Mortalità ospedaliera e rischio clinico: analisi integrata delle certificazioni di morte e dei dati di ricovero su casistica 2021–2025 dell’A.O.U. Sant’Andrea di Roma

INTRODUZIONE L’analisi della mortalità ospedaliera è ampiamente impiegata per valutare qualità e sicurezza dell’assistenza, poiché il decesso rappresenta un esito clinico inequivocabile, rilevante e facilmente misurabile, utile soprattutto come strumento di sorveglianza e signal detection per indirizzare audit, revisione dei casi e interventi organizzativi mirati. La sua interpretazione richiede tuttavia rigore metodologico: la mortalità grezza è fortemente influenzata da fattori quali case-mix (età, fragilità, multimorbidità, gravità), modalità di accesso e livello di intensità di cura, e può riflettere differenze strutturali e di percorso più che in termini di qualità delle cure. Gli indicatori aggiustati per il rischio attenuano tali limiti ma non li eliminano del tutto, essendo comunque influenzati dalla qualità di codifica, da bias di dimissione/trasferimento, riorganizzazioni e fluttuazioni statistiche. Per questo, il valore più solido risiede nell’integrazione dei dati di mortalità con strumenti di mortality review e apprendimento organizzativo, capaci di collegare la misura quantitativa alla ricostruzione dei processi clinico-assistenziali. Su queste premesse, il presente studio mira a sviluppare una metodologia basata sull’integrazione tra certificazioni medico-legali di morte e dati di ricovero, applicata all’intera casistica quadriennale dei decessi, con finalità descrittive, di signal detection, di supporto a percorsi di mortality review e di implementazione organizzativa. MATERIALI E METODI Sono stati analizzati tutti i decessi occorsi presso la A.O.U. Sant’Andrea di Roma nel periodo compreso tra il 1° luglio 2021 e il 30 giugno 2025. Sono stati esclusi dalla casistica i decessi per intossicazione acuta da sostanze stupefacenti e gli eventi traumatici di rilievo traumatologico o asfissiologico-forense. Le informazioni sono state ricavate dalle schede di morte ISTAT e dalla documentazione amministrativa disponibile presso la Direzione Sanitaria. I dati sono stati inseriti in un database strutturato che comprende variabili demografiche, elementi del contesto clinico-assistenziale e temporale del decesso e, quando presente un continuum fisiopatologico, la ricostruzione completa della catena causale. I casi sono stati anonimizzati e le denominazioni nosografiche sono state armonizzate per ridurre la dispersione dei dati; le diagnosi sono state quindi classificate secondo la System Organ Class (SOC) con inserimento di una sottocategoria per le infezioni determinate da SARS-CoV-2. È stata condotta un’analisi statistica univariata (frequenze assolute e percentuali per le variabili categoriche e media±deviazione standard per quelle numeriche) e multivariata (relazioni tra variabili mediante tabelle di sintesi e rappresentazioni grafiche). La soglia di significatività è stata fissata a p<0,05 RISULTATI La casistica ha mostrato una lieve preponderanza del sesso maschile rispetto a quello femminile (52,93% vs 47,07%). Oltre metà dei decessi si è concentrata in quattro Unità Operative tra loro eterogenee per funzione e tipologia di pazienti: Pronto Soccorso (30,20%), Medicina Interna (9,34%), Medicina d’Urgenza (9,19%) e Terapia Intensiva (8,64%). Nei reparti di area chirurgica è stato registrato il 4,94% dei decessi. Tra le cause iniziali (SOC secondarie) sono risultate più rappresentate le patologie oncoematologiche (937; 20,55%), le infezioni/infestazioni (837; 18,36%, escludendo SARS-CoV-2 conteggiato separatamente), le patologie cardiache (415; 9,10%), respiratorie/toraciche/mediastiniche (410; 8,99%) e neurologiche (378; 8,29%). Le cause terminali (SOC principali) hanno presentato un profilo significativamente diverso, con prevalenza di patologie respiratorie (1112; 24,39%) e infettive (1061; 23,27%), seguite da affezioni cardiache (865; 18,97%), sistemiche (740; 16,23%) e neurologiche (451; 9,89%). L’età media al decesso è risultata pari a 78,29 anni (range 14–104; DS 12,3), indicando una mortalità fortemente concentrata nelle fasce anziane. La stratificazione per classi d’età ha evidenziato differenze significative tra gruppi: nelle fasce 0–50, 51–70, 71–80 e 81–85 è emersa una predominanza maschile, con inversione del rapporto solo nel gruppo dei più anziani. La distribuzione dei decessi tra Unità Operative è risultata significativamente associata alle classi d’età (p<0,001). Nelle SOC secondarie, le patologie oncoematologiche sono state predominanti nelle fasce 0–50 e 51–70 (38,93% e 39,75%), con riduzione progressiva nelle età successive (25,65% tra 71–80; 14,66% tra 81–85; 6,74% nei ≥86); parallelamente, con l’aumentare dell’età sono aumentate le condizioni infettive (dal 9,16% a 0–50 al 23,09% nei ≥86), così come le patologie cardiache e respiratorie (nei ≥86: 11,79% e 11,51%). Nelle SOC principali, le differenze tra gruppi sono state trainate soprattutto dall’incremento delle condizioni infettive (picco 81–85: 24,56%; ≥86: 24,71%), mentre negli under 50 le patologie neurologiche hanno rappresentato la causa terminale più frequente (23,66%). Infine, la distribuzione oraria dei decessi ha mostrato un andamento non casuale, con minore frequenza notturna e picco mattutino; è stato rilevato un marcato eccesso nella fascia 06:00–06:59, verosimilmente attribuibile a un effetto di rilevazione/registrazione nelle prime fasi della routine mattutina. La distribuzione per giorno della settimana non ha evidenziato un incremento dei decessi nel fine settimana, ma ha mostrato differenze significative tra i singoli giorni, con eccesso rispetto ai decessi attesi nei lunedì e mercoledì. DISCUSSIONE Nel complesso, il presente lavoro conferma come l’analisi sistematica delle certificazioni di morte, opportunamente uniformate e ricondotte a categorie omogenee, consenta di trasformare una fonte informativa spesso sottoutilizzata in un dataset strutturato, idoneo non solo alla descrizione epidemiologica del fenomeno, ma anche all’individuazione di segnali di potenziali criticità clinico-assistenziali o organizzative e alla pianificazione di approfondimenti e interventi di implementazione. In estrema sintesi, i principali risultati si collocano in rapporto complessivamente coerente con le evidenze della letteratura scientifica di settore e, con adeguata contestualizzazione, con i dati epidemiologico-demografici della popolazione generale; eventuali discrepanze rispetto ad alcune distribuzioni attese assumono pertanto valore informativo, potendo riflettere specificità locali del case-mix, dei percorsi di cura e degli assetti organizzativi, oltre che del contesto territoriale e politico-amministrativo. La nostra analisi ha inoltre consentito di identificare due elementi di rilievo in ottica di rischio clinico e governance, legati alla distribuzione temporale dei decessi sia per fascia oraria dh3 per giorno della settimana. In primo luogo, il picco mattutino osservato nei reparti non intensivi – con un evidente eccesso nella fascia 06:00–06:59 – è stato interpretato come segnale compatibile con un ritardo nella rilevazione e/o registrazione dell’exitus, verosimilmente concentrato al ripristino della routine assistenziale e al passaggio di consegne. Tale lettura trova un ulteriore elemento di coerenza nella scomparsa del fenomeno nelle aree ad elevata intensità di cura, ove il monitoraggio dei parametri vitali è più stretto e continuo, e consente una tempestiva identificazione dei decessi. In secondo luogo, la distribuzione dei decessi per giorno della settimana non ha evidenziato un incremento nel fine settimana; tuttavia, è emersa una differenza statisticamente significativa tra i singoli giorni, con un eccesso nei lunedì e mercoledì. Pur non essendo possibile fornire una spiegazione univoca sul piano causale, l’ipotesi più plausibile è un collegamento con routine operative e flussi aziendali; in ogni caso, la significatività statistica del dato configura un segnale meritevole di approfondimento in sede aziendale, in un’ottica di verifica dei processi e di eventuale implementazione. Inoltre, il lavoro mette in evidenza che la qualità delle certificazioni di morte rappresenta un nodo metodologico cruciale: incompletezza descrittiva, variabilità terminologica e scarsa coerenza della catena causale possono ridurre l’affidabilità del dato e la sua utilizzabilità per finalità epidemiologiche e di governance. Ne deriva l’opportunità di iniziative di formazione e standardizzazione (anche mediante terminologie codificate) e, parallelamente, di una maggiore valorizzazione degli accertamenti post-mortem quale strumento in grado di migliorare accuratezza e trasparenza nella determinazione della causa di morte, con ricadute sia clinico-organizzative che medico-legali. Infine, emerge la necessità di potenziare la confrontabilità tra aziende mediante approcci multicentrici e basi dati di ampia scala in grado di stimare la mortalità “attesa”. In Italia gli strumenti disponibili consentono soprattutto valutazioni risk-adjusted su specifici percorsi o condizioni, mentre risultano più limitate le informazioni strutturate sulla mortalità intraospedaliera “generale” comparabile tra realtà diverse. La costruzione di dataset multicentrici nazionali favorirebbe confronti più robusti, l’identificazione di scostamenti non spiegabili dal case-mix e l’orientamento di approfondimenti clinici e organizzativi mirati.