Il software di raccolta dati PROSAFE, caratterizzato da una struttura modulare, consente l’attivazione di raccolte dati secondarie su differenti tematiche di rilevanza clinica. Tra i progetti attivi, è in corso una sorveglianza delle infezioni che permette di monitorare in modo continuativo l’epidemiologia delle infezioni nei reparti di Terapia Intensiva. In questo contesto si sono sviluppate numerose collaborazioni. Una delle più significative è quella con il Dipartimento di Scienze della Sanità Pubblica e Pediatriche dell'Università degli Studi di Torino, che prevede un confronto tra i dati di prevalenza e incidenza delle infezioni correlate all'assistenza raccolti nelle Terapie Intensive aderenti al gruppo GiViTI e le stime di incidenza misurate attraverso il terzo Piano per la Salute italiano (PPS). Nel 2024 è stata inoltre avviata una collaborazione continuativa con l’Ospedale Sacco di Milano, dove sono attivi diversi progetti specifici, finalizzati alla stima dell’incidenza delle infezioni del sangue acquisite in Terapia Intensiva e di polmoniti associate a ventilazione meccanica nei reparti partecipanti. Nell’ambito di un’iniziativa coordinata dall’Istituto Superiore di Sanità, alcune informazioni raccolte vengono condivise con l’European Centre for Disease Prevention and Control (ECDC), contribuendo alla sorveglianza europea delle ICA. Inoltre, è in corso l’analisi dei campioni raccolti con lo studio AbioKin, uno studio osservazionale multicentrico e prospettico con l’obiettivo di studiare la farmacocinetica di alcuni tra gli antibiotici più utilizzati nei pazienti critici in Terapia Intensiva. Il progetto viene condotto nei centri che utilizzano la cartella clinica elettronica MargheritaTre. La prima fase, ormai conclusa, ha previsto la raccolta di dati clinici e campioni di plasma in pazienti sottoposti a terapia antibiotica per uno degli antibiotici oggetto di studio. Nella seconda fase, ancora in corso, si procede allo sviluppo di modelli farmacocinetici in grado di descrivere l’evoluzione delle concentrazioni plasmatiche in funzione delle condizioni cliniche del paziente, al fine di migliorare la personalizzazione della terapia antibiotica nel paziente critico.

All’interno di un contesto di collaborazione internazionale volto al miglioramento continuo della qualità delle cure in Terapia Intensiva, il GiViTI ha aderito alla rete LOGIC (Linking of Global Intensive Care) https://icubenchmarking.com/, una piattaforma globale che unisce diversi registri nazionali di Terapia Intensiva. LOGIC rappresenta un'iniziativa innovativa che coinvolge attualmente 17 paesi distribuiti in vari continenti, accomunati dall’obiettivo di raccogliere e confrontare sistematicamente dati clinici e organizzativi. Attraverso questa rete, i paesi partecipanti possono definire punti di forza e aree di miglioramento nei rispettivi sistemi sanitari. Questo scambio di conoscenze e dati consente una riflessione critica condivisa, stimolando l’adozione di buone pratiche e strategie evidence-based su scala internazionale.

I reparti di TI sono ambiti assistenziali ad elevata tecnologia, nei quali è richiesta la presenza di personale altamente qualificato. Queste caratteristiche determinano cospicui costi gestionali ed una particolare attenzione all'utilizzo appropriato delle risorse. In questo contesto si inserisce lo studio StART (Studio sull'appropriatezza dei ricoveri in Terapia Intensiva) attivo in Toscana ed in Piemonte. Il progetto si pone l'obiettivo di valutare l'assistenza sanitaria fornita nei reparti rispetto l'intensità e la gravità delle prestazioni, tenendo in considerazione i livelli di assistenza erogabile in funzione sia dell'attrezzatura disponibile che del personale. Il fine del progetto è valutare eventuali fattori di inappropriatezza, individuarne le ragioni e definire obiettivi di miglioramento.

L'obiettivo principale del progetto è l'implementazione di un sistema permanente per la valutazione della performance, attraverso l'analisi dei dati inseriti nella cartella clinica elettronica MargheritaTre, attualmente utilizzata da circa 70 reparti in Italia. L'obiettivo secondario è la creazione di un database anonimizzato accessibile alla comunità scientifica. Il progetto è coordinato da un gruppo di studio multidisciplinare con competenze mediche, infermieristiche, statistiche ed informatiche.

La disponibilità di grandi dataset opportunamente strutturati offre vantaggi significativi nella ricerca in ambito sanitario, permettendo di migliorare la pratica clinica e supportare i processi decisionali. In questo contesto, la condivisione di dati clinici è fondamentale per sfruttare a pieno il potenziale di questi database per validare ed estendere risultati di progetti di ricerca e diffondere la conoscenza scientifica. Condividere dati clinici richiede uno sforzo multidisciplinare, affrontando problemi legali, etici, tecnici e scientifici per garantire da un lato la privacy dei pazienti e la sicurezza dei dati, dall'altro l'accessibilità alle informazioni ai ricercatori.

Sempre utilizzando i dati raccolti tramite la Cartella Clinica stiamo inoltre lavorando ad un progetto che utilizza una strategia di analisi chiamata emulated target trial, mirata a studiare gli effetti di uno o più trattamenti clinici mediante la simulazione dell'evoluzione della storia clinica a partire da dati raccolti su pazienti reali. In particolare, si vuole simulare il decorso clinico di pazienti ricoverati in terapia intensiva con diagnosi di ipossiemia severa, per valutare l’effetto di diverse modalità di ventilazione sul rischio di mortalità in terapia intensiva. Il primo passo consiste nel definire in modo chiaro tutti gli elementi di un ipotetico trial clinico randomizzato: criteri di inclusione ed esclusione, trattamenti da confrontare, outcome da analizzare, durata del follow-up e piano di analisi. Questi elementi vengono poi applicati a dati reali, raccolti dalla cartella clinica elettronica MargheritaTre, per costruire un dataset coerente con il disegno simulato dello studio. A seguire, si sviluppano modelli predittivi per stimare le variabili rilevanti e simulare il decorso clinico dei pazienti nel cosiddetto “natural course”, cioè senza alcun intervento. Questa fase è essenziale per verificare l’affidabilità dei modelli utilizzati. Infine, si modificano una o più variabili in base alle strategie di intervento definite, per valutarne l’impatto sull’outcome di mortalità.