Inferring Chronic Treatment Onset from ePrescription Data: A Renewal Process Approach

Il paper propone un approccio probabilistico basato su processi di rinnovo e rilevamento di punti di cambiamento per stimare l'insorgenza di terapie croniche dai dati di e-prescrizione, superando i limiti della censura sinistra tipica delle cartelle cliniche elettroniche e fornendo stime temporali più plausibili rispetto ai metodi basati su regole semplici.

L'essenziale

Immagina di voler ricostruire la storia della salute di una persona guardando solo le sue ricette mediche elettroniche, senza poter contare sulle diagnosi scritte dai medici (che spesso mancano o sono incomplete perché i sistemi digitali sono stati introdotti solo di recente).

Questo articolo propone un metodo intelligente per capire quando è iniziata davvero una malattia cronica (come il diabete o l'ipertensione) analizzando il ritmo con cui una persona si fa prescrivere i farmaci.

Ecco una spiegazione semplice, usando delle metafore quotidiane:

1. Il Problema: La "Fotografia" Sbiadita

Immagina che le cartelle cliniche siano come un album di foto. In molti paesi, incluso quello studiato (la Slovenia), le foto delle diagnosi sono state scattate in modo disordinato: molte mancano, altre sono state scattate troppo tardi. Se provi a capire quando è iniziata una malattia guardando solo queste foto, potresti pensare che la malattia sia nata ieri, mentre in realtà esiste da anni. È come cercare di capire quando è iniziata una guerra guardando solo le notizie di oggi.

2. La Soluzione: Il "Metronomo" della Medicina

Invece di guardare le foto (le diagnosi), gli autori guardano il ritmo delle ricette.

• Il comportamento "sporadico" (Caos): Immagina che una persona prenda medicine solo ogni tanto, quando si sente male o per un'infezione temporanea. È come un metronomo che batte a caso: tic... tac... (pausa lunga)... tic. Questo è il comportamento normale prima che una malattia diventi cronica.
• Il comportamento "cronicizzato" (Ritmo): Quando la malattia diventa seria e richiede cure continue, il ritmo cambia. La persona inizia a prendere le medicine regolarmente, ogni mese o ogni tre mesi. Il metronomo ora batte in modo perfetto: tic-tac-tic-tac-tic-tac.

3. Il Metodo: Trovare il "Cambio di Ritmo"

Gli scienziati hanno creato un algoritmo (un "detective matematico") che ascolta questo metronomo.

• Prima: Ascolta il caos (il modello di Poisson, che è come il rumore di fondo).
• Il momento magico: L'algoritmo cerca il preciso istante in cui il ritmo diventa regolare e prevedibile (il modello di Weibull).
• La scoperta: Quel momento esatto in cui il ritmo cambia da "casuale" a "regolare" viene considerato il vero inizio della terapia cronica.

È come se ascoltassi un bambino che gioca: prima lancia la palla a caso contro il muro, poi improvvisamente inizia a lanciarla a intervalli precisi ogni 5 secondi. L'algoritmo ti dice: "Ehi, proprio in quel secondo è cambiato qualcosa, è iniziata la routine!".

4. Perché è meglio dei vecchi metodi?

I metodi vecchi (chiamati "naive" o ingenui) dicono: "Se il medico scrive 'cronico' sulla ricetta, allora la malattia è iniziata oggi".
Il problema è che i medici a volte sbagliano etichette o scrivono "cronico" per abitudine, anche se la persona ha iniziato a prendere quel farmaco anni fa per un altro motivo. Questo porta a dire che una malattia è iniziata nel 2016, quando in realtà il paziente non ne soffriva ancora.

Il nuovo metodo, invece, dice: "Non mi fido dell'etichetta scritta. Ascolto il ritmo. Se il ritmo diventa regolare solo nel 2020, allora la malattia è iniziata nel 2020". Questo evita di inventare malattie che non esistono o di farle iniziare troppo presto nel tempo.

5. Il Limite: Più farmaci, più chiarezza

C'è però un limite. Questo metodo funziona benissimo se la persona prende molte medicine in modo costante (come per il diabete o l'ipertensione). È come cercare di capire il ritmo di una canzone: se ci sono molti strumenti che suonano insieme, il ritmo è chiaro.
Se invece la persona prende poche medicine o solo saltuariamente (come per alcune allergie o problemi acuti), è difficile capire il ritmo. In questi casi, il metodo fa più fatica, proprio come un musicista che cerca di seguire una melodia fatta di un solo fischio debole.

In Sintesi

Gli autori hanno creato un sistema che ascolta il "battito cardiaco" delle ricette mediche invece di leggere le etichette. Questo permette di ricostruire la storia delle malattie croniche in modo molto più preciso, evitando errori comuni e capendo davvero quando una persona ha iniziato a vivere con una malattia a lungo termine, anche se i registri medici ufficiali sono incompleti.

È come passare dal leggere una lista della spesa confusa all'ascoltare la musica di fondo della vita quotidiana di un paziente per capire quando è cambiato il suo stato di salute.

Sommario tecnico

1. Il Problema

L'analisi dei dati sanitari elettronici (EHR) longitudinali è spesso ostacolata dal fenomeno della censura a sinistra (left-censoring). Questo si verifica quando i sistemi di registrazione digitale vengono introdotti gradualmente o quando la migrazione dei dati storici è incompleta.

• Limiti delle diagnosi: Le registrazioni delle diagnosi sono spesso incomplete, inaffidabili per determinare l'esordio della malattia e soggette a errori di codifica (fino al 20% di misclassificazione). Inoltre, le diagnosi possono essere registrate una sola volta senza aggiornamenti sistematici.
• Il caso dello studio: In Slovenia, la prescrizione elettronica ha raggiunto una copertura quasi totale nel 2016, mentre la registrazione delle diagnosi è cresciuta gradualmente. Di conseguenza, i dati storici sulle diagnosi sottostimano l'incidenza reale delle malattie.
• La soluzione potenziale: A differenza delle diagnosi, i dati sulle prescrizioni ambulatoriali formano traiettorie basate su processi di rinnovo (renewal-based). Le prescrizioni croniche devono essere rinnovate periodicamente, fornendo un segnale continuo e più affidabile della gestione della malattia nel tempo, complementare alle storie diagnostiche incomplete.

2. Metodologia

Gli autori propongono un quadro probabilistico per inferire l'inizio del trattamento (onset) di un fenotipo trattato, modellando le dinamiche delle prescrizioni come un processo di rinnovo.

A. Modellazione Temporale (Processi di Rinnovo)

Il metodo distingue tra comportamenti di prescrizione sporadici e terapie sostenute utilizzando due modelli stocastici:

1. Regime di base (Sporadico): Modellato come un processo di Poisson omogeneo. Rappresenta trattamenti acuti, prescrizioni episodiche o rumore amministrativo. Gli intervalli tra le prescrizioni seguono una distribuzione esponenziale con un tasso di hazard costante ($h(t) = \lambda$).
2. Regime di terapia sostenuta: Modellato come un processo di rinnovo di Weibull. Rappresenta la terapia cronica strutturata. Gli intervalli tra le prescrizioni seguono una distribuzione di Weibull a due parametri:
   • $k$ (parametro di forma): Indica la regolarità. $k \approx 1$ è simile a Poisson; $k > 1$ indica un comportamento di rinnovo regolare (tipico delle terapie croniche); $k < 1$ indica eventi raggruppati.
   • $\lambda$ (parametro di scala): Determina l'intervallo caratteristico di rinnovo.
   • Nota: I parametri sono stimati separatamente per farmaci e per regime di rinnovabilità (riciclabile vs non riciclabile) per tenere conto delle diverse politiche di dispensazione.

B. Rilevamento del Cambiamento (Change-Point Detection)

L'obiettivo è identificare il momento in cui un paziente passa dal regime di prescrizione sporadica a quello di terapia sostenuta.

• Viene applicato un algoritmo di rilevamento del punto di cambiamento basato sulla massimizzazione della verosimiglianza (likelihood).
• Si cerca il punto di cambiamento $c$ che massimizza la log-verosimiglianza combinata: una parte pre-cambiamento modellata con Poisson e una parte post-cambiamento modellata con Weibull.
• Un cambiamento è accettato solo se il miglioramento della log-verosimiglianza supera una soglia $\epsilon$, garantendo che il passaggio non sia dovuto al caso.
• La data corrispondente a questo punto di cambiamento viene interpretata come l'inizio del fenotipo trattato.

C. Costruzione del Fenotipo a Livello di Malattia

Per passare dal livello "farmaco-paziente" al livello "malattia":

1. Vengono stimate empiricamente le associazioni farmaco-malattia analizzando la co-occorrenza temporale tra gli onset inferiti e le diagnosi registrate.
2. Per ogni codice ICD-10, vengono selezionati i farmaci con un alto tasso di allineamento.
3. L'inizio della malattia per un paziente è definito come la data di inizio più precoce tra tutti i farmaci associati a quella specifica malattia.

3. Risultati Chiave

Lo studio è stato condotto su un dataset nazionale sloveno di 2,4 milioni di pazienti (101 milioni di prescrizioni, 58 milioni di diagnosi) dal 2016 al 2022.

• Validità del modello di rinnovo: I parametri di Weibull stimati mostrano una forte correlazione ($r=0.86$) anche quando si utilizzano solo le prescrizioni etichettate come "croniche" rispetto a tutte le prescrizioni, dimostrando che la struttura di rinnovo è recuperabile nonostante le etichette amministrative siano rumorose.
• Miglioramento temporale: Rispetto a un metodo di base "naive" (che considera l'inizio della malattia alla prima prescrizione con etichetta cronica), il metodo basato sul cambiamento di regime produce stime di inizio temporalmente più plausibili.
  • Il metodo naive tende a generare molte "falsi positivi" precoci (es. inferisce l'inizio di COVID-19 nel 2016, prima dell'esistenza della malattia).
  • Il metodo proposto riduce drasticamente queste rilevazioni premature, centrando la distribuzione delle differenze tra data di diagnosi e data di inizio inferito vicino allo zero.
• Dipendenza dalla densità di prescrizione: Le prestazioni di rilevamento sono fortemente correlate alla densità delle prescrizioni longitudinali.
  • Le malattie con terapie croniche strutturate (alta densità di prescrizioni) mostrano un recall elevato.
  • Le malattie con prescrizioni sporadiche o episodiche sono più difficili da rilevare.
  • Il metodo proposto è più conservativo (recall inferiore rispetto al naive) ma più preciso, poiché richiede prove di trattamento sostenuto prima di dichiarare l'inizio della malattia.

4. Contributi Principali

1. Framework Probabilistico: Introduzione di un approccio basato sui processi di rinnovo per modellare le dinamiche temporali delle prescrizioni, superando le euristiche semplici.
2. Robustezza alla Censura: Dimostrazione che l'inferenza basata sulle prescrizioni può mitigare i problemi di censura a sinistra tipici dei dati EHR, fornendo stime di onset più affidabili rispetto alle sole diagnosi.
3. Distinzione Regimi: Capacità di distinguere tra rumore amministrativo (prescrizioni sporadiche) e segnali clinici reali (terapie sostenute) attraverso l'analisi dei parametri di forma e scala di Weibull.
4. Analisi delle Limitazioni: Identificazione chiara che la densità delle prescrizioni è il fattore limitante principale, fornendo una mappa realistica delle possibilità e dei limiti dell'inferenza basata sul trattamento.

5. Significato e Implicazioni

Questo lavoro è significativo per la costruzione di coorti di ricerca e per il modeling AI/ML su dati sanitari:

• Riduzione del Data Leakage: Fornisce un metodo robusto per definire l'inizio della malattia che evita che i segnali di trattamento (che precedono spesso la diagnosi formale nei dati) vengano usati erroneamente come predittori futuri.
• Qualità dei Dati: Migliora la qualità dei fenotipi estratti dagli EHR, rendendo le ricerche epidemiologiche più accurate, specialmente in contesti dove la digitalizzazione delle diagnosi è recente o incompleta.
• Futuri Sviluppi: Il metodo apre la strada all'integrazione di conoscenze biomediche esterne e alla modellazione di scenari più complessi, come il cambio di terapia o l'interruzione del trattamento.

In sintesi, l'approccio proposto trasforma i dati grezzi delle prescrizioni in un segnale temporale affidabile per inferire l'esordio delle malattie croniche, offrendo una soluzione superiore ai metodi basati su regole semplici in presenza di dati sanitari incompleti.