Embed Size (px)
Citation preview
Granada, 17-19 junio, 2015
Hospitalizaciones por complicaciones de la diabetes en el SNS: variabilidad entre
áreas y tendencia temporal 2002-2013. Julián Librero, Salvador Peiró, Clara L Rodríguez-Bernal, Manuel Ridao y
Grupo VPM-SNS.
Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunidad Valenciana (FISABIO), Valencia. Instituto Aragonés de Ciencias de la Salud, Instituto Sanitario Aragón, Zaragoza. Red de Investigación en Servicios de Salud en Enfermedades Crónicas (REDISSEC).
Grupo VPM-SNS • ANDALUCIA: Díaz Martínez A (Hospital Virgen del Rocio de Sevilla), Goicoechea Salazar JA (Servicio Andaluz de Salud, Sevilla), Rivas Ruiz F, Jiménez Puente
A (Hospital Costa del Sol, Marbella), Rodríguez del Águila MM (Hospital Virgen de las Nieves de Granada), Molina T, Baños E (Agencia de Evaluación de Tecnologías Sanitarias de Andalucía);
• ARAGON: Angulo E, Bernal Delgado E, Comendeiro Maaløe M, Estupiñán Romero FR, García Armesto S, Launa R, Martínez Lizaga N, Ridao M, Seral Rodríguez M (Instituto Aragonés de Ciencias de la Salud-Instituto de Investigación Sanitaria Aragón), Abad Diez JM, Arribas Monzón F, Beltrán Peribáñez J, Pradas Arnal F (Departamento de Sanidad, Bienestar Social y Familia, Gobierno de Aragón);
• ASTURIAS: Caicoya M, Suárez F (Consejería de Sanidad. Principado de Asturias); • CANARIAS: Sánchez Janáriz H, Alonso Bilbao Jl, Fiuza Pérez D (Servicio Canario de la Salud); • CANTABRIA: Romero G (Consejería de Sanidad). • CATALUÑA: Marinelli M (Agència de Qualitat i Avaluació Sanitàries de Catalunya, AQuAS), Oliva G (Departament de Salut), Ortún Rubio V (Universitat Pompeu
Fabra, Barcelona); Salas T, Vela E (CatSalut- Servei Català de la Salut); • CASTILLA-LEON: Sacristán Salgado A, García Crespo J (Dirección General de Desarrollo Sanitario), Melgosa Arcos A, Sangrador Arenas L (Dirección General de
Planificación, Calidad, Ordenación y Formación); • CASTILLA LA MANCHA: García Sánchez MA (Consejería de Sanidad y AS de Castilla-La Mancha); López Reneo R (Servicio Salud Castilla-La Mancha, SESCAM), • GALICIA: Atienza Merino G, Carballeira Roca C, Queiro T (Conselleria de Sanidade de la Xunta de Galicia), Castro Villares M (Servicio Galego de Saúde); • EXTREMADURA: Anes del Amo Y (Gobierno de Extremadura), Montes Salas G (Escuela de Estudios de Ciencias de la Salud); • BALEARES: Castaño Riera EJ, Santos Terrón MJ, (Consejería de Salud); Zaforteza Dezcallar M (Servicio de Salud de las Illes Balears), Ferrer Riera J, Martín
Martín MV (Hospital Son Llàtzer); • RIOJA: Cestafé A (Consejería de Salud); • MADRID: Bienzobas López C, Gómez Lázaro R (Dirección General de Sistemas de Información Sanitaria, SERMAS); • MURCIA: Palomar Rodríguez J, Hernando Arizaleta L (Consejería de Sanidad de la Región de Murcia); • NAVARRA: Álvarez Arruti N, Montes García Y, Rodrigo Rincón I (Departamento de Salud de Navarra- Osasunbidea), Ibáñez Beroiz B (Centro de Investigación
Biomédica-Navarra); • PAÍS VASCO: Aizpuru F, Latorre García PM, Latorre A, Pérez de Arriba J (Grupo de investigación del País Vasco, Osakidetza-SVS), Errezola M (Departamento de
Sanidad del Gobierno Vasco), Millán E (Osakidetza-SVS); • C. VALENCIANA: Baixauli-Pérez C, Librero J, Peiró S, Rodríguez-Bernal CL, Sanfelix-Gimeno G (Fundación para el Fomento de la Investigación Sanitaria y
Biomédica de la Comunidad Valenciana, FISABIO), Meneu R, Sotoca R (Fundación Instituto de Investigación en Servicios de Salud, fIISS), Calabuig J (Conselleria de Sanitat, Generalitat Valenciana).
• Este trabajo forma parte del Proyecto “Atlas de Variaciones en la Práctica Médica en el Sistema Nacional de Salud”, que ha recibido financiación del Instituto de Salud Carlos III (Ayudas G03/202, PI05/2490, PI06/1673, PI10/00494 y PI14/00786, cofinanciadas por el European Regional Development Fund), IBERCAJA, y la Fundación Instituto de Investigación en Servicios de Salud. Este estudio ha contado también con financiación de los Convenios 2013 y 2014 entre la Fundación para el Fomento de la Investigación Sanitaria y Biomédica y Boehringer-Ingelheim. CLRB and MRL han estado financiados durante su realización por la RETICs REDISSEC (Ayudas RD12/0001/0005 y RD12/0001/0004 del Instituto de Salud Carlos III, cofinanciada por el European Regional Development Fund). • Los patrocinadores del estudio no han jugado ningún papel en su diseño, colección, análisis o interpretación de los datos, ni tuvieron acceso a las fuentes de datos. Tampoco en la preparación o redacción de la comunicación o en la decisión de presentarla públicamente. • Todos los autores han declarado que no existen potenciales conflictos de interés relacionados con esta comunicación. • La mayor parte de los investigadores del Grupo Atlas VPM-SNS trabajan en instituciones o centros dependientes de los Departamentos de Salud de las diferentes Comunidades Autónomas. Ninguna de estas instituciones o las entidades financiadoras comparten necesariamente los contenidos de esta presentación.
Financiación, agradecimientos y conflicto de intereses
Antecedentes Hospitalizaciones potencialmente prevenibles (PPH): ingresos hospitalarios por condiciones que, conceptualmente, podrían evitarse con una adecuada atención extrahospitalaria previa Se utilizan como indicadores indirectos de la accesibilidad a una atención extrahospitalaria (primaria, especializada, enfermería, autocuidados, …) de alta calidad. La mayor parte de los ingresos por Diabetes (DM) se consideran PPH: el acceso a una adecuada, continua y bien organizada atención extrahospitalaria puede mejorar sus síntomas, reducir su gravedad y evitar (al menos en parte) ingresos hospitalarios.
Antecedentes Incremento de la prevalencia de DM (envejecimiento, obesidad, estilos de vida, cambios en criterios diagnósticos) y la carga de enfermedad. Manejo más complejo (nuevos fármacos, monitorización Hb1Ac, autocontrol, control estricto, combinaciones de AO y AO+Insulina, …): ¿reducción de episodios de hiperglucemia? ¿incremento de episodios de hipoglucemia grave? Cambios organizativos: unidades observación SUH, HaD, introducción modelos atención cronicidad, … El acceso y la calidad de la atención sanitaria varía por áreas y regiones … pero también en el tiempo. Conocer las variaciones geográficas y temporales en las PPH por DM2 es de interés para evaluar la calidad de la atención y para la formulación de políticas públicas para la reducción de la carga de enfermedad.
Estimar el riesgo relativo (poblacional), estandarizado por edad y sexo, de PPH por DM (agudas, a largo plazo, por hipoglucemia) por área de residencia y año en el SNS durante el periodo 2002-2013 y describir su tendencia temporal y la evolución de su variabilidad espacial.
Objetivo
Material y Métodos Diseño: Estudio espacio-temporal, poblacional, usando las áreas de salud (HSA) como unidad de análisis. Lugar: Sistema Nacional de Salud (17 regiones, 203 HSAs). Fuentes de datos: CMBDs 2002-2013; Padrón INE 2002-2013. Población: Todos los ingresos PPH-DM en hospitales de la Red del SNS de personas de 45+ años. Medida principal de resultados: Tasas estandarizadas de PPH-DM por 10.000 personas-año por HSA. Los pacientes son contabilizados en el HSA de residencia (no necesariamente la de hospitalización). Ética: observacional, datos previamente anonimizados.
Material y Métodos PPH-DM (PQI AHRQ).
PPH-DM Short-term Complications: Cetoacidosis, coma diabético, coma hiperosmolar (CIE9MC: 250.1x; 250.2x; 250.3x). PPH-DM Long-term Complications: Complicaciones renales, oculares, neurológicas, circulatorias, NE (CIE9MC: 250.4x; 250.5x; 250.6x; 250.7x; 250.8x; 250.9x).
Hipoglucemia diabética y shock hipoglucémico: 250.8x Análisis: 1) Cálculo de tasas estandarizadas por edad y sexo, 2) razones estandarizadas de hospitalización, 3) modelización bayesiano jerárquica de las estructuras de riesgo espaciales y temporales.
Resultados: complicaciones a corto plazo
CV: De 0,57 è 0,56
2002: 3.203 (2,09/10000) è 2013: 3.183 (1,59/10.000): ê23,68%
2,09/10.000
1,59/10.000
Resultados: complicaciones a corto plazo Patrón espacial del riesgo de hospitalización por
complicaciones DM a corto plazo ajustado por edad y sexo Riesgo rela;vo de hospitalización por
complicaciones DM a corto plazo (2002-‐2013) ajustado por edad y sexo.
Resultados: complicaciones a corto plazo Evolución espacio-‐temporal del riesgo de hospitalización por complicaciones a corto plazo de diabetes
(2002-‐2013). Razónes de hospitalización estandarizadas y probabilidad posterior de RR > 1
Resultados: complicaciones a largo plazo
CV: De 0,48 è 0,75
2002: 15.610 (9,59/10000) è 2013: 22.780 (11,02/10.000): é14,90%
9,59/10.000
11,02/10.000
Resultados: complicaciones a largo plazo Patrón espacial del riesgo de hospitalización por
complicaciones DM a largo plazo ajustado por edad y sexo Riesgo rela;vo de hospitalización por
complicaciones DM a largo plazo (2002-‐2013) ajustado por edad y sexo.
Resultados: complicaciones a largo plazo Evolución espacio-‐temporal del riesgo de hospitalización por complicaciones a largo plazo de diabetes
(2002-‐2013). Razónes de hospitalización estandarizadas y probabilidad posterior de RR > 1
0
5
10
15
20
2 3 4 5 6 7 8 9 10 11 12 13
tasa
est
x 1
0000
per
s−añ
o
●●
●
●
●
●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
0
1
2
3
4
5
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013Year
Hip
oglu
cem
y R
ate
per 1
0,00
0 Po
pula
tion
Resultados: complicaciones hipoglucémicas
CV: De 0,59 è 0,55
2002: 5.097 (3,16/10000) è 2013: 5.922 (2,81/10.000): ê11,1%
3,16/10.000
2,81/10.000
Resultados: complicaciones hipoglucémicas Patrón espacial del riesgo de hospitalización por
complicaciones DM a largo plazo ajustado por edad y sexo Riesgo rela;vo de hospitalización por
complicaciones DM a largo plazo (2002-‐2013) ajustado por edad y sexo.
2 4 6 8 10 12
0.7
0.9
1.1
1.3
year
Rel
ative
risk
Resultados: complicaciones hipoglucémicas Evolución espacio-‐temporal del riesgo de hospitalización por complicaciones a corto plazohipoglucémicas de
diabetes (2002-‐2013). Razónes de hospitalización estandarizadas y probabilidad posterior de RR > 1
Descenso en las tasas de complicaciones a corto plazo e incremento en la tasa de complicaciones a largo plazo.
Discusión/conclusiones
Discrepancia entre patrones territoriales de las complicaciones a corto y largo.
Discusión/conclusiones
Mantenimiento de la tasa de hospitalizaciones por hipoglucemia (que supera a la de las complicaciones a corto que incluyen buena parte de las hiperglucémicas: ¿patrón USA?.
0
1
2
3
4
5
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013Year
Hip
oglu
cem
y R
ate
per 1
0,00
0 Po
pula
tion
Discusión/conclusiones
Hospitalizaciones en hospitales privados: cuentan en el denominador pero no en el numerador (MUFACE, ISFAS, MUGEJU). Ajuste sobre población general, no sobre población de diabéticos (cambios en la prevalencia por áreas o en el tiempo?). Definición USA de los PQI y patrones de codificación locales.
Discusión/limitaciones
Mejoras en las PPH a corto (mejor manejo de la diabetes a corto), sobre todo a partir de 2007, pero dudas en las complicaciones a largo. Causas: ¿mejor manejo? ¿cambio tecnológico? ¿cambios organizativos? ¿cambios en los patrones de hospitalización: mejora del control en los SUH evitando ingresos? Paso a HaD desde el SUH? …?) Mantenimiento de la variabilidad (elevada, pero sobre tasas muy pequeñas e inestables). ¿Espacio para la mejora?
Discusión/conclusiones/implicaciones
Análisis First, all 2002 to 2013 COPD-PPH admissions of patients aged 20 and over were selected, linked to their HSA of residence and aggregated into fourteen age-sex groups (20-44, 45-64, 65-69, 70-74, 75-79, 80-84, 85 and over, for both genders).
Age-sex standardized rates were calculated by applying age-sex specific weights representing the importance of each group in the overall population of each area. Variation among HSAs was assessed through the ratio between the 95th and 5th percentiles, the ratio between the 75th and 25th percentiles and the coefficient of variation of the COPD-PPH standardized rates per 10,000 persons-year. Under the hypothesis that risk remains constant in space and time, the expected number of cases per HSA was estimated by applying the rate for all areas over the 12 years to the population at risk in each HSA in the respective year. Standardized Hospitalization Ratios (SHRs) were estimated using the ratio of observed-to-expected cases, interpretable as the maximum estimate of the risk ratio of admissions for a COPD-PPH in that area in that period.
We use a Bayesian hierarchical approach to model the different risk structures of dependence in both space and time. In the first level of this hierarchical modelization, we assume that, conditional on the underlying relative risk, the number of counts yjt in the j th area at the t th time period follows a Poisson distribution with mean ujt = ejt rjt , where ejt is the number of expected counts and rjt the unknown relative risk. In the second level, the log(rij) was expressed as the sum of the components representing the individual and independent contributions to the risk in a specific HSA and period [log(rij) = intercept + Si + Tj + STij], where the intercept term gives the initial level of risk that is shared by all regions and periods. The main effects Si and Tj represent the additional risk of living in region i and period j and the second order interaction term STij represent the risk contribution due to a combination of the effects that cannot be explained additively by the main effects. In the third level, a hyperparameter-prior distribution was assumed where the spatial effect was modelled following a convolution CAR prior.22 The temporal main effect was a combination of a time-unstructured (exchangeable) and a time structured effects (first order random walk), and the interaction term can be thought of as the independent unobserved covariates for each combination of region and period (i,j), thus without any structure (Type I in the Knorr-Held classification)23 .
As a summary measure of the uncertainty surrounding the estimate of relative risk, the posterior expected exceedence probability (Pr(RR > 1)) is represented.24 Integrated nested Laplace approximations (INLAs) were used as a tool for Bayesian inference.25 For this purpose, we used R-INLA with the option of simplified Laplace estimation of the parameters, a package available in the R environment.
