Ajuste de Riesgos y Análisis de la Casuística

El ajuste de riesgos es el conjunto de métodos estadísticos utilizados para tener en cuenta las diferencias en las características de los pacientes al comparar los resultados o los costos de diferentes proveedores, programas o tratamientos. Dado que los hospitales y los médicos tratan a pacientes que difieren en edad, gravedad y comorbilidad, una comparación justa de los resultados medidos requiere ajustar esta casuística; de lo contrario, las diferencias aparentes en la calidad pueden simplemente reflejar diferencias en los pacientes tratados.

Definition

El ajuste de riesgos es el proceso de contabilizar estadísticamente las diferencias en la casuística de los pacientes, como la gravedad de la enfermedad y la comorbilidad, de modo que las comparaciones de los resultados o costos de la atención médica entre proveedores o grupos reflejen las diferencias en la atención en lugar de las diferencias en los pacientes tratados.

Scope

Esta entrada cubre por qué es necesario el ajuste de riesgos, los enfoques principales (índices de comorbilidad, modelos multivariables y puntuaciones de propensión), y los problemas de datos y validez que lo limitan. Es una referencia metodológica dentro de la medición de la calidad y no proporciona estimaciones de riesgo clínico ni orientación para pacientes individuales.

Core questions

• ¿Por qué las comparaciones de resultados brutos entre proveedores pueden ser engañosas?
• ¿Qué factores del paciente deben ajustarse y cuáles no?
• ¿Cómo difieren los índices de comorbilidad, los modelos de regresión y las puntuaciones de propensión como métodos de ajuste?
• ¿Qué limita la validez del ajuste de riesgos y cuándo persiste la confusión residual?

Key concepts

• Casuística y gravedad de la enfermedad
• Índices de comorbilidad
• Modelos multivariables de ajuste de riesgos
• Puntuaciones de propensión y equilibrio de covariables
• Razón de mortalidad estandarizada
• Confusión residual
• Datos administrativos versus clínicos

Key theories

Puntuación de propensión para el control de la confusión

Rosenbaum y Rubin demostraron que la puntuación de propensión, la probabilidad de recibir un tratamiento o de pertenecer a un grupo dadas las covariables observadas, es una puntuación de equilibrio: condicionar sobre ella equilibra las covariables medidas entre los grupos, permitiendo una comparación más justa de los resultados en datos observacionales. El concepto sustenta muchas estrategias modernas de ajuste de riesgos y comparación de casuísticas.

Mechanisms

El ajuste de riesgos comienza identificando factores del paciente, presentes antes de la atención, que influyen en el resultado de interés, como la edad, la gravedad y la comorbilidad. Estos factores se resumen mediante índices de comorbilidad, como el índice de Charlson construido a partir de diagnósticos ponderados o el conjunto de comorbilidades de Elixhauser diseñado para datos administrativos, o se introducen en un modelo multivariable que predice el resultado esperado para cada paciente. Los resultados observados se comparan luego con los resultados esperados del modelo, a menudo como una razón estandarizada. Los métodos de puntuación de propensión, siguiendo a Rosenbaum y Rubin, en cambio, equilibran la distribución de las covariables medidas entre los grupos antes de la comparación. Todos estos métodos ajustan solo los factores medidos; las diferencias no medidas dejan una confusión residual, y la calidad de los datos subyacentes, especialmente la codificación administrativa, afecta fuertemente la validez.

Clinical relevance

El ajuste de riesgos hace que la elaboración de perfiles de proveedores, la presentación de informes públicos y las comparaciones de pago por desempeño sean más justas al separar la contribución de la atención de la de la casuística del paciente. Los índices de comorbilidad y los métodos de puntuación de propensión se utilizan ampliamente en la investigación de resultados y la evaluación de servicios de salud. Esta entrada explica los métodos utilizados para comparar poblaciones y no es una herramienta para estimar el riesgo en un paciente individual.

Evidence & guidelines

Los fundamentos metodológicos se establecen en el texto de referencia de Iezzoni sobre el ajuste de riesgos, las medidas originales de comorbilidad de Charlson y Elixhauser, y la literatura sobre puntuación de propensión originada con Rosenbaum y Rubin. Estas fuentes se citan por su contenido metodológico y no funcionan como directrices clínicas en esta entrada.

History

La preocupación de que las comparaciones de resultados brutos penalizaran injustamente a los proveedores que trataban a pacientes más enfermos impulsó el desarrollo del ajuste formal de riesgos a partir de la década de 1980. Los índices de comorbilidad como el de Charlson (1987) y las medidas de datos administrativos de Elixhauser y sus colegas (1998) proporcionaron resúmenes prácticos de la casuística, mientras que el marco de puntuación de propensión de Rosenbaum y Rubin (1983) proporcionó un enfoque general para equilibrar grupos en comparaciones observacionales.

Debates

¿Pueden los datos administrativos respaldar un ajuste de riesgos válido?

El ajuste a partir de la codificación administrativa es económico y ampliamente disponible, pero puede pasar por alto la gravedad y el inicio de la enfermedad, y es sensible a las prácticas de codificación; los datos clínicos son más ricos pero más costosos de recopilar. La idoneidad de la fuente de datos para una comparación dada sigue siendo objeto de debate.

¿El ajuste de riesgos alguna vez corrige en exceso?

Ajustar por factores que son en sí mismos consecuencias de una atención deficiente, o por los mismos resultados que la calidad pretende capturar, puede enmascarar diferencias reales de calidad; decidir qué variables pertenecen al modelo es un juicio central.

Key figures

• Lisa Iezzoni
• Mary Charlson
• Anne Elixhauser
• Paul Rosenbaum
• Donald Rubin

Seminal works

• charlson-1987
• elixhauser-1998
• rosenbaum-rubin-1983
• iezzoni-2013

Frequently asked questions

¿Qué es la casuística?

La casuística es la mezcla de tipos y gravedades de pacientes tratados por un proveedor. Las diferencias en la casuística significan que dos proveedores pueden tener resultados diferentes incluso si la calidad de su atención es idéntica, por lo que los resultados se ajustan por riesgo antes de la comparación.

¿Por qué el ajuste de riesgos nunca puede eliminar completamente el sesgo?

Solo puede ajustar los factores que se miden. Las diferencias no medidas entre grupos de pacientes, denominadas confusión residual, permanecen después del ajuste, por lo que las comparaciones ajustadas por riesgo aún requieren una interpretación cautelosa.