redalyc.desarrollo de un modelo de ajuste por el riesgo ... · comparación con el modelo de...

Revista Española de Salud Pública

ISSN: 1135-5727

[email protected]

Ministerio de Sanidad, Servicios Sociales e

Igualdad

España

Sendra Gutiérrez, Juan Manuel; Sarría-Santamera, Antonio; Iñigo Martínez, Jesús

Desarrollo de un modelo de ajuste por el riesgo para el infarto agudo de miocardio en España:

comparación con el modelo de Charlson y el modelo ices. Aplicaciones para medir resultados

asistenciales

Revista Española de Salud Pública, vol. 80, núm. 6, noviembre-diciembre, 2006, pp. 665-677

Ministerio de Sanidad, Servicios Sociales e Igualdad

Madrid, España

Disponible en: http://www.redalyc.org/articulo.oa?id=17080607

Cómo citar el artículo

Número completo

Más información del artículo

Página de la revista en redalyc.org

Sistema de Información Científica

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

http://www.redalyc.org/revista.oa?id=170

http://www.redalyc.org/articulo.oa?id=17080607

http://www.redalyc.org/comocitar.oa?id=17080607

http://www.redalyc.org/fasciculo.oa?id=170&numero=6886

http://www.redalyc.org/articulo.oa?id=17080607

http://www.redalyc.org/revista.oa?id=170

http://www.redalyc.org

Rev Esp Salud Pública 2006; 80: 665-677 N.º 6 - Noviembre-Diciembre 2006

DESARROLLO DE UN MODELO DE AJUSTE POR EL RIESGO PARAEL INFARTO AGUDO DE MIOCARDIO EN ESPAÑA: COMPARACIÓN

CON EL MODELO DE CHARLSON Y EL MODELO ICES. APLICACIONESPARA MEDIR RESULTADOS ASISTENCIALES

Juan Manuel Sendra Gutiérrez (1), Antonio Sarría-Santamera (1, 2, 3) y Jesús Iñigo Martínez (4)(1) Red Temática de Investigación Cooperativa IRYSS. Madrid. España.(2) Agencia de Evaluación de Tecnologías Sanitarias.(3) Departamento de Ciencias Sanitarias y Médico-sociales, Universidad de Alcalá(4) Servicio de Regulación Sanitaria. Consejería de Sanidad y Consumo. Comunidad de Madrid.

RESUMEN

Fundamento: El infarto agudo de miocardio representa unaimportante carga de morbimortalidad en los países desarrollados. Elobjetivo de este trabajo es desarrollar un modelo de ajuste por el ries-go para evaluar los resultados del manejo de esta patología y compa-rar su desempeño con otros modelos.

Métodos: Se desarrolla un modelo de ajuste de riesgo para elinfarto agudo de miocardio mediante regresión logística con la infor-mación de una base de datos administrativa de hospitales españoles,considerando la mortalidad intrahospitalaria como variable respuestay variables propias del paciente como predictoras. Se compara sucapacidad predictiva con la del modelo de Charlson y el modelo ICES.Los modelos se aplican para evaluar la mortalidad intrahospitalaria.

Resultados:La edad (OR: 1,07); la localización anterolateral(OR: 2,32) e inferoposterior (OR:1,91); el shock cardiogénico(OR:39,99), las arritmias (OR: 94,43), la enfermedad cerebrovascu-lar (OR:2,15) y la insuficiencia renal (OR:1,87) aparecen asociadoscon un mayor riesgo de mortalidad. El modelo desarrollado ofrecemejor capacidad predictiva (-2LL: 2240) que el modelo de Charlson(-2LL: 3073) y el modelo ICES (-2LL: 2366). No hay diferenciassignificativas en la mortalidad ajustada por el riesgo de los 23 hospi-tales estudiados, ni diferencias entre centros públicos y privados, nipor volumen de atención o nivel tecnológico. La coronariografía(RMAR: 0,66) y las intervenciones coronarias percutáneas (RMAR:0,69) son procedimientos con efecto protector.

Conclusiones: El modelo desarrollado puede constituir unaherramienta útil para evaluar la práctica asistencial del infarto encentros hospitalarios.

Palabras clave: Sistemas de Administración de Bases de Datos.Estudios epidemiológicos., Infarto de miocardio. Modelos estadísti-cos. Mortalidad. Medicina clínica.

ABSTRACT

Development of an Acute MyocardialInfarction Risk Adjustment Model

for Spain: Comparison to the CharlsonModel and the Ices Model. Application

for Gauging Care Results

Background: Acute myocardial infarction has a major bearingon morbimortality in developed countries. This study is aimed atdeveloping a risk adjustment model for assessing the results ofmanaging this disease and comparing how this management iscarried out with other models.

Methods: A risk adjustment model is developed for acute myo-cardial infarction by means of logistic regression with the informa-tion from an administrative database including various Spanish hos-pitals, taking the intrahospital mortality rate as the response variableand variables inherent to the patient proper as predictive variables.The predictability thereof is compared to the Charlson Model and theICES model. These models are applied for assessing the intrahospi-tal mortality rate.

Results: The age (OR: 1.07), the anterolateral location (OR:2.32) and inferoposterior location (OR:1.91), cardiogenic shock(OR:39.99), arrhythmia (OR: 94.43), cerebrovascular disease(OR:2.15) and kidney failure (OR:1.87) are shown to be related to ahigher risk of death. The model developed provides a better predic-tability (-2LL: 2240) than the Charlson model (-2LL: 3073) and theICES model (-2LL: 2366). There are no significant differences in therisk-adjusted death rate for the 23 hospitals studied, nor any diffe-rences between public and private hospitals nor the care volume ortechnological level. Coronariography (RMAR: 0.66) and percutane-ous coronary interventions (RMAR: 0.69) are procedures having aprotective effect.

Conclusions: The model developed may be a useful tool forassessing the hospital care provided for myocardial infarction.

Key words: Database management systems. Epidemiologic stu-dies. Myocardial infarction. Statistical models. Logistic models.Mortality. Clinical Medicine.

Correspondencia:Juan Manuel Sendra GutiérrezPza. de los Derechos Humanos, 3 Esc.B-2ºC 39008 SantanderCorreo electrónico: [email protected]

ORIGINAL

INTRODUCCIÓN

La Enfermedad isquémica del corazón(EIC) constituye la causa de muerte más fre-cuente en los países desarrollados. Su princi-pal componente es el Infarto agudo de mio-cardio (IAM), que representa cerca del 7%de la mortalidad global en España1, ocupan-do un lugar destacado por el número de altashospitalarias2. La demanda asistencial estáaumentando por la transición que se estáobservando en la EIC desde formas agudashasta formas crónicas de más larga dura-ción3.

Para evaluar los resultados de los sistemasasistenciales y establecer comparacionesentre centros o servicios es necesario consi-derar la influencia que las característicaspropias de los pacientes (sociodemográficas,pronósticas, clínicas,...) pueden tener en losresultados, las cuales pueden actuar conindependencia de los cuidados y tratamien-tos dispensados. Es necesario un proceso deajuste que evite la interferencia de estos fac-tores en la medida de los resultados y permi-ta su comparación. Los resultados puedenser conceptualizados en una ecuación enfunción de tres términos: los factores pro-pios de cada paciente, la aleatoriedad de lamedida debida al azar y la efectividad delprocedimiento terapéutico evaluado. Elobjetivo del ajuste de riesgo es eliminar de laecuación el primero de los términos con elfin de que los resultados obtenidos puedanimputarse a los servicios cuya efectividad seanaliza4.

Los sistemas de ajuste deberían cumplirtres condiciones5: una adecuada capacidadpredictiva en cuanto a la capacidad delmodelo matemático para cuantificar diferen-cias; estar basados en un indicador de resul-tado preciso directamente relacionado con elproceso de estudio; y manejar datos con cali-dad suficiente. La simplicidad en cuanto autilizar el menor número de variables posi-bles y la precisión en su medida predictivason también características deseables6,7. La

utilidad de estos sistemas es muy diversa. Alfacultativo le permiten adaptar la conductadiagnóstica y terapéutica al perfil clínico delpaciente y a sus riesgos específicos; a losgerentes o financiadores les permite distri-buir recursos en relación con la carga demorbilidad y la gravedad de los pacientesatendidos en cada centro; a los evaluadoresdiscriminar si las diferencias encontradas enlas intervenciones sanitarias se deben a lapropia intervención o a las características delos enfermos; y a los pacientes conocer elriesgo individual y valorar las diferentesalternativas terapéuticas.

El objetivo de este trabajo es desarrollarun modelo de ajuste por el riesgo para eva-luar los resultados del manejo del IAM ycomparar su desempeño conotros modelos,realizando un ejercicio de aplicación prácti-ca de los resultados obtenidos en la construc-ción de un modelo de ajuste por el riesgopara el IAM empleando una base de datosadministrativa, el Conjunto Mínimo Básicode Datos (CMBD).

SUJETOS Y MÉTODOS

Fuente de información, selecciónde registros y variables de estudio

Para desarrollar este trabajo se utilizó lainformación del Registro del CMBD de laComunidad de Madrid de 2001. El CMBDse nutre de la documentación escrita existen-te sobre los episodios asistenciales en lashistorias clínicas hospitalarias. El Registrode la Comunidad de Madrid recoge todas lasaltas de todos los centros hospitalarios,públicos y privados. Los registros incluidosen este estudio son los del código 410.x1 dela Clasificación internacional de enfermeda-des, 9ª ed., modificación clínica (CIE-9-MC) en el campo «diagnóstico principal»,que corresponde a los IAM de atención ini-cial. En un principio esta base de datos con-taba con 5.306 casos. Con el fin de ganarhomogeneidad y consistencia interna de la

Juan Manuel Sendra Gutiérrez

666 Rev Esp Salud Pública 2006, Vol. 80, N.º 6

muestra y eliminar registros con problemasde calidad en el diagnóstico se excluyerondel análisis de este estudio los casos con eda-des inferiores a 35 (n=45) y superiores a 94años (n=29), los correspondientes a centroshospitalarios con un número de IAM atendi-dos inferior a 25 (n=96 pertenecientes a 11centros) y los pacientes supervivientes conuna estancia inferior a 4 días en el centrohospitalario (n=328). Dado que algunoscasos son excluidos por más de un criterio lamuestra final quedó constituida por 4.811episodios.

La variable resultado es la mortalidadintrahospitalaria, considerando variablespredictoras propias de los pacientes de dife-rente naturaleza: sociodemográficas (sexo,edad, lugar de residencia), factores de riesgoclínico (hábito tabáquico, hipertensión arte-rial, hiperlipidemia, diabetes mellitus, obesi-dad, historia familiar de EIC) y presencia decomorbilidades (arritmias, insuficiencia car-diaca congestiva, enfermedad pulmonar cró-nica, alteraciones de la conducción, insufi-ciencia renal, enfermedad vascular periféri-ca, shock cardiogénico, enfermedad cere-brovascular, Cirugía de revascularizacióncoronaria (CRC) previa, cuadros demencia-les, edema de pulmón, cardiomiopatía, diáli-sis). Los códigos CIE-9-MC utilizados enlos factores de riesgo y comorbilidades sereflejan en el Anexo 1.

Desarrollo del modelo de ajustede riesgos

Se utilizó la regresión logística empleandola mortalidad intrahospitalaria como variabledependiente o resultado y explorando lasvariables anteriormente citadas como inde-pendientes o predictoras. Se dan valores designificación basados en la prueba de la razónde verosimilitud(LR). Los criterios de inclu-sión y exclusión de variables utilizados sonrespectivamente Valor de significación deinclusión (PIN) (p<=0,05) y Valor de signifi-cación de exclusión (POUT) (p>=0,10). La

interpretación y valoración de la significaciónde las variables predictoras se realizó median-te el valor p junto con el intervalo de confian-za (1-α) de los exponentes de los coeficientesB (eβ=OR), con un nivel de confianza del95%. En el proceso de modelado se exploraninicialmente todas las variables predictorasmediante los procedimientos «Enter», «For-ward (LR)» y «Backward (LR)» de regresiónlogística, eligiendo el modelo que contieneaquellas variables con asociación significati-va consistente con la mortalidad. Se realizóun estudio de interacción analizando términosde interacción de primer orden (2 factores)utilizando una prueba estadística de bloque(Chunk-test), siendo el criterio de exclusiónp>0,05. Ante p<0,05 se valoró la significa-ción individual de cada término de interac-ción mediante LR, reteniéndose los términoscon p<0,05. Se valoró el supuesto de lineali-dad mediante análisis de residuales (residuosestandarizados y estudentizados) antes deobtener el modelo final.

Adaptación y comparación con otrossistemas de ajuste de riesgos

Se siguió la metodología de dos sistemasde ajuste por el riesgo ya utilizados (modelode Charlson8 y factores de riesgo del ICES9:Institute for Clinical Evaluative Sciences–Ontario–) adaptándola a los datos conteni-dos en el CMBD de la Comunidad deMadrid, empleando la regresión logísticacomo técnica estadística. Los modelos cons-truidos contienen siempre las variables edady sexo. Los valores obtenidos por cadavariable considerada se expresan en formade OR (eβ) con su intervalo de confianza del95% y valor de significación.

En la valoración de los resultados y com-paración entre los modelos se utilizan índi-ces que reflejan el ajuste del modelo (–2LL,R2 Cox-snell, R2 Nagelkerke), su calibración(test de Hosmer-Lemeshow) y discrimina-ción mediante el Área bajo la curva ROC(AROC).

DESARROLLO DE UN MODELO DE AJUSTE POR EL RIESGO PARA EL INFARTO AGUDO DE MIOCARDIO EN ESPAÑA...

Rev Esp Salud Pública 2006, Vol. 80, N.º 6 667

Aplicación de resultados a los centroshospitalarios, característicasde los mismos y procedimientosutilizados

Las probabilidades de fallecimiento cal-culadas para cada episodio por cada modelode ajuste explorado se suman para cada unode los centros hospitalarios analizados, conlo que se obtiene el número de episodios defallecimiento esperado (mortalidad espera-da) en cada uno de ellos. El número de epi-sodios reales de fallecimiento detectado(mortalidad observada) se compara con elesperado en cada centro en forma de porcen-taje de mortalidad (tasa por 100) medianteuna razón de mortalidad ajustada por el ries-go (RMAR) con sus intervalos de confianza

al 95% correspondientes. Siguiendo esteprocedimiento se obtienen las RMAR consus intervalos de confianza (95%) para tresvariables representativas de las característi-cas del centro hospitalario. Según tipo dedependencia los centros se dividieron enpúblicos y privados. Según volumen de aten-ción de IAM se clasificaron en: <100, 100-300 y >300 casos. Según nivel tecnológicolas categorías fueron: básico (sin salas dehemodinámica y sin CRC), intermedio (consalas de hemodinámica y sin CRC) y alto(con salas de hemodinámica y CRC). Igual-mente se obtuvo RMAR para cinco procedi-mientos diagnósticos y terapéuticos utiliza-dos (coronariografías, Intervenciones coro-narias percutáneas –ICP–, stents aislada-mente, trombólisis y CRC). Para el trata-



Tabla 1

Características estructurales e indicadores de manejo asistencial del IAM en los centros hospitalarios estudiados

IAM: Infarto agudo de miocardio; ICP: Intervenciones coronarias percutáneas; CRC: Cirugía de revascularizacióncoronaria. *:Básico: No sala de hemodinámica, no CRC. Intermedio: Si sala de hemodinámica, no CRC. Alto: Si salade hemodinámica, si CRC.



Mod

elo

prop

io *

O

R

I.C

. 95%

p

Mod

elo

de C

harl

son

OR

I.

C. 9

5%

p M

odel

o IC

ES

OR

I.

C. 9

5%

p

Var

iabl

es

V

aria

bles

Var

iabl

es

Edad

1,

07

1,06

-1,0

9

0,00

0 Ed

ad

1,06

1,

06-1

,07

0,00

0 Ed

ad

1,07

1,

06-1

,09

0,00

0

Loca

lizac

ión

IAM

**

Sexo

(Muj

er) *

1,

20

0,99

-1,4

7 0,

067

Sexo

(Muj

er) *

1,

17

0,93

-1,4

8 0,

192

A

nter

olat

eral

2,

32

1,66

-3,2

5 0,

000

Índi

ce d

e C

harls

on

1,23

1,

14-1

,32

0,00

0 In

sufic

ienc

ia re

nal a

guda

2,

12

1,48

-3,0

4 0,

000

In

fero

late

ral

1,78

0,

89-3

,55

0,10

3

In

sufic

ienc

ia re

nal c

róni

ca

1,11

0,

71-1

,73

0,64

4

In

fero

post

erio

r 1,

91

1,27

-2,8

7 0,

002

Enfe

rmed

ad c

ereb

rova

scul

ar

1,79

1,

15-2

,78

0,01

0

In

ferio

r 1,

38

0,92

-2,0

7 0,

119

Insu

ficie

ncia

car

diac

a 1,

02

0,71

-1,4

7 0,

910

La

tera

l 1,

70

0,88

-3,2

8 0,

114

Dia

bete

s co

mpl

icad

a 1,

24

0,68

-2,2

8 0,

487

Po

ster

ior

0,65

0,

12-3

,47

0,61

4

A

rritm

ias

1,67

1,

30-2

,14

0,00

0

O

tros

no e

spec

ifica

dos

6,16

4,

08-9

,30

0,00

0

Tu

mor

es m

alig

nos

0,72

0,

32-1

,60

0,41

7

O

tros

espe

cific

ados

2,

69

1,09

-6,6

2 0,

031

Edem

a de

pul

món

1,

61

0,79

-3,2

8 0,

193

Háb

ito ta

báqu

ico

0,46

0,

32-0

,67

0,00

0

Sh

ock

card

iogé

nico

45

,38

31,4

2-65

,55

0,00

0

Hip

erlip

idem

ias

0,47

0,

32-0

,67

0,00

0

Shoc

k ca

rdio

géni

co

39,9

9 27

,49-

58,1

8 0,

000

Hip

erte

nsió

n ar

teria

l 0,

61

0,47

-0,8

0 0,

000

Insu

ficie

ncia

car

diac

a 1,

37

1,05

-1,7

9 0,

021

Enfe

rmed

ad c

ereb

rova

scul

ar

2,15

1,

45-3

,20

0,00

0

Dia

bete

s 1,

09

0,83

-1,4

4 0,

535

Arr

itmia

s 94

,43

18,1

2-49

2,14

0,

000

Insu

ficie

ncia

rena

l 1,

87

1,35

-2,6

0 0,

000

Edad

*Arr

itmia

s 0,

95

0,93

-0,9

7 0,

000

Háb

ito ta

báqu

ico*

Hip

ert a

rteria

l 1,

73

1,02

-2,9

3 0,

041

Dia

bete

s*H

iper

lipid

emia

s 1,

93

1,10

-3,3

9 0,

021

*: L

as v

aria

bles

exp

uest

as s

on la

s m

ante

nida

s en

el m

odel

o fin

al p

or e

l pr

oces

o de

mod

elad

o **

: Cat

egor

ías

de re

fere

ncia

con

side

rada

s: L

OC

ALI

ZAC

IÓN

IAM

(S

uben

docá

rdic

o)

* C

ateg

oría

de

refe

renc

ia c

onsi

dera

da: (

Hom

bre)

* C

ateg

oría

de

refe

renc

ia c

onsi

dera

da:

(Hom

bre)

Ín

dice

s de

aju

ste

del m

odel

o:

Ín

dice

s de

aju

ste

del m

odel

o:

Ín

dice

s de

aju

ste

del m

odel

o:

-2LL

: 224

0,0;

R2 C

ox-s

nell:

0,2

14; R

2 Nag

: 0,4

22

-2

LL: 3

073,

0; R

2 Cox

-sne

ll: 0

,065

; R2 N

ag: 0

,128

-2LL

: 236

5,6;

R2 C

ox-s

nell:

0,1

93; R

2 Nag

: 0,3

81

Cal

ibra

ción

del

mod

elo:

C

alib

raci

ón d

el m

odel

o:

C

alib

raci

ón d

el m

odel

o:

Chi

2 Hos

mer

-Lem

esho

w: 4

,155

; gl:

8; p

: 0,8

43

Chi

2 Hos

mer

-Lem

esho

w: 4

,018

; gl:

8; p

: 0,8

55

Chi

2 Hos

mer

-Lem

esho

w: 1

0,70

8; g

l: 8;

p: 0

,219

D

iscr

imin

ació

n de

l mod

elo:

D

iscr

imin

ació

n de

l mod

elo:

Dis

crim

inac

ión

del m

odel

o:

AR

OC

: 0,8

76; I

.C. 9

5% (0

,860

-0,8

92)

AR

OC

: 0,7

30; I

.C. 9

5% (0

,709

-0,7

51)

AR

OC

: 0,8

48; I

.C. 9

5% (0

,831

-0,8

Tabl

a 2

Res

ulta

dos

obte

nido

s e

índi

ces

de a

just

e, c

alib

raci

ón y

dis

crim

inac

ión

de lo

s m

odel

os d

e aj

uste

de

riesg

o

miento estadístico de los datos se empleó elpaquete SPSS v. 10.0.

RESULTADOS

Se estudió un total de 23 hospitales. En latabla 1 se describen sus característicasestructurales y los principales indicadores demanejo asistencial del IAM. Un 30,4% tie-nen un nivel tecnológico básico, un 8,7%intermedio y un 60,9% alto. El número deepisodios varía ampliamente según los cen-tros estudiados (entre los 27 y los 721). Laestancia media global es de 12,3 días, con unrango de 8 a 18. El procedimiento más utili-zado es la coronariografía, seguido de lasICP, siendo el menos empleado la CRC.

Todos ellos varían de forma importantesegún el centro hospitalario considerado.

En la tabla 2 se reflejan los resultadoscorrespondientes al modelo final resultantedel desarrollo del ajuste de riesgos propio,modelo de Charlson y factores de riesgo delICES. La edad es la única variable que seasoció significativamente a la mortalidadintrahospitalaria del IAM en los tres mode-los. El sexo no se comportó como variablepredictiva en ninguno de ellos. El shock car-diogénico, las arritmias, la enfermedad cere-brovascular y la insuficiencia renal (formaaguda en ICES) fueron las comorbilidadesexplicativas coincidentes entre los modelospropio e ICES. La localización anterolateral,inferoposterior y el grupo de otras, tanto



Tabla 3

Mor talidad observada y razones de mortalidad ajustadas por el riesgo (RMAR) de los modelos de ajuste de riesgoen los centros hospitalarios estudiados

RMAR: Razones de mortalidad ajustadas por el riesgo; I.C: Intervalos de confianza.

especificadas como no, así como la insufi-ciencia cardiaca congestiva completaron losfactores de riesgo clínico de fallecimientodel modelo propio. Los antecedentes dehábito tabáquico, hiperlipidemia e hiperten-sión arterial se comportaron como factoresprotectores frente a la mortalidad. Dentro delmodelo de Charlson la valoración de su índi-ce (medida sintética de riesgo) expresó unincremento en el riesgo de fallecimiento.

Tanto para el ajuste como para la discrimi-nación los mejores valores se observaronpara el modelo propio: valores más bajos en–2LL (Logaritmo de la función de verosimi-litud) y más altos en los dos índices de R2, y

mayores valores para AROC con intervalosde confianza más elevados y próximos a launidad. El segundo mejor modelo para estosdos aspectos fue el modelo ICES, con unosvalores bastante cercanos a los del modelopropio, y en tercer lugar se encontró elmodelo de Charlson con unos resultadosmás modestos. Los resultados con respecto alos índices de calibración fueron adecuadospara los tres modelos, con pequeños valoresdel estadístico y valores p no significativosen todos ellos.

Tal y como se muestra en la tabla 3 la tasade mortalidad observada global fue de 11,3defunciones por 100 episodios, oscilando



Tabla 4

Razones de mortalidad ajustadas por el riesgo (RMAR) según características de los centros hospitalarios

RMAR: Razones de mortalidad ajustadas por el riesgo; I.C: Intervalos de confianza.

Tabla 5

Razones de mortalidad ajustadas por el riesgo (RMAR) según procedimientos empleados

ICES: Institute for Clinical Evaluative Sciences (Ontario); RMAR: Razones de mortalidad ajustadas por el riesgo;I.C: Intervalos de confianza.CRC: Cirugía de revascularización coronaria. ICP: Intervenciones coronarias percutáneas.

ampliamente en los centros estudiados(entre 2,2 y 18,9). De igual forma, existióuna importante variabilidad entre centroshospitalarios al considerar los valores de lasRMAR existentes para los tres modelosexplorados. No se detectó ningún centro conexceso de riesgo de muerte de forma signifi-cativa en ninguno de los tres modelos deajuste, salvo uno en el modelo de Charlson(22). Se observó que hay dos centros conmenor mortalidad con los tres modelos (10 y16). Un tercero (23) ofrece menor RMARcon los modelos de Charlson e ICES.

No se detectaron diferencias significati-vas frente a la mortalidad entre los centrospúblicos y privados en ninguno de los tresmodelos explorados (tabla 4). El diferentevolumen de IAM atendidos y el distintonivel tecnológico de los centros no se asociócon excesos o defectos de riesgo de muerteen el IAM. Respecto al comportamiento delos procedimientos diagnóstico-terapéuticosconsiderados, los tres modelos coincidieronal detectar efectos protectores frente a lamortalidad para la coronariografía, ICP ystent (tabla 5).

DISCUSIÓN

El estudio de los factores asociados con lamortalidad intrahospitalaria del IAM haalcanzado un creciente interés para losinvestigadores. En los resultados asistencia-les del IAM tienen una poderosa influenciatanto los factores estrictamente asistencialescomo la disponibilidad y utilización de algu-nos procedimientos10, la administracióntemprana de tratamientos11, los intervalos enla administración de tratamientos de reper-fusión, el momento del día y el día de lasemana de ocurrencia del IAM12, así comolos elementos relacionados con los sistemasde organización y financiación sanitarias13.Aunque en otros países está bien establecidoel efecto que estos factores pueden tener enlos resultados de la práctica asistencial, enEspaña no existe apenas evidencia de su

influencia en los resultados. Tampoco se handesarrollado en nuestro país modelos deajuste de riesgo que permitan evaluar elefecto de las intervenciones y realizar com-paraciones entre proveedores.

Los estudios observacionales basados enel análisis de bases de datos clínicas o admi-nistrativas pueden ser útiles para valorar laefectividad de los resultados en términos depráctica real y no en contextos experimenta-les. Sin embargo, hay que considerar laslimitaciones que puede presentar el CMBD.En primer lugar, se trata de una base de epi-sodios y no de pacientes, lo cual en nuestroestudio provocó el no contar con la informa-ción suficiente para poder conocer la presen-cia de reingresos y de traslados entre centrossanitarios. Otras limitaciones son la imposi-bilidad de conocer el circuito intrahospitala-rio que sigue el paciente, la difícil diferen-ciación entre comorbilidades y complicacio-nes y las carencias informativas sobre varia-bles clínicas y tratamientos dispensados alpaciente. A pesar de estas limitaciones algu-nos autores ponen de manifiesto el granvolumen de información, fácilmente dispo-nible y poco costosa existente en el CMBDpara el análisis de resultados de la prácticamédica14.

La mortalidad intrahospitalaria obtenida(11,3%) es similar a la encontrada en nuestropaís en estudios que utilizan la misma fuentede información15 y en estudios de base hos-pitalaria (9,3-11,4%), aunque el perfil de lospacientes incluidos en cada estudio, con unmayor grado de selección en trabajos hospi-talarios especialmente los realizados enUCI, podría explicar algunas diferencias demortalidad16-19. Todos los modelos confir-man a la edad como uno de los factoresexplicativos más sólidos de mortalidad porIAM 20,21. Aunque algunos estudios hanobservado una mayor mortalidad en muje-res22 ninguno de los modelos detectó esteefecto, al igual que otros trabajos tras ajustarpor la edad o por factores de riesgo23-25.



La localización del IAM constituye unode los principales predictores de mortalidada corto plazo, especialmente las localizacio-nes anterior y lateral26. Una explicación delparadójico efecto protector del hábito tabá-quico, las hiperlipidemias y la hipertensiónarterial podrían ser los problemas de registroen el CMBD de antecedentes de factores deriesgo y enfermedades crónicas, hallazgofrecuentemente detectado en pacientes falle-cidos27,28, lo que provoca un sesgo informa-tivo por el cual estas condiciones se compor-tan como protectoras. Otra explicaciónpodría ser la presencia de un mejor perfil deriesgo de estos pacientes no controlable ennuestro estudio por limitaciones informati-vas, de la misma forma que algunos estudiossobre tabaquismo han puesto de manifies-to29,30. La diabetes mellitus no incrementa elriesgo de muerte en nuestro estudio, al igualque ocurre en otros trabajos31,32. En la morta-lidad después del IAM destaca el gran poderexplicativo del shock cardiogénico y de lasarritmias33,34. La insuficiencia cardiaca con-gestiva constituye también un importantefactor independiente de mortalidad intrahos-pitalaria. La presencia de insuficienciarenal35 y la enfermedad cerebrovascular36

también suponen un mayor riesgo de muerte.

Los mejores resultados obtenidos con elmodelo propio, con la combinación de varia-bles clínicas y antecedentes personales, con-firman los hallazgos de otros investigadoresque han señalado la capacidad predictiva deestos últimos en la mortalidad intrahospitala-ria37. El mejor ajuste que se obtiene con elmodelo propio podría relacionarse con unalógica mejor adaptación a los datos de loscuales deriva, quedando su validación defini-tiva pendiente de su aplicación a otras mues-tras de datos. Los peores resultados que ofre-ce el modelo de Charlson pueden deberse aque se trata de un sistema genérico válidopara diferentes patologías, mientras que tan-to el modelo ICES como el propio se handiseñado de forma específica para el IAM.Otra característica ventajosa de los dos últi-mos es su facilidad de construcción, ya que

ofrecen valores de ajuste muy buenos utili-zando un bajo número de variables (11 enambos), con lo cual se cumple de forma muyadecuada el principio de simplicidad en laconstrucción de sistemas de ajuste de riesgos.

Existen importantes diferencias en lasRMAR entre los centros, que oscila en elmodelo propio desde una cuarta parte a másde dos veces la mortalidad esperada. A pesarde ello, como se observa en los intervalos deconfianza, el análisis estadístico queda muycondicionado por el escaso tamaño muestralde la mayor parte de los hospitales. Por otraparte, el comportamiento de los tres modeloses similar al considerar los resultados obteni-dos en cada centro de forma individual. Aun-que es interesante la consideración de la tipo-logía del centro al estudiar la variabilidad enel riesgo de muerte no encontramos diferen-cias entre hospitales públicos y privados. Enotros países se ha puesto de manifiesto laexistencia de diferencias en el manejo asis-tencial del IAM dependientes del provee-dor38, que se traducirían en diferencias en lautilización de procedimientos de revasculari-zación y coronariografía39 y, consecuente-mente, en mortalidad intrahospitalaria40.

Tampoco encontramos diferencias demortalidad en relación con el volumen decasos de IAM de los centros hospitalarios.En otros países se ha podido constatar laexistencia de una relación inversa entre elvolumen de IAM y la mortalidad41,42. Sinembargo, hay que mencionar la imposibili-dad en nuestro estudio de controlar el efectoque la posible derivación de pacientes másgraves desde centros pequeños y medianoshacía hospitales de mayor tamaño podríaocasionar en la disminución de la mortalidaden los primeros43. Tampoco comprobamos lapresencia de diferencias relacionadas con eldesigual nivel tecnológico de los centros. Lautilización de ciertos procedimientos diag-nósticos (coronariografía) y terapéuticos(ICP, stent) muestra un importante efectoprotector frente a la mortalidad, reflejandolos conocidos beneficios asociados a la utili-zación los mismos44,45.





Anexo 1

Códigos CIE-9-MC utilizados

Los códigos reflejados se han utilizado en los campos de diagnóstico secundario del CMBD, salvo los identificadosentre paréntesis que corresponden a los campos de procedimiento.

BIBLIOGRAFÍA

1. Instituto Nacional de Estadística. Defuncionessegún la causa de muerte 2001. Inebase (base dedatos electrónica). (consultado 23/11/2005). Dis-ponible en: http://www.ine.es/inebase/cgi/

2. Instituto Nacional de Estadística. Encuesta de Mor-bilidad Hospitalaria 2001. Inebase (base de datoselectrónica). (consultado 23/11/2005). Disponibleen: http://www.ine.es/inebase/cgi/

3. Rodríguez-Artalejo F, Guallar-Castillon P, Bane-gas JR, de Andres B, del Rey J. La transición de lacardiopatía isquémica aguda a la crónica en Espa-ña, 1980-1994. Rev Clin Esp 2001; 201: 690-5.

4. Iezzoni LI. Risk Adjustment for Measuring Health-care Outcomes. Ann Arbor, MI: Healthcare Admi-nistration Press, 1997.

5. Green J, Wintfeld N. Report cards on cardiac sur-geons. Assessing New York State’s approach. NEngl J Med 1995; 332: 1229-32.

6. Krumholz HM. Mathematical models and theassessment of performance in cardiology. Circula-tion 1999; 99: 2067-9.

7. Tu JV, Jaglal SB, Naylor CD. Multicenter valida-tion of a risk index for mortality, intensive care unitstay, and overall hospital length of stay after car-diac surgery. Steering Committee of the ProvincialAdult Cardiac Care Network of Ontario. Circula-tion 1995; 91: 677-84.

8. Romano PS, Roos LL, Jollis JG. Adapting a clini-cal comorbidity index for use with ICD-9-CMadministrative data: differing perspectives. J ClinEpidemiol 1993; 46: 1075-9.

9. Institute for Clinical Evaluative Sciences. Cardio-vascular health services in Ontario. An ICES Atlas.Ontario: ICES, 1999.

10. Chen EW et al. Investigators in the NationalRegistry of Myocardial Infarction 2. Relation bet-ween hospital intra-aortic balloon counterpulsationvolume and mortality in acute myocardial infarc-tion complicated by cardiogenic shock. Circulation2003; 108: 951-7.

11. Bybee KA, Wright RS, Williams BA, Murphy JG,Holmes DR Jr, Kopecky SL. Effect of concomitantor very early statin administration on in-hospitalmortality and reinfarction in patients with acutemyocardial infarction. Am J Cardiol 2001; 87: 771-4, A7.

12. Magid DJ et al. Relationship between time of day,day of week, timeliness of reperfusion, and in-hos-pital mortality for patients with acute ST-segmentelevation myocardial infarction. JAMA 2005; 294:803-12.

13. Volpp KG, Buckley E. The effect of increases inHMO penetration and changes in payer mix on in-hospital mortality and treatment patterns for acutemyocardial infarction. Am J Manag Care 2004; 10:505-12.

14. Peiro S, Librero J. Evaluación de la calidad a partirdel conjunto mínimo de datos básicos al alta hospi-talaria. Rev Neurol 1999; 29: 651-61.

15. Agencia de Evaluación de Tecnologías Sanitarias(AETS). Manejo Hospitalario de la CardiopatíaIsquémica en España. Análisis de situación. Ed.Instituto de Salud Carlos III. Ministerio de Sanidady Consumo. Madrid, 2001.

16. Cabadés A, López-Bescós L, Arós F, Loma-OsorioA, Bosch X, Pabón P. Variabilidad en el manejo ypronóstico a corto y medio plazo del infarto de mio-cardio en España.- el estudio PRIAMHO. Rev EspCardiol 1999; 52: 767-75.

17. Arós F, Cuñat J, Loma-Osorio A, Torrado E, BoschX, Rodríguez JJ et al. Investigadores del estudioPRIAMHO II. Tratamiento del infarto agudo demiocardio en España en el año 2000. El estudioPRIAMHO II. Rev Esp Cardiol 2003; 56: 1165-73.

18. Aros F, Loma-Osorio A, Bosch X, González AJ,López BL, Marrugat J et al. Manejo del infarto demiocardio en España (1995-99). Datos del registrodel Grupo de Trabajo de la Enfermedad Isquémicadel Corazón (RISCI) de la Sociedad Española deCardiología. Rev Esp Cardiol 2001; 54: 1033-40.

19. Ruiz-Bailen M, Aguayo de Hoyos E, Reina-ToralA, Torres-Ruiz JM, Alvarez- Bueno M, Gomez-Jimenez FJ. Paradoxical effect of smoking in thespanish population with acute myocardial infarc-tion or unstable angina. Results of the ARIAMRegister. Chest 2004; 125: 831-40.

20. Boucher JM, Racine N, Thanh TH, Rahme E,Brophy J, LeLorier J et al. Quebec Acute CoronaryCare Working Group. Age-related differences inin-hospital mortality and the use of thrombolytictherapy for acute myocardial infarction. CMAJ2001; 164: 1285-90.

21. Haase KK, Schiele R, Wagner S, Fisher F, BurczykV, Zahn R et al. In-hospital mortality of elderlypatients with acute myocardial infarction: datafrom the MITRA (Maximal Individual Therapy in



Acute Myocardial Infarction) registry. Clin Cardiol2000; 23.- 831-6.

22. Iezzoni LI, Ash AS, Shwartz M, Mackiernan YD.Differences in procedure use, in-hospital mortality,and illness severity by gender for acute myocardialinfarction patients: are answers affected by datasource and severity measure? Med Care 1997; 35:158-71.

23. de Gevigney G, Mosnier S, Ecochard R, RabilloudM, Cao D, Excoffier S et al. PRIMA Group. Arewomen with acute myocardial infarction managedas well as men? Does it have consequences on in-hospital mortality? Analysis of an unselectedcohort of 801 women and 1.718 men. Acta Cardiol2001; 56: 169-79.

24. Monteagudo O, Sarría-Santamera A. Diferenciasentre hombres y mujeres en mortalidad hospitalariay utilización de procedimientos en el infarto agudode miocardio. Gac Sanit 2006;20:74-75.

25. Marrugat J, Garcia M, Elosua R, Aldasoro E, Tor-mo MJ, Zurriaga O, Aros F, Masia R, Sanz G, ValleV, Lopez De Sa E, Sala J, Segura A, Rubert C,Moreno C, Cabades A, Molina L, Lopez-SendonJL, Gil M; IBERICA Investigators; PRIAMHOInvestigators; RESCATE Investigators; PEPAInvestigators; REGICOR InvestigatorsShort-term(28 days). Prognosis between genders according tothe type of coronary event (Q-wave versus non-Q-wave acute myocardial infarction versus unstableangina pectoris). Am J Cardiol. 2004 Nov1;94(9):1161-5.

26. Krumholz HM, Chen J, Wang Y, Radford MJ, ChenYT, Marciniak TA. Comparing AMI mortalityamong hospitals in patients 65 years of age andolder: evaluating methods of risk adjustment. Cir-culation 1999; 99: 2986-92.

27. Iezzoni Ll, Foley SM, Daley J, Hughes J, FisherES, Heeren T. Comorbidities, complications andcoding bias. Does the number of diagnosis codesmatter in predicting in-hospital mortality? JAMA1992; 267:2197-203.

28. Librero J, Peiró S. ¿Previenen las enfermedadescrónicas la mortalidad intrahospitalaria? Paradojasy sesgos en la información sobre morbilidad hospi-talaria. Gac San (Barc) 1998; 5: 199-206.

29. Ottesen MM, Jorgensen S, Kjoller E, Videbaek J,Kober L, Torp-Pedersen C. Age-distribution, riskfactors and mortality in smokers and non-smokerswith acute myocardial infarction: a review. TRA-CE study group. Danish Trandolapril Cardiac Eva-luation. J Cardiovasc Risk 1999; 6: 307-9.

30. Andrikopoulos GK, Richter DJ, Dilaveris PE, Pipi-lis A, Zaharoulis A, Gialafos JE et al. In-hospitalmortality of habitual cigarette smokers after acutemyocardial infarction; the «smoker’s paradox» in acountrywide study. Eur Heart J 2001; 22: 776-84.

31. Chyun D, Obata J, Kling J, Tocchi C. In-hospitalmortality after acute myocardial infarction inpatients with diabetes mellitus. Am J Crit Care2000; 9: 168-79.

32. Melchior T, Kober L, Madsen CR, Seibaek M, Jen-sen GV, Hildebrandt P et al. Accelerating impact ofdiabetes mellitus on mortality in the years follo-wing an acute myocardial infarction. TRACEStudy Group. Trandolapril Cardiac Evaluation. EurHeart J 1999; 20: 973-8.

33. Goldberg RJ, Gore JM, Thompson CA, GurwitzJH. Recent magnitude of and temporal trends(1994-1997) in the incidence and hospital deathrates of cardiogenic shock complicating acute myo-cardial infarction: the second national registry ofmyocardial infarction. Am Heart J 2001; 141: 65-72.

34. Al-Khatib SM, Stebbins AL, Califf RM, Lee KL,Granger CB, White HD et al. GUSTO-III trial. Sus-tained ventricular arrhythmias and mortalityamong patients with acute myocardial infarction:results from the GUSTO-III trial. Am Heart J 2003;145: 515-21.

35. Anavekar et al. Relation between renal dysfunctionand cardiovascular outcomes after myocardialinfarction. N Engl J Med 2004; 351: 1285-95.

36. Tanne D, Gottlieb S, Hod H, Reicher-Reiss H, Boy-ko V, Behar S. Secondary Prevention ReinfarctionIsraeli Nifedipine Trial (SPRINT) and IsraeliThrombolytic Survey Groups. Incidence and mor-tality from early stroke associated with acute myo-cardial infarction in the prethrombolytic andthrombolytic eras. J Am Coll Cardiol 1997; 30:1484-90.

37. Shaw RE, Anderson HV, Brindis RG, Krone RJ,Klein LW, McKay CR et al. Development of a riskadjustment mortality model using the AmericanCollege of Cardiology-National CardiovascularData Registry (ACC-NCDR) experience: 1998-2000. J Am Coll Cardiol 2002; 39: 1104-12.

38. Canto JG, Rogers WJ, French WJ, Gore JM, Chan-dra NC, Barron HV. Payer status and the utilizationof hospital resources in acute myocardial infarc-tion: a report from the National Registry of Myo-cardial Infarction. Arch Intern Med 2000; 160:817-23.



39. Robertson IK, Richardson JR. Coronary angio-graphy and coronary artery revascularisation rates inpublic and private hospital patients after acute myo-cardial infarction. Med J Aust 2000; 173: 291-5.

40. Fang J, Alderman MH. Does supplemental privateinsurance affect care of Medicare recipients hospi-talized for myocardial infarction? Am J PublicHealth 2004; 94: 778-82.

41. Tu JV, Austin PC, Chan BT. Relationship betweenannual volume of patients treated by admittingphysician and mortality after acute myocardialinfarction. JAMA 2001; 285: 3116-22.

42. Thiemann DR, Coresh J, Oetgen WJ, Powe NR.The association between hospital volume and sur-vival after acute myocardial infarction in elderlypatients. N Engl J Med 1999; 340: 1640-8.

43. Kuulasmaa K, Tunstall-Pedoe H, Dobson A, Fort-mann S, Sans S, Tolonen H et al. Estimation of

contribution of changes in classic risk factors totrends in coronary-event rates across the WHOMONICA Project populations. Lancet 2000; 355:675-87.

44. de Gevigney G, Rabilloud M, Ecochard R, McFad-den E, Meunier L, Cheneau E et al. Prise en chargede l’Infarctus du Myocarde Aigu group, manage-ment of acute MI group. Is coronary angiographyperformed in the appropriate patients after acutemyocardial infarction? Clinical and angiographicfindings and one-year mortality in a large unselec-ted cohort of 2493 consecutive patients in a Frenchregion (the PRIMA study). Acta Cardiol 2003; 58:23-9.

45. de Boer MJ, Hoorntje JC, Ottervanger JP, ReiffersS, Suryapranata H, Zijlstra F. Immediate coronaryangioplasty versus intravenous streptokinase inacute myocardial infarction: left ventricular ejec-tion fraction, hospital mortality and reinfarction. JAm Coll Cardiol 1994; 23: 1004-8.



redalyc.desarrollo de un modelo de ajuste por el riesgo ... · comparación con el modelo de...

Documents