Lucía Amalia Carrasco Ribelles

Antecedents: There is a growing evidence in the recent literature of the relationship between exposure to environmental pollutants and the risk of suffering mental health issues. In particular, pollutants such as O3, NO2, PM1, PM2.5 and PM10 are associated with children’s and adolescents’ mental health and neurodevelopment issues. In addition, for children and adolescents, five specific groups of mental health issues have been identified: behavioral and developmental disorders, attention deficit hyperactivity disorder (ADHD), anxiety, eating disorders and other mental health problems. More recently, some studies analyzed the impact of exposure to environmental pollutants on adults’ mental health, but more evidence is needed in this direction, especially accounting for the potential lack of accuracy of national registers of lifetime mental health disorders.
Hipòtesis: The main hypothesis underlying this project is that exposure to environmental pollutants is significantly associated with an increased risk of mental health disorders in children, adolescents, and
adults, with variations in these associations influenced by factors such as age, gender, socioeconomic status, and spatio-temporal dynamics. Environmental pollutants, such as air pollution and toxic substances, are known to have systemic effects on the body, including neuroinflammatory and neurotoxic impacts that may disrupt mental health. These effects are likely to differ across demographic groups due to biological and social factors, such as hormonal differences, varying developmental stages, and unequal exposure levels tied to socioeconomic disparities. By leveraging Bayesian statistical methods, this project seeks to test this hypothesis and explore whether these associations vary across population subgroups and over time, providing a nuanced understanding of the complex interplay between environmental and psychosocial factors in mental health.
Objectius: The main objectives of this project are 1) to develop new statistical methodology to study the association between the exposure to pollutants and mental health and neurodevelopment issues, 2) to account for the potential underregistering of mental health issues in these statistical methods and 3) to use the introduced statistical techniques to analyze the potential association between the exposure to pollutants and mental health and neurodevelopment issues in Catalunya.
Metodologia: The study population will be all Catalan individuals between 3 and 90 years old with a diagnosis within the health mental diseaes using ICD-10 codes and ATC codes from IDIAP and CMDB-SM in the period 2012-2024, with an estimated size around 2,4 million individuals. This project will employ a comprehensive methodological approach combining statistical modeling, mathematical techniques, and epidemiological analysis. A Bayesian-based model will be developed to investigate the association between environmental pollutants and mental health disorders, incorporating key demographic variables such as gender, age, and socioeconomic status, along with spatio-temporal factors. Given the massive size and complexity of the dataset, the project will adapt and extend mathematical techniques, such as the Divide and Recombine framework, within the Bayesian inference paradigm to ensure computational feasibility and scalability. To enhance data reliability, the model will include components to estimate and correct for misreporting of mental health disorders, which will account for potential biases in the dataset. The statistical analysis will explore both direct and interaction effects of pollutants, demographic factors, and temporal trends. This robust methodological framework will generate detailed insights into the relationships between environmental exposures and mental health outcomes while addressing challenges posed by data volume, complexity, and quality.
Aplicabilitat i Rellevància: The findings could provide a scientific basis for policy changes aimed at mitigating environmental pollutants, improving mental health outcomes, and addressing health inequities. The regional focus on Catalunya also allows for localized recommendations, which can be scaled or adapted for broader applications. By combining methodological innovation with practical relevance, this project addresses an urgent need in public health and environmental science. Its outputs could significantly advance our understanding of how environmental factors influence mental health and guide both scientific inquiry and public health policy.

ANTECEDENTS: Sistemes de salut basats en una forta atenció primària organitzada en base poblacional, milloren l’accés als serveis sanitaris, disminueixen el número d’ingressos hospitalaris evitables i per tant la despesa sanitària global, i milloren la salut de la població. L’any 2017, la Comissió Europea va identificar l’avaluació del rendiment dels sistemes d’atenció primària com una prioritat política. mesurar la qualitat dels serveis oferts és un requisit fonamental per a identificar àrees de millora. L’avaluació del rendiment d’un sistema és especialment necessària quan es produeixen canvis substancials en l’estructura o funcionament, com l’ocorregut amb la pandèmia de la COVID-19. A causa de la complexa naturalesa dels sistemes d’atenció primària, els indicadors utilitzats per avaluar el seu funcionament solen ser específics de cada context. Els Ambulatory Care Sensitive Conditions (ACSC) son un conjunt de diagnòstics potencialment evitables d’ingrés hospitalari o mort. Sovint és utilitzat com un indicador de mesura de l’efectivitat de l’atenció primària.
JUSTIFICACIÓ: L’avantatge d’analitzar agrupacions d’EAP en lloc de l’estudi d’aquests EAP a nivell individual és que permet una perspectiva més àmplia i generalitzable de les característiques estudiades.
L’ús d’algorismes d’intel·ligència artificial per predir el número d’ingressos hospitalaris per diagnòstic evitable (ACSC) pot ajudar a identificar els EAP amb problemes d’efectivitat, la qual cosa afavoriria una millora en la planificació de recursos sanitaris.
OBJECTIUS: 1) Caracteritzar grups similars d’EAP de Catalunya en funció dels resultats en salut, els recursos disponibles i les característiques poblacionals. 2) Predir el número d’ingressos hospitalaris per diagnòstics evitables (ACSC) dels diferents EAP. 3) Analitzar i comparar els resultats en salut dels equips d’atenció primària en relació als períodes de la COVID-19: pre-pandèmia, pandèmia i post- pandèmia.
PERÍODE D’ESTUDI: 2018 – 2022.
ENTORN I POBLACIÓ DE REFERÈNCIA: L’ICS és el principal proveïdor de serveis sanitaris de Catalunya. Gestiona 279 Equips d’Atenció Primària (EAP) adscrits a 5,8 milions de ciutadans.
POBLACIÓ D’ESTUDI: EAP dels centres del ICS de Catalunya.
OUTCOMES: Les variables d’interès son les relatives als resultats dels EAP: 1. Accessibilitat; 2. Longitudinalitat; 3. Abast (comprehensiveness); 4. Coordinació; 5. Orientació comunitària; 6. Orientació familiar; 7. Satisfacció; 8. Gestió de la demanda d’infermeria; 9. Benestar emocional; 10. Qualitat de prescripció farmacèutica; 11. Efectivitat: Número total d’ingressos hospitalaris per diagnòstic evitable; Mortalitat i mortalitat per ACSC.
VARIABLES: Referides a les característiques poblacionals : Edat, Sexe, Indicadors socioeconòmics, Número de visites als equips d’Atenció Primària per tipus de professional i EAP, Número total de malalties, Fragilitat (eFi, Efragicap, Nombre de medicaments (segons ATC) dispensats i data, Variables estils de vida, Nombre d’ingressos hospitalaris totals per cada EAP; Referides als recursos disponibles: Recursos humans disponibles de cada EAP per categoria professional i mes, Infraestructura de les EAP: Edificis i pisos, o en el seu defecte, variables que recullin informació sobre la fragmentació del personal de cada EAP, Població assignada.
FONTS D’INFORMACIÓ: El Sistema d’Informació per al desenvolupament de la Recerca en Atenció Primària (SIDIAP) disposa d’informació agregada a nivell mensual i per EAP de les característiques de la població, dels recursos disponibles dels EAP i dels seus resultats en salut.
ANÀLISI ESTADÍSTICA: 1) Per a la caracterització de grups similars d’EAP en funció dels resultats en salut, els recursos disponibles i les característiques poblacionals s’usaran tècniques de clústers. Els clústers resultants es compararan en funció de la distribució de les variables sociodemogràfiques, clíniques, socioeconòmiques, d’estil de vida, i, principalment, d’utilització d’assistència sanitària primària, utilitzant anàlisi de variància (ANOVA) i proves de ji-quadrat. 2) S’elaboraran un conjunt d’algorismes d’intel·ligència artificial per predir el número d’ingressos hospitalaris per diagnòstics evitables (ACSC) dels diferents EAP i per períodes de 1,3 i 6 mesos en períodes de 1,3 i 6 mesos. S’aplicaran les següents tècniques de regressió: Decision Tree (DT), Random Forest (RF), Gradient Boosting (GB), k-nearest neighbors (K-NN), Support Vector Machine (SVM), Artificial Neural Network (ANN) i Recurrent Neural Network (RNN). 3) Per a analitzar i comparar els resultats en salut dels equips d’atenció primària en els tres períodes de temps que comprenen la COVID-19, es realitzaran models ARIMA, suavitzat temporal i ANOVA.
APLICABILITAT I RELLEVÀNCIA: 1) L’agrupació d’EAP pot ajudar a la identificació de patrons de recursos dels EAP que poguessin resultar més efectius per a aconseguir satisfer les necessitats de la població. 2) L’avaluació d’algorismes que realitzin prediccions de resultats en salut permet identificar els EAP que puguin tenir problemes d’efectivitat, la qual cosa afavoreix una millora en la planificació de recursos sanitaris. 3) El tercer estudi podria ajudar a comprendre com la pandèmia ha afectat els resultats en salut durant el seguiment d’aquesta, i si aquests segueixen la mateixa tendència a mesura que es redueix la focalització de l’atenció de problemes relacionats amb la COVID-19 (període post-pandèmia). En global, el present projecte pot ajudar als responsables polítics i als gestors sanitaris a prendre decisions més informades sobre l’assignació de recursos, millorant així la qualitat d’assistència dels EAP i, en conseqüència, la salut de la població.

Analizar la evolución de la Multimorbilidad, sus patrones más relevantes y sus trayectorias en la población del SNS, en el periodo 2012-22, y analizar los factores que determinan la mejor evolución en resultados en salud.
Estudio cohorte retrospectivo base poblacional RWD Cohorte MM-SNS. Población = 60 años 7 Comunidades autónomas. N= 5.225725, Variable resultado principal: muerte, dependencia, institucionalización, hospitalización. Análisis de clúster, redes y trayectorias. Para modelar la evolución temporal de los patrones y las trayectorias de los individuos a través de estos patrones, se aplicará el Modelo de Markov Oculto. Estos análisis se complementarán con modelos de regresión logística y de Cox para analizar el efecto de los diferentes patrones de MM sobre variables resultado de interés. Se llevarán a cabo análisis interseccionales para analizar el efecto de las características sociodemográficas y de los ejes de desigualdad sobre los resultados en salud.

Aquesta esmena està justificada per tres motius:
1) En el protocol original, estava prevista una validació dels resultats de l’objectiu 2 del projecte “ Definir tres puntajes de riesgo, para institucionalización, ingresos hospitalarios y mortalidad basado en patrones de multimorbilidad y fragilidad amb una cohort “ amb dades de Suècia, això no ha estat possible (pàgina 12).
2) La falta d’homogeneïtat en les definicions de multimorbiditat, l’estudi longitudinal suec SNAC-K va donar com a resultat una llista de 60 grups de malalties cròniques que podia avaluar-se a partir de la informació de la història clínica electrònica, utilitzant codis ICD-10, ATC i mesures de laboratori i clíniques. Aquesta definició ja s’està utilitzant en una quantitat d’estudis considerables, fins i tot a nivell internacional.
La Observational Medical Outcomes Partenariat (OMOP) ha generat un Common Data Model (CDM) que estableix un estàndard per a codificar les bases de dades d’històries clíniques electròniques a nivell internacional, mitjançant mapatges de les bases de dades originals, codificades en els seus corresponents vocabularis font, a altres vocabularis acceptats per aquest CDM. Per exemple, SNOMED per a les condicions cròniques, RxNORM per als fàrmacs, LOINC per als resultats de laboratori, etc. La finalitat del desenvolupament d’aquest CDM és disposar de bases de dades a nivell internacional utilitzant aquest mateix estàndard, la qual cosa facilita la col·laboració internacional i l’elaboració d’estudis multinacionals de manera senzilla i ràpida. No obstant això, el procés de mapatge dels vocabularis originals de cada base de dades a aquest estàndard és una tasca àrdua i no immediata, en la qual es pot perdre informació si no es troben equivalents.
3) Per resoldre aquest problema, es va pensar en fer una validació amb una base de dades similar , el CPRD d’Anglaterra, per tenir accés a la BBDD és necessari treballar a a Anglaterra i per aquest motius es va demanar una ajut MAES2022: MV22/00026 que la PFIS del projecte , la Lucia Amalía Carrasco Ribelles va obtenir.
CPRD, actualment només treballa amb dades CDM OMOP i, per tant, la validació dels models només es pot fer amb la versió SIDIAP-OMOP és per aquest motiu que necessitem tornar a fer els models de predicció amb les dades CDM-OMOP i necessitem poder treballar en aquest servidor.

En aquest treball es vol validar el mapatge de la definició de multimorbiditat de SNAC-K al CDM de OMOP, per a així aconseguir que una definició de multimorbiditat que ja està sent utilitzada i ha estat validada internacionalment es pugui estendre també als estudis que utilitzin aquest CDM internacionalment. Aquest treball és necessari per a no generar més definicions de multimorbiditat, utilitzant codis diferents. La Validació suposarà una fita important en la definició de la multimorbilitat, especialment en el consens internacional d’aquest concepte.

ANTECEDENTS: les vacunes contra la COVID-19 mostren una excel·lent eficàcia en assajos clínics i amb dades del món real, però algunes de les persones encara s’infecten amb SARS-CoV-2 després de la vacunació. L’aparició de la variant òmicron ens ha sorprès per la seva evasió immune envers a la vacuna i l’avantatge en la transmissió, deixant així una gran part de la població susceptible a la infecció. Per aquest motiu, és essencial conèixer les característiques clíniques, sociodemogràfiques i de la resposta immune de les persones que desenvolupen un COVID-19 greu malgrat la immunitat vacunal, per identificar i administrar dosis de reforç només a aquells col·lectius que ho necessitin, evitant així noves hospitalitzacions i morts en front a futures onades i noves variants del SARS-CoV-2.
OBJECTIUS: aquest estudi pretén identificar els factors de risc per a la infecció per SARS-CoV- 2 després de la vacunació i descriure les característiques epidemiològiques i immunològiques de les persones que tenen més risc de patir una malaltia greu (ingrés hospitalari i/o mort )
posterior a la vacunació. A demés, analitzarem les respostes humorals i cel·lulars de persones i infectades després de la vacunació en funció de la gravetat de la COVID-19 (greu vs. lleu).
Finalment, validarem la correspondència dels resultats obtinguts amb els models predictius.
MÈTODES: estudi de casos i controls niat en una cohort prospectiva de registres electrònics de
la història clínica (eCOH) i en 4 cohorts immunològiques de persones ?18 anys de Catalunya. Les cohorts disposen de informació de dades demogràfiques, socials, clíniques, medicació i proves diagnòstiques de la COVID-19. En la eCOH, s’identificaran les persones amb factors de risc. Es consideraran casos: les persones que havien rebut la pauta de vacunació complerta (1 dosis i amb 2 dosis, en funció del grup d’edat <65 i ?65 anys, respectivament) que després desenvolupin COVID-19 greu almenys 14 dies després de la última administració de la vacuna amb una prova diagnòstica de SARS-CoV-2 positiva. Es seleccionaran dos grups control emparellats per edat i sexe que no hagin desenvolupat infecció post-vacunal. De les 4 cohorts immunològiques es seleccionaran casos -persones amb perfil de risc i controls- per estudiar la variant d'infecció (seqüenciació), així com la resposta humoral i cel·lular post-vacunació en dues visites: abans i després la infecció (quantificació d'anticossos contra SARS-CoV-2, caracterització de cèl·lules B i T especifiques). L'associació entre vacunació i esdeveniments d'interès s'estudiarà amb models de regressió logística condicional, ajustant per factors de confusió: edat, sexe, COVID-19 prèvia, comorbiditats, tabac, medicació, dades socioeconòmiques. S'efectuaran análisis estratificades per grups d'edat i sexe. Es esenvoluparà un model de predicció amb models de Cox per estimar el risc d'esdeveniment segons vacunació. S'analitzarà l'evolució longitudinal de les respostes humorals i cel·lulars especifiques, i es modelarà amb models de regressió mixtos segons vacunació, ajustada per factors de confusió. RESULTATS: els resultats previs de les cohorts i la informació de què disposem apunten a que el nombre de infeccions post-vacunals a la població general és superior al estimat fins ara. A demés, identificaren els grups que tenen més risc d'ingrés hospitalari i mort per COVID-19 malgrat la vacunació per desenvolupar models de predicció i criteris de revacunació ajustats amb dades del món real. Treballar amb dades del món real aporta informació més rellevant que la que s'obté amb els assajos clínics, perquè permet identificar tots els tipus de població i personalitzar el tractament. La informació de resposta immune humoral i cel·lular analitzada a una mostra representativa de persones de cadascun dels grups, i les dades retrospectives, proporcionarà informació rellevant per conèixer els perfils de persones amb risc d'infecció greu, clau pel disseny de noves vacunes.

“Objetivo principal: Analizar la evolución de la Multimorbilidad, sus patrones más relevantes y sus trayectorias en la población del SNS, en el periodo 2012-22, y analizar los factores que determinan la mejor evolución en resultados en salud. Diseño: Estudio multicéntrico de métodos mixtos. Subestudio 1. Estudio cohorte retrospectivo base poblacional RWD Cohorte MM-SNS. Población ? 60 años 7 Comunidades autónomas. N= 5.225725, Variable resultado principal: muerte, dependencia, institucionalización, hospitalización. Análisis de clúster, redes y trayectorias. Para modelar la evolución temporal de los patrones y las trayectorias de los individuos a través de estos patrones, se aplicará el Modelo de Markov Oculto. Estos análisis se complementarán con modelos de regresión logística y de Cox para analizar el efecto de los diferentes patrones de MM sobre variables resultado de interés.Se llevarán a cabo análisis interseccionales para analizar el efecto de las características sociodemográficas y de los ejes de desigualdad sobre los resultados en salud. Subestudio 2.

Estudio observacional prospectivo: seguimiento a 3 años,Cohorte MULTIPAP N=1200 y validación de los patrones y trayectorias de Subestudio1,incorporando calidad de vida, apoyo social, capacidad funcional y fragilidad. Subestudio 3. Estudio cualitativo con enfoque fenomenológico y etnográfico con técnicas de grupos de discusión, entrevistas semi estructuradas y Photovoice para conocer la perspectiva de los pacientes y profesionales toma decisiones compartidas. Subestudio 4. Revisión sistemática de la literatura. Sobre la efectividad de las Intervenciones de formación, Multimorbilidad y polifarmacia en profesionales de la salud. “

La solicitante actualmente está haciendo su doctorado a través de una beca PFIS (FI20/00040). Como resultado de la tesis se generarán dos resultados principales. Primero, una serie de grupos, o conglomerados, de pacientes considerando sus enfermedades y estado de fragilidad. Así, dependiendo de qué combinación de enfermedades sea más destacada en una persona, se le asignará a un grupo u otro. En segundo lugar, una serie de modelos predictivos de mortalidad por cualquier causa, ingreso hospitalario y agrupamiento de enfermedades, resultado del primer objetivo. Estos modelos utilizan datos longitudinales y hacen sus predicciones con un año de anticipación. Los modelos han sido entrenados con datos del Sistema de Información para la Investigación en Atención Primaria (SIDIAP) (www.sidiap.org) historias clínicas electrónicas en atención primaria e ingresos hospitalarios de mayores de 65 años de Cataluña (España) de 2010 a 2019. SIDIAP es uno de los principales proveedores de Real-World Data en España. Los datos recopilados incluyeron (a) información sociodemográfica, (b) visitas a un centro de atención primaria, (c) medidas clínicas, (d) diagnósticos (usando ICD-10), (e) resultados de laboratorio, (f) admisión de emergencia, (g ) medicamentos dispensados ??(codificados con Clasificación Anatómica Terapéutica), y (h) índice de privación (i) asistencia social. Se incluyeron 1 456 052 individuos durante diez años de seguimiento.

Ageing is a major trend among people living with HIV PLWH, and due to the chronic inflammation and immune senescence caused by the virus and the ageing process, there is a higher prevalence of certain comorbidities, leading to more comorbidity burden. In this study, we intend to describe and compare comorbidity prevalence and incidence in PLWH over 40 against HIV negative population, compare overall multimorbidity patterns in PLWH over 40 years, and analyse multimorbidity pattern trajectories in PLWH over 40 against HIV negative population.
Study population will be general population over 40 years between January 1 2010 and December 31 2020. Chronic diseases will be coded according to the Swedish National study of Aging and Care in Kungsholmen (SNAC-K) (1). General population patients will be compared with a precious cohort of HIV patients.
Clinical, lab and drug related parameters will be extracted for the assessment of certain conditions. Death will be measured at date of event, regardless of the cause. A person not visited for over a year by the end of the follow-up period will be considered lost to follow-up (LTFU). Additional variables included are socio-demographic variables such as age at baseline, gender, socio-economic status, number of drugs dispensed at the pharmacy and number of visits to Primary Care. Polypharmacy will be described as five or more different drugs, not including antiretrovirals.
Descriptive statistics will used to summarize epidemiological characteristics and overall prevalence and incidence for every comorbidity group of patients. Cluster analysis will be run. To prevent including statistical noise and spurious findings, diseases with a prevalence?2% over-all prevalence.
This project is crucial so as to better understand changes in age-associated comorbid patterns and the differences in health-related quality of life between PLWH and non-infected general population, in order to make health policies decisions based on reliable and concise data to make evidence-based decisions on health policy, allocate scarce resources optimally, and establish specific clinical guidelines with the goal to address these changes.

ANTECEDENTES: Los trabajadores de la salud (PS) están en la primera línea de la lucha contra COVID-19, siendo más susceptibles a infectarse. En el estudio anterior, Prohepic-19, hicimos un seguimiento de 1471 TS durante 12 meses. La vacunación llega con muchas preguntas sobre su protección, reinfecciones y respuesta inmune. Ampliar el seguimiento de nuestra cohorte bien caracterizada inmunológicamente será decisivo para resolver estas cuestiones capitales.
? OBJETIVO: Generar información altamente confiable para mejorar las políticas de salud para prevenir la infección por CoV-2. Analizaremos la tasa de incidencia de la infección por CoV-2, la reinfección, la respuesta inmune a largo plazo para los trabajadores sanitarios infectados y no infectados relacionada con la vacuna en los trabajadores sanitarios expuestos, sanos e infectados.
? METODOLOGÍA: Una cohorte de PS (n = 1370 serán seguidos durante 24 meses, con dos brazos (sanos-expuestos = 1050; infectados = 320). Estadísticas: La incidencia relativa de la prueba de RT-PCR positiva y la nueva infección Se estimará de acuerdo con el nivel basal de los anticuerpos. Se analizará la cinética de IgG e IgM durante 24 meses, ajustando por edad, sexo y síntomas.
? RESULTADOS ESPERADOS: ProHEpiC-19 + se concibe como una estrategia para determinar la protección inmunológica a largo plazo frente a nuevas infecciones. Los resultados servirán de base

Objetivos: 1) Identificar patrones longitudinales de multimorbilidad y fragilidad. 2) Definir tres puntajes de riesgo, para institucionalización, ingresos hospitalarios y mortalidad basado en patrones de multimorbilidad y fragilidad. Ámbito: Atención primaria de Salud de Cataluña. Periodo: 2010-19. Fuentes de información: Sistema de Información para el Desarrollo de la Investigación en Atención Primaria, CMBD-H. Población: Personas 65 años con multimorbilidad y fragilidad, muestra estimada: 1.200.000 personas. Variables: Principales: problemas
de salud, medicamentos. Secundarias: edad, sexo, índice socioeconómico.Resultados: institucionalización, ingresos hospitalarios, mortalidad global. Análisis Estadistico: Objetivo 1: aplicación de algoritmos de agrupación no supervisados para obtener patrones transversales de multimorbilidad y fragilidad (métodos de agrupación: Autoencoders, Expectation-Maximization y K-means). Los patrones longitudinales se analizarán con modelos
ocultos de Markov para estimar las trayectorias individuales a través del tiempo. Objetivo 2: análisis supervisado, mediante la construcción de un meta-predictor para obtener los tres indicadores de riesgo. Con este fin, se combinarán de manera óptima los diferentes algoritmos de predicción, como por ejemplo, redes neuronales recursivas y árboles de clasificación y regresión logística. Estos algoritmos definirán los tres puntajes de riesgo determinados a partir de los patrones de multimorbilidad y fragilidad.