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

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 FINAL.

Debido a las limitaciones encontradas en los métodos descritos anteriormente, el artículo describe la metodología desarrollada para la estimación, que consiste en tres pasos.

El primer paso consistió en formar grupos de pacientes sin cada una de las condiciones, que fuesen similares clínica y demográficamente a los pacientes con cada una de las condiciones. Por ejemplo, si los pacientes con enfermedad del corazón tienden a tener diabetes, el objetivo era encontrar pacientes con diabetes y enfermedad de corazón y pacientes con diabetes sin enfermedad del corazón. Para así, poder estimar el impacto de la enfermedad del corazón en el gasto; controlando el efecto de la diabetes.

Esto se consiguió utilizando el análisis de puntuación de propensión. Se ajustaron modelos de regresión logísticas diferentes, para cada condición de las otras 77 condiciones medicas con algunas excepciones. Las otras covariables usadas en el modelo de puntación de propensión son las mismas covariables demográficas, socioeconómicas y de salud usadas en el método de regresión descritos en el articulo anterior.  La única excepción, es que se excluyen otras condiciones medicas cuando tienen una correlación determinística o extremadamente precisa con la condición de interés, por ejemplo: las pacientes con Cancer de mama casi nunca tienen Cancer de próstata.

Adicionalmente, se estimó la probabilidad de muerte en un año dado y luego se usó el estimado de probabilidad de muerte como una covariable en el modelo de puntación de propensión. La muerte no puede ser incluida directamente dado que hubo una fracción de fallecidos (aproximadamente el 5%) en cualquier año. El gasto no se incluyó como una covariable en los modelos. 

Se realizó el Hosmer lemeshow para la prueba de bondad de ajuste para evaluar los modelos de regresión logística usados en el cálculo de la puntación de propensión. Adicionalmente, se compara la distribución de las covariables para aquellos con una condición y aquellos sin la condición clínica dentro de cada puntación de propensión para asegurar un balance de las covariables dentro de cada puntuación.  Se encontró una buena superposición en los perfiles de las covariables entre los casos y controles para permitir estimar propiamente el costo atribuible para cada condición.

Después de calcular las puntaciones de propensión para una categoría de enfermedad, los pacientes se agrupan en niveles de igual tamaño con base en sus puntaciones. En general se usan 5 niveles para cada condición, aunque las condiciones con un pequeño numero de casos son agrupados en menos niveles para evitar situaciones donde un numero pequeño de casos tienen un impacto considerable en los resultados.

El segundo paso, consiste en estimar la diferencia promedio en el gasto entre los casos y los controles dentro de cada nivel, y luego promediar estas diferencias a lo largo de los niveles para obtener un estimado del gasto en salud atribuible a cada condición. Este análisis se realiza para cada uno de los 5 conjuntos de datos y los resultados se promedian a lo largo del conjunto de datos.

Los resultados del punto anterior tienen dos limitaciones. La primera, la suma ponderada del gasto a lo largo de las condiciones no garantizan sumar el total nacional. Esto es una diferencia entre el modelo de puntuación de la propensión y el modelo de regresión, donde el segundo necesariamente tiene un gasto promedio estimado igual al promedio actual del gasto. Además, el modelo de puntación de propensión no ajusta la distribución del gasto a nivel individual de manera adecuada. Similar al modelo de regresión, no hay suficientes altos y bajos “generadores de gasto” en los datos de predicción en comparación con los datos reales. Los pacientes de alto costo tienen muchas de las mismas condiciones de pacientes que generan un gasto promedio, sin embargo, estas condiciones se salen de control para algunos y se vuelven muy costosas.  Por ejemplo: Cuando el número de comorbilidades es 3 o menos, no hay una diferencia sistemática entre los costos predichos y los observados. Sin embargo, cuando el número de comorbilidades aumenta, el gasto predicho se aleja considerablemente del observado.

Para poder resolver este inconveniente, se relacione el gasto observado a nivel individual al gasto estimado, consistente de la suma del gasto de cada condición especifica basado en las condiciones actuales de cada persona.

La regresión es de la forma:

El vector K consiste en variables que influyen en alto costo, el número de comorbilidades, un indicador de hospitalización, numero de noches en el hospital, numero de admisiones, numero de dias de estancia, supervivencia en el año, numero de meses de supervivencia para los fallecidos, número de reclamaciones por consulta externa.  Como se esperaba, una mayor utilización ayuda a cerrar la brecha entre el costo actual y el estimado.

Para integrar estos ajustes en el costo estimado de condiciones específicas, primero se adicionan los factores de ajuste por cada enfermedad tomando el promedio de los pacientes con esa condición. Luego se aplica el factor de ajuste de esta enfermedad especifica al estimado del paso 2, los resultados son estimados del gasto al nivel de cada condición, que garantizan sumar el total del gasto y sigue la distribución del gasto individual lo mejor posible.

Resultados:

Con esta metodología, se encuentra que las enfermedades del sistema circulatorio son la categoría más costosa y generan el 23% del gasto. Las otras categorías más costosas son “otras condiciones”, enfermedades del sistema respiratorio, endocrinas, nutricionales y metabólicas asi como desordenes inmunológicos y enfermedades del sistema nervioso y órganos de los sentidos. Juntos estos grupos suman cerca del 61% del gasto.

Dos condiciones (apoyos diagnósticos de Cancer, complicaciones en el embarazo, nacimiento y el puerperio), tienen una estimación de gasto negativo. El resultado para el apoyo diagnostico en Cancer posiblemente sugiere el la utilización de ayudas diagnosticas en Cancer genera un ahorro. Otra alternativa, sin embargo, que este apoyo diagnóstico es realizado a pacientes sanos y este resultado toma este estado de salud sin medir. Los datos no permiten diferenciar entre las dos hipótesis anteriores.

El costo promedio atribuido por el método de reclamaciones es mayor para la mayoría de las condiciones en comparación con los otros dos métodos.  Esto es dado que el método de las reclamaciones estima el costo de la condición independientemente de si esta es especificada en la reclamación o está latente o no. Por ejemplo, el costo de un derrame que tiene una reclamación un año dado es probablemente mayor que un derrame pasado, donde los efectos residuales continúan presentes. 

El método de regresión asumiendo modelos paramétricos y distribuciones, suaviza los valores extremos mientras el método de puntuación de propensión no paramétrico dá un mayor peso a los outliers. Por otra parte, la estimación del gasto para condiciones prevalentes menos severas como la hipertensión puede estar influenciado por la colinealidad con otras condiciones, lo cual puede ser una dificultad para el método de regresión.

 El modelo de puntuación de la propensión apunta mejor en la predicción del costo de la enfermedad por fuera de la muestra.