Sistemi di supporto decisionale fuzzy per la gestione delle infezioni ospedaliere: un metodo circolare q-ROF CRADIS per prevenzione e controllo

Perché i germi in ospedale sono così difficili da gestire

Ogni volta che entriamo in ospedale ci aspettiamo un luogo di cura, non una fonte di nuove infezioni. Eppure le infezioni nosocomiali colpiscono ancora milioni di pazienti in tutto il mondo, allungando le degenze, aumentando i costi e talvolta causando vittime. Scegliere quali misure preventive finanziare e adottare — migliore igiene delle mani, nuove macchine per la pulizia, regole sugli antibiotici, formazione aggiuntiva del personale — è tutt'altro che semplice. Questo articolo presenta un nuovo tipo di strumento di supporto decisionale che aiuta gli ospedali a districarsi tra opinioni di esperti imprecise e incerte per decidere quali strategie di controllo delle infezioni avranno il maggiore impatto nel mondo reale.

Quando i numeri chiari non bastano

I responsabili ospedalieri spesso si affidano a checklist, schede di valutazione o rapporti statistici per giudicare i rischi di infezione. Questi strumenti presuppongono che i dati siano completi e precisi e che fattori diversi — come costo, sicurezza e carico di lavoro del personale — si combinino in modo lineare. Nella realtà gli esperti possono dissentire, le evidenze sono incomplete e le priorità cambiano con focolai e variazioni nella resistenza. I metodi decisionali classici faticano a gestire questo tipo di ambiguità. Possono imporre risposte nette dove gli esperti si sentono «abbastanza sicuri ma ancora titubanti», oppure ignorare la natura ciclica delle opinioni che si modificano con nuove ondate di malattia.

Un nuovo modo di catturare dubbio e dissenso

Per affrontare questo problema, gli autori si basano su un ramo della matematica chiamato logica fuzzy, pensato per modellare sfumature di grigio invece di scelte in bianco e nero. Gli strumenti fuzzy standard permettono agli esperti di dire che un'opzione è in parte accettabile e in parte non accettabile. Il nuovo quadro va oltre, rappresentando accettazione, rifiuto e esitazione insieme, disposti in una struttura circolare che riflette naturalmente giudizi oscillanti e ciclici. Questa struttura — chiamata modello fuzzy ortopair q‑rung circolare — è in grado di gestire incertezze estreme e forti disaccordi meglio degli approcci fuzzy precedenti, senza trasformare l'analisi in una «scatola nera» opaca.

Trasformare opinioni confuse in classifiche utilizzabili

Il secondo ingrediente del quadro è un metodo di classificazione noto come CRADIS, che confronta ogni strategia di controllo delle infezioni con una strategia «ideale» immaginata e con una «anti‑ideale» peggiore. In questo studio gli autori ripensano CRADIS in modo che possa operare all'interno del nuovo ambiente fuzzy circolare. Gli esperti valutano diverse misure ospedaliere comuni — come protocolli rigorosi di igiene delle mani, pulizie ambientali potenziate, programmi di stewardship antimicrobica, tecnologie di disinfezione avanzate e formazione del personale — rispetto a sei obiettivi: ridurre le infezioni, proteggere i pazienti, attuare le misure correttamente, garantire sostenibilità a lungo termine, adattarsi a condizioni variabili e gestire la complessità dei compiti. Il sistema combina tutti i punti di vista degli esperti, misura quanto ciascuna opzione è vicina all'ideale e quanto è distante dall'anti‑ideale, e quindi produce una classifica complessiva.

Cosa privilegia il modello nella pratica

In uno studio di caso con tre specialisti del controllo delle infezioni e cinque strategie in competizione, lo strumento ha evidenziato come priorità principali la rigorosa igiene delle mani e la stewardship antimicrobica. Anche la separazione dei rifiuti e i sistemi di sterilizzazione hanno ottenuto buoni risultati, mentre dispositivi di disinfezione ad alta tecnologia e la sola formazione di routine sono risultati più in basso secondo i criteri e i vincoli adottati. È importante notare che il quadro ha fatto più che produrre una singola lista: ha permesso agli autori di testare come le classifiche cambierebbero se cambiassero i pesi degli esperti o le ipotesi. Le classifiche si sono dimostrate stabili, soprattutto per misure ampiamente condivise come l'igiene delle mani, e solo moderatamente sensibili per opzioni più complesse e costose, suggerendo che i risultati sono robusti anziché fragili.

Perché questo conta per pazienti e ospedali

Per i non specialisti, il messaggio principale è che la «migliore» strategia di controllo delle infezioni raramente è ovvia, anche per gli esperti, perché deve bilanciare efficacia, sicurezza, costo, sforzo del personale e rischi futuri in condizioni di profonda incertezza. Questo studio offre agli ospedali un modo strutturato per catturare il dubbio degli esperti invece di nasconderlo, confrontare le opzioni in modo equo e valutare quanto le scelte siano sensibili a opinioni diverse. Così facendo, il quadro aiuta i dirigenti a dare priorità a misure preventive comprovate — come l'igiene delle mani e l'uso appropriato degli antibiotici — pur tenendo conto delle realtà locali. Sebbene matematicamente sofisticato, lo scopo è semplice: trasformare il giudizio umano confuso sui germi ospedalieri in decisioni più chiare e difendibili che proteggano i pazienti.

Citazione: Li, M., Wang, R., Wang, M. et al. Fuzzy decision support systems for hospital infection management: a circular q-ROF CRADIS method to prevention and control. Sci Rep 16, 12154 (2026). https://doi.org/10.1038/s41598-026-40658-5

Parole chiave: controllo delle infezioni ospedaliere, supporto decisionale, logica fuzzy, classifica multicriterio, gestione degli antimicrobici