Es mostren les entrades ordenades per rellevància per a la consulta ssibe. Ordena per data Mostra totes les entrades
Es mostren les entrades ordenades per rellevància per a la consulta ssibe. Ordena per data Mostra totes les entrades

17 de gener 2012

La predicció del risc

Identificació i predicció del risc segons la morbiditat atesa al Baix Empordà

Qualsevol decisor hauria de destijar anticipar-se als fets i això li permetria d'establir estratègies per afrontar millor cada moment. Per anticipar-se es necessita informació, i alhora una modelització elemental de com les coses funcionen. En el cas de la medicina sabem que hi ha malalties que són fruit d'una aparició sobtada, malalties agudes, i d'altres que són fruit d'un període anterior i que es mantenen en el temps, malalties cròniques. Una organització sanitària integrada ha de ser capaç de donar resposta coordinada a totes les malalties que es presenten a la població. Ara bé, encara pot fer més que d'altres per les malalties cròniques en la mesura que coneix el risc de la seva població i pot anticipar-se a l'evolució futura de la malaltia tant en termes mèdics com del cost que representa. I precisament això és el que hem fet a l'informe que acabem de publicar i que trobareu entre els estudis d'economia de la salut del Departament. Destaco un detall sobre l'aproximació realitzada:
1. Risc: s’ha considerat que el cost sanitari d’un pacient és la millor proxy disponible en la nostra organització per definir els pacients d’alt risc de consum de recursos assistencials.
2. Nivell de risc: s’ha establert que la població d’alt risc estarà formada pels residents que presenten un cost sanitari superior al percentil 95 del cost sanitari del conjunt de la població. Per triar aquest llindar s’han tingut en compte els nivells de concentració i persistència de la despesa sanitària en la nostra organització i la grandària de la població. Així, el 5% d’una població d’uns 90.000 habitants en les àrees bàsiques gestionades per SSIBE és un grup de 4.500 persones. Això representa unes 80-100 persones per metge de capçalera, cosa que sembla un nombre raonable per realitzar les intervencions especifiques que es pretén que recaiguin en aquests professionals.
3. Tècniques de modelització: s’han utilitzat models de regressió logística en els quals les variables utilitzades són: • Variable de resultat (variable dependent): risc de presentar un cost sanitari superior al percentil 95 del conjunt de la població. • Variables predictives (variables independents): - demogràfiques (edat, sexe), - càrrega de morbiditat mesurada mitjançant Grups de Risc Clínics-CRG, - utilització prèvia (despesa farmacèutica, hospitalització, medicació ambulatòria de dispensació hospitalària).
És un treball relevant perquè suposa el tancament d'un cicle de recerca que ha durat una dècada. Durant aquests anys hem après com es podia mesurar la morbiditat, la utilització i el cost individual. Ara, també sabem que tenint aquesta informació podem predir el cost d'aquells pacients amb un risc més gran i això permet establir estratègies de millor pràctica per assolir així una més gran eficiència. Recordeu que el 5% de la població consumeix el 50% de la despesa, si ho fem bé amb aquest 5%, estem afrontant acuradament la meitat del que gastem a la sanitat. Vaig escriure aquesta frase fa 20 anys, i la vaig publicar poc després a Gaceta Sanitària. Avui em satisfà de pensar que una organització sanitària com els Serveis Sanitaris Integrats del Baix Empordà estan precisament aplicant aquest criteri amb solidesa i professionalitat. I alhora em preocupa que no hi hagi rèpliques.
Aquest ha estat un esforç col.lectiu, i avui és un dia d'agraïment per a tots aquells que hi han col.laborat. Enhorabona i que aquesta llavor s'escampi com una taca d'oli.

PS Podeu consultar la web de SSIBE on trobareu altres detalls.

24 de setembre 2015

The modeling approach to health decisions

Applying Modeling to Improve Health and Economic Policy Decisions in the Americas: The Case of Noncommunicable Diseases

On the role of modeling in health, this OECD report says:
In the health sector, the purpose of modeling is to structure evidence on clinical and economic outcomes in a form that can inform decisions about clinical practices and health care resource allocations. Models synthesize evidence on health consequences and costs from many different sources, including clinical trials, observational studies, insurance claim databases, case registries, public health statistics, and preference surveys. A model’s logical, mathematical framework permits the integration of facts and values and links these data to outcomes that are of interest to health care decisionmakers
I agree. The report shows some examples of aggregated modeling without panel microdata. If you compare this approach with David Eddy one, Archimedes models, it is exactly the opposite. And my opinion is in favour of Archimedes, as you can check in my previous posts. The most useful approach to modeling is the one that allows improve decisions at micro level, physician and patient.

PS. An innovative approach with practical implications in SSIBE, Palamós.

 Bonnard exhibition in Madrid.

09 de maig 2011

El cost sanitari de la vida

En el marc de les Jornades d'Economia de la Salut celebrades a Palma de Mallorca del 6 al 8 de maig, vam presentar les investigacions relatives a: "L'estimació dels costos sanitaris al final de la vida" i "L'evolució de les condicions cròniques i el cost sanitari al llarg de la vida" que hem fet al Baix Empordà, al SSIBE. L'argument de l'impacte de l'envelliment en els costos sanitaris perd força si tenim en compte que el més rellevant és la intensitat terapèutica i els costos sanitaris davant la proximitat a la mort. És per això que es va mostrar que el cost mitjà anual en l'any del decés és 15 vegades el cost mitjà dels supervivents, amb variacions importants segons edat, sexe i morbiditat. El cost en el cas d'un home és de 9.518 i d'una dona 10.224 euros.  Si hi incorporem els serveis d'alta tecnología rebuts fora caldria augmentar aquesta xifra en un 49%, mentre que als supervivents només seria del 18%. Ara bé, oblideu-vos de la mitjana, el més rellevant és que l'esforç terapèutic i el cost és més gran si hi ha més anys de vida per endavant i determinada morbiditat on la medicina pot contribuir decisivament. Lluny de veure-ho com un problema, cal considerar-ho una realitat i prou. Si bé seria bo poder seguir analitzant aquesta situació i comparar-la amb altres estudis per a confirmar les troballes.
Per altra banda, habitualment tenim en compte la despesa sanitària anual com a referent dels costos assistencials. No obstant això si prenem la perspectiva global d'una vida i els costos sanitaris que suposa ens permet comprendre millor els recursos que la societat destina generacionalment a la salut. L'estimació realitzada mostra que durant una vida tindrem un cost dels serveis sanitaris de proximitat de 112 mil euros (dones) i 81 mil euros (homes) (en euros de 2007, i suposant els patrons de tractament coneguts). La xifra diferencial de cost d'un terç està contrastada per diferents estudis amb resultats similars.
La totalitat de les comunicacions presentades han estat publicades en el suplement de la revista Gaceta Sanitària.


PD. Dades per recordar, (1) 2.193 milions d'euros de desviament pressupostari en la sanitat catalana durant 23 anys. (2) 2.610 milions d'euros de desviament pressupostari reconeguts pel Parlament durant 6 anys de tripartit, i alhora més de 759 milions addicionals durant 2010 d'herència. Total aprox: més de 3.369 milions d'euros de desviament en l'època del tripartit. Aquesta és la magnitud de la tragèdia.

 Magnífic indret a la serra de Tramuntana

26 de setembre 2015

Measuring population health

Morbilidad, utilización de recursos y costes sanitarios en la comarca del Baix Empordà

In this blog I've explained many times that if I had to pick one health system as a benchmark I would say that it is  Serveis Sanitaris Integrats del Baix Empordà (SSIBE). This is my choice. I've been contributing over the last decade to understand what has happened to the morbidity, utilization and costs of this population.
Now, you have all this research effort in a PhD Dissertation by J. M. Inoriza, a must read. I strongly recommend you to have a look at it. Congratulations to all contributors.