Autore: admin

Aderenza a SGLT2 in MG

Aderenza alla terapia con SGLT2: primo anno di terapia

Dati del database aggregato AFT (Pisa), prescrizioni fino al 23/07/2026. Analisi osservazionale.

Messaggio principale. Circa 4 pazienti su 10 non sono aderenti alla terapia con SGLT2 nel primo anno. Lo scompenso è associato a maggiore aderenza, anche a parità di età e sesso. La stima è ancora incerta e richiede verifiche.

1. Obiettivo

Misurare l’aderenza alla terapia con SGLT2 (ATC A10BK) nel primo anno dopo la prima prescrizione, e capire quali caratteristiche dei pazienti si associano a una maggiore o minore aderenza.

2. Metodo

Coorte. Pazienti con almeno una prescrizione di SGLT2 e almeno 365 giorni di osservazione dalla prima prescrizione: 476 pazienti, assistiti da 7 medici.

Misura di aderenza. Copertura cumulativa nei 365 giorni dalla prima prescrizione (MPR):

  • confezioni da 30 compresse;
  • giorni coperti = compresse dispensate × 30 / compresse al giorno;
  • se la dose giornaliera manca, si assume 1 compressa al giorno;
  • le prescrizioni sovrapposte vengono riportate in avanti.

Aderente se MPR ≥ 0,80. Fine osservazione: 23/07/2026, ultima prescrizione SGLT2 nei dati.

Definizioni dei gruppi.

  • Diabete: diagnosi (ICD-9 250 o testo “diabet”, esclusi insipido, familiare e gestazionale) oppure altri farmaci A10 diversi da SGLT2.
  • Scompenso: diagnosi (ICD-9 428 o testo “scompens”) oppure beta-bloccanti (bisoprololo, carvedilolo, nadololo).

Persistenza. La persistenza misura per quanto tempo il paziente resta in terapia prima di interromperla; l’aderenza misura invece quanta parte del periodo è coperta dal farmaco. Coorte, copertura e metodo di calcolo sono descritti nella sezione 3.9.

Analisi. Test di Fisher e chi-quadrato con correzione di Yates per i confronti grezzi; regressione logistica per i confronti aggiustati; età calcolata al 23/07/2026.

3. Risultati

3.1 Aderenza complessiva

286 pazienti su 476 (60,1%) sono aderenti nel primo anno. Il 40% non raggiunge la soglia.

Stato a 180 giorni, su 548 pazienti con almeno 180 giorni di osservazione (dati forniti dal medico, non ricalcolati): attivi 220 (MPR medio 0,97), sospesi 53 (0,67), interrotti 275 (0,34). Sospesi o interrotti: 328 su 548 (circa 6 su 10).

3.2 Confronti grezzi

Confronto Aderenza p
Uomini vs donne 62,9% vs 55,2% 0,12
Diabete sì vs no 58,6% vs 66,0% 0,24
Scompenso sì vs no 63,4% vs 54,9% 0,08

Nessun confronto grezzo raggiunge p < 0,05. I valori non sono aggiustati per età.

3.3 Quattro gruppi incrociati

Gruppo Pazienti Aderenza
Diabete e scompenso 208 61,5%
Solo diabete 174 55,2%
Solo scompenso 84 67,9%
Né l’uno né l’altro 10 50% (campione troppo piccolo)

3.4 Modello aggiustato sulla coorte completa (476 pazienti)

Variabile OR IC 95% p
Maschio vs femmina 1,35 0,92–1,99 0,13
Diabete sì vs no 0,83 0,50–1,36 0,45
Scompenso sì vs no 1,56 1,03–2,37 0,035
Età (per decennio) 0,87 0,73–1,02 0,09

3.5 Confronto diretto: solo scompenso vs solo diabete (258 pazienti)

  • Grezzo: OR 1,72 (IC 95% 0,99–2,96), p 0,06–0,07.
  • Aggiustato per età e sesso: OR 2,23 (IC 95% 1,24–4,03), p = 0,008.
  • Gli scompensati puri sono più anziani (79,7 anni contro 72,1). L’età riduce l’aderenza (OR 0,73 per decennio, p = 0,008): aggiustando, la differenza cresce.

3.6 Contatti di cura

Contatti annui registrati (tutti i tipi): 33 per gli scompensati puri, 26 per i diabetici puri. Aggiungendo i contatti al modello, l’OR dello scompenso scende da 2,23 a 2,02 (IC 95% 1,10–3,71, p = 0,023). Ogni 10 contatti in più all’anno: OR 1,23 (IC 95% 1,05–1,43, p = 0,009). I contatti spiegano solo una parte dell’effetto dello scompenso.

3.7 Antimicrobici come possibile segnale di eventi avversi

Prescrizioni di almeno un antimicotico dopo l’inizio di SGLT2: 12,1% dei diabetici puri (21 su 174) contro 3,6% degli scompensati puri (3 su 84), p = 0,037. Antibiotici: 64% contro 54%, p = 0,10.

Il dato è coerente con micosi genitali come causa di interruzione nei diabetici, ma non è dimostrato: si tratta di prescrizioni, non di diagnosi.

Un’analisi complementare su una coorte con controlli (figure 1–3) è coerente con questo segnale: le infezioni fungine a un anno sono più frequenti con SGLT2 in tutte le fasce d’età (circa 9–12% contro 4–5% dei controlli).

Coorte SGLT2: antibiotici e antifungini a un anno, ed età dei gruppi
Figura 1. Coorte SGLT2: pazienti con almeno una prescrizione di antibiotici o antifungini a un anno dall’indice (sinistra) e distribuzione dell’età nei gruppi (destra). SGLT2 n = 466; controlli n = 3.052. Definizione dei controlli da specificare.
Bilanciamento dei gruppi prima e dopo il matching
Figura 2. Bilanciamento dei gruppi: differenza standardizzata media (SMD) prima e dopo il matching. La banda verde indica la soglia convenzionale di ±0,10. eGFR e HbA1c non sono inclusi nel modello di propensity: il loro squilibrio residuo va discusso.
Infezioni fungine per fascia d'età e odds ratio stratificati
Figura 3. Infezioni fungine per fascia d’età (sinistra) e odds ratio per strato (destra). L’effetto è omogeneo fra le fasce: OR 2,13 (< 65 anni), 2,82 (65–74), 2,04 (75+), stima complessiva 2,43.

3.8 Funzione renale

eGFR (CKD-EPI 2021, ultima creatinina prima del 23/07/2026) sul sottogruppo con valore valido (321 pazienti):

Gruppo Pazienti eGFR media eGFR < 60
Solo scompenso 64 63 48%
Solo diabete 106 74 38%
Diabete e scompenso 145 63 47%
Né l’uno né l’altro 6 51 67% (campione piccolo)

Con la eGFR nel modello, l’OR dello scompenso resta 1,48 (IC 95% 0,87–2,52, p = 0,15); l’OR per 10 ml/min di eGFR è 0,93 (p = 0,19). La funzione renale non spiega l’effetto dello scompenso; l’effetto non è più significativo nel sottogruppo, probabilmente per la riduzione del campione.

3.9 Persistenza in terapia

La persistenza misura per quanto tempo il paziente resta in terapia prima di interromperla. Completa l’aderenza, che misura quanta parte del periodo è coperta dal farmaco.

Metodo.

  • Coorte: tutti i pazienti con almeno una prescrizione di SGLT2 (614), senza il requisito dei 365 giorni di osservazione. Chi ha un follow-up più breve viene censurato.
  • Copertura: stesso calcolo dell’aderenza (confezioni × 30 / compresse al giorno, prescrizioni sovrapposte riportate in avanti).
  • Interruzione: più di 90 giorni senza farmaco dopo la fine di una scorta (periodo di tolleranza). La data di interruzione è la fine dell’ultima scorta prima del buco.
  • Censura: decesso, revoca (scartando le date segnaposto) o fine dei dati del medico, cioè la sua ultima prescrizione registrata di qualsiasi farmaco. La fine dati è definita per medico, perché per alcuni medici le registrazioni si interrompono prima di altri.
  • Analisi: stimatore di Kaplan-Meier con IC 95%; modello di Cox con errori standard robusti per medico.

Risultati

614 pazienti: 217 interruzioni (35,3%) e 397 censurati.

Tempo dalla prima prescrizione Persistenza IC 95%
3 mesi 86,8% 83,8–89,3%
6 mesi 81,8% 78,3–84,7%
12 mesi 70,9% 66,7–74,7%
24 mesi 59,1% 54,2–63,7%

Tempo mediano all’interruzione: 1.576 giorni (circa 4,3 anni).

Interruzioni precoci: 78 delle 217 interruzioni (35,9%) avvengono entro 90 giorni, pari al 12,7% di tutti i pazienti (circa 1 su 8).

Ripresa: 75 dei 217 pazienti che interrompono (34,6%) ricominciano la terapia in seguito. Si considera solo la prima interruzione.

Curva di Kaplan-Meier della persistenza alle glifozine
Figura 4. Curva di Kaplan-Meier della persistenza alle glifozine (tolleranza 90 giorni), con IC 95%. Le linee tratteggiate indicano 6, 12 e 24 mesi.

A 6 mesi la persistenza è allineata alla media degli studi osservazionali; a 12 e 24 mesi è nettamente più alta (confronto nella sezione 4).

Persistenza e aderenza. A un anno la persistenza (70,9%) è più alta dell’aderenza (60,1%). Le due misure sono coerenti: una parte dei pazienti resta in terapia, ma con buchi inferiori ai 90 giorni che abbassano la copertura sotto l’80%.

Analisi di sensibilità. Con una tolleranza di 60 giorni la persistenza scende al 65,9% a 12 mesi e al 53,7% a 24 mesi (mediana 900 giorni), ma resta sopra la media della meta-analisi. L’esclusione dei 6 pazienti revocati in blocco cambia le stime di meno di un punto.

Analisi N 12 mesi 24 mesi Mediana (gg)
Principale (tolleranza 90 gg) 614 70,9% 59,1% 1.576
Tolleranza 60 gg 614 65,9% 53,7% 900
90 gg, esclusi revocati in blocco 608 71,7% 59,8% 1.576
60 gg, esclusi revocati in blocco 608 66,6% 54,3% 902

Persistenza per gruppo clinico e funzione renale.

Gruppo N Interruzioni 12 mesi 24 mesi Mediana (gg)
Solo diabete 206 94 64,6% 53,9% 806
Solo scompenso 141 27 79,0% 72,4% non raggiunta
Diabete e scompenso 247 93 71,8% 57,1% 1.576
eGFR ≥ 60 187 66 71,3% 57,4% 1.181
eGFR < 60 144 35 74,5% 70,7% non raggiunta
eGFR mancante 283 116 68,8% 54,7% 878
Persistenza per gruppo clinico e per funzione renale
Figura 5. Persistenza per gruppo clinico (a sinistra) e per eGFR all’inizio della terapia (a destra), tolleranza 90 giorni.

I diabetici puri hanno la persistenza più bassa (64,6% a 12 mesi), gli scompensati puri la più alta (79,0%). Quasi metà dei pazienti (283 su 614, 46%) non ha una creatinina nell’anno precedente l’inizio della glifozina, che le linee guida chiedono prima di iniziare. L’eGFR è calcolato con CKD-EPI 2021 sull’ultima creatinina nei 365 giorni prima dell’inizio (fino a 30 giorni dopo).

Modello di Cox. Rischio di interruzione: 614 pazienti, 217 eventi, errori standard robusti per medico. HR > 1 indica maggior rischio di interrompere.

Variabile HR IC 95% p
Età (per 10 anni) 1,01 0,92–1,11 0,86
Maschio 0,91 0,72–1,16 0,45
Diabete 1,59 1,23–2,07 0,001
Scompenso 0,81 0,61–1,07 0,14
eGFR < 60 0,71 0,50–0,99 0,045
eGFR mancante 1,11 0,80–1,54 0,54

Il diabete è l’unico fattore chiaramente associato all’interruzione (HR 1,59), coerente con il dato sull’aderenza e con l’eccesso di antimicotici nei diabetici. Un eGFR < 60 si associa a una persistenza maggiore (HR 0,71, p = 0,045, al limite della significatività). Età, sesso e scompenso, a parità degli altri fattori, non mostrano associazioni significative.

Interruzioni precoci. Delle 78 interruzioni entro 90 giorni, 49 (62,8%) riguardano pazienti che non hanno mai ritirato oltre la prima prescrizione, pari all’8,0% di tutti i pazienti. Le altre 29 sono sospensioni dopo più prescrizioni; 23 di questi pazienti hanno poi ripreso la terapia. La maggior parte delle interruzioni precoci è quindi una mancata prosecuzione dopo la prima ricetta, più che una sospensione per il calo dell’eGFR o per effetti avversi.

4. Confronto con la letteratura

Persistenza a confronto

Tempo Questa coorte Meta-analisi Ofori-Asenso (gap ≥ 90 gg) Registro svedese HFrEF (Stolfo et al.)
6 mesi 81,8% 81,5% 86,9%
12 mesi 70,9% 58,9% 80,0%
24 mesi 59,1% 34,7% –

A 6 mesi la persistenza è allineata alla media degli studi osservazionali; a 12 e 24 mesi è nettamente più alta. Il registro svedese riguarda solo pazienti con scompenso a frazione di eiezione ridotta seguiti in centri dedicati. Nei trial randomizzati le sospensioni sono circa il 10–13% (DAPA-HF 10,5% con dapagliflozin contro 10,9% con placebo; DAPA-CKD 12,7% contro 14,4%), simili al placebo: il divario con la pratica reale non dipende dalla tollerabilità del farmaco.

I valori del registro svedese sono ricavati dalle sospensioni del 13,1% a 6 mesi e del 20,0% a 12 mesi.

Aderenza a confronto

Studio Popolazione Misura Aderenza primo anno
Questo studio (AFT Pisa) 476 nuovi utenti SGLT2 con un anno di osservazione MPR ≥ 0,80 60,1%
Hawley et al., Diabetes Care 2022 83.675 nuovi utenti ≥ 66 anni con diabete tipo 2, Medicare (USA) PDC ≥ 0,80 45%
Essien et al., JAMA Netw Open 2023 51.072 nuovi utenti con diabete e/o scompenso, USA PDC ≥ 0,80 a 12 mesi 73,1%

Il nostro 60% cade tra i due valori della letteratura. Le misure sono simili, ma le popolazioni no: il confronto è indicativo.

Fattori associati. Nella letteratura il sesso femminile si associa a minore aderenza (Hawley: −5,5 punti di PDC) e a più infezioni genitali (McGovern: HR 3,64). Il co-pagamento alto si associa a minore aderenza (Essien: OR 0,68). Le infezioni genitali precoci si associano a sospensione (McGovern: HR 1,48). Nel nostro studio le donne sono meno aderenti (55,2% contro 62,9%, p = 0,13), in linea con la letteratura ma non significativo.

5. Interpretazione

  1. Circa 4 pazienti su 10 non raggiungono l’aderenza al primo anno: è il dato più rilevante per la pratica.
  2. Lo scompenso è associato a maggiore aderenza, più chiaramente nel confronto diretto con i diabetici puri (OR 2,23 aggiustato).
  3. Parte dell’effetto passa dalla frequenza dei contatti, ma non tutta.
  4. Gli anziani aderiscono meno (OR 0,73–0,87 per decennio): tendenza coerente, non sempre significativa.
  5. Nei diabetici le interruzioni potrebbero dipendere in parte da eventi avversi genitali: ipotesi plausibile, non dimostrata.
  6. Circa 7 pazienti su 10 sono ancora in terapia a un anno e 6 su 10 a due anni, più della media real-world (59% e 35%).
  7. Un terzo delle interruzioni avviene nei primi 3 mesi, la finestra del calo iniziale dell’eGFR e delle prime micosi: è il periodo in cui un controllo programmato può evitare il maggior numero di sospensioni. L’analisi successiva mostra però che quasi due terzi di queste interruzioni riguardano pazienti che non tornano dopo la prima ricetta: il controllo programmato dopo il primo mese è il momento in cui si possono recuperare più pazienti.
  8. Un terzo di chi interrompe riprende la terapia: molte interruzioni sono pause, non abbandoni definitivi.
  9. Il diabete è il fattore più associato all’interruzione (HR 1,59); i pazienti con eGFR < 60 restano in terapia più a lungo (HR 0,71). Nella CKD la glifozina non viene sospesa più spesso, nonostante il calo iniziale atteso dell’eGFR.

Fonti

  1. Hawley CE, Lauffenburger JC, Paik JM, Wexler DJ, Kim SC, Patorno E. Diabetes Care. 2022;45(3):604–613. doi:10.2337/dc21-1676
  2. Essien UR, Singh B, Swabe G, et al. Association of prescription co-payment with adherence to GLP-1 receptor agonist and SGLT2 inhibitor therapies in patients with heart failure and diabetes. JAMA Netw Open. 2023;6(6):e2316290. doi:10.1001/jamanetworkopen.2023.16290
  3. McGovern AP, Hogg M, Shields BM, Sattar NA, Holman RR, Pearson ER, Hattersley AT, Jones AG, Dennis JM. Risk factors for genital infections in people initiating SGLT2 inhibitors and their impact on discontinuation. BMJ Open Diabetes Res Care. 2020;8(1):e001238.
  4. Stolfo et al., Eur J Heart Fail. 2023 (registro svedese HFrEF; citazione completa da verificare).
  5. Ofori-Asenso R et al. (meta-analisi sulla persistenza con SGLT2, gap ≥ 90 giorni; citazione completa da inserire).
  6. McMurray JJV et al. DAPA-HF. N Engl J Med. 2019;381:1995–2008 (da verificare).
  7. Heerspink HJL et al. DAPA-CKD. N Engl J Med. 2020;383:1436–1446 (da verificare).

I dati della letteratura sono tratti dai riassunti disponibili: verificare i testi completi prima della pubblicazione.

Aderenza a terapia di vitamina D in medicina generale

InfoSalute · Medicina generale · Studio osservazionale AFT

Vitamina D, calcio e bisfosfonati: aderenza, risposta sierica e fratture femorali

Report integrato con risultati di popolazione, analisi per formulazione, modelli aggiustati, confronto Didrogyl–Neodidro, variabilità longitudinale e aggiornamento del confronto caso-controllo sulle fratture.

Aggiornamento: settembre 2026Dati osservazionaliTabelle e grafici

AFT Pisa/Cascina · Analisi aggregata, senza dati individuali identificativi. Documentazione di origine: due rapporti Word forniti per la pubblicazione e successivi risultati V5–V7 sulle fratture.

Avvertenza scientifica. Le misure definite “PDC” nei documenti originari sono ricostruzioni convenzionali dalle prescrizioni, non dati di effettiva dispensazione o assunzione. I filoni “intera popolazione”, “episodi con dosaggio” e “caso-controllo fratture” hanno criteri e denominatori diversi: le loro percentuali non devono essere confrontate come se provenissero dalla stessa coorte. La soglia di 25-OH-vitamina D ≥30 ng/mL è un outcome operativo dello studio, non un obiettivo clinico universalmente indicato.
34.920Pazienti nel dataset AFT, secondo il rapporto integrato
5.103Pazienti valutabili per copertura della vitamina D nell’analisi di popolazione
240Pazienti nel modello a episodi con eGFR completo, 181–365 giorni
113Coppie caso-controllo con attività registrata nell’anno pre-indice

Grafici di sintesi

Visualizzazioni dei risultati riportati nei documenti di studio: grafici descrittivi, non confronti causali.

Copertura convenzionale nella popolazione esposta
Quota classificata aderente ≥80% nelle analisi a livello di popolazione
Vitamina D · n=5.10328.1%
Calcio · n=44825.9%
Bisfosfonati · n=90918.7%

Le tre popolazioni e i relativi denominatori non sono intercambiabili.

25-OH-vitamina D: target per copertura
Finestra 181–365 giorni, categorie A e G; valori osservati
Didrogyl aderenti 27/3969.2%
Didrogyl non ader. 5/1926.3%
Neodidro aderenti 33/6650%
Neodidro non ader. 4/944.4%

Gruppi selezionati; 25-OH-D basale <30 ng/mL; non è un confronto randomizzato.

Aderenza Didrogyl vs Neodidro
Proporzioni standardizzate per età e sesso, 181–365 giorni
Didrogyl · 82 pazienti47.58%
Neodidro · 87 pazienti75.91%

Differenza standardizzata Neodidro − Didrogyl: +28,33 punti percentuali (IC 95% +14,42 a +42,24). La copertura convenzionale incorpora confezioni da 5/10 capsule.

Variabilità intra-paziente
Deviazione standard media delle misurazioni post-indice; scala delle barre 0–20 ng/mL
Didrogyl · n=28(17,27)
Neodidro · n=14(9,34)

Barre normalizzate a 20 ng/mL; nessun confronto multivariato stimabile per questi sottogruppi.

Rapporto integrato: aderenza, persistenza e risposta biochimica

Trasposizione strutturata del documento “Rapporto Vitamina D, Calcio, Bisfosfonati AFT completo 2026”. Tabelle mantenute nell’ordine del documento; terminologia e limiti vanno letti congiuntamente all’avvertenza iniziale.

Vitamina D, calcio e bisfosfonati in Medicina Generale:

copertura prescrittiva, aderenza, persistenza e impatto biochimico

Rapporto tecnico-scientifico integrato · Analisi su database aggregato AFT Pisa/Cascina

Dott. Luca Puccetti — FIMMG Pisa

Dataset: dataset_aggregato.db3 — 34.920 pazienti, 12 medici AFT Cascina/Pisa

Integra: (A) aderenza/persistenza a livello di popolazione; (B) modello multivariato a episodi con eGFR CKD-EPI; (C) confronto Didrogyl vs Neodidro e fluttuazioni longitudinali. Settembre 2026.

Sintesi esecutiva

Questo rapporto integra due filoni di analisi condotti sullo stesso database aggregato di medicina generale (AFT Cascina/Pisa, 34.920 pazienti): (A) un'analisi descrittiva di copertura prescrittiva, aderenza e persistenza a livello dell'intera popolazione per vitamina D (mono e associata), calcio mono e bisfosfonati mono, con impatto sui valori plasmatici; (B) un modello multivariato a episodi, con aggiustamento per formulazione, valore basale, tempo al controllo, terapia precedente, età, sesso ed eGFR CKD-EPI, focalizzato sul raggiungimento del target di 25-OH-vitamina D ≥30 ng/mL. Include inoltre un confronto specifico tra due formulazioni di calcifediolo (Didrogyl gocce vs Neodidro capsule), un'analisi esplorativa delle fluttuazioni longitudinali della vitamina D sierica, e una prima esplorazione del T-score nei pazienti con frattura di femore.

Risultati principali

L'aderenza a lungo termine a tutte e tre le classi di farmaci (vitamina D, calcio, bisfosfonati) è strutturalmente bassa: PDC medio 49,7-52,1% sull'intera popolazione esposta, con solo il 18,7-28,1% dei pazienti classificabile come aderente (PDC ≥80%).

L'aderenza (PDC) migliora con l'età e risulta più alta negli uomini a parità di fascia d'età; la persistenza (assenza di interruzioni >1 anno) mostra invece il pattern opposto per sesso, più alta nelle donne — due dimensioni distinte e complementari del comportamento terapeutico.

I pazienti aderenti alla vitamina D raggiungono livelli sierici di 25-OH-vitamina D nettamente superiori (35,9 vs 26,0 ng/mL nei non aderenti) e mostrano una maggiore riduzione della fosfatasi alcalina totale, marker di turnover osseo.

Nel modello multivariato a episodi (n=240, finestra 181-365 giorni), ogni +10 punti di copertura prescrittiva si associa a OR 1,51 (IC 95% 1,29-1,76) di raggiungere il target di 30 ng/mL, stabile dopo aggiustamento per età, sesso ed eGFR — che non risultano predittori significativi in questo campione.

Il confronto diretto tra Didrogyl (gocce) e Neodidro (capsule) mostra un'aderenza prescrittiva stimata più alta per Neodidro nella finestra 181-365 giorni (OR 3,55, IC95% 1,83-6,87), ma il dato riflette in parte la struttura del modello di copertura (confezioni da 5-10 capsule) più che una comprovata superiorità di assunzione reale.

Solo 24 dei 344 pazienti con frattura di femore hanno un T-score numerico registrato prima della frattura — un sottoinsieme troppo piccolo per un'analisi di severità robusta, ma con T-score medio al collo femore di -2,11 (già in fascia osteoporotica secondo i criteri OMS).

Tutte le stime presentate in questo documento sono associazioni osservazionali derivate da dati amministrativi di prescrizione e referti di laboratorio; non costituiscono prova di efficacia comparativa randomizzata né di aderenza realmente osservata (assunzione, dispensazione verificata). I p-value sono nominali, senza correzione sistematica per confronti multipli salvo dove esplicitamente indicato. Questo documento sarà esteso con l'analisi dell'impatto sulla frattura di femore in una fase successiva.

1. Fonte dei dati e metodologia comune

Database: /opt/aft_aggregazione/output/dataset_aggregato.db3 (server DELL790, non distribuito). Tabelle utilizzate: cart_terap (prescrizioni farmaceutiche), cart_accert (accertamenti/esami di laboratorio), cart_problemi (problemi/diagnosi), pazienti (anagrafica). Identificatore di collegamento: anon_id. Questo documento non contiene dati individuali identificativi.

Due approcci metodologici complementari sono stati utilizzati e sono riportati integralmente in questo rapporto: (A) un'analisi descrittiva di copertura prescrittiva su tutta la popolazione esposta, con classificazione aderente/parziale/non aderente basata su soglie fisse (Parte II-IV di questo documento); (B) un modello a episodi con selezione basale<30 ng/mL → prescrizione indice → controllo, e regressione multivariata aggiustata (Parte V-VI di questo documento, derivato dallo script analisi_vitd_multivariata_v6_ckdepi.py).

1.1 Tabella di copertura convenzionale per formulazione (comune a entrambi gli approcci)

Questa mappatura, derivata dalle schede tecniche AIFA e ristretta al solo regime di mantenimento cronico (esclusi i boli di carico intensivo), è stata utilizzata in modo indipendente in entrambi i filoni di analisi, con risultati coincidenti — una validazione incrociata della classificazione.

Cod. Formulazione Copertura convenzionale
A Calcifediolo gocce (Didrogyl) 10 mL 94 giorni / flacone
B Colecalciferolo gocce 10 mL, 10.000 UI/mL (Dibase, Annister, Tredimin, Xarenel…) 133 giorni / flacone
C Colecalciferolo 25.000 UI monodose 30 giorni / confezione
D Colecalciferolo 50.000 UI monodose 60 giorni / confezione
E Colecalciferolo 100.000 UI monodose 120 giorni / confezione
F Colecalciferolo 300.000 UI fiala 365 giorni / confezione
G Neodidro — calcifediolo 0,266 mg capsule 30 gg/cps; 5 cps = 150 gg; 10 cps = 300 gg
H Calcio + vitamina D, 60 cpr, 2/die (Natecal D3, Orotre, Metocal, Ideos) 30 giorni / confezione
I Calcio + vitamina D, 30 unità, 1/die (Cacit, Dincrel, Calcium D3 Sandoz) 30 giorni / confezione
J Bisfosfonato + vitamina D, 4 cpr settimanali (Fosavance, Adrovance, Vantavo) 28 giorni / confezione
K Calcitriolo 30 cps, 2/die (Rocaltrol, Difix, Calcitriolo generici) 15 giorni / confezione

Indicatore di copertura = min[100%, giorni convenzionali sommati delle prescrizioni / giorni della finestra di osservazione × 100]. La somma può incorporare sovrapposizioni; per questo il termine corretto è "copertura prescrittiva convenzionale", non un PDC validato su dispensazione reale. Classi: aderente ≥80%; parziale 50-79%; non aderente <50%. Per calcio mono (A12AA) e bisfosfonati mono (M05BA), analoga classificazione con confezioni da 30 cpr/1 al giorno per il calcio, e schemi settimanali/mensili validati da scheda tecnica per i bisfosfonati (dettaglio in sezione 3).

PARTE I — ADERENZA E PERSISTENZA A LIVELLO DI POPOLAZIONE

2. Vitamina D (mono o associata): aderenza e persistenza

Analisi condotta sull'intera popolazione AFT (34.920 pazienti) che ha ricevuto almeno una prescrizione di vitamina D in qualunque formulazione (mono: colecalciferolo, calcifediolo, calcitriolo; associata: calcio+vitD, bisfosfonato+vitD), usando la tabella di copertura A-K di sezione 1.1.

2.1 Persistenza (metodo a intervalli: assenza di gap >1 anno tra prescrizioni)

Indicatore Valore
Pazienti con almeno 1 prescrizione vitamina D 7.548
…di cui con almeno 2 prescrizioni 5.263 (69,7%)
Media prescrizioni per paziente 9,2
Durata media di esposizione (prima→ultima prescrizione) 4,3 anni
Con almeno un'interruzione >1 anno tra due prescrizioni 3.067 (40,6%)
Persistenti a 1 anno 1.160 (15,4% sul totale; 22,0% su chi ha ≥2 prescr.)
Persistenti a 2 anni 776 (10,3% sul totale; 14,7% su chi ha ≥2 prescr.)
Persistenti a 5 anni 329 (4,4% sul totale; 6,3% su chi ha ≥2 prescr.)

L'aderenza alla vitamina D nel lungo termine è strutturalmente bassa: solo il 15,4% dei pazienti risulta ancora in trattamento continuativo a 1 anno, e questo crolla al 4,4% a 5 anni. Il 40,6% ha avuto almeno un'interruzione di oltre un anno, indicativo di un uso spesso a cicli (correzione acuta di una carenza, poi sospensione) piuttosto che una supplementazione cronica stabile.

2.2 PDC — Proportion of Days Covered (copertura reale nel tempo)

Indicatore Valore
Pazienti analizzabili (≥2 prescrizioni, finestra valida) 5.103
PDC medio 52,1%
Aderenti (PDC ≥80%) 28,1%
Parzialmente aderenti (PDC 50-80%) 18,8%
Bassa aderenza (PDC <50%) 53,1%

Il PDC, misura continua più sensibile della semplice persistenza, conferma il quadro: solo il 28,1% dei pazienti raggiunge la soglia clinicamente accettata di aderenza (PDC ≥80%). Oltre la metà (53,1%) ha una copertura reale inferiore al 50% del tempo di osservazione.

2.3 PDC per sesso e fascia d'età (età al primo trattamento)

Sesso Fascia N PDC medio Aderenti ≥80%
F <65 2.216 47,0% 22,2%
F 65-74 985 48,9% 23,8%
F 75-84 683 56,0% 32,1%
F 85+ 283 65,7% 42,0%
M <65 337 57,9% 37,4%
M 65-74 232 56,0% 36,2%
M 75-84 234 63,5% 39,7%
M 85+ 127 73,0% 53,5%

2.4 Persistenza per sesso e fascia d'età

Sesso Fascia N Persist. 1 anno Persist. 5 anni
F <65 3.321 12,5% 3,9%
F 65-74 1.267 19,2% 8,1%
F 75-84 887 21,3% 5,1%
F 85+ 396 23,5% 2,8%
M <65 719 9,9% 2,2%
M 65-74 378 13,8% 3,2%
M 75-84 364 16,8% 3,3%
M 85+ 206 16,0% 0,5%

Il crollo della persistenza a 5 anni negli ultra-85enni è verosimilmente un artefatto della mortalità competitiva (un paziente che inizia a 85+ anni ha alta probabilità di morire prima di raggiungere 5 anni di osservazione), non una vera caduta di aderenza.

2.5 Un pattern controintuitivo: PDC e persistenza raccontano storie opposte sul sesso

Con il PDC, gli uomini risultano sistematicamente più aderenti delle donne a parità di fascia d'età (es. 65-74 anni: M 56,0% vs F 48,9%). Con la persistenza, sono invece le donne a durare di più in terapia senza interruzioni lunghe (es. 65-74 anni: F 19,2% vs M 13,8%).

PDC alto + persistenza bassa (pattern maschile): terapia usata in modo intenso ma per periodi più brevi — cicli di trattamento ben seguiti quando attivi, ma sospesi più facilmente in modo definitivo.

PDC più basso + persistenza alta (pattern femminile): terapia mantenuta nel tempo per anni, ma con copertura reale più diluita — prescrizioni sporadiche distribuite su un periodo lungo, senza mai superare il gap critico di 1 anno, ma senza raggiungere una copertura piena.

3. Calcio mono (senza vitamina D): aderenza e persistenza

Formulazioni analizzate (ATC A12AA): calcio carbonato effervescente (Cacit 1000, Calcio Carb EG, Idracal, Calciodie, Calcio Hexal, Calcium Sandoz, Rex 1000 — 30 cpr/bust, 1/die, 30 gg/confezione) e Metocal 1250mg (60 cpr, 1/die, 60 gg/confezione).

3.1 PDC

Indicatore Valore
Pazienti analizzabili 448
PDC medio 49,7%
Aderenti (PDC ≥80%) 25,9%
Parzialmente aderenti (PDC 50-80%) 18,3%
Bassa aderenza (PDC <50%) 55,8%

3.2 PDC per sesso e fascia d'età

Sesso Fascia N PDC medio Aderenti ≥80%
F <65 143 42,4% 22,4%
F 65-74 96 41,3% 17,7%
F 75-84 80 54,5% 25,0%
F 85+ 40 59,2% 30,0%
M <65 34 59,5% 32,4%
M 65-74 21 57,8% 38,1%
M 75-84 23 66,3% 43,5%
M 85+ 11 70,2% 54,5%

3.3 Persistenza per sesso e fascia d'età

Sesso Fascia N Persist. 1 anno Persist. 5 anni
F <65 330 10,9% 2,4%
F 65-74 182 12,6% 3,3%
F 75-84 154 16,2% 1,9%
F 85+ 73 15,1% 1,4%
M <65 82 17,1% 1,2%
M 65-74 36 22,2% 5,6%
M 75-84 43 7,0% 0,0%
M 85+ 24 0,0% 0,0%

Numerosità maschili nelle fasce estreme molto piccole (n=24, n=43): interpretare con cautela.

4. Bisfosfonati mono (senza vitamina D): aderenza e persistenza

Formulazioni analizzate (ATC M05BA), posologia da scheda tecnica, solo regime cronico: Bonviva/ibandronico 150mg (1cpr, 1/mese, 30gg); Actonel/risedronato 35mg (4cpr, 1/settimana, 28gg); Actonel/risedronato 75mg (2cpr, 2gg consecutivi/mese, 30gg); Actonel 5mg (28cpr, 1/die, 28gg); Alendronato/Fosamax/Binosto/Adronat/Genalen 70mg (4cpr, 1/settimana, 28gg); Dralenos 70mg (12cpr, 1/settimana, 84gg); Fosamax 10mg (14cpr, 1/die, 14gg). Escluso il clodronato (Clody, Difosfonal, Clasteon, Clodron, Nerixia): uso clinico frequentemente variabile/antalgico nei pazienti fratturati, non prevenzione cronica standardizzata.

4.1 PDC

Indicatore Valore
Pazienti analizzabili 909
PDC medio 50,1%
Aderenti (PDC ≥80%) 18,7%
Parzialmente aderenti (PDC 50-80%) 27,3%
Bassa aderenza (PDC <50%) 54,0%

I bisfosfonati — farmaci prescritti specificamente per l'osteoporosi conclamata — mostrano la percentuale di aderenti più bassa delle tre classi analizzate (18,7%), nonostante una consapevolezza clinica del rischio di frattura presumibilmente maggiore rispetto alla semplice supplementazione vitaminica.

4.2 PDC per sesso e fascia d'età

Sesso Fascia N PDC medio Aderenti ≥80%
F <65 344 46,0% 14,5%
F 65-74 287 50,8% 19,2%
F 75-84 186 54,3% 21,5%
F 85+ 42 59,2% 28,6%
M <65 15 38,8% 20,0%
M 65-74 14 58,1% 35,7%
M 75-84 12 45,4% 8,3%
M 85+ 6 70,7% 50,0%

Numerosità maschili molto piccole in tutte le fasce (n=6-15): dato descrittivo, non generalizzabile.

4.3 Persistenza per sesso e fascia d'età

Sesso Fascia N Persist. 1 anno Persist. 5 anni
F <65 467 30,8% 8,6%
F 65-74 375 39,2% 15,2%
F 75-84 258 36,4% 8,9%
F 85+ 63 20,6% 1,6%
M <65 31 12,9% 3,2%
M 65-74 27 18,5% 7,4%
M 75-84 27 29,6% 0,0%
M 85+ 15 20,0% 0,0%

5. Confronto sintetico delle tre classi di farmaci

Classe N pazienti (PDC) PDC medio Aderenti ≥80% Parziali 50-80% Bassa <50%
Vitamina D (mono/associata) 5.103 52,1% 28,1% 18,8% 53,1%
Calcio mono 448 49,7% 25,9% 18,3% 55,8%
Bisfosfonati mono 909 50,1% 18,7% 27,3% 54,0%

Le tre classi di farmaci mostrano un'aderenza quasi identica (PDC medio 49,7-52,1%), nonostante siano farmaci molto diversi per meccanismo, schema posologico e percezione del paziente. Questo suggerisce che il problema dell'aderenza in questa popolazione non è specifico di un farmaco, ma sistemico: circa la metà dei pazienti trattati per la salute ossea, indipendentemente dalla classe farmacologica, ha una copertura reale inferiore al 50% del tempo previsto.

I bisfosfonati, pur essendo farmaci "seri" prescritti per osteoporosi conclamata, hanno la percentuale di aderenti più bassa (18,7%).

La vitamina D, spesso percepita come "meno essenziale", ha paradossalmente l'aderenza più alta delle tre (28,1%) — forse per la maggiore semplicità di alcuni schemi posologici (mensili/monodose) rispetto agli schemi settimanali dei bisfosfonati.

Un paziente classificato come "trattato" con la sola soglia numerica (es. ≥3 prescrizioni), come usato nello studio sulla frattura di femore, può in realtà avere un PDC reale di appena il 20-30%: la soglia a conteggio grezzo sovrastima l'esposizione farmacologica effettiva.

Questo risultato ha un'implicazione diretta per l'interpretazione dei confronti trattamento/esito basati su soglie di conteggio (es. "≥3 prescrizioni") condotti nello studio sulla frattura di femore: l'esposizione farmacologica reale nel sottogruppo "trattato" è probabilmente molto più eterogenea, e in media più bassa, di quanto la sola soglia numerica suggerisca.

PARTE II — IMPATTO SUI VALORI PLASMATICI

6. Valori di laboratorio prima e dopo l'inizio della terapia con vitamina D, per gruppo di aderenza

Per verificare se l'aderenza si traduca in un beneficio biochimico reale, sono stati confrontati i valori di laboratorio (25-OH-vitamina D, PTH, fosfatasi alcalina totale) registrati prima e dopo l'inizio della terapia con vitamina D (mono o associata), separando i pazienti in aderenti (PDC ≥80%), parziali (50-80%) e non aderenti (<50%), secondo la classificazione di sezione 2.2. Il valore "pre" è l'ultimo disponibile prima della prima prescrizione; il valore "post" è il primo disponibile oltre 90 giorni dopo, per dare tempo a un effetto biologico di manifestarsi.

6.1 25-OH-vitamina D e fosfatasi alcalina totale (ac_code 5664 e 681)

Gruppo N VitD pre (ng/mL) VitD post (ng/mL) ALP pre (U/L) ALP post (U/L)
Aderente 1.436 18,9 35,9 107,6 85,9
Parziale 957 19,2 31,8 103,0 82,0
Non aderente 2.710 17,6 26,0 104,5 97,6

Segnali coerenti con un effetto biologico atteso: gli aderenti passano da 18,9 a 35,9 ng/mL di 25-OH-vitamina D — dall'insufficienza alla sufficienza (>30 ng/mL) — mentre i non aderenti restano sotto soglia (17,6→26,0). Il gruppo "parziale" migliora quasi quanto gli aderenti (→31,8), suggerendo che anche una copertura non ottimale ma non nulla possa essere sufficiente a normalizzare la vitamina D in molti pazienti. La fosfatasi alcalina totale, marker aspecifico ma indicativo di turnover osseo, cala in tutti i gruppi trattati ma più negli aderenti (-20%) che nei non aderenti (-7%), coerente con una riduzione del turnover osseo nei pazienti meglio trattati.

6.2 PTH (ac_code 748) — nota metodologica su un'anomalia corretta

Un primo calcolo aveva prodotto un valore medio di PTH post-trattamento negli aderenti di 693,6 pg/mL, clinicamente inverosimile (range fisiologico atteso: 15-65 pg/mL). L'anomalia è stata attribuita a un piccolo numero di pazienti con valori di PTH estremamente elevati (fino a 146.000), verosimilmente affetti da insufficienza renale cronica o acuta con iperparatiroidismo secondario severo — popolazione clinicamente diversa dal contesto di questo studio (carenza vitaminica semplice). Escludendo i valori di PTH >200 pg/mL, il risultato corretto è il seguente:

Gruppo N PTH pre (pg/mL) PTH post (pg/mL)
Aderente 1.436 54,5 52,2
Parziale 957 49,5 49,7
Non aderente 2.710 50,3 52,1

Con l'esclusione degli outlier renali, il PTH risulta sostanzialmente stabile in tutti e tre i gruppi (variazioni di 1-2 pg/mL), senza un pattern chiaramente distinguibile per aderenza. Questo è plausibile: il PTH è un marker più tardivo e meno sensibile del 25-OH-vitamina D nella risposta alla supplementazione, specie in una popolazione con carenza da lieve a moderata (media basale ~18-19 ng/mL, non severamente deficitaria).

Questa correzione illustra un principio metodologico generale applicabile a tutte le analisi di questo tipo su dati di laboratorio reali: i valori estremi vanno sempre controllati per plausibilità clinica prima di essere inclusi in una media, specialmente quando derivano da popolazioni cliniche eterogenee (qui, pazienti nefropatici mescolati con la popolazione generale).

6.3 Sintesi interpretativa

La vitamina D sierica e la fosfatasi alcalina totale mostrano entrambe un pattern dose-risposta coerente con l'aderenza misurata tramite PDC — un argomento a favore della validità della metrica di copertura prescrittiva come proxy dell'esposizione reale.

Il PTH non mostra questo pattern, verosimilmente per la sua minore sensibilità a carenze lievi-moderate in questa popolazione, una volta esclusa la sottopopolazione con patologia renale.

Questi risultati non dimostrano causalità (il disegno resta osservazionale, con gli stessi limiti di confondimento per indicazione discussi nella Parte V), ma forniscono un riscontro biochimico indipendente che rafforza la plausibilità clinica della classificazione di aderenza utilizzata in questo rapporto.

7. Severità della fragilità ossea: T-score nei pazienti con frattura di femore

Il campo ac_val di cart_accert contiene, per un sottoinsieme di densitometrie, il valore numerico del T-score (codici 4274 "Collo femore: t-score", 4276 "L1-L4: t-score", 4327 "Femore Totale: t-score"). È stata verificata la disponibilità di questo dato tra i 344 pazienti dello studio sulla frattura di femore, per il periodo precedente la frattura.

7.1 Disponibilità e valori

Sede N esami N pazienti distinti T-score medio Min Max
Collo femore 34 24 -2,11 -4,5 +1,7
Colonna lombare (L1-L4) 32 22 -1,26 -4,0 +1,4
Femore totale 9 6 -1,87 -3,9 -1,1
Totale — almeno una sede — 24 (7,0% su 344) — — —

Solo 24 pazienti su 344 (7,0%) hanno un T-score numerico strutturato registrato prima della frattura — un sottoinsieme dei 94 pazienti (27,3%) che risultavano aver eseguito una densitometria in generale, perché molti referti sono disponibili solo come testo libero ("fuori norma", "–>", "allegato") senza il valore numerico nel campo strutturato.

Il T-score medio al collo femore (-2,11) è coerente con una diagnosi di osteoporosi conclamata secondo i criteri OMS (T-score ≤ -2,5 = osteoporosi; -1,0 a -2,5 = osteopenia; > -1,0 = normale) — la media è già in fascia osteopenica severa/borderline osteoporotica, come atteso in una popolazione che di lì a poco si fratturerà il femore. Il range è però ampio (fino a +1,7, densità ossea normale), coerente con l'esistenza di un sottogruppo di fratture su base più traumatica che fragilistica.

7.2 Tentativo di modello di sopravvivenza con T-score come covariata

È stato tentato un modello di Cox per la mortalità post-frattura, con T-score (peggiore valore tra le sedi disponibili) come covariata, sui 24 pazienti con dato disponibile.

Modello HR T-score IC 95% p
Univariato 0,83 0,35 – 1,96 0,67
Aggiustato per età 0,88 0,36 – 2,15 0,79

Il modello converge senza errori tecnici, ma il risultato non è clinicamente interpretabile: con soli 24 pazienti e appena 4 decessi osservati, la potenza statistica è del tutto insufficiente (la regola pratica di almeno 10 eventi per covariata non è rispettata). L'intervallo di confidenza estremamente ampio (fattore ~6 di ampiezza) e la direzione dell'effetto (verso una lieve protezione, controintuitiva) sono verosimilmente rumore statistico, non un segnale reale. Questo tentativo viene riportato per trasparenza metodologica, non come risultato da cui trarre conclusioni cliniche.

PARTE III — MODELLO MULTIVARIATO A EPISODI CON eGFR

8. Obiettivi, disegno e provenienza

Fonte dei risultati di questa parte: file CSV prodotti dallo script analisi_vitd_multivariata_v6_ckdepi.py eseguito sul database reale del server DELL790. Obiettivo primario: studiare l'associazione fra copertura prescrittiva convenzionale dei preparati di vitamina D e raggiungimento di 25-OH-vitamina D ≥30 ng/mL durante un episodio valutabile. Obiettivi secondari: variazione sierica, descrizione per formulazione/aderenza, confronto di modelli aggiustati, sensibilità a prescrizioni pregresse e regole di copertura.

Disegno: coorte retrospettiva osservazionale ricostruita da prescrizioni e accertamenti registrati. Non è uno studio di dispensazione, di assunzione osservata, randomizzato o di causalità. Non sono disponibili diagnosi specifiche, indicazione prescrittiva, BMI, supplementazioni extra-database o dosi effettivamente assunte.

Nota di validazione (dal rapporto originale): le creatinine impiegate per il calcolo dell'eGFR sono espresse, secondo conferma dell'utente, nella medesima unità di misura per tutti i record, ma tale unità non è stata specificata; il codice CKD-EPI assume mg/dL. Questa corrispondenza andrebbe confermata dall'origine laboratoristica prima di pubblicare i coefficienti aggiustati per eGFR.

9. Selezione degli episodi e outcome

Intervallo storico: prescrizioni e dosaggi dal 2009. Accertamento vitamina D: cart_accert.ac_code = 5664; valori numerici 0 < 25-OH-D ≤ 200 ng/mL. Per paziente si seleziona il primo episodio temporalmente valutabile: ultimo dosaggio precedente alla prescrizione indice inferiore a 30 ng/mL (basale-indice massimo 90 giorni, ricerca entro 365 giorni), prescrizione indice come prima prescrizione dopo quel dosaggio, un'unica prescrizione nello stesso giorno, almeno un controllo valido tra 91 e 730 giorni. In ciascuna finestra 91-180, 181-365 e 366-730 giorni si sceglie il primo dosaggio valido; si esclude la finestra se prima del prelievo sono presenti prescrizioni di categoria/formulazione diversa. Outcome binario: valore al controllo ≥30 ng/mL tra chi partiva da <30. Outcome continuo: 25-OH-D al controllo, ng/mL.

9.1 Flusso dei dati e controlli di qualità

Indicatore QC Conteggio
Prescrizioni totali (rx_total) 68.303
Escluse per ID/data mancante o non valida 5.077
Esami di laboratorio validi 11.351
Esami invalidi o fuori range 0-200 17.523
Pazienti con episodio selezionato 834
Osservazioni finestra paziente incluse 846
Incluse nella finestra 091-180 giorni 170
Incluse nella finestra 181-365 giorni 318
Incluse nella finestra 366-730 giorni 358

Le righe del flusso indicano controlli a livelli differenti (record, paziente, finestra): non costituiscono un diagramma di esclusione con numeri sottraibili.

9.2 Numerosità dei modelli per finestra e coorte

Finestra Coorte Candidati Completi età/sesso/eGFR N modello Target Stato
181-365 Tutti 301 240 240 103 eseguito
181-365 Senza terapia 365gg 211 173 165 70 eseguito
091-180 Tutti 158 126 117 60 eseguito
091-180 Senza terapia 365gg 111 88 83 47 non eseguito
366-730 Tutti 339 272 272 125 eseguito
366-730 Senza terapia 365gg 249 197 188 78 eseguito

10. CKD-EPI, età e sesso: derivazione

Età: (data prescrizione indice − nascita)/365,25. Creatinina: ultima misurazione precedente alla prescrizione indice, entro 365 giorni, valori 0-30. eGFR CKD-EPI 2021 (senza coefficiente razziale): 142 × min(SCr/κ,1)^α × max(SCr/κ,1)^−1,200 × 0,9938^età × fattore sesso, con κ=0,7/α=−0,241/fattore=1,012 per le donne, κ=0,9/α=−0,302/fattore=1 per gli uomini.

237/240 casi completi del modello principale e 172/173 candidati completi nella coorte senza terapia precedente non avevano unità testuale esplicita per la creatinina nel campo ac_um — un tema di qualità dei metadati distinto dall'uniformità dell'unità, che resta da documentare prima di ogni pubblicazione. Un solo valore di eGFR non definisce malattia renale cronica.

11. Statistica: modelli e cautela interpretativa

Regressione logistica multivariata per il target (OR, IC 95%, p) e regressione lineare per la concentrazione post (differenze aggiustate). Covariate: formulazione (A di riferimento), copertura ×10 punti percentuali, vitamina D basale ×5 ng/mL, follow-up ×90 giorni, terapia precedente (presenza/assenza), età ×10 anni, sesso, eGFR ×10 mL/min/1,73 m².

Le stime di prodotto rappresentano associazioni condizionali rispetto alla formulazione A, non confronti causali — soprattutto perché la copertura è funzione della confezione e del regime.

I p-value sono nominali, senza correzione per confronti multipli.

Non sono disponibili diagnostiche complete di calibrazione, non linearità, osservazioni influenti o robustezza degli errori standard.

La scelta di eseguire un test ematico, e il suo tempo, possono dipendere dalla risposta precedente e dalla gravità clinica (bias di selezione al follow-up).

12. Risultati descrittivi per formulazione, finestra e aderenza

Nelle tabelle seguenti "n" indica soggetti in quella finestra, "target" è numero/percentuale a ≥30 ng/mL, basale/post e Δ sono medie in ng/mL, "copert." è la copertura media. Numeri piccoli (n<10) sono presentati per completezza senza interpretazioni inferenziali.

12.1 Finestra 91-180 giorni

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 38 29 (76,3%) 12,94 45,81 32,86 97,1%
A Parziale 9 3 (33,3%) 17,09 25,49 8,40 65,6%
A Tutti 47 32 (68,1%) 13,74 41,92 28,18 91,1%
B Aderente 19 7 (36,8%) 15,17 29,56 14,38 98,7%
B Tutti 21 8 (38,1%) 15,16 29,00 13,84 96,5%
C Tutti 14 7 (50,0%) 20,79 30,01 9,22 49,3%
D Tutti 4 1 (25,0%) 15,93 24,50 8,57 78,7%
E Aderente 17 7 (41,2%) 17,96 29,06 11,09 94,7%
E Tutti 30 10 (33,3%) 18,99 27,98 8,99 86,0%
G Aderente 46 27 (58,7%) 17,12 33,97 16,86 98,7%
G Tutti 46 27 (58,7%) 17,12 33,97 16,86 98,7%
H Tutti 6 2 (33,3%) 14,97 24,93 9,97 33,6%

12.2 Finestra 181-365 giorni (finestra principale)

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 39 27 (69,2%) 13,27 43,62 30,35 96,8%
A Non aderente 19 5 (26,3%) 13,54 21,88 8,35 36,6%
A Parziale 24 5 (20,8%) 16,85 25,00 8,15 61,1%
A Tutti 82 37 (45,1%) 14,38 33,13 18,75 72,4%
B Aderente 17 9 (52,9%) 16,66 29,30 12,64 99,7%
B Tutti 33 12 (36,4%) 17,67 26,00 8,33 75,3%
C Tutti 30 12 (40,0%) 18,66 30,65 11,99 31,5%
D Tutti 4 3 (75,0%) 20,75 34,85 14,10 35,1%
E Aderente 10 5 (50,0%) 17,33 31,29 13,96 99,6%
E Tutti 69 25 (36,2%) 18,12 28,48 10,36 58,9%
G Aderente 66 33 (50,0%) 16,50 31,62 15,12 97,7%
G Tutti 87 39 (44,8%) 16,60 29,77 13,17 87,1%
H Tutti 9 2 (22,2%) 21,94 24,62 2,68 34,8%

12.3 Finestra 366-730 giorni

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 33 25 (75,8%) 12,64 45,98 33,35 95,9%
A Non aderente 43 14 (32,6%) 16,11 26,97 10,86 26,8%
A Parziale 35 25 (71,4%) 14,77 41,71 26,95 63,8%
A Tutti 111 64 (57,7%) 14,65 37,27 22,62 59,0%
B Aderente 16 8 (50,0%) 17,51 29,06 11,56 97,2%
B Tutti 42 15 (35,7%) 16,38 25,06 8,69 62,0%
C Tutti 27 10 (37,0%) 17,23 25,11 7,88 17,9%
D Tutti 7 3 (42,9%) 13,33 28,74 15,41 26,8%
E Aderente 2 2 (100,0%) 27,95 48,90 20,95 100,0%
E Tutti 56 25 (44,6%) 18,18 30,71 12,53 40,3%
G Aderente 40 24 (60,0%) 17,56 35,79 18,23 97,9%
G Tutti 103 42 (40,8%) 17,02 29,05 12,03 69,7%
H Tutti 8 1 (12,5%) 22,50 19,68 -2,82 19,8%

Categorie con numerosità molto piccola (n<5, es. formulazioni D, I, K) sono incluse per completezza ma non consentono interpretazioni inferenziali. Una stessa persona può comparire in più finestre; il modello analizza ciascuna finestra separatamente.

13. Analisi multivariata: confronto V5 (senza renale) e V6 (con eGFR)

La versione V5 fornisce un confronto di contesto sulla popolazione con dati sierici e prescrittivi (301 episodi, 125 target); la versione V6 aggiunge le covariate renali (età, sesso, eGFR) sugli stessi 240 soggetti con dati completi — il confronto metodologicamente corretto va fatto tra i due modelli V6 (base e completo) sulla stessa numerosità, non tra V5 e V6.

13.1 Modello V5 (301 episodi, senza eGFR) — finestra 181-365 giorni

Covariata OR IC 95% p
Copertura: +10 punti percentuali 1,46 1,28–1,67 <0,001
25-OH-D basale: +5 ng/mL 1,79 1,45–2,21 <0,001
Tempo al controllo: +90 giorni 0,75 0,49–1,16 0,198
Terapia precedente (sì/no) 0,34 0,18–0,65 0,001
Formulazione B vs A 0,36 0,15–0,89 0,026
Formulazione C vs A 2,45 0,86–7,03 0,095
Formulazione E vs A 0,57 0,26–1,23 0,150
Formulazione G vs A 0,42 0,20–0,88 0,021

13.2 Modello V6 base (stessi 240 soggetti, senza eGFR) — target ≥30 ng/mL

Covariata OR IC 95% p
Copertura: +10 punti percentuali 1,51 1,29–1,76 <0,001
25-OH-D basale: +5 ng/mL 1,95 1,53–2,49 <0,001
Tempo al controllo: +90 giorni 0,78 0,48–1,28 0,325
Terapia precedente (sì/no) 0,37 0,17–0,78 0,009
Formulazione B vs A 0,22 0,08–0,59 0,003
Formulazione C vs A 2,22 0,58–8,57 0,247
Formulazione E vs A 0,45 0,18–1,11 0,082
Formulazione G vs A 0,39 0,17–0,91 0,029

13.3 Modello V6 completo (età, sesso, eGFR) — target ≥30 ng/mL, n=240

Covariata OR IC 95% p
Copertura: +10 punti percentuali 1,51 1,29–1,76 <0,001
25-OH-D basale: +5 ng/mL 1,95 1,53–2,48 <0,001
Tempo al controllo: +90 giorni 0,78 0,48–1,27 0,319
Terapia precedente (sì/no) 0,36 0,17–0,76 0,007
Formulazione B vs A 0,23 0,08–0,63 0,005
Formulazione C vs A 2,33 0,60–9,04 0,221
Formulazione E vs A 0,46 0,18–1,13 0,090
Formulazione G vs A 0,39 0,17–0,92 0,031
Età: +10 anni 1,03 0,77–1,37 0,862
Maschio vs femmina 0,78 0,34–1,83 0,572
eGFR CKD-EPI: +10 mL/min/1,73 m² 1,00 0,82–1,21 0,980

Esito continuo (concentrazione 25-OH-D post, ng/mL) — modello completo:

Covariata Diff. (ng/mL) IC 95% p
Copertura: +10 punti percentuali 2,79 1,90–3,69 <0,001
25-OH-D basale: +5 ng/mL 3,61 2,13–5,10 <0,001
Terapia precedente (sì/no) -5,17 -10,23– -0,11 0,045
Formulazione B vs A -12,34 -18,23– -6,46 <0,001
Formulazione G vs A -9,39 -15,90– -2,87 0,005
Età: +10 anni 0,44 -1,24–2,13 0,607
Maschio vs femmina 0,64 -4,62–5,90 0,811
eGFR CKD-EPI: +10 mL/min/1,73 m² -0,12 -1,40–1,17 0,859

Confronto chiave: passando dal modello V6 base al modello completo con età/sesso/eGFR, sugli stessi 240 soggetti, l'OR per la copertura (+10 punti) resta 1,51 in entrambi i casi e il coefficiente lineare passa da +2,83 a +2,79 ng/mL — variazioni trascurabili. Età, sesso ed eGFR non risultano predittori statisticamente distinguibili da zero in questo campione: ciò non dimostra l'assenza di effetti clinici, solo che non sono rilevabili con questa numerosità.

13.4 Sottocoorte senza terapia precedente nell'anno antecedente (181-365 giorni, n=165)

Covariata OR IC 95% p
Copertura: +10 punti percentuali 1,52 1,27–1,82 <0,001
25-OH-D basale: +5 ng/mL 1,85 1,38–2,47 <0,001
Formulazione B vs A 0,26 0,08–0,88 0,030
Formulazione E vs A 0,60 0,21–1,71 0,342
Formulazione G vs A 0,42 0,15–1,20 0,105
Età: +10 anni 0,96 0,67–1,38 0,826
Maschio vs femmina 0,70 0,25–1,93 0,491
eGFR CKD-EPI: +10 mL/min/1,73 m² 0,95 0,73–1,24 0,719

Anche restringendo l'analisi ai pazienti senza prescrizioni documentate nell'anno precedente (riducendo il rischio che l'episodio rifletta un trattamento già in corso), l'associazione tra copertura e raggiungimento del target rimane di entità pressoché identica (OR 1,52 vs 1,51).

13.5 Robustezza per finestra temporale

Finestra OR copertura (+10pp) IC 95% p Maschio vs femmina (OR) p sesso
91-180 giorni 2,44 1,43–4,17 0,001 2,88 0,058
181-365 giorni 1,51 1,29–1,76 <0,001 0,78 0,572
366-730 giorni 1,29 1,15–1,45 <0,001 2,35 0,020

L'associazione tra copertura e raggiungimento del target è presente e significativa in tutte e tre le finestre temporali, con entità decrescente all'allungarsi del follow-up (OR da 2,44 a 1,29) — plausibile, poiché una finestra più lunga diluisce l'effetto di una copertura misurata su un periodo relativamente più breve. Il sesso maschile emerge come predittore significativo solo nella finestra più lunga (366-730 giorni, OR 2,35, p=0,020), un segnale isolato da interpretare con cautela data l'assenza dello stesso pattern nelle altre finestre.

13.6 Probabilità standardizzate per formulazione (finestra 181-365, tutti)

Formulazione n Target osservati Probabilità standardizzata
A — Didrogyl 68 32 54,25%
B — Colecalciferolo gtt 28 9 27,88%
C — Colecalciferolo 25.000 UI 14 6 68,78%
E — Colecalciferolo 100.000 UI 57 20 39,90%
G — Neodidro 73 36 37,17%

Le probabilità standardizzate riflettono le previsioni del modello sui profili di covariate della coorte, non frequenze osservate grezze; non includono IC 95% e non consentono classifiche di efficacia causale tra formulazioni, data la diversa distribuzione delle covariate tra gruppi.

14. Discussione clinica del modello a episodi

Nella popolazione analizzata, l'associazione tra copertura prescrittiva convenzionale e raggiungimento del target rimane presente anche aggiungendo età, sesso ed eGFR, e limitando l'analisi ai soggetti senza prescrizioni documentate nell'anno antecedente. Le associazioni per formulazione rispetto ad A (Didrogyl) variano in precisione e ampiezza: B (colecalciferolo gocce) e G (Neodidro) presentano OR <1 con IC 95% che non attraversa 1 nella finestra principale, mentre C ed E sono meno precisamente stimati. Non si può inferire superiorità intrinseca della formulazione A, perché dosaggio, storia di cura, scelta prescrittiva, comorbilità e partecipazione al monitoraggio possono differire tra i gruppi; inoltre il rapporto di copertura dipende dalla matrice adottata (tabella di sezione 1.1) e potrebbe non rappresentare la dose biologicamente effettiva.

Il valore basale di 25-OH-D è un predittore importante del superamento della soglia fissa di 30 ng/mL. L'assenza di associazione statisticamente identificabile per età, sesso o eGFR nei modelli non equivale a escludere non linearità, interazioni, sottogruppi renali specifici o effetti di indicazioni cliniche non registrate.

15. Limiti del modello a episodi

Selezione al follow-up: includere solo chi ha eseguito dosaggi ripetuti può introdurre bias di selezione e indicazione; l'assenza di un test non equivale a mancata risposta.

Definizione del basale: la prima prescrizione dopo un dosaggio <30 entro 90 giorni non è necessariamente il primo trattamento a vita del paziente; l'analisi ristretta a chi non ha prescrizioni nei 365 giorni precedenti riduce ma non annulla il problema.

Copertura: le prescrizioni non provano ritiro, assunzione, posologia corretta o aderenza reale; sommare giorni sovrapposti (cappati al 100%) differisce da un PDC calcolato su intervalli non sovrapposti (si veda la sensibilità di sezione 16).

Variabili mancanti: 61 su 301 episodi del modello principale non hanno dati completi per eGFR/età/sesso; l'analisi sui soli casi completi può modificarne la rappresentatività rispetto alla popolazione di partenza.

Creatinina: l'unità è dichiarata uniforme dall'utente ma non specificata nel messaggio originale; l'equazione CKD-EPI richiede mg/dL, e la maggior parte dei record non riporta l'unità nel campo dedicato — un tema di qualità dei metadati da risolvere prima di ogni pubblicazione.

Assenza di comorbilità complete, BMI, stagione del prelievo, sintomi, indicazioni cliniche, dosi effettivamente acquistate, componenti non lineari dell'eGFR e albuminuria; i coefficienti non vanno interpretati come effetti causali.

Soglie e numerosità: il target ≥30 ng/mL è un endpoint operativo scelto per questo studio, non un target universalmente appropriato per ogni indicazione clinica; categorie rare e pochi eventi limitano la precisione delle stime.

Analisi statistica: non risultano verifiche complete di residui, calibrazione, specificazione funzionale, collinearità, osservazioni influenti o validazione esterna del modello.

Modello per dati ripetuti: le finestre 91-180/181-365/366-730 sono analizzate separatamente; un confronto temporale aggregato richiederebbe modelli a effetti misti o errori standard robusti per paziente.

16. Analisi di sensibilità sulla regola di copertura

La classificazione principale ("base_somma": giorni convenzionali sommati, cappati al 100%) è stata confrontata con tre scenari alternativi: unione degli intervalli senza sovrapposizioni/riporto di scorte; per Neodidro, una capsula = 30 giorni per singola prescrizione anziché per l'intero contenuto della confezione; per le formulazioni monodose C-F, giorni per singola unità anziché per intera confezione.

Le riclassificazioni nei diversi scenari possono riguardare gli stessi soggetti e non vanno sommate tra loro. Lo scenario "G una capsula per prescrizione" e lo scenario "C-F per unità" modificano per costruzione, rispettivamente, la regola confermata di 30 giorni per capsula e la definizione principale di giorni per confezione: sono sensitivity check, non sostituiscono la matrice principale.

17. Conclusioni del modello a episodi

Nella coorte valutabile per l'esito a 181-365 giorni, una maggiore copertura prescrittiva convenzionale si associa a una maggiore probabilità di raggiungere 25-OH-vitamina D ≥30 ng/mL e a maggiori concentrazioni al controllo. Dopo aggiustamento per vitamina D basale, formulazione, giorni al controllo, terapia precedente, età, sesso ed eGFR CKD-EPI, l'associazione rimane di entità simile. Il risultato riguarda associazioni osservazionali su una selezione di soggetti monitorati, non un'efficacia comparativa randomizzata dei prodotti né un'aderenza farmaceutica verificata.

PARTE IV — CONFRONTO DIDROGYL vs NEODIDRO

18. Aderenza prescrittiva stimata: Didrogyl (gocce) vs Neodidro (capsule)

Questo confronto integra il modello a episodi con due analisi mirate: (18.1) il confronto dell'aderenza prescrittiva stimata tra calcifediolo gocce (Didrogyl, formulazione A) e calcifediolo capsule (Neodidro, formulazione G), aggiustato per età e sesso; (18.2) l'analisi esplorativa delle fluttuazioni longitudinali della 25-OH-vitamina D nei pazienti con determinazioni ripetute, per verificare se le capsule mensili producano oscillazioni maggiori delle gocce giornaliere.

Per Didrogyl è mantenuta la copertura di 94 giorni/flacone; per Neodidro, 30 giorni/capsula (150 gg per confezione da 5, 300 gg per confezione da 10). Questa regola rende il confronto di aderenza molto dipendente dal numero di capsule per confezione — un limite dichiarato esplicitamente.

18.1 Aderenza osservata per finestra e coorte

Finestra Coorte Formulazione N Aderenti Copert. media Età media F/M
91-180 Tutti Didrogyl 47 38/47 (80,8%) 91,1% 66,0 42/5
91-180 Tutti Neodidro 46 46/46 (100,0%) 98,7% 64,8 35/11
181-365 Tutti Didrogyl 82 39/82 (47,6%) 72,4% 66,2 73/9
181-365 Tutti Neodidro 87 66/87 (75,9%) 87,1% 65,0 74/13
366-730 Tutti Didrogyl 111 33/111 (29,7%) 59,0% 65,8 97/14
366-730 Tutti Neodidro 103 40/103 (38,8%) 69,7% 64,2 79/24

Nella finestra principale di 181-365 giorni, il 47,6% dei pazienti con Didrogyl e il 75,9% dei pazienti con Neodidro risultano aderenti. Nella finestra 91-180 giorni, praticamente tutti i pazienti Neodidro risultano aderenti, per cui il modello logistico non è stimabile in modo affidabile in quella finestra.

18.2 Confronto aggiustato per età e sesso (Neodidro vs Didrogyl)

Finestra Coorte N OR Neodidro vs Didrogyl IC 95% p Diff. standardizzata (punti)
181-365 Tutti 169 3,55 1,83–6,87 0,0002 +28,3 (14,4; 42,2)
181-365 Senza terapia 365gg 114 2,95 1,35–6,43 0,0065 +25,5 (7,9; 43,1)
366-730 Tutti 214 1,69 0,94–3,04 0,0792 +11,3 (-1,2; 23,8)
366-730 Senza terapia 365gg 155 1,50 0,73–3,07 0,2685 +8,0 (-6,1; 22,1)

A 181-365 giorni, Neodidro mostra un'aderenza prescrittiva stimata superiore a Didrogyl anche dopo correzione per età e sesso (OR 3,55, IC 95% 1,83-6,87), con una differenza standardizzata di +28,3 punti percentuali. Il risultato si conferma nella sottocoorte senza terapia nei 365 giorni precedenti (OR 2,95). A 366-730 giorni la differenza è più piccola e non statisticamente distinta da zero con i criteri convenzionali (OR 1,69, p=0,079).

Cautela interpretativa: la maggiore aderenza stimata di Neodidro riflette almeno in parte la struttura stessa del modello di copertura — una confezione da 5 o 10 capsule fornisce, per costruzione, una copertura convenzionale lunga (150-300 giorni), indipendentemente da quanto regolarmente il paziente assuma effettivamente le capsule. Il risultato documenta una differenza nell'indicatore prescrittivo utilizzato, non prova una migliore assunzione reale del farmaco.

19. Fluttuazioni longitudinali della 25-OH-vitamina D

Per verificare l'ipotesi che le capsule mensili (Neodidro) producano maggiori oscillazioni sieriche rispetto alle gocce giornaliere (Didrogyl), sono stati selezionati i pazienti con episodi A o G e misurazioni ripetute nei 730 giorni successivi alla prescrizione indice, interrompendo l'osservazione al primo cambio di prodotto.

19.1 Selezione dei pazienti

Controllo / selezione N
Episodi A/G selezionati 469
Episodi con cambio prodotto entro 730 giorni 138
Pazienti con almeno 2 determinazioni post eleggibili 145
Pazienti con almeno 3 determinazioni post 42
Pazienti con almeno 4 determinazioni post 14

19.2 Variabilità intra-paziente (pazienti con almeno 3 controlli post-indice)

Gruppo N N post medio Durata media gg SD media (ng/mL) Range mediano (max-min) Δ assoluto mediano
Didrogyl 28 3,68 443 17,27 27,55 14,28
Neodidro 14 3,14 424 9,34 10,40 5,97

Risultato descrittivo, in direzione opposta all'ipotesi iniziale: nei pazienti con almeno tre controlli successivi, la variabilità osservata non è maggiore con Neodidro. La deviazione standard intra-paziente media è 17,27 ng/mL con Didrogyl contro 9,34 ng/mL con Neodidro; la mediana del range massimo-minimo è 27,55 contro 10,40 ng/mL; la mediana dei cambiamenti assoluti tra controlli consecutivi è 14,28 contro 5,97 ng/mL — in tutti i casi le oscillazioni sono numericamente maggiori con le gocce giornaliere, non con le capsule mensili.

Il confronto è fortemente limitato dalla selezione dei pazienti con controlli ripetuti: solo 42 pazienti hanno almeno tre controlli dopo la prescrizione indice, e solo 14 almeno quattro; fra questi ultimi, appena 2 sono Neodidro. Per questo non è stato possibile stimare un modello multivariato affidabile corretto per età e sesso (tentativi riportati come "non eseguito" per numerosità insufficiente nel file sorgente). Senza conoscere la data effettiva di assunzione delle capsule, non è inoltre possibile verificare se il prelievo cada in fase di picco o di valle dopo Neodidro: l'analisi misura oscillazioni tra dosaggi disponibili nella pratica clinica corrente, non una farmacocinetica controllata.

20. Sintesi del confronto Didrogyl vs Neodidro

Aderenza prescrittiva stimata più alta per Neodidro nella finestra principale (181-365 giorni), anche dopo aggiustamento per età e sesso — ma il risultato è in parte un artefatto della struttura a confezione pluri-capsula del modello di copertura.

Nessuna evidenza, in questo campione limitato, di maggiori fluttuazioni sieriche con Neodidro rispetto a Didrogyl — anzi, la direzione osservata è opposta, sebbene su numerosità troppo piccole per un modello statistico robusto.

Nel modello a episodi (sezione 13), la formulazione G (Neodidro) mostra comunque un OR <1 rispetto alla formulazione A (Didrogyl) per il raggiungimento del target, con IC 95% che non attraversa 1 nella finestra principale — un risultato apparentemente in tensione con la maggiore aderenza stimata, che sottolinea come copertura prescrittiva e reale efficacia clinica non siano necessariamente la stessa cosa.

PARTE V — SINTESI INTEGRATA E PROSSIMI PASSI

21. Discussione generale integrata

I due filoni di analisi condotti su questo database — l'approccio descrittivo di popolazione (Parti I-II) e il modello multivariato a episodi con aggiustamento renale (Parte III) — convergono su un messaggio coerente, pur con metodologie e popolazioni di riferimento diverse: la copertura/aderenza prescrittiva alla vitamina D è associata in modo consistente a un miglior raggiungimento dei livelli sierici target, un'associazione che regge sia nel confronto grezzo su tutta la popolazione esposta (Parte II) sia nel modello aggiustato per età, sesso ed eGFR su un sottocampione più selezionato e monitorato (Parte III).

Allo stesso tempo, entrambi gli approcci documentano un problema di aderenza strutturalmente basso: che lo si misuri con PDC su tutta la popolazione (28,1% di aderenti alla vitamina D, sezione 2.2) o con la copertura media per formulazione nel modello a episodi (72,4% nella finestra principale per la sola formulazione A, sezioni più basse per le altre), la maggioranza dei pazienti non raggiunge un'esposizione farmacologica continuativa e ottimale.

Il confronto Didrogyl/Neodidro (Parte IV) aggiunge una nota di cautela metodologica trasversale a tutto il documento: un indicatore di aderenza costruito sul contenuto della confezione può essere fortemente influenzato dalla struttura stessa della confezione (una capsula mensile "copre" per definizione più a lungo di una goccia giornaliera), indipendentemente dal comportamento reale del paziente. Questo limite si applica, in misura diversa, a tutte le stime di copertura/PDC presentate in questo documento.

22. Limiti complessivi del documento

Nessuna delle analisi presentate dimostra causalità: tutte le associazioni sono di natura osservazionale, soggette a confondimento per indicazione (i pazienti con maggiore aderenza o copertura sono verosimilmente diversi, per motivazione, gravità clinica e supporto sociale, da quelli con bassa aderenza).

La copertura/PDC/persistenza sono costruite dalle sole prescrizioni: non provano ritiro in farmacia, assunzione effettiva, posologia corretta o dose realmente assunta.

I valori di laboratorio pre/post (Parte II) non sono corretti per stagionalità del prelievo, un fattore noto di variazione della 25-OH-vitamina D indipendente dalla terapia.

Il T-score (Parte II, sezione 7) è disponibile solo per una piccola minoranza (7,0%) dei pazienti con frattura di femore, e ogni tentativo di modellazione su questo sottoinsieme è da considerarsi puramente esplorativo.

Il modello a episodi (Parte III) è costruito su una popolazione selezionata (chi ha eseguito un dosaggio basale <30 ng/mL seguito da una prescrizione e da almeno un controllo) e non è rappresentativo dell'intera popolazione esposta a vitamina D descritta nella Parte I.

Nessuna delle analisi corregge sistematicamente per test multipli, salvo dove esplicitamente indicato; con il numero di confronti condotti in questo documento complessivo, alcuni risultati nominalmente significativi potrebbero riflettere variabilità campionaria.

La qualità del dato di unità di misura per la creatinina (necessaria per l'eGFR) non è pienamente verificabile dai soli file CSV di origine.

23. Conclusioni generali

Questo rapporto integrato documenta, con due approcci metodologici indipendenti e convergenti, un problema di aderenza terapeutica diffuso e sostanziale alla vitamina D, al calcio e ai bisfosfonati in questa popolazione di medicina generale, con un impatto biochimico misurabile (livelli sierici di vitamina D, fosfatasi alcalina) nei pazienti effettivamente aderenti. Il confronto tra formulazioni di calcifediolo (gocce vs capsule) illustra la necessità di interpretare con cautela gli indicatori di copertura prescrittiva, che possono riflettere la struttura della confezione più che il comportamento reale del paziente. La disponibilità di dati di T-score strutturati resta un'area di miglioramento della qualità del dato per future analisi di severità della fragilità ossea.

24. Prossimi passi: impatto sulla frattura di femore

Questo documento sarà esteso, in una fase successiva, con l'analisi dell'impatto di copertura/aderenza a vitamina D, calcio e bisfosfonati sul rischio di frattura di femore, utilizzando il modello caso-controllo nidificato già sviluppato nello studio parallelo sulla frattura di femore (344 casi, fino a 42.532 controlli eleggibili per set di matching completo, aggiustato per età e sesso). Le variabili di copertura/PDC pre-frattura costruite in questo documento (Parti I-II) saranno utilizzate come covariate aggiuntive in quel modello.

25. Riferimenti tecnici e riproducibilità

Script analitici referenziati in questo documento: analisi_vitd_multivariata_v6_ckdepi.py (modello principale a episodi, Parte III); analisi_vitd_aderenza_didrogyl_neodidro_v7.py e analisi_vitd_fluttuazioni_A_G_v8.py (Parte IV); query dirette SQLite per le analisi di popolazione di Parti I-II, eseguite sul database /opt/aft_aggregazione/output/dataset_aggregato.db3 (server DELL790).

Esecuzione riproducibile del modello a episodi: python3 /opt/aft_aggregazione/analisi_vitd_multivariata_v6_ckdepi.py /opt/aft_aggregazione/output/dataset_aggregato.db3 /opt/aft_aggregazione/output/analisi_vitd_multivariata_v6_ckdepi (richiede numpy, pandas, scipy, statsmodels).

Frattura femorale: aggiornamento dell’analisi caso-controllo (V2–V7)

Questa sezione aggiorna la parte sulle fratture contenuta nel rapporto integrato: dopo la redazione dei due documenti Word sono stati eseguiti un abbinamento per sesso ed età, controlli della disponibilità di dati pre-indice e regressioni logistiche condizionate. Le stime seguenti riguardano l’associazione con almeno una prescrizione registrata nell’anno prima della frattura, non l’efficacia antifratturativa della vitamina D assunta regolarmente.

313Coppie caso-controllo fisse, prima frattura registrata dal 2010
113Coppie con attività documentata nell’anno pre-indice per entrambi
0,95OR aggiustato per prescrizione di vitamina D nel campione di 113 coppie
0,51–1,76Intervallo di confidenza al 95% del modello principale

Disegno e controllo dell’osservabilità

La data indice è la prima frattura femorale registrata dal 2010, identificata tramite codici 820/821 o descrizioni compatibili. È stato selezionato un controllo ancora a rischio alla stessa data, con sesso ed età intera identici, senza riutilizzare il medesimo controllo in più coppie. Lo stesso soggetto può avere una frattura successiva e risultare inizialmente controllo: ciò è ammissibile nel campionamento dal gruppo a rischio. L’esito «frattura femorale registrata» richiede comunque validazione clinica della sede e del meccanismo traumatico.

I filtri di osservabilità sono stati applicati alle stesse coppie e solo a registrazioni precedenti alla data indice: storico risalente ad almeno 365 giorni, attività nell’anno pre-indice e attività non farmacologica nell’anno pre-indice. Quest’ultima consiste in accertamenti o problemi clinici, non semplicemente prescrizioni. Nessuno di questi criteri garantisce da solo un flusso prescrittivo completo.

Campione: dal 2010 Coppie Solo caso con prescrizione Solo controllo con prescrizione OR abbinato (IC 95%)
Tutte le coppie 313 66 30 2,20 (1,43–3,39)
Entrambi con storico ≥365 giorni 200 49 23 2,13 (1,30–3,50)
Entrambi con attività nell’anno 113 26 22 1,18 (0,67–2,09)
Entrambi con attività non farmacologica nell’anno 94 20 19 1,05 (0,56–1,97)

La tabella usa le coppie discordanti (solo caso oppure solo controllo con prescrizione). È una descrizione abbinata; la modifica del campione cambia anche il profilo clinico della popolazione.

Prescrizione di vitamina D e frattura: sensibilità all’osservabilità
OR abbinato esplorativo per almeno una prescrizione nei 365 giorni pre-indice; asse delle barre da 0 a 3,5
313 coppie, tutte(OR 2,20)
200, storico pre-365(OR 2,13)
113, attività pre-indice(OR 1,18)
94, non farmacologica(OR 1,05)

La lunghezza delle barre è proporzionale all’OR/3,5, non a una probabilità; gli intervalli di confidenza sono riportati nella tabella.

Regressione logistica condizionata

La regressione logistica condizionata rispetta l’abbinamento per sesso ed età. L’esito è l’appartenenza al gruppo con frattura; la variabile d’interesse è almeno una prescrizione di vitamina D nei 365 giorni prima della data indice. Il numero di giorni con attività clinica è trasformato come log(1 + giorni); le diagnosi sono quelle registrate prima dell’indice.

Modello, 113 coppie con attività nell’anno OR vitamina D IC 95% p
Solo abbinamento 1,18 0,67–2,08 0,564
Aggiustato per giorni con attività clinica 0,97 0,53–1,79 0,930
Attività clinica e diabete registrato 0,95 0,51–1,76 0,868
Attività clinica, diabete, osteoporosi e fratture pregresse 0,90 0,47–1,71 0,746

Nel modello con attività clinica e diabete, il diabete registrato mostra OR 2,16 (IC 95% 1,05–4,43; p = 0,036); questa associazione non è causale e dipende anche dalla documentazione clinica. Nel sottocampione di 94 coppie con attività non farmacologica, l’OR per vitamina D, aggiustato per intensità dell’attività clinica, è 0,88 (IC 95% 0,45–1,73).

Periodo / campione con attività nell’anno pre-indice Coppie OR vitamina D aggiustato per attività clinica (IC 95%)
Dal 2010 113 0,97 (0,53–1,79)
Dal 2015 96 1,00 (0,53–1,89)
Dal 2020 62 1,12 (0,51–2,43)
Interpretazione: nei 113 abbinamenti osservabili la presenza di almeno una prescrizione di vitamina D non mostra un’associazione statisticamente distinguibile da OR = 1 dopo gli aggiustamenti considerati (OR 0,95; IC 95% 0,51–1,76). L’ampiezza dell’intervallo non dimostra equivalenza o assenza di effetto. I pochi soggetti con copertura convenzionale ≥80% non consentono una stima affidabile dell’associazione tra assunzione regolare e frattura. Restano confondimento per indicazione, possibile fragilità non misurata, qualità della codifica delle fratture e incompletezza dei flussi.

Perché non va letto come uno studio di efficacia antifratturativa

Nei dati complessivi, i casi presentano più contatti clinici registrati rispetto ai controlli, e più diagnosi documentate di osteoporosi e pregresse fratture. Quando richiediamo attività precedente comparabile nelle coppie fisse, l’OR per prescrizione si attenua. Il trattamento può essere prescritto proprio a pazienti già fragili: la prescrizione è dunque anche un indicatore di indicazione clinica e non coincide con l’esposizione effettiva. Non si possono dedurre da questo disegno né beneficio né danno farmacologico.

Apri l’appendice tecnica completa: matrice A–K, prodotti, finestre, modelli e sensibilità
L’appendice riproduce il secondo documento Word, “Rapporto completo vitamina D AFT 2026 aggiornato”. Alcuni risultati già compaiono nel rapporto integrato: sono riportati nuovamente per preservare le tabelle dettagliate per prodotto e gli scenari di sensibilità, non per sommarli come osservazioni indipendenti.

Vitamina D, copertura prescrittiva e raggiungimento del target sierico

Rapporto tecnico-scientifico completo · Analisi osservazionale retrospettiva su database aggregato AFT · 19 settembre 2026

Fonte dei risultati: file CSV prodotti dal programma analisi_vitd_multivariata_v6_ckdepi.py eseguito sul database reale del server DELL790; sezioni statistiche derivate direttamente dagli output forniti. Questo documento non contiene dati individuali identificativi.

Nota di validazione: l’utente ha confermato che le creatinine impiegate sono espresse nella medesima unità di misura, ma non ne ha specificato il nome. Il codice CKD-EPI assume mg/dL per tutti i valori ammessi; tale corrispondenza deve essere confermata dall’origine laboratoristica prima di pubblicare i coefficienti aggiustati per eGFR. Non è stata verificata indipendentemente ogni misurazione.

Sintesi esecutiva

Nel modello principale a 181–365 giorni, 301 episodi delle categorie A, B, C, E e G erano idonei (125 raggiungimenti del target). In 240 pazienti erano disponibili età, sesso e creatinina basale per calcolare eGFR CKD-EPI 2021 (103 raggiungimenti). Dopo aggiustamento per formulazione, 25-OH-D basale, giorni al controllo, terapia precedente, età, sesso ed eGFR, ogni +10 punti percentuali di copertura prescrittiva convenzionale risultava associato a OR 1,51 (IC 95% 1,29–1,76) di raggiungimento di almeno 30 ng/mL e a +2,79 ng/mL (IC 95% 1,90–3,69) del valore sierico al controllo. Le stime sono associationali, non effetti causali.

Il confronto fra formulazioni è limitato dal possibile confondimento per indicazione, dalle differenze di regime e dalla copertura stimata da prescrizioni: non è una comparazione randomizzata di efficacia. Età, sesso ed eGFR non presentavano associazioni statisticamente distinguibili dal valore nullo nel modello specificato; ciò non dimostra assenza di effetti clinici.

1. Obiettivi, disegno e provenienza

Obiettivo primario: studiare l’associazione fra copertura prescrittiva convenzionale dei preparati di vitamina D e raggiungimento di 25-OH-vitamina D ≥30 ng/mL durante un episodio valutabile. Obiettivi secondari: variazione sierica, descrizione per formulazione/aderenza, confronto di modelli aggiustati, sensibilità a prescrizioni pregresse e regole di copertura.

Disegno: coorte retrospettiva osservazionale ricostruita da prescrizioni e accertamenti registrati. Non è uno studio di dispensazione, di assunzione osservata, randomizzato o di causalità. Non sono disponibili in questi output diagnosi specifiche, indicazione prescrittiva, BMI, supplementazioni extra-database o dosi effettivamente assunte.

Database sul server utente: /opt/aft_aggregazione/output/dataset_aggregato.db3 (non distribuito). Tabelle utilizzate: cart_terap (prescrizioni), cart_accert (accertamenti), pazienti (anagrafica). Identificatore di collegamento: anon_id. Tutti i risultati forniti sono riepiloghi, non esportazioni individuali.

2. Selezione degli episodi e outcome

Intervallo storico del codice: prescrizioni e dosaggi con data interpretabile dall’anno 2009; data finale determinata dai record disponibili e dal programma. Accertamento vitamina D: cart_accert.ac_code = 5664; valori numerici 0 < 25-OH-D ≤200, separatore decimale punto o virgola. L’unità del dosaggio di vitamina D è ng/mL secondo la conferma dell’utente; l’assenza di unità esplicita in parte dei record resta una caratteristica della fonte.

Per paziente si seleziona il primo episodio temporalmente valutabile: ultimo dosaggio precedente alla prescrizione indice inferiore a 30 ng/mL, separazione basale–indice di massimo 90 giorni (parametro modificabile; ricerca del basale entro 365 giorni), prescrizione indice come prima prescrizione dopo quel dosaggio, un’unica prescrizione nello stesso giorno, almeno un controllo valido tra 91 e 730 giorni. Non si impone washout; le prescrizioni pregresse nei 180/365 giorni sono registrate.

In ciascuna finestra 91–180, 181–365 e 366–730 giorni si sceglie il primo dosaggio valido, se presente; si esclude la finestra se prima del prelievo sono presenti prescrizioni di una diversa categoria/formulazione/marca/confezione o prodotti non classificati. Le prescrizioni alla data del controllo o successive non contribuiscono all’esposizione. Una persona può comparire in più finestre; il modello analizza ciascuna finestra separatamente.

Outcome binario: valore al controllo ≥30 ng/mL, tra chi partiva da <30 ng/mL. Outcome continuo: 25-OH-D al controllo (ng/mL), aggiustata per basale; le differenze pre/post nelle tabelle sono medie descrittive entro il gruppo. La soglia 30 ng/mL è la soglia operativa dello studio e non viene presentata come target universalmente appropriato per ogni indicazione clinica.

3. Definizione operativa di esposizione e aderenza

Codice Formulazione Copertura convenzionale
A Calcifediolo gocce 10 mL 94 giorni / flacone
B Colecalciferolo gocce 10 mL, 10.000 UI/mL 133 giorni / flacone
C Colecalciferolo 25.000 UI 30 giorni / confezione
D Colecalciferolo 50.000 UI 60 giorni / confezione
E Colecalciferolo 100.000 UI 120 giorni / confezione
F Colecalciferolo 300.000 UI 365 giorni / confezione
G Neodidro calcifediolo 0,266 mg 30 giorni / capsula; 5 cps =150 gg; 10 cps =300 gg
H Calcio + D 60 cpr, due/die 30 giorni / confezione
I Calcio + D 30 unità, una/die 30 giorni / confezione
J Bisfosfonato + D 4 cpr, settimanale 28 giorni / confezione
K Calcitriolo 30 cps, due/die 15 giorni / confezione

Indicatore principale per la singola finestra = min[100%, somma dei giorni convenzionali delle prescrizioni fra indice e prelievo / giorni indice–prelievo ×100]. La somma può incorporare sovrapposizioni ed eventuale riporto di scorte, senza prova di dispensazione o assunzione; per questo il termine appropriato è «copertura prescrittiva convenzionale» e non PDC validato su dispensazioni. Classi: aderente ≥80%; parziale ≥50% e <80%; non aderente <50%. I regimi C–F sono giorni per confezione anche se il testo della confezione mostra più unità; lo scenario per unità è esclusivamente una sensibilità. Per G si distingue quantitativo da 5 o 10 capsule.

Sensibilità: nessuna prescrizione registrata nei 365 giorni antecedenti; conteggio mediante unione degli intervalli senza sovrapposizioni/riporto; un’unica capsula da 30 giorni per prescrizione G; applicazione dei giorni per unità a C–F. Questi scenari NON sostituiscono la matrice principale e non misurano l’aderenza reale.

4. CKD-EPI, età e sesso: derivazione e validazione

Età: (data prescrizione indice − nascita) /365,25; sesso registrato in pazienti.sesso (M/F). Creatinina: cart_accert.ac_des compatibile con il set di descrizioni del codice di studio FANS, con ultima misurazione cronologicamente precedente alla prescrizione indice ed entro 365 giorni, evitando esami dello stesso giorno e successivi; risultati numerici validi >0 e ≤30. eGFR CKD-EPI 2021 creatinina, senza coefficiente razziale: 142 × min(SCr/κ,1)^α × max(SCr/κ,1)^−1,200 × 0,9938^età × fattore sesso; κ=0,7 e α=−0,241 e fattore=1,012 per F, κ=0,9 e α=−0,302 e fattore=1 per M. Unità del calcolo: SCr mg/dL, eGFR mL/min/1,73 m².

L’utente conferma che la creatinina è espressa in un’unica unità per tutti i record; il suo messaggio non specifica quale. Il codice CKD-EPI assume mg/dL per tutti i valori ammessi: questa corrispondenza resta da documentare prima della pubblicazione. I CSV continuano a riportare se il campo ac_um era vuoto: 237/240 casi completi del modello principale e 172/173 candidati completi nella coorte senza terapia precedente non avevano unità testuale esplicita. Questo è un tema di qualità dei metadati distinto dall’uniformità dell’unità confermata. Un solo eGFR non definisce malattia renale cronica: la conferma diagnostica richiederebbe criteri cronologici/clinici ulteriori.

5. Flusso dei dati e controlli di qualità

Indicatore QC Conteggio
rx_total 68303
rx_missing_id_or_date_invalid_or_before_minyear 5077
lab_valid 11351
lab_invalid_or_outside_0_200 17523
patients_with_selected_episode 834
patient_window_observations_included 846
included_observations_091-180 170
included_observations_181-365 318
included_observations_366-730 358
selected_episode_prior_therapy_180d 192
selected_episode_prior_therapy_365d 275
episode_other_or_unclassified_product_before_followup_091-180 18
episode_other_or_unclassified_product_before_followup_181-365 82
episode_other_or_unclassified_product_before_followup_366-730 165

Le righe del flusso indicano controlli a livelli differenti (record, paziente, finestra), perciò non costituiscono un diagramma di esclusione con numeri sottraibili. Un episodio selezionato non implica presenza di un controllo incluso in ogni finestra. Il file controlli_qualita(2).csv conserva anche i motivi di esclusione non riportati qui.

Modello V5: 301/318 osservazioni 181–365 giorni in gruppi A/B/C/E/G (125 target). Modello renale: 240/301 completi (103 target), 61 esclusi per mancanza di età, sesso o eGFR; i modelli «base_stessi_casi» e «aggiustato_eta_sesso_egfr» sono stimati sui medesimi 240 soggetti. Nella coorte senza terapia precedente: 211 candidati ai gruppi del modello V5, 173 con covariate anagrafiche/renali complete, 165 nel modello dopo selezione delle categorie idonee (70 target).

Finestra Coorte Candidati Completi età/sesso/eGFR N modello Target Categorie Stato
181-365 tutti 301 240 240 103 A;B;C;E;G eseguito
181-365 senza_terapia_365gg 211 173 165 70 A;B;E;G eseguito
091-180 tutti 158 126 117 60 A;B;E;G eseguito
091-180 senza_terapia_365gg 111 88 83 47 A;B;E;G non_eseguito
366-730 tutti 339 272 272 125 A;B;C;E;G eseguito
366-730 senza_terapia_365gg 249 197 188 78 A;B;E;G eseguito

6. Statistica: modelli, stime e cautela interpretativa

Regressione logistica multivariata per target (OR, IC 95%, p); regressione lineare per concentrazione post (differenze aggiustate, IC 95%, p). Covariate: formulazione A di riferimento, copertura ×10 punti percentuali, vitamina D basale ×5 ng/mL, follow-up ×90 giorni, presenza di prescrizioni nell’anno precedente (omessa nella coorte senza precedenti), età ×10 anni, sesso maschile vs femminile, eGFR ×10 mL/min/1,73 m². Inclusione dei gruppi secondo soglie di numerosità/eventi implementate nel codice; non tutte le categorie A–K sono modellabili.

Le stime di prodotto rappresentano associazioni condizionali rispetto ad A, non confronti causali, soprattutto perché la copertura è funzione della confezione e del regime. I p-value sono nominali, senza correzione per confronti multipli; l’assenza di diagnostiche complete di calibrazione, non linearità, osservazioni influenti e robustezza degli errori standard limita le inferenze. La scelta di effettuare un test ematico, e il suo tempo, possono dipendere dalla risposta precedente e dalla gravità clinica. Non sono disponibili le covariate cliniche complete o un disegno per identificare effetti causali.

7. Risultati descrittivi completi per formulazione, finestra e aderenza

Nelle tre tabelle seguenti «n» indica soggetti in quella finestra, «target» è numero/percentuale a ≥30 ng/mL, basale/post e Δ sono medie in ng/mL; un trattino indica classe non osservata. La categoria «Tutti» include la somma delle classi e non deve essere sommata alle righe specifiche. Numeri piccoli (n<10) sono presentati per completezza senza interpretazioni inferenziali.

7.1 Finestra 091-180 giorni

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 38 29 (76,3%) 12,94 45,81 32,86 97,1%
A Parziale 9 3 (33,3%) 17,09 25,49 8,40 65,6%
A Tutti 47 32 (68,1%) 13,74 41,92 28,18 91,1%
B Aderente 19 7 (36,8%) 15,17 29,56 14,38 98,7%
B Parziale 2 1 (50,0%) 15,05 23,75 8,70 76,0%
B Tutti 21 8 (38,1%) 15,16 29,00 13,84 96,5%
C Aderente 4 2 (50,0%) 21,93 31,18 9,25 96,5%
C Non aderente 8 4 (50,0%) 22,43 30,51 8,09 22,1%
C Parziale 2 1 (50,0%) 12,00 25,70 13,70 63,5%
C Tutti 14 7 (50,0%) 20,79 30,01 9,22 49,3%
D Aderente 2 1 (50,0%) 23,45 31,95 8,50 100,0%
D Parziale 2 0 (0,0%) 8,40 17,05 8,65 57,4%
D Tutti 4 1 (25,0%) 15,93 24,50 8,57 78,7%
E Aderente 17 7 (41,2%) 17,96 29,06 11,09 94,7%
E Parziale 13 3 (23,1%) 20,33 26,56 6,23 74,6%
E Tutti 30 10 (33,3%) 18,99 27,98 8,99 86,0%
G Aderente 46 27 (58,7%) 17,12 33,97 16,86 98,7%
G Tutti 46 27 (58,7%) 17,12 33,97 16,86 98,7%
H Non aderente 5 2 (40,0%) 13,56 26,46 12,90 29,6%
H Parziale 1 0 (0,0%) 22,00 17,30 -4,70 53,6%
H Tutti 6 2 (33,3%) 14,97 24,93 9,97 33,6%
I Non aderente 1 0 (0,0%) 21,20 28,80 7,60 25,0%
I Tutti 1 0 (0,0%) 21,20 28,80 7,60 25,0%
K Non aderente 1 0 (0,0%) 10,20 11,00 0,80 10,7%
K Tutti 1 0 (0,0%) 10,20 11,00 0,80 10,7%

7.2 Finestra 181-365 giorni

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 39 27 (69,2%) 13,27 43,62 30,35 96,8%
A Non aderente 19 5 (26,3%) 13,54 21,88 8,35 36,6%
A Parziale 24 5 (20,8%) 16,85 25,00 8,15 61,1%
A Tutti 82 37 (45,1%) 14,38 33,13 18,75 72,4%
B Aderente 17 9 (52,9%) 16,66 29,30 12,64 99,7%
B Non aderente 9 0 (0,0%) 17,01 18,63 1,62 40,0%
B Parziale 7 3 (42,9%) 20,97 27,49 6,51 61,5%
B Tutti 33 12 (36,4%) 17,67 26,00 8,33 75,3%
C Aderente 1 1 (100,0%) 26,00 49,00 23,00 100,0%
C Non aderente 25 8 (32,0%) 18,20 29,85 11,66 24,3%
C Parziale 4 3 (75,0%) 19,71 31,03 11,31 59,8%
C Tutti 30 12 (40,0%) 18,66 30,65 11,99 31,5%
D Non aderente 3 3 (100,0%) 21,00 37,83 16,83 24,4%
D Parziale 1 0 (0,0%) 20,00 25,90 5,90 67,2%
D Tutti 4 3 (75,0%) 20,75 34,85 14,10 35,1%
E Aderente 10 5 (50,0%) 17,33 31,29 13,96 99,6%
E Non aderente 31 8 (25,8%) 17,52 26,96 9,45 40,6%
E Parziale 28 12 (42,9%) 19,08 29,16 10,08 64,7%
E Tutti 69 25 (36,2%) 18,12 28,48 10,36 58,9%
G Aderente 66 33 (50,0%) 16,50 31,62 15,12 97,7%
G Non aderente 9 4 (44,4%) 18,50 30,26 11,76 43,6%
G Parziale 12 2 (16,7%) 15,75 19,26 3,51 61,7%
G Tutti 87 39 (44,8%) 16,60 29,77 13,17 87,1%
H Non aderente 8 1 (12,5%) 21,89 23,15 1,26 31,2%
H Parziale 1 1 (100,0%) 22,40 36,40 14,00 63,8%
H Tutti 9 2 (22,2%) 21,94 24,62 2,68 34,8%
I Non aderente 2 1 (50,0%) 17,50 21,40 3,90 13,4%
I Tutti 2 1 (50,0%) 17,50 21,40 3,90 13,4%
K Non aderente 2 0 (0,0%) 13,28 18,75 5,47 34,3%
K Tutti 2 0 (0,0%) 13,28 18,75 5,47 34,3%

7.3 Finestra 366-730 giorni

Gruppo Aderenza n Target Basale Post Δ Copert.
A Aderente 33 25 (75,8%) 12,64 45,98 33,35 95,9%
A Non aderente 43 14 (32,6%) 16,11 26,97 10,86 26,8%
A Parziale 35 25 (71,4%) 14,77 41,71 26,95 63,8%
A Tutti 111 64 (57,7%) 14,65 37,27 22,62 59,0%
B Aderente 16 8 (50,0%) 17,51 29,06 11,56 97,2%
B Non aderente 17 3 (17,6%) 15,56 19,95 4,39 29,1%
B Parziale 9 4 (44,4%) 15,90 27,60 11,70 61,7%
B Tutti 42 15 (35,7%) 16,38 25,06 8,69 62,0%
C Non aderente 26 10 (38,5%) 17,26 25,01 7,75 15,8%
C Parziale 1 0 (0,0%) 16,50 27,80 11,30 70,7%
C Tutti 27 10 (37,0%) 17,23 25,11 7,88 17,9%
D Non aderente 5 1 (20,0%) 10,50 23,18 12,68 13,5%
D Parziale 2 2 (100,0%) 20,40 42,65 22,25 59,9%
D Tutti 7 3 (42,9%) 13,33 28,74 15,41 26,8%
E Aderente 2 2 (100,0%) 27,95 48,90 20,95 100,0%
E Non aderente 37 12 (32,4%) 16,62 26,79 10,18 27,2%
E Parziale 17 11 (64,7%) 20,42 37,09 16,67 61,9%
E Tutti 56 25 (44,6%) 18,18 30,71 12,53 40,3%
F Parziale 1 0 (0,0%) 8,60 19,80 11,20 52,9%
F Tutti 1 0 (0,0%) 8,60 19,80 11,20 52,9%
G Aderente 40 24 (60,0%) 17,56 35,79 18,23 97,9%
G Non aderente 27 7 (25,9%) 17,57 23,14 5,57 33,7%
G Parziale 36 11 (30,6%) 16,00 25,99 9,99 65,4%
G Tutti 103 42 (40,8%) 17,02 29,05 12,03 69,7%
H Non aderente 8 1 (12,5%) 22,50 19,68 -2,82 19,8%
H Tutti 8 1 (12,5%) 22,50 19,68 -2,82 19,8%
I Non aderente 1 0 (0,0%) 6,50 17,80 11,30 5,2%
I Tutti 1 0 (0,0%) 6,50 17,80 11,30 5,2%
K Non aderente 2 0 (0,0%) 5,42 21,30 15,88 18,5%
K Tutti 2 0 (0,0%) 5,42 21,30 15,88 18,5%

Figura 1. Percentuale osservata a target per classe prescrittiva. I gruppi con classe non osservata non hanno barra; numerosità differenti; grafico esclusivamente descrittivo.

8. Risultati individualizzati per prodotto commerciale

La tabella per prodotto conserva denominazione, categoria, finestra, classe di copertura, n, n_target e percentuale; i sottogruppi per marchio/confezione possono essere molto piccoli. Il dettaglio integrale è incorporato in Appendice A in forma tabellare, senza eliminare le righe nulle o rare.

Prodotti commerciali: 091-180 giorni

Cat. Prodotto Copert. n n target % Basale Post
A DIDROGYL | gocce 10 mL Aderente 38 29 76,3% 12,94 45,81
A DIDROGYL | gocce 10 mL Parziale 9 3 33,3% 17,09 25,49
B ANNISTER | gocce 10 mL Aderente 3 1 33,3% 20,87 28,67
B COLECALCIFEROLO SAN | gocce 10 mL Aderente 1 1 100,0% 11,80 32,40
B DIBASE | gocce 10 mL Aderente 11 5 45,5% 14,27 32,75
B DIBASE | gocce 10 mL Parziale 2 1 50,0% 15,05 23,75
B DIVOD | gocce 10 mL Aderente 1 0 0,0% 13,00 21,00
B LAMPARD | gocce 10 mL Aderente 1 0 0,0% 16,30 20,70
B TREDIMIN | gocce 10 mL Aderente 1 0 0,0% 16,80 20,60
B XARENEL | gocce 10 mL Aderente 1 0 0,0% 10,80 20,70
C ANNISTER | 25000 UI | 1 unità Aderente 1 0 0,0% 25,00 19,60
C ANNISTER | 25000 UI | 4 unità Non aderente 3 2 66,7% 21,07 33,10
C ANNISTER | 25000 UI | 4 unità Parziale 1 1 100,0% 16,00 32,20
C DIBASE | 25000 UI | 1 unità Aderente 3 2 66,7% 20,90 35,03
C DIBASE | 25000 UI | 1 unità Non aderente 1 0 0,0% 20,00 15,00
C DIBASE | 25000 UI | 2 unità Parziale 1 0 0,0% 8,00 19,20
C DITRALIA | 25000 UI | 2 unità Non aderente 3 2 66,7% 23,60 35,73
C TREDIMIN | 25000 UI | 4 unità Non aderente 1 0 0,0% 25,40 22,60
D COLCAD | 50000 UI | 2 unità Parziale 1 0 0,0% 12,60 27,10
D DIBASE | 50000 UI | 1 unità Parziale 1 0 0,0% 4,20 7,00
D NODIGAP | 50000 UI | 2 unità Aderente 1 1 100,0% 23,50 37,90
D XARENEL | 50000 UI | 2 unità Aderente 1 0 0,0% 23,40 26,00
E DIBASE | 100000 UI | 6 unità Aderente 16 6 37,5% 18,59 28,66
E DIBASE | 100000 UI | 6 unità Parziale 11 3 27,3% 19,53 27,65
E XARENEL | 100000 UI | 6 unità Aderente 1 1 100,0% 8,00 35,50
E XARENEL | 100000 UI | 6 unità Parziale 2 0 0,0% 24,75 20,60
G NEODIDRO | 0,266 mg | 10 cps Aderente 25 19 76,0% 18,80 40,40
G NEODIDRO | 0,266 mg | 5 cps Aderente 21 8 38,1% 15,11 26,33
H IDEOS | 60 cpr Non aderente 2 2 100,0% 19,25 44,60
H NATECAL D3 | 60 cpr Non aderente 3 0 0,0% 9,77 14,37
H NATECAL D3 | 60 cpr Parziale 1 0 0,0% 22,00 17,30
I CACIT VIT D3 | 30 unità Non aderente 1 0 0,0% 21,20 28,80
K ROCALTROL | 30 cps Non aderente 1 0 0,0% 10,20 11,00

Prodotti commerciali: 181-365 giorni

Cat. Prodotto Copert. n n target % Basale Post
A DIDROGYL | gocce 10 mL Aderente 39 27 69,2% 13,27 43,62
A DIDROGYL | gocce 10 mL Non aderente 19 5 26,3% 13,54 21,88
A DIDROGYL | gocce 10 mL Parziale 24 5 20,8% 16,85 25,00
B ANNISTER | gocce 10 mL Aderente 2 1 50,0% 10,15 32,45
B ANNISTER | gocce 10 mL Non aderente 2 0 0,0% 22,20 20,55
B ANNISTER | gocce 10 mL Parziale 3 1 33,3% 24,80 29,33
B DIBASE | gocce 10 mL Aderente 13 6 46,2% 17,95 28,09
B DIBASE | gocce 10 mL Non aderente 5 0 0,0% 17,10 19,67
B DIBASE | gocce 10 mL Parziale 2 1 50,0% 19,60 28,55
B DIVOD | gocce 10 mL Aderente 2 2 100,0% 14,80 34,00
B DIVOD | gocce 10 mL Non aderente 2 0 0,0% 11,60 14,10
B DIVOD | gocce 10 mL Parziale 1 0 0,0% 10,20 11,30
B TREDIMIN | gocce 10 mL Parziale 1 1 100,0% 23,00 36,00
C ANNISTER | 25000 UI | 2 unità Non aderente 2 0 0,0% 20,85 22,45
C ANNISTER | 25000 UI | 4 unità Non aderente 11 3 27,3% 15,85 27,46
C DIBASE | 25000 UI | 1 unità Aderente 1 1 100,0% 26,00 49,00
C DIBASE | 25000 UI | 1 unità Non aderente 6 2 33,3% 20,53 23,55
C DIBASE | 25000 UI | 1 unità Parziale 1 1 100,0% 25,10 41,70
C DIBASE | 25000 UI | 4 unità Non aderente 2 2 100,0% 26,75 49,05
C DITRALIA | 25000 UI | 2 unità Non aderente 1 1 100,0% 17,20 111,00
C DITRALIA | 25000 UI | 2 unità Parziale 1 1 100,0% 12,40 33,00
C LAMPARD | 25000 UI | 2 unità Parziale 1 1 100,0% 29,60 33,40
C LAMPARD | 25000 UI | 4 unità Non aderente 1 0 0,0% 13,50 15,90
C TREDIMIN | 25000 UI | 2 unità Non aderente 1 0 0,0% 19,40 19,00
C TREDIMIN | 25000 UI | 2 unità Parziale 1 0 0,0% 11,74 16,00
C ZIBENAK | 25000 UI | 4 unità Non aderente 1 0 0,0% 12,00 14,00
D LAMPARD | 50000 UI | 2 unità Non aderente 1 1 100,0% 24,60 46,50
D LAMPARD | 50000 UI | 2 unità Parziale 1 0 0,0% 20,00 25,90
D NODIGAP | 50000 UI | 2 unità Non aderente 1 1 100,0% 14,40 30,40
D XARENEL | 50000 UI | 2 unità Non aderente 1 1 100,0% 24,00 36,60
E DIBASE | 100000 UI | 6 unità Aderente 10 5 50,0% 17,33 31,29
E DIBASE | 100000 UI | 6 unità Non aderente 25 5 20,0% 16,52 24,90
E DIBASE | 100000 UI | 6 unità Parziale 27 12 44,4% 18,73 29,59
E XARENEL | 100000 UI | 6 unità Non aderente 6 3 50,0% 21,67 35,55
E XARENEL | 100000 UI | 6 unità Parziale 1 0 0,0% 28,70 17,50
G NEODIDRO | 0,266 mg | 10 cps Aderente 42 25 59,5% 16,79 33,70
G NEODIDRO | 0,266 mg | 5 cps Aderente 24 8 33,3% 15,98 27,96
G NEODIDRO | 0,266 mg | 5 cps Non aderente 9 4 44,4% 18,50 30,26
G NEODIDRO | 0,266 mg | 5 cps Parziale 12 2 16,7% 15,75 19,26
H NATECAL D3 | 60 cpr Non aderente 8 1 12,5% 21,89 23,15
H NATECAL D3 | 60 cpr Parziale 1 1 100,0% 22,40 36,40
I CACIT VIT D3 | 30 unità Non aderente 1 1 100,0% 28,50 38,10
I NATEMILLE | 30 unità Non aderente 1 0 0,0% 6,50 4,70
K CALCITRIOLO DOC | 30 cps Non aderente 1 0 0,0% 23,80 11,80
K CALCITRIOLO MY | 30 cps Non aderente 1 0 0,0% 2,75 25,70

Prodotti commerciali: 366-730 giorni

Cat. Prodotto Copert. n n target % Basale Post
A DIDROGYL | gocce 10 mL Aderente 33 25 75,8% 12,64 45,98
A DIDROGYL | gocce 10 mL Non aderente 43 14 32,6% 16,11 26,97
A DIDROGYL | gocce 10 mL Parziale 35 25 71,4% 14,77 41,71
B ANNISTER | gocce 10 mL Aderente 3 2 66,7% 18,30 28,57
B ANNISTER | gocce 10 mL Non aderente 1 0 0,0% 20,20 27,90
B ANNISTER | gocce 10 mL Parziale 1 0 0,0% 14,60 13,20
B COLECALCIFEROLO SAN | gocce 10 mL Aderente 1 1 100,0% 11,80 31,00
B DIBASE | gocce 10 mL Aderente 11 4 36,4% 18,80 27,83
B DIBASE | gocce 10 mL Non aderente 9 2 22,2% 15,50 20,52
B DIBASE | gocce 10 mL Parziale 7 4 57,1% 16,81 30,83
B DIVOD | gocce 10 mL Aderente 1 1 100,0% 6,60 42,20
B DIVOD | gocce 10 mL Non aderente 2 0 0,0% 10,30 14,20
B TREDIMIN | gocce 10 mL Non aderente 1 0 0,0% 19,10 20,90
B XARENEL | gocce 10 mL Non aderente 4 1 25,0% 16,30 19,32
B XARENEL | gocce 10 mL Parziale 1 0 0,0% 10,80 19,40
C ANNISTER | 25000 UI | 1 unità Non aderente 1 0 0,0% 10,40 4,60
C ANNISTER | 25000 UI | 2 unità Non aderente 1 0 0,0% 25,90 17,80
C ANNISTER | 25000 UI | 4 unità Non aderente 14 6 42,9% 15,24 26,33
C DIBASE | 25000 UI | 1 unità Parziale 1 0 0,0% 16,50 27,80
C DIBASE | 25000 UI | 2 unità Non aderente 3 0 0,0% 14,03 19,50
C DIBASE | 25000 UI | 4 unità Non aderente 1 1 100,0% 27,60 38,60
C DITRALIA | 25000 UI | 2 unità Non aderente 4 2 50,0% 20,10 27,75
C LAMPARD | 25000 UI | 2 unità Non aderente 1 1 100,0% 29,60 33,60
C TREDIMIN | 25000 UI | 2 unità Non aderente 1 0 0,0% 19,40 17,60
D ANNISTER | 50000 UI | 2 unità Non aderente 2 1 50,0% 14,75 30,20
D COLCAD | 50000 UI | 2 unità Non aderente 1 0 0,0% 12,60 7,00
D DIBASE | 50000 UI | 2 unità Parziale 1 1 100,0% 11,60 47,20
D DITRALIA | 50000 UI | 2 unità Non aderente 1 0 0,0% 6,20 25,00
D LAMPARD | 50000 UI | 2 unità Non aderente 1 0 0,0% 4,20 23,50
D NODIGAP | 50000 UI | 2 unità Parziale 1 1 100,0% 29,20 38,10
E DIBASE | 100000 UI | 6 unità Aderente 2 2 100,0% 27,95 48,90
E DIBASE | 100000 UI | 6 unità Non aderente 32 11 34,4% 16,48 27,27
E DIBASE | 100000 UI | 6 unità Parziale 16 10 62,5% 20,28 36,81
E XARENEL | 100000 UI | 6 unità Non aderente 5 1 20,0% 17,48 23,74
E XARENEL | 100000 UI | 6 unità Parziale 1 1 100,0% 22,70 41,60
F DIBASE | 300000 UI | 2 unità Parziale 1 0 0,0% 8,60 19,80
G NEODIDRO | 0,266 mg | 10 cps Aderente 21 16 76,2% 19,07 38,60
G NEODIDRO | 0,266 mg | 10 cps Non aderente 4 2 50,0% 19,12 33,90
G NEODIDRO | 0,266 mg | 10 cps Parziale 29 10 34,5% 16,17 26,57
G NEODIDRO | 0,266 mg | 5 cps Aderente 19 8 42,1% 15,89 32,68
G NEODIDRO | 0,266 mg | 5 cps Non aderente 23 5 21,7% 17,30 21,27
G NEODIDRO | 0,266 mg | 5 cps Parziale 7 1 14,3% 15,30 23,57
H IDEOS | 60 cpr Non aderente 1 0 0,0% 26,50 18,60
H NATECAL D3 | 60 cpr Non aderente 6 1 16,7% 21,68 21,13
H OROTRE | 60 cpr Non aderente 1 0 0,0% 23,40 12,00
I NATEMILLE | 30 unità Non aderente 1 0 0,0% 6,50 17,80
K CALCITRIOLO MY | 30 cps Non aderente 1 0 0,0% 2,75 25,60
K ROCALTROL | 30 cps Non aderente 1 0 0,0% 8,10 17,00

9. Sensibilità della classificazione prescrittiva

Finestra Osservazioni Senza Rx antecedente 365gg Riclass. unione intervalli Riclass. G=30 gg/Rx Riclass. C–F per unità
091-180 170 114 5 46 21
181-365 318 217 32 78 75
366-730 358 260 57 76 67

Le riclassificazioni in scenari diversi possono riguardare gli stessi soggetti: non sommarle. L’analisi G=una capsula per prescrizione modifica per costruzione la copertura rispetto alla regola confermata di 30 giorni per ciascuna capsula effettivamente contenuta nella confezione. L’analisi C–F «per unità» modifica per costruzione la definizione principale «giorni per confezione».

Sottocoorte senza Rx nell’anno precedente: 181-365 giorni

Gruppo Aderenza n n target % Basale Post Δ
A Aderente 24 18 75,0% 12,70 48,02 35,31
A Non aderente 14 4 28,6% 11,85 19,24 7,39
A Parziale 15 3 20,0% 14,63 25,59 10,97
B Aderente 10 5 50,0% 11,85 29,24 17,39
B Non aderente 8 0 0,0% 17,71 19,18 1,47
B Parziale 5 3 60,0% 18,00 29,32 11,32
C Non aderente 16 6 37,5% 15,85 32,57 16,72
C Parziale 2 1 50,0% 12,07 24,50 12,43
D Non aderente 3 3 100,0% 21,00 37,83 16,83
E Aderente 5 3 60,0% 14,62 31,10 16,48
E Non aderente 29 8 27,6% 17,36 27,32 9,96
E Parziale 22 10 45,5% 18,01 29,62 11,61
G Aderente 43 23 53,5% 15,45 31,55 16,10
G Non aderente 9 4 44,4% 18,50 30,26 11,76
G Parziale 9 1 11,1% 15,14 17,34 2,20
H Non aderente 1 0 0,0% 20,20 14,50 -5,70
I Non aderente 2 1 50,0% 17,50 21,40 3,90

Sottocoorte senza Rx nell’anno precedente: 366-730 giorni

Gruppo Aderenza n n target % Basale Post Δ
A Aderente 21 16 76,2% 11,89 45,11 33,22
A Non aderente 36 12 33,3% 15,40 25,96 10,55
A Parziale 22 14 63,6% 12,86 38,30 25,44
B Aderente 8 4 50,0% 11,51 27,69 16,18
B Non aderente 17 3 17,6% 15,56 19,95 4,39
B Parziale 7 3 42,9% 15,04 26,40 11,36
C Non aderente 19 6 31,6% 15,92 24,04 8,12
D Non aderente 4 1 25,0% 8,30 24,05 15,75
D Parziale 2 2 100,0% 20,40 42,65 22,25
E Non aderente 34 11 32,4% 16,35 26,68 10,33
E Parziale 9 6 66,7% 15,50 36,12 20,62
F Parziale 1 0 0,0% 8,60 19,80 11,20
G Aderente 25 15 60,0% 16,78 35,54 18,76
G Non aderente 22 4 18,2% 17,26 21,96 4,70
G Parziale 29 8 27,6% 14,83 25,24 10,41
H Non aderente 2 0 0,0% 24,90 24,05 -0,85
I Non aderente 1 0 0,0% 6,50 17,80 11,30
K Non aderente 1 0 0,0% 8,10 17,00 8,90

10. Analisi multivariata V5: modello precedente senza covariate renali

La V5 fornisce un confronto di contesto sulla popolazione con dati sierici e prescrittivi: 301 episodi, 125 target nel modello principale. La differenza rispetto alla V6 completa NON può essere attribuita soltanto all’aggiustamento perché la numerosità cambia: per il confronto metodologicamente corretto si veda la sezione 11 sui medesimi 240 soggetti.

Target ≥30 ng/mL: logistica

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 1,46 1,28–1,67 <0,001
25-OH-D basale: +5 ng/mL 1,79 1,45–2,21 <0,001
Tempo al controllo: +90 giorni 0,75 0,49–1,16 0,198
Terapia precedente (sì/no) 0,34 0,18–0,65 0,001
Formulazione B vs A 0,36 0,15–0,89 0,026
Formulazione C vs A 2,45 0,86–7,03 0,095
Formulazione E vs A 0,57 0,26–1,23 0,150
Formulazione G vs A 0,42 0,20–0,88 0,021

25-OH-D post: lineare

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 2,68 1,87–3,49 <0,001
25-OH-D basale: +5 ng/mL 3,27 1,97–4,57 <0,001
Tempo al controllo: +90 giorni 0,06 -2,79–2,91 0,966
Terapia precedente (sì/no) -5,96 -10,13–-1,78 0,005
Formulazione B vs A -10,38 -15,52–-5,23 <0,001
Formulazione C vs A 5,93 -1,89–13,76 0,137
Formulazione E vs A -4,47 -9,32–0,39 0,071
Formulazione G vs A -9,08 -14,76–-3,40 0,002

11. Analisi multivariata V6: confronto sugli stessi 240 soggetti

Modello base sugli stessi 240 soggetti

Esito: target ≥30 ng/mL (OR)

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 1,51 1,29–1,76 <0,001
25-OH-D basale: +5 ng/mL 1,95 1,53–2,49 <0,001
Tempo al controllo: +90 giorni 0,78 0,48–1,28 0,325
Terapia precedente (sì/no) 0,37 0,17–0,78 0,009
Formulazione B vs A 0,22 0,08–0,59 0,003
Formulazione C vs A 2,22 0,58–8,57 0,247
Formulazione E vs A 0,45 0,18–1,11 0,082
Formulazione G vs A 0,39 0,17–0,91 0,029

Esito: concentrazione post (ng/mL)

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 2,83 1,93–3,72 <0,001
25-OH-D basale: +5 ng/mL 3,55 2,09–5,00 <0,001
Tempo al controllo: +90 giorni 0,33 -2,98–3,63 0,847
Terapia precedente (sì/no) -4,76 -9,59–0,06 0,053
Formulazione B vs A -12,35 -17,92–-6,78 <0,001
Formulazione C vs A 2,97 -4,89–10,83 0,459
Formulazione E vs A -5,11 -10,28–0,06 0,053
Formulazione G vs A -9,42 -15,86–-2,97 0,004

Modello completo età, sesso, eGFR

Esito: target ≥30 ng/mL (OR)

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 1,51 1,29–1,76 <0,001
25-OH-D basale: +5 ng/mL 1,95 1,53–2,48 <0,001
Tempo al controllo: +90 giorni 0,78 0,48–1,27 0,319
Terapia precedente (sì/no) 0,36 0,17–0,76 0,007
Formulazione B vs A 0,23 0,08–0,63 0,005
Formulazione C vs A 2,33 0,60–9,04 0,221
Formulazione E vs A 0,46 0,18–1,13 0,090
Formulazione G vs A 0,39 0,17–0,92 0,031
Età: +10 anni 1,03 0,77–1,37 0,862
Maschio vs femmina 0,78 0,34–1,83 0,572
eGFR CKD-EPI: +10 mL/min/1,73 m² 1,00 0,82–1,21 0,980

Esito: concentrazione post (ng/mL)

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 2,79 1,90–3,69 <0,001
25-OH-D basale: +5 ng/mL 3,61 2,13–5,10 <0,001
Tempo al controllo: +90 giorni 0,29 -3,06–3,64 0,864
Terapia precedente (sì/no) -5,17 -10,23–-0,11 0,045
Formulazione B vs A -12,34 -18,23–-6,46 <0,001
Formulazione C vs A 2,84 -4,89–10,57 0,471
Formulazione E vs A -5,21 -10,56–0,14 0,056
Formulazione G vs A -9,39 -15,90–-2,87 0,005
Età: +10 anni 0,44 -1,24–2,13 0,607
Maschio vs femmina 0,64 -4,62–5,90 0,811
eGFR CKD-EPI: +10 mL/min/1,73 m² -0,12 -1,40–1,17 0,859

Figura 2. Odds ratio per copertura, basale, terapia precedente, età, sesso ed eGFR; modello V6 completo a 181–365 giorni (n=240).

Figura 3. Confronto dei coefficienti logistici sugli stessi 240 soggetti prima e dopo l’aggiunta di età, sesso ed eGFR. I confronti B/C/E/G sono sempre riferiti ad A.

12. Sottocoorte senza terapia precedente: modelli aggiustati

Nella coorte senza Rx registrate nei 365 giorni antecedenti, il modello completo V6 a 181–365 giorni include 165 soggetti, 70 target e categorie A/B/E/G; C viene esclusa in quel modello per i criteri di numerosità/eventi. Tale sottocoorte non prova assenza di terapia prima dell’anno considerato né assunzione effettiva.

Esito: target ≥30 ng/mL (OR)

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 1,52 1,27–1,82 <0,001
25-OH-D basale: +5 ng/mL 1,85 1,38–2,47 <0,001
Tempo al controllo: +90 giorni 0,97 0,53–1,77 0,911
Formulazione B vs A 0,26 0,08–0,88 0,030
Formulazione E vs A 0,60 0,21–1,71 0,342
Formulazione G vs A 0,42 0,15–1,20 0,105
Età: +10 anni 0,96 0,67–1,38 0,826
Maschio vs femmina 0,70 0,25–1,93 0,491
eGFR CKD-EPI: +10 mL/min/1,73 m² 0,95 0,73–1,24 0,719

Esito: concentrazione post (ng/mL)

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 3,11 2,10–4,13 <0,001
25-OH-D basale: +5 ng/mL 3,70 1,77–5,62 <0,001
Tempo al controllo: +90 giorni 0,67 -3,06–4,40 0,725
Formulazione B vs A -11,89 -19,62–-4,16 0,003
Formulazione E vs A -4,54 -11,00–1,92 0,168
Formulazione G vs A -10,32 -18,77–-1,86 0,017
Età: +10 anni -0,30 -2,30–1,70 0,766
Maschio vs femmina 0,29 -6,38–6,97 0,931
eGFR CKD-EPI: +10 mL/min/1,73 m² -0,73 -2,52–1,06 0,425

13. Analisi per altre finestre: modelli V6 completi

Finestra 091-180 giorni

Esito: target ≥30 ng/mL (OR)

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 2,44 1,43–4,17 0,001
25-OH-D basale: +5 ng/mL 1,11 0,80–1,53 0,525
Tempo al controllo: +90 giorni 0,95 0,18–4,93 0,948
Terapia precedente (sì/no) 0,39 0,13–1,20 0,102
Formulazione B vs A 0,08 0,01–0,41 0,003
Formulazione E vs A 0,27 0,07–1,06 0,060
Formulazione G vs A 0,24 0,07–0,82 0,022
Età: +10 anni 0,78 0,53–1,15 0,205
Maschio vs femmina 2,88 0,96–8,59 0,058
eGFR CKD-EPI: +10 mL/min/1,73 m² 0,78 0,59–1,04 0,094

Esito: concentrazione post (ng/mL)

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 5,03 1,49–8,57 0,005
25-OH-D basale: +5 ng/mL 1,16 -1,24–3,56 0,342
Tempo al controllo: +90 giorni -2,44 -15,66–10,77 0,717
Terapia precedente (sì/no) -6,53 -14,84–1,78 0,124
Formulazione B vs A -20,85 -31,12–-10,57 <0,001
Formulazione E vs A -14,00 -23,39–-4,61 0,003
Formulazione G vs A -15,67 -26,22–-5,12 0,004
Età: +10 anni -0,96 -3,68–1,77 0,492
Maschio vs femmina 6,06 -1,25–13,37 0,104
eGFR CKD-EPI: +10 mL/min/1,73 m² -0,87 -2,53–0,80 0,308

Finestra 366-730 giorni

Esito: target ≥30 ng/mL (OR)

Covariata / confronto OR aggiustato IC 95% p
Copertura: +10 punti percentuali 1,29 1,15–1,45 <0,001
25-OH-D basale: +5 ng/mL 1,46 1,15–1,86 0,002
Tempo al controllo: +90 giorni 1,16 0,91–1,47 0,239
Terapia precedente (sì/no) 1,05 0,53–2,10 0,886
Formulazione B vs A 0,25 0,09–0,72 0,010
Formulazione C vs A 0,57 0,15–2,10 0,396
Formulazione E vs A 0,67 0,29–1,55 0,349
Formulazione G vs A 0,26 0,13–0,52 <0,001
Età: +10 anni 1,15 0,89–1,48 0,279
Maschio vs femmina 2,35 1,14–4,82 0,020
eGFR CKD-EPI: +10 mL/min/1,73 m² 0,97 0,81–1,15 0,684

Esito: concentrazione post (ng/mL)

Covariata / confronto Differenza aggiustata (ng/mL) IC 95% p
Copertura: +10 punti percentuali 2,05 1,34–2,77 <0,001
25-OH-D basale: +5 ng/mL 2,93 1,42–4,44 <0,001
Tempo al controllo: +90 giorni 0,56 -1,11–2,22 0,511
Terapia precedente (sì/no) 1,87 -3,01–6,76 0,452
Formulazione B vs A -12,53 -17,75–-7,31 <0,001
Formulazione C vs A -4,25 -11,74–3,25 0,267
Formulazione E vs A -2,77 -8,13–2,58 0,310
Formulazione G vs A -10,94 -15,85–-6,04 <0,001
Età: +10 anni -0,13 -1,65–1,40 0,872
Maschio vs femmina 2,58 -1,30–6,45 0,193
eGFR CKD-EPI: +10 mL/min/1,73 m² -0,58 -1,73–0,56 0,317

Una seconda finestra dello stesso paziente può comparire in una tabella secondaria diversa. Non combinare i p-value di finestre come osservazioni indipendenti senza un modello per misure ripetute.

14. Probabilità previste e standardizzazione

Le probabilità riportate sono previsioni standardizzate sui profili di covariate della coorte modellata; non sono frequenze osservate e il CSV non include IC 95% delle probabilità. I confronti fra gruppi con diversa distribuzione delle covariate richiedono verifica di sovrapposizione/positività e non consentono classifiche di efficacia causale.

Finestra Coorte Cat. n Target osservati Probabilità standardizzata (%)
181-365 tutti A 68 32 54,25
181-365 tutti B 28 9 27,88
181-365 tutti C 14 6 68,78
181-365 tutti E 57 20 39,90
181-365 tutti G 73 36 37,17
181-365 senza_terapia_365gg A 44 21 53,60
181-365 senza_terapia_365gg B 19 5 28,99
181-365 senza_terapia_365gg E 49 18 44,04
181-365 senza_terapia_365gg G 53 26 37,38
091-180 tutti A 35 23 71,20
091-180 tutti B 17 7 25,67
091-180 tutti E 27 9 48,29
091-180 tutti G 38 21 46,60
366-730 tutti A 88 51 60,23
366-730 tutti B 33 13 33,53
366-730 tutti C 14 4 49,11
366-730 tutti E 42 18 52,34
366-730 tutti G 95 39 33,89
366-730 senza_terapia_365gg A 62 32 55,37
366-730 senza_terapia_365gg B 25 9 33,68
366-730 senza_terapia_365gg E 32 12 49,70
366-730 senza_terapia_365gg G 69 25 29,12

15. Discussione clinica e interpretazione

Nella popolazione analizzata, l’associazione tra copertura prescrittiva convenzionale e raggiungimento del target rimane presente anche aggiungendo età, sesso ed eGFR e limitando l’analisi ai soggetti senza prescrizioni documentate nell’anno antecedente. Nel confronto V6 sugli stessi 240 soggetti, l’OR per +10 punti di copertura passa da 1,50765 a 1,50739 e il coefficiente lineare da +2,825 a +2,792 ng/mL: variazioni trascurabili nel modello specificato, senza prova di assenza di confondimento residuo.

Le associazioni per formulazione rispetto ad A variano in precisione e ampiezza: B e G presentano OR <1 con IC 95% che non attraversa 1 nella finestra principale, mentre C ed E sono meno precisamente stimati. Non si può inferire superiorità intrinseca di A perché dosaggio, storia di cura, scelta prescrittiva, comorbilità e partecipazione al monitoraggio possono differire; inoltre il rapporto di copertura dipende dalla matrice adottata e potrebbe non rappresentare la dose biologicamente effettiva.

Il valore basale è un predittore importante del superamento di una soglia fissa. L’assenza di associazione statisticamente identificabile per età, sesso o eGFR nei modelli lineari/logistici non equivale a escludere non linearità, interazioni, sottogruppi renali specifici o effetti di indicazioni cliniche non registrate.

16. Limiti, analisi necessarie prima della pubblicazione e trasparenza

• Selezione al follow-up: includere solo chi ha eseguito dosaggi ripetuti può introdurre bias di selezione e indicazione; assenza di test non equivale a mancata risposta.

• Definizione del basale: la prima prescrizione dopo un dosaggio <30 entro 90 giorni non è necessariamente il primo trattamento a vita; analisi senza prescrizioni a 365 giorni riduce ma non annulla il problema.

• Copertura: le prescrizioni non provano ritiro, assunzione, posologia, aderenza reale o corretta dose; sommare giorni sovrapposti (cappati al 100%) differisce da PDC a intervalli non sovrapposti.

• Variabili mancanti: 61/301 nel modello principale non hanno dati completi per eGFR/età/sesso; complete-case analysis può modificare rappresentatività. Non sono riportati test di missing-not-at-random.

• Creatinina: unità uniforme confermata dall’utente, ma non specificata nel messaggio; l’equazione richiede mg/dL e gran parte dei record non riporta ac_um. Eventuali differenze fra laboratori, metodica/calibrazione e valori estremi non sono verificabili dai CSV.

• Assenza di comorbilità complete, BMI, stagione, sintomi, indicazioni, posologie, dosi acquistate, eGFR non lineare e albuminuria; non attribuire causalità ai coefficienti.

• Soglie e numerosità: target ≥30 è endpoint operativo; categorie rare ed eventi pochi limitano la precisione; IC ampi e confronti molteplici richiedono cautela.

• Analisi statistica: non risultano dai CSV verifiche complete di residui, calibrazione, specificazione funzionale, collinearità, osservazioni influenti, incertezza delle probabilità standardizzate e validazione esterna.

• Modello per dati ripetuti: le finestre sono separate, ma futuri confronti temporali aggregati richiedono effetti misti o errori robusti per paziente.

• Disponibilità dei dati: il database reale rimane esclusivamente sul server dell’utente; questo report è riproducibile dai CSV forniti e dagli script allegati, ma non è una verifica indipendente dei singoli record.

17. Conclusioni

Nella coorte valutabile per l’esito a 181–365 giorni, una maggiore copertura prescrittiva convenzionale si associa a una maggiore probabilità di raggiungere 25-OH-vitamina D ≥30 ng/mL e a maggiori concentrazioni al controllo. Dopo aggiustamento per vitamina D basale, formulazione, giorni al controllo, terapia precedente, età, sesso ed eGFR CKD-EPI, l’associazione rimane di entità simile. Il risultato riguarda associazioni osservazionali su una selezione di soggetti monitorati, non efficacia comparativa randomizzata dei prodotti né aderenza farmaceutica verificata.

18. Audit, file sorgenti e riproducibilità

Codice analitico finale effettivamente usato per i CSV: analisi_vitd_multivariata_v6_ckdepi.py. Precursori: analisi_vitd_prodotti.py, analisi_vitd_prodotti_v2.py, analisi_vitd_episodi_v3.py, analisi_vitd_episodi_v4.py, analisi_vitd_multivariata_v5.py; verifica_covariate_vitd.py; codice CKD-EPI di riferimento fornito dall’utente nel file Pasted text(20260919-173339).txt. Gli script sono conservati senza modifiche nell’archivio ZIP consegnato con questo Word; i file di test sintetici NON sono risultati clinici reali.

Esecuzione riproducibile sul server (verificare dipendenze Python numpy, pandas, scipy, statsmodels):

python3 /opt/aft_aggregazione/analisi_vitd_multivariata_v6_ckdepi.py /opt/aft_aggregazione/output/dataset_aggregato.db3 /opt/aft_aggregazione/output/analisi_vitd_multivariata_v6_ckdepi

File output della V6 utilizzati: controlli_qualita.csv; risultati_per_formulazione.csv; risultati_per_prodotto.csv; sensibilita_per_formulazione.csv; riepilogo_sensibilita.csv; multivariata_diagnostica.csv; multivariata_coefficienti.csv; multivariata_renale_diagnostica.csv; multivariata_renale_coefficienti.csv; multivariata_renale_probabilita_standardizzate.csv; prodotti_da_validare.csv; riclassificazioni.csv. I file caricati in questa sessione sono riconoscibili nell’archivio ZIP risultati e non sono stati modificati.

Note sui p-value: alcune probabilità estremamente basse sono scritte come 0.0 nei CSV a causa dell’arrotondamento di esportazione; qui vengono indicate come p<0,001, non come probabilità matematicamente nulla. Le percentuali sono arrotondate e potrebbero non sommare esattamente al 100%.

Appendice A. Scenari di sensibilità, tutte le formulazioni a 181–365 giorni

Scenario base_somma

Cat. Classe n n target % Basale Post
A Aderente 39 27 69,2% 13,27 43,62
A Non aderente 19 5 26,3% 13,54 21,88
A Parziale 24 5 20,8% 16,85 25,00
B Aderente 17 9 52,9% 16,66 29,30
B Non aderente 9 0 0,0% 17,01 18,63
B Parziale 7 3 42,9% 20,97 27,49
C Aderente 1 1 100,0% 26,00 49,00
C Non aderente 25 8 32,0% 18,20 29,85
C Parziale 4 3 75,0% 19,71 31,03
D Non aderente 3 3 100,0% 21,00 37,83
D Parziale 1 0 0,0% 20,00 25,90
E Aderente 10 5 50,0% 17,33 31,29
E Non aderente 31 8 25,8% 17,52 26,96
E Parziale 28 12 42,9% 19,08 29,16
G Aderente 66 33 50,0% 16,50 31,62
G Non aderente 9 4 44,4% 18,50 30,26
G Parziale 12 2 16,7% 15,75 19,26
H Non aderente 8 1 12,5% 21,89 23,15
H Parziale 1 1 100,0% 22,40 36,40
I Non aderente 2 1 50,0% 17,50 21,40
K Non aderente 2 0 0,0% 13,28 18,75

Scenario intervalli_senza_riporto

Cat. Classe n n target % Basale Post
A Aderente 27 21 77,8% 12,23 47,09
A Non aderente 23 5 21,7% 14,97 21,10
A Parziale 32 11 34,4% 15,77 30,01
B Aderente 13 7 53,8% 17,11 29,81
B Non aderente 9 0 0,0% 17,01 18,63
B Parziale 11 5 45,5% 18,88 27,55
C Non aderente 26 8 30,8% 17,95 29,32
C Parziale 4 4 100,0% 23,27 39,28
D Non aderente 3 3 100,0% 21,00 37,83
D Parziale 1 0 0,0% 20,00 25,90
E Aderente 5 4 80,0% 21,34 36,02
E Non aderente 32 9 28,1% 17,90 27,59
E Parziale 32 12 37,5% 17,85 28,20
G Aderente 63 32 50,8% 16,33 31,89
G Non aderente 9 4 44,4% 18,50 30,26
G Parziale 15 3 20,0% 16,61 20,60
H Non aderente 9 2 22,2% 21,94 24,62
I Non aderente 2 1 50,0% 17,50 21,40
K Non aderente 2 0 0,0% 13,28 18,75

Scenario G_una_capsula_per_Rx

Cat. Classe n n target % Basale Post
A Aderente 39 27 69,2% 13,27 43,62
A Non aderente 19 5 26,3% 13,54 21,88
A Parziale 24 5 20,8% 16,85 25,00
B Aderente 17 9 52,9% 16,66 29,30
B Non aderente 9 0 0,0% 17,01 18,63
B Parziale 7 3 42,9% 20,97 27,49
C Aderente 1 1 100,0% 26,00 49,00
C Non aderente 25 8 32,0% 18,20 29,85
C Parziale 4 3 75,0% 19,71 31,03
D Non aderente 3 3 100,0% 21,00 37,83
D Parziale 1 0 0,0% 20,00 25,90
E Aderente 10 5 50,0% 17,33 31,29
E Non aderente 31 8 25,8% 17,52 26,96
E Parziale 28 12 42,9% 19,08 29,16
G Non aderente 87 39 44,8% 16,60 29,77
H Non aderente 8 1 12,5% 21,89 23,15
H Parziale 1 1 100,0% 22,40 36,40
I Non aderente 2 1 50,0% 17,50 21,40
K Non aderente 2 0 0,0% 13,28 18,75

Scenario CF_giorni_per_unita

Cat. Classe n n target % Basale Post
A Aderente 39 27 69,2% 13,27 43,62
A Non aderente 19 5 26,3% 13,54 21,88
A Parziale 24 5 20,8% 16,85 25,00
B Aderente 17 9 52,9% 16,66 29,30
B Non aderente 9 0 0,0% 17,01 18,63
B Parziale 7 3 42,9% 20,97 27,49
C Aderente 12 5 41,7% 16,54 30,46
C Non aderente 14 6 42,9% 21,24 33,06
C Parziale 4 1 25,0% 15,97 22,75
D Aderente 1 0 0,0% 20,00 25,90
D Non aderente 2 2 100,0% 19,20 33,50
D Parziale 1 1 100,0% 24,60 46,50
E Aderente 69 25 36,2% 18,12 28,48
G Aderente 66 33 50,0% 16,50 31,62
G Non aderente 9 4 44,4% 18,50 30,26
G Parziale 12 2 16,7% 15,75 19,26
H Non aderente 8 1 12,5% 21,89 23,15
H Parziale 1 1 100,0% 22,40 36,40
I Non aderente 2 1 50,0% 17,50 21,40
K Non aderente 2 0 0,0% 13,28 18,75

Appendice B. Dizionario essenziale e legenda

Termine Definizione
25-OH-D 25-idrossivitamina D, ng/mL
Target 25-OH-D post ≥30 ng/mL, dato basale <30 ng/mL
Prescrizione indice Prima Rx classificata dopo ultimo basale eleggibile
Follow-up Giorni da Rx indice a dosaggio post; finestre 91–180, 181–365, 366–730
Copertura Giorni convenzionali sommati / follow-up, massimo 100%
Aderente/parziale/non Copertura ≥80%; 50–<80%; <50%
OR Odds ratio aggiustato, non rapporto tra probabilità
IC 95% Intervallo di confidenza al 95%
eGFR CKD-EPI Filtrato stimato dalla creatinina con equazione CKD-EPI 2021
Unicità n in una finestra non è necessariamente unico fra finestre

19. Addendum: aderenza Didrogyl vs Neodidro e fluttuazioni longitudinali

Obiettivo. Questo addendum integra il report principale con due analisi successive: il confronto dell'aderenza prescrittiva stimata tra calcifediolo in gocce (Didrogyl) e calcifediolo capsule (Neodidro), corretto per età e sesso, e l'analisi esplorativa delle fluttuazioni longitudinali della 25-OH-vitamina D nei pazienti con determinazioni ripetute.

Nota metodologica. L'aderenza rimane un indicatore di copertura convenzionale ricostruito dalle prescrizioni, non una misura dell'assunzione effettiva. Per Didrogyl è stata mantenuta la copertura di 94 giorni per flacone; per Neodidro la copertura principale è 30 giorni per capsula, cioè 150 giorni per confezione da 5 capsule e 300 giorni per confezione da 10 capsule. Questa regola rende il confronto di aderenza molto dipendente dal numero di capsule per confezione e deve essere dichiarata esplicitamente.

19.1 Confronto dell'aderenza prescrittiva stimata

Sono stati analizzati gli stessi episodi della V6 limitatamente alle formulazioni A e G. L'esito del modello è stato l'aderenza >=80% nella finestra di controllo. I modelli logistici confrontano Neodidro con Didrogyl aggiustando per età alla prescrizione indice e sesso. Sono state mantenute analisi separate per 91-180, 181-365 e 366-730 giorni, e una sottocoorte senza prescrizioni di vitamina D nei 365 giorni antecedenti l'episodio.

Finestra Coorte Formulazione N Aderenti Parziali Non aderenti Copertura media % Età media F/M
091-180 Tutti Didrogyl gocce 47 38/47 (80,8%) 9 0 91,1 66,0 42/5
091-180 Tutti Neodidro capsule 46 46/46 (100,0%) 0 0 98,7 64,8 35/11
091-180 Senza terapia 365 gg Didrogyl gocce 28 24/28 (85,7%) 4 0 94,0 62,6 26/2
091-180 Senza terapia 365 gg Neodidro capsule 37 37/37 (100,0%) 0 0 98,3 63,5 29/8
181-365 Tutti Didrogyl gocce 82 39/82 (47,6%) 24 19 72,4 66,2 73/9
181-365 Tutti Neodidro capsule 87 66/87 (75,9%) 12 9 87,1 65,0 74/13
181-365 Senza terapia 365 gg Didrogyl gocce 53 24/53 (45,3%) 15 14 71,2 64,4 48/5
181-365 Senza terapia 365 gg Neodidro capsule 61 43/61 (70,5%) 9 9 84,1 62,0 51/10
366-730 Tutti Didrogyl gocce 111 33/111 (29,7%) 35 43 59,0 65,8 97/14
366-730 Tutti Neodidro capsule 103 40/103 (38,8%) 36 27 69,7 64,2 79/24
366-730 Senza terapia 365 gg Didrogyl gocce 79 21/79 (26,6%) 22 36 54,7 63,9 68/11
366-730 Senza terapia 365 gg Neodidro capsule 76 25/76 (32,9%) 29 22 66,3 63,2 56/20

Tabella 31. Aderenza prescrittiva stimata per Didrogyl e Neodidro secondo la matrice convenzionale.

Risultato descrittivo. Nella finestra principale di 181-365 giorni, il 47,6% dei pazienti con Didrogyl e il 75,9% dei pazienti con Neodidro risultano aderenti. Nella finestra 91-180 giorni tutti i pazienti Neodidro risultano aderenti, per cui il modello logistico non è stimabile in modo affidabile.

Figura 4. Percentuale osservata di pazienti aderenti per formulazione e finestra temporale.

Figura 5. Differenza standardizzata Neodidro – Didrogyl, aggiustata per età e sesso, nelle finestre stimabili.

Finestra Coorte N N A N G Aderenti A Aderenti G OR G vs A (IC95%) p Diff. standardizzata, punti
091-180 Tutti 93 47 46 38/47 46/46 Non stimato — —
091-180 Senza terapia 365 gg 65 28 37 24/28 37/37 Non stimato — —
181-365 Tutti 169 82 87 39/82 66/87 3,55 (1,83-6,87) 0.0002 28,3 (14,4; 42,2)
181-365 Senza terapia 365 gg 114 53 61 24/53 43/61 2,95 (1,35-6,43) 0.0065 25,5 (7,9; 43,1)
366-730 Tutti 214 111 103 33/111 40/103 1,69 (0,94-3,04) 0.0792 11,3 (-1,2; 23,8)
366-730 Senza terapia 365 gg 155 79 76 21/79 25/76 1,50 (0,73-3,07) 0.2685 8,0 (-6,1; 22,1)

Tabella 32. Confronto dell'aderenza tra Neodidro e Didrogyl, corretto per età e sesso.

Interpretazione. A 181-365 giorni Neodidro mostra un'aderenza prescrittiva stimata superiore a Didrogyl anche dopo correzione per età e sesso: OR 3,55 (IC95% 1,83-6,87), con differenza standardizzata +28,3 punti percentuali. Il risultato rimane nella sottocoorte senza terapia nei 365 giorni precedenti: OR 2,95 (IC95% 1,35-6,43), differenza +25,5 punti. A 366-730 giorni la differenza è più piccola e non statisticamente distinta da zero con i criteri convenzionali: OR 1,69 (IC95% 0,94-3,05).

Cautela. La maggiore aderenza stimata di Neodidro riflette almeno in parte la struttura del modello di copertura: una confezione da 5 o 10 capsule fornisce una copertura convenzionale lunga. Il risultato documenta una differenza nell'indicatore prescrittivo, non prova una migliore assunzione reale del farmaco.

19.2 Fluttuazioni longitudinali della 25-OH-vitamina D

Per verificare l'ipotesi di maggiori oscillazioni con Neodidro, sono stati selezionati pazienti con episodi A o G e misurazioni ripetute nei 730 giorni successivi alla prescrizione indice. I valori nello stesso giorno sono stati rappresentati dalla mediana giornaliera; l'osservazione è stata interrotta al primo cambio di prodotto. Le metriche principali sono state: deviazione standard intra-paziente dei valori post-indice, differenza tra massimo e minimo post-indice, mediana dei cambiamenti assoluti tra prelievi consecutivi e ritorni da valori >=30 a <30 ng/mL.

Controllo / selezione N
episodi_A_G_selezionati 469
episodi_con_cambio_prima_730gg 138
pazienti_con_almeno_2_post_eleggibili 145
pazienti_con_almeno_3_determinazioni_totali 145
pazienti_con_almeno_3_post 42
pazienti_con_almeno_4_determinazioni_totali 42
pazienti_con_almeno_4_post 14
prescrizioni_valid_date 68303
stesso_giorno_prescrizioni_multiple 26
valori_distinti_per_giorno_dopo_mediana 10106
vitd_esami_scartati_non_validi 17523
vitd_esami_validi 11351

Tabella 33. Controlli di selezione per l'analisi delle fluttuazioni.

Post min. Gruppo Coorte N N post medio Durata media gg SD media SD mediana Range mediano Δ ass. mediano Rientro <30
3 Didrogyl Tutti 28 3,68 443 17,27 13,12 27,55 14,28 13
3 Didrogyl Senza terapia 365 gg 14 3,64 439 17,39 14,80 29,25 14,28 6
3 Neodidro Tutti 14 3,14 424 9,34 5,43 10,40 5,97 3
3 Neodidro Senza terapia 365 gg 10 3,10 440 10,56 7,16 13,55 5,97 3
4 Didrogyl Tutti 12 4,58 528 17,25 11,75 28,80 14,50 8
4 Didrogyl Senza terapia 365 gg 6 4,50 556 13,99 11,75 27,80 14,00 2
4 Neodidro Tutti 2 4,00 512 5,98 5,98 12,85 4,75 0
4 Neodidro Senza terapia 365 gg 1 4,00 543 8,98 8,98 19,40 6,90 0

Tabella 34. Variabilità intra-paziente della 25-OH-vitamina D nei pazienti con controlli ripetuti.

Risultato descrittivo. Nei pazienti con almeno tre controlli successivi, la variabilità osservata non è maggiore con Neodidro. La deviazione standard intra-paziente media è 17,27 ng/mL con Didrogyl e 9,34 ng/mL con Neodidro; la mediana del range massimo-minimo è 27,55 vs 10,40 ng/mL; la mediana dei cambiamenti assoluti tra controlli consecutivi è 14,28 vs 5,98 ng/mL.

Figura 6. Metriche di variabilità intra-paziente nei pazienti con almeno tre controlli dopo prescrizione indice.

Figura 7. Andamento mediano dei valori disponibili per gruppo terapeutico; la linea tratteggiata indica 30 ng/mL.

Popolazione Misura Modello N Didrogyl Neodidro Stato Motivo
almeno_3_post SD valori post indice, ng/mL base_eta_sesso 42 28 14 non_eseguito Numero pazienti insufficiente per il modello prespecificato
almeno_3_post SD valori post indice, ng/mL piu_copertura_e_precedenti 42 28 14 non_eseguito Numero pazienti insufficiente per il modello prespecificato
almeno_4_post SD valori post indice, ng/mL base_eta_sesso 14 12 2 non_eseguito Numero pazienti insufficiente per il modello prespecificato
almeno_4_post SD valori post indice, ng/mL piu_copertura_e_precedenti 14 12 2 non_eseguito Numero pazienti insufficiente per il modello prespecificato

Tabella 35. Tentativo di modellizzazione delle fluttuazioni: i modelli non sono stati stimati per numerosità insufficiente.

Interpretazione. Nel campione analizzato, i dati non supportano l'ipotesi descrittiva di maggiori fluttuazioni della 25-OH-vitamina D con Neodidro. Al contrario, le oscillazioni osservate risultano numericamente più ampie nei pazienti Didrogyl. Tuttavia, il confronto è limitato dalla selezione dei pazienti con controlli ripetuti: solo 42 pazienti hanno almeno tre controlli dopo la prescrizione indice e solo 14 almeno quattro; fra questi ultimi, appena 2 sono Neodidro. Per questo non è stato possibile stimare un modello multivariato affidabile corretto per età e sesso.

Limite clinico specifico. Senza conoscere la data effettiva di assunzione delle capsule, non è possibile verificare se il prelievo cada in fase di picco o di valle dopo Neodidro. L'analisi misura oscillazioni tra dosaggi disponibili nella pratica clinica, non una farmacocinetica controllata.

19.3 Script e file aggiunti in questo addendum

Script aggiunti rispetto al report precedente: analisi_vitd_aderenza_didrogyl_neodidro_v7.py e analisi_vitd_fluttuazioni_A_G_v8.py. File CSV analizzati: aderenza_A_G_descrittiva.csv, aderenza_A_G_modelli.csv, aderenza_A_G_diagnostica.csv, fluttuazioni_controlli.csv, fluttuazioni_descrittiva_A_G.csv, fluttuazioni_modelli.csv, pazienti_fluttuazioni_A_G.csv, traiettorie_vitd_A_G.csv.

Fonti, tracciabilità e indicazioni per la pubblicazione

Fonte 1: «Rapporto_Vitamina_D_Calcio_Bisfosfonati_AFT_completo_2026.docx» (rapporto integrato, 21 pagine). Fonte 2: «Rapporto_completo_vitamina_D_AFT_2026_aggiornato(2).docx» (analisi per episodi, modelli e addendum, 24 pagine). L’aggiornamento fratture riporta i risultati delle elaborazioni con coppie fisse V5, covariate pre-indice V6 e regressione logistica condizionata V7 condivisi nel progetto. Le numerosità delle sottocoorti e gli OR non costituiscono una prova di effetto farmacologico causale.

Nota eGFR: l’algoritmo CKD-EPI 2021 utilizzato richiede creatinina in mg/dL. È stata confermata l’uniformità dell’unità tra i record; la corrispondenza esplicita con mg/dL deve essere documentata alla fonte prima di considerare definitivamente validato l’aggiustamento renale.

Uso clinico: il contenuto descrive risultati aggregati di ricerca e non sostituisce la valutazione del singolo paziente o indicazioni terapeutiche personalizzate.

InfoSalute · Dati, limiti e metodo
Rapporto per lettura critica in Medicina Generale. Tutte le tabelle si possono consultare su schermi piccoli tramite scorrimento orizzontale; la stampa da browser preserva il contenuto testuale e grafico.

Analisi ponderata della spesa farmaceutica regionale 2024

Determinanti demografici e socioeconomici della spesa farmaceutica convenzionata nelle Regioni italiane

Analisi ecologica trasversale 2024 con standardizzazione ufficiale OsMed e regressione multivariata

Rapporto tecnico-statistico completo – versione 29 luglio 2026

Unità di analisi 21 Regioni e Province autonome
Outcome principale Spesa farmaceutica convenzionata netta 2024
Correzione demografica Popolazione pesata ufficiale OsMed per età e sesso
Indicatore socioeconomico Reddito complessivo medio MEF – anno d’imposta 2024

Sintesi esecutiva

La spesa farmaceutica convenzionata netta nazionale 2024 è pari a 7,960 miliardi di euro, corrispondenti a 134,98 euro per residente. La standardizzazione ufficiale OsMed sostituisce la popolazione residente con una popolazione pesata per età e sesso, normalizzata affinché il totale italiano resti invariato.

Nel modello multivariato la vulnerabilità reddituale presenta un coefficiente di 94,56 euro per unità dell’indice. Un aumento di 10 punti percentuali della vulnerabilità è quindi associato a 9,46 euro pro capite di maggiore spesa, a parità di fattore demografico. Il modello spiega il 51,3% della variabilità interregionale. Con errori standard robusti HC3 il coefficiente reddituale resta significativo, mentre il fattore età regionale non raggiunge la significatività.

Il risultato è ecologico e associativo. Non dimostra che un basso reddito causi direttamente maggiore spesa, né consente di classificare automaticamente una Regione come efficiente o inefficiente. Organizzazione dell’assistenza, distribuzione diretta e DPC, prevalenza delle patologie, appropriatezza prescrittiva, ticket e mobilità sanitaria possono spiegare parte della variabilità residua.

L’estensione longitudinale 2018-2024 armonizza il risultato: la relazione reddito-spesa resta evidente come differenza strutturale tra Regioni, ma il modello dinamico con effetti fissi non conferma una direzione temporale semplice. Nel panel, a parità di spesa precedente, Regione e anno, la vulnerabilità reddituale laggata mostra coefficiente negativo sulla spesa standardizzata, sia netta sia comprensiva di ticket.

1. Obiettivo e quesiti di ricerca

Obiettivo principale: descrivere e quantificare l’associazione tra struttura demografica, reddito regionale e spesa farmaceutica convenzionata netta nel 2024.

  • Quanto cambia la spesa regionale quando viene standardizzata con i pesi ufficiali OsMed?

  • Il reddito medio regionale è associato alla spesa dopo il controllo per età e sesso?

  • Quale quota della variabilità interregionale è spiegata dal modello?

  • I risultati sono robusti a eteroschedasticità e osservazioni influenti?

  • Il gradiente socioeconomico osservato nel 2024 è confermato anche come direzione temporale nel panel 2018-2024?

2. Fonti ufficiali e perimetro

2.1 AIFA – Monitoraggio della spesa farmaceutica 2024

Dalla Tabella 3 è stata estratta la spesa farmaceutica convenzionata netta regionale gennaio-dicembre 2024. AIFA la definisce al netto degli sconti, di tutte le compartecipazioni e del pay-back 1,83%. Il totale nazionale riportato è 7.959.794.496 euro.

2.2 AIFA OsMed – popolazione residente e pesata

Dalla Tabella 3.2 del Rapporto OsMed 2024 sono state estratte popolazione residente al 1° gennaio 2024 e popolazione pesata 2024. Il totale nazionale della popolazione pesata è riproporzionato al totale residente: 58.971.230 abitanti.

2.3 MEF – redditi IRPEF 2024

Il reddito complessivo medio nazionale è 25.820 euro. I valori regionali sono quelli della Figura 1.3. Per la P.A. di Trento il valore non è esposto separatamente nella figura: è stato ricostruito dal valore del Trentino-Alto Adige, dal valore di Bolzano e dal numero di contribuenti delle due Province autonome. La stima ottenuta è 27.242,44 euro e deve essere sostituita da un dato provinciale diretto non appena disponibile.

R_Trento = [R_TAA × (N_Trento + N_Bolzano) – R_Bolzano × N_Bolzano] / N_Trento

Per l’analisi longitudinale sono stati aggiunti i monitoraggi AIFA gennaio-dicembre 2018-2023, le popolazioni pesate OsMed 2018-2024 e le tabelle MEF IRPEF per anno d’imposta 2018-2024. La serie longitudinale finale usata nei modelli è 2018-2024, perché per il 2025 non è ancora integrata la corrispondente popolazione pesata OsMed nel dataset.

3. Costruzione delle variabili

3.1 Spesa osservata per residente

S_res,i = Spesa netta_i / Popolazione residente_i

Misura la spesa netta effettiva rapportata alla popolazione anagrafica.

3.2 Fattore demografico OsMed

F_eta,i = Popolazione pesata OsMed_i / Popolazione residente_i

Valori superiori a 1 indicano una struttura per età e sesso più onerosa della media nazionale; valori inferiori a 1 indicano una struttura meno onerosa. Il fattore non è il peso individuale dell’anziano: è il risultato medio regionale, già normalizzato rispetto all’Italia.

3.3 Spesa standardizzata per età e sesso

S_eta,i = Spesa netta_i / Popolazione pesata_i = S_res,i / F_eta,i

La standardizzazione riduce il valore nelle Regioni demograficamente più anziane e lo aumenta nelle Regioni relativamente più giovani.

3.4 Vulnerabilità reddituale

V_i = (25.820 – Reddito medio_i) / 25.820

V è positiva quando il reddito è inferiore alla media italiana e negativa quando è superiore. Un valore di 0,10 equivale a un reddito inferiore del 10% rispetto al riferimento nazionale.

4. Dataset analitico completo

Regione Spesa mln € Pop. residente Pop. pesata F età € / residente € standardizzati Reddito € Vulnerab. %
Piemonte 547,90 4.251.623 4.420.806 1,0398 128,87 123,94 27.320 -5,81
Valle d’Aosta 13,52 122.877 125.868 1,0243 110,06 107,45 27.820 -7,75
Lombardia 1.454,69 10.012.054 9.876.445 0,9865 145,29 147,29 30.200 -16,96
P.A. Bolzano 45,88 537.533 497.865 0,9262 85,35 92,15 29.850 -15,61
P.A. Trento 68,68 545.169 534.989 0,9813 125,98 128,37 27.242 -5,51
Veneto 509,50 4.852.216 4.886.727 1,0071 105,00 104,26 27.010 -4,61
Friuli-V.G. 160,36 1.194.616 1.258.495 1,0535 134,23 127,42 26.790 -3,76
Liguria 188,73 1.509.140 1.637.000 1,0847 125,06 115,29 26.760 -3,64
Emilia-Romagna 527,72 4.451.938 4.484.873 1,0074 118,54 117,67 28.080 -8,75
Toscana 456,84 3.660.530 3.806.109 1,0398 124,80 120,03 26.390 -2,21
Umbria 116,05 853.068 892.076 1,0457 136,04 130,09 24.760 4,11
Marche 219,08 1.482.746 1.529.932 1,0318 147,75 143,20 24.600 4,73
Lazio 816,14 5.714.745 5.657.345 0,9900 142,81 144,26 27.780 -7,59
Abruzzo 193,75 1.269.571 1.298.213 1,0226 152,61 149,24 22.670 12,20
Molise 43,07 289.224 300.964 1,0406 148,91 143,10 20.460 20,76
Campania 784,60 5.593.906 5.219.083 0,9330 140,26 150,33 21.360 17,27
Puglia 560,83 3.890.661 3.870.359 0,9948 144,15 144,90 20.470 20,72
Basilicata 86,45 533.233 542.231 1,0169 162,12 159,43 20.600 20,22
Calabria 286,12 1.838.568 1.810.673 0,9848 155,62 158,02 19.020 26,34
Sicilia 632,18 4.797.359 4.664.190 0,9722 131,78 135,54 20.570 20,33
Sardegna 247,71 1.570.453 1.656.987 1,0551 157,73 149,49 21.990 14,83

Nota: il reddito della P.A. di Trento è una ricostruzione provvisoria. Tutti gli altri valori derivano direttamente dalle fonti ufficiali indicate.

5. Effetto della standardizzazione demografica

Grafico del rapporto
Figura 1. Grafico tratto dal rapporto.

Figura 1. Scostamento della popolazione pesata dalla popolazione residente.

Grafico del rapporto
Figura 2. Grafico tratto dal rapporto.

Figura 2. Confronto tra spesa osservata e standardizzata.

Grafico del rapporto
Figura 3. Grafico tratto dal rapporto.

Figura 3. Graduatoria della spesa standardizzata per età e sesso.

Regione Osservata € F età Standardizzata € Variazione € vs Italia %
P.A. Bolzano 85,35 0,9262 92,15 6,80 -31,7
Veneto 105,00 1,0071 104,26 -0,74 -22,8
Valle d’Aosta 110,06 1,0243 107,45 -2,62 -20,4
Liguria 125,06 1,0847 115,29 -9,77 -14,6
Emilia-Romagna 118,54 1,0074 117,67 -0,87 -12,8
Toscana 124,80 1,0398 120,03 -4,77 -11,1
Piemonte 128,87 1,0398 123,94 -4,93 -8,2
Friuli-V.G. 134,23 1,0535 127,42 -6,81 -5,6
P.A. Trento 125,98 0,9813 128,37 2,40 -4,9
Umbria 136,04 1,0457 130,09 -5,95 -3,6
Sicilia 131,78 0,9722 135,54 3,76 0,4
Molise 148,91 1,0406 143,10 -5,81 6,0
Marche 147,75 1,0318 143,20 -4,56 6,1
Lazio 142,81 0,9900 144,26 1,45 6,9
Puglia 144,15 0,9948 144,90 0,76 7,4
Lombardia 145,29 0,9865 147,29 1,99 9,1
Abruzzo 152,61 1,0226 149,24 -3,37 10,6
Sardegna 157,73 1,0551 149,49 -8,24 10,8
Campania 140,26 0,9330 150,33 10,07 11,4
Calabria 155,62 0,9848 158,02 2,40 17,1
Basilicata 162,12 1,0169 159,43 -2,69 18,1

Gli effetti maggiori si osservano nelle unità demograficamente più lontane dalla struttura nazionale. La correzione riduce la spesa delle Regioni più anziane e aumenta quella delle Regioni più giovani. La media nazionale resta invariata perché la popolazione pesata è normalizzata al totale residente italiano.

6. Analisi statistica

6.1 Modello A – solo fattore demografico

S_res = 12,68 + 120,39 × F_eta

Parametro Coefficiente SE OLS p OLS SE HC3 p HC3
Intercetta 12,68 107,70 0,908 174,54 0,943
Fattore età 120,39 106,42 0,272 170,59 0,489

R² = 0,063. Il solo fattore demografico spiega il 6,3% della variabilità regionale della spesa osservata.

6.2 Modello B – sola vulnerabilità reddituale

S_res = 130,86 + 94,33 × V

Parametro Coefficiente SE OLS p OLS SE HC3 p HC3
Intercetta 130,86 3,29 0,0000 4,28 0,0000
Vulnerabilità 94,33 24,04 0,0009 32,96 0,0100

R² = 0,448. Dieci punti percentuali di maggiore vulnerabilità corrispondono a 9,43 euro pro capite di maggiore spesa stimata.

6.3 Modello multivariato principale

S_res = 7,04 + 122,43 × F_eta + 94,56 × V

Parametro β SE p IC95% OLS SE HC3 p HC3 IC95% HC3
Intercetta 7,04 79,79 0,9307 -160,61; 174,68 111,49 0,9504 -227,20; 241,27
Fattore età 122,43 78,83 0,1378 -43,19; 288,05 107,54 0,2698 -103,50; 348,36
Vulnerabilità 94,56 23,19 0,0007 45,84; 143,28 33,55 0,0114 24,06; 165,05
Indicatore Valore
N 21
R² 0,513
R² corretto 0,459
F globale 9,48
p modello 0,0015
AIC 173,09
BIC 176,22
RMSE residuo 12,93 €

Il modello spiega il 51,3% della variabilità osservata. A parità di fattore demografico, 10 punti percentuali di maggiore vulnerabilità sono associati a 9,46 euro pro capite in più. Con HC3 l’intervallo di confidenza per tale incremento è 2,41-16,50 euro.

I coefficienti standardizzati sono β età = 0,255 e β vulnerabilità = 0,671. La relazione reddituale è quindi più forte nel confronto tra le variazioni standardizzate dei predittori, ma ciò non equivale a un rapporto causale.

6.4 Modello con outcome già standardizzato OsMed

S_eta = 129,33 + 95,20 × V

Parametro β SE HC3 p HC3 IC95% HC3
Intercetta 129,33 4,16 0,0000 120,63; 138,03
Vulnerabilità 95,20 31,26 0,0067 29,76; 160,63

R² = 0,479. La stima di 9,52 euro per 10 punti percentuali è quasi identica a quella del modello multivariato diretto, confermando la coerenza delle due strategie di aggiustamento.

Grafico del rapporto
Figura 4. Grafico tratto dal rapporto.

Figura 4. Relazione tra vulnerabilità reddituale e spesa standardizzata OsMed.

7. Diagnostica e robustezza

7.1 Eteroschedasticità e normalità

Test Statistica p-value Interpretazione
Breusch-Pagan 7,537 0,0231 Eteroschedasticità presente
Shapiro-Wilk 0,964 0,6029 Nessuna forte deviazione dalla normalità

Poiché il test di Breusch-Pagan segnala eteroschedasticità, l’inferenza principale utilizza errori standard robusti HC3, particolarmente indicati con campioni piccoli e osservazioni potenzialmente influenti.

Grafico del rapporto
Figura 5. Grafico tratto dal rapporto.

Figura 5. Residui del modello multivariato rispetto ai valori previsti.

7.2 Multicollinearità

Predittore VIF
Fattore età 1,08
Vulnerabilità 1,08

La correlazione semplice tra i due predittori è -0,006. Non emerge multicollinearità sostanziale.

7.3 Osservazioni influenti

Regione Cook Leverage Residuo €
P.A. Bolzano 0,715 0,384 -20,32
Lombardia 0,542 0,187 33,52
Lazio 0,098 0,098 21,75
Liguria 0,088 0,234 -11,34
Sicilia 0,078 0,171 -13,52
Veneto 0,059 0,068 -20,98
Valle d’Aosta 0,042 0,089 -15,06
Basilicata 0,036 0,123 11,47

La soglia orientativa 4/N è 0,190. Bolzano e Lombardia superano tale valore e richiedono un’interpretazione prudente.

Grafico del rapporto
Figura 6. Grafico tratto dal rapporto.

Figura 6. Distanza di Cook per ciascuna unità territoriale.

7.4 Analisi leave-one-region-out

Escludendo una Regione alla volta, il coefficiente della vulnerabilità varia tra 76,74 e 118,19. Il relativo p-value robusto varia tra 0,0001 e 0,0377.

Regione esclusa β vulnerabilità p HC3 β età p età HC3
P.A. Bolzano 76,74 0,0377 32,51 0,7250
Basilicata 88,62 0,0210 120,00 0,2954
Valle d’Aosta 89,31 0,0210 129,17 0,2685
Veneto 89,35 0,0209 119,29 0,3307
Liguria 91,59 0,0126 156,98 0,1698
Sardegna 91,87 0,0202 110,18 0,3780
Calabria 92,11 0,0212 125,70 0,2619
Abruzzo 92,34 0,0144 118,98 0,2891
Campania 93,17 0,0112 131,80 0,3599
Emilia-Romagna 93,20 0,0218 121,91 0,2946
Toscana 93,23 0,0136 129,76 0,2489
Marche 94,27 0,0125 115,53 0,2978
Piemonte 94,56 0,0148 122,41 0,2698
Umbria 94,59 0,0118 125,92 0,2694
Friuli-V.G. 94,97 0,0130 119,74 0,2909
P.A. Trento 95,70 0,0183 126,71 0,2957
Puglia 96,86 0,0129 119,87 0,2811
Molise 97,42 0,0166 128,18 0,2728
Sicilia 101,97 0,0068 102,27 0,3742
Lazio 102,15 0,0110 139,03 0,1857
Lombardia 118,19 0,0001 155,62 0,0629

7.5 Interazione età × reddito

S_res = β0 + β1(A-centro) + β2(V-centro) + β3[(A-centro)×(V-centro)]

Parametro β p HC3
Età centrata 125,53 0,4137
Vulnerabilità centrata 97,04 0,0054
Interazione 139,75 0,9259

L’interazione non è supportata dai dati. AIC senza interazione = 173,09; AIC con interazione = 175,03. Il modello più semplice è preferibile.

8. Indicatore descrittivo aggiustato per età e censo

Per fini descrittivi è possibile sottrarre dalla spesa standardizzata la componente lineare associata alla vulnerabilità. Questo non è un valore osservato e non rappresenta un budget “giusto”; è un residuo ricentrato rispetto al reddito nazionale.

S_eta+censo,i = S_eta,i – 95,20 × V_i

Regione Spesa età € Reddito € Componente censo € Indicatore aggiustato € vs Italia %
P.A. Bolzano 92,15 29.850 -14,86 107,01 -20,7
Veneto 104,26 27.010 -4,39 108,65 -19,5
Valle d’Aosta 107,45 27.820 -7,37 114,82 -14,9
Sicilia 135,54 20.570 19,36 116,18 -13,9
Liguria 115,29 26.760 -3,47 118,76 -12,0
Toscana 120,03 26.390 -2,10 122,13 -9,5
Molise 143,10 20.460 19,76 123,34 -8,6
Puglia 144,90 20.470 19,72 125,18 -7,3
Emilia-Romagna 117,67 28.080 -8,33 126,00 -6,7
Umbria 130,09 24.760 3,91 126,18 -6,5
Piemonte 123,94 27.320 -5,53 129,47 -4,1
Friuli-V.G. 127,42 26.790 -3,58 131,00 -3,0
Calabria 158,02 19.020 25,07 132,95 -1,5
P.A. Trento 128,37 27.242 -5,24 133,62 -1,0
Campania 150,33 21.360 16,44 133,89 -0,8
Sardegna 149,49 21.990 14,12 135,37 0,3
Abruzzo 149,24 22.670 11,61 137,63 2,0
Marche 143,20 24.600 4,50 138,70 2,8
Basilicata 159,43 20.600 19,25 140,18 3,9
Lazio 144,26 27.780 -7,23 151,49 12,2
Lombardia 147,29 30.200 -16,15 163,44 21,1

Grafico del rapporto
Figura 7. Grafico tratto dal rapporto.

Figura 7. Indicatore descrittivo aggiustato per età, sesso e reddito.

L’uso di questa graduatoria deve essere prudente: il coefficiente reddituale può incorporare differenze non misurate correlate con il reddito, tra cui organizzazione regionale, canali distributivi, burden di malattia e politiche di compartecipazione.

8.1 Graduatorie regionali operative

Le tabelle seguenti esplicitano tre graduatorie, ordinate dalla spesa aggiustata più bassa alla più alta. Il termine “virtuosa” è usato solo in senso descrittivo-statistico: indica una spesa convenzionata netta più bassa dopo lo specifico aggiustamento, non una prova autonoma di efficienza, appropriatezza prescrittiva o qualità clinica.

Media nazionale di riferimento: 134,98 euro pro capite.

Tabella 14. Graduatoria per sola standardizzazione demografica OsMed

Corregge solo la struttura per età e sesso. Non corregge le differenze socioeconomiche regionali.

Rank Regione Spesa aggiustata solo età/sesso (€/capite) Lettura descrittiva
1 P.A. Bolzano 92,15 molto sotto media
2 Veneto 104,26 molto sotto media
3 Valle d’Aosta 107,45 molto sotto media
4 Liguria 115,29 sotto media
5 Emilia-Romagna 117,67 sotto media
6 Toscana 120,03 sotto media
7 Piemonte 123,94 sotto media
8 Friuli-V.G. 127,42 sotto media
9 P.A. Trento 128,37 sotto media
10 Umbria 130,09 circa media
11 Sicilia 135,54 circa media
12 Molise 143,10 sopra media
13 Marche 143,20 sopra media
14 Lazio 144,26 sopra media
15 Puglia 144,90 sopra media
16 Lombardia 147,29 sopra media
17 Abruzzo 149,24 sopra media
18 Sardegna 149,49 sopra media
19 Campania 150,33 molto sopra media
20 Calabria 158,02 molto sopra media
21 Basilicata 159,43 molto sopra media

Tabella 15. Graduatoria per solo censo/reddito MEF

Corregge solo la componente lineare associata alla vulnerabilità reddituale. Non corregge la struttura demografica.

Rank Regione Spesa aggiustata solo censo (€/capite) Lettura descrittiva
1 P.A. Bolzano 100,07 molto sotto media
2 Veneto 109,35 molto sotto media
3 Sicilia 112,60 molto sotto media
4 Valle d’Aosta 117,37 sotto media
5 Campania 123,97 sotto media
6 Puglia 124,60 sotto media
7 Emilia-Romagna 126,79 sotto media
8 Toscana 126,88 sotto media
9 Liguria 128,49 sotto media
10 Molise 129,33 sotto media
11 Calabria 130,78 circa media
12 P.A. Trento 131,17 circa media
13 Umbria 132,16 circa media
14 Piemonte 134,35 circa media
15 Friuli-V.G. 137,78 circa media
16 Abruzzo 141,10 sopra media
17 Basilicata 143,05 sopra media
18 Marche 143,30 sopra media
19 Sardegna 143,74 sopra media
20 Lazio 149,97 sopra media
21 Lombardia 161,30 molto sopra media

Tabella 16. Graduatoria combinata età/sesso + censo/reddito

Corregge simultaneamente la struttura demografica OsMed e la componente lineare associata al reddito. È la graduatoria descrittiva più equilibrata, ma non misura automaticamente appropriatezza o efficienza clinica.

Rank Regione Spesa aggiustata età + censo (€/capite) Lettura descrittiva
1 P.A. Bolzano 107,01 molto sotto media
2 Veneto 108,65 molto sotto media
3 Valle d’Aosta 114,82 molto sotto media
4 Sicilia 116,18 sotto media
5 Liguria 118,76 sotto media
6 Toscana 122,13 sotto media
7 Molise 123,34 sotto media
8 Puglia 125,18 sotto media
9 Emilia-Romagna 126,00 sotto media
10 Umbria 126,18 sotto media
11 Piemonte 129,47 sotto media
12 Friuli-V.G. 131,00 circa media
13 Calabria 132,95 circa media
14 P.A. Trento 133,62 circa media
15 Campania 133,89 circa media
16 Sardegna 135,37 circa media
17 Abruzzo 137,63 circa media
18 Marche 138,70 circa media
19 Basilicata 140,18 sopra media
20 Lazio 151,49 molto sopra media
21 Lombardia 163,44 molto sopra media

Sintesi interpretativa: la graduatoria per sola età/sesso mantiene diverse Regioni meridionali nella parte alta della spesa; la graduatoria per solo censo sposta verso il basso Sicilia, Campania, Puglia, Molise e Calabria; la graduatoria combinata età/sesso + censo è quella da usare per la lettura descrittiva finale, mantenendo però la distinzione tra aggiustamento statistico ed efficienza sanitaria.

9. Interpretazione

La standardizzazione OsMed modifica sostanzialmente la lettura di alcune Regioni. Nelle popolazioni più anziane una parte della spesa osservata è coerente con il maggiore fabbisogno demografico; nelle popolazioni più giovani la correzione fa emergere una spesa standardizzata più elevata.

La vulnerabilità reddituale rimane associata alla spesa dopo il controllo per età e sesso. Il risultato è coerente con il gradiente territoriale descritto dallo stesso Rapporto OsMed, ma non consente di identificare il meccanismo causale. Un reddito medio più basso può essere indicatore di deprivazione, maggiore prevalenza di malattia, minore prevenzione, diversa struttura occupazionale o differenze nei canali di accesso alle cure.

Il fattore demografico non significativo nel modello ecologico non contraddice la forte relazione individuale tra età e consumo di farmaci. Il fattore regionale varia in un intervallo relativamente ristretto e il campione contiene soltanto 21 unità; inoltre la popolazione pesata comprime in un unico indice una struttura dettagliata per età e sesso.

10. Limiti

  • Disegno ecologico: le associazioni regionali non sono trasferibili automaticamente agli individui.

  • Campione piccolo: 21 unità territoriali, con potenza limitata e sensibilità alle osservazioni influenti.

  • Reddito medio: non misura direttamente distribuzione, povertà, patrimonio o deprivazione intraregionale.

  • Trento: reddito ricostruito provvisoriamente e non estratto da una tabella provinciale diretta.

  • Confondimento residuo: distribuzione diretta/DPC, mobilità, patologie, prescrizioni, prezzi e mix terapeutico non inclusi.

  • Temporalità: spesa e reddito sono analizzati nello stesso anno; non è possibile stabilire precedenza temporale.

  • Indicatore aggiustato: non misura efficienza, appropriatezza o spreco senza ulteriori dati clinici e organizzativi.

Per il panel 2018-2024 si aggiungono limiti specifici: il numero di anni è ridotto, i modelli dinamici con effetti fissi possono essere instabili con T breve, redditi e spesa sono misurati in valori nominali, e il periodo include shock organizzativi e pandemici. Per questo l’analisi cross-lagged è presentata come robustezza esplorativa e non come dimostrazione causale.

11. Analisi longitudinale e cross-lagged 2018-2024

L’analisi trasversale 2024 descrive una relazione ecologica tra territori: le Regioni con maggiore vulnerabilità reddituale tendono ad avere una spesa più elevata, anche dopo standardizzazione demografica. Per verificare se questa relazione abbia anche una direzione temporale semplice, è stato costruito un panel regionale 2018-2024 integrando tre blocchi informativi: monitoraggi AIFA gennaio-dicembre, popolazione residente e pesata OsMed, redditi IRPEF MEF.

Il panel comprende 21 Regioni e Province autonome per 7 anni, per un totale di 147 osservazioni. La spesa è stata analizzata in due forme: spesa convenzionata netta SSN e spesa prescrittiva complessiva, pari a spesa netta più ticket fisso più quota prezzo di riferimento. In entrambi i casi l’indicatore è stato diviso per la popolazione pesata OsMed, evitando doppie pesature: gli importi assoluti AIFA sono stati rapportati una sola volta alla popolazione pesata annuale.

Anno Regioni/P.A. Reddito medio Italia € Spesa netta età €/capite Spesa netta + ticket età €/capite
2018 21 21.660 126,23 151,49
2019 21 21.800 125,50 150,54
2020 21 21.570 124,52 148,07
2021 21 22.540 125,06 148,43
2022 21 23.650 126,94 150,69
2023 21 24.830 128,00 151,49
2024 21 25.820 132,92 156,72

11.1 Modello cross-lagged operativo

Il modello principale usa la spesa dell’anno successivo come outcome e include la spesa dell’anno precedente, la vulnerabilità reddituale dell’anno precedente, effetti fissi regionali ed effetti fissi annuali.

Spesai,t = Spesai,t-1 + Vulnerabilitài,t-1 + FERegione + FEAnno + εi,t

Questa specificazione non risponde più alla domanda “le Regioni più povere spendono di più?”, ma a una domanda più restrittiva: “quando una Regione cambia nel tempo rispetto alla propria traiettoria, l’aumento della vulnerabilità precede un aumento della spesa?”.

Analisi Coefficiente SE cluster Regione p IC95% n
Spesa netta standardizzata -110,485 40,829 0,007 -190,509 ; -30,461 126
Spesa netta + ticket standardizzata -119,305 47,009 0,011 -211,440 ; -27,170 126
Sensibilità: esclusi outcome 2020-2021 -106,295 44,144 0,016 -192,815 ; -19,774 84
Prime differenze annuali -38,210 26,644 0,152 -90,432 ; 14,011 126
Direzione inversa: spesa precedente → vulnerabilità 0,001 0,000 0,269 -0,000 ; 0,001 126

Nel modello dinamico principale, la spesa mostra una chiara persistenza temporale: per la spesa netta più ticket standardizzata il coefficiente della spesa laggata è 0,572. La vulnerabilità reddituale laggata ha invece coefficiente -119,3 sulla spesa netta più ticket standardizzata, pari a circa -11,9 euro per 10 punti percentuali di vulnerabilità. Il segno è negativo e il valore è statisticamente significativo nella specificazione con errori clusterizzati per Regione.

11.2 Controlli di robustezza longitudinali

Il risultato non sembra dipendere da una sola Regione: nel leave-one-region-out il coefficiente della vulnerabilità laggata resta negativo in tutte le iterazioni.

Outcome Min coeff. Max coeff. Media coeff.
Spesa netta standardizzata -123,3 -77,2 -110,1
Spesa netta + ticket standardizzata -136,1 -74,3 -118,9

È stata inoltre ripetuta la stima escludendo gli anni outcome 2020-2021, per ridurre l’influenza della fase COVID. Il coefficiente della vulnerabilità laggata sulla spesa netta più ticket resta negativo (-106,3; p=0,016). Nel modello in prime differenze annuali il segno resta negativo, ma non raggiunge la significatività statistica convenzionale.

11.3 Cross-section annuali e lettura integrata

Le regressioni cross-section ripetute anno per anno mantengono invece il significato della prima parte del rapporto: descrivono differenze tra territori nello stesso anno. La tabella seguente riporta il coefficiente della vulnerabilità sulla spesa netta più ticket standardizzata nelle singole annualità.

Anno Coeff. vulnerabilità p R²
2018 106,0 0,001 0,483
2019 108,2 0,001 0,489
2020 116,0 0,001 0,500
2021 118,3 0,002 0,497
2022 116,9 0,003 0,491
2023 120,1 0,002 0,497
2024 124,5 <0,001 0,552

La lettura complessiva è quindi più articolata: il gradiente socioeconomico è importante nella comparazione tra Regioni, ma il panel 2018-2024 non supporta una narrazione causale semplice secondo cui un peggioramento reddituale regionale produca automaticamente maggiore spesa farmaceutica nell’anno successivo. Il segnale trasversale appare soprattutto strutturale e territoriale; il segnale longitudinale entro Regione è diverso e deve essere interpretato come analisi esplorativa, non come prova causale definitiva.

12. Conclusioni

La standardizzazione ufficiale OsMed consente di confrontare la spesa regionale tenendo conto della diversa struttura per età e sesso. Nel 2024 il modello con fattore demografico e vulnerabilità reddituale spiega il 51,3% della variabilità della spesa convenzionata netta. La vulnerabilità reddituale resta associata in modo statisticamente significativo alla spesa con errori robusti HC3; il fattore demografico presenta il segno atteso ma non è statisticamente preciso nel campione regionale.

L’analisi longitudinale rafforza la cautela interpretativa: il gradiente osservato tra Regioni non deve essere letto come effetto causale immediato del reddito sulla spesa. Il messaggio finale diventa quindi più solido: età, censo e ticket sono indispensabili per confrontare correttamente i territori, ma le differenze residue rappresentano un fenomeno strutturale che richiede ulteriori variabili organizzative e cliniche.

Questi risultati costituiscono una base documentata per la successiva analisi panel. La fase longitudinale dovrà verificare se le variazioni del reddito precedono le variazioni della spesa e se l’associazione persiste dopo il controllo per effetti fissi regionali, trend temporali e autoregressione della spesa.

Appendice A. Riproducibilità dei calcoli

Sequenza operativa:

  1. Estrarre spesa netta regionale AIFA Tabella 3.

  2. Estrarre popolazione residente e pesata OsMed Tabella 3.2.

  3. Estrarre reddito medio MEF Figura 1.3.

  4. Calcolare F_eta = popolazione pesata / residente.

  5. Calcolare spesa osservata e standardizzata.

  6. Calcolare vulnerabilità rispetto a 25.820 euro.

  7. Stimare OLS progressivi e modello multivariato.

  8. Ricalcolare gli errori standard con HC3.

  9. Eseguire diagnostica: residui, Breusch-Pagan, Shapiro-Wilk, VIF, Cook e leave-one-out.

  10. Conservare separata la graduatoria descrittiva aggiustata dall’interpretazione causale.

Appendice B. Fonti bibliografiche

  • Agenzia Italiana del Farmaco. Monitoraggio della Spesa Farmaceutica Nazionale e Regionale, gennaio-dicembre 2024.

  • Agenzia Italiana del Farmaco. L’uso dei farmaci in Italia. Rapporto Nazionale OsMed 2024.

  • Ministero dell’Economia e delle Finanze, Dipartimento delle Finanze. Analisi dei dati IRPEF – anno d’imposta 2024.

  • ISTAT. Popolazione residente al 1° gennaio 2024, come recepita nelle tabelle OsMed.

Analisi integrativa: spesa netta più ticket fisso e quota prezzo di riferimento

Questa integrazione aggiunge una seconda prospettiva rispetto alla sola spesa netta SSN. La spesa netta misura il carico residuo sul Servizio sanitario dopo sconti, compartecipazioni e pay-back; dal punto di vista del medico prescrittore, tuttavia, è utile osservare anche il carico farmaceutico complessivo generato dalla prescrizione, includendo le compartecipazioni a carico del cittadino.

Fonte operativa: AIFA, Monitoraggio della spesa farmaceutica gennaio-dicembre 2024, Tabella 4. La tabella distingue: totale compartecipazione 2024, quota di compartecipazione sul prezzo di riferimento 2024 e ticket fisso per ricetta 2024. La nota AIFA specifica inoltre le Regioni che hanno abolito il ticket fisso; tra queste sono comprese Emilia-Romagna e Toscana. Pertanto, nel 2024 il confronto Toscana-Emilia-Romagna non è sostanzialmente influenzato dal ticket fisso per ricetta, mentre la lordizzazione resta importante nel confronto con Regioni che applicano quote più alte di ticket fisso o di prezzo di riferimento.

Definizione delle variabili aggiuntive

T_i = T_fisso,i + Q_prif,i

S_prescrittiva,i = S_netta,i + T_i

S_prescrittiva_eta,i = S_prescrittiva,i / Popolazione_pesata_i

S_prescrittiva_eta+censo,i = S_prescrittiva_eta,i – beta_censo x Vulnerabilita_i

Dove T_i è la compartecipazione totale, T_fisso,i è il ticket fisso per ricetta, Q_prif,i è la quota eccedente il prezzo di riferimento dei farmaci a brevetto scaduto, e beta_censo è stimato nel modello univariato tra vulnerabilità reddituale e spesa prescrittiva standardizzata per età/sesso.

Componenti della compartecipazione

Regione Totale compartecipazione €/res Quota prezzo riferimento €/res Ticket fisso €/res
P.A. Trento 13,04 12,77 0,27
Piemonte 13,83 13,70 0,12
Toscana 13,87 13,76 0,11
Friuli-V.G. 14,77 14,77 0,00
Emilia-Romagna 14,97 14,86 0,11
Sardegna 18,12 17,96 0,15
Umbria 19,01 18,94 0,07
Marche 19,72 19,64 0,08
P.A. Bolzano 20,58 11,51 9,07
Basilicata 24,46 24,34 0,12
Valle d’Aosta 25,69 13,43 12,26
Abruzzo 26,19 21,16 5,03
Veneto 26,67 14,05 12,62
Lazio 27,56 24,47 3,09
Lombardia 27,59 13,86 13,73
Liguria 29,94 16,06 13,88
Calabria 31,46 23,85 7,61
Puglia 32,54 21,13 11,41
Sicilia 32,56 22,46 10,10
Molise 32,97 22,94 10,03
Campania 37,20 23,02 14,18

Grafico del rapporto
Figura 8. Grafico tratto dal rapporto.

Figura integrativa 1. Composizione della compartecipazione a carico del cittadino per residente.

Modello multivariato con outcome spesa netta + compartecipazione

Outcome osservato per residente: S_prescrittiva = spesa netta SSN + totale compartecipazione cittadino.

Variabile Coefficiente SE robusto HC3 p HC3 IC95% HC3
const 92,55 124,40 0,4665 -168,80; 353,89
Fattore_eta 60,47 119,22 0,6181 -189,99; 310,94
Vulnerabilita 123,36 38,80 0,0052 41,83; 204,88
Indicatore Valore
n 21
R² 0,575
R² corretto 0,528
AIC 176,65
BIC 179,78
Breusch-Pagan p 0,0172
Shapiro-Wilk p residui 0,0406

Il coefficiente della vulnerabilità reddituale è 123,36. Pertanto, un aumento di 10 punti percentuali della vulnerabilità è associato a circa 12,34 euro/residente di maggiore spesa netta più compartecipazione, a parità di fattore demografico OsMed. Il fattore demografico conserva il segno positivo ma resta non significativo con errori robusti HC3.

Modello su spesa netta + compartecipazione già standardizzata per età/sesso

Outcome: S_prescrittiva_eta = (spesa netta + compartecipazione totale) / popolazione pesata OsMed.

Variabile Coefficiente SE robusto HC3 p HC3 IC95% HC3
const 152,02 4,81 0,0000 141,95; 162,10
Vulnerabilita 124,57 36,24 0,0028 48,73; 200,42

La retta stimata è S_prescrittiva_eta = 152,02 + 124,57 x Vulnerabilità. La variabile reddituale spiega R²=0,553 della variabilità regionale della spesa comprensiva di ticket dopo standardizzazione demografica.

Grafico del rapporto
Figura 9. Grafico tratto dal rapporto.

Figura integrativa 2. Relazione tra vulnerabilità reddituale e spesa netta più compartecipazione standardizzata per età/sesso.

Graduatorie operative con spesa netta + ticket fisso + quota prezzo riferimento

La tabella seguente usa la variabile S_prescrittiva = spesa netta SSN + ticket fisso + quota prezzo di riferimento. Il ranking 1 indica la spesa aggiustata più bassa.

Rank età+censo Regione Netta+ticket €/res Netta+ticket età/sesso Netta+ticket età+censo Rank sola età
1 P.A. Bolzano 105,93 114,37 133,81 1
2 Toscana 138,67 133,37 136,12 5
3 Veneto 131,67 130,74 136,48 2
4 Valle d’Aosta 135,75 132,53 142,18 4
5 Umbria 155,04 148,26 143,15 10
6 Emilia-Romagna 133,50 132,52 143,43 3
7 Sicilia 164,34 169,03 143,70 13
8 Piemonte 142,70 137,24 144,47 6
9 Friuli-V.G. 149,00 141,44 146,12 7
10 Liguria 155,00 142,89 147,43 9
11 Sardegna 175,85 166,66 148,19 12
12 P.A. Trento 139,01 141,66 148,52 8
13 Molise 181,89 174,79 148,93 15
14 Puglia 176,69 177,61 151,80 18
15 Marche 167,48 162,31 156,42 11
16 Calabria 187,08 189,96 157,16 20
17 Basilicata 186,57 183,48 158,29 19
18 Abruzzo 178,79 174,85 159,65 16
19 Campania 177,46 190,20 168,68 21
20 Lazio 170,37 172,10 181,56 14
21 Lombardia 172,88 175,26 196,39 17

Grafico del rapporto
Figura 10. Grafico tratto dal rapporto.

Figura integrativa 3. Graduatoria della spesa netta più compartecipazione dopo aggiustamento per età/sesso e censo.

Analisi separata: quota prezzo riferimento e ticket fisso

Per distinguere le due componenti della compartecipazione, sono state calcolate anche due variabili intermedie: spesa netta + sola quota prezzo riferimento e spesa netta + solo ticket fisso.

Regione Netta+quota prezzo rif. età/sesso Rank Netta+ticket fisso età/sesso Rank
Abruzzo 169,93 18 154,16 16
Basilicata 183,36 21 159,54 18
Calabria 182,24 20 165,75 21
Campania 175,01 19 165,53 20
Emilia-Romagna 132,41 5 117,77 3
Friuli-V.G. 141,44 9 127,42 7
Lazio 168,98 17 147,39 13
Liguria 130,10 4 128,08 8
Lombardia 161,34 12 161,21 19
Marche 162,23 13 143,27 11
Molise 165,15 14 152,74 15
P.A. Bolzano 104,57 1 101,95 1
P.A. Trento 141,38 8 128,65 9
Piemonte 137,12 7 124,06 6
Puglia 166,14 15 156,37 17
Sardegna 166,52 16 149,64 14
Sicilia 158,64 11 145,93 12
Toscana 133,26 6 120,13 5
Umbria 148,20 10 130,15 10
Valle d’Aosta 120,55 3 119,42 4
Veneto 118,21 2 116,79 2

Effetto della lordizzazione sulla graduatoria

L’aggiunta delle compartecipazioni cambia la lettura rispetto alla sola spesa netta. Le Regioni senza ticket fisso non vengono penalizzate dalla sottrazione contabile del ticket; al contrario, il confronto si avvicina al carico prescrittivo complessivo. Toscana ed Emilia-Romagna hanno entrambe ticket fisso quasi nullo nel 2024 secondo la tabella AIFA, per cui il loro confronto resta determinato soprattutto da spesa netta, struttura demografica, quota prezzo di riferimento e reddito.

Regione Rank netta età+censo Rank netta+ticket età+censo Differenza rank
Molise 7 13 -6
Puglia 8 14 -6
Liguria 5 10 -5
Campania 15 19 -4
Calabria 13 16 -3
Sicilia 4 7 -3
Veneto 2 3 -1
Valle d’Aosta 3 4 -1
Abruzzo 17 18 -1
Lazio 20 20 0
P.A. Bolzano 1 1 0
Lombardia 21 21 0
Basilicata 19 17 2
P.A. Trento 14 12 2
Friuli-V.G. 12 9 3
Piemonte 11 8 3
Emilia-Romagna 9 6 3
Marche 18 15 3
Toscana 6 2 4
Umbria 10 5 5
Sardegna 16 11 5

Grafico del rapporto
Figura 11. Grafico tratto dal rapporto.

Figura integrativa 4. Spostamento della graduatoria quando si passa dalla spesa netta SSN alla spesa netta più compartecipazione.

Conclusione integrativa

La graduatoria basata sulla sola spesa netta è utile per leggere il carico residuo sul bilancio pubblico regionale, ma non è sufficiente per valutare il carico prescrittivo generato. La variabile spesa netta + compartecipazione è più coerente con la prospettiva del medico prescrittore e dovrebbe essere riportata come analisi parallela o di sensibilità. In questa seconda lettura, la vulnerabilità reddituale resta associata alla spesa anche dopo standardizzazione demografica, e la graduatoria regionale cambia in modo non trascurabile rispetto alla sola spesa netta.

Piattaforma web per test RheumAI

Sviluppo metodologico e tecnico

RheumAI V2: piattaforma web per la validazione clinica cieca di raccomandazioni terapeutiche generate da AI

Progettazione, implementazione e collaudo di un sistema in due fasi per distinguere
la decisione autonoma del medico dall’effetto della successiva esposizione a una
raccomandazione algoritmica in reumatologia.

Corpus congelato: 50 casi
Valutazione clinica in due fasi
Autosalvataggio e tracciabilità
Analytics ed export CSV

Riassunto

L’impiego dell’intelligenza artificiale come supporto alla decisione terapeutica
richiede procedure di validazione capaci di limitare fenomeni di ancoraggio e
automation bias. Per questo motivo è stata sviluppata RheumAI V2,
una piattaforma web che registra dapprima il giudizio clinico indipendente del
medico e rende visibile la raccomandazione AI solo dopo la conclusione definitiva
della prima valutazione.

Il sistema gestisce autenticazione, assegnazione dei casi, bozze, autosalvataggio,
recupero della sessione, confronto medico–AI, analytics amministrativi, tracciabilità
tecnica ed esportazione dei risultati. Il collaudo preliminare ha confermato il
funzionamento dell’intero percorso applicativo.

Introduzione

I sistemi basati su intelligenza artificiale possono integrare informazioni cliniche,
farmacologiche e provenienti dalle linee guida, proponendo opzioni terapeutiche ordinate
secondo criteri algoritmici. La valutazione di questi sistemi non può tuttavia limitarsi
a chiedere al medico se una raccomandazione sia corretta.

Quando il suggerimento dell’AI viene mostrato prima che il clinico abbia espresso il
proprio giudizio, la risposta può essere influenzata da ancoraggio, conformità implicita
o eccessiva fiducia nell’automazione. Diventa quindi necessario separare temporalmente
il giudizio autonomo dalla fase di confronto.

Obiettivi

Decisione indipendente
Raccogliere la prima scelta terapeutica del medico prima di mostrare qualunque
suggerimento prodotto dall’AI.
Confronto strutturato
Misurare accordo, disaccordo, cambiamento della decisione e scelta finale dopo
l’esposizione alla raccomandazione.
Riproducibilità
Conservare versioni, hash, date, stati, metadati ed export necessari alla verifica
metodologica dello studio.

Architettura della piattaforma

RheumAI V2 è stata implementata come applicazione web accessibile tramite browser,
senza installazione di software sul dispositivo del revisore. L’infrastruttura
comprende:

  • interfaccia in PHP, HTML, CSS e JavaScript;
  • database relazionale MySQL;
  • autenticazione a sessione per i revisori;
  • login amministrativo separato;
  • API per casi, bozze, valutazioni, analytics ed export;
  • corpus clinico congelato;
  • registrazione degli eventi principali;
  • esportazione CSV per l’analisi statistica.
Separazione delle interfacce.
L’ingresso principale del revisore indirizza alla dashboard dello studio V2.
Il precedente pannello legacy e gli strumenti diagnostici visibili sono stati rimossi
dall’interfaccia operativa.

Corpus clinico

Il corpus sperimentale comprende 50 casi clinici reumatologici
predisposti e congelati prima dell’avvio della raccolta. Le principali categorie
comprendono artrite reumatoide, artrite psoriasica, spondiloartrite assiale,
artrite associata a malattie infiammatorie intestinali e differenti forme di
artrite idiopatica giovanile.

Ogni caso è associato a:

  • identificativo tecnico del caso;
  • identificativo pseudonimizzato del paziente;
  • categoria di malattia;
  • snapshot clinico strutturato;
  • raccomandazione terapeutica generata dall’AI;
  • modello e data di generazione;
  • hash dello snapshot clinico;
  • hash della raccomandazione.

Gli hash permettono di controllare che il materiale sottoposto ai revisori rimanga
invariato durante la raccolta.

Procedura di valutazione

1

Fase A: valutazione clinica indipendente

Il medico visualizza esclusivamente il profilo clinico ed esprime la propria
decisione terapeutica. Possono essere registrati prima scelta, alternativa,
ragionamento clinico, aspetti di sicurezza, esami aggiuntivi e livello di confidenza.

Durante la compilazione i dati vengono salvati come bozza e possono essere
recuperati dopo logout, chiusura del browser o accesso da un altro dispositivo.

2

Fase B: confronto con la raccomandazione AI

Solo dopo la finalizzazione della Fase A viene mostrata la raccomandazione AI,
comprendente prima scelta, ragionamento clinico, opzioni ordinate, cautele,
riferimenti alle linee guida, follow-up, screening mancanti e limitazioni.

Il medico indica quindi livello di accordo, eventuale cambiamento della decisione,
scelta finale, motivazione e commenti.

Il completamento della Fase B chiude l’assegnazione e determina il passaggio automatico
al caso successivo.

Protezione della cecità metodologica

La cecità non è affidata alla sola presentazione grafica. Prima della conclusione
definitiva della Fase A, il backend non restituisce al browser il contenuto della
raccomandazione AI.

Sono stati inoltre esclusi dalla vista clinica alcuni campi intermedi potenzialmente
rivelatori, tra cui:

  • rag_context;
  • pre_filtered_candidates;
  • pre_contraindicated.

Questa scelta riduce la possibilità che il revisore possa dedurre indirettamente il
trattamento proposto dal sistema.

Note tecniche e struttura dei dati

Le principali tabelle dedicate allo studio V2 sono:

  • re_v2_study_cases;
  • re_v2_study_assignments;
  • re_v2_study_drafts;
  • re_v2_study_reviews_a;
  • re_v2_study_reviews_b;
  • re_v2_study_events.
Tabella Funzione Elemento di integrità
study_cases Corpus clinico e raccomandazioni congelate Hash clinico e hash della raccomandazione
assignments Collegamento tra revisore, caso e posizione Stati espliciti e date operative
drafts Autosalvataggio dei dati parziali Una bozza per assegnazione
reviews_a Giudizio medico autonomo Un record definitivo per assegnazione
reviews_b Confronto medico–AI Riferimento obbligatorio alla review A
events Tracciabilità del percorso applicativo Registrazione degli eventi principali

Stati delle assegnazioni

  • assigned: caso assegnato ma non ancora aperto;
  • in_progress: caso aperto o parzialmente compilato;
  • completed: Fase A e Fase B concluse;
  • excluded: assegnazione esclusa.

Nomenclatura tecnica

Alcuni identificativi interni conservano il termine storico claude
per compatibilità e tracciabilità del corpus congelato. Nell’interfaccia destinata
ai revisori viene invece utilizzato il termine generico AI.

Autenticazione e sicurezza

Revisori

Sono stati implementati e collaudati login, logout, recupero password, invio email,
reset forzato da parte dell’amministratore e conservazione dell’avanzamento dopo
la modifica della password.

Amministratore

L’accesso amministrativo è gestito tramite una pagina dedicata e una sessione separata.
Le principali misure comprendono:

  • rigenerazione dell’identificativo di sessione dopo il login;
  • cookie HttpOnly e Secure;
  • impostazione SameSite=Strict;
  • scadenza dopo otto ore di inattività;
  • blocco temporaneo dopo ripetuti tentativi errati;
  • logout esplicito;
  • protezione dell’accesso diretto al pannello.
La piattaforma è un ambiente di ricerca e non deve essere considerata un dispositivo
medico certificato o uno strumento destinato all’applicazione diretta delle
raccomandazioni su pazienti reali.

Collaudo effettuato

Il collaudo funzionale ha incluso:

Corpus 50/50
Assegnazione casi
Bozze Fase A
Bozze Fase B
Cecità AI
Passaggio automatico
Recupero password
Login admin
Analytics
Export CSV

Un primo caso è stato completato integralmente. Un secondo caso è stato utilizzato
per verificare il recupero della Fase B, il logout, il nuovo accesso e il ripristino
dei dati inseriti.

Il pannello amministrativo mostra avanzamento individuale, Fasi A e B completate,
accordo medico–AI, cambiamento della decisione e distribuzione per patologia.
Sono inoltre disponibili due esportazioni: casi completati e tutte le assegnazioni.

I dati presenti durante il collaudo non costituiscono risultati scientifici.
Prima dello studio reale saranno eliminati mediante query MySQL transazionali
limitate al revisore di prova.

Possibili analisi scientifiche

Il disegno consente di stimare, tra gli altri:

  • concordanza tra prima scelta medica e prima scelta AI;
  • accordo completo, parziale o assente;
  • percentuale di decisioni modificate dopo l’esposizione all’AI;
  • direzione del cambiamento terapeutico;
  • differenze per patologia e classe farmacologica;
  • associazione tra esperienza del medico e accordo;
  • associazione tra confidenza iniziale e cambiamento;
  • frequenza di conferma delle cautele di sicurezza;
  • persistenza del disaccordo dopo il confronto.

Un elevato accordo non dimostra automaticamente la superiorità dell’AI. Analogamente,
la modifica di una decisione non prova che la nuova scelta sia corretta. Sarà quindi
necessario prevedere un riferimento clinico indipendente o una procedura di adjudication.

Limiti e sviluppi successivi

I principali limiti dell’attuale fase sono:

  • utilizzo di un solo revisore di prova;
  • numero limitato di casi completati durante il collaudo;
  • assenza di risultati clinici statisticamente interpretabili;
  • necessità di definire endpoint e piano di analisi;
  • necessità di formalizzare protocollo ed aspetti etico-regolatori;
  • possibile eterogeneità dei modelli AI originariamente utilizzati;
  • possibili effetti dell’ordine e dell’apprendimento progressivo.

Passaggi previsti prima dell’avvio reale

  1. backup del database e conservazione degli export di collaudo;
  2. pulizia transazionale dei dati del revisore di prova;
  3. verifica finale dell’immutabilità del corpus;
  4. definizione di endpoint primario e secondari;
  5. calcolo della numerosità campionaria;
  6. definizione della procedura di adjudication;
  7. eventuale randomizzazione dell’ordine dei casi;
  8. congelamento della versione del codice e del database;
  9. predisposizione della documentazione etica e informativa;
  10. avvio controllato della raccolta con revisori reali.

Conclusioni

RheumAI V2 costituisce una piattaforma web completa per la validazione cieca,
sequenziale e tracciabile di raccomandazioni terapeutiche generate da AI in
reumatologia.

Il sistema separa il giudizio autonomo del medico dalla successiva esposizione
alla raccomandazione algoritmica, conserva bozze e valutazioni definitive,
registra gli stati di avanzamento, fornisce analytics ed esporta dataset
strutturati per l’analisi.

Il collaudo preliminare ha confermato il corretto funzionamento del percorso
applicativo. L’avvio dello studio con revisori reali resta subordinato alla
pulizia dei dati di test, al congelamento finale della versione e alla definizione
formale del protocollo scientifico, statistico ed etico.

Nota editoriale.
Questo testo descrive lo sviluppo e il collaudo tecnico-metodologico della piattaforma.
Non presenta risultati clinici dello studio e non attribuisce efficacia o superiorità
terapeutica al sistema di intelligenza artificiale.

RheumAI sistema per il supporto decisionale e il training per la prescrizione dei farmaci biologici ai pazienti con artrite

 

L’Intelligenza Artificiale in Reumatologia: Validato RheumAI, il Sistema Ibrido che Elimina le Allucinazioni Cliniche

La terapia farmacologica delle artriti infiammatorie ha vissuto un’espansione senza precedenti: oggi i clinici dispongono di DMARD sintetici convenzionali (csDMARD), oltre una dozzina di agenti biologici con diversi meccanismi d’azione e quattro inibitori delle Janus chinasi (JAKi). Scegliere la molecola corretta significa incrociare fenotipo di malattia, comorbidità, screening infettivologici e segnali di sicurezza normativi (come i dati dello studio ORAL Surveillance sui rischi cardiovascolari dei JAKi).

In Italia, a questa complessità clinica si aggiunge il carico burocratico della Nota 87 AIFA, che impone precisi prerequisiti di rimborsabilità. Per rispondere a questa sfida nasce RheumAI, un Sistema di Supporto alle Decisioni Cliniche (CDSS) progettato con un’architettura ibrida. Un nuovo studio di validazione tecnica condotto su un corpus di 200 casi sintetici dimostra come sia possibile coniugare la potenza dei modelli linguistici con la sicurezza matematica dei dati.

L’Architettura di RheumAI: Perché i Modelli Puri Non Bastano

I Large Language Models (LLM) presentano capacità straordinarie nella sintesi del ragionamento, ma il loro impiego autonomo in medicina espone al rischio di “allucinazioni” cliniche o omissioni fatali. RheumAI risolve il problema alla radice separando i compiti all’interno di un’applicazione sviluppata in FastAPI e PostgreSQL:

  1. Filtro deterministico di sicurezza: Un livello software rigido analizza le controindicazioni assolute/relative e calcola un punteggio di rischio cardiovascolare e tromboembolico prima di qualsiasi elaborazione dell’IA.
  2. Strato RAG (Retrieval-Augmented Generation): L’algoritmo (basato su API Claude di Anthropic) non risponde “a memoria”, ma è costretto a consultare una base di conoscenza indicizzata contenente 16 linee guida ufficiali (EULAR, ACR, ASAS, GRAPPA, BSR) e i quadri regolatori nazionali.
  3. Riconciliazione degli alert: I risultati del filtro di sicurezza iniziale vengono fusi programmaticamente nell’output finale. Anche se l’IA dovesse omettere un dettaglio, il sistema lo reinserisce in modo deterministico.

Metodologia di Validazione dello Studio

Il sistema è stato testato su un corpus di 200 profili di pazienti generati programmaticamente in Python (random seed=42) per coprire l’intero spettro epidemiologico delle artropatie infiammatorie, bilanciando età, sesso, durata di malattia, indici di attività e linee di trattamento (45.5% naive, 36.5% seconda linea, 18.0% terza linea o superiore). Le comorbidità erano presenti nel 49.5% dei casi.

L’output di RheumAI per ciascun caso è stato valutato in modo indipendente e in “doppio cieco” da due giudici d’eccezione, strutturalmente diversi tra loro: GPT-4o (OpenAI) e Gemini 2.5 Flash (Google). I quattro criteri di valutazione includevano la concordanza sul farmaco di prima scelta, la correttezza delle controindicazioni, la completezza degli alert di sicurezza e l’aderenza complessiva alle linee guida.

I Risultati Globali e l’Analisi Statistica

Su un totale di 400 valutazioni complessive, il sistema ha mostrato una precisione assoluta sul piano della sicurezza. La tabella seguente mostra la concordanza registrata per ciascun criterio, con i relativi intervalli di confidenza al 95% calcolati tramite il metodo esatto di Clopper-Pearson.

Tabella 1. Concordanza per Criterio rispetto all’Output di RheumAI (N=200)

Criterio di Valutazione GPT-4o (95% CI) Gemini 2.5 Flash (95% CI) Consensus (Entrambi i Giudici)
Concordanza 1ª Scelta 95.0% (91.1–97.6%) 90.5% (85.6–94.2%) 89.0% (83.8–93.0%)
Correttezza Controindicazioni 100% (98.2–100%) 100% (98.1–100%) 100% (98.2–100%)
Completezza Alert Sicurezza 100% (98.2–100%) 100% (98.2–100%) 100% (98.2–100%)
Aderenza Linee Guida 95.0% (91.1–97.6%) 90.5% (85.6–94.2%) 87.5% (82.1–91.7%)

L’Accordo Inter-Rater e il “Paradosso della Prevalenza”

L’analisi statistica dell’accordo tra i due giudici artificiali (Tabella 2) ha evidenziato un dato metodologico cruciale. Per i criteri di sicurezza (Controindicazioni e Alert), l’accordo osservato (P₀) è stato pari a 1.000 (100% di concordanza perfetta). In questo contesto di simmetria estrema dei risultati, il K di Cohen crolla matematicamente a 0. Si tratta del noto paradosso della prevalenza di Feinstein e Cicchetti, riscontrabile quando l’esito positivo rasenta la totalità dei casi. Per ovviare a questo bias, l’indice primario di riferimento utilizzato è il PABAK (Prevalence-and-Bias-Adjusted Kappa), che ha confermato un accordo eccellente (media 0.905). Il test esatto di McNemar (p ≥ 0.05) ha escluso asimmetrie sistematiche, indicando che nessun giudice è stato più severo dell’altro.

Tabella 2. Indici di Accordo Inter-Rater (GPT-4o vs Gemini 2.5 Flash)

Criterio P₀ (Osservato) Cohen’s κ PABAK McNemar p
Terapia 1ª Scelta 0.920 0.389 0.840 0.077
Controindicazioni 1.000 0.000* 1.000 1.000
Alert Sicurezza 1.000 0.000* 1.000 1.000
Linee Guida 0.890 0.160 0.780 0.134

*Nota: κ = 0 dovuto al paradosso della prevalenza matematica in regime di accordo perfetto (P₀ = Pᴇ = 1.000).

Analisi di Dettaglio per Singola Patologia

L’efficacia della prima scelta non è stata uniforme tra le patologie (Tabella 3). Il sistema ha rasentato la perfezione assoluta (100% di concordanza) nell’Artrite Enteropatica, nella Still’s disease (JIA sistemica) e nelle forme poliarticolari pediatriche. Nelle forme oligoarticolari e nell’artrite correlata a entesite (ERA) si sono registrate le flessioni più evidenti, legate a incongruenze intrinseche nelle risposte di sequenziamento terapeutico previste dalle differenti linee guida internazionali e a limitazioni anagrafiche specifiche.

Tabella 3. Concordanza della Prima Scelta e Sicurezza per Categoria Clinica

Categoria di Patologia Casi (N) Concordanza Terapeutica Sicurezza Controindicazioni
Artrite Reumatoide 45 98.9% 100%
Artrite Psoriasica 41 90.2% 100%
Spondiloartrite Assiale 25 92.2% 100%
Artrite Enteropatica 12 100.0% 100%
JIA Sistemica 18 100.0% 100%
JIA Poliarticolare (RF-) 15 100.0% 100%
JIA Poliarticolare (RF+) 15 83.3% 100%
JIA Oligoarticolare 15 83.3% 100%
JIA correlata a Entesite (Post-Correzione) 15 80.0% 100%

Proprio il caso clinico della JIA correlata a entesite (ERA) evidenzia la valenza di questo approccio. Nella fase pre-correzione, la concordanza registrata si fermava al 63.3%. L’analisi approfondita delle discordanze ha rivelato una lacuna specifica nel database di conoscenza: il sistema proponeva etanercept in pazienti in età pediatrica inferiore ai 12 anni, ignorando il vincolo regolatorio internazionale. L’integrazione manuale di regole stratificate per età (introducendo adalimumab e secukinumab come prima linea per la fascia 6-11 anni) ha innalzato l’indice all’80.0%, isolando il restante 20% di divergenza a reali vuoti clinici della letteratura per i bambini al sotto dei 6 anni.

Conclusioni e Sviluppi Futuri

RheumAI rappresenta un benchmark tecnologico di rilievo nel panorama dei CDSS per la reumatologia, assicurando la totale aderenza ai vincoli di sicurezza fondamentali. Lo studio ricorda tuttavia come questa rimanga una validazione tecnica AI-to-AI. La transizione alla fase clinica prevede una Fase 2 di validazione clinica in cui quattro medici reumatologi analizzeranno i casi in forma double-blind sequenziale per misurare la concordanza tra l’uomo e l’algoritmo, presupposto indispensabile prima di consentirne qualunque impiego operativo sul campo.


Bibliografia Scientifica di Riferimento

Di seguito si riportano le fonti bibliografiche strutturate indicate nello studio regolatorio di RheumAI:

  1. Ytterberg SR, Bhatt DL, Mikuls TR, et al. Cardiovascular and cancer risk with tofacitinib in rheumatoid arthritis. N Engl J Med 2022;386:316–26.
  2. Fraenkel L, Bathon JM, England BR, et al. 2021 American College of Rheumatology guideline for the treatment of rheumatoid arthritis. Arthritis Care Res 2021;73:924–39.
  3. Smolen JS, Edwards CJ, Konzett V, et al. EULAR recommendations for the management of rheumatoid arthritis: 2025 update. Ann Rheum Dis 2026;85:991–1009.
  4. Singh JA, Guyatt G, Ogdie A, et al. 2018 ACR/NPF guideline for the treatment of psoriatic arthritis. Arthritis Rheumatol 2019;71:5–32.
  5. Gossec L, Kerschbaumer A, Ferreira RJO, et al. EULAR recommendations for the management of psoriatic arthritis: 2023 update. Ann Rheum Dis 2024;83:706–19.
  6. Ward MM, Deodhar A, Gensler LS, et al. 2019 update of the ACR/SAA/SPARTAN recommendations for ankylosing spondylitis and nonradiographic axial spondyloarthritis. Arthritis Rheumatol 2019;71:1599–613.
  7. Ramiro S, Nikiphorou E, Sepriano A, et al. ASAS-EULAR recommendations for the management of axial spondyloarthritis: 2022 update. Ann Rheum Dis 2023;82:19–34.
  8. Onel KB, Horton DB, Lovell DJ, et al. 2021 ACR guideline for the treatment of juvenile idiopathic arthritis. Arthritis Rheumatol 2022;74:553–69.
  9. Fautrel B, Mitrovic S, De Matteis A, et al. EULAR/PReS recommendations for the diagnosis and management of Still’s disease. Ann Rheum Dis 2024;83:1614–27.
  10. Nash P, Kerschbaumer A, Konzett V, et al. Expert consensus on treatment of immune-mediated inflammatory diseases with JAK inhibitors: 2024 update. Ann Rheum Dis 2025;84:664–79.
  11. Rügg L, Pluma A, Hamroun S, et al. EULAR recommendations for use of antirheumatic drugs in reproduction, pregnancy, and lactation: 2024 update. Ann Rheum Dis 2025;84:910–26.
  12. Furer V, Rondaan C, Heijstek MW, et al. 2019 update of EULAR recommendations for vaccination in adult patients with autoimmune inflammatory rheumatic diseases. Ann Rheum Dis 2020;79:39–52.
  13. Sebbag E, Lauper K, Molina-Collada J, et al. 2024 EULAR points to consider on targeted therapies in inflammatory arthritis with cancer history. Ann Rheum Dis 2025.
  14. Società Italiana di Reumatologia. Raccomandazioni per la terapia con farmaci biologici nell’artrite reumatoide e psoriasica — aggiornamento 2024. Rimini: SIR; 2024.
  15. Cohen J. A coefficient of agreement for nominal scales. Educ Psychol Meas 1960;20:37–46.
  16. Byrt T, Bishop J, Carlin JB. Bias, prevalence and kappa. J Clin Epidemiol 1993;46:423–9.
  17. Feinstein AR, Cicchetti DV. High agreement but low kappa: I. The problems of two paradoxes. J Clin Epidemiol 1990;43:543–9.
  18. Cicchetti DV, Feinstein AR. High agreement but low kappa: II. Resolving the paradoxes. J Clin Epidemiol 1990;43:551–8.
  19. Ong JCL, Jin L, Elangovan K, et al. Large language model as CDSS augments medication safety in 16 clinical specialties. Cell Rep Med 2025;6:102323.
  20. Benavent D, Madrid-García A. Large language models and rheumatology: are we there yet? Rheumatol Adv Pract 2024;8:rkae119.
  21. Krusche M, Callhoff J, Knitza J, Ruffer N. Diagnostic accuracy of a large language model in rheumatology. Rheumatol Int 2024;44:303–6.
  22. Felde S, Buchkremer R, Chehab G, et al. Performance and practical considerations of large and small language models in clinical decision support in rheumatology. arXiv:2507.07983. 2025.