TRABAJOS ORIGINALES

 

Estadía hospitalaria ajustada para evaluar la eficiencia en un servicio de medicina interna

 

Hospital stay adjusted to assessment of efficiency in an Internal Medicine Service

 

 

Teddy Osmin Tamargo Barbeito^I; Rosa Eugenia Jiménez Paneque^II; Ángela Rosa Gutiérrez Rojas^III; Isabel Mora Díaz^IV

^I Máster en Salud Pública. Especialista de I Grado en Bioestadística. Especialista de I Grado en Medicina General Integral. Hospital Clinicoquirúrgico "Hermanos Ameijeiras", La Habana, Cuba.
^II Doctora en Ciencias Médicas. Especialista de II Grado en Bioestadística. Hospital Clinicoquirúrgico "Hermanos Ameijeiras", La Habana, Cuba.
^III Especialista de II Grado en Bioestadística. Hospital Clinicoquirúrgico "Hermanos Ameijeiras", La Habana, Cuba.
^IV Especialista de I Grado en Bioestadística. Hospital Clinicoquirúrgico "Hermanos Ameijeiras", La Habana, Cuba.

 

 

---

RESUMEN

Introducción: La evaluación del desempeño hospitalario ha emergido como necesidad en cualquier sistema de salud. El promedio de estadía es el indicador más utilizado. Objetivos: Identificar los factores que influyen en la estadía hospitalaria y evaluar la capacidad del indicador estadía observada menos esperada en la detección de ineficiencias. Métodos: Se realizó un estudio descriptivo retrospectivo. En el análisis estadístico se emplearon la mediana, la media y la desviación estándar para resumir las variables cuantitativas y para las cualitativas, los porcentajes; el análisis de varianza de clasificación simple, la regresión lineal múltiple y la curva ROC. Resultados: Las variables que influyeron sobre la estadía hospitalaria fueron edad, índice de gravedad, diagnóstico principal al egreso reresentada por las enfermedades digestivas y las interacciones de enfermedades cardiovasculares y digestivas con el índice de gravedad. Al evaluar la capacidad del indicador "estadía observada menos esperada" para predecir problemas de eficiencia de la atención hospitalaria, se encontró un área bajo la curva ROC de 0.747. Conclusiones: La diferencia "estadía observada menos esperada" tiene buena capacidad para detectar ineficiencias en la atención hospitalaria y brinda valiosa información para la toma de decisiones en el servicio de Medicina Interna.

Palabras clave: Evaluación del desempeño hospitalario, estadía hospitalaria, inefeiciencias.

---

ABSTRACT

Introduction: Assessment of hospital performance has emerged like a need in any health system. Average stay is the more used indicator. Objectives: To identify factors influencing in hospital stay and to assess the ability of the less expected stay in ineffectiveness detection. Methods: We made a retrospective and descriptive study. In statistical analysis we used average, mean, and standard deviation (SD) to sum up both the quantitative and the qualitative variables; percentages; variance analysis of simple classification, multiple linear regression analysis, and ROC (?) curve. Results: Variables influenced on hospital stay were: age, severity rate, main diagnosis at discharge represented by digestive diseases, and cardiovascular and digestive diseases interactions with the severity rate. In assessment of the "less expected observed stay" indicator to predict problems related to efficiency of hospital care, we found an area of 0.747 under ROC curve. Conclusions: The "less expected observed stay" difference is able to detect ineffectiveness in hospital care, and give valuable information for make a decision in Internal Medicine Service.

Key words: Hospital stay, assessment of hospital performance, ineffectiveness, ability of indicator for expected stay.

---

 

 

INTRODUCCIÓN

En todos los sistemas de salud, los hospitales desempeñan un papel fundamental, constituyen el primer eslabón en la atención de muchos pacientes con problemas de salud importantes, lesiones graves y enfermedades en estado crítico, son centros donde se aportan conocimientos y habilidades para la producción de recursos humanos en salud y el nivel de atención especializada que se ofrece, unido al alto grado de la tecnología que se emplea en el trato a los pacientes hace que sean las unidades más costosas del sistema de salud, por ende, la evaluación del desempeño hospitalario ha emergido como una necesidad, ya que existe gran variabilidad en los servicios sanitarios que se brindan y en los resultados que se logran, unido al desarrollo de la tecnología cada vez más costosa.

Para ejercer un buen control y evaluar la actividad hospitalaria se requiere de indicadores de desempeño que contribuyan a valorar la calidad y la eficiencia de la atención sanitaria que se brinda, de manera continuada, en esas instituciones.

Uno de los principales estudiosos de la calidad en salud fue Avedis Donabedian el cual define una atención de alta calidad como "aquella que se espera maximice una medida comprensible del bienestar del paciente después de tener en cuenta el balance de las ganancias y las pérdidas esperadas que concurren en el proceso de atención en todas sus partes".^1,2

Con respecto a la eficiencia, Murray y Frenk apuntan que "está estrechamente relacionada con el desempeño de un sistema de salud, que este desempeño debe evaluarse sobre la base de objetivos (en inglés goal performance) y que debe tomarse como eficiencia el grado en que un sistema alcanza los objetivos propuestos, con los recursos disponibles".³

Calidad y eficiencia son conceptos estrechamente relacionados, Jiménez⁴ enfatiza "que es obvio que un servicio cualquiera puede brindarse dentro de límites aceptables de calidad con más o menos eficiencia pero también es posible que una búsqueda desmedida de eficiencia vaya en perjuicio de la calidad".

En la evaluación del desempeño, el promedio es el indicador más general y utilizado ya que tiene un significado claro y la doble condición de indicador del aprovechamiento de la cama y de la eficiencia de los servicios prestados en los hospitales.⁴ Sin embargo, su uso como indicador de eficiencia está limitado por la cantidad de factores, ajenos a la calidad y eficiencia de la atención prestada, que pueden influir sobre él.

Lo anterior permite comprender que los indicadores hospitalarios de resultados y el promedio de estadía deben tomar en consideración las características inherentes a cada paciente ingresado en el servicio y período de que se trate si se quiere que reflejen bien la calidad del servicio brindado.

Se necesita indagar sobre una serie de factores del paciente que pueden estar influyendo en el comportamiento de la estadía y que son independientes de la eficiencia con que se trabaja en un servicio de salud, de modo que se pueda distinguir en cada estadía qué parte se debe a las características del paciente y cuál a la eficiencia y calidad del servicio prestado. Al procedimiento de introducir estos factores que influyen sobre determinado evento que se va a utilizar como indicador (mortalidad, complicaciones, estadía) se le denomina "ajuste de riesgo" y a los indicadores que se obtienen de ese ajuste: "indicadores ajustados".^4-6 Iezzoni^5,6 describe con amplitud diferentes métodos y sistemas que han sido utilizados para estos ajustes en las comparaciones de resultados.

Varias han sido las investigaciones donde se ha utilizado el tiempo de estadía como indicador de eficiencia^7-10 y además se han identificado variables (factores) que influyen sobre el tiempo de estadía hospitalaria como son: edad, diagnóstico, gravedad de la enfermedad, sexo, enfermedades asociadas, tipo de tratamiento, características psicosociales, raza, etnia, estado civil, tipo de admisión, tipo de sistema de pago de la atención médica y especialidad del médico.^4,5,11,12

Una de las variables más utilizadas por los investigadores para el ajuste ha sido la gravedad de la enfermedad;^7-10 para medirla se han construido varios índices, como los generales, entre los que se encuentra el de Horn^13,14 y el de gravedad de la enfermedad propuesto por Jiménez,^15,16 en el contexto cubano, así como específicos como el sistema APACHE (Acute Physiology and Chronic Health Evaluation),¹⁷ el MPM (Mortality Prediction Model)¹⁸ y el SAPS (Simplified Acute Physiology Score)¹⁹ que son para pacientes ingresados en una Unidad de Cuidados Intensivos.

Estos índices han sido utilizados en el ajuste de la estadía hospitalaria para detectar ineficiencias en los servicios hospitalarios. Jiménez y otros,^7,8 proponen un indicador de eficiencia de los servicios hospitalarios basado en la diferencia entre la estadía observada y la esperada (O-E). La estadía esperada se estima de acuerdo con determinadas características de los pacientes mediante una función de Regresión Lineal Múltiple (RLM). La diferencia existente entre una y otra serían un indicio de ineficiencia del servicio hospitalario brindado. Las variables para la función son las que se señalan en la literatura y los coeficientes en la función de regresión se estiman en el propio medio hospitalario. En otros contextos, este indicador también es utilizado para evaluar el desempeño hospitalario.^17-19

Teniendo en cuenta los argumentos planteados se hace necesario identificar los factores que influyen en la estadía hospitalaria y evaluar la capacidad del indicador "estadía observada menos esperada" para la prediccción de ineficiencias en el Servicio de Medicina Interna del Hospital Clinicoquirúrgico "Hermanos Ameijeiras."

 

MÉTODOS

Se realizó un estudio de naturaleza descriptiva y retrospectivo.

La muestra quedó conformada por 581 historias clínicas de los 714 egresados vivos del Servicio de Medicina Interna del Hospital "Hermanos Ameijeiras" durante los meses de mayo a octubre de 2006 y que cumplieron los requisitos del estudio. Se eliminaron 20 que pertenecían a pacientes extranjeros, 32 que no contaban con los datos necesarios, 21 que pertenecían a pacientes incluidos ya por otro egreso y 60 historias clínias que no se encontraban en el archivo. El total de historias clínicas resultante se dividió, al azar, en 2 partes: 304 historias clínicas para estimar la función de regresión lineal múltiple que sirvió para el cálculo de la estadía esperada y el otro grupo, de 277, para evaluar la capacidad del procedimiento que se propone en la detección de ineficiencias de la atención.

En ambos grupos se recogió información de las historias clínicas sobre las variables que podrían influir en la estadía hospitalaria, como la edad, el sexo, el índice de gravedad, las enfermedades asociadas, el reingreso, la estancia en Unidad de Cuidados Intensivos (UCI), el reingreso y el diagnóstico principal al egreso.

Se procedió al cálculo del índice de gravedad creado por un grupo de investigadores del Hospital "Hermanos Ameijeiras" para pacientes de áreas clínicas, con validez y confiabilidad adecuadas para ser aplicado.¹⁵

En el segundo grupo de historias clínicas se realizó una búsqueda de problemas de eficiencia en la atención, sobre la base de demoras en la indicación y llegada de resultados de exámenes complementarios, interconsultas, discusión diagnóstica, procedimientos diagnósticos o pases de fin de semana reiterados. La eficiencia de la atención fue clasificada posteriormente en 3 categorías: eficiencia adecuada, problemas moderados de eficiencia en la atención y problemas graves y muy graves de eficiencia en la atención.

La clasificación fue realizada, de forma separada y a ciegas con respecto a la diferencia entre estadía observada y esperada, por 2 investigadores entrenados, posteriormente discutieron algunas discrepancias hasta llegar a un acuerdo.

Análisis estadístico

El análisis estadístico se realizó en 2 etapas cada una con un grupo de historias clínicas.

Primera etapa

Se emplearon la media y la mediana como medidas de resumen para las variables cuantitativas y para las cualitativas se utilizaron los porcentajes.

Con el primer grupo de historias clínicas se realizó un análisis multivariado mediante el modelo de Regresión Lineal Múltiple.²⁰ Se consideró la estadía hospitalaria transformada como variable dependiente y se utilizó el logarítmo de base 10 para lograr la normalidad. Las variables explicativas fueron la edad, el sexo, el índice de gravedad, las enfermedades asociadas, la estancia en Unidad de Cuidados Intensivos (UCI), el reingreso y el diagnóstico principal al egreso que por ser una variable cualitativa con 7 categorías de grupos diagnósticos, se construyeron 6 variables de diseño (dummy) y se tomó como referencia para comparar con el resto al grupo diagnóstico 1 que incluye las enfermedades del sistema respiratorio.

La función se ajustó mediante el método paso a paso hacia delante (Foward Wald). Se identificaron aquellas variables cuyos coeficientes fueron significativamente diferentes de 0 (p< 0,05). Obtenida la función, se verificó la no existencia de multicolinealidad y el análisis de los residuos permitió evaluar el cumplimiento de los supuestos de normalidad e igualdad de varianzas.

La bondad del ajuste del modelo se determinó mediante los valores del R² y R² corregido. El valor de la probabilidad asociada al estadígrafo F permitió confirmar la existencia de una relación lineal entre la variable dependiente y el conjunto de variables independientes (p= 0,000).

Segunda etapa

En el segundo grupo, de 277 historias clínicas, se calculó para cada paciente la estadía esperada mediante la función estimada con el primer grupo de historias clínicas. Después se procedió a calcular una diferencia entre la estadía observada y la esperada. Se compararon esas diferencias entre los3 grupos de problemas de eficiencia de la atención utilizando el análisis de varianza de clasificación simple (ANOVA) fijando un nivel de significación de a= 0,05.

Se procedió a dicotomizar los problemas de eficiencia en 2 categorías: atención adecuada e inadecuada (problemas moderados, graves y muy graves de la atención). Por último, para evaluar la capacidad del indicador "estadía observada menos esperada" (O-E) en la detección de problemas de eficiencia de la atención, se construyó una curva ROC.^20,21 El área bajo la curva fue el indicador utilizado para evaluar dicha capacidad.

El procesamiento estadístico fue realizado mediante el SPSS versión 15.0 y Epidat 3.1.

Consideraciones bioéticas

La revisión de las historias clínicas se realizó con la previa autorización del Jefe de Departamento de Registros Médicos y la información recogida en las historias clínicas será custodiada, se mantendrá la confidencialidad y será utilizada solamente con fines investigativos sin entrañar daño ni perjuicio para los pacientes.

 

RESULTADOS

Caracterización de los grupos

La edad mediana para el grupo empleado en la estimación de la función fue ligeramente menor que la del grupo de la validación. La mediana del índice de gravedad en ambos grupos fue similar y la mediana de la estadía hospitalaria para el grupo de la estimación fue algo mayor que en el de la validación (tabla 1).

El diagnóstico principal al egreso más frecuente, en ambos grupos, fue el 6 (tumores benignos, enfermedades endocrinometabólicas, de la piel y del tejido conectivo, del sistema osteomioarticular, infecciosas y parasitarias y las anemias). El sexo predominante en ambos grupos fue el femenino, las enfermedades asociadas fueron más frecuentes en el grupo empleado en la estimación. El reingreso y la estancia en Unidad de Cuidados Intensivos (UCI) se comportaron de manera similar en ambos grupos (tabla 2).

Estimación de la función de regresión lineal múltiple para el cálculo de la estadía esperada

Las variables incluidas en el modelo final fueron la edad, el índice de gravedad, el diagnóstico principal al egreso reresentada por el grupo diagnóstico 3 (enfermedades digestivas), las interacciones de los grupos diagnóstico 2 (enfermedades cardiovasculares) y 3 (enfermedades digestivas) con el índice de gravedad y el sexo (tabla 3).

El 33,6 % de la variación de la estadía se debe a las las variables independientes que quedaron finalmente incluidas en la función de Regresión Lineal Múltiple.

Evaluación de la capacidad del indicador estadía observada menos esperada para la detección de ineficiencias en la atención

Los pacientes con atención adecuada tienen en promedio, aproximadamente 2 d menos de estadía hospitalaria observada con respecto a la esperada, sin embargo, para los de problemas graves y muy graves tienen una estadía observada superior a la esperada de 5 d (tabla 4 y fig. 1).

 

El área bajo la curva ROC, que indica la capacidad del indicador estadía observada menos esperada para detectar las ineficiencias moderadas a muy graves de la atención, fue de 0,747 (p< 0,000) (tabla 5 y fig. 2).

 

En relación con los valores de sensibilidad, especificidad y valores predictivos para diferentes puntos de corte en la diferencia estadía observada menos estadía esperada se halló que para el punto de corte -1 d se obtuvieron los mejores valores de sensibilidad y especificidad, 75,2 y 67,9 %, respectivamente. El punto de corte -3 d muestra una sensibilidad de 87,2 % en buena medida alta y el punto de corte 2 d tiene una especificidad de 88,1 % que puede considerarse también elevada (tabla 6).

 

DISCUSIÓN

La estadía mediana encontrada en este trabajo fue similar a la que informan Becchi y otros²² en un estudio donde se evalúan las característica de un grupo de pacientes adultos hospitalizados en un servicio de Medicina Interna.

El diagnóstico principal al egreso fue clasificado de manera similar a la que han publicado otros otros investigadores.^7,23 Algunos reportan como diganóstico principal al egreso más frecuente las enferrmedades gastrointestinales, pancreáticas y del hígado,²² la enfermedad pulmonar obstructiva crónica reagudizada por infeccción respiratoria, la neumonía y el accidente vascular encefálico isquémico.²⁴ Landenheim y otros²⁵ y Montero y otros²⁶ publican como diagnósticos más frecuentes la neumonía, las infecciones, la insuficiencia cardíaca congestiva y las internaciones paliativas.

La distribución del sexo tuvo un comportamiento similar a lo que hallan Landenheim y otros²⁵ y Montero y otros.²⁶ Sin embargo, Martins y otros²⁷ encuentran un predominio del sexo masculino.

Estimación de la función de regresión lineal múltiple para el cálculo de la estadía esperada

Resulta bastante dificil encontrar un buen ajuste a los datos cuando se trabaja con la estadía hospitalaria, por las particularidades que tiene esta variable según la gran variedad de factores que pueden determinarla. Esta gama de factores que pueden modificar la estadía se reflejan en la variedad de coeficientes de determinación encontrados. Algunos valores del coeficiente de determinación múltiple (R²) reportados son 0,28 y 0,33 similares al de este de estudio;²⁸ 0,41; 0,66 y 0,37.^7,8,29 Otros autores han reportado valores de R² de 0,176; 0,212 y hasta 0,099 en la modelación de la estadía en función de un conjunto de variables.³⁰

En cuanto a las variables que consituyen predictores de la estadía amerita hacer algunos comentarios.

La relación inversamente proporcional encontrada entre la edad y la estadía fue similar a la de otra investigación realizada en el mismo servicio.⁷ Este tipo de relación inversa puede ser difícil de explicar; podría estar relacionada con el hecho de que la mayor parte de los pacientes ancianos padecen de enfermedades crónicas ya conocidas por sus médicos e ingresan por descompensaciones que remiten en corto tiempo; por otra parte, no se desecha una posible tendencia de los médicos del servicio de Medicina Interna a dar alta precoz a los ancianos para evitar complicaciones propias del ingreso hospitalario como la sepsis nosocomial.

No parece haber dudas con respecto a la importancia de la gravedad como factor influyente sobre la estadía y ha sido una de las variables más utilizadas por los investigadores para el ajuste de riesgo.^7,8,29,30

La existencia de interacción entre el índice de gravedad y el diagnóstico principal al egreso imposibilita evaluar el efecto puro de cada una de esas variables sobre la estadía. El hecho de haber encontrado interacción entre el diagnóstico y la gravedad puede deberse a lo que argumentan Travassos y otros³¹ de que la gravedad puede diferir considerablemente entre categorías diagnósticas y agrupamientos de diagnósticos.

La relación entre la estadía y el sexo fue diferente a la de otro estudio donde se reporta una mayor estancia hospitalaria para los hombres.²⁷

Evaluación de la capacidad del indicador estadía observada menos esperada para detectar ineficiencias en la atención

El área bajo la curva ROC encontrada para el indicador, si bien es menor que la encontrada en un trabajo anterior,¹³ tiene un valor que se puede considerar aceptable. Vázquez³² plantea que un área bajo la curva ROC próxima o superior a 0,75 es buena evidencia para identificar sistemas o métodos con muy buena capacidad de discriminación. Hartz y otros,³³ empleando 3 métodos para la evalución de la eficiencia de la atención a pacientes ingresados por neumonía, encuentran áreas bajo la curva ROC de 0,72; 0,67 y 0,84.

Se han reportado varias maneras de evaluar la eficiencia de la atención hospitalaria, mediante indicadores, Bernard y otros¹⁸ y Ryan y otros¹⁹ proponen un indicador basado en la diferencia entre la estadía observada y esperada con iguales propósitos y en ambos casos la estadía esperada es la media histórica de cada Grupo de Diagnóstico Relacionado al cual son asignados los pacientes.

Hartz y otros³³ proponen 3 métodos para evaluar las estadías hospitalarias innecesarias en pacientes ingresados por neumonía, uno de ellos es comparando la estadía media observada con determinado valor considerado como el óptimo, el cual es muy similar al nuestro.

Los resultados obtenidos apoyan la hipótesis de que la diferencia entre la estadía observada y la esperada, esta última obtenida por la regresión lineal múltiple, refleja problemas de eficiencia de la atención en pacientes hospitalizados en el servicio de Medicina Interna con una probabilidad alta. Mediante este método se encontraron puntos de corte con alta sensibilidad y especificidad para detectar ineficiciencias de la atención.

No obstante, el estudio presenta algunas limitaciones. La primera y más importante quizás es que otros tipos de ineficiencias o problemas de calidad por la atención médica propiamente dicha, no fueron abordados, por ejemplo, la aparición de errores en la atención del paciente, retrasos en el traslado de algún enfermo grave hacia otro servicio de mayor especialización como la UCI, entre otros. La decisión sobre los lapsos de las demoras que podían considerarse ineficientes, se basó en el sentido común y la práctica en el hospital y no en una evaluación teórica sobre el problema. La evaluación de la función para estimar la estadía esperada se realiza en el mismo sitio donde se supone que existan las ineficiencias, no se contaba con un patrón óptimo o regla de oro de eficiencia adecuada que sirviera para la comparación y fuera generalizable. Esta es la práctica seguida en otros estudios similares ya mencionados, pero no hay duda de que puede constituir una limitación. La eliminación de los valores aberrantes durante la búsqueda del modelo tiene como objetivo minimizar esta limitación.

Somos también de la opinión de que el método que proponemos tiene una serie de ventajas: 1. la información necesaria para trabajar está disponible; 2. el modelo de Regresión Lineal Múltiple puede ser reajustado con periodicidad incluyendo nuevos aspectos que se espera surjan de la práctica médica y 3. el cómputo de las medidas de resumen como medias y desviación estándar que se proponen para el indicador de estadía observada menos esperada puede ser llevado a cabo para cada servicio, departamento u hospital.

Para los médicos del servicio de Medicina Interna que están en contacto con los enfermos o los que cumplen funciones directivas, es una necesidad contar con información valiosa sobre el desempeño de la atención hospitalaria; las comparaciones de la estadía deben estimular la identificación de los retos y la búsqueda de oportunidades de mejora en sus servicios, contribuir a consolidar las prácticas institucionales que están mostrando resultados positivos, fortalecer el aprendizaje institucional mediante el intercambio de experiencias positivas o negativas y establecer mecanismos de corrección donde los resultados obtenidos no se correspondan con los esperados.

Por último, vale la pena señalar que no se está proponiendo que la evaluación de la eficiencia en la atención hospitalaria se realice de forma exclusiva mediante este procedimiento, sino que, unido a otros indicadores cuantitativos el procedimiento propuesto puede brindar una idea adecuada de la eficiencia de la atención.

 

REFERENCIAS BIBLIOGRÁFICAS

1. Donabedian A. Explorations in quality assessment and monitoring. The definition of quality and approaches to its assessment. Ann Arbor Mich. 1980.

2. Otero J, Otero JI. ¿ Qué es calidad en salud ? 2002. [Serie en Internet] [Citado 20 de marzo de 2006]. Disponible en: http://www.gerenciasalud.com/art17.htm

3. Murray CJL, Frenk J. A WHO framework for health system performance assessment. World Health Organization;2000.

4. Jiménez Paneque RE. Indicadores de calidad y eficiencia de los servicios hospitalarios: una mirada actual. Rev Cubana Salud Pub. 2004;30(1):17-36.

5. Iezzoni LI, editor. Risk Adjustement for measuring healtcare outcomes. 2da. ed. Chicago, Illinois: Health Administration Press; 1997.

6. Iezzoni LI, Daley D. A description and clinical assessment of the Computarized Severity Index. Quality Review Bolletin. 1992;18(2):44-52.

7. Jiménez R, Domínguez E, López L, Fariñas H. Difference between observed and predicted lenght of stay as indicator of patient care inefficiency. Int J Qual Health Care. 1999;11(5):375-84.

8. Jiménez RE, Lam RM, Marot M, Delgado A. Observed-predicted length of stay for an acute psychiatric department, as an indicator of inpatient care inefficiencies. Retrospective case-series study. BMC Health Serv Res. 2004;4:4.

9. Cockings JGL, Cook DA, Iqbal RK. Process monitoring in intensive care with the use of cumulative expected minus observed mortality and risk-adjusted p charts. Critical Care. 2006;10(1): [Serie en Internet] [Citado 20 de marzo de 2007] [9 páginas]. Disponible en: http://www.pubmedcentral.nih.gov/picrender.fcgi?artid=1550849&blobtype=pdf

10. Domínguez l, Enríquez P, Álvarez P, de Frutos M, Sagredo V, Domínguez A, et al. Mortalidad y estancia hospitalaria ajustada por gravedad como indicadores de efectividad y eficiencia de la atención de pacientes en Unidades de Cuidados Intensivos. Med Intensiva. 2008;32(1):8-14.

11. Omachonu VK, Suthummanon S, Akcin M, Asfour S. Predicting length of stay for Medicare patients at a teaching hospital. Health Serv Manage Res. 2004;17(1):1-12.

12. Liu Y, Phillips M, Codde J. Factors influencing patients' length of stay. Aust Health Rev. 2001;24(2)63-70.

13. Horn SD, Sharkey PD, Bertran DA. Measuring severity of illness. Homogeneous case mix groups. Med Care. 1983;21(1):14-30.

14. Horn SD, Horn RA. Reliability and validity of the severity of illness index. Med Care. 1986;24(2):159-78.

15. Jiménez RE, Vázquez J, Fariñas H. Construcción y validación de un índice de gravedad para pacientes hospitalizados en áreas clínicas. Gaceta sanitaria, Xunta de Galicia. 1997;11:122-30.

16. Jiménez RE, Domínguez E, Fariñas H, Fuentes E. Construcción y validación de un índice de gravedad para pacientes hospitalizados en áreas quirúrgicas. Rev Cubana Salud Púb. 1999;25(2):154-66.

17. Render ML, Kim M, Deddens J, Sivaganesin S, Welsh DE, Bickel K, et al. Variation in outcomes in Veterans Affairs intensive care units with a computerized severity measure. Crit Care Med. 2005;33(5):933-9.

18. Bernard AM, Mynard RAJE, Rosevear JS, McMahon LF. The integrated inpatient management. Med Care. 1995;7:663-75.

19. Ryan S, Lowe CS, Hardes G. A quantitative approach to quality inprovement and resource allocation. Qual Clin Pr. 1995;15:11-6.

20. Dawson-Saunders B, Trapp RG. Bioestadística Médica. México: El Manual Moderno; 1999. p. 249-94.

21. López de Ullibarri Galparsoro I, Pita Fernández S. Curvas ROC. Evaluación de pruebas diagnósticas. Cad Aten Primaria. 1998;5(4):229-35.

22. Becchi MA, Belleli F, Clarizio M, Carulli N. Characteristics of patients admitted to a Division of Internal Medicine. Is hospital the best setting of care. Ann Ital Med Int. 2005;20(4):233-44.

23. Padrón Sánchez A, Puga Torres M, Peña Dorado R, Bravo Pérez R, Quiñónez Zamora A. Validación de la Escala Pronóstica del Enfermo Crítico I (EPEC I) comparada con las predicciones de mortalidad del APACHE II. Rev Cubana Med Int Emerg. 2002;1:20-8.

24. Delgado Morales JI, Alonso del Busto R, Pascual Calleja I, Villa Corta Martín MM, Ergueta Martín P, González Sarmiento E. Estudio observacional de los pacientes ingresados en un servicio de Medicina Interna. An Med Int. 2004;21(1):3-6.

25. Ladenheim R, Isola I, Nagel V, Musi M, Galante M, Tanaka F, et al. Limitaciones de esfuerzos terapéuticos: Resultados de un registro prospectivo en un hospital universitario [Fecha de acceso 31 de julio de 2007] Disponible en: http://64.233.169.104/search?q=cache:hgZZzP41M8gJ:www.sam.org.ar/congreso_nacional_medicina/2006/comunicaciones_libres_premiadas/C-27-05.doc+mediana+de+la+edad+y+medicina+interna&hl=es&ct=clnk&cd=61&gl=cu

26. Montero Ruíz E, López Álvarez J, Hernández Ahijado C. Estudio de las interconsultas solicitadas a un servicio de Medicina Interna. Rev Clin Esp. 2004;204(10):507-10.

27. Martins M, Blais R, Leite Iúri da Costa. Hospital mortality and length of stay: comparison between public and private hospitals in Ribeirão Preto, São Paulo State, Brazil. 2004;20 Suppl 2:S268-82.

28. Sahadevan S, Earnest A, Koh YL, Lee KM, Soh CH, Ding YY. Improving the diagnosis related grouping model's ability to explain length of stay of elderly medical inpatients by incorporating function-linked variables. Ann Acad Med Singapore. 2004;33(5)614-22.

29. Jiménez Paneque RE, Gutierrez Rojas AR, Fariñas Seijas H, Suárez García N, Fuentes Valdés E. Variations in the postoperative length of stay according to patient characteristics in general surgery service. Gac Sanit. 1994;8(43):180-8.

30. Crockett AJ, Cranston JM, Moss JR, Alpers JH. An asociation between length of stay and co-morbidity in chronic airflow limitation. Int J Qual Health Care. 2000;12(1):41-6.

31. Travassos C, Carvalho de Noronha J, Martins M. Mortalidade hospitalar como indicador de qualidade: uma revisão Ciênc. Saúde Coletiva. 1999;4(2):367-81.

32. Vázquez Roque FJ, Pita Fernández F, Dueñas Fernández R, Lastado Casanova R, Martínez Espinosa C, Hidalgo Menéndez P. El Euroscore como predictor de mortalidad precoz y de complicaciones mayores en la cirugía coronaria a corazón latiendo. Rev Arg Cir Cardiovas. 2005;3(3): [Serie en Internet] [Citado 16 de octubre 2007 [aproximadamente 8 páginas]. Disponible en: http://www.raccv.caccv.org/Vol03N03/euroscorecomopredictor.htm

33. Hartz AJ, Bade PF, Sigmann P, Guse C, Epple P, Goldberg KC. The evaluation of screeening methods to identify medically unnecessary hospital stay for patient with pneumonia. Int J. 1996;8:3-11.

 

 

Recibido: 17 de febrero de 2009.
Aprobado: 8 de mayo de 2009.

 

 

Dr. Teddy Osmin Tamargo Barbeito. Los Palacios, Pinar del Río. CP 22900 Correo electrónico: [e-mail]