Mejora de los datos de reclamos para mejorar el ajuste de riesgo de la mortalidad hospitalaria

Área de la Ciencia:

• Servicios de salud Servicios de salud Investigación Investigación.
• La informática médica es la informática médica.
• Los resultados de salud.

Sus antecedentes:

• El ajuste preciso del riesgo es crucial para evaluar el rendimiento del hospital en informes públicos y programas de pago por rendimiento.
• Las ecuaciones de ajuste de riesgo existentes requieren suficiente detalle clínico para una medición precisa de la calidad hospitalaria.

Objetivo del estudio:

• Evaluar el impacto de la incorporación de los códigos presentes en la admisión (POA) y los datos numéricos de laboratorio en los datos de las reclamaciones administrativas sobre las tasas de mortalidad hospitalaria ajustadas al riesgo.
• Determinar el valor añadido de diferentes tipos de datos para mejorar la precisión de los modelos de ajuste de riesgos hospitalarios.

Principales métodos:

• Se realizó un análisis comparativo de las ecuaciones de ajuste de riesgo para la mortalidad de pacientes hospitalizados utilizando datos de 188 hospitales de Pensilvania (julio de 2000 junio de 2003).
• Se desarrollaron modelos mediante la adición secuencial de datos clínicos, incluidos datos administrativos, códigos POA y valores de laboratorio, para evaluar el poder discriminatorio utilizando estadísticas c.
• El estudio se centró en condiciones específicas (infarto agudo de miocardio, insuficiencia cardíaca congestiva, accidente cerebrovascular, hemorragia del tracto gastrointestinal, neumonía) y procedimientos (reparación del aneurisma de la aorta abdominal, cirugía de injerto de derivación de la arteria coronaria, craneotomía).

Principales resultados:

• El modelo administrativo de referencia logró una estadística de c promedio de 0,79 (0,02).
• La inclusión de los códigos POA y los datos numéricos de laboratorio mejoró sustancialmente el ajuste de riesgo, dando estadísticas de c promedio de 0,84 (0,01) y 0,86 (0,01), respectivamente.
• La adición adicional de datos clínicos complejos dio lugar a mejoras modestas, con una estadística de c promedio de 0,88 (0,01).

Conclusiones:

• Los códigos de admisión y los valores numéricos de laboratorio presentes en las tarjetas de admisión mejoran significativamente el poder predictivo de las bases de datos administrativas para el ajuste de riesgos.
• Si bien es valiosa, la abstracción secundaria de hallazgos clínicos complejos ofrece un beneficio predictivo adicional mínimo en comparación con los códigos POA y los datos de laboratorio.