ESTIMACIÓN DEL EFECTO DE LOS SERVICIOS ACADÉMICOS EN LA MORTALIDAD Y ESTANCIA DE PACIENTES CRÍTICAMENTE ENFERMOS ADMITIDOS EN 19 UNIDADES DE CUIDADOS INTENSIVOS DE COLOMBIA,
ESTIMACIÓN DEL EFECTO DE LOS SERVICIOS ACADÉMICOS EN LA MORTALIDAD Y ESTANCIA DE PACIENTES CRÍTICAMENTE ENFERMOS ADMITIDOS EN 19 UNIDADES DE CUIDADOS INTENSIVOS DE COLOMBIA,
UTILIZANDO MÉTODOS JERÁRQUICOS Y MODELOS DE RIESGOS COMPETITIVOS
VIVIANA ALEJANDRA RODRÍGUEZ ROMERO
Tesis presentada a la Facultad de Medicina como requisito parcial para optar al Grado de
Maestría en Epidemiología Clínica Pontificia Universidad Javeriana
Comité del trabajo de grado:
Fabián Armando Gil Laverde. MSc Bioestadística
Profesor Asociado
Departamento de Epidemiología Clínica y Bioestadística
Facultad de Medicina
Pontificia Universidad Javeriana
Álvaro Ruíz MD, MSc, FACP
Profesor Titular
Departamento de Medicina Interna
Departamento de Epidemiología Clínica y Bioestadística
Facultad de Medicina
CONTENIDOS
1. INTRODUCCIÓN ... 11
2. MARCO TEÓRICO ... 16
2.1 Análisis multinivel ... 16
2.2 Análisis de riesgos competitivos ... 22
2.3 Efecto de los servicios académicos en el desempeño de las unidades de cuidado intensivo (UCI) ... 26
3. OBJETIVOS ... 31
3.1 Objetivo general ... 31
3.2 Objetivo secundario ... 31
3.3 Objetivos específicos ... 31
4. MATERIALES Y MÉTODOS ... 33
4.1 Diseño del estudio ... 33
4.2 Población de estudio ... 35
4.3 Criterios de inclusión ... 35
4.4 Criterios de Exclusión ... 35
4.5 Variables ... 36
4.7 Aspectos éticos ... 39
5. RESULTADOS ... 40
6. DISCUSIÓN ... 51
7. CONCLUSIONES ... 57
8. REFERENCIAS ... 59
9. ANEXOS ... 69
LISTA DE TABLAS
Tabla 1. Características generales de los 1622 pacientes según tipo de UCI ... 40
Tabla 2. Características de las UCI según tipo de UCI ... 41
Tabla 3. Características de los pacientes según estado de egreso ... 42
Tabla 4. Características de las UCI según el estado de egreso del paciente ... 43
Tabla 5. Asociación entre las UCI académicas y la mortalidad del paciente ... 45
Tabla 6. Asociación de las características de los pacientes y de las UCI con el tiempo de estancia en UCI ... 46
LISTA DE FIGURAS
RESUMEN
Al analizar los datos de las investigaciones en salud, es necesario recordar que usualmente la recolección de sujetos no considera un muestreo aleatorio simple, lo cual puede generar, entre otras cosas, estructuras de correlación entre los individuos de estudio y jerarquías entre las unidades de observación. OBJETIVO: Identificar las diferencias del efecto de los servicios académicos en la mortalidad y estancia de pacientes críticamente enfermos atendidos en 19 Unidades de Cuidado Intensivo de Colombia, al ser estimado a través de métodos multivariados y nuevas metodologías de análisis. MATERIALES Y MÉTODOS: Utilizando los datos de dos investigaciones previas, la primera de la estructura de UCI y la segunda de mortalidad y estancia de pacientes críticamente enfermos que ingresan a UCI, se estimó el efecto de los servicios académicos sobre estas dos variables, utilizando métodos multinivel y de riesgos competitivos. Los resultados fueron comparados con las estimaciones obtenidas a través de métodos de estimación clásicos. RESULTADOS: No se encontraron diferencias entre las UCI académicas y no académicas en cuanto a mortalidad, sin embargo, si se observaron mayores tiempos de estancia en las UCI académicas. Como se esperaba, las estrategias de análisis empleadas tienen gran impacto en las estimaciones y sobretodo en la precisión de las mismas.
ABSTRACT
In analyzing the research data in health, we must remember that the selection of subjects are usually not considered as a simple random sampling, which can generate, among other things, structural correlation between study individuals and hierarchies between observation units. OBJECTIVE: To identify differences in the effect of teaching services in mortality and stay of critically ill patients in 19 intensive care units in Colombia, to be estimated through multivariate methods and new methods of analysis. METHODS: Using data from two previous researches, the first of the structure of ICU and the second of the mortality and stay of critically ill patients admitted in ICU, we estimated the effect of academic services on these two variables, using methods multilevel and competing risks. The results were compared with estimates obtained through classical estimation methods. RESULTS: No differences were found between teaching and non teaching ICU in mortality; however, there were a higher length of stay in teaching ICU. As expected, the analysis strategies used have great impact on the estimates and especially in the precision thereof.
AGRADECIMIENTOS
“… Ante todo es necesario saber plantear los problemas.
Y dígase lo que se quiera, en la vida científica los problemas no se plantean por sí mismos.
Es precisamente este sentido del problema el que sindica el verdadero espíritu científico.
Para un espíritu científico todo conocimiento es una respuesta a una pregunta.
Si no hubo pregunta, no puede haber conocimiento científico.
Nada es espontáneo. Nada está dado. Todo se construye.”
Gaston Bachelar 1972
Este documento finaliza una importante etapa de mi vida. Pero no habría logrado llegar a este punto sin el apoyo de muchos y la fe que tienen en mí. A Felipe y Fedra porque con su amor no han dejado de desfallezca. A mi madre y mi tía nrodrigu, por seguir siendo un ejemplo a seguir. A mis docentes y amigos del Departamento que día a día me llenan de conocimientos y alegrías. A mis compañeros de clases que me enseñaron a reírme de los momentos difíciles. Y a Dios por rodearme de todas estas personas.
1. INTRODUCCIÓN
A través de los años, las facultades de medicina han utilizado como estrategia de formación de los estudiantes la práctica directa con los pacientes. En nuestro país esto ha suscitado la necesidad de generar leyes (1;2) que definan qué son los hospitales universitarios y cuáles deberían ser sus características. Es así como se llega a la definición de que un hospital universitario es:
“…una institución prestadora de servicios de salud que proporciona
entrenamiento universitario y es reconocido por ser hospital de enseñanza y
práctica supervisada por autoridades académicas competentes y que ofrece
formación y atención médica…”(2)
De lo anterior se puede concluir que un hospital universitario, además de cumplir con las actividades usuales de un servicio de salud, debe adicionar a su misión algunas actividades de carácter académico. Y son especialmente estas actividades extras y su impacto en los desenlaces del paciente, el objetivo de múltiples investigaciones (3-5).
sido difíciles de abordar, debido a la caracterización y definición de las numerosas variables que determinan los servicios de salud, sin haber arrojado resultados del todo concluyentes.
Zimmerman y colaboradores en 1993 (3), mencionan que las UCI académicas tienen el doble de médicos al servicio de los pacientes y atienden usualmente pacientes con mayor grado de severidad, lo que se ve directamente reflejado en los costos, pero no en una diferencia significativa en la mortalidad o estancia de los pacientes. Por el contrario, Rubiano y colaboradores (6), mencionan que la estancia en los hospitales académicos tiende a ser significativamente mayor.
Parte de las diferencias encontradas entre los estudios pueden ser producto de que las estrategias de análisis empleadas no reflejan por completo las condiciones de los pacientes o no cumplen los supuestos que requieren algunos análisis estadísticos para ser válidos.
El problema radica entonces en que los modelos de regresión clásicos asumen supuestos como la varianza constante e independencia entre los individuos de estudio (8), supuestos que resultan insostenibles en sujetos seleccionados de un mismo servicio clínico, en cuyo caso, el efecto que tenga la atención de la unidad sobre los desenlaces de los pacientes puede llegar a ser de gran importancia. Adicionalmente, este tipo de métodos de análisis no permiten relacionar la estructura clínica jerárquica de los datos, lo cual es una gran desventaja, dado que se ocasiona pérdida de una parte de información importante en la estimación de la verdadera asociación entre las variables.
Ignorar las características de la estructura clínica en la explicación de los desenlaces del paciente, o analizarlas como si pertenecieran al individuo omitiendo su estructura jerárquica, puede traer como consecuencia la producción de sesgos en los errores típicos de los estimadores de tales desenlaces e intervalos de confianza excesivamente estrechos (9;10). Adicionalmente se estarían eliminando posibles factores explicativos de los desenlaces, llegando a conclusiones incorrectas.
viceversa, es decir, controlan tanto la falacia atomista, como la falacia ecológica. Además, este tipo de modelos consideran que sujetos agrupados bajo una misma estructura clínica están correlacionados, y pueden tener diferente variabilidad al interior de los grupos.
Otra de las estrategias de análisis usuales en las investigaciones en salud, es el análisis de sobrevida. Este análisis modela el tiempo hasta la ocurrencia de un evento y su ventaja frente a los modelos de regresión corrientes, radica en que utiliza la información de las observaciones censuradas sin eliminar dichos sujetos, como lo harían otros análisis (12). Sin embargo, este análisis también tiene supuestos sobre el comportamiento de estas censuras. El primero de ellos es que estas censuras sean independientes de las variables de interés y el segundo es que en un tiempo posterior, los sujetos presentarán el evento de interés. Aun así, muchas de las situaciones estudiadas usando el análisis de sobrevida tradicional, no cumplen dichos supuestos.
Un ejemplo de la situación, es el tiempo de estancia en UCI, dónde las observaciones censuradas se pueden presentar por la muerte del paciente o por traslado a otra institución, entre otras causas, las cuales evidentemente no cumplen con los supuestos exigidos por el análisis.
2. MARCO TEÓRICO
2.1 Análisis multinivel
Es frecuente que en la investigación realizada en salud sea difícil seleccionar a los participantes a través de un muestreo aleatorio simple. Lo más frecuente es seleccionar a los sujetos que ingresen a determinado servicio clínico en las instituciones a las cuales se tiene fácil acceso. Esta selección de individuos es lo que usualmente se conoce como muestreo por conglomerados. Aunque esta sea la opción más factible, tiene un gran impacto en las estimaciones de las asociaciones que resulten de la investigación (13-15), pues una de las características principales de este tipo de muestreo, es que los individuos dentro de cada conglomerado son más homogéneos que entre conglomerados (16).
Tomando como ejemplo un caso particular, supongamos que se quiere estudiar la estancia en la unidad de cuidado intensivo (UCI), de pacientes críticamente enfermos que ingresan a estas unidades. Es de suponer que dentro de la UCI A, los pacientes son más similares en ciertas características como edad, tipo de ingreso, severidad entre otras; que aquellos sujetos que ingresaron a la UCI B. Podríamos inferir además que, cada UCI presenta características propias, las cuales pueden influir en la estancia de los pacientes. Ahora, si consideramos la duración de estancia hospitalaria como una variable continua (Y) a la que se le ajusta un modelo de regresión lineal considerando una variable independiente (X) como la edad del paciente, se podrían presentar alguno de los siguientes casos ilustrados en la figura 1:
a) Las rectas de regresión son iguales para todas las UCI, lo que quiere decir que la relación entre la estancia y la edad del paciente es igual en todas las unidades.
b) Las rectas de regresión difieren solo en el intercepto, lo que indicaría que el efecto de X sobre Y es el mismo en todas las UCI, pero el promedio de estancia en cada UCI es sistemáticamente diferente.
Los casos b y c nos llevan a pensar que se debería construir un modelo para cada unidad, es decir, un modelo que considere los diferentes niveles jerárquicos del que provienen los datos (18-20).
Figura 1 . Ajuste de rectas de regresión para la estancia hospitalaria en 4 UCI; ejemplo
hipotético
a) Rectas iguales b) Interceptos diferentes c) Interceptos y
pendientes diferentes
Fuente: Basado en ejemplo de Duncan (1998) (19)
Al aplicar métodos de regresión clásicos en los casos b y c presentados en la figura 1, se obtendrán sesgos en el error estándar estimado, aumentando así la probabilidad de cometer errores posteriores al hacer inferencia (rechazar la hipótesis nula cuando esta es cierta) (10;14). La razón de estos inconvenientes es que debido a sus similitudes y homogeneidad en el tratamiento, los pacientes dentro de cada UCI no serán independientes, e incluso la correlación entre ellos puede ser diferente dentro de cada unidad, es decir, tampoco se cuenta con varianza constante, lo cual viola dos de los supuestos principales de la estimación por mínimos cuadrados utilizada por los métodos tradicionales (19).
0 5 10 15 20 25
0 2 4 6 8 10
Y X 0 5 10 15 20 25
0 2 4 6 8 10
Y X 0 5 10 15 20 25
0 2 4 6 8 10
Y
Goldstein (9) ha calculado que en circunstancias usuales de muestreo, el valor calculado del error estandar estimado mediante una regresión ordinaria puede ser la mitad del valor real, produciendo así intervalos de confianza excesivamente estrechos y aumentando la probabilidad de error tipo I en la evaluación de hipótesis. Para evitar estos problemas es necesario utilizar en el análisis procedimientos que nos permitan estimar todos los parámetros del modelo de una manera adecuada modelando los patrones de correlación presentes.
Estanciaij representa la estancia hospitalaria del paciente i que pertenece a la UCI j.
00 es la constante del modelo.
01 es el efecto de la UCI, 10 es el efecto de la edad de los individuos y
11
la
interacción entre estos dos niveles; estos parámetros estimados se suponen comunes para todas las UCI; es decir, son efectos fijos.
0j es el efecto particular de cada UCI que se añadirá a la constante 00 , este valor
es diferente para cada unidad y por esta razón es considerado un efecto aleatorio que se distribuye
2
0
,
0 j
N . Retomando la figura 1, este parámetro modelaría los
cambios mostrados en el ejemplo b.
1j es el efecto del individuo dentro de cada UCI, este parámetro también cambia
para cada UCI bajo una distribución
2
1,
0 j
N y es un valor que se añade al
coeficiente fijo 10 . Este parámetro modelaría las diferentes pendientes del ejemplo
c de la figura 1.
un equipo de cuidados críticos (22;23), un director de tiempo completo (24), una unidad cerrada (25-30), una disponibilidad de intensivista de 24 horas (31), una adecuada relación enfermera paciente (32;33), y una buena interacción medico-enfermera (34), se han visto asociados con una mejoría en la evolución del paciente. Estas circunstancias, hacen que se recomiende que en las comparaciones del rendimiento entre UCI se tenga en cuenta no sólo la gravedad de la enfermedad del paciente, sino también el efecto de la "variable UCI ", es decir, las diferencias en los recursos humanos, estructura, equipamiento, gestión y organización de la unidad de cuidados intensivos (21;35;36).
Pese a que es clara la importancia de considerar las variables de la estructura clínica en la cual se desarrollan los procesos como variables de control en el análisis, y de esta manera lograr explicaciones más claras sobre los factores que influyen en la morbilidad, mortalidad y estancia de los pacientes, en algunos estudios se han ignorado estas variables o se han incluido como variables del paciente y no de los servicios como tal, es decir, en algunos casos se han utilizado los métodos de análisis inapropiados para responder las preguntas de investigación. Es así como cada vez más en el mundo científico y sobre todo en el área de la salud, el uso de modelos multinivel para el análisis se ha convertido en una alternativa metodológica que permite incluir la estructura clínica en las explicaciones de la causalidad (11;19).
cual los modelos multinivel son una herramienta muy útil en la explicación de las diferencias en las distribuciones de los desenlaces en un contexto dinámico.
2.2 Análisis de riesgos competitivos
Cuando el objetivo de la investigación es analizar el tiempo hasta la ocurrencia de un evento, las curvas de Kaplan-Meier, la prueba de log-rank, los cocientes de riesgo y el modelo de riesgo proporcional de Cox, pertenecen al repertorio estándar de la investigación médica (37). El análisis de sobrevida se plantea cuando se desea describir o comparar el tiempo desde un punto de partida hasta un punto final definido por la ocurrencia de un determinado evento de interés.
ingresan a la unidad y dado su complicado estado de salud mueren estando en UCI?, o aquellos que son remitidos a otra institución?
En el análisis de sobrevida hay dos maneras tradicionales de tratar este problema, la primera es excluir por completo a estos sujetos, lo que significaría perder información valiosa, y la segunda es tratarlos como observaciones censuradas. Sin embargo, la idea de una observación censurada es que hasta ese tiempo (t1) no ha presentado el evento de
interés, es decir el paciente “egresó vivo de la unidad”, pero se supone que lo presentará en un momento posterior. De otro lado, sería una falacia suponer que un paciente que muere en la UCI en el tiempo t1, puede presentar el evento “egreso vivo” en algún tiempo
posterior (t1+k). (38;39).
Un inte tiem aná ries sob Uti sup com
S
(
a tercera sol ensivo comp mpo hasta pr álisis de sob
sgos compet brevida (Sj) e
lizando el ej pervivencia S mo (42):
t tit
)
(
lución es con piten diferen
resentar uno revida en la titivos tratan específicas p
Figura
jemplo anter S(t), la que i
i i in
d
n
nsiderar que ntes eventos: o de los dos a presencia dn de estima para cada cau
a 2 Modelo
rior, un anál indicaría la p
por un pacie : el egreso v eventos; est de riesgos c ar las funcio usa de egreso
de riesgos c
lisis de Kapl probabilidad
ente que ing vivo y la mu ta metodolog competitivos
ones de haz
o, eliminand
competitivos
lan-Meir inic d de egresar
gresa a una u uerte, enton gía es lo que s (Figura 2).
zard (hj) y
do los evento
en UCI.
ciaría por es de la UCI lu
unidad de cu ces se obser e se conoce . Los model las funcion os alternativo
stimar la cur uego del tiem
uidado rva el como los de es de os. rva de mpo t
En donde ni representa el número de pacientes en riesgo al iniciar el tiempo ti, es decir
aquellos que no han egresado de la UCI y di es el número de eventos que ocurren en ese
momento, es decir el número de egresos en el tiempo ti. Tomando como base la fórmula 2 y
con algunos cálculos algebraicos se puede llegar a expresar la probabilidad del evento
“egreso” en un tiempo t como:
t t i i i it
S
n
d
t
S
t
P
(
)
1
(
)
(
1)
(3)
Basados en lo anterior, Kalbfleisch y Prentice (43) proponen dividir la probabilidad total (formula 3), según las diferentes razones de egreso, en este caso egreso vivo y egreso muerto, así:
)
(
)
(
)
(
)
(
)
(
)
(
1 1 1t
P
t
P
t
S
n
d
t
S
n
d
t
S
n
d
d
t
P
m v t t i i mi t t i i vi t t i i mi vi i i i
(4)De forma similar, Fine y Gray (44) proponen una modificación al modelo de riesgos proporcionales de Cox, en el cual sea posible evaluar de forma directa el efecto de las covariables en la función de incidencia acumulada. Este modelo distingue entre los pacientes que aun están vivos y los que ya han fracasado por otras causas.
2.3 Efecto de los servicios académicos en el desempeño de las unidades de cuidado intensivo (UCI)
En la actualidad y desde la reforma de seguridad social de 1993, los hospitales se han visto en la necesidad de ofrecer servicios de alta calidad que les permita estar preparados para las evaluaciones del cumplimiento de estándares y ser competitivos en el medio. Sin embargo, este cambio en los procedimientos les ha generado otros costos extras, los cuales deben conocer a fondo para lograr minimizarlos, sin disminuir la calidad recomendada y seguir prestando un servicio de salud adecuado. Dentro de este escenario, es importante poseer información que les permita evaluar de manera sistemática los servicios de salud (45).
evaluar el cumplimiento de las normas establecidas. Aunque la manera de llevar a cabo ese control de calidad no es muy claro, se ha reportado que debe evaluar aspectos del proceso, la estructura y la organización, junto con los desenlaces tales como mortalidad, duración de estancia y reingresos (47).
La Unidad de Epidemiología Clínica y Bioestadística de la Pontificia Universidad Javeriana en el trabajo “Evaluación de Cuidado Intensivo en Colombia” (48) obtuvo información de 63 de las 87 UCI identificadas durante 1996 en el país, reportando estancias más largas y mayores tasas de rechazo vinculadas a falta de camas en UCI públicas. La conclusión más amplia de este estudio fue que los servicios de cuidado intensivo en el país se encuentran por debajo de los estándares esperados.
Dados los resultados anteriores y la importancia del problema, durante 2001, la Academia Nacional de Medicina y la Asociación Colombiana de Medicina Crítica y Cuidado Intensivo, realizaron un trabajo para evaluar el estado a la fecha del total de UCI de adultos localizadas en IPS de tercer nivel en el país, en términos de recurso humano y tecnológico (49).
motivo, la mayoría de estudios que han intentado aproximarse a los resultados de las instituciones, se han basado en comparaciones de la eficiencia y eficacia de los servicios a través de indicadores como tiempos de estancia, mortalidad e intervenciones, ya que estos cuentan con instrumentos de medición más fiables y con mayor validez.
Uno de los aspectos que ha sido de interés dentro de la evaluación de la morbi-mortalidad y los costos a la que se han enfrentado los hospitales, en el que hace referencia a los efectos de los servicios académicos y si estos son compensados con las diferencias en los desenlaces de los pacientes entre instituciones académicas y no académicas. Sin embargo, esta pregunta aún no tiene una respuesta clara en Colombia.
En EE.UU (7), Canadá (50), Reino Unido y España (51;51), entre otros, se han realizado estudios para evaluar las implicaciones de la docencia en los costos de la atención en los hospitales, los cuales concluyen que hay mayores costos entre mayor es la relación de residentes por cama; adicionalmente, debido a la cantidad de variables que influyen en los costos de la docencia, se argumentan dificultades metodológicas. Sin embargo, en EEUU (52) y el Reino Unido (53), se han generado políticas que regulan el pago de la actividad docente de los hospitales universitarios.
Valencia y la Universidad Industrial de Santander en el 2001 (56). Los tres aplicaron diferentes metodologías para hallar los costos de la docencia y tuvieron como objetivo fundamental ajustar los convenios académico-asistenciales que prestaban.
Al evaluar la evidencia actual, se podría suponer que los hospitales académicos presentan mayores costos, sin embargo, mayores costos deberían reflejarse en iguales o mejores desenlaces en los pacientes (57), lo cual convertiría en tolerables dichos sobrecostos relacionados con el servicio académico. Zimmerman y colaboradores (3) intentaron clarificar las diferencias en efectividad y eficiencia de la atención de pacientes entre UCI académicas y no académicas, haciendo ajustes por severidad de los pacientes. Entre los resultados encontraron que las UCI académicas tienen el doble de médicos que en las UCI no académicas, pero los pacientes de las primeras son significativamente más jóvenes y de mayor severidad. Ajustando por riesgo, el tiempo de estancia hospitalaria y la tasa de mortalidad hospitalaria fue similar en ambos tipos de UCI, sin embargo, el consumo de recursos fue significativamente mayor en las UCI académicas con un costo promedio adicional estimado en $3.000 dólares (10.5%) por paciente, relacionados con un incremento en el uso de pruebas diagnósticas y procedimientos invasivos.
En Colombia, según el estudio de Rubiano y colaboradores (6), no se encontraron diferencias en la severidad con la que ingresan los pacientes a las UCI, ni en la mortalidad, sin embargo, se reportan diferencias de un día en la mediana del tiempo de estancia en la UCI y de un 25% más en la cantidad de recursos utilizados, siendo mayor para los pacientes atendidos en las UCI académicas. Pese a la rigurosidad del estudio y la metodología de análisis, las características de las UCI fueron incluidas al modelo al mismo nivel que las variables de los individuos, lo cual podría estar limitando la explicación de la variabilidad observada (59).
3. OBJETIVOS
3.1 Objetivo general
Identificar las diferencias del efecto de los servicios académicos en la mortalidad y estancia de pacientes críticamente enfermos atendidos en Unidades de Cuidado Intensivo, al ser estimado a través de métodos multivariados tradicionales y nuevas metodologías de análisis.
3.2 Objetivo secundario
Estimar el efecto los servicios académicos en la mortalidad y estancia de pacientes críticamente enfermos atendidos en UCI al ser estimado a través de métodos jerárquicos.
3.3 Objetivos específicos
Estimar el efecto de los servicios académicos en la mortalidad de los pacientes
Estimar el efecto de los servicios académicos en el tiempo de estancia en UCI de los
pacientes críticamente enfermos utilizando regresión de Cox y modelos de riegos competitivos.
Comparar en cuanto a magnitud, precisión y variables de control, las estimaciones
4. MATERIALES Y MÉTODOS
4.1 Diseño del estudio
Análisis secundario de integración de las bases de datos de los proyectos:
Estado de la calidad de la atención en las unidades de cuidado intensivo en Colombia: “recurso humano y tecnológico, entidades trazadoras” (49).
Efectividad y eficiencia de las unidades de cuidado intensivo académicas
comparadas con las unidades de cuidado intensivo no académicas en la atención de pacientes críticamente enfermos (6).
En el primer estudio se obtuvo información de las características de todas las UCI habilitadas para prestar servicios en Colombia (condición académica o no, estructura tecnológica y recurso humano de acuerdo con los estándares legales vigentes (60) y los definidos por la Asociación colombiana de Medicina Crítica y Cuidado Intensivo (AMCI).
De acuerdo al primer estudio se dividieron las UCI en académicas, no académicas y mixtas. Para esta clasificación se definió unidad académica como aquella que cumplía con todas las siguientes características y no académica como aquellas que no cumplía ninguna:
UCI situada en un hospital con convenios docentes asistenciales para cinco o más
UCI con convenios docentes asistenciales vigentes para especialización o
subespecialización en áreas de la medicina.
Residentes de la UCI en los turnos de la mañana y la tarde de manera permanente.
Residentes de la UCI siempre acompañados por especialistas en los turnos.
Revisión de temas y de caso con los residentes de la UCI.
Para el segundo estudio se seleccionaron todas las unidades de cuidado intensivo que eran puramente académicas o no académicas y además cumplían con los siguientes criterios de inclusión:
Más de 4 camas.
Promedio de ocupación mayor al 60%.
Cumplían con los requisitos de habilitación exigidos en Colombia (61).
4.2 Población de estudio
Pacientes críticamente enfermos atendidos durante el período de 1 julio al 31 de diciembre de 2005 en las UCI de adultos, localizadas en Instituciones Prestadoras de Salud (IPS) de tercer nivel en Colombia que cumplían con la definición de UCI académica y no académica.
4.3 Criterios de inclusión
Pacientes adultos críticamente enfermos, los cuales se definen por la mezcla de
tres modelos (63): priorización, diagnósticos y con parámetros objetivos.
4.4 Criterios de Exclusión
Pacientes menores de 16 años.
Pacientes con estancia en la UCI menor de 24 horas.
Pacientes admitidos en calidad de donador de órganos.
Pacientes quemados.
Pacientes en post operatorio de cirugía cardiaca.
4.5 Variables
Las variables a nivel de paciente, evaluadas como variables dependientes fueron la mortalidad en UCI y el tiempo de estancia (en días). Adicional a estas variables, se tienen en cuenta, debido a su importancia clínica según reportes de la literatura comentados anteriormente:
Edad
Sexo
Tipo de ingreso (médica, cirugía electiva, cirugía de urgencia)
Sistema de afiliación a salud
Puntuación de severidad de acuerdo con APACHE II
Nivel de intervención de acuerdo con la puntuación de TISS 28
Con respecto a las características de las unidades, se tuvieron en cuenta las siguientes variables, debido a que se han visto relacionadas con la mortalidad y estancia en UCI:
Tipo de UCI (académica o no académica).
Naturaleza jurídica de la institución (publica, rivada).
Tipo de UCI (médica, quirúrgica, mixta y coronaria).
Decisiones de manejo del paciente (Abierta: Cuando el médico y/o servicio
exclusivas de la UCI. Mixta: Cuando las decisiones sobre el manejo del paciente son decididas en la UCI, pero se tiene en cuenta las sugerencias del médico y / o servicio tratante).
Número de camas disponibles.
Porcentaje de ocupación.
Años de experiencia del director en cuidado intensivo
Horas de presencia del director en el servicio
Promedio de enfermeras y la razón número de camas:enfermera.
Cantidad de equipos de bombas de infusión, atriles, monitores
electrocardiográficos, ventiladores mecánicos
4.6 Análisis de la información
Se realizó un análisis descriptivo de las variables utilizando proporciones para las variables cualitativas y en las variables cuantitativas se utilizaron promedios acompañados de las respectivas desviaciones estándar, o cuando fuese pertinente se reportaron las medianas con los rangos.
evaluación de las variables cuantitativas asociadas al tiempo de estancia en UCI se utilizó el coeficiente de asociación de Spearman y se reportó con su respectivo intervalo de confianza.
Basados en las comparaciones realizadas utilizando un nivel de significancia del 5% y según los hallazgos reportados en la literatura se seleccionaron las variables por las cuales se realizaron los ajustes en los modelos efectuados.
Se estimó el efecto de las UCI académicas en la mortalidad de pacientes utilizando modelos de regresión logística tradicional y multinivel con estructura de dos niveles (individuo y UCI). En el ajuste por posibles variables de confusión se utilizaron las variables del paciente y de estructura de la UCI seleccionadas según el criterio mencionado anteriormente.
Se describieron las diferencias en cuanto a magnitud y precisión de la estimación y las variables de control importantes que resultaron de las diferentes metodologías de análisis. Se utilizó el programa estadístico Stata 11 para el análisis de la información.
4.7 Aspectos éticos
En este estudio se empleó información ya existente tanto de la estructura de las UCI, como de los pacientes, por lo cual, según la resolución 8430 de 1993 es clasificado como investigación sin riesgo.
5. RESULTADOS
[image:40.612.93.545.334.666.2]Se obtuvo información de 1622 pacientes, de los cuales 814 (50.2%) ingresaron a unidades de cuidado intensivo de carácter académico. Las características generales de estos pacientes fueron descritas en el artículo de Oliveros y colaboradores (62), donde se resalta que la edad promedio de los pacientes es 56 años (d.e. 20.5), el 55.1% ingresa con una condición médica; en general alcanzan una estancia mediana en la UCI de 4 días (rango de 1 a 119) y se reporta una mortalidad observada del 21% (Tabla 1).
Tabla 1. Características generales de los 1622 pacientes según tipo de UCI
Variable N % Académica No académica p
1622 100 (n=814) (n=808)
Sexo masculino 849 52.3 55.2 49.5 0.02
Edad promedio (d.e.) 56.0 20.5 53 (20.9) 59 (19.7) ˂0.01
Tipo de ingreso ˂0.01
Condición médica 893 55.1 55.3 54.8 Cirugía electiva 410 25.3 22.1 28.5 Cirugía de urgencias 319 19.7 22.6 16.7 Estancia en días en UCI
(mediana) 4 3.83 3 ˂0.01
APACHE II promedio (d.e.) 16.8 (7.3) 17.0 (7.39) 16.6 (7.15) 0.33 TISS28 promedio (d.e.) 212.6 (272) 33.6 (9.58) 33.71 (8.25) 0.76 Mortalidad Observada 340 21 22.1 19.8 0.25
Sistema de salud afiliado ˂0.01
Contributivo 784 48.3 43.1 53.6
Subsidiado 199 12.6 12.4 12.1
Vinculado 88 5.4 9.5 1.4
Fuerzas armadas 284 17.5 18.6 16.5
SOAT* 87 5.4 6.3 4.5
Particular 33 2 1.7 2.4
ARP+ 6 0.4 0.0 0.7
Medicina prepagada 106 6.5 6.9 6.2
Otro 35 2.2 1.6 2.7
*
Seguro obligatorio de accidentes de transito +
Aseguradora de riesgos profesionales
La comparación entre las características de los pacientes según las UCI académicas y no académicas, son comentadas en el artículo de Rubiano y colaboradores en el 2012 (6). No se observaron diferencias en APACHE II ni TISS 28 entre los tipos de UCI; no obstante, se encontraron diferencias en la edad, siendo más jóvenes los pacientes que ingresaron a UCI académicas, algunas diferencias en el tipo de ingreso, sexo de los pacientes y la afiliación al sistema de salud (Tabla 1).
[image:41.612.107.547.414.671.2]La tabla 2 muestra la comparación de las características de las UCI según la condición de académicas o no. Es posible observar que las UCI no académicas eran, en su mayoría, privadas, todas eran quirúrgicas y en las demás características presentan sistemáticamente menores recursos.
Tabla 2. Características de las UCI según tipo de UCI
Variable Académica No académica
(n=11) (n=8)
Privadas 45.6 75.0
Tipo de UCI
Médica 18.2 0.0
Quirúrgica 18.2 0.0
Mixta 54.6 100.0
Coronaria 9.1 0.0
Decisiones manejo (cerrada) 9.1 9.1
Número de camas (mediana) 8 (6 - 20) 8 (5 - 13) Promedio de ocupación (media) 79% (12.6) 65% (18,7) Años de experiencia del director en cuidado intensivo
(mediana) 13 (6 - 25) 11 (5 - 26)
Horas presenciales del Director (mediana) 44 (30 - 58) 38 (18 - 60) Relación cama:enfermera 1.4 (1.1 - 2) 1.3 (1.2 - 2.3) Cantidad de equipos promedio (d.e)
Bombas de infusión 45 (25.8) 35 (9.9)
Atriles 47 (27.3) 39 (18.5)
Monitores electocardiográficos 10 (4.2) 8 (3,7)
De las características de los pacientes, tal como se muestra en la tabla 3, se encontraron asociadas a la mortalidad en UCI, la edad del paciente, el tipo de ingreso, el sistema de salud, la severidad del pacientes medida a través del APACHE II y el consumo de recursos medido a través de la suma del TISS 28 durante el tiempo en UCI.
Tabla 3. Características de los pacientes según estado de egreso
Variable Vivo Muerto p
(n=1282) (n=340)
Sexo masculino 52.3 52.7 0.90
Edad media (d.e.) 55 (20.6) 58 (20.1) ˂0.01
Tipo de ingreso ˂0.01
Condición médica 52.7 64.1
Cirugía electiva 27.9 15.6
Cirugía de urgencias 19.5 20.29
Estancia en UCI (mediana días) 3.2 (1 - 118) 4.4 (1 - 63) ˂0.01 APACHE II media (d.e.) 15.5 (6.6) 21.9 (7.5) ˂0.01 TISS28 media (d.e.) 195 (7.5) 280 (15.3) ˂0.01
Sistema de salud afiliado 0.01
Contributivo 49.5 44.1
Subsidiado 10.9 17.4
Vinculado 4.9 7.4
Fuerzas armadas 17.4 17.9
SOAT* 5.4 5.3
Particular 2.2 1.5
Medicina Prepagada 7.1 4.0
ARP+ 0.5 0.0
Otro 2.1 2.4
*
Seguro obligatorio de accidentes de transito +
Aseguradora de riesgos profesionales
Tabla 4. Características de las UCI según el estado de egreso del paciente
Variable Vivo Muerto
p (n=1282) (n=340)
Privadas 73.2 62.4 ˂0.01
Tipo de UCI 0.35
Médica 7.2 8.8
Quirúrgica 8.6 6.8
Mixta 82.5 83.6
Coronaria 1.7 0.9
Decisiones manejo (cerrada) 7.2 7.9 0.67
Número de camas (mediana) 10 (5 - 20) 9 (5 - 20) ˂0.01 Promedio de ocupación (media) 74.5% (14.7) 75.3% (16.9) 0.43 Años de experiencia del director en cuidado intensivo
(mediana) 13 (5 - 26) 13 (5 - 26) 0.40
Horas presenciales del Director (mediana) 40 (18 - 60) 40 (18 - 60) 0.15 Razón cama:enfermera 1.3 (1.1 - 2.3) 1.4 (1.1 - 2.3) ˂0.01 Cantidad de equipos promedio (d.e)
Bombas de infusión 47 (23.4) 44 (21.3) ˂0.01
Atriles 46 (20.8) 41 (22.3) ˂0.01
Monitores electocardiográficos 9.9 (5.1) 9.7 (4.1) 0.46 Ventiladores mecánicos 11 (5.0) 10 (5.0) ˂0.01
Revisando la información de las tablas 1 y 3 se decidió ajustar los modelos presentados a continuación utilizando como variables del paciente el sexo, la edad, el tipo de ingreso y el sistema de salud, ya que presentan variabilidad dentro del tipo de UCI y algunas de ellas, presentaron asociación con mortalidad. Adicionalmente, en el ajuste también se tuvo en cuenta las variables APACHE II y TISS 28 a nivel del paciente, que aunque no resultaron estadísticamente diferentes entre el tipo de UCI, si se mostraron asociadas con mortalidad y han sido reportadas varias veces en la literatura como de gran interés.
Según el OR no ajustado, no se puede asegurar que el ingreso a una UCI académica aumente el riesgo de muerte (Tabla 5). Sin embargo, al realizar el modelo de regresión logística tradicional, ajustada por las variables seleccionadas del paciente y la UCI, incluidas todas en el mismo nivel de análisis, el OR resultante es 1.46, el cual es estadísticamente significativo. Tal hallazgo indicaría que las UCI académicas se encuentran asociadas con mayor mortalidad.
Ahora bien, para evaluar la necesidad de la regresión logística multinivel en este caso, es necesario mostrar que existe una variabilidad entre las UCI. Por tal motivo se realizó un modelo de regresión logística multinivel para la mortalidad, sin variables explicativas y separando la variabilidad entre la generada por las UCI y por los pacientes. Como resultado de este modelo nulo, la variabilidad generada por las UCI explica el 52% de la variabilidad total de la mortalidad. Lo anterior muestra que efectivamente la mortalidad de los pacientes tiene una explicación debida al contexto (UCI), la cual resulta estadísticamente significativa (p<0.001).
regresión logística tradicional. Con lo anterior, sería incorrecto afirmar que existe una relación entre las UCI académicas y la mortalidad del paciente.
Tabla 5. Asociación entre las UCI académicas y la mortalidad del paciente
Modelo Variables OR Intervalo Amplitud
No ajustado 1.15 0.91 - 1.46 0.55
Regresión logística Tipo de ingreso APACHE II TISS 28
Número de bombas de infusión Número de atriles
1.46 1.09 - 1.94 0.85
Regresión logística multinivel
APACHE II TISS 28
Naturaleza jurídica
Número de bombas de infusión Número de atriles
1.41 0.85 - 2.32 1.47
Tabla 6. Asociación de las características de los pacientes y de las UCI con el tiempo de estancia en UCI
Variable Mediana*
Spearman
Rango
IC95% p
Sexo 0.12
Femenino 3.14 1 - 118.9
Masculino 3.73 1 - 63.2
Edad (spearman) -0.02 -0.1 – 0.02 0.33
Tipo de ingreso <0.01
Condición médica 3.79 1 – 118
Cirugía electiva 2.5 1 - 37.3
Cirugía de urgencias 4.1 1 - 57.2
APACHE II (spearman) 0.34 0.15 – 0.24 <0.01
TISS28 (spearman) 0.92 0.92 – 0.93 <0.01
Sistema de salud afiliado <0.01
Contributivo 2.9 1 - 90.5
Subsidiado 5.1 1 - 57.2
Vinculado 4.5 1 - 118.9
Fuerzas armadas 3.4 1 - 53
SOAT+ 5.1 1.1 - 43.7
Particular 3.3 1 - 53
ARP± 3 1.1 - 11.5
Otro 2.9 1 - 22.
Naturaleza Jurídica <0.01
Privadas 3.4 1 - 118.9
Públicas 4.1 1 - 63.2
Decisiones manejo 0.05
Cerrado 3.7 1 - 34.9
Mixto 3.4 1 - 118.9
Promedio de ocupación (spearman) 0.09 0.04 – 0.13 <0.01 Años de experiencia del director en cuidado
intensivo (spearman)
-0.04 -0.09 – 0.01 0.07 Horas presenciales del Director (spearman) 0.13 0.07 – 0.17 <0.01 Relación cama:enfermera 0.10 0.05 – 0.15 <0.01 Cantidad de equipos (spearman)
Bombas de infusión -0.06 -0.11 - -0.02 <0.01
Atriles -0.07 -0.11 – - 0.02 <0.01
Monitores electocardiográficos -0.06 -0.11 - -0.01 0.01 Ventiladores mecánicos -0.08 -0.13 – 0.03 <0.01
*Se reportan las medianas con el rango para variables cualitativas y el coeficiente de correlación de Spearman con el IC95% para las variables cuantitativas
La tabla 6 muestra la evaluación de la asociación de las diferentes características de los pacientes y las UCI con la estancia en este servicio. La tabla presenta las medianas entre los grupos, para las diferentes variables cuantitativas y los coeficientes de correlación de Spearman con sus intervalos de confianza, para evaluar la asociación de la estancia con las variables cuantitativas. El tipo de ingreso, el puntaje de APACHE II, el TISS28, y el tipo de afiliación a salud son las características del paciente que resultan asociadas a la estancia hospitalaria. En cuanto a las características de la UCI, la mayoría presentan asociaciones significativas con la estancia, pero en general, estas son leves.
Teniendo en cuenta los resultados de las tablas 1, 2 y 6, los ajustes para evaluar la asociación entre la estancia y el tipo de UCI, fueron realizados utilizando como características del paciente el sexo, la edad, el tipo de ingreso, el sistema de afiliación a salud, y los puntajes de APACHE II y TISS 28. Del tipo de UCI, según el análisis realizado, se ajusta por naturaleza jurídica, razón camas:enfermera y cantidad de equipos.
Luego, al realizar el ajuste incluyendo las características de las UCI, el HR disminuye significativamente, lo que no solo indica el efecto de confusión de las características de la UCI en la asociación evaluada, sino que también, muestra un mayor impacto de las UCI académicas en el aumento en la estancia en UCI. Estos resultados pueden ser interpretados directamente, dado que se mantiene el supuesto de riesgos proporcionales (p=0.07).
Tabla 7. Asociación entre las UCI académicas y la estancia de los pacientes en UCI
Modelo Variables HR Intervalo Amplitud
1 No ajustado 0.84 0.76 - 0.94 0.18
2 Regresión de Cox Edad
Tipo de ingreso APACHE II
0.89 0.80 - 0.99 0.19
3 Regresión de Cox Edad
Tipo de ingreso APACHE II
Número de bombas de infusión Número de atriles
0.73 0.65 – 0.83 0.18
4 Regresión de riesgos competitivos
Edad
Tipo de ingreso Afiliación a salud APACHE II TISS 28
0.89* 0.78 - 1.01 0.23
5 Regresión de riesgos competitivos
Edad
Tipo de ingreso (Cirugía electiva)
APACHE II TISS28
Razón camas:enfermera
Número de bombas de infusión Número de atriles
0.74* 0.64 – 0.85 0.21
Los modelos 4 y 5 (Tabla 7), muestran las estimaciones del HR para evento egreso vivo de UCI, ajustados por los riesgos competitivos de egreso, incluyendo solo las características del paciente y luego adjuntando las características de las UCI. Los resultados de estos modelos, son muy similares a los resultados de sus homólogos en la regresión de Cox. Sin embargo, al observar la figura 3, la estimación de la probabilidad de egreso vivo acumulada es sobrestimada por el método de Cox (línea punteada), al compararla con la estimación a través de riesgos proporcionales (línea continua).
Figura 3. Comparación de las estimaciones de la probabilidad de egreso
La figura 4 muestra como la incidencia acumulada de los egresos de UCI es mayor a través del tiempo en las UCI no académicas, lo que indica menor tiempo de estancia, ajustando por las características del paciente y las UCI.
0 1 .2 .4 .6 .8 E s ti mac ion es I A y 1 -S
0 50 100
Tiempo en dias
Incidencia Acumulada 1-Sobrevida UCIs Académicas 0 .2 .4 .6 .8 1 E s ti ma c ion e s de I A y 1 -S
0 50 100
Tiempo en dias
Figura 4. Incidencia acumulada para el egreso de UCI según su tipo en presencia de riesgos competitivos
Aunque no se estimó el modelo de riesgos competitivos multinivel que permitiera ajustar el efecto según la jerarquía de los datos, se espera que al hacerlo no se modifique en gran medida el estimador puntual del HR, en este caso se espera un aumento en la amplitud del intervalo de confianza del modelo 5, en donde, aun siendo el doble, como en el caso del modelo para mortalidad, se continua manteniendo la misma conclusión sobre una mayor estancia del paciente en las UCI académicas.
0
.2
.4
.6
.8
1
Inc
ide
nc
ia A
c
u
m
u
la
da
0 50 100 150
Tiempo en dias
No académicas Académicas
6. DISCUSIÓN
Los hospitales académicos son una parte muy importante del sistema de salud, en estas instituciones se forman no solo las nuevas generaciones de médicos, sino también se fomenta la investigación en pro de mejorar el cuidado de los enfermos. Sin importar el aumento en los costos de operación de estos centros, se debe garantizar un mejor, o por lo menos igual, cuidado de los pacientes, que se vea reflejado en mejores desenlaces para su salud.
Este estudio sugiere que no existen diferencias entre las tasas de mortalidad de las UCI académicas y no académicas al ajustar según características del paciente y características de estructura de las UCI, utilizando un modelo multinivel. Estos resultados son similares a los resultados reportados por Rubiano y cols (6) y por Zimmerman y cols (3), incluso cuando estas investigaciones utilizan estrategias de análisis diferentes. Otros estudios han mostrado que la mortalidad en las UCI académicas es menor (4;5), pero tal como lo comentan Rubiano y cols (6), una de las razones que explica dicha diferenciación, puede ser la población estudiada en cada una de las investigaciones.
estudio de Ayanian y cols (5) es una revisión de la literatura que combina los resultados de diferentes investigaciones. Sin embargo todos ellos ignoraron en sus ajustes las características de las UCI y el efecto que estas tienen sobre los pacientes.
Al realizar el modelo multinivel para la evaluación de la asociación de la mortalidad con las UCI académicas, es notorio el efecto que tiene la estrategia de análisis sobre los intervalos de confianza. Tal como lo ha mencionado Goldstein (9), al obviar las estructuras jerárquicas de donde provienen los datos, se puede estar aumentando el error estándar, obteniendo así, intervalos de confianza excesivamente estrechos. Dicho fenómeno fue corroborado con el aumento en casi el doble de la amplitud, del intervalo de confianza para el OR que evalúa la asociación entre el tipo de UCI y la mortalidad, al compararlo con la regresión logística no multinivel. En otras palabras, el omitir la estructura jerárquica de la información, puede estar reportando diferencias entre los grupos, cuando estas realmente no existen.
información disponible, que existen diferencias entre las UCI académicas y no académicas en cuanto a la mortalidad.
Lo anterior es un antecedente para futuras investigaciones de tipo observacional, donde los participantes sean seleccionados de diferentes servicios, o de experimentos en donde la aleatorización no se realice directamente sobre el paciente (unidad de análisis), sino sobre los servicios de atención (conglomerado).
Otra de las implicaciones en el análisis multinivel, fuertemente relacionado con el aumento en la amplitud de los intervalos de confianza, es el tamaño de muestra requerido para alcanzar la precisión deseada en la investigación. Tal como recomienda Twisk (64), es necesario calcular el tamaño de muestra estándar y luego aumentar dicho tamaño según el factor de corrección necesario en un estudio de conglomerados, el cual es el coeficiente de correlación intraclase. Este coeficiente indica el grado de similitud de los individuos dentro del conglomerado con respecto a la variable de interés, entre mayor sea este coeficiente, es decir, entre más parecidos sean los sujetos en cuanto a la variable de interés, mayor será el tamaño de muestra requerido para alcanzar la precisión deseada (65). En el tamaño de muestra utilizado para este estudio, dado que corresponde a un análisis secundario, esta corrección no fue realizada, por lo que si se hubiese contado con un tamaño de muestra mayor, se esperaría mejor precisión en los intervalos de confianza estimados en los modelos multinivel.
De igual forma, los resultados son discordantes con lo reportado en otras investigaciones (3-5), en las cuales se han citado estancias en las UCI académicas menores que en las no académicas. Pero al comparar los promedios de estancia globales, en las UCI de este estudio se encontraron estancias entre uno y dos días por debajo a las medianas de los otros estudios. Adicionalmente, las otras investigaciones (3-6) utilizaron como técnicas de análisis los modelos de regresión, no el análisis de sobrevida, lo cual, debido a la distribución de la variable tiempo de estancia, podría no ser adecuado.
Tal como comenta Pintilie (66) el análisis de sobrevida sin contemplar los riesgos competitivos sobrestima la probabilidad del evento, en este caso, el egreso vivo de UCI. Es decir, estaría simulando tiempos de estancia mayores a los reales. En este estudio, al realizar el ajuste por riegos competitivos, el HR varió levemente. Esto puede ser porque no hubo una diferencia en la mortalidad por tipo de UCI (académica o no académica), y las muertes en estos grupos se presentaron en tiempo similares, lo que iría ajustando equitativamente las curvas de tiempo de estancia.
variable ordinal y realizando en análisis según medias repetidas (67-69). En este caso, utilizar la estrategia de categorización no resultaba viable, pues las diferencias encontradas estaban alrededor de un día y al categorizar la variable se ocultaban las diferencias. Otra estrategia que se ha utilizado es realizar las estimaciones utilizando modelos de fragilidad de efectos mixtos (70-72), metodología que no fue considerada en los objetivos de este trabajo.
Sin embargo, es importante resaltar de nuevo, el efecto de ignorar las variables de otros niveles o jerarquías en los análisis, en el caso que se presenta en este estudio, las unidades de cuidado intensivo fueron elegidas de tal forma que debería cumplir los requisitos de habilitación exigidos en Colombia para la fecha, de los estudios originales, este criterio de inclusión claramente disminuyó la heterogeneidad entre las UCI. Aun así, el impacto de las características de las unidades incluidas a los modelos fue notorio.
7. CONCLUSIONES
No se encontraron diferencias en la mortalidad entre las unidades de cuidado intensivo académicas y las no académicas, al ajustar por características del paciente y de la infraestructura de las unidades de cuidado intensivo, utilizando un modelo multinivel.
Por otro lado, las unidades de cuidado intensivo no académicas presentan menores tiempos de estancia hospitalaria que las académicas, aun ajustando por las características del paciente y de la infraestructura de la unidad de cuidados intensivos. Sin embargo, es importante complementar este análisis con una revisión de las salidas prematuras de las UCI, la mortalidad hospitalaria y los reingresos a las UCI, desenlaces no evaluados en este estudio, pero que pueden explicar las diferencias en la estancia entre las unidades académicas y no académicas.
Un caso similar se presenta al omitir los riesgos competitivos en un análisis de sobrevida, y suponer que se tratan de observaciones censuradas no informativas, de esta forma se llega a una sobrestimación de la probabilidad de ocurrencia del evento.
8. REFERENCIAS
(1) Ley 1164, Congreso de la República de Colombia, (2007).
(2) Ley 1438, Congreso de la República de Colombia, (2011).
(3) Zimmerman J, Shortell S, Knauss W, Rousseau D, Wagner D, Gillies R, et al. Value and cost of teaching hospitals: A prospective, multicenter, inception cohort study. Critical Care Medicine 1993;21:1432-42.
(4) Rosenthal GE, Harper DL, Quinn LM, Cooper GS. Severity-adjusted mortality and length of stay in teaching and nonteaching hospitals. Results of a regional study. JAMA 1997;278(6):485-90.
(5) Ayanian JZ, Weissman JS. Teaching hospitals and quality of care: a review of the literature. Milbank Quarterly 2002;80(3):569-93.
(6) Rubiano S, Gil F, Celis-Rodríguez E, Oliveros H, Carrasquilla G. Critical care in Colombia: Differences between teaching and nonteaching intensive care units. A prospective cohort observational study. Journal of Critical Care 2012;27:104.e9-104.e17.
(8) Kleinbaum D, Lawrence K, Nizam A, Muller K. Straight-line regression analysis. Applied Regression Analysis and Other Multivariate Methods. 4 ed. Thomsom Higher Education; 2008. p. 45-9.
(9) Goldstein H. The 2-level model. Multilevel statistical models . 4 ed. London Arnold; 2011. p. 15-72.
(10) Davis K, Taylor B, Furniss D. Narrative account of tracking the rural domestic violence survivors´journey: a feminist approach. Healt care women Int 2001;22:333-47.
(11) Sandoval J. Costrucción de un modelo multinivel para el análisis de la agresividad indirecta en escolares: comuna nororiental; Medellín; Clombia; 2001. Rev Facultad Nal de Salud Pública 2004;22(2):91-103.
(12) Kleinbaum D. Introduction to survival analysis. In: Springer Science+Business Media I, editor. Survival Analysis [Recurso electrónico] A Self-Learning Text. 2005. p. 1-43.
(13) Rosel J. Modelos de regresión multinivel. 2003.
(14) Snijders TAB, Bosker RJ. Introduction to basic and advanced multilevel. Sage ed. London: 1999.
(16) Aparicio A, Morera M. La conveniencia del análisis multinivel para la investigación en salud: Una aplicación para Costa Rica. Población y Salud en Mesoamérica 2007;4(2, informe técnico 1).
(17) Chaix B, Chauvin P. The contribution of multilevel models in contextual analysis in the field of social epidemiology; a review of literature. Rev Epidemio, Santé 2002;50:489-99.
(18) Macintyre S. The patterning of helth by social position in contemporary Britain: direction for sociological resarche. Social science and medicine 1986;23:393-415.
(19) Duncan C, Jones K, Moon G. Context, composition and heterogeneity: Using multilevel models in health research. Soc Sci Med 1998;46(1):97-117.
(20) Catalán-Reyes M, Galindo Villardón M. Utilización de los modelos multinivel en investigación sanitaria. Gac Sanit 2003;17(3):35-52.
(21) Carmel S, Rowan K. Variation in intensive care unit outcomes: a search for the evidence on organizational factors. Curr Opin Crit Care 2001;7(4):284-96.
(22) Pronovost PJ, Jenckes MW, Dorman T, Garrett E, Breslow MJ, Rosenfeld BA, et al. Organizational characteristics of intensive care units related to outcomes of abdominal aortic surgery. JAMA 1999;281:1310-7.
(24) Brown JJ, Sullivan G. Effect on ICU mortality of a full-time critical care specialist. Chest 1989;96:127-9.
(25) Treggiari M, Martin D, Yanes D, Caldewll E, Hudson L, Rubenfeld G. Effect of Intensive Care Unit Organizational Model and Structure on Outcomes in Patients with Acute Lung Injury. Am J Respir Crit Care Med 2007;176(7):685-90.
(26) Ghorra S, Reinert SE, Cioffi W, Buczko G, Simms HH. Analysis of the effect of conversion from open to closed surgical intensive care unit. Ann Surg 1999;229:163-71.
(27) Carson SS, Stocking C, Podsadecki T, Christenson J, Pohlman A, MacRae S, et al. Effects of organizational change in the medical intensive care unit of a teaching hospital: a comparison of 'open' and 'closed' formats. JAMA 1996;276:322-8.
(28) Multz AS, Chalfin DB, Samson IM, Dantzker DR, Fein AM, Steinberg HN, et al. A ''closed'' medical intensive care unit (MICU) improves resource utilization when compared with an ''open'' MICU. Am J Respir Crit Care Med 1998;157:1468-73.
(29) Hanson CW III, Deutschman CS, Anderson HL III, Reilly PM, Behringer EC, Schwab CW, et al. Effects of an organized critical care service on outcomes and resource utilization: a cohort study. Critical Care Medicine 1999;27:270-4.
(30) Flaatten H. Effects of a major structural change to the intensive care unit on the quality and outcome after intensive care. Qual Saf Health Care 2005;14(4):270-2.
(32) Tarnow-Mordi WO, Hau C, Warden A, Shearen AJ. Hospital mortality in relation to staff workload: a 4-year study in an adult intensive-care unit. Lancet 2000;356:185-9.
(33) Dang D, Johantgen ME, Pronovost PJ, Jenckes MW, Bass EB. Postoperative complications: does intensive care unit staff nursing make a difference? Heart Lung 2002;31:219-28.
(34) Baggs JG, Ryan SA, Phelps CE, Richeson JF, Johnson JE. The association between interdisciplinary collaboration and patient outcomes in a medical intensive care unit. Heart Lung 1992;21:18-24.
(35) Zimmerman JE, Shortell SM, Rousseau DM, Duffy J, Gillies RR, Knaus WA, et al. Improving intensive care: observations based on organizational case studies in nine intensive care units: a prospective; multicenter study. Critical Care Medicine 1993;21(10):1443-51.
(36) Capuzzo M, Moreno RP, Le Gall JR. Outcome prediction in critical care: the Simplified Acute Physiology Score models. Curr Opin Crit Care 2008;14(5):485-90.
(37) Gichangi A. The analysis of competing risks data: A guided tour. Statistics in Medicine 2005;132(4):1-41.
(39) Molinero L. Introducción al análisis de supervivencia cuando existen riesgos competitivos o cuando existen diferentes estados posibles (modelos multi-estado).
http://www seh-lelha org/competing htm 2004 [cited 2012 Jun 21];
(40) Varadhan R, Weiss CO, Segal JB, Wu AW, Scharfstein D, Boyd C. Evaluating health outcomes in the presence of competing risks a review of statistical methods and clinical. Med Care 2010;48:96-105.
(41) Freidlin B, Korn EL. Testing tratmente effects in the presence of competing risks. Stat Med 2005;24:1703-12.
(42) Kleinbaum D. Kaplan-Meier survival curves and the log-rank test. In: Springer Science+Business Media I, editor. Survival Analysis [Recurso electrónico] A Self-Learning Text. 2005. p. 45-82.
(43) Kalbfleisch JD, Prentice RL. The statistical analysis of failure time data. Canada: John Wiley & Sons, Inc; 2002.
(44) Fine JP, Gray RJ. A proportional hazards model for the subdistribution of a competing risk. Am Stat Assoc 1999;94:496-509.
(45) Relman AS. Assessment and Accountability. New Eng J Med 1988;319:1220-2.
(47) Dennis R. Evaluación de calidad en cuidados intensivos. Fundación Santa Fe de Bogotá: Ediciones Acta Médica Colombiana; 1992.
(48) Dennis R, Metcalfe A, Pérez A, Londoño D, Gómez C, McPherson K, et al. Cuidado Intensivo en Colombia: Recurso humano y tecnológico Cuidado Intensivo en Colombia: Recurso humano y tecnológico. Acta Médica Colombiana 2000;25(5):211-7.
(49) Rubiano SL, Carrasquilla JG, Celis E. Estado de la calidad de la atención en las unidades de cuidado intensivo en Colombia: recurso humano y tecnológico, entidades trazadoras. Academia Nacional de Medicina, sociación Colombiana de Medicina Crítica y Cuidado Intensivo, editors. 2001.
Ref Type: Unpublished Work
(50) MacKenzie BA, Andrew R, Willan BA, Cox M, Green MA. Indirect costs of teaching in Canadian hospitals. Can Med Assoc J 1991;144:149-52.
(51) López-Casasnovas G., Sáez M, Zafra MS. La financiación frente a los costes en los hospitales docentes en España. Fundación BBV; 1999.
(52) Iglehart JK. Health Policy Report: The American Health Care System. Teaching Hospitals. New Eng J Med 1993;329:1052-6.
(53) Culyer AJ. Funding research in the NHS. Centre for Health Economics, University of York; 1994.
Ref Type: Unpublished Work
(55) Ruiz F. Costos de la Educación Médica en el Hospital Universitario de San Ignacio. Trabajo Interno del Centro de Proyectos para el Desarrollo (CENDEX), editor. 2001.
Ref Type: Unpublished Work
(56) Pradilla G. Aportes de la academia al hospital: Interrelación entre la calidad de la educación y la calidad de la atención al usuario. In: Patiño JF., Carrasquilla JG, editors. Foro permanente sobre La Calidad de la atención de la salud.Bogotá: 2002. p. 99-102.
(57) Dennis R, Acero R, Salas C, Orejuela F. Evaluación del Cuidado Intensivo. Acta Médica Colombiana 1995;20(2):64-70.
(58) Roberts CM, Barnes S, Lowe D, Pearson MG. Evidence for a link between mortality in acute COPD and hospital type and resources. Thorax 2003;58(11):947-9.
(59) Dennis R.J, Pérez A, Rowan K, Londoño D, Metcalfe A, Gómez C, et al. Factores Asociados con la Mortalidad Hospitalaria en Pacientes Admitidos en UCI en Colombia. Arch Bronconeumol 2002;38:117-22.
(60) Resoluciones 1439 de 2002 y 1894 de 2003, Ministerio de la Protección Social, (2003).
(62) Oliveros H, Rubiano S, Celis E, Gil F, Rodríguez V, Carrasquilla G. Mortalidad; estancia y uso de recursos en 1622 pacientes provenientes de 19 unidades de cuidado intensivo colombianas. Acta Colombiana de Cuidado Intensivo 2006;9(2):75-81.
(63) Martínez F, Prada G, Oliveros H, Prieto G, Saavedra A, Garzón D, et al. Paciente Críticamente enfermo criterios de ingreso a UCI. Critical Care Medicine 1999;27:633-8.
(64) Twisk JWR. Applied Multilevel Analysis: A Practical Guide. UK: Cambridge: University Press; 2006.
(65) Seuc AH, Domínguez E. Diseño de ensayos de intervención comunitaria. Rev Cubana Angiol y Cir Vasc 2001;2(2):117-22.
(66) Pintilie M. Análisis de riesgos competitivos. Rev Esp Cardiol 2011;64(7):599-605.
(67) Stephenson J, Chadwick BL, Playle RA. Modelling childhood caries using parametric competing risks survival analysis methods for clustered data. Caries Res 2010;44(1):69-80.
(68) Stephenson J, Chadwick BL, Playle RA. Treasure ET. A competingrisk survival analysis model to assess the efficacy of filling carious primary teeth. Caries Res 2010;44(3):285-93.
(70) Katsahian S, Bourdreau C. Estimating and testing for center effects in competing risks. Statistics in Medicine 2011;30:1608-17.
(71) Andersen PK, Klein JP, Mei-jie Z. Testing for centre effects in multi-centre survival studies: a monte carlo comparison of fixed and random effects test. Stat Med 1999;18(12):1489-500.
9. ANEXOS
