Indice della
Letteratura Italiana di Scienze Infermieristiche

[banca dati bibliografica]
       
Progetto realizzato e curato dall’Ordine delle Professioni Infermieristiche di Roma

WIKINDX Resources

Astolfi Gianni, Ricci Paolo, Calzolari Elisa, Neville Amanda, Pironi Vanda, Santoro Michele, et al.. Validazione di un algoritmo per l’identificazione di casi con malformazioni congenite nelle schede di dimissione ospedaliera. Epidemiologia & Prevenzione 2016;40(2):12–130. 
Added by: Mauro Iossa (07/02/2017, 21:34)   
Resource type: Journal Article
BibTeX citation key: Astolfi2016
View all bibliographic details
Categories: Igiene, Infermieristica specialistica, Strutture sanitarie
Subcategories: Aziende ospedaliere, Infermieristica in ostetricia e ginecologia, Malattie cronico-degenerative
Creators: Astolfi, Bianchi, Calzolari, Neville, Pironi, Ricci, Santoro
Publisher:
Collection: Epidemiologia & Prevenzione
Views: 22/600
Attachments  
Abstract
(Trascritto dall’articolo)
OBIETTIVI: valutare e validare l’uso di un algoritmo finalizzato a iden¬tificare, tramite le schede di dimissione ospedaliera (SDO), casi con malformazioni congenite (MC) alla nascita e/o segnalati in ricoveri entro il primo anno di vita utilizzando come gold standard il Registro delle malformazioni congenite della ASL di Mantova (RMC-MN) che controlla tutte le cartelle cliniche dei nati da madri residenti nella provincia.
DISEGNO: è stato impiegato un algoritmo disegnato per l’identificazione dei casi malformati nel flusso SDO utilizzando due moduli, uno per l’identificazione dei casi potenzialmente malformati e uno per la loro validazione. È stato, poi, effettuato un confronto dei risultati con quelli osservati dal RMC-MN.
SETTING E PARTECIPANTI: dati delle SDO e del RMC-MN per il periodo 2010-2011, relativi a casi rilevati in nati entro il primo anno di vita nella popolazione residente in provincia.
RISULTATI: su 8.042 nati da madri residenti in provincia di Mantova, 7.367 sono stati esclusi dall’algoritmo come non malformati con l’e¬sclusione di 1 solo falso negativo (valore predittivo negativo – VPN: 99,99%); nei rimanenti 675 casi (8,4%) era presente almeno un co¬dice di malformazione congenita. L’algoritmo ha poi escluso 396 casi (4,9%) con malformazioni minori isolate o con patologie conside¬rate non malformative, di cui 23 erano falsi negativi (VPN: 94,2%).
Nei rimanenti 279 casi potenzialmente malformati l’algoritmo ha considerato validati 169 casi (60,6%), di cui 11 falsi positivi (valore predittivo positivo – VPP: 93,5%). Nei restanti 110 casi da valutare, 46 sono risultati veri positivi (VPP: 41,8%).
CONCLUSIONI: lo strumento proposto ha permesso di identificare correttamente nelle SDO l’89,4% dei casi registrati dal RMC-MN, di produrre un numero ridotto di falsi positivi tra i casi validati (6,5%) e di escludere efficacemente i casi inappropriati (94,2%). Gli autori suggeriscono un uso oculato e guidato da esperti di SDO, di clinica e di epidemiologia delle malformazioni congenite.
(A cura di Mauro Iossa).
Added by: Mauro Iossa  
WIKINDX 6.7.0 | Total resources: 7818 | Username: -- | Bibliography: WIKINDX Master Bibliography | Style: British Medical Journal (BMJ)