INTRODUZIONE
L’Indice di Complessità Assistenziale (ICA), ideato nel 1999 e successivamente perfezionato grazie al contributo di Diego Snaidero, Franco Piu e numerosi altri professionisti (attraverso tesi di laurea, pubblicazioni scientifiche e molteplici sperimentazioni in contesti ospedalieri, territoriali, palliativi e critici), rappresenta oggi un sistema consolidato e affidabile per la misurazione della complessità assistenziale. L’esperienza maturata nel corso degli anni ha confermato la validità dell’ICA quale strumento fondamentale per la pianificazione, la governance clinica e la programmazione del personale sanitario. Per una comprensione approfondita della metodologia si rimanda alle numerose pubblicazioni, alcune delle quali elencate in bibliografia.
Stato dell’arte e limiti del sistema attuale
La metodologia tradizionale di classificazione, adottata per oltre vent’anni, si basa su un punteggio ottenuto dalla somma di 8 variabili, ciascuna valutata su scala Likert da 1 a 5. Tale approccio suddivide gli interventi in cinque distinte classi di peso e determina l’Indice ICA sommando i massimi pesi per categoria per ciascun paziente, registrando esclusivamente l’intervento di maggior peso. Pur essendo stata efficace in un contesto carente di strumenti digitali, questa procedura oggi mostra limiti significativi, soprattutto alla luce della diffusione capillare di sistemi di gestione informatizzata e della crescente precisione dei dati raccolti.
Risulta pertanto fondamentale riformulare l’algoritmo di calcolo, rendendo la valutazione della complessità assistenziale più dettagliata e puntuale. Tale revisione riduce la componente soggettiva, aumenta l’affidabilità della classificazione e restituisce una rappresentazione dell’attività più aderente alla realtà, facilitando decisioni cliniche e gestionali più accurate.
OBIETTIVI
- Presentare l’evoluzione metodologica dell’Indice di Complessità Assistenziale nella sua versione rivista ICA 2.0, eliminando i limiti del sistema precedente attraverso un algoritmo di calcolo più accurato e obiettivo.
- Integrare la valutazione della complessità assistenziale con gli Early Warning Score (NEWS2/MEWS) per stratificare i pazienti in classi di gravità clinica, combinando la complessità degli interventi programmati con l’instabilità clinica rilevata.
- Definire coefficienti correttivi proporzionali alla gravità assistenziale da applicare alla metodologia AGENAS per la determinazione del fabbisogno di personale sanitario, sia in ambito ospedaliero che territoriale.
- Proporre un sistema integrato ICA 2.0-AGENAS che consenta una governance trasparente, comparabile e scalabile della pianificazione delle risorse umane nel Servizio Sanitario Nazionale, implementabile mediante dashboard informatiche.
METODI
Costruzione dei dizionari di intervento
Il dizionario degli interventi costituisce un elemento chiave della metodologia. Ogni intervento è definito all’interno di un dizionario disciplinare/settoriale specifico (es. infermieristico, riabilitativo, ostetrico), strutturato per ciascun setting clinico o assistenziale e costantemente aggiornato secondo le classificazioni tassonomiche validate (1).
Il dizionario si articola in categorie tematiche variabili (ad esempio: igiene, mobilità, sicurezza, bisogni fisiologici, ecc.), ognuna contenente numerosi interventi codificati (2). Questa flessibilità consente l’adattamento alle peculiarità organizzative, cliniche e professionali di ogni ambito applicativo, sia ospedaliero che territoriale.
Calcolo peso intervento
A ciascun intervento W_{mj} (il j-esimo intervento della m-esima categoria) viene attribuito un peso, calcolato come somma dei valori di 8 dimensioni di complessità:
dove per ogni dimensione (competenze richieste, tempo, priorità, tecnica operativa, organizzazione logistica, rischio clinico, tecnologia/apparecchiature, tecnica relazionale) il valore viene valutato su scala 1–5. Il peso dell’intervento varia tra 8 e 40 (Tabella 1.).
Tabella 1 – Intervalli e classi di peso intervento.
| Valore peso intervento | Classe di peso intervento |
| 8 – 15 | 1 (bassa) |
| 16 – 23 | 2 |
| 24 – 28 | 3 |
| 29 – 35 | 4 |
| 36 – 40 | 5 (massima) |
Calcolo dell’ICA 2.0 per paziente
Per ciascun assistito, l’indice ICA 2.0 si ottiene sommando le classi di peso di tutti gli interventi prescritti dal dizionario applicabile:
Nella somma vengono considerati tutti gli interventi prescritti, senza distinzione di categoria.
Integrazione con il punteggio Early Warning Score (EWS)
Algoritmo integrato ICA 2.0. (ICA-EWS)
L’algoritmo integrato ICA-EWS riepiloga in modo rigoroso la complessità assistenziale di ogni paziente, sommando la complessità degli interventi programmati (ICA) (3) e l’instabilità clinica rilevata tramite Early Warning Score (NEWS2 o MEWS).
L’EWS rappresenta un indice predittivo dell’instabilità clinica:
- NEWS2: valuta variabili vitali (respirazione, ossigenazione, pressione, battito, coscienza, ecc.), ciascuna da 0 a 3 punti.
- MEWS: simile nella struttura, con parametri semplificati.
Il valore complessivo è:
Questa somma produce un indicatore che riflette sia la cura programmata (ICA 2.0) sia la dinamica clinica (EWS), consentendo una stratificazione su cinque classi di gravità, con intervalli personalizzabili secondo il contesto organizzativo (Tabella 2).
Tabella 2 – Classificazione gravità assistenziale ICA2.0.
| Classe gravità
ICA 2.0 |
Range ICA 2.0.(ICA-EWS) |
| 1 | 0–11 |
| 2 | 12–22 |
| 3 | 23–33 |
| 4 | 34–44 |
| 5 | ≥45 |
RISULTATI
Validazione del modello ICA 2.0
Il modello ICA 2.0 elimina la componente di parzialità oggettiva dell’approccio precedente attraverso la registrazione di tutti gli interventi prescritti anziché del solo intervento di peso massimo per categoria. Questo approccio restituisce una rappresentazione più fedele della reale attività assistenziale e della complessità del carico di lavoro. L’integrazione con gli Early Warning Score (NEWS2/MEWS) permette di incorporare nella valutazione anche la dinamica clinica e l’instabilità del paziente, fattori che incidono significativamente sul fabbisogno assistenziale ma che non erano considerati nel modello precedente.
Esempi applicativi
Esempio ospedale
Interventi prescritti (ospedaliero acuto): cateterismo centrale (W=35/Classe4), gestione dolore (W=23/Classe3), mobilizzazione (W=34/Classe4), medicazione complessa (W24/classe3), igiene (W35/classe4).
Esempio territorio
Interventi prescritti (domiciliare cronico): gestione stomia (W=27/Classe3), medicazione semplice (W=11/Classe1).
Determinazione dei coefficienti correttivi per lo staffing
La determinazione del fabbisogno di personale sanitario, sia ospedaliero che territoriale, richiede per una sua migliore corrispondenza l’integrazione tra la rilevazione della complessità assistenziale (ICA 2.0) e la metodologia di determinazione del fabbisogno di personale AGENAS, superando i limiti delle procedure tradizionali e fornendo un sistema flessibile, validato e riconosciuto.
Quadro normativo
Gli standard AGENAS sono recepiti da decreti interministeriali e adottati obbligatoriamente per la determinazione del personale sanitario, con parametri adattabili ai diversi contesti tramite validazione empirica.
Metodologia AGENAS: Ospedale e Territorio
Ospedale: calcolo in base a posti letto, tasso di occupazione e minuti assistenziali per paziente/die, distinti per aree omogenee.
Territorio: il calcolo si basa su popolazione di riferimento (es. ≥65 anni), con standard differenziati per IFeC, ADI e centrali operative (4).
Algoritmo integrato ICA-AGENAS
- Calcolo del fabbisogno di base secondo metodo AGENAS.
- Rilevazione della complessità tramite ICA 2.0 (ICA-EWS) individuale (ospedale) o su campione rappresentativo (territorio).
- Attribuzione della classe di gravità ed applicazione dei coefficienti correttivi (Tabella 3).
Tabella 3 – Classe di gravità e coefficienti correttivi.
| Classe gravità ICA 2.0.
(ICA-EWS) |
Coefficiente correttivo |
| 1 | 0.8–0.9 |
| 2 (standard Agenas) | 1.0–1.1 |
| 3 | 1.2–1.3 |
| 4 | 1.5–1.6 |
| 5 | 1.8–2.0 |
Per il territorio, si integrano ulteriori coefficienti contestuali (montagna, indice di vecchiaia, accessibilità) (5).
Sintesi metodologica
- Universalità: procedure e coefficienti applicabili in ospedale e territorio.
- Comparabilità: confronto diretto tra strutture e setting.
- Flessibilità: adeguamento a specificità locali.
- Governance integrata: supporto a software e dashboard per monitoraggio cross-setting.
- Adeguamento normativo: coerente con decreti nazionali e regionali, piani PNRR e programmazione regionale.
Algoritmo sintetico
- Definizione della base di calcolo (ospedale: PL, Min/paz/die, tasso occupazione; territorio: standard Agenas su popolazione target).
- Rilevazione della complessità media (ICA-EWS).
- Attribuzione classe gravità e applicazione coefficiente.
- FTE finale = FTE base × coefficiente ICA (ed eventuali aggiustamenti contestuali).
DISCUSSIONE
La principale innovazione del modello ICA 2.0 risiede nel superamento del limite metodologico del sistema precedente, che registrava solo l’intervento di peso massimo per ciascuna categoria. Questo approccio, pur essendo stato funzionale in assenza di sistemi informatizzati, comportava una perdita significativa di informazioni sulla reale complessità assistenziale e introduceva elementi di parzialità nella selezione degli interventi da registrare. Il nuovo algoritmo, che somma tutte le classi di peso degli interventi prescritti, restituisce una rappresentazione più fedele del carico assistenziale effettivo. Questa modifica metodologica è resa possibile e sostenibile dalla diffusione capillare dei sistemi informatizzati di documentazione clinico assistenziale, che consentono la registrazione e l’elaborazione automatica di dataset più complessi.
L’integrazione degli Early Warning Score (NEWS2/MEWS) nella valutazione della complessità rappresenta un secondo elemento innovativo significativo. Gli EWS sono strumenti validati per la stratificazione del rischio clinico e la previsione di deterioramento clinico. La loro incorporazione nell’algoritmo ICA 2.0 permette di considerare non solo la complessità degli interventi programmati, ma anche la gravità e l’instabilità clinica del paziente, fattori che incidono significativamente sul carico assistenziale reale.
L’integrazione del modello ICA 2.0 con la metodologia AGENAS per la determinazione del fabbisogno di personale rappresenta un elemento di particolare rilevanza pratica e gestionale. Gli standard AGENAS, recepiti da specifici decreti interministeriali, costituiscono il riferimento normativo obbligatorio per la programmazione delle dotazioni organiche nel Servizio Sanitario Nazionale.
Il sistema proposto è stato concepito per essere applicabile sia in ambito ospedaliero che territoriale, rispondendo alle esigenze di integrazione ospedale-territorio evidenziate dal Piano Nazionale di Ripresa e Resilienza (PNRR) e dai recenti decreti attuativi. In ambito ospedaliero, il sistema consente una classificazione dinamica dei pazienti in funzione della complessità, supportando modelli organizzativi per intensità di cure. In ambito territoriale, permette di valutare la complessità dell’utenza seguita dai servizi di assistenza domiciliare e di programmazione sanitaria di comunità.
Un elemento caratterizzante del sistema ICA 2.0-AGENAS è la trasparenza dell’algoritmo di calcolo. A differenza di sistemi “black box” che utilizzano modelli predittivi complessi, l’approccio proposto mantiene un’esplicita tracciabilità di tutti i passaggi di calcolo, dalla classificazione degli interventi all’applicazione dei coefficienti correttivi. Questa caratteristica è fondamentale per la accountability delle decisioni gestionali e per la verificabilità delle dotazioni organiche determinate. La standardizzazione metodologica consente inoltre la comparabilità tra diverse strutture e territori, facilitando attività di benchmarking e di valutazione delle performance. L’implementazione mediante dashboard informatiche permette la visualizzazione in tempo reale dei dati di complessità e del fabbisogno calcolato, supportando processi decisionali tempestivi e basati su evidenze.
Limiti e criticità
Il sistema proposto presenta alcuni limiti che devono essere riconosciuti. In primo luogo, l’efficacia del modello dipende dalla qualità e completezza della documentazione degli interventi assistenziali. In contesti con documentazione carente o non standardizzata, la rilevazione dell’ICA 2.0 può risultare difficoltosa o inattendibile. In secondo luogo, la definizione dei dizionari di intervento richiede un processo strutturato di consenso professionale e validazione. L’assenza di un vocabolario standardizzato nazionale può generare disomogeneità nelle classificazioni tra diverse realtà. Questo limite potrebbe essere superato attraverso un processo di standardizzazione promosso a livello nazionale, analogamente a quanto avvenuto per altri strumenti di classificazione clinico-assistenziale. In terzo luogo, la definizione dei coefficienti correttivi proposta in questo studio si basa su considerazioni teoriche e sull’esperienza pregressa di applicazione dell’ICA. Sarebbe auspicabile una validazione empirica dei coefficienti attraverso studi multicentrici che correlino la classificazione ICA 2.0 con outcome assistenziali e indicatori di carico di lavoro oggettivi. Infine, l’implementazione del sistema richiede investimenti in sistemi informativi e formazione del personale. Sebbene la diffusione di cartelle cliniche informatizzate renda questa implementazione più sostenibile, permangono criticità legate all’interoperabilità dei sistemi e alla digital literacy degli operatori.
Prospettive future
Il modello ICA 2.0 apre diverse prospettive di sviluppo futuro. L’integrazione con sistemi di intelligenza artificiale e machine learning potrebbe consentire la predizione della complessità assistenziale sulla base di dati clinici strutturati, anticipando le necessità di personale. L’estensione del modello ad altre professioni sanitarie (fisioterapisti, ostetriche, tecnici) potrebbe fornire un framework unificato per la programmazione multidisciplinare. L’implementazione su piattaforme regionali o nazionali potrebbe generare dataset di grandi dimensioni utili per ricerche di health services research e per la definizione di standard evidence-based di fabbisogno. La correlazione con outcome clinici (complicanze, riacutizzazioni, ricoveri) potrebbe validare ulteriormente la capacità del sistema di riflettere la reale necessità assistenziale.
CONCLUSIONI
L’approccio integrato ICA 2.0-AGENAS rappresenta una soluzione metodologica avanzata per la determinazione evidence-based del fabbisogno di personale sanitario nei diversi contesti assistenziali del Servizio Sanitario Nazionale. Il sistema supera i limiti delle metodologie precedenti attraverso un algoritmo di calcolo più accurato e obiettivo, l’integrazione con gli Early Warning Score per la valutazione dell’instabilità clinica, e l’allineamento con gli standard AGENAS recepiti dalla normativa nazionale. Il modello propone una governance trasparente, scalabile e comparabile della pianificazione delle risorse umane, implementabile mediante dashboard informatiche per supportare decisioni cliniche e gestionali tempestive e basate su evidenze. La flessibilità del sistema consente l’adattamento alle specificità locali mantenendo la coerenza metodologica complessiva, requisito fondamentale per l’applicabilità in un contesto caratterizzato da significative differenze territoriali e organizzative. La proposta vuole rappresentare una soluzione operativa da sperimentare nei diversi contesti italiani, attraverso progetti pilota che consentano la validazione empirica dei coefficienti e la verifica dell’efficacia del sistema nel migliorare l’appropriatezza della programmazione del personale. L’auspicio è che il modello possa contribuire a una governance più efficace delle risorse umane sanitarie, elemento cruciale per la sostenibilità e la qualità del Servizio Sanitario Nazionale.
Conflitto di interessi
Si dichiara l’assenza di conflitto di interessi. L’autore dichiara di aver contribuito alla realizzazione del manoscritto e ne approvano la pubblicazione.
Finanziamenti
L’autore dichiara di non aver ottenuto alcun finanziamento e che lo studio non ha alcuno sponsor economico.
Ringraziamenti
L’autore riconosce il contributo di Diego Snaidero e Franco Piu nello sviluppo originale dell’ICA e ringrazia tutti i professionisti che hanno contribuito alla validazione della metodologia in 25 anni di applicazioni. Si ringrazia l’IRCCS San Martino per il supporto istituzionale.
