Este documento describe la implementación de la estratificación poblacional en el País Vasco para mejorar la atención de pacientes crónicos. Se utilizan modelos predictivos basados en datos demográficos, diagnósticos y costes para identificar pacientes según su riesgo y necesidades. Esto ha permitido dirigir recursos de manera más efectiva, aunque su uso en la práctica ha tenido resultados mixtos y es un proceso complejo que requiere cambios en los roles profesionales y estrategias a nivel poblacional.
Educación terapéutica. Claves para la realización de la entrevista clínica po...
Estratificación poblacional en el País Vasco
1. ESTRATIFICACIÓN POBLACIONAL
EN EL PAÍS VASCO
Roberto Nuño Solinís
Director de O+berri
Instituto Vasco de Innovación Sanitaria
Granada, 8 de junio de 2013
2. edad
%
Distribución en % de pacientes por nº de enfermedades crónicas (2010-2011)
Fuente: PREST – Base de datos de estratificación del País Vasco
Cronicidad y multimorbilidad
4. Average cost by number of chronic diseases and
socieconomic level
0
2.000
4.000
6.000
8.000
10.000
12.000
14.000
16.000
0 1 2 3 4 5 6 7 8 9 10+
Number of chronic diseases
AverageCost
1
2
3
4
5
Coste medio anual según nº de condiciones
crónicas y nivel de renta
6. Estratificación Poblacional en el País Vasco 6
El proyecto de investigación
Tabla-4. MAPE (Mean absolut prediction error) expresado en
forma de porcentaje del coste promedio, de los distintos
modelos basados en los sistemas de case-mix y empleando
diferentes modelos de regresión
Regresión Lineal (OLS) Two-parts Modelos Jerarquizados
ACG CRG DCG ACG CRG DCG ACG CRG DCG
Calibración
Propia
Variables
Edad y sexo (EyS) 106.80% 109.09% 106.52%
EyS + Sólo Dx 92.36% 96.36% 91.26% 114.59% 104.74% 109.74% 95.27% 95.97% 91.52%
EyS + Solo Rx 93.57% 91.87% 113.84% 115.74% 93.74% 91.98%
EyS + Dx + Rx 88.41% 87.02% 114.96% 114.44% 89.87% 87.26%
EyS + Dx + Rx + coste
percentil
85.99% 87.70% 85.05% 98.52% 96.11% 97.92% 86.97% 87.72% 85.37%
EyS + Dx + Rx + coste coste
percentil + IP
86.02% 87.70% 85.06% 98.49% 96.09% 97.89% 86.97% 87.72% 85.37%
7. Información de los 12 meses previos
• Variables demográficas y socioeconómicas
• Diagnósticos
• Prescripciones
• Consumo previo de determinados recursos
• Coste previo de la atención sanitaria
ACG-pm
• Predicción consumo de recursos de
cada persona durante los 12 meses
posteriores
• Identificación pacientes con
determinadas patologías / problemas de
salud / situaciones de riesgo.
7
El modelo implementado
Estratificación Poblacional en el País Vasco
8. Estratificación Poblacional en el País Vasco 8
Aplicaciones
Año 2011
•Selección de poblaciones diana de pacientes
pluripatológicos complejos para Enfermera
Gestora de Casos
•Programas diferenciados para pacientes
diabéticos dependiendo de su comorbilidad y
grado de control.
•Identificación de pacientes crónicos sin
complicaciones ni comorbilidad para reforzar
actividades de prevención secundaria.
Año 2010:
Puesta en Marcha
Predicción para 2011 a partir de
datos registrados en 12 meses
previos
Año 2012
•Inclusión en la financiación y contratación de
las organizaciones.
•Planes de Intervención Poblacional, que
plantean estrategias de actuación diferentes en
los distintos segmentos.
Año 2011:
Recalibración completa del
modelo con datos propios de la
CAPV
9. - Cada profesional se responsabiliza de los
cuidados a 50 pacientes crónicos
complejos.
- Visión holística: valoración integral de las
necesidades de cada persona.
- Reorganización y coordinación de la atención
Nuevos Roles de Enfermería (Gestoras de Caso)
• Pacientes con diagnóstico de: Insuficiencia Cardiaca Congestiva y EPOC
+ Riesgo muy alto de presentar un consumo de recursos elevado el año
siguiente = crónicos complejos.
• Exclusión: pacientes que por su gravedad pudieran no ser candidatos
(Neoplasias malignas o Diálisis crónica).
• Resultados:
• Mejora satisfacción pacientes y familiares
• No reducción de utilización global
• Heterogeneidad entre distintos pilotajes, reducciones significativas de
ingresos (15%) y estancias (10%) en los mejores modelos predictivos.
10. • Pacientes con índice predictivo < 1,5, edades entre 35 y 74
años, con diabetes, hipertensión y alteraciones metabolismo
lipídico (y sus combinaciones).
• Se fijan diversos objetivos individualizados de control según
GPC, por ej. RCV<20%, control HTA, hábito tabáquico,
HbA1c…
• Cambio respecto a la Oferta Preferente que valora el
cumplimiento de indicadores “en general” para pasar a un
enfoque individualizado (cumplimiento simultáneo de
objetivos en un mismo individuo).
• Resultado: mejora de un 5% de pacientes en buen control en
un año.
Identificación de pacientes crónicos sin complicaciones ni
comorbilidad para reforzar actividades de prevención
secundaria
11. Estratificación Poblacional en el País Vasco 11
PIPs: resultados de difícil interpretación
• Criterios arbitrarios de inclusión
• Mezcla de modelos predictivos con otros criterios
• Heterogeneidad territorial
• Foco reiterado en mismos Dx: PPP, pero son MM en IC (99%),
EPOC (90%), DM2 (90%)…
• Solo disponibles 57 –poco fiables- de 107 indicadores
• Curva de aprendizaje
13. Estratificación Poblacional en el País Vasco 13
La opinión de los profesionales de AP
DG3: “Mi idea: el enfoque poblacional es inexistente. Tu puedes aplicar algunas
cosas, haces no se qué; pero el enfoque poblacional, conocer tu población de
qué tipo es y qué puede surgir ahí, pero en la práctica no existe ninguna
estrategia para hacer eso ... o no la conocemos….”
NG4: “Me estoy encontrando con mucha gente, pues eso, gente que ni conocía
yo, que no estaban viniendo a mi consulta para nada y no sabía ni qué cara
tenían, y sin embargo, si no es por la estratificación…”
DG3: “Yo me hago una pregunta ¿Cómo puede ser la estratificación útil para
primaria? … Bien ¿a qué primaria? ¿a cómo funciona ahora u otra primaria?
¿Hay intención de poner otros roles a cada uno: médicos, enfermeras o no? Si
es con la primaria tal como funciona actualmente vamos a seguir igual que
desde el año 80, no va a cambiar nada. ¿De qué te sirve esto? De momento
para nada, para que salga un icono. La intención es cambiar los roles?”
14. Estratificación Poblacional en el País Vasco 14
La opinión de los profesionales de AP (2)
DG1: “Se basa en los CIEs y la codificación está mal! Estamos haciendo una
herramienta que va a ser mentira, porque se codifica mal. O sea, la base de
todo, los ACGs y la codificación CIE está mal. Alguien se ha olvidado que
todo el mundo todos los días en las consultas codifica mal.”
DG6:“…En ese sentido, me gustaría centrarme no en lo que nos dan, sino en
nuestras necesidades y a partir de nuestras necesidades ir buscando las
herramientas que tenemos que ir demandando o haciendo, etc.….”
DG7:“…lo que pasa es que se ha hecho al revés: se ha empezado a hablar
de estratificación, se ha puesto el icono ahí …”
DG5: “…un día apareció en la pantallita de Osabide un icono de paciente
estratificado y que nos dijo el jefe de unidad nos iban a valorar
fundamentalmente por esos pacientes.
15. Estratificación Poblacional en el País Vasco 15
Conclusiones
• La explotación exhaustiva de la información sanitaria disponible ha permitido la
implantación de la estratificación poblacional en la sanidad pública vasca
(usos múltiples!).
• El uso de modelos predictivos es un instrumento que complementa y añade
valor al criterio clínico, siendo superior a otros métodos basados en criterios.
• La estratificación poblacional no es un fin en si mismo, sino que debe
considerarse un instrumento que se engloba dentro de una estrategia de cambio
más amplia.
• Permite dirigir nuestros esfuerzos (identificación de casos), siempre que
tengamos intervenciones respaldadas por la evidencia en cada segmento.
• Es un cambio complejo que debe hacerse con los profesionales y no está
exento de dilemas éticos, legales y de equidad.
• Su uso hasta la fecha en contratación es confuso y difícil de interpretar.
• Puede permitir avanzar hacia un MODELO SANITARIO PROACTIVO.