Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators

Antecedents La multimorbiditat, definida com la coexistència de dues o més condicions cròniques, és un repte creixent per als sistemes de salut, principalment a causa de l’augment de la seva prevalença, la manca d’estratègies de maneig clínic basades en l’evidència i el seu elevat cost. Hi ha evidèn...

Full description

Bibliographic Details
Author: Lleal Custey, Marina
Format: doctoral thesis
Status:Published version
Publication Date:2025
Country:España
Institution:CBUC, CESCA
Repository:TDR. Tesis Doctorales en Red
OAI Identifier:oai:www.tdx.cat:10803/694643
Online Access:http://hdl.handle.net/10803/694643
Access Level:Open access
Keyword:Multimorbiditat
Multimorbidity
Multimorbilidad
Ciències de la Salut
61
id ES_3e6dc88d5873fea24d3ef7ba33063ca2
oai_identifier_str oai:www.tdx.cat:10803/694643
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
title Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
spellingShingle Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
Lleal Custey, Marina
Multimorbiditat
Multimorbidity
Multimorbilidad
Ciències de la Salut
61
title_short Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
title_full Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
title_fullStr Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
title_full_unstemmed Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
title_sort Multimorbidity patterns: identification and association with clinically relevant outcomes and indicators
dc.creator.none.fl_str_mv Lleal Custey, Marina
author Lleal Custey, Marina
author_facet Lleal Custey, Marina
author_role author
dc.contributor.none.fl_str_mv Baré i Mañas, Marisa
Navarro Giné, Albert
dc.subject.none.fl_str_mv Multimorbiditat
Multimorbidity
Multimorbilidad
Ciències de la Salut
61
topic Multimorbiditat
Multimorbidity
Multimorbilidad
Ciències de la Salut
61
description Antecedents La multimorbiditat, definida com la coexistència de dues o més condicions cròniques, és un repte creixent per als sistemes de salut, principalment a causa de l’augment de la seva prevalença, la manca d’estratègies de maneig clínic basades en l’evidència i el seu elevat cost. Hi ha evidència que en pacients amb multimorbiditat, certes condicions cròniques s’agrupen, formant patrons de multimorbiditat. Entendre aquests patrons podria millorar la pràctica clínica influint en decisions sobre atenció personalitzada, estratègies de prevenció i assignació de recursos, optimitzant l’atenció als pacients amb multimorbiditat i abordant les limitacions actuals dels sistemes de salut. Objectius L’objectiu d’aquesta tesi és identificar patrons de multimorbiditat i determinar la seva relació amb diferents resultats i indicadors clínicament rellevants. Els objectius específics son: 1) avaluar la relació entre patrons de multimorbiditat i indicadors de qualitat de la medicació en pacients d’edat avançada, 2) identificar patrons de multimorbiditat en pacients adults amb COVID-19 i avaluar-ne la relació amb la gravetat de la infecció i la mortalitat, 3) analitzar les trajectòries longitudinals dels patrons de multimorbiditat en pacients d’edat avançada. Mètodes S’han realitzat tres estudis per complir aquests objectius. En el primer estudi, es va examinar la relació entre patrons de multimorbiditat i indicadors de qualitat de la medicació: prescripció potencialment inadequada (PPI) i reaccions adverses a la medicació (RAM). Amb aquest propòsit, es va dur a terme un estudi de cohort prospectiu i multicèntric en 740 pacients ≥65 anys hospitalitzats per exacerbació de malalties cròniques. En el segon estudi, es van identificar patrons de multimorbiditat estratificats per edat i sexe en una cohort de dades del mon real de 14286 pacients amb COVID-19 >20 anys, avaluant la seva associació amb la gravetat de la infecció i la mortalitat. En el tercer estudi, es va realitzar una anàlisi retrospectiva de 3988 pacients ≥65 anys de l’estudi anterior per identificar-ne les trajectòries longitudinals dels patrons de multimorbiditat al llarg de 10 anys (3 punts temporals: temps basal, 5 anys abans, 10 anys abans). En cada estudi es van identificar patrons de multimorbiditat utilitzant l’algoritme d’anàlisi de clústers fuzzy c-means i es van realitzar diferents anàlisis estadístiques. Resultats En el primer estudi, alguns patrons específics de multimorbiditat, anomenats ’osteoarticular’ i ’malalties cròniques menors’, van mostrar una major freqüència de PPI i RAMs, particularment relacionats amb benzodiazepines, inhibidors de l’enzim conversiu de l’angiotensina (IECA) i neurolèptics. En el segon estudi, certs patrons de multimorbiditat es van associar amb una major gravetat i mortalitat per COVID-19 en grups específics d’edat i sexe, especialment en edats més joves. En el tercer estudi es van identificar diferents distribucions i trajectòries de patrons de multimorbiditat, amb tres patrons (’malalties metabòliques i vasculars’, ’musculoesquelètic i síndrome del dolor crònic’, i ’inespecífic’) presents en tots els punts temporals. Es van observar trajectòries diverses en la transició de 10 anys abans a 5 anys abans, mentre que es van identificar trajectòries i patrons estables en la transició de 5 anys abans al temps basal. Conclusions Els patrons de multimorbiditat identificats mitjançant l’algoritme fuzzy c-means s’han associat a diversos indicadors i resultats clínicament rellevants. En pacients d’edat avançada hospitalitzats a causa de l’exacerbació de condicions cròniques, els patrons de multimorbiditat s’han relacionat amb indicadors de qualitat de la medicació, com PPI i RAMs, suggerint la realització de revisions de la medicació específiques. També s’han associat alguns patrons de multimorbiditat a una major gravetat i mortalitat per COVID-19. Finalment, l’estudi de les trajectòries longitudinals de la multimorbiditat ha destacat la naturalesa dinàmica de les condicions cròniques en adults d’edat avançada
publishDate 2025
dc.date.none.fl_str_mv 2025
2025
2025
2025
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/10803/694643
url http://hdl.handle.net/10803/694643
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 208 p.
application/pdf
dc.publisher.none.fl_str_mv Universitat Autònoma de Barcelona
publisher.none.fl_str_mv Universitat Autònoma de Barcelona
dc.source.none.fl_str_mv TDX (Tesis Doctorals en Xarxa)
reponame:TDR. Tesis Doctorales en Red
instname:CBUC, CESCA
instname_str CBUC, CESCA
reponame_str TDR. Tesis Doctorales en Red
collection TDR. Tesis Doctorales en Red
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869406532409491456
spelling Multimorbidity patterns: identification and association with clinically relevant outcomes and indicatorsLleal Custey, MarinaMultimorbiditatMultimorbidityMultimorbilidadCiències de la Salut61Antecedents La multimorbiditat, definida com la coexistència de dues o més condicions cròniques, és un repte creixent per als sistemes de salut, principalment a causa de l’augment de la seva prevalença, la manca d’estratègies de maneig clínic basades en l’evidència i el seu elevat cost. Hi ha evidència que en pacients amb multimorbiditat, certes condicions cròniques s’agrupen, formant patrons de multimorbiditat. Entendre aquests patrons podria millorar la pràctica clínica influint en decisions sobre atenció personalitzada, estratègies de prevenció i assignació de recursos, optimitzant l’atenció als pacients amb multimorbiditat i abordant les limitacions actuals dels sistemes de salut. Objectius L’objectiu d’aquesta tesi és identificar patrons de multimorbiditat i determinar la seva relació amb diferents resultats i indicadors clínicament rellevants. Els objectius específics son: 1) avaluar la relació entre patrons de multimorbiditat i indicadors de qualitat de la medicació en pacients d’edat avançada, 2) identificar patrons de multimorbiditat en pacients adults amb COVID-19 i avaluar-ne la relació amb la gravetat de la infecció i la mortalitat, 3) analitzar les trajectòries longitudinals dels patrons de multimorbiditat en pacients d’edat avançada. Mètodes S’han realitzat tres estudis per complir aquests objectius. En el primer estudi, es va examinar la relació entre patrons de multimorbiditat i indicadors de qualitat de la medicació: prescripció potencialment inadequada (PPI) i reaccions adverses a la medicació (RAM). Amb aquest propòsit, es va dur a terme un estudi de cohort prospectiu i multicèntric en 740 pacients ≥65 anys hospitalitzats per exacerbació de malalties cròniques. En el segon estudi, es van identificar patrons de multimorbiditat estratificats per edat i sexe en una cohort de dades del mon real de 14286 pacients amb COVID-19 >20 anys, avaluant la seva associació amb la gravetat de la infecció i la mortalitat. En el tercer estudi, es va realitzar una anàlisi retrospectiva de 3988 pacients ≥65 anys de l’estudi anterior per identificar-ne les trajectòries longitudinals dels patrons de multimorbiditat al llarg de 10 anys (3 punts temporals: temps basal, 5 anys abans, 10 anys abans). En cada estudi es van identificar patrons de multimorbiditat utilitzant l’algoritme d’anàlisi de clústers fuzzy c-means i es van realitzar diferents anàlisis estadístiques. Resultats En el primer estudi, alguns patrons específics de multimorbiditat, anomenats ’osteoarticular’ i ’malalties cròniques menors’, van mostrar una major freqüència de PPI i RAMs, particularment relacionats amb benzodiazepines, inhibidors de l’enzim conversiu de l’angiotensina (IECA) i neurolèptics. En el segon estudi, certs patrons de multimorbiditat es van associar amb una major gravetat i mortalitat per COVID-19 en grups específics d’edat i sexe, especialment en edats més joves. En el tercer estudi es van identificar diferents distribucions i trajectòries de patrons de multimorbiditat, amb tres patrons (’malalties metabòliques i vasculars’, ’musculoesquelètic i síndrome del dolor crònic’, i ’inespecífic’) presents en tots els punts temporals. Es van observar trajectòries diverses en la transició de 10 anys abans a 5 anys abans, mentre que es van identificar trajectòries i patrons estables en la transició de 5 anys abans al temps basal. Conclusions Els patrons de multimorbiditat identificats mitjançant l’algoritme fuzzy c-means s’han associat a diversos indicadors i resultats clínicament rellevants. En pacients d’edat avançada hospitalitzats a causa de l’exacerbació de condicions cròniques, els patrons de multimorbiditat s’han relacionat amb indicadors de qualitat de la medicació, com PPI i RAMs, suggerint la realització de revisions de la medicació específiques. També s’han associat alguns patrons de multimorbiditat a una major gravetat i mortalitat per COVID-19. Finalment, l’estudi de les trajectòries longitudinals de la multimorbiditat ha destacat la naturalesa dinàmica de les condicions cròniques en adults d’edat avançadaAntecedentes La multimorbilidad, definida como la coexistencia de dos o más condiciones crónicas, es un desafío creciente para los sistemas de salud, principalmente debido al aumento de su prevalencia, la falta de estrategias de manejo clínico basadas en la evidencia y su elevado coste. Hay evidencia que en pacientes con multimorbilidad, ciertas condiciones crónicas se agrupan, formando patrones de multimorbilidad. Entender estos patrones podría mejorar la práctica clínica al influir en decisiones sobre atención personalizada, estrategias de prevención y asignación de recursos, optimizando la atención de los pacientes multimórbidos y abordando las limitaciones actuales de los sistemas de salud. Objetivos El objetivo de esta tesis es identificar patrones de multimorbilidad y determinar su relación con distintos resultados e indicadores clínicamente relevantes. Los objetivos específicos son: 1) evaluar la relación entre patrones de multimorbilidad e indicadores de calidad de la medicación en pacientes de edad avanzada, 2) identificar patrones de multimorbilidad en pacientes adultos con COVID-19 y evaluar su relación con la gravedad de la infección y la mortalidad, 3) analizar las trayectorias longitudinales de los patrones de multimorbilidad en pacientes de edad avanzada. Métodos Se realizaron tres estudios para cumplir con estos objetivos. En el primer estudio se examinó la relación entre patrones de multimorbilidad e indicadores de calidad de la medicación: prescripción potencialmente inapropiada (PPI) y reacciones adversas a medicamentos (RAM). Para ello, se llevó a cabo un estudio de cohorte prospectivo y multicéntrico en 740 pacientes ≥65 años hospitalizados por exacerbación de enfermedades crónicas. En el segundo estudio se identificaron patrones de multimorbilidad en una cohorte de datos del mundo real de 14286 pacientes con COVID-19 >20 años, evaluando su asociación con la gravedad de la infección y la mortalidad. En el tercer estudio se realizó un análisis retrospectivo de 3988 pacientes ≥65 años del estudio anterior, centrado en identificar las trayectorias longitudinales de los patrones de multimorbilidad lo largo de 10 años (3 puntos temporales: tiempo basal, 5 años antes, 10 años antes). En cada estudio se identificaron patrones de multimorbilidad utilizando el algoritmo de análisis de clústeres fuzzy c-means y se realizaron distintos análisis estadísticos. Resultados En el primer estudio, algunos patrones de multimorbilidad específicos, denominados ’osteoarticular’ y ’enfermedades crónicas menores’, mostraron mayores frecuencias de PPI y RAMs, particularmente relacionados con benzodiazepinas, inhibidores de la enzima convertidora de angiotensina (IECA) y neurolépticos. En el segundo estudio, ciertos patrones de multimorbilidad se asociaron con mayor gravedad y mortalidad por COVID-19 en grupos específicos de edad y sexo, especialmente en edades más jóvenes. En el tercer estudio se identificaron distintas distribuciones y trayectorias de patrones de multimorbilidad, con tres patrones (’enfermedades metabólicas y vasculares’, ’musculoesquelético y síndrome del dolor crónico’, e ’inespecífico’) presentes en todos los puntos temporales. Se observaron trayectorias diversas desde 10 años antes hasta 5 años antes, mientras que se identificaron trayectorias y clústeres estables desde 5 años antes hasta el tiempo basal. Conclusiones Los patrones de multimorbilidad identificados mediante el algoritmo fuzzy c-means se han asociado a distintos resultados e indicadores clínicamente relevantes. En pacientes de edad avanzada hospitalizados debido a la exacerbación de condiciones crónicas, los patrones de multimorbilidad se han relacionado con indicadores de calidad de la medicación, como PPI y RAMs, lo que sugiere realizar revisiones de la medicación específicas. Asimismo, ciertos patrones de multimorbilidad en pacientes con COVID-19 se han asociado con una mayor gravedad y mortalidad. Finalmente, el estudio de las trayectorias longitudinales de la multimorbilidad ha destacado la naturaleza dinámica de las condiciones crónicas en adultos de edad avanzada.Background Multimorbidity, defined as the coexistence of two or more chronic conditions, is a growing challenge for healthcare systems mainly due to its rising prevalence, the lack of evidence-based clinical management strategies and its high cost. There is evidence that chronic conditions cluster together forming multimorbidity patterns. Understanding these patterns could improve clinical practice by informing personalised care, prevention strategies and resource allocation, ultimately optimising care for multimorbid patients and addressing the current limitations of healthcare systems. Objectives This thesis aimed to identify multimorbidity patterns and determine their relationship with various clinically relevant outcomes and indicators. Three specific objectives were set: 1) to assess the relationship between multimorbidity patterns and quality indicators of medication in older patients, 2) to identify multimorbidity patterns in adult COVID-19 patients and evaluate their relationship with infection severity and mortality, 3) to analyse the longitudinal trajectories of multimorbidity patterns in older patients. Methods Three studies were carried out to meet these objectives. The first study was a multicentre, prospective cohort study examining the relationship between multimorbidity patterns and quality indicators of medication (i.e., potentially inappropriate prescribing (PIP) and adverse drug reactions (ADRs)) in 740 patients aged ≥65 years hospitalised for chronic disease exacerbation. The second study analysed multimorbidity patterns in a real-world data cohort of 14286 COVID-19 patients aged >20 years, assessing their association with infection severity and mortality. The third study was a retrospective analysis of 3988 patients from the previous study, focusing on identifying the longitudinal trajectories of multimorbidity patterns in patients aged ≥65 years over a 10-year period (3 time points: baseline, 5 years before, 10 years before). Multimorbidity cluster analysis using the fuzzy c-means algorithm and various statistical analyses were performed in each study. Results The first study found that specific multimorbidity clusters, named ’osteoarticular’ and ’minor chronic disease’, showed higher frequencies of PIP and ADRs, particularly involving benzodiazepines, angiotensin-converting enzyme (ACE) inhibitors, and neuroleptic drugs. The second study revealed that certain multimorbidity patterns were associated with higher COVID-19 severity and mortality in specific age and sex groups. The third study identified distinct multimorbidity cluster distributions and trajectories, with three clusters (’metabolic and vascular diseases’, ’musculoskeletal and chronic pain syndrome’, and ’unspecific’) present across all time points. A variety of trajectories occurred from 10 years to 5 years prior, while stable trajectories and clusters were observed from 5 years to baseline. Conclusions Multimorbidity patterns identified through fuzzy c-means algorithm were associated to various clinically relevant outcomes and indicators. In older patients hospitalised due to chronic condition exacerbation, multimorbidity patterns were linked to quality indicators of medication, such as PIP and ADRs, suggesting tailored medication reviews. Additionally, certain multimorbidity patterns in COVID-19 patients were associated with increased severity and mortality. Finally, the study of longitudinal multimorbidity trajectories highlighted the dynamic nature of chronic conditions in older adultsUniversitat Autònoma de Barcelona. Programa de Doctorat en Metodologia de la Recerca Biomèdica i Salut PúblicaUniversitat Autònoma de BarcelonaBaré i Mañas, MarisaNavarro Giné, Albert2025202520252025info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersion208 p.application/pdfhttp://hdl.handle.net/10803/694643TDX (Tesis Doctorals en Xarxa)reponame:TDR. Tesis Doctorales en Redinstname:CBUC, CESCAInglésL'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-sa/4.0/http://creativecommons.org/licenses/by-sa/4.0/info:eu-repo/semantics/openAccessoai:www.tdx.cat:10803/6946432026-06-14T12:46:07Z
score 15,812429

Similar Items