Profilo di comunità - Azienda USL di Ferrara

È nota dai dati di letteratura l’esistenza di una relazione diretta, a livello di piccole aggregazioniterritoriali (come i comuni), tra il livello medio di istruzione e il consumo delle prestazionisanitarie. In generale, all’aumentare del livello medio di istruzione tende a diminuirenettamente il consumo di prestazioni sanitarie, e di conseguenza la spesa sanitariacomplessiva. Quale indicatore dei consumi sanitari, abbiamo utilizzato il cosiddetto Indice diconsumo complessivo delle prestazioni specialistiche, che conta quante prestazionispecialistiche sono state effettuate, nel corso di un anno, per mille residenti (al netto dellaboratorio e del pronto soccorso). Nel nostro caso l’indice è relativo al 2006.Quale indicatore del livello di istruzione, abbiamo utilizzato l’indice di conseguimentodell’istruzione obbligatoria, ricavato dai dati del Censimento della popolazione del 2001. Questoindice conta (su 1000 residenti, in età compresa tra 15 e 52 anni) quanti dispongono del livellodi istruzione obbligatoria minimo per le coorti di nascita tra i 15 e i 52 anni nel 2001, ovverodella licenza di scuola media. Abbiamo utilizzato dati provenienti dal Censimento del 2001perché si tratta dell’unica rilevazione ufficiale in grado di fornire il livello di dettaglio comunale.Dai calcoli è stato escluso il comune di Ferrara, le cui dimensioni demografiche non consentonol’accostamento con i rimanenti comuni della provincia.Come è facile notare osservando il grafico, la relazione negativa tra i due fenomeni è evidente.Per fare alcuni esempi, tra loro contrapposti: il comune di Cento ha uno dei più elevati indici diistruzione e un bassissimo IC mentre, all’opposto, il comune di Mesola presenta un bassolivello di istruzione e uno dei valori più elevati dell’IC. Fa eccezione soltanto il comune di Goro,che evidentemente presenta una situazione affatto peculiare, sia di livello di istruzione, sia dilivello dell’indice di consumo sanitario.A seguito di questa prima analisi empirica, abbiamo cercato di adattare una retta diregressione lineare ai dati.Grafico 7.5: Adattamento di una retta di regressione lineare ai dati (vedi grafico precedente)95% CI/Fitted values/IC3500 4000 4500 5000 5500820 840 860 880 900 920OBBLIGO95% CI Fitted valuesICCome appare evidente anche dal grafico, la relazione lineare esistente tra i due fenomeni non èfortissima quanto all’intensità 90 .90 I dati presentano un discreto adattamento al modello lineare; è soltanto la presenza del dato “anomalo” di Goro aspostare verso il basso l’indice di adattamento del modello lineare (R2 = 0,12, ma senza Goro si avrebbe R 2 = 0,33). Ilcoefficiente di regressione lineare è pari a –6,635, mentre il coefficiente di correlazione tra i due fenomeni è pari a –0,35 (statisticamente significativo).154