SciELO - Scientific Electronic Library Online

 
vol.142 número2Proposición de nuevas ecuaciones para calcular valores espirométricos de referencia en población chilena adulta: Sociedad Chilena de Enfermedades Respiratorias (SER)Evaluando la situación financiera de los hospitales públicos a partir de los costos actualizados de sus prestaciones índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

Compartilhar


Revista médica de Chile

versão impressa ISSN 0034-9887

Rev. méd. Chile vol.142 no.2 Santiago fev. 2014

http://dx.doi.org/10.4067/S0034-98872014000200002 

ARTÍCULOS DE INVESTIGACIÓN

 

Aplicación de grupos clínicos ajustados como herramienta de ajuste de riesgo: evaluación en la distribución de recursos en programa de enfermedades crónicas

Adjusted Clinical Groups as a risk assessment model for healthcare resource allocation

 

Emilio Santelices C.1,a, Patricio Muñiz V.2,b, Luis Arriagada B.2,c, Magdalena Delgado S.1,d, Jose Rojas F.1,e

1 Departamento de Desarrollo Estratégico, Ministerio de Salud. Santiago de Chile.
2
Med-iQ
a Md MPH MBA Doctorando PH.
b Md MPH MBA.
c Kinesiólogo.
d Ingeniero Civil Industrial.
e Ingeniero Comercial Mención Economía.

Correspondencia a:


Background: There is increasing interest in the study and improvement of health system resource allocation. The Adjusted Clinical Groups (ACG) System measures the morbidity burden of patient populations based on disease patterns, age and gender. This system can be used in primary health care settings. Aim: To report the use of the ACG system as a risk based patient classification system and its potential as a resource allocation mechanism in primary health care. Material and Methods: Patient diagnoses from a sample of primary care establishments were processed using the Johns Hopkins ACG System. Linear regressions were used to measure the ACG System's ability to explain resource use and ambulatory visit rates. Results: The ACG System had a statistically significant capacity to explain primary health care costs with an adjusted R2 of 0.26. These results are significantly better, compared with risk assessment models based on patients' age and sex, whose adjusted R2 is 0.05. Conclusions: The use of risk adjustment mechanisms will contribute to improve health care resource allocation as well to know the disease profile of the population.

Key words: Morbidity; Primary Health Care; Resource Allocation.


 

Un tema de creciente interés y desarrollo en el mundo se relaciona con la búsqueda de las mejores metodologías que permitan asignar de mejor manera los recursos para la atención de salud, tanto a nivel hospitalario como de Atención Primaria de Salud (APS). Este desafío surge a partir de la evidencia que señala que la eficiencia de los proveedores de servicios, se comporta de manera diferente según el modelo de transferencia de recursos con que cuente el sistema1. En Chile, el sistema de pago vigente para la APS se basa en la distribución de un monto fjo según la cantidad de personas suscritas a un establecimiento en particular2. Tal monto es corregido por indexadores que dependen de las características socio-geográficas de la población a la que atienden (índice de pobreza y número de adultos mayores). Además, algunas patologías cuentan con programas específicos que designan una cantidad de recursos adicionales para el financiamiento de su atención. No se realiza un pago asociado a la carga e intensidad de morbilidad del paciente.

A nivel mundial se han desarrollado diferentes experiencias y metodologías para caracterizar la carga de morbilidad de los pacientes y poder identificar los patrones de consumo de recursos asociados a estas. Una de las metodologías ampliamente difundidas es la de Grupos Clínicos Ajustados o Ajusted Clinical Group (ACG) elaborado por Starfield et al. (1991)3 de la Universidad Johns Hopkins. Se ha utilizado por más de 20 años en varios países, entre ellos Canadá4, Alemania5, Israel6, España7, Suiza8 y Reino Unido9.

El sistema ACG permite realizar caracterización de la morbilidad en la población de pacientes, identificación de pacientes con una condición altamente riesgosa, predicción de condiciones que demanden una gran utilización de recursos y diseño de sistemas de distribución equitativa. También permite evaluar la calidad de la entrega de los servicios.

El sistema ACG permite identificar grupos de personas con consumo de recursos similares (isoconsumo) donde cada ACG recibe un peso relativo, que es determinado según la relación con el gasto promedio de una persona en la población. Esto permite generar un mecanismo distributivo más equitativo, ya que identifica a una población con mayor requerimiento de recursos (aquellos con pesos más altos).

Este trabajo tiene como objetivos difundir los resultados obtenidos de la aplicación de la herramienta ACG en un estudio piloto realizado en una muestra de centros de APS de Chile, y verificar su pertinencia para aplicar este modelo a toda la población y en segundo lugar, proponer, sobre la base de los resultado de la aplicación del sistema, una forma de distribución de recursos.

Material y Método

Recopilación de datos

Los datos utilizados corresponden a las visitas realizadas por una persona entre enero y diciembre de 2011, en 16 centros de atención primaria y que poseían registro clínico electrónico (RCE) por dos años. Tales centros estaban distribuidos proporcionalmente en las zonas Centro, Norte, Sur y Sur austral, así como en los diferentes tipos de establecimientos; Centro General Urbano (CGU), Centro General Rural (CGR) y Centro de Salud Familiar (CESFAM). La cantidad total de observaciones de las que se dispuso para el modelo fue de 692.822 pacientes de los cuales 37% (253.953) fueron atendidos en los establecimientos de atención primaria durante el año de estudio. Por cada identificador de paciente se obtuvo información relativa a su edad, sexo, tipo de profesional por el que fue atendido, los diagnósticos, clasificados según CIE-10, asignados durante el total de atenciones. Estas se definieron como el contacto entre el paciente y el equipo de salud por una demanda atendida en el centro respectivo. Finalmente, se consideró el tiempo de duración de cada consulta, calculado a partir de la agenda electrónica.

La determinación de la población inscrita por cada establecimiento fue obtenida sobre la base de la información aportada por el Fondo Nacional de Salud (FONASA).

La Tabla 1 presenta una descripción de los centros considerados en el estudio.

 

Tabla 1. Descripción de los centros considerados en el estudio
 
Fuente: elaboración propia.

Metodología de costeo

Junto con los diagnósticos, los costos de atención representan un insumo necesario para el uso del sistema ACG.

El costeo de las atenciones se determinó utilizando el tiempo de cada una de ellas según el RCE. La diferencia obtenida entre los tiempos de apertura y cierre de la ficha en el RCE fue lo que se utilizó como aproximación del tiempo de atención asignado a cada paciente.

Se identificaron dos tipos de gastos de atención; uno directo, considerando gastos de recursos humanos y gastos de insumos y uso de equipos, y uno indirecto asociado con la administración del establecimiento. Para la cuantificación del gasto directo se distribuyó el monto asignado a remuneraciones por profesional según la utilización de tiempo que se haga de ellos en cada atención. Por otro lado, los gastos correspondientes a insumos y equipos, junto con los de administración se prorratearon de acuerdo a la proporción de minutos empleados en cada atención.

Como medida de control se calculó un gasto residual, definido como la diferencia entre la asignación total asignada a cada centro (a través de la multiplicación de población validada por FONASA y el pago per cápita) y el monto de gasto determinado para cada centro mediante la distribución de gastos mencionados en el apartado anterior.

Para el cálculo del gasto directo por remuneración por profesional, se determinó un promedio ponderado usando las remuneraciones municipales brutas mensuales por profesional según categoría (A, B, C, D o E) y grado de antigüedad (1 a 15 años). El valor por minuto de cada profesional de APS se calculó suponiendo un total de 8.190 min hábiles al mes (3,5 semanas por 39 h por 60 min) en función de los estándares definidos en la División de Atención Primaria (DIVAP) del Ministerio de Salud.

El gasto directo en insumos y equipos, junto con el gasto indirecto, quedaron establecidos como un porcentaje del valor total de la prestación. Este porcentaje se asignó según el tipo de atención profesional, de acuerdo al estudio publicado por FONASA10 (Tabla 2).

 

Tabla 2. Carga de gasto directo en insumos-equipos y gasto indirecto por profesional de la salud
 
Nota: los porcentajes de asistente social, educadora de párvulos, fonoaudiólogo, psicólogo, terapeuta ocupacional y TENS fueron homologados a la moda de los porcentajes de gastos en insumos-equipos e indirecto. Fuente: elaboración propia.

 

Sistema Adjusted Clinical Groups (ACG)

El sistema ACG distribuye a los pacientes dentro de 93 categorías según su morbilidad y patrón de consumo de recursos. A tales categorías se les asigna un peso relativo que depende de la intensidad de gasto que presentan respecto del gasto realizado en el total de las atenciones.

Para la distribución de los pacientes en las distintas categorías se utilizó el sistema ACG versión 9.01, que utiliza información de los diagnósticos codificados según CIE-10 y los gastos de atención. El gasto asignado a cada prestación se basó en la metodología de costeo antes descrita.

La herramienta ACG también nos permite hacer una distribución de los recursos en diferentes quintiles agrupados según intensidad de consumo de recursos denominados Bandas de Utilización de Recursos (RUB por sus siglas en inglés).

De esta forma, pacientes que se encuentren asignados a ACG en el RUB1 demandarán menor cantidad de recursos que pacientes ubicados en el RUB5, así se consigue realizar ajuste por riesgo de forma transversal al centro donde se esté atendiendo el paciente.

Se realizó un análisis de RUB agrupando todo el universo de pacientes con una patología específica (diabetes mellitus) y determinar la distribución de estos enfermos según el uso de recursos en cada uno de los quintiles y su costo asociado.

Análisis estadístico

La metodología empleada consiste en ajustar tres modelos diferentes para cada variable que se desea explicar (gasto o visitas). Se busca evolucionar las especificaciones desde un modelo demográfico hasta uno que utiliza los agrupadores ACG. Para cada modelo se consideran dos estadísticos descriptivos, el primero es el coeficiente de determinación ajustado (R2 ajustado), que indica el porcentaje de explicación que presenta el modelo una vez se ha controlado por la cantidad de variables explicativas utilizadas. El segundo es el criterio de información de Akaike (AIC)11, que mide el error del modelo castigado por la cantidad de variables explicativas utilizadas. Además, se comparan los resultados obtenidos con los valores de referencia determinados por la Universidad Johns Hopkins para modelos basados en ACG o Grupos de Diagnóstico Agregados (ADG)12.

En la Tabla 3 se observa la descripción de las variables empleadas en el estudio.

 

Tabla 3. Descripción de las variables empleadas en el estudio
 
Fuente: elaboración propia.

 

Resultados

Del total de pacientes estudiados, 341 fueron excluidos por presentar inconsistencias en la codificación de sus edades (edades negativas o sin especificar). En la Tabla 4 se detallan las características generales de la muestra estudiada, junto con un resumen de los principales estadísticos descriptivos para las variables consideradas en el estudio. Los resultados están diferenciados en la población que corresponde su atención en medicina pediátrica (de 0 a 12 años) o bien en medicina familiar (mayores de 12 años) (Tabla 5).

 

Tabla 4. Descripción general de los datos considerados en el estudio
 
Fuente: elaboración propia.

 

Tabla 5. Descripción particular de los datos considerados en el estudio
 
Fuente: elaboración propia.

 

Validar a los ACG como explicación de los costos en APS

El objetivo fue determinar si los agrupadores derivados de la herramienta ACG asignan a personas con patrones de morbilidad más altos a grupos que presentan consumo de recurso más elevado. Para ello se ajustó un modelo concurrente de regresión lineal, donde se midió el grado de explicación que los agrupadores ACG tienen sobre la variabilidad del gasto en la atención primaria y la cantidad de visitas que realiza una persona a un centro de atención.

Se probó una especificación simple que considera como variables explicativas características demográficas de los pacientes, puntualmente ajustando variables dicotómicas para las categorías de banda etaria y sexo del paciente.

La segunda especificación mejora al primer modelo considerando los diagnósticos que son asignados a cada paciente, los que son introducidos a través de Grupos de Diagnóstico Agregados que permite la agrupación de los diagnósticos de los pacientes en un grupo reducido de 32 categorías clínicamente significativas y en las que un mismo paciente puede participar de forma no excluyente12.

En tercera instancia se planteó un modelo donde como variable explicativa sólo se consideraron las categorías ACG (93 categorías mutuamente excluyentes) a través de variables dicotómicas (Tabla 6).

 

Tabla 6. Descripción de los modelos utilizados
 
*El modelo presenta significancia estadística al 5%. Fuente: elaboración propia.

 

La Tabla 7 muestra el valor del coeficiente de determinación ajustado para cada una de las especificaciones junto con los valores esperados.

 

Tabla 7. Valores esperados por la Universidad Johns Hopkins
 
Fuente: Elaboración en base a The Johns Hopkins ACG® System, Release Notes versión 10.0.

 

Se aprecia que el primer modelo fue el que presentó el menor desempeño. En este, el ajuste máximo de 14% se obtuvo por las visitas a personal médico. La explicación más baja, de 0,5%, se observó para el costo directo en atención primaria. Al incluir agrupadores por morbilidad como son los ADG, la explicación de los costos alcanzó 28% y para las visitas a personal médico y las totales tuvieron un porcentaje de explicación de 64% y 60%, respectivamente. Cuando se consideraron los ACG como variable explicativa, los resultados también fueron estadísticamente significativos.

Los indicadores de desempeño se encontraron en los rangos esperados, tanto para costos como para la frecuencia de visitas.

Distribución de recursos en base a categorización ACG

Se identificaron los pacientes diabéticos en los 16 centros considerados para el estudio (Tabla 8). Se realizó un ejercicio para determinar la asignación de $300.000.000 para financiar una intervención en esta población de acuerdo a la distribución de diabéticos en cada centro, sub agrupados en 5 RUB (Tabla 9).

 

Tabla 8. Distribución de recurso entre establecimientos utilizando los pesos del agrupador ACG
 
Fuente: elaboración propia.

 

Tabla 9. Distribución de recurso por ajuste de riesgo según RUB para pacientes con diabetes
 
Fuente: elaboración propia.

 

Se observó una amplia variabilidad de prevalencia de diabéticos entre centros. Tambien su distribución por nivel de consumo fue heterogénea. En la población agregada, el mayor peso se observó en el RUB3. El consumo per cápita de los pacientes RUB5 equivalió a 7,8 veces el consumo de pacientes RUB3.

Discusión

Los resultados obtenidos nos permiten concluir que tanto los costos como las visitas en la atención primaria dependen de manera significativa de la morbilidad de los pacientes (significancias de los modelos 2 y 3), por lo que es recomendable extender este estudio a objeto de fundamentar la inclusión de la variable morbilidad de la población para el financiamiento en APS.

Los agrupadores ACG logran explicar de forma estadísticamente significativa tanto los patrones de consumo de recurso así como las frecuencias en las visitas para las atenciones en establecimientos del nivel primario de salud.

La potencia de los ACG reside en su capacidad de caracterizar a los pacientes según su morbilidad e intensidad de uso de recursos. Esto facilita la implementación y los procesos de mejora para programas que busquen atender una necesidad específica de la población y medir la efectividad de intervenciones realizadas para una morbilidad, en un establecimiento o zona geográfica. Si consideramos que nuestro país ya incorporó el uso de Grupos Relacionados a Diagnóstico (GRD)13 para conocer la actividad hospitalaria ajustada a riesgo, el asignar ajustes en APS puede ser un complemento para la definición del gasto en salud por poblaciones.

Otra ventaja de desarrollar sistemas de clasificación basados en ajuste de riesgo según comorbilidad es que permite avanzar en la implementación de procesos de distribución de recursos que maximicen la eficiencia en la asignación. Por ejemplo, según la Encuesta Nacional de Salud 201214, la mayor proporción de pacientes que padecen enfermedades crónicas se concentra hacia los quintiles de menores ingresos, por lo tanto, un mecanismo de asignación basado en ajuste de riesgo debería entregar un mayor apoyo a este quintil, permitiendo eficiencia en la asignación y una distribución más equitativa.

Si bien los ACG han demostrado ajustarse bien a la realidad chilena, los resultados obtenidos pueden mejoran aun más si consideramos que todavía es posible optimizar la fórmula de cálculo de costos de la atención e incorporar los costos asociados al uso de fármacos mediante la incorporación de la codificación ATC que utiliza el modelo.

Referencias

1. Santelices E, Ormeño H, Delgado M, Lui C, Valdés R, Durán L. Análisis de los determinantes de la eficiencia hospitalaria: el caso de Chile. Rev Med Chile 2013; 141 (4): 457-63.         [ Links ]

2. Art. Nº 49, Ley 19.378 Estatuto de Atención Primaria Municipal.         [ Links ]

3. Starfield B, Weiner J, Mumford L, Steinwachs D. Ambulatory care groups: a categorization of diagnoses for research and management. Health Serv Res 1991; 26 (1): 53-74.         [ Links ]

4. Reid R, MacWilliam L, Verhulst L, Roos N, Atkinson M. Performance of the ACG case-mix system in two Canadian provinces. Med Care 2001; 39 (1): 86-99.         [ Links ]

5. Forrest CB, Kinder K, Lemke KW, Reid RJ. Adjusted Clinical Groupsein Instrument zur Prognose des Ressourcenverbrauchs: Ein Bevölkerungsbezogenes Werkzeug der Gesundheitsfürsorgenverwaltung. Gesundheits und Sozialpolitik 2004; 1-2: 8-15.         [ Links ]

6. Hoch I, Heymann AD, Karpati T, Valinsky L. Validation and uses of the ACG-DX predictive modeling and risk adjustment tool in an Israeli HMO. Clin Med Res 2010; 8: 51-2.         [ Links ]

7. Juncosa S, Bonaventura B, Roset M, Tomas R. Performance of an ambulatory case-mix measurement in primary care in Spain: Ambulatory Care Groups (ACGs). Eur J Public Health 1999; 9: 27-35.         [ Links ]

8. Fagerström C, Hellström A. Sleep complaints and their association with comorbidity and health-related quality of life in an older populaton in Sweden. Aging Ment Health 2011; 15 (2): 204-13.         [ Links ]

9. Omar R, O'Sullivan C, Petersen I, Islam A, Majeed A. A model based on age, sex, and morbidity to explain variation in UK general practice prescribing: cohort study. BMJ 2008; 337: 238.         [ Links ]

10. Fondo Nacional de Salud. Estudio de costo de prestaciones de salud, Informe final, 2011.         [ Links ]

11. Akaike H. A new look at the statistical model identification. IEEE Transactions on Automatic Control. 1974; 19 (6): 716-23.         [ Links ]

12. Johns Hopkins Bloomberg School of Public Health. The Johns Hopkins ACG® System, Release Notes versión 10.0.2011.         [ Links ]

13. Ministerio de Salud, Departamento de Desarrollo Estratégico. Análisis de la casuística hospitalaria en 51 Hospitales del país, año 2010-2012. 2012.         [ Links ]

14. Ministerio de Salud. Encuesta Nacional de Salud ENS Chile 2009-2010.         [ Links ]


Recibido el 22 de agosto de 2013, aceptado el 5 de diciembre de 2013

Correspondencia a: Dr. Emilio Santelices C.
Ministerio de salud Mac Iver 541, Oficina 34. Teléfono: 02-5749 994
esantelices@minsal.cl

Emilio Santelices C.

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons