23
Evaluación de la efectividad de políticas viales: Años de Vida Ajustados por Calidad salvados por accidentes evitados Patricia Cubí- Mollá Universidad de Alicante Tiempos para la Salud Pública

Patricia Cubí-Mollá

  • Upload
    kuper

  • View
    30

  • Download
    0

Embed Size (px)

DESCRIPTION

Evaluación de la efectividad de políticas viales: Años de Vida Ajustados por Calidad salvados por accidentes evitados. Patricia Cubí-Mollá. Universidad de Alicante. Tiempos para la Salud Pública. ¿Por qué “ accidentes de tráfico ”?. - PowerPoint PPT Presentation

Citation preview

Page 1: Patricia Cubí-Mollá

Evaluación de la efectividad de políticas viales: Años de Vida Ajustados por Calidad

salvados por accidentes evitados

Patricia Cubí-MolláUniversidad de Alicante

Tiempos para la Salud Pública

Page 2: Patricia Cubí-Mollá

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

¿Por qué “accidentes de tráfico”?

En España ha disminuido la proporción de fallecidos por AT, pero…

0

5

10

15

20

25

30

35

5-9 10-14 15-19 20-24 25-29 30-34 35-39

% (

por

100.

000

hab.

de

cada

gru

po d

e ed

ad)

Enfermedades infecciosas y parasitarias

Tumores

Enfermedades del sistema circulatorio

Accidentes de tráfico

0

5

10

15

20

25

30

35

5-9 10-14 15-19 20-24 25-29 30-34 35-39

% (

por

100.

000

hab.

de

cada

gru

po d

e ed

ad)

Enfermedades infecciosas y parasitarias

Tumores

Enfermedades del sistema circulatorio

Accidentes de tráfico

Año 2000 Año 2006

… sigue reportando la mayor tasa de mortalidad para jóvenes de entre 15 y 34 años.

Fuente: INE

Page 3: Patricia Cubí-Mollá

¿Por qué “accidentes de tráfico”?

Por tanto, tenemos resultados tan impactantes como el que sigue:

Años potenciales de vida perdidos, por

causa y sexo. España, 2005

(por cada 100.000 habitantes)

Fuente: INE

0 50 100 150 200 250 300 350 400 450 500 550

Accidente de tráfico

Cancer de pulmón

Enf. isquémicas del corazón

Suicidio

Sida

Enf. Cerebrovasculares

Cancer de colon

Homicidio

Diabetes

Cancer de próstata

Causas

AVP

0 20 40 60 80 100 120 140 160 180 200 220

Cancer de pecho

Accidente de tráfico

Cancer de pulmónSuicidio

Enf. Isquémicas del corazón

Cancer de ovario

Cancer de colon

Cancer de úteroSida

Diabetes

Homicidio

Causas

AVP

Hombres

Mujeres

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 4: Patricia Cubí-Mollá

Planteamiento

Cuantificar la calidad de vida perdida a causa de un accidente de tráfico

¿Qué unidades empleamos?

Años de vida Ajustados por la Calidad o AVACs

AVACs = función de (w, T)

Peso de calidad de vida asociado al

estado de salud del accidentado

0 = muerte

1 = salud completa

Valor en una escala continua entre 0 y 1

Tiempo que pasa la persona en

dicho estado de salud Escala: años

¿Cuál es el objetivo?

¿Por qué las empleamos?

- Permiten evaluar mortalidad y morbilidad en un solo índice- Preferibles para los estudios de coste-utilidad

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 5: Patricia Cubí-Mollá

Planteamiento

¿Cómo estimaremos el número de AVACs perdidos?

AVACsperdidos =

wasociada al estadode salud potencial

del herido

wasociada estado

de salud realdel herido

-

Estado de salud potencial: calidad de vida que tendría el accidentado, si no hubiera sufrido el accidente de tráfico.

¡Desconocido!

¿Cómo aproximaremos el estado de salud potencial?

¿Por el estado de salud del individuo, antes del accidente?¡Desconocido!

¿Por el estado de salud de otras personas?Sí, pero con precaución…

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 6: Patricia Cubí-Mollá

¿Sobre qué población se centra el estudio?

1

7

26

fallecidos

heridos de gravedad

heridos de levedad

secuelas

mayor tasa de desempleo

(Moller, 2005)

columna vertebral / pelvis

extremidades

perjuicios estéticos

cabeza / cráneo / cara

¿psicológicas?

(Estudio Multicéntrico 2000-2004)

medio/largo plazoorigen de nuevas enfermedades

mayor demanda de servicios médicos

corto plazo

disminución de la calidad de vida

adaptación

(hasta 1 año después del accidente)

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Estado general

desalud

Page 7: Patricia Cubí-Mollá

¿Qué datos empleamos?

Grupo de afectados: 327 individuos

Encuesta de discapacidades, deficiencias y estados de salud

N = 52.802 (327)

Para localizar a los que han sufrido un accidente de tráfico grave:

- Durante los últimos 12 meses, ha sufrido algún accidente de tráfico que le haya impedido realizar alguna de sus actividades cotidianas?

900 contestan “sí”

- ¿Cómo ha influido este accidente de tráfico en su vida cotidiana?

149 contestan “de forma importante” 178 contestan “bastante”

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 8: Patricia Cubí-Mollá

¿Cómo obtenemos la calidad de vida?

Encuesta de discapacidades, deficiencias y estados de salud

N = 52.802 (327)

Para evaluar su estado de salud

¿Cuál es, a su juicio, su estado de salud en general?

1. Muy malo

2. Malo

3. Regular

4. Bueno

5. Muy bueno

Salud Auto-Percibida (SAP):

0.2

.4.6

Distribution of Self-Assessed Health (SAH)

sah = very poor sah = poorsah = fair sah = goodsah = very good

Encuesta Catalana de Salud 2002

N = 15.875

Encuesta Catalana de Salud 2006

N = 7.081

Tarifa EVA

Tarifa IT

EQ-5D

Métodos de cardinalización

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

(modelos de regresión)

Page 9: Patricia Cubí-Mollá

¿Cómo estimamos el estado de salud potencial?

AVACsperdidos =

wasociada al estadode salud potencial

del herido

wasociada estado

de salud realdel herido

-

?wasociada al estado de salud real de otros

individuos que no han sufrido el accidente (grupo de comparación)

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 10: Patricia Cubí-Mollá

¿Cómo estimamos el estado de salud potencial?

Composición del grupo de afectados y del grupo de comparación        

   Han sufrido unaccidente grave

No han sufrido un accidente grave

Diferencias 

  N 327 52,802    Hombre 52 46 - 6.63 **   Edad 44 (20.7) 50 (20.1) 6.47 ***   16 – 25 22.0 12.2 - 9.83 ***   26 – 35 21.7 15.4 - 6.27 ***   36 – 45 13.5 14.3 0.79    46 – 55 9.2 12.9 3.70 **    56 – 65 8.9 14.0 5.13 ***    66 – 75 15.6 17.9 2.30   75 + 9.2 13.3 4.17 ** 

 Ingresos 101,184

(63,759)102,881 (64,087)

1,697  **

  Fumador habitual 44.0 28.4 -15.64 **    Alcohol días laborables 5.8 4.7 -1.15   Alcohol fin de semana 25.1 21.6 -3.48   Educación        Menos de prinaria 19.3 23.3 3.98 *   primaria 30.9 33.6 2.67    Secundaria 39.8 29.1 - 10.67 ***   Superior 10.1 14.1 4.02 ** 

   (Desviación estándar entre paréntesis)

Test de Wilcoxon-Mann-Whitney: * Sign. 10% ** Sign. 5% *** Sign. 1%

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 11: Patricia Cubí-Mollá

¿Cómo estimamos el estado de salud potencial?

AVACsperdidos =

wasociada al estadode salud potencial

del herido

wasociada estado

de salud realdel herido

-

wasociada al estado de salud real de otros

individuos que no han sufrido el accidente (grupo de comparación)

• p

p depende de cada variable que pueda afectar la probabilidad de sufrir un accidente de tráfico: sexo, edad, ccaa, estado civil, nivel de educación, ingresos, si es fumador habitual o lo ha sido, si es bebedor habitual, si se vacuna frecuentemente.

¿Es una comparación razonable?

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 12: Patricia Cubí-Mollá

¿Cómo estimamos el estado de salud potencial?

• Abadie (2005): procedimiento simple bietápico, referido a la estimación de los efectos de tratamientos por el método de diferencias dobles; adaptado a casos en los que solo contamos con observaciones porst-accidente.

)|1(1

)|1(

)1( ZDP

ZDPD

DP

wEATET wEwpE afectcomp ][

0|,1| DEEDEE compafect

)1(

)0(

)|1(1

)|1(

DP

DP

ZDP

ZDPEp

… más en detalle:

Dummy Di = {1 si el individuo i ha tenido un accidente grave}

Z : sexo, edad, ccaa, estado civil, nivel de educación, ingresos, si es fumador habitual o lo ha sido, si es bebedor habitual, si se vacuna frecuentemente

w = calidad de vida asociada al estado de salud

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 13: Patricia Cubí-Mollá

Resultados

Efectos medios en la salud del accidentado

-0.08

-0.06

-0.08-0.08

-0.09

-0.06

-0.08-0.07

-0.03

-0.02-0.02 -0.02

-0.03

-0.02 -0.02 -0.02

-0.06

-0.04

-0.06 -0.05-0.06

-0.04

-0.05 -0.05

-0.10

-0.09

-0.08

-0.07

-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0.00

TTOz TTOr VASz VASr TTOz TTOr VASz VASr

Qo

L lo

st

ESCA02 ESCA06

(resultado robusto ante diferentes medidas de utilidad)

Diferentes medidas de calidad de vida

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 14: Patricia Cubí-Mollá

   

 

             

     tarifas Pérdidas de

saludEafect[w] – Ecomp [w]

Δw IC (Δw) 

  ESCA02 VAS zero 0,056 0,037 7,10% [3,12%, 10,09%]      VAS resc 0,052 0,035 6,55% [2,87%, 9,35%]      TTO zero 0,056 0,038 6,61% [3,53%, 9,35%]      TTO resc 0,037 0,026 4,15% [2,16%, 6,09%]    ESCA06 VAS zero 0,053 0,035 6,97% [2,84%, 7,89%]      VAS resc 0,050 0,033 6,41% [2,55%, 9,82%]  

   TTO zero 0,061 0,041 7,37% [1,21%, 10,42%]      TTO resc 0,041 0,028 4,63% [3,48%, 9,36%]                                    

Resultados

Δw : proporción de la salud perdida, con respecto al estado de salud potencial del individuo, estimado mediante grupos de comparación.

Ecomp [w·p] - Eafect[w]

Ecomp [w·p]Δw =

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 15: Patricia Cubí-Mollá

Aplicaciones

Muertes evitadas

Para evaluar una política vial:

AVACsperdidos =

wasociada al estadode salud potencial

del herido

wasociada estado

de salud realdel herido

-

0

= Ecomp [w·p]

Heridos de gravedad evitados

* EV

* EV

- No internados:

- Internados:

AVACsperdidos = 0,051 * Tnoint

AVACsperdidos = ??? * Tint

Heridos de levedad evitados ???

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 16: Patricia Cubí-Mollá

Ejemplo (muy preliminar)

2

44

128

Muertes evitadas

Cámaras de velocidad en las circunvalaciones de Barcelona (2003)

AVACsperdidos = 0,81

Heridos de gravedad evitados

* 45

- No internados:

- Internados:

AVACsperdidos = 0,051 * 1

AVACsperdidos = 0,15 * 45

Heridos de levedad evitados

73,9 AVACs

38

6

* 2

AVACsperdidos = 0,0146 * 0,21

* 6

* 38 1,938 AVACs

40,5 AVACs

*128 0,39 AVACs

TOTAL115,73AVACs

Catherine Pérez y otros, 2007Nyman y otros, 2008

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

Page 17: Patricia Cubí-Mollá

¡Importante!

• Realizar una partición lo más fina posible del grupo de afectados, y calcular las estimaciones condicionando por las variables que definen la partición (ej. Sexo, intervalo de edad, conductor/ocupante/peatón…)

• Estimar mejor el tiempo de duración de un estado crónico

• ¿Consideramos el fenómeno de adaptación?

• ¿Aplicamos descuentos temporales?

• ¿Disminución de la calidad de vida con la edad?

Motivación Planteamiento Datos Metodología Resultados Aplicaciones Conclusions

• Dificultades para analizar los lesionados de levedad

Page 18: Patricia Cubí-Mollá

¡GRACIAS!

Page 19: Patricia Cubí-Mollá

02

46

Den

sity

t1 t2 t3t0 t4

0 .2 .4 .6 .8 1VAS tariff

~ death ~ perfect health

Density function of health

Utility index: VAS tariff

(EQ + Visual Analogue Scale)

e.g.

Population average: 0.766

Under 7.10 % reduction : 0.712

Page 20: Patricia Cubí-Mollá

General setting Summary Motivation Data Methodology Results Conclusions

TOPIC

Health Losses (QALYs, 1

year) Source

Road traffic injuries (morbidity) 0.356 Sullivan et al. 2003

Hip fracture 0.140 Seguí-Gómez et al., 2002

Road traffic injuries (morbidity) 0.127Redelmeier and Weinstein,

1999

Road traffic injuries (morbidity) 0.061 Nyman et al., 2008

Road traffic injuries (morbidity) 0.051 (present work)

Overweight / Obesity 0.031 Lubetkin et al., 2008

Smoking 0.015 Lubetkin et al., 2008

Previous Literature and Framework

Summary

Page 21: Patricia Cubí-Mollá

Results

General setting Summary Motivation Data Methodology Results Conclusions

Propensity to have a road crash:

Page 22: Patricia Cubí-Mollá

EQ-5D descriptive system

Mobility

1 = No problems

Desirability of the health state:

Self-care

Usual activities

Pain / Discomfort

Anxiety / Depression

2 = Some problems3 = Severe problems

Levels:

1

1

1

2

2

EQ VAS

Dimensions:

rate also states:

“unconscious” “death”

VAS tariff

+

Page 23: Patricia Cubí-Mollá

1. Order: own health state (11122)

3. Include: “death”, “unconscious”

For health states ranked “better than death” :

(11111, x years) ~ (targeted state, 10 years)

For health states ranked “worse than death” :

(die, 0 years) ~ (targeted state, 10 - x years)

(Following “death”)

(Following x years in “full health”)

EQ-5D descriptive system Desirability of the health state:TTO

TTO tariff

Mobility

1 = No problems

Self-care

Usual activities

Pain / Discomfort

Anxiety / Depression

2 = Some problems3 = Severe problems

Levels:

1

1

1

2

2

Dimensions:

2. Order: 13 new targeted health states

(and then “death”)