La documentazione clinica nella medicina generale ha sempre comportato un compromesso. La nota narrativa cattura l'incertezza, il contesto e le sfumature con le parole del medico. Tuttavia, mentre gli studi di medicina generale sono sottoposti a una crescente pressione per fornire dati accurati e codificati ai registri nazionali, ai Quality and Outcomes Framework (QOF) e alle dashboard dei sistemi di assistenza integrata (ICS), quella stessa nota narrativa mina silenziosamente la qualità dei dati sulla salute della popolazione su larga scala. Il divario tra il modo in cui i medici documentano l’assistenza e ciò che i sistemi di reportistica possono effettivamente leggere non è un semplice inconveniente tecnico: è un problema strutturale con conseguenze misurabili per i registri delle malattie, l’allocazione delle risorse e l’equità sanitaria.

Cosa significa in pratica la documentazione non strutturata in testo libero

Nel contesto delle visite di medicina generale, le note in testo libero sono annotazioni narrative scritte direttamente nel sistema informatico di cartelle cliniche nel linguaggio proprio del medico, in contrapposizione ai campi codificati strutturati che assegnano identificatori standardizzati a diagnosi, sintomi, farmaci ed esiti. Un medico di base potrebbe digitare "il paziente riferisce di sentirsi giù di morale, sonno disturbato, appetito ridotto, probabile depressione, discussa attesa vigile" in un campo note. Quella voce è significativa dal punto di vista clinico. Per un sistema di reportistica, però, è invisibile.

Il testo libero rimane la modalità dominante di documentazione clinica nell’assistenza primaria per ragioni comprensibili. È più rapido che navigare tra modelli strutturati durante una visita di dieci minuti. Accoglie l’incertezza clinica: condizioni sospette ma non confermate, sintomi che non rientrano ancora in una categoria diagnostica o esperienze riferite dal paziente che sfuggono a etichette standardizzate. Preserva la dimensione relazionale della visita in un modo che un menu a tendina non può offrire. Oltre l’80 per cento dei dati sanitari digitali non è strutturato, e l’assistenza primaria non fa eccezione.

Come funziona la reportistica sulla salute della popolazione negli studi di medicina generale

La reportistica sulla salute della popolazione nella medicina generale dipende quasi esclusivamente da dati strutturati e leggibili dalle macchine. Quando un medico assegna un codice SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms, la nomenclatura sistematizzata della medicina per i termini clinici) a una diagnosi o a un reperto clinico durante o dopo una visita, quel codice viene registrato nel sistema informatico di cartelle cliniche in modo da poter essere estratto, aggregato e riportato. I registri delle malattie, per condizioni come diabete, ipertensione, broncopneumopatia cronica ostruttiva e gravi malattie mentali, sono costruiti su queste voci codificate. Gli indicatori QOF vengono calcolati su di essi. Le dashboard ICS e gli strumenti di pianificazione degli integrated care board (ICB, i consigli di assistenza integrata) si basano su questi dati.

I programmi nazionali di audit, inclusi il National Diabetes Audit e le metriche della dashboard della Primary Care Network (PCN, la rete di assistenza primaria) utilizzate dall’NHS England, si fondano sullo stesso strato di dati strutturati. Lo stesso vale per gli strumenti di stratificazione del rischio che gli ICB utilizzano per identificare coorti ad alto bisogno e indirizzare le risorse verso popolazioni sottoservite. Nessuno di questi sistemi può interrogare una narrazione in testo libero. Le note cliniche scritte in testo libero potrebbero non essere facilmente traducibili in campi di dati strutturati, con conseguente mancanza di informazioni su sintomi, esposizioni ed esiti, che rappresenta una barriera diretta alla sorveglianza a livello di popolazione.

Dove le note in testo libero interrompono la catena di reportistica

I punti di rottura sono specifici e ben documentati. Quando un medico registra una nuova diagnosi in una nota di visita senza assegnare un codice SNOMED CT corrispondente, quella diagnosi non appare nel registro delle malattie. Quando un fattore di rischio come lo stato di fumatore, l’uso di alcol o la storia familiare di malattie cardiovascolari è documentato solo in testo narrativo, non viene conteggiato nei campi strutturati che guidano gli indicatori QOF o i punteggi di rischio. Quando un esito, come una decisione di invio o un cambiamento di farmaco, è descritto in testo libero anziché codificato, viene perso per qualsiasi reportistica successiva.

Una ricerca che ha utilizzato 2,9 milioni di cartelle di pazienti da un database di medici di base olandesi ha dimostrato quantitativamente che i codici strutturati e le note cliniche non strutturate sono altamente complementari, piuttosto che ridondanti. La maggior parte dei concetti registrati in un tipo di dato non appare nell’altro. È stato riscontrato che le visite per depressione si basano fortemente su dati non strutturati, con relativamente pochi concetti catturati solo nei codici strutturati. Ciò significa che, per interi ambiti clinici, i dati che alimentano i rapporti sulla salute della popolazione potrebbero essere sistematicamente incompleti.

Una revisione sistematica di 43 studi britannici che utilizzano testo libero clinico ha rilevato che gli studi che includono dati in testo libero mostravano una precisione maggiore rispetto a quelli che si basano solo su codici strutturati. Ha anche riscontrato che i dati in testo libero vengono regolarmente rimossi prima che le cartelle siano rese disponibili per la ricerca, lasciando inutilizzata una fonte sostanziale di informazioni sulla salute della popolazione. La revisione ha evidenziato che le note degli studi di medicina generale del Regno Unito e le cartelle di salute mentale si basano in particolare su narrazioni in testo libero.

Il problema si estende anche al modo in cui le nuove diagnosi vengono inserite nella cartella. Le nuove diagnosi sono spesso registrate solo in lettere archiviate sotto codici amministrativi come "lettera dallo specialista", invece che sotto il codice diagnostico pertinente. L’informazione clinica è presente nel sistema informatico di cartelle cliniche, ma è archiviata in una posizione e in un formato a cui i sistemi di reportistica non possono accedere.

Uno studio che confronta i codici diagnostici con l’analisi di elaborazione del linguaggio naturale (NLP, natural language processing, una tecnica di intelligenza artificiale che analizza il testo) delle note cliniche in testo libero nell’assistenza primaria ha riscontrato stime di prevalenza sostanzialmente diverse a seconda della fonte di dati utilizzata. I dati codificati sottostimavano sistematicamente i casi. Applicato a un contesto di salute della popolazione, ciò significa che i registri delle malattie costruiti esclusivamente da codici strutturati sottostimeranno regolarmente la reale prevalenza, e il grado di sottostima varierà a seconda della condizione, del medico e dello studio.

Le conseguenze reali per gli studi di medicina generale e gli ICB

Gli effetti a valle si manifestano contemporaneamente su più livelli. A livello di studio, i registri delle malattie incompleti riducono la popolazione idonea per il raggiungimento del QOF, il che può abbassare i punteggi complessivi e il reddito associato. Se i pazienti con una diagnosi pertinente sono registrati solo in testo libero, e non nel registro delle malattie, vengono esclusi dal denominatore utilizzato per calcolare le prestazioni QOF, anche se l’assistenza clinica è stata fornita in modo appropriato.

A livello di ICB, le conseguenze sono più diffuse ma potenzialmente più significative. Gli strumenti di stratificazione del rischio che assegnano i pazienti a categorie di bisogno alto, medio o basso dipendono dalla completezza dei dati codificati. Dati strutturati distorti o incompleti portano a una stratificazione del rischio della popolazione imprecisa e, di conseguenza, a decisioni di allocazione delle risorse che non riflettono il reale bisogno della popolazione. Le coorti che dovrebbero essere prioritarie per interventi mirati, incluse le persone con condizioni croniche non diagnosticate, quelle con comorbilità multiple o provenienti da comunità con tassi storicamente più bassi di diagnosi codificate, potrebbero non apparire affatto nei dati.

I determinanti sociali della salute e le misure di qualità della vita sono raramente catturati nei campi strutturati delle cartelle cliniche e, se presenti, sono documentati in note in testo libero. Ciò crea un problema particolare per il monitoraggio delle disuguaglianze sanitarie. Se i dati utilizzati per identificare le popolazioni sottoservite sono concentrati in un formato che i sistemi di reportistica non possono leggere, queste popolazioni rimangono invisibili ai processi di pianificazione, aggravando le iniquità esistenti invece di affrontarle.

I registri delle malattie e le valutazioni della qualità dell’assistenza che utilizzano cartelle cliniche saranno fuorvianti se le informazioni in testo libero non vengono prese in considerazione, un risultato replicato in diversi ambiti clinici, incluse le sindromi geriatriche e gli esiti post-chirurgici documentati quasi esclusivamente in note narrative.

Perché i medici scelgono il testo libero per impostazione predefinita

La prevalenza della documentazione in testo libero non è principalmente un problema di comportamento, ma di progettazione del sistema.

I modelli strutturati e le interfacce di codifica nella maggior parte dei sistemi informatici di cartelle cliniche non sono progettati attorno al ritmo e alle richieste cognitive di una visita di medicina generale. Navigare tra menu a tendina, cercare il codice SNOMED CT corretto e compilare campi strutturati richiede tempo che non è disponibile in un appuntamento standard. L’incertezza clinica, lo stigma, le pressioni temporali e la scarsa formazione dei medici nella codifica sono tutte ragioni documentate per cui i campi strutturati rimangono incompleti, anche quando i medici ne comprendono l’importanza.

L’onere documentale nell’assistenza primaria è reale e ben documentato. Chiedere ai medici di scegliere tra dare piena attenzione al paziente e garantire che le note siano codificate correttamente non è una richiesta ragionevole. I sistemi che inquadrano questo come un problema di conformità, anziché di progettazione del flusso di lavoro, difficilmente produrranno miglioramenti sostenibili.

La codifica manuale dei dati clinici in testo libero è sia dispendiosa in termini di tempo che costosa, e il carico cognitivo di una codifica clinica accurata durante o immediatamente dopo una visita è significativo. Il testo libero non è una soluzione di ripiego: per molti medici, è l’unica opzione realistica dati gli strumenti disponibili.

Come la tecnologia vocale ambientale e gli assistenti IA stanno cambiando l’equazione

La tensione strutturale tra velocità di documentazione e qualità dei dati non è inevitabile. La tecnologia vocale ambientale (AVT, ambient voice technology), che utilizza l’intelligenza artificiale (IA, artificial intelligence, un sistema informatico che esegue compiti che normalmente richiedono l’intelligenza umana) per ascoltare una visita in tempo reale e generare simultaneamente sia note narrative che dati clinici strutturati, cambia i termini del compromesso.

Invece di richiedere al medico di scegliere tra scrivere una nota completa e assegnare il codice corretto, un assistente medico IA che utilizza AVT può svolgere entrambe le attività in background. Il medico conduce la visita come farebbe normalmente. L’assistente ascolta, genera una bozza di nota clinica e presenta codici SNOMED CT suggeriti per la revisione. Il medico rivede e conferma, un processo che richiede pochi secondi anziché minuti e non interrompe la visita stessa.

Questo approccio affronta la causa principale dell’eccessivo affidamento al testo libero: il fatto che la documentazione strutturata attualmente richiede più tempo e sforzo cognitivo rispetto alla documentazione narrativa. Sono necessari metodi innovativi per migliorare l’acquisizione strutturata dei dati clinici per facilitare l’uso dei dati clinici raccolti di routine per la fenotipizzazione dei pazienti e la reportistica sulla salute della popolazione. Gli assistenti IA basati su AVT rappresentano una delle implementazioni più pratiche di questo principio nell’assistenza primaria.

La classificazione automatizzata dei dati dell’assistenza primaria in testo libero non strutturato per la stima della prevalenza delle malattie è tecnicamente fattibile, ma applicarla retroattivamente alle cartelle esistenti richiede molte risorse. L’intervento più efficiente è prevenire la formazione del divario di dati in primo luogo, supportando l’acquisizione strutturata al momento della visita.

Come appare una buona documentazione: note strutturate senza rallentare l’assistenza

Un flusso di lavoro di documentazione che supporta realmente la reportistica sulla salute della popolazione ha diverse caratteristiche identificabili:

• Suggerimenti di codici automatici presentati dopo la visita, basati su ciò che è stato detto durante l’appuntamento, senza richiedere al medico di cercare codici manualmente durante o dopo l’incontro

• Dati strutturati acquisiti in background, in modo che le voci del registro delle malattie, gli indicatori rilevanti per il QOF e le decisioni di invio siano registrati in formato leggibile da macchina senza input aggiuntivo del medico

• Modelli compilati senza inserimento manuale dei dati, attingendo alla trascrizione della visita per precompilare campi strutturati che altrimenti sarebbero lasciati vuoti o completati in testo libero

• Integrazione del sistema informatico di cartelle cliniche a livello di dati, in modo che gli output strutturati fluiscano direttamente nei campi pertinenti del sistema clinico senza richiedere un passaggio di documentazione separato

La differenza tra questo approccio e i precedenti strumenti di codifica aggiuntivi è significativa. I vecchi strumenti di assistenza alla codifica richiedevano ai medici di interagire con un’interfaccia separata, cercare codici manualmente o rivedere lunghe liste di suggerimenti generati da dati di fatturazione piuttosto che da contenuti clinici. Gli approcci nativi IA che operano dalla trascrizione della visita e presentano un piccolo numero di suggerimenti di codici ad alta affidabilità nel contesto sono significativamente diversi in termini di impatto sul flusso di lavoro.

La combinazione di dati strutturati e non strutturati delle cartelle cliniche produce costantemente un’identificazione dei pazienti e approfondimenti sulla salute della popolazione più accurati rispetto a ciascun tipo di dato preso singolarmente. L’obiettivo della documentazione assistita da IA non è eliminare le note in testo libero, che hanno un reale valore clinico, ma garantire che lo strato di dati strutturati sia popolato in modo coerente e accurato insieme ad esse.

Considerazioni chiave nella valutazione degli strumenti di documentazione IA per gli studi di medicina generale

Per i decisori sanitari che valutano gli strumenti di documentazione IA nel contesto della reportistica sulla salute della popolazione, diversi criteri sono particolarmente rilevanti.

Accuratezza dei suggerimenti di codici SNOMED CT. Il valore clinico di un assistente IA dipende dall’accuratezza e dalla specificità dei suoi suggerimenti di codifica. Gli strumenti dovrebbero essere valutati rispetto a dati reali di visite di assistenza primaria, con trasparenza sui tassi di falsi positivi e falsi negativi per codici clinicamente significativi.

Profondità dell’integrazione del sistema informatico di cartelle cliniche. Uno strumento che genera output strutturati in un formato proprietario, invece di scrivere direttamente nei campi strutturati pertinenti del sistema informatico di cartelle cliniche dello studio, non risolve il problema della reportistica sulla salute della popolazione. L’integrazione a livello di dati, non solo a livello di interfaccia, è lo standard di riferimento.

Sicurezza dei dati e privacy. I dati delle visite di medicina generale sono tra i dati personali più sensibili trattati in qualsiasi settore. Gli strumenti devono essere conformi al Regolamento generale sulla protezione dei dati (GDPR, General Data Protection Regulation, il regolamento europeo sulla protezione dei dati personali) del Regno Unito, con documentazione chiara sulla residenza dei dati, accordi di trattamento e controlli di accesso. La certificazione ISO 27001 (lo standard internazionale per la gestione della sicurezza delle informazioni) è un requisito di base.

Classificazione come dispositivo medico. Gli strumenti IA che influenzano le decisioni di documentazione e codifica clinica possono essere classificati come dispositivi medici ai sensi del Regolamento sui dispositivi medici (MDR, Medical Device Regulation, il regolamento europeo sui dispositivi medici) del Regno Unito. Gli studi e gli ICB dovrebbero verificare lo stato normativo di qualsiasi strumento in valutazione e comprendere quali obblighi di sicurezza clinica comporta tale classificazione.

Evidenza delle prestazioni nel mondo reale nell’assistenza primaria. Evidenze sottoposte a revisione paritaria, o almeno dati di prestazione convalidati in modo indipendente da contesti di assistenza primaria del Regno Unito, dovrebbero essere disponibili prima della distribuzione su larga scala. Le prestazioni nell’assistenza specialistica o nei contesti del sistema sanitario statunitense non prevedono in modo affidabile le prestazioni nella medicina generale del Regno Unito.

La qualità della documentazione è una questione di salute della popolazione

La qualità dei dati sulla salute della popolazione è inseparabile dal modo in cui i singoli medici documentano le singole visite. Ogni voce in testo libero che contiene un reperto clinicamente significativo, come una nuova diagnosi, un fattore di rischio non controllato o una condizione cronica in peggioramento, ma non è accompagnata da un codice strutturato, rappresenta un divario nei dati che alimentano i registri delle malattie, i calcoli QOF e gli strumenti di pianificazione ICB.

Questo non è un problema che può essere risolto chiedendo ai medici di codificare con maggiore attenzione. L’onere documentale nell’assistenza primaria è già sostanziale, e aggiungervi altro non è né sostenibile né efficace. Il percorso pratico da seguire è cambiare la relazione tra visita e documentazione, utilizzando l’assistenza IA per garantire che l’acquisizione di dati strutturati avvenga come sottoprodotto dell’assistenza clinica, piuttosto che come un compito aggiuntivo sovrapposto ad essa.

I modelli predittivi che utilizzano sia dati strutturati che note narrative non strutturate superano costantemente quelli che utilizzano solo uno dei due tipi di dati. Lo stesso principio si applica alla reportistica sulla salute della popolazione: il quadro più accurato e completo della salute della popolazione emerge quando i dati strutturati e non strutturati vengono acquisiti insieme, in modo coerente, al momento dell’assistenza. Raggiungere questo obiettivo, su larga scala, in uno studio di medicina generale o in un ICB, è una delle decisioni infrastrutturali più importanti a disposizione dei decisori sanitari oggi.

Domande frequenti

▶ Perché la documentazione clinica in testo libero causa problemi per la reportistica sulla salute della popolazione?

La reportistica sulla salute della popolazione dipende da dati strutturati e leggibili dalle macchine. Quando un medico registra una diagnosi o un fattore di rischio in una nota narrativa senza assegnare un codice SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms, la nomenclatura sistematizzata della medicina per i termini clinici) corrispondente, quell’informazione è invisibile ai registri delle malattie, ai calcoli del Quality and Outcomes Framework e alle dashboard dei sistemi di assistenza integrata. Il dettaglio clinico è presente nella cartella, ma i sistemi di reportistica non possono leggerlo.

▶ Quanti dati clinici nell’assistenza primaria non sono strutturati?

La ricerca suggerisce che oltre l’80 per cento dei dati sanitari digitali non è strutturato, e l’assistenza primaria non fa eccezione. Le note narrative in testo libero sono la modalità dominante di documentazione clinica negli ambienti di medicina generale, il che significa che una quota significativa di informazioni clinicamente rilevanti non entra mai nello strato di dati strutturati che alimenta i sistemi di reportistica.

▶ Quali sono le conseguenze pratiche per gli studi di medicina generale quando la documentazione è incompleta?

A livello di studio, i registri delle malattie incompleti significano punti Quality and Outcomes Framework mancati e reddito perso. Se una diagnosi è registrata solo in testo libero, il paziente non apparirà nel registro pertinente e lo studio non può richiedere i pagamenti associati, anche se l’assistenza clinica è stata fornita. A livello di integrated care board, dati strutturati distorti portano a una stratificazione del rischio imprecisa e a decisioni di allocazione delle risorse che non riflettono il reale bisogno della popolazione.

▶ Perché i medici scelgono le note in testo libero anziché la codifica strutturata per impostazione predefinita?

La prevalenza della documentazione in testo libero è un problema di progettazione del sistema, non di comportamento. Navigare tra menu a tendina e cercare il codice SNOMED CT corretto richiede tempo che non è disponibile in una visita standard di dieci minuti. L’incertezza clinica, lo stigma, la pressione temporale e la formazione limitata nella codifica sono tutte ragioni documentate per cui i campi strutturati rimangono incompleti. Per molti medici, il testo libero è l’unica opzione realistica dati gli strumenti disponibili.

▶ Quali aree cliniche sono maggiormente colpite dall’affidamento alla documentazione in testo libero?

Una ricerca che ha utilizzato 2,9 milioni di cartelle di pazienti da un database di medici di base olandesi ha riscontrato che le visite per depressione si basano quasi esclusivamente su dati non strutturati. Una revisione sistematica di 43 studi britannici ha riscontrato che le note degli studi di medicina generale del Regno Unito e le cartelle di salute mentale si basano in particolare su narrazioni in testo libero. Anche i determinanti sociali della salute e le misure di qualità della vita sono raramente catturati in campi strutturati, il che crea problemi specifici per il monitoraggio delle disuguaglianze sanitarie.

▶ Come aiuta la tecnologia vocale ambientale con la documentazione clinica strutturata?

La tecnologia vocale ambientale (AVT, ambient voice technology) utilizza l’intelligenza artificiale per ascoltare una visita in tempo reale e generare simultaneamente sia una nota narrativa che codici SNOMED CT suggeriti. Il medico conduce la visita come di consueto. L’assistente IA redige la nota e presenta suggerimenti di codici per la revisione, un processo che richiede pochi secondi e non interrompe l’appuntamento. Ciò significa che l’acquisizione di dati strutturati avviene insieme alla visita, anziché come un compito separato successivamente.

▶ L’utilizzo dell’assistenza IA significa rimuovere le note in testo libero dalle cartelle cliniche?

No. L’obiettivo della documentazione assistita da IA non è eliminare le note in testo libero, che hanno un reale valore clinico. La ricerca mostra costantemente che la combinazione di dati strutturati e non strutturati produce un’identificazione dei pazienti e approfondimenti sulla salute della popolazione più accurati rispetto a ciascun tipo di dato preso singolarmente. L’obiettivo è garantire che lo strato di dati strutturati sia popolato in modo coerente e accurato insieme alle note narrative, non sostituire l’uno con l’altro.

▶ Cosa dovrebbero cercare gli studi di medicina generale e gli integrated care board quando valutano gli strumenti di documentazione IA?

I criteri chiave includono l’accuratezza dei suggerimenti di codici SNOMED CT, la profondità dell’integrazione con il sistema informatico di cartelle cliniche dello studio e la conformità al Regolamento generale sulla protezione dei dati (GDPR, General Data Protection Regulation, il regolamento europeo sulla protezione dei dati personali) del Regno Unito, inclusa una chiara residenza dei dati e controlli di accesso. La certificazione ISO 27001 (lo standard internazionale per la gestione della sicurezza delle informazioni) è un requisito di base. Gli studi dovrebbero anche verificare se uno strumento è classificato come dispositivo medico ai sensi del Regolamento sui dispositivi medici (MDR, Medical Device Regulation, il regolamento europeo sui dispositivi medici) del Regno Unito e cercare dati di prestazione convalidati in modo indipendente da contesti di assistenza primaria del Regno Unito.

▶ Come influisce la documentazione strutturata incompleta sull’equità sanitaria?

Gli strumenti di stratificazione del rischio che identificano coorti ad alto bisogno dipendono da dati codificati completi. Quando informazioni clinicamente significative si trovano solo in note in testo libero, le comunità con tassi storicamente più bassi di diagnosi codificate potrebbero non apparire affatto nei dati di pianificazione. I determinanti sociali della salute sono raramente catturati in campi strutturati, quindi le popolazioni che hanno maggiormente bisogno di interventi mirati possono rimanere invisibili ai processi progettati per raggiungerle.

▶ La codifica automatizzata delle cartelle in testo libero esistenti è una soluzione pratica?

La classificazione automatizzata dei dati in testo libero non strutturato utilizzando l’elaborazione del linguaggio naturale è tecnicamente fattibile, ma applicarla retroattivamente alle cartelle esistenti richiede molte risorse. La ricerca mostra anche che i dati in testo libero vengono regolarmente rimossi prima che le cartelle siano rese disponibili per l’analisi, limitando ciò a cui gli strumenti retrospettivi possono accedere. L’approccio più efficiente è prevenire la formazione del divario di dati in primo luogo, supportando l’acquisizione strutturata al momento della visita.