Proponer una metodología de case-mix para atención primaria, basada en edad, cronicidad y género.
Describir el valor explicativo de estas variables en la variabilidad de la carga de trabajo asistencial médica.
DiseñoEstudio observacional, descriptivo, retrospectivo.
EmplazamientoAtención primaria. Centro de Salud Rochapea de Pamplona.
Material y métodosRegistros informáticos de todas las consultas entre enero de 1996 y junio de 1997. Variable dependiente: carga de trabajo. Variables independientes: edad, género, patologías crónicas (diabetes, dislipemias, enfermedades neurológicas crónicas, EPOC-asma, enfermedades psiquiátricas crónicas, cardiopatías, hipertensión arterial, abuso alcohol y otras drogas). Se utilizó la prueba de Kruskal-Wallis para comparar cargas de trabajo por grupos de edad y análisis de regresión lineal múltiple para calcular el poder predictivo de las variables independientes.
ResultadosSe observaron diferencias significativas por grupos de edad. En el modelo multivariante aplicado a médicos de familia se pudieron incluir todas las variables, explicando un 24,2% de la variabilidad de la carga de trabajo (R2). Para los pediatras se pudieron incluir la edad y asma, explicando un 23,48%.
ConclusionesEdad, cronicidad y género son variables útiles para predecir, a partir de bases de datos administrativas, la carga de trabajo asistencial. Permiten su utilización en ajustes por carga asistencial aplicables a sistemas retributivos capitativos.
To propose a case-mix methodology for primary care, based on chronicity, type and age. To describe the explanatory value of these variables in the variability of the medical case-load.
DesignObservation, descriptive and retrospective study.
SettingPrimary care. Rochapea Health Centre, Pamplona.
Material and methodsComputer records of all the consultations between January 1996 and June 1997. Dependent variable: case-load. Independent variables: age, type, chronic pathologies (diabetes, lipaemia, chronic neurological diseases, COPD-asthma, chronic psychiatric illnesses, cardiopathy, hypertension, alcohol and other drug abuse). The Kruskal-Wallis test was used to compare work-loads by age groups; and multiple linear regression analysis to calculate the predictive power of the independent variables.
ResultsSignificant differences were observed for age groups. In the multivariate model used for general practitioners, all the variables could be included. They explained 24.2% of the variability in work load (R2). For paediatricians, age and asthma, explaining 23.48%, could also be included.
ConclusionsAge, type and chronicity are useful variables for predicting case load from administrative data bases. They can be used in adjustments for case load applicable to capitation payment systems.