COMPARACIÓN DE MÉTODOS PARA LA ATRIBUCIÓN DEL GASTO MÉDICO A CONDICIONES CLÍNICAS. II PARTE

A continuación, se presenta la traducción del texto original del artículo de los autores más adelante mencionados realizado por el equipo del comité editorial de MD&CO Consulting Group. Esta traducción se realiza con fines académicos para promover la revisión de la literatura disponible sobre el tema. Se advierte que la traducción puede presentar notas realizadas por el traductor con el objetivo de facilitar la comprensión del documento y disipar ambigüedades que puedan existir por las diferencias en los idiomas.

Ghosh K, Bondarenko I, Messer KL, Stewart ST, Raghunathan T, Rosen AB, et al. (2020) Attributing medical spending to conditions: A comparison of methods. PLoS ONE 15(8): e0237082. https://doi.org/10.1371/journal.pone.0237082

PARTE III.

Metodología basada en regresiones. En este método para atribuir el gasto a condiciones medicas se utiliza como herramienta el análisis de regresiones. Este modelo relaciona el gasto total durante un año al conjunto completo de condiciones clínicas de cada paciente. Los coeficientes luego se utilizan para determinar el gasto de cada condición. Si la ecuación es lineal en el gasto (por ejemplo, la variable dependiente es el valor en dólares del gasto durante ese año), los coeficientes de la condición indican el gasto atribuible a cada condición; si el modelo no es lineal por ejemplo en el caso en que los investigadores relacionen el logaritmo del gasto más 1 dólar a las condiciones, una transformación es necesaria para calcular el gasto especifico en dólares.

Para implementar los modelos de regresión, se incluyen 78 condiciones clínicas como variables independientes, (que son condiciones comórbidas) y otras covariables que se esperan afecten el gasto médico, esto incluye la edad, el género, el nivel educativo, el haber prestado o no servicio militar, la raza, el estado marital, ser fumador o no ser fumador, tener las vacunas contra la neumonía, la influenza, haberse realizado la histerectomía, el nivel socioeconómico, el tener una póliza de seguro privado, etc.

Se estima la ecuación del gasto para cada uno de los 5 set de datos imputados y luego se promedian los estimados. Para identificar el mejor modelo de regresión para el ajuste, se exploran variaciones del modelo lineal generalizado, usando modelos de una y dos partes.

Algunos estudios realizan un ajuste adicional para las personas sin gasto médico, por ejemplo, utilizando un modelo de dos partes; una ecuación para la probabilidad de un gasto positivo y una segunda ecuación para el valor del gasto. En este estudio se estimaron modelos de dos partes asumiendo que la probabilidad de que un beneficiario tenga un gasto en atención en salud positivo es una función probit. Para pacientes con un gasto mayor a cero, se corre la regresión de mínimos cuadrados ordinarios o un modelo lineal generalizado con las mismas covariables del modelo probit.

Se estimó el gasto total con una distribución gamma y una función de enlace log. Adicionalmente se estimo el log (gasto+1) como la variable dependiente con una distribución gaussiana y una identidad de enlace. Otros modelos incluyen el modelo de raíz cubica y el Box-Cox.  La especificación del log asume que cada diagnostico tiene un efecto multiplicativo en el gasto. Una transformación adicional es necesaria para convertir esto en dólares, y para asegurar que el gasto promedio en dólares cuadre con el total conocido. En el estudio se sigue la metodología descrita por Trogdon et al.

Una de las consideraciones que se deben tener en cuenta en los modelos de regresión es que las condiciones pueden estar asociadas con una disminución del gasto en un modelo lineal, no hay ningún elemento que cree la restricción de que cada condición tenga un gasto positivo. Generalmente, los coeficientes negativos están adscritos a errores de medición diagnostica. Cuando las personas relativamente saludables visitan al médico, los medicos necesitan alguna condición para codificar como la causa de la visita, en estas circunstancias el medico puede asignar un código relativamente benigno (hipertensión, colesterol alto etc) que es común en la población y simple de justificar. Para pacientes con una variedad de condiciones, por lo contrario, los medicos se enfocan en la condición más aguda y no relacionan los factores de riesgo que tienen poco impacto inmediato en la salud; alternativamente los coeficientes negativos pueden resultar por un sobre ajuste o por alta colinealidad entre las variables incluidas.

Algunos estudios manejan el tema de los coeficientes negativos, creando categorías jerárquicas para identificar los casos complejos, por ejemplo, hipertensión sin otras condiciones, hipertensión con enfermedad cardiaca, etc. Las condiciones se definen de tal manera que el gasto de cada condición es positivo. En el estudio presente para las condiciones con coeficientes de gasto negativo (entre 1 y 4 de los 5 grupos de datos) se tratan como variables faltantes y se promedia los coeficientes sobre las replicas restantes.  Dos de los grupos de condiciones tienen coeficientes negativos para todas las 5 réplicas, falla renal aguda y trombosis venosa profunda, estas son condiciones relativamente raras (6% y 9% respectivamente) pero la metodología basada en las reclamaciones atribuía 2.2 billones y 7.7 billones a estas respectivamente. Para este caso se ajusta el gasto a cero para estas condiciones.

Debido a las limitaciones encontradas en ambos métodos se desarrolla una metodología de estimación que consiste en tres pasaos y será presentada en el próximo artículo como continuación a la traducción del presente estudio.