Analisi del Consumo di Farmaci in Italia

Analisi clinica e visualizzazione dei dati farmaceutici pubblici

Dott. Carchedi Foca R.M. – Farmacista Abilitato & Data Analyst

---

Analisi clinica e visualizzazione dei dati farmaceutici pubblici AIFA per individuare trend, anomalie e previsioni di consumo a supporto di decisioni cliniche e politiche sanitarie.

Indice

1. Introduzione
2. Domanda di ricerca
3. Tecnologie e Metodi
4. Workflow
5. Risultati chiave
6. Accesso al dataset pubblico
7. Report e visualizzazioni
8. Riferimenti
9. Autore

Introduzione

Lo scopo di questo progetto è analizzare in modo strutturato gli Open Data AIFA relativi alla spesa e al consumo di farmaci in Italia tra il 2016 e il 2023. I risultati supportano:

• decisioni cliniche basate su evidenze di consumo
• ottimizzazione della spesa pubblica
• pianificazione delle risorse sanitarie

Domanda di ricerca

Quali classi di farmaci hanno mostrato variazioni significative di consumo dal 2016 al 2023 e come prevedere i trend futuri per guidare politiche sanitarie e approcci di medicina di precisione?

Tecnologie e Metodi

Strumento	Utilizzo principale
BigQuery	hosting e interrogazione del dataset AIFA
SQL	estrazione, aggregazione e preparazione dei dati
Python	pulizia automatizzata, estrazione dati da PDF
Excel	analisi preliminare, incrocio con dati ISTAT
R	modellazione predittiva e report automatici con RMarkdown

Le principali fasi metodologiche sono:

• pulizia e armonizzazione dei CSV AIFA
• creazione del dataset relazionale su BigQuery
• normalizzazione pro capite con dati ISTAT
• estrazione automatica di tabelle da PDF
• modelli predittivi (Random Forest, ARIMA, Prophet)
• validazione con RMSE e MAE
• reportistica interattiva e statica

Workflow

1. Scaricare i CSV AIFA (2016–2023) dal portale Open Data AIFA.
2. Pulizia e standardizzazione con extract_and_summarize.py.
3. Creazione e pubblicazione del dataset in BigQuery.
4. Esportazione dei risultati da BigQuery e analisi preliminare in Excel.
5. Normalizzazione pro capite con dati ISTAT per regione e anno.
6. Estrazione di tabelle da report PDF con compute_atc_variation.py.
7. Costruzione e validazione di modelli predittivi in R (Random Forest, ARIMA, Prophet).
8. Generazione di report automatici e dashboard interattive con RMarkdown.

Risultati chiave

• individuazione delle classi ATC con variazioni di consumo più marcate
• previsioni di consumo per il triennio successivo
• dashboard e report per stakeholder non tecnici
• dataset AIFA 2016–2023 pubblicato su BigQuery

Accesso al dataset pubblico

Il dataset relazionale contenente i dati AIFA dal 2016 al 2023 è disponibile gratuitamente su BigQuery.

Accedi qui:
https://console.cloud.google.com/bigquery?hl=it&invt=Ab6BZg&project=primo-progetto-bigquery

Report e visualizzazioni

• report interattivi e statici in HTML/PDF generati da Analisi consumo farmaci.Rmd
• PDF per confronto Pre-COVID vs Post-COVID disponibili in Report-Statici/

Riferimenti

• AIFA Open Data: https://www.aifa.gov.it/open-data
• Monitoraggio Spesa Farmaceutica AIFA:
  https://www.aifa.gov.it/documents/20142/241044/Monitoraggio_Spesa_gennaio-dicembre2016_agg.pdf
• ISTAT Popolazione residente: https://demo.istat.it/app/?i=POS

Autore

Foca Marco Carchedi
Farmacista abilitato & Data Analyst
carchedimarco88@gmail.com