PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals

Quando un paziente arriva in un pronto soccorso ospedaliero, il tempo inizia a scorrere. Questo tempo, noto come durata della permanenza, è molto più di un semplice numero su un foglio di calcolo; è una misura di quanto velocemente una persona si sposta dal momento in cui varca la porta al momento in cui esce, per tornare a casa o per essere ricoverata in un letto d'ospedale. Per i medici e i direttori sanitari, monitorare questa durata è vitale. Aiuta loro a capire se i propri sistemi funzionano regolarmente o se i pazienti rimangono bloccati in colli di bottiglia, aspettando troppo a lungo per ricevere cure. Negli ultimi anni, la pandemia globale ha gettato questi sistemi nel caos, cambiando il numero di persone che arrivavano, quanto fossero malate e come gli ospedali rispondessero. Ora che l'emergenza immediata è passata, rimane una domanda critica: i pronto soccorso sono davvero tornati alla normalità, o il modo in cui misuriamo il tempo è cambiato insieme al modo in cui trattiamo i pazienti?

Un nuovo studio dalla Giordania, intitolato PHASE-ED, si è posto l'obiettivo di rispondere a questa domanda analizzando le cartelle cliniche di quasi 400.000 accessi a un dipartimento di emergenza di un ospedale pubblico tra il 2018 e il 2025. I ricercatori volevano vedere come il tempo trascorso dai pazienti in pronto soccorso sia cambiato prima della pandemia, durante il picco del virus e negli anni successivi. Volevano anche testare se semplici modelli informatici potessero prevedere quanto tempo avrebbe trascorso un futuro paziente, basandosi solo su informazioni di base come età, sesso e l'ora del giorno dell'arrivo. L'obiettivo non era solo contare i minuti, ma capire se i numeri raccontassero una storia di cure più rapide o se nascondessero cambiamenti nel modo in cui l'ospedale registrava i propri dati.

Lo studio è iniziato pulendo e organizzando un enorme registro digitale di ogni paziente che è entrato in pronto soccorso. I ricercatori si sono concentrati su una specifica struttura ospedaliera per garantire la coerenza dei dati, esaminando le visite dall'inizio del 2018 fino alla fine del 2025. Hanno suddiviso questa cronologia in tre ere distinte: il periodo precedente la pandemia, gli anni in cui il virus si stava diffondendo attivamente e il periodo di recupero dopo la fine dell'emergenza sanitaria ufficiale. Confrontando i valori centrali di questi gruppi, hanno riscontrato una tendenza chiara. Prima della pandemia, il tipico paziente soggiornava per 63 minuti. Durante la pandemia, questo tempo è sceso leggermente a 60 minuti. Nel periodo di recupero, la permanenza tipica è scesa ulteriormente a 51 minuti.

Tuttavia, il tempo medio racconta solo una parte della storia. I ricercatori hanno approfondito l'analisi per vedere cosa fosse successo ai pazienti che avevano atteso più a lungo. Prima della pandemia, il 10 percento delle permanenze più lunghe superava le cinque ore e quindici minuti. Durante la pandemia, questo tempo di attesa elevato era ancora vicino alle cinque ore. Ma nel periodo di recupero, le attese più lunghe sono diminuite drasticamente a poco meno di tre ore. Ciò suggerisce che, mentre il tipico paziente ha visto un modesto miglioramento, il cambiamento più significativo è avvenuto per coloro che sono rimasti bloccati nel sistema più a lungo. Il numero di pazienti in attesa per più di sei ore è sceso da oltre l'8 percento prima della pandemia a poco più dell'1 percento nella fase di recupero.

Eppure, i ricercatori sono stati cauti nel non presumere che questi tempi più brevi significassero che l'ospedale fosse diventato improvvisamente molto più veloce nel trattare le persone. Hanno scoperto un cambiamento sottile ma importante nel modo in cui l'ospedale registra il tempo. Nel luglio 2024, il modo in cui il sistema registrava l'istante esatto in cui un paziente lasciava la struttura è cambiato, diventando più preciso. I ricercatori hanno scoperto che i tempi di permanenza più brevi avevano già iniziato ad apparire prima di questo cambiamento tecnico, il che suggerisce che la tendenza fosse reale e non solo un errore nel sistema di registrazione. Tuttavia, hanno notato che i dati mostravano un modello strano: il numero di pazienti con uno stato finale "sconosciuto" è sceso drasticamente nel periodo di recupero. Ciò ha sollevato la possibilità che il modo in cui il personale segnalava i pazienti come "dimessi" o "ricoverati" fosse cambiato, il che potrebbe far apparire i tempi registrati più brevi anche se l'effettiva assistenza medica richiedeva lo stesso tempo.

Per vedere se potevano prevedere questi tempi in futuro, il team ha costruito diversi modelli informatici. Hanno provato a utilizzare una semplice media storica, che ipotizzava semplicemente che ogni nuovo paziente sarebbe rimasto per lo stesso tempo della media del passato. Hanno anche provato metodi più complessi, inclusi avanzate tecniche statistiche e algoritmi di machine learning che potevano individuare schemi legati all'età, al sesso e all'ora del giorno. I risultati sono stati sorprendenti. I modelli complessi non sono stati molto migliori della semplice media storica. Il modello più sofisticato ha ridotto l'errore di previsione di meno di due minuti rispetto alla semplice ipotesi. Ciò suggerisce che, per questo specifico ospedale, conoscere l'età o il sesso di un paziente non ha aiutato molto a prevedere quanto tempo sarebbe rimasto. L'ora del giorno e il giorno della settimana contavano, ma la storia di base delle prestazioni dell'ospedale è stata un predittore sorprendentemente forte.

Lo studio ha anche esaminato quanto bene questi modelli potessero stimare l'intervallo di tempo in cui un paziente potrebbe rimanere, piuttosto che un singolo numero. Volevano sapere se potevano fornire una finestra temporale, come ad esempio "la maggior parte dei pazienti rimarrà tra 20 e 100 minuti", e avere la certezza che tale finestra fosse accurata. Il semplice modello storico era bravo in questo, coprendo l'intervallo di tempo corretto per circa il 91 percento dei pazienti. Tuttavia, quando i ricercatori hanno osservato gruppi specifici, il quadro è diventato disomogeneo. Per i pazienti contrassegnati come aventi bisogno di "Rianimazione" — la categoria più critica — il modello è stato corretto solo per circa il 69 percento delle volte. Ciò significa che per i pazienti più gravi, le previsioni erano spesso troppo ampie o mancavano completamente il bersaglio, evidenziando come il sistema fatichi a prevedere le necessità dei casi più urgenti.

I ricercatori hanno concluso che, sebbene il tempo registrato in pronto soccorso sia sicuramente diminuito, specialmente per coloro che hanno atteso più a lungo, le ragioni non sono del tutto chiare. I dati mostrano un cambiamento reale nei numeri, ma non possono provare se questo sia dovuto al fatto che i medici lavorano più velocemente, perché il tipo di pazienti che arrivano è cambiato o perché il modo in cui il tempo viene trascritto è mutato. Lo studio serve da promemoria: in un sistema complesso come un ospedale, un numero più breve su uno schermo non significa automaticamente una migliore assistenza. Suggerisce che i direttori sanitari debbano guardare oltre il tempo totale ed esaminare le singole fasi del processo, come quanto tempo occorra per visitare un paziente o quanto velocemente venga trovato un letto. Finché questi dettagli non saranno compresi, le permanenze più brevi rimarranno un segnale promettente che richiede ulteriori indagini piuttosto che un problema risolto.