VALUE How People Value Health: An Introduction to Patient Preferences

Il corso si svolge interamente in modalità a distanza nell’arco di due mesi ed è articolato in cinque attività formative, per un totale di 5 CFU. La didattica combina lezioni online, approfondimenti metodologici, casi studio e sessioni interattive con esperti accademici e professionali. I contenuti affrontano i fondamenti teorici dei Patient Preference Studies (PPS), le metodologie quantitative per l’elicitazione delle preferenze e il loro utilizzo nei contesti regolatori e di Health Technology Assessment (HTA). Particolare attenzione è dedicata ai Discrete Choice Experiments (DCE), alla sintesi delle evidenze tramite revisioni sistematiche e meta-analisi, e alle applicazioni dell’intelligenza artificiale nella ricerca sulle preferenze dei pazienti. Il percorso include casi studio e applicazioni con la piattaforma Repertor.IO, oltre a momenti di confronto con patient advisor. La verifica finale consiste in una prova scritta.

Il corso si rivolge a laureati e professionisti interessati alla ricerca sanitaria, all’epidemiologia, alla biostatistica, all’Health Technology Assessment (HTA), alle scienze regolatorie e alle decisioni evidence-based. È indicato per candidati con background biomedico, sanitario, statistico, informatico, economico, matematico o ingegneristico, nonché per professionisti attivi nei settori healthcare, farmaceutico, medical device e policy sanitaria. Il percorso è particolarmente utile per ricercatori, data scientist, professionisti delle CRO, esperti di HTA, personale di aziende farmaceutiche e biomedicali, operatori sanitari e figure coinvolte nei processi decisionali regolatori e clinici. In uscita, i partecipanti sapranno interpretare i risultati dei patient preference studies, valutarne la qualità metodologica, integrare le evidenze nei processi decisionali e comunicarne le implicazioni a stakeholder diversi.

Modulo 1: Introduzione ai PPS
Contenuti: definizione dei Patient Preference Studies, principali metodi di raccolta delle preferenze, differenze rispetto agli approcci clinici ed economici tradizionali, applicazioni nei contesti sanitari e ruolo delle agenzie regolatorie.

Modulo 2: Discrete Choice Experiments
Contenuti: introduzione ai DCE, progettazione e implementazione degli studi, teoria dell’utilità, analisi e interpretazione dei risultati, replicabilità ed eterogeneità delle preferenze.

Modulo 3: La Sintesi delle Evidenze
Contenuti: revisioni sistematiche e meta-analisi applicate ai DCE, finalità della evidence synthesis, utilizzo nei contesti regolatori e di HTA, presentazione di case studies.

Modulo 4: Ricerca sulle preferenze assistita da AI
Contenuti: casi studio, utilizzo dell’intelligenza artificiale nella sintesi delle evidenze, funzionalità e applicazioni della piattaforma Repertor.IO.

Modulo 5: La Voce del Paziente e Prospettive Future
Contenuti: coinvolgimento diretto dei pazienti, confronto con patient advisor, sintesi finale dei concetti chiave, prospettive di ricerca futura e sessione Q&A.

Il corso si avvale di una faculty composta da docenti universitari, ricercatori ed esperti provenienti dagli ambiti della biostatistica, dell’epidemiologia, dell’intelligenza artificiale applicata alla salute e della ricerca clinica. La collaborazione tra Università di Padova, Università di Torino e Repertor.IO garantisce un approccio multidisciplinare, con attenzione sia al rigore metodologico sia alle applicazioni professionali. I partecipanti avranno l’opportunità di confrontarsi con figure coinvolte in progetti nazionali e internazionali su patient preferences, evidence synthesis, HTA e innovazione digitale in sanità.

Un elemento distintivo del corso è l’integrazione tra metodologie consolidate di patient preference research e strumenti innovativi di intelligenza artificiale. Attraverso casi studio e dimostrazioni pratiche, i partecipanti approfondiranno l’utilizzo di soluzioni AI-based per la sintesi e l’analisi delle evidenze. La piattaforma Repertor.IO sarà presentata come esempio applicativo per comprendere come l’innovazione tecnologica possa supportare processi decisionali più efficienti, trasparenti e orientati alle preferenze dei pazienti.

Il percorso dedica particolare attenzione al coinvolgimento diretto dei pazienti e alla valorizzazione della patient voice nei processi decisionali sanitari. Il confronto con patient advisor permette di collegare gli strumenti metodologici alle esperienze reali dei pazienti e ai bisogni concreti della cura. Questa prospettiva consente ai partecipanti di comprendere come le preferenze possano contribuire allo sviluppo, alla valutazione e all’accesso alle tecnologie sanitarie, rafforzando una visione patient-centered della ricerca e della policy sanitaria.

La graduatoria generale di merito per l’a.a. 2025/2026 sarà resa disponibile in questa sezione secondo le tempistiche previste dall’avviso di selezione.