Modello di previsione multivariabile dell'esito della sostituzione totale del ginocchio

L'artroplastica totale del ginocchio (TKA) è una procedura chirurgica applicata come soluzione comune per superare le limitazioni prodotte da stadi avanzati di grave gonartrosi. La procedura ha un'elevata prevalenza, alti costi associati ed è considerata economicamente vantaggiosa. La riabilitazione è essenziale per ottimizzare i risultati. Tuttavia, nella pratica clinica, la durata della riabilitazione per ciascun paziente può essere molto variabile ei tempi programmati possono mancare della necessaria obiettività. L'attuale limitazione delle risorse e la crescente prevalenza rendono essenziale generare strategie per ottimizzare i risultati chirurgici, in modo che l'uso delle risorse del sistema sanitario sia efficiente senza pregiudicare il beneficio del paziente. A tal fine, devono essere disponibili informazioni obiettive e pragmatiche e dovrebbero essere basate su prove scientifiche per assistere nel prendere decisioni cliniche. In effetti, una serie di fattori demografici, biomedici e psicosociali sono stati identificati come predittori dei risultati della TKA (ad es. peso, età, aspettative...). Alcuni di essi sono stati associati alla necessità di risorse ospedaliere dopo l'intervento chirurgico. Tuttavia, la maggior parte delle ricerche basa le proprie previsioni su studi retrospettivi, che sono limitati nel tipo di variabili utilizzabili (storia clinica), nella qualità dei registri e nei limiti dei disegni retrospettivi. D'altra parte, la maggior parte delle ricerche prospettiche basano le proprie previsioni su un numero limitato di risultati. Per superare queste limitazioni, questo progetto è stato concepito come uno studio osservazionale prospettico con due osservazioni di ciascun paziente.

• L'obiettivo primario è quello di implementare un modello di previsione multivariabile dell'esito della TKA, in modo che la procedura diventi ottimale sotto due aspetti: recupero del paziente (beneficio sociale ed economico) e utilizzo delle risorse del sistema sanitario (beneficio economico). L'implementazione richiede un'elaborazione delle informazioni campionate attraverso vari algoritmi e un'elaborazione dati innovativa in questo campo, basata su tecniche di data mining e machine learning. Questo verrà utilizzato alla ricerca del modello con la maggiore capacità predittiva.
• Come obiettivo secondario, le informazioni estratte dai pazienti sia nelle fasi finali della condizione, sia a medio termine dopo l'intervento consentiranno di studiare la realtà funzionale e psicosociale dei soggetti con artrosi del ginocchio.