OCVTS Accedi ad Atlante →

OCVTS — Osservatorio Cardio-Vascolare Trieste

Gruppo di ricerca clinica in ambito cardiovascolare, attivo tra assistenza e ricerca.

Cosa facciamo

Scopo del gruppo

Il gruppo svolge ricerca clinica ed epidemiologica sulle patologie cardiovascolari, in particolare scompenso cardiaco e fibrillazione atriale, studiandone la storia naturale, i percorsi di cura, l'aderenza alle terapie e l'efficacia dei trattamenti attraverso l'analisi di dati real-world, su base di popolazione e comunitaria, oltre che di cartelle cliniche elettroniche.

Parallelamente sviluppa e valuta modelli di intelligenza artificiale — in particolare di deep learning applicati al tracciato ECG e ai dati clinici — per la predizione precoce e la stratificazione del rischio cardiovascolare, con attenzione alla loro interpretabilità e alla reale applicabilità in contesti clinici, dall'ambulatorio alla terapia intensiva.

La metodologia completa di costruzione delle variabili cliniche ed epidemiologiche a partire dai dati grezzi è descritta nella documentazione tecnica.

Chi siamo

Principal Investigator

Dott. Andrea Di Lenarda

Cardiologo, dirige il Dipartimento Specialistico Territoriale e la Struttura Complessa di Patologie Cardiovascolari di ASUGI. Già direttore del Centro Cardiovascolare di Trieste (2008–2017), è responsabile anche dell'Ambulatorio di Medicina dello Sport per l'area Giuliana e Isontina. Attualmente coinvolto in diversi trial clinici cardiovascolari (tra cui CaReMap, PDTA-FA, Re.F.An.), con particolare interesse per la gestione della cronicità cardiovascolare.

Cardiologo, dirige il Dipartimento Specialistico Territoriale e la Struttura Complessa di Patologie Cardiovascolari di ASUGI. Già direttore del Centro Cardiovascolare di Trieste (2008–2017), è responsabile anche dell'Ambulatorio di Medicina dello Sport per l'area Giuliana e Isontina. Attualmente coinvolto in diversi trial clinici cardiovascolari (tra cui CaReMap, PDTA-FA, Re.F.An.), con particolare interesse per la gestione della cronicità cardiovascolare.

Giulia Barbati

Prof.ssa Giulia Barbati

Professoressa associata di Statistica Medica all'Università degli Studi di Trieste dal 2019. Laureata in Statistica all'Università di Roma (1999) e dottorata in Neuroimaging Funzionale all'Università di Chieti-Pescara (2007). La sua ricerca riguarda i metodi di analisi della sopravvivenza e i modelli congiunti per dati longitudinali e di tempo-evento, l'uso di dati amministrativi sanitari e gli algoritmi di machine learning per la predizione del rischio, con particolare attenzione all'interpretabilità e agli aspetti causali nelle applicazioni cliniche. Fellow della SISMEC (Società Italiana di Statistica Medica ed Epidemiologia Clinica).

Professoressa associata di Statistica Medica all'Università degli Studi di Trieste dal 2019. Laureata in Statistica all'Università di Roma (1999) e dottorata in Neuroimaging Funzionale all'Università di Chieti-Pescara (2007). La sua ricerca riguarda i metodi di analisi della sopravvivenza e i modelli congiunti per dati longitudinali e di tempo-evento, l'uso di dati amministrativi sanitari e gli algoritmi di machine learning per la predizione del rischio, con particolare attenzione all'interpretabilità e agli aspetti causali nelle applicazioni cliniche. Fellow della SISMEC (Società Italiana di Statistica Medica ed Epidemiologia Clinica).

Dott.ssa Cinzia Radesich

Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.

Dott. Federico Turoldo

Medico specializzando in Igiene e Medicina Preventiva con competenze in epidemiologia, biostatistica e machine learning applicati alla sanità pubblica, con formazione avanzata maturata attraverso Master. Svolge attività clinica, istituzionale e di ricerca, con esperienza nella progettazione di studi epidemiologici e nella gestione di progetti sanitari. Autore di pubblicazioni scientifiche e impegnato in collaborazioni nazionali ed internazionali in tema di sanità pubblica (Northumbria University, Rotterdam University, CUAMM).

Dott. Arjuna Scagnetto

Programmatore SAS dal 2017, con forte competenza nell'uso di modelli di deep learning applicati agli ECG.

Ricerca

L'attività del gruppo si articola su due filoni distinti.

NON FINANZIATA

Ricerca interna

Attività e progetti condotti internamente al gruppo, senza finanziamento esterno.

Progetto interno — titolo da definire

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.

Progetto interno — titolo da definire

Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.

FINANZIATA

Ricerca esterna — Collaborazioni

Progetti condotti in collaborazione con enti e partner esterni, con finanziamento dedicato.

In corso

Collaborazione in corso — partner da definire

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Collaborazione in corso — partner da definire

Sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.

Concluse

Collaborazione conclusa — nome da definire

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Riferimento: da inserire — Autore et al., Titolo, Rivista, Anno.

Collaborazione conclusa — nome da definire

Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris.

Riferimento: da inserire — Autore et al., Titolo, Rivista, Anno.

Pubblicazioni

Articoli scientifici prodotti dal gruppo.

Contatti