Mejora de la calidad asistencial en las unidades de cuidados intensivos. El programa PADRIS en la Tarragona Datathon 2018 (primera parte)

7 Feb

El pasado mes de noviembre, AQuAS tuvo un rol relevante con el programa PADRIS en la Critical Care Data Analysis Summit and Tarragona Datathon 2018. Teníamos pendiente comentarlo desde entonces.

El programa PADRIS contribuye a la mejora de la salud de las personas facilitando a los investigadores de los centros de investigación de Cataluña la reutilización de la información anonimizada de salud de acuerdo con el marco legal y los principios establecidos.

¿Lo vemos en la práctica, a partir de la experiencia de un profesional?

Hoy entrevistamos a Maria  Bodí (@mariabodi23), médico del servicio de Medicina Intensiva y Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnología, del Hospital Universitari de Tarragona Joan XXIII, expertos en gestión clínica y aspectos de calidad y seguridad de la atención sanitaria. Como muchos profesionales de la salud, combinan la actividad asistencial con la investigación.

María Bodí

¿Cómo es tu día a día?

Como jefe de Servicio de Medicina Intensiva del hospital, en mi día a día, la principal tarea es la dirección del servicio y la organización de la asistencia al paciente crítico, coordinando el trabajo de los profesionales implicados. En el servicio trabajan más de 150 personas incluyendo profesionales de medicina (especialistas en medicina intensiva, médicos internos residentes), enfermería, auxiliares de enfermería, celadores, fisioterapeutas y secretaría. Se trata, además, de un servicio que participa y colabora en la docencia de los grados de medicina, enfermería y fisioterapia.

Trato de facilitar que los profesionales participen en la estrategia del servicio y todo esto requiere articular y coordinar todos los esfuerzos, con un objetivo claro, y dar una asistencia de calidad a nuestros pacientes. Es necesario facilitar y coordinar que los profesionales participen en la asistencia, la gestión, la docencia y la investigación en mayor o menor grado. Esto garantizará el compromiso del trabajador en la estrategia del servicio y de la organización.

Si nos centramos en el colectivo médico, cada miembro del equipo se responsabiliza de una área  en concreto de nuestra especialidad, de forma que facilitamos la formación continuada de todo el equipo, la evaluación de los resultados y el compromiso en llevar adelante las acciones que deriven del análisis de nuestros resultados.

La experiencia del formato Datathon que se hizo, ¿qué te pareció?

La Datathon fue el resultado de todo un recorrido hecho en los últimos años en el campo del uso secundario de los datos de la historia clínica de los pacientes para la gestión y la investigación de primer nivel. La experiencia fue muy buena. Ciencia pura. Médicos, tecnólogos y tecnología al servicio del análisis de los datos de la vida real, para buscar la mejor evidencia científica.

En los últimos tres años, nuestro grupo ha profundizado en el estudio de los datos y también en la evaluación de la calidad y la seguridad de los datos  para su uso secundario. Nuestros avances han permitido colaborar con otros equipos punteros, como el equipo del Dr. Leo Celi del Massachusetts Institute of Technology con quien organizamos este evento.

¿De qué forma piensas que se puede mejorar la calidad asistencial en los cuidados intensivos?

Tenemos que ir hacia la excelencia. Abordar todas las dimensiones de la calidad asistencial. Mejorar la efectividad, la seguridad y la eficiencia. Pero si hablamos de buenos resultados y eficientes, no hablamos en términos de número de acciones a un coste determinado. Hablamos de aportar valor al paciente, al equipo de trabajo, a la organización, al sistema sanitario y a la sociedad. ¿Cómo hacerlo?

Nuestro grupo ha trabajado en el desarrolo de una metodología para poder disponer de indicadores de calidad automáticos. Esto ha sido posible porque todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.) están conectados al sistema de información clínica, donde se integra también la información de la historia clínica del hospital, del laboratorio, de las pruebas de imagen, y donde los profesionales incluyen toda la información de forma ordenada.

De esta forma, a través de estos indicadores diseñados con tecnología innovadora, es posible evaluar procesos asistenciales y resultados. Si el profesional participa en el diseño del proceso asistencial, en la planificación, y conoce cómo se están haciendo las cosas y qué resultados tenemos, se implica y se compromete con los objetivos del servicio y de la organización.

Asimismo, es necesaro pasar de la medicina reactiva a la medicina predictiva, preventiva y personalizada. Tenemos datos para empezar  a trabajar en esta línea. Sin embargo, la dimensionalidad y la complejidad de estos datos impide que los métodos de inteligencia artificial sean fáciles de traducir en modelos clínicamente relevantes. La aplicación de métodos predictivos de vanguarda  y la manipulación de datos requiere habilidades de colaboración entre profesionales expertos del dominio médico y del tecnológico y nuevos modelos de tratamiento y análisis de datos.

Hemos leído que se puede evaluar, en tiempo real, el riesgo en una unidad de cuidados intensivos. Parece difícil de imaginar, ¿qué nos puedes decir al respecto?

Es así. Partimos de la base de que disponemos de los datos almazenados de todos los pacientes que han ingresado en una UCI, o en más de una UCI. Si la combinación de un grupo de variables (demográficas, clínicas, resultados de laboratorio) ha supuesto la aparición de una complicación o de un evento adverso, un modelo informático entrenado con estos datos puede predecir, si detecta de nuevo la combinación de este grupo de variables, el riesgo que aparezca la misma complicación o evento. Esta es la base de la medicina predictiva.

De acuerdo, pero ¿para qué sirve, a la práctica, la evaluación de este cálculo del riesgo?

Puede ir desde analizar el riesgo o predecir la aparición de una complicación en el curso de una enfermedad, un problema relacionado con la seguridad, un evento adverso, la necesidad o el incremento de la dosis de un fármaco determinado o una terapia específica. Puede predecir la probabilidad de mejoría o de empeoramiento, e incluso, el riesgo de morir de un paciente por una enfermedad.

La medicina ya dispone de calculadoras de riesgo de morir por una enfermedad basándose en bases de datos completadas con registros manuales por parte del profesional. Pero ahora, la automatización del registro de los datos -y los sistemas de información clínica en nuestras UCIs son un ejemplo de esto-, la metodología actual basada en big data y la inteligencia artificial permite un detalle muy superior en el momento de evaluar riesgos.

Cuando se habla de pasar a un model sanitario basado en valor, ¿a qué se refiere exactamente?

Se trata de una organización del trabajo alrededor de las condiciones específicas del paciente y que optimiza su cuidado. Se trata de pagar a las organizaciones y a los hospitales por el valor que aportan. Los resultados y su coste son los componentes clave del valor que el sistema sanitario y los profesionales aportamos a los pacientes. Pero si hablamos de resultados no consideramos únicamente si el paciente sale vivo de la UCI, o no. Los resultados se miden en términos de calidad, de capacidad de volver a incorporarse a su vida, a su trabajo, etc..

Por ello, para impulsar el esfuerzo de mejora, nos tenemos que basar en el trabajo multidisciplinar y el modelo sanitario basado en valor supone cambiar el modelo de negocio de la organización y hacer una inversión en sistemas de medida, de análisis de resultados clínicos y de costes.

¿Qué importancia le das al hecho que los datos se obtengan automáticamente y no manualmente?

Permite analizarlos desde una única fuente de datos, minimiza los errores y no requiere tiempo del profesional en la introducción de estos datos.

¿Cómo se incluyen automáticamente los datos?

En la UCI, los sistemas de información clínica han permitido integrar toda la información, además de los datos que los profesionales incluyen de forma ordenada durante todo el proceso de atención al paciente crítico, se integran resultados de laboratorio, de pruebas de imagen, información de la historia clínica, y los datos de todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.).

¿Qué entendemos por «uso secundario de los datos»?

El uso primario es el que se hace día a día, en la cabecera del paciente, para tomar decisiones sobre el diagnóstico, tratamiento y planificación del proceso de atención. Por ejemplo, de acuerdo a unos resultados de laboratorio se determina si aumento la dosis de un fármaco.

Hablamos de uso secundario cuando hablamos de utilizar los datos para la gestión o para la investigación. El objetivo final sigue siendo mejorar la atención al paciente, evidentemente.

(Continuará…)

La salud y la pobreza son hereditarias: ¿Intentamos remediarlo?

17 May
Anna Garcia-Altés
Anna García-Altés

En los últimos años la pobreza infantil ha aumentado en Cataluña como consecuencia de la crisis económica. Según datos del Idescat de 2016 -los últimos disponibles-, y desde el 2009, los niños son el colectivo con un mayor riesgo de pobreza, por encima de la población adulta y por encima también de la población de 65 años y más.

«Salut y pobreza infantil. ¿Qué nos dicen los datos?» fue el nombre de la conferencia que se impartió en el marco del acto de celebración del Día Mundial de la Salud 2018.

En la conferencia se pusieron de relieve los datos relativos a la infancia del último informe sobre los efectos de la crisis en la salud de la población publicados por el Observatorio del Sistema de Salud de Cataluña: los niños con menor nivel socioeconómico presentan hasta 5 veces más morbilidad, consumen más fármacos (el triple de psicofármacos) que el resto de la población infantil, visitan con más frecuencia los centros de salud mental (5,9% de las niñas y un 11,4% de los niños frente al 1,3 y el 2,2% en las niñas y niños de mayor nivel socioeconómico) e ingresan más en los hospitales (45 niñas y 58 niños por cada 1.000 frente  a 13 y a 26, respectivamente) y especialmente por causas psiquiátricas.

El estado de salud de los niños depende en buena parte de la economía de sus progenitores y los que pertenecen a familias con menor nivel socioeconómico presentan más problemas de salud, un hecho que puede tener consecuencias nefastas en otros ámbitos como el educativo y el social, y que condiciona su futuro. Este hecho se agrava en el caso de los niños que tienen discapacidades o enfermedades crónicas y que aún sufren más el impacto de la pobreza en su salud porque en algunos casos su cuidado requiere productos específicos que las familias no pueden comprar.

Este es uno de los problemas que tenemos ahora mismo encima de la mesa. Hay  evidencia científica creciente, tanto desde la biología como desde las ciencias sociales, de la importancia de los primeros años de vida (incluyendo la exposición en el útero) en la formación de las capacidades que promueven el bienestar a lo largo del ciclo de vida. La infancia también es un transmisor estructural de las desigualdades, tanto desde el punto de vista de la salud como desde la vertiente socioeconómica. Los niños y niñas que pertenecen a familias con pocos recursos, si no se actúa, corren el riesgo de llegar a adultos con peor salud, menor nivel educativo y socioeconómico que el resto.

¿Qué podemos hacer? Por supuesto hay que fortalecer el estado del bienestar, con reformas estructurales e institucionales que ahora más que nunca son necesarias. La política educativa es fundamental, sobre todo reforzando la educación primaria, garantizando la igualdad de oportunidades y poniendo el foco en aquellos niños en situaciones desventajosas. Una vez en la edad adulta, son necesarias también políticas activas de trabajo. Y desde las políticas de salud, a pesar de su carácter eminentemente paliativo, es especialmente importante la atención primaria y comunitaria, y garantizar la atención a todos los niños y niñas.

Entrada elaborada por Anna García-Altés (@annagaal).

Los grupos de morbilidad ajustados: un nuevo agrupador de morbilidad poblacional

2 Feb
Foto Emili Vela
Emili Vela

En la actualidad, las patologías crónicas se han convertido en un reto para los sistemas sanitarios de los países desarrollados. La mayoría de pacientes que utilizan los servicios sanitarios presentan multimorbilidad y ésta aumenta con la edad. La presencia de multimorbilidad está asociada a una mayor utilización de recursos asistenciales (tanto sanitarios como sociales) y a una peor calidad de vida.

En este contexto, se hace necesario medir la multimorbilidad para poder determinar su impacto. Hay dos grandes grupos de medidas: por un lado el simple conteo de patologías (habitualmente crónicas) de cada sujeto y, por otro lado, índices que proporcionan la carga de morbilidad de los individuos a partir de la jerarquización de las patologías otorgando un peso diferencial a cada una de ellas a partir de criterios clínicos proporcionados por grupos de expertos y/o de análisis estadísticos basados ​​en la mortalidad o en la utilización de servicios sanitarios.

En este último grupo se incluyen los Grupos de Morbilidad Ajustados (GMA), la única de estas herramientas desarrollada en Europa sobre la base de un sistema sanitario público, de carácter universal y eminentemente gratuito.

Los grupos de morbilidad ajustados

Las características y el funcionamiento de los GMA se pueden encontrar detallados en este artículo. A modo de resumen, podemos mencionar que los GMA han sido validados estadísticamente analizando su capacidad explicativa predictiva. En esta validación, los GMA han presentado mejores resultados que otras herramientas en la mayoría de indicadores estudiados, incluidos los relativos a la atención social y sanitaria.

Concordancia y utilidad sistema estratificación

También han sido validados clínicamente por médicos de atención primaria, tanto en Cataluña como en la Comunidad Madrid. Los principales resultados de estas validaciones son que los GMA muestran una buena clasificación de los pacientes en función de su riesgo, que esta buena clasificiación se incrementa con la complejidad del paciente, la preferencia de los clínicos para esta herramienta respecto de otros agrupadores de morbilidad y, por último, que es una herramienta útil para la asignación del nivel de intervención adecuado a las necesidades de los pacientes.

Los GMA han sido desarrollados a partir del año 2012, en el marco de un convenio de colaboración entre el  CatSalut y el Instituto Catalán de la Salud. Posteriormente, han sido implementados, a nivel estatal, en 13 comunidades autónomas gracias a un convenio entre el CatSalut y el Ministerio de Sanidad. Una vez realizadas estas implementaciones en 2015, se han agrupado unos 38 millones de habitantes de la población española. El objetivo último de este convenio es el desarrollo conjunto de una herramienta de estratificación de la población que pueda ser aplicable a la totalidad del Sistema Nacional de Salud, mediante la adaptación de los GMA.

Proposals enhanced health risk

También hay que destacar que los GMA se están utilizando en  diferentes proyectos europeos relativos a la estratificación y la integración de la asistencia sanitaria y social.

En resumen, podemos afirmar que los GMA son un nuevo agrupador de morbilidad que presenta unos resultados -al menos- comparables a los que proporcionan otros agrupadores en el mercado. Por otra parte, al haber sido desarrollados a partir de la información de nuestro sistema sanitario (universal y eminentemente gratuito), es posible la adaptación a nuevos requerimientos o estrategias de nuestras organizaciones pero también a otros sistemas sanitarios o a otros ámbitos o poblaciones específicas. Muestra de esto último es el hecho que conjuntamente con el Plan Director de Salud Mental y Adicciones del Departamento de Salud, en estos momentos, estamos en una fase muy avanzada en el desarrollo de un agrupador específico para los pacientes con problemas de salud mental y adicciones.

Entrada elaborada por David Monterde (Oficina de Estadística. Sistemas de Información. Instituto Catalán de la Salud), Emili Vela (Área de Atención Sanitaria. Servicio Catalán de la Salud) y Montse Clèries (Área de Atención Sanitaria. Servicio Catalán de la Salud).

Estratificación y bases de datos de morbilidad (2a parte)

31 Mar
Foto Emili Vela
Emili Vela

(Este post es la continuación de este otro post)

Un elemento fundamental para poder llevar a cabo la estratificación de la población por grupos de riesgo son los sistemas de información. Es necesario, pues, disponer de una base de datos que integre la información recogida en los diferentes registros sanitarios y para dar respuesta a esta demanda, se creó la base de datos de morbididad poblacional.

La cuestión es que cada vez se hace más hincapié en la necesidad de proporcionar a los pacientes una atención social y sanitaria integral e integrada, pero el análisis y la evaluación de esta atención no se puede llevar a cabo correctamente con unos sistemas de información fragmentados, sino que se debe hacer a partir de la integración de los datos que contienen.

Estructura de la base de datos de morbilidad poblacional

La base de datos de morbididad poblacional se fundamenta sobre un sistema de tablas relacionadas que pivotan alrededor de la tabla de usuarios, que recoge los principales datos del asegurado (demográficas o estado de salud, por poner dos ejemplos).

Actualmente hay tres tablas más, la tabla de diagnósticos, la de contactos con servicios sanitarios y la de farmacia, pero este tipo de estructura permite, con relativa facilidad, incorporar tanto información de nuevos registros (consultas externas, diálisis, terapia respiratoria, etc.), como nuevas tablas con otra información relevante, como por ejemplo de resultados de determinaciones clínicas:

Figura 1: Estructura y contenido de la base de datos de morbididad poblacional. La tabla de determinaciones clínicas, en gris, aún no está implementada.

Taula d'assegurats

La base de datos de morbididad poblacional integra la información de los siguientes registros:

  • Registro Central de Asegurados (RCA): gestionado desde la Gerencia de atención ciudadana del CatSalut. Este registro proporciona fundamentalmente toda la información de residencia, sociodemográfica y del estado vital de los asegurados.
  • Registros del conjunto mínimo básico de datos (CMBD): gestionados por la División de análisis de la demanda y la actividad del CatSalut. Estos registros alimentan tanto la tabla de diagnósticos como la de contactos. Existen diferentes registros para recoger la información de las líneas asistenciales:
  • Hospitalización (CMBD-HA): información proporcionada por los hospitales generales de agudos (ingresos, cirugía mayor ambulatoria, hospitalizaciones domiciliarias, hospital de día) del período 2005-2014
  • Sociosanitario (CMBD-SS): información de la atención proporcionada por los centros sociosanitarios de internamiento (larga y media estancia y UFISS) y equipos de atención ambulatoria (PADES) del periodo 2005-2014.
  • Hospitalización psiquiátrica (CMBD-SMH): información de la atención proporcionada por los hospitales monográficos psiquiátricos del período 2005-2014.
  • Salud mental ambulatoria (CMBD-SMP): información de la atención proporcionada por los centros de salud mental ambulatoria del período 2005-2014.
  • Atención primaria (CMBD-AP): información de la atención proporcionada por los equipos de atención primaria del periodo 2010-2014.
  • Urgencias (CMBD-UR): información de la atención a urgencias (hospital y CUAP) del periodo 2013-2014.
  • Registro de actividad de farmacia (RAF): gestionado por la Gerencia de farmacia y del medicamento del CatSalut. Este registro proporciona toda la información de dispensación farmacéutica ambulatoria del periodo 2011-2014.
  • Registro de facturación de servicios sanitarios (RF): gestionado por la división de provisión de servicios asistenciales. Este registro proporciona información de toda aquella actividad financiada por el CatSalut, pero que no cuenta con un registro específico: consultas externas hospitalarias, diálisis, oxigenoterapia domiciliaria, rehabilitación o transporte sanitario no urgente. Este registro proporciona fundamentalmente información en la tabla de contactos para el periodo 2011-2014.

Las utilidades de la base de datos de morbididad poblacional son múltiples, la estratificación poblacional, el análisis específico de determinados problemas de salud (fractura de fémur, IC, EPOC, …), la elaboración de indicadores poblacionales de eficiencia en la utilización de recursos, etc.

Podemos concluir que, por el volumen de datos que integra, esta base de datos tiene las características de un «big data» estructurado, con una considerable capacidad de crecimiento y de adaptación a nuevos requerimientos y fuentes de datos y ofrece unas enormes posibilidades de análisis.

Entrada elaborada por Emili Vela, responsable de los Módulos para el Seguimiento de Indicadores de Calidad (MSIQ). Área de Atención Sanitaria. CatSalut.