Sul Journal of Advanced Nursing un articolo analizza i cluster di pazienti con insufficienza cardiaca in base ai sintomi psicologici e fisici

Sul Journal of Advanced Nursing è stato pubblicato l’articolo: “Analisi dei cluster di pazienti con insufficienza cardiaca in base ai sintomi psicologici e fisici e analisi predittiva degli appartenenti ai cluster” di: Giulia Locatelli, Paolo Iovino, Alessandro Pasta, Corrine Y. Jurgens, Ercole Vellone e Barbara Riegel.
I pazienti con insufficienza cardiaca manifestano molteplici sintomi concomitanti, che riducono la loro qualità di vita, aumentando i tassi di ospedalizzazione e di mortalità.
Finora, nessuno studio sui sintomi dell’insufficienza cardiaca ha reclutato pazienti provenienti da contesti comunitari. Considerare, invece, i sintomi fisici e psicologici insieme, consente di comprendere il modo in cui essi gravino sui pazienti, in modalità diverse .
Gli obiettivi di questo studio, pertanto, sono stati quelli di raggruppare i pazienti con insufficienza cardiaca in base ai sintomi fisici e psicologici e prevedere l'appartenenza allo stesso cluster di sintomi, utilizzando variabili sociodemografiche e cliniche.
Il metodo utilizzato è stato quello dell’analisi secondaria dello studio MOTIVATE-HF (che ha reclutato 510 pazienti con insufficienza cardiaca da un ospedale, un paziente ambulatoriale e una comunità in Italia).
L’analisi dei cluster è stata eseguita sulla base dei due punteggi della scala Hospital Anxiety-Depression e dei due punteggi della Heart-Failure Somatic Perception Scale.
ANOVA e test chi quadrato, invece, sono stati utilizzati per confrontare le caratteristiche dei pazienti tra i cluster.
I risultati hanno identificato quattro cluster, in base all'intensità e alla combinazione di sintomi fisici e psicologici, così denominati: “disagio elevato”; “disagio misto” (sintomi psicologici elevati, sintomi fisici bassi); “disagio moderato” e “disagio basso”, riscontrando differenze cliniche e sociodemografiche tra i cluster. La classe NYHA (New York Heart Association) e la qualità del sonno erano le variabili più importanti nel predire l’appartenenza al cluster di sintomi.
Questi risultati possono supportare lo sviluppo di interventi personalizzati di gestione dei sintomi e lo studio degli effetti dei cluster di sintomi sugli esiti per i pazienti.
Ovviamente, tali risultati possono essere particolarmente utili ai professionisti sanitari, pazienti e ricercatori perché pongono in evidenza l’importanza di affrontare gruppi di sintomi per facilitarne rilevamento e gestione. Conoscere quali variabili predicano meglio l’appartenenza ai cluster di sintomi può consentire di ottenere benefici anche quando non c'è accesso diretto ai dati sui sintomi.
Info: https://doi.org/10.1111/jan.15890