Dall’assistenza domiciliare al telemonitoraggio, i Nursing Clinical Decision Support Systems possono diventare un nuovo alleato dell’infermiere nel monitoraggio dei pazienti cronici. Ma la tecnologia non sostituisce il giudizio professionale.
La gestione delle malattie croniche rappresenta una delle sfide più importanti per il Servizio Sanitario Nazionale. L’invecchiamento della popolazione e l’aumento di patologie come diabete, scompenso cardiaco, BPCO e ipertensione richiedono un’assistenza sempre più continuativa, personalizzata e orientata alla prevenzione delle complicanze.
È proprio sul territorio che si gioca una parte importante di questa sfida. In questo scenario, l’Infermiere di Famiglia e Comunità (IFeC) assume un ruolo strategico nella presa in carico della persona, nella promozione della salute e nel coordinamento dei percorsi assistenziali.
A supportare questo nuovo modello di assistenza potrebbero arrivare anche le nuove tecnologie digitali. Tra queste stanno assumendo crescente interesse i Nursing Clinical Decision Support Systems (N-CDSS), sistemi informatici progettati per supportare il ragionamento clinico dell’infermiere.
L’Infermiere di Famiglia al centro dell’assistenza territoriale.
Il ruolo dell’Infermiere di Famiglia e Comunità è destinato a diventare sempre più importante in una popolazione caratterizzata da età avanzata, pluripatologie e bisogni assistenziali complessi.
L’IFeC opera nel domicilio, nelle Case della Comunità e nei servizi territoriali con l’obiettivo di mantenere la persona il più possibile nel proprio ambiente di vita, favorendo la continuità assistenziale e contribuendo a ridurre i ricoveri evitabili.
Tra le attività rientrano la valutazione dei bisogni assistenziali, l’educazione terapeutica, il monitoraggio dei parametri clinici, la prevenzione delle complicanze, la promozione dell’aderenza alle terapie e il coordinamento con il medico di medicina generale e con gli altri professionisti sanitari.
Una funzione che richiede competenze cliniche avanzate, capacità di valutazione multidimensionale e aggiornamento continuo sulle evidenze scientifiche.
Cosa sono gli N-CDSS.
I Nursing Clinical Decision Support Systems sono strumenti informatici sviluppati per supportare il processo decisionale infermieristico attraverso l’integrazione di dati clinici, linee guida basate sulle evidenze e algoritmi decisionali.
Il sistema può analizzare informazioni come parametri vitali, anamnesi, terapie, esami di laboratorio e dati raccolti durante le visite domiciliari, fornendo alert, promemoria e indicazioni di supporto.
Un punto è però fondamentale: gli N-CDSS non prendono il posto dell’infermiere.
Il loro obiettivo è aiutare il professionista a leggere in maniera più completa il quadro clinico-assistenziale, individuare eventuali segnali di rischio e confrontare le proprie valutazioni con le evidenze disponibili.
L’esperienza clinica, la capacità di osservazione, la relazione con il paziente e la conoscenza del suo contesto familiare e sociale restano infatti elementi essenziali dell’assistenza.
Dallo scompenso cardiaco al diabete: come possono essere utilizzati.
Uno degli ambiti nei quali gli N-CDSS potrebbero avere maggiore utilità è proprio quello della gestione delle patologie croniche.
Nel caso di un paziente con scompenso cardiaco, per esempio, il sistema potrebbe rilevare un rapido aumento del peso corporeo, la comparsa di edemi agli arti inferiori o valori pressori anomali, segnalando all’infermiere la necessità di approfondire la situazione e, quando necessario, coinvolgere il medico di medicina generale.
Nel diabete, il supporto digitale può contribuire al monitoraggio dei valori glicemici, dell’aderenza terapeutica e degli interventi di educazione sanitaria.
Anche nella BPCO, l’integrazione con sistemi di telemonitoraggio può consentire di intercettare variazioni della saturazione dell’ossigeno, della frequenza respiratoria o della dispnea, favorendo una valutazione precoce di possibili riacutizzazioni.
Particolarmente interessante è inoltre l’applicazione nell’assistenza all’anziano fragile, spesso caratterizzato da pluripatologie, politerapia e maggiore rischio di eventi avversi.
Gli N-CDSS possono contribuire a identificare fattori di rischio come cadute, malnutrizione, deterioramento funzionale e lesioni da pressione, aiutando l’infermiere a programmare interventi maggiormente personalizzati.
Un aiuto al ragionamento clinico, non un sostituto dell’infermiere.
Il vero valore di questi sistemi non dovrebbe essere ricercato nella capacità di “decidere” al posto del professionista, ma nella possibilità di rafforzare il ragionamento clinico infermieristico.
L’integrazione di numerose informazioni può aiutare a riconoscere più rapidamente situazioni di rischio, verificare la coerenza delle valutazioni con le linee guida e documentare con maggiore precisione il percorso assistenziale.
Per l’Infermiere di Famiglia e Comunità questo può tradursi in una maggiore capacità di individuare le priorità e intervenire tempestivamente, soprattutto nei pazienti più complessi.
La tecnologia, quindi, può diventare un alleato della professione, ma non può sostituire l’autonomia e la responsabilità del professionista.
I possibili vantaggi.
L’introduzione degli N-CDSS nella pratica territoriale potrebbe produrre diversi benefici.
Tra questi:
- maggiore aderenza alle linee guida;
- identificazione precoce dei pazienti a rischio;
- riduzione della variabilità delle decisioni assistenziali;
- maggiore continuità tra ospedale, territorio e medico di medicina generale;
- personalizzazione degli interventi;
- migliore documentazione del percorso assistenziale;
- monitoraggio più tempestivo dei parametri clinici;
- possibile riduzione di accessi impropri al pronto soccorso e di ricoveri evitabili.
Per l’IFeC, disporre di uno strumento capace di integrare rapidamente dati clinici e assistenziali potrebbe quindi rappresentare un supporto importante nella gestione quotidiana della cronicità.
Ma non mancano le criticità.
L’introduzione di queste tecnologie presenta anche importanti questioni da affrontare.
La prima riguarda la qualità dei dati. Un sistema decisionale è affidabile soltanto se riceve informazioni corrette, complete e aggiornate. Dati incompleti o errati possono infatti produrre indicazioni poco attendibili.
C’è poi il tema della formazione. L’utilizzo di sistemi digitali avanzati richiede agli infermieri nuove competenze, non soltanto informatiche ma anche legate alla comprensione del funzionamento degli algoritmi e dei loro limiti.
Un’altra criticità riguarda l’interoperabilità. Sistemi informativi sanitari non sufficientemente integrati possono rendere difficile la condivisione dei dati e ridurre l’efficacia degli strumenti di supporto.
Infine ci sono gli aspetti etici, giuridici e di protezione dei dati sanitari. Privacy, sicurezza delle informazioni e trasparenza degli algoritmi diventano elementi centrali nello sviluppo della sanità digitale.
Resta inoltre fondamentale il tema della responsabilità professionale: l’N-CDSS deve essere considerato uno strumento di supporto e non il soggetto che assume la decisione assistenziale.
Intelligenza artificiale e telemonitoraggio: quale futuro?
L’evoluzione dell’intelligenza artificiale, del machine learning e del telemonitoraggio potrebbe ampliare ulteriormente le possibilità di utilizzo degli N-CDSS.
In futuro, questi sistemi potrebbero integrare informazioni provenienti da dispositivi indossabili, sensori presenti nelle abitazioni e cartelle cliniche elettroniche, consentendo di costruire una visione sempre più completa delle condizioni del paziente.
Per l’Infermiere di Famiglia e Comunità significherebbe poter disporre di strumenti capaci di individuare precocemente eventuali segnali di instabilità clinica, contribuire alla stratificazione del rischio e facilitare la programmazione degli interventi domiciliari.
Ma il vero valore dell’innovazione non sarà soltanto tecnologico.
La tecnologia non sostituirà la relazione di cura.
Il rischio, quando si parla di digitalizzazione e intelligenza artificiale in sanità, è quello di immaginare un futuro nel quale gli algoritmi possano sostituire progressivamente le competenze dei professionisti.
La prospettiva degli N-CDSS suggerisce invece un modello differente: la tecnologia come strumento al servizio del professionista.
L’osservazione della persona, l’ascolto dei suoi bisogni, la valutazione clinica, il pensiero critico e la relazione terapeutica rimangono al centro dell’assistenza infermieristica.
Per questo motivo, l’introduzione degli N-CDSS dovrà necessariamente essere accompagnata da formazione, aggiornamento dei sistemi, qualità dei dati e precise garanzie sul piano della sicurezza e della responsabilità professionale.
Una nuova opportunità per l’Infermiere di Famiglia e Comunità.
La gestione della cronicità richiede un’assistenza sempre più vicina alla persona e sempre più integrata tra ospedale e territorio.
In questo processo, gli Nursing Clinical Decision Support Systems possono rappresentare una delle tecnologie più interessanti per sostenere il lavoro dell’Infermiere di Famiglia e Comunità.
Non una macchina che decide al posto dell’infermiere, dunque, ma uno strumento capace di mettere a disposizione del professionista più informazioni, più rapidamente e in una forma utile al processo decisionale.
La sfida dei prossimi anni sarà trovare il giusto equilibrio tra innovazione tecnologica e competenza professionale. Perché anche nella sanità digitale, il cuore dell’assistenza rimane la persona.
Bibliografia approfondita
1. Clinical Decision Support Systems e pratica infermieristica
- Mebrahtu TF, Skyrme S, Randell R, et al. Effects of computerised clinical decision support systems (CDSS) on nursing and allied health professional performance and patient outcomes: a systematic review of experimental and observational studies. BMJ Open. 2021;11(12):e053886. doi:10.1136/bmjopen-2021-053886.
È una delle fonti più importanti per l’articolo: la revisione ha analizzato 35 studi e ha rilevato effetti positivi in diversi aspetti della pratica infermieristica, pur sottolineando l’eterogeneità e la qualità variabile delle evidenze. - O’Connor S, et al. Automation in nursing decision support systems: A systematic review of effects on decision making, care delivery, and patient outcomes. International Journal of Medical Informatics. 2021.
Revisione specificamente dedicata ai sistemi di supporto decisionale utilizzati dagli infermieri. Evidenzia miglioramenti nell’aderenza alle raccomandazioni e nei tempi decisionali, ma risultati più variabili sugli outcome dei pazienti. - Lee S. Features of computerized clinical decision support systems supportive of nursing practice: a literature review. Computers, Informatics, Nursing. 2013;31(10):477-495. doi:10.1097/01.NCN.0000432127.99644.25.
Utile per descrivere le caratteristiche che un sistema dovrebbe possedere per supportare realmente il processo assistenziale infermieristico. - Müller-Staub M, de Graaf-Waar H, Paans W. An Internationally Consented Standard for Nursing Process-Clinical Decision Support Systems in Electronic Health Records. Computers, Informatics, Nursing. 2016;34(11):493-502. doi:10.1097/CIN.0000000000000277.
- Dunn Lopez K, Gephart SM, Raszewski R, Sousa V, Shehorn LE, Abraham J. Integrative review of clinical decision support for registered nurses in acute care settings. Journal of the American Medical Informatics Association. 2017;24(2):441-450.
Rappresenta un riferimento importante per comprendere come il CDSS possa essere integrato nella pratica infermieristica. - Khalil CA, Saab A, Rahme J, Seroussi B. Developing a Comprehensive Search Strategy for the Systematic Review of Clinical Decision Support Systems for Nursing Practice. Studies in Health Technology and Informatics. 2023;302:591-595. doi:10.3233/SHTI230211.
Interessante anche dal punto di vista metodologico perché affronta la difficoltà di individuare correttamente la letteratura sui CDSS applicati alla professione infermieristica. - Sariköse S, Şenol Çelik S. The Effect of Clinical Decision Support Systems on Patients, Nurses, and Work Environment in ICUs: A Systematic Review. Computers, Informatics, Nursing. 2024;42(4):298-304. doi:10.1097/CIN.0000000000001107.
- Quindroit P, Testier M, Regis D, et al. Clinical Decision Support Systems for Operating Room Nurses: A Rapid Review. Studies in Health Technology and Informatics. 2024;315:565-566. doi:10.3233/SHTI240218.
- Berkhout M, Smit K, Sent D, et al. Understanding the Role of Clinical Decision Support Systems Among Hospital Nurses Using the FITT (Fit Between Individuals, Tasks, and Technology) Framework: Qualitative Study. Journal of Medical Internet Research. 2025;27:e76025. doi:10.2196/76025.
Particolarmente utile per affrontare formazione, usabilità, integrazione nei flussi di lavoro e ostacoli all’adozione dei CDSS da parte degli infermieri. - Zhang Q, Adili A, Yu Z, et al. Optimizing nursing clinical decision support systems: Insights from nurses’ experiences. Health Informatics Journal. 2026;32(2). doi:10.1177/14604582261455122.
È una fonte molto recente e particolarmente interessante per aggiornare l’articolo allo stato della ricerca nel 2026.
2. Clinical Decision Support Systems e gestione della cronicità
- Souza-Pereira L, Pombo N, Ouhbi S, Felizardo V, Garcia N. Clinical decision support systems for chronic diseases: A systematic literature review. Computer Methods and Programs in Biomedicine. 2020;195:105565. doi:10.1016/j.cmpb.2020.105565.
È probabilmente uno dei riferimenti bibliografici più pertinenti per la parte dell’articolo dedicata a diabete, scompenso cardiaco, BPCO e altre patologie croniche. - World Health Organization. Global Strategy on Digital Health 2020-2027. Geneva: WHO; 2025. ISBN 978-92-4-011687-0.
La strategia è stata aggiornata nel 2025 dopo l’estensione del programma fino al 2027. - World Health Organization. Global strategy on digital health 2020-2025. Geneva: WHO; 2021. ISBN 978-92-4-002092-4.
- World Health Organization Regional Office for Europe. Monitoring the implementation of digital health: an overview of selected national and international methodologies. Copenhagen: WHO Regional Office for Europe; 2022.
Utile per la parte relativa alla valutazione delle tecnologie digitali e all’interoperabilità dei sistemi sanitari. - World Health Organization Science Council. Advancing the responsible use of digital technologies in global health. Geneva: WHO; 2025.
Fonte importante per affrontare responsabilità, equità, governance e uso appropriato delle tecnologie digitali in sanità.
3. CDSS, benefici, rischi e implementazione
- Sutton RT, Pincock D, Baumgart DC, Sadowski DC, Fedorak RN, Kroeker KI. An overview of clinical decision support systems: benefits, risks, and strategies for success. npj Digital Medicine. 2020;3:17. doi:10.1038/s41746-020-0221-y.
È una fonte generale fondamentale per definire CDSS, vantaggi, rischi e condizioni necessarie per un’implementazione efficace. - Camacho J, Zanoletti-Mannello M, Landis-Lewis Z, Kane-Gill SL, Boyce RD. A conceptual framework to study the implementation of clinical decision support systems (BEAR): literature review and concept mapping. Journal of Medical Internet Research. 2020;22(8):e18388. doi:10.2196/18388.
- Taber P, Radloff C, Del Fiol G, Staes C, Kawamoto K. New Standards for Clinical Decision Support: A Survey of The State of Implementation. Yearbook of Medical Informatics. 2021. doi:10.1055/s-0041-1726502.
4. Alert fatigue e qualità degli alert
- Ancker JS, Edwards A, Nosal S, Hauser D, Mauer E, Kaushal R. Effects of workload, work complexity, and repeated alerts on alert fatigue in a clinical decision support system. BMC Medical Informatics and Decision Making. 2017;17:36. doi:10.1186/s12911-017-0430-8.
- Olakotan OO, Mohd Yusof M. The appropriateness of clinical decision support systems alerts in supporting clinical workflows: A systematic review. Health Informatics Journal. 2021;27(2). doi:10.1177/14604582211007536.
- Ray CE, Wilson GM, Hughes AM, et al. Alert fatigue measurement in clinical decision support: a systematic review. Journal of the American Medical Informatics Association. 2026. doi:10.1093/jamia/ocag064.
È una delle fonti più aggiornate sul problema dell’alert fatigue e sulla difficoltà di misurarla in maniera standardizzata. - Kesselheim AS, Cresswell K, Phansalkar S, Bates DW, Sheikh A. Clinical decision support systems could be modified to reduce ‘alert fatigue’ while still minimizing the risk of litigation. Health Affairs. 2011;30(12):2310-2317. doi:10.1377/hlthaff.2010.1111.
- Carayon P, et al. Technologic distractions and strategies to reduce alert fatigue in clinical decision support systems. Critical Care Medicine. 2017.
Riferimento utile per il rapporto tra quantità degli alert, carico cognitivo e sicurezza.
5. Interoperabilità e sistemi informativi sanitari
- Marco-Ruiz L, Bellika JG. Semantic Interoperability in Clinical Decision Support Systems: A Systematic Review. Studies in Health Technology and Informatics. 2015;216:958.
- Marco-Ruiz M, Maldonado JA, Martínez-Salvador B, et al. Interoperability of clinical decision-support systems and electronic health records using archetypes: a case study in clinical trial eligibility. Journal of Biomedical Informatics. 2013. doi:10.1016/j.jbi.2013.05.004.
- Grob M, Hauptfeld L, Rappelsberger A, Adlassnig KP. Standards-Based Interoperability for Clinical Decision Support Systems. Studies in Health Technology and Informatics. 2025;327:173-177. doi:10.3233/SHTI250296.
Fonte aggiornata sul ruolo di FHIR, openEHR, CDS Hooks e altri standard nell’interoperabilità dei CDSS.
6. Intelligenza artificiale, trasparenza e spiegabilità
- Xu Q, Xie W, Liao B, et al. Interpretability of Clinical Decision Support Systems Based on Artificial Intelligence from Technological and Medical Perspective: A Systematic Review. Computational and Mathematical Methods in Medicine. 2023;2023:9919269. doi:10.1155/2023/9919269.
- World Health Organization. Ethics and Governance of Artificial Intelligence for Health. Geneva: WHO; 2021.
- World Health Organization. Guidance on Ethics and Governance of Artificial Intelligence for Health. Geneva: WHO; 2021.
Riferimenti fondamentali per il tema dell’intelligenza artificiale responsabile in ambito sanitario.
7. Riferimenti normativi italiani
- Ministero della Salute. Decreto 23 maggio 2022, n. 77. Regolamento recante la definizione di modelli e standard per lo sviluppo dell’assistenza territoriale nel Servizio sanitario nazionale.
È il riferimento normativo centrale per il nuovo modello di assistenza territoriale e per il ruolo dell’Infermiere di Famiglia e Comunità. AGENAS conferma la pubblicazione del DM 77 e il suo collegamento alla Missione 6 del PNRR. - Ministero della Salute. PNRR – Missione 6 Salute: Reti di prossimità, strutture e telemedicina per l’assistenza sanitaria territoriale. Roma: Ministero della Salute.
- Legge 11 gennaio 2018, n. 3. Delega al Governo in materia di sperimentazione clinica di medicinali nonché disposizioni per il riordino delle professioni sanitarie e per la dirigenza sanitaria del Ministero della salute. Gazzetta Ufficiale della Repubblica Italiana.
- Ministero della Salute. Piano Nazionale della Cronicità. Roma: Ministero della Salute.
Riferimento essenziale per il quadro italiano della presa in carico delle persone con malattie croniche.
8. Privacy, protezione dei dati e intelligenza artificiale
- Parlamento europeo e Consiglio dell’Unione europea. Regolamento (UE) 2016/679 del 27 aprile 2016 – Regolamento generale sulla protezione dei dati (GDPR).
L’articolo 9 disciplina specificamente il trattamento dei dati relativi alla salute, qualificandoli come categoria particolare di dati personali. - Parlamento europeo e Consiglio dell’Unione europea. Regolamento (UE) 2024/1689 del 13 giugno 2024 – Artificial Intelligence Act.
È oggi un riferimento imprescindibile quando si parla di sistemi di IA in ambito sanitario: il regolamento disciplina i sistemi ad alto rischio e introduce requisiti relativi a gestione del rischio, qualità dei dati, trasparenza, robustezza e sorveglianza umana.
Le 10 fonti principali:
- Mebrahtu et al., 2021 – BMJ Open, CDSS e performance infermieristica.
- O’Connor et al., 2021, sistemi di supporto decisionale specificamente infermieristici.
- Souza-Pereira et al., 2020, CDSS nella gestione delle patologie croniche.
- Sutton et al., 2020 – npj Digital Medicine, vantaggi, rischi e strategie di implementazione.
- Mebrahtu et al./BMJ Open, per gli outcome assistenziali e la qualità dell’evidenza.
- Sariköse & Şenol Çelik, 2024, effetti dei CDSS su infermieri, pazienti e ambiente di lavoro.
- WHO – Global Strategy on Digital Health 2020-2027, per il quadro internazionale della sanità digitale.
- DM 77/2022, per il ruolo dell’Infermiere di Famiglia e Comunità nel sistema territoriale italiano.
- Ray et al., 2026, per il tema dell’alert fatigue.
- Regolamento UE 2024/1689 – AI Act, per intelligenza artificiale, trasparenza, gestione del rischio e supervisione umana.
Share this content:
Autore
About The Author
