diabete mellito (DM). I glucocorticoidi causano iperglicemia e insulino-resistenza. La pressione arteriosa correla con l’incidenza di stroke, scompenso cardiaco (SCC) e patologie renali. La dislipidemia è complicanza di AR. Gli eventi CV considerati sono: infarto miocardio (IMA), SCC, interventi di rivascolarizzazione, fibrillazione atriale (FA) e stroke. IMA è l’evento più comune. Altra complicanza è l’insufficienza cardiaca. L'infiammazione cronica ha un ruolo nello scompenso cardiaco e in FA. FA è la principale aritmia cardiaca, l’incidenza può essere più elevata nei soggetti con AR; è causa principale di ictus, e il rischio di ictus è più alto nei pazienti AR. Scopi dello studio: stimare il tasso di eventi CV nei pazienti AR; stimare la frequenza di IA, DM, dislipidemia nei pazienti AR; valutare la relazione tra fattori di rischio cardiovascolare ed eventi CV nei pazienti AR rispetto alla popolazione generale nella popolazione lombarda. Lo studio è di tipo retrospettivo di coorte con dati estratti dalle banche dati sanitarie (AHD) della Lombardia tra il 1.01.2004 e il 31.12.2013. Per identificare i pazienti AR è stato applicato ai database regionali l'algoritmo dello studio RECord linkage on Rheumatic Diseases, selezionando 70,061 pazienti AR. Eliminati i soggetti con eventi CV tra il 1.01.2004 e il 31.12.2008. Identificati 20,965 soggetti AR e 245,933 soggetti non AR. Tra i soggetti AR, 1,880 hanno presentato almeno un evento CV. Si conferma un tasso di incidenza maggiore per IMA, SCC ed FA nei soggetti AR; l'incidenza di stroke ischemico non è differente. La prevalenza di IA e DM nei soggetti AR è maggiore rispetto i non AR (38.63% vs 34.29% /9.03%>8.52%); la prevalenza di dislipidemia è inferiore nei soggetti AR rispetto i non AR (15.11% vs 16.16%; p value <0.001): da considerare che la colesterolemia è ridotta in corso di AR ad elevata attività. La presenza di AR si associa ad un incremento del tasso di incidenza di IMA (49%), di SCC (51%), di FA (26%). Incremento sovrapponibile per SCC ed IMA si osserva per DM (61% e 53%). Si conferma l'assenza di incremento di incidenza di stroke in presenza di AR. IA è il fattore di rischio cardiovascolare che determina il maggior incremento del tasso di incidenza di FA e scompenso cardiocircolatorio, raddoppiandolo. Nella popolazione lombarda la presenza di AR rappresenta un fattore di rischio indipendente per eventi cardiovascolari.
Rheumatoid arthritis (RA) affects 0.5-1% of general population. The number of cardiovascular (CV) events in patients affected by RA is 2-3 times higher compared to subjects not affected by RA. Atherosclerosis is the initial sign of CV affection in RA patients, followed by cardiovascular and cerebrovascular events. Main CV risk factors in RA are: arterial hypertension (HA), dyslipidemia, diabetes mellitus (DM). Glucocorticoids induce hyperglycemia and insulin resistance. HA is correlated with the incidence of stroke, heart failure, and kidney diseases. Dyslipidemia is a complication of RA. CV events are: acute myocardial infarction (AMI), heart failure (HF), revascularization interventions, atrial fibrillation (AF) and strokes. AMI is the most common event. Another complication is cardiac insufficiency. Chronic inflammation plays an important role in the development of HF and AF. AF is the principal cardiac arrhythmia in the general population, with a higher incidence in RA subjects; it is the main reason for stroke, with stroke risk being higher in RA patients. Aim of the study: estimate the rate of incidence of CV events in RA patients, estimate the frequency of HA, DM, dyslipidemia, evaluate the correlation between CV risk factors and CV events in RA patients in comparison with the general population in Lombardy. The study design is: cohort, retrospective based on data extracted from health databases (AHD) from Lombardy Region between January 1st 2004 and December 31st 2013. Patients were selected applying the algorithm from the study RECord linkage on Rheumatic Diseases, thus identifying 70,061 RA patients. Subjects affected by CV events between January 1st 2004 and December 31st 2008 were not considered. 20,965 RA subjects and 245,933 non RA subjects were identified. 1,880 subjects of RA subjects presented at least one cardiovascular event. Our analysis confirms a significantly higher incidence for AMI, HF, and AF in RA subjects; the incidence of ischemic stroke shows no difference. Prevalence of HA and DM is higher in RA subjects in comparison with not-RA subjects (38.63% vs 34.29%, p value <0.001 / 9.03%>8.52%, p value 0.012). The prevalence of dyslipidemia is lower in RA subjects than not-RA subjects (15.11% vs 16.16%, p value <0.001). It is to be considered that cholesterol levels are reduced in high activity RA. RA is associated with an increased incidence rate (p<0.001) of AMI (49%), HF (51%), AF (26%). A similar increase of HF and AMI is observed in DM (61% and 53% respectively). No increase of stroke incidence was observed in RA patients. HA is the cardiovascular risk factor determining the highest increase of incidence rate of AF and HF, doubling the rate. In Lombard population, RA represents an independent risk factor for cardiovascular events.