7.6 Revisando Casos Variabilidad

Introducción

La preocupación por el efecto que los servicios sanitarios tienen sobre la salud de las personas y las poblaciones es consustancial al desarrollo de los mismos, aunque no haya formado parte del debate central hasta el último tercio de siglo XX. Seguramente porque el paradigma dominante asumió que los servicios sanitarios son buenos y útiles per se, y que más sanidad implica mayor salud en las poblaciones.

Pese a que las grandes mejoras en la supervivencia y calidad de vida de la humanidad han venido derivadas de medidas higiénicas y una mejor nutrición, sin duda debemos reconocer que hay

7.6 Revisando casos de variabilidad injustificada en la práctica médica … con lecciones útiles para la gestión

La existencia de variaciones amplias e injustificadas de práctica médica y de los resultados de la misma, nos interpela sobre si estamos haciendo lo que hay que hacer, a los pacientes a los que hay que hacerlo, de la forma y en el tiempo en el que se debe hacer, y con la pericia adecuada.

Autor: Enrique Bernal-Delgado

Instituto Aragonés de Ciencias de la Salud Instituto de Investigación Sanitaria Aragón

Unidades Didácticas de la ENS __________________________________ página 1

Se recomienda imprimir 2 páginas por hoja

Citación recomendada:

Bernal-Delgado E. Revisando casos de variabilidad injustificada en la práctica médica… con leccio-

nes útiles para la gestión [Internet]. Madrid: Escuela Nacional de Sanidad; 2012 [consultado día

mes año]. Tema 7.6 Disponible en: direccion url del pdf.

UNEDENSISCIIIUnidades Docentes de la Escuela Nacional de Sanidad

TEXTOS DE ADMINISTRACION SANITARIA Y GESTIÓN CLINICA by UNED Y ESCUELA NACIONAL DE SANIDAD

is licensed under a Creative Commons Reconocimiento- No comercial-Sin obra Derivada

3.0 Umported License.

muchas aportaciones útiles de la medicina y su forma de organizarse.

Sin embargo, la exis-tencia de variaciones amplias e injustifica-das de práctica médi-ca y de los resultados de la misma, nos in-terpela sobre si esta-mos haciendo lo que hay que hacer, a los pacientes a los que hay que hacerlo, de la forma y en el tiem-po en el que se debe hacer, y con la pericia adecuada.

En este texto aborda-mos algunos concep-tos básicos sobre va-riabilidad de la prác-tica médica, analiza-mos algunos casos de estudio, y reflexiona-mos sobre potencia-les implicaciones para la política y la gestión sanitaria. Un extenso apéndice nos ayuda-rá a interpretar los ejemplos mostrados al tiempo que aporta-rá conocimientos para una adecuada valora-ción del fenómeno de la variabilidad injusti-ficada.

I. Variaciones de práctica médica (VPM)1. Concepto2. Los estudios de variaciones en la práctica

II Casos-estudio de variabilidad injustificada en la práctica médicaCaso 1: Mastectomía conservadoraCaso2: Angioplastia coronaria transluminal percutánea (ACTP)Caso 3. Hospitalizaciones potencialmente evitables por complicaciones agudas de la diabetes Caso 4. Tonsilectomías

III. Implicaciones de las variaciones injustificadasIV Apéndice metodológico1. Tasa cruda, tasa estandarizada2. Gráficos para la comparación de la variabilidad entre procedimientos o condiciones clínicas: Gráficos de puntos y burbujas 3. El más intuitivo de los estadísticos: la Razón de Variación4. Sofisticando la medida de la variación: los estadísticos de variaciones que comparan con lo esperado5. Cálculo de tasas estandarizadas. Estandarización por el método directo6. Cálculo de valores esperados. Estandarización por el método indirecto. 7. Ajuste de riesgos

ConclusionesReferencias bibliográficasWebsites de interés



I. Variaciones de práctica médica (VPM)

1. Concepto

Las variaciones en la práctica médica se definen como variaciones sistemáticas en la utilización de un procedimiento médico o quirúrgico o en sus resultados, una vez se descarta que las diferencias sean atribuibles a poblaciones o pacientes.

Vamos a ir desgranando la información contenida en esta definición. Variaciones sistemáticas: variaciones que ocurren de forma continuada a lo largo del tiempo y presumiblemente por causas relacionadas con el sistema (contexto en el que se trabaja).

Podemos distinguir tres contextos organizativos: microsistema, el servicio o la sección médica (servicio de cirugía o sección de hemodinámica); el mesosistema (hospital, centro de salud, área sanitaria) o el macrosistema (sistema regional de salud o sistema nacional de salud).

Con el apelativo de sistemáticas nos referimos a aquéllas que no se producen de forma espuria o azarosa. Veamos un ejemplo: El incremento de intervenciones por hallux valgus derivado de un programa de reducción de lista de espera cuyo objetivo es reducir el pico de lista de un año, dará tasas de utilización mayores de lo esperado. Sin embargo, al tratarse de un programa puntual, de duración limitada, no podemos considerar que ese aumento en las intervenciones sea considerado un ejemplo genuino de variaciones de práctica. Tampoco serían variaciones en los resultados sanitarios, aquellas variaciones en el número de muertes por un brote de legionella pneumophila, si se trata de una situación puntual.

Utilización y Resultados:

Para tratar de definir la variabilidad de forma que pueda ser estudiada, clásicamente se han definido dos criterios de análisis: la utilización de procedimientos, tecnologías o servicios; y los resultados sanitarios.

La utilización puede referirse a número de intervenciones quirúrgicas de una determinada cirugía, número de

Tema 7.6 Revisando casos de variabilidad injustificada en la práctica médica… con lecciones útiles para la gestión


Las varia-ciones en la práctica médi-ca se definen como varia-ciones siste-máticas en la utilización de un procedi-miento médico o quirúrgico o en sus resul-tados, una vez se descarta que las dife-rencias sean atribuibles a poblaciones o pacientes.

hospitalizaciones por una determinada causa, prescripciones de determinado fármaco, etc.

Los resultados sanitarios pueden referirse a número de muertes relacionadas con determinada intervención, infecciones nosocomiales atribuibles a los cuidados, diferencias en la percepción de salud de los pacientes tratados con determinado tratamiento, diferencias en los costes de determinados cuidados, etc.

Descartan las diferencias entre poblaciones o pacientes

Es la característica más importante. Cuando hablamos de variabilidad en la práctica médica, nos referimos a aquellas variaciones que no tienen que ver con diferencias en las necesidades (carga de enfermedad) de la población o con la distinta severidad de los pacientes atendidos.

Las variaciones que se relacionan con las necesidades de la población o la severidad de los pacientes no deberían preocuparnos pues expresarían una respuesta apropiada del sistema sanitario.

Por eso cuando hablamos de variaciones, añadimos con frecuencia el apelativo, variaciones injustificadas, haciendo referencia a que son las variaciones que no tienen que ver con las necesidades de la población o pacientes.

2. Los estudios de variaciones en la práctica

Aunque pueden reconocerse algunos estudios sobre variaciones de práctica durante el siglo XVII, el estudio de Sir Allison Glover, publicado en Procedures of the Royal Society of Medicine en 1938, sobre las variaciones en la incidencia de tonsilectomías en población escolar del Reino Unido, es considerado la obra seminal. La observación de diferencias tan grandes como de cinco veces entre distritos, condados o barrios próximos, así como la constatación de que las tasas de tonsilectomías en una determinada área se mantenían a lo largo del tiempo y que la llegada de un nuevo médico al programa de salud escolar modificaba radicalmente las tasas de intervenciones, llevó a Glover a postular las hipótesis básicas de las variaciones, que reformuladas podrían expresarse del siguiente modo: la



En realidad no hablamos de número de intervencio-nes o número de muertes, sino de tasa o incidencia de intervenciones o de tasa o incidencia de muertes. Sin entrar mucho en detalle, la tasa de in-tervenciones expresa el nú-mero de inter-venciones con respecto a la población que vive en una zona geográ-fica; mientras que la inciden-cia representa el número de eventos que se producen en una determi-nada población a riesgo. Por tanto las varia-ciones, no son variaciones en el “número de”, sino varia-ciones en las “tasas o en la incidencia de”.

variabilidad observada entre áreas es tal, que es difícil de creer que esté motivada por diferencias en la carga de enfermedad entre ellas; es más fácil pensar que existe “un hábito distinto en la prescripción del procedimiento, que es dependiente de cada sanitario (sistema) local”.

Es Jack Wennberg, quien en 1976, retoma los trabajos de Glover, y los replica para algunos estados de Nueva Inglaterra. Wennberg sintetizó los hallazgos postulando la que denominó, hipótesis de la incertidumbre, que podría resumirse en cuatro puntos: 1) las diferencias en morbilidad y otras variables de la población no explican sustancialmente las VPM entre áreas con estructuras de población y morbilidad similares; 2) la variabilidad es mínima cuando existe acuerdo entre los clínicos sobre el valor –relación entre beneficios y riesgos en una situación clínica concreta– de un procedimiento; 3) sólo en presencia de incertidumbre, o por ignorancia, los clínicos desarrollan estilos de práctica diferentes, que serían la principal fuente de variación, tratamientos inadecuados y gasto sanitario innecesario; y, 4) estos estilos de práctica, aun influidos por diversos factores, son especialmente sensibles al volumen de la oferta (disponibilidad de recursos).

II. Casos-estudio de variabilidad injustificada en la práctica médica.

Para aquilatar las ideas expresadas hasta ahora, proponemos revisar varios casos estudiados en el Proyecto Atlas VPM (www.atlasvpm.org) que pueden ayudar a reflexionar sobre el fenómeno de la variabilidad injustificada a la vez que ilustran implicaciones para la gestión y la política sanitarias.

Se proponen para estudio el caso de la mastectomía conservadora, el caso de la Angioplastia Coronaria Trasluminal Percutánea (ACTP), las hospitalizaciones por complicaciones agudas de la diabetes y la tonsilectomía.

Para cada uno de estos ejemplos, plantearemos el problema de análisis, lo que debemos esperar, lo que en realidad sucede, los fac-tores que lo explican y las posibles implicaciones para su abordaje1.

1 En los ejemplos se hace referencia a estadísticos, y se representan figuras y mapas propios de los estudios de variabilidad. El lector dispone de una referencia detallada en el material complementario disponible en el apéndice adjunto a este texto. En él, de un modo sencillo, se repasa el instrumental analítico de la variabilidad ayudando a su interpretación.



Son varias las técnicas que se utilizan para tener en cuenta el distinto esta-do de salud de dos poblaciones o la distinta severidad de los pacientes tratados en un centro sanitario. En el apéndice se describe la estandarización y el ajuste de riesgos. Ambas técnicas “hacen iguales” a las poblaciones que viven o a los pa-cientes que son atendidos por dos proveedo-res distintos; de esta manera lo que se compara no son las dife-rencias en los pacientes, sino las diferencias en los proveedo-res.

http://www.atlasvpm.org


Caso 1: Mastectomía conservadora

La mastectomía conservadora es una alternativa efectiva y segura para el tratamiento del cáncer de mama. Sus ventajas sobre la mastectomía no conservadora son claras: por un lado, disminuye los problemas de imagen corporal, pero sobre todo, no tiene las consecuencias derivadas de la linfadenectomía. Por su parte, y en contra de la cirugía conservadora, está la necesidad de tratamiento intensivo con radioterapia durante un período prolongado de tiempo.

¿Qué se espera?

El mínimo común denominador del tratamiento de cáncer de mama es la cirugía. La variación en España para mastectomía en mujeres con cáncer es pequeña, y en todo caso, un reflejo de las diferencias en incidencia de cáncer. Lo mismo debería suceder en el caso de mastectomía conservadora: pequeñas diferencias, relacionadas con las diferencias en incidencia de cáncer, una vez se haya superado la fase de adopción de la técnica y alcanzado la mínima pericia necesaria. (Los casos de cirugía no conservadora se reservarían para los tumores grandes en los que el tamaño del tumor no permitiese conservar tejido mamario).

¿Qué sucede en España?

Entre las 199 áreas del país, la razón de variación para el uso de mastectomía conservadora en mujeres de 50 a 70 años, es 5,6 (las tasas difieren casi 6 veces entre las áreas que más y las áreas que menos cirugía realizan). En el mapa de Razón de Utilización Estandarizada para Mujeres de 50 a 70 años, se observa un claro patrón nordeste, en el que la utilización de cirugía conservadora es superior (estadísticamente) a lo esperado para la “media” del país. En el centro del país, por el contrario, se observa un absoluto predominio de los valores por debajo de lo esperado (valores un 50% menor a lo esperado para la “media” del país).



¿Qué puede estar explicando diferencias tan abultadas?

La variación esperada por diferencias en incidencia de cáncer es pequeña (en términos de Empírico Bayes (EB) esta diferencia es de 0,05). Sin embargo, en contra de lo esperado para las diferencias en incidencia de cáncer de mama, la diferencia para mastectomía conservadora es casi tres veces mayor (EB=0,14).

Una explicación posible de las diferencias, es el diferente ritmo de adopción de la técnica entre áreas sanitarias (en la serie se ha observado un cambio en la tendencia de uso a partir de 2006). Otra, consecuencia de lo observado en el mapa –mayor utilización de la técnica conservadora en el nordeste del país- podría relacionarse con la más larga tradición de cribado poblacional. Por último, sería razonable pensar en barreras de acceso a los equipos de radioterapia.

Posibles abordajes

Las técnicas conservadoras para el tratamiento del cáncer de mama son superiores (beneficios-riesgos) a las no conservadoras. El asegurador público debe mitigar las barreras de acceso a esta técnica, en cualquier lugar del país.

Desde el punto de vista gestor, tanto si las diferencias se deben a diferencias en el ritmo de adopción como si se deben a insuficiente cobertura real de los programas de cribado, convendría repasar las barreras formativas u organizativas que lo están impidiendo.



Si el problema es de distancia a los centros con radioterapia –necesarios para el apropiado uso de la técnica conservadora- las diferencias observadas en el uso de la técnica, podrían estar mediadas por preferencias individuales de las pacientes o sus familias (sobre todo en mujeres mayores, en las que la exigencia de desplazamiento puede superar a las desventajas de una imagen corporal deteriorada por efecto de la cirugía no conservadora). En estos casos, en los que pueden actuar preferencias, la evidencia sobre ventajas e inconvenientes de la técnica no conservadora (vs la conservadora) deberían ponerse a disposición de la paciente, para que su preferencia sea expresada con perfecto conocimiento de las consecuencias de su decisión.

Caso2: Angioplastia Coronaria Transluminal Percutánea (ACTP)

La ACTP, habitualmente con stent, es un procedimiento efectivo para reducir las consecuencias del Infarto de Miocardio. Además de su papel en la prevención de un segundo infarto y sus consecuencias, actualmente, “compite” con la revascularización química, como tratamiento de elección en las primeras horas del IAM.

¿Qué se espera?

Las diferencias en las tasas de cardiopatía isquémica (carga de enfermedad) entre áreas sanitarias son relativamente pequeñas. En términos de CSV adoptan un valor de 0,09. Es de esperar que las tasas de ACTP en su conjunto (ACTP primaria, de rescate, y revascularización programada) varíen aproximadamente lo que varía la cardiopatía isquémica.

¿Qué pasa en Aragón?

En el mapa de Aragón adjunto, se representa la discrepancia entre carga de enfermedad isquémica que sufre la población que vive en un territorio (zona básica de salud, en este ejemplo), y las tasas de ACTP que reciben las personas que viven en él. Se observan dos patrones fuertemente diferenciados: en el centro, de oeste a este, el corredor del Ebro, homogéneamente pintado en marrones, representa una tasa de ACTP mayor (más que proporcionalmente) que la carga de enfermedad isquémica



que sufre la población de la zona. Por el contrario, conforme se abandona el valle del Ebro la tasa de ACTP es menor (más que proporcionalmente) que la carga de enfermedad isquémica que sufren las poblaciones que allí habitan.


Para las áreas con menos ACTP que las esperadas para su carga de enfermedad, sería razonable pensar que existen dificultades para llegar a los centros sanitarios con sala de hemodinámica, todos ellos situadas en la ciudad de Zaragoza, en el tiempo preciso para una angioplastia primaria. Sin embargo, en este mapa se representan el conjunto de intervenciones de ACTP –por tanto, también las programadas.

Otra explicación, para las áreas con menor tasa, estaría relacionada con la creencia (no necesariamente cierta) del menor beneficio relativo de practicar ACTP en personas más mayores. En esas zonas alejadas del corredor del Ebro el envejecimiento de las poblaciones es sustancialmente mayor.

En el caso del corredor del Ebro y la ciudad de Zaragoza (en el centro), donde la tasa es mayor, el fácil acceso sería un potente factor explicativo de uso. Sin embargo, la desproporcionada tasa (con respecto a carga de enfermedad) sugiere más bien que además del mejor acceso están obrando problemas de indicación inapropiada de la técnica, es decir, indicación a pacientes menos idóneos.



Posibles abordajes

Al tratarse de una técnica altamente efectiva, técnica que ha modificado el pronóstico de vida con calidad, el asegurador debe mitigar las barreras de acceso, para poblaciones alejadas del valle del Ebro. En el caso de cardiopatía isquémica aguda implicaría disponer de mecanismos de evacuación rápida hacia la ciudad de Zaragoza, de forma que fuese posible la aplicación de ACTP primaria. El coste de esta estrategia sin embargo, debería ser comparado con su mejor alternativa, que para algunas zonas podría ser la revascularización química in situ.

En el caso de situaciones no agudas, y como alternativa de prevención secundaria de infarto, el gestor debe conocer los motivos por los cuáles no se trasfieren pacientes para revascularización programada. En todo caso, pero particularmente en estas zonas, los gestores deben comprobar que los pacientes están recibiendo las dosis adecuadas de fármacos para prevención secundaria de muerte tras infarto. Una dosis adecuadas podrían mitigar el déficit de acceso a revascularización; una dosis insuficientes, agravarían la situación de desigualdad de estas poblaciones.

Para las áreas del corredor del Ebro, con tasas más altas de las que les correspondería según carga de enfermedad, la estrategia sería distinta. El financiador/asegurador deben preocuparse por la adecuación de las indicaciones que se están realizando, y el gestor por implantar programas de mejora de la indicación sobre cada paciente fundamentadas en el valor relativo –balance beneficio-riesgo- de la misma.

Caso 3. Hospitalizaciones potencialmente evitables por complicaciones agudas de la diabetes

La intensidad de cuidados ambulatorios sobre diabetes, la continuidad de los mismos entre niveles asistenciales, y la interacción de los servicios sanitarios con el entorno del paciente, son elementos esenciales (mecanismos efectivos) para evitar hospitalizaciones por “descompensación” de diabetes. La fragmentación de los cuidados, o los fallos de seguimiento (síntomas precoces, cumplimentación de medicación, condiciones de descompensación como las infecciones) incrementan el riesgo de resultados adversos y hospitalización.



¿Qué se espera?

El conocimiento disponible sobre el tratamiento de la diabetes, la especialización de los profesionales sanitarios de atención primaria, medicina y enfermería, y la aceptable comunicación entre niveles asistenciales, hace esperar cierta homogeneidad en los cuidados sanitarios a lo largo del país. Por tanto, corregido el efecto de la edad y el sexo (determinantes de comorbilidad y capacidad de autocuidado) son de esperar diferencias escasas entre áreas sanitarias (si todo el mundo hace lo que debe, los resultados serían semejantes).


Entre las 199 áreas sanitarias se observan diferencias de hasta cuatro veces en la tasa de hospitalizaciones por complicaciones agudas de la diabetes (CSV=0,13). En el mapa adjunto (razones estandarizadas de hospitalizaciones), se identifican áreas con riesgos de hospitalización evitable mayores a lo esperado sin un claro patrón geográfico. Aunque es de resaltar que el 25% de las áreas presentan un riesgo 1,32 veces superior a lo esperado para la media del país.


Parece obvio que los cuidados requeridos, y su continuidad,



tienen fallos serios en algunos lugares del país. Verosímilmente, estos déficits podrían atribuirse a los cuidados que médicos y enfermeras de atención primaria dispensan en el entorno del paciente.

Podría argumentarse, también, que las diferencias en el nivel de instrucción entre áreas sanitarias del país puede explicar parte de la variación, ya que la capacidad de autocuidado está relacionada con este factor.

Posibles abordajes

En su papel de asegurador, el sistema debe reducir los malos resultados sanitarios y éste (hospitalizaciones evitables en cuidados de pacientes crónicos) es uno de ellos. Como financiador, debe replantear los incentivos actuales encaminados a ponderar determinados tipos de fármacos frente a otros, pero no a valorar a los centros profesionales por los niveles de hemoglobina glicosada conseguidos, o más específicamente, de hospitalizaciones evitadas.

Desde el punto de vista de gestión, deben reconocerse los fallos en comunicación entre niveles asistenciales (discontinuidad de prescripción, cambios no coordinados en los criterios diagnósticos o la terapia a seguir, etc.) y proponer los cambios que mejorarían el proceso de atención y eventualmente, los resultados.

Asimismo, los resultados observados seguramente desvelan necesidades formativas de los profesionales sanitarios; específicamente, necesidades en el manejo farmacológico de los pacientes, la cumplimentación de la medicación y en la promoción de estilos de vida saludables para su condición, especialmente cuando el nivel de instrucción es limitado.

Caso 4. Tonsilectomías

La tonsilectomía es una técnica quirúrgica, esencialmente utilizada en niños, usualmente indicada para reducir las otitis de repetición y agravamientos de condiciones respiratorias de origen alérgico. Las, ya seculares, dudas sobre su efectividad para ambos propósitos, junto con la existencia de alternativas (actitud expectante o tratamientos farmacológicos) cuestionan fuertemente su utilización.



¿Que se debe esperar?

Este procedimiento ha sido catalogado como una técnica muy relacionada con la práctica médica individual, y las cascadas de aprendizaje derivadas de la misma. Ante la ausencia de evidencia fuerte sobre su efectividad, es de esperar alta variabilidad.


Las tasas entre áreas sanitarias pueden variar hasta 6 veces (razón de variación entre las áreas que ocupan el percentil 95º y 5º de la distribución) con un CSV de 0,25 (variación extrema). En el mapa adjunto se ve un patrón muy marcado de sobreutilización en toda la mitad oeste del país. El 25% de las áreas sanitarias tienen un 32% más de intervenciones de las esperadas para la “media”.

¿Cuáles son las posibles razones de tan abultadas diferencias?

No existen razones más allá de las señaladas –práctica individual y cascadas de aprendizaje- que expliquen semejantes diferencias. Para las escasas indicaciones adecuadas de tonsilectomía, la corrección de diferencias en las pirámides demográficas y el tamaño de las poblaciones estudiadas disuelven cualquier



posible diferencia atribuible a esos motivos.

Posibles abordajes

Se trata de una técnica no efectiva, cruenta, con efectos adversos inmediatos (aunque rara vez de consecuencias ominosas) y con alternativas terapéuticas. Financiar este tipo de intervenciones supone detraer recursos de otros cuidados sanitarios precisos. Si, en nuestro ejemplo, el área que ocupa el percentil 95 se comportase como el área que ocupa el percentil 25, los ahorros potenciales que podrían ser destinados a una mejor alternativa podrían contabilizarse en una tercera parte del coste actual.

III. Implicaciones de las variaciones injustificadas

En los párrafos precedentes se ha reflexionado sobre distintos casos de estudio. La variación injustificada en mastectomía conservadora, ACTP, hospitalizaciones por complicaciones agudas de la diabetes y tonsilectomía son ejemplos no seleccionados al azar. Representan ejemplos que cubren un amplio espectro de servicios o intervenciones y de alguna forma permite proponer una taxonomía para el análisis de la variabilidad.

• Para aquellas tecnologías para las que el médico tiene poca incertidumbre sobre lo que debe hacer, es esperable escasa variabilidad; de existir variabilidad las explicaciones más posibles son: 1) el médico o el sistema en el que trabaja ignoran la evidencia disponible; 2) la población o los pacientes tienen dificultades de acceso a las citadas tecnologías; y 3) las indicaciones se están realizando sin considerar el balance beneficio-riesgo.

• Para aquellas tecnologías para las que el grado de incertidumbre es alto, los factores de la oferta (volumen, sistemas de financiación y pago de proveedores, disponibilidad de tecnologías, estilo de práctica y sus cascadas de aprendizaje) se configuran como el factor más relevante en la producción de variaciones injustificadas, especialmente, si los pacientes o las poblaciones no expresan sus preferencias.

Por otra parte, estos ejemplos señalan el camino para quien



tiene que gobernar el sistema. Para un determinado servicio-procedimiento-intervención sanitaria, y situada un área sanitaria en la curva de beneficios marginales decrecientes (figura), gobernar (tomar decisiones con respecto a las políticas y gestión actuales) implica mover ese área hacia el lugar que le corresponde.

Tasa de procedimientos

Mej

ora

en s

alud

/ C

ost

e

0 1 2 3 4 5 6 7 8 9 10

A

B

C

BENEFICIO MARGINAL

COSTE MARGINAL

Tasa de procedimientos

Mej

ora

en s

alud

/ C

ost

e

0 1 2 3 4 5 6 7 8 9 10

A

B

C

BENEFICIO MARGINAL

COSTE MARGINAL

• Si las tasas de mastectomía conservadora en el área A son bajas porque la innovación tecnológica que supone incorporar una intervención nueva se retrasa con respecto al área vecina, corresponderá mover su situación hacia la zona de mayor beneficio marginal.

• Si las tasas de ACTP en el área B, la sitúan en la parte plana de la curva, será preciso preguntarse sobre si la tasa refleja la carga de morbilidad de la población servida, y si no es así, valorar el grado de adecuación de las indicaciones de dicho procedimiento. Una tasa alta a costa de intervenciones inadecuadas, añade poco valor y detrae recursos de alternativas mejores. Convendrá mover el área B hacia la zona de beneficio marginal creciente.

• Por su parte, aunque el área C tenga tasas de hospita-lizaciones evitables o de tonsilectomías relativamente ba-jas, ambas situaciones representan déficits en calidad y



eficiencia. Por lo tanto, las decisiones deberán encaminarse a conducir el área C hacia zonas más próximas a 0.

No hay que olvidar, por último, que la curva de beneficios marginales decrecientes, lleva implícita una curva de costes marginales crecientes, costes que tienden a infinito en la zona plana de la curva. Estar en la zona plana de la curva requiere estar seguro de lo que se hace, de lo contrario el coste de oportunidad –el dinero que dejo de destinar a una opción mejores inasumible para la sociedad.

IV Apéndice metodológico

1. Tasa cruda, tasa estandarizada

Ambas representan el número de altas hospitalarias de una determinada condición clínica o procedimiento quirúrgico, producidas durante el período de estudio en un área sanitaria.

El cálculo de la tasa cruda es sencillo. En el numerador se sitúan las altas y en el denominador la población que vive en un área sanitaria. Normalmente se calculan por cada 1.000 o 10.000 habitantes. El cálculo de la tasa estandarizada, es algo más complejo, y representan las tasas que tendría cada área, si tuviese la distribución de edad y sexo de la población española (En la sección 5, encontrarás más detalles sobre su cálculo).

Aunque la tasa cruda nos da una idea de la magnitud de la utilización de los servicios, para comparar las áreas sanitarias entre sí es preferible utilizar la tasa estandarizada. Y es lógico, puesto que la edad y el sexo -como sabemos- explican en buena parte la variabilidad en el uso de los servicios sanitarios, y no tener en cuenta este hecho podría confundir las comparaciones.

Usualmente, representamos las tasas mediante gráficos de puntos, como el que sigue: en el eje “y” se representa la tasa estandarizada y en el eje “x” las condiciones clínicas o los procedimientos estudiados. Cada punto representa un área sanitaria.



En este apén-dice se repasan algunos con-ceptos y herra-mientas útiles para interpretar los estudios de variaciones de práctica médica. Se recomienda leer este apén-dice antes de pasar a analizar los casos de estudio

Su significado: Desde la perspectiva del Análisis de Variaciones de la Práctica Médica, estandarizar por edad y sexo, dos variables que tienen tanta importancia en la carga de enfermedad y muerte de las poblaciones, permite comparar las áreas sanitarias descartando que sea la diferente epidemiología de las poblaciones estudiadas la “causa” de dicha variación.

En el argot Atlas diríamos que la variación entre las tasas estandarizadas no responde a la necesidad de las poblaciones.

Una curiosidad: le llamamos tasa pero en realidad no lo es. Se trata de una mala traducción del término rate. Las tasas en el denominador consideran tanto las personas a riesgo (en nuestro caso poblaciones o pacientes) como el tiempo que están a riesgo (por tanto, una vez ingresadas dejarían de contar tiempo en el denominador). En nuestras “tasas” las personas del denominador, cuentan durante todo el período de estudio.

y



2. Gráficos para la comparación de la variabilidad entre procedimientos o condiciones clínicas: Gráficos de puntos y burbujas

Hemos presentado las tasas crudas y estandarizadas y mostrábamos la forma en la que gráficamente se representa la variabilidad de las áreas sanitarias con respecto a un procedimiento o condición clínica.

Pero tan importante es conocer cuánto varían las tasas de un determinado procedimiento o condición clínica, como comparar su variación con respecto a otros procedimientos. En el Atlas número 6, por ejemplo , habréis visto la comparación de las tasas de cirugía oncológica en distintos cánceres (figuras número 1 y 3 www.atlasvpm.org).

En el ejemplo mostrado anteriormente, puede parecer que la cirugía de artroplastia de cadera es menos variable que la cirugía de artroplastia de rodilla. Sin embargo, como pudimos comprobar en el Atlas número de 1 (www.atlasvpm.org), de cirugía ortopédica y traumatológica, ambas cirugías variaban por igual.

¿Dónde está el truco? En realidad, si observamos el eje de ordenadas (en el que se representan las tasas por 10.000 habitantes) es mucho más frecuente la cirugía de rodilla (8 por 10.000 habitantes) que la de cadera (5 por 10.000 habitantes). Al incorporar los dos procedimientos en la misma gráfica, usando la misma escala, las cirugías más infrecuentes aparecerán artificialmente más agrupadas.

Para resolver esta falsa impresión de variabilidad, y poder comparar los procedimientos que nos interese, debemos reescalar las tasas. La imagen que obtenemos es la siguiente:




¿Cómo hacemos el reescalado?

Estimamos el logaritmo de la tasa de cada área y le restamos la media. De esa forma todos los procedimientos se mueven en torno al valor 0.

Podíamos haberlo hecho de otro modo, pero el uso del logaritmo tiene como ventaja que hace menos sesgada la curva de distribución, alejada de una curva normal, cuando se comparan procedimientos infrecuentes y frecuentes en la misma gráfica.

Un detalle: En estos gráficos, solemos pintar una banda que corresponde al 50% de las áreas sanitarias, las que ocupan el centro de la distribución.

Un caso particular: el diagrama de burbujas

El impacto de las variaciones injustificadas, y las eventuales políticas sanitarias que deban ser implementadas, no será el mismo, en un área sanitaria de 10.000 habitantes, que en un área sanitaria de 100.000 habitantes.El diagrama de burbujas, caso particular del diagrama de



puntos, incorpora una información muy relevante para analizar el impacto poblacional de la variación en las tasas: a saber, el peso específico de cada área sanitaria, determinado por la población que habita en ella. Así, el tamaño de la burbuja es proporcional a dicha población. Por tanto, una burbuja grande en tasas altas de un procedimiento

inapropiado debería tener distinta consideración que una burbuja pequeña, o que una grande en la zona media de la distribución.

Un detalle: En Atlas VPM este gráfico se utiliza para mostrar la variación de las áreas sanitarias dentro de cada Comunidad Autónoma, y comparar áreas de distintas Comunidades Autónomas entre sí. Esta vez, sólo para un procedimiento, prostatectomía.

3. El más intuitivo de los estadísticos: la Razón de Variación

La razón de variación (RV) es el cociente entre el valor más alto y el más bajo de las tasas estandarizadas para el conjunto de las áreas estudiadas2.

2 Atlas VPM utiliza tasas estandarizadas para el estudio de variaciones geográficas en la utilización. Pero Atlas VPM también estudia incidencia de eventos a nivel hospitalario. En estos casos, la RV se calcularía como cociente entre la incidencia acumulada del hospital con más eventos y la incidencia acumulada del hospital con menos eventos.



Usualmente, en lugar de utilizar los valores extremos, y con objeto de eliminar fenómenos “espurios”3, se utilizan como valores extremos los que ocupan el percentil 95 y el percentil 5 de la distribución (por tanto, eliminando el 10% de valores de la misma). A este estadístico le llamamos RV5-95. También se utiliza la razón de variación para el 50% de las áreas que ocupan la parte central de la muestra; a este le denominamos RV75-25.

Pese a que apenas utiliza información (sólo dos valores extremos de la distribución) es muy utilizado por su sencillez y por ser muy intuitivo: una razón de variación igual a 2, indica el doble de utilización.

Calcúlalo tú mismo

Con esta tabla, la tabla que habitualmente aparece en los Atlas de Variaciones describiendo el universo de estudio, puedes calcular directamente las distintas razones de variación.

3 Ruido aleatorio: en un extremo (tasas bajas) se produce cuando hay pocos casos de un determinado evento en un área sanitaria, bien porque sea un evento raro, o porque el área sanitaria es muy pequeña. En el otro extremo (tasas altas) se produce por situacio-nes que han afectado al área sanitaria de forma espuria (una epidemia, la incorporación de un nuevo programa de reducción de lista de espera).



Es muy simple. Observa que se describe la tasa estandarizada mínima (la del área con menos intervenciones por habitante), la tasa máxima (la del área con más intervenciones a nivel poblacional) y las tasas en distintos percentiles (5, 25, 50, 75 y 95). Un valor de 5,34 en el P5 significa que una vez ordenadas de menor a mayor tasa, el 5% de las áreas tienen 5,34 intervenciones o menos por cada 10.000 habitantes. Pues bien, para el caso de cirugía en mujeres con cáncer de mama, la RV será 31,1 (15,54/0,5). La RV5-95 será aproximadamente 2,27 (12,1/5,34) y la RV75-25 aproximadamente 1,59 (9,84/6,9). Hazlo ahora para próstata. 4.

Sus limitadas propiedades matemáticas (observa qué sensible es el estadístico a áreas con pocos casos, o a los valores extremos) nos obligan a interpretarlo junto con el resto de estadísticos, especialmente aquéllos que incorporan en su formulación el efecto del azar.

Un uso adicional y dos advertencias.

Siendo un estadístico que describe la magnitud de la diferencia entre proveedores sanitarios, resulta atractivo y es relativamente sencillo, derivar hipótesis sobre el impacto que tendrían las políticas sobre las áreas con más o con menos incidencia. Si actuásemos sobre las áreas que tienen mayor tasa estandarizada de hospitalizaciones evitables, y las llevásemos a las tasas del área con menos hospitalizaciones evitables, evitaríamos tantas hospitalizaciones, tanta estancia, tantos costes, etc. O por el contrario, si llevásemos las áreas sanitarias con menor tasa de Angioplastia a las tasas de la que más tiene, la reducción de mortalidad por enfermedad cardiovascular disminuiría.

4 La solución es: RV:33,1; RV5-95: 7,87; RV25-75 :2,63



Advertencia 1: para poder hacer estas afirmaciones deberíamos asegurar que las hospitalizaciones evitables dependen casi exclusivamente de los cuidados ambulatorios, o que la mortalidad por enfermedad cardiovascular depende casi exclusivamente de la realización de ACTP.

Advertencia 2: Asegurada la condición previa, hay que ser consciente de que una razón de variación de 2 en un suceso infrecuente como la mastectomía conservadora en cáncer de mama, no tiene el mismo impacto para las políticas que una razón de variación de 2 en un suceso frecuente como las hospitalizaciones en mayores de 75 años con enfermedad crónica.

En el caso de la mastectomía estarían afectados 15 de cada 10.000 mujeres que viven en un área, mientras que en el segundo, 165 de cada mil mayores de 75 años estarían afectados.

4. Sofisticando la medida de la variación: los estadísticos de variaciones que comparan con lo esperado

Como decíamos anteriormente la Razón de Variación es “demasiado” sensible a las áreas con pocos casos, a los valores extremos, y su impacto es distinto en función de lo frecuente o infrecuente que es el fenómeno de estudio.

Habitualmente utilizamos tres estadísticos para superar esas limitaciones. Se trata de la Razón de Utilización Estandarizada (RUE), del Componente Sistemático de la Variación (CSV) y del estadístico Empírico Bayes (EB). Los tres estadísticos tienen de común que tienen en cuenta –de uno u otro modo- la parte de la variación esperable para el tipo de fenómeno y población analizados. Así, mientras que la razón de variación utilizaba el cociente de las tasas observadas, en estos estadísticos, se añade una estimación de las tasas esperadas (RUE) o los casos esperados (CSV y EB).

Razón de utilización estandarizada (RUE)

La razón de utilización estandarizada es un cociente que en el numerador contiene los casos observados en un área sanitaria y



en el denominador contabiliza los casos esperados.

Un área con RUE igual a 1 significaría que su comportamiento es similar al patrón “medio” de utilización. Como cualquier razón, los valores de la misma se pueden mover en dos sentidos: de 1 a infinito representando utilización por encima del patrón “medio”; y de 0 a 1, representando utilización por debajo del patrón “medio”.

¿Cómo se estiman los casos esperados en un área?

Como decíamos anteriormente, la clave de este estadístico está en calcular los casos esperados de cada área. En el caso de RUE, se estiman mediante el método de estandarización indirecta. Su cálculo es simple: tras construir una población de referencia (en nuestro caso, la suma de las poblaciones de todas las áreas del país) se aplican las tasas de utilización específicas para cada grupo de edad y sexo de dicha población, a la población en cada área. 5

RUE cartografiada

Una vez estimadas las RUE de cada área sanitaria, estas se cartografían. Para su representación se adoptó la decisión de distribuir los valores en una escala con siete categorías, como se ve en el mapa adjunto.

5 Se trata de un método clásico de estandarización. en la sección 6, se describe en mayor detalle su cálculo



Observa que una de las categorías –valores no significativos- representa aquellos valores de RUE que aun estando por encima o por debajo del valor 1, no son estadísticamente distintos a este valor.

Un truco para interpretar los valores por debajo de 1.

Como hemos dicho anteriormente los valores de RUE oscilan entre 0 e infinito. Por tanto la distribución no es simétrica por encima y por debajo del valor 1. Esto ocasiona problemas de interpretación y de comunicación de los resultados. Por ejemplo, mientras que un valor de 1,20 significa que el área sanitaria tiene un 20% de casos por encima de lo esperado, un valor de RUE de 0,80 no significa que el área sanitaria tiene un 20% de valores por debajo de lo esperado. En realidad este área tiene un 25% de casos por debajo de lo esperado.

¿Como se retraduce este valor? Calculando su inverso, es decir, 1 divido para el valor de RUE, o de otro modo, dividiendo esperados por observados. Observa en el mapa, que los puntos de corte siguen esta regla. Una advertencia en la interpretación. Por la forma en la que es calculada, a la población de cada sanitaria se le aplican las tasas de una población común, las áreas sanitarias no pueden compararse entre ellas, sino solamente, con respecto al patrón “medio” elegido.

Componente Sistemático de Variación (CSV) y Empírico Bayes (EB).

Ambos pertenecen a esa familia de estadísticos que tienen en cuenta –de uno u otro modo- la parte de la variación esperable para el tipo de fenómeno y población analizados.

Ambos pretenden aportar alguna ventaja a la RUE. Finalmente la RUE es muy dependiente de la precisión con la que estimemos los esperados y esto es muy dependiente del tamaño de la población y de la propia frecuencia del evento. Dicho de otro modo: poblaciones pequeñas o eventos infrecuentes pueden producir valores de RUE demasiado extremos.

El objetivo de estos estadísticos consiste en moderar, suavizar,



el efecto de esos valores extremos.

Componente Sistemático de la Variación (CSV)

Este estadístico reconoce dos fuentes de variación: la variación entre áreas (la que esperamos sistemática) y la variación dentro del área (la que esperamos aleatoria).

Como en el caso de la RUE se calcula como una desviación entre lo observado y lo esperado, pero en este caso la interpretación es algo distinta. A más valor del CSV mayor es la variación sistemática, es decir no esperable por azar.

Aunque clásicamente se convino que valores hasta 0,10 suponían baja variación sistemática, hasta 0,20 variación moderada y a partir de 0,20 variación alta, es necesario contextualizar el valor en cada estudio.

Empírico Bayes (EB)

EB añade algo más. Y ese algo más es lo que ha hecho que lo consideremos el patrón de variabilidad de los estudios, superando en algunas circunstancias al CSV.

EB mejora a CSV en poblaciones pequeñas o en sucesos infrecuentes. En estas circunstancias la variación dentro de cada área (aleatoria) puede ser mayor que lo previsto por CSV. Ese fenómeno llamado sobredispersión o extravariación, tiende a producir estimaciones de variación sistemática extremas, y queda mejor resuelto con la suavización que produce el EB.

La interpretación es la misma que en el caso del CSV. Cuanto mayor es el valor, mayor la variación sistemática.

Una medida más intuitiva

Ambas medidas son poco intuitivas en sí mismas; expresan el porcentaje de variación por encima de lo esperado por azar. Sin embargo, existe un uso interesante de ambas derivado de que no se ven afectadas por las tasas medias de procedimiento ni por el tamaño de las poblaciones. Se trata de la comparación del valor obtenido para un determinado procedimiento, con el valor obtenido para los procedimientos con menor variación. Estos



procedimientos, por ejemplo, reparación de fractura de cadera, apendicectomía, colectomía por cáncer colorrectal, mastectomía en cáncer de mama, histerectomía en cáncer uterino, ingreso por infarto de miocardio, etc. son los que menos varían y son considerados una aproximación razonable de la variación atribuible a la epidemiología (necesidad, morbilidad) de las poblaciones objeto de estudio.

En los ejemplos siguientes se muestra el CSV para distintos procedimientos y su variación con respecto al CSV del procedimiento o condición que menos varía para la “disciplina” o “especialidad” correspondiente.

Artroplastiarodilla

Herniorrafia CesáreaPrimaria

Bajo riesgo

Amigdalectomía Prostatectomía

CSV 0,14 0,12 0,27 0,25 0,33

Ratio 3,5 2 6,8 2,77 6.6

En el caso de artroplastia de rodilla se ha utilizado reparación de fractura de fémur (CSV 0,04), en el caso de herniorrafia se ha tomado como referencia apendicectomía en adultos (CSV 0,06), en el caso de cesárea de bajo riesgo se ha tomado histerectomía por cáncer de útero (CSV 0,04), en el caso de amigdalectomía con o sin adenoidectomía se ha tomado apendectomía en niños (CSV 0,09), y en el caso de prostatectomía, colectomía por cáncer colorrectal en hombres (CSV 0,05). El ratio 3,5 en artroplastia de rodilla, por ejemplo, indicaría una variación con 3,5 veces mayor que lo esperado según la morbilidad de la población medida a través de las fracturas no traumáticas de cadera.

5. Cálculo de tasas estandarizadas. Estandarización por el método directo

Calcular una tasa estandarizada por el método directo es simple.

Supongamos la comparación de dos áreas sanitarias para el caso de un procedimiento como la artroplastia de rodilla para



el que la distribución de edades de ambas podría influir en la comparación. A mayor número de personas mayores, mayor prevalencia esperada de artrosis y por tanto, más probabilidad de tasas altas de cirugía.

Veamos un ejemplo. Como puede observarse la proporción de mayores de 65 años en el área A es el 25% mientras que en el área B es del 35%. Y en efecto la tasa de intervenciones en el área B es mayor (0,019 vs 0,017)

Área A Área B

Estrato Observados Población Tasa cruda Observados Población Tasa cruda

menores 65 45 7500 0,006 35 6500 0,01

mayores 65 125 2500 0,050 160 3500 0,05

total 170 10000 0,017 195 10000 0,0195

¿Qué ocurre al estandarizar?

La estandarización directa por edad consiste en calcular las tasas esperables para cada área, si las poblaciones de cada área tuviesen la distribución de edades de la población suma de ambas. La población suma de ambas tendría (14000 personas (7500+6500) de menos de 65 años, y 6000 personas (2500 + 3500) mayores de 65 años).

Pues bien. Apliquemos esta distribución de edades de la nueva población (70%=0,7 menores de 65 años y 30%=0,3 mayores de 65 años) a las tasas de cada grupo etario en cada área. Para el área A, la tasa estandarizada se calculará del siguiente modo: (0,7*0,006)+(0,3*0,05)=0,019; para el área B, se calculará del siguiente modo (0,7*0,01)+(0,3*0,05)=0,017.

Como puede observarse, suponiendo que ambas poblaciones tuviesen la misma distribución de edades, el área B, que tenía mayor tasa cruda que el área A, ahora tiene menor tasa estandarizada que el área A.

Al estandarizar “controlamos” el efecto de factores que pueden explicar las diferencias. En este ejemplo, la edad.



6. Cálculo de valores esperados. Estandarización por el método indirecto.

Utilizaremos un ejemplo de estandarización indirecta para el cálculo de valores esperados en la estimación de la Razón de Utilización Estandarizada

Imaginemos las dos áreas sanitarias anteriores. En el área A hemos observado una tasa de utilización de 170 casos por 10.000 habitantes; en el área B, la tasa fue de 195 por 10.000 habitantes. Ambas áreas tenían una distribución de edad algo distinta. Mientras que en el área A el porcentaje de mayores de 65 años era del 25%, en el área B el porcentaje era del 35%. Y por tanto, podemos pensar que los casos son más en B por efecto de la edad. ¿Cómo podemos saber los casos esperados para cada área, considerando las diferencias etarias, y por tanto, si los valores observados están por encima o por debajo de lo esperado?

Área A Área B

Estrato Observados Población Observados Población

menores 65 45 7500 35 6500

mayores 65 125 2500 160 3500

Total 170 10000 195 10000

El método de estandarización indirecta nos ofrece una solución útil. Consideremos una población “ficticia” suma de ambas, que respete los estratos y calculemos la tasa específica de cada estrato.

Ambas áreas

Estrato casos población tasa específica

menores 65 80 14000 0,0057

mayores 65 285 6000 0,0475

Total 325 20000 0,0163

Ahora, aplíquese esa tasa específica a la población de cada estrato en cada área. Los casos esperados así estimados representarán la utilización esperada si las poblaciones de cada



estrato en las distintas áreas del estudio homogeneizaran sus niveles de hospitalización de acuerdo a las tasas específicas de la población tipo.

Área A Área B

Estrato Esperados Población Esperados Población

Menores 65 42,9 7500 37,1 6500

Mayores 65 118,8 2500 166,3 3500

Total 161,6 203,4

Ya tenemos observados y esperados de cada área y por tanto podemos calcular la razón de utilización estandarizada.

Observados Esperados RUE

Área A 170 161,6 1,05

Área B 195 203,4 0,96

Así el área A tiene una utilización un 5% por encima de lo esperado y el área B una utilización un 4% por debajo de lo esperado, en ambos casos considerando el conjunto de sus poblaciones y sus tasas específicas como población tipo.

TRATA DE RESOLVER ESTE EJERCICIO

Un área sanitaria de 3000 habitantes (75% mayores de 65 años) realiza 50 intervenciones quirúrgicas (45 en mayores de 65 años y 5 en menores de 65 años). Se toma como referencia la población del conjunto de las áreas de la región, y las tasas específicas por tramo de edad son: 8 por 1000 habitantes menores de 65 años y 30 por 1000 habitantes de más de 65 años. Es verdadero o falso que:

a. la tasa cruda en menores 65 años es 6,6 por mil y en mayores de 65 años es 20 por mil

b. los casos esperados para esa área si tuviese las tasas de la población tipo son 50,4

c. el área de estudio tiene un 47% menos casos que los esperados si tuviese las características de la población tipo





Respuestas: a. es verdadero; b. es falso; son 73,5; c: verdadero RIE=0,68

7. Ajuste de riesgos

Hemos hablado casi indistintamente de variaciones geográficas, poblacionales, y variaciones de utilización o resultados en centros hospitalarios.

La base científica de comparación de dos (o más) proveedores sanitarios, radica en poder discriminar qué parte de las diferencias entre ellos es atribuible a las diferencias en las poblaciones o pacientes que atienden, y qué parte es atribuible al propio sistema sanitario.

En los estudios geográficos, las diferencias en las poblaciones se han “tratado” (homogeneizado, ajustado, controlado) mediante estandarización directa e indirecta, apenas utilizando la edad y el sexo, y asumiendo que éstos son proxy suficiente de las diferencias epidemiológicas de las poblaciones.

Las cosas cambian cuando el sujeto de análisis no son las poblaciones sino los pacientes atendidos en un determinado centro sanitario (hospitales en la casuística que maneja Atlas VPM). Aquí, la edad y el sexo son insuficientes y se precisa observar más variables: presencia de comorbilidad, severidad de la enfermedad de base, etc.

Son múltiples los mecanismos para controlar las diferencias entre proveedores, y se puede hacer ex ante, seleccionando pacientes parecidos, por ejemplo; o ex post, utilizando lo que se denomina “ajuste de riesgos”.

Instrumentos de ajuste de riesgo

Son múltiples, los instrumentos de ajuste de riesgo existentes, (WOMAC, APACHE, MPM, APGAR, ir-DRG, NYHA, Escala de Coma de Glasgow, etc.) y todos ellos tienen como objetivo identificar y homogeneizar diferencias en los pacientes que pueden afectar a un resultado sanitario de interés.

Un ejemplo:

Queremos comparar la mortalidad en dos Unidades de Cuidados Intensivos. La mortalidad observada en ambas es idéntica: 37%. Sin embargo, existen sospechas de que el tipo de pacientes atendido en una y otra es distinto en su probabilidad de morir. ¿Disponemos de algún instrumento que nos permita discriminar este efecto, corregirlo en la estimación final de muerte y por tanto, comparar de forma más apropiada ambas unidades?

En este caso utilizaremos un índice, el MPM6 para cualificar a los pacientes en función de su gravedad de base (probabilidad de morir). En la tabla adjunta, se observa que de los 100 pacientes atendidos en la UCI 1, 10 de ellos, tenían una gravedad basal de 0,15 según el MPM, y de ellos murieron dos. En el extremo opuesto de gravedad (MPM de 0,60), había otros 10 pacientes de los cuáles murieron 6. Así, sucesivamente, se agrupan los pacientes en función de su gravedad, en una y otra UCI.

Las muertes esperadas para cada grupo de pacientes se calculan, de forma directa, multiplicando el número de pacientes en cada estrato por el valor del índice MPM. Así, en la UCI, en el primer subgrupo de pacientes, las muertes esperadas serán de 1,5 (10 pacientes por probabilidad de muerte 0,15).

La consecuencia de la aplicación de este índice corrector (ajuste de riesgos) es nítida. Aunque en ambas UCI mueren 37 de cada 100 pacientes, en la UCI 1 se esperaban 35,7 muertes, mientras que en la UCI 2 se esperaban 26,3, según la aplicación del ajuste de riesgos. 6 Rue Monne M et al. Utilización del Mortality Probability Models (MPM II) en la evalua-ción de la efectividad de la atención a pacientes críticos. Med Clin (Barc). 1996; 106: 565-570.





Mientras que la UCI 1 tenía un 3,6% más de muerte (muertes observadas divido por muertes esperadas igual a 1,036), en la UCI 2 el riesgo de muerte fue un 41% más de lo esperado.

En compara-ción de pro-veedores sa-nitarios, sean éstos, médi-cos, servicios u hospitales es imprescindible utilizar el ajus-te de riesgos.

Conclusiones

Existen abundantes pruebas de la existencia de variaciones amplias e injustificadas de práctica médica. Con frecuencia estas variaciones conllevan problemas de acceso a cuidados efectivos, diferencias en los resultados derivados de los cuidados sanitarios, exposición innecesaria a cuidados con dudoso balance beneficio-riesgo, y un alto coste de oportunidad para la sociedad que las soporta.

Se dispone de un abundante arsenal metodológico que permite determinar la magnitud de la variabilidad injustificada, y los factores que a ella se asocian. Ahora, sólo queda utilizar la información existente para tomar decisiones que reduzcan la carga de inefectividad y eficiencia que supone este fenómeno.



Referencias bibliográficas

1. Appleby J, Raleigh V, Frosini F, Bevan G, Gao H, Lyscom T Variation in HealthCare: the good, the bad and the inexplicable. King´s Fund ed. London, 2011.

2. Birkemeyer JD, Siewers AE, Finlayson EV; et al. Hospital volume and surgical mortality in the United States. N Engl J Med:2002; 346:1128-1137

3. Codman, Ernest A. (1916). A Study in Hospital Efficiency. Boston, Mass.: Privately printed

4. Cutler DM, McClellan M Is Technological Change In Medicine Worth It? Health Aff 2001; 20(5); 11-29

5. Fisher ES, Welch HG. Avoiding the unintended consequences of growth in medical care: how might more be worse? JAMA. 1999; 281:446-53.

6. Fisher ES et al. The implications of regional variations in Medicare spending. Part 1: the content, quality & accesibility of care. Ann Intern Med 2003; 138: 273-87.

7. Fisher ES, et al. The implications of regional variations in Medicare spending. Part 2: health outcomes & satisfaction with care Ann Intern Med 2003; 138: 288-98.

8. Glover A The incidence of tonsillectomy in school children. Proceedings of the Royal Society of Medicine. 1938.31 p. 1219-36

9. Iezzoni LI, Daley J, Heeren T, et al. Identifying complications of care using administrative data. Med Care 1994; 32:700–15.

10. Phelps CE, Parente ST. Priority setting in medical technology and medical practice assessment. Med Care. 1990; 28:703-723.

11. Romano PS et al..The California Hosp. Outcomes Project: using administ. data to compare hosp. performance. Jt Comm



J Qual Improv. 1995 Dec;21(12):668-82.

12. Salive ME, Mayfield JA, Weissman NW Patient Outcomes Research Teams & The Agency for Health Care Policy & Research. HSR 1990; 25(5): 697-708.

13. Starfield B et al. Ambulatory care groups: a categorization of diagnoses for research and management. Health Serv Res. 1991 Apr;26(1):53-74

14. Tu JV, et al. Use of cardiac procedures & outcomes in elderly patients with myocardial infarction in USA & Canada. N Engl J Med. 1997 May 22;336(21):1500-5.

15. Wagstaff A, Paci P, van Doorslaer E. On the measurement of inequalities in health. Soc Sci Med. 1991;33(5):545-57.

16. Wennberg JE et al. Small area variations in health care delivery. A population-based health information system can guide planning and regulatory decisionmaking. Science 1973; 18: 1.102-8



Websites de interés

1. ECHO project www.echo-health.eu

2. Atlas de Dartmouth www.dartmouthatlas.org

3. Wennberg International Collaborative

http://www.wennbergcollaborative.org/

4. NHS Atlas http://www.rightcare.nhs.uk/atlas/

5. Agency for Healthcare Research & Quality

www.qualityindicators.ahrq.gov/

6.OECD Quality Indicators Project

http://www.oecd.org/document/31/0,2340,en_2649_33929_2484127_1_1_1_1,00.html



http://www.echo-health.eu

http://www.dartmouthatlas.org

http://www.rightcare.nhs.uk/atlas/

http://www.qualityindicators.ahrq.gov/

Documents

7.6 Revisando Casos Variabilidad