Roberto nuo sols_estratificacion_poblacional_en_el_pas_vasco.oberri[1]

546 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
546
On SlideShare
0
From Embeds
0
Number of Embeds
261
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Roberto nuo sols_estratificacion_poblacional_en_el_pas_vasco.oberri[1]

  1. 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. 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
  3. 3. 0 1 1 2 2 3 3 4 4 00-04 .05-11 .12-17 18-34 35-44 45-54 55-64 65-69 70-74 75-79 80-84 85+ Age-groups Averagenumberofchronicdiseases 1 2 3 4 5 Nº de condiciones crónicas por índice de privación
  4. 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
  5. 5. Clasificación prospectiva que permita intervención  proactiva Estratificación Poblacional en el País Vasco 5 Requisitos
  6. 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. 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. 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. 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. 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. 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
  12. 12. Estratificación Poblacional en el País Vasco 12 PIPs: resultados de difícil interpretación (2)
  13. 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. 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. 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.

×