iCMBD

iCMBD

Indicadores y ejes de análisis de los datos del CMBD (Conjunto Mínimo Básico de Datos) del Sistema Nacional de Salud

El objetivo del proyecto iCMBD, promovido por el Ministerio de Sanidad, Servicios Sociales e Igualdad es diseñar un modelo de explotación y análisis de los datos del registro del CMBD que dé respuesta de forma estructurada, fiable y sencilla a las necesidades de conocimiento que hoy en día se consideran ineludibles para la evaluación y seguimiento de la atención sanitaria en el ámbito de la hospitalización de un Sistema Nacional de Salud.

Características destacadas

Indicadores de calidad
Ajuste con Redes Bayesianas
Análisis de Big Data
Aplicación web interactica

Descripción

En el marco del proyecto se definió un modelo de explotación del CMBD que permitese aflorar una información de calidad que facilite el estudio de la casuística atendida, de su comportamiento, y de los diferentes perfiles de actuación sanitaria que se producen en su atención durante la hospitalización. Este modelo cuenta con una serie de componentes esenciales que permitirán un amplio conocimiento sobre la casuística de hospitalización que refleja el CMBD estatal:

  • Dimensiones: Constituyen objetivos generales de conocimiento
  • Ejes de análisis: Constituyen líneas para el análisis de las dimensiones
  • Indicadores: Datos o conjuntos de datos cuyo resultado informan sobre facetas concretas de una o varias dimensiones
  • Niveles de clasificación: Ámbitos recomendados para la elaboración de los indicadores, de tal manera que sus resultados puedan ser agrupados o desagregados por cada uno de ellos
  • Filtros: Condiciones de selección que restringen el calculo de indicadores a una muestra de la totalidad del universo. La selección se podrá realizar en base a una o varias variables

Se utilizan siete dimensiones de análisis:

  • Descriptivo: distribución de frecuencias para análisis de incidencias que permitan conocer desde un punto de vista puramente descriptivo el comportamiento de la serie
  • Frecuentación: tasa de uso (demanda espontánea) o de indicación (prestación indicada por un profesional) de la población en internamiento en centros sanitarios
  • Resolutividad medida en: duración del tránsito asistencial y número de contactos
  • Estilos de práctica clínica a través de estudios que evidencien el nivel de variabilidad
  • Seguridad de pacientes: medidas que identifiquen efectos yatrógenos o problemas prevenibles con el desarrollo de programas de gestión de riesgos
  • Efectividad clínica: restauración de la salud evitando efectos adversos (restauración de salud y reducción de efectos adversos)
  • Eficiencia: Rendimiento de los recursos de las prestaciones asistenciales.
Y seis ejes de análisis:
  • Punto de corte: Descriptivo
  • Serie temporal: Descriptivo de año de estudio acompañado de valores de últimos tres años con diferencia porcentual entre extremos de la serie.
  • Valor base: Comparativo con año elegido como año base de comparación.
  • Estándar intraserie: Comparativo con valor medio de la totalidad de la serie.
  • Mejores prácticas: Por grupo de hospitales, comparativo con valores que se obtienen cuando se utiliza la totalidad de las altas provenientes de aquellos hospitales que presentan el indicador en valores inferiores al percentil 25 de la totalidad de la serie.
  • Líneas de ajuste: Recomendadas como ejes de análisis complementarios según las variables identificadas específicamente en cada indicador.

Para más información consultar la documentación del proyecto: documentación

Este proyecto, titulado "Modelo de Indicadores de hospitalización del Sistema Nacional de Salud y explotación de los mismos a través de una herramienta en Web abierta a profesionales y ciudadanos", fue galardonado con un accésit en la séptima edición de los Premios Profesor Barea en la modalidad de proyectos multientidad.

Aplicación web

Uno de los resultados del proyecto es una aplicación web abierta a todos los ciudadanos donde se pueden consultar de forma interactiva los indicadores de calidad a través de los ejes de análisis antes mencionados. La aplicación explota más de 40 millones de registros y varias decenas de indicadores realizando los cálculos en tiempo real.

Entre las funcionalidades cabe destacar la nueva metodología de ajuste de indicadores basada en Redes Bayesianas desarrollada por el Grupo de Minería de Datos de la Universidad de Cantabria:

La metodología conocida genéricamente como "ajuste por riesgo" (en ocasiones también denominada ajuste por severidad o ajuste por case-mix) es una parte fundamental de los programas de evaluación de la calidad de la atención sanitaria y es utilizada de manera rutinaria en los distintos proyectos nacionales e internaciones de calidad de proveedores de servicios (ranking, asignación de presupuestos, etc.). Por ejemplo, la AHRQ (www.qualityindicators.ahrq.gov) divulga sus indicadores de calidad acompañados con los resultados de ajustes obtenidos utilizando una serie de factores genéricos de riesgo y su aplicación a los distintos hospitales del sistema de salud. Sin embargo, de esta manera es posible evitar sólo una parte de la variabilidad y es necesario realizar un análisis posterior para su uso en un problema práctico concreto, como la asignación de fondos.

La metodología de ajuste más utilizada en la literatura se basa en el uso de regresiones logísticas cuya limitación fundamental de estos métodos es que sólo permiten reproducir relaciones monótonas entre los factores de ajuste y el indicador a ajustar. La metodología propuesta basada en Redes Bayesianas solventa esta limitación siendo la idónea para modelizar indicadores con variables discretas:

Cuando las variables/factores son discretas, las redes Bayesianas son la solución más eficiente para construir un modelo probabilístico conjunto de todas las variables, permitiendo estimar la probabilidad del indicador a partir de los factores de riesgo conocidos: P(yk ,x1k ,xnk). En este caso, la red Bayesiana ofrece una alternativa eficiente para ajustar el indicador según las distintas combinaciones de factores que definen los posibles perfiles y sus probabilidades.

Para más información consultar la documentación del proyecto: metodología de ajuste de indicadores

Contribución de Predictia

Desde el año 2009 Predictia ha participado en diferentes fases del desarrollo del proyecto. Nuestra contribución ha estado centrada en los siguientes aspectos:

  • Desarrollo evolutivo de la aplicación web de consulta de indicadores: aplicación desarrollada en Java utilizando las librerías Struts, Spring e Ibatis entre otras.
  • Desarrollo del sistema de flujo de nuevos datos y cálculo de indicadores: un de tipo ETL desarrollado en Java capaz de manejar los grandes volúmenes de información del proyecto
  • Desarrollo evolutivo del modelo estadístico de ajuste de indicadores basado en Redes Bayesianas

¡Trabaja con Predictia! Contacta con nosotros para saber cómo: