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

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

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

Figura 1. Scostamento della popolazione pesata dalla popolazione residente.

Figura 2. Confronto tra spesa osservata e standardizzata.

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

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

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

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

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

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.

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

7. Diagnostica e robustezza

7.1 Eteroschedasticità e 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.

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

7.2 Multicollinearità

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

7.3 Osservazioni influenti

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

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.

7.5 Interazione età × reddito

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

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

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.

Tabella 15. Graduatoria per solo censo/reddito MEF

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

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.

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.

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.

Spesa_i,t = Spesa_i,t-1 + Vulnerabilità_i,t-1 + FE_Regione + FE_Anno + ε_i,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?”.

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.

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.

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

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.

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.

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.

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.

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.

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.

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.