Aggiornato al 30/07/2026
Come ridurre le liste d'attesa in sanità? La domanda è semplice e diretta, ma una risposta coerente deve tenere conto della complessità del sistema che genera quello che resta il principale limite percepito della sanità pubblica. I numeri lo confermano senza appello: secondo i dati Istat, nel 2024 quasi 5,8 milioni di cittadini (il 9,9% della popolazione) hanno rinunciato a una visita o a un accertamento pur avendone bisogno, contro il 7,6% del 2023 e il 6,3% del periodo pre-pandemico. La quota di chi rinuncia specificamente a causa delle lunghe liste d'attesa è quasi triplicata rispetto al 2019.
Il risultato di questo squilibrio tra domanda e offerta è duplice: da un lato l'aumento dei tempi d'attesa, dall'altro lo spostamento di una parte crescente della spesa sulle famiglie. Sempre secondo l'Istat, nel 2025 la spesa sanitaria complessiva ha raggiunto 190,1 miliardi di euro (l'8,4% del PIL), di cui oltre 42 miliardi a carico diretto delle famiglie. In altre parole: chi può, paga di tasca propria per accorciare l'attesa; chi non può, rinuncia. Ridurre le liste d'attesa, quindi, non è solo una questione di efficienza organizzativa, ma di equità d'accesso alle cure.
Per capire come ridurre le liste d'attesa occorre partire dalle regole del gioco, che negli ultimi anni sono cambiate profondamente.
Lo storico Piano Nazionale Governo Liste di Attesa (PNGLA) 2019-2021 aveva definito l'impianto di base tuttora valido: l'elenco delle prestazioni ambulatoriali e soprattutto le Classi di priorità — U (urgente), B (breve), D (differibile) e P (programmata) — ciascuna con un tempo massimo di attesa da garantire per almeno il 90% delle prenotazioni. Quell'impianto ruotava già attorno a un concetto chiave: l'appropriatezza prescrittiva, cioè l'uso delle risorse laddove vi sia un reale bisogno clinico, a garanzia dell'equità d'accesso.
Su queste fondamenta si è innestato un intervento normativo molto più incisivo: il Decreto Liste d'Attesa (Decreto-legge 7 giugno 2024, n. 73, convertito nella Legge 29 luglio 2024, n. 107), seguito dal nuovo PNGLA 2025-2027. Le novità più rilevanti per chi governa i processi sanitari sono:
Il messaggio di fondo è chiaro: il legislatore chiede alle strutture di passare dal semplice adempimento a una governance attiva e misurabile dei tempi d'attesa. E qui entra in gioco l'approccio data-driven.
I primi dati resi disponibili dalla Piattaforma nazionale hanno confermato la gravità del problema: il Servizio Sanitario Nazionale rispetta i tempi massimi solo per circa la metà delle prestazioni programmabili, con punte di attesa che per alcuni esami possono superare i 300 giorni. Ma un monitoraggio nazionale, per quanto necessario, resta uno strumento in larga parte descrittivo ed ex post: fotografa la situazione, non la corregge.
Per accorciare davvero i tempi, ogni struttura deve dotarsi della capacità di acquisire i dati e trasformarli in informazioni utili — non solo per "fotografare" le performance in tempo reale, ma per agire sul rapporto domanda/offerta in modo predittivo. Ecco le tre mosse.
Per accorciare le liste d'attesa bisogna innanzitutto conoscere le performance del sistema con un livello di dettaglio che i cruscotti nazionali non offrono. Questo significa utilizzare i dati disponibili per analisi granulari: tempo medio di attesa per singola prestazione e per classe di priorità, tasso di saturazione delle risorse umane e tecnologiche, distribuzione delle agende tra erogatori, consistenza delle liste per singolo reparto.
Pur avendo valore prevalentemente descrittivo, questo tipo di indagine abilita ottimizzazioni concrete: permette di individuare i settori in cui il sistema è in sofferenza e di intervenire con azioni mirate lato offerta, oltre a garantire quella qualità del dato che è oggi la precondizione per alimentare correttamente la PNLA.
Qui si sale di livello, anche in termini di complessità. La quantità di dati a disposizione consente analisi di tipo predittivo, il cui obiettivo è anticipare la domanda futura per organizzare una risposta adeguata in tempi utili — esattamente ciò che il nuovo impianto normativo chiede quando parla di orientare la programmazione dell'offerta.
Si entra nel mondo della data science: se la semplice osservazione dello storico basta a cogliere fenomeni di stagionalità (l'aumento dei test allergologici in primavera, per esempio), l'analisi avanzata può andare molto oltre. Sintetizzando dati provenienti da fonti eterogenee — andamento delle prenotazioni, dati clinici, segnali esterni — è possibile prevedere i picchi di domanda e intercettare anomalie prima che si traducano in un impatto sulle performance del sistema.
Alla domanda "come ridurre le liste d'attesa" si può dare una risposta concreta agendo direttamente sulla domanda, ovvero ottimizzando l'appropriatezza prescrittiva. È l'ambito in cui la normativa più recente si è fatta più esplicita, formalizzando il metodo RAO e aprendo all'uso di algoritmi e intelligenza artificiale a supporto della valutazione.
Sul piano tecnologico questo significa adottare soluzioni software capaci di rilevare in modo automatico gli eccessi di prescrizione e le prestazioni non allineate ai criteri di appropriatezza, fornendo alle Direzioni competenti tutte le informazioni utili a intervenire. Agendo sulla radice della domanda inappropriata, questo approccio contribuisce a ridurre le liste d'attesa, ad accelerare i tempi e a garantire un servizio migliore ai pazienti, liberando capacità per chi ne ha effettivamente bisogno.
L'evoluzione normativa degli ultimi due anni ha reso evidente una direzione: la riduzione delle liste d'attesa non passa da un singolo intervento, ma da un modello di governance basato sui dati, capace di misurare, prevedere e correggere. La Piattaforma nazionale rappresenta l'infrastruttura di trasparenza e monitoraggio a livello di sistema; le singole strutture, però, hanno bisogno di strumenti che trasformino quei dati in decisioni operative quotidiane.
È qui che una Healthcare Analytics Platform come Clinika® affianca il quadro pubblico: raccoglie e integra i dati sanitari, ne abilita l'analisi descrittiva e predittiva e supporta la governance dell'appropriatezza, aiutando le organizzazioni sanitarie a passare da una gestione reattiva a una gestione anticipata dei tempi d'attesa — nel pieno rispetto dei nuovi obblighi di monitoraggio e interoperabilità.
Ridurre le liste d'attesa, in definitiva, non significa soltanto aggiungere offerta, ma governare meglio quella esistente. E per governare serve, prima di tutto, vedere con chiarezza. I dati, se ben interpretati, sono la mossa che azzera le code.