Artículo completo
Introducción
En ausencia de servicios de salud, la mortalidad estaría determinada por factores sociales, medioambientales y genéticos. Los servicios de salud, a través de las actividades preventivas y terapéuticas, y los gobiernos, a través de políticas legislativas, modifican la influencia de algunos de estos factores con el objetivo de reducir la mortalidad. Para algunas enfermedades, el conocimiento médico está suficientemente adelantado como para evitar casi todas las muertes en determinados grupos de edad. Sin embargo, para que tales muertes sean evitadas es necesaria una acción oportuna; la observación de un número apreciable de desenlaces fatales sugiere que tal acción no ha sido tomada. Pueden identificarse enfermedades en las cuales la educación sanitaria, la inmunización, la continuidad de la atención, el tratamiento médico o quirúrgico así como otros aspectos particulares de los sistemas de atención sanitaria son importantes con el fin de evitar muertes innecesarias.A finales de la década de los ochenta, Holland y un grupo de investigadores, en representación de los países miembros de la Unión Europea, elaboraron una serie de atlas^1,2 que examinan la mortalidad evitable (ME) debida a una selección de 17 grupos de enfermedades. Tres de estas causas de mortalidad (cáncer pulmonar, cirrosis y los accidentes de vehículos de motor) pueden ser predominantemente susceptibles de prevención primaria a nivel nacional, por lo que se denominaron indicadores de política nacional de salud (IPNS). Para las otras enfermedades, los servicios de salud pueden proporcionar tratamiento eficaz y prevención primaria o secundaria; como consecuencia, recibieron el nombre de indicadores de asistencia médica (IAME).Los niveles bajos de mortalidad por causas evitables que en la actualidad predominan en los países industrializados probablemente reflejan, por lo menos en parte, el aumento de la efectividad de los servicios de salud.^3-6 En las últimas décadas, las tasas de ME han descendido de manera más pronunciada que las tasas de mortalidad por causas no evitables en Cataluña⁷ y en el conjunto de España,⁸ apreciándose un mayor descenso de la mortalidad asociada a IAME que la debida a IPNS.⁹ Asimismo, en la Comunidad Valenciana, la mortalidad no evitable ha experimentado una reducción menos marcada que la ME (lista de Holland), debido a la disminución de la mortalidad por IAME,³ especialmente, de las enfermedades hipertensivas y cerebrovasculares y de la tuberculosis.¹⁰ Estos hechos constituyen evidencias a favor de que las causas de ME son indicadores sensibles a la cantidad y calidad de la atención sanitaria.El análisis de la mortalidad hospitalaria aparece, al menos potencialmente, como un valioso instrumento para la planificación y la gestión de los propios hospitales. Mediante la aplicación del análisis de la ME en el hospital, se pueden poner de manifiesto distintos aspectos de la efectividad de los servicios sanitarios.^7,11,12Por ello, el presente estudio se ha llevado a cabo con el objetivo de (a) describir la ME ocurrida en los hospitales públicos de la Comunidad Valenciana durante el período 1994-95, utilizando el listado de IAME de Holland, así como (b) identificar los factores que condicionan dicha mortalidad.Material y métodos
Se ha realizado un estudio epidemiológico respecto a la ME ocurrida durante 1994 y 1995 en los hospitales públicos de la Comunidad Valenciana para todos los IAME, según la clasificación de Holland (tabla 1).
Los individuos incluidos en el estudio fueron todos los pacientes dados de alta en 1994 ó 1995 en algún hospital de la red del Servicio Valenciano de Salud, registrados en el conjunto mínimo básico de datos (CMBD) de la Comunidad Valenciana y cuyo diagnóstico principal estuviese incluido en la lista de IAME.Las variables obtenidas de la información recogida en el CMBD fueron las siguientes: hospital, codificados del 1 al 20 para mantener la confidencialidad de la información; edad, agrupada en 4 categorías (menores de 18 años, de 18 a 34 años, de 35 a 49 años, y de 50 a 64 años); sexo; financiación (Seguridad Social o a cargo de otros); circunstancias del ingreso (urgente o programado); categoría de IAME, enfermedad del listado de IAME (tabla 1) que figuraba como diagnóstico principal; índice de comorbilidad de Charlson,¹³ adaptado por Deyo y colaboradores¹⁴ para su empleo en bases de datos clínico-administrativas que utilicen la CIE-9-MC; número de diagnósticos; número de procedimientos quirúrgicos/obstétricos; días de estancia; y circunstancias del alta (exitus o no), que es la variable respuesta o de desenlace.Respecto del análisis estadístico, se han calculado las tasas de letalidad por categorías de IAME y en conjunto para cada hospital de la Comunidad Valenciana, así como los intervalos de confianza de 95% (IC 95%). La significación estadística de las comparaciones se ha valorado mediante la prueba chi-cuadrado (c²) de Pearson para las variables cualitativas, y la prueba t de Student o la prueba no paramétrica U de Mann-Whitney para las variables cuantitativas. Se consideraron significativos los valores de p menores de 0.05.En el análisis multivariante, se ha utilizado la regresión logística no condicional con la finalidad de valorar la influencia de diversos factores sobre la ME, controlando el efecto de posibles variables de confusión o términos de interacción. Los estimadores de los coeficientes de regresión se obtuvieron por máxima verosimilitud. La selección de variables se basó en la comparación de modelos mediante el estadístico de razón de verosimilitudes. Se valoró la significación estadística de los términos de interacción de segundo orden, aplicando el criterio jerárquico, es decir, manteniendo en el modelo sus componentes de orden inferior. Como medidas de asociación, se calcularon los odds ratios (OR) ajustados tomando el antilogaritmo de los coeficientes del modelo de regresión logística y sus IC 95%.Resultados
En la tabla 2 se muestra el número de altas que cumplían los criterios de IAME, los casos de ME y la letalidad para cada IAME en los hospitales públicos de la Comunidad Valenciana.
De 106.540 altas con criterios de IAME, fallecieron 617 pacientes, por lo que la letalidad global por causas IAME fue de 0.58% (IC 95%: 0.53-0.62). Las causas más frecuentes de ME intrahospitalaria fueron enfermedad hipertensiva y cerebrovascular, con el 46% de los exitus evitables; materno-perinatal, con el 36%; tuberculosis, 7%; colelitiasis, 3.6% y cáncer de útero, 2.8%. Las tasas de letalidad más altas correspondieron a enfermedad hipertensiva y cerebrovascular (7.72%), tuberculosis (3.47%) y cáncer de útero (3.3%).Con el fin de analizar adecuadamente la relación entre la causa de IAME y la circunstancia del alta mediante la prueba c², se agruparon aquellas causas cuyo número de casos de ME era menor de 5 (apendicitis, enfermedad de Hodgkin, cardiopatía reumática, asma y enfermedades infecciosas) como "otras causas", habiendo diferencias estadísticamente significativas entre las proporciones de casos, es decir, que la causa de IAME se asoció con la circunstancia del alta de forma estadísticamente significativa (c² = 3680.6; valor p < 0.001).Si analizamos la estancia media en función de los distintos IAME y la circunstancia del alta (tabla 3), se observa que los casos presentaron unas estancias medias mayores que los no casos, excepto para los casos de enfemedad hipertensiva y cerebrovascular, cuyas estancias medias fueron inferiores a las de sus respectivos no casos. Los IAME que presentaron diferencias estadísticamente significativas en las estancias medias fueron el cáncer de útero, la hernia abdominal, la enfermedad hipertensiva y cerebrovascular, y las causas materno-perinatales.
En la tabla 4 se muestra la distribución de casos de ME y altas con criterios de IAME, así como sus estancias medias, según los distintos hospitales de la Comunidad Valenciana. Los tres hospitales con mayor número de casos de ME (H18, H1 y H14) sumaron el 44.4% del total de 617 muertes evitables. El hospital H18 presentó 109 casos (17.7% del total de casos de la Comunidad Valenciana) con una estancia media de 8.5 días; el H1 tuvo 84 casos (13.6%) con 11.6 días de estancia media ; y el H14, 81 casos (13.1%) y 13.4 días de estancia media de los casos, siendo diferente (en cuanto a la estancia media) de los no casos de forma estadísticamente significativa. Los hospitales que presentaron menor ME fueron H11 y H3, con 12 casos (1.9%) cada uno, y H6 y H10, con 10 casos cada uno.
En el gráfico de barras de la figura se representan las tasas de letalidad global por causas evitables IAME de los hospitales de la Comunidad Valenciana durante el periodo del estudio. Dichas tasas oscilaron entre 0.08% para el hospital con menor letalidad y 2.45% para el de mayor letalidad. Todos los hospitales, excepto cuatro, presentaron niveles de letalidad por debajo del 1%.
La tabla 5 muestra el análisis bivariante de cada una de las variables predictoras derivadas del CMBD frente a las circunstancias del alta (exitus / no exitus). Las altas del año 1995 presentaron riesgo ligeramente menor de ME que las de 1994, aunque no fue estadísticamente significativo. El sexo se asoció de forma significativa a la ME hospitalaria, de modo que la probabilidad de fallecer para las mujeres fue cerca de 5 veces inferior que para los hombres. El grupo de edad con menor riesgo de ME fue el de 18-34 años, seguido del grupo de 35-49 años, mientras que el de 50-65 años presentó un riesgo muy superior. Al considerar la provincia de residencia, se observó que no había diferencias significativas en la ME hospitalaria entre los residentes de Castellón, Alicante y Valencia; no obstante, Alicante mostró un riesgo ligeramente mayor.
La circunstancia del ingreso se asoció a la ME de manera estadísticamente significativa; así, los ingresos por causas IAME programados tuvieron menor probabilidad de fallecer que los urgentes. La duración de la estancia también se relacionó significativamente con el riesgo de ME intrahospitalaria, siendo los ingresos entre 4 y 5 días de estancia los que mostraron menor riesgo; en cambio, los de 8 días o más presentaron la mortalidad más elevada. Se advirtió que el riesgo de ME hospitalaria era más alto cuanto mayor número de diagnósticos, así como cuanto más alta la puntuación del índice de Charlson mayor era probabilidad de exitus; ambas asociaciones tuvieron significación estadística. Por el contrario, el riesgo de ME fue superior en los que no habían sido sometidos a ningún procedimiento.Por último, se ajustó un modelo de regresión logística multivariante para valorar los factores asociados con la ME hospitalaria según el análisis bivariante, así como las interacciones de edad por número de diagnósticos, edad por días de estancia y circunstancias del ingreso por días de estancia (tabla 6).
Las variables que se asociaron de forma significativa con el exitus fueron: sexo, edad, número de diagnósticos, número de procedimientos, índice de Charlson, circunstancias del ingreso, los días de estancia y grupo de IAME. En cuanto a la influencia del género, los hombres presentaron mayor riesgo que las mujeres, de modo que la probabilidad de fallecer en el hospital por una causa IAME en los hombres fue casi el doble que en las mujeres. El riesgo de ME fue superior en aquellos pacientes con un índice de Charlson de 2 o más puntos.En el modelo de regresión se incluyeron las interacciones de edad por número de diagnósticos, edad por días de estancia y circunstancias del ingreso por estancias, dado que fueron estadísticamente significativas. Por tanto, las asociaciones de la edad, días de estancia, número de diagnósticos y circunstancias del ingreso con la ME han de interpretarse teniendo en cuenta el efecto de la interacción significativa correspondiente. Por ejemplo, usando como referencia a los menores de 18 años con 1 o 2 diagnósticos al alta (OR = 1.0), los pacientes de 18 a 34 años con 3 o 4 diagnósticos tuvieron un OR de 0.40, resultante de multiplicar el OR de tener 18-34 años (0.12) por el de presentar 3 o 4 diagnósticos (14.2) y por el de la interacción entre ambos (0.24).Discusión
Los resultados de nuestro estudio son similares a los obtenidos en los hospitales andaluces a partir de los datos de la Encuesta de Morbilidad Hospitalaria,¹⁵ según los cuales la letalidad media por causas evitables fue del 0.5%, atribuyéndose la mayor parte de las muertes hospitalarias evitables (clasificación de Holland) a la hipertensión y enfermedad vascular cerebral, y a la tuberculosis.En los hospitales australianos, se estima que ocurren cada año hasta 14.000 defunciones prevenibles16, observándose, mediante la revisión de registros hospitalarios, que el 0.5% de las admisiones corresponden a muertes evitables. No obstante, los datos no son comparables con los del presente estudio debido a que los autores han utilizado una metodología distinta.Los resultados descriptos a nivel poblacional en la Comunidad Valenciana¹⁰ son análogos a los obtenidos en el presente trabajo de investigación a nivel hospitalario, sobre todo en relación con la hipertensión arterial y enfermedad cerebrovascular y la tuberculosis como principales causas de ME.Según el análisis multivariante, los hombres presentaron mayor riesgo de ME que las mujeres, al igual que en la Comunidad Valenciana.¹⁰ El grupo de 18 a 34 años de edad fue el que menos ME hospitalaria mostró, mientras que los grupos de edad con riesgo más alto fueron los mayores de 50 y los menores de 18 años. Esto puede obedecer a que ambos grupos son los de edades extremas entre las estudiadas y, por consiguiente, las más débiles biológicamente. Además, como tuvieron un comportamiento no uniforme, se utilizó regresión múltiple en dichos tramos de edad.El número de diagnósticos por paciente se mostró como buen indicador general para predecir la ME, de modo que la presencia de mayor número de diagnósticos se asoció con riesgo más elevado. Este resultado es similar a los de otros autores¹⁷ respecto del valor predictivo del número de diagnósticos para la mortalidad. Respecto de la duración de la estancia, hay que destacar que entre los pacientes que ingresaron de forma urgente mostraron mayor riesgo los que tuvieron una estancia corta, durante menos de 4 días. Este dato sugiere mayor gravedad al ingreso de los casos urgentes. El índice de Charlson perdió gran parte de la significación estadística en el análisis multivariante, apoyando los resultados de diversos estudios,^18,19 en el sentido de que la comorbilidad determinada a partir de datos administrativos tiene un valor predictivo limitado para la mortalidad.Probablemente, las principales limitaciones del estudio provienen del hecho de que la fuente de los datos es el CMBD. Los problemas potenciales de calidad en la cumplimentación del CMBD pueden sesgar nuestros resultados, fundamentalmente los relacionados con la selección del diagnóstico principal y con la exhaustividad en el registro de los diagnósticos, así como con la variabilidad de las pautas de codificación entre hospitales, que pueden haber dado lugar a sesgos de mala clasificación, especialmente problemáticos en la construcción del índice de Charlson. En este sentido, es necesario destacar que todos los diagnósticos en los que se ha basado nuestro estudio fueron codificados con la clasificación internacional de enfermedades, 9ª revisión, modificación clínica (CIE-9-MC), por lo que no existen fuentes de variación artificiales o sesgos derivados de un cambio de clasificación, tan frecuentes en los estudios de mortalidad.Según un estudio en el que se analizaba de forma automatizada la calidad de la información administrativa y clínica del CMBD correspondiente al año 1994 de 20 hospitales del Servei Valencià de Salut,²⁰ se observó que contiene escasos errores en las variables administrativas, con excepción de la residencia, pero presenta importantes problemas de volumen y especificidad de la información clínica, así como alta variabilidad en su cumplimentación y calidad en diferentes hospitales. Por tanto, el CMBD parece tener problemas de calidad en las variables críticas para los sistemas de ajuste de riesgos que permitan comparar la eficiencia y la calidad de los hospitales y servicios hospitalarios.Las tasas de letalidad global por causas evitables IAME en los distintos hospitales de la Comunidad Valenciana durante el período del estudio mostraron notables diferencias. Además, se supone que estos índices de letalidad aumentarían si el denominador utilizado, altas, fuera sustituido por el de pacientes, una vez eliminadas las readmisiones por el mismo proceso. Esto último no fue posible llevarlo a cabo debido a que nuestros datos derivados del CMBD de los hospitales de la Comunidad Valenciana carecían del número de historia clínica, con el fin de preservar la confidencialidad de la información en cuanto a la identificación de los pacientes. Otro factor que puede afectar la letalidad proviene de la tendencia, en muchas poblaciones, de ir a fallecer al domicilio; es conveniente realizar estudios poblacionales con información referida a ingresos hospitalarios, para evitar este posible sesgo.En cuanto a la comparación de las tasas de mortalidad hospitalarias, es preciso tener en cuenta que la variabilidad de la mortalidad observada entre los distintos hospitales puede ser muy grande,²¹ que el control de los sesgos derivados de las distintas características del hospital y de los pacientes en él atendidos es muy complejo²² y que diversos estudios^18,23-26 demuestran la necesidad de ajustar por la gravedad al ingreso de los pacientes. También hay que considerar que las tasas de morbilidad poblacionales pueden ser más altas en ciertas áreas y entonces será mayor la probabilidad de ingreso por estas causas.Por consiguiente, las tasas de mortalidad hospitalaria no ajustadas pueden reflejar principalmente diferencias en la casuística de los pacientes ingresados y no tanto diferencias en la calidad asistencial. Según un estudio de Dubois y colaboradores,²⁴ los hospitales con mayores niveles de mortalidad atendían a pacientes más gravemente enfermos, aunque estos hospitales también podrían prestar una peor asistencia. La proximidad del hospital y, sobre todo, la forma de acceso a los servicios, sea a través de urgencias o de la asistencia primaria, tienen trascendencia sobre las probabilidades de fallecer, así como las características del hospital: su volumen asistencial,²⁷ su política de altas respecto a los pacientes terminales, el grado de complejidad de los servicios que proporciona o el tipo y número de personal asistencial.En el mismo sentido que ha señalado algún autor,²³ dado que no es factible monitorizar de cerca a todos los hospitales en todo momento, se puede proponer un método de cribaje para hospitales basado en una tasa de ME hospitalaria ajustada por diversos factores como la edad, procedencia del paciente e índice de case-mix, para identificar los hospitales que deben ser monitorizados de forma exhaustiva, seleccionando aquellos con mayores tasas que las predichas.La vigilancia de la ME puede constituir un control de calidad sobre el rendimiento del proceso asistencial⁷ y los índices de ME hospitalaria pueden servir no sólo para evaluar la calidad de la atención sanitaria proporcionada dentro sino también fuera del hospital.²¹ Una línea de investigación interesante consistiría en monitorizar los indicadores de ME en los hospitales para seguir estudiando las tendencias y las variaciones interhospitalarias y geográficas, ajustando por gravedad al ingreso. Esto permitiría identificar zonas y hospitales con problemas en la distribución o calidad de la atención sanitaria, así como comprobar si efectivamente las diferencias en ME se corresponden con diferencias en la efectividad y calidad de la atención sanitaria prestada en los distintos hospitales o si estas diferencias se deben más bien a variaciones en la incidencia y/o prevalencia de las causas de ME, o a deficiencias a nivel de salud pública y atención primaria. Asimismo, resulta necesario determinar la cantidad de lesiones yatrogénicas en el hospital, ya que es raramente conocida para la administración o para los profesionales sanitarios en la mayoría de hospitales. Sin un sistema de recolección de datos organizado y correctamente funcionando, la necesidad de medidas preventivas no será aparente.Siglas:
ME, mortalidad evitable. IAME, indicadores de asistencia médica. CMBD, conjunto mínimo básico de datos.

Bibliografía del artículo

1. EC Working Group on Health Services and 'Avoidable Deaths'. European Community Atlas of 'Avoidable Death'. 2nd ed. Oxford: Oxford University Press, 1991.
2. EC Working Group on Health Services and 'Avoidable Deaths'. European Community Atlas of 'Avoidable Death'. Oxford: Oxford University Press, 1988.
3. Albert X, Bayo A, Alfonso JL, Cortina P, Corella D. The effectiveness of health systems in influencing avoidable mortality: a study in Valencia, Spain, 1975-90. J Epidemiol Community Health 1996; 50:320-5.
4. Charlton JRH, Velez R. Some international comparisons of mortality amenable to medical intervention. Br Med J 1986; 292:295-300.
5. Poikolainen K, Eskola J. The effect of health services on mortality: decline in death rates from amenable and non-amenable causes in Finland, 1969-81. Lancet 1986; i:199-202.
6. Mackenbach JP, Bouvier Colle MH, Jougla E. "Avoidable" mortality and health services: a review of aggregate data studies. J Epidemiol Community Health 1990; 44:106-111.
7. Ortún V., Gispert R. Exploración de la mortalidad prematura como guía de política sanitaria e indicador de calidad asistencial. Med Clin (Barc) 1988; 90:399-403.
8. Bernat L, Rathwell T. The effect of health services on mortality: amenable and non-amenable causes in Spain. Int J Epidemiol 1989; 18:652-7.
9. Prado MJ. Estudio de la mortalidad evitable por Comunidades Autónomas y España. Período 1983-1989. Tesis doctoral. 1995; Universitat de València.
10. Albert X, Bayo A, Alfonso JL, Cortina P, Chana P, Saiz C. Distribución geográfica de la mortalidad evitable en la Comunidad Valenciana (1975-1990). Med Clin (Barc) 1996; 106:571-7.
11. Pledger HG, Fahy LT, van Mourik GA, Bush GH. Deaths in children with a diagnosis of acute appendicitis in England and Wales 1980-4. Br Med J 1987; 295:1233-1235.
12. Levenson SH. Surgical deaths. Br Med J 1988; 296:3-4.
13. Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chron Dis 1987; 40:373-383.
14. Deyo RA, Cherkin DC, Ciol MA. Adapting a clinical comorbidity index for use with ICD-9-CM administrative databases. J Clin Epidemiol 1992; 45:613-619.
15. Benavides FG, Alen M, Lain JM. Mortalidad evitable ocurrida en hospitales andaluces, 1982-1985. Med Clin (Barc) 1991; 96:324-327.
16. Cordner SM. Australia's preventable hospital deaths. Lancet 1995; 345:1562
17. Melfi C, Holleman E, Arthur D, Katz B. Selecting a patient characteristics index for the prediction of medical outcomes using administrative claims data. J Clin Epidemiol 1995; 48:917-926.
18. Burns R, Nichols LO, Graney MJ, Applegate WB. Mortality in a public and a private hospital compared: the severity of antecedent disorders in Medicare patients. Am J Public Health 1993; 83:966-971.
19. Jencks SF, Williams DK, Kay TL. Assessing hospital associated deaths from discharge data. JAMA 1988; 260:2240-2246.
20. Librero J, Ordiñana R, Peiró S. Análisis automatizado de la calidad del conjunto mínimo de datos básicos. Implicaciones para los sistemas de ajuste de riesgos. Gac Sanit 1998; 12:9-21.
21. Segura A. El análisis de la mortalidad hospitalaria como una medida de efectividad. Med Clin (Barc) 1988; 91:139-41.
22. Hebel JR, Kessler II, Mabuchi K, McCarter RJ. Assessment of hospital performance by use of death rates: a recent case history. JAMA 1982; 248:3131-3135.
23. Dubois RW, Brook RH, Rogers WH. Adjusted hospital death rates: A potential screen for quality of medical care. Am J Public Health 1987; 77:1162-1167.
24. Dubois RW, Rogers WH, Moxley JH, Draper D, Brook RH. Hospital inpatient mortality. Is it a predictor of quality N Engl J Med 1987; 317:1674-1680.
25. Green J, Wintfeld N, Sharkey P. The importance of severity of illness in assessing hospital mortality. JAMA 1990; 263:241-246.
26. Iezzoni LI, Ash AS, Coffman GA, Moskowitz MA. Predicting in-hospital mortality. A comparison of severity measurement approaches. Med Care 1992; 30:347-359.
27. Flood AB, Scott WR, Ewy W. Does practice make perfect Part I: the relation between hospital volume and outcomes for selected diagnostic categories. Med Care 1984; 22:98-114.