III CONGRESO NACIONAL DE ATENCIÓN SANITARIA AL PACIENTE CRÓNICO - 19 Y 20 DE MAYO

(1)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

MODELOS DE PREDICCIÓN Y EXPLICACIÓN DEL CONSUMO DE RECURSOS EN ATENCIÓN PRIMARIA, APLICABLES AL AUMENTO DE LA CRONICIDAD

Antonio Brugos Larumbe, Francisco Guillén Grima, Concepción Fernández Martínez de Alegría. Inés Aguinaga Ontoso.

Planteamiento

Se hacen necesarios modelos explicativos y predictivos del consumo de recursos para establecer medidas de una planificación

Objetivos:

Establecer modelos explicativos y predictivos para atención primaria de la carga asistencial de medicina y enfermería, del número de patologías crónicas y del gasto de farmacia en cada edad.

Analizar la asociación entre la cronicidad y el consumo de recursos

Material y métodos

Analizamos los datos informatizados de 7 centros de salud que atienden a una población de 86.572 pacientes >=18 años.

– 44.031 mujeres (50,9 %) – 42.541 hombres (49,1 %)

Variables recogidas: edad, género, gasto farmacia en 2008, consultas medicina y enfermería en 2008, Patologías crónicas: Enfermedad vascular establecida, Hipertensión, EPOC, Asma, Artrosis, Diabetes tipo 2 y Obesidad

Mediante regresión múltiple, establecemos modelos de para explicar y predecir el gasto de farmacia y las consultas de medicina y enfermería realizadas en el año 2008.

Comprobamos la validez del modelo y calculamos el coeficiente de determinación R2 Elaboramos los modelos forzando la entrada de las variables

Dos tipos de modelos de regresión:

• Modelos para estimar los consumos de recursos por paciente: – Modelos de regresión lineal múltiple:

Variables dependientes: consultas y gasto de farmacia por paciente

Variables independientes: edad, género y patologías crónicas (variables Dummy con valores 0 y 1) – Comprobamos la validez de los modelos y señalamos los coeficientes de determinación.

• Modelos para estimar los consumos medios en cada edad de los pacientes: – Modelos de regresión lineal, cuadráticos y cúbicos:

Variable independiente: edad

Variables dependientes: número medio de consultas y gasto medio de farmacia en cada edad. – Comprobamos la validez de los modelos y señalamos los coeficientes de determinación.

Igualmente establecemos modelos similares para explicar el número medio de patologías crónicas en cada edad (diabetes 1 y 2, EPOC, Asma, Hipretensión, enfermedad vascular, dislipemia, obesidad y artrosis):

(2)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

En la tabla 1 mostramos la población por centro de salud y los indicadores demográficos y de cronicidad

Tabla 1

Población por centro de salud, indicadores demográficos y cronicidad

Centro N

%

hombres Media Edad DS % ≥ 65 años (IC 95 %)

% Crónicos (IC 95 %) Centro 1 12.728 47,1 46,9 19,2 19,5 (18,8-20,2) 36,3 (35,4-37,1) Centro 2 16.642 49,8 45,4 17,9 17,0 (16,4-17,6) 36,7 (35,9-37,4) Centro 3 3.744 50,3 45,1 18,0 16,3 (15,1-17,2) 35,2 (33,7-36,8) Centro 4 17.462 47,2 48,1 19,4 20,5 (19,9-21,1) 39,3 (38,6-40,0) Centro 5 14.165 50,9 43,2 16,9 13,0 (12,4-13,6) 34,3 (33,5-35,1) Centro 6 11.378 49,9 48,5 19,7 22,7 (21,9-23,5) 42,1 (41,2-43,0) Centro 7 10.453 50,0 44,7 17,6 13,3 (12,6-14,0) 38,5 (37,6-39,4) 86.572 49,1 46,1 18,5 17,7 (17,4-17,9) 37,6 (37,3-37,9)

Modelos de regresión para la predicción individual de consumo de recursos a partir de edad y género

Variables Dependientes o resultado: Gasto Farmacia, Consultas totales, Consultas médico y Consultas enfermera

Variables independientes o predictoras: Edad y género

Tabla 4

Modelos de regresión para la predicción individual de consumo de recursos

Modelo Variable Dependiente Variables Independientes R R 2 R 2 ajustado Durbin-Watson Significación

1 Gasto Farmacia Edad y género 0,393 0,154 0,154 1,983 <0,001

2 Consultas totales Edad y género 0,411 0,169 0,169 1,936 <0,001

3 Consultas médico Edad y género 0,271 0,073 0,073 1,897 <0,001

4 Consultas enfermera Edad y género 0,367 0,134 0,134 1,963 <0,001

El 15,4 % de la variabilidad por paciente en el gasto de farmacia se puede explicar a partir de la edad y género. El 16,9 % en las consultas totales, el 7,3 % en las consultas médicas y el 13,4 % en las consultas de enfermería.

Modelos de regresión para la predicción individual de consumo de recursos a partir de edad, género y patologías crónicas

Modelos de regresión para la predicción individual de consumo de recursos a partir de edad género y patologías crónicas Model Variable Dependiente Variables Independientes R R 2 R 2 ajustado Durbin-Watson Durbin-Watson 1 Gasto Farmacia Edad, género y patologías crónicas 0,520 0,270 0,270 1,988 1,988 2 Consultas totales Edad, género y patologías crónicas 0,529 0,280 0,280 1,946 1,946 3 Consutas médico Edad, género y patologías crónicas 0,407 0,165 0,165 1,904 1,904

(3)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

4 Consutas enfermera Edad, género y patologías crónicas 0,465 0,216 0,216 1,972 1,972

El 27,0 % de la variabilidad por paciente en el gasto de farmacia se puede explicar a partir de la edad, género y patologías crónicas. El 28,0 % en las consultas totales, el 16,5 % en las consultas médicas y el 21,6 % en las consultas de enfermería.

Modelos de consumos medios por edad

Variable dependiente o resultado: Gasto de farmacia Variable Independiente o predictora: Edad

Tabla 5

Modelos de regresión lineal, cuadrático y cubico para el gasto medio de farmacia

Model R R 2 R 2 ajustado Durbin-Watson Significación Lineal 0,934 0,873 0,871 0,234 <0,001 Cuadrático 0,971 0,942 0,941 0,526 <0,001 Cúbico 0,981 0,962 0,960 0,758 <0,001

En la figura se muestra como el gasto medio es bajo desde los 15 años hasta los 40 años, posteriormente sube de modo líneas hasta los 80 años, para bajar hasta los 90 y más años.

(4)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

Modelo cuadrático

Modelo cúbico

Modelos para la carga asistencial: consultas totales, consultas médico y consultas enfermería MODELO 1: CONSULTAS TOTALES

Variable dependiente o resultado: consultas totales (médicos y enfermeras) Variable independiente o predictora: edad

(5)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

Model Summary and Parameter Estimates Dependent Variable:Media Consultas Totales

Model Summary Parameter Estimates

Equation R 2 F df1 df2 Sig. Constant b1 b2 b3 Lineal 0,880 544,2 1 74 0,000 -3,372 0,238 Cuadrático 0,977 1567,7 2 73 0,000 5,798 -0,185 0,004 Cúbico 0,980 1182,5 3 72 0,000 9,366 -0,451 0,01 -3,60E-05

The independent variable is Años de edad.

El 88,0 % de la variabilidad en las consultas medias totales se explica por la edad en un modelo lineal, el 97,7 % en un modelo cuadrático y el 98,0 % en un modelo cúbico.

MODELO 2: CONSULTAS MEDICINA

Variable dependiente o resultado: consultas medicina Variable independiente o predictora: edad

Model Summary and Parameter Estimates

Equation R Square F df1 df2 Sig. Constant b1 b2 b3

Lineal 0,937 1109,6 1,0 74,0 0,000 0,415 0,081

Cuadrático 0,960 874,6 2,0 73,0 0,000 1,865 0,014 0,001

Cúbico 0,969 743,9 3,0 72,0 0,000 3,923 -0,14 0,004 -0,00002073

(6)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

lineal, el 96,0 % en un modelo cuadrático y el 96,9 % en un modelo cúbico.

MODELO 3: CONSULTAS ENFERMERÍA

Variable dependiente o resultado: consultas medicina Variable independiente o predictora: edad

Dependent Variable:Número medio de consultas enfermería

Linear 0,819 333,9 1,0 74,0 0,000 -3,684 0,139

Quadratic 0,976 1502,5 2,0 73,0 0,000 3,371 -0,187 0,003

Cubic 0,976 990,4 3,0 72,0 0,000 3,679 -0,210 0,004 -0,0000031

El 81,9 % de la variabilidad en el número medio de consultas de enfermería se explica por la edad en un modelo lineal, el 97,6 % en un modelo cuadrático y el 97,6 % en un modelo cúbico.

En la figura se muestra la distribución del número medio de consultas para medicina y enfermería.

Se observa una menor carga asistencia en enfermería hasta los 70 años aproximadamente y a partir de esa edad se detecta una mayor carga de trabajo en enfermería.

(7)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

Número

medio

de

consultas

médicas

y

enfermería

por

edad

Podemos observar una menor carga asistencial en enfermería hasta los 70 años, sien do superior a partir de esa edad.

MODELO 4: ESTIMACIÓN NÚMERO DE PATOLOGÍAS CRÓNICAS

(8)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

Modelos de regresión gasto de patologías crónicas

Dependent Variable:Número medio patologías crónicas

Linear 0,914 782,916 1,000 74,000 0,000 -0,987 0,039

Quadratic 0,956 789,821 2,000 73,000 0,000 -0,022 -0,006 0,000

Cubic 0,987 2099,485 3,000 72,000 0,000 1,906 -0,150 0,003 0,000

Observamos que la nube de puntos es similar a la del gasto medio de farmacia por edad.

Se puede modelizar mediante un modelo de regresión cúbico explicando el 98,7 % de la variabilidad en la patología crónica.

La correlación entre el gasto medio de farmacia y el número medio de patologías crónicas por edad es del 0,983 (p<0,001).

Correlación gasto medio de farmacia por dad y número medio de patologías crónicas por edad

Correlations Gasto medio de farmacia Número medio patologías crónicas GFAR Pearson Correlation 1 ,983** Sig. (2-tailed) 0,000 N 76 76 Número medio patologías crónicas Pearson Correlation ,983** 1,000 Sig. (2-tailed) 0,000 N 76 76

**. Correlation is significant at the 0.01 level (2-tailed).

Discusión y conclusiones

Los modelos explicativos del gasto de farmacia y carga asistencial a partir de la edad y género tienen un poder explicativo muy limitado pero son significativos.

Si introducimos las patologías criónicas su capacidad explicativa mejora significativamente y se acercan a modelos de case mix utilizados como los Ambulatoy Care Group.

Si en lugar de intentar explicar la variabilidad de consumos de recursos individuales, intentamos explicar la variabilidad en el consumo de recursos medios para cada edad, los modelos son muy potentes, llegando a ser casi deterministas. Hemos podido establecer modelo muy potentes para explicar y predecir el consumo de recursos en atención primaria. También encontramos una significativa correlación entre edad y cronicidad que puede permitir estandarizaciones útiles para la planificación.

Los modelos son de enorme sencillez cumpliendo el requisito de parsimonia. Por el principio de parsimonia deberíamos ir a escoger los modelos lineales.

Estos modelos pueden ser de gran aplicabilidad para establecer ajustes presupuestarios de base capitativa para el gasto de farmacia de modo estandarizado.

(9)

III CONGRESO NACIONAL DE ATENCIÓN SANITARIA

AL PACIENTE CRÓNICO

- 19 Y 20 DE MAYO

La variable edad está fuertemente asociada a la cronicidad y carga asistencial por lo que puede ser utilizada para predecir ambas variables.

Podemos afirmar que las diferencias en el gasto de farmacia o carga asistencial no debidas a la edad y relacionadas con otras características del paciente o del médico u otras, son probablemente amplias ante un paciente concreto, pero se difuminan cuando analizamos el gasto medio en cada edad, y por tanto no influyen de modo relevante en el gasto total.