Desarrollo de un modelo predictivo de ingresos y reingresos hospitalarios no programados en Catalunya

Transcripción

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

2 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 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; Las personas interesadas en este documento pueden dirigirse a: Agència d Avaluació de Tecnologia i Recerca Mèdiques. Roc Boronat, (2ª planta) Barcelona Tel.: Fax: direccio@aatrm.catsalut.cat 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 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.

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

4 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.

5 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

6 ÍNDICE DE TABLAS Tabla 1. Modelos predictivos de ingresos y/o reingresos publicados en la literatura Tabla 2. Características sociodemográficas de la población con e-cap y de los ingresos del año 2008 (N= ; n=3.494)...20 Tabla 3. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-cap e ingresados (N= )...21 Tabla 4. Dispensación de medicamentos y utilización de servicios sanitarios en la población de estudio (N= )...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 ) 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= ; n=440)...26 Tabla 10. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-cap y reingresados (N= ; n=440)...27 Tabla 11. Dispensación de medicamentos y utilización de servicios sanitarios en los reingresos (N= )...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 ) en la población reingresada, según sexo (N=440)...29 Tabla 15. Modelos de predicción de reingresos hospitalarios. OR (IC95%) (N= )...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

7 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 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 individuos. Los ingresos han sido (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 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 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

8 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

9 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 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 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, 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 ), and 9 days of hospital stay during 2007 (OR= 16.97; ) were the factors with strongest association to hospital admissions. The area under the receiver operating characteristic curve for the model was Being a man, 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= ), and having been admitted 2 times during 2007 (OR= 22.0; ). The area under the receiver operating characteristic curve for the model was

10 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

11 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 ( 1 y Evercare 2. 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 Pacientes de alta complejidad Gestión de la enfermedad Pacientes de alto riesgo Apoyo a la autogestión Pacientes crónicos Prevención Población general Modelo adaptado por Kaiser Pemanente Según el grupo del Instituto Mc Coll 3,4, 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

12 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 estudios 5. 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 tema 6. 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

13 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 Admission 7,8 ; el Screen Sheet at Admission; el Triage Risk Stratification Tool 9 ; el Scottish Patient At Risk of Readmission and Admission 10 ; el Patient At Risk of Readmission 11 (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 Smith 12 ; y el Hospital Readmission Inventory 13. 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 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

14 Tabla 1. Modelos predictivos de ingresos y/o reingresos publicados en la literatura Tipo de estudio Cohorte prospectiva/ retrospectiva Número de estudios n = 45 Tamaño de la muestra (recorrido) Porcentaje de ingresos/ reingresos Variables predictivas más importantes ,2%-33% Sexo, edad, salud autopercibida, índice de comorbilidad, consumo de recursos previos, polimedicación, factores sociales (vive solo), tipo de seguro, estancia, SF-12 Caso control 4 79 casos-79 controles / 154 casos-154 controles Intervención 2 64 intervención / 64 control 20 intervención / 21 control Análisis con datos secundarios Revisión sistemática No aplicable 22% (intervención) vs. 47% (control) 10% (intervención) vs. 38,1 (control) %-15% a los 30 días Edad, diversos índices de comorbilidad, AIVD Intervención (programa de actividad física + control de enfermería) Intervención (paquete de atenciones) Edad, sexo, ingreso previo, días de estancia, diagnósticos, índice de morbilidad o ACG, polimedicación, etc No disponible Centrado en diagnósticos: crónico, cardiaco, quirúrgico, comorbilidad, fractura de cadera Observaciones Área bajo la curva ROC= 0,60-0,83 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 habitantes aproximadamente. El subsector sanitario del presente estudio incluye 5 municipios y da cobertura sanitaria a una población aproximada de 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

15 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

16 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 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

17 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 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 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

18 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

19 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 casos en que se pudo constatar la defunción antes de 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<0,01) en el análisis bivariado. La discriminación (grado en que el modelo distingue entre individuos en los que sucede el acontecimiento y los que no) se ha evaluado mediante el área bajo la curva ROC. Aspectos éticos y confidencialidad Este estudio se ha llevado a cabo siguiendo las directivas nacionales e internacionales (código deontológico, declaración de Helsinki), así como la normativa legal sobre confidencialidad de los datos (Ley orgánica 15/1999, de 13 de diciembre, de protección de datos de carácter personal). La manipulación y la transferencia de los datos se ha hecho siguiendo normas estrictas de seguridad y encriptación. 19

20 RESULTADOS La muestra final ha incluido un total de individuos de 15 años con e-cap en el área de estudio. Las características sociodemográficas de la población y de los pacientes que ingresaron se observan en la Tabla 2. Tabla 2. Características sociodemográficas de la población con e-cap y de los ingresos del año 2008 (N= ; n=3.494) Sexo Ingreso n (%) Total n (%) Hombre (54,0) (48,6) Mujer (46,0) (51,4) Edad (17,3) (56,7) (22,5) (27,0) (60,2) (16,3) Municipio Castelldefels 985 (29,6) (35,9) Gavà 994 (29,9) (28,1) Viladecans (40,5) (36,0) Ingresos En el año 2008 ha ingresado urgente en los hospitales del área el 2,0% de la población (n=3.494). El 54% de los casos han sido hombres, el 60% de los ingresos han sido en población de 65 años y el 40% pertenecen al e-cap que corresponde al municipio de Viladecans. La Tabla 3 muestra la prevalencia de morbilidad seleccionada y registrada en el e-cap con respecto al total de la población y de los ingresados durante el año Los individuos con cardiopatía isquémica (1,9% del total de población) ha representado el 13,5% de los ingresados; resultados similares han presentado los diagnósticos de insuficiencia cardíaca, EPOC, y diabetes ID y no ID. Asimismo, los que han presentado 5 diagnósticos concurrentes han sido el 0,3% del total de la población y el 5,4% de los pacientes ingresados. 20

21 Tabla 3. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-cap e ingresados (N= ) Ingreso n (%) Total n (%) Diabetes insulinodependiente 38 (1,1) 567 (0,3) Diabetes no insulinodependiente 771 (22,1) (5,3) Cardiopatía isquémica 470 (13,5) (1,9) Insuficiencia cardíaca 312 (8,9) (0,7) Bronquitis no especificada (aguda o crónica) 13 (0,4) 214 (0,1) Bronquitis crónica simple y mucopurulenta 24 (0,7) 246 (0,1) Bronquitis crónica no especificada 83 (2,4) 677 (0,4) Enfisema 44 (1,3) 237 (0,1) EPOC 404 (11,6) (1,4) Asma 187 (5,4) (3,0) Bronquiectasia 65 (1,9) 440 (0,3) Enfermedad de Alzheimer 48 (1,4) 390 (0,2) Fractura de fémur 4 (0,1) 22 (0,0) Diagnósticos concurrentes ( 5) 190 (5,4) 524 (0,3) En relación con la utilización de servicios, según los datos de dispensación farmacéutica, el 31% de los que han ingresado han recibido la prescripción de 4 medicamentos vs. 5,3% el total de la población (Tabla 4). En general los que han ingresado han presentado un porcentaje más elevado de uso de todos los servicios tanto de AP como hospitalarios en los 2 años anteriores al ingreso, especialmente los ingresos hospitalarios urgentes y programados y la estancia acumulada de los años 2006 y A pesar de todo, menos importante ha sido la diferencia entre los que han ingresado y el total de la población en la utilización de los servicios de AP (visitas a diferentes profesionales sanitarios y a urgencias). Las figuras 2 y 3 presentan la distribución del número de diagnósticos según el sexo, y el número de medicamentos dispensados a nivel poblacional. No se han encontrado diferencias importantes en estas variables, aunque los hombres han presentado un porcentaje ligeramente superior de 5 diagnósticos concurrentes, y las mujeres han recibido un porcentaje más elevado de 4 prescripciones de medicamentos. 21

22 Tabla 4. Dispensación de medicamentos y utilización de servicios sanitarios en la población de estudio (N= ) Ingreso n (%) Total n (%) Dispensación 4 medicamentos (31,7) (5,3) Utilización de servicios/año 2006 Visitas atención continuada ( 1) 192 (5,5) (3,5) Visitas asistente social ( 1) 173 (5,0) (1,2) Visitas urgencias ( 1) 223 (6,4) (3,7) Visitas enfermería ( 3) (53,2) (20,6) Visitas medicina general ( 6) (47,7) (19,8) Total visitas ( 6) (60,5) (27,3) Ingresos urgentes ( 2) 140 (4,0) 172 (0,1) Ingresos programados ( 2) 83 (2,4) 174 (0,1) Días de estancia acumulada ( 9) 160 (4,6) 231 (0,1) Utilización de servicios/año 2007 Visitas atención continuada ( 1) 433 (12,4) (8,9) Visitas asistente social ( 1) 217 (6,2) (1,4) Visitas urgencias ( 1) (78,4) (57,7) Visitas enfermería ( 3) 202 (5,8) 953 (0,5) Visitas medicina general ( 6) (52,2) (21,3) Total visitas ( 6) (64,0) (29,0) Ingresos urgentes ( 2) 257 (7,4) ,5) Ingresos programados ( 2) 104 (3,0) 241 (13,8) Días de estancia acumulada ( 9) 201 (5,8) 284 (0,2) Figura 2. Número de diagnósticos concurrentes según sexo 70% 60% 50% 40% 30% 20% Hombre DMujer 10% 0% >=5 Núm. diagnósticos 22

23 Figura 3. Número de medicamentos dispensados según sexo 80% 70% 60% 50% 40% 30% 20% Home Hombre Dona Mujer 10% 0% >=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) Edad Hombre n (%) Mujer n (%) (20,3) 222 (13,8) (25,9) 298 (18,5) (53,8) (67,7) Municipio Castelldefels 490 (27,3) 495 (32,3) Gavà 549 (30,6) 445 (29,0) Viladecans 754 (42,1) 593 (38,7) 23

24 Tabla 6. Proporción de individuos con diagnósticos seleccionados según sexo en población ingresada (N=3.494) Hombre n (%) Mujer n (%) Diabetes insulinodependiente 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) 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) Fractura de fémur 2 (0,1) 2 (0,1) Diagnósticos concurrentes ( 5) 128 (6,8) 62 (3,9) Tabla 7. Dispensación de medicamentos y utilización de servicios sanitarios (años ) según sexo en población ingresada (N=3.494) Hombre n (%) Mujer n (%) Dispensación 4 medicamentos 558 (29,6) 551 (34,3) Utilización de servicios/año 2006 Visitas atención continuada ( 1) 95 (5,0) 97 (6,0) 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) Total visitas ( 6) (56,9) (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) 87 (4,6) 73 (4,5) Utilización de servicios/año 2007 Visitas atención continuada ( 1) 225 (11,9) 208 (12,9) Visitas asistente social ( 1) 90 (4,8) 127 (7,9) Visitas urgencias ( 1) (76,4) (80,8) Visitas enfermería ( 3) 94 (5,0) 108 (6,7) Visitas medicina general ( 6) 920 (48,8) 904 (56,2) Total visitas ( 6) (61,1) (67,3) Ingresos urgentes ( 2) 146 (7,7) 111 (6,9) Ingresos programados ( 2) 66 (3,5) 38 (2,4) Días de estancia acumulada ( 9) 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 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 Los factores con más poder predictivo han 24

25 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%) Características sociodemográficas OR (IC 95%) Sexo (hombre) 1,34 (1,24-1,45) Edad ,12 (1,89-2,36) >65 6,04 (5,44-6,7) Morbilidad 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) 1,91 (1,48-2,45) Dispensación 4 medicamentos 3,5 (3,20-3,82) Utilización de servicios/año 2006 Ingresos urgentes ( 2) 16,41 (9,96-27,02) Ingresos programados ( 2) 6,12 (4,01-9,34) Días de estancia acumulada ( 9) 10,56 (7,17-15,56) Utilización de servicios/año 2007 Ingresos urgentes ( 2) 35,33 (24,20-51,57) Ingresos programados ( 2) 5,46 (3,78-7,89) Días de estancia acumulada ( 9) 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

26 Sensibilidad Figura 4. Área bajo la curva ROC del modelo de ingreso hospitalario no programado 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= ; n=440) Sexo Reingreso n (%) Total n (%) Hombre 243 (55,2) (48,6) Mujer 197 (44,8) (51,4) Edad (6,1) (56,8) (10,9) (27,0) (83,0) (16,2) Municipio Castelldefels 143 (34,2) (35,9) Gavà 119 (28,5) (28,1) Viladecans 156 (37,3) (36,0) 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

27 Tabla 10. Proporción de individuos con diagnósticos seleccionados. Total de la población con e-cap y reingresados (N= ; n=440) Reingreso n (%) Total n (%) Diabetes insulinodependiente 3 (1,2) 566 (0,3) Diabetes no insulinodependiente 68 (28,0) (5,3) Cardiopatía isquémica 56 (23,0) (1,9) Insuficiencia cardíaca 46 (18,9) (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) (1,4) Asma 6 (2,5) (3,0) Bronquiectasia 11 (4,5) 438 (0,3) Enfermedad de Alzheimer 3 (1,2) 388 (0,2) Fractura de fémur 0 (0,0) 22 (0,0) Diagnósticos concurrentes ( 5) 48 (10,9) 510 (0,3) Tabla 11. Dispensación de medicamentos y utilización de servicios sanitarios en los reingresos (N= ) Reingreso n (%) Total n (%) Dispensación 4 medicamentos 198 (45,0) (5,3) Utilización de servicios/año 2006 Visitas atención continuada ( 1) 34 (7,7) (3,5) Visitas asistente social ( 1) 24 (5,5) (1,2) Visitas urgencias ( 1) 47 (10,7) (3,7) Visitas enfermería ( 3) 300 (68,2) (20,6) Visitas medicina general ( 6) 281 (63,9) (19,8) Total visitas ( 6) 330 (75,0) (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) 46 (10,5) 220 (0,1) Utilización de servicios/año 2007 Visitas atención continuada ( 1) 73 (16,6) (8,9) Visitas asistente social ( 1) 50 (11,4) (1,3) Visitas urgencias ( 1) 363 (82,5) (57,7) Visitas enfermería ( 3) 45 (10,2) 919 (0,5) Visitas medicina general ( 6) 292 (66,4) (21,3) Total visitas ( 6) 341 (77,5) (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

28 Tabla 12. Características sociodemográficas de los reingresos del año 2008 según sexo (N=440) Edad Hombre n (%) Mujer n (%) (6,6) 11 (5,6) (12,8) 17 (8,6) (80,7) 169 (85,8) Municipio Castelldefels 69 (29,9) 74 (39,6) Gavà 70 (30,3) 49 (26,2) Viladecans 92 (39,8) 64 (34,2) Tabla 13. Proporción de individuos con diagnósticos seleccionados, según el sexo. Población reingresada (N=440) Hombre n (%) Mujer n (%) Diabetes insulinodependiente 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) Bronquitis no especificada (aguda o crónica) 1 (0,4) 0 (0,0) 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) Bronquiectasia 11 (4,5) 9 (4,6) Enfermedad de Alzheimer 3 (1,2) 5 (2,5) Fractura de fémur 0 (0,0) 0 (0,0) Diagnósticos concurrentes ( 5) 27 (11,1) 21 (10,7) 28

29 Tabla 14. Dispensación de medicamentos y utilización de servicios sanitarios (años ) en la población reingresada, según sexo (N=440) Hombre n (%) Mujer n (%) Dispensación 4 medicamentos 98 (40,3) 100 (50,8) Utilización de servicios/año 2006 Visitas atención continuada ( 1) 20 (8,2) 14 (7,1) Visitas asistente social ( 1) 13 (5,3) 11 (5,6) 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) 27 (11,1) 19 (9,6) Utilización de servicios/año 2007 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 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