Objetivo. Medir la variabilidad en la utilización de recursos en atención primaria e identificar factores que expliquen las diferencias.
Diseño. Estudio observacional ecológico.
Emplazamiento. Atención primaria.
Participantes. Se ha seleccionado el índice de frecuentación en 1996, como indicador de utilización de recursos en atención primaria, en el territorio gestionado por el INSALUD.
Intervenciones. El análisis se ha realizado a nivel provincial utilizando la técnica estadística de regresión lineal múltiple. Se ha elegido como variable dependiente el índice de frecuentación y como variables explicativas o independientes se han utilizado indicadores demográficos, socioeconómicos, de mortalidad, de organización, oferta y accesibilidad.
Mediciones y resultados principales. La variabilidad de la frecuentación en el ámbito gestionado por el INSALUD ha sido amplia durante 1996, con un coeficiente de variación del 20,5%. El análisis de regresión lineal simple muestra que la renta de la población explica un 55% de la variabilidad. La renta de la población, el número de facultativos por 1.000 habitantes y el porcentaje de menores de 3 años pueden explicar el 70% de la variabilidad en la frecuentación en atención primaria.
Conclusiones. Hay diferencias interprovinciales en la utilización de recursos sanitarios en atención primaria. La frecuentación en consultas de atención primaria en el INSALUD es mayor en provincias con nivel socioeconómico bajo, con mayor número de médicos por 1.000 habitantes y con mayor número de niños menores de 3 años.
Objective. To measure variability in the use of primary care resources and identify factors that explain the differences.
Design. An ecological observation study.
Setting. Primary care.
Participants. The 1996 index of frequency of attendance was chosen as the indicator of primary care resource use throughout the territory managed by INSALUD.
Interventions. The analysis was conducted on a provincial basis, using the statistical technique of multiple linear regression. The index of frequency of attendance was chosen as dependent variable; and demographic, social and economic, mortality, organisation, and offer and accessibility indicators were chosen as explanatory or independent variables.
Measurements and results. There was wide variability in frequency of attendance in the areas managed by INSALUD during 1996, with a variation coefficient of 20.5%. The simple linear regression analysis showed that the population's income explained 55% of variability. Income, the nbumber of doctors per 1,000 inhabitants and the percentage of children under 3 explained 70% of the variability of frequency of attendance at primary care.
Conclusions. There are differences between provinces in primary care health resource use. Attendance for primary care consultation in INSALUD is more frequent in provinces with a low social and economic level, more doctors per 1000 inhabitants and more children under 3.
Introducción
Actualmente en el ámbito de las comunidades autónomas gestionadas por el INSALUD, con un gasto capitativo similar1 y una cobertura poblacional por equipos de nuevo modelo de atención primaria superior al 80%, las diferencias en la utilización de recursos deberían indicar divergencias en las necesidades de la población.
El problema fundamental de la evaluación de necesidades sanitarias de la población es la dificultad de obtener medidas directas, siendo necesario a menudo recurrir a medidas indirectas2. En este sentido, la demanda de servicios como medida indirecta de necesidad es uno de los mejores indicadores disponibles2. Sin embargo, el problema de la demanda inducida por la oferta es uno de los principales obstáculos para estimar las necesidades sanitarias a partir de datos sobre la utilización de servicios3.
Basándonos en el modelo teórico diseñado (fig. 1), la hipótesis a contrastar es que las posibles diferencias detectadas en la utilización de servicios sanitarios pueden explicarse a través de dos tipos de variables:
1. Las que influyen en la demanda a través de las necesidades sanitarias: demográficas, socioeconómicas y de morbimortalidad.
2. Las que influyen en la demanda a través de la oferta: recursos, accesibilidad y organización.
Las variables demográficas son las más frecuentes en estudios de utilización de recursos, y según varios autores las más potentes como predictoras de los patrones de utilización tanto en atención primaria como en especializada4.
Respecto a las variables socioeconómicas que influyen en la demanda, en la literatura inglesa se han elaborado varios índices de deprivación material, entre los que cabe destacar los índices de Jarman5-7, Townsend5-7 o Carstairs5-7. El índice de Jarman ha sido muy utilizado en el Reino Unido7 y en los Países Bajos8 para predecir la carga de trabajo del médico general y para calcular sus retribuciones según la deprivación material de su población9. Según Borrás, la morbimortalidad de la población debería ser el determinante principal de las necesidades sanitarias10.
En cuanto a la accesibilidad se pueden distinguir varias dimensiones11: la disponibilidad de los servicios, el acceso físico o geográfico, la capacidad de pago y la aceptabilidad. Las variables que habitualmente se utilizan para medir accesibilidad son la dispersión geográfica y el tiempo de espera12-14. La organización de los servicios también influye en la utilización de recursos; en atención primaria se ha observado asociación inversa entre el número de consultas programadas y la presión asistencial15.
La disponibilidad y características del personal sanitario son fundamentales en la utilización de servicios, pero son variables de difícil medición. Únicamente se han realizado estudios que relacionan la edad, el sexo y la especialidad del médico con la utilización de recursos16-17.
Los objetivos de este estudio son medir la variabilidad en la utilización de recursos en atención primaria, mediante el índice de frecuentación, e identificar los factores que puedan explicar las diferencias.
Método
El estudio se ha desarrollado en el ámbito geográfico gestionado por el INSALUD con 15.367.367 habitantes según el Padrón de 1996, que corresponde al 38,7% de la población española e incluye 27 provincias correspondientes a las siguientes comunidades autónomas: Aragón, Asturias, Baleares, Cantabria, Castilla-La Mancha, Castilla y León, Ceuta, Extremadura, Madrid, Melilla, Murcia y La Rioja.
Las variables incluidas en el modelo y las fuentes de información empleadas han sido las siguientes: como indicador de utilización de recursos en atención primaria se ha seleccionado el índice de frecuentación de 1996, es decir, el número de visitas al médico general y al pediatra por habitante al año. Para calcular este índice se ha empleado la información sobre el número de consultas realizadas por los médicos generales y pediatras en cada gerencia y la población a la que correspondía dicha actividad18.
Los indicadores demográficos utilizados han sido el porcentaje de población >=65 años y el porcentaje de población <3 años de la base de datos de la Tarjeta Sanitaria Individual19. Como indicadores socioeconómicos se han seleccionado la renta media declarada a la Agencia de Administración Tributaria20 y el porcentaje de población desempleada, según la Encuesta de Población Activa de 1996 (INE). Como indicadores de mortalidad se han estudiado las tasas estandarizadas de mortalidad general y las tasas de mortalidad infantil, según el Movimiento Natural de la Población 1994 (INE).
Como indicadores de organización, oferta y accesibilidad se han recogido del Sistema de Información del INSALUD18 la cobertura poblacional por equipos de atención primaria, el porcentaje de centros con acreditación docente de medicina familiar y comunitaria, el número de facultativos por 1.000 habitantes, el grado de dispersión de la población (medido como el porcentaje de población residente en zonas básicas rurales o semirrurales), el porcentaje de consultas a partir de las 5 de la tarde y el tiempo medio de espera para entrar en la consulta.
En primer lugar, se ha realizado un análisis estadístico descriptivo de todas las variables. Para describir la dispersión de las distribuciones se utilizó el coeficiente de variación (CV) y para analizar la asociación entre variables se calcularon los coeficientes de correlación de Pearson (r). Se han considerado significativos valores de p<0,05.
A continuación se realizó un análisis de regresión21-22, seleccionando como variable dependiente o resultado el índice de frecuentación en atención primaria y como variables independientes o explicativas todas las variables anteriormente indicadas. Se inició con un estudio univariante de regresión simple, y posteriormente, mediante la técnica de regresión lineal múltiple, se construyó un modelo con aquellas variables que previamente eran significativas, intentado determinar las variables que mejor predicen el número de consultas en atención primaria en el ámbito poblacional. Para expresar el porcentaje de variabilidad explicado por el modelo de regresión se ha utilizado el coeficiente de determinación o R2 y el coeficiente de determinación ajustado R2a. La estimación del peso de las variables independientes se ha realizado a través del método de mínimos cuadrados21-22. El análisis estadístico se ha realizado con el paquete estadístico SPSS23
Resultados
Se ha observado que la variabilidad en la utilización de recursos sanitarios en atención primaria, medida a través del índice de frecuentación, fue amplia en el territorio del INSALUD durante 1996, con un mínimo de 5,2 y un máximo de 9,8 consultas por habitante al año (fig. 2) y un coeficiente de variación de 20,5%.
En la tabla 1 se observan los estadísticos descriptivos de las variables y los coeficientes de variación. La tabla 2 muestra los coeficientes de correlación de Pearson con significación estadística. Se puede observar la fuerte correlación que existe entre algunas variables como el porcentaje de mayores de 65 años y la dispersión de la población (r=0,85) o entre porcentaje de mayores de 65 años y los facultativos por 1.000 habitantes (r=0,84).
En el análisis de regresión simple (tabla 3) se observa que individualmente la renta explica un 55% de la variabilidad en la utilización de recursos en atención primaria, el porcentaje de mayores de 65 años el 46% y el número de médicos generales por 1.000 habitantes un 37%.
La tabla 4 presenta los resultados del análisis multivariado, sus coeficientes de regresión y el análisis de la variancia, incluyendo solamente aquellas variables que supusieron un incremento significativo en su coeficiente de determinación. En el análisis se ha excluido la dispersión de la población, ya que se comporta como una variable de confusión. El modelo seleccionado explica un 70% de la variabilidad total del índice de frecuentación.
Frecuentación=10,043,26*10-6 (renta)+2,57 (facultativos/1.000 habitantes)+0,79 (%<3 años).
Discusión
Los resultados expuestos constatan la existencia de variabilidad interprovincial en la utilización de recursos en atención primaria, asociada al nivel de renta, a la oferta en recursos humanos y a la distribución por edades de la población.
En una situación ideal la utilización de los recursos sanitarios dependería exclusivamente del nivel de salud de la población12; sin embargo, la realidad es muy diferente y la interacción de factores relacionados con la utilización es múltiple y de difícil individualización.
En los estudios sobre utilización de recursos realizados individualmente, a través de encuestas de salud y censos de población, sólo el sexo y la edad de los pacientes explicaban las diferencias en la utilización4,6 24,25. Sin embargo, en el ámbito poblacional, según los resultados presentados, se puede considerar que el nivel socioeconómico, la distribución por edad de la población y la oferta de recursos explican una parte importante de la variabilidad del índice de frecuentación en atención primaria.
La mayoría de los estudios han puesto de manifiesto que hay una mayor utilización de servicios sanitarios por parte de la población de nivel socioeconómico bajo24-29. Según Kleineman27 existe una superior utilización por parte de la población de nivel social bajo, pero esta relación desaparece cuando se controla la percepción del nivel de salud. Otros autores añaden que, en el caso de servicios médicos privados y servicios preventivos, hay una mayor utilización por parte de la población de nivel económico alto26,30-31. Carr-Hill concluye que los factores socioeconómicos son potentes predictores de la utilización, pero son difíciles de obtener a nivel individual6.
Respecto a la oferta de recursos, las provincias con mayor número de médicos por habitante presentan mayor dispersión de la población, superior proporción de mayores 65 años y menor nivel socioeconómico. La asociación entre oferta y utilización de recursos puede explicarse por lo que en econometría se conoce como determinación simultánea entre la oferta y la demanda.
Entre los 2 indicadores demográficos elegidos el porcentaje de niños menores de 3 años es el que presenta mayor variabilidad interprovincial. La superior frecuentación en zonas con mayor porcentaje de niños podría explicarse por la más elevada oferta de servicios dirigida a este colectivo (programa del niño sano). Un análisis estratificado permitiría controlar esta variable.
Respecto a la calidad de la información de la variable resultado (índice de frecuentación), aunque existe algún estudio a nivel de área de salud que demuestra que el método de recogida de la información puede considerarse válido, siempre que se definan correctamente los términos33, sería necesario un estudio más amplio que permitiese conocer la fiabilidad y validez de la información sobre actividad en los centros de salud.
La información sobre la renta declarada a la Agencia Tributaria recogida en este estudio, aun teniendo en cuenta que al ser una declaración puede tener algún sesgo individual, éstos desaparecen al utilizar datos agregados y se puede considerar una fuente de información válida sobre el nivel socioeconómico de la población española en el ámbito territorial.
En el análisis, la dispersión de la población se comporta como una variable de confusión, ya que está asociada a la oferta y a las características de la población. Un análisis estratificado por núcleos rural y urbano permitiría controlar esta variable.
Tal y como se ha medido la dispersión (porcentaje de población residente en zonas rurales), ésta no implica falta sino mayor accesibilidad. Aquellas poblaciones con una dispersión geográfica mayor en general tienen los recursos más cerca (consultorios locales) y frecuentan más precisamente por una mayor accesibilidad. Se ha observado que cuanto mayor es la distancia a la consulta, menor es el número de visitas32. A su vez, en la zona rural, hay más recursos humanos medidos en términos de facultativos por 1.000 habitantes, debido a la dispersión geográfica de la población en núcleos pequeños.
La limitación más importante de este tipo de estudios es la dificultad de conseguir datos actualizados, válidos y fiables, de aquellas variables que previsiblemente explicarían la variabilidad en la frecuentación en atención primaria, como la doble cobertura asistencial público-privada, la prevalencia de patología crónica o las características individuales del personal sanitario.
La utilización de datos agregados disminuye el poder estadístico del estudio; sin embargo, los estudios ecológicos permiten tener en cuenta factores del medio geográfico o social que no puede medirse individualmente y se utilizan para generar hipótesis sobre los determinantes de la salud34. Otra limitación del estudio es la multiplicidad de las interacciones entre las variables estudiadas y a que 27 provincias no proporcionan grados de libertad suficientes. Por lo tanto, no se puede afirmar que variables con significación estadística en el análisis univariado no tengan relación con el índice de frecuentación y que su inclusión no incremente su capacidad predictiva.
Según los resultados obtenidos, se puede concluir que la frecuentación en consultas de atención primaria en el INSALUD es mayor en provincias con nivel socioeconómico bajo, con mayor número de médicos por 1.000 habitantes y con más elevado número de niños menores de 3 años. Sin embargo, no se puede afirmar que aquellas provincias con mayor frecuentación tengan mayor necesidad, ya que las zonas con rentas altas, debido a una superior capacidad de compra, pueden tener un mayor acceso a servicios sanitarios privados que en muchos casos sustituirán a los públicos. Tampoco se puede afirmar que otras variables estudiadas, pero no incluidas en el modelo, puedan explicar una parte de la variabilidad en la utilización, ya que las diferencias entre áreas de salud pueden llegar a ser mayores que entre provincias.
Para finalizar, hay que recordar como decía De la Revilla35, que «la decisión de utilizar los servicios sanitarios es consecuencia de una compleja interacción de factores relacionados con el estado de salud del individuo, la percepción que el individuo tiene sobre su estado de salud y la disponibilidad y oferta de los servicios sanitarios».
Agradecimientos
Este trabajo ha sido realizado gracias al apoyo prestado por Isabel Corella, y la colaboración de Mercedes Alfaro y Víctor Barranco, de la Subdirección General de Atención Primaria del INSALUD; de Julio Bermejo, de la Agencia Tributaria del Ministerio de Hacienda, y de María Victoria Martínez de Aragón, del Centro Nacional de Epidemiología, Instituto Carlos III. También nos gustaría agradecer los comentarios y aportaciones realizadas por Esperanza Escortell, de la Gerencia de Atención Primaria del Área 3 de Madrid.
