• cardiovascular risk
• cholesterol
• frailty
• invecchiamento
• pazienti anziani

Introduzione: Tutti i dati demografici confermano il costante e progressivo invecchiamento della popolazione, come conseguenza della “transizione demografica”. Con l’aumentare dell’età diventano più frequenti anche le patologie cardiovascolari, il cui trattamento, nel paziente anziano, richiede una valutazione complessa a causa della scarsità di dati in letteratura per questa fascia di popolazione, di linee guida poco specifiche per i soggetti anziani, per la presenza di fragilità, disabilità, politerapia e comorbidità.
Lo scopo del seguente studio è analizzare l’utilizzo dei farmaci ipolipemizzanti in pazienti di età maggiore o uguale a 65 anni, suddivisi in cluster, ricoverati nei reparti di Medicina Interna o Geriatria di tutto il territorio nazionale e facenti parte dello studio REPOSI (Registro Politerapie SIMI).
Metodi: sono stati analizzati i dati dei pazienti facenti parte del registro REPOSI dal 2010 fino al 2018. E’ stato creato un elenco di variabili la cui relazione è stata studiata attraverso l’analisi delle corrispondenze multiple (Multiple Correspondence Analysis, MCA). L’analisi del cluster gerarchico agglomerativo (agglomerative Hierarchical Cluster Analysis, HCA) ha permesso di classificare i pazienti all'interno di sottoinsiemi omogenei (cluster) attraverso la definizione della distanza tra individui sulla base delle loro caratteristiche. L’associazione tra la diagnosi di dislipidemia, l’uso di statine e i cluster è stata valutata attraverso l’analisi di regressione logistica multinomiale.
Risultati: Il campione analizzato annovera 4642 pazienti. L’analisi HCA ha identificato quattro principali cluster di pazienti: “multimorbidi” (I), “sani” (II), “iniziale decadimento delle funzioni” (III), “fragili” (IV). Il cluster che maggiormente fa uso di statine è quello dei multimorbidi (49.5%), invece solo il 16% dei pazienti del cluster dei fragili è in trattamento con statine. Dall’ analisi di regressione logistica multinomiale, in cui il cluster II è stato utilizzato come reference, è emerso che i pazienti con dislipidemia, rispetto a quelli senza, hanno una propensione quasi doppia di appartenere al cluster I rispetto a quello di riferimento (OR 1.843, intervallo di confidenza al 95% 1.422 2.388) e hanno una minore propensione a ricadere nel cluster IV rispetto al II di riferimento (OR 0.739, intervallo di confidenza al 95% 0.514 1.063). Per quanto riguarda l’uso di statine, l’analisi mostra come è meno verosimile che i pazienti che ne fanno uso appartengano al cluster IV rispetto al cluster II, ma il risultato è borderline (moderatamente significativo dal punto di vista statistico). Infine, i pazienti che fanno uso di statine hanno una forte propensione ad essere classificati nel cluster I rispetto al cluster di riferimento, essendo il valore dell’OR calcolato per il cluster dei multimorbidi pari a 3.339 (intervallo di confidenza al 95% 2.812 3.964).
Conclusioni: Le tecniche di analisi utilizzate in questo studio hanno individuato diversi profili di pazienti sulla base delle loro caratteristiche e hanno permesso di analizzare la distribuzione dell’uso dei farmaci ipolipemizzanti nei vari cluster. Questo approccio si propone di essere di aiuto al medico nella scelta delle terapie più adeguate alle esigenze di ogni singolo paziente.

Introduction: All demographic data confirm the constant and progressive aging of the population, as a consequence of the "demographic transition". With increasing age, cardiovascular diseases also become more frequent, and their treatment, in the elderly patient, requires a complex assessment due to: lack of data in the literature for this population group, poor specific guidelines for the elderly, the presence of frailty, disability, polypharmacy and comorbidities. The purpose of the study is to analyze the use of lipid-lowering drugs in patients aged 65 or over, divided into clusters, hospitalized in Internal Medicine or Geriatrics departments throughout the national territory and belonging to the REPOSI study (Registro Politerapie SIMI, Polytherapy Registry SIMI). Methods: the data of patients belonging to the REPOSI register from 2010 to 2018 were analyzed. A list of variables was created and their relationship was studied through the Multiple Correspondence Analysis (MCA). The analysis of the agglomerative Hierarchical Cluster Analysis (HCA) classified patients within homogeneous subsets (clusters) by defining the distance between individuals on the basis of their characteristics. The association between the diagnosis of dyslipidemia, the use of statins and clusters was evaluated through multinomial logistic regression analysis. Results: The analyzed sample included 4642 patients. HCA analysis has identified four main patient clusters: “multimorbid cluster” (I), “healthier patients” (II); “initial general decay” (III), “frail patients” (IV). A relatively large percentage of patients in the multimorbid cluster use the statins (49.5%), while only 16% of patients in the frail cluster uses the statins. Multinomial logistic regression analysis, in which cluster II was used as reference, has showed that patients with dyslipidemia, compared to those without, have an almost double propensity to belong to cluster I compared to the reference one (OR 1.843 , 95% confidence interval 1.422 2.388) and have a lower propensity to fall back into cluster IV compared to the reference II (OR 0.739, 95% confidence interval 0.514 1.063). As for the use of statins, the analysis has showed that it is less likely that patients who use them belong to cluster IV than cluster II, but the result is borderline (moderately significant from a statistical point of view). Finally, the patients using statins have a strong propensity to be classified in cluster I compared to the reference cluster, being the value of the OR calculated for the multimorbid cluster equal to 3,339 (95% confidence interval 2,812 3,964) . Conclusions: The analysis techniques used in this study identified different patient profiles on the basis of their characteristics and analyze the distribution of the propensity to use lipid-lowering drugs in the various clusters. This approach can help doctors in choosing the best care strategy according to specific patient needs and potential belonging cluster.