Annals de Medicina
PROVES I EVIDÈNCIES

Metodologia de les variacions en la pràctica mèdica

Cristian Tebé1,2,3, Mireia Espallargues1,2, Joan MV Pons1,4

1Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS); 2Red de Investigación en Servicios de Salud en Enfermedades Crónicas (REDISSEC); 3Universitat Rovira i Virgili; 4CIBER Epidemiología y Salud Pública (CIBERESP).

 

Nota: Aquest article es basa en el document següent: Tebé C, Espallargues M, Pons JMV. Metodologia dels atles de variacions en la pràctica mèdica del SISCAT. Barcelona: Agència de Qualitat i Avaluació Sanitàries de Catalunya. Departament de Salut. Generalitat de Catalunya; 2014.

ANNALS DE MEDICINA: VOLUM 98, NÚMERO 1, gener / febrer / març 2015

Variacions en la pràctica mèdica

Les variacions en la pràctica mèdica (VPM) d’ençà de l’estudi seminal del Dr. John Wennberg el 19731, refusat a múltiples revistes mèdiques, constitueixen un interrogant persistent a la base estrictament científica de la medicina. Les VPM es defineixen com les variacions sistemàtiques, no degudes a l’atzar, de les taxes ajustades d’un procediment clínic per un determinat nivell d’agregació de la població. És a dir, les VPM en comparar territoris propers fan palesa l’existència d’altres factors que influeixen la pràctica mèdica fora de les diferències en la composició de la població (edat i sexe) o de les morbiditats presents. Aquests són justament els factors d’ajust per fer comparables les poblacions. Els estudis de variacions, en general, són estudis ecològics que tenen per objectiu estudiar la variabilitat i identificar les implicacions d’aquestes variacions en l’ús de serveis i en els resultats en salut.

El Dr. John Wennberg, qui va desenvolupar als anys 70 el cos teòric2 de les VPM i va crear l’Atles de Dartmouth (www.dartmouthatlas.org), classifica els serveis sanitaris en 3 tipus3:

1) Aquells en què el seu grau d’utilització està mediat, en gran manera, per l’oferta existent. Aquí hi hauria nombroses proves diagnòstiques, analítiques o d’imatge, ingressos hospitalaris o a cures intensives; però també es pot incloure un excés d’especialistes en un territori. Aquests diferents serveis o procediments mèdics responen amb allò que l’oferta genera demanda.

2) Procediments en què la seva utilització ve determinada per les preferències dels pacients. Correspon en bona part als procediments quirúrgics electius (no urgents, que es poden programar) i que constitueixen el gruix de procediments que genera llista d’espera. Característicament són procediments o malalties on hi ha més d’una alternativa terapèutica, sigui mèdica o quirúrgica. En principi, la selecció d’una teràpia o una altra hauria d’estar en funció de les preferències dels pacients un cop sospesats, junt amb el metge, els pros (beneficis) i contres (riscos i efectes adversos) de les diferents alternatives. És el que es coneix com a “presa de decisions compartida”, però malauradament encara predomina l’opinió del professional com a decisiva.

3) Procediments d’efectivitat i seguretat provada i infrautilitzats. Les raons són múltiples, però per això són importants les síntesis periòdiques dels avenços en el coneixement científic (d’acord amb la seva robustesa i resultats avaluats) i les guies de pràctica clínica que ajudin a millorar la qualitat assistencial i reduir la bretxa entre l’eficàcia (resultats obtinguts en situacions ideals, els assaig clínics controlats i aleatoritzats) i l’efectivitat (resultats obtinguts en la pràctica real).

A l’Estat espanyol existeix l’experiència de l’Atlas de Variaciones en la Práctica Médica4 (Atlas VPM), un projecte coordinat pel Dr. Enrique Bernal de l’Instituto Aragonés de Ciencias de la Salud, en el qual participen les 17 comunitats autònomes. Atlas VPM és una iniciativa de recerca, on col·labora l’AQuAS, que vol descriure com les poblacions utilitzen i són ateses pel sistema de salut a l’Estat espanyol amb l’objectiu d’informar sobre la seva qualitat, eficiència i equitat per al seu millor govern.

L’Atles de Variacions del SISCAT (sistema sanitari integral d’utilització pública de Catalunya) té per objectiu identificar, descriure i reduir la variabilitat que pugui donar com a resultat un major benestar, qualitat i valor dels recursos disponibles. En aquest article es presenta pas a pas la metodologia emprada en les anàlisis de les variacions en la pràctica mèdica, se’n descriuen els principals estadístics i la seva interpretació.  

Identificació de casos i població a risc

Les anàlisis de les variacions, com hem dit, se centren en l’estudi de les taxes d’ús d’un procediment clínic. Aquestes taxes quantifiquen el nombre de casos (habitualment hospitalitzacions) en un període de temps concret respecte la població d’un territori.

TAULA 1. Codis diagnòstics i de procediment segons la Classificació Internacional de Malalties 9ª revisió Modificació Clínica

La selecció de casos s’ha realitzat seguint la Classificació Internacional de Malalties 9ª revisió Modificació Clínica (CIE-9-MC). A la Taula 1 es presenten els codis que s’han emprat en els primers atles publicats a la web de l’AQuAS (http://aquas.gencat.cat/ca/projectes/atles/). La font d’informació per incloure els casos és el conjunt mínim de dades bàsiques (CMBD) a l’alta hospitalària. El CMBD és un registre de tots els episodis d’hospitalització ocorreguts als hospitals del sistema sanitari integral d’utilització pública de Catalunya (SISCAT), però que també incorpora centres privats. Els Atles del SISCAT, però, fan referència exclusiva a dades de la xarxa sanitària integral d’utilització pública.

En l’anàlisi de les variacions s’han emprat les dades poblacionals del registre central de persones assegurades (RCA) del CatSalut. Les àrees de salut analitzades són les 369 àrees bàsiques de salut (ABS). A la Taula 2 es presenta la població de les 369 àrees participants per grups d’edat.

TAULA 2. Població de risc, per any, de 2005 a 2012

Taxes d’activitat o de morbiditat

Les taxes, siguin brutes o estandarditzades, quantifiquen el volum d’activitat o de morbiditat (patologia específica) d’una població en un període de temps concret, essent el denominador la població del territori. En realitat es tracta, generalment, d’una incidència acumulada encara que aquestes “taxes” no siguin estrictament taxes en termes epidemiològics.

La taxa bruta es calcula com un quocient entre el volum d’activitat d’una població d’una àrea (numerador) i el total de població censada en aquesta àrea (denominador) en un període de temps determinat (el total de població és la població risc de tenir el succés, normalment definida a partir de la seva àrea de residència). Quan parlem d’activitat ens podem estar referint principalment a hospitalitzacions, intervencions quirúrgiques, fractures, consum de fàrmacs o proves diagnòstiques. Habitualment el total de la població és un nombre prou gran i, per tant, la taxa s’expressa per 1.000, 10.000 o, fins i tot, 100.000 habitants.

Les taxes brutes no permeten estudiar l’evolució de les taxes al llarg del temps, ni fer comparacions entre territoris. Per poder comparar necessitem taxes estandarditzades, és a dir taxes ajustades habitualment en funció de la diferent estructura d’edat i sexe de les poblacions.

L’estandardització pel mètode directe parteix de les taxes específiques en cada grup d’edat i sexe de cada població. Aquestes taxes s’apliquen a una població de referència. Amb aquest procediment s’obté un número de casos esperats per a cada grup d’edat i sexe. Així doncs, l’estandardització pel mètode directe aplica el mateix conjunt de pesos a les taxes específiques per grup d’edat i sexe, de manera que es fa independent de les diferències de la distribució de l’edat i el sexe en les poblacions dels diferents territoris. Aquest mètode presenta una limitació quan el numerador i/o denominador en un determinat grup d’edat i sexe és petit. En aquesta circumstància les estimacions de les taxes específiques són susceptibles a la influència de la variabilitat (nombres petits poden donar a entendre grans diferències) de manera que el mètode de l’estandardització directa s’hauria d’evitar.

L’estandardització pel mètode indirecte evita el problema de les estimacions imprecises de les taxes específiques per grups d’edat i sexe. En l’estandardització directa, la població d’estudi proveeix les taxes i la població estàndard proveeix els pesos. En canvi, en l’estandardització indirecta, la població estàndard proveeix les taxes i la població d’estudi proveeix els pesos. És a dir, les taxes per grups d’edat i sexe en la població estàndard o de referència (conjunt de la població en un període determinat) s’apliquen als grups d’edat i sexe de la població del territori examinat.

La raó d’activitat o de morbiditat estandarditzada és un quocient entre els casos observats (reals) en un territori o una àrea sanitària (numerador) i els casos esperats (de l’aplicació de les taxes de la població de referència) en aquell territori o àrea (denominador). Els casos esperats s’estimen mitjançant el mètode d’estandardització indirecta.

Una àrea amb una raó d’activitat estandarditzada igual a 1 voldrà dir que la seva activitat o morbiditat observada s’iguala a l’esperada i, per tant, és la mateixa que la de la mitjana del conjunt d’àrees. En canvi, si pren un valor entre 0 i 1 significarà que l’activitat o morbiditat observada és inferior a l’esperada en relació a la mitjana. Altrament, si pren un valor entre 1 i infinit significarà que l’activitat o morbiditat observada és superior a l’esperada en relació a la mitjana del conjunt d’àrees o de la població de referència.

Estadístics de variació

Aquests estadístics ens ajuden a quantificar la variació existent entre àrees. Independentment del valor que prenguin aquests estadístics és important contextualitzar el valor en cada estudi.

La raó de variació (RV) és el quocient entre la taxa estandarditzada més alta i la taxa estandarditzada més baixa pel conjunt d’àrees estudiades o territoris. Habitualment, i per evitar el soroll originat pels valors més extrems, no s’acostuma a treballar amb les taxes màximes i mínimes, sinó les que ocupen els percentils 5 i 95 (RV5-95). La seva interpretació és directa i senzilla i mostra quant més gran és la taxa en el percentil 95 respecte la taxa en el percentil 5. Així una RV5-95 = 3 indica que hi ha el triple d’activitat entre l’àrea amb una taxa menor (percentil 5) i l’àrea amb una taxa major (percentil 95).

El component sistemàtic de la variació identifica dues fonts de variació: la variació dins de l’àrea i la variació entre àrees. La primera s’espera que sigui aleatòria i la segona sistemàtica. Es calcula com una desviació entre l’observat i l’esperat del conjunt d’àrees estudiades. Pren valors entre 0 i infinit i la seva interpretació ens diu que com més gran sigui, més gran és la variació sistemàtica, és a dir, la variació entre àrees. Clàssicament s’ha convingut que valors fins a 0,10 suposaven una baixa variació, fins a 0,20 una variació moderada i per sobre de 0,20 una variació alta.

L’empíric Bayes (EB), com el component sistemàtic de la variació, identifica dues fonts de variació però ens ofereix una interessant millora. L’EB en poblacions petites o en esdeveniments infreqüents ens permet tenir en compte un fenomen que anomenem sobredispersió o extravariació5. En aquestes circumstàncies, el component sistemàtic de la variació tendeix a sobreestimar la variació sistemàtica i, en canvi, l’EB, en tenir-la en compte, corregeix a la baixa la seva estimació. L’EB s’interpreta de la mateixa manera que el component sistemàtic de la variació; com més gran és el valor, més gran és la variació sistemàtica entre àrees.

Representació gràfica de la variació

 

FIGURA 1. Gràfic de punts

Al gràfic de punts (Figura 1) es representen les taxes estandarditzades de totes i cadascuna de les àrees sanitàries en relació a diferents grups d’edat i/o sexe. Per millorar la seva interpretació i comparabilitat entre subgrups les taxes es reescalen aplicant logaritmes i centrant-les en 0.

La Figura 1 s’interpreta tenint en compte com d’estirades es presenten les taxes de les àrees al llarg de l’eix de les Y i com de concentrades estan al voltant de 0. Un procediment amb les àrees poc estirades i molt concentrades al voltant de 0 ens presentarà un escenari de molt baixa variabilitat. En canvi un procediment amb les àrees molt estirades i poc concentrades al voltant de 0 ens presentarà un escenari de molt alta variabilitat.

Per ajudar a la interpretació dels resultats a nivell territorial es representen tant les taxes estandarditzades com les raons d’activitat o morbiditat estandarditzades en mapes. En aquests mapes, cada àrea sanitària -habitualment àrees bàsiques de salut- es pinta d’un color en funció del valor de la taxa o la raó.

FIGURA 2. Taxes estandarditzades

Els mapes de taxes estandarditzades (Figura 2) es representen sota un gradient de colors vermells amb 6 nivells definits pels septils de les taxes. El més clar correspon a les àrees amb una taxa estandarditzada menor o igual al percentil 14. El més fosc correspon a les àrees amb una taxa estandarditzada major o igual al percentil 86. L’estandardització ens permet comparar les àrees en igualtat de condicions en relació a la seva estructura d’edat i sexe. Ara bé, cal tenir en compte que el valor de la taxa no correspon a l’activitat real de l’àrea; per conèixer-la s’ha de mirar la taxa bruta. Finalment, si apareixen àrees en blanc corresponen a aquelles que no han informat de cap cas en el període estudiat.

FIGURA 3. Raons d’activitat estandarditzades

Els mapes de raons d’activitat o morbiditat estandarditzades (Figura 3) s’interpreten de manera que les àrees de color beix representen les àrees sanitàries on l’activitat observada no és significativament diferent (en termes estadístics) de l’esperada pel conjunt d’àrees. Per a cada raó es calcula un interval de confiança al 95%, assumint una distribució de Poisson; si l’interval de confiança inclou l’1 es considera que el nombre de casos observats i el d’esperats no són diferents. Amb el color verd es representen les àrees on l’activitat observada és significativament menor que l’esperada pel conjunt d’àrees. Si l’interval de confiança de la raó està totalment per sota d’1, l’àrea es pinta de verd suau i si, a més, l’interval està totalment per sota de 0,7, l’àrea es pinta de verd fosc i es pot afegir que l’activitat observada és almenys el 20% inferior a l’esperada. Amb el color vermell es representen les àrees on l’activitat observada és significativament major que l’esperada pel conjunt d’àrees. Si l’interval de confiança de la raó està totalment per sobre d’1, l’àrea es pinta de vermell suau; ara bé, si a més l’interval està totalment per sobre d’1,2, l’àrea es pinta de vermell fosc i es pot afegir que l’activitat observada és almenys el 20% superior a l’esperada. La sobre- o la infraactivitat pot ser desitjable o no en funció de múltiples factors lligats al context de cada estudi, i la presentació en colors semblants als d’un semàfor hauria de quedar lliure d’una interpretació que associï el color verd amb aprovació i el vermell amb alarma o desaprovació. Finalment, si apareixen àrees en blanc corresponen a aquelles que no han informat de cap cas en el període estudiat.

FIGURA 4. Gràfic d’embut o funnel plot

En els gràfics d’embut o funnel plots (Figura 4) es representen les raons d’activitat o morbiditat estandarditzades de totes i cadascuna de les àrees sanitàries (eix de les Y) en relació al nombre de casos esperats de l’aplicació de les taxes de la població de referència (eix de les X). Es construeix un interval de confiança al 99,8% (IC 99,8%) al voltant del valor 1, on el nombre de casos observats és igual al d’esperats respecte la mitjana del conjunt de les àrees. Aquest interval ens defineix diferents zones que cal interpretar de la següent manera: les àrees que queden per sobre del límit superior definit per l’IC 99,8% són aquelles àrees amb un nombre de casos significativament superior al nombre de casos esperats respecte la mitjana del conjunt de les àrees; les àrees que queden per sota del límit inferior definit per l’IC 99,8% són aquelles àrees amb un nombre de casos significativament inferior al nombre de casos esperats respecte la mitjana del conjunt de les àrees; les àrees que queden entre el límit inferior i el superior definit per l’IC 99,8% són aquelles àrees on el nombre de casos observat no és significativament diferent (en termes estadístics) de l’esperat pel conjunt d’àrees.

Interpretació de les VPM

Les VPM no indiquen que uns ho fan millor i uns altres pitjor, però sí que en un territori o centre assistencial (hospital, centre d’atenció primària) s’utilitza una tècnica o procediment, per sobre o per sota, de la mitjana del conjunt de la població de referència i que això és independent, quan les taxes són estandarditzades, de l’estructura demogràfica de la població del territori examinat i dels factors de confusió utilitzats en l’ajust.

FIGURA 5. Gràfic de punts de diferents procediments quirúrgics

Poder determinar la intensitat i contextualitzar la variabilitat identificada és important. Aquí, com ja hem explicat, els estadístics de variació ens poden ajudar a quantificar la magnitud de la variació. A la Figura 5 podem veure diferents procediments quirúrgics comparats; en l’extrem de baixa variació hi ha la fractura de maluc i a l’extrem de molt alta variació la prostatectomia radical. L’hospitalització per fractura de fèmur és un procés que clàssicament s’empra com a patró de comparació, ja que es tracta d’un procés on hi ha un ampli acord clínic sobre la pauta d’hospitalització i interven­ció. Val a dir, però, que fer servir el mateix patró (per exemple, el de la fractura de maluc) per a totes les patologies o procediments ens pot dur a una visió poc acurada de la pròpia realitat del camp estudiat.

Estimades les taxes d’activitat o morbiditat, conèixer la taxa òptima d’un determinat territori no és possible i tant la sobre- com la infrautilització obliguen, a cada àrea, a una anàlisi en profunditat de les raons potencials que les puguin explicar. Cal tenir en compte que conèixer la taxa òptima implicaria saber quin volum de població ho necessita –malaltia i grau d’afectació– i discernir amb claredat el procediment ideal per aquests pacients, així com les preferències d’aquests pacients i l’oferta disponible als centres del territori.

Per citar alguns exemples, la variació podria venir determinada per l’efecte de la compra selectiva de determinats procediments per part de l’assegurador públic per retallar les llistes d’espera, o l’efecte de la inadequació de les intervencions en un subgrup de pacients (malalts que a més pel seu grau d’afectació podrien presentar poca millora), la manca o excés de recursos humans (especialistes) i/o estructurals (hores de quiròfan reservades), o per una inequitat en l’accés d’una part de la població als serveis sanitaris, ja sigui per qüestions socioeconòmiques o de distància física.

REFERÈNCIES BIBLIOGRÀFIQUES
  1. Wennberg J, Gittelsohn A. Small area variations in health care delivery. Science. 1973;182:1102-8.
  2. Wennberg J. Tracking medicine. Oxford: Oxford University Press; 2010.
  3. Peiró S, Meneu R. Variaciones en la práctica médica: implicaciones para la pràctica clínica y la política sanitaria. Gac Sanit. 1998;11:55-8.
  4. Bernal-Delgado E, García-Armesto S, Peiró S. Atlas of variations in medical practice in Spain: the Spanish National Health Service under scrutiny. Health Policy. 2014;114(1):15-30.
  5. Peiró S, Bernal-Delgado E. Variaciones en la práctica médica: apoyando la hipótesis nula en tiempos revueltos. Rev Esp Salud Pública. 2012;86:213-7.
  6. Ibáñez B, Librero J, Bernal-Delgado E, Peiró S, González López-Valcárcel B, Martínez N, et al. Is there much variation in variation? Revisiting statistics of small area variation in health services research. BMC Health Serv Res. 2009;9:60.
  7. Wennberg J. Forty years of unwarranted variation – And still counting. Health Policy. 2014;114(1):1-2.
Correspondència

Dr. Joan M. V. Pons

Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS)

Carrer de Roc Boronat, 81-95, segona planta

08005 Barcelona

Tel. 935 513 880

Fax 935 517 510

Adreça electrònica: joan.ponsr@gencat.cat