Mortalite0 prematura per malattie cardio-cerebrovascolari a Bogote1: un approccio analitico con machine learning

Perche9 le morti precoci per cuore e ictus contano

Nelle grandi citte0 del mondo, molte persone muoiono di malattie cardiache e ictus molto prima di raggiungere la vecchiaia. Questo studio analizza cif2 che accade a Bogote1, Colombia, e pone una domanda centrale: chi muore troppo presto a causa di queste condizioni e perche9? Combinando i registri nazionali dei decessi con tecniche informatiche moderne, gli autori mostrano come istruzione, copertura sanitaria e luogo del decesso siano strettamente legati alle morti precoci per malattie del cuore e dei vasi cerebrali. Il loro lavoro suggerisce nuove strade per le autorite0 sanitarie per individuare gruppi vulnerabili e intervenire prima che si verifichino tragedie.

Uno sguardo pif9 ravvicinato sui decessi in citte0

I ricercatori hanno analizzato tutti i decessi registrati in Colombia tra il 2010 e il 2022, concentrandosi su Bogote1. Hanno studiato adulti di ete0 pari o superiore a 30 anni deceduti per quattro condizioni principali: malattia coronarica ischemica, ictus, ipertensione cronica e insufficienza cardiaca. I decessi prima dei 75 anni sono stati classificati come “prematuri”, mentre quelli a 75 anni o oltre come decessi in ete0 avanzata. A Bogote1, le morti cardio-cerebrovascolari premature hanno rappresentato quasi 40.000 casi tra persone di 30-74 anni, con un impatto maggiore sugli uomini rispetto alle donne. Molti di questi decessi sono avvenuti in persone con basso livello di istruzione, residenti nel centro cittadino e coperte dal regime assicurativo basato sulle8mpiego. La cardiopatia ischemica e8 risultata la causa principale, seguita da ictus, ipertensione e insufficienza cardiaca.

Tendenze in aumento e lo shock della pandemia

Analizzando le8andamento temporale dei decessi, il gruppo ha rilevato che sia le morti premature sia quelle in ete0 avanzata per queste condizioni sono aumentate costantemente nel corso dei 13 anni. Le8incremento e8 diventato molto pif9 pronunciato nel 2020 e nel 2021, nel pieno della pandemia di COVID-19. Gli uomini hanno mostrato tassi di mortalite0 pif9 alti e fluttuazioni annue maggiori rispetto alle donne, e sono emersi lievi picchi stagionali, in particolare a dicembre e a mete0 anno. Tra le persone oltre i 75 anni, i decessi sono aumentati in parallelo, anchefessi con punte durante la pandemia. Questi schemi suggeriscono che debolezze di lunga data nella prevenzione e nel trattamento delle malattie croniche sono state amplificate quando il sistema sanitario e8 stato sottoposto a estrema pressione.

Lasciando che le macchine cerchino schemi nascosti

Per andare oltre semplici conteggi e medie, gli autori hanno fatto ricorso al machine learning, una famiglia di metodi che consente ai computer di apprendere schemi dai dati. Hanno utilizzato registri dei decessi che includevano ete0, sesso, livello di istruzione, gruppo etnico, tipo di assicurazione, anno e luogo del decesso e la causa generale di morte. Diversi algoritmi sono stati testati per valutare quanto bene potessero distinguere se un decesso fosse prematuro o meno. Tra questi, un metodo chiamato random forest ha dato le migliori prestazioni, ottenendo un successo moderato nel distinguere le morti precoci da quelle tardive. Sono stati inoltre costruiti modelli separati per ciascun gruppo di malattie, che hanno migliorato lievemente le prestazioni e rivelato che i fattori alla base delle morti premature non sono gli stessi per infarti, ictus, ipertensione e insufficienza cardiaca.

Le condizioni sociali come indizi potenti

Il risultato pif9 sorprendente e8 stato che le caratteristiche sociali hanno contato pif9 della diagnosi medica specifica. Sia nel modello generale sia in quelli specifici per causa, il livello di istruzione e8 emerso costantemente come il predittore principale della probabilite0 che un decesso fosse prematuro. Il tipo di assicurazione sanitaria e il luogo del decesso—se in ospedale, a casa o altrove—seguivano da vicino. Il sesso e8 risultato particolarmente importante per la cardiopatia ischemica, dove gli uomini avevano maggior probabilite0 di morire precocemente. Gli autori hanno utilizzato una tecnica chiamata SHAP per visualizzare come ciascun fattore spingesse la previsione verso una morte pif9 precoce o pif9 tardiva, mostrando, per esempio, che basso livello di istruzione e certi schemi assicurativi tendevano a essere associati a maggiori probabilite0 di morire prima dei 75 anni.

Cosa significa per la vita di tutti i giorni

Per chi non e8 specialista, il messaggio principale e8 che le morti precoci per cuore e ictus a Bogote1 non sono semplicemente questione di sfortuna o di biologia. Riflettono come istruzione, assicurazione legata al reddito e accesso tempestivo alle cure plasmano le probabilite0 di raggiungere le8ete0 avanzata. Pur non essendo perfetti—i modelli informatici classificano correttamente i casi solo in modo moderato—indicano gie0 con chiarezza le8importanza delle condizioni sociali. Gli autori sostengono che le autorite0 sanitarie possano usare tali modelli come strumenti di supporto alle decisioni: per monitorare le tendenze, individuare gruppi ad alto rischio e progettare interventi di prevenzione che combinino migliore istruzione, una copertura sanitaria pif9 equa e un accesso pif9 rapido alle emergenze. In sintesi, ridurre le morti precoci per cuore e ictus richiedere0 non solo buona medicina, ma anche maggiore equite0 sociale.

Citazione: Malagón Sintura, Y.C., Arias-Ortiz, W.A. Premature mortality from cardio-cerebrovascular diseases in Bogotá an analytical machine learning approach. Sci Rep 16, 10307 (2026). https://doi.org/10.1038/s41598-026-39453-z

Parole chiave: mortalite0 cardiovascolare prematura, salute pubblica a Bogote1, machine learning in epidemiologia, determinanti sociali della salute, malattie cardiache e ictus