Modelo predictivo de ajuste de riesgo y costes en pacientes con diabetes mellitus en la Comunidad Valenciana
- David Vivas Consuelo Zuzendaria
Defentsa unibertsitatea: Universitat Politècnica de València
Fecha de defensa: 2017(e)ko maiatza-(a)k 22
- Vicente Caballer Mellado Presidentea
- Rafael Herrerías Pleguezuelo Idazkaria
- Vicente Montesinos Julve Kidea
Mota: Tesia
Laburpena
OBJETIVO Determinación de la prevalencia y análisis de las características de la población, perfil de morbilidad, multimorbilidad, costes farmacéuticos, consumo de recursos y complicaciones de los pacientes con Diabetes mellitus (DM2) en la Comunidad Valenciana. Con ello, se pretende establecer un modelo de predicción del consumo de recursos de los pacientes con Diabetes mellitus tipo 2 (DM 2). DISEÑO DEL ESTUDIO Metodología Estudio observacional, descriptivo, retrospectivo y de corte transversal. Se elabora una base de datos con los pacientes diagnosticados de DM2 en la Comunidad Valenciana en el año 2012 y se clasifica a los mismos por estados de salud, utilizando el sistema Clinical Risk Groups (CRG). Se analizan las comorbilidades y complicaciones específicas asociadas a la enfermedad así como el gasto farmacéutico. Este se analiza desde diferentes puntos de vista: comorbilidades, estados de salud CRG y fármacos utilizados para el tratamiento de la enfermedad. Con todo ello, se plantea modelos de regresión multivariante para predecir el gasto farmacéutico en función de las diferentes variables disponibles en los que la variable dependiente es el gasto farmacéutico total por paciente y año y las variables explicativas se seleccionarán, de entre las disponibles en la base de datos elaborada. Finalmente, se presenta un análisis factorial y de componentes principales para estudiar diferencias entre los pacientes diabéticos analizados, en cuanto a gasto farmacéutico. Población de estudio Población con diagnóstico de diabetes tipo 2 de la Comunidad Valenciana en el 2012. De los 491.854 pacientes con diagnóstico de diabetes, se excluyen todos aquellos pacientes con diabetes juvenil, diabetes gestacional y los que no recibieron tratamiento farmacológico, reduciendo el grupo a 350.015 pacientes. Fuentes de información y variables de estudio Las fuentes fundamentales para la obtención de los datos: -La historia clínica electrónica, ABUCASIS. -El módulo de prestación farmacéutica, GAIA. -El Conjunto Mínimo Básico de Datos, CMBD. -El catálogo de recursos corporativos, CRC. -Sistema de Información Poblacional, SIP. -Los Grupos de Riesgo Clínico (Clinical Risk Groups, CRGs). Limitaciones del estudio 1.Estado de la codificación de los diagnósticos, tanto en términos cuantitativos como cualitativos. 2. Desequilibrio en la utilización de los sistemas de información ambulatorios corporativos con posibilidad de clasificaciones erróneas (SIA-GAIA). RESULTADOS La prevalencia bruta estimada de la diabetes fue del 7,72%, con un consumo medio por paciente y año de cerca de 1.330€. Por estados de salud, cerca de 48% de los pacientes se clasifican en el estado de salud 6. En cuanto a las comorbilidades de los pacientes con DM2, el 68% sufren además hipertensión y un 53% dislipemia. El gasto farmacéutico aumenta con la presencia de comorbilidades (de 592€ a 3.825€ anuales por paciente, con una comorbilidad a seis y más, respectivamente)., el estado de salud CRG y la severidad del paciente; y con edades más avanzadas. Por tipo de fármaco, el consumo varía entre importes anuales inferiores a 50€ hasta cifras que superan los 600€. Un modelo de regresión lineal multivariante que considera el estado de salud y severidad del paciente alcanza un coeficiente de determinación corregido¿R2 de un 39,3% de la variabilidad. Finalmente, el análisis factorial identifica 6 factores que explican el 49,3% de la varianza en el consumo anual farmacéutico de los pacientes diabéticos. CONCLUSIONES La diabetes presenta una elevada prevalencia y se caracteriza por la coexistencia de otras enfermedades, lo cual conlleva incrementos considerables en el coste del tratamiento. El consumo por paciente aumenta con el empeoramiento del estado de salud del paciente y la edad más avanzada, así como por el tipo de tratamiento farmacológico del paciente. La regresión lineal y el análisis factorial permiten establecer mod