En el anciano se conocen numerosas variables asociadas a la utilización de consultas, si bien hay discrepancias sobre su efecto como predictoras de nuevas visitas.
El objetivo del estudio ha sido conocer la capacidad predictiva de un modelo de uso de consultas en población ≥ 65 años atendida en AP.
Material y métodosSe estudian 207 pacientes. Las variables de resultado son «Visitas al centro de salud» y «Visitas a urgencias del hospital», analizadas asimismo como predictiva una de otra. Otras variables predictivas son la edad, el género y la comorbilidad. Mediante regresión múltiple se elaboran 14 modelos multivariantes, expresándose el valor del coeficiente R2, la reducción de la varianza que aporta cada variable y su significación estadística.
ResultadosLa capacidad predictiva mejora al estratificar, alcanzando el máximo rendimiento en el modelo «Visitas a urgencias en pacientes sin comorbilidad» (R2=0,251,p<0,000). Ambos tipos de visitas se correlacionan significativamente con la edad, la comorbilidad y entre ambas. Son las variables más predictivas, con una capacidad explicativa que llega al 17,6%, mientras que la comorbilidad alcanza el 11,8%.
ConclusionesAunque los modelos son precisos, las variables analizadas son insuficientes para predecir el uso de consultas en el anciano, pues tan sólo explican un 25% de la variabilidad final.
Dentro de esa capacidad explicativa, se observa que una visita previa es un potente predictor de una visita futura, especialmente en 3 estratos: mujeres, < 75 años y pacientes sin comorbilidad.
La edad y la comorbilidad son más predictoras de futuras visitas en hombres que en mujeres.
Several variables associated with the use of health services by the elderly are already known, although there is disagreement on their effect as predictors of new visits.
The aim of this study was to determine the prediction power of a model of use of consultations in people ≥ 65years attended in primary care.
Material and methodsA total of 207 patients of both genders were studied. Outcome variables were visits to the primary care centre and visits to hospital emergency services, both also analysed as predictive of one another. Other predictive variables were age, gender and comorbidity. A multiple regression analysis was performed using 14 multivariate models.
ResultsThe predictive ability improved with stratification and reached the highest performance in the model “Visits to hospital emergency services in patients without comorbidity” (R2=0,251, P<.000). Both types of visits were significantly correlated with age, comorbidity, and between themselves. These were the most predictive variables (up to 17.6%), whereas comorbidity contributed up to 11.8%.
ConclusionsDespite the accuracy of the models, these variables are insufficient to predict new consultations in the elderly, because they hardly explain 25% of the final variability.
Within the predictive ability, it was shown that a prior visit is a powerful predictor of a future visit, particularly in three strata: women, < 75years and patients without comorbidity.
Age and comorbidity are stronger predictors of future visits in men than in women.
La población anciana en los países occidentales consume una gran cantidad de recursos sanitarios. Según los datos de nuestro país, un 59,1% de la población mayor de 65 años refiere haber acudido a una consulta médica en las últimas 4 semanas1.
La extensión y el volumen de las consultas médicas, unido al hecho de que no se conocen en detalle los mecanismos que subyacen en la decisión de acudir a una consulta, hacen de ella una variable interesante desde una perspectiva de planificación de servicios.
Así, en las últimas décadas se han elaborado varios modelos teóricos que han profundizado en los aspectos económicos, psicosociales y de comportamiento que influyen en la utilización de los servicios sanitarios2. Concretamente en la población anciana se han descrito numerosas variables que muestran una relación consistente con el uso del servicio sanitario3. En nuestro conocimiento, hay acuerdo en alguna de ellas, como es el efecto predictor de una visita previa4, pero hay discrepancias acerca del grado de predicción que tienen el género, la edad y el número de enfermedades crónicas en cuanto a la utilización de consultas3,5,6.
El objetivo del estudio ha sido conocer la capacidad predictiva de un modelo de uso de consultas basado en las variables de género, edad, comorbilidad y visita previa, a partir de una muestra representativa de ancianos atendidos en atención primaria (AP).
Participantes y métodosDiseño y participantesEstudio transversal analítico, realizado en el ámbito de AP. Los participantes han sido ancianos de ambos sexos, pertenecientes a 2 cupos de medicina de familia del EAP Camargo, que atiende a una ZBS de carácter semiurbano de la Comunidad Autónoma de Cantabria. El único criterio de inclusión ha sido la edad (tener 65 o más años) y no se ha contemplado ningún criterio de exclusión. Por un estudio previo realizado en la ZBS Camargo, se sabe que la población de dicha ZBS presenta una distribución por sexos, edad y nivel socioeconómico similares a las de la Comunidad Autónoma de Cantabria7.
Tamaño de la muestra y método de muestreoEl tamaño de la muestra corresponde a los requisitos de un resultado esperado del 20%, un nivel de confianza del 95%, un tamaño poblacional de 550 (pacientes ≥ 65 años en los 2 cupos médicos) y una precisión deseada de±4,5. El resultado es 196 pacientes, que en prevención de pérdidas por falta de información en la historia clínica, se ha ampliado hasta los 207 pacientes definitivos. La incorporación de los pacientes al estudio se ha efectuado mediante un muestreo consecutivo; así, aquellos pacientes con 65 o más años que acudían a consulta médica por cualquier motivo eran invitados a participar. Tras haber sido informados del propósito del estudio, todos los participantes dieron su consentimiento por escrito. La recogida de datos tuvo lugar entre los meses de enero y junio de 2010.
Variables de resultadoLa elección de las variables de resultado ha respondido a criterios de revisión de la literatura médica y de las posibilidades que ofrece la historia clínica. Son el número de visitas al centro de salud (VCS) en el último año, que incluye todo tipo de visitas a los profesionales del EAP, en el centro y a domicilio, y que ha sido obtenido a través de la historia clínica informatizada OMI-AP®, y el número de visitas al servicio de urgencias del hospital (VSU) en el último año, obtenido del hospital de referencia a través de la Intranet.
Variables independientes o explicativasHan sido el género, la edad, el índice de Charlson y las variables VCS y VSU. Se ha utilizado el índice de Charlson8 para evaluar la comorbilidad, habida cuenta de que dicho índice ha sido propuesto como herramienta válida y reproducible de evaluación de la comorbilidad en el anciano9, y de especial interés en el ámbito de la atención primaria10. La elección de VCS y VSU, actuando simultáneamente como variables independientes y de resultado (VCS como predictora de VSU, y viceversa), ha venido motivada por el conocimiento de que el número de visitas previo mejora notablemente la capacidad de predicción de los modelos de utilización de consultas11.
Análisis bivariante y multivarianteCon el fin de conocer el grado de relación entre las variables explicativas y las de resultado, se ha realizado en primer lugar un análisis crudo o bivariante recurriendo al test de la t de Student, al análisis de varianza entre grupos (ANOVA) y a la correlación de Pearson. En una segunda fase, previa comprobación de los supuestos de homocedasticidad, normalidad, no colinealidad e independencia de los residuos, se han elaborado varios modelos multivariantes. Para ello se ha recurrido a la técnica de la regresión múltiple (con el método enter) y a la estratificación, que han permitido el ajuste simultáneo de variables, el control de las variables de confusión y la modificación de efecto, mostrándose de forma eficiente la asociación de variables predictoras. Se han elaborado 2 modelos globales y otros 12 que resultan de la estratificación por género, edad y comorbilidad.
Los cálculos se han efectuado con el paquete estadístico SPSS® v.15, considerándose significativa una p<0,05.
ResultadosLas características basales de la muestra se recogen en la tabla 1.
Características basales de la muestra
| N | Porcentaje | p | |
| Género | |||
| Mujeres | 115 | 55,6 | |
| Hombres | 92 | 44,4 | |
| Edad | |||
| Media (DE) | 74,06 (6,31) | ||
| Media de edad en mujeres | 74,46 (6,31) | 0,3 | |
| Media de edad en hombres | 73,55 (6,31) | ||
| < 75 años | 110 | 53,1 | |
| ≥ 75 años | 97 | 46,9 | |
| Índice de Charlson | |||
| Media (DE) | 0,84 (1,12) | ||
| Índice de Charlson en mujeres | 0,72 (0,97) | 0,09 | |
| Índice de Charlson en hombres | 0,99 (1,28) | ||
| Pacientes con 0 puntos | 109 | 52,7 | |
| Pacientes con 1-2 puntos | 81 | 39,1 | |
| Pacientes con 3-4 puntos | 15 | 7,2 | |
| Pacientes con ≥ 5 puntos | 2 | 1 | |
| Condiciones mórbidas del índice de Charlson | |||
| 1 punto | |||
| Isquemia miocárdica | 14 | 9,5 | |
| Insuficiencia cardiaca congestiva | 14 | 9,5 | |
| Enfermedad arterial periférica | 6 | 4 | |
| Enfermedad cerebrovascular | 13 | 8,8 | |
| Demencia | 2 | 1,3 | |
| Enfermedad respiratoria crónica | 23 | 15,6 | |
| Enfermedad del tejido conjuntivo | 5 | 3,4 | |
| Ulcus péptico | 6 | 4 | |
| Hepatopatía leve sin hipertensión portal | 2 | 1,3 | |
| Diabetes mellitus sin afectación de órganos diana | 36 | 24,4 | |
| 2 puntos | |||
| Hemiplejía | - | - | |
| Enfermedad renal moderada-severa | 4 | 2,7 | |
| Diabetes con afectación de órganos diana | 7 | 4,7 | |
| Tumor sin evidencia de metástasis | 12 | 8,1 | |
| Leucemia aguda o crónica | 3 | 2 | |
| Linfoma/mieloma | - | - | |
| 3 puntos | |||
| Enfermedad hepática moderada o severa | - | - | |
| 6 puntos | |||
| Tumor sólido con metástasis | - | - | |
| Sida | - | - | |
El análisis bivariante se resume en tablas 2 y 3. Confirma que tanto la edad como el índice de Charlson están relacionados con las variables de resultado y, por tanto, ambos son incluidos en los modelos como variables independientes, explicativas o predictivas. La fuerte relación lineal positiva entre VCS y VSU nos ha llevado a confirmar asimismo su inclusión en la ecuación de regresión múltiple, aceptándose simultáneamente como variables explicativas y de resultado.
Análisis bivariante (I)
| Variables de resultado | Poblaciones | Media | Desviación estándar | p | IC al 95% |
| VCS | Muestra global | 23,05 | 18,8 | - | - |
| Mujeres | 24,46 | 21,71 | 0,22 | -8,35, 2 | |
| Hombres | 21,28 | 14,28 | |||
| < 75 años | 20,69 | 20,66 | 0,05 | -10,16, 0,09 | |
| ≥ 75 años | 25,72 | 16,13 | |||
| Índice de Charlson=0 puntosa | 18,67 | 17,99 | - | - | |
| Índice de Charlson=1-2 puntos | 26,31 | 16,41 | 0,02 | 0,56, 14,71 | |
| Índice de Charlson=3-4 puntos | 37,93 | 26,62 | 0,001 | 5,98, 32,55 | |
| Índice de Charlson ≥ 5 puntos | 18 | 7 | 1 | -35,08, 33,74 | |
| VSU | Muestra global | 0,5 | 0,88 | - | - |
| Mujeres | 0,45 | 0,79 | 0,41 | -0,14, 0,34 | |
| Hombres | 0,55 | 0,98 | |||
| < 75 años | 0,39 | 0,66 | 0,06 | -0,47, 0,01 | |
| ≥ 75 años | 0,62 | 1,07 | |||
| Índice de Charlson=0 puntosa | 0,34 | 0,71 | - | - | |
| Índice de Charlson=1-2 puntos | 0,65 | 1,06 | 0,91 | -0,03, 0,66 | |
| Índice de Charlson=3-4 puntos | 0,73 | 0,79 | 0,62 | -0,25, 1,04 | |
| Índice de Charlson ≥ 5 puntos | 1 | 1,41 | 1 | -1, 2,33 |
IC: intervalo de confianza; VCS: visitas al centro de salud en el último año; VSU: visitas al servicio de urgencias del hospital en el último año.
Análisis bivariante (II)
| Correlaciones | R2 | F | p | IC al 95% |
| VCS/edad | 0,034 | 7,23 | 0,008 | 0,14, 0,95 |
| VCS/índice de Charlson | 0,065 | 14,34 | < 0,000 | 2,04, 6,48 |
| VSU/edad | 0,033 | 7,03 | 0,009 | 0,007, 0,045 |
| VSU/índice de Charlson | 0,035 | 7,4 | 0,007 | 0,04, 0,25 |
| Edad/índice de Charlson | 0,021 | 4,49 | 0,03 | 0,05, 1,58 |
| VCS/VSU | 0,079 | 17,51 | < 0,000 | 3,14, 8,75 |
IC: intervalo de confianza; VCS: visitas al centro de salud en el último año; VSU: visitas al servicio de urgencias del hospital en el último año.
La tabla 4 resume los diferentes modelos de regresión múltiple. De cada uno de ellos se señalan 3 parámetros: el coeficiente de determinación R2 de Nagelkerke, que expresa el grado de varianza del resultado que es explicado por el modelo, el coeficiente F y el grado de significación. Cada variable independiente aporta un determinado porcentaje de reducción de la variabilidad final, y ha sido calculado a partir de los coeficientes estandarizados.
Resumen de los modelos multivariantes, variables independientes y porcentajes de explicación de la varianza
| Modelo | Población o estrato (N) | Variable de resultado | Variables independientes o explicativas | Capacidad explicativa del modeloa | F | p | ||||
| Género | Edad | Índice de Charlson | VCS | VSU | ||||||
| 1 | Muestra Global (207) | VCS | 2,5 | 2,3 | 4,7b | - | 5,1b | 14,7 | 8,7 | 0,000 |
| 2 | VSU | 1,5 | 2,7 | 1,9 | 5b | - | 11,3 | 6,4 | 0,000 | |
| 3 | Género femenino (115) | VCS | - | 2,9 | 4,8 | - | 13b | 20,9 | 9,7 | 0,000 |
| 4 | VSU | - | 2,2 | 2,2 | 14b | - | 18,6 | 8,4 | 0,000 | |
| 5 | Género masculino (92) | VCS | - | 5,2 | 11,1b | - | 0,2 | 16,7 | 5,8 | 0,001 |
| 6 | VSU | - | 4,5c | 3,5 | 0,1 | - | 8,3 | 2,6 | 0,054 | |
| 7 | Menores de 75 años (110) | VCS | 2,3 | - | 4,9 | - | 6,5c | 13,8 | 5,6 | 0,001 |
| 8 | VSU | 1,1 | - | 11,8b | 7,9b | - | 21,1 | 9,4 | 0,000 | |
| 9 | De 75 o más años (97) | VCS | 2,9 | - | 4,3c | - | 5,1c | 12,4 | 4,3 | 0,006 |
| 10 | VSU | 1,1 | - | 4,5 | 2,4 | - | 8,2 | 2,7 | 0,046 | |
| 11 | Sin comorbilidad (109) | VCS | 4 | 1,4 | - | - | 17,5b | 23 | 10,3 | 0,000 |
| 12 | VSU | 4,1 | 7,3 | - | 17,6b | - | 25,1 | 11,5 | 0,000 | |
| 13 | Con comorbilidadd (98) | VCS | 0,6 | 1,3 | - | - | 0,9 | 3 | 0,9 | 0,407 |
| 14 | VSU | 1,3 | 0,8 | - | 0,8 | - | 3 | 1,1 | 0,346 | |
VCS: visitas al centro de salud en el último año; VSU: visitas al servicio de urgencias del hospital en el último año.
Hemos encontrado varias diferencias de género en la explicación del uso de las consultas de AP. En el caso de las mujeres, se observa que éstas acuden más al centro de salud que los hombres, dato concordante con otros estudios3,12. Además, al estratificar por género se observa que en el grupo de mujeres la variable de mayor potencia predictiva para una visita futura es la visita previa (supone hasta un 75% de la capacidad explicativa de los modelos 3 y 4), mientras que la comorbilidad tiene una influencia notablemente inferior (< 12% de la capacidad explicativa de los modelos). Ello puede confirmar la observación de que el mayor número de visitas de las mujeres a su médico de familia es independiente de la enfermedad de base13. Los hombres, por el contrario, acuden más al servicio de urgencias del hospital que las mujeres. En este grupo, el índice de Charlson y la edad son las 2 variables de mayor peso predictivo, suponiendo ambas más del 95% de la capacidad explicativa de los modelos 5 y 6.
Capacidad predictiva de la variable edadComo era esperable, hemos encontrado una relación lineal entre la edad y las variables VCS y VSU. En ambos casos, la media de visitas es mayor en el estrato de ≥ 75 años, con una significación marginal. Según algunos autores, conforme avanza la edad parece haber una mayor tendencia a utilizar aquellos servicios que suponen una atención inmediata, como los de urgencias14.
En términos relativos, la edad aporta un 27% de la capacidad predictiva de los modelos globales. Al estratificar por género, se observa que la edad es un factor más explicativo de consumo de consultas en hombres que en mujeres (40% de promedio de la capacidad explicativa de los modelos 5 y 6, frente a 12% de capacidad explicativa de los modelos 3 y 4).
Capacidad predictiva de la variable comorbilidadEl valor medio del índice de Charlson observado en la muestra analizada es similar al referido por otros autores que han estudiado la morbilidad en el anciano atendido en AP15,16. Respecto a las enfermedades prevalentes, hemos encontrado una estrecha similitud con la comorbilidad detectada en un estudio sobre población anciana ingresada de nuestro ámbito territorial, la Comunidad Autónoma de Cantabria17.
Cuando no hay comorbilidad, las variables VCS/VSU tienen una notable capacidad predictiva (70-76% de la capacidad explicativa de los modelos 11 y 12). En términos relativos, la comorbilidad aporta un 34% de la capacidad explicativa de los modelos globales. Este resultado es superior al observado en el estudio de Martín-Fernández et al6, si bien hay que considerar que su modelo de explicación de utilización de consultas incluye un número mayor de variables que el nuestro. Al estratificar por género, la comorbilidad aporta un 16% de la capacidad explicativa del modelo para las mujeres y un 54% para los hombres.
Conviene recordar asimismo que las condiciones clínicas que conforman el índice de Charlson son enfermedades potencialmente mortales, y que el índice no contempla una enfermedad degenerativa como la osteoartrosis, ni una morbilidad psíquica como los trastornos ansioso-depresivos, circunstancias ambas con implicaciones notables sobre la calidad de vida relacionada con la salud (CVRS) y el consumo de recursos. La comorbilidad, por tanto, puede estar infraestimada con este índice, circunstancia señalada previamente en algún otro contexto clínico18.
Capacidad predictiva de las variables visita al centro de salud y visita al servicio de urgenciasLas variables VCS y VSU han resultado ser las variables predictivas más potentes en los modelos globales. Y de forma aún más evidente, tras estratificar, en 3 poblaciones: mujeres, menores de 75 y pacientes sin comorbilidad.
Como ejemplo ilustrativo, la ecuación de regresión correspondiente a VCS en población sin comorbilidad, es [VCS=5,28 + (género x 3,76) + (edad x 0,1) + (VSU x 11,45)], lo que indica que ajustando por el género y la edad, por cada unidad de incremento de VSU, la variable VCS se incrementa en 11,45 veces.
Nuestro estudio, por tanto, confirma que una visita previa es un buen predictor de una visita futura. Puede razonarse que cuantas más visitas médicas se hacen, es más fácil acumular diagnósticos y tratamientos. En este sentido, se ha demostrado que un mayor número de visitas al médico de familia incrementa el riesgo de reingreso, con una OR ajustada de 1,01 (IC 95% 0,99, 1,03)16, y que un indicador dicotómico sencillo como el uso de servicios hospitalarios en el último año es un fuerte predictor de un nuevo ingreso en el año siguiente19,20.
Capacidad predictiva general de los modelosLlama la atención el bajo rendimiento de los modelos, con una capacidad predictiva que no supera el 25,1%. Los modelos son precisos y fiables, pero lamentablemente poco válidos. Este resultado desalentador, por otra parte, es similar al obtenido por otros autores, a pesar de incluir en sus trabajos diferentes y numerosos tipos de variables6,11,21.
En ese alto porcentaje de variabilidad en el uso de consultas que resta por explicar subyacen unas variables que no han sido aclaradas convenientemente. Por un lado, pueden estar implicados los factores psicológicos personales, que han demostrado tener una notable influencia para explicar la utilización de servicios sanitarios3, en concreto variables relacionadas con el estado de salud autopercibido. Sin embargo, el trabajo de Martín-Fernández et al6, que incorpora precisamente como variables explicativas del consumo de consultas la CVRS, la comorbilidad y diferentes variables sociodemográficas, tampoco logra explicar más del 20% del número de consultas al médico de familia.
En segundo lugar habría que mencionar el contexto de la prestación de servicios, un sistema sanitario público accesible, universal y gratuito. Es sabido que la propia oferta sanitaria forma parte de las causas de variabilidad en el uso de servicios. Para algunos autores, los factores relacionados con la oferta del servicio pueden explicar hasta un 50% de la variabilidad en el consumo22.
Por último, se puede mencionar el entorno social, donde se aprecia que los usuarios responden a un patrón de hiperconsumo en todos los ámbitos, son cada vez más exigentes y muestran unas expectativas poco realistas sobre la capacidad del sistema sanitario para resolver los problemas cotidianos de la vida23.
Nuestro estudio presenta un punto débil, que es el tipo de muestreo. El muestreo consecutivo que hemos utilizado puede haber introducido un sesgo de selección. Puede plantearse la duda razonable de si los pacientes que han participado en el estudio difieren en alguna característica de aquellos que no han venido o vienen menos a la consulta. De ocurrir así, se limitaría la validez externa de los resultados.
Los autores entendemos asimismo que el estudio tiene varios aspectos de interés. Uno de ellos es haber recurrido al índice de Charlson como medida de comorbilidad. Dicho índice, ampliamente utilizado en la literatura médica, ha confirmado una sólida validez predictiva de diferentes resultados como mortalidad, discapacidad, reingresos y duración del ingreso24. Un segundo aspecto de interés es la bondad de ajuste. El grado de significación estadística alcanzado y el análisis de los residuos indican que las ecuaciones de regresión ofrecen un buen ajuste a las respectivas nubes de puntos, confirmando la precisión de los modelos.
ConclusionesSegún los datos de nuestro estudio, las variables analizadas se muestran claramente insuficientes para predecir la utilización de consultas del paciente anciano, pues reducen en el mejor de los casos tan sólo un 25% de la variabilidad final.
Dentro de esa capacidad explicativa, la variable predictora más potente es el número de visitas previo. Este efecto predictor de futuras visitas es especialmente importante en 3 estratos: mujeres, menores de 75 años y pacientes sin comorbilidad.
La edad y la comorbilidad son más predictoras de futuras visitas en hombres que en mujeres.
Conflicto de interesesLos autores declaran no tener ningún conflicto de intereses.
