Desarrollo de un modelo predictivo de ingresos y reingresos hospitalarios no programados en Catalunya IN03/2010 Marzo 2010

La Agencia de Evaluación de Tecnología e Investigación Médicas de Cataluña es una empresa pública, sin ánimo de lucro, del Departamento de Salud y adscrita al Servicio Catalán de la Salud-CatSalut, que fue creada en mayo de 1994. Tiene como objetivos promover que la introducción, la adopción, la difusión y la utilización de tecnologías médicas se haga de acuerdo con criterios de eficacia, seguridad, efectividad y eficiencia demostradas, y también promover la investigación orientada a las necesidades de salud de la población y a las de conocimiento del sistema sanitario. La Agencia es centro colaborador de la Organización Mundial de la Salud en evaluación de tecnología médica, miembro fundador de la International Network of Agencies for Health Technology Assessment (INAHTA), miembro corporativo de la Health Technology Assessment International (HTAi), miembro de la Guidelines International Network (G-I-N), miembro del CIBER de Epidemiología y Salud Pública (CIBERESP) y grupo de Investigación en Evaluación de Servicios y Resultados de Salud (RAR) reconocido por la Generalitat de Catalunya.

Los autores declaran no tener ningún conflicto de interés en relación con este informe).

Se recomienda que este documento sea citado de la siguiente manera: Rajmil L, López-Aguilà S. Desarrollo de un modelo predictivo de ingresos y reingresos hospitalarios no programados en Cataluña. Barcelona: Agència d’Avaluació de Tecnologia i Recerca Mèdiques. Servei Català de la Salut. Departament de Salut. Generalitat de Catalunya; 2010. Las personas interesadas en este documento pueden dirigirse a: Agència d’Avaluació de Tecnologia i Recerca Mèdiques. Roc Boronat, 81-95 (2ª planta). 08005 Barcelona Tel.: 93 551 3888 | Fax: 93 551 7510 | [email protected] | www.aatrm.net

Edita: Agència d’Avaluació de Tecnologia i Recerca Mèdiques. 1ª edición, marzo 2010, Barcelona Traducción: Isabel Parada (AATRM) Diseño portadas: Joana López Corduente Diseño interior: Isabel Parada (AATRM) Depósito legal: B.35351-2010

© Agència d’Avaluació de Tecnologia i Recerca Mèdiques La Agencia tiene la propiedad intelectual de este documento, que puede ser reproducido, distribuido y comunicado públicamente, total o parcialmente, por cualquier medio, siempre y cuando no se haga un uso comercial y se cite explícitamente su autoría y procedencia.

Desarrollo de un modelo predictivo de ingresos y reingresos hospitalarios no programados en Catalunya Luis Rajmil Sílvia López-Aguilà

AGRADECIMIENTOS

Queremos agradecer a Antoni Parada la búsqueda bibliográfica; a Laura Vivó y Marta Millaret, la gestión documental; a Isabel Parada, la edición del documento; a Josep Farrè (SAP Baix Llobregat Litoral), Joan Carles Contel (DAP Costa Ponent) y José Luis Campuzano (Hospital de Viladecans), la ayuda para facilitar los datos y el apoyo durante las fases de estudio; y a Anna Kotzeva, la revisión del informe.

ÍNDICE

Resumen ............................................................................................................................... 7 English abstract ..................................................................................................................... 9 Introducción..........................................................................................................................11 Objetivos ..............................................................................................................................16 Metodología .........................................................................................................................17 Resultados ...........................................................................................................................20 Discusión..............................................................................................................................31 Conclusiones ........................................................................................................................33 Anexo. Resumen de la bibliografía .......................................................................................34 Abreviaciones .......................................................................................................................42 Bibliografía ...........................................................................................................................43

ÍNDICE DE TABLAS Tabla 1. Modelos predictivos de ingresos y/o reingresos publicados en la literatura 1991-2009 ............................................................................................................14 Tabla 2. Características sociodemográficas de la población con e-CAP y de los ingresos del año 2008 (N=174.400; n=3.494) .......................................................20 Tabla 3. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-CAP e ingresados (N=174.400) ..................................................21 Tabla 4. Dispensación de medicamentos y utilización de servicios sanitarios en la población de estudio (N=174.400) ........................................................................22 Tabla 5. Características sociodemográficas de los ingresos del año 2008 según sexo (N=3.494)..............................................................................................................23 Tabla 6. Proporción de individuos con diagnósticos seleccionados según sexo en población ingresada (N=3.494) .............................................................................24 Tabla 7. Dispensación de medicamentos y utilización de servicios sanitarios (años 2006-2007) según sexo en población ingresada (N=3.494) ..................................24 Tabla 8. Modelo de predicción de ingresos hospitalarios. OR (intervalo de confianza de 95%, IC95%).........................................................................................................25 Tabla 9. Características sociodemográficas de la población con e-CAP y de los reingresos del año 2008 (N=174.230; n=440) .......................................................26 Tabla 10. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-CAP y reingresados (N=174.230; n=440)....................................27 Tabla 11. Dispensación de medicamentos y utilización de servicios sanitarios en los reingresos (N=174.230) ........................................................................................27 Tabla 12. Características sociodemográficas de los reingresos del año 2008 según sexo (N=440) ................................................................................................................28 Tabla 13. Proporción de individuos con diagnósticos seleccionados, según el sexo. Población reingresada (N=440) ............................................................................28 Tabla 14. Dispensación de medicamentos y utilización de servicios sanitarios (años 2006-2007) en la población reingresada, según sexo (N=440) .............................29 Tabla 15. Modelos de predicción de reingresos hospitalarios. OR (IC95%) (N=174.230) .....30

ÍNDICE DE GRÁFICOS Figura 1. Estratificación de la población según riesgo ..........................................................11 Figura 2. Número de diagnósticos concurrentes según sexo ...............................................22 Figura 3. Número de medicamentos dispensados según sexo .............................................23 Figura 4. Área bajo la curva ROC del modelo de ingreso hospitalario no programado .........26 Figura 5. Área bajo la curva ROC del modelo de reingreso hospitalario no programado ......30 Figura 6. Ejemplo de aplicación con probabilidad de reingreso baja.....................................31 Figura 7. Ejemplo de aplicación con probabilidad de reingreso elevada ...............................31

RESUMEN

Objetivos Estudiar los factores de riesgo y la probabilidad de ingreso y de reingreso hospitalario no programado en la población atendida en atención primaria (AP) de un sector sanitario de Cataluña.

Metodología Se trata de un diseño longitudinal retrospectivo con datos de la historia clínica de AP y del conjunto mínimo básico de datos del alta hospitalaria (CMBDAH) de los hospitales de Viladecans y de Bellvitge, correspondientes al periodo 01/01/06─31/12/08 en población atendida en la AP de un sector sanitario de Baix Llobregat Litoral (municipios de Castelldefels, Gavà, Viladecans, Begues y Sant Climent de Llobregat). Las variables dependientes han sido el ingreso y el reingreso no programados en alguno de los centros hospitalarios durante un periodo de 12 meses y de 6 meses, respectivamente, durante el año 2008. Se ha considerado como ingreso índice todo ingreso sucedido entre el 01/01/08 y el 31/12/08, y como reingreso todo ingreso no programado sucedido en los 6 meses siguientes al ingreso índice. Entre los antecedentes, se han analizado los factores sociodemográficos (edad, sexo, lugar de residencia), la morbilidad (diagnósticos seleccionados de AP en grandes grupos según la clasificación internacional de enfermedades 10ª edición, CIE-10) y el consumo de recursos sanitarios en los 2 años previos (visitas, dispensación de medicamentos, ingresos previos, días de estancia hospitalaria acumulada). Se han ajustado modelos de regresión logística de los ingresos y de los reingresos según las variables de morbilidad y de uso de servicios, estratificado por hombres y mujeres, y por el total de la muestra.

Resultados La muestra final ha incluido a 174.400 individuos. Los ingresos han sido 3.494 (2,0%); 440 (0,3%) individuos han reingresado a los 180 días. La mayoría de variables de morbilidad y utilización de servicios han estado más frecuentes entre los que han ingresado y reingresado respecto del total de la población. Los factores asociados al ingreso no programado durante 2008 han sido: ser hombre; tener 45-64 años o ≥ 65 años respecto de los más jóvenes; y tener los diagnósticos de diabetes insulinodependiente (ID), diabetes no ID, cardiopatía isquémica, insuficiencia cardíaca, enfisema o enfermedad pulmonar obstructiva crónica (EPOC). Los factores con mayor poder predictivo han sido haber ingresado urgente ≥ 2 veces en el año 2007 (OR=35,33; IC95%=24,2-51,3) y la estancia acumulada de ≥ 9 días en el año 2007 (OR=16,97; IC95%=12,07-23,87). El área bajo la curva Receiver Operating Characteristic (ROC) del modelo de ingreso no programado ha sido 0,83. Ser hombre, de 45-64 años o ≥ 65 años respecto a los más jóvenes, tener diagnósticos de diabetes ID, insuficiencia cardíaca, enfisema o EPOC, haber recibido la dispensación de ≥ 4 7

medicamentos, haber ingresado ≥ 9 días en 2006, o en 2007, y haber ingresado ≥ 2 veces en 2007 han sido los factores asociados al reingreso hospitalario a los 180 días del ingreso índice. Los factores con más poder predictivo han sido tener ≥ 65 años (OR=19,1; IC95%=12,7-28,9) y haber ingresado ≥ 2 veces en el año 2007 (OR=22,0; 15,5-31,4). El área bajo la curva ROC del modelo predictivo de los reingresos no programados ha sido 0,93.

Conclusiones Los modelos predictivos de ingreso y reingreso hospitalario elaborados presentan factores de riesgo ya sugeridos por la literatura, y con un rendimiento similar a los otros modelos publicados. En general, la utilización de servicios hospitalarios durante el último año y la edad han sido los factores con más poder predictivo. El hecho de incluir otros factores de riesgo individual, como el apoyo social y los índices de comorbilidades, podría mejorar los modelos obtenidos. A pesar de algunas limitaciones del estudio, la aplicación de los modelos elaborados podría tener un impacto potencial en la práctica diaria en la atención sanitaria a los individuos con alto riesgo de ingreso y/o reingreso. Además de poner en marcha intervenciones con el fin de reducir los ingresos hospitalarios en este grupo de individuos, sería necesario llevar a cabo estudios de coste efectividad de las intervenciones aplicadas.

8

ENGLISH ABSTRACT

Objectives The aim of this study was to analyze risk factors and probabilities of unexpected hospitalizations and re-hospitalizations in the population attending primary care centers in an area of Catalonia

Methodology A longitudinal retrospective study was carried out including data on PC and the Minimum Basic Data Set on Hospital Discharge of the Bellvitge and Viladecans hospitals, from 01/01/2006 to 12/31/2008 from the population attending PC centers of the sanitary subsector Baix Llobregat (municipal areas of Castelldefels, Gavà, Viladecans, Begues and Sant Climent de Llobregat). Dependent variables were unexpected hospitalization and rehospitalization in 12 months and 6 months periods respectively, during the year 2008. Any unexpected admission between 01/01/2008 and 12/31/2008 was considered as the Index admission, and re-hospitalization was any unexpected readmission within the 6 months after the index admission. Sociodemographic factors (age, sex, area of residence), morbidity (selected diagnoses according to the ICD 10 Edition classification), and the use of services in the previous 2 years (visits to the health center, expended medication, previous hospital admissions, and cumulative days of stay at hospital) were antecedents included in the study. Logistic regression models of admissions and readmission were adjusted taking into account morbidity and use of services, stratified by sex and in the whole population.

Results The final sample included 174400 individuals. Admissions were 3494 (2.0%); 440 (0.3%) individuals were readmitted to the hospital within the 180 days after the admission. Most of morbidity and health services use variables were more frequent in those people admitted and readmitted than in the rest of the population. Being a man, 45-64 years old, or ≥65 years old in relation to younger people, or having been diagnosed of insulin-dependent diabetes (ID); or non ID diabetes; or coronary heart disease; or heart failure; or emphysema; or chronic obstructive pulmonary disease (COPD) have been morbidity factors associated with admissions; and having been admitted to the hospital ≥2 times during 2007 (OR=35.33: 95%CI 24.2-51.3), and ≥9 days of hospital stay during 2007 (OR= 16.97; 12.07-23.87) were the factors with strongest association to hospital admissions. The area under the receiver operating characteristic curve for the model was 0.83. Being a man, 45-64 years old, or ≥65 years old in relation to younger people; having been diagnosed of ID diabetes, or heart failure, or emphysema; or COPD; ≥4 medications; admission ≥9 days during 2006, or in 2007; and ≥2admissions during 2007 were the associated factors to the readmissions. Factors with the highest predictive value were: being ≥65 years old (OR= 19.1; 95%CI= 12.7-28.9), and having been admitted ≥2 times during 2007 (OR= 22.0; 15.5-31.4). The area under the receiver operating characteristic curve for the model was 0.93. 9

Conclusions Predictive models of admissions and readmissions showed factors already found in previous published studies, and also with similar predictive values. In general, age and hospitalizations in the previous year were the factors with more predictive value. Some individual factors not included in the present study would improve the model, such as the inclusion of social support, and morbidity index. In spite of some limitations of the study, models presented here have a potential impact on clinical practice in the attention to individuals at high risk of hospitalization. Besides starting interventions addressed to reduce hospitalizations in these population groups cost effectiveness studies should be also necessary.

10

INTRODUCCIÓN

Antecedentes El aumento de la esperanza de vida comporta, entre otros fenómenos, un aumento notable de individuos con enfermedades crónicas. Muchas personas con enfermedades crónicas no reciben la atención suficiente o no han sido identificadas por los servicios sanitarios como personas en riesgo o con más necesidades de las que habitualmente ofrecen los servicios sanitarios. El impacto sobre el sistema sanitario de las personas con enfermedades crónicas es alto. La atención que reciben estas personas se realiza muchas veces de manera reactiva, no planificada y fragmentada por los diferentes proveedores existentes. Los servicios de atención primaria (AP) y los hospitales están a menudo muy saturados. Con el fin de hacer frente a esta situación se han desarrollado modelos de atención integrada. Las aportaciones más conocidas son el modelo de Kaiser (www.kaiserpermanente.org)1 y Evercare2. Estos modelos de atención integrada han sido desarrollados sobre todo en los EE.UU. (principalmente en California) y en el Reino Unido. El modelo desarrollado por Kaiser se basa en la estratificación de la población de un territorio en 3 o 4 estratos o segmentos según un criterio de riesgo (Figura 1). Figura 1. Estratificación de la población según riesgo

. Gestión de casos

Gestión de la enfermedad

Pacientes de alta complejidad

Pacientes de alto riesgo

Pacientes crónicos Apoyo a la autogestión

Población general Prevención Modelo adaptado por Kaiser Pemanente

Según el grupo del Instituto Mc Coll3,4, el modelo a desarrollar para mejorar y abordar apropiadamente la atención a los pacientes crónicos se basa en: 1) estratificación de la población por complejidad y necesidades de atención; 2) diseño de un modelo predictivo 11

que permita llevar a cabo un cierto nivel de gestión según riesgo; 3) rediseño y reorganización del modelo de prestación de servicios de manera integral: gestión de casos, gestión patologías, autocuidado; 4) sistema de información compartido. Tendría que definirse un conjunto mínimo de datos a compartir por parte de los diferentes proveedores y profesionales del sistema de salud (y también sociosanitario y social); y 5) desarrollo e implementación de sistemas expertos de apoyo a la toma de decisiones clínicas. Una de las características de los sistemas integrados es la identificación de personas en riesgo y un gran consumo de recursos sanitarios y/o sociales, y por ello se tienen que desarrollar sistemas de información que nos permitan identificar a dichas personas ("radar"). Este proceso de identificación de personas en situación de complejidad o con riesgo implica la oferta de un servicio de atención orientado más allá de la demanda que llevan a cabo estos pacientes.

Desarrollo de un modelo predictivo de ingreso y reingreso hospitalario Los episodios de rehospitalización en un periodo corto de tiempo son un fenómeno que se presenta con una frecuencia muy variable, aproximadamente entre el 5% y el 35% al mes del ingreso según algunos estudios5. Las readmisiones hospitalarias que se podrían considerar como prevenibles en este periodo de tiempo oscilan entre el 9% y el 50%. Los reingresos hospitalarios en periodos de tiempo próximos al ingreso índice se han utilizado como medida de calidad de la atención, aunque tal indicador se tendría que interpretar con precaución. Por ejemplo, en sistemas de pago según "case-mix" podría ser un factor predictivo de una excesiva reducción de la estancia media en los hospitales. Los modelos de gestión de este problema sanitario han desarrollado tres tipos de enfoque de los modelos predictivos para cribar e identificar a los que están en más riesgo: los modelos desarrollados a partir de los datos administrativos, sobre todo hospitalarios; los modelos predictivos poblacionales que utilizan, además de los anteriores, datos procedentes de la historia clínica de AP y de otras fuentes de información; y los estudios que recogen datos individuales a partir de encuestas en cohortes de individuos con unos criterios previos de selección y/o estudios experimentales con evaluación de intervenciones con diseño aleatorio o no aleatorio. Los modelos predictivos publicados en la literatura En las últimas décadas se han publicado muchos estudios dirigidos a la predicción del riesgo de hospitalización y rehospitalización. Una revisión sistemática publicada en el año 1991 había recogido 44 estudios relacionados con el tema6. Esta revisión estaba orientada también al análisis de los resultados de las intervenciones (n=12). Ninguna de las intervenciones analizadas en esta revisión habían presentado un efecto demasiado significativo en la reducción de las hospitalizaciones. Entre los años 1991 y 2009 se han identificado 45 estudios de predicción de ingreso/reingreso o de necesidades especiales de atención (ver el Anexo). La Tabla 1 muestra las principales características de los estudios incluidos en esta revisión. La mayoría han sido estudios de cohortes prospectiva o retrospectiva (n=29), 4 son estudios de casos y controles, y 2 ensayos clínicos que analizan el efecto de una intervención sobre el riesgo de 12

hospitalización. No obstante, algunas cohortes son subestudios de ensayos de intervenciones comunitarias. En 9 estudios se analizan datos secundarios administrativos hospitalarios, que en general estudian un número elevado de ingresos y reingresos. Las variables dependientes analizadas son principalmente el reingreso, o el ingreso hospitalario, la estancia acumulada, la necesidad de intervenciones específicas como el apoyo domiciliario al alta, la muerte, o una combinación de estos resultados. Entre los estudios analizados, se han encontrado 6 instrumentos estandarizados desarrollados específicamente para discriminar la población con más riesgo y establecer intervenciones posteriores con el fin de reducir los ingresos evitables. Los instrumentos desarrollados específicamente para establecer predicciones son el Probability of Repeted Admission7,8; el Screen Sheet at Admission; el Triage Risk Stratification Tool9; el Scottish Patient At Risk of Readmission and Admission10; el Patient At Risk of Readmission11 (edad, sexo, etnia, ingreso previo, lista de diagnósticos relacionados por el coste, admisión previa por el diagnóstico índice, número de readmisiones en los 365 días previos, ratio admisión esperada/observada); el Índice de Smith12; y el Hospital Readmission Inventory13. Entre las limitaciones más importantes de estos instrumentos, el poder predictivo parece moderado con un área bajo la curva ROC (Receiver Operating Characteristic) entre 0,60 y 0,83 en la mayoría de estudios. Las variables predictivas más frecuentes en estos estudios han sido: la edad (cuanto más edad más riesgo aunque no es constante, a veces quizás un grupo de edad intermedia, ej. 70-74 años); el sexo (ser hombre); algunos diagnósticos clínicos, los más frecuentes han sido la insuficiencia cardíaca, la enfermedad pulmonar obstructiva crónica (EPOC), el asma, la diabetes y la anemia; los antecedentes previos de consumo de recursos, sobre todo hospitalizaciones previas, visitas previas a urgencias, la estancia hospitalaria acumulada previa; y el consumo de medicamentos (la polimedicación). Y en los estudios que recogen datos individuales a partir de entrevistas, las variables funcionales individuales como el índice de Barthel, o de actividades de la vida diaria (AVD), y el estado de salud percibido, además de la falta de apoyo social (vivir solo). En la mayoría de casos a partir de la elaboración de un algoritmo con las variables predictivas, los individuos con el cribado positivo presentan una probabilidad alrededor de dos veces mayor que los individuos negativos al cribado de presentar la variable de resultado analizada.

13

Tabla 1. Modelos predictivos de ingresos y/o reingresos publicados en la literatura 1991-2009 Tipo de estudio Cohorte prospectiva/ retrospectiva

Número de estudios n = 45 29

Tamaño de la muestra (recorrido)

Porcentaje de ingresos/ reingresos

60-6.924

8,2%-33%

79 casos-79 controles / 154 casos-154 controles 64 intervención / 64 control 20 intervención / 21 control

No aplicable

Caso control

4

Intervención

2

Análisis con datos secundarios

9

1.077-580.000

Revisión sistemática

1

30-21.043

Variables predictivas más importantes Sexo, edad, salud autopercibida, índice de comorbilidad, consumo de recursos previos, polimedicación, factores sociales (vive solo), tipo de seguro, estancia, SF-12 Edad, diversos índices de comorbilidad, AIVD

Observaciones Área bajo la curva ROC= 0,60-0,83

22% Intervención (programa de (intervención) vs. actividad física + control de 47% (control) enfermería) Intervención (paquete de 10% atenciones) (intervención) vs. 38,1 (control) 5%-15% a los 30 Edad, sexo, ingreso previo, días días de estancia, diagnósticos, índice de morbilidad o ACG, polimedicación, etc. No disponible Centrado en diagnósticos: crónico, cardiaco, quirúrgico, comorbilidad, fractura de cadera

ACG: Adjusted Clinical Groups; AIVD: actividades instrumentales de la vida diaria; ROC: Receiver Operating Characteristic; SF-12: Short Form Health Survey

Atención sanitaria en el Baix Llobregat. Justificación del estudio El sistema sanitario de Cataluña, con financiación pública y cobertura universal a toda la población y con una estructura territorial en 7 regiones, permite la regionalización de la atención y de los recursos sanitarios. La orientación hacia la AP de salud como centro del sistema facilita la consecución de los objetivos de la AP de servir de puerta de entrada para los nuevos problemas de salud (accesibilidad), resolver la mayoría de problemas en la AP (globalidad), la continuidad de la atención (longitudinalidad), y la coordinación entre los niveles de atención (coordinación). El área básica de salud (ABS) es la unidad territorial elemental a partir de la cual se organizan el resto de los servicios. El Baix Llobregat Litoral es un sector sanitario que incluye 9 municipios y 11 ABS, con una población de 300.000 habitantes aproximadamente. El subsector sanitario del presente estudio incluye 5 municipios y da cobertura sanitaria a una población aproximada de 180.000 habitantes. Hay 7 ABS en los municipios de Begues (1), Castelldefels (2), Gavà (2) y Viladecans (2). Los hospitales de referencia son el Hospital de Viladecans y el Hospital de Bellvitge, ambos de titularidad pública, de nivel básico y alta complejidad, respectivamente. En esta región sanitaria se han puesto en marcha mecanismos para intentar abordar y mejorar la coordinación entre niveles asistenciales en la atención a los enfermos de alto

14

riesgo de hospitalización, como la gestión de casos con mayores necesidades de atención sanitaria. La estratificación inicial de la población según el riesgo de ingreso y de reingreso hospitalario permitiría organizar y ofrecer servicios adaptados a las necesidades de cada grupo de población identificado. Como pasos previos de este proceso es necesario llevar a cabo un estudio sobre la situación actual y elaborar un modelo predictivo con los datos disponibles retrospectivos que permita establecer un algoritmo con el mayor rendimiento posible, y posteriormente pueda ser utilizado como herramienta predictiva de manera prospectiva. En el mes de marzo de 2009 la Agencia de Evaluación de Tecnología e Investigación Médicas (AATRM) de Cataluña recibió la petición, por parte del Plan de Innovación de Atención Primaria y Salud Comunitaria del Servicio Catalán de la Salud-CatSalut, de elaborar un informe sobre el desarrollo de un modelo predictivo de ingresos y reingresos hospitalarios de un subsector sanitario del Baix Llobregat Litoral.

15

OBJETIVOS

Objetivo general Estudiar los factores de riesgo y la probabilidad de ingreso y de reingreso hospitalario no programado en la población asignada a la AP de un sector sanitario de Cataluña para facilitar información que permita establecer intervenciones dirigidas a su reducción.

Objetivos específicos 1. Describir las características sociodemográficas y clínicas de los pacientes registrados en la AP del área y que han ingresado en los hospitales de referencia (Hospital de Viladecans y de Bellvitge) durante el año 2008. 2. Identificar los factores asociados al ingreso y al reingreso hospitalario no programado y construir una herramienta de ajuste del riesgo para predecir el ingreso y el reingreso hospitalario no programado. 3. Estudiar la probabilidad de ingreso y reingreso hospitalario no programado en el año 2008 en el subsector de Baix Llobregat Litoral que incluye los municipios de Begues, Castelldefels, Gavà, Sant Climent de Llobregat y Viladecans.

Hipótesis Los individuos de más edad y con comorbilidades específicas serán los que presentarán mayor probabilidad de ingreso y de reingreso hospitalario no programado. Los factores individuales (morbilidad y funcionalidad) y sociodemográficos (lugar de residencia) tendrán un peso importante en la probabilidad de ingreso y de reingreso.

16

METODOLOGÍA

Se trata de un proyecto con diseño longitudinal retrospectivo. A partir de la población de un subsector sanitario del Baix Llobregat Litoral se han analizado los ingresos y reingresos no programados durante el año 2008 en los hospitales de referencia del área (hospitales de Viladecans y de Bellvitge), y se han recogido los antecedentes de la historia clínica de AP (e-CAP) de los años 2006-2007.

Población y variables del estudio La población de estudio es la de los municipios de Begues, Castelldefels, Gavà, Sant Climent de Llobregat y Viladecans asignada a la AP y con e-CAP en la AP y en los centros de AP del área. Los datos del estudio se han obtenido del conjunto mínimo básico de datos del alta hospitalaria (CMBDAH) de los hospitales de Viladecans y Bellvitge de los años 2006, 2007 y 2008, de las historias clínicas de AP del área (e-CAP) de los mismos años, así como de la base de datos de dispensación de farmacia correspondiente al área. Se ha utilizado la variable código de identificación personal (CIP) como variable de identificación común a los individuos en cada base de datos. La variable principal del estudio ha sido los ingresos hospitalarios no programados en los hospitales de Viladecans o de Bellvitge de la población ≥ 15 años con historia clínica en los centros de AP del área. Las variables dependientes analizadas han sido: ─ Ingreso hospitalario no programado (sí/no). Se han analizado los datos de los ingresos no programados en los hospitales mencionados entre el 1/01/2008 y el 31/12/2008. Los criterios de exclusión han sido los ingresos programados, los reingresos durante el mismo periodo de estudio (se ha tomado el primer ingreso del año 2008 como caso índice), los ingresos de pacientes con residencia fuera del área, y las altas sin la fecha de admisión y alta, o sin el tipo de admisión (urgente vs. programada). ─ Reingreso hospitalario no programado (sí/no) a los 180 días. Se han analizado los datos de los reingresos (sí/no), que ha sido el siguiente ingreso al primer ingreso hospitalario no programado o ingreso índice de los meses enero/junio de 2008. También se han excluido los reingresos por traslado de hospital y los muertos al alta del ingreso índice. Las variables predictivas analizadas han sido: ─ Sociodemográficas: edad (a 31/12/2008) estratificada en 15-44/45-64/65 años o más; sexo; municipio de residencia (en el presente estudio se ha utilizado la variable "registro en el e-CAP del municipio" como variable proxy dado que presentaba más exhaustividad); nacionalidad.

17

─ Variables de morbilidad: diagnósticos del e-CAP según la clasificación internacional de enfermedades 10ª edición (CIE-10) en grandes grupos. Dado que la mayoría de variables presentaban significación estadística en los análisis bivariados se incluyeron los diagnósticos que presentaban más especificidad y más frecuencia de acuerdo con la revisión previa de la literatura. Así, se han incluido la diabetes insulinodependiente (ID) (E10) y no ID (E11), la insuficiencia cardíaca (I50), la cardiopatía isquémica (I20-I25), el enfisema (J43), la EPOC (J44), el asma (J45), y la enfermedad de Alzheimer (G30). También se ha analizado el número total de diagnósticos concurrentes y se ha estratificado la variable en menos de 4 diagnósticos vs. ≥ 4 diagnósticos concurrentes. ─ Variables de utilización de servicios sanitarios de AP (fuente de los datos e-CAP: como variables dicotómicas y variables continuas (visitas sí/no y número de visitas); visitas a cualquier servicio; visitas de atención continuada; visitas al médico general; visitas a enfermería; visitas al trabajador/a social; visitas a urgencias; área básica a la cual está adscrito el individuo; atención domiciliaria. Número de medicamentos dispensados (la fuente ha sido la base de datos de dispensación farmacéutica). ─ Variables de utilización de servicios hospitalarios (fuente de los datos CMBDAH): ingreso no programado antes de la fecha del ingreso "índice"; número de ingresos no programados durante 2006 y 2007; y estancia hospitalaria acumulada de los ingresos previos. Estas variables también se han estratificado de acuerdo con la distribución en la población: ingresos programados y urgentes (≥2 ingresos vs. 0-1 ingreso); acumulada (≥9 días vs. 0-8 días).

Control de calidad y fusión de las bases de datos Antes de analizar los datos, se ha llevado a cabo un control de calidad a partir de un protocolo establecido previamente. Las bases de datos del e-CAP y hospitalarias se han depurado y analizado inicialmente de forma separada con el fin de determinar las inconsistencias, datos repetidos, etc. Posteriormente se han fusionado las bases de datos y se han vuelto a comprobar los registros coincidentes de AP y hospitalarios y entre los hospitales para detectar errores, duplicidades, etc. Con respecto al control de calidad de la base de datos de AP, se encontraron 8 casos con el CIP duplicado, que eran idénticos en todos los campos excepto en el caso de algunas variables individuales no incluidas en el estudio como la variable índice de Charlson. Se eliminaron los casos duplicados con menor índice de Charlson. Ha sido necesario recodificar los valores perdidos de algunas variables. En cuanto a los datos de CMBDAH de los hospitales de Viladecans y de Bellvitge, se identificaron los individuos con más de un episodio y se ordenaron según la fecha de ingreso y de alta para cada uno de los años disponibles. Finalmente se fusionó la base de datos hospitalaria (Viladecans y Bellvitge) con la base de datos de primaria. Se comprobó la calidad de los datos cruzando las variables sexo y edad y teniendo en cuenta el CIP como variable de identificación en las bases de datos. Entre los datos de AP y del hospital de Viladecans, en cuanto al sexo, el acuerdo fue del 100%; y en cuanto a la edad, del 99,9%. Respecto de la relación de las bases de datos AP-Hospital de 18

Bellvitge se comprobó que en 2 casos no coincidió el sexo y en 20 casos no coincidía la edad. Para la corrección de los valores se utilizó la información que contenía la variable CIP. En la fusión de las bases de datos se encontraron 8 casos con ingreso urgente según la base de datos del CMBDAH del Hospital de Viladecans, 136 del Hospital de Bellvitge y 9 con ingresos urgentes tanto en el Hospital de Viladecans como en el de Bellvitge que no tenían e-CAP a pesar de residir en el área. Por el mismo motivo también se han excluido casos de ingreso no urgente del CMBDAH de Viladecans (1.114), de Bellvitge (135) y Viladecans y Bellvitge (12); y 4.794 casos en que se pudo constatar la defunción antes de 2008.

Análisis estadístico Para estudiar los ingresos en el numerador se han incluido todos los ingresos que cumplían con los criterios definidos. El denominador ha sido todos los individuos incluidos en la base de datos del e-CAP a 31/12/2008. Se ha llevado a cabo una descripción de la frecuencia de todas las variables y los estadísticos de tendencia central, dispersión y cuartiles para las variables cuantitativas con el fin de delimitar mejor las categorías de análisis de las variables incluidas en el estudio. Los ingresos vs. no ingresos y los reingresos vs. no reingresos se han analizado según sexo, edad, variables de morbilidad y de uso de servicios para el total de la muestra y estratificados por hombres y mujeres. Se han ajustado modelos de regresión logística de los ingresos y de los reingresos según las variables de morbilidad y de uso de servicios, para el total de la muestra, y ajustado por edades. El proceso de construcción de los modelos predictivos se ha hecho en tres etapas: selección de las variables, construcción del modelo y validación de éste. En la selección de las variables se ha tenido en cuenta la relevancia clínica y la revisión de la literatura (Tabla 1), ya que todas las variables de morbilidad presentaban significación estadística (p=5

Núm. diagnósticos

22

Figura 3. Número de medicamentos dispensados según sexo 80% 70% 60% 50% 40% Hombre Home

30%

Mujer Dona

20% 10% 0% 0

1

2

3

>=4

Núm. de medicamentos dispensados

Las tablas 5, 6 y 7 muestran las características sociodemográficas, los diagnósticos y la utilización de servicios de los ingresos según el sexo. Los hombres han presentado un porcentaje mayor de diagnóstico de EPOC y de ≥ 5 diagnósticos concurrentes que las mujeres, mientras que las mujeres han recibido más prescripciones y han utilizado más servicios sanitarios de AP que los hombres. Tabla 5. Características sociodemográficas de los ingresos del año 2008 según sexo (N=3.494) Hombre n (%)

Mujer n (%)

15-44

382 (20,3)

222 (13,8)

45-64

489 (25,9)

298 (18,5)

1.015 (53,8)

1.088 (67,7)

Castelldefels

490 (27,3)

495 (32,3)

Gavà

549 (30,6)

445 (29,0)

Viladecans

754 (42,1)

593 (38,7)

Edad

≥ 65 Municipio

23

Tabla 6. Proporción de individuos con diagnósticos seleccionados según sexo en población ingresada (N=3.494) Hombre n (%)

Mujer n (%)

19 (1,0)

19 (1,2)

Diabetes no insulinodependiente

403 (21,4)

368 (22,9)

Cardiopatía isquémica

294 (15,6)

176 (10,9)

Insuficiencia cardíaca

140 (7,4)

172 (10,7)

Diabetes insulinodependiente

Bronquitis no especificada (aguda o crónica)

6 (0,3)

7 (0,4)

Bronquitis crónica simple y mucopurulenta

20 (1,1)

4 (0,2)

Bronquitis crónica no especificada

59 (3,1)

24 (1,5)

Enfisema

37 (2,0)

7 (0,4)

EPOC

324 (17,2)

80 (5,0)

Asma

45 (2,4)

142 (8,8)

Bronquiectasia

45 (2,4)

20 (1,2)

Enfermedad de Alzheimer

16 (0,8)

32 (2,0)

2 (0,1)

2 (0,1)

128 (6,8)

62 (3,9)

Fractura de fémur Diagnósticos concurrentes (≥ 5)

Tabla 7. Dispensación de medicamentos y utilización de servicios sanitarios (años 2006-2007) según sexo en población ingresada (N=3.494)

Dispensación ≥ 4 medicamentos

Hombre n (%)

Mujer n (%)

558 (29,6)

551 (34,3)

95 (5,0)

97 (6,0)

Utilización de servicios/año 2006 Visitas atención continuada (≥ 1) Visitas asistente social (≥ 1)

74 (3,9)

99 (6,2)

Visitas urgencias (≥ 1)

118 (6,3)

105 (6,5)

Visitas enfermería (≥ 3)

933 (49,5)

925 (57,5)

Visitas medicina general (≥ 6)

830 (44,0)

837 (52,1)

1.073 (56,9)

1.041 (64,7)

Ingresos urgentes (≥ 2)

66 (3,5)

74 (4,6)

Ingresos programados (≥ 2)

45 (2,4)

38 (2,4)

Días de estancia acumulada (≥ 9) Utilización de servicios/año 2007

87 (4,6)

73 (4,5)

225 (11,9)

208 (12,9)

Total visitas (≥ 6)

Visitas atención continuada (≥ 1) Visitas asistente social (≥ 1) Visitas urgencias (≥ 1) Visitas enfermería (≥ 3) Visitas medicina general (≥ 6) Total visitas (≥ 6) Ingresos urgentes (≥ 2) Ingresos programados (≥ 2) Días de estancia acumulada (≥ 9)

90 (4,8)

127 (7,9)

1.441 (76,4)

1.299 (80,8)

94 (5,0)

108 (6,7)

920 (48,8)

904 (56,2)

1.153 (61,1)

1.082 (67,3)

146 (7,7)

111 (6,9)

66 (3,5)

38 (2,4)

112 (5,9)

89 (5,5)

El modelo predictivo de los ingresos hospitalarios no programados se presenta en la Tabla 8. Los factores sociodemográficos y de morbilidad asociados al ingreso han sido: ser hombre; tener 45-64 años o ≥ 65 años respecto de los más jóvenes; tener los diagnósticos de diabetes ID, diabetes no ID, cardiopatía isquémica, insuficiencia cardíaca, enfisema, EPOC; dispensación de ≥ 4 medicamentos; haber ingresado ≥ 9 días en 2006, o en 2007; y haber ingresado ≥ 2 veces en 2006, o en 2007. Los factores con más poder predictivo han 24

sido el consumo de servicios hospitalarios en el año anterior y la dispensación de ≥ 4 medicamentos, junto con la edad. Así, haber ingresado ≥ 2 veces en el año 2007 (OR=35,3: IC95% 24,2-51,3) y la estancia acumulada de ≥ 9 días en el año 2007 (OR=16,97; IC95%12,07-23,87) han sido los factores con más poder predictivo. La capacidad de discriminación representada por el área bajo la curva ROC del modelo de ingreso ha sido 0,83 (Figura 4). Tabla 8. Modelo de predicción de ingresos hospitalarios. OR (intervalo de confianza de 95%, IC95%) OR (IC 95%) Características sociodemográficas Sexo (hombre)

1,34 (1,24 - 1,45)

Edad 45-64 >65 Morbilidad

2,12 (1,89 - 2,36) 6,04 (5,44 - 6,7)

Diabetes insulinodependiente

2,89 (1,98 - 4,23)

Diabetes no insulinodependiente

1,42 (1,28 - 1,57)

Cardiopatía isquémica

1,64 (1,44 - 1,87)

Insuficiencia cardíaca

2,54 (2,13 - 3,03)

Enfisema

2,37 (1,54 - 3,63)

EPOC

1,76 (1,52 - 2,04)

Diagnósticos concurrentes (≥5) Dispensación ≥ 4 medicamentos

1,91 (1,48 - 2,45) 3,5 (3,20 - 3,82)

Utilización de servicios/año 2006 Ingresos urgentes (≥ 2) Ingresos programados (≥ 2) Días de estancia acumulada (≥ 9) Utilización de servicios/año 2007 Ingresos urgentes (≥ 2) Ingresos programados (≥ 2) Días de estancia acumulada (≥ 9)

16,41 (9,96 - 27,02) 6,12 (4,01 - 9,34) 10,56 (7,17 - 15,56) 35,33 (24,20 - 51,57) 5,46 (3,78 - 7,89) 16,97 (12,07 - 23,87)

Categorías de referencia: ser mujer; tener < 45 años; no diagnóstico de: diabetes insulinodependiente, diabetes no insulinodependiente, cardiopatía isquémica, insuficiencia cardíaca, enfisema, EPOC; < 5 diagnósticos concurrentes; < 4 medicamentos; < 2 ingresos urgentes; < 2 ingresos programados; < 9 días de estancia acumulada

25

Figura 4. Área bajo la curva ROC del modelo de ingreso hospitalario no programado

Sensibilidad

Curva ROC

1 - Especificidad

Reingresos En los 6 meses posteriores al ingreso índice del año 2008 ha reingresado el 0,3% de la población (n=440). Un 55% de los reingresos han sido hombres, y el 83% de los casos han sido personas de ≥ 65 años (Tabla 9). Tabla 9. Características sociodemográficas de la población con e-CAP y de los reingresos del año 2008 (N=174.230; n=440) Reingreso n (%)

Total n (%)

Hombre

243 (55,2)

84.697 (48,6)

Mujer Edad

197 (44,8)

89.533 (51,4)

15-44

27 (6,1)

98.957 (56,8)

45-64

48 (10,9)

46.994 (27,0)

≥ 65 Municipio

365 (83,0)

28.279 (16,2)

Castelldefels

143 (34,2)

62.504 (35,9)

Gavà

119 (28,5)

48.986 (28,1)

Viladecans

156 (37,3)

62.597 (36,0)

Sexo

En la Tabla 10 se presentan los porcentajes de los reingresados con los diagnósticos seleccionados y registrados en el e-CAP. La mayoría de los diagnósticos han sido entre 3 y más de 10 veces más frecuentes en los reingresados. La dispensación de medicamentos y la utilización de servicios en los dos años anteriores ha presentado resultados similares a los de los ingresos, es decir, los que han ingresado presentan un porcentaje más elevado de uso de servicios sanitarios. Destacan las diferencias en las visitas de enfermería, los ingresos urgentes y la estancia acumulada de ≥ 9 días en el año 2007 (Tabla 11). 26

Tabla 10. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-CAP y reingresados (N=174.230; n=440) Reingreso n (%)

Total n (%)

3 (1,2)

566 (0,3)

Diabetes no insulinodependiente

68 (28,0)

9.170 (5,3)

Cardiopatía isquémica

56 (23,0)

3.307 (1,9)

Insuficiencia cardíaca

46 (18,9)

1.181 (0,7)

Bronquitis no especificada (aguda o crónica)

1 (0,4)

214 (12,3)

Bronquitis crónica simple y mucopurulenta

6 (2,5)

245 (0,1)

Bronquitis crónica no especificada

11 (4,5)

674 (0,4)

Enfisema

15 (6,2)

237 (0,1)

EPOC

82 (33,7)

2.500 (1,4)

Diabetes insulinodependiente

Asma

6 (2,5)

5.144 (3,0)

11 (4,5)

438 (0,3)

Enfermedad de Alzheimer

3 (1,2)

388 (0,2)

Fractura de fémur

0 (0,0)

22 (0,0)

48 (10,9)

510 (0,3)

Bronquiectasia

Diagnósticos concurrentes (≥ 5)

Tabla 11. Dispensación de medicamentos y utilización de servicios sanitarios en los reingresos (N=174.230) Reingreso n (%)

Total n (%)

198 (45,0)

9.192 (5,3)

Visitas atención continuada (≥ 1)

34 (7,7)

6.105 (3,5)

Visitas asistente social (≥ 1)

24 (5,5)

2.018 (1,2)

Visitas urgencias (≥ 1)

47 (10,7)

6.522 (3,7)

Visitas enfermería (≥ 3)

300 (68,2)

35.805 (20,6)

Visitas medicina general (≥ 6)

281 (63,9)

34.479 (19,8)

Total visitas (≥ 6)

330 (75,0)

47.576 (27,3)

Ingresos urgentes (≥ 2)

44 (10,0)

166 (0,1)

Ingresos programados (≥ 2)

20 (4,5)

171 (0,1)

Días de estancia acumulada (≥ 9) Utilización de servicios/año 2007

46 (10,5)

220 (0,1)

Visitas atención continuada (≥ 1)

73 (16,6)

15.453 (8,9)

Dispensación ≥ 4 medicamentos Utilización de servicios/año 2006

Visitas asistente social (≥ 1) Visitas urgencias (≥ 1) Visitas enfermería (≥ 3)

50 (11,4)

2.350 (1,3)

363 (82,5)

100.551 (57,7)

45 (10,2)

919 (0,5)

Visitas medicina general (≥ 6)

292 (66,4)

37.066 (21,3)

Total visitas (≥ 6)

341 (77,5)

50.438 (28,9)

Ingresos urgentes (≥ 2)

106 (24,1)

291 (0,2)

Ingresos programados (≥ 2)

20 (4,5)

238 (0,1)

Días de estancia acumulada (≥ 9)

58 (13,2)

270 (0,2)

En cuanto a los reingresados según el sexo, un porcentaje mayor de hombres que de mujeres han presentado diagnóstico de cardiopatía isquémica y EPOC así como en relación con el consumo de recursos hospitalarios y de AP (tablas de la 12 a la 14).

27

Tabla 12. Características sociodemográficas de los reingresos del año 2008 según sexo (N=440) Hombre n (%)

Mujer n (%)

15-44

16 (6,6)

11 (5,6)

45-64

31 (12,8)

17 (8,6)

196 (80,7)

169 (85,8)

Castelldefels

69 (29,9)

74 (39,6)

Gavà

70 (30,3)

49 (26,2)

Viladecans

92 (39,8)

64 (34,2)

Edad

≥ 65 Municipio

Tabla 13. Proporción de individuos con diagnósticos seleccionados, según el sexo. Población reingresada (N=440) Hombre n (%) Diabetes insulinodependiente

Mujer n (%)

3 (1,2)

6 (3,0)

Diabetes no insulinodependiente

68 (28,0)

50 (25,4)

Cardiopatía isquémica

56 (23,0)

31 (15,7)

Insuficiencia cardíaca

46 (18,9)

45 (22,8)

1 (0,4)

0 (0,0)

Bronquitis no especificada (aguda o crónica) Bronquitis crónica simple y mucopurulenta

6 (2,5)

1 (0,5)

Bronquitis crónica no especificada

11 (4,5)

7 (3,6)

Enfisema

15 (6,2)

1 (0,5)

EPOC

82 (33,7)

20 (10,2)

Asma

6 (2,5)

24 (12,2)

11 (4,5)

9 (4,6)

3 (1,2)

5 (2,5)

Bronquiectasia Enfermedad de Alzheimer Fractura de fémur Diagnósticos concurrentes (≥ 5)

0 (0,0)

0 (0,0)

27 (11,1)

21 (10,7)

28

Tabla 14. Dispensación de medicamentos y utilización de servicios sanitarios (años 2006-2007) en la población reingresada, según sexo (N=440) Hombre n (%)

Mujer n (%)

98 (40,3)

100 (50,8)

Visitas atención continuada (≥ 1)

20 (8,2)

14 (7,1)

Visitas asistente social (≥ 1)

13 (5,3)

11 (5,6)

Dispensación ≥ 4 medicamentos Utilización de servicios/año 2006

Visitas urgencias (≥ 1)

30 (12,3)

17 (8,6)

Visitas enfermería (≥ 3)

173 (71,2)

127 (64,5)

Visitas medicina general (≥ 6)

165 (67,9)

116 (58,9)

Total visitas (≥ 6)

195 (80,2)

135 (68,5)

Ingresos urgentes (≥ 2)

24 (9,9)

20 (10,2)

Ingresos programados (≥ 2)

13 (5,3)

7 (3,6)

Días de estancia acumulada (≥ 9) Utilización de servicios/año 2007

27 (11,1)

19 (9,6)

Visitas atención continuada (≥ 1)

42 (17,3)

31 (15,7)

Visitas asistente social (≥ 1)

22 (9,1)

28 (14,2)

Visitas urgencias (≥ 1)

204 (84,0)

159 (80,7)

Visitas enfermería (≥ 3)

24 (9,9)

21 (10,7)

Visitas medicina general (≥ 6)

170 (70,0)

122 (61,9)

Total visitas (≥ 6)

198 (81,5)

143 (72,6)

Ingresos urgentes (≥ 2)

63 (25,9)

43 (21,8)

Ingresos programados (≥ 2)

13 (5,3)

7 (3,6)

Días de estancia acumulada (≥ 9)

39 (16,0)

19 (9,6)

El modelo predictivo de reingresos hospitalarios se presenta en la Tabla 15. Los factores asociados al reingreso hospitalario a los 180 días del ingreso índice han sido: ser hombre; de 65 años o más respecto de los más jóvenes; tener diagnósticos de diabetes ID, insuficiencia cardíaca, enfisema o EPOC; haber recibido la dispensación de ≥ 4 medicamentos; haber ingresado ≥ 9 días en 2006, o en 2007; y haber ingresado ≥ 2 veces en 2007. Los factores con más poder predictivo han sido: tener ≥65 años (OR=19,1; IC95%=12,6-28,9) y haber ingresado ≥ 2 veces en el año 2007 (OR=22,0; 15,5-31,4). La capacidad de discriminación representada por el área bajo la curva ROC del modelo predictivo de los reingresos ha sido 0,93 (Figura 5).

29

Tabla 15. Modelos de predicción de reingresos hospitalarios. OR (IC95%) (N=174.230) OR (IC 95%) Características sociodemográficas Sexo (hombre)

1,41

(1,13 - 1,75)

2,79

(1,73 - 4,51)

Edad 45-64 >65 Morbilidad

19,14 (12,69 - 28,86)

Diabetes insulinodependiente

5,7 (2,63 - 12,36)

Insuficiencia cardíaca

4,23

(3,15 - 5,69)

Enfisema

4,39

(2,25 - 8,56)

EPOC Dispensación ≥4 medicamentos

2,23

(1,67 - 2,98)

3,65

(2,93 - 4,54)

Utilización de servicios/año 2006 Días de estancia acumulada (≥9) Utilización de servicios/año 2007

8,82 (5,57 - 13,97)

Ingresos urgentes (≥2)

22,01 (15,45 - 31,35)

Días de estancia acumulada (≥9)

3,59

(2,26 - 5,69)

Categorías de referencia: ser mujer; tener 75 años; no tener ningún cuidador; problemas con las AVD; problemas con las AIVD; demencia

Arbaje (EE.UU.)

25

Tiempo predicción

Necesidades de intervenciones no rutinarias

Tiempo seguimiento

Factores predictivos

Ingreso/reingreso

Pra administrado en los tres países

21% Solot., 14% Londres, 23%, Hamb. Área bajo la curva ROC=0,52. Riesgo de ingreso en Pra elevado= 2,1

2 grupos: 32% vs. 9%. Excluidos: no hablan cantonés, readm. en otros hospitales, no consentimiento

5% han sido escogidos para intervenciones intensivas no rutinarias

35

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Hastings et al. Deficit accumulation index (DAI) 28 (EE.UU.)

2008

Tiempo predicción

Tiempo seguimiento

Factores predictivos

Ingreso/reingreso

≥65 años; participantes en el Medicare Current Beneficiari Survey. (combina datos administrativos y encuesta) y que hayan visitado urgencias de 1/2000 a 9/2002 (n=1.851)

30 días desde la visita 33 meses urg. Medida combinada de resultados: visita urg., visita inf. Domi., ingreso hospital o muerte

DAI= sumatorio de 44 problemas de salud 9,9% admisiones, o factores de riesgo. Analizado en cuartiles 20,9% cualquiera de las medidas de resultados adversas

Lee et al. 2008 (Canadá) Triage Risk Stratification Tool 9 (TRST)

≥65 años; muestra de conveniencia de 3 Dt. de urgencias de hospitales de Toronto (n=788)

30, 120 y 365 días combinación de reingreso o visita al Dt. Urgencias

5 ítems: historia de prob. cognitivos, prob. para andar, moverse o caídas, visitas urgentes (30 d) u hospitalizaciones (90 d) (es la que mejor predice pero con Sens.= 57% Esp.=64%), 5 o más medicaciones, recomendación del profesional (sospecha de maltratos o no adherencia al tct o probl. AVD)

Índice combinado: 18,7% a los 30 días, 31,1% 120 días, 43,9% 365 días

Meldon et al. (EE.UU.) Desarrollo del Triage Risk Screening Tool 29 (TRST)

2003

≥65 años que van a urgencias de dos hospitales entre 10/1999 y 06/2000 y con residencia en el área, teléfono y habla inglesa. Entrevistas telefónicas a los 30 y 120 días

30 y 120 días - Índice 8 meses combinado de visitas repetidas a urgencias, hospitalización o visitas dom. enfermería

El índice inicial contenía 6 ítems (vivir solo) que ha sido excluido porque no tenía poder predictivo. El sumatorio simple de los ítems con punto de corte 2 o más mujer una curva ROC = 0,72 para el reingreso

26% positivo en la medida combinada a los 30 días, 48% a los 120 días

Supervia et al. 30 (Barcelona)

2007 ≥65 años; estudio prospectivo de (carta editor) pacientes ingresados en unidad de corta estancia (Hosp. del Mar) en dos periodos de 4 meses de invierno (n=385)

Predicción de la Diciembre-marzo estancia media según 2004-2005 y el índice de Barthel 2005-2006 preadmisión

Estancia media más corta en hombres y con IB ≤75 con 6 grupos de patología (pulmonares y/o cardiacos)

Estudio dirigido a predecir la estancia media (no consta el reingreso)

Preen et al. 31 (Australia)

2006

1,1 millón de altas de un estado australiano para modelizar mejor la comorbilidad y el periodo de seguimiento en muertes y reingresos

Reingresos a los 30 Julio 1990 días y mortalidad al diciembre 1996 año del ingreso índice

102 condiciones con las que se genera el Multipurpose Australian Comorbidity Scoring System (MACSS)

Mortalidad al año (4%), y reingresos (9%) a los 30 días

Dobrzanska 32 (Reino Unido)

2006

>77 años; pacientes registrados en el AP de North Bradford (n población=7.000 >75a) piloto 3 meses y estudio 09/2002 a 08/2003 (n=1.235 ingresados)

28 días

Pacientes que no viven en casa ingresan 13,4% en el piloto y antes; dados de alta a domicilio y con 8,8% en el trabajo de apoyo social tienen estancias más largas; campo estancia corta en ingreso índice (< 72 h) = más readmisión (variables analizadas de interés: tiempo entre readmisiones y días de estancia en el índice y la readmisión, día de la semana, etc.)

Periodos de 4 semanas: octubre 2002 - marzo 2003

12 meses

36

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Tiempo predicción

Tiempo seguimiento

Factores predictivos

Ingreso/reingreso

Scotish Patients 2006 At Risk of (no Readmission and publicado) Admission 10 SPARRA

≥65 años en 2001, cohorte de Escocia ingresos en el hospital a partir de datos administrativos. Ingreso índice en 2004

12 meses

2001-2004 (cuatro Edad, sexo, número de ingresos previos, Área bajo la curva años) tiempo desde el ingreso anterior, número ROC= 0,68 de ingresos programados, número de días de ingreso, número días hospital de día, grupo seleccionado de diagnósticos, número de diagnósticos, índice de deprivación del lugar de residencia

Billings (Patient 2006 at Risk for Rehospitalisation - PARR (Reino 11 Unido)

Ingresos hospitalarios de Inglaterra (modelos PARR1 y PARR2)

12 meses

Ingresos de 5 Edad 65-74 o ≥75; sexo, etnia; ingreso años (1999-2004) previo; lista de diagnósticos específicos y relacionados por el coste, admisión previa por el diagnóstico índice, número de readmisiones en los 365 días previos, ratio ingresos obs/esp

Muestra de ≥65 de pacientes de Medicare de una AP a mayor riesgo de necesidades/consumo de recursos según la clasificación de los Adjusted Clinical Groups (ACG)

Tasa de admisiones 12 meses anuales, prevalencia de problemas; días de estancia anuales

Edad; problemas con los AIVD y AVD; salud percibida como mala; 8 problemas de salud; el número de enfermedades, utilización de los ACG

Los de alto riesgo han ingresado 1,13 veces/año vs. 0,13 los de bajo riesgo

Zanocchi et al. 2006 (Aging Clin Resp 32 Exp) (Italia)

≥75 años; cohorte de personas ingresadas en hospital geriátrico (n=839)

Readmisiones ≤15 3 meses. Entre días; 15-90 días y ≥90 1/08/1998 y días 1/04/2000

Edad ≥92 años; nivel medio de educación; Charlson ≥2; diagnóstico cáncer o demencia; alta con hospitalización de día y alta a cuidados de enfermería domiciliaria. El índice de Charlson y altas a cuidados de enfer. predicen readmisión + mortalidad

12,8%; más de un reingreso en 2,9%; 88% de los muertos han reingresado

Cornette 34 (Bélgica)

2005

≥70 años; entrevistados a las 48 h 0-1 mes / 3 meses de la admisión en Ucies. Ingresados al menos 2 días

Hospitalización previa (3 meses); prob. 10,7% al mes; 23% a circulatorios (ICD-9); puntuación baja AIVD los 3 meses

Damush et al. 35 (EE.UU.)

2004

>75 años o >50 años con 12 meses al menos problemas graves de una un ingreso comunidad y que participan en un ensayo clínico (n=1.041)

Insuficiencia cardíaca, diabetes, anemia, >medicamentos, BMI bajo, y visitas a los servicios de urgencia

Mast et al. 36 (EE.UU.)

2004

>60 años; admisiones consecutivas en 1 hospital geriátrico (n=194). Entrevistas en los 3, 6 y 18 meses

AVD predictores de reingreso hasta los tres 25% antes de 3 meses, la Escala de depresión geriátrica meses, 16% entre 3-6 entre los 3 y 6 meses. meses, 39,3% hasta los 18 meses

Sylvia (EE.UU.)

33

2006

0-3 meses / 3-6 meses / 6-18 meses

No disponible. Área bajo la curva ROC: 0,68 Este grupo ha desarrollado el Combined modelo con datos indiv. de la HC de AP

20,7%

37

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Morrisey et al. 37 (IRE del Norte)

2003

≥65 años; prospectivo de altas de Reingresos a 1 año 1 hospital de Belfast entre 1/06/97 - 1/01/98 (n=487) seguimiento de 1 año. El modelo se ha validado en muestra retrospectiva (n=732)

Periodos de estudio de 18 meses

¿Paciente vive solo, historia de fumador, 61% Área bajo la toma más de 4 medicamentos, presentaba curva ROC= 0,7 confusión en las 24 h previas al ingreso, hipertenso, cáncer, ingresos en los 12 meses previos, causa endocrina del ingreso, toma "nicorandil"?

Parker -Kaiser Permanente 38 (EE.UU.)

2003

10% submuestra aleatoria de población de 6 áreas de KP consultation study (6.721 hospitalizaciones agudas de todas las edades)

14 días (todas las causas); 30 días no planificada; días de estancia

23 meses

Comparaciones entre índice de comorbidity de Deyo (17 comorbilidades) y un Chronic Disease Score (CDS) derivado de los datos de farmacia. El CDS mejora el rendimiento para algunas enfermedades (diabetes, VIH)

7,2% 14 días todas las causas; 8,5% a los 30 días readmisiones urgentes

Reuben et al. 39 (EE.UU.)

2002

≥71 años; cohorte de Boston, Iowa, y New Haven que tenían datos de lab., de gastos sanitarios de Medicare y que respondieron entrevista personal (n=3.742)

Parte A, más elevada 1988-1991 del gasto de Medicare, y más de 11 días de ingreso hospitalario/ 3 años posteriores

10 ítems de un cuest. autocontestado: hospitalizaciones previas, ser hombre, salud mala, sin trabajo, no participación en grupos religiosos, necesidad de ayuda en el baño, no poder andar ½ milla, diabetes, tomar diuréticos: albúmina y hierro bajos

15,9% de utilizadores de muchos servicios han ingresado el año anterior a la entrevista

Heggestad 40 (Noruega)

2002

≥67 años; altas de los 59 Readmisión a los 30 hospitales de agudos de Noruega días y más tarde

12 meses (año 1996)

Readmisión a los 80 años, coste por DRG, vivir cerca del hospital

2002

Datos ingresos de 1 hospital (submuestra n=3.474 hospitalizaciones en 1997)

30 y 365 días

12 meses

30 días y 365 días no esperados y por lo 32% a los 365 días mismo/otro diagnóstico; 1 o más ingresos previos, >40 días estancia; índice Charlson >3; estancia obstétrica; estancia quirúrgica

Wong et al. (Hong 2002 42 Kong)

Caso-control de población ingresada en un hospital durante 1 mes (casos = reingresos /controles = no reingreso) (168 casos y 98 controles)

Readmisiones en el 1 mes entre julio y Historia de reingresos previos; gravedad de 14,4% mes; entrevista cuali. agosto de 1997 la enfermedad; no tener seguro y cuanti. a los reingresados

Pérès et al. (Rev Epidemiol Sante Publique) 43 (Francia)

≥75 años; cohorte prospectiva de Readmisiones en el personas ingresadas en hospital mes; encuesta geriátrico (n=322) telefónica

Halfon (Suiza)

41

2001

Tiempo predicción

Tiempo seguimiento

Ingresos entre el 1/5 y 31/10 de 1999

Factores predictivos

Ingreso/reingreso

Necesidad de atención motriz; hombres; 16,2% respuesta positiva a la pregunta: sensación de "vida vacía"; estancia corta previa (< 6 días)

38

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Tiempo predicción

Tiempo seguimiento

Lagoe et al. 44 (EE.UU.)

2001

Altas del área metropolitana de Siracusa (NY) de 4 hospitales (área de 580.000 habitantes)

Readmisiones en el mes, no electiva, y por un problema con el mismo DRG centrado en insuficiencia cardíaca

Estudios de población que genera más de 10% de readmisión del diagnóstico insuficiencia cardíaca

Smith et al. 45 (EE.UU.)

2000

Análisis 2ario de un ensayo clínico 90 días (Weinberg NEJM 1996) 9 centros, pacientes con diabetes, insuficiencia cardíaca, EPOC (n=1.378)

Schwartz et al. 46 (EE.UU.)

2000

≥65 años; cohorte prospectiva de 3 meses altas con alguna discapacidad, de hospitales de Ohio (EE.UU.) (n=60)

Dos entrevistas telefónicas a la semana y a los 3 meses a los cuidadores

Falta de apoyo social y poca satisfacción Aproximadamente con el apoyo social; cuidador con síntomas 33% depresivos; y poco uso de cuidados domiciliarios

Libreros et al. 47 (Valencia)

1999

>16 años; altas en la CA de Valencia

Readmisiones a los 30 y 365 días

12 meses

Edad; Índice de Charlson con interacción A los 30 días= 5,1%; entre edades e índice de más comorbilidad a los 365 días= 16,3%

Marcantonio et al. 1999 48 (EE.UU.)

≥65 años; caso-control retrospectivo de reingresos a los 30 días de un ingreso urgente. Controles: no reingresados emparejados por diag., etc. (n=154 casos /154 controles)

30 días

Edad (>80); alguna admisión previa; ≥5 16% comorbilidades; historia de depresión; falta de instrucciones al alta al paciente o a la familia

Leung-Wing Chu 1999 49 (Hong-Kong)

≥65 años; caso-control prospectivo: ingresos en un hospital de Hong Kong (marzodiciembre 1996)

28 días

Núm. problemas AVD; no declarar ingresos económicos; reacción adversa drogas; cáncer adelantado; insuficiencia cardíaca; EPOC; fase terminal enfermedad renal crónica; disfagia; núm. comorbilidades

Caplan et al. (Age 1998 & Aging) 50 (Australia)

≥75 años; altas de 1 hospital que aceptan participar (n=468) entrevista domicilio a los 28 días

Readmisiones a las 4 Abril 1994 - abril semanas 1995

Dificultades en AIVD para el transporte y el 17,1% uso de la enfermería comunitaria

Factores predictivos

Ingreso/reingreso

Edad, estancia corta (1-4 días), análisis específico por hospitales y por determinados diagnósticos asociados a la insuficiencia cardíaca

11-15% por insuficiencia cardíaca

Ingresos previos, visitas urgentes en los 6 meses previos, urea elevada, prob. de salud mental, diagnóstico de EPOC, y satisfacción con el acceso a los servicios

23%

39

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Tiempo predicción

Tiempo seguimiento

Factores predictivos

Ingreso/reingreso

Núm. leucocitos, nitrógeno ureico en sangre, hipertensión, núm. visitas de urgencias en los 6 meses previos; evaluación estado funcional (entrevista); evaluación de servicios

24%

El objetivo era evaluar la efectividad de los que están en cuidado domiciliario

Smith M. 1996 (validación índice 12 Smith) (EE.UU.)

≥45 años; cohorte de veteranos de Medical center dados de alta (n=662)

90 días

Anderson et al. (Hospital Readmission Inventory HRI) 13 (EE.UU.)

1996

≥65 años; cuestionario en los readmitidos durante los primeros 31 días (n=68) de gente en cuidado domiciliario

Media de días a la readmisión

Media de 14 días

Descripción perfil del readmitido: 77 años, mujer, casada, recibe ayuda de la familia, recibe asistencia domiciliaria por el hospital, 13 días estancia (media), 14 días estancia con asistencia domiciliaría (media), EPOC o CHF (diagnóstico principal), admitida por un nuevo problema de salud

Waite et al. 51 (EE.UU.)

1994

Casos/controles.retrospectivo Datos admin. de altas al servicio medicina general de Durham, periodo 1/1/91 - 31/5/91 (n=79 casos y 79 controles)

Reingreso a los 6 meses

6 meses

Comparación de readmitidos/no readmitidos: estancia + corta en los readmitidos. Se evalúan los siguientes índices: Charlson; Greenfield; Kaplan and Feinstein; Smith

Lockery 52 (EE.UU.)

1994

>60 del servicio médico y quirúrgico entre julio 1984 diciembre 1985

30 días

18 meses

Path análisis: 17% Rehospitalizacióndestino al alta Lugar alta estado socioeconómico, estado civil, AVD, independencia familiar, control familiar

Corrigan et al. 53 (EE.UU.)

1992

Cohorte de 4.219 altas de adultos Readmisión a los 12 en Michigan meses

12 meses

Edad; estado avanzado de la enfermedad; Una readmisión=21%; estancia más larga del ingreso índice; alta 2=8%, >2=5% de med. interna vs. cirugía; Medicare como fuente de financiación; menor edad del médico; alta a domicilio; mayor número de altas previas

Burns et al. 54 (EE.UU.)

1991

≥65 años; ingresados en 1 hospital entre 1/07 y 30/09/1987, entrevistados dentro de las 36 h de ingreso (n=173)

5 meses

Grupo diagnóstico (EPOC o insuficiencia 30,6% a los 60 días cardíaca), ingreso urgente previo, índice de gravedad (de Horn). Valor predictivo positivo 73%, VPN: 76%

Readmisión a los 60 días

40

Autor-acrónimo (país)

Año Edad, población analizada y publicación fuente de datos

Tiempo predicción

Tiempo seguimiento

Soeken et al. 6 (EE.UU.)

1991

1 a 24 meses. Más frecuente 6 meses (40%)

No disponible

(Metaanálisis) 1984-1990. 44 estudios 17 prospectivos, 10 retrospectivos, 5 análisis 2arios, 12 intervenciones. n= 30-21.043

Factores predictivos

Ingreso/reingreso

Edad, sexo, estancia (cuanto más días más readmisiones), ingreso previo. Estudios muy heterogéneos. Intervenciones: plan de alta, visitas a domicilio (enfermería), creación de unidad geriátrica (muestreo 40-1.100)

27% (3%-60%)

41

ABREVIACIONES

AATRM:

Agencia de Evaluación de Tecnología e Investigación Médicas de Cataluña

ABS:

área básica de salud

AIVD:

actividades instrumentales de la vida diaria

AP:

atención primaria

AVD:

actividades de la vida diaria

CIE-10:

clasificación internacional de enfermedades, 10ª edición

ClP:

código de identificación personal

CMBDAH:

conjunto mínimo básico de datos de alta hospitalaria

e-CAP:

historia clínica de atención primaria

ID:

insulinodependiente

EPOC:

enfermedad pulmonar obstructiva crónica

ROC:

Receiver Operating Characteristic

SF-12:

Short Form Health Survey

42

BIBLIOGRAFÍA

1. Feachem RG, Sekhri NK, White KL. Getting more for their dollar: a comparison of the NHS with California's Kaiser Permanente. BMJ. 2002;324(7330):135-41. 2. Kane RL, Keckhafer G, Flood S, Bershadsky B, Siadaty MS. The effect of Evercare on hospital use. J Am Geriatr Soc. 2003;51(10):1427-34. 3. Coleman K, Austin BT, Brach C, Wagner EH. Evidence on the Chronic Care Model in the new millennium. Health Aff (Millwood). 2009;28(1):75-85. 4. Coleman K, Mattke S, Perrault PJ, Wagner EH. Untangling practice redesign from disease management: how do we best care for the chronically ill? Annu Rev Public Health. 2009;30:385408. 5. Benbassat J, Taragin M. Hospital readmissions as a measure of quality of health care: advantages and limitations. Arch Intern Med. 2000;160(8):1074-81. 6. Soeken KL, Prescott PA, Herron DG, Creasia J. Predictors of hospital readmission. A metaanalysis. Eval Health Prof. 1991;14(3):262-81. 7. Novotny NL, Anderson MA. Prediction of early readmission in medical inpatients using the Probability of Repeated Admission instrument. Nurs Res. 2008;57(6):406-15. 8. Pacala JT, Boult C, Reed RL, Aliberti E. Predictive validity of the Pra instrument among older recipients of managed care. J Am Geriatr Soc. 1997;45(5):614-7. 9. Lee JS, Schwindt G, Langevin M, Moghabghab R, Alibhai SM, Kiss A, et al. Validation of the triage risk stratification tool to identify older persons at risk for hospital admission and returning to the emergency department. J Am Geriatr Soc. 2008;56(11):2112-7. 10. SPARRA: Scottish patients at risk of readmission and admission. Edinburgh (United Kingdom): National Services Scotland. National Health Services (NHS); 2006. 11. Billings J, Dixon J, Mijanovich T, Wennberg D. Case finding for patients at risk of readmission to hospital: development of algorithm to identify high risk patients. BMJ. 2006;333(7563):327. 12. Smith DM, Katz BP, Huster GA, Fitzgerald JF, Martin DK, Freedman JA. Risk factors for nonelective hospital readmissions. J Gen Intern Med. 1996;11(12):762-4. 13. Anderson MA, Hanson KS, DeVilder NW, Helms LB. Hospital readmissions during home care: a pilot study. J Community Health Nurs. 1996;13(1):1-12. 14. Combined predictive model. Final report. London (United Kingdom): National Health Service (NHS); 2006. 15. Starfield B, Weiner J, Mumford L, Steinwachs D. Ambulatory care groups: a categorization of diagnoses for research and management. Health Serv Res. 1991;26(1):53-74. 16. Rice N, Smith PC. Capitation and risk adjustment in health care financing: an international progress report. Milbank Q. 2001;79(1):81-113.

43

17. Registre del conjunt mínim bàsic de dades (CMBD). Activitat assistencial del la xarxa sanitària de Catalunya. Any 2008. Barcelona: Servei Català de la Salut. Departament de Salut. Generalitat de Catalunya; 2009. 18. Forrest CB, Lemke KW, Bodycombe DP, Weiner JP. Medication, diagnostic, and cost information as predictors of high-risk patients in need of care management. Am J Manag Care. 2009;15(1):41-8. 19. Hasan O, Meltzer DO, Shaykevich SA, Bell CM, Kaboli PJ, Auerbach AD, et al. Hospital readmission in general medicine patients: a prediction model. J Gen Intern Med. 2010;25(3):211-9. 20. Koehler BE, Richter KM, Youngblood L, Cohen BA, Prengler ID, Cheng D, et al. Reduction of 30-day postdischarge hospital readmission or emergency department (ED) visit rates in high-risk elderly medical patients through delivery of a targeted care bundle. J Hosp Med. 2009;4(4):211-8. 21. Courtney M, Edwards H, Chang A, Parker A, Finlayson K, Hamilton K. Fewer emergency readmissions and better quality of life for older adults at risk of hospital readmission: a randomized controlled trial to determine the effectiveness of a 24-week exercise and telephone follow-up program. J Am Geriatr Soc. 2009;57(3):395-402. 22. Bellelli G, Magnifico F, Trabucchi M. Outcomes at 12 months in a population of elderly patients discharged from a rehabilitation unit. J Am Med Dir Assoc. 2008;9(1):55-64. 23. Wagner JT, Bachmann LM, Boult C, Harari D, von Renteln-Kruse W, Egger M, et al. Predicting the risk of hospital admission in older persons--validation of a brief self-administered questionnaire in three European countries. J Am Geriatr Soc. 2006;54(8):1271-6. 24. Chan MF, Wong FK, Chang KK, Chow SK, Chung LY, Lee RP, et al. A study on investigating unplanned readmission patterns. J Clin Nurs. 2008;17(16):2164-73. 25. Arbaje AI, Wolff JL, Yu Q, Powe NR, Anderson GF, Boult C. Postdischarge environmental and socioeconomic factors and the likelihood of early hospital readmission among communitydwelling Medicare beneficiaries. Gerontologist. 2008;48(4):495-504. 26. Laniece I, Couturier P, Drame M, Gavazzi G, Lehman S, Jolly D, et al. Incidence and main factors associated with early unplanned hospital readmission among French medical inpatients aged 75 and over admitted through emergency units. Age Ageing. 2008;37(4):416-22. 27. Tanaka M, Yamamoto H, Kita T, Yokode M. Early prediction of the need for non-routine discharge planning for the elderly. Arch Gerontol Geriatr. 2008;47(1):1-7. 28. Hastings SN, Purser JL, Johnson KS, Sloane RJ, Whitson HE. Frailty predicts some but not all adverse outcomes in older adults discharged from the emergency department. J Am Geriatr Soc. 2008;56(9):1651-7. 29. Meldon SW, Mion LC, Palmer RM, Drew BL, Connor JT, Lewicki LJ, et al. A brief riskstratification tool to predict repeat emergency department visits and hospitalizations in older patients discharged from the emergency department. Acad Emerg Med. 2003;10(3):224-32.

44

30. Supervía A, Aranda D, Márquez MA, Aguirre A, Skaf E, Gutiérrez J. Predicting length of hospitalisation of elderly patients, using the Barthel Index. Age Ageing. 2008;37(3):339-42. 31. Preen DB, Holman CD, Spilsbury K, Semmens JB, Brameld KJ. Length of comorbidity lookback period affected regression model performance of administrative health data. J Clin Epidemiol. 2006;59(9):940-6. 32. Dobrzanska L, Newell R. Readmissions: a primary care examination of reasons for readmission of older people and possible readmission risk factors. J Clin Nurs. 2006;15(5):599-606. 33. Sylvia ML, Shadmi E, Hsiao CJ, Boyd CM, Schuster AB, Boult C. Clinical features of high-risk older persons identified by predictive modeling. Dis Manag. 2006;9(1):56-62. 34. Comette P, D'Hoore W, Malhomme B, Van Pee D, Meert P, Swine C. Differential risk factors for early and later hospital readmission of older patients. Aging Clin Exp Res. 2005;17(4):322-8. 35. Damush TM, Smith DM, Perkins AJ, Dexter PR, Smith F. Risk factors for nonelective hospitalization in frail and older adult, inner-city outpatients. Gerontologist. 2004;44(1):68-75. 36. Mast B, Azar A, MacNeill S, Lichtenberg P. Depression and activities of daily living predict rehospitalization within 6 months of discharge from geriatric rehabilitation. Rehabil Psychol. 2004;49(3):219-23. 37. Morrissey E, McElnay J, Scott M, McConnell B. Influence of drugs, demographics and medical history on hospital readmission of elderly patients: A predictive model. Clin Drug Investig. 2003;23(2):119-28. 38. Parker JP, McCombs JS, Graddy EA. Can pharmacy data improve prediction of hospital outcomes? Comparisons with a diagnosis-based comorbidity measure. Med Care. 2003;41(3):407-19. 39. Reuben DB, Keeler E, Seeman TE, Sewall A, Hirsch SH, Guralnik JM. Development of a method to identify seniors at high risk for high hospital utilization. Med Care. 2002;40(9):782-93. 40. Heggestad T. Do hospital length of stay and staffing ratio affect elderly patients' risk of readmission? A nation-wide study of Norwegian hospitals. Health Serv Res. 2002;37(3):647-65. 41. Halfon P, Eggli Y, van Melle G, Chevalier J, Wasserfallen JB, Burnand B. Measuring potentially avoidable hospital readmissions. J Clin Epidemiol. 2002;55(6):573-87. 42. Wong F, Ho M, Chiu I, Lui WK, Chan C, Lee KM. Factors contributing to hospital readmission in a Hong Kong regional hospital: a case-controlled study. Nurs Res. 2002;51(1):40-9. 43. Pérès K, Rainfray M, Perrié N, Emeriau JP, Chêne G, Barberger-Gateau P. Incidence, facteurs de risque et adéquation des réhospitalisations à court terme de personnes âgées. Rev Epidemiol Sante Publique. 2002;50(2):109-19. 44. Lagoe RJ, Noetscher CM, Murphy MP. Hospital readmission: predicting the risk. J Nurs Care Qual. 2001;15(4):69-83. 45. Smith DM, Giobbie-Hurder A, Weinberger M, Oddone EZ, Henderson WG, Asch DA, et al. Predicting non-elective hospital readmissions: a multi-site study. Department of Veterans Affairs

45

Cooperative Study Group 2000;53(11):1113-8.

on

Primary Care

and

Readmissions.

J

Clin

Epidemiol.

46. Schwarz KA. Predictors of early hospital readmissions of older adults who are functionally impaired. J Gerontol Nurs. 2000;26(6):29-36. 47. Librero J, Peiró S, Ordiñana R. Chronic comorbidity and outcomes of hospital care: length of stay, mortality, and readmission at 30 and 365 days. J Clin Epidemiol. 1999;52(3):171-9. 48. Marcantonio ER, McKean S, Goldfinger M, Kleefield S, Yurkofsky M, Brennan TA. Factors associated with unplanned hospital readmission among patients 65 years of age and older in a Medicare managed care plan. Am J Med. 1999;107(1):13-7. 49. Chu LW, Pei CK. Risk factors for early emergency hospital readmission in elderly medical patients. Gerontology. 1999;45(4):220-6. 50. Caplan GA, Brown A, Croker WD, Doolan J. Risk of admission within 4 weeks of discharge of elderly patients from the emergency department--the DEED study. Discharge of elderly from emergency department. Age Ageing. 1998;27(6):697-702. 51. Waite K, Oddone E, Weinberger M, Samsa G, Foy M, Henderson W. Lack of association between patients' measured burden of disease and risk for hospital readmission. J Clin Epidemiol. 1994;47(11):1229-36. 52. Lockery SA, Dunkle RE, Kart CS, Coulton CJ. Factors contributing to the early rehospitalization of elderly people. Health Soc Work. 1994;19(3):182-91. 53. Corrigan JM, Martin JB. Identification of factors associated with hospital readmission and development of a predictive model. Health Serv Res. 1992;27(1):81-101. 54.

Burns R, Nichols LO. Factors predicting readmission of older general medicine patients. J Gen Intern Med. 1991;6(5):389-93.

46

Miembro fundador

Miembro corporativo

Miembro corporativo

Miembro corporativo