Estratificación de la población en el País Vasco: resultados en el primer año de implantación

Atención

Primaria

www.elsevier.es/ap

ARTÍCULO

ESPECIAL

Estratificación

de

la

población

en

el

País

Vasco:

resultados

en

el

primer

a˜

no

de

implantación

夽

Juan

F.

Orueta

_,

_Maider

_Mateos

_Del

_Pino

_,

_Irantzu

_Barrio

_Beraza

_,

Roberto

Nu˜

no

Solinis

,

Maite

Cuadrado

Zubizarreta

y

Carlos

Sola

Sarabia

a_{O+Berri,InstitutoVascodeInnovaciónSanitaria,Sondika,Bizkaia,Espa˜na} b_{Osakidetza,Vitoria-Gasteiz,Espa˜na}

Recibidoel8deagostode2011;aceptadoel15deenerode2012 DisponibleenInternetel8demarzode2012

PALABRASCLAVE Ajustederiesgo; Planificación poblacional; Atenciónintegral alpaciente

Resumen Losmodelospredictivospermitenestratificaralapoblaciónenfuncióndelos cui-dadossanitariosque requeriránel a˜nosiguiente. Ofrecen alasorganizaciones sanitarias la oportunidad de actuarproactivamente, dise˜nando intervenciones específicas, adecuadas al nivel denecesidaddelosdistintos gruposde personas.La EstrategiadeCronicidadde Eus-kadiplanteaelempleodeestosmodelos,integrándolosconotraspolíticasyáreasdecambio. En2010serealizóporprimeravezlacategorizaciónprospectivadetodalapoblaciónadscrita aOsakidetza,pormediodelsistemaJohnsHopkinsAdjustedClinicalGroupsPredictiveModel (ACG-PM).Paraelloseempleó,deformasecundaria,informaciónyaregistrada,procedente delashistoriasclínicasinformatizadasdeatenciónprimariaydealtasdehospital.Este tra-bajoplantealasventajasdelautilizacióncombinadadediferentesfuentesdeinformacióny describelaaplicacióndelaestratificaciónpoblacionalen3programas,dirigidos aenfermos crónicoscondiferentecargadecomorbilidad.

©2011ElsevierEspaña,S.L. KEYWORDS Riskadjustment; Populationplanning; Comprehensive patientcare

StratificationofthepopulationintheBasqueCountry:resultsinthefirstyear ofimplementation

Abstract Predictivemodelsallowpopulationstobestratifiedaccordingtotheirhealth requi-rements forthe followingyear.Theyofferhealth careorganizationstheopportunitytoact proactively,designingspecificinterventionsadaptedtothelevelofneedofdifferentgroups ofpeople.The‘‘StrategyfortacklingthechallengeofchronicillnessintheBasqueCountry’’

夽 _{UnaversiónpreviadeestetrabajofuepresentadaenlasXXXIJornadasdeEconomíadelaSalud(PalmadeMallorca,2011)yalos}

PremiosProfesorBarea,queorganizalaFundaciónSigno.

∗_{Autorparacorrespondencia.}

Correoelectrónico:jon.orueta@osakidetza.net(J.F.Orueta). 0212-6567©2011ElsevierEspaña,S.L.

doi:10.1016/j.aprim.2012.01.001

Este es un artículo Open Access bajo la licencia CC BY-NC-ND.

proposestheuseofsuchmodels,integratingthemwithotherpolicies.Theprospective cate-gorizationofallthepopulationassignedtoOsakidetzawasperformedforthefirsttimein2010 usingtheJohnsHopkinsAdjustedClinicalGroupspredictivemodel(ACG-PM).Forthispurpose, already recordedinformationextracted fromelectronichealth recordsofprimary careand hospitaldischargereportswasused.Thisarticlediscussestheadvantagesofthecombineduse ofvarioussourcesofinformation,anddescribestheapplicationofthestratificationinthree programs,targetedatchronicpatientswhosufferdifferentburdensofcomorbidity.

©2011ElsevierEspaña,S.L.

Introducción

El aumento dela esperanzade vida, junto con las mejo-rasdelaatenciónsociosanitariayotrosfactorescomplejos, estánproduciendounaumentoprogresivoenlaprevalencia deenfermedadescrónicas ysituacionesdepluripatología. EnlacomunidadautónomadelPaísVasco(CAPV),soloel23% delosmayoresde65a˜nosrefiereestarlibredeestas enfer-medades,mientrasqueel37,5%declarasufrir2omás1_.

Los sistemas sanitarios actuales fueron dise˜nados para atender, principalmente, episodios agudosde enfermedad y,debidoaestaconcepción,experimentandificultadespara responderalasnecesidadesdeestospacientes.Eldesfase entreunsistemadise˜nadoparaatenderproblemasagudosy laspeculiaridadesdelospacientescrónicosconduceaque esta parte especialmentevulnerable dela población esté expuesta a múltiplesriesgos, como el control inadecuado desus problemas, la duplicaciónde unos serviciosy omi-sión de otros, el infradiagnóstico o los errores médicos2_. Consecuencias de todo ello son que la atención a estas personasobtienepeores resultados3 _{o quelosenfermos y} sus familiares muestran insatisfacción con los cuidados y menorconfianzaenlosprofesionalessanitarios4,5_.

Para mejorar la capacidad de respuesta de las orga-nizaciones sanitarias, se plantean estrategias basadas en lamultidisciplinariedad. Aunquedichasestrategias sehan aplicadoenorganizacionesysistemasdesaludde caracte-rísticasmuydiferentescompartenalgunosrasgoscomunes, comoelplanteamientodeunaasistenciaproactivacentrada enelpaciente,lacontinuidaddelaatención,lapromoción delautocuidado,elapoyoalafamiliaylaparticipaciónde lacomunidad6---9_.

Un requisito para que estas intervenciones resulten efectivas es que se ejecuten en aquellos pacientes que respondan al perfil para el que fueron dise˜nadas. La correctaidentificacióndelaspersonassusceptiblesde bene-ficiarse de las mismas resulta fundamental. Para ello, se han desarrollado modelos que emplean diferentes varia-blesexplicativas:demográficas,consumoprevioderecursos sanitariosoestadodesalud10,11_{.Lossistemasqueincorporan} variablesclínicastienenunacapacidadexplicativasuperior yresultanmásfácilesdeinterpretarparalosprofesionales sanitarios, responsables de la atención de estos pacien-tes.Uno deestosinstrumentospredictoresesel Adjusted Clinical Groups(ACG)12_{;dise˜nadoporinvestigadores dela} UniversidadJohnsHopkinsenEstadosUnidos.

Desde 2005 Osakidetza emplea el sistema ACG para observar la distribución de la morbilidad atendida en la

población y para evaluar la eficiencia de los profesiona-lessanitarios,perohastaahorasiempresehabíarecurrido a modelos retrospectivos, empleando exclusivamente los diagnósticosrealizadosporlosmédicosdeatención prima-ria.Conlapuestaenmarchadela«Estrategiaparaafrontar elretodelacronicidadenEuskadi»13_{seestablecióla} nece-sidaddeimplantarunmodeloprospectivodeestratificación delapoblaciónenfuncióndesusfuturasnecesidades asis-tenciales.Enesteprimera˜nosehaclasificadoalapoblación de la CAPV, combinando diferentes fuentes de informa-ciónparaobtenerlassiguientesvariables:diagnósticos(de atenciónprimariaydealtasdehospital),prescripcionesy procedimientos.

Procedimientos

de

clasificación

SeclasificóatodosloshabitantesdelPaísVascoasignadosa unmédicodeOsakidetzaduranteunmínimode6meses,en elperiodocomprendidoentreel1/09/2009yel31/08/2010 (n=2.292.581).

Fuentesdeinformación

Se empleó el Conjunto Mínimo Básico de datos (CMBD) de hospitales y datos extraídos de las historias clínicas informatizadas (HCI) de atención primaria. El modelo de HCI Osabide está organizado en episodios de atención. Cadaepisodioincluyeundiagnóstico,registradocomotexto libre,ysucorrespondientecódigoCIE-9-MC,introducidopor losclínicoscuando estableceno modificanel diagnóstico. Unadescripciónmásdetalladapuedeencontrarseenotras publicaciones14_.

Datosincluidos

Para clasificar a los pacientes se utilizaron: edad, sexo, códigos CIE-9-MC de los diagnósticos, códigos ATC de los fármacosprescritos,necesidaddetratamientocrónicocon diálisisynúmerodehospitalizacionesdurantelos12meses observados.Seconsiderarondiagnósticosdeatención prima-rialosdelosepisodiosdondealgún médicorealizóalguna anotación. Las prescripciones corresponden a los formu-larios que al efecto se cumplimentaron en Osabide. Los diagnósticosdehospitalcomprendentanto losprincipales comolossecundarios.

Fragilidad Anciano con anomalía

en la marcha Neo. maligna bronq/pulmonar Ascitis

Hospital Dominante (HOSDOM)

EYE_05: Trastorno refracción EAR_01: Otitis media

END_07: Diabetes 2 con complicaciones ACG_2300: P. aguda leve + crónica estable

Adjusted Clinical Groups (ACGs) Marcadores poblaciones especiales Clusters (EDCs) CIE-9-MC

Aggregated Diagnosis Groups (ADGs)

Figura1 GruposgeneradosporelsistemaACG-PMparaclasificardiagnósticosyalgunosejemplos.

Case-mix

ElACGPredictiveModelling(ACG-PM)esuninstrumentode estratificaciónpoblacional,dise˜nadoparapredecirelcoste sanitario, gasto en farmacia y riesgo de hospitalización. Empleavariablesdemográficas (edad ysexo),información clínica registrada durante 12 meses (códigosde los diag-nósticos,fármacosoambos)y,opcionalmente,datossobre utilizacióndeserviciosycostesprevios15_.

Clasificacióndediagnósticos

SeusóelprogramaACGgrouper,querealizadiferentes agru-paciones(fig.1):

- Los ACG son categorías autoexcluyentes de pacientes, creadas a partir de su comorbilidad. Primero los diag-nósticos asignadosdurante 12 mesessonclasificados en 32grupos llamados AggregatedDiagnostic Groups(ADG) enfuncióndelaprobableduraciónorecurrenciadeese problemadesaludyelconsumoderecursosesperadopara sutratamiento.ConlacombinacióndeADG,edadysexo, cadapersonaesclasificadaanualmenteenunúnicoACG. - LosExpandedDiagnosisClusters(EDC)clasificanlos diag-nósticos,basándoseencriteriosexclusivamenteclínicos. Permiten identificar a las personas que presentan una enfermedaddeterminada.

- Hospital Dominant Conditions (enfermedades deter-minantes de hospitalización) son enfermedades cuyo diagnósticoimplicaunriesgodehospitalizaciónsuperior al50%ela˜nosiguiente.

- Marcador de fragilidad es una variable dicotómica que indica la presencia de algún problema médicoasociado aestasituación.

Identificacióndeproblemasdesaludapartirdelas prescripciones

Elsistema ACG-PMemplea tambiénla información proce-dentedelas prescripcionesparaconocerla morbilidadde laspersonas.Losfármacos(clasificadosenel sistemaATC) se agrupan en 64 Rx-Morbidity Groups (Rx-MG) a partir

de4criterios:sistemacorporalalque sedirigen,nivelde especificidad,duraciónesperadaygravedad.

Desarrollodelmodelopredictivo

Lafigura2resumelasvariablesutilizadasylasestimaciones queofreceelcase-mix.Laprediccióndelconsumode recur-sos sepresentaenformadeíndice (expresado comopeso relativoycorrespondealcocientededividirelgasto espe-rado enesepaciente entreel promedio dela población). ElsoftwareACG-PMclasificaporseparadoalapoblaciónen 2gruposdeedad:mayoresymenoresde65a˜nos.

Resultados

y

aplicaciones

de

la

clasificación

de

pacientes

Deltotaldepersonasobservadassonmujeresel50,8%(n= 1.165.649)yelpromediodeedades43,7a˜nos.El porcen-tajedeni˜noses12,3%yeldepersonasmayoresde65a˜nos 19,7%.El72,3%delapoblaciónrealizóalmenosunavisita almédicodeatenciónprimariayel7,8%presentóunaomás hospitalizaciones,contabilizándose243.218ingresos.

El total de diagnósticos fue 23.964.758 y, de ellos, un 3,3% proceden del CMBD de hospital. Se incluyeron

Comorbilidad global del paciente (ACGs) Edad y sexo

Patologías-Dx (EDCs) Patologías-Rx (Rx-MGs) Poblaciones especiales:

- HOSDOM - Fragilidad Consumo previo de determinados recursos Coste previo de la atención sanitaria ACG-PM Predicción Consumo Recursos Predicción Gasto Farmacia Predicción Probabilidad Hospitalización

Figura 2 Variables incluidas por el modelo predictivo ACG-PM.

Tabla1 Comparacióndelasprevalenciasobtenidasenalgunasenfermedadesempleandocomofuentedeinformación diag-nósticosoprescripciones

Descripción Diagnósticos Prescripciones Cualquiera

Número % Número % Número %

Artritisreumatoide 5.503 0,24 9.289 0,41 12.665 0,55 Asmapersistente 100.554 4,39 167.233 7,29 181.034 7,90 Convulsiones 8.616 0,38 44.443 1,94 46.762 2,04 Depresión 26.397 1,15 137.024 5,98 143.279 6,25 Diabetes 97.978 4,27 90.950 3,97 115.027 5,02 Glaucoma 16.964 0,74 43.286 1,89 46.347 2,02 Hipertensión 223.524 9,75 356.661 15,56 381.601 16,65 Hipotiroidismo 37.702 1,64 47.337 2,06 60.542 2,64 Inmunosupresión/trasplante 1.405 0,06 4.042 0,18 4.267 0,19

Insuficienciacardiacacongestiva 12.731 0,56 68.480 2,99 70.202 3,06

Insuficienciarenalcrónica 15.688 0,68 645 0,03 15.853 0,69

Osteoporosis 29.107 1,27 95.432 4,16 102.240 4,46

Parkinson 4.147 0,18 9.041 0,39 9.784 0,43

Trastornodelmetabolismodelípidos 171.290 7,47 225.369 9,83 299.112 13,05

20.451.887 prescripciones realizadas por los médicos de atenciónprimariaalaspersonasquelesconsultaronyque correspondena1.497.195pacientes;deellos,50.857(3,4%) nocontabancondiagnósticoalguno.Elempleoconjuntode lainformaciónprocedentedediagnósticosyprescripciones permiteidentificarunnúmeromásaltodeenfermoscrónicos queutilizandoestasfuentesporseparado(tabla1). Estratificacióndelospacientesysuusoactual enelPaísVasco

Conla informaciónrecopilada se obtuvo el índice predic-tivodeconsumo derecursosdecada pacienteque ofrece por defecto el programa informático, el cual, junto con el restodevariables que proporcionael sistema ACG-PM, estásiendoempleadoparaidentificarapacientes candida-tos a intervenciones específicas, de las que se presentan 3ejemplos:

1. Nuevos roles de enfermería: enfermera gestora de competenciasavanzadas.Conelobjetivodeconseguiruna mejoradaptacióndelas laboresdeenfermeríaalas nece-sidadesdelospacientescrónicos,enelPaísVascoseestán pilotandodiferentesfiguras.Una esla enfermerade com-petencias avanzadas para la gestión de casos complejos; susfuncionessoncoordinar,gestionaryunificarlaatención sanitaria,asícomoproporcionarcuidadosclínicosavanzados y personalizados en pacientes vulnerables en su domici-lio. Cada unacuenta con unlistado deunos 50 usuarios, identificados,entreotras,atravésdelasherramientasde estratificación. Las poblaciones diana se han obtenido en función de las características propias de las comarcas de atenciónprimaria(CAP)ylacoexistenciaenellasdeotros programasespecíficos.Loscriteriosempleadosson: - La probabilidad del paciente de presentar un consumo

muyelevadoderecursos.

- Lapresencia o ausencia dedeterminados problemas de salud.

- Elnúmerodehospitalizacionesela˜noprevio.

Enla tabla 2 seresumen las selecciones realizadasen 3CAP.

2.Batera-Zainduz:compartiendocuidadosenlaatención alpaciente diabético (tabla 3).En laUnidad deAtención PrimariadeGorliz-Plencia(Bizkaia)seestápilotandoun pro-yectoparamejorarlaatenciónalosenfermoscondiabetes tipo2.Laintervenciónsefundamentaen:

- Enfatizar lasactividadesdeautocuidado,enespecialen losenfermosconescasacomorbilidad.

- Unamayorimplicacióndelosprofesionalesenlaatención alosenfermosconungradomásaltodecomplejidad.Para ello,sehapuestoenmarchauncall-centerque periódica-mentecontactaconelpacienteparaevaluarsusituación, detectaraspectosrelacionadosconelcumplimientoy ser-virderefuerzodeltratamiento.

- Enlospacientesconmayorriesgoserealizauna evalua-ción,planindividualizadoyseguimientocompartidoentre elmédicodeatenciónprimariayelendocrinólogode refe-rencia.

Sesiguieronloscriteriosdeunestudiopreviodirigidopor investigadoresdelaUniversidadJohnsHopkins16_, estratifi-candolospacientesen3grupos.Seconsideraronpacientes demayor riesgolosquepresentaban unmal controldesu enfermedad(segúnsusvaloresdehemoglobinaglucosilada) o aquellos en los que, aun estando bien controlados, el tratamientopodíaresultardifícilporlapresenciade comor-bilidad(enfuncióndelosíndicespredictivos).

3.Aplicaciónenlaevaluacióndela OfertaPreferente.

La oferta preferente (OP) de servicios sanitarios es una herramienta que emplea Osakidetza para la evaluación y financiacióndelasCAP.Incluyelosserviciospriorizadospor el Plan de Salud y sus intervenciones se fundamentanen guíasdeprácticaclínica(GPC).

Las GPC son un instrumento muy valioso de ayuda a los clínicos para tomar decisiones adecuadas en el tratamiento de enfermedades específicas. Sin embargo, resulta problemático ajustar esas recomendaciones a las

Tabla2 Seleccióndepacientesparaenfermeragestoracompetenciasavanzadas

ComarcaUribe

Poblacióntotal:223.681 Criteriosdeselección

Problemasdesalud

Motivosdeinclusión InsuficienciacardiacacongestivaoEPOC

Motivosdeexclusión Ninguno

Predicciónnecesidadatenciónsanitaria Edad0-64:IPR>10

0-1Ingresoa˜noprevio 51

2+Ingresosa˜noprevio 82

Total 133

Edad65omás:IPR>6

0-1Ingresoa˜noprevio 26

2omásingresosa˜noprevio 75

Total 101

ComarcaBilbao

Unidadesdeatenciónprimaria Bego˜na,Otxarkoaga,Txurdinaga,ZurbaranyKarmelo Poblacióntotal:68.478

Criteriosdeselección Problemasdesalud

Motivosdeinclusión InsuficienciacardiacacongestivaoEPOC

Motivosdeexclusión Diálisiscrónicaoneoplasia

Predicciónnecesidadatenciónsanitaria

Edad0-64:IPR>10 34

Edad65omás:IPR>6 57

ComarcaAraba

Unidadesdeatenciónprimaria Lakuabizkarra,AranbizkarraI,AranbizkarraII,LaHabana, Monta˜naAlavesa,Olaguibel,SanMartín

Poblacióntotal:146.932 Criteriosdeselección

Problemasdesalud

Motivosdeinclusión HOSDOM:1omás

Motivosdeexclusión Insuficienciacardiacacongestiva,neoplasia,diálisiscrónica

oinmunosupresión Predicciónnecesidadatenciónsanitaria

Edad0-64:IPR>9

Noingresosa˜noprevio 3

1omásingresosa˜noprevio 41

Total 44

Edad65omás:IPR>5

Noingresosa˜noprevio 25

1omásingresosa˜noprevio 21

Total 46

IPR:índicepredictivodeconsumoderecursossanitarios;HOSDOM:problemadesaluddeterminantedehospitalización.

personasconmúltiplespatologías17,18_{.Además,muchasde} susrecomendacionesserefierenaactividadesdeprevención secundariayterciaria,cuyosbeneficiosseránmásnotables enlospacientesenestadiosinicialesyconescasa comorbi-lidad.

La subdirección de Asistencia Sanitaria ha propuesto adoptarprogresivamenteunenfoquepoblacionalenlaOP, que se adecue a las necesidades específicas de los dife-rentesgrupos depacientes. Por este motivo se priorizará la realización de actividades de prevención secundaria en pacientes con diabetes tipo 2, hipertensión arterial e hipercolesterolemia. Se han considerado enfermos con

comorbilidadocomplicacionesrelevantes(estoes, exclui-dos de esta intervención) a los que además presentan insuficienciacardiaca,cardiopatíaisquémicaoun determi-nadoíndicepredictivo(tabla4).

Discusión

LaEstrategiadeCronicidaddeEuskadiplanteareinventarel modelodeprovisiónsanitaria.Entresuspolíticasincluyela adopcióndeunenfoquedesaludpoblacional,quepermita la implantación de intervenciones proactivas, dise˜nadas

Tabla3 Estratificaciónpacientesdiabéticos UnidaddeAtenciónPrimaria:Gorliz-Plencia Poblacióntotal:8.907

Grupo3 HbA1c>9oIPR>7,5 42(14%)

Grupo2 HbA1c7,5-9oIPR:3,2-7,5 101(35%)

Grupo1 HbA1c<7,5yIPR<3,2 149(51%)

Total 292

IPR:índicepredictivodeconsumoderecursossanitarios.

específicamenteparacubrirlosrequerimientosdelos dife-rentesgruposdepacientes.ElempleodelsistemaACG-PM con este objetivo ha resultado factible: utilizando de manera secundaria datos ya registrados (HCIde atención primariayCMBDdehospitales)sehaestratificadoatodala poblacióndelaCAPVylosresultadosobtenidosestánsiendo utilizados por otros programas. La experiencia adquirida permitirá repetir periódicamente el proceso de estrati-ficación y, así, contar con información suficientemente actualizada.

Unfactorclaveparalaimplantacióndeinstrumentosde estratificaciónpoblacionaleslafiabilidaddelosdatos reco-gidos,locualpuederesultarproblemático,especialmente enatenciónprimaria.Adiferenciadeloquesucedeen hos-pitales,noexisteunmodeloestandarizadoqueestablezca quéinformaciónbásicadeberegistrarsedeforma obligato-riaencadacontactodelpacienteconloscentrosdesalud. Además,enloshospitalesexistepersonalentrenado especí-ficamenteparacodificarlainformacióndeinformesdealta, mientras que en atención primaria son lospropios profe-sionalesquienesdebenrealizarlacodificaciónenCIE-9-MC de sus diagnósticos, tarea que enocasiones puede resul-tarlaboriosaydifícil.Aunquedesde2005Osakidetzaevalúa anualmente la codificación de diagnósticosen las HCI de atenciónprimariaysehacomprobadounamejora progre-siva en su calidad, debe reconocerse un cierto grado de subregistro19_.

Por ello, a˜nadir información procedente de recetas puede ayudar a superar algunas limitaciones. Aunque lasdiferenciasencontradasentrelastasasdeenfermedades crónicasobtenidasapartirdediagnósticosyprescripciones

Tabla 4 Oferta preferente: criterios de selección de pacientescrónicosconescasacomorbilidad

Criteriosdeinclusión

Presenciadealgunodeestos3diagnósticos: Diabetestipo2

HTA

Hiperlipidemia

Prediccióndelanecesidaddeatenciónsanitaria Edad0-64:IPR<2,7

Edad65omás:IPR<1,5

Criteriosdeexclusión

Presenciadealgunodeestos2diagnósticos: Insuficienciacardiaca

Cardiopatíaisquémica

IPR:índicepredictivodeconsumoderecursossanitarios.

puedanparecerelevadas,éstassoncongruentescon otros estudios20,21_{.Unaventajadelosdatosdemedicacioneses} quenorequierensercodificadosporlosmédicos prescripto-res.Además,enelcasodeenfermedadescrónicasestables, el paciente puede acudira recoger sus recetas impresas, sinqueelmédicorealiceanotacionesenlosepisodiosdela HCI.Porotraparte,elpropiodise˜nodelaHCIdeOsakidetza puedehacerdifícilregistrartodoslosdiagnósticos, especial-menteenelcasodelosenfermosquepresentanmúltiples enfermedades:alestarorganizadaenepisodiosdeatención, elclínicopuedetenerdificultadesendeterminarencuálde dichosepisodiosdebeincluirunaanotación.

El uso exclusivo de las prescripciones también puede presentarinconvenientes,yaquemuchasenfermedadesno tienenuntratamientofarmacológicoespecíficoynumerosas medicacionestienenindicacionesmúltiples.Asimismo, pue-denexistirsesgosprovocadospordiferenciasenelmodode trabajardelosclínicos:loscuposdelosmédicosmás pres-criptorespueden aparentarprevalencias deenfermedades máselevadas.Además, ennuestromedio tampocose dis-ponedeunregistrocompleto:todavíaexistenmédicosque utilizandemodosimultáneoformularioselectrónicosyen papel,por lo quealgunas recetas (habitualmenteagudas) nopuedensercapturadas.Porello,unautilización combi-nadadediversasfuentesproporcionaráunaestimaciónmás ajustadadelosproblemasdesaluddelapoblación.

Conlosdatosrecogidosestea˜noylosoutputsqueofrece elsistemaACG-PM,nuestraorganizacióndisponede infor-maciónparaseleccionarpacientesquerespondenaunperfil determinadodemorbilidad ynecesidadde asistencia. Sin embargo, otras aplicaciones del case-mix, entre ellas la identificaciónde pacientes con fallosen la adherenciaal tratamiento farmacológico,situaciones de riesgode mala coordinación o uso inadecuado de los servicios de salud, requieren la agregación de otras fuentes deinformación. EntrelosproyectosdelaEstrategiadeCronicidadse encuen-traneldesarrollodelarecetaelectrónicayOsabide-global (modelode historiaclínica unificadapara todoel servicio vasco de salud); en la medida que se realice su implan-tación,aumentaráel volumenycalidaddelainformación disponible,superándoseestosobstáculos.

Conclusiones

La adopción de un enfoque poblacional, combinado con una explotación exhaustiva de la información sanitaria disponible, ofrece orientaciones sobre el modo de diri-girlosesfuerzospara mejorarla atención alospacientes crónicos. Así, la utilización conjunta del CMBD de hos-pitales y los diagnósticos y prescripciones de las HCI de atenciónprimaria, registrados en condiciones de práctica habitual,permiteestratificarprospectivamenteala pobla-ción e implantar intervenciones específicas, dise˜nadas en funcióndelasnecesidadesdeatencióndecadagrupo pobla-cionaldefinido.Estainiciativa,quesehademostradoviable ennuestromedio,tieneunpotencialdedesarrollo conside-rableenlamedidaenqueseimplantennuevossistemasde informaciónoseenriquezcanlosexistentesatravésde pro-yectosyaenmarchaenEuskadicomoelmodelodehistoria clínicaunificadayrecetaelectrónica.

Puntos

clave

1. Laadopcióndeunenfoquepoblacionalofrece orien-tacionessobreelmododedirigirlosesfuerzospara mejorarlaatenciónalospacientes.

2. Lautilizaciónsecundariadedatosyaregistradospor losclínicos deatenciónprimariayenlas altasde hospitalpermitelaestratificacióndelapoblación. 3. Elempleodemúltiplesfuentesdeinformación

per-mite superar algunas limitaciones atribuibles a la calidaddelregistrodelosdatos.

Conflicto

de

intereses

Losautoresdeclarannotenerningúnconflictodeintereses.

Bibliografía

1.Perez Y,EsnaolaS,Ruiz R,deDiegoM,AldasoroE,CalvoM, etal.EncuestadeSaluddelaC.A.delPaísVasco2007. Vitoria-Gasteiz:DepartamentodeSanidadyConsumo;2010[consultado 14Feb2012].Disponibleen:http://www.osanet.euskadi.net/ r85-escav/es/contenidos/informacion/encuestasalud public-aciones/esescav/adjuntos/Encuesta%20salud%202007.pdf 2.BoultC,KarmL,GrovesC.ImprovingChronicCare:TheGuided

CareModel.ThePermanenteJournal.2008;12:50---4.

3.Wolff JL, StarfieldB, AndersonG. Prevalence,expenditures, andcomplicationsofmultiplechronicconditionsintheelderly. ArchInternMed.2002;162:2269---76.

4.ShadmiE,BoydCM,HsiaoCJ,SylviaM,SchusterAB,BoultC. Morbidityandolderpersons’perceptionsofthequalityoftheir primarycare.JAmGeriatrSoc.2006;54:330---8.

5. SchulzR,BeachSR,LindB,MartireLM,ZdaniukB,HirschC, etal.Involvementincaregivingandadjustmenttodeathofa spouse:findingsfromthecaregiverhealtheffectsstudy.JAMA. 2001;285:3123---9.

6.BodenheimerTS,Berry-MillettR.CareManagementofPatients withComplexHealthCareNeeds.[Internet][consultado21Mar 2011].TheSynthesisProject,Issue19.Princeton,NJ:Robert Wood Johnson Foundation. Disponible en: http://www.rwjf. org/files/research/021710.policysynthesis.caremanagement. rpt.revised.pdf

7.Latour CH, Van der Windt DA, De Jonge P, Riphagen II, DeVosR,HuyseFJ,etal.Nurse-ledcasemanagementfor ambu-latorycomplexpatientsingeneralhealth care:asystematic review.JPsychosomRes.2007;62:385---95.

8.Beswick AD, Rees K, Dieppe P, Ayis S, Gooberman-Hill R, Horwood J, et al. Complex interventions to improve phy-sical function and maintain independent living in elderly people: a systematic review and meta-analysis. Lancet. 2008;371:725---35.

9.ColemanK, AustinBT,Brach C,Wagner EH.Evidenceonthe ChronicCareModelin thenewmillennium.Health Aff (Mill-wood).2009;28:75---85.

10. Winkelman R, Mehmud SA. Comparative Analysis of Claims-Based Tools for Health Risk Assessment [Internet] [consul-tado 21 Mar 2011]. Schaumburg, Ill.: Society of Actua-ries;2007.Disponible en: http://www.soa.org/files/pdf/risk-assessmentc.pdf

11.Weir S, Aweh G, Clark RE. Case selection for a Medicaid chronic care management program.Health Care FinancRev. 2008;30:61---74.

12.JohnsHopkinsUniversity,SchoolofPublicHealth:TheJohns Hopkins University ACG Case-Mix System [consultado 21 Mar 2011]. Disponible en: http://www.acg.jhsph.org/index. php?option=comcontent&view=article&id=46&Itemid=366 13.Eusko Jaularitza-Gobierno. Vasco Departamento de

sani-dad y consumo. Estrategia para afrontar el reto de la conicidad en Euskadi. Vitoria-Gasteiz. 2010 [consultado 21 Mar 2011]. Disponible en: http://cronicidad.blog.euskadi. net/descargas/plan/EstrategiaCronicidad.pdf

14. OruetaJF,UrracaJ,BerraondoI,DarpónJ. ¿Esfactiblequelos médicosdeprimariautilicenCIE-9-MC?Calidaddela codifica-cióndediagnósticosenlashistoriasclínicasinformatizadas.Gac Sanit.2006;20:194---201.

15.JohnsHopkins,University,BloombergSchoolofPublicHealth. TheJohnsHopkinsACGSystemTechnicalReferenceGuide. Ver-sion9.0.Baltimore,MD:TheJohnsHopkinsUniversity;2009. 16.DunbarL.UsingACGinHealthManagementProgramsatJohns

Hopkins.En:JornadasobreExperienciasenAtenciónPrimaria yÁreasIntegradas.Sevilla;2009.

17.BoydCM, Darer J,Boult C,FriedLP, BoultL, Wu AW. Clini-calpracticeguidelinesandqualityofcare forolderpatients withmultiplecomorbiddiseases:implicationsforpayfor per-formance.JAMA.2005;294:716---24.

18.vanWeelC,SchellevisFG.Comorbidityandguidelines: conflic-tinginterests.Lancet.2006;367:550---1.

19.OruetaJF.UsodelsistemaACGenatenciónprimaria: experien-ciaenelPaísVasco.En:JornadasobreExperienciasenAtención PrimariayÁreasIntegradas.Sevilla;2009.

20.GilmerT,KronickR, FishmanP,GaniatsTG.TheMedicaidRx model:pharmacy-based riskadjustmentforpublicprograms. MedCare.2001;39:1188---202.

21.Calderón-Larra˜nagaA, AbramsC,Poblador-PlouB,WeinerJP, Prados-TorresA. Applying diagnosis and pharmacy-based risk models to predict pharmacy use in Aragon, Spain: the impact of a local calibration. BMC Health Serv Res. 2010; 10:22.