Introducción
Las características de los pacientes atendidos dentro de los hospitales condicionan las actividades que se realizan en el interior de éstos. La medición de esta actividad es una tarea compleja, incluso para los expertos en el tema. Es por ello, que a lo largo del tiempo se han creado numerosos indicadores para realizar dicha medición.
Actualmente la medición de la actividad de un hospital se realiza según indicadores clásicos, como estancia media, número de ingresos, tasa de mortalidad, etc., en conjunto con otros que toman en cuenta los casos atendidos, como los que derivan de los sistemas de clasificación de pacientes (SCP), y son los grupos de diagnósticos relacionados (GDR) los que han brindado mayor confiabilidad1,2.
Los GDR permiten clasificar a los pacientes con el objeto de obtener información respecto a episodios de enfermedad, recursos utilizados y manejo clínico realizado a estos pacientes3. También han servido para definir indicadores que permiten realizar comparaciones entre el funcionamiento general de un servicio médico o médico-quirúrgico con otro dentro de un hospital; estos indicadores son: el promedio de días de estadía ajustados por funcionamiento, el promedio de días de estadía ajustados por casos, el índice case mix y el índice funcional.
Sin embargo, en gran parte de los establecimientos hospitalarios no es posible contar con GDR para poder realizar la medición de la actividad general de los servicios.
Por otra parte, la información aportada por los indicadores clásicos y los derivados de los sistemas de clasificación de pacientes no nos permite tener una visión multivariada de la actividad por servicios médicos o médico-quirúrgicos, tampoco nos da un modelo de relación funcional entre los distintos indicadores y nos hace imposible clasificar los servicios médicos y médico-quirúrgicos basándonos en sus actividades y resultados.
En la búsqueda constante de mejorar la validez de los indicadores de gestión hospitalarios y extendiendo nuestra línea de trabajo, se han añadido 2 indicadores no incorporados en los reportes previos (estadía en unidad de cuidados intensivos y edad de los pacientes).
El objetivo de este trabajo es continuar con la creación de indicadores de gestión de servicios médicos y médico-quirúrgicos hospitalarios, de acuerdo con la realidad nacional y generar, a través de éstos, indicadores mediante técnicas multivariantes, específicamente, mediante el análisis de componentes principales. Estos indicadores serán combinaciones lineales de los previamente descritos y permitirán obtener una clasificación de los servicios médicos y médico-quirúrgicos hospitalarios que pueda explicar un modelo subyacente en el conjunto de la información que aportan los indicadores clásicos.
Material y método
Se estudiaron, durante abril del 2006, los 24.345 egresos del año 2003 del Hospital Clínico de la Universidad de Chile. No se consideró la información de los servicios exclusivamente médicos por no contar con la posibilidad de obtener indicadores objetivos de complejidad más allá de las tasas de letalidad y reingresos.
Dentro de los servicios médico-quirúrgicos no se consideraron neonatología y maxilofacial, por no contar con actividad quirúrgica comparable y el servicio de emergencia, por ser un servicio de hospitalización transitoria, lo cual no permite obtener información de indicadores relevantes para este estudio. Para los 9 servicios médico-quirúrgicos restantes (cardiovascular, cirugía general y de especialidades, ginecología, neurocirugía, obstetricia, oftalmología, otorrinolaringología, traumatología y urología), se midieron las siguientes variables: a) número total de egresos en cada servicio; b) tasa de letalidad, entendida como tasa de pacientes con alta como fallecidos por 1.000 egresos del servicio correspondiente en el período de estudio; c) tasa de reingresos, definido como todo ingreso por el mismo diagnóstico, en los 10 días posteriores al alta por 1.000 egresos (esto debido a que en los hospitales en Chile los reingresos que ocurren en los 10 días posteriores al alta se deben principalmente a motivos socioculturales y no están necesariamente asociados al motivo de la hospitalización previa); d) número de consultas externas, definido como la frecuencia absoluta de consultas ambulatorias por cada servicio; e) número de días de camas ocupadas por servicio, por cada alta; f) edad de los pacientes, en promedio de años; g) estancia en unidad de cuidados intensivos, medido por la moda de cada servicio estudiado, y h) índice de complejidad quirúrgica, definido por la frecuencia de los códigos de derechos de pabellón de los servicios respectivos, de acuerdo a los códigos del Arancel del Fondo Nacional de Salud de Chile (FONASA) (anexo 1).
De los indicadores generales, anteriormente mencionados, el índice de complejidad quirúrgica se construyó a partir de la frecuencia de códigos de derechos de pabellón, aceptando que este código es un indicador del nivel de complejidad del procedimiento quirúrgico realizado, se definió una escala creciente de complejidad, mediante un indicador ponderado, que en el caso del Hospital Clínico de la Universidad de Chile alcanza un promedio de 3,62.
Se ha asumido que los códigos 1 y 2 representan un puntaje de complejidad 1; los códigos 3 y 4, de 2; los códigos 5 y 6, de 3; los códigos 7 y 8, de 4; los códigos 9 y 10, de 5; los códigos 11 y 12, de 6, y los códigos 13 y 14, de 7.
La matriz de datos obtenida (tabla 1) ha sido tratada mediante la técnica multivariante descriptiva de análisis de componentes principales.
Análisis estadístico
El análisis de componentes principales (ACP) es la técnica de análisis multivariante más antigua4,5. Fue necesario el desarrollo de los medios informáticos durante el siglo pasado para que se manifestaran sus aplicaciones prácticas.
El ACP tiene por objeto simplificar un conjunto de datos, en la mayoría de los casos, cuantitativos, procedentes de variables interrelacionadas. Este objetivo se alcanza obteniendo, a partir de combinaciones lineales de las variables originalmente medidas, un nuevo conjunto de igual número de variables, no correlacionadas, llamadas componentes principales (CP), en las cuales permanece la variabilidad presente en los datos originales, y que al ordenarlas en forma decreciente por su varianza, nos permiten explicar el fenómeno de estudio con las primeras CP6,7.
Con ello conseguimos: a) sintetizar la información procedente de un volumen importante de datos recogidos en una investigación en particular; b) crear nuevos indicadores o índices, representados por las CP, y c) utilizar el ACP como paso previo a otras técnicas8.
Finalmente, tras aplicar el ACP, creamos unas nuevas variables, las CP. Pero además cada sujeto de la muestra, en nuestro caso, cada uno de los diferentes servicios médico-quirúrgicos, obtiene un puntaje en cada una de las CP seleccionadas, que permite resolver un problema frecuente en epidemiología, y no resuelto del todo, como el ordenamiento de sujetos cuando se tiene más de una medición de ellos. Por otra parte, estas CP ayudan a desentrañar un modelo subyacente en el conjunto de datos iniciales.
En nuestro estudio hemos partido de la diagonalización de la matriz de correlaciones, ya que la interpretación de las componentes o factores es más fácil cuando usamos variables estandarizadas. Por último, para obtener una representación gráfica de lo estudiado, con las puntuaciones de los servicios en las 2 CP se realiza un análisis por conglomerados9 mediante el algoritmo jerárquico de Ward10. Los análisis se realizaron con el programa informático SAS.
Resultados
La matriz inicial de datos, representada por los puntajes obtenidos por los diferentes servicios en las variables medidas, se puede observar en la tabla 1. A continuación se obtuvo la matriz de correlaciones entre las variables, previo al proceso de diagonalización propio del ACP.
Se seleccionaron las primeras 2 variables, que en conjunto explican el 71,3% de la variabilidad inicial. Para poder entender el significado de ambas componentes es necesario estudiar la correlación entre las variables originalmente medidas y las CP seleccionadas, que especifica la intensidad de la contribución de cada variable en la componente seleccionada y nos ayuda a nombrarla facilitando la interpretación del nuevo indicador generado.
La matriz de correlaciones variables-componentes (tabla 2) nos muestra que la correlación mayor de la primera componente se da con la variable complejidad quirúrgica, seguida de la obtenida con la variable original ingresos, estadía en unidad de cuidados intensivos, edad y días de camas ocupadas. Se observa correlación negativa con la variable consultas externas.
La mayor correlación con la segunda componente se obtiene con la variable egresos, seguida por la obtenida con la variable días de camas ocupadas. Se oponen a ella la variable estadía en UCI, la variable complejidad quirúrgica, la variable edad y la variable letalidad.
Se realiza a continuación el cálculo de las puntuaciones que obtienen los servicios médico-quirúrgicos del hospital en las 2 componentes seleccionadas, para poder ordenarlos. Los resultados obtenidos se pueden ver para todos los servicios médico-quirúrgicos en la tabla 3. Observamos que en la primera componente, los servicios médico-quirúrgicos con puntuación más alta y por orden son, el primero, cardiovascular; el segundo, cirugía, y el tercero, neurocirugía. Al final se encuentran oftalmología, ginecología y otorrinolaringología.
Asimismo, se observa que la primera componente tiene una alta correlación con las variables de complejidad quirúrgica, ingresos, estadía en unidad de cuidados intensivos, edad y días de cama ocupada. Por el contrario, su correlación es negativa con la variable número de consultas externas. La mayor correlación de la segunda componente principal es con la variable egresos seguida por la variable días de camas ocupadas. Se oponen en ella la variable estadía en UCI, la variable complejidad quirúrgica, la variable edad y la variable letalidad.
Al analizar la segunda componente, la clasificación resultante fue diferente, primero el servicio de cirugía, en segundo lugar se encontró el servicio de obstetricia, seguido en un tercer puesto por el servicio de traumatología. Los puestos finales fueron ocupados por los servicios de ginecología, urología y cardiovascular.
Por último, en la figura 1 se muestra el dendrograma que ayuda a clarificar lo expuesto, considerando las puntuaciones obtenidas de los servicios en las 2 CP. En ella puede verse la clasificación de los servicios en grupos o conglomerados: a) cardiovascular, neurocirugía y cirugía; b) oftalmología, ginecología y otorrinolaringología, y c) traumatología, obstetricia y urología. Estos grupos representan servicios que tienen, a la luz de los resultados, un comportamiento similar.
Figura 1. Dendrograma obtenido considerando las puntuaciones de los servicios médico-quirúrgicos en las primeras 2 componentes principales (2003)
Discusión
Para medir la actividad de un hospital se utilizan los indicadores clásicos como número de egresos, días de camas ocupadas, promedio de días de estada, letalidad por servicios, tasa de reingresos y otros, uniéndolos a indicadores que toman en cuenta los casos atendidos, como los derivados de los sistemas de clasificación de pacientes, por ejemplo, los GDR.
No obstante, en nuestro hospital no se cuenta con los GDR, por lo que definimos nuestros propios indicadores clásicos y derivados del sistema de clasificación de pacientes, entre los que se cuenta con el índice de complejidad quirúrgica, definido a partir de los códigos de derechos de pabellón de los servicios respectivos de acuerdo al arancel de FONASA. Este último nos hace descartar los servicios sin actividad quirúrgica en nuestro hospital.
El servicio de cirugía (general y especialidades) se mantuvo dentro de los primeros 2 puestos en las 2 componentes, lo que hace indicar una demanda importante junto con casos relativamente complejos. La baja posición de los servicios de oftalmología, otorrinolaringología y ginecología indica una menor demanda y también de baja complejidad, que se podría explicar por las características del hospital estudiado o por la existencia de otros servicios de estas especialidades que concentren un mayor número de casos, compitiendo con los servicios correspondientes del hospital. En la segunda componente son los servicios médico-quirúrgicos con una demanda asistencial elevada los que suben en la clasificación, ocupando los últimos lugares servicios con enfermedades complejas dentro de su especialidad. Son, por lo tanto, los servicios médico-quirúrgicos con una mayor complejidad asistencial los que ocuparon los primeros puestos, sin llevar de la mano una mayor demanda por casos que atender, esto se ve claramente reflejado con el caso del servicio cardiovascular, que presenta el primer puesto en la primera CP y el último en la segunda CP.
Es interesante hacer notar que el servicio cardiovascular ocupa el primer lugar en la primera componente y el último en la segunda componente, lo que estaría señalando el servicio en términos cualitativos, con una mayor complejidad de los casos tratados; pero con una baja presión asistencial en términos cuantitativos, esto es, número de pacientes.
Los servicios de oftalmología, otorrinolaringología y ginecología ocupan en promedio los más bajos puestos de ambas componentes, representando, por ende, servicios de menor demanda y complejidad.
Creemos que la ACP ha generado dos indicadores eficientes y loables con el propósito de clasificar los servicios médico-quirúrgicos para el modelo del hospital estudiado.
Comparando los resultados de este estudio, en el que se agregan 2 variables originales (la variable estadía en unidad de cuidados intensivos y la variable edad), con los del realizado por el grupo con anterioridad, se observan algunos cambios en lo que se refiere a las 2 componentes principales (complejidad y demanda) que poseen los diversos servicios médico-quirúrgicos del hospital, manteniendo en lo general la misma tendencia, lo que nos permite obtener resultados más confiables y que complementan aún mejor los estudios que abordan el comportamiento de sólo uno de los indicadores clásicos, ya sea la tasa de letalidad, la tasa de reingresos, los GDR, el porcentaje de casos extremos, etc., o de un conjunto de ellos, pero a la manera univariante clásica11,12.
Uno de los objetivos del ACP es utilizarlo como análisis previo a otras técnicas multivariantes. Es por ello que utilizamos las puntuaciones de los servicios en las 2 componentes y efectuamos un análisis de conglomerados que clarificara gráficamente los resultados.
Creemos que el aporte otorgado a la gestión de sistemas de salud con indicadores multivariantes, mediante nuestros estudios, es permitir esclarecer una dimensión subyacente e interpretable con los indicadores generados (complejidad y demanda) de fenómenos que han sido medidos de diversas maneras (indicadores univariantes clásicos: tasa de mortalidad, tasa de reingresos y otros), incapaces de incorporar toda la estructura del fenómeno y de las interrelaciones entre los indicadores. Esto lo pretendemos conseguir con los 2 indicadores propuestos, que además permiten ordenar por puntuaciones los distintos servicios médico-quirúrgicos, teniendo en cuenta, al mismo tiempo, todos los aspectos útiles en los procesos de gestión.
Hasta el momento han sido pocos los trabajos que abordan la utilización del ACP en esta línea y sus aplicaciones más importantes son en campos tan dispares como la psicología, la educación, el control de calidad, la agricultura, la economía o la anatomía. Dentro de la epidemiología clínica y de la gestión hospitalaria pueden desempeñar un papel importante en la creación de indicadores como los presentados13,14.
Continuar asentando indicadores propios de la situación de este hospital, además de su utilización y creación en otros establecimientos hospitalarios y distintos escenarios, dependiendo de su realidad y al grado de desarrollo sanitario en el que están incluidos, favorecerá en el futuro su validación definitiva para poder continuar con este tipo de investigaciones.
Correspondencia: Dr. H. Salinas.
Santos Dumont 999, Independencia. Santiago de Chile. Chile.
Correo electrónico. hsalinas@redclinicauchile.cl
Manuscrito recibido el 12 de julio de 2006 y aceptado el 4 de septiembre de 2006.
