medigraphic.com
ISSN 1561-3186 (Digital)

2021, Número 3

Rev Acta Médica 2021; 22 (3)


Evaluación de tres procedimientos de ajuste por riesgo para la estadía hospitalaria como indicador de desempeño

Tamargo BTO, Quesada PS, Gutiérrez RÁR, López LN

Idioma: Español
Referencias bibliográficas: 27
Paginas:
Archivo PDF: 204.54 Kb.


RESUMEN

Introducción: La estadía hospitalaria es el indicador por excelencia de la eficiencia de los servicios prestados. Pero es bien conocido que sus cambios no solo están supeditados a problemas en la eficiencia, sino también a las características de los pacientes, que constituyen la materia prima para su cálculo. Se necesita, por tanto, distinguir qué parte de la misma se debe a las características del paciente y qué parte a la eficiencia y calidad del servicio prestado. Además, es preciso medir el impacto de cada uno de estos elementos para poder evaluar la estadía hospitalaria.
Objetivo: Evaluar tres procedimientos de ajuste por riesgo para la estadía hospitalaria como indicador de desempeño.
Método: Investigación retrospectiva en el servicio de Medicina Interna del Hospital Clínico Quirúrgico "Hermanos Ameijeiras" en el primer semestre del año 2019. Se incluyeron 534 historias clínicas de pacientes egresados vivos cubanos. Se evaluó la capacidad de cada procedimiento para detectar ineficiencias de la atención hospitalaria, por medio del análisis de varianza y la construcción de curvas ROC (acrónimo de Receiver Operating Characteristic) Resultados: Existieron diferencias significativas entre las tres áreas bajo las curvas ROC. Para el procedimiento que utiliza el Índice de Gravedad de Servicios Clínicos del Hospital “Hermanos Ameijeiras” fue de 0,800 (p<0,001), (IC de 95 % 0,749–0,851). Para el de los grupos de diagnósticos relacionados, el área bajo la curva ROC fue de 0,738 (p<0,001), (IC de 95 % 0,680-0,796). En el caso de la regresión lineal múltiple, el área bajo la curva ROC fue de 0,747 (p<0,001), (IC de 95 % 0,690-0,805).
Conclusiones: El procedimiento de ajuste por riesgo que estima la estadía esperada a partir del índice de gravedad, fue el más eficaz para la detección de problemas de eficiencia. Se recomienda su uso por ser su cálculo más sencillo.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Jiménez Paneque RE. Indicadores de calidad y eficiencia de los servicioshospitalarios: una mirada actual. Rev Cubana Salud Pública. 2004 [acceso:13/08/2009];30(1):17-36. Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-34662004000100004&lng=es&nrm=iso&tlng=es .

  2. Jiménez R, Domínguez E, López L, Fariñas H. Difference between observedand predicted lenght of stay as indicator of patient care inefficiency. Internat J Quality Health Care. 1999;11(5):375-84. DOI:https://doi.org/10.1093/intqhc/11.5.375

  3. Martins M, Blais R, da Costa Leite I. Mortalidade hospitalar e tempo depermanência: comparação entre hospitais públicos e privados na região deRibeirão Preto, São Paulo, Brasil. Cad Saúde Pública. 2004;20(Sup 2):268-82.DOI: https://doi.org/10.1590/S0102-311X2004000800021

  4. Omachonu VK, Suthummanon S, Akcin M, Asfour S. Predicting length of stayfor Medicare patients at a teaching hospital. Health Serv Manage Res.2004;17(1):1-12. DOI: https://doi.org/10.1258/095148404322772688

  5. Tamargo Barbeito TO, Jiménez Paneque RE. El ajuste por riesgo en laevaluación del desempeño hospitalario. Rev Cubana Salud Pública. 2009[acceso: 13/08/2009];35(3). Disponible en:http://bvs.sld.cu/revistas/spu/vol35_3_09/spu10309.htm

  6. Horn SD, Horn RA. Reliability and validity of the severity of illness index. MedCare. 1986;24(2):159-78. DOI: https://doi.org/10.1097/00005650-198602000-00007

  7. Jiménez RE, Vázquez J, Fariñas H. Construcción y validación de un índice degravedad para pacientes hospitalizados en áreas clínicas. Gaceta Sanitaria,Xunta de Galicia. 1997;11:122-30. DOI: https://doi.org/10.1016/S0213-9111(97)71287-1

  8. Kądziołka I, Świstek R, Borowska K, Tyszecki P, Serednicki W. Validation ofAPACHE II and SAPS II scales at the intensive care unit along with assessment ofSOFA scale at the admission as an isolated risk of death predictor. AnaesthesiolIntensive Ther. 2019;51(2):107-111. DOI:http://doi.org/10.5114/ait.2019.86275

  9. Bertoli P, Grembi V. The political economy of diagnosis-related groups. SocSci Med. 2017;190:38-47. DOI:http://doi.org/10.1016/j.socscimed.2017.08.006

  10. Jiao W. Diagnosis-Related Groups' Payment Reform in Beijing. Chin Med J(Engl). 2018;131(14):1763-1764. DOI: http://doi.org/10.4103/0366-6999.235869

  11. Jackson T, Dimitropoulos V, Madden R, Gillett S. Australian diagnosisrelated groups: Drivers of complexity adjustment. Health Policy.2015;119(11):1433-41. DOI: http://doi.org/10.1016/j.healthpol.2015.09.011

  12. Gonnella JS, Louis DZ. Disease staging classification system. Med Care.1987;25(4):360. DOI: https://doi.org/10.1016/S0213-9111(97)71287-1

  13. Abood RA, Hasson HM, Khalaf AA, Saleh EM. Impact of Comorbidities onSurvival Among Patients with Chronic Myeloid Leukaemia Using the CharlsonComorbidity Index: Retrospective study from Basra, Iraq. Sultan Qaboos UnivMed J. 2019;19(3):e236-e41. DOI:http://doi.org/10.18295/squmj.2019.19.03.010

  14. Yang CC, Fong Y, Lin LC, Que J, Ting WC, Chang CL, et al. The age-adjustedCharlson comorbidity index is a better predictor of survival in operated lungcancer patients than the Charlson and Elixhauser comorbidity indices. Eur JCardiothorac Surg. 2018;53(1):235-40. DOI:http://doi.org/10.1093/ejcts/ezx215

  15. Gorbanev I, Agudelo S, Cortes A, Yepes F. Cultura innovadora y gruposrelacionados de diagnóstico en un hospital de alta complejidad, Colombia. RevSalud Pública (Bogotá). 2016 [acceso: 21/04/2021];(2):251-62. Disponible en:https://www.redalyc.org/articulo.oa?id=42245920009

  16. Barragán-Hervella R, Montiel-Jarquín A, Limón-Serrano I, Escobedo-Sosa V,Loria-Castellanos J. Costo directo de la atención primaria del traumatismocraneoencefálico (TCE) leve en adultos mediante grupos relacionados por eldiagnóstico (GRD) en el tercer nivel de atención médica. Gac Med Mex. 2016[acceso: 21/04/2021];152(6):755-60. Disponible en:https://www.anmm.org.mx/GMM/2016/n6/GMM_152_2016_6_755-760.pdf

  17. Reynaldos-Grandón K, Saiz-Alvarez JM, Molina-Muñoz Y. Competenciasprofesionales, gestión clínica y grupos relacionados de diagnósticos. El caso dehospitales públicos chilenos. Rev. Salud Pública. 2018;20(4):472-78. DOI:https://doi.org/10.15446/rsap.v20n4.66564

  18. Yetano Laguna J, López Arbeloa G. Manual de descripción de los GruposRelacionados por el Diagnóstico (AP-GRD v.25.0). 5ta. edición. Administraciónde la Comunidad Autónoma de Euskadi, Gobierno Vasco: Osakidetza; 2010.

  19. Tamargo Barbeito TO, Jiménez Paneque RE, Gutiérrez Rojas AR, Mora DíazI. Dos procedimientos de ajuste por riesgo para la estadía hospitalaria comoindicador de desempeño. Revista Cubana de Salud. 2012 [acceso:21/03/2021];38(1):29-44. Disponible en:http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-34662012000100004&lng=es

  20. Librero J, Peiró S, Ordiñana R. Comorbilidad crónica y homogeneidad de losgrupos diagnósticos relacionados. Gaceta Sanitaria 1999;13(4):292-302. DOI:https://doi.org/10.1016/S0213-9111(99)71371-3

  21. Organización Panamericana de la Salud. Clasificación estadísticainternacional de enfermedades y problemas relacionados con la salud. 9na.Revisión. Washington DC, EEUU: OPS; 1975. Vol. 1

  22. Ministerio de Sanidad y Consumo. El proyecto NIPE y el proyecto Análisis ydesarrollo de los GDR en el Sistema Nacional de Salud. España; Centro dePublicaciones. 2005 [acceso: 30/04/2021]:83-93. Disponible en:https://1library.co/document/zgrww1vq-capitulo-proyecto-proyecto-analisisdesarrollo-sistema-nacional-salud.html#fulltext-content

  23. Cerda J, Cifuentes L. Uso de curvas ROC en investigación clínica: Aspectosteórico-prácticos. Rev Chil infectol. 2012 [acceso: 21/11/2019];29(2):138-41.Disponible en:https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0716-10182012000200003&lng=es

  24. Bernard AM, Mynard R, Rosevear JS, McMahon LF. The integrated inpatientmanagement. Med Care. 1995;7:663-75. DOI:https://doi.org/10.1097/00005650-199507000-00003

  25. Ryan S, Lowe CS, Hardes G. A quantitative approach to quality improvementand resource allocation. Qual Clin Pra. 1995;15:11-6. PMID: 7757319

  26. Jiménez Paneque RE, Lam RM, Marot M, Delgado A. Observed-predictedlength of stay for an acute psychiatric department, as an indicator of inpatientcare inefficiencies. Retrospective case-series study. BMC Health Serv Res.2004;4:4. DOI: http://doi.org/10.1186/1472-6963-4-4

  27. Hosmer DW, Lemeshow S. Applied Logistic Regression. 2nd ed. John Wiley& Sons, Inc. 2000. pp. 156-164.




2020     |     www.medigraphic.com