• 1

    Comparación de modelos predictivos para la selección de pacientes de alta complejidad

    Gaceta Sanitaria 2019;33(1): 60-65

    medes_medicina en español

    ESTUPIÑÁN-RAMÍREZ M, TRISTANCHO-AJAMIL R, COMPANY-SANCHO MC, SÁNCHEZ-JANÁRIZ H

    Gaceta Sanitaria 2019;33(1): 60-65

    Tipo artículo: Artículo

    Resumen del Autor: Objetivo Comparar la concordancia de los pesos de complejidad entre los estratificadores Clinical Risk Groups (CRG) y los grupos de morbilidad ajustada (GMA), determinar cuál de ellos es el mejor predictor de ingreso hospitalario y optimizar el método para seleccionar el 0,5% de pacientes de más alta complejidad que se incluirán en un protocolo de intervención. Método Estudio analítico transversal en 18 zonas de salud de Canarias, con una población a estudio de 385.049 personas, usando variables sociodemográficas procedentes de la tarjeta sanitaria, los diagnósticos y el uso de los recursos asistenciales obtenidos de la historia electrónica de salud de atención primaria (HSAP) y del conjunto mínimo básico de datos hospitalario, el estado funcional registrado en la HSAP y los fármacos prescritos en el sistema de receta electrónica. A partir de esos datos se estimó la concordancia entre estratificadores, se evaluó la capacidad de cada estratificador para predecir ingresos y se construyeron modelos para optimizar la predicción. ResultadosLa concordancia entre los pesos de complejidad de los estratificadores fue fuerte (rho = 0,735) y la concordancia entre categorías de complejidad fue moderada (Kappa ponderado = 0,515). El peso de complejidad GMA predice el ingreso hospitalario mejor que el del CRG (área bajo la curva [AUC]: 0,696 [0,695-0,697] vs. 0,692 [0,691-0,693]). Se añadieron otras variables predictivas al peso GMA, obteniendo la mejor AUC (0,708 [0,707-0,708]) el modelo compuesto por GMA, sexo, edad, escalas de Pfeiffer y Barthel, existencia de reingreso y número de grupos terapéuticos prescritos. Conclusiones Se constató una fuerte concordancia entre estratificadores y una mayor capacidad predictiva de los ingresos por parte de los GMA, que puede aumentarse añadiendo otras dimensiones.

    Notas:

     

    Palabras clave: Enfermedades crónicas, Estudios de cohortes, Estudios observacionales, Estudios retrospectivos, Gestión sanitaria, Hospitalización, Índice de severidad de la enfermedad , Modelos de predicción, Recursos de salud, Salud pública, Toma de decisiones

    ID MEDES: 143619 DOI: 10.1016/j.gaceta.2017.06.003 *



    * RECUERDE. Al pulsar el enlace “Texto completo”, usted abandonará el entorno MEDES. En ese caso, la web a la que desea acceder no es propiedad de Fundación Lilly y, por tanto, ésta no se responsabiliza de los contenidos, informaciones o servicios presentes en ella, ni de la política de privacidad que aplique el sitio web de un tercero.