L'amministrazione clinica raramente annuncia i propri insuccessi. Nella maggior parte degli studi di medicina generale in Europa, la discussione sulla pressione finanziaria si concentra su ciò che è evidente: la crescente domanda dei pazienti, gli slot di appuntamento sotto pressione e le ore perse nella documentazione dopo la fine della giornata clinica. Ma esiste un problema più silenzioso che si annida in ogni cartella clinica. Quando una condizione cronica viene documentata in testo libero ma non viene mai assegnato un codice clinico, quel paziente scompare dal livello dei dati strutturati dello studio. Viene curato, ma non conteggiato. Le conseguenze finanziarie, cliniche e normative si accumulano sull'intera lista dei pazienti senza che nessuno necessariamente se ne accorga.

Cos'è la sottocodifica e perché si verifica nell'assistenza primaria

La sottocodifica si verifica quando un clinico documenta una diagnosi o una condizione in corso nella narrazione di una nota clinica (in testo libero) ma non associa i corrispondenti codici clinici strutturati, come un codice SNOMED CT o ICD-10/11, alla cartella del paziente. La condizione è nota al clinico curante, ma è invisibile a qualsiasi sistema che legga dati strutturati: registri di malattia, strumenti di reportistica, dashboard di salute della popolazione e calcoli di rimborso.

Le cause sono ben documentate e in gran parte sistemiche piuttosto che individuali. Uno studio qualitativo del 2024 pubblicato sul BJGP, che esamina come il personale clinico e non clinico negli studi di medicina generale gallesi affronta la codifica clinica, ha rilevato che l'intero processo è poco compreso. I gruppi di coinvolgimento di pazienti e pubblico hanno evidenziato la necessità di alleggerire i clinici dal compito amministrativo della codifica, dato il suo impatto negativo sulle consultazioni cliniche. La codifica compete direttamente con l'atto di prendersi cura del paziente. In questa competizione, la codifica perde spesso.

I fattori strutturali includono:

• Pressione temporale durante le consultazioni: In un appuntamento standard di dieci minuti, la richiesta cognitiva di anamnesi, esame obiettivo, ragionamento clinico e comunicazione con il paziente lascia poco spazio per un'accurata immissione di dati strutturati.

• Dipendenza da sistemi di cartelle cliniche obsoleti: Molti studi utilizzano sistemi in cui l'aggiunta di un codice clinico richiede la navigazione tra più schermate o il passaggio tra modalità di input durante la consultazione.

• Carico cognitivo: Lo studio qualitativo gallese ha confermato che il doppio compito di assistenza clinica e codifica simultanea pone un notevole stress cognitivo sui clinici, in particolare nelle consultazioni complesse o emotivamente impegnative.

• Ambiguità nella delega: In alcuni studi, la codifica è parzialmente delegata al personale amministrativo che potrebbe non avere le conoscenze cliniche per codificare accuratamente dalle note narrative.

Nessuno di questi è un fallimento dei singoli clinici. Sono risultati prevedibili di un sistema che ha sovrapposto requisiti di dati strutturati ai flussi di lavoro clinici senza ridisegnare adeguatamente tali processi.

Come le condizioni croniche sono particolarmente vulnerabili alle lacune di codifica

Non tutte le presentazioni cliniche comportano lo stesso rischio di sottocodifica. Le condizioni acute (una frattura, un'infezione, un nuovo sintomo) tendono a generare un evento clinico discreto con un chiaro prompt di codifica. Le condizioni croniche si comportano diversamente. Sono in corso, familiari e spesso discusse nelle consultazioni senza essere formalmente ridocumentate.

Un paziente con diabete di tipo 2, ipertensione, asma o depressione può vedere la propria condizione menzionata in decine di note di consultazione nell'arco di diversi anni. Ma se il codice diagnostico originale non è mai stato inserito, è stato inserito in modo errato o è stato rimosso dall'elenco dei problemi attivi, il paziente non apparirà nel registro di malattia pertinente. La sua condizione vive nella narrazione delle note, leggibile da un clinico ma invisibile a qualsiasi sistema automatizzato.

Uno studio del 2022 sulla codifica diagnostica delle condizioni fisiche croniche nella medicina generale irlandese, pubblicato sull'Irish Journal of Medical Science, ha rilevato che la registrazione assente o imprecisa della diagnosi può avere un impatto significativo sulla qualità dell'assistenza al paziente. Lo studio ha osservato che il programma irlandese di gestione delle malattie croniche, che rimborsa i medici di base per l'assistenza strutturata di diabete, asma, broncopneumopatia cronica ostruttiva (BPCO) e malattie cardiovascolari, rende la codifica accurata direttamente collegata al reddito dello studio. Collegamenti finanziari simili esistono in altri sistemi sanitari, sebbene lo studio abbia notato che questi incentivi sono applicati in modo incoerente.

La portata del problema è illustrata chiaramente dalle evidenze sulla malattia renale cronica (MRC). Uno studio controllato nell'East London, pubblicato sul BJGP, ha rilevato che i tassi di codifica della MRC negli studi di assistenza primaria erano bassi fino al 52 per cento prima dell'intervento. In alcuni studi quasi la metà di tutti i pazienti con evidenza biochimica di MRC non era presente nel registro di malattia. Dopo un programma mirato di miglioramento della qualità, i tassi di codifica sono saliti tra l'81 e il 90 per cento. Il divario tra queste due cifre rappresenta anni di pazienti non conteggiati.

L'impatto finanziario diretto sul reddito dello studio medico

Per gli studi medici che operano all'interno di sistemi di rimborso legati ai registri di malattia (e in Europa molti lo fanno), la sottocodifica non è semplicemente una carenza amministrativa. È una riduzione diretta del reddito dello studio.

Il Quality and Outcomes Framework (QOF) del Regno Unito fornisce l'esempio meglio documentato. I pagamenti QOF sono calcolati utilizzando una formula che incorpora la prevalenza di malattia registrata dello studio: Punti Raggiunti × valore del punto QOF × Indice di Costo e Prevalenza × Fattore di Malattia dello Studio Aggiustato (APDF). L'APDF deriva dalla prevalenza di malattie croniche registrate dello studio. Uno studio con un registro di malattia sottocodificato, in cui i pazienti con condizioni come ipertensione, diabete o fibrillazione atriale non sono formalmente registrati, riceve un APDF inferiore e quindi un reddito inferiore per punto QOF raggiunto, indipendentemente dal lavoro clinico effettivo svolto. Il valore del punto QOF cambia ogni anno contrattuale. Consultare la documentazione contrattuale aggiornata di NHS England per la cifra applicabile.

L'analisi del quadro QOF 2025/26 lo rende esplicito: molti studi stanno registrando una prevalenza in calo o statica mentre la complessità dei pazienti e la comorbidità stanno aumentando, creando una penalità finanziaria diretta per la sottocodifica. Il quadro 2025/26 concentra 198 milioni di sterline in nove indicatori di malattie cardiovascolari, con soglie di raggiungimento che salgono all'85–90 per cento, rendendo i registri di malattia accurati più critici dal punto di vista finanziario rispetto agli anni precedenti.

Ardens, un fornitore leader di sistemi clinici NHS, conferma che il reddito QOF è ponderato per dimensione della lista e prevalenza. Ardens raccomanda che gli studi verifichino l'accuratezza del registro di malattia prima del 31 marzo di ogni anno. La guida pratica include l'esecuzione di ricerche Case Finder per identificare i pazienti che soddisfano i criteri diagnostici (ad esempio pazienti con più risultati HbA1c elevati) ma che non sono stati codificati come diabetici.

La guida dettagliata al reddito QOF per il 2025/26 illustra l'effetto cumulativo: uno studio che sottocodifica costantemente la propria popolazione di malattie croniche non sta semplicemente perdendo l'aggiustamento del reddito di un anno. Sta sistematicamente sottostimando la complessità della propria lista di pazienti. Quella sottostima si accumula anno dopo anno poiché l'APDF viene ricalcolato su una base di prevalenza artificialmente bassa.

I costi indiretti che sono più difficili da vedere

Oltre al rimborso diretto, la sottocodifica genera una serie di costi a valle che sono considerevolmente più difficili da quantificare ma non meno reali. Questi si accumulano silenziosamente sulla lista dei pazienti di uno studio e raramente emergono fino a quando un audit o una revisione esterna non li porta alla luce.

Distorsione dei dati sulla salute della popolazione: Quando le condizioni croniche sono sistematicamente sottocodificate, i dati utilizzati per pianificare e dotare di risorse i servizi di assistenza primaria diventano inaffidabili. I commissari e i consigli di assistenza integrata che allocano i finanziamenti sulla base della prevalenza registrata sottostimeranno il vero carico di malattia in una popolazione di studio. Questa errata allocazione delle risorse si ripercuote poi sull'ambiente operativo dello studio.

Mancati richiami e trigger di assistenza preventiva: I registri di malattia sono il meccanismo attraverso il quale gli studi generano elenchi di richiamo per revisioni annuali, monitoraggio dei farmaci e interventi preventivi. Un paziente non presente nel registro del diabete non sarà chiamato per un controllo HbA1c. Un paziente non presente nel registro dell'ipertensione non sarà incluso in un programma di revisione della pressione sanguigna. Uno studio trasversale sulla MRC non codificata nell'assistenza primaria del Regno Unito, pubblicato sul British Journal of General Practice, ha rilevato che la MRC non codificata era associata a una qualità dell'assistenza inferiore e a disuguaglianze nella gestione del rischio di malattie cardiovascolari, proprio perché i pazienti al di fuori del registro di malattia ricevevano un monitoraggio meno sistematico.

Aumento del rischio clinico: Le conseguenze della mancata codifica non sono solo amministrative. Uno studio del 2025 pubblicato su PLoS One ha quantificato l'impatto sulla mortalità della MRC non codificata, rilevando che i pazienti con evidenza biochimica di MRC ma senza codice diagnostico nella loro cartella di assistenza primaria erano a rischio significativamente aumentato di morte, lesione renale acuta e ricovero ospedaliero non pianificato. Questa evidenza è specifica per la MRC, ma il meccanismo sottostante (i pazienti non codificati ricevono una gestione meno proattiva) è applicabile a tutte le condizioni croniche.

Costi di audit di codifica retrospettiva: Quando le lacune di codifica vengono infine identificate tramite audit interni, revisioni dei commissari o controlli di conformità contrattuale, il costo del lavoro di codifica retrospettiva ricade sullo studio. Il personale clinico e amministrativo deve rivedere i registri storici, verificare le diagnosi e applicare i codici in blocco, un lavoro che richiede tempo e sottrae risorse all'assistenza attuale ai pazienti.

Una revisione sistematica del 2024 sull'impatto della codifica medica accurata sulla qualità e la finanza sanitaria ha confermato che gli errori di codifica (come omissioni, sovracodifica, codifica errata e uso di codici obsoleti) possono avere gravi implicazioni sia per i pazienti che per le istituzioni, incluse discrepanze di rimborso e indicatori di qualità distorti.

Come la sottocodifica influisce su invii, triage e continuità dell'assistenza

L'impatto della sottocodifica si estende oltre i confini dello studio. Quando un paziente viene inviato all'assistenza specialistica, la qualità di quell'invio dipende sostanzialmente dai dati strutturati nella cartella del paziente. Un invio generato da un sistema con codici di problema accurati e completi includerà un elenco di problemi codificati coerente. Un invio generato da una cartella in cui le condizioni croniche esistono solo in testo libero presenterà un quadro clinico incompleto allo specialista ricevente.

Questo ha conseguenze concrete. Uno specialista che riceve un invio per un paziente con ipertensione non documentata o diabete non codificato potrebbe non cogliere la piena complessità del caso. Le decisioni di triage, inclusa l'urgenza assegnata a un invio, possono essere prese su informazioni incomplete. Le decisioni sui farmaci nell'assistenza specialistica potrebbero non tenere conto delle condizioni presenti ma non codificate. Quando il paziente torna all'assistenza primaria, l'assenza di dati codificati nel ciclo di invio può interrompere la continuità.

Un'analisi federata su larga scala di 58 milioni di cartelle di assistenza primaria, pubblicata sul British Journal of General Practice, ha dimostrato un'ampia variazione nelle pratiche di codifica clinica negli studi di medicina generale inglesi, una variabilità che crea incoerenza sistematica nei dati che fluiscono tra assistenza primaria e specialistica. Dove la codifica è incoerente, il livello di informazioni strutturate che dovrebbe supportare transizioni di assistenza sicure ed efficienti diventa inaffidabile.

La dimensione normativa e di conformità nella sanità europea

La sottocodifica comporta una dimensione normativa sempre più rilevante per gli studi di medicina generale europei. Ai sensi del Regolamento generale sulla protezione dei dati (GDPR) e dei quadri nazionali sui dati sanitari, le cartelle cliniche devono essere accurate, complete e idonee allo scopo. Una cartella in cui una condizione cronica nota è documentata in testo libero ma non formalmente codificata può essere tecnicamente conforme nel senso più stretto, ma non soddisfa l'aspettativa più ampia di dati sanitari strutturati e interoperabili che sostengono la strategia europea per la salute digitale.

Per gli studi che partecipano a programmi nazionali di dati, reti di ricerca sulla salute della popolazione o partenariati di assistenza integrata, dati strutturati imprecisi creano esposizione all'audit. Dove la codifica clinica viene utilizzata per verificare la prescrizione appropriata (ad esempio confermando che un paziente in terapia con un farmaco specifico abbia l'indicazione codificata corrispondente), le lacune di codifica possono innescare richieste di conformità. Nel Regno Unito, NHS England utilizza dati codificati per valutare l'aderenza alle linee guida di prescrizione e ai requisiti dei percorsi di assistenza. Obblighi simili di qualità dei dati si applicano nei sistemi sanitari europei, compresi quelli che operano nell'ambito di programmi nazionali di gestione delle malattie croniche.

Lo studio irlandese sulla codifica ha osservato che gli incentivi finanziari per migliorare la codifica esistono già in diversi sistemi sanitari europei, ma la pressione normativa per mantenere la qualità dei dati è un obbligo parallelo e crescente, indipendente dal rimborso.

Perché il problema è probabilmente peggiore di quanto suggeriscano i dati dello studio

Una delle caratteristiche distintive della sottocodifica è che si nasconde da sola. Se una condizione non è mai stata codificata, non appare nella reportistica del registro di malattia dello studio. Non genera eccezioni, avvisi o lacune nei dati come lo studio li vede. La reportistica interna dello studio riflette solo ciò che è stato codificato e quindi presenta un quadro che appare completo, anche quando non lo è.

Questa qualità auto-occultante fa sì che gli studi sottostimino regolarmente la portata delle proprie lacune di codifica. Le evidenze provenienti da audit di codifica e revisioni esterne fanno emergere costantemente tassi di sottocodifica più elevati rispetto a quelli auto-riportati dagli studi. Lo studio sulla MRC dell'East London ha rilevato tassi di codifica bassi fino al 52 per cento in alcuni studi, tassi che non sarebbero stati visibili dalla reportistica interna dello studio stesso, poiché i pazienti non codificati semplicemente non apparivano.

Una ricerca pubblicata su npj Digital Medicine, che esamina lo stato della codifica clinica automatizzata, ha rilevato che gli studi riportano un'ampia gamma di accuratezza della codifica manuale (50–98%), con una mediana di circa l'80%, suggerendo tassi significativi di imprecisione o incompletezza in molti contesti. La stessa analisi ha notato che gli arretrati di codifica possono estendersi a mesi, creando periodi prolungati durante i quali i pazienti sono gestiti clinicamente ma non formalmente conteggiati.

Il contesto macro rafforza l'urgenza. Health at a Glance: Europe 2024 dell'OCSE riporta che gli over 65 sono previsti in aumento dal 21 al 29 per cento della popolazione dell'UE entro il 2050. Il carico di malattie croniche cresce significativamente con l'età. La popolazione di pazienti potenzialmente sottocodificati aumenta di pari passo, e le conseguenze finanziarie e cliniche di quella sottocodifica si amplificano di conseguenza.

Come la documentazione clinica assistita da intelligenza artificiale può colmare il divario di codifica

La causa strutturale della sottocodifica (la codifica compete con l'assistenza clinica per l'attenzione durante una consultazione a tempo limitato) indica il tipo di soluzione che può affrontarla senza aggiungere oneri ai clinici. Gli assistenti medici di intelligenza artificiale (IA) e la tecnologia vocale ambientale (AVT), che cattura ed elabora le conversazioni cliniche parlate in tempo reale, sono sempre più capaci di far emergere suggerimenti di codifica durante o immediatamente dopo una consultazione, in base al contenuto clinico della conversazione.

Piuttosto che richiedere al clinico di navigare verso un campo di codifica e cercare il termine corretto mentre gestisce un'interazione con il paziente, gli strumenti di documentazione assistita da IA possono generare contenuti di note strutturate, inclusi codici clinici suggeriti, dalla conversazione clinica ambientale. Il clinico rivede e conferma, invece di dover avviare e cercare. Questo sposta il compito cognitivo dal richiamo attivo sotto pressione alla conferma di un suggerimento, un'interazione decisamente meno gravosa.

La revisione di npj Digital Medicine sulla codifica clinica automatizzata identifica questa come un'applicazione potenziale centrale dell'IA nella documentazione clinica: ridurre l'onere manuale della codifica migliorando al contempo accuratezza e completezza. La revisione nota che gli approcci di codifica automatizzata hanno dimostrato miglioramenti dell'accuratezza rispetto alla codifica manuale in contesti controllati, sebbene riconosca che l'implementazione nel mondo reale nell'assistenza primaria sia ancora in una fase iniziale rispetto ai contesti di assistenza specialistica, una limitazione da considerare per gli studi che valutano questi strumenti.

Gli strumenti di codifica assistita da IA non sono una soluzione completa da soli. La loro efficacia dipende dall'integrazione con il sistema di cartelle cliniche dello studio, dalla qualità dei modelli linguistici sottostanti e dalla disponibilità dei clinici a impegnarsi nel flusso di lavoro di conferma. Gli studi dovrebbero valutare questi strumenti in modo critico, con attenzione alle evidenze di validazione in contesti di assistenza primaria specifici.

Cosa dovrebbero fare ora gli studi di medicina generale: un punto di partenza pratico

Per i responsabili degli studi e i leader clinici, il primo passo più importante è stabilire una baseline accurata. Poiché la sottocodifica si auto-occulta, il punto di partenza deve essere una ricerca attiva piuttosto che una revisione dei report esistenti.

Un quadro pratico per affrontare il problema include:

• Condurre un audit di codifica di base sulle condizioni croniche ad alta prevalenza: Eseguire ricerche all'interno del sistema di cartelle cliniche, utilizzando strumenti come le funzioni di ricerca EMIS o SystmOne, o strumenti di terze parti come quelli offerti da Ardens, per identificare i pazienti che soddisfano i criteri biochimici o clinici per una condizione ma non sono nel registro di malattia corrispondente. Diabete, ipertensione, MRC, asma, BPCO, fibrillazione atriale e depressione sono i punti di partenza con la massima priorità data la loro prevalenza e il loro ruolo nei sistemi di rimborso.

• Identificare i flussi di lavoro del sistema di cartelle cliniche in cui è più probabile che i codici vengano persi: Rivedere come vengono aggiunti i codici durante le consultazioni, chi è responsabile della codifica e se ci sono tipi di consultazione, come appuntamenti telefonici, consultazioni remote o incontri multi-problema complessi, in cui la codifica viene saltata più frequentemente.

• Valutare strumenti di documentazione clinica che integrino il supporto alla codifica al punto di assistenza: Valutare se strumenti di documentazione assistita da IA possono essere integrati nei flussi di lavoro del sistema di cartelle cliniche esistente in modo da far emergere prompt di codifica senza interrompere la consultazione. Dare priorità agli strumenti con evidenza di accuratezza in contesti di assistenza primaria e adeguata sicurezza dei dati e conformità GDPR.

• Stabilire un ciclo di revisione della codifica regolare: Un singolo audit affronta il divario storico ma non previene la futura sottocodifica. Integrare una revisione della codifica trimestrale o annuale nella governance dello studio, in particolare prima delle scadenze di reportistica QOF o equivalenti, crea un controllo sistematico sulla qualità dei dati nel tempo.

La guida Ardens sulla massimizzazione del reddito QOF raccomanda di completare le revisioni del registro di malattia prima della fine di marzo di ogni anno nel contesto del Regno Unito e fornisce modelli di ricerca case-finder specifici per condizioni comuni. Gli studi in altri sistemi europei dovrebbero identificare il ciclo di reportistica equivalente per il loro sistema nazionale di gestione delle malattie croniche o di rimborso e allineare di conseguenza la loro revisione della codifica.

La codifica accurata è una responsabilità clinica e finanziaria

La sottocodifica non è un fallimento burocratico. È un problema di qualità clinica con conseguenze finanziarie misurabili e implicazioni dimostrate per la sicurezza dei pazienti. Le evidenze in diversi sistemi di assistenza primaria europei, dal Galles all'Irlanda all'East London, mostrano costantemente che quando le condizioni croniche non sono formalmente codificate, i pazienti ricevono un'assistenza meno sistematica, gli studi ricevono finanziamenti meno adeguati e i dati utilizzati per pianificare e dotare di risorse l'assistenza sanitaria diventano meno affidabili.

La portata del problema è quasi certamente più ampia di quanto la maggior parte degli studi riconosca, perché la sottocodifica rimane invisibile all'interno della reportistica dello studio stesso. Affrontarla richiede una decisione attiva di cercare ciò che manca, e poi di mettere in atto flussi di lavoro, governance e strumenti per impedirne la ricomparsa.

Dati strutturati accurati proteggono i pazienti assicurando che appaiano nei sistemi di richiamo, ricevano un monitoraggio appropriato e siano rappresentati completamente negli invii e nelle transizioni di assistenza. Supportano un rimborso equo assicurando che il valore finanziario attribuito a uno studio rifletta la reale complessità della sua popolazione di pazienti. Danno anche agli studi i mezzi per dimostrare ai commissari e al sistema sanitario più ampio il vero carico di malattie croniche che stanno gestendo, un carico che, in tutta Europa, è destinato solo a crescere.

Domande frequenti

Cos'è la sottocodifica negli studi di medicina generale e perché si verifica

La sottocodifica si verifica quando un clinico documenta una diagnosi o una condizione in corso nella narrazione di una nota clinica ma non associa il corrispondente codice clinico strutturato, come un codice SNOMED CT o ICD-10/11, alla cartella del paziente. La condizione è nota al clinico curante ma invisibile a qualsiasi sistema che legga dati strutturati. Uno studio qualitativo del 2024 pubblicato sul British Journal of General Practice ha rilevato che il processo di codifica è poco compreso e che la codifica compete direttamente con l'assistenza al paziente durante le consultazioni. I fattori che contribuiscono includono la pressione temporale negli appuntamenti di dieci minuti, il carico cognitivo, la dipendenza da sistemi di cartelle cliniche obsoleti e l'ambiguità su chi sia responsabile della codifica, se il personale clinico o amministrativo.

Quali condizioni croniche comportano il rischio più elevato di lacune di codifica

Le condizioni croniche sono particolarmente vulnerabili perché sono in corso e familiari, e i clinici le discutono frequentemente nelle consultazioni senza ridocumentarle formalmente. Le condizioni tra cui diabete di tipo 2, ipertensione, asma, depressione, malattia renale cronica (MRC), broncopneumopatia cronica ostruttiva (BPCO) e fibrillazione atriale sono tra quelle a rischio più elevato. Uno studio controllato nell'East London ha rilevato che i tassi di codifica della MRC in alcuni studi di assistenza primaria erano bassi fino al 52 per cento prima di un programma mirato di miglioramento della qualità. Quasi la metà di tutti i pazienti con evidenza biochimica di MRC non era nel registro di malattia.

Come influisce la sottocodifica sul reddito dello studio medico nell'ambito del Quality and Outcomes Framework

Il Quality and Outcomes Framework (QOF) del Regno Unito calcola i pagamenti utilizzando una formula che incorpora la prevalenza di malattia registrata di uno studio. Uno studio con un registro di malattia sottocodificato riceve un Fattore di Malattia dello Studio Aggiustato inferiore e quindi un reddito inferiore per punto QOF raggiunto, indipendentemente dal lavoro clinico effettivo svolto. L'analisi del quadro QOF 2025/26 nota che molti studi stanno registrando una prevalenza in calo o statica mentre la complessità dei pazienti sta aumentando, creando una penalità finanziaria diretta. Il quadro 2025/26 concentra 198 milioni di sterline in nove indicatori di malattie cardiovascolari, con soglie di raggiungimento che salgono all'85–90 per cento, rendendo i registri di malattia accurati più critici dal punto di vista finanziario rispetto agli anni precedenti.

Quali sono le conseguenze per la sicurezza dei pazienti della sottocodifica

I registri di malattia sono il meccanismo attraverso il quale gli studi generano elenchi di richiamo per revisioni annuali, monitoraggio dei farmaci e interventi preventivi. Un paziente non presente nel registro del diabete non sarà chiamato per un controllo HbA1c. Uno studio trasversale sulla MRC non codificata nell'assistenza primaria del Regno Unito ha rilevato che la MRC non codificata era associata a una qualità dell'assistenza inferiore e a disuguaglianze nella gestione del rischio di malattie cardiovascolari. Uno studio del 2025 pubblicato su PLoS One ha rilevato che i pazienti con evidenza biochimica di MRC ma senza codice diagnostico nella loro cartella di assistenza primaria affrontavano un rischio significativamente aumentato di morte, lesione renale acuta e ricovero ospedaliero non pianificato.

Come influisce la sottocodifica sugli invii all'assistenza specialistica

Quando un paziente viene inviato all'assistenza specialistica, la qualità di quell'invio dipende sostanzialmente dai dati strutturati nella cartella del paziente. Un invio generato da una cartella in cui le condizioni croniche esistono solo in testo libero presenta un quadro clinico incompleto allo specialista ricevente. Le decisioni di triage, inclusa l'urgenza assegnata a un invio, possono essere prese su informazioni incomplete. Le decisioni sui farmaci nell'assistenza specialistica potrebbero non tenere conto delle condizioni presenti ma non codificate. Un'analisi federata su larga scala di 58 milioni di cartelle di assistenza primaria, pubblicata sul British Journal of General Practice, ha dimostrato un'ampia variazione nelle pratiche di codifica clinica negli studi di medicina generale inglesi, creando incoerenza sistematica nei dati che fluiscono tra assistenza primaria e specialistica.

Perché gli studi tendono a sottostimare la portata delle proprie lacune di codifica

La sottocodifica si nasconde da sola. Se una condizione non è mai stata codificata, non appare nella reportistica del registro di malattia dello studio, non genera avvisi e non crea lacune visibili nei dati come lo studio li vede. La reportistica interna dello studio riflette solo ciò che è stato codificato, presentando un quadro che appare completo anche quando non lo è. Una ricerca pubblicata su npj Digital Medicine ha rilevato che l'accuratezza della codifica manuale varia ampiamente, con una mediana di circa l'80 per cento. Anche in contesti in cui la codifica viene eseguita attivamente, circa un caso su cinque può essere impreciso o incompleto. Gli arretrati di codifica possono anche estendersi a mesi, creando periodi prolungati durante i quali i pazienti sono gestiti clinicamente ma non formalmente conteggiati.

Quali sono le implicazioni normative della sottocodifica per gli studi di medicina generale europei

Ai sensi del Regolamento generale sulla protezione dei dati (GDPR) e dei quadri nazionali sui dati sanitari, le cartelle cliniche devono essere accurate, complete e idonee allo scopo. Una cartella in cui una condizione cronica nota è documentata in testo libero ma non formalmente codificata può non soddisfare l'aspettativa più ampia di dati sanitari strutturati e interoperabili che sostengono la strategia europea per la salute digitale. Nel Regno Unito, NHS England utilizza dati codificati per valutare l'aderenza alle linee guida di prescrizione e ai requisiti dei percorsi di assistenza. Dove la codifica clinica viene utilizzata per verificare la prescrizione appropriata, le lacune di codifica possono innescare richieste di conformità. Obblighi simili di qualità dei dati si applicano nei sistemi sanitari europei, compresi quelli che operano nell'ambito di programmi nazionali di gestione delle malattie croniche.

Gli assistenti medici di intelligenza artificiale possono aiutare a ridurre la sottocodifica nell'assistenza primaria

Gli assistenti medici di intelligenza artificiale (IA) e la tecnologia vocale ambientale (AVT), che cattura ed elabora le conversazioni cliniche parlate in tempo reale, possono far emergere suggerimenti di codifica durante o immediatamente dopo una consultazione in base al contenuto clinico della conversazione. Piuttosto che richiedere al clinico di navigare verso un campo di codifica e cercare il termine corretto durante la consultazione, questi strumenti possono generare contenuti di note strutturate, inclusi codici clinici suggeriti, dalla conversazione clinica ambientale. Il clinico rivede e conferma invece di dover avviare e cercare. Una revisione pubblicata su npj Digital Medicine identifica questa come un'applicazione potenziale centrale dell'IA nella documentazione clinica, sebbene noti che l'implementazione nel mondo reale nell'assistenza primaria sia ancora in una fase iniziale rispetto ai contesti di assistenza specialistica.

Quali passi pratici possono intraprendere gli studi di medicina generale per affrontare le lacune di codifica ora

Il primo passo più importante è stabilire una baseline accurata attraverso una ricerca attiva piuttosto che una revisione dei report esistenti. Gli studi dovrebbero eseguire ricerche all'interno del proprio sistema di cartelle cliniche per identificare i pazienti che soddisfano i criteri biochimici o clinici per una condizione ma non sono nel registro di malattia corrispondente. Diabete, ipertensione, MRC, asma, BPCO, fibrillazione atriale e depressione sono i punti di partenza con la massima priorità. Gli studi dovrebbero anche rivedere quali tipi di consultazione, come consultazioni telefoniche o remote, sono più inclini alla mancata codifica, valutare strumenti di documentazione assistita da IA che integrino il supporto alla codifica al punto di assistenza e integrare una revisione della codifica trimestrale o annuale nella governance dello studio, in particolare prima delle scadenze di reportistica QOF o equivalenti.