La codifica clinica è spesso considerata una funzione di back-office, qualcosa che avviene dopo che il paziente ha lasciato l'ambulatorio, gestita da codificatori specializzati o personale amministrativo che lavora su lettere di dimissione e note di consulto. Nella maggior parte delle strutture sanitarie, rientra nei dipartimenti di finanza o informatica e i clinici raramente vi si confrontano direttamente. Questa impostazione oscura una realtà fondamentale: i codici associati alla cartella di un paziente non descrivono semplicemente ciò che è accaduto ai fini della fatturazione. Plasmano ciò che accade dopo, informano la valutazione del rischio del clinico successivo, attivano o sopprimono avvisi sui farmaci, determinano se un paziente compare in un registro di malattie croniche e forniscono i dati a livello di popolazione che guidano l'allocazione delle risorse e la pianificazione della sanità pubblica. Quando questi codici sono errati, le conseguenze si estendono ben oltre una semplice discrepanza di rimborso.

Cosa fa realmente la codifica clinica oltre alla fatturazione

I codici clinici, principalmente SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms, la nomenclatura sistematizzata della medicina per termini clinici) e ICD-10/11 (International Classification of Diseases, la classificazione internazionale delle malattie), svolgono due funzioni distinte ma profondamente intrecciate. La prima è finanziaria: le diagnosi e le procedure codificate determinano come gli episodi di cura vengono classificati per il rimborso nell'ambito di sistemi di pagamento per risultati e framework simili. La seconda è clinica: quegli stessi codici popolano i sistemi di cartelle cliniche, informano i percorsi di invio, stratificano i pazienti per rischio, attivano avvisi di supporto decisionale clinico (sistemi informatici che assistono i clinici nelle decisioni) e forniscono i dati strutturati che alimentano i registri di malattia, gli audit e la sorveglianza della salute della popolazione.

Le linee guida ufficiali di NHS England su SNOMED CT lo rendono esplicito: la codifica delle informazioni utilizzando SNOMED CT consente che siano comprese sia dagli esseri umani sia dal software, rendendo possibile l'interoperabilità tra contesti di cura. Quando un medico di base registra una diagnosi in SNOMED CT, quel codice non rimane in un solo sistema. Viaggia con il paziente, comparendo nelle lettere ambulatoriali, informando gli invii specialistici e contribuendo ai dataset nazionali.

Questa doppia funzione significa che un atto di codifica è, in pratica, un atto clinico. Il codice non è un'etichetta neutra applicata dopo che l'assistenza è stata erogata, ma un dato strutturato che plasma attivamente le future decisioni di cura.

Come gli errori di codifica si traducono in danno al paziente

I percorsi dall'inaccuratezza della codifica al danno al paziente sono specifici e ben documentati. Una revisione sistematica del 2024 su 25 studi ha rilevato che gli errori di codifica propagano disinformazione attraverso i sistemi di supporto decisionale clinico, distorcono le metriche di qualità e possono causare danno diretto al paziente, posizionando l'accuratezza della codifica come un pilastro della sicurezza del paziente, non solo dell'integrità finanziaria.

Diversi meccanismi concreti meritano attenzione:

• Diagnosi mancate o errate riportate in avanti. Quando una condizione è codificata erroneamente in un incontro, i clinici successivi possono trattare la cartella codificata come accurata. Una diagnosi errata inserita nella cartella strutturata può persistere per anni e in molteplici contesti di cura, influenzando prescrizioni, indagini e decisioni terapeutiche.

• Fallimenti nelle controindicazioni farmacologiche. Gli avvisi di sicurezza dei farmaci nei sistemi di cartelle cliniche sono tipicamente attivati da diagnosi o allergie codificate. Se una condizione controindicata è assente dalla cartella codificata, o se un'allergia è codificata per la sostanza sbagliata, l'avviso non si attiverà. Il sistema di supporto decisionale clinico può agire solo su ciò che è codificato.

• Triage e prioritizzazione errati. Le comorbidità codificate informano gli strumenti di stratificazione del rischio e gli algoritmi di triage. Un paziente con una comorbidità codificata erroneamente o assente può ricevere una priorità inferiore rispetto a quella che la sua complessità clinica richiederebbe.

• Esclusione dai registri di malattia. Un audit del 2024 pubblicato sul British Journal of Cardiology ha dimostrato che la codifica SNOMED CT assente o errata nell'assistenza primaria fa sì che i pazienti con insufficienza cardiaca vengano completamente persi dai registri di malattia. Non ricevono follow-up strutturato, nessun richiamo per il monitoraggio e nessun accesso agli interventi che quei registri sono progettati per fornire. Lo stesso audit ha rilevato che errori di auto-codifica, come una diagnosi interrogativa che inserisce inavvertitamente un paziente in un registro, creano il problema opposto: voci false positive che generano ansia clinica e interventi non necessari.

• Sottoidentificazione di eventi avversi da farmaci. Una ricerca pubblicata su JMIR Medical Informatics ha dimostrato che i fallimenti nella codifica ICD-10 portano alla sottoidentificazione di eventi avversi gravi da farmaci, inclusi eventi emorragici in pazienti anziani ricoverati che ricevono terapia antitrombotica. I sistemi convenzionali basati su regole che si affidano a dati strutturati dai sistemi di cartelle cliniche hanno perso eventi che erano presenti nelle narrazioni cliniche ma mai tradotti in codici accurati.

• Inaccuratezze nelle lettere di dimissione e fallimenti nella continuità. Uno studio che esamina la documentazione delle diagnosi nelle lettere di dimissione ospedaliere ha rilevato che la mancanza di struttura e contenuto standardizzati porta a documentazione incompleta, ambigua o inaccurata, compromettendo direttamente la continuità delle cure per i clinici successivi.

Uno studio trasversale del 2024 pubblicato su PMC ha rilevato un tasso di inaccuratezza del 26,8 per cento nei codici di diagnosi principale in un contesto ospedaliero. Più di una diagnosi principale su quattro era codificata in modo errato. Lo studio ha collegato direttamente questi errori alla cattiva interpretazione dei dati clinici e agli esiti di sicurezza del paziente.

L'effetto a catena sistemico: dalla cartella individuale alla salute della popolazione

Le inaccuratezze di codifica non rimangono confinate all'interno delle singole cartelle cliniche. Si aggregano e, su larga scala, distorcono l'infrastruttura dati da cui dipendono i sistemi sanitari per la pianificazione, la sorveglianza e la responsabilità.

Gli eventi avversi prevenibili rappresentano un esempio chiaro. Uno studio multiregionale pubblicato su BMJ Quality and Safety ha esaminato i codici ICD-10 Y62–Y69, che rilevano eventi avversi prevenibili verificatisi durante l'assistenza medica e chirurgica, e ha riscontrato che questi eventi rimangono sistematicamente sottosegnalati a causa di carenze nella codifica. La conseguenza non è semplicemente un vuoto statistico: il danno sottosegnalato comporta un sottoinvestimento nell'infrastruttura di sicurezza, perché l'allocazione delle risorse segue i dati.

La stessa dinamica si applica alla sorveglianza delle malattie. Se una condizione è costantemente codificata in modo errato, sia con un codice simile ma distinto sia omessa del tutto, le cifre di prevalenza a livello di popolazione diventano inaffidabili. La pianificazione della sanità pubblica, la progettazione dei programmi di screening e le decisioni di commissioning dipendono tutte da questi dati. Anche la gestione delle liste d'attesa è influenzata: le diagnosi codificate e le classificazioni delle procedure determinano come i pazienti vengono categorizzati e prioritizzati nei percorsi di invio. Una codifica sistematicamente errata distorce quelle code in modi invisibili ai clinici che le gestiscono.

NHS England registra oltre 3 milioni di eventi di sicurezza del paziente ogni anno. La ricerca citata da NHS Resolution mostra che gli errori diagnostici hanno generato £970,7 milioni in risarcimenti attraverso 8.067 reclami tra il 2019 e il 2024, circa il 20 per cento di tutti i reclami per negligenza clinica. La ricerca BMJ citata nella stessa fonte stima che gli errori diagnostici colpiscano 1 paziente su 18 nell'assistenza primaria e specialistica del Regno Unito. Non tutti gli errori diagnostici hanno origine da fallimenti di codifica, ma la connessione strutturale tra documentazione scadente, codifica inaccurata e diagnosi mancata o ritardata è ben documentata in letteratura.

Perché si verificano errori di codifica: il problema dell'onere documentale

Comprendere perché si verificano errori di codifica richiede di guardare a monte, dal codice stesso al consulto clinico che lo ha generato. Nella maggior parte dei trust NHS, le lettere di dimissione restano la fonte primaria da cui lavorano i codificatori clinici. L'accuratezza della cartella codificata dipende quindi direttamente dalla qualità della documentazione che la precede, e quella documentazione è prodotta in condizioni strutturalmente ostili alla precisione.

La pressione temporale durante i consulti riduce il tempo disponibile per una stesura di note approfondita e strutturata. La fatica del clinico, in particolare alla fine di turni lunghi o sessioni ambulatoriali ad alto volume, compromette la qualità e la completezza della documentazione. I modelli legacy dei sistemi di cartelle cliniche, progettati per l'efficienza del flusso di lavoro più che per la granularità clinica, creano default e scorciatoie che potrebbero non catturare la piena complessità della presentazione di un paziente. Esiste anche un persistente divario strutturale tra ciò che un clinico dice in un consulto e ciò che finisce come voce codificata: il ragionamento clinico sfumato, le diagnosi differenziali considerate ma non risolte e le informazioni contestuali che guidano il processo decisionale spesso non sopravvivono alla traduzione in campi strutturati.

Le conseguenze di questo divario sono misurabili. Uno studio citato da Mind the Bleep ha rilevato che il 47 per cento dei pazienti ortopedici in day-case aveva codifica errata attribuibile all'onere documentale, quasi la metà di tutti i casi in una singola specialità. La revisione sistematica del 2024 ha confermato questa evidenza, identificando l'onere documentale e il carico cognitivo (lo sforzo mentale richiesto per gestire richieste cliniche e amministrative simultanee) come fattori a monte dei fallimenti di codifica a valle.

Quando l'attenzione è divisa tra il paziente e la cartella, entrambi ne risentono. Il carico cognitivo imposto da richieste cliniche e amministrative simultanee è un fattore riconosciuto che contribuisce sia al burnout del clinico sia al degrado della documentazione.

Dove si inseriscono l'intelligenza artificiale e la tecnologia vocale ambientale

Il divario tra conversazione clinica e output codificato strutturato è esattamente dove trovano applicazione gli assistenti medici basati su intelligenza artificiale (IA, sistemi informatici che simulano capacità cognitive umane) e la tecnologia vocale ambientale (strumenti di cattura vocale in tempo reale che generano documentazione clinica strutturata da consulti parlati). Invece di richiedere ai clinici di tradurre il loro ragionamento in campi codificati dopo il fatto, sotto pressione temporale e carico cognitivo, la tecnologia vocale ambientale cattura il consulto clinico in tempo reale, generando documentazione strutturata che riflette più accuratamente ciò che è stato detto e deciso.

Un framework per valutare l'IA ambientale nella pratica clinica, pubblicato su NEJM AI, ha identificato l'integrazione con i sistemi di cartelle cliniche, la conformità alla codifica e la valutazione nel mondo reale come le sfide centrali per un'adozione diffusa. Lo studio ha introdotto protocolli operativi per monitorare il deployment dell'IA ambientale, riconoscendo che il potenziale della tecnologia di ridurre l'onere documentale è significativo, ma che l'integrazione con l'infrastruttura di codifica e conformità esistente richiede una progettazione attenta.

La ricerca sui set di valori SNOMED CT per la documentazione di eventi avversi da farmaci illustra un punto correlato: la codifica standardizzata e strutturata di eventi clinici, inclusi eventi avversi da farmaci, migliora la documentazione della sicurezza e supporta la riduzione del danno a livello di sistema. Gli strumenti IA che supportano la selezione coerente di codici da narrazioni cliniche più ricche contribuiscono direttamente a questo obiettivo.

Gli approcci di elaborazione del linguaggio naturale (NLP, tecniche informatiche che analizzano il linguaggio umano) alla codifica ICD-10 hanno anche dimostrato la capacità di rilevare eventi avversi che i sistemi convenzionali basati su dati strutturati non individuano, proprio perché possono elaborare il linguaggio clinico nelle note invece di affidarsi esclusivamente a ciò che è stato formalmente codificato. La ricerca pubblicata su JMIR Medical Informatics conferma questa evidenza. Questo indica un modello in cui l'IA assiste nell'emergere di informazioni clinicamente rilevanti per la codifica, piuttosto che sostituire il giudizio clinico necessario per confermarle.

Alcuni punti di chiarezza sono importanti qui:

• Gli strumenti IA assistono nella cattura della documentazione e nel suggerimento di codici. La responsabilità clinica per l'accuratezza rimane in capo al clinico curante e, dove applicabile, al team di codifica clinica.

• La qualità della documentazione generata dall'IA dipende dalla qualità dell'input clinico. Gli strumenti ambientali riducono l'onere di trascrizione ma non sostituiscono la precisione clinica.

• I log pronti per l'audit e la validazione in tempo reale generati dagli ambienti di codifica assistita da IA possono supportare i processi di garanzia della qualità, ma richiedono framework di governance per essere efficaci.

Come dovrebbe essere fatto bene: standard, responsabilità e proprietà clinica

Una pratica di codifica clinica accurata e sicura non si ottiene solo attraverso la tecnologia. Richiede strutture di responsabilità organizzativa, coinvolgimento dei clinici e processi di garanzia della qualità che trattino la codifica come una questione di governance clinica, non solo amministrativa.

In pratica, questo significa:

• Proprietà clinica della revisione della codifica. I clinici, non solo i codificatori, dovrebbero essere coinvolti nella revisione degli output codificati, in particolare per casi complessi o condizioni ad alto rischio. L'audit del British Journal of Cardiology sulla codifica dell'insufficienza cardiaca ha rilevato che miglioramenti significativi richiedevano il coinvolgimento del clinico nel processo di codifica, non solo la formazione dei codificatori.

• Chiara responsabilità organizzativa. La responsabilità per l'accuratezza della codifica dovrebbe essere assegnata esplicitamente all'interno dei framework di governance clinica, con cicli di audit e loop di feedback che colleghino i dati sulla qualità della codifica ai team clinici.

• Standard di documentazione che supportano la codifica. Lettere di dimissione, note di consulto e lettere di invio dovrebbero essere strutturate per fornire le informazioni di cui i codificatori hanno bisogno per assegnare codici accurati. Questo è uno standard di scrittura clinica, non solo amministrativa.

• Sicurezza dei dati e conformità normativa per ambienti assistiti da IA. Dove gli strumenti IA supportano la documentazione o la codifica, le organizzazioni devono garantire la conformità con il Regolamento generale sulla protezione dei dati (GDPR, il regolamento europeo sulla privacy dei dati), i requisiti pertinenti del Regolamento sui dispositivi medici (MDR, il regolamento europeo sui dispositivi medici) e gli standard di sicurezza dei dati inclusi ISO 27001 (lo standard internazionale per la gestione della sicurezza delle informazioni). Le considerazioni sulla residenza dei dati, in particolare dove l'IA basata su cloud elabora dati dei pazienti, richiedono decisioni di governance esplicite.

• Formazione coerente tra personale di codifica e clinico. La comprensione incoerente delle convenzioni di codifica tra team clinici e di codifica è una fonte documentata di errore. Formazione condivisa ed esercizi di calibrazione regolari riducono il divario interpretativo.

La revisione sistematica del 2024 ha rilevato che i sistemi di validazione in tempo reale e gli strumenti IA e NLP hanno mostrato miglioramenti misurabili nell'accuratezza della codifica, ma ha sottolineato che questi strumenti funzionano in modo più efficace all'interno di strutture di governance che ne supportano l'uso, piuttosto che come soluzioni tecniche autonome.

Punti chiave: l'accuratezza della codifica come imperativo di sicurezza clinica

Le evidenze provenienti da ricerca primaria, audit clinici e revisioni sistematiche convergono su una conclusione coerente: l'accuratezza della codifica clinica è una questione di sicurezza del paziente con conseguenze dirette e tracciabili per i singoli pazienti e i sistemi di salute della popolazione.

• Gli errori di codifica influenzano la sicurezza dei farmaci, l'inclusione nei registri di malattia, la prioritizzazione del triage e la continuità delle cure, non solo il rimborso.

• È stato documentato un tasso di inaccuratezza del 26,8 per cento nei codici di diagnosi principale in contesti ospedalieri. In uno studio, il 47 per cento dei pazienti ortopedici in day-case aveva episodi codificati in modo errato a causa di fallimenti nella documentazione.

• Gli eventi avversi prevenibili sono sistematicamente sottosegnalati a causa di carenze nella codifica ICD-10, creando punti ciechi nella sorveglianza della sicurezza del paziente.

• L'onere documentale e il carico cognitivo sono fattori a monte del fallimento della codifica. Affrontare la qualità della codifica richiede di intervenire sulle condizioni in cui viene prodotta la documentazione clinica.

• L'IA e la tecnologia vocale ambientale possono ridurre il divario tra conversazione clinica e output codificato strutturato, ma la responsabilità clinica per l'accuratezza non viene trasferita alla tecnologia.

• L'accuratezza della codifica appartiene alle conversazioni di governance clinica, insieme al controllo delle infezioni, alla sicurezza prescrittiva e alla qualità diagnostica, non solo ai flussi di lavoro di finanza o informatica.

Il caso di sicurezza del paziente per l'accuratezza della codifica non è una preoccupazione marginale. Si colloca all'intersezione di ogni consulto clinico e di ogni decisione a valle che ne consegue.

Domande frequenti

▶ Cos'è la codifica clinica e perché è importante oltre alla fatturazione?

La codifica clinica è il processo di traduzione dei consulti clinici in codici standardizzati, principalmente SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms) e ICD-10/11 (International Classification of Diseases). Questi codici svolgono due funzioni: determinano il rimborso nell'ambito dei framework di pagamento e popolano i sistemi di cartelle cliniche, informano i percorsi di invio, attivano avvisi sui farmaci, stratificano i pazienti per rischio e forniscono dati per i registri di malattia e la sorveglianza della salute della popolazione. Un atto di codifica è, in pratica, un atto clinico.

▶ Come causano danno diretto al paziente gli errori di codifica?

Gli errori di codifica causano danno attraverso diversi meccanismi documentati. Una diagnosi codificata erroneamente può persistere per anni e in molteplici contesti di cura, influenzando prescrizioni e decisioni terapeutiche. Gli avvisi di sicurezza dei farmaci si basano su diagnosi e allergie codificate, quindi se una condizione controindicata è assente dalla cartella codificata, l'avviso non si attiverà. Le comorbidità codificate erroneamente possono anche portare a una prioritizzazione errata del triage. Una revisione sistematica del 2024 su 25 studi ha rilevato che gli errori di codifica propagano disinformazione attraverso i sistemi di supporto decisionale clinico e possono causare danno diretto al paziente.

▶ Gli errori di codifica possono far sì che i pazienti vengano persi dai registri di malattia?

Sì. Un audit del 2024 pubblicato sul British Journal of Cardiology ha rilevato che la codifica SNOMED CT assente o errata nell'assistenza primaria fa sì che i pazienti con insufficienza cardiaca vengano completamente persi dai registri di malattia. Quei pazienti non ricevono follow-up strutturato, nessun richiamo per il monitoraggio e nessun accesso agli interventi che quei registri sono progettati per fornire. Lo stesso audit ha rilevato che errori di auto-codifica possono creare il problema opposto: voci false positive che generano ansia clinica e interventi non necessari.

▶ Quanto sono comuni le inaccuratezze di codifica in contesti ospedalieri?

Uno studio trasversale del 2024 pubblicato su PMC ha rilevato un tasso di inaccuratezza del 26,8 per cento nei codici di diagnosi principale in un contesto ospedaliero. Più di una diagnosi principale su quattro era codificata in modo errato. Lo studio ha collegato direttamente questi errori alla cattiva interpretazione dei dati clinici e agli esiti di sicurezza del paziente. Uno studio separato ha rilevato che il 47 per cento dei pazienti ortopedici in day-case aveva codifica errata attribuibile all'onere documentale.

▶ Quale effetto hanno gli errori di codifica sui dati di salute della popolazione e sulla pianificazione delle risorse?

Le inaccuratezze di codifica si aggregano nelle cartelle cliniche e distorcono i dati su cui i sistemi sanitari si affidano per la pianificazione, la sorveglianza e la responsabilità. Uno studio multiregionale pubblicato su BMJ Quality and Safety ha rilevato che gli eventi avversi prevenibili rimangono sistematicamente sottosegnalati a causa di carenze nella codifica. Il danno sottosegnalato comporta un sottoinvestimento nell'infrastruttura di sicurezza, perché l'allocazione delle risorse segue i dati. La gestione delle liste d'attesa e la progettazione dei programmi di screening sono similmente influenzate quando le diagnosi codificate sono sistematicamente inaccurate.

▶ Perché si verificano errori di codifica clinica in primo luogo?

Gli errori di codifica hanno origine a monte nel consulto clinico. Nella maggior parte dei trust NHS, le lettere di dimissione sono la fonte primaria da cui lavorano i codificatori clinici, quindi l'accuratezza della codifica dipende direttamente dalla qualità della documentazione. La pressione temporale, la fatica del clinico e i modelli legacy dei sistemi di cartelle cliniche compromettono tutti la completezza e la precisione delle note cliniche. La revisione sistematica del 2024 ha identificato l'onere documentale e il carico cognitivo, ovvero lo sforzo mentale di gestire richieste cliniche e amministrative simultanee, come fattori a monte dei fallimenti di codifica a valle.

▶ Come può la tecnologia vocale ambientale aiutare a ridurre gli errori di codifica?

La tecnologia vocale ambientale cattura il consulto clinico in tempo reale e genera documentazione strutturata da consulti parlati, invece di richiedere ai clinici di tradurre il loro ragionamento in campi codificati dopo il fatto e sotto pressione temporale. La ricerca pubblicata su NEJM AI ha identificato l'integrazione con i sistemi di cartelle cliniche, la conformità alla codifica e la valutazione nel mondo reale come le sfide centrali per un'adozione diffusa. Gli strumenti IA che supportano la selezione coerente di codici da narrazioni cliniche più ricche possono contribuire a dati strutturati più accurati, sebbene la responsabilità clinica per l'accuratezza rimanga in capo al clinico curante.

▶ L'IA sostituisce la responsabilità del clinico per l'accuratezza della codifica?

No. Gli strumenti IA assistono nella cattura della documentazione e nel suggerimento di codici, ma la responsabilità clinica per l'accuratezza rimane in capo al clinico curante e, dove applicabile, al team di codifica clinica. La qualità della documentazione generata dall'IA dipende dalla qualità dell'input clinico. Gli strumenti ambientali riducono l'onere di trascrizione ma non sostituiscono la precisione clinica. La revisione sistematica del 2024 ha rilevato che gli strumenti IA e di elaborazione del linguaggio naturale hanno mostrato miglioramenti misurabili nell'accuratezza della codifica, ma funzionano in modo più efficace all'interno di strutture di governance che ne supportano l'uso.

▶ Quali passi organizzativi supportano una codifica clinica accurata?

L'articolo identifica diverse misure pratiche. I clinici, non solo i codificatori, dovrebbero essere coinvolti nella revisione degli output codificati per casi complessi o ad alto rischio. La responsabilità per l'accuratezza della codifica dovrebbe essere assegnata esplicitamente all'interno dei framework di governance clinica, con cicli di audit che colleghino i dati sulla qualità della codifica ai team clinici. Le lettere di dimissione e le note di consulto dovrebbero essere strutturate per dare ai codificatori le informazioni di cui hanno bisogno. Dove gli strumenti IA supportano la documentazione o la codifica, le organizzazioni devono garantire la conformità con il Regolamento generale sulla protezione dei dati, i requisiti pertinenti del Regolamento sui dispositivi medici e gli standard di sicurezza dei dati inclusi ISO 27001.

▶ Qual è la scala finanziaria e legale del danno legato ai fallimenti diagnostici e di codifica?

La ricerca citata da NHS Resolution mostra che gli errori diagnostici hanno generato £970,7 milioni in risarcimenti attraverso 8.067 reclami tra il 2019 e il 2024, circa il 20 per cento di tutti i reclami per negligenza clinica. NHS England registra oltre 3 milioni di eventi di sicurezza del paziente ogni anno. La ricerca BMJ stima che gli errori diagnostici colpiscano 1 paziente su 18 nell'assistenza primaria e specialistica del Regno Unito. Non tutti gli errori diagnostici hanno origine da fallimenti di codifica, ma la connessione strutturale tra documentazione scadente, codifica inaccurata e diagnosi mancata o ritardata è ben documentata in letteratura.